서론
1. 연구의 배경
문헌고찰
1. 전동킥보드 이용행태 관련 연구
2. 전동킥보드 불법주정차 관련 연구
3. 연구의 차별성
분석자료 및 방법론
1. 분석자료
2. 변수구축
3. 기초통계분석
4. 분석 방법론
분석 결과
결론
1. 분석의 주요 결과
2. 정책적 제언
3. 한계점 및 향후 연구방향
서론
1. 연구의 배경
전동킥보드는 전기를 동력으로 하는 개인형 이동수단(Personal Mobility, PM)으로, 스마트폰 앱 기반의 Dockless 방식 공유 서비스가 확산되면서 도시 내 단거리 이동 수단으로 널리 활용되고 있다. Dockless 방식은 고정 거치대 없이 가로공간 어디서든 반납이 가능하여 이용 편의성이 높고, 이러한 접근성을 바탕으로 국내외 도시에서 일상적인 이동 수단으로 빠르게 자리잡고 있다. 전동킥보드는 대중교통의 First Mile·Last Mile 수단으로 주로 활용되며, 이동 거리가 짧고 지하철역 등 환승시설과의 연계 이용이 많은 것이 특징이다. 환승시설 인근에서 이용과 반납이 집중되는 현상은 선행연구를 통해 확인되고 있으며(Tyndall, 2022), 2018년 국내 서비스 개시 이후 전동킥보드의 이용은 환승 시설 및 상업 지역의 토지이용 밀도와 양(+)의 상관관계를 보이며, 해당 지역들을 중심으로 이용 활성화가 지속되고 있다(Kim et al., 2021a). 이는 전동킥보드의 이용 및 반납 행태가 인근의 공간적 환경과 긴밀하게 연관되어 있음을 시사한다. 한편, Dockless 방식의 운영 특성상 반납 위치에 대한 물리적 제약이 존재하지 않아 보도나 시설 출입부에 전동킥보드가 무단으로 방치되는 사례가 지속적으로 발생하고 있다(Klein et al., 2023; Kweon and Lee, 2024). 이러한 무단 주정차 문제는 보행 안전과 도시 관리 측면에서 정책적 대응이 필요한 사안으로 인식되고 있으며, 서울시는 2021년 7월 전국 최초로 전동킥보드 무단 주정차 견인제도를 시범 운영한 후 2022년 1월 전면 시행으로 전환하였다. 현행 신고 체계는 시민이 전동킥보드의 QR 스티커 또는 고유 ID를 촬영·입력하여 민원을 접수하면 계약 민간업체가 견인을 집행하는 방식으로 운영되며, 2024년 9월에는 강남구에 견인 전담부서가 신설되어 주말·공휴일에도 대응이 가능해졌다. 또한 2022년에는 약 190개소의 전동킥보드 지정 주차구역이 마련되었다(Yang et al., 2025). 따라서 특정 지점에서 견인이 반복적으로 발생한다는 것은 해당 공간의 환경적 특성이 견인의 반복적 발생을 야기하는 요인이 될 수 있음을 의미한다. 그럼에도 불구하고 기존 연구들은 전동킥보드의 이용 수요나 주차 행태를 행정동·격자·도로 구간 단위에서 분석하는 데 그쳤으며, 견인이 반복적으로 발생하는 지점의 미시적 가로 환경 요인을 다룬 연구는 상대적으로 부족한 실정이다. 전동킥보드의 Last Mile 특성상 이용자는 목적지 건축물로부터 수십 미터 이내에 반납을 완료하려는 경향이 있으며, 그 결과 무단 주정차와 견인은 건축물 출입부·상업시설 전면부 등 특정 공간에 집중되는 양상을 보인다. 이는 분석 단위를 행정구역이나 격자 수준에 두는 기존의 거시적 접근으로는 설명하기 어려운 부분이며, 현행 일괄 단속 방식의 관리 체계 역시 인력과 비용 측면에서 구조적 한계를 지닌다. 이에 수요 발생 주체가 관리에 직접 참여하는 체계로의 전환 필요성이 선행연구에서 지속적으로 제기되어 왔다(Lee et al., 2023).
본 연구는 서울특별시 강남구를 대상으로 건축물 단위에서 주변 공간 환경이 전동킥보드 견인 발생 강도에 미치는 영향을 실증적으로 분석한다. 이를 통해 유의미한 영향을 미치는 공간 환경 요인을 규명하고, 해당 요인이 집중된 지역에 대한 집중 관리 구역 지정·전동킥보드 이용 제한 등 공간 특성에 기반한 관리 방안의 필요성을 제시하고자 한다.
문헌고찰
1. 전동킥보드 이용행태 관련 연구
전동킥보드의 이용 행태에 관한 연구들은 공간적 특성을 위주로 보고되었다. 공간적 특성을 분석한 연구에서는 First Mile·Last Mile 수단으로서의 특성상 공유 전동킥보드의 이용은 철도역 인근에 집중되며 대중교통과 보완적으로 이용되는 경향이 확인된다(Tyndall, 2022). 국내 연구에서도 서울 집계구 단위 분석 결과 생활인구 밀집지역, 20~30대 비율이 높은 지역, 대중교통 접근성이 우수한 지역에서 이용률이 높았으며, 근린생활시설 연면적과 역세권 밀도가 이용량의 주요 예측요인으로 확인되었다(Kim et al., 2021b; Ahn et al., 2021). 이용 수요와 건축물·시설 이용 패턴 간의 연관성은 미국 5개 도시 비교 연구에서도 일관되게 나타난 바 있으며, 상업·업무 시설 밀도 및 교차로 밀도가 전동킥보드 이용량과 양(+)의 관계를 보이는 것으로 보고되었다(Huo et al., 2021). 한편 공유 전동킥보드의 픽업 및 반납은 인구 밀집지역, 토지이용, 교통시설 등 건조환경 요인과 밀접한 공간적 상관관계를 보이며(Kim et al., 2021a), 복수의 공유모빌리티 서비스를 비교 분석한 연구에서도 전동킥보드가 도심 활동거점 및 대중교통 인프라 인근에 공간적으로 집중되는 경향이 일관되게 확인되었다(McKenzie, 2020). 또한 유럽 124개 도시를 대상으로 한 연구에서는 전동킥보드가 지하철역 등 환승시설과의 공간적 연계성이 높은 것으로 나타나(Li et al., 2024), 전동킥보드의 이용 및 반납 패턴이 대중교통 인프라와 밀접하게 결합된 공간 환경에 의해 결정됨을 시사한다.
2. 전동킥보드 불법주정차 관련 연구
전동킥보드 불법주정차 관련 연구는 국내외로 전동킥보드 주차구역 관련 연구, 전동킥보드 견인의 공간적 특성 관련 연구가 대표적으로 진행되었다. 전동킥보드 주차구역 관련 연구의 경우 뉴질랜드 오클랜드 2개 지점과 미국 워싱턴 D.C. 1개 지점에서 전동킥보드 주차 개입 전후의 불법주정차를 비교한 연구에서, 워싱턴 D.C.의 거치대 잠금(Lock-to) 정책 도입 후 부적절 주차 비율이 19%에서 13%로 약 1/3 감소하였으며(Klein et al., 2023), 스웨덴 룬드시 전역과 말뫼시 도심의 전동킥보드 불법주정차 규제강화 정책 전후 공간적 주차패턴 변화를 분석한 연구에서는 규제강화 정책 이후 전동킥보드 불법주정차의 핫스팟 면적이 약 63% 감소하는 결과를 보였다(Johnsson et al., 2025). 국내의 경우 서울시 전동킥보드 주차구역 지정의 효과를 분석한 연구에서는 전동킥보드 주차구역의 형성 전후의 전동킥보드 견인의 수 비교분석 결과, 전체 주차구역 191개에서 주차구역 형성 이후 견인의 수가 감소하는 결과가 도출되었다(Yang et al., 2025).
전동킥보드 견인의 공간적 특성 분석 연구의 경우 서울시 집계구 단위를 범위로 설정하여 전동킥보드 무단주정차 견인 밀집구역의 공간패턴 및 영향요인을 규명하는 연구에서는 역세권과 상권에서 전동킥보드 견인 핫스팟이 집중되었고, 전동킥보드 견인의 영향요인으로 생활인구, 상업용지, 지하철역이 가장 큰 영향을 미치는 것으로 나타났다(Ahn and Lee, 2024). 또한 집계구 단위의 분석에서는 전동킥보드 견인이 집계되는 상위 5개 자치구인 강남·마포·중구·용산·송파구에서 전체 견인의 약 65%를 차지하였고, 견인 발생 시간대의 경우 평일은 오후 6시~8시에 약 42%, 주말의 경우 낮시간대에 약 28%의 견인이 발생하는 것으로 나타났다(Lee et al., 2022).
기존 국내외 전동킥보드 연구를 고찰한 결과, 기존 연구에서는 분석의 공간적 단위를 행정동·집계구·격자 등의 단위에서 이용 수요와 주정차 행태를 분석하여 거시적 패턴을 규명하는 데 기여하였다(Kweon and Lee, 2024; Zou et al., 2020). 그러나 이러한 거시적 접근으로는 무단 주정차와 견인이 반복적으로 발생하는 특정 지점의 미시적 공간 환경 요인을 파악하는 데 한계가 있다. 전동킥보드의 Last Mile 특성상 이용자는 최종 목적지 건축물로 인근에 반납을 완료하려 하므로, 불법 주정차가 발생하는 공간은 개별 건축물과 기능적으로 결합된 가로 환경과 직접적으로 연관된다.
3. 연구의 차별성
기존 전동킥보드 관련 연구는 국내외에서 행정동·집계구 단위로 이용수요와 주정차행태를 분석하여 거시적 패턴은 규명하였으나(Kweon and Lee, 2024; Zou et al., 2020), 미시적 접근으로의 연구는 이루어지지 않은 실정이다.
이에 본 연구는 전동킥보드의 실질적인 목적지 역할을 하는 미시적인 공간 단위인 건축물을 분석의 공간 단위로 설정하여 전동킥보드 견인에 미치는 영향요인을 정량적으로 도출하여 전동킥보드 불법 주정차로 인해 불편을 느끼는 시민이 자발적으로 신고하여 집행되는 전동킥보드 견인을 민원의 정도로 재해석하여 민원의 발생에 대한 시사점을 도출하고자 한다.
분석자료 및 방법론
1. 분석자료
본 연구의 시간적 범위는 2024년 7월부터 2025년 6월까지로 설정하였다. 이는 본 연구의 수행 시점에서 확보 가능한 전동킥보드 견인 데이터 중 가장 최근 자료이며 계절의 영향이 큰 전동킥보드 이용의 특성을 고려하여 1년의 범위로 설정하였다.
공간적 범위는 서울특별시 강남구이다. 서울시는 대한민국에서 가장 많은 인구의 이동이 발생하는 지역으로, 지속된 전동킥보드 주정차 민원에 대응하고자 2021년 7월, 전국 최초로 전동킥보드 주정차 위반 신고 및 견인 서비스를 개시하였다(Kweon and Lee, 2024). 이 중 강남구의 경우 업무·상업·교육·여가 기능이 복합적으로 집중된 지역으로, 서울 내부에서도 통행량과 활동 수준이 매우 높은 지역에 해당한다. 이에 더해 강남구는 분석 기간 동안 서울시 자치구 중 전동킥보드 견인의 수가 가장 많이 발생한 지역으로, 이러한 특성을 고려하여 분석의 공간적 범위로 설정하였다(Figure 1).
1) 자료의 수집 및 현황
본 연구는 서울열린데이터광장에서 제공하는 ‘전동킥보드 견인 데이터 현황’ 자료를 활용하였다. 본 연구의 공간적 분석 범위인 강남구 내부에서 발생한 전동킥보드 견인 발생의 분포를 공간적으로 시각화한 결과인 Figure 2를 보면, 강남구 내부에서 전동킥보드 견인 발생은 공간적으로 균등하지 않으며, 특정 지역에 집중되는 형태로 나타난다. 선행연구에서도 전동킥보드 견인은 역세권과 상권을 중심으로 공간적 핫스팟이 형성되는 것으로 확인된 바 있으며(Ahn and Lee, 2024; Lee et al., 2022), 강남구 내에서도 이와 유사한 공간적 집중 패턴이 나타난다. 이는 전동킥보드 견인 발생의 공간적 집중이 거시적 도로 환경이나 구역 특성보다는 이용 목적지에 해당하는 건축물 및 시설 주변의 미시적 공간 특성과 밀접한 관련이 있을 가능성을 시사한다. 따라서 본 연구는 강남구 건축물 데이터를 활용하여, 서울시 강남구 내 건축물 인근 환경이 전동킥보드 견인에 미치는 영향 요인을 규명하고자 한다.
2. 변수구축
본 연구에서는 분석 방향에 따라, 전동킥보드 견인 발생의 미시적 공간 특성을 설명할 수 있는 변수를 구축하였다. 종속변수로는 건축물 인근 10m 반경에 집계된 전동킥보드 견인의 수를 설정하였다. 종속변수의 집계 반경인 10m는 전동킥보드 이용자가 최종 목적지 건축물에 도달한 후 반납하는 위치가 건축물 출입구 인근의 가로 공간에 집중된다는 특성을 고려하여 설정하였다. 멜버른의 공유 전동킥보드 통행을 분석한 선행연구에서는 원형 반경 분석을 통해 전동킥보드 통행의 시점과 종점이 보도 등 가로 공간의 10m 이내에 고도로 집중되는 것으로 확인된 바 있으며(Kegalle et al., 2023), 본 연구의 10m 반경은 이러한 반납 행태의 미시적 공간 집중 특성을 반영한 것이다. 독립변수의 집계 반경인 100m는 전동킥보드 이용자가 최종 목적지 건축물에 도달한 후 반납하는 위치가 건축물 출입구 인근의 가로 공간에 집중된다는 특성을 고려하여, 보행자의 단거리 이동 행태를 반영한 근린 환경의 영향권으로 설정하였다. 보행 기반의 건조환경 영향요인 분석에서는 100m 내외의 소규모 공간 단위가 근린 환경의 영향권으로 널리 활용되어 왔다. 노년층의 건조환경과 신체활동의 관계를 분석한 연구에서는 도보로 통상 이동하는 거리를 반영하여 거주지 기준 100m 반경을 근린 단위로 설정하였으며(Berke et al., 2007), 보행 경로 선택과 건조환경의 관계를 50~1,600m의 다중 스케일에서 비교한 연구에서는 100m 스케일에서 건조환경 변수와 보행 간의 연관성이 가장 뚜렷하게 나타나 100m가 가장 유효한 분석 단위로 확인되었다(Ge et al., 2023). 또한 전동킥보드의 시·종점 주변 건조환경 역시 점 단위의 소규모 원형 반경으로 측정되는 점을 고려하여(Kegalle et al., 2023), 본 연구는 건축물 출입구를 중심으로 한 보행자의 단거리 근린 영향권을 100m로 설정하였다. 이때 인근 반경은 건축물 중심점이 아닌 건축물 외곽선을 기준으로 생성하였으며, 이를 통해 대형 건축물의 출입구 및 도로변에서 발생하는 견인을 집계하였다. 독립변수이자 건축물 인근 견인에 영향을 미치는 설명변수로는 종속변수와 마찬가지로 건축물 인근을 중심으로 구축하였으며, 선행연구에서 고려된 변수들을 토대로 5가지 범주로 나누어 구축하였다. 변수의 범주, 변수명, 변수의 정의 및 출처는 Table 1과 같다.
Table 1.
Description of variables used in the analysis
건축물 특성 범주는 해당 건축물이 지니는 특성으로 V-WORLD에서 제공하는 건축물 데이터를 활용하였다. 데이터에는 건축물 이름, 건축물 주용도, 연면적 등이 포함되어 있으며, 본 연구에서는 연면적을 활용하였다. 건축물 연면적은 해당 건축물의 규모를 설명하는 요인으로서 연면적이 높은 대형 건축물 집적 지역일수록 전동킥보드 이용이 활발하고(Song et al., 2023), 건축물 연면적의 경우 최종분석결과의 유의미한 해석을 위해 단위를 1ha (10,000m2)로 설정하였다. 건축물의 주용도 또한 분석에 고려하였으나 전체 건축물의 대다수가 주거 및 상업용도로 나타나 유의미한 결과 도출이 불가하여 본 연구에서는 제외하였다.
인근 건축물 환경 범주는 전동킥보드 반납의 목적지의 성격이 강한 변수이자 Kweon and Lee(2024), Han et al.(2025)에서 고려된 변수로, 집적 특성을 나타내는 인근 건축물 연면적, 인근 상업시설의 수, 인근 업무시설의 수로 구성하였다. 3가지 변수 모두 건축물 100m 반경에서 구축되었으며, 인근 건축물 연면적 변수의 경우 건축물 연면적과 동일하게 유의미한 해석을 위해 단위를 1ha로 설정하였다. 선행연구에 따르면 전동킥보드의 이용 및 반납은 상업시설과 업무시설이 밀집한 지역에서 상대적으로 빈번하게 발생하는 경향이 있으며 이러한 특성은 전동킥보드 주정차 및 관리 문제에도 유의미한 영향을 미치는 것으로 규명되었다(Zou et al., 2020; McKenzie, 2019).
전동킥보드 무단 주정차는 Kweon and Lee(2024)에서 토지이용뿐만 아니라 교차로, 횡단보도, 도로폭 등 도로환경 특성과 유의한 관련이 보고되어 본 연구에서 보행 및 도로환경 특성 변수를 구축하였다. 서울시 집계구 단위 분석에서는 교차로 수, 횡단보도 수, 평균 도로폭 등이 모형에서 고려되었고, 무단 주정차 유형의 발생·빈도와 도로환경 요인의 관계가 논의되었다(Kweon and Lee, 2024). 또한 공유 전동킥보드의 공간적 존재 또한 도심 활동거점 및 이동 인프라와의 근접성에 의해 설명될 수 있음을 확인하였다(Hawa et al., 2021; Caspi et al., 2020). 이에 본 연구에서는 건축물 인근 100m 범위에서 횡단보도 수, 교차로 수, 건축물 인접 도로 폭을 변수로 구성하여 도로환경 변수에서 활동의 집적 정도에 따라 전동킥보드 견인에 영향을 미칠 수 있다고 판단된다.
대중교통 접근성 범주의 경우 전동킥보드 이용과 반납 및 견인과 밀접한 관련이 있는 범주로서, 건축물로부터 지하철역까지의 최소거리와 100m 인근 버스정류장의 수를 변수로 구축하였다. 대중교통 인근 지역의 경우 전동킥보드 이용 및 반납 수요와 활동 집적도가 타 지역 대비 높은 특성을 보여(Hawa et al., 2021; Tyndall, 2022) 이에 따른 전동킥보드 견인의 발생강도에 영향을 미칠 것으로 판단된다.
PM 접근성 및 주차 인프라 범주의 경우 전동킥보드의 운영 및 반납과 연관이 있으며, 건축물 100m 반경 이내에 PM 이동불가 링크 유무와 건축물 반경 300m 이내 전동킥보드 주차구역 유무 변수로 구성하였다. PM 이동불가 링크는 공공데이터포털에서 제공하는 보행로 링크 데이터 내에 포함된 항목으로, 전동킥보드가 포함된 개인형 이동수단의 통행이 법적으로 금지된 구간을 의미한다. 주로 보행자 전용도로, 자전거 전용도로, 공원 내 보행로 등 보행 밀도가 높고 PM 통행이 제한되는 구간이 해당되며, 해당 링크가 존재하는 구간에서는 전동킥보드의 반납 및 주정차 시 즉각적인 신고와 견인 조치가 이루어질 가능성이 높다. 전동킥보드 주차구역 유무 변수의 경우 300m 영향권 내에서 견인의 감소 효과가 가장 컸다는 선행연구의 결과를 토대로 선정하였다(Yang et al., 2025). 변수의 구축을 위해 공공데이터포털과 서울열린데이터 광장에서 배포하는 보행로링크, 전동킥보드 주차구역 현황 데이터를 활용하여 건축물로부터 반경 100m 이내 전동킥보드 이동불가 링크의 존재 여부 변수와 300m 이내 전동킥보드 주차구역의 유무 변수를 구축하였다. 이는 전동킥보드 이용 및 반납을 억제하는 변수로서, 전동킥보드 견인 발생에 영향을 미칠 것으로 판단된다.
본 연구의 종속변수는 2024년 7월부터 2025년 6월까지의 1년간 누적 견인 건수를 활용하였으며, 독립변수는 2025년을 기준으로 배포된 자료를 활용하여 구축하였다. 건축물 특성, 도로 네트워크, 주차 인프라 등 본 연구에서 활용한 공간 변수들은 단기간 내 급격한 변동이 발생하기 어려운 물리적 환경 요인으로 구성되어 있어 종속변수 수집 기간과의 시점 차이가 분석 결과에 미치는 영향은 제한적일 것으로 판단된다.
3. 기초통계분석
본 연구는 분석 진행 전, 종속변수를 포함한 각 변수의 기초통계분석 및 다중공선성 분석을 진행하였다. 분석의 대상은 V-WORLD에서 제공하는 강남구 내 모든 건축물을 기본으로 하였으며, 건축물 데이터 중 연면적의 이상치나 건축물 데이터의 누락된 결측치 2,969개를 제외한 21,644개의 건축물을 분석의 표본으로 설정하여 분석을 진행하였다. 분석결과는 Table 2와 같다. 다중공선성 평가의 경우 변수들 간의 분산팽창계수는 1점대를 보이며 다중공선성의 문제는 발견되지 않았다. 종속변수인 건축물 인근 전동킥보드 집계량 변수의 경우 평균이 0.61인 반면 표준편차는 4.00으로 약 6.5배 이상 큰 모습을 보인다. 이는 건축물 인근 전동킥보드 견인 집계량이 과분산 상태임을 보여준다. 이에 더해 최솟값이 0이고 최댓값이 194인 반면에 평균이 0.61을 보이면서 종속변수는 0과잉 상태임을 시사한다. 본 연구에서는 이러한 종속변수의 특징을 확인하기 위해 종속변수를 공간적으로 시각화하고 히스토그램으로 분포를 확인하였다. 시각화한 자료 및 히스토그램은 Figure 3, Figure 4와 같다. Figure 3에 따르면 건축물 인근 전동킥보드 견인 집계량은 Figure 1과 마찬가지로 강남구 내부에서 일부 지역에 견인이 집중되어 있고 그 외 지역에는 집계되지 않은 건축물이 존재함을 확인할 수 있다. Figure 4를 보아 종속변수인 건축물 인근 전동킥보드 견인 집계량의 80% 이상이 0값을 보이는 영과잉(Zero-inflated) 상태임을 확인하였다. 이로 인해 본 연구의 최종 분석 모델 선정 시, 종속변수의 영과잉, 과산포 특성을 고려해야 함을 시사한다.
Table 2.
Descriptive analysis
독립변수 중 건축물 특성 범주의 건축물 연면적 변수의 경우 평균이 0.18ha, 최댓값이 19.51ha로 분석의 공간적 범위인 서울시 강남구 내부에 대형건축물이 존재함을 의미하여 연면적 상위 10개의 건축물의 대부분이 강남구 대치동의 포스코센터, 강남구 삼성동의 ASEM, 강남구 삼성동의 현대백화점 등 삼성동 인근의 업무 및 상업 관련 시설임을 확인하였다. 인근 건축물 특성 범주의 인근 건축물 연면적 합 변수의 경우 평균이 8.10ha, 최댓값이 53.90ha로 건축물 자체 연면적 대비 약 45배 수준으로 나타났으며, 이는 개별 건축물 인근 100m 반경 내에 다수의 시설이 밀집되어 있는 강남구의 고밀도 도시의 특성을 확인할 수 있다. 보행 및 도로네트워크 환경 범주의 경우 횡단보도 및 교차로의 수가 많을수록 해당 건축물이 대로변 인근에 위치한 것을 확인하였다. 추가로 도로폭 변수의 경우 최솟값은 3m, 최댓값은 70m로 일반적으로 3m는 서울시 강남구 내 이면도로나 골목길을 의미하며, 70m는 강남대로, 도산대로 등 대로를 의미한다. 이는 견인이 발생하는 주된 장소가 폭이 좁은 이면도로인지, 활동이 집적된 대로변인지를 분석을 통해 도출할 수 있을 것이다.
추가로, 견인 발생 여부에 따른 두 집단 간 변수 특성 차이를 명확히 파악하기 위해, 전체 표본을 견인 미발생 집단과 견인 발생 집단으로 구분하여 기초통계량을 비교하였으며, 그 결과는 Table 3과 같다. 독립표본 t-검정 결과 모든 변수에서 두 집단 간 평균 차이가 통계적으로 유의한 것으로 나타났다. 견인 발생 집단은 미발생 집단에 비해 횡단보도 수, 교차로 수, 버스정류장 수, PM 이동불가 링크 비율이 높게 나타난 반면, 건물 수와 지하철역까지의 최소거리는 낮게 나타났다. 이는 대로변 및 보행 활동이 활발한 지역에 위치한 건축물 인근에서 전동킥보드 견인이 집중적으로 발생하는 경향이 있음을 시사하나, 강남구의 고유 특성상 지하철역이 일정한 간격으로 분포되고 건물 또한 전역적으로 분포한다는 특징을 가져 건물 수와 지하철역까지의 최소거리 변수 또한 분석을 통해 견인 발생에 대한 입증이 필요하다.
Table 3.
Descriptive statistics by towing occurrence
4. 분석 방법론
본 연구는 건축물 단위의 전동킥보드 견인 발생 강도를 규명하기 위해 가산 모형(Count Model)을 적용하였다. 전동킥보드 견인 집계량은 음이 아닌 정수 값을 갖는 이산형 자료이며, 선형 회귀모형을 적용할 경우 추정치의 편향이 발생할 수 있으므로 포아송(Poisson) 또는 음이항(Negative Binomial) 모형이 적합하다. 최근 공유 마이크로 모빌리티의 이용 특성과 그 영향요인을 분석한 연구들 또한 이러한 데이터의 특성을 고려하여 가산 모형을 적극적으로 활용하고 있다(Caspi et al., 2020; Bai and Jiao, 2020; Kim et al., 2021b). 본 연구의 종속변수인 건축물 인근 전동킥보드 견인 집계량은 기초통계 분석 결과, 평균(0.61) 대비 표준편차가 4.00으로 약 6.5배 큰 과산포 현상을 보였다. 또한 표본 21,644개 중 약 88%가 0의 값으로 구성된 영과잉(Zero-inflated) 분포 특성을 나타낸다. 이러한 데이터의 불균형성은 특성 활동 집적 지역에 통행과 주차가 집중되는 전동킥보드의 공간적 특성에서 확인할 수 있다.
이에 본 연구는 최적의 분석 모형을 선정하기 위해 동일한 변수 세트를 기반으로 포아송(Poisson), 음이항(Negative Binomial, NB), 영과잉 포아송(Zero-Inflated Poisson, ZIP), 영과잉 음이항(Zero-Inflated Negative Binomial, ZINB) 모형을 각각 추정하여 모형 적합도를 비교하였다. 각 모형의 적합도는 로그우도(Log- Likelihood), AIC(Akaike Information Criterion), BIC(Bayesian Information Criterion), α(분산 매개변수)를 기준으로 비교하였으며, 비중첩 모형 간 통계적 유의성 검증을 위해 Vuong 검정을 추가로 실시하였다. 비교 결과는 Table 4와 같으며, Vuong 검정 결과 영과잉 음이항모형은 포아송, 음이항, 영과잉 포아송 모델 대비 통계적으로 유의하게 우수한 적합도를 보이는 것으로 나타났다. 따라서 본 연구는 영과잉 및 과산포 문제를 동시에 해결할 수 있고 통계적으로 가장 안정적인 영과잉 음이항 회귀모형(ZINB)을 최종 모형으로 채택하였다. ZINB 모형은 다음과 같은 확률 질량 함수를 통해 견인 미발생과 발생 빈도를 구분하여 추정한다.
여기서 는 견인 미발생 확률을 결정하는 로지스틱 과정이며, 는 음이항 과정에 따른 기대 견인 빈도이다.
본 모형의 Count part는 건축물 인근 집계된 전동킥보드 견인의 발생 강도를, Logit part는 견인의 미발생 여부를 설명한다. 또한, 본 연구는 모형의 추정계수 값(, )을 직접 해석하기보다 직관적인 영향력 파악을 위해 지수 함수를 취한 발생률비(Incidence rate ratio, IRR)와 오즈비(Odds ratio, OR)를 산출하여 분석결과의 추정계수를 해석하는데 활용하였다.
Count part에서 산출된 IRR은 독립변수가 1단위 증가할 때 견인의 발생 강도의 기댓값이 몇 배 변화하는지를 의미하며, Logit part에서 산출된 OR은 독립변수 변화에 따라 견인이 발생하지 않을 확률의 오즈(Odds)가 몇 배 증가하는지를 나타낸다. 모형의 Count part와 Logit part는 동일한 변수 세트로 구성하였다. 구체적으로 건축물 특성, 인근 건축물 환경, 보행 및 도로환경 특성, 대중교통 접근성, PM 접근성 및 주차 인프라 범주에 해당하는 변수를 모두 각 파트에 투입하였으며, 이를 통해 각 공간 환경 요인이 견인 발생 강도와 견인 미발생 여부에 미치는 영향을 동시에 규명하고자 한다.
분석 결과
본 연구의 연구결과는 Table 5와 같다. 21,644개의 표본 중 12.05%에 달하는 2,609개의 표본이 Nonzero에 해당하며 약 88%의 건축물이 인근에서 견인이 발생하지 않는 것을 확인하였다. 최종 선정된 ZINB 모형의 적합도는 Log-likelihood -12,874.06, AIC 25,798.12, BIC 25,997.68, McFadden R2 0.014로 나타났으며, 과분산 매개변수 α는 6.467로 영과잉 및 과산포 특성이 모형에 반영되었음을 확인하였다.
Table 5.
Results of model analysis of the zero-inflated negative binomial regression
| Negative binomial regression (count part) | |||||
| Category | Variables | Coef | Z-value | IRR | % |
| Building characteristics | Building total floor area | 0.531*** | 6.44 | 1.700 | +70.0% |
|
Neighborhood building characteristics | Sum of nearby total floor area | 0.036** | 3.03 | 1.037 | +3.7% |
| Number of nearby commercial facilities | 0.010*** | 3.48 | 1.010 | +1.0% | |
| Number of nearby office facilities | 0.015 | 1.10 | 1.015 | +1.5% | |
|
Pedestrian & road network characteristics | Number of nearby crosswalks | -0.009 | -0.72 | 0.991 | -0.9% |
| Number of nearby intersections | 0.071 | 0.80 | 1.074 | +7.4% | |
| Road width | 0.024*** | 5.11 | 1.024 | +2.4% | |
|
Public transport accessibility | Distance to the nearest subway station | 0.002*** | 5.95 | 1.002 | +0.2% |
| Number of nearby bus stops | 0.049 | 0.99 | 1.050 | +5.0% | |
|
PM accessibility & parking infrastructure | Presence of PM impassable link | 0.342* | 2.50 | 1.408 | +40.8% |
| Presence of PM parking zone | -0.329** | -3.22 | 0.720 | -28.0% | |
| Constant | -1.604*** | -6.85 | 0.201 | -79.9% | |
| Logit inflation model (logit part) | |||||
| Category | Variables | Coef | Z-value | OR | % |
| Building characteristics | Building total floor area | -0.546* | -2.56 | 0.579 | -42.1% |
|
Neighborhood building characteristics | Sum of nearby total floor area | -0.030 | -1.45 | 0.970 | -3.0% |
| Number of nearby commercial facilities | -0.005 | -1.30 | 0.995 | -0.5% | |
| Number of nearby office facilities | -0.122*** | -3.90 | 0.885 | -11.5% | |
|
Pedestrian & road network characteristics | Number of nearby crosswalks | -0.248*** | -9.77 | 0.780 | -22.0% |
| Number of nearby intersections | -0.205 | -1.51 | 0.814 | -18.6% | |
| Road width | -0.002 | -0.31 | 0.998 | -0.2% | |
|
Public transport accessibility | Distance to the nearest subway station | 0.002*** | 7.07 | 1.002 | +0.2% |
| Number of nearby bus stops | -0.117 | -1.71 | 0.890 | -11.0% | |
|
PM accessibility & parking infrastructure | Presence of PM impassable link | -0.290 | -1.95 | 0.748 | -25.2% |
| Presence of PM parking zone | -0.072 | -0.53 | 0.930 | -7.0% | |
| Constant | 1.774*** | 7.05 | 5.894 | +489.4% | |
| Obs (Nonzero, %) | 21,644(2,609, 12.05%) | ||||
| Log likelihood | -12,874.06 | ||||
| Lr chi2(21) | 169.60 | ||||
| Prob ＞ chi2 | 0.000 | ||||
| AIC | 25,798.12 | ||||
| BIC | 25,997.68 | ||||
| McFadden R2 | 0.014 | ||||
건축물 특성 범주의 경우 Count Part에서 건축물 연면적 변수의 추정계수는 0.531, IRR은 1.700을 보여 건축물의 연면적이 1ha 증가할 때마다 전동킥보드 견인이 70.0% 증가함을 의미한다. 이는 해당 건축물이 연면적이 높은 대형 건축물일수록 건축물 인근에 전동킥보드 견인이 증가한다는 것을 시사한다. 특히 강남구를 대상으로 한 선행연구에서도 대형 집객시설과 같은 토지이용 특성이 견인 발생의 주요 원인임을 밝힌 바 있다(Hong et al., 2022). 한편 Logit Part에서 건축물 연면적 변수의 추정계수는 –0.546, OR은 0.579로 나타나 건축물 연면적이 1ha 증가할 때마다 전동킥보드 견인이 발생하지 않을 확률이 42.1% 감소하는 것으로 분석되었다. 이는 대형 건축물일수록 견인 발생 강도뿐만 아니라 견인 발생 자체의 가능성도 높아지는 경향이 있음을 시사한다.
인근 건축물 특성 범주의 경우 Count Part에서 인근 건축물 연면적의 추정계수는 0.036, IRR은 1.037을 보여 건축물 100m 인근 건축물의 연면적의 합이 1ha 증가할 때마다 견인이 3.7% 증가하는 것으로 나타났다. 인근 상업시설 수 변수의 경우 추정계수는 0.010, IRR은 1.010으로 상업시설의 수가 1개 증가할 때마다 견인이 1.0% 증가하는 것으로 나타났다. 인근 업무시설의 수 변수의 경우 추정계수 0.015, IRR은 1.015로 나타났으나 통계적으로 유의하지 않았다. 한편 Logit Part에서는 추정계수는 –0.122, OR은 0.885로 업무시설이 1개 증가할 때마다 견인이 발생하지 않을 확률이 11.5% 감소하는 것으로 나타났다. 인근 건축물 연면적 합 변수의 경우 건축물 특성 범주의 건축물 연면적에 비해 견인 강도 증가의 정도가 낮게 나타났는데, 이는 인근 건축물 연면적의 합보다 해당 건축물 자체의 연면적이 견인 강도에 더 큰 영향을 미침을 시사한다. 상업 및 업무시설의 경우 선행연구에서 논의된 변수로서(Kweon and Lee, 2024), 거시적 공간단위 분석에서와 마찬가지로 미시적 건축물 단위에서도 견인 강도에 유의미한 영향을 미치는 것으로 확인되었으며, 이는 상업 및 업무 지역의 높은 활동 밀도가 전동킥보드 불법 주정차에 영향을 미친다는 기존 연구 결과와 유사하다(Caspi et al., 2020; Bai and Jiao, 2020).
보행 및 도로환경 특성 범주의 경우 Count Part에서 도로폭 변수의 추정계수는 0.024, IRR은 1.024로 건축물 인접 도로폭이 1m 증가할 때마다 견인이 2.4% 증가하는 것으로 나타났다. 횡단보도 수 변수와 교차로 변수는 Count Part에서 통계적으로 유의하지 않았으나, Logit Part에서는 횡단보도 수 변수의 추정계수가 –0.248, OR은 0.780으로 횡단보도가 1개 증가할 때마다 견인이 발생하지 않을 확률이 22.0% 감소하는 것으로 나타났다. 이는 횡단보도가 많은 대로변 환경일수록 보행 활동이 활발하여 견인 발생 가능성이 높아지는 경향이 있음을 시사한다.
대중교통 접근성 범주의 경우 Count Part에서 지하철역 최소거리 변수의 추정계수가 0.002, IRR이 1.002로 지하철역까지의 거리가 1m 멀어질수록 전동킥보드 견인의 강도가 0.2% 증가함을 의미한다. 이를 100m 단위로 환산하면 다른 변수가 동일한 조건에서 지하철역으로부터 100m 멀어질수록 견인 발생 강도가 22% 높아지는 경향을 보인다. 이는 현재 서울시 강남구에 배치된 전동킥보드 주차구역이 지하철역 인근에 집중 배치되어 있어 주차구역의 억제 효과가 역세권 인근에서 작동하는 것으로 해석된다(Yang et al., 2025). Figure 5에서 확인할 수 있듯이 강남구 내 전동킥보드 주차구역의 대부분은 지하철역 출구 인근에 집중 배치되어 있으며, 특히 삼성역, 강남역 등 유동인구가 많은 주요 지하철역 인근에 주차구역이 설치되어 있음을 확인할 수 있다. 한편 Logit Part에서 지하철역 최소거리 변수의 추정계수는 0.002, OR은 1.002로 지하철역에서 멀어질수록 견인이 발생하지 않을 확률이 소폭 증가하는 경향을 보인다. Count Part와 Logit Part의 결과를 종합하면, 지하철역 인근은 주차구역의 억제 효과로 견인 강도가 낮게 나타나지만 견인 미발생이 완전히 보장되지는 않는 경향을 보인다고 해석할 수 있다. 버스정류장 수 변수의 경우 Count Part와 Logit Part 모두 통계적으로 유의하지 않았으나, Count Part의 추정계수 0.049, IRR 1.050에서 확인되는 양(+)의 방향성은 버스정류장 인근의 높은 유동인구 밀도가 견인 발생에 영향을 미칠 가능성이 있음을 시사한다.
PM 접근성 및 주차 인프라 범주의 경우 Count Part에서 PM 이동불가 링크 유무 변수의 추정계수가 0.342, IRR이 1.408로 PM 이동불가 링크가 존재하는 건축물 인근에서 전동킥보드 견인 발생 강도가 40.8% 증가하는 것으로 나타났다. PM 이동불가 링크는 보행자 전용도로, 자전거 전용도로, 공원 내 보행로 등 전동킥보드를 포함한 개인형 이동수단의 통행이 법적으로 금지된 구간으로, 이러한 구간은 보행 밀도가 높고 보행 안전에 대한 민감도가 상대적으로 높은 환경적 특성을 지닌다. 따라서 해당 링크 인근에 전동킥보드가 불법 주정차될 경우 타 지역 대비 즉각적인 견인 조치가 이루어지는 경향이 있는 것으로 판단된다. 전동킥보드 주차구역 유무 변수의 경우 Count Part에서 추정계수가 –0.329, IRR이 0.720으로 주차구역이 설치된 건축물 인근에서 견인 발생 강도가 28.0% 감소하는 것으로 나타났다. 한편 Logit Part에서 전동킥보드 주차구역 유무 변수는 추정계수가 –0.072, OR 0.930으로 나타났으나 통계적으로 유의하지 않았다. 종합해보면 전동킥보드 주차구역은 견인 발생 강도를 억제하는 경향이 있으나 견인 자체를 완전히 차단하지는 못하는 경향이 있는 것으로 해석할 수 있다.
결론
본 연구는 서울특별시 강남구를 대상으로 전동킥보드 불법 주정차 견인자료를 활용하여, 강남구 내 건축물을 공간 단위로 하여 건축물 특성 및 인근 환경이 건축물로부터 10m 이내 집계된 전동킥보드 견인에 미치는 영향요인을 분석하였다. 특히 본 연구에서 활용한 전동킥보드 견인 데이터는 보행에 불편을 느끼는 시민들의 자발적인 신고 과정을 거쳐 견인이 집행된 결과물이라는 점에 주목하였다. 즉, 전동킥보드 견인 빈도는 단순히 물리적 방치를 넘어 해당 공간에서 느끼는 시민들의 민원 강도를 직접적으로 반영하는 지표로 정의할 수 있다.
이러한 관점에서 건축물 인근에 집계된 전동킥보드 견인의 영과잉, 과산포 특성을 고려하여 건축물 특성, 인근 건축물 환경, 보행 및 도로환경, 대중교통 접근성, PM 접근성 및 전동킥보드 주차구역 인프라 환경 범주가 미치는 영향의 정도를 견인의 강도와 견인의 미발생을 동시에 설명할 수 있는 영과잉 음이항 회귀모형을 통해 정량적으로 분석하였으며, 주요 결과, 정책적 제언 및 한계점은 다음과 같다.
1. 분석의 주요 결과
첫째, 건축물 특성 범주의 경우 건축물 연면적 변수가 본 연구에서 분석에 활용된 변수 중 전동킥보드 견인 발생 강도에 가장 강력한 영향을 미치는 요인으로 확인되었다. Count Part에서 건축물 연면적이 1ha 증가할 때마다 견인의 발생 강도는 약 70.0% 증가하였으며, Logit Part에서도 1ha 증가할 때마다 견인의 미발생 확률이 42.1% 감소하는 것으로 나타나 대형 건축물일수록 견인 발생 강도뿐만 아니라 견인 발생 자체의 가능성도 높아지는 경향이 있음을 시사한다. 이에 반해 인근 건축물 연면적의 합 변수의 경우 Count Part에서 1ha 증가할 때마다 견인의 발생 강도가 3.7% 증가하는 것으로 도출되었으나 Logit Part에서는 유의하지 않아 인근 건축물 환경보다 건축물 자체의 규모가 전동킥보드 견인 발생의 핵심 요인임을 확인하였다. 더불어 인근 상업시설이 1개 증가할 때마다 Count Part 기준 견인의 발생 강도가 약 1.0% 증가하는 결과가 도출되었으며, 업무시설의 경우 Count Part에서는 유의하지 않았으나 Logit Part에서 1개 증가할 때마다 견인 미발생 확률이 11.5% 감소하는 경향을 보였다.
둘째, 보행 및 도로환경 특성 범주에서 횡단보도 수 변수는 Count Part에서 통계적으로 유의하지 않았으나 Logit Part에서 1개 증가할 때마다 견인 미발생 확률이 22.0% 감소하는 것으로 나타났다. 이는 횡단보도가 많은 대로변 환경이 견인 발생 강도 자체에는 직접적인 영향을 미치지는 않으나, 견인 발생 여부에는 유의미한 영향을 미치는 것으로 해석된다. 즉 보행 활동이 활발한 대로변 환경일수록 견인이 아예 발생하지 않기보다는 일정 수준의 견인이 발생하는 환경적 특성을 보이는 것으로 판단된다. 인근 도로폭 변수의 경우 Count Part에서 도로폭이 1m 증가할 때마다 견인 발생 강도가 2.4% 증가하는 경향을 보였으며, 교차로 수 변수는 Count Part와 Logit Part 모두 통계적으로 유의하지 않았다.
셋째, 대중교통 접근성 범주의 경우 Count Part에서 지하철역 최소거리가 1m 멀어질수록 견인 발생 강도가 0.2% 증가하였으며, 100m 단위로 환산하면 지하철역으로부터 100m 멀어질수록 견인 발생 강도가 22% 높아지는 경향을 보였다. 이는 역세권에 집중 배치된 전동킥보드 주차구역의 억제 효과가 지하철역 인근에서 작동하는 것으로 해석된다. 반면 버스정류장 수 변수는 Count Part와 Logit Part 모두에서 통계적으로 유의하지 않았으나, 모두 양(+)의 방향을 보여 유동인구가 활발하게 밀집되는 버스정류장이 건축물 인근에 위치할 때 전동킥보드 견인의 발생과 발생 강도에 양(+)의 영향을 주는 것으로 판단된다.
넷째, PM 접근성 및 주차 인프라 범주에서 PM 이동불가 링크 유무 변수는 Count Part에서 IRR이 1.408로 해당 링크가 존재하는 건축물 인근에서 견인 발생 강도가 40.8% 증가하는 것으로 나타났다. 이는 PM 통행이 제한된 구간에서 방치된 전동킥보드가 보행 인구가 밀집되는 해당 링크에서 즉각적인 신고와 견인 조치가 이루어지는 경향이 있는 것으로 판단된다. 전동킥보드 주차구역 유무 변수의 경우 Count Part에서 IRR이 0.720으로 견인 발생 강도를 28.0% 억제하는 경향을 보였으나, Logit Part에서는 통계적으로 유의하지 않았으나 음(-)의 방향을 보였다. 이는 전동킥보드 주차구역이 견인 발생 강도를 억제하는 경향이 있으나 견인 발생 자체를 완전히 차단하지는 못하는 경향이 있는 것으로 나타났다.
2. 정책적 제언
첫째, 본 연구에서 건축물 연면적이 견인 발생 강도에 가장 강력한 영향을 미치는 것을 확인함에 따라, 일정 규모 이상의 대형 건축물에 대해서는 사유지 내 PM 주차 공간 확보를 제도화할 필요가 있다. 현재 보도에 집중된 주차 문제를 해결하기 위해 대형 건축물의 공개공지나 전면 공지 일부를 PM 전용 주차구역으로 지정하도록 유도하는 등의 법적 근거 마련이 요구된다. 이는 기존에 공공기관에서 운영되던 전동킥보드 주차구역을 전동킥보드의 목적지 성격을 지니는 건축물 차원에서의 PM 주차구역 마련의 필요성을 시사한다.
둘째, 분석 결과 전동킥보드 주차구역이 Count Part에서 견인 발생 강도를 28.0% 억제하는 경향을 보여 주차구역 배치가 견인 강도 감소에 효과적임을 확인하였다. 이에 따라 현재 지하철역 인근에 집중 배치된 주차구역을 대형 건축물 인근, PM 이동불가 링크 시종점부 등 본 연구에서 견인 발생 강도가 높게 나타난 지점으로 확대 배치하여 전동킥보드 불법 주정차로 인한 시민의 불편을 해소할 필요가 있다.
셋째, 본 연구에서 고려한 건축물 연면적, 상업 및 업무시설 수 등 견인 발생 강도에 유의미한 양(+)의 영향을 미치는 변수들을 활용하여 민원 밀집구역을 도출하여 관리하는 체계를 구축해야 한다. 이를 바탕으로 강남구 내 특정 건축물, 도로 구간, 특정 지역을 민원 집중 관리 구역으로 지정하고, 해당 구역 내에 전동킥보드 주차구역의 확충이나 전동킥보드 진입 불가 펜스 등의 정책으로 전동킥보드 관련 민원을 체계적으로 관리하여야 한다. 추가로 현재의 신고 후 견인 프로세스는 사후 처리 성격을 지니고 있어 시민의 불편이 해소되기까지의 시차가 존재한다. 이를 해결하기 위해 실시간 모니터링 등으로 전동킥보드의 불법 주정차를 시민의 신고가 아닌 공공기관에서 자체적으로 전동킥보드 운영사에 사전에 알림을 보내는 사전경보 체계 등을 구축함으로써 전동킥보드 견인의 사전 관리 체계를 구축하여야 한다.
3. 한계점 및 향후 연구방향
본 연구는 강남구 내 건축물 단위를 중심으로 전동킥보드 견인(민원) 발생 영향요인을 정량적으로 규명하였으나, 다음과 같은 한계점을 지니며 이를 바탕으로 향후 연구 방향을 제시하고자 한다.
첫째, 본 연구의 공간적 범위가 서울시 강남구로 한정되어 있고, 결론에서 밝힌 바와 같이 전동킥보드 견인은 불법 주정차에 불편을 느낀 사람이 신고한 민원의 결과이기 때문에 해당 지역에서 활동하는 사람들의 인적 요인에 큰 영향을 받을 수밖에 없다. 이로 인해 본 연구의 분석 결과는 강남구의 지역적 특성과 강남구에서 활동하는 사람들의 특성에 대해 설명하지 못하는 한계가 존재한다. 따라서, 향후 연구에서는 공간적 범위에 해당하는 지역의 특성을 고려한 분석이 필요하다.
둘째, 본 연구에서 활용한 견인 데이터는 집계된 위치 정보에 집중되어 있어, 실제 견인이 발생한 구체적인 시간을 고려하지 못하였다. 전동킥보드 견인이 이루어진 시간 혹은 신고 시간을 활용한다면 공간적, 시간적 패턴을 도출하고 해당 패턴의 변화를 심층적으로 분석할 수 있을 것이다.
셋째, 본 연구에서 건축물 연면적과 인근 환경 변수를 통해 전동킥보드 이용 수요를 간접적으로 추정하였으나, 실제 해당 지점의 유동인구나 실시간 전동킥보드 반납량을 직접적으로 고려하지 못하는 한계를 지닌다. 유동인구 데이터나 전동킥보드의 실시간 운영 데이터를 확보·결합하면 더욱 명확하고 정밀한 민원 예측 모델을 구축할 수 있을 것이다.
넷째, 본 연구는 전동킥보드 견인과 도시의 물리적 환경 요인에 집중하였으나, 실제 견인으로 이어지는 부적절한 주정차에 대해 이용자의 성향 등의 비물리적 요인을 반영하지 못한 한계가 있다. 본 연구에서 고려한 물리적 환경을 바탕으로 이용자의 심리적 요인까지 분석에 반영하여 모델을 구축하는 연구가 수행되어야 한다.
다섯째, 본 연구에서는 지하철역 인근에 배치된 전동킥보드 주차구역의 억제 효과를 분석 결과를 통해 간접적으로 확인하였으나, 주차구역이 설치된 지하철역과 설치되지 않은 지하철역 간의 견인 발생 수준을 직접 비교하는 분석은 수행하지 못하였다. 향후 연구에서는 이러한 비교 분석을 통해 전동킥보드 주차 구역의 견인 억제 효과를 보다 실증적으로 규명할 필요가 있다.
또한 본 연구에서 활용한 견인 데이터는 시민의 자발적 신고를 통해 집행된 결과물로, 동일한 불법 주정차 상황이라도 보도의 유효폭, 보행량 등 물리적 환경에 따라 신고율이 달라질 수 있어 측정오차가 존재할 가능성이 있다. 즉 견인 건수는 실제 불법 주정차 수량의 일부만을 반영하는 대리지표로서의 한계를 지니며, 향후 연구에서는 실제 불법 주정차 관측 데이터와의 비교 분석을 통해 이를 보완할 필요가 있다.
