서론

1. 연구의 배경 및 목표

전 세계적인 이상 기후 현상은 온실가스를 감축해야 한다는 위기의식을 만들었다. 우리 정부도 2050년 탄소중립 실현을 선언하였으며 이를 달성하기 위한 시나리오를 발표했다. 수송부문은 우리나라 온실가스 총 발생량의 상당 부분을 차지하고 있으며 2018-2019 평균 배출량은 100.4백만 톤(Ministry of Environment, 2020)에 달한다. Park(2022)에 따르면 2050 탄소중립 시나리오의 수송부문 정책 방안 중 도로 부문의 핵심적인 내용은 전기자동차와 수소자동차의 보급을 최대화하고 잔존하는 내연기관차의 경우 대체연료를 개발하는 것이다(PAN-government, 2021). 광주광역시의 경우 2021년 7월 전국 최초로 ‘2045년 탄소중립 에너지 자립 도시’를 비전으로 제시하며 온실가스 저감을 통해 친환경 도시로 변모하고자 노력하고 있다(Gwangju Jeonnam Research Institute, 2020).

전기자동차는 전기에너지를 동력원으로 사용하는 자동차로서 하이브리드자동차, 수소자동차와 함께 환경친화적인 자동차로 정의되어 있다(Korea Ministry of Government Legislation, 2021). 화석연료를 사용하여 이산화탄소(이하 CO₂)와 매연을 직접적으로 방출하는 내연기관차와는 다르게 주행하는 공간에 CO₂를 발생시키지 않는다는 점에서 환경친화적이라고 할 수 있다. 유럽의 경우 2035년 이후부터 소형차의 탄소 배출을 100% 감축하는 목표치를 설정하여 내연기관차의 판매 금지를 고려하고 있다(European Commission, 2021). 우리나라의 경우 전국적으로 2021년 말 기준 총 231,443대의 전기자동차가 누적 등록되어 있으며, 특히 제주특별자치도의 경우 25,380대의 전기자동차가 등록되어 있다(Ministry of the Interior and Safety, 2022). 또한 제주특별자치도는 2022년 9월 기준 전체 택시 5,122대 중 약 27.4%인 1,405대가 전기자동차로 환경친화적인 자동차 보급을 적극적으로 유도하고 있다(Jeju Research Institute, 2022).

특히 택시의 경우 일반 비사업용 승용차의 1일 평균 주행거리에 비해 월등히 긴 거리를 운행할 것으로 예상되므로 택시를 환경친화적인 전기자동차로 전환했을 경우 환경 측면에서의 비용 효율성이 상당할 것으로 판단된다. 예를 들면 2020년 광주광역시 일반 비사업용 승용차의 1일 평균 주행거리는 32.9km이고 본 연구를 통해 분석된 광주광역시 택시의 1일 평균 주행거리가 231km인 것을 보면 대략 7배가량의 비용 효율성을 보일 것으로 예상된다(Korean Statistical Information Service, 2022).

2022년 3월 기준 광주광역시에 등록된 택시 면허대수는 8,153대이며 운전자는 7,516명 규모로 제주특별자치도에 비해 전체 운행 중인 택시의 규모는 더 크지만, 광주광역시 내부 자료에 따르면 2021년 말 기준 전기자동차 택시의 규모는 100여 대 수준으로 제주특별자치도 대비 현저히 적은 수준이다(Korea National Joint Conference of Taxi Association, 2022). 2022년 기준 광주광역시 전기자동차 지원금 규모를 살펴보면 총 2,819대의 전기승용차와 전기 화물차에 지원금을 지원할 예정이며 전기승용차 보급 물량 중 10%를 택시에 지원할 예정이다. 택시의 경우 지자체의 기본적인 보조금과 함께 국비 200만 원이 추가적으로 지원된다(Gwangju Metropolitan City, 2022).

본 연구에서는 광주광역시 탄소중립 목표를 달성하기 위한 전략의 하나로 지역에서 운행 중인 택시를 전기자동차로 변경하였을 때의 효과를 산정할 수 있는 방법론을 개발하고, 이를 이용하여 전기자동차 택시의 시장점유율에 따라 에너지 소모량, 온실가스, 비용 측면에서의 영향을 분석하고 이를 기반으로 지자체의 친환경 교통에 관한 시사점을 제시하는 것을 목표로 한다.

2. 선행연구

전기자동차와 관련된 연구들을 살펴보면 충전소의 최적 위치에 관한 연구가 주류를 이루고 있는 반면 전기자동차 택시가 연료 소모량에 미치는 영향을 네트워크 차원에서 산정한 연구는 매우 제한적으로 국내외에서 수행된 관련 연구는 다음과 같다. Shi et al.(2015)은 베이징시의 가솔린 사용 택시를 전기자동차로 전환하였을 때의 환경적인 영향을 생애 주기 평가(Life Cycle Assessment) 모형을 이용하여 분석하였다. 분석을 통해 전기자동차는 가솔린 사용 택시에 비해 전 생애 주기의 환경영향은 적지만 배터리 생산과정에서의 환경영향은 큰 것으로 결론지었다. Teixeira and Sodre(2016)는 브라질의 내연기관 택시를 전기자동차로 변경하였을 때의 온실가스와 에너지 사용에 대한 영향을 시뮬레이션을 활용하여 산정하였다. 15년 동안의 다양한 시장 점유율의 변화가 반영된 시나리오들이 시뮬레이션으로 평가되었으며, 연구결과 가장 불리한 시나리오의 경우에도 전기자동차는 기존 차량보다 10배 더 낮은 CO₂를 배출하는 것으로 분석되었다. Bauer et al.(2018)은 뉴욕의 택시 주행 자료를 이용하여 agent-based 모델을 개발하여 공유 자율주행 전기자동차 택시의 효과를 비용, 에너지, 환경 측면에서 산정하였다. 분석 결과 공유 자율주행 전기자동차 택시는 현재의 시스템과 비교하여 마일 당 약 0.05-0.08달러의 비용을 절약하고 에너지와 온실가스는 각각 58%, 73% 저감할 것으로 예측하였다. Mingolla and Lu(2021)는 홍콩에서 운행되고 있는 택시들에서 배출되는 온실가스를 경감시키기 위하여 전기자동차, 수소전기자동차, 보다 효율적인 내연 기관 차량으로 전환하였을 경우의 영향을 산정하고 비교하였다. 연구결과를 통해 재생 에너지로 만들어진 수소로 연료를 공급받는 수소전기자동차와 배터리 교체 스테이션이 있는 전기자동차가 비용을 낮출 수 있다고 강조하였다. Rajagopal et al.(2022)은 국내의 카카오택시와 유사한 인도 뉴델리의 호출 택시인 OLA Cap의 운행 자료를 연구에 활용하여 전기자동차 택시의 효과를 경제 및 환경 측면에서 산정하였다. 구체적으로 택시의 운행정보 중 출발 지역, 도착 지역, 통행시간, 통행거리, 평균속도 등을 분석하여 시간대별 수요를 예측하고 이를 거시적인 시뮬레이션의 입력자료로 활용하였다. 온실가스, 배기가스 및 미세먼지에 대한 영향은 Argonne National Laboratory에서 개발한 GREET 모형을 사용하였다. 연구결과 전기자동차 택시는 CNG 사용 택시와 디젤 사용 택시에 비해 각각 15%와 27% 온실가스를 감소시킬 수 있는 것으로 예측하였다.

국내에서 수행된 전기자동차와 관련된 연구들을 살펴보면 Lee et al.(2013)은 전기자동차 보급률을 예측하고 고속도로에서 이에 따른 온실가스 감축량을 KTDB를 이용한 EMME3 모형을 활용하여 예측하였다. 연구결과 전기자동차 보급 전망에 따라 2020년에 미시행 대비 약 12.8%의 온실가스 저감효과가 발생할 것으로 예측하였다. Lee et al.(2018)은 온실가스 감축을 위한 교통정책의 효율성을 평가하기 위한 방법론을 개발하고 이를 적용하여 다양한 교통정책들의 온실가스 감축 효과를 산정하였다. 연구에서는 저공해차 보급정책의 일환으로 전기자동차의 효과를 거시적으로 산정하였다. 구체적으로 저공해차 보급에 따른 온실가스 감축률을 화석 연료차의 온실가스 배출계수 대비 전기자동차 온실가스 배출계수 수준인 0.5로 산정하였다. 이는 전기자동차는 CO₂를 직접적으로 배출하지 않으나, 연료 공급단계 및 자동차 운행단계의 에너지 사용을 반영한 것이다. Jeon and Kim(2019)은 통합모형인 Global Change Assessment Model을 활용하여 정부의 전기자동차 보조금 정책에 따른 온실가스 감축 효과를 산정하였다. 연구결과 2030년 기준 100% 보조금을 유지하는 경우 총 5.09Mt의 CO₂를 저감하는 것으로 예측하였다.

문헌고찰을 통해 알 수 있듯이 해외에서는 제한적이긴 하나 택시를 전기자동차로 전환했을 때의 에너지 및 온실가스 측면에서의 영향을 분석한 연구들이 있었으나 국내의 경우 특정 지역의 네트워크 차원에서 택시를 전기자동차로 전환하였을 때의 영향을 종합적으로 산정한 연구를 찾기 힘들었다. 해외의 경우 Rajagopal et al.(2022)의 연구가 택시의 운행 자료를 활용하였다는 점에서 본 연구와 가장 유사하나, 분석방법에 있어 거시적인 모형을 사용한 점이 다르다. 따라서, 본 연구는 미시적인 운행 자료를 활용하여 택시군의 지역적인 운행 특성을 반영하여 전기자동차 택시의 영향을 종합적으로 산정하였다는 점에서 이전의 연구들과 차별성을 가진다.

본론

1. 광주광역시 택시 운행 데이터

2022년 3월 기준 광주광역시에 등록된 택시 면허대수는 8,153대로(Korea National Joint Conference of Taxi Association, 2022) 법인택시는 6부제, 개인택시는 3부제로 운행 중에 있다. 법인택시와 개인택시의 운전자 수는 각각 2,727명, 4,789명 수준으로 운영 중인 택시부제를 감안하면 하루 평균 5,464대가 운행을 하는 것으로 판단된다. 본 연구에서는 광주광역시의 택시 운행 특성을 모델링 하기 위하여 택시에 장착된 운행 기록 장치(Digital Tachograph:이하 DTG)에 의해 수집된 자료를 활용하였다. DTG를 통해 수집되는 자료들은 교통안전법 시행규칙에 기술되어 있는데, 크게는 차량 관련 정보와 차량 주행 정보로 구분할 수 있다. 차량 관련 정보에는 차대번호, 자동차 유형, 자동차 등록번호, 운송 사업자 등록번호, 운전자 코드가 포함되며, 차량 주행 정보에는 주행거리, 정보 발생 일시, 차량 속도, 엔진 회전수, 차량 위치, 방위각, 가속도가 포함된다. 본 연구에서는 운송 사업자 등록번호와 자동차 유형을 이용하여 광주광역시의 택시 자료를 추출하였으며 개별 택시들의 하루 단위 기록으로 분리하여 분석을 수행하였다. 본 연구에 활용된 데이터셋은 2016년 9월 1일부터 9월 7일까지 총 1주일 동안 광주광역시에서 수집된 택시들의 운행 기록으로 2016년 당시의 택시통계를 살펴보면, 택시 면허대수가 8,204대로 2022년과 비교하여 면허대수의 차이가 50여 대로 택시 운행 패턴의 변화가 크지 않을 것이라는 가정하에 연구를 수행하였다.

본 연구에 사용된 자료는 총 1,369개의 파일로 각각의 파일은 한 대의 택시가 하루 동안 운행한 차량의 순간속도, 위치 등이 기록되어 있다. Table 1은 요일별 택시들의 운행 특성 값들의 평균과 표준편차를 나타내고 있는데, 평균 운행시간은 토요일이 가장 긴 11.2시간을 보였으며, 월요일과 일요일이 가장 짧은 9.5시간으로 나타났다. 일평균 총 운행거리도 운행시간과 동일한 패턴을 보여 토요일이 가장 긴 265km로 나타났다. 반면 일요일이 가장 짧은 2.8시간의 공회전 시간과 가장 높은 27.0km/h의 평균 운행속도를 보이는 것으로 분석되었다.

Figure 1은 앞서 언급된 택시의 운행 특성값들의 분포를 보여주고 있는데, 하루 운행시간 분포에 여러 개의 정점(Peak)이 존재하고 있어 3개의 정규분포로 구성된 혼합 분포(Mixture distribution)와 같은 모습을 보이며, 하루 통행거리과 공회전 시간 분포에서도 1개 이상의 정점이 있는 것을 알 수 있다. 이는 택시의 특성상 부제 운행 등과 같은 요인에 의한 것으로 판단된다. 그리고 본 연구에서 산출한 운행시간은 DTG 기록상에 엔진속도가 0이 아닌 첫 번째 레코드의 시간과 기록이 종료된 시간을 기준으로 계산을 수행한 것으로 운행시간에는 유지관리 혹은 운전자 휴식을 위해 운행을 멈춘 시간도 포함된 것임을 주지할 필요가 있다. 이러한 사항은 본 연구가 택시의 순간 속도와 가속도를 사용하여 초 단위의 액화석유가스(Liquefied Petroleum Gas: 이하 LPG) 및 에너지 소모량을 예측하고 이를 집계하여 영향을 산정하므로 연구결과에는 영향을 미치지는 않는다.

Figure 1.

Distributions of operational characteristics of taxis

Figure 2는 한 대의 택시가 하루 동안 운행한 기록을 지도상에 나타낸 것으로 지도 위의 노란색 선이 택시의 운행 경로를 나타낸 것으로 진한 노란색의 경우 대상 택시가 동일한 도로 구간을 반복적으로 운행한 것을 나타내고 있다. 그림에서 보는 바와 같이 대상 택시는 하루 동안 광주 전역을 구석구석 운행한 것을 확인할 수 있다. 대상 택시의 DTG 파일에는 2016년 9월 1일 하루 동안 총 13시간 52분 동안의 운행 이력이 기록되어 있으며 총 264km를 운행, 공회전을 5시간 11분 한 것으로 분석되었다. 공회전은 승객을 기다리는 경우와 교통정체 혹은 교통신호에 의해 발생된 것이다. 대상 택시의 순간 속도와 가속도를 입력 변수로 하여 다음 장에서 설명될 모형들을 활용하여 예측한 LPG 소모량은 35.0L이며, 전기자동차라면 44.8kW/h를 소모한 것으로 산정되었다.

Figure 2.

Illustration of a daily trip history of a taxi

2. LPG 및 에너지 소모량 예측 모형

이번 장에서는 광주광역시에서 운행하는 택시들이 LPG 자동차, 전기자동차일 경우의 에너지 소모량을 예측하기 위하여 사용한 모형들에 대하여 설명한다. 교통분야에서 차량의 에너지 소모량과 배기가스 방출량을 예측하기 위하여 다양한 모형들이 사용되고 있는데, 이들 모형들은 크게 두 종류로 구분되며, 교통수요예측을 통해 지역 단위의 총량을 예측하기 위해 사용되는 거시적인 모형과 교통운영의 친환경성을 평가하기 위해 프로젝트 단위 예측에 사용하는 미시적인 모형이 있다(Park et al., 2016). 본 연구에서는 DTG로 수집된 택시들의 초 단위의 운행 자료를 이용하므로 미시적인 모형을 사용하였다.

본 연구에서는 택시들의 LPG 소모량을 예측하기 위하여 VT-Micro 모형을 사용하였다. VT-Micro 모형은 내연기관이 장착된 차량의 연료 소모량과 배기가스 방출량을 산출하는 수학적인 모형으로서 미국 Oak Ridge National Laboratory와 미국 환경보호국이 수집한 자료들을 사용하여 개발되었다. 구체적으로 Equation 1에서 보는 바와 같이 차량의 순간 속도 및 가속도를 독립변수로 하는 회귀 모형으로 개발되었다(Rakha et al., 2004).

여기서, MOE_e는 효과 척도인 연료 소모량(L/s), HC, CO, NO_X, CO₂ 방출량(g/s), u는 차량 속도(km/h), a는 차량 가속도(km/h/s), i 는 속도의 거듭제곱, j 는 가속도의 거듭제곱, L_e,i,j, M_e,i,j는 속도와 가속도의 회귀 모형의 계수이다.

VT-Micro 모형에는 다섯 가지의 승용차 모형이 존재하는데 본 연구에서는 차량 연식이 가장 낮고 총 주행거리가 짧은 LDV3 모형을 사용하였다. 승용차 모형에 대한 자세한 설명은 참고문헌에 자세히 기술되어 있다(Rakha et al., 2004). VT-Micro 모형은 휘발유를 사용하는 승용차의 연료 소모량을 산출하므로 본 연구에서 LPG 소모량을 산출하기 위하여 VT-Micro 모형으로 산출된 휘발유 소모량을 이론적인 단위연소열을 기준으로 LPG 소모량으로 변환하였다. 휘발유와 LPG의 리터당 단위 연소열은 각각 8,407과 7,428kcal/L 이다(Jung, 2010). 한편 전기자동차 택시의 에너지 소모량을 예측하기 위하여 The Virginia Tech Comprehensive Power-based EV Energy consumption Model(이하 VT-CPEM)을 사용하였다(Fiori et al., 2016). VT-CPEM 모형은 VT-Micro와 마찬가지로 미시적인 모형으로 전기자동차의 순간적인(instantaneous) 에너지 소모량을 산출하기 위하여 개발된 모형이다. 모형은 차량에 작용하는 힘에 기반하여 개발되었으며 VT-Micro 모형과 동일하게 속도, 가속도, 도로의 경사도를 입력자료로 사용한다(Rakha et al., 2004; Fiori et al., 2016). 모형을 통해 단위 거리당 에너지 소모량(kWh/km), 소모된 순간적 파워(kW), 브레이크 사용에 따라 재생성된 순간적인 에너지(kW)와 최종적인 배터리 충전상태(%)가 산출된다. 모형의 구조는 Equation 2에서 보는 바와 같이 간단한 구조를 가지고 있으며, 브레이크 조작에 따른 배터리 충전효과를 모델링 할 수 있는 장점을 가지고 있다.

여기서, P_W(t)는 차량에 작용하는 파워이며, m은 차량의 중량(kg), a(t)는 차량 가속도(m/s²), g는 중력가속도(m/s²), C_r, c₁, c₂는 구름저항계수(rolling resistance parameter), v(t)는 차량의 속도(m/s), ρ_Air는 공기밀도(kg/m³), A_f는 차량의 전면부 면적(m²), C_D는 차량의 공기저항 계수, G는 도로의 경사도이다.

최종적으로 차량의 배터리에서 소모되는 파워를 산출하기 위하여 Equation 3을 이용하는데 보는 바와 같이 Equation 2에서 산출된 P_W(t)에 다양한 계수들을 적용하고 차량 내 보조 시스템에 사용되는 파워(P_AUX)를 합산하여 계산한다.

여기서, P_B(t)는 배터리에서 소모되는 파워, η_D는 동력 전달 장치의 효율, η_M은 전기모터 효율, η_B는 배터리 효율, η_rb는 재생산 브레이크 에너지 효율로 Equation 4에 의해 계산되며, P_AUX는 차량 내 보조 시스템에서 사용되는 파워이다.

브레이크 사용에 따른 에너지 재생산은 차량이 감속하게 되면 Equation 2를 이용하여 계산된 파워가 음수가 되며 Equation 3에서 브레이크 에너지 효율 계수가 적용되어 배터리에 충전되는 것을 모델링 하게 된다. 본 연구에서는 참고문헌에서 검증된 니산에서 생산된 리프(Nissan Leaf EV) 전기자동차를 사용하였다(Fiori et al., 2016).

본 연구에서 두 모형을 사용함에 있어 모든 도로의 경사도를 매칭하는데 어려움이 있어 입력자료의 하나인 도로의 경사도는 모두 평지로 가정한 한계를 가지고 있다. 하지만 본 연구는 결괏값의 정확도에 중점을 둔 것이 아닌 LPG 사용 택시와의 상대적인 비교가 더욱 중요하고, 광주광역시 도로망의 상당 부분이 심한 산지가 아니므로 연구 결과의 해석에 큰 무리가 없을 것으로 판단된다.

3. 광주광역시 1일 택시 에너지 소모량

본 연구에서는 광주광역시에서 운행되고 있는 택시들이 전기자동차로 전환되었을 때의 영향을 산출하기 위하여 시뮬레이션 기법을 활용하였다. 그 절차는 Figure 3과 같으며 2022년 3월 기준 택시부제를 기준으로 하루 총 5,464대의 차량이 운행하는 것으로 가정하였으며, 크게 두 가지의 종류의 시나리오로 구분하여 분석을 수행하였다. 첫 번째 시나리오는 전기자동차 택시의 양적 변화에 따른 영향을 산정하기 위하여 시간은 고려하지 않고 전체 택시 중 전기자동차로 전환되는 비율을 변화시키는 것이며, 두 번째 시나리오는 광주광역시의 보조금 규모를 기준에 따라 연평균 전환율을 산정하고 시계열로 전기자동차로 전환되는 택시의 수를 변화시키는 것이다.

Figure 3.

Diagram of the simulation procedure

시나리오 별로 전기자동차의 전환율을 변화시키면서 시뮬레이션을 수행하였는데, 구체적으로 전환율에 따라 이에 해당하는 개수의 난수를 생성하고 이에 해당하는 DTG 파일을 전기자동차로 지정하여 에너지 소모량을 산출하였다. 한편 LPG 택시의 경우, 하루 동안 운행하는 총 택시에서 전기자동차를 제외한 차량들의 수만큼 난수를 생성하여 무작위적으로 DTG 파일을 선택하여 LPG 소모량을 산출하였다. 최종적으로 개별 차량들의 LPG 소모량과 에너지 소모량을 합산하여 전기자동차 점유율 변화에 따른 에너지 소모량, 비용 및 온실가스 방출량에 대한 영향을 종합적으로 산정하였다. 각 시나리오는 결괏값의 신뢰도를 높이기 위하여 새로운 난수들을 생성하여 총 30회 시뮬레이션을 반복적으로 수행하고 이를 평균하여 결과를 산출하였다. 참고로 난수 생성을 위하여 0과 1구간 안에서 확률변수들의 채택될 확률이 모두 같은 균일분포를 이용하였다.

1) 전기자동차 택시 점유율 변화에 따른 영향 예측

LPG 사용 택시들이 전기자동차로 전환되는 비율에 따른 영향을 산정하기 위하여 점유율을 1.8%(2022년 현황)에서 100%까지 5% 단위로 변화시키면서 시뮬레이션을 수행하였다. 앞서 언급한 것처럼 2022년 현재 광주광역시에 운행 중인 전기자동차 택시는 100여 대 수준이며 대다수 개인택시로, 본 연구에서는 현재 100대의 전기자동차 택시가 운행하는 것으로 가정하였다. Table 2는 점유율에 따라 전기 사용량, LPG 사용량, 전기사용에 따른 이산화탄소 환산량(CO₂ equivalent 이하 CO2eq), LPG 사용에 따른 CO₂ 방출량, 에너지 사용에 따른 비용 및 CO₂ 방출에 따른 비용을 보여주고 있다. 비용을 계산하기 위하여 2022년 7월 시점의 가격인 LPG의 경우 리터당 951.73원을(Gyeonggi-do Taxi Association, 2022), 전기 충전의 경우 kWh당 318.1원을 적용하였으며(Chosun Daily, 2022), 이산화탄소의 경우 2022년 7월 한국거래소 탄소배출권 1톤당 2만 7천 원을 적용하였다(Korea Exchange(KRX) 2022). 전기 사용에 따른 CO2eq는 ‘온실가스 배출거래제의 배출량 보고 및 인증에 관한 지침‘ [별표6] <표69>의 국가 고유 전력 배출 계수(’14-‘16년 평균)에 지구온난화지수를 반영한 전력 배출 계수 0.45941tCO2eq/MWh를 적용하여 산출하였다(Korea Ministry of Government Legislation, 2020).

Table 2와 Figure 4에서 보는 바와 같이, 전기자동차의 점유율이 증가함에 따라 약간의 변동은 있으나 거의 선형적으로 CO₂ 배출량 및 연료비용과 이산화탄소비용을 합친 총비용이 감소하는 것을 알 수 있다. 우선 광주광역시 택시 운행 현황을 살펴보면, 전기자동차 택시의 시장점유율은 1.8%로 하루 평균 총 3.6MWh를 소비하고, LPG 사용 택시는 총 146.1m³의 LPG 소비하며, 연료비용은 총 1억 4천만 원으로 분석되었는데 이는 택시 한 대당 하루 약 2만 6천 원의 연료를 소비하는 것이다. 시장점유율 변화에 따른 영향을 살펴보면, 전기자동차 점유율이 5% 증가하면 평균적으로 하루 전기 사용량은 9.9MWh 증가하고, LPG 사용량과 CO₂ 방출량은 각각 7.3m³과 10.8ton 감소하는 것으로 산정되었다. 비교적 단기에 달성할 수 있을 것으로 판단되는 전기자동차 점유율 5%와 10%의 경우, 현황 대비 CO₂는 각각 8.1과 17.2ton을 총비용은 3.3과 6.8백만 원을 감소시킬 수 있는 것으로 분석되었다. Figure 4는 현황대비 CO₂와 총비용의 상대적인 변화를 보여주고 있는데, CO₂는 각각 2.7%와 5.7%, 총비용은 2.2와 4.6% 감소한 것을 볼 수 있다. 중장기적인 관점에서 전기자동차 점유율이 50%와 100% 달성된다면, CO₂는 34.2%와 69.5%, 비용은 27.4%와 55.7% 감소시킬 수 있는 것으로 분석되었다.

Figure 4.

Relative differences in CO₂ and cost compared to the present by electric taxi market share

2) 광주광역시 보조금에 따른 장래 영향 예측

본 장에서는 광주광역시가 전기자동차 택시에 지급하고 있는 보조금 예산 수준에 따라 향후 환경과 에너지 사용량에 어떤 영향을 미치는지를 예측하였다. 예측을 위하여 장래 보조금의 예산 규모는 매년 2022년 편성된 예산과 동일한 것으로 가정하였다. 구체적으로, 2022년 광주광역시는 220여 대의 택시에 보조금을 지급하는 계획을 가지고 있으며, 이러한 계획을 100% 달성하는 것으로 가정하였다.

또 한 가지 고려하여야 할 사항은 택시부제에 관한 사항으로 광주광역시에 운행 중인 개인택시의 경우 3부제, 법인택시의 경우 6부제로 운행 중에 있으나, 전기자동차 택시의 경우 이러한 부제를 따르지 않고 자유롭게 운행할 수 있다. 그리고 광주광역시에서 운행 중인 대부분의 전기자동차 택시가 개인택시인 점을 감안하여 향후에도 이러한 경향이 지속되는 것으로 가정하였다. 이는 궁극적으로 3부제로 운행 중인 개인택시가 전기자동차로 전환함에 따라 부제에 상관없이 자유롭게 운행을 할 수 있게 됨에 따라 하루 운행하는 택시의 규모가 증가하는 결과를 발생시킨다. 본 연구에서는 전기자동차 택시의 경우 6부제 혹은 7부제로 운행하는 것으로 가정하여 분석을 수행하였다.

Table 3은 2022년을 기준연도로 하여 2025, 2030, 2035, 2040, 2044년의 전기자동차 개인택시, LPG 개인택시, LPG 법인택시, 전기자동차 택시가 6부제 혹은 7부제로 운행하였을 때의 하루 운행하는 택시의 대수를 보여주고 있는데, 2044년의 경우 모든 LPG 개인택시가 전기자동차 택시로 전환될 것으로 예측되어 분석 연도에 포함하였다. Table 3에서 총 운행대수를 산정한 예를 살펴보면, 2030년 전기자동차 택시는 1,860대이며, LPG를 사용하는 개인택시는 2,929대, LPG 법인택시는 2,727대이다. 이를 기준으로 하루 동안 운행하는 택시의 수를 계산해 보면, 전기자동차 택시의 경우 6부제로 운행하는 경우 1,550대, 7부제인 경우 1,594대이며, LPG 개인택시의 경우 3부제로 운행하므로 1,953대, LPG 법인택시의 경우 6부제로 운행하므로 2,272대로, 6부제와 7부제의 총 운행대수는 각각 5,775대와 5,819대이다.

Table 4는 Table 3에 제시되어 있는 규모의 전기자동차 및 LPG 택시가 하루 동안 운행되었을 경우의 시뮬레이션 결과를 보여주고 있다. 구체적으로 6부제와 7부제 운행에 따른 연도별 에너지 사용량과 그에 따른 CO₂ 배출량 및 비용을 산출하였다. 보는 바와 같이 장래 전기자동차 택시가 증가함에 따라 전기 사용량은 증가하고 LPG 사용량은 감소하였으며, 그에 따라 총 CO₂ 배출량과 비용은 감소한 것을 알 수 있다. 구체적인 CO₂ 저감과 비용 효과는 Figure 5와 같은데, 6부제를 기준으로 가까운 미래인 2025년에 2022년 대비 하루 동안 CO₂ 15.2ton을 저감하고, 비용은 5.4백만 원을 절감할 수 있는 것으로 분석되었다. 이는 2025년에 2022년 대비 CO₂는 5.1% 감소하고 비용은 3.7% 절감한 것이다. 광주광역시가 전기자동차 보조금 정책을 유지하고 이를 지속적으로 추진하여 전체 개인택시가 전기자동차로 전환될 것으로 예상된 2044년의 효과를 살펴보면, CO₂의 경우 2022년 대비 36.0%에 해당하는 108ton을 저감할 수 있으며, 비용은 2022년 대비 26.0%인 38.8백만 원을 절감할 수 있는 것으로 분석되었다. 이를 단순하게 1년 단위로 집계할 경우 2044년에는 2022년 대비 연간 총 39,524ton의 CO₂를 저감하고, 비용은 총 142억 원을 절감할 수 있는 것으로 분석되었다. 7부제의 경우 부제에 따라 하루 동안 운행하는 택시의 증가에도 불구하고 효과는 6부제의 경우와 거의 유사한 것으로 분석되었다.

Figure 5.

Absolute and relative reductions in CO₂ and cost: (a) CO₂ for the 6th-day-no-driving system, (b) cost for the 6th-day-no-driving system, (c) CO₂ for the 7th-day-no-driving system, and (d) cost for the 7th-day-no-driving system

결론

본 연구에서는 광주광역시에서 운행하는 택시의 DTG로부터 수집된 초 단위의 순간 위치, 속도, 가속도 등의 운행 자료들과 차량의 에너지 소모량 예측 모형인 VT-Micro와 VT-CPEM을 활용하여 광주광역시의 LPG 사용 택시가 전기자동차로 전환되었을 때의 효과를 미시적으로 산정하였다. 효과 산정을 위하여 시뮬레이션 기법을 활용하였는데, 하루 동안 운행하는 전체 택시의 일정 비율을 전기자동차로 가정하고 비율에 따라 DTG 파일을 무작위적으로 선택하여 전기자동차로 전환되었을 때의 전기 소모량을 예측하고 이를 집계하여 전체 효과를 산정하였다.

연구결과 전기자동차 점유율이 5% 증가하면 평균적으로 하루 전기 사용량은 9.9MWh 증가하고, LPG 사용량과 CO₂ 방출량은 각각 7.3m³과 10.8ton 감소하는 것으로 산정되었다. 비교적 단기에 달성할 수 있을 것으로 판단되는 전기자동차 점유율 5%와 10%의 경우, 현황 대비 CO₂는 각각 8.1과 17.2ton을, 총비용은 3.3과 6.8백만 원을 감소시킬 수 있는 것으로 분석되었으며, 중장기적인 관점에서 전기자동차 점유율이 50%와 100% 달성된다면, CO₂는 34.2%와 69.5%, 비용은 27.4%와 55.7% 감소시킬 수 있는 것으로 분석되었다. 한편, 광주광역시가 현재의 전기자동차 보조금 정책을 지속적으로 추진할 경우, 가까운 미래인 2025년에 2022년 대비 하루 동안 CO₂ 15.2ton을 저감하고, 비용은 5.4백만 원을 절감할 수 있는 것으로 분석되었다. 이는 2025년에 2022년 대비 CO₂는 5.1% 저감하고, 비용은 3.7% 절감한 것이다. 전체 개인택시가 전기자동차로 전환될 것으로 가정한 2044년의 효과를 살펴보면, CO₂의 경우 2022년 대비 36.0%에 해당하는 108ton을 저감할 수 있으며, 비용은 2022년 대비 26.0%인 38.8백만 원을 절감할 수 있는 것으로 분석되었다. 이를 단순하게 1년 단위로 집계를 할 경우 2044년에는 2022년 대비 연간 총 39,524ton의 CO₂를 저감하고, 비용은 총 142억 원을 절감할 수 있는 것으로 분석되었다.

본 연구를 통해 전기자동차 택시의 도입은 온실가스 저감 및 비용 측면에서 매우 효율적인 방안임을 정량적인 결과를 통해 알 수 있었다. 본 연구에서 적용한 방법을 활용하여 전기자동차 택시로의 전환 효과를 비용과 환경적 측면에서 정량적으로 산정할 수 있으므로, 광주광역시의 온실가스 감축 목표에 따른 실행 가능한 전기자동차 보조금 정책대안들을 설정하고 이들의 장단점을 다양한 측면에서 분석하여 효율적인 정책이 세워지길 바란다. 본 연구에서는 향후 택시 시스템의 변화가 현재와 유사할 것이라는 가정에 기초하고 있다. 하지만 장래에는 자율주행 자동차, 도심 항공 모빌리티, 공유 자동차의 활성화 정도에 따라 택시 수요의 변화가 발생할 것으로 판단된다. 따라서 향후 연구에서는 이러한 시장 변화에 따른 영향을 반영할 필요가 있을 것으로 사료되며, 비사업용 차량을 포함한 전국적인 전기자동차 점유율에 따른 영향을 산정할 필요가 있을 것으로 판단된다. 마지막으로 본 연구에서는 에너지 소모량을 산출하기 위하여 해외에서 개발된 모형을 사용하였는데 국내에서도 국내 차량들의 특성이 반영된 모형들이 개발되어야 할 것이다.