서론
선행연구 및 연구차별성
국내 자동차 배출가스 등급제 및 녹색교통지역 현황
방법론
1. 분석의 개요
1. 시나리오 설정
2. 차종별 O/D 데이터 구축
3. 교통량 정산
4. 차종별 초미세먼지 배출계수 산정
시뮬레이션 결과
1. VKT 변화
2. 초미세먼지 감소 효과
결론
1. 연구의 결론 및 시사점
2. 연구의 한계점 및 향후 과제
서론
2023년 기준 서울시의 인구밀도는 15,506.4명/km2으로 전국기준 515.4명/km2 대비 약 30배 과밀하여 그만큼 교통상황의 밀도가 집중된 실정으로 대기 질 관리가 막중한 상황이다. 특히 도로 이동오염원 중 초미세먼지 배출의 주된 원인은 4·5등급 차량으로 나타난다. 2019년 기준 4·5등급 차량은 전체 자동차의 18.6%에 불과하지만, 연소효율이 낮고 배출 저감 기술의 성능이 떨어져 차량에서 배출되는 초미세먼지 자동차 배출원의 82.3% 차지한다(Figure 1). 이러한 노후 차량의 배출가스 문제는 지속 가능한 교통 체계 구축과 기후변화 대응을 위한 중요한 과제로 부각되고 있다. 배출가스 등급이 낮은 노후 차량의 사용을 제한하거나 조기폐차를 유도하는 정책을 토대로 지속 가능한 해결책을 모색해야 한다.
현재 국내 교통부문 대기 질 개선을 위한 관리제도로 고농도 미세먼지가 발생하는 시기에 시행하는 운행제한 정책인 계절 관리제, 미세먼지 비상저감 조치가 있다. 이는 전국 저공해 미조치 5등급 차량의 운행을 제한하는 제도이다. 서울시는 보다 더 강화된 제도로 365일 노후 공해 차량의 운행을 제한하는 녹색교통지역을 운영하고 있다. 한양도성 내 16.7km2를 녹색교통지역으로 지정하여 배기가스 저감장치(DPF) 미부착 5등급 차량의 진·출입을 제한하였다. 그 성과로 녹색교통지역 5등급 차량 진·출입 통행량은 시범운행 2019년 7월 기준 일 1.5만 대에서 2023년 6월 일 0.37만 대로 75% 감소했다(Table 1). Table 2의 차량 연료별 분포를 살펴보면, 전기차는 2019년 7월 0.2만 대에서 2021년 12월 1.4만 대로 증가하여 녹색교통지역 운영의 효과를 간접적으로 확인할 수 있는 수치이다(Seoul Institute, 2024).
Table 1.
Changes in traffic volume in green transportaion zones
source: Seoul Institute(2024)
Table 2.
Changes in traffic volume by vehicle fuel type in green transportaion zones
source: Seoul Institute(2024)
서울의 녹색교통지역과 같은 저배출구역(Low Emission Zone, LEZ)제도는 유럽 도시에서 오래전부터 도입되어 정책 대상 차량과 대상 지역이 지속적으로 확대되고 있다. EU는 2035년부터 휘발유나 디젤을 사용하는 내연기관 승용차·승합차 판매 금지 법안을 통과시키는 등 오염물질 배출차량의 운행에 대한 제한을 강화하는 추세다. 서울 역시「더 맑은 서울 2030」을 통하여 녹색교통지역의 단계별 확대 계획을 발표하였다. 2025년부터 녹색교통지역의 경우 4·5등급 차량, 서울 전역에는 5등급 차량의 운행을 제한하며, 2030년부터 서울 전역 4·5등급 차량을, 2035년부터 녹색교통지역 내 모든 내연기관 차량을, 2050년부터는 서울 전역에 모든 내연기관차 운행제한을 계획하고 있다. 자동차 운행 제한을 통해 DPF 부착보다는 조기폐차 사업에 집중하여 궁극적으로 노후 공해 차량 퇴출 선도 도시로 조성하는데 힘쓰고 있다. 운행제한뿐만 아니라 택배 화물차, 배달 이륜차, 청소차 및 마을버스 등을 친환경 차량으로 전환하며 생활권 5분 충전망 구축을 목표로 하여 편의성 향상에 박차를 가하고 있다. 이러한 방안은 노후 공해차량을 이용하던 사람들이 대중교통과 같은 통행 수단을 이용하거나 저공해 차량으로 전환하는 등 행동 변화를 장려하여 서울시 대기질 향상에 기여할 것으로 예상된다.
국내 저배출구역은 점차 확대될 것으로 예상되나 제도 시행이전의 통행 변화 등 교통 측면을 고려한 효과 추정 연구는 미비한 실정이다. 이에 본 연구에서는 녹색교통지역 확대에 따른 도로이동오염원 초미세먼지 감축효과를 정량적으로 추정하고자 한다.
연구의 구성은 다음과 같다. 먼저 서울시 녹색교통지역의 현황과 선행연구를 검토하였다. 전국 자동차 등록 주소지 데이터를 활용하여 O/D 데이터를 세분화하고 전처리하였으며, 교통수요 프로그램 네트워크에 녹색교통지역 확대계획과 동일하게 통행 여건을 모델링하여 제도 시행 전후 교통 흐름 변화를 분석하였다. 국립환경과학원의 「대기오염물질 배출계수(2022)」의 차종, 유종, 연식별 배출계수 추정식을 적용하여 교통량 변화에 따른 도로이동오염원의 초미세먼지(PM2.5) 감소율을 산정하였다. 마지막으로 본연구의 결론 및 향후 연구를 제시하여 녹색교통 정책 설계 기반에 도움이 되고자 한다.
선행연구 및 연구차별성
EU 국가에서 LEZ 도입을 의무화하거나 지원하는 법을 시행하면서 유럽의 LEZ는 2019년 228개에서 2022년 320개로 40% 증가하였으며, 유럽의 환경단체 연합에서 발간하는 보고서 Clean Cities(2022)에 따르면, 2025년 LEZ가 507개 도입될 것으로 예상되었다. 전 세계적으로 LEZ가 도입되고 확대됨에 따라 그와 관련된 대기오염물질 배출량 변화 연구가 국내외에서 다수 수행되었다.
스페인 마드리드 도심부를 대상으로 한 연구의 경우, 차량운행제한 대상 지역 내·외부의 대기질 측정소 데이터를 토대로 교통량과 연평균 NO2 농도 수준이 현저히 감소한 것을 확인하였다. 이러한 양상이 다른 교통수단에 영향을 미쳤는지 확인하기 위해 지하철과 버스 이용 데이터를 조사한 결과, 지하철 이용은 지속적으로 증가하였으나 버스 이용에는 장기적인 변화가 관찰되지 않았다. 주요 결론은 마드리드 중앙의 오염물질 배출차량 운행제한 제도의 도입이 NO2 배출감소에 긍정적인 영향을 미쳤다는 증거를 제공했다는 것과 지역 외부에 부정적인 파급효과가 없음을 보여준다는 것이다(Salas et al., 2021). 또한, LEZ의 정책 조치가 노후화된 차량이 무공해 차량으로의 전환율을 높이는 데에 영향을 미쳐, 대기질을 개선하는데 기여한 점을 확인하였다(Ellison et al., 2013; Peters et al., 2021). Tassinari(2024)는 LEZ 내부의 교통완화 효과는 외곽의 교통량 발생 증가로 상쇄되는 것 이상이며, 오염을 줄이는데 효과가 있음을 확인하였다. 또한 LEZ 외부의 속도 변화를 살펴본 결과 도로의 혼잡을 일으키지 않았다는 점을 통해 LEZ 제도 시행이 수단 전환으로 이어진 점을 확인하였다. Park and Kim(2020)은 녹색교통지역 중심부 측정소 3곳과 인접지역 도로변 측정소 3곳의 대기오염물질 실측값을 이용하여 OLS 모델을 통해 녹색교통지역 정책의 효과로 미세먼지 저감 효과가 있었음을 확인하였다. Kim et al.(2024)은 녹색교통정책 시행 이후 2020년을 기준으로 초미세먼지의 농도가 꾸준히 감소함을 확인하였다. 이러한 저배출구역 내외의 실측데이터를 토대로 LEZ의 영향을 평가한 연구 대다수가 오염물질 배출차량 운행제한 제도가 대기질 개선에 효과적임을 실증적으로 뒷받침한다. Dias et al.(2016)와 Wu et al.(2025)는 교통수요 시뮬레이션을 기반으로 정책시행으로 인한 교통흐름 변화를 3가지 공간적 범위에서 분석하였다. 자동차 운행제한구역과 그 경계, 도시 전체를 대상으로 분석한 결과, 경계지역의 배출량 증가가 확인되었으나 도시 전역에서의 배출량 감소가 관측되었다. 이는 LEZ 내부의 교통완화 효과와 대중교통이용 증가로 인하여 상쇄되어 결과적으로 긍정적인 효과가 있었음을 시사한다.
단순히 저배출구역의 제한대상 차량 수를 늘린다고 하여 효과가 증가하는 것은 아니며 경우에 따라 역효과를 낳을 수 있어 적절한 정책을 구현하기 위해 도로 이용자의 행동을 분석에 포함시킨 사전영향평가가 중요하다(Lurkin et al., 2021). LEZ의 효과를 추정하기 위하여 Lurkin et al.(2021)은 LEZ의 크기와 대상 차량의 범위, 운영시간 및 도로 이용자의 행동에 대한 다양한 시나리오를 설계하며 적절한 LEZ 설계의 중요성을 강조하였다. 적절한 LEZ 대상 지역 선정을 위해 지역별 진입 교통량을 O/D 데이터와 자치구의 총 자동차 등록대수와 4·5등급의 등록 대수 데이터의 비율을 활용하여 살펴본 연구도 있다. 해당 연구의 결과는 5등급 차량만을 분석한 경우와 4·5등급 차량을 분석한 결과가 상이하여 대상지역 선정에 있어 운행제한 대상차량이 고려해야할 주요한 변수임을 시사한다(Jeong and Shon, 2020).
기존 문헌 검토 결과, 정책시행 이전 효과를 예측하는 연구는 상대적으로 부족하다. 특히 국내에서는 제도 시행 이전에 효과를 추정하는 연구가 일부 수행되었으나, 교통수요예측 시뮬레이션을 기반으로 세밀한 분석 단위를 고려한 연구는 미비한 실정이다. 선행연구를 통하여 LEZ의 대상지의 범위, 운행제한 대상의 차량의 설정에 따라 효과추정 결과가 상이하여 제도 시행 이전 영향평가가 중요함을 확인할 수 있다. 이에 본 연구에서는 시뮬레이션 기반 연구를 통해 서울의 녹색교통지역 확대 계획을 토대로, 확대 운영 이후 교통흐름 및 초미세먼지 변화를 추정하고자 한다. 기존 연구에서는 LEZ 인근 측정소의 데이터를 사용하거나 자치구 단위의 자동차 등록데이터 혹은 속도 데이터를 고려하여 LEZ의 효과를 추정하였다. 하지만 측정소의 데이터는 행정구역을 대표하기에는 어려움이 존재하며, 자치구 단위의 평균 속도 데이터로는 정밀한 대기오염물질배출량 계산이 어려운 한계가 있다. 이에 실제 행정동별 등록된 차량의 비율에 대하여 단순히 등급별로만 데이터를 세분화한 것이 아닌, 연료 유형과 DPF 부착 여부를 포함하여 데이터를 구분하였으며, PM2.5 배출량 추정계산 또한 도로 별 통행속도와 차량·등급·연료 유형· DPF 부착 여부를 고려한 배출계수를 적용하여 보다 더 정확한 효과를 도출할 수 있도록 연구를 진행하였다. 또한 수도권을 대상으로 국내 실정에 부합하는 교통 여건을 반영하여 지역 특성 및 교통 패턴을 고려한 점이 국내 선행연구와 차별화되어 있다. 기존 연구들은 대체로 도심지역과 외곽지역을 이분법적으로 구분하는 경우가 많았다. 단순한 구분을 넘어서 한양도성, 한양도성을 제외한 서울, 경기와 인천, 수도권과 같은 구체적인 공간구분을 설정하여 정책시행의 직접영향권과 간접영향권에서의 파급효과를 분석한 점에서 차별화된 연구결과를 제시할 수 있을 것으로 판단된다.
국내 자동차 배출가스 등급제 및 녹색교통지역 현황
자동차 배출가스 등급제는「자동차배출가스 등급 산정방법에 관한 규정」에 따라 유종, 연식, 오염물질의 배출 정도를 기준으로 1-5등급으로 분류하는 제도다. 국내 배출가스 등급제는 「대기관리권역의 대기환경 개선에 관한 특별법」과 「대기관리권역의 대기환경 개선에 관한 특별법 시행령」에 근거하여 연료 품질과 배출량을 기준으로 등급을 산정한다. 국가별로 배출가스 등급 적용기준이 다르며 엔진 종류와 연식에 따라 각각 별도의 기준이 적용된다. 질소산화물·탄화수소와 미세먼지만을 고려하는 우리나라의 배출가스 기준과는 다르게 유럽에서는 휘발성 유기화합물, 비메탄 탄화수소, 매연, 암모니아 등 더 다양한 종류의 오염물질을 고려하여 배출가스 기준을 규정하고 있다. 국내 자동차 배출가스 등급제는 숫자가 클수록 노후화되고 오염물질 배출량이 많지만, 유럽의 배출가스 등급제는 숫자가 작을수록 오염물질 배출량이 많다. 또한 유럽의 배출가스 등급제의 경우 국내 등급제보다 더 까다롭고 세분화된 기준을 적용하여 시행되고 있다.
녹색교통지역은「지속가능교통물류발전법」에 의거하여 교통 혼잡과 대기오염물질 배출을 억제하기 위해 도입된 특별 종합대책이다. 2019년 12월 서울시의 지정 요청에 따라 한양도성 내부 종로구와 중구 15개 동, 16.7km2가 녹색교통지역으로 지정되었다. 녹색교통지역 진출입로 45개 지점을 진출입하는 차량의 정보를 수집하여 DPF(Diesel Particulate Filter: 배기가스 후처리 장치) 미부착 5등급 차량의 진출입을 상시 제한하고 있다. 서울시는 과태료를 부과하여 교통 수요를 관리하는 데 그치는 것이 아닌, 제한 대상 차량의 우회경로 안내, 저공해 조치, 조기폐차 지원 등 지원 정책 또한 시행하고 있다. 이를 자동차 배출가스 저감사업이라고 하는데, 오염물질을 다량 배출하는 노후 경유차와 노후 건설기계를 대상으로, 조기 폐차, 매연 저감장치 부착 등에 소요되는 비용을 지원한다. 배출가스 저감사업에 참여 시 운행제한 단속 대상에서 제외되며, 자동차 검사 및 환경개선부담금 면제 등의 혜택을 제공받아 시민의 불편함을 최소화하고 있다. 또한, 녹색교통지역 시범운영을 진행한 2019년 7월 대비 2023년 6월 녹색교통지역 진출입 5등급 차량의 통행은 75.0%, DPF 미부착 5등급 차량의 경우 98.7% 감소하는 성과를 냈다. 서울시는 2050년 탈내연기관 달성을 목표로 녹색교통지역의 확대를 계획하고 있다(Figure 2).
방법론
1. 분석의 개요
본 연구는 한양도성, 서울, 경기도와 인천을 분석의 공간적 범위로 설정하여 진행되었다. 2025년 자동차 운행제한은 한양도성 및 서울에서 확대 운영될 예정이지만 녹색교통지역 외 지역까지 분석 범위에 포함하여 정책도입이 인접 지역에 미치는 영향을 확인하여 정책 효과의 신뢰성을 높이고자 하였다. 본 연구에서는 Emme4 교통수요 예측 소프트웨어를 활용하여 교통 정책 개선 효과를 사전 평가할 수 있는 시뮬레이션 환경을 구축하였다. 시뮬레이션 분석의 과정은 차종, 연료, 등급, DPF 부착 여부에 따른 O/D 데이터 세분화 작업 이후, 네트워크를 구축하고 통행배정을 수행하는 방식으로 진행되었다. 그 이후 분석된 결과를 토대로 공간 단위별 VKT 변화율을 추정하였으며, 그에 따른 초미세먼지 감소율은 시·군·구 단위로 분석하였다. 전체적인 연구의 흐름은 Figure 3와 같다.
1. 시나리오 설정
녹색교통지역 확대로 인한 교통행태 변화와 초미세먼지 감축 효과에 대한 정확한 추정을 위해서는 운행 제한 대상 지역 내부뿐만 아니라 외부까지 포함하여 분석해야 한다. 따라서 본 연구의 공간적 범위는 녹색교통지역 대상이 되는 한양도성 내부, 서울시뿐만 아니라 경기도와 인천을 포함한 수도권으로 설정하였다. 서울시의 2025년 녹색교통지역 확대 계획을 토대로 한양도성은 4·5등급 차량을, 서울 전역에는 5등급 차량을 제한한다고 가정하여 연구를 진행하였다. 연구 결과를 간략하게 설명하기 위해 각 시나리오를 A와 B로 구분하였다(Table 3). Scenario A의 경우 한양도성 내에 전국 등록된 4·5등급 차량의 진·출입을, Scenario B의 국내에 모든 5등급 차량의 진·출입이 서울 전역에 걸쳐 제한되는 것으로 설정하였다.
Table 3.
Scenario
2. 차종별 O/D 데이터 구축
수도권의 4·5등급 차량의 분포도를 살펴보면 지역별로 노후 차량 등록 대수가 상이한 것을 확인할 수 있다(Figure 4). 화성시, 부천시, 평택시 등 수도권 외곽 지역에서 상대적으로 많은 노후 차량이 등록되었음을 알 수 있다. 반면, 현재 녹색교통지역이 운영되고 있는 중구와 종로구는 상대적으로 5등급 차량의 대수가 적은 편으로 정책이 효과를 발휘하고 있음을 시사한다.
차량의 연료와 등급은 도로이동오염원의 초미세먼지 배출량에 직접적으로 영향을 미치기에 정밀한 분석을 위하여 지역별 차종, 연료, 등급별 분포를 고려하여 O/D 데이터를 세분화하였다. 차량 세부 특성 기준은 Figure 5와 같이 구분하여 진행하였다.
녹색교통지역 확대에 따른 효과를 분석하기 위한 시뮬레이션 모델 구축을 위해「2021년 수도권 교통분석 기초자료(O/D 및 네트워크)」 중 2025년 기준의 승용차, 승합차, 화물 O/D와 네트워크 데이터를 활용하였다. 데이터 구득의 어려움으로 인하여 실제 등급별 자동차의 통행량은 적용하지 못하였으며 전국 자동자 등록 상세 주소지 데이터를 활용하여 O/D 데이터를 전처리하였다.
먼저, 주요 분석자료인 KTDB의 O/D 자료는 2016년 12월 기준의 행정구역 체계를 기반으로 작성되어 있는 점을 감안해 2016년 12월 기준의 도로명 주소 및 지번 주소를 활용하여 각 차량이 등록된 주소를 해당하는 행정동 정보와 매핑하였다. 다만, 주소 데이터의 입력 형식에 일관성이 없어 제공된 공식 주소 데이터와 직접 매핑하는 데 어려움이 존재하였다. 이를 해결하기 위해 차량등록 주소 데이터를 표준화하는 작업을 진행했다. 즉, 주소에서 광역시/도, 시/군/구, 읍/면/동, 도로명, 건물 번호 등의 구성요소를 추출하였으며, 추출된 주소 구성요소를 기준으로 주소 데이터와 매핑을 수행하였다. 이 과정에서 도로명 주소와 지번 주소를 구분하여 처리하였고, 건물 번호의 부번 유무, 산 번호 등의 다양한 주소 표현 방식을 고려하여 매핑의 정확도를 높였다. 그러나 일부 주소는 매핑되지 않아 행정동 정보가 누락되었고, 이로 인한 데이터 왜곡의 우려가 존재했다. 이러한 문제를 해결하기 위해 2017년 12월 기준의 도로명 주소 및 지번 정보를 추가로 활용하여 재매핑을 진행하였다. 국토교통부의 GEOCODER API를 활용하여 각 주소의 위도와 경도 좌표를 취득하였고, 이를 통계지리정보서비스(SGIS)에서 제공하는 행정동 경계정보와 결합하여 공간적인 위치 매핑을 수행하였다. 이러한 과정을 통해 해당 좌표가 속한 행정동명과 행정동 코드를 최종적으로 확보하여 데이터 누락의 문제를 해결할 수 있었다.
위와 같은 과정을 통해 확보된 차량 등록지의 행정동 정보를 TAZ의 행정구역 정보와 매칭함으로써 TAZ별로 등록된 차량의 특성이 반영된 DB를 구축하였다. 이후, 매핑 결과를 검증하여 오류나 누락이 없는지 확인하였으며, 필요한 경우 추가적인 보완 작업을 수행하였다. 정리한 데이터를 토대로 차량의 등급, 유종, DPF 부착 여부 등의 비율별로 정리하였다(Table 4). 전처리한 차량등록 주소지 데이터가 O/D 데이터의 기점과 같다고 가정하여, O/D 데이터를 차량 특성 비율별로 나누어 총 78개로 세분화하였다. 이에 대한 상세한 과정은 Figure 6와 같다.
Table 4.
Example of passenger car detailed attribute distribution by TAZ
기존 O/D 데이터의 경우 승용차, 버스, 화물차 소·중·대형으로 구분되며, 기본적으로 교통흐름과 차량 이동량을 나타낸다. 하지만, 차량의 세부 특성(등급, 연료 유형, DPF 부착 여부 등)은 포함되어 있지 않다. 따라서 전국 자동차 등록 주소지 데이터를 통해 차량의 등록지역을 TAZ 단위로 집계하고, 각 지역의 차량 특성 비율을 산출하여 O/D 데이터 재정비가 가능하였다. O/D 데이터에서 출발지(Origin)와 도착지(Destination)를 TAZ 단위로 정렬하고, TAZ별 차량 이동량을 각 차량 특성 비율별로 나누어 데이터를 세분화한 것이다. 이때 자동차 등록 주소지가 O/D 데이터의 출발지와 같다고 가정하여 진행하였다. 예를 들어 TAZ 1에서 TAZ 2로 1,000대의 승용차가 이동한다고 가정한다면, 1등급 전기자동차의 이동량은 TAZ 1에 등록된 1등급 전기자동차 비율인 1.14%에 해당하는 11.4대로, 차량 특성별 세부 교통량을 추정한 것이다. 이 과정은 O/D 데이터를 보다 정교하게 구성하여 단순 교통량 분석을 넘어, 차량 특성에 따른 PM2.5 배출량 추정 등과 같은 정책 효과 분석에 활용할 수 있도록 도와준다. 이러한 가정은 비교적 단순하다고 볼 수 있으나 실제 데이터를 확보할 수 없는 조건에서는 합리적인 접근 방법인 것으로 사료된다.
이런 과정을 통해 세분화된 차량 특성별 O/D 데이터는 해당 지역에 등록된 차량의 비율을 근거로 한 추정치로, 실제 이동 차량의 특성과 완벽히 일치한다고 볼 수 없는 한계점이 있다. 하지만 TAZ별 차량 구성 특성을 반영함으로써 보다 현실에 가까운 분석이 가능해졌다는 점에 의의가 있다.
각 시나리오에 설정에 맞게 한양도성에는 4·5등급 차량이 서울 전역에는 5등급 차량이 진입하지 못하도록 통행 모드를 다르게 설정하여 네트워크를 구축하였다. 또한, 운행제한 대상 차량은 다른 교통수단으로 대체되지 않는다고 가정하여 연구가 진행되었다. 이 과정에서 해당 차량의 운행제한 대상지로의 통행 자체를 제거하는 분석 방식을 택하였다. 도로 이용자의 행태 변화, 수단 전환 비율의 실측데이터 확보가 제한적이라는 한계점이 존재했다. 본 연구의 주요 목적을 차량운행제한 자체가 미치는 직접적인 영향을 분석하기 위한 것으로 설정하고, 다른 변수가 혼합되는 상황을 배제하여 정책 효과를 정량적으로 추정하고자 하였다. 따라서 대체 수단 전환 비율을 임의로 설정하는 것은 결과의 신뢰도를 저하시킬 위험이 있다고 판단하여 해당 방식을 선택하는 것이 불가피하였다. 하지만, 차량 운행제한 정책 시행 시, 일부 이용자들은 해당 이동을 포기하는 경우도 있지만 상위 등급 차량, 대중교통, 개인형 이동 수단 등으로 전환하거나 다른 경로를 선택하여 목적지에 도달할 가능성이 크다. 또한, 실제로 운행제한 대상차량의 녹색교통수단 전환(1·2 등급 등 상위 등급 차량으로의 전환)을 장려하지만, 본 연구에서는 실제 교통체계에서 발생할 수 있는 요소를 반영하지 못한 점이 한계점으로 존재한다. 또한, O/D 데이터에서 차량을 삭제하면 교통량이 줄어들기 때문에 VKT가 감소하는 것은 필연적이다. 따라서 VKT 감소가 차량운행제한 정책의 실제 효과인지 인위적으로 제거된 방식으로 인한 결과인지 명확히 구분하기 어려워 정책의 실질적인 효과가 과대평가될 위험성이 있다.
이러한 한계를 보완하기 위하여 향후 연구에서는 실제 등급, 연료별 차량 이동행태를 반영한 실측 데이터와 실제 수단 전환 비율을 반영한 모델을 도입하여, 보다 현실적인 정책 평가 및 시뮬레이션이 이루어질 필요가 있다. 이러한 방안을 반영하여 정책 시행의 의도치 않은 부작용을 최소화하고, 정책의 효과를 극대화할 수 있는 전략을 마련하는데 기여할 수 있을 것으로 사료된다.
3. 교통량 정산
세분화된 O/D 데이터의 기점 통행량 비율과 주소지별 자동차 등록 대수의 차종·연료·등급별 비율이 같다고 가정하여 교통수요 예측 분석을 실시했다. 본 연구에서는 통행배정 시 전일 분석 방식을 적용하여 전체시간대의 교통 패턴을 종합적으로 반영하고자 하였다. 실제 조사를 통한 관측 교통량과 모형을 통한 배정 교통량의 비교를 통해 분석 결과의 신뢰도를 검증하였다. 관측교통량은 교통량정보제공시스템(TMS)과 서울특별시 교통정보센터(TOPIS)에서 제공하는 지점별, 일자별 교통량을 준용하였으며, 오차 허용 기준은 ±20%로 설정하였다. 정산 지점은 주로 교통량이 많은 지점으로 교통패턴 변화가 예상되는 지점을 포함하였다. 경기도와 인천의 경우, 고속도로와 국도를 중심으로 살펴보았으며, 서울의 경우 정책이 시행되는 직접적인 지역이므로 도심, 도시 외곽순환도로, 간선도로를 포함하여 검토하였다(Figure 7). 도로 구간의 지역적 특성별로 집계된 정산 결과는 Table 5와 같다.
Table 5.
Traffic assignment result
4. 차종별 초미세먼지 배출계수 산정
국립환경과학원에서 제시하는 도로이동오염원의 초미세먼지 배출식은 차종·연료·연식별로 구분되어있다. 시뮬레이션을 통해 분석된 차종·연료·등급·DPF 부착 여부별 교통량에 대해 초미세먼지 배출량을 계산하기 위하여 자동차 배출가스 등급별 산정기준을 참고하여 연식별로 초미세먼지 배출량 식을 선정하였다. 통행량 배정 결과로 산정된 아무 조치도 취하지 않은 Base 시나리오와 녹색교통지역 확대 운영을 가정한 시나리오의 교통량을 토대로 초미세먼지 배출감소율을 산정하였다. 차량의 연식 혹은 노후화에 따라 배출가스 보증기간이 초과하여 생기는 추가적인 배출량을 고려하기 위하여 4·5등급 차량의 교통량에 열화 계수를 적용하였다(Table 6). 또한, 등급별로 선정한 식 이외에도 DPF 부착 시 배기가스 저감 효과를 감안하기 위하여, DPF를 장착한 4·5등급 차량에 대해서는 저감장치 부착 효율을 적용하였다(Table 7). 초미세먼지 배출량의 산정 방식은 아래 Equation 1과 같다.
시뮬레이션 결과
1. VKT 변화
각 시나리오별 서울 근교 교통량 변화를 시각화한 자료를 살펴보면, 운행 제한이 적용되는 지역의 범위가 커질수록 도로의 교통량 변화가 뚜렷해지는 것을 확인할 수 있다. 또한 운행 제한 대상 차량이 운행 제한 대상 지역을 우회하는 현상으로 인해 대상 지역과 인접한 링크의 교통량이 증가하는 결과를 살펴볼 수 있다(Figure 8).
VKT는 통행 거리와 통행량을 곱한 수치로, 사업 시행 시와 미시행 시의 차량 이동 거리를 판단할 수 있는 주요한 지표다. 결과적으로 자동차 운행 제한을 시행했을 때, 총 VKT가 감소하는 것을 확인 할 수 있었다(Table 8). 한양도성에 4·5등급 차량을 제한하는 Scenario A의 경우 서울, 경기도, 인천을 포함한 수도권의 VKT는 0.29% 감소하였으며, 서울을 제외한 경기도, 인천의 VKT는 0.16%, 서울의 VKT는 0.70%, 한양도성을 제외한 서울의 VKT는 0.52%, 한양도성의 VKT는 7.48% 감소하는 것으로 나타났다. 보다 더 넓은 지역에 운행 제한을 시행한 Scenario B의 경우 수도권을 대상으로 하였을 때 1.41%, 서울을 제외한 경기도, 인천의 VKT는 0.58%, 서울의 VKT는 4.09%, 한양도성을 제외한 서울의 VKT는 4.11%, 한양도성의 VKT는 3.44% 감소하는 것으로 나타났다. 각 시나리오 공통적으로 운행 제한 대상 지역이 가장 큰 감소율을 보였으며, 운행 제한 지역으로부터 거리가 멀어지고 분석 공간 단위가 커질수록 감소 효과가 적게 나타나는 것으로 사료된다. 또한 운행 제한 대상 차량의 범위가 커지는 것보다 지역이 커질수록 운행 제한의 효과가 두드러지는 것으로 나타났다.
Table 8.
Results of vehicle kilometers traveled reduction rates by scenario
2. 초미세먼지 감소 효과
운행제한 정책 시행이 대기질에 어떤 영향을 끼쳤는지 평가하기 위하여 광역 단위별 초미세먼지 감소율을 산정하였다(Table 9). Scenario A의 경우, 수도권의 초미세먼지 감소율은 1.10%, 경기도, 인천은 0.35%, 서울은 4.60%. 한양도성을 제외한 서울은 2.44%, 한양도성의 경우 73.59%로 나타났다. Scenario B의 경우, 수도권의 초미세먼지 감소율은 16.70%, 경기도, 인천의 경우 10.42%, 서울은 46.20%, 한양도성을 제외한 서울은 46.37%, 한양도성의 경우 40.72%로 나타났다.
Table 9.
Results of PM2.5 reduction rates by scenario
2019년 기준 4·5등급 차량은 전체 자동차 대수의 약 18.6%에 불과하지만 도로이동오염원의 초미세먼지 배출량의 82.3%를 차지하는 것과 운행제한 시 대상 지역을 우회하는 차량이 증가하는 현상을 감안하였을 때, 예상 가능한 결과가 나타난 것으로 사료된다. 또한 운행제한대상지역 외 지역의 효과를 산정하기 위하여 수도권을 비롯한 다양한 공간단위를 대상으로 고려하여 효과를 추정하였는데, 광역 단위별 초미세먼지 감소율 산정 결과와 VKT 감소율 결과는 비슷한 양상을 띠고 있음을 확인할 수 있다. 시나리오별 교통량 변화를 시각화한 결과에서 우회로 인한 인접지 역의 VKT 증가 현상을 확인할 수 있지만, 각 지역의 VKT 및 초미세먼지 증가율이 총 감소율보다 폭이 작아 서울, 경기, 인천의 광역 단위로 결과를 살펴보면 전체적으로 녹색교통지역의 확대로 인한 초미세먼지 감축 효과가 있는 것으로 확인되었다.
초미세먼지 감소율을 수도권의 시·군·구 단위로 살펴보았을 때는, 우회로 인하여 초미세먼지 배출량이 증가하는 지역이 있음을 확인할 수 있었다(Figure 9). 한양도성을 제한하는 시나리오의 초미세먼지 배출량이 0.7% 증가하는 것에 그쳤지만, 서울 전역을 제한하는 시나리오의 경우 성남시 중원구, 시흥시, 부평구의 경우 약 8-11% 증가하는 결과가 나타났다. 이는 주요 교차로 및 간선도로가 밀집한 지역으로 차량이 이들 지역을 통과하면서 발생하는 현상으로 사료된다.
결론
1. 연구의 결론 및 시사점
저배출구역의 확대는 우리나라 뿐만 아니라 전 세계적인 추세이며 특히 EU는 2035년부터 내연기관 승용·승합차 판매 금지 법안을 통과시키는 등 오염물질 배출 차량에 대한 제한을 강화하고 있다. 하지만 단순히 저배출구역의 대상지역과 제한대상 차량의 범위를 확대한다고 하여 그 효과가 반드시 증가하는 것은 아니며, 경우에 따라 지역별로 차별화된 효과를 낳을 수 있다. 따라서 정책시행 전 제도의 사전영향평가를 통하여 정책을 적절하게 구현할 필요가 있다.
본 연구는 서울시의 녹색교통지역 확대 계획을 토대로 제도 확대 운영 시 교통량 변화와 그로 인한 초미세먼지 배출량의 변화를 정량적으로 추정하였다. 선행연구에서는 운행제한 지역의 효과를 산정하기 위하여 자치구 단위의 평균 차량 속도 및 차량의 등급 데이터를 통해 대기질 개선 효과를 추정하였다. 하지만 이는 속도에 예민한 오염물질 배출량 추정에 적합하지 않은 방법으로, 연구의 한계점으로 지적되어 왔다. 이러한 한계점을 개선하기 위하여 본 연구는 시뮬레이션 분석을 기반으로 링크 교통량과 속도, 실제 지역별 차종·연료·연식·DPF 부착 여부를 토대로 초미세먼지 발생량을 계산하였다. 링크별 계산 결과를 공간 단위별로 합산하여 차량 운행 제한 제도에 대한 대기질 개선 효과를 추정했다. 연구범위 설정에 있어 보다 현실적인 오염물질 배출량 감축효과를 파악하기 위하여 저배출구역 대상지역인 서울시 뿐만 아니라 외부 지역인 경기도와 인천을 분석 범위에 포함하여 분석하였다. 또한, 효과 추정의 범위를 서울, 경기도, 인천, 한양도성으로 구분하는 등 분석의 공간 단위를 다양하게 설정하였다. 차량의 오염물질 배출등급 및유종을 고려한 초미세먼지 배출량을 산정하였으며, 노후화된 4·5등급 차량에는 차량의 연식을 고려할 수 있는 열화 계수를, DPF 부착 차량에는 저감 장치 부착 효율을 적용하여 보다 더 정밀하게 초미세먼지 감소율을 계산할 수 있도록 하였다.
분석 결과를 시각화한 자료를 살펴보면 자동차 운행 제한 대상 차량의 경로변경(우회) 현상으로 일부 제한 대상 구역 인접 지역의 VKT가 증가하는 부정적인 효과를 확인할 수 있다. 우회 차량이 특정 구간에 집중될 경우, 혼잡으로 인해 차량 정체 시간이 증가하고, 도로의 평균 차량 속도를 감소시킬 가능성이 있다. 특히 PM2.5의 경우, 정체 구간에서 차량이 저속으로 운행할 경우 엔진 부하 증가와 연료 소모 비효율성으로 인해 배출량이 급증하는 특성이 있다. 이는 녹색교통지역 정책 시행이 일부 지역에서 의도하지 않은 국지적 대기질 악화를 유발할 수 있음을 시사한다. 하지만, 서울, 경기도, 인천과 같은 광역 공간 단위로 살펴보면, 녹색교통지역의 확대로 인한 교통 혼잡 완화 및 대기질의 개선 효과가 있을 것으로 추정된다. 한양도성에 4·5등급 차량을 제한하는 경우, 수도권의 초미세먼지 감소율은 1.10%, 경기도와 인천은 0.35%, 서울은 4.60%, 한양도성을 제외한 서울은 2.44%, 한양도성의 경우 73.59%로 나타났다. 서울 전역에 5등급 차량을 제한하는 경우, 수도권의 초미세먼지 감소율은 16.70%, 경기도 인천의 경우 10.42%, 서울은 46.20%, 한양도성을 제외한 서울은 46.37%, 한양도성의 경우 40.72%로 나타났다. 제한 대상인 4·5등급 차량은 초미세먼지의 주된 오염원으로, 2022년 10월 기준 전체 차량의 4.94%1)를 차지한다. 본 연구의 주요 분석 자료인 자동차 등록 상세 주소지 데이터를 토대로 산정한 결과, 4·5등급 차량의 운행만 제한하더라도, 각 시나리오별 녹색교통지역 설정 지역(한양도성과 서울)의 PM2.5 감소율이 각각 73.59%, 46.20%로 추정된 것은, 녹색교통지역 정책이 광역적 대기질 개선에 기여할 수 있음을 보여준다. 반면 녹색교통지역을 제외한 지역에서는 상대적으로 낮은 감소율이 확인되었다. 이는 녹색교통지역의 간접 영향권 지역에서는 정책의 직접적인 영향이 제한적이라는 점과 차량 우회 현상이 주요 원인으로 사료된다. 하지만, PM2.5 감소율을 시·군·구 단위로 살펴보았을 때에는, 서울 전역 제한 시나리오의 경우 서울과 인접한 일부 지역에서 PM2.5의 배출량이 오히려 증가하는 결과가 확인되었다. 이러한 결과는 녹색교통지역 정책이 지역별 특성과 교통 흐름에 따라 상이한 영향을 미칠 수 있음을 시사한다.
요약하면, 녹색교통지역을 확대 운영할 경우 전체적으로 차량의 총 주행거리와 초미세먼지가 감소하지만, 운행 제한 대상 주변 일부 지역은 부정적인 효과를 경험할 수 있다. 또한 현재 제한 대상 차량의 우회 경로를 안내하는 지원 정책이 이루어지고 있는데, 이 과정에서 차량이 특정 도로로 유도된다면 교통량 증가가 쉽게 유발될 수 있다. 이러한 점을 고려하여, 실제 정책 시행에 앞서 우회 경로와 우회하는 차량의 교통량을 사전에 분석하고, 혼잡 예상 구간을 중심으로 신호 체계 조정, 도로 확장 등의 교통관리 방안을 마련하고, 교통상황 모니터링 강화를 통하여 예상하지 못한 부작용에 신속 대응이 가능한 인프라가 구축되어야 할 것으로 판단된다. 또한, 우회경로 지역에 버스 전용차로 확대, 공유 모빌리티 및 공유 차량 서비스 개선 등 개인 승용차 이용자의 대중교통 및 공유 교통서비스와 같은 녹색교통으로의 수단 전환을 장려하는 지원 정책의 시행과 더불어, 도로운영 체계 정비가 필요할 것으로 판단된다. 또한, 차량 운행 제한지역을 서울 전체로 확대할 경우에는, 도심 경계부 지역에 제한대상 차량 운행 집중 방지를 위한 교통관리 및 모니터링 체계가 도입된다면, 정책의 긍정적 효과를 극대화할 수 있을 것으로 사료된다. 마지막으로, 서울시민의 인식을 개선하기 위하여 실시간 대기질 및 교통혼잡 정보제공과 친환경 차량 운행을 장려하는 홍보 전략 마련이 필요할 것으로 보인다. 이와 관련하여, 서울 시내의 실시간 대기오염 배출 정보 및 대기질 상태 등을 어플이나 웹사이트를 통해 제공함으로써, 시민들이 친환경 교통수단의 필요성을 체감할 수 있도록 하는 것이 녹색교통지역에 대한 사회적 수용성과 효과를 높이는 데에 중요한 역할을 할 것이다.
단순히 오염물질 배출 차량의 운행을 제한하는 데 그치지 않고, 우회경로 교통 혼잡 방지, 대체 녹색교통수단 활성화, 시민 인식 개선 등 다각적인 접근이 병행되어야 정책의 한계점을 최소화하고 보다 실효성 있는 방향으로 정책이 시행될 수 있다. 특히, 서울은 광범위하게 영향을 미칠 수 있는 지역으로, 서울의 교통환경 변화가 인접 지역에 파급효과를 미칠 가능성이 크다. 따라서, 광역 교통체계 전반을 고려한 정책 설계가 필수적인 것으로 사료된다.
2. 연구의 한계점 및 향후 과제
본 연구는 차량 등급, 연료 등 특성별 실제 차량의 이동 행태를 완벽하게 파악하기 어려운 상황에서, 보다 현실적인 정책 효과를 추정하기 위하여 전국 차량 등록 주소지 데이터와 O/D 데이터를 매칭하는 분석 방식을 채택하였다. 이 방식은 TAZ별 차량 세부 특성을 비율로 산정하고, O/D 데이터의 기점과 같다고 가정하여 적용함으로써 대기질 개선 효과를 보다 정교하게 분석할 수 있었다. 하지만, 이러한 방식은 차량 등록 주소지 데이터에 기반한 추정치이며, 실제 이동하는 차량의 특성과 완벽하게 일치한다고 보기 어렵다는 한계가 있다. 예를 들어 노후화된 4·5등급 차량이 등록되어 있다고 하더라도, 실제로 이 차량을 이용하는지에 대한 여부는 확인할 수 없기에, TAZ의 차량 비율이 해당 TAZ에서 출발하는 모든 차량이라고 단정지을 수 없다. 본 연구는 제한 대상 차량의 수단 전환은 없는 것으로 가정하며, 녹색교통지역의 외부 일부 지역에 우회 경로가 생성될 수 있다고 가정하여 진행되었다. 또한, 운행 제한 대상 차량이 운행제한 지역으로 향하는 O/D 데이터에서 삭제하여 분석을 시행하였다. 이러한 접근방식은 정책 시행 이후의 차량 운행 제한의 직접적인 효과를 단순화하여 분석하는데 유용하다. 하지만 이러한 접근방식은 VKT 감소 효과가 과대평가될 위험성이 존재하며, 이는 실제 데이터를 토대로 저배출구역의 효과를 산정한 결과, 운행 제한 대상 차량이 우회하여 목적지로 향하기보다 대중교통을 이용하는 등 교통행태 변화를 유발했다는 선행연구의 사례를 감안할 때 부적절할 수도 있다. 이러한 한계를 보완하기 위해서는 교통 센서 데이터, 번호판 인식 데이터 등을 활용하여 신뢰성 높은 실측데이터가 보완될 필요가 있다. 또한, 차량 등급별 통행패턴 및 운행 제한 시행 후 기대되는 대중교통 이용 행태 변화 등, 녹색교통지역의 효과를 산정하는데에 필요한 다양한 데이터가 지역별로 구득이 가능하였다면, 보다 많은 변수를 반영한 고도화된 시뮬레이션 모델을 개발하여 분석할 수 있었을 것이다. 즉, 녹색교통지역의 다양한 환경적 요인 및 이용자의 행동변화 데이터를 반영한 다변량 모델을 통하여 연구를 진행하였다면, 정책 시행 이후의 실제 효과에 보다 근접한 분석결과가 도출되었을 것으로 사료된다. 저배출구역의 확대는 전 세계적으로 진행되고 있는 만큼, 그와 관련한 다양한 연구가 이루어지고 있으며, 이에 따라 관련 데이터가 수집되는 체계도 점차 구축될 것으로 예상된다. 따라서 향후 연구에서는 구축된 자료를 토대로 보다 정밀하고 다양한 요인을 고려한 분석이 이루어져야 할 것이다. 또한, 서울 녹색교통지역에 진입하는 승용차 이용자를 대상으로, 자동차 운행 제한에 따른 수단 전환 및 경로변경에 관한 설문조사를 실시하고, 그 결과를 분석에 반영함으로써 결과의 신뢰성을 높일 수도 있을 것이다. 녹색교통지역의 효과는 장기적으로 나타나기 때문에, 단기 데이터에 의존하는 시뮬레이션 기반 연구에서는 장기적인 변화와 환경개선 효과를 반영하기 어렵다. 따라서, 녹색교통지역의 사전 영향 평가뿐만 아니라 사후 영향 평가 또한 정밀하게 수행하여, 장기적인 관찰 및 데이터를 축적하고, 녹색교통지역의 실효성 있는 운영 방안을 도출한다면, 대기 환경개선에 기여하고 도시의 지속가능성 향상에도 큰 도움이 될 것으로 판단된다.
