서론

2021년 4월 도시부 도로에서의 교통안전 향상을 목표로 「안전속도 5030」 정책이 전국적으로 도입되었다. 도시부 도로의 제한속도가 낮아지면 교통사고 발생 가능성을 낮출 수 있고, 또 사고가 발생하더라도 사망이나 중상 등 심각한 인적 피해를 줄일 수 있기 때문이다. 실제로 많은 연구에서 도시부 도로의 제한속도 하향은 교통사고 발생 가능성 및 중대 사고(serious crashes)를 줄이는 효과가 있다는 결과를 제시하고 있다. 반면 일부에서는 경제적 효율성이 떨어질 수 있다는 이유로 「안전속도 5030」 정책에 반대한다. 제한속도 하향으로 차량의 주행속도가 낮아지면 통행시간이 늘어나 그만큼 손실 비용이 커진다는 것이다.

도시부 도로란 도로 주변으로 토지이용이 활발한 도로를 의미한다. 도로 양쪽으로 농경지나 자연녹지가 조성되어 있어 토지이용이 제한적인 대부분의 국도 및 지방도와는 대조된다. 이런 도시부 도로에서는 이동성만큼이나 접근성이 더 강조된다. 이는 도로 양쪽으로 접한 건물이나 시설을 이용하는 보행자도 많기 때문이다. 따라서 도시부 도로에서는 교차로 간격이 400m 내외로 비교적 짧고, 보행자의 도로 횡단을 위해 횡단보도가 많이 설치된다. 대부분의 교차로와 횡단보도에는 교통 신호기가 설치되어 있다.

이렇게 신호기 설치 간격이 짧은 도시부 도로에서는 신호 연동이 제대로 이루어지지 않는 경우 통행시간이 길어질 수 있다. 이 때문에 도시부 도로에서는 제한속도가 높아지더라도 신호대기시간 때문에 통행시간을 크게 단축하기 어려울 수 있다. 즉 「안전속도 5030」 정책의 시행으로 디폴트 제한속도¹⁾가 시속 60km에서 50km로 낮아지더라도 실제 통행시간에는 차이가 없을 가능성이 있는 것이다. 이런 차원에서 본 연구는 사업용 차량의 운행기록계 (Digital TachoGraph, DTG)데이터를 활용해 서울특별시 강남구의 간선도로를 대상으로 「안전속도 5030」 정책 시행 전후의 통행시간 변화를 분석하고자 한다.

선행연구

1. 속도와 교통사고 발생의 관계 연구

속도와 교통사고 발생의 관계를 설명한 대표적 연구로 Nilsson(1982)은 속도와 교통사고 심각도의 관계를 운동역학적 관계식을 참고해 멱함수(Power function)로 제시하였다. 제한속도가 높아지면 부상사고 건수는 제한속도 변경 전후 평균속도 비율의 2배, 사망사고 건수는 제한속도 변경 전후 평균속도의 3배로 늘어난다고 제시하였다(Equation 1).

여기서 LO1은 제한속도 변경 전 사고건수, LO2는 제한속도 변경 후 사고건수, v1은 제한속도 변경 전 평균속도, v2는 제한속도 변경 후 평균속도를 의미한다.

Elvik(2009)은 이 관계식을 도시부 도로와 농촌부 도로로 구분하고 각 도로의 파라미터를 추정하였다. 그 결과 도시부 도로보다 농촌부 도로에서 평균속도의 변화로 인한 사고건수의 증감이 더 민감하게 반응하는 것으로 나타났다. 물론 제한속도의 감소 정도에 비례해서 평균주행속도가 줄어드는 것은 아니지만, 여러 연구에서는 평균주행속도를 조금만 낮추더라도 사망사고를 현저히 감소시킬 수 있다고 분석하였다(Finch et al., 1994; Archer et al., 2008; Cameron and Elvik, 2008). 특히 평균주행속도 감소로 인한 사고 심각도 감소 효과는 보행자나 자전거 등 교통약자에게 큰 것으로 나타났다(Hoareau et al., 2006).

국내 연구에서 Lim and Choi(2018)는 부산시 간선도로를 대상으로 시행한 제한속도 하향 정책의 효과를 분석하였고, 제한속도를 기존 60-80km/h에서 10km/h-20km/h 가량 낮추는 것이 사망자 감소에 효과적임을 제시하였다. Son(2019)은 「안전속도 5030」 시범사업이 적용된 대구광역시를 대상으로 시행 전후 사고발생 건수 변화를 분석하였고, 정책 시행의 결과로 사고건수 감소를 기대할 수 있다고 제시하였다.

2. 속도와 통행시간의 관계 연구

제한속도의 하향이 통행시간이나 네트워크 성능에 미치는 영향을 분석한 Taylor(2000)는 도시부 도로에서의 통행시간은 제한속도보다 교차로 대기시간과 가감속 시간 등을 포함하는 공간속도(spatial speeds)에 더 큰 영향을 받는다고 제시하였다. 이후 Archer et al.(2008)은 제한속도가 시속 10km 감소하더라도 통행시간은 4-5% 정도만 증가할 것으로 추정하였다.

Jurewicz(2010)은 VISSIM 시뮬레이션을 활용하여 제한속도가 시속 60-100km인 도시부 도로 네크워크에서 제한속도를 20km 감소하는 경우의 네트워크 성능 변화를 분석하였다. 그 결과 첨두 교통량에서는 제한속도 감소가 네트워크 성능 변화에 미치는 영향이 미미한 것으로 나타났으며, 공간속도 또한 –1.3km/h-1.5km/h 범위에서만 변화하였다. 통계적으로 유의미한 평균운행속도 변화는 혼잡하지 않은 상황에서만 나타났으며, 통행시간, 서비스 수준, 대기오염원 배출량 및 통행시간의 신뢰도 측면에서는 유의미한 차이가 발견되지 않았다.

Choi et al.(2022)은 서울 및 광역시에서 1km 내외 128개 구간을 대상으로 정책 시행 전후 100일 기간의 통행시간을 DTG 데이터를 활용하여 비교하였다. 단순비교 결과 2020년 대비 2021년 동기간 평균속도는 1.1km/h만 감소하는 것으로 나타났다. 하지만 분석구간이 짧아 도시부 도로의 특성을 충분히 반영하지 못했다는 한계가 있다.

기존 연구 결과는 도시부 도로에서의 제한속도 변화가 사고건수 감소와, 보행자 등 교통약자의 사망 및 중상사고 발생을 감소시키는 효과가 있지만, 통행시간에는 큰 차이가 나타나지 않음을 시사한다. 다만 실측 자료보다는 대부분 시뮬레이션 분석결과에 근거하고 있고, 실측 자료도 교차로 지체시간이나 교차로 지체시간의 비율 등 도시부도로의 통행특성을 파악할 수 있는 분석은 미비하다. 본 연구는 우리나라의 사업용 차량에 달린 운행기록계 데이터를 기반으로 제한속도 하향에 따른 실제 통행시간 변화와 교차로 지체시간 등 도시부 도로에서의 통행특성을 분석한다는 점에서 차별성을 지닌다.

데이터 수집 및 가공

1. 분석기간 및 분석범위

분석기간은 「안전속도 5030」 정책이 전국적으로 도입된 2021년 4월 17일을 기준으로 전후 1개월을 제외한 각각 3개월(시행 전 2020년 12월 17일-2021년 3월 17일, 시행 후 2021년 5월 17일-2021년 8월 17일)로 설정하여 데이터를 추출하였다. 분석 기간 내에서 토요일과 일요일 등 공휴일은 제외하여 불규칙한 통행패턴의 영향을 제거하였고, 심야 00:00-05:00, 오전 07:00-10:00, 오후 13:00-16:00, 저녁 17:00-20:00, 네 개의 시간대로 구분하여 해당 시간대에 관측된 통행만 분석에 활용하였다. 심야시간을 상대적으로 길게 선정한 이유는 10개 이상의 충분한 표본을 확보하기 위해서이다.

분석범위는 서울특별시 강남구 주요 동서 가로축 학동로, 봉은사로, 테헤란로, 양재대로 4개 도로로 선정하였다(Table 1). 교통량이 많은 간선도로를 설정한 이유는 차로수가 적은 집분산도로에 비해 제한속도의 영향을 더 크게 받을 것으로 보았기 때문이다.

통행방향은 서쪽에서 동쪽으로 이동하는 것으로 설정하였다. 양재대로는 제한속도 하향 조치가 적용되지 않은 구간도 통행시간의 변화가 있는지 살펴보기 위해 포함하였다. 다만, 양재대로는 분석기간 동안 공사가 진행되지 않은 일원동을 지나는 구간만을 포함시켰기 때문에 구간길이가 상대적으로 짧다.

2. 교통량 변화

통행시간 변화에 큰 영향을 미치는 교통량 변화를 고려하기 위해 강남지역에 위치한 서울시 상시교통량 조사지점의 시간대별 교통량을 정리하였다. Table 2을 살펴보면 심야나 오전시간대에 비해 오후 혹은 저녁시간대 교통량이 많은 것을 확인할 수 있다. 특히 강남역에서 뱅뱅사거리 방향 교통량은 사전을 기준으로 심야 시간대에 238대/시에서 오전 시간대 1,241대/시로 나타난 반면 오후 시간대 1,579대/시, 저녁시간대 1,827대/시로 훨씬 크게 나타났다. 이는 심야나 오전시간보다 오후와 저녁 시간대에 교통량이 훨씬 많은 경향이 있고 이 때문에 오후나 저녁시간대에 혼잡이 심화됨을 보여준다.

이와 더불어 안전속도 5030 정책 시행 전에 비해 시행 후에 교통량이 증가한 것을 확인할 수 있다. 테헤란로 구간에 포함되는 선릉역에서 포스코 사거리 방향 교통량을 시간대별로 살펴보면 평균적으로 심야시간대에는 15대/시, 오전시간대에 105대/시, 오후시간대에는 43대/시, 저녁시간대에는 35대/시나 교통량이 증가한 것을 확인할 수 있다. 이는 2020년 2월 전국적으로 영향을 미친 코로나 19 감염병의 영향이 사후 기간에 완화되었기 때문인 것으로 보인다. 이는 사후 기간이 사전 기간에 비해 혼잡이 더 심화되었을 가능성이 높음을 시사한다.

3. 데이터 가공

한국교통안전공단에서 제공하는 사업용 차량 운행기록 데이터인 DTG(Digital Tacho Graph) 데이터는 사업용 차량에 장착된 운행기록장치로부터 1초 단위로 수집된 자동차의 위치 좌표, 가속도 등의 정보를 담고 있다. 이를 활용하면 사업용차량 운전자의 통행 궤적과 통행시간을 파악할 수 있다.

사업용차량 DTG 데이터는 빅데이터 수준으로 양이 많다. 서울에서 한 달 동안 수집된 것만 200gb를 넘기 때문에 컴퓨팅 부하를 줄이기 위해서는 분석에 필수적인 컬럼만 추출할 필요가 있다. 본 연구에서는 R studio를 사용하여 분석에 필수적인 통행고유번호(Trip_key), 자동차 등록번호, 자동차 유형, x, y좌표, 정보발생일시 총 6개 컬럼만 추출해 사용하였다.

이후 도로 구간을 지나간 통행을 우선 추출한다. 이를 위해 우선 오픈 소스 지리정보체계 도구인 QGIS를 활용해 도로구간마다 중심선을 기준으로 50m 버퍼를 설정하고, 버퍼 내부에 포함되는 데이터만 추출한다. 이동 궤적의 GPS 좌표가 실제 도로의 위치를 벗어난 경우가 많기 때문이다. DTG 데이터를 이용한 다른 연구에서는 이상치를 다루기 위해 맵매칭 알고리즘을 적용하기도 했다(Kim et al., 2019). 개별 차량의 궤적을 직접 확인한 결과 50m 버퍼를 설정하면 이면도로를 이용하는 차량의 궤적은 제외하면서도 폭이 넓은 간선도로 위에서 이동한 차량의 궤적을 대부분 추출할 수 있었다.

이후 분석구간을 따라 서쪽에서 동쪽으로 이동하는 차량만 추출한다. 이를 위해 차량 궤적의 x좌표가 도로구간 시점부를 진입한 후 종점부를 빠져나갈 때까지 연속적으로 커지는 통행만을 추출하였다. 또한 토요일, 일요일, 공휴일에 이루어진 통행은 제거하였고, 분석구간 버퍼영역에 진입한 시점을 기준으로 하여 심야, 오전, 오후, 저녁 시간대별 통행 샘플을 추출하였다. 마지막으로 차량의 이동 궤적을 직접 확인하며 Figure 1 bottom과 같이 골목길에서 진입해 U턴하는 차량이나, 좌/우회전 하여 분석구간을 벗어났다가 재진입하는 경우 등 분석구간 전체를 직진만으로 통과하지 않은 통행을 제거하였다.

최종적으로 분석에 사용된 표본에서 사고, 공사, 혹은 의도적 정차로 인해 평균통행시간 계산에 이상치가 포함될 가능성을 줄이기 위해 통행고유번호 별 통행시간과 시공간도의 궤적을 함께 확인하였다. 각 시간대의 평균통행시간에 2σ(표준편차의 2배)를 더한 값보다 통행시간이 큰 통행을 제거하였고, 정차시간 및 정차지점이 일반적인 차량과 크게 다른 경우는 승객의 승하차로 인한 것으로 간주하여 제외하였다.

이렇게 시간대별로 수집된 표본 수는 Table 3와 같다. 같은 도로구간에서도 분석 시간대에 따라 표본 수가 다르다. 특히 테헤란로 비첨두에는 정책 시행 전후 각각 165, 137개의 표본이 수집되었으나, 저녁 첨두에는 시행 전후 각각 19, 13개의 표본만 수집되어 시간대에 따른 표본수 편차가 가장 크게 나타났다. 대체로 저녁시간대 샘플 수 확보가 어려웠는데, 이는 이 시간대 택시 이용률이 떨어지기 때문인 것으로 보인다. 반면 양재대로에서는 시행 전후 모든 시간대에서 200개가 넘는 표본이 수집되었다.

Figure 1.

(Top) All vehicle trajectories extracted from 7 to 10 a.m. on Hakdong-ro before the implementation of the speed limit policy, (Middle) A trajectory of a vehicle traveling in a straight line, (Bottom) A trajectory of a vehicle excluded from analysis

Table 4은 각 샘플 통행별 통행시간, 지체시간, 교차로 지체시간, 지체시간비율, 공간평균속도, 시간평균속도 등의 계산 방법을 설명하고 있다. 각 통행별 통행시간은 분석구간 버퍼영역 내의 진출시각에서 진입시각의 차이로 정의된다. 교차로 지체시간은 GPS 좌표의 오차를 감안하여 1초 동안 이동한 거리가 2m 이하인 경우를 정지한 것으로 간주해 계산하였다. 이때 1초 동안 이동한 거리는 두 위경도 좌표 사이의 거리를 구할 때 사용하는 하버사인 공식(Haversine formula)을 적용해 계산하였다(Alam et al., 2016).

교차로 지체시간의 비율은 교차로 지체시간을 통행시간으로 나누어 구하였다. 신호대기 횟수는 교차로 사이의 간격과 대기행렬의 길이를 고려해 교차로별로 150m 혹은 200m 범위를 설정하고, 해당 범위 내에서 정지한 시간이 20초 이상인 경우를 1회 정지한 것으로 계산하였다. 위와 같은 기준으로 정지횟수를 계산했을 때 개별 차량의 시공간도에서 확인한 정지횟수와 일치하는 결과를 도출할 수 있었다.

공간평균속도는 분석대상 도로구간 길이를 통행시간으로 나누어 계산한다. 시간평균속도는 한 지점을 지나는 순간의 속도를 측정해야 한다. 이를 위해 교차로의 영향을 받지 않는 50m의 짧은 대표 구간을 설정하여 이 구간 내에서 관측된 1초 간격 속도의 평균을 내어 시간평균속도를 계산하였다. 대개 한 통행당 3-4초 동안의 평균속도로 시간평균속도를 계산하였다. 구간 위치는 학동로는 서울세관 사거리와 강남구청역 사거리 사이, 봉은사로는 구경복아파트 교차로와 선정릉역 사거리 사이, 테헤란로는 센터필드 교차로와 선릉역 사거리 사이, 양재대로는 삼성서울병원 후문 앞으로 설정하였다.

데이터 분석

1. 통행시간 변화 분석

분석에 사용된 「안전속도 5030」 정책 시행 전후 시간대별 표본의 평균 통행시간, 평균 교차로 지체시간, 평균 교차로 지체시간 비율, 평균 교차로 정지 횟수는 Tables 5,6,7,8과 같다. Table 5의 학동로를 예로 들면 평균통행시간은 시간대에 따라 감소하거나 증가하는 경우가 모두 나타났다. 심야시간에는 정책시행 전후로 통행시간이 361초에서 350초로 감소하였지만 오후시간에는 593초에서 613초로 증가하였고, 저녁시간대에는 703초에서 665초로 감소하였다. 통행시간이 증가하면 표준편차도 같이 증가하는 경향이 발견된다. 전체 통행시간에서 교차로 지체시간이 차지하는 비중은 심야시간대 사후에 36.9%로 가장 낮고 저녁 시간대 사전에 55.6%까지 높아지는 것으로 나타났다. 이는 이 도로구간에서 통행시간이 증가하는 이유가 교차로 대기시간이 길어지기 때문임을 잘 보여준다. 공간평균속도는 심야시간대 사후에 시속 27.3km로 가장 높고 저녁시간대 사전이 시속 14.6km로 가장 낮았다. 시간평균속도는 심야시간대 사전이 시속 60.0km로 가장 높았고 저녁시간대 사후가 시속 37.7km로 가장 낮았다. 시간평균속도 역시 시간대에 따라 사업 시행 전후로 줄어들거나 늘어났다. 심야와 저녁 시간대에는 감소하였지만 오전과 오후 시간대에는 증가한 것으로 나타났다.

Table 6의 봉은사로를 예로 들면 평균통행시간은 심야시간대 사전에 335초로 가장 낮고 저녁시간대 사후가 767초로 가장 높게 나타났다. 특히 이 시간대에는 최대 1,306초까지 소요되기도 했다. 통행시간의 증감은 오후 시간대 사후에서 사전에 비해 3초 감소하였고 나머지 시간대에는 평균통행시간이 모두 증가한 것으로 나타난다. 다만 그 증가폭은 크지 않다. 저녁시간대가 54초(7.6%)로 가장 크고 심야와 오전시간대 증가는 14초(4.2%)와 10초(2.5%)에 그쳤다. 교차로 지체시간 비율은 오전시간대 사전이 32.2%로 가장 낮고 저녁시간대 사후가 57.6%로 가장 높게 나타났다. 공간평균속도는 심야시간대 사전이 시속 28.3km로 가장 높았고 저녁시간대 사후가 시속 13.4km로 가장 낮았다. 시간평균속도는 심야시간대 사후가 시속 55.7km로 가장 높고 저녁시간대 사후가 시속 38km로 가장 낮게 나타났다.

Table 7에서 테헤란로의 평균통행시간은 심야시간대 사후에 390초로 가장 낮고 오후시간대 사후가 820초로 가장 높게 나타났으며 가장 혼잡한 경우에는 1,363초까지 소요되기도 했다. 통행시간의 증감은 심야 시간대에 2초 감소하였고 나머지 시간대에는 평균통행시간이 모두 증가한 것으로 나타난다. 다만 그 증가폭은 크지 않다. 오후시간대가 109초(15.3%)로 가장 크고 오전과 저녁시간대 증가는 각각 41초(8.8%)와 42초(6.3%)에 그쳤다. 교차로 지체시간 비율은 심야시간대 사후가 28.9%로 가장 낮고 오후시간대 사후가 52.6%로 가장 높게 나타났다. 공간평균속도는 심야시간대 사후가 시속 30.1km로 가장 높았고 오후시간대 사후가 시속 14.2km로 가장 낮았다. 시간평균속도는 심야시간대 사전이 시속 58.4km로 가장 높고 오후시간대 사후가 시속 39.7km로 가장 낮게 나타났다.

안전속도 5030정책의 영향을 받지 않은 양재대로의 변화는 Table 8에 정리되어있다. 평균통행시간은 심야시간대 사전에 106초로 가장 낮고 오전시간대 사전이 158초로 가장 높게 나타났으며 가장 혼잡한 경우 336초까지 소요되기도 했다. 통행시간의 증감은 심야 시간대에 2초 증가하였고 나머지 시간대에는 평균통행시간이 모두 감소한 것으로 나타난다. 다만 그 감소폭이 크지는 않다. 오전시간대가 11초(7.0%)로 가장 크고 오후와 저녁시간대 증가는 각각 3초(2%)와 2초(1.3%)에 그쳤다. 교차로 지체시간 비율은 심야시간대 사전이 18.6%로 가장 낮고 오전시간대 사후가 32.2%로 가장 높게 나타났다. 공간평균속도는 심야시간대 사전이 시속 49.1km로 가장 높았고 오전시간대 사전이 시속 34.0km로 가장 낮았다. 시간평균속도는 심야시간대 사후가 시속 75.6km로 가장 높고 저녁시간대 사전이 시속 56.8km로 가장 낮게 나타났다.

요약하면 안전속도 5030정책 시행 전후의 평균통행시간은 뚜렷한 증가나 감소가 나타나지 않기 때문에 특별한 경향성을 갖는다고 보기 어렵다. 이런 측면에서 정책 시행 전후 통행시간 평균의 변화가 있는지 확인하기 위해 독립표본 t검정을 실시할 필요가 있다.

다만 모든 도로에서 오후 및 저녁 시간에는 심야나 오전에 비해 평균통행시간, 평균 교차로 지체시간, 교차로 지체시간의 비율이 증가하였다. 이는 강남 지역의 통행량이 오전 첨두시간 보다 오후 및 저녁 시간대에 훨씬 많아지는 경향이 있음을 의미한다. 이는 Figure 2와 같이 개별 차량의 주행궤적을 시공간도를 통해 그려보면 확인할 수 있다. Figure 2는 봉은사로의 심야시간(0:00-01:00)과 오후시간(13:00-14:00)의 주행궤적을 보여준다. 이 그림에서 가로축은 시간, 세로축은 차량의 누적 이동 거리를 나타내며, 직선의 기울기는 속도를 의미한다. 교차로에 대기하는 동안에는 기울기가 0이 되었다가 출발하는 순간 다시 기울기가 가파르게 변화하는 경향을 확인할 수 있다. 다만 Figure 2에서 보듯 오후 시간에는 기울기도 낮아지고 대기시간도 늘어나 통행시간이 크게 증가하는 경향이 있음을 뚜렷이 확인할 수 있다.

Figure 2.

Time-space diagram of trips from 0 to 1 a.m. (Top) and from 13 to 14 p.m. (Bottom) on Bongeunsaro after the policy implementation

2. 독립표본 t 검정

서로 다른 두 집단의 평균을 비교하기 위해 “제한속도 하향정책 시행 전후의 평균통행시간에 차이가 없다”는 가설을 설정하여 독립표본 t검정을 수행하였다. 독립표본 t검정은 Student’s t-test로도 알려져 있으며 표본의 독립성, 정규성, 그리고 등분산성을 만족할 수 있는 경우에 적용된다. 만약 등분산성을 만족하기 어려운 경우에는 웰치 t검정(Welch’s t-test) 적용을 고려할 수 있다(Kim, 2015; Delacre, 2017). 본 연구에서는 각 도로 및 시간대별로 평균통행시간과 분산이 서로 다른 경우가 많다는 점을 고려해 일반적인 독립표본 t검정과 웰치 t검정을 각각 수행하였으며, 두 결과가 거의 같음을 확인하였다.

독립표본 t검정 수행 결과는 Table 9과 같다. 분석 결과 테헤란로 오후시간대와 양재대로 오전시간대에서 유의미한 평균통행시간의 변화가 나타났다. 테헤란로 오후시간대의 평균통행시간은 정책 시행 전 711초에서 시행 후 820초로 109초 증가하였는데 이 경우 유의확률 (p-value)이 0.002로 나타났다. 이는 우연에 의해 두 그룹 간 평균통행시간에 차이가 발생했을 확률이 0.2%에 불과하다는 의미이다. 즉 실제로 통행시간이 증가했다고 볼 수 있다. 평균통행시간과 함께 평균 교차로 지체시간도 시행 전후 343초에서 437초로 올라 평균통행시간과 거의 비슷하게 증가했고, 교차로 지체시간의 비율 또한 47.6%에서 52.6%로 5%p 증가한 것으로 나타났다.

제한속도 하향 정책이 적용되지 않은 양재대로에서는 오전 시간대에 평균통행시간이 줄어든 것으로 나타났다. 정책 시행 전 158초에서 시행 후 기간 동안 147초로 11초 낮아졌으며, 이 경우 유의확률(p-value)이 0.02로 평균통행시간 차이가 우연에 의해 발생했을 확률은 2%에 불과하다. 즉 실질적인 평균통행시간의 감소가 있었음을 의미한다. 평균 교차로 지체시간은 정책 시행 전후 58초에서 53초로 5초 감소한 반면 교차로 지체시간의 비율은 시행 전후 각각 31.9%에서 32.2%로 0.3%p 상승하였다.

이처럼 도시부 도로에 대한 제한속도 하향 조치로 인한 t 검정 결과는 16개 분석대상에 대한 평균통행시간 변화 가능성 분석에서 단 두 경우만 통행시간이 실질적으로 변한 것으로 해석할 수 있다. 나머지 14개 분석대상에서는 제한속도로 변화로 인한 통행시간의 변화가 없었다. 특히 제한속도가 변화하지 않은 양재대로 구간 네 개 경우를 제외하면 12개 분석대상 중 단지 1곳에서만 실질적인 통행시간의 증가가 나타났다. 하지만 이 경우도 테헤란로의 늘어난 교통량을 감안한다면 제한속도의 하향이 통행시간 증가에 미친 영향이 클 것으로 보이지는 않는다. 평균통행시간의 증가분 109초 중에서 교차로 평균지체시간의 증가분이 94초로 86%나 차지하기 때문이다(Table 7 참조). 이는 제한속도보다 교통량 증가로 인한 교차로 혼잡이 통행시간 증가의 주요 원인이라는 점을 보여준다.

결론

본 연구에서는 「안전속도 5030」 정책 시행 후 평균통행시간의 변화를 분석하기 위해 사업용 차량 중 택시의 디지털운행기록계(Digital Tachograph, DTG) 데이터를 분석하였다. 충분히 긴 도로구간에서의 통행시간 변화를 비교하기 위해 서울특별시 강남구의 주요 동서축 간선도로인 학동로 2.6km, 봉은사로 2.6km, 테헤란로 3.1km, 양재대로 1.3km 4개 구간에서 심야, 오전, 오후, 저녁 시간대로 구분하여 해당 도로구간을 지나간 택시의 주행궤적 데이터를 추출하였고, 이들의 통행시간을 제한속도 하향 이전과 이후로 나누어 정리한 후 독립표본 t검정을 수행하였다.

분석결과 테헤란로 오후 시간대와 양재대로 오전 시간대에 통계적으로 유의한 평균통행시간의 차이가 발견되었다. 나머지 14개 분석대상 구간의 제한속도 하향 전후 평균 통행시간 차이는 통계적으로 유의하지 않은 것으로 나타났다. 제한속도 하향조치가 이루어지지 않은 양재대로를 제외하면 제한속도 하향 이후 평균통행시간의 변화가 발견된 곳은 테헤란로 오후시간대 한 곳에 불과하다. 하지만 이 경우도 제한속도 하향 이후 평균통행시간의 증가분 109초 중 교차로 평균지체시간이 차지하는 비중이 94초인 점을 고려할 때 제한속도 하향에 의한 통행시간 증가라기보다는 교통량 증가에 따른 교차로 혼잡 증가가 더 큰 원인일 것으로 보인다. 사전과 사후기간의 서울시 강남 지역의 시간당 교통량이 105대까지 증가한 것에서 그 가능성이 큼을 확인할 수 있다. 이러한 결과는 「안전속도 5030」정책으로 도시부 도로에 대한 디폴트 제한속도가 시속 60km에서 시속 50km로 하향되었지만 이로 인한 평균통행시간의 실질적 변화는 거의 발견되지 않았음을 의미한다.

이러한 결과는 짧은 교차로 간격, 잦은 신호대기, 차량 외 다양한 도로 이용자 등 도시부도로의 특징 때문에 나타난 것으로 보인다. 즉 도시부도로에서의 제한속도 하향이 통행시간의 증가로 연결되지 않는다는 것이다. 하지만 국도 등 비도시부 도로에서는 결과가 다를 수 있다.

본 연구의 한계와 보완 방향은 다음과 같다. 첫째 본 연구에서는 정책 시행 전후 3개월을 분석기간으로 설정하였다. 하지만 사전 기간은 겨울철이고 사후 기간은 여름철이기 때문에 교통량에 상당한 차이가 있을 가능성이 있다. 또 분석기간 동안 코로나19 확진자 수 급증과 사회적 거리두기로 교통량이 변화했을 가능성이 있다. 이런 문제를 극복하기 위해서는 분석기간을 1년으로 늘릴 필요가 있다. 이를 통해 표본수를 크게 늘릴 수 있게 되면 분석 결과의 신뢰도도 높아질 것이다.

둘째, 본 연구에서는 택시 승객의 탑승 여부를 확인하지 못했다. 승객 탑승 여부는 택시의 통행패턴에 영향을 줄 수 있는 요인이나 DTG 데이터로는 확인할 수 없다. Tmap이나 카카오네비 등의 데이터를 활용해야 절대다수인 승용차의 통행시간 변화를 확인할 수 있을 것이다. 셋째, 분석대상 도로구간을 더 확대할 필요가 있다. 특히 동서 방향의 도로구간 이외에 남북방향 도로구간을 포함하거나 강남지역 이외의 다른 간선도로에서도 비교분석을 시행할 수 있을 것이다.

넷째, 통행시간의 변화뿐만 아니라 운전자들의 제한속도 준수율을 분석할 필요가 있다. Nilsson(1982)에 따르면 제한속도 하향 조치로 운행속도(operation speed)가 낮아져야 실질적인 교통사고 감소효과를 기대할 수 있기 때문이다. 이를 위해서는 DTG 데이터 뿐만 아니라 속도 단속카메라 데이터 혹은 민간의 내비게이션 통행시간 데이터를 활용해야 한다. 마지막으로 제한속도 하향으로 인한 교통사고나 통행속도의 변화 이외에 소음, 온실가스, 미세먼지, 배기가스 배출량 변화에 대한 연구도 필요하다. 차량의 운행속도 변화는 이런 부분에도 큰 영향을 미치기 때문이다.