서론
미국 도로부문 대기확산 모델링 연구 동향 고찰을 통한 국내적용방안 검토
1. 미국 교통환경영향평가체계 개요
2. 차량 오염물질 발생량 계산 툴 활용 현황
3. 미국 대기확산 모델링 툴 이용 현황
4. 선행연구의 시사점
분석 방법론
1. 분석 방법론 개요
2. 교통수요 추정
3. 영향권 설정
4. 도로 링크별 오염물질 발생량 계산
5. 대기오염 농도 추정
6. 사업 효과 추정 및 편익 산정
사례분석
1. 개요
2. 영향권 설정
3. 링크별 오염물질 발생량 계산
4. 대기오염 농도 추정 결과
5. 편익산정 결과
결론
서론
최근 미세먼지를 포함한 각종 오염물질과 온실가스로 인한 지구온난화, 그로 인한 자연재해 등으로 인간의 건강 및 거주 공간이 위협을 받고 있다. 특히 차량에서 발생하는 오염물질이 전 산업 분야의 오염물질 발생량 중 상당 부분을 차지하고 있는 것으로 보고되고 있으며(Ministry of Environment, 2016), 이에 도로 공간은 각종 오염물질 및 온실가스를 양산하는 부정적인 공간으로 인식되고 있다. 국내 도로사업은 기획재정부의 예비타당성조사 제도에 의해 투자 여부가 결정되고 있으며, 예비타당성조사 제도는 일반적으로 경제성 분석에 치중하여 도로사업을 평가하고 있다. 특히 예비타당성조사 제도는 4대 편익(차량운행비용 절감편익, 통행시간 절감편익, 교통사고비용 절감편익, 환경비용 절감편익)에 초점을 두고 있으며, 도로사업으로 인한 기타 잠재적 편익은 도로사업 투자 여부를 결정하는 데 적극적으로 반영되지 못해 왔다. 다만 최근 예비타당성조사 제도 개편으로 정책성 평가가 강화되었으며, 제도 개편에 따라 각 사업추진 부처는 도로사업의 타당성 제고를 위해 도로사업의 정책성 평가 기준을 재수립하고 새로운 정책성 평가지표 및 신규편익을 발굴 중이다.
현행 국내 예비타당성조사 제도는 4대 편익 중 환경비용 절감편익을 고려하고 있으며, 도로사업으로 인한 오염물질 및 온실가스 발생량 변화에 따른 편익산정 방법론을 제시하고 있다. 그러나 현행 예비타당성조사 제도는 차량의 오염물질 발생량만을 기준으로 도로사업으로 인한 환경영향을 평가하며, 오염물질이 대기에 확산하여, 인간의 생활 공간에서 실질적으로 어떠한 영향을 미치는지 고려하고 있지 못하는 실정이다.
상대적으로 보다 엄격한 잣대를 가지고 교통사업의 환경영향을 평가하고 있는 국외(특히 미국)의 경우, 사업주체가 교통사업으로 인해 주변 지역의 오염물질 농도가 어떻게 변화하는지 분석하도록 강력히 권고하고 있다. 이에 미국환경청(United States Environmental Protection Agency, USEPA)은 사업주체가 교통사업으로 인한 오염물질 농도 분석을 수행할 수 있도록 체계적인 가이드라인을 제시하고 있으며, 분석을 위해 여러 모델링 프로그램(예: MOVES, AERMOD)을 자체적으로 개발하여 이를 분석에 사용하도록 권고하고 있다.
최근 미국을 포함해서 상대적으로 관련된 연구를 선도하고 있는 국가의 학계 및 연구기관에서는 도로사업으로 인한 오염물질 농도 분포의 공간적 변화 행태를 분석하고, 이를 바탕으로 오염물질 농도변화가 인간에게 미치는 영향을 분석하는 다양한 연구를 수행 중에 있다(Lee et al., 2012; D'Onofrio et al., 2016; Zhai et al., 2016; Wu, 2018; Kim, 2020). 특히 최근 조지아공과대학 연구팀에서는 미국환경청에서 개발된 오염물질 분석 프로그램을 기반으로 대도시권의 도로네트워크에서 기인한 오염물질 농도를 추정하는 연구를 수행하였으며, 이를 통해 도로사업으로 인해 피해를 받는 잠재적 위험지역(hot-spot)을 파악하는 체계적인 분석방법론을 제시하였다(Kim, 2020). 최근 국내에서도 MOVES 및 AERMOD 프로그램을 활용한 대기확산 모델링을 통해 대기오염 농도변화를 추정하고, 이를 통해 교통정책을 제언하는 여러 연구가 수행되었다(Yang et al., 2013a, 2013b; Hu et al., 2016; Lee and Hahn, 2017; Joo et al., 2017, 2019). 다만, 대부분의 국내 연구는 미시적 교통환경 분석 초점을 두고 있으며, 거시적 관점에서의 대기오염 농도 분석에 관한 연구는 부족한 실정이다. 일반적으로 미시적 대기확산 모델링은 특정 지역의 대기오염 농도를 저감하기 위한 구체적인 교통운영 전략을 수립하기 위해 활용가능하나, 대규모 교통사업(예: 도로/철도 건설)에 대한 환경영향을 평가하기 위해서는 거시적 대기확산 모델링 기법이 적용되어야 한다. 특히 예비타당성조사 제도와 같이 대규모 교통사업 평가를 위해서는 거시적 대기확산 모델링 기법이 적용되야하나, 국내의 경우 관련된 연구가 부족한 실정이다. 또한 미국 대비 도로영향권의 오염물질 농도변화를 추정하는 체계적인 분석방법론이 부재한 실정이다.
본 연구는 도로사업으로 인한 대기오염물질의 공간적 확산행태를 분석하고 관련된 편익을 추정하는 체계적인 방법론을 제시하는 것을 목표로 한다. 이를 위해, 대기질 모델링 툴을 이용한 오염물질 농도 추정에 관한 국외 연구 동향을 고찰하고, 국내에 적용가능한 방법론을 모색하고자 한다.
미국 도로부문 대기확산 모델링 연구 동향 고찰을 통한 국내적용방안 검토
본 장에서는 국외의 교통부문 환경영향평가체계를 살펴보고, 국내 교통부문 환경영향평가체계를 보완하기 위한 방안을 모색하고자 한다. 특히 본 연구에서는 상대적으로 관련된 연구를 선도하고 있는 미국의 교통환경영향평가체계를 중점적으로 살펴보고, 시사점을 도출하였다. 구체적으로 미국의 교통환경영향평가체계에서 차량 오염물질 발생량 분석 및 대기확산 모델링 툴 개발 동향과 적용 방법을 살펴보고, 국내의 도로사업 평가체계 안에서 그 활용 가능성을 검토하였다.
1. 미국 교통환경영향평가체계 개요
미국은 1970년경 대기오염 방지법(Clean Air Act)이 제정된 후 교통계획을 수립함에 있어, 교통사업으로 인한 대기질 영향을 예측하여, 향후 교통사업으로 인한 대기질의 영향을 최소화하도록 하고 있다(USEPA, 2022a). 미국은 각 주별로 설정된 대기질 관리 계획(state implementation plan, SIP)의 목표를 달성하도록 하고 있으며, 특히 연방정부의 재정이 투입된 교통사업의 경우 사업으로 인한 대기질의 영향이 미국의 대기질 표준(National Ambient Air Quality Standards, NAAQS)을 따르도록 하고 있다. 이에 미국환경청은 미세먼지 및 일산화탄소 관리지역에 대한 세부적인 분석 지침(transportation conformity guidance for hot-spot analysis in particulate matter and carbon monoxide nonattainment and maintenance areas, 이하 transportation conformity guidance)을 수립하였다(USEPA, 2015, 2021a).
미국의 transportation conformity guidance는 오염물질 관리지역의 현재와 미래의 오염물질 농도를 비교 분석하여, 교통사업으로 인한 미래의 오염물질 농도가 현재의 수준과 비교하여 대기질을 크게 악화시키는지, 또는 미국의 대기질 표준에 만족하는지에 관한 분석결과를 제시하도록 권고하고 있다. 미국 transportation conformity guidance에 따라 교통사업으로 인한 오염물질의 영향 분석은 Figure 1과 같이 단계별 분석을 통해 이루어진다.
1단계에서는 계획 중인 교통사업에 대한 대기질 분석이 필요한지 결정하는 단계이다. 즉, 미국은 모든 교통사업에 대해서 대기질 분석을 수행하는 것이 아니라, 사업시행 전 사업주체와 미국환경청 간의 긴밀한 논의를 통해 해당 사업 시행으로 유의미한 오염물질 농도 변화가 예상될 경우 Figure 1과 같은 세부적인 분석을 수행하도록 하고 있다. 2단계에서는 대기질 분석이 결정된 사업에 대한 세부적인 분석방법론을 결정하고, 분석을 위해 어떠한 모형 또는 자료를 활용할지 결정하는 단계이다. 이를 위해, 사업 시행주체와 미국환경청 간의 긴밀한 협의과정이 이루어진다. 3단계는 교통사업으로 인한 오염물질 발생량 변화를 추정하는 과정으로, 미국환경청에서는 도로부문의 오염물질 발생량 계산을 위해, 미국환경청에서 개발된 MOVES 모형을 사용하도록 권고하고 있다(단, 캘리포니아 주에서는 예외적으로 자체적으로 개발된 EMFAC 모델을 사용하고 있다). 4단계에서는 도로 사업으로 인한 부수적인 오염물질(예: 도로 분진, 공사로 인한 오염물질) 등에 대한 분석을 수행하며, 5단계는 3/4단계에서 추정된 도로 링크별 오염물질 발생량 결과를 바탕으로 대기확산 모델링을 수행하고, 영향권의 오염물질 농도를 추정한다. 대기확산 모델링을 위해서 미국환경청에서 개발된 AERMOD와 같은 대기확산 모델링 소프트웨어가 사용된다. 6단계는 도로 오염원에 기인한 오염물질 농도와 배경농도(background concentration)를 합산하여, 분석지역의 오염물질 농도를 추정한다(배경농도란 “대상 지역에서의 자체 인위적 오염 발생원의 영향을 배제하여 자연적 배출량만을 고려한 농도 수준으로서, 대상 지역의 자체 인위적 배출량을 최소화하였을 때 기대할 수 있는 대기오염물질의 농도를 말한다.”)(Yang et al., 2016). 7단계는 도로 사업으로 인해 변화된 오염물질 농도가 미국 대기질 표준(NAAQS)을 만족하는지 또는 기존 수준 대비 심각한 오염을 새로이 유발하지 않는지 등을 평가하는 단계이다. 8단계는 도로사업으로 인한 오염물질로 인한 영향이 미국 대기질 기준을 불만족하거나 또는 기존 수준 대비 심각한 영향을 미칠 것으로 판단될 경우, 도로사업으로 인한 영향을 완화하기 위한 대책을 마련하는 단계이다. 사업주체는 미국환경청과의 협의를 통해 도로사업으로 인한 영향을 완화하기 위한 대책을 제시해야 하며, 미국환경청으로부터 승인을 받아야 한다. 마지막으로 9단계는 해당 사업에 대한 transportation conformity 분석 결과를 보고서로 제출해야 하며, 계획된 교통사업이 transportation conformity guideline에 명시된 대기질 기준을 만족하는지 또는 제시된 완화대책은 적절한지 등을 명시하도록 하고 있다.
이처럼 미국은 교통부문에서 발생하는 오염물질 발생량을 분석하고, 이를 바탕으로 분석지역의 오염물질 농도를 추정하는 체계적인 방법론을 제시하고 있다. 미국환경청은 각 사업주체가 transportation conformity 분석을 수행할 수 있도록 관련된 모델링 툴을 자체적으로 개발해 왔다. 미국환경청에서 개발된 오염물질 분석 모델링 툴은 크게 두 가지로 구분될 수 있다. 첫째, 차량에서 발생하는 오염물질의 양을 계산하는 오염물질발생량 계산 툴(예: MOVES)이 있다. 둘째, 대기오염농도를 추정하는 대기확산모델링 툴(예: AERMOD, R-LINE 등)로 구분될 수 있다. 특히 미국환경청에서 개발된 분석 모델링 툴은 미국 캘리포니아 주를 제외한 모든 주에서 사용되도록 권고하고 있다. 반대로 미국 캘리포니아 주는 자체적인 모델링 툴(예: EMFAC, CALINE4)을 개발하여, 이를 분석에 적용하고 있다. 다만 최근 미국 캘리포니아 주도 자체적으로 모델 성능 향상을 지속적으로 유지하기에는 한계가 있으며, 관련된 재원의 부족 등의 이유(예: CALINE4 모델은 1984년 개발된 모델로 이후 모형 개선이 이루어지고 있지 않음)로 미국환경청에서 개발된 모델 사용을 적극적으로 고려하고 있는 상황이다.
2. 차량 오염물질 발생량 계산 툴 활용 현황
미국의 transportation conformity guideline은 차량 오염물질 발생량 계산을 위해 미국환경청으로부터 개발된 MOVES(Motor Vehicle Emission Simulator) 모형을 사용하도록 권고하고 있다(USEPA, 2022b). MOVES 모형은 차종 및 차량운행 행태를 고려하여 차량에서 발생하는 온실가스(CO2) 및 각종 오염물질(PM, NOx, SO2, O3, CO 등)을 계산하는 기능을 제공한다. MOVES는 사용자의 편의를 위해 GUI(graphical user interface)를 제공하며, 프로젝트의 규모 및 평가목적에 따라 전국(national), 카운티(county) 및 프로젝트(project) 단위로 오염물질 발생량 계산이 가능하도록 다양한 기능을 제공하고 있다.
MOVES가 현존하는 국내외의 기타 차량 오염물질 발생량 툴과 차별되는 점은, MOVES는 매우 다양한 입력변수를 고려하여 보다 정밀한 차량 오염물질 발생량 계산 능력을 보여준다는 점이다. MOVES 모형은 차종, 차량의 연식(기준연도로부터 0-30년식), 기후(온도, 습도), 연료 특성, 주(State)별 차량 오염물질 배출 기준, 도로 유형(고속도로, 일반도로, 주차장, 고속도로 연결로 등), 차량 운행행태(second-by-second drive cycle) 등 매우 다양한 변수를 바탕으로 차량의 오염물질 발생량을 추정한다. 참고로 국내 국립환경부와 예비타당성조사 제도의 자동차 배출계수 식을 살펴보면, 국내 모형의 경우, 차종/속도/연료별 오염물질 배출계수를 제시하고 있으나, 다만 추정 가능한 오염물질의 종류가 제한적이며, 차량의 연식, 기후, 도로 유형 등 기타 차량의 오염물질 발생량에 영향을 미치는 여러 유의미한 변수에 대한 고려를 할 수 없다는 단점이 있다.
또한 국내 오염물질 발생계수 모형의 경우 2000년대 중반 국립환경과학원의 차량 주행 실험결과를 바탕으로 자동차 오염물질 배출계수가 개발된 이후 특별한 모형의 발전이 이루어지지 않고 있으나(NIER, 2003, 2004, 2005, 2006), 미국의 경우 지속적으로 MOVES 모형을 개선 ‧ 발전시켜 왔다. 예를 들어, MOVES 모형은 MOVES 모형의 전신인 MOBILE 프로그램이 1970년경 최초 개발된 이후, MOBILE 버전 1부터 버전 6까지 지속적인 모형 업데이트가 이루어져 왔으며, 2010년 최초의 MOVES 모형인 MOVES2010이 개발된 이후, MOVES2014로 업데이트되었으며, 2020년에는 가장 최신 버전인 MOVES3 버전을 출시하는 등 지속적으로 모형 개발을 이루어 왔다.
다만 MOVES는 타 프로그램과 비교할 때, 보다 정밀한 차량 오염물질 계산이 가능하다는 장점에도 불구하고, 일반적으로 사용이 어렵고, 입력자료가 복잡하며, 상당한 분석시간이 요구된다는 단점이 제기되어 왔다. 특히 많은 수의 세부 도로링크로 구성된 대규모 도로 네트워크 분석을 위해서는 매우 많은 분석시간이 요구되며, 따라서 MOVES는 일반적으로 소규모 프로젝트 단위 분석을 위해 주로 활용되어 왔다. 다만 최근 미국 조지아공과대학 연구팀에서는 MOVES 사용자의 편의성을 높이고, MOVES 분석시간을 상당히 줄일 수 있는 MOVES-Matrix를 개발하였다(Guensler et al., 2016; Liu et al., 2019). 조지아공과대학 연구팀의 분석에 따르면 MOVES-Matrix는 일반 MOVES 분석시간 대비 약 200배 빠른 속도를 자랑함과 동시에 동일한 MOVES 결과값을 얻을 수 있다(Guensler et al., 2016). 또한 MOVES-Matrix는 단순한 CSV 파일 형태로 자료가 제공되어 사용이 쉽고, 프로그래밍 언어와 쉽게 연계가 가능하여 고급분석이 가능하다. 최근 미국 광역권 도로 네트워크의 링크별 오염물질 발생량 계산에 적용되는 등 MOVES-Matrix에 대한 관심이 증가하고 있다(Xu et al., 2016; Liu et al., 2019; Kim, 2020).
3. 미국 대기확산 모델링 툴 이용 현황
1980년경부터 미국은 교통부문에서 발생하는 오염물질에 대한 농도 분석을 위해 다양한 대기확산 모델링 프로그램을 개발하여 왔다. 현재까지 개발된 프로그램으로는 AERMOD, CALPUFF, CALINE, CAL3QHC/CAL3QHCR, R-LINE, ADMS 등이 있다(USEPA, 2022b). 이러한 대기확산 모델링 프로그램은 일반적으로 Gaussian plume(예: AERMOD, CALINE), computational fluid dynamics(예: MERCURE), 또는 puff diffusion model(예: CALPUFF) 이론에 기반하고 있으며, 차량에서 발생된 오염물질은 바람의 방향(x축)을 따라 이동하며, 수평(y축)과 수직(z축) 방향으로 대기 중에 확산되는 것을 가정하고 있다(Figure 2는 Gaussian plume 이론의 오염물질 확산행태를 도식화하고 있음). 즉, 오염물질 농도는 오염원과 농도 추정 지점간의 거리 및 오염물질의 대기확산 행태에 따라 결정되며, 오염물질의 대기확산 행태는 대기질(예: 풍향, 풍속, 대기안전성 등)의 함수로 표현된다. Gaussian plume equation에서 대기질은 와 (x축을 중심으로 수직/수평으로 확산되는 분포)로 대변되며, 와 는 풍향, 풍속, 운량, 기압 등 여러 기상조건에 의해 결정되는 것으로 가정된다.
Figure 2.
Illustration of Gaussian dispersion theory (note: the figure above is amended based on Vallero (2014).)
미국을 포함해서 전 세계적으로 도로오염물질의 대기확산모델링을 위해 가장 널리 활용되고 있는 모형으로 AERMOD(American Meteorological Society(AMS)/EPA Regulatory Model)가 있다(USEPA, 2022b). AERMOD는 기존에 개발된 대기확산모델링 프로그램의 단점을 보완하고 오염물질 농도 추정치의 신뢰성을 높이고자 보다 정밀한 대기확산 행태 이론에 근거하여 미국환경청에 의해 개발되었다. AERMOD는 대기질을 표현하기 위해, 기존 프로그램에서는 고려되지 못했던 표면 온도, 표면 거칠기(surface roughness), 보우엔 비(Bowen ratio), Monin-Obukhov length, 도시 인구 등 다양한 변수가 고려될 수 있다. 현재 AERMOD는 미국 캘리포니아 주를 제외한 모든 주에서 대기오염 농도 분석을 위해 사용되도록 권고되는 프로그램으로, transportation conformity 분석을 위해서 사용되도록 권고되고 있다. 다만, AERMOD는 분석을 위해 요구되는 자료의 형태가 매우 복잡하며, GUI 기반이 아닌 Syntax 기반으로 프로그램이 실행되기 때문에 일반 사용자가 사용하기에는 어려운 것으로 알려져 있다.
4. 선행연구의 시사점
미국은 교통부문에서 발생하는 오염물질에 대한 심각성을 인지하고, 교통사업으로 인한 오염물질의 영향을 최소화하고자 관련된 교통환경영향평가체계를 일찍부터 정립하였다. 이에 미국환경청은 교통사업의 영향을 분석하는 체계적인 분석방법론을 제시하고 있으며(transportation conformity guidance), 도로부문의 오염물질 발생량(예: MOVES) 및 오염물질 농도(예: AERMOD)의 정밀한 추정을 위해 다양한 프로그램을 개발하여 왔다.
국내의 예비타당성조사 제도는 환경부에서 개발된 오염물질 배출계수를 기반으로 도로부문에서 발생하는 오염물질 발생량을 추정하고, 여기에 오염물질 편익 원단위를 적용하여, 도로사업으로 인한 환경편익을 추정하는 방식을 채택하고 있다. 다만 국내의 경우 상당히 오래전(2000년 대)에 개발된 차량 오염물질 배출계수에 여전히 의존하고 있어, 지속적으로 향상되고 있는 차량기술을 반영한 배출계수가 평가에 반영되고 있지 못하는 한계가 있다. 또한 현행 예비타당성조사 제도는 5가지 오염물질(CO, NOx, HC, PM, CO2)만을 고려하고 있으나, 미국 MOVES 모형의 경우에는 예비타당성조사 제도에서는 고려하지 않는 기타 오염물질(PM2.5, SO2, NO2, VOC, CH4 등)에 대해서도 분석모델을 제공하고 있다. 특히 최근 미세먼지(PM10) 뿐만 아니라 초미세먼지(PM2.5), 디젤입자상물질(DPM) 등에 대한 우려가 증가하고 있으나, 현행 예비타당성조사 제도의 배출계수는 PM10(예비타당성조사 제도에서는 PM으로 정의)만을 고려하고 있어, 기타 미세먼지를 포함하는 세분화된 분석모형을 개발할 필요성이 있다. 또한 국내의 평가체계는 도로부문에서 발생하는 오염물질 발생량만을 추정하고 있으며, 오염물질이 대기에 확산되는 행태는 분석에 고려하고 있지 않다. 따라서 사업시행으로 인한 잠재적 위험지역(hot-spot)을 파악하기 힘들며, 관련된 대책 마련이 어려운 실정이다. 또한 예비타당성조사 제도는 오염물질 발생 총량에 단순히 편익 원단위를 곱하는 방식으로 환경편익이 추정되므로, 인간의 생활패턴을 고려한 인간의 실질적인 피해규모를 분석에 반영하고 있지 못하고 있다.
미국과 국내 사례를 비교하면, 국내의 경우 교통사업으로 인한 실질적인 환경영향평가를 위한 노력이 상대적으로 부족한 것으로 판단된다. 우선 국내의 경우, 교통사업으로 인한 환경영향평가를 위해 보다 엄격하고 체계적인 분석방법론 정립이 필요해 보인다. 미국의 경우, 교통사업으로 인한 영향이 미국 대기질 기준에 만족하도록 요구하고 있다. 또한 오염물질 농도 추정을 위해 요구되는 입력자료를 체계적으로 정리하고 있으며, 오염물질 발생량 계산 및 대기확산 모델링을 위해 어떠한 프로그램을 사용해야 하며, 분석결과의 해석 및 대안 마련을 위한 일련의 체계가 정립되어 있다. 특히 국내의 경우 차량에서 발생하는 오염물질 배출계수의 현행화가 필요해 보이며, MOVES와 같이 차종/유종/연식/기후/운행패턴 등을 종합적으로 고려한 보다 정밀한 오염물질 발생량 모형 개발이 필요해 보인다.
국내의 경우 오염물질의 대기확산 모델링을 분석에 고려하고 있지 않으며 관련된 체계적인 분석체계가 부재한 실정이다. 미국의 경우 교통부문에서 발생하는 오염물질의 대기확산 분석을 위해 어떠한 입력자료를 활용할 수 있으며, 관련된 입력자료는 어느 기관으로부터 수집될 수 있는지 등을 제시하고 있다. 국내의 경우, 대기확산 모델링을 위한 자체적인 프로그램에 대한 개발이 이루어지지 않았다. 이러한 상황에서 전 세계적으로 가장 널리 활용되고 있는 AERMOD 프로그램의 국내 활용방안을 모색할 필요성이 있다. 다만 AERMOD 입력자료 구축은 일반적으로 매우 복잡한 작업이 요구되나, 국내의 경우 AERMOD를 다룰 수 있는 전문가가 부족한 실정이다. 따라서 AERMOD 분석을 보다 용이하게 할 수 있도록 관련된 보조 프로그램의 개발이 필요할 것으로 보인다. 이러한 상황에서 최근 미국 조지아공과대학에서 개발된 Python 기반의 자동화된 AERMOD 실행 프로그램을 국내 대기질 모델링 분석에 활용할 가능성이 있을 것으로 판단되며, 본 연구에서는 Kim(2020)에서 개발된 AERMOD 모델링 프로그램을 검토하여, 국내 교통사업의 오염물질 대기확산 분석을 위한 프로그램을 개발하고자 한다.
분석 방법론
1. 분석 방법론 개요
본 연구는 도로사업으로 인한 대기오염농도 변화를 추정하는 체계적인 모델링 방법론을 구축하는 것을 목표로 한다. Figure 3은 본 연구에서 개발된 모델링 체계를 도식화한 것으로, 총 6단계의 세부 절차를 통해 도로사업으로 인한 영향권 내 대기오염농도 변화를 추정한다. 1단계는 링크별 오염물질 발생량 추정을 위해 링크별 교통량/속도 자료를 추정하는 단계로, 일반적으로 예비타당성조사 수행을 위해 활용되는 4단계 교통수요모형을 통해 사업 시행 전 ‧ 후의 링크별 교통량/속도를 추정한다. 2단계는 도로사업으로 오염물질 농도에 유의미한 변화가 발생할 것으로 예상되는 영향권을 설정하는 단계로, 링크별 오염물질 발생량에 영향을 미치는 교통량/속도에 유의미한 차이가 발생하는 지역을 영향권으로 설정한다. 3단계는 영향권 내 도로 링크별 오염물질 발생량을 계산하는 단계로, 추정된 링크별 교통량 및 속도 자료를 예비타당성조사 제도의 차량 오염물질 배출계수에 적용하여 추정한다. 4단계는 영향권 내 오염물질 농도를 추정하는 단계로, 추정된 링크별 오염물질 발생량과 영향권의 기상자료(AERMET 포맷)를 바탕으로 AERMOD 시뮬레이션을 수행하고, 관심 지역의 오염물질 농도 변화를 추정한다. 5단계는 추정된 오염물질 농도를 영향권 내 인구자료와 매칭하여, 인구 가중된 오염물질 농도를 추정한다. 이를 바탕으로 사업 시행 전 ‧ 후 변화하는 오염물질 농도 수준이 인간에게 미치는 영향을 추정한다. 6단계는 오염물질 농도 변화에 따른 성가심 비용을 추정하여 사업 시행에 따른 환경 편익을 추정한다.
2. 교통수요 추정
본 연구는 일반적으로 예비타당성조사 수행을 위해 활용되는 거시적 교통수요모형(예: 4단계 모형)의 통행배정 결과를 바탕으로 영향권 내 오염물질농도를 추정하는 방법론을 제시하고 있다. 일반적으로 도로이동오염원에 기인한 오염물질 농도 추정은 크게 미시적(예: VISSIM) 또는 거시적(예: EMME) 교통모형을 활용하고 있으나, 도로 건설 및 확장과 같은 대규모 도로사업의 경우 자료수집 및 분석시간 등을 고려하여 거시적 교통모형을 활용하고 있다.
특히 국내 교통사업의 경우, 일반적으로 4단계 교통수요추정 방법론에 기반하여 개별 도로링크의 교통량 및 속도를 추정하고 있으며, 본 연구에서도 마찬가지로 4단계 교통수요추정 방법론을 통해 추정된 링크별 교통량 및 속도 자료를 기반으로 링크별 오염물질 발생량을 추정하고, 이를 바탕으로 오염물질 농도를 추정하는 방법론을 제안하고 있다. 4단계 교통수요추정에 관한 보다 자세한 내용은 예비타당성조차지침에서 확인할 수 있다(KDI, 2008).
3. 영향권 설정
본 연구에서는 도로사업으로 인해 오염물질농도에 유의미한 변화가 발생할 것으로 판단되는 영향권을 설정하는 방법론을 제시한다. 대기확산 모델링 툴을 활용한 오염물질 농도 추정은 일반적으로 상당한 분석시간이 요구되며, 고속도로 사업과 같이 광범위한 지역의 도로네트워크를 분석에 고려할 경우, 막대한 컴퓨팅 리소스와 분석시간이 요구된다(Kim, 2020). 만약 KTDB에서 제공되는 전국권 도로네트워크 자료(약 총 88천여 개 도로링크)를 하나의 오염물질 농도 추정지점에 대해서 AERMOD 분석을 수행할 경우, 약 5.6시간의 AERMOD 분석시간이 필요하며, 농도 추정의 지점 수가 증가할수록 AERMOD 분석시간이 기하급수적으로 증가한다. 참고로 Kim(2020)은 AERMOD를 활용하여 미국 애틀란타 대도시권 전역에 대한 고밀도 오염물질 농도 분석을 위해 약 160,000개의 분석링크와 약 80만여 지점을 분석에 고려할 경우, 약 수십년의 컴퓨터 처리시간이 필요하다고 제시하였다. 이처럼 AERMOD 분석은 분석링크의 수와 농도 추정지점의 수가 증가할수록 막대한 컴퓨터 처리시간이 필요하다.
본 연구에서는 오염물질 농도 변화에 유의미한 변화가 예상되는 영향권을 설정함으로써 일반 사용자의 분석 편의를 도모함과 동시에 분석 오차는 최소화하는 영향권 설정 방안을 제시한다. 구체적으로 교통수요 모형을 통해 추정된 링크별 교통량을 기준으로 사업 시행 전 ‧ 후 추정된 교통량에 유의미한 변화가 있는 링크 구간을 파악하며, 이러한 도로구간을 포함하는 인접 지역을 영향권으로 설정한다. 실무적으로 교통량 변화에 따른 영향권 설정을 위해서는 데이터시각화 기술(예: ArcGIS 매핑 등)을 통해 유의미한 교통량 변화가 예상되는 도로 구간을 파악할 수 있다. 여기서 유의미한 교통량 변화라고 판단하는 기준에 대해서는 명확한 기준이 없으므로, 본 연구에서는 사업 시행 전 ‧ 후 링크별 교통량이 1,000대/일 이상 차이가 나는 도로구간을 유의미한 링크로 설정하였다. 다만, 도로영향권의 오염물질 농도는 도로 교통량 변화 외 시간대별 기상/배경농도 등에 영향을 받으므로, 이러한 영향요인을 고려한 분석영향권 설정에 관한 추가연구가 필요할 것으로 보인다. 참고로 Kim et al.(2020)에서는 머신러닝 기법을 기반으로 교통량/기상/도로기하구조 등을 고려한 도로영향권 설정 방법론을 제안하고 있으며, 추후 분석영향권 설정을 위해 동 연구의 방법론을 고려해볼 필요가 있다.
4. 도로 링크별 오염물질 발생량 계산
본 단계는 도로 링크에서 발생하는 오염물질 발생량을 추정하는 단계로서, 교통수요 모형을 통해 추정된 링크별 교통량 및 속도 자료를 예비타당성조사 제도의 차량 오염물질 배출계수에 적용한다(KDI, 2008). 단, 예비타당성조사 제도의 배출계수 식에서 승용차 미세먼지(PM) 배출계수는 소수점 3자리에서 절삭된 것으로 판단된다(모든 값이 0으로 제시됨). 즉, 현재 예비타당성조사 제도는 승용차 교통량/속도 변화가 미세먼지 발생량에 미치는 영향을 반영하기 힘들다. 이는 분석결과에 영향을 미칠 수 있으므로, 본 연구에서는 대안적으로 Kim(2020)에서 활용된 미국 애틀란타 지역의 승용차 MOVES 배출계수 값을 적용하였다. 다만, 미국 애틀란타 지역의 승용차 미세먼지 배출 계수는 미국에서 판매되고 있는 차종과 해당 지역의 차종/연식 구성에 기반하고 있으므로 국내 승용차 미세먼지 발생 계수와 다소 차이가 발생할 수 있으며, 추후 연구를 통해서 배출계수를 보정할 필요성이 있다. 본 연구에서 제시하는 링크별 오염물질 배출량 산정 식을 정리하면 다음과 같다.
여기서, 는 번째 링크의 오염물질 발생량, 는 차종의 배출계수(g/km), 는 번째 링크의 차종의 교통량
5. 대기오염 농도 추정
본 단계에서는 앞서 추정된 링크별 오염물질 발생량 추정치와 기상자료(AERMET 포맷)를 결합하여, 사업시행에 따른 영향권 내 오염물질 농도 변화를 추정한다. 여러 오염물질 추정 소프트웨어 중에서 미국환경청에서 개발된 AERMOD가 교통부문에서 발생하는 오염물질의 농도를 추정하는 가장 발전된 모형으로, 본 연구에서는 AERMOD를 기반으로 한 모델링 방법론을 제안하였다. AERMOD 분석에 활용되는 AERMET 포맷의 기상자료는 일반적으로 구축이 어렵고, 상당한 분석시간과 노력이 요구되는 작업으로 알려져 있다. 다만 몇몇 국내 환경 엔지니어링 회사에서는 국내 대기오염 모델링을 위한 AERMET 자료를 구축 및 판매하고 있다. 본 연구에서는 AERMET 자료를 직접 구축하는 세부적인 방법론은 생략하였으며(AERMET에 관한 자세한 설명은 USEPA, 2021c 참조), 다만 국내 환경 엔지니어링 회사로부터 구득 가능한 AERMET 자료를 바탕으로 AERMOD 분석을 수행하는 방법론을 제시하였다.
AERMOD 입력자료는 오염물질 농도추정을 위한 다양한 입력값을 요구하고 있으며, AERMOD 입력자료 구축과 관련된 자세한 내용은 미국환경청에서 제공하는 AERMOD 가이드라인에서 확인할 수 있다(USEPA, 2021b). AERMOD 분석은 일반적으로 다수의 도로링크와 다수의 추정지점을 분석에 고려한다. AERMOD는 다수의 링크와 추정지점을 하나의 AERMOD 입력파일에 입력하여 분석을 수행할 수도 있으나, 분석대상 링크와 추정지점의 수가 증가할수록 분석시간이 기하급수적으로 증가한다. 특히 대규모 도로사업 평가와 같이 광범위한 지역을 분석할 경우 다수의 링크와 추정지점이 필연적으로 분석에 고려되므로 상당한 분석시간이 요구된다. Kim(2020)은 AERMOD 분석에 요구되는 막대한 분석시간을 줄임과 동시과 분석오차를 최소화하는 고급 방법론을 제시하였으며, 본 연구에서는 Kim(2020)에서 제시한 방법론을 채택하였다.
Kim(2020)의 연구를 기반으로 본 연구에서는 여러 추정지점에 대한 AERMOD 입력파일을 보다 효율적으로 생성하기 위한 Python 프로그램을 개발하였다. 개발된 Python 프로그램은 앞서 계산된 링크별 오염물질 발생량, 도로기하구조, 개별 추정지점의 좌표 등의 다양한 입력값을 분석하여, 각각의 추정지점별 AERMOD 입력파일을 자동으로 생성한다. 특히 AERMOD의 입력자료로 요구되는 도로의 기하구조 자료를 생성하는 작업은 상당한 노력이 요구된다. AERMOD의 도로기하구조는 일반적으로 여러 개의 꼭지점으로 이루어진 Polygon 포맷으로 작성되어야 하나, 일반적인 교통네트워크는 다수의 선(Line)으로 이루어진 GIS 포맷의 형태로 제공되기 때문에 이러한 자료를 해석하여 AERMOD 입력 포맷으로 변환되어야 한다(Figure 4). Kim(2020)은 노드-노드 기반의 일반적인 교통네트워크 자료를 해석하여 AERMOD 포맷으로 변환하는 자동화된 Python 프로그램을 개발하였으며, 본 연구에서는 국내 교통네트워크(예: KTDB 네트워크자료)를 AERMOD 포맷으로 변환하는 프로그램을 개발하였다.
Figure 4.
The examples of converting GIS-formated transportation links to AERMOD input formats (source: Kim (2020).)
일반적으로 4단계 교통수요모형을 통해 산출되는 결과물은 링크별 연평균 일교통량(Annual Average Daily Traffic, AADT)이나, AERMOD 분석은 일반적으로 시간대 혹은 계절에 따른 교통량 변동, 그에 따른 도로 링크별 오염물질 배출량을 입력값으로 요구하고 있다(USEPA, 2021b). 최근 미국에서는 Highway Performance Monitoring System(HPMS) 등을 통해 조사된 시간대별 교통량 분포를 교통수요 모델링을 통해 산출된 링크별 AADT에 적용하여 AERMOD 분석에 사용하고 있는 추세이다(D'Onofrio et al., 2016). 국내의 경우에도 국가/지자체에서 제공하는 시간대별 교통량 분포를 교통수요모형의 AADT에 적용하여 AERMOD 분석을 수행할 수 있다.
Kim(2020)은 AERMOD 분석시간을 줄이기 위한 분산컴퓨팅(Parallel computing) 기법을 도입하여, 분산컴퓨팅에 사용된 컴퓨터 프로세서의 개수에 상응하는 처리시간 절감효과를 보여주었다. 다만, 일반 실무자가 분산컴퓨팅 리소스에 접근하는 것은 어려운 실정이다. 따라서 본 연구에서는 Kim(2020)에서 개발된 자동화된 AERMOD 분산컴퓨팅 기법을 응용하여, 일반적인 데스크탑 컴퓨터에서 제한적으로 사용 가능한 자동화된 AERMOD 분산컴퓨팅 Python 프로그램을 개발하였다.
6. 사업 효과 추정 및 편익 산정
본 단계는 앞서 추정된 대기오염물질 농도와 인구를 매칭하여, 인구 가중된 오염물질 농도를 추정하고, 도로사업 시행 후 변화하는 오염물질 농도 수준이 인간에게 미치는 전반적인 영향을 추정한다. 인구 가중된 오염물질 농도는 아래 식을 통해서 구할 수 있으며, 사업 시행 전 ‧ 후 각각 인구 가중된 오염물질 농도를 추정하여, 그 차이를 바탕으로 전반적인 오염물질 농도 저감(또는 증가) 효과를 추정한다.
여기서, 는 인구 가중된 오염물질 농도를 나타내며, 는 각각 센서스 구역(읍명동) 의 오염물질 농도와 인구를 나타낸다.
도로사업으로 인한 오염물질 농도 저감(증가) 효과를 계량화하기 위해 다양한 지표를 고려해 볼 수 있다. 다만 오염물질 농도 저감(증가)의 효과를 계량화하는 연구는 본 연구의 범위를 벋어나며, 지표 개발 및 관련된 편익 원단위를 산정하는 일은 향후 추가 연구가 필요할 것으로 보인다. 다만, 본 연구에서는 관련된 기존 문헌을 고찰하여 현시점에서 적용 가능한 방법론을 제시하고자 한다. 본 연구는 미세먼지 저감에 따른 지불용의액에 기반한 편익 산정 방법론을 제안한다. Hwang and Son(2020)의 연구에서는 서울시 시민을 대상으로 설문조사를 수행하였으며, 연구결과 서울시 가구당 연평균 미세먼지 10µg/m3 저감을 위한 지불용의액으로 138,107원을 제시하였다. 본 연구는 Hwang and Son(2020)에서 제시된 지불용의액을 기반으로 사업 시행에 따른 편익 산정 방법론을 다음 식과 같이 제시한다.
여기서, 는 대기오염저감에 따른 성가심비용 편익, 와 는 각각 사업 시행 전 ‧ 후 통계청 센서스 구역(읍면동) 의 미세먼지 농도, 는 통계청 센서스 구역(읍면동) 의 가구 수, 는 미세먼지 저감을 위한 지불용의액: 138,107원/가구/10µg/m3
사례분석
1. 개요
본 연구는 앞서 제시된 분석방법론을 적용하여 ｢서울-양평 고속도로｣1)와 ｢제천-영월 고속도로｣2) 구간을 대상으로 고속도로 건설에 따른 대기오염농도 변화를 분석하고, 이를 바탕으로 사업 시행에 따른 효과를 분석하였다. 분석을 위해 사업 미시행/시행 시나리오에 대한 KTDB의 O/D, 네트워크 자료를 바탕으로 교통수요 분석을 수행하였다. 기준연도는 2030년과 2040년을 대상으로 하였으며(단, 일반적으로 예비타당성조사 제도에서는 분석 기간을 30년으로 하고 있으나, 본 연구에서는 분석편의상 분석 기간을 20년으로 하였음), 교통수요추정을 위해 EMME 소프트웨어를 사용하였다.
본 연구에서는 예비타당성조사 제도에 제시된 5가지 오염물질(CO, NOx, HC, PM, CO2)에 대한 오염물질 발생량을 추정하였다(예비타당성조사 제도에서 PM은 PM10을 가정하고 있으며, PM2.5에 대한 분석은 고려하고 있지 않다. 본 연구에서는 예비타당성조사 제도에 따라 PM10 분석만을 고려하고 있으나, 추후 연구에서는 PM2.5에 대한 분석도 고려해 볼 필요성이 있다.) 다만, 대기오염 농도 분석에는 CO2를 제외한 나머지 4가지 오염물질(CO, NOx, HC, PM)에 대한 분석을 수행하였다. 본 사례분석은 2030년/2040년 기준 ｢서울-양평 고속도로｣와 ｢제천-영월 고속도로｣ 사업에 대한 사업 시행 ‧ 미시행, 총 8가지 시나리오에 대해서 교통수요 분석을 수행하였으며, 각 시나리오 별로 사업 미시행 대비 시행 시의 오염물질 농도 비교를 통해 사업 시행으로 인한 오염물질 농도 변화를 추정하였다. 마지막으로 오염물질 농도 변화량에 따른 편익을 추정하였다.
2. 영향권 설정
본 연구에서는 사업 시행 전 ‧ 후 유의미한 교통량 변화가 예상되는 도로구간을 대상으로 영향권을 설정하였다. Figure 5는 EMME 모델링을 통해 예측된 사업 시행 전 ‧ 후의 일평균 교통량 차이를 보여주고 있다. 그림에서 보는 바와 같이 ｢서울-양평 고속도로｣ 사업은 수도권 동남부 지역의 도로 교통량에 유의미한 변화를 야기하는 것으로 보이며, ｢제천-영월 고속도로｣ 사업의 경우, 제천-영월 고속도로 구간 인근 도로 네트워크의 교통량에 유의미한 변화를 야기하는 것으로 나타났다.
3. 링크별 오염물질 발생량 계산
EMME 교통량 배정결과와 예비타당성조사 제도의 차종별 ‧ 속도별 배출계수를 활용하여, 링크별 오염물질 발생량을 계산하였다. 단, 앞서 방법론에서는 교통수요분석을 통해 산출된 AADT에 시간대별 교통량 분포를 적용하여, 링크/시간대별 오염물질 배출량을 산정하는 일반적인 방법론을 설명하였으나, 본 연구에서는 자료수집의 한계, 분석 편의상 EMME를 통해 산출된 링크별 AADT에 첨두시간계수(첨두시간 집중률 7.0%, 비첨두시간 집중률 2.5%, 심야시간 집중률 0%) 만을 적용하여, 링크별 오염물질 발생량을 계산하였다. 추후 연구에서는 분석대상 구간의 계절/시간대별 교통량 변동 자료를 적용하여, 분석의 정확도를 높일 필요성이 있다.
추정된 링크별 오염물질 발생량을 각각의 분석 시나리오에 대해서 집계한 결과는 Table 1과 같으며, 분석 결과 도로사업 시행 후 오염물질 발생 총량은 전반적으로 감소하는 것으로 나타났다. 특히 오염물질 발생 총량은 ｢서울-양평 고속도로｣ 사업 시나리오에서 상대적으로 더욱 크게 감소하는 것으로 나타났으며, 이는 도로사업에 따른 효과(교통량 전이/속도 증가)가 발생하는 도로구간이 ｢서울-양평 고속도로｣ 사업 시나리오에서 더욱 많기 때문으로 보인다(Figure 6에서 보는 바와 같이, ｢서울-양평 고속도로｣ 사업으로 상당수의 수도권 도로링크에서 오염물질 발생량이 감소하는 것으로 나타났다.).
Table 1.
Total of estimated pollutant emissions by scenarios (unit: kg)
4. 대기오염 농도 추정 결과
앞서 추정된 링크별 오염물질 발생량과 기상자료를 바탕으로 AERMOD를 이용한 대기확산 모델링을 수행하였다. AERMOD 결과값은 연평균 대기오염 농도(365일×24시간 개별 추정치의 평균값), 연평균 시간대별 대기오염 농도(각 시간대별로 365일 개별 추정치의 평균값), 또는 worst-case 대기오염 농도(365일×24시간 개별 추정치 값 중 최고값)의 형태 중 하나로 출력이 될 수 있다. 미국 NAAQS 분석에서는 오염물질별로 어떤 유형의 결과값을 출력하는지 정하고 있으나, 국내에서는 관련된 지침이 없어, 본 연구에서는 분석 편의상 연평균 대기오염 농도값을 출력하였다. 추후 연구를 통해 국내 대기오염농도 분석을 위해 오염물질별로 적절한 AERMOD 결과값을 결정하는 연구가 필요할 것으로 생각된다.
본 사례분석에 활용된 AERMET 기상자료는 국내 환경 엔지니어링 컨설팅 회사를 통해 구득한 서울권 2020년 기상자료를 활용하였다. 미국의 경우 일반적으로 최근 5년의 기상자료(경우에 따라 최근 1년 또는 3년)를 분석에 사용하도록 권고하고 있으나(즉, 최근 5년의 기상 현황이 장래에도 동일할 것으로 전제하고 있다), 본 연구에서는 자료 구득의 어려움 및 분석 편의상 1년 치 기상자료를 분석에 적용하였다. 또한 본 연구는 자료 구득의 한계로 서울권 AERMET 자료를 경기/강원/충청권을 포함하는 사례지역에 적용하였다. AERMOD 분석의 결과는 지역별 기상자료에 유의미한 영향을 받으며, 따라서 분석 지역의 기상현상을 반영하는 자료구축이 필수적이다(미국의 경우 일반적으로 카운티별로 AERMET 자료를 생성하여 분석에 적용하고 있다). 다만, 국내의 경우에는 지역별 AERMET 자료를 생성/관리/배포하는 기관이 없어 자료 구득이 어려운 실정이다. 미국의 경우 실무자들의 환경분석을 지원하기 위해 주별로 관련 분과를 설치하여 AERMET 자료를 자체적으로 구축하여 일반 대중에게 무료로 배포하고 있다(예: Georgia EPD, 2022). 국내에서도 환경분석을 지원하기 위한 관련된 기관 설치에 관한 논의가 필요할 것으로 보인다.
AERMET 기상자료는 분석년도의 시간대별 기상정보(8,760시간=365일×24시간)를 포함하고 있다. AERMET에 포함되는 기상정보로는 시간대별 풍향, 풍속, 기온, 습도, 기압, 현열속(Sensible heat flux), Surface friction velocity, 혼합높이(Mixing height), 모닌-오부코프 길이(Monin-Obukhov length), 표면 거칠기(Surface roughness length), 보우엔 비(Bowen ratio), 알베도(Albedo) 등을 포함하고 있다.
AERMOD 분석은 통계청 센서스 구역의 지리적 중심점을 기준으로 대기오염 농도를 추정하였다. 통계청으로부터 2020년 기준 인구자료를 수집하였으며, 읍면동을 기준으로 분석을 수행하였다. 본 연구에 활용된 통계청 센서스의 읍면동 shape 파일은 Figure 7과 같으며, ArcGIS를 활용하여 각 읍면동 구역의 지리적 중심점을 구하였다. 영향권 내 통계청 센서스 자료의 지리적 중심점을 추출한 결과, ｢서울-양평 고속도로｣ 시나리오의 경우 641개의 읍면동과 ｢제천-영월 고속도로｣ 시나리오의 경우 153개의 읍면동이 선정되었다(Figure 7). 각 영향권 별로 산정된 통계청 인구자료를 통해 ｢서울-양평 고속도로｣ 시나리오의 경우 영향권 내 약 13백만 명의 인구가 거주하며, ｢제천-영월 고속도로｣ 시나리오의 경우 약 1.1백만 명의 인구가 거주하는 것으로 나타났다.
본 연구는 오염물질(CO, HC, NOx, PM) 및 분석 시나리오별로 대기오염농도를 추정하였으며, 논문의 분량을 감안하여 시각화된 PM 농도 분석결과를 예시로 제시하였다(Figure 8). 단, 본 연구에서는 차량에서 대기중으로 직접 배출되는 1차 입자(primary particle)만을 분석에 고려하였으며, 대기 중으로 배출된 VOCs가 대기상에서의 화학반응 등으로 생성되는 2차 입자(secondary particle)는 분석의 편의상 고려하지 않았다. 현행 예비타당성조사 제도의 차량 배출계수 또는 기타 국립환경과학원의 차량 배출계수로는 화학반응으로 인한 PM 농도는 분석이 어려우며, 추후 관련된 연구를 고려해 볼 필요성이 있다. Figure 8은 사업 시행 전 ‧ 후의 각 센서스별 PM 농도의 차이를 나타내며, 붉은색 계열의 지역은 사업 시행 후 오염물질 농도가 증가한 지역이며, 초록색 계열의 지역은 사업 시행 후 오염물질 농도가 감소한 지역이다. Figure 8에서 보는 바와 같이 전반적으로 도로 사업구간 주변지역의 오염물질 농도는 전반적으로 증가한 것으로 나타났으나, 이를 제외한 지역은 전반적으로 오염물질 농도가 감소하는 경향이 나타났다.
이는 고속도로 건설로 인해 신규 도로 건설구간에 차량이 유입되면서 주변지역의 오염물질 농도는 증가하나, 고속도로 건설로 인해 교통량이 전이되면서 타 지역의 교통량 감소와 통행속도의 향상으로 오염물질 농도는 감소할 수 있음을 보여준다. 특히 수도권과 연결되는 ｢서울-양평 고속도로｣ 사업의 경우, 수도권 교통량이 전이됨에 따라 수도권의 대기오염 농도는 전반적으로 감소할 수 있음을 보여준다. 다만, 고속도로 건설 구간의 오염물질 농도는 상당한 신규 교통량의 유입으로 증가할 수 있으므로, 해당 지역의 오염물질 농도 완화를 위한 노력이 필요할 것으로 판단된다. 참고로 미국의 경우, 교통에 기인한 오염물질 농도 저감을 위해 대중교통개선, 공유모빌리티, 교통흐름개선, 교통수요관리, 보행/자전거 개선 프로그램, 차량 유지/관리 프로그램 등의 교통 개선 사업에 재정 지원하는 CMAQ(Congestion Mitigation and Air Quality Improvement) 프로그램을 운영하고 있다(USDOT, 2022).
5. 편익산정 결과
사업 시행에 따른 전반적인 오염물질 농도 변화를 추정하기 위해서 인구 가중된 오염물질 농도를 앞서 제시된 식을 통해 계산하였으며, 분석결과는 Table 2와 같다. Table 2에 제시된 바와 같이 인구 가중된 오염물질 농도 추정 결과, 고속도로 건설로 인해 영향권의 오염물질 농도는 전반적으로 감소하는 것으로 분석되었다.
대기오염 농도 변화 추정 결과를 바탕으로 고속도로 사업 시행에 따른 편익을 추정하였다. 영향권 인구는 통계청 인구자료를 기반으로 하였으며, 통계청 읍면동 별 인구자료에 추정된 대기오염 농도를 매칭하여, 읍면동 별 인구 가중된 오염물질 노출 수준을 분석하였다.
Table 2.
Population weighted pollutant concentrations by scenarios (unit: µg/m3)
미세먼지 저감에 따른 지불용의액에 기반한 편익 산정결과 연간 약 22-1,084백만 원의 편익이 발생하는 것으로 나타났다(Table 3). 일반적으로 고속도로 사업이 환경에 안 좋은 영향을 미치는 것으로 간주되나, 사례분석 결과, 사업에 따른 교통행태의 변화에 따라 오염물질 농도가 감소될 수 있다는 긍정적 효과를 제시한다는 측면에서 의의가 있다. 이는 사업 시행에 따라 일부 지역에서는 오염물질 농도가 증가하여 부의 편익이 발생하며, 다른 지역에서는 양의 편익이 발생한 결과를 종합한 것으로 일부 지역의 사람들에게는 보다 큰 편익이 돌아갈 수 있음을 보여준다. 다만 상대적으로 부의 편익이 발생하는 지역에 대해서는 미세먼지 저감을 위한 대책 마련이 필요함을 시사한다.
결론
최근 예비타당성조사 제도 개편으로 정책성 평가가 강화됨에 따라 도로사업의 타당성 제고를 위해 새로운 정책성 평가지표 및 신규 편익을 발굴해야 할 필요성 있으며, 이러한 변화의 흐름 속에 본 연구는 도로사업의 타당성 제고를 위한 신규 평가지표를 제안하였다. 특히 본 연구는 기존 평가체계 내에서는 제한적으로 고려되었던 도로사업으로 인한 환경편익을 보다 면밀히 분석하는 새로운 방법론을 제시하였다. 이를 위해, 상대적으로 관련된 연구를 선도하고 있는 미국의 교통환경영향평가 체계를 검토하고, 관련된 분석 툴의 개발 동향과 이용현황을 검토하였다. 미국의 경우 교통사업으로 인한 환경 영향을 면밀히 분석하기 위한 체계적인 평가체계를 과거부터 정립하였으며, 분석의 편의와 정확성을 담보하기 위한 고급 모델링 프로그램(예: MOVES, AERMOD 등)을 개발하고, 교통여건의 변화에 따라 지속적으로 프로그램을 개선해왔다.
본 연구는 국내 도로사업으로 인한 대기오염물질의 공간적 확산 행태를 분석하고 관련된 편익을 추정하는 체계적인 방법론을 제시하고, 이를 바탕으로 예비타당성조사 제도 내에서 적용가능한 정책성 평가지표 및 신규편익을 제시하고자 하였다. 특히 본 연구는 국내 적용을 위해 AERMOD에 기반한 대기확산 모델링 방법론을 제시하였으며, 국내 실무자들의 분석 편의를 돕고자 Python 기반의 AERMOD 모델링 시스템을 개발하였다.
본 연구에 제시된 대기오염물질 공간적 확산 분석 모델링 툴을 검증하고자, ｢서울-양평 고속도로｣와 ｢제천-영월 고속도로｣ 구간을 대상으로 고속도로 건설에 따른 대기오염농도 변화를 분석하고, 이를 바탕으로 사업 시행에 따른 효과를 분석하였다. 사례 분석결과, 도로 사업으로 인해 일부 지역(특히 신규 도로 사업구간 주변)에서는 오염물질 농도가 증가할 수 있으나, 대다수의 지역은 오염물질 감소로 인한 편익이 증가할 것으로 나타났다. 링크별 오염물질 발생량 분석 결과, ｢서울-양평 고속도로｣와 ｢제천-영월 고속도로｣ 사업 시행 후 도로에서 발생하는 오염물질 총량은 전반적으로 감소하는 것으로 나타났다.
마찬가지로 AERMOD를 기반으로 한 대기오염 농도 추정 결과, 고속도로 건설로 인해 영향권의 오염물질 농도 저감 효과가 있는 것으로 나타났다. 대기오염 농도 변화 추정 결과를 바탕으로 고속도로 사업 시행에 따른 편익을 추정하였으며, 지불용의액에 기반한 편익 추정 결과 연간 약 22-1,084백만 원의 편익이 발생하는 것으로 나타났다.
본 연구는 대기확산 모델링을 통한 오염물질 저감효과의 정책성 지표 활용 가능성을 확인하였으나, 보다 신뢰성 있는 평가지표로 광범위하게 활용되기 위해서는 몇몇 추가연구가 필요할 것으로 판단된다. 국내의 차종별 오염물질 발생계수는 2000년대 중반 개발된 이후 특별한 모형의 발전이 이루어지지 않고 있다. 미국의 경우 MOVES와 같은 고급 모델링 툴을 개발하였으며 차량기술 향상에 따른 오염물질 발생계수를 지속적으로 개선하고 있으며, 미국의 사례와 같이 정밀한 오염물질 발생량 계산 툴을 개발할 필요성 있다. 다만, 오염물질 발생계수 산정을 위해서는 다양한 차종에 대한 실험이 필요하며 이에 따르는 상당한 비용과 시간이 요구되므로, 예산 제약 등을 고려할 때 MOVES 프로그램의 국내 적용방안을 고려해 볼 필요성이 있다. 또한 추후 연구에서는 AERMOD 대기오염 농도 추정치를 관측치와 비교하여 검증 및 모델링 계수 조정을 하는 방법론을 개발할 필요성이 있다(Zhai et al., 2016). 국내에서는 한국환경공단에서 전국 주요지점을 대상으로 대기오염 관측소를 설치하여 시간대별 오염물질 농도 자료를 제공하고 있으며, 이를 AERMOD 분석을 통해 추정된 대기오염 농도의 검증 및 계수 조정에 사용할 수 있을 것으로 보인다. AERMOD 분석은 광범위한 입력자료를 요구하며, 일반적으로 사용하기 어렵다. 따라서 국내 실무자들의 분석 편의성을 도모하기 위해, 공공부문에서 입력자료(AERMET 자료)를 구축하고, 공공 포털 등을 통해 배포할 필요성이 있으며, AERMOD 분석을 위한 트레이닝 프로그램을 고려할 필요성이 있다.
본 연구에서는 사례분석을 통해 도로사업에 따른 몇몇 환경편익(지불용의액, 건강편익)을 추정하였으나, 본 연구에서 다루지 못한 추가 편익을 발굴해 볼 수 있다. 예를 들어 추후 연구에서는 타 오염물질(CO, NOx, HC) 농도 변화에 따른 편익, 기타 건강편익(폐암, 심장질환, 조기사망 등)에 대한 보다 심도 있는 문헌고찰을 통해 추가 편익을 발굴해 볼 필요성이 있다.
