Ⅰ. 서 론
1. 개요
기후변화의 요인으로 꼽히는 온실가스 배출량 저감을 위한 노력이 전 세계적으로 이뤄지고 있다(IPCC, 2023). 우리나라 또한 2050년 net-zero(탄소중립)달성을 위해 NDC(국가 온실가스 감축목표, Nationally Determined Contribution)를 `19년 17년 대비 24.4%로 처음 제시하였으며, `21년에 이를 상향조정하여 2030년까지 `18년 대비 40%로 감축량을 상향조정 하였다. 이 중 수송부문의 감축 목표량은 19년 98.1백만 톤CO2eq에서 37.8% 감축한 61백만톤CO2eq이며(Presidential Commission on Carbon Neutrality and Green Growth, 2025)이다. 수송부문의 배출량 중 96.5%는 도로에서 발생하고 있으며(GIR, 2022), 도로에서 발생하는 온실가스 배출에 대한 국가 및 지자체 단위의 정밀한 측정 및 저감 계획수립이 수송부문 NDC 달성에 필수적이다. 수송부문의 온실가스 감축 노력에도 불구하고, 현재 우리나라에서 사용중인 배출량 산정식(국립환경과학원, 한국교통안전공단)은 차종, 유종과 같이 제한된 요인들만을 활용 중이며(NIER, 2008-2012; KTSA, 2021), 집계 및 활용하는 데이터 또한 단순 통계성 데이터이다(Kim et al, 2024).
지역 내 연료소모량을 기반으로하는 Tier 2수준의 배출량 산정(GIR)은 이동오염원에 대한 정확한 추정이 필요한 수송부문의 특징을 고려하였을 때, 온실가스 감축 목표의 정확한 달성 여부를 판단하는 데 장애 요소 로 작용한다. 특히 지방자치단체 차원에서는 NDC 감축 목표의 이행 여부를 명확히 확인하기 어렵고, 향후 감축 목표의 상향 조정과 같은 상황에서도 실효성 있는 계획 수립에 어려움을 겪을 수 있다. 평가체계의 한 계점을 보완하기 위해 여러 국내외 선행연구들에서 도로 수송부문에서의 온실가스 배출량을 개별차량의 미 시적인 주행행태(예: 속도, 감가속 등)와 외부환경요인(예: 경사도, 온·습도 등)에 대한 고려 및 적용방안이 논의되고 있으며, 일부 해외 배출량 산정모형의 경우 해당 요인들에 대한 고려가 가능한 모형들도 존재한다. 반면, 우리나라 온실가스 배출계수 모형은 차량과 관련된 영향요인(차종(3종 : 승용차, 버스, 트럭), 유종(휘발 유, 경유, LPG), 평균속도)만이 고려된 모형으로, 경사도와 같은 연료소모에 영향을 미치는 영향요인에 대한 고려가 이뤄지지 않고 있다. 이에, 주행환경 및 효율성 개선 측면에서 연구되고 있는 경사도에 대한 연구를 배출량 산정에 있어 활용하여 세부적인 배출량 산정 방안을 검토하고자 한다. 경사도의 경우, 현재 연구가 시도되고 있는 감가속 및 개별차량의 통행특성 반영에 비해, 여러 연구가 진행되어왔으며, 경사도로 활용하 고자하는 DEM(수치표고자료, Digital Elevation Model) 데이터 또한 공공데이터 포털을 통해 접근가능하다는 이점들이 존재한다.
본 연구는 수송부문 온실가스 배출량 산정에 대한 고도화된 알고리즘 개발에 있어 추가 영향요인으로 도 로경사도를 고려하는 것이 목적이며, 연구는 다음과 같이 구성된다. 우선, 온실가스 배출에 관한 국내외 선행 연구 및 국가별 모형에 대한 탐색적 분석을 통해 국내 모형 간, 국내/외 모형 간의 차이를 제시하고자 한다. 이 중 경사도(도로선형)과 관련된 연구들에 대한 추가적인 연구동향 분석을 통해 기존 경사도가 적용된 사례 들과 연료소모량과 경사도 간의 상관성을 파악하고자 한다. 연료소모량과 온실가스 배출량이 비례하기에, 본 연구에서는 온실가스 배출량에 중요한 영향인자로 경사도를 활용하여 배출계수를 고도화하는 방안을 검토하 였다. 고도화는 현재 국가승인통계에 활용되는 한국교통안전공단의 2021 승인 국가 온실가스 배출계수 모형 내 경사도에 대한 보정계수를 개발 및 적용하는 방식으로 진행하였으며, 경부고속도로(네트워크 Level 6) 전 구간에 대한 KTDB 내 구간 추정교통량을 활용하여 보정계수에 대한 신뢰도를 검증하였다. 이후, 본 연구의 결론과 시사점 제시와 함께, 국내 온실가스배출모형의 고도화에 필요한 향후 연구를 제시하였다.
Ⅱ. 선행 연구
1. 국내외 온실가스 배출 계수 및 배출량 산정 관련 연구
본 연구는 국내외 온실가스 배출량 산정에 활용되고 있는 모형들과 해당 모형에 기반한 연구들이 활용하 고 있는 고려요인들에 관한 정리를 통해, 현재 국내 활용 중인 배출량 산정모형 내 개선점을 도출하고자 한 다. 연구의 내용적 범위는 탄소배출량을 비롯한 온실가스 배출량 모형 전반을 다루고 있으며, 각 모형 별 장 점과 한계점에 대해 기술하였다.
1) 온실가스 배출계수 관련 연구
국내의 경우, 국립환경과학원(2008~12)과 환경부 산하 온실가스종합정보센터(2021~현재)에서 국가 온실가 스 배출량 조사를 진행하며, 국가승인배출계수의 형태로 온실가스 배출량 산정식을 제시하고 있다. 국가승인 배출계수가 활용되기 이전에는 국립환경과학원이 2008년부터 2012년까지 분석한 차량 시험데이터(24개 차· 유종으로 분류되는 약 300대 가량의 배출량 시험 데이터)를 기반으로 Bottom-up 방식의 배출계수식을 활용 하였다. 하지만, 해당 배출계수 회귀식의 경우, 활용된 차종의 단종 등의 이유로 인해 대표성이 떨어진다는 단점과 차종·유종 및 단순 속도만을 고려 가능하다는 단점이 존재하였다. 현재 활용되고 있는 국가승인배출 계수는 온실가스종합정보센터에서 현행화를 진행 중이며, 배출/흡수원 분류 중 에너지에 속하는 수송(교통) 부문 배출량은 ｢저탄소 녹색성장 기본법｣제 45조와 시행령 제 36조에 따라 한국교통안전공단에서 관리한다. 공표되는 데이터로는 교통수단별(도로, 철도, 항공, 기타)에 대해 지자체·연료별 집계 배출량 및 배출 원단위 와 도로수송부문의 경우, 2021년 탄소배출량 기준 44개의 차·유종에 따른 배출계수식 등이 있다. 기존 국립 환경과학원의 배출계수모형에 비해, 차·유종 분류체계가 세분화되었지만, 배출량 산정 시 이전 모형과 같은 차종·유종과 단순 속도만 고려 가능하다는 점이 한계점으로 남아있다.
해외의 경우 IPCC 가이드라인(2006, 2019), COPERT(2008), MOVES3(2020), EMFAC(2021)모형이 대표적이 다. 1988년 세계 기상기구(WMO)와 국제연합환경계획(UNEP)에 의해 설립된 IPCC(Intergovernmental Panel on Climate Change)는 1994년 기후변화협약 이후, 배출량 산정 기준을 활용인자에 따라 3개의 Tier로 구분하여 제 시하였다. 수송부문의 경우 2006년 제시된 산정모형을 활용하며, Tier 1은 총량기반 분석으로 오염물질 배출량 을 연료소비와 연료별 배출계수, 연료의 종류만을 활용하여 산정한다. Tier 2는 차·유종별 차량의 통행데이터 (VKT)기반 연료사용 추정량 및 배출계수, 저감기술 등이 추가로 활용되며, Tier 3의 경우, 차량 부하율, 이용시 간, 비주행 차량(off-road) 비율까지도 추가로 고려된다(IPCC web, 2023). EU국가 내 표준배출계수모형으로 활 용되는 COPERT는 시나리오기반의 모형으로, IPCC와 Tier 1은 연료별 배출계수와 연료소비량을 활용한다. Tier2는 차·유종별 배출인자, 연료소비량 및 차량 수, 연간 주행거리를 고려하며, Tier3은 차·유종별 차량 활동 데이터, 도로유형별 평균속도, 기후(온·습도)에 더해 차량운행유형(Hot, Cold, Non-exhaust)까지 고려되는 모형 이다(COPERT, 2024). 미국 환경청(USEPA)에서 개발한 소프트웨어인 MOVES(MOtor Vehicle Emission Simulator)는 1970년 MOBILE 프로그램부터 수집된 DB를 바탕으로 2010년 MOVES2010을 시작으로 MOVES2014, MOVES3(2020), MOVES4(2023)로 지속적인 모형 개발이 이뤄지고 있다. 이 중 MOVES3는 13개의 차종(이륜 차, 승용차, 승합차, 화물차 등)과 차종별 최대 6개의 유종(휘발유, 경유, CNG, LPG, 에탄올(Ethanol-85), 전기), 차량연식, 기후(온·습도), 도로유형, 차량운행행태, 경사도 등의 변수에 따른 엔진부하에너지(VSP:Vehicle Specific Power, STP:Scaled Tractive Power)에 대한 DB를 보유하고 있으며, 이를 기반으로 배출량을 산정한다 (USEPA, 2024). 미국 캘리포니아의 경우, 주행도로(on-road)대상 오염물질 배출량 산정에 캘리포니아 대기 자 원위원회(CARB, California Air Resource Board)에서 개발된 EMFAC(EMission FACtor)모형을 활용한다. 해당 모 형의 경우, 캘리포니아를 35개의 구역으로 나누어 구역별로 등록된 차·유종별 차량 DB를 바탕으로 8종 오염 물질(CO, NOx, HC(Hydro Carbon, CH4), PM, SOx, Fuel, GHG(Green House Gas, NH3)에 대한 연도별, 차종별 분석을 제공한다. 배출량 산정에 활용되는 요인은 차량운행거리(VMT, Vehicle Miles Traveled), 엔진 주행거리 (Trip, engine-on event), 인구, 에너지(전기) 소비량이며, 분석 시 타 모형과는 다르게 차량을 비롯한 산업 및 레 저에 활용되는 장비에 대한 배출량 산정이 가능하며, DB 내 자료 내 요인에 대한 추가 및 제거 후 활용이 가 능하다(EMFAC, 2024). 본 연구에서는 종단경사 보정계수 산정을 위해 미국 환경청(U.S. EPA)의 MOVES모델 을 활용하였다. 해당 모델을 선정한 주요 이유는 주행 중 발생하는 가감속, 주행저항, 경사도 등의 다양한 주 행 특성을 반영할 수 있다는 점에 있다. 기존의 다른 모형은 경사도, 가감속, 주행저항 등을 충분히 고려하지 못하거나, 도로의 기하구조를 제한적으로 반영하는 한계가 있다<Table 1>. 반면 MOVES는 이러한 요소들을 체계적으로 포함하고 있어, 종단경사와 같은 도로 특성이 차량 운행에 미치는 영향을 정량적으로 분석하는 데 유리하다. 이에 따라 본 연구에서는 종단경사 보정계수 적용을 위한 분석 도구로 MOVES가 가장 적합하다 고 판단하였다.
<Table 1>
Summary Table of Emission Models by Country
| Country | Model name | Estimation Methodology | Emission Input Factors |
|---|---|---|---|
| Republic of Korea | National Institute of Environmental Research (NIER) | Regression Model | Vehicle-fuel type, Speed |
| Greenhouse Gas Inventory and Research Center of Korea (GIR) | Regression Model | Vehicle-fuel type, Speed | |
| UN, USA, EU | IPCC Guideline | Regression Model | (Tier 1) Emission factor by fuel type, fuel consumption (Tier 2) Estimated fuel consumption and emission factor based on vehicle mileage data (VKT) by vehicle and fuel type, emission reduction technology by vehicle (Tier 3) Tier 2 + vehicle load factor, operating time, off-road vehicle ratio |
| COPERT | Regression Model | (Tier 1) Emission factor by fuel type, fuel consumption (Tier 2) Emission factors by vehicle and fuel type, fuel consumption, number of vehicles, annual mileage (Tier 3) Activity data (vehicle type, fuel type), road average speed, climate (temperature and humidity), vehicle operation type |
|
| MOVES | DB base Simulation Model | Vehicle Speific power(kW/tonne), veolocity(m/s), acceleration(m/s2), graivitational acceleration(9.81m/s2), road grade, vehicle mass, rolling resistance, rotating resistance, aerodynamic drag, fixed mass factor for source type | |
| EMFAC2021 | DB base Simulation Model | Vehicle Class, Vehicle model year, Average speed, Area type, Season, Day/Hour, Meteorolgy |
2) 온실가스 배출량 산정 관련 연구
국내외 수송부문 배출량과 관련된 연구는 크게 배출량 영향요인과 영향요인을 활용한 배출량 산정에 관 한 연구가 진행되어왔다<Table 2>. Geunsler et al(2016)의 경우, 기존 MOVES모형의 단점인 복잡한 구동방식 과 느린 분석속도를 개선하고자, 입력값의 구조화를 진행하였다. 기존 시뮬레이션을 통해 도출되는 엔진부하 에너지(VSP)를 MOVES 내 입력변수(차종, 유종, 차량 감가속, 도로 기하구조 등)에 따라 행렬의 형태로 데이 터베이스화시켜 MOVES-Matrix를 제시하였으며, 여러 대단위 네트워크 대상 배출량 분석에 활용되고 있다.
<Table 2>
Factors and Model for Previous Literature
| Author (Published Year) | Factors | Model | |||||||
|---|---|---|---|---|---|---|---|---|---|
| VKT | Veh&Fuel type | Average Speed | Acceleration Speed | Veh Age | Temp · Humidity | Road grade | etc | ||
| Geunsler et al.(2016) | ○ | ○ | ○ | ○ | ○ | MOVES-Matrix | |||
| Kim(2016) | ○ | ○ | MOVES,VISSIM | ||||||
| Kan et al.(2018) | ○ | ○ | ○ | ○ | COPERT | ||||
| Kim(2020) | ○ | ○ | ○ | ○ | ○ | ○ | MOVES-Matrix | ||
| Ali et al.(2021) | ○ | ○ | ○ | ○ | COPERT | ||||
| Smit et al.(2022) | ○ | ○ | ○ | ○ | ○ | COPERT Australia | |||
| Han et al,(2022) | ○ | ○ | MOVES-Matrix | ||||||
| Yun(2023) | ○ | ○ | ○ | IPCC Tier3 | |||||
| This Study | ○ | ○ | ○ | ○ | GIR emission factor, MOVES-Matrix | ||||
Kim(2016)은 신호체계 개선을 통한 배출량 감축에 관한 연구를 진행하며, 공회전 시 온실가스 배출량을 산정하는 연구를 진행하였다. 기존 국내 배출량 산정모형의 경우, 평균속도가 최소 4.6km/h 이상이 되어야 해당 구간(지역)에 대한 배출량 산정이 가능하다는 한계가 존재하여, MOVES와 VISSIM을 활용한 시뮬레이 션 분석을 통해 이를 보완하고자 하였다. 분석결과 기존 국내 배출량 산정모형을 활용하는 경우, 시뮬레이션 대비 약 20%가량의 배출량이 누락되고 있음이 확인되었다.
Kan et al.(2018)은 우한지역 내 택시 주행경로 데이터를 바탕으로 차량운행유형(Hot, Cold, Non-Exhaust)을 분류하여 배출량 추정을 고도화하는 방안에 대한 연구를 진행하였다. 분석모형으로는 차량의 주행상태에 대 한 고려가 가능한 COPERT를 활용하였으며, 요인으로는 연료소모량, 차량 속도(평균, 감가속), 시간대별 도로 혼잡도를 선정하였다. 해당 연구의 경우, 타 분석모형에서는 고려되지 않는 주행 중 엔진상태에 대한 고려를 통해, 주행중 발생하는 총 배출량의 약 20%가량을 차지하는 Cold(엔진 온도가 일정 수준 이하인 상태) 운행 에 따른 추가배출을 고려하였다.
Kim(2020)은 미국 교통수요모델링 기반 추정교통량 생성모형을 통해 구축된 통행량을 기반으로 미국 아 틀란타 지역 내 온실가스 배출량을 산정하였다. 배출량 모형은 대단위 시공간 데이터(365일 * 24시간, 160,000개의 도로 링크)의 효율적인 사용을 위해 MOVES-Matrix를 활용하였으며, 모형에는 교통량, 속도(평균 및 감가속도), 월별 온습도, 차·유종 및 차령 구성비가 배출량 영향요인으로 선정되었다.
Ali et al.(2021)은 GPS 데이터 전처리를 통한 연료소모 및 배출량 산정 고도화 방안을 연구하였다. 해당 연 구는 점(point)단위의 GPS 궤적데이터 내 이상치들을 제거함으로써 COPERT 모형에 활용되는 누적주행거리, 주행도로유형에 따른 에너지소비계수, 차량운행유형(Hot, Cold, Non-exhaust) 데이터를 확보하여 연료소모에 따른 배출량을 분석함에 있어 활용하였다.
Han et al.(2022)은 배출량 산정에 활용되는 데이터 해상도를 높여 배출량 추정모형을 고도화하는 연구를 진행하였으며, 배출량 산정모형으로는 MOVES-matrix가 활용되었다. 배출량 산정에는 검지기 영상데이터 기 반의 차종·유종별 교통량, 차량별 통행특성(가감속)이 사용되었다.
Smit et al.(2022)은 SUV 차종의 OBD(On Board Device)와 차량 GPS에서 수집된 데이터를 활용한 탄소배출 량을 분석하였다. 배출량 산정에 활용된 모형은 COPERT Austrailia였으며, 차량의 도로유형 별 주행 데이터 와 1미터 단위로 수집된 DEM 데이터 기반의 도로 경사도를 배출량 산정에 활용하였다.
Yun(2023)은 탄소배출량과 도시 내 공간구조적 특성 간의 분석을 통해 수송부문 탄소배출량 영향요인을 판단하는 연구를 진행하였다. 배출량 산정모형으로는 IPCC(Tier3) 가이드라인을 활용하였으며, 배출량 산정 에는 총 통행량(VKT, 도착추정통행량×총통행량), 도로별 평균 통행속도 데이터와 차종·유종(승용차 휘발유) 별 배출 계수식이 활용되었다. 분석 결과 배출량을 증가시키는 요인은 사업체수, 공시지가, 연면적, 도심유 형, 행정동 내 고속도로 포함여부 등이 있었으며, 배출량을 감소시키는 요인으로는 인구밀도와 종사자수로 나타나 인구고밀이 탄소저감에 영향을 미침이 확인되었다.
배출량 산정과 고도화를 위한 여러 연구들이 진행되어왔음에도, 활동자료 기반의 데이터로 Tier 3라고 하 지만 총량적 측면에서의 활동자료로 평균속도 등을 활용하거나, 활용데이터의 제한된 수집범위 등의 한계가 존재하였다. 특히 국내 연구의 경우, 경사도를 고려하여 배출량을 산정한 연구가 미비하다. 이에 본 연구에 서는 도로의 경사도를 고려하여 배출량을 산정하고자 한다.
2. 국내외 도로선형 활용 관련 연구
기존 연구들의 경우 오염물질 배출량 산정에 차량 활동자료(VKT, 주행데이터 등) 중심의 자료를 활용함 이 확인되었다. 본 연구는 도로 선형과 관련한 선행연구를 바탕으로 연료소모와 도로선형(종단경사)의 상관 성을 확인하고, 국내 오염물질 배출량 산출식에 있어 MOVES-Matrix를 활용한 경사도 보정계수 도입방안에 대해 고찰하고자 한다.
국내의 경우, 도로선형을 고려한 교통안전 및 경로 효율화, 또는 도로선형 도출 방법에 대한 고도화에 관 한 연구들이 주로 진행되어 왔다. Park et al.(2014)은 차량속도, 종단경사, 노면 상태 조합에 따른 차량 사고 예방을 위한 도로설계 방안에 대한 연구를 진행하였다. 분석에는 교통사고 시뮬레이션 프로그램인 PC-crash 가 사용되었으며, 변수로는 차량속도(10~50km/h), 종단경사(3,6,10,15%), 그리고 고정된 노면마찰계수를 활용 하였다. 분석 결과 종단경사 값(%)이 높아짐에 따라 차량의 제동 시 관성에 의한 가속 이후 감속이 발생하며 정지까지의 시간이 증가함이 확인되었다.
Yoon et al.(2015)은 교차로 종단경사와 교통사고데이터 간의 분석을 통한 도심부도로 교차로의 적정 종단 경사 수준을 제언하였다. 상관성 분석을 위한 종속변수는 현장조사기반의 종단경사 데이터를 활용하였으며, 독립변수로는 도로교통공단 사고분석시스템(TAAS)을 통해 수집한 51개의 변수(사고건수, 사망자수, 충동유 형변수 등)가 활용되었다. 연구결과 교차로 종단경사가 정면충돌사고율과 차대차추돌사고율에 유의한 영향 을 미치는 것으로 파악되었으며, 사고율을 낮추기 위해서는 적정수준(1~3%)의 종단경사설계의 필요성을 제 시하였다. 이외에도 수치표고모델(DEM) 집계수준별 정확도 분석을 통해, 도로 선형파악에 있어 단순히 고해 상도 DEM 자료가 아닌 적정수준의 해상도(4m단위 격자)가 오차를 최소화하며 최적의 선형특성을 반영할 수 있다는 연구(Han et al., 2021), 급경사지 등의 도로선형에 대한 특성을 목적함수의 비용으로 추가하여 최 적경로 산정에 활용한 연구(Ku et al., 2022)등이 있다.
해외의 경우 도로선형 추정 고도화뿐만 아니라, 도로선형과 연료 간의 직접적인 상관성 분석을 시도하였 던 선행연구들이 다수 존재하였다. Della Ragione et al.(2016)은 기존에 고려되지 않았던 도로 경사도의 반영 이 가능한 모형을 설계하여 기존 배출량 모형(COPERT IV)과의 비교분석을 진행하였다. 분석에는 1개의 픽 업트럭에 부착된 PEMS(이동형 오염물질 배출측정장치)와 OBU(On Board Unit)에서 수집된 배출량 및 주행 (엔진, 차량 기울기, 감가속도)데이터를 활용하였으며, 경사도가 반영되었을 때 실제 배출량과의 추정오차가 줄어듦이 확인되었다.
Magrath and Brady(2017)은 도로 선형 추정에 있어 활용되는 수집 및 추정 방법론 간 비교분석을 통해 대 단위 지역에 대한 도로별 경사도 분석을 진행하였다. 추정에 활용되는 데이터는 실측, OBU 내 3차원가속도 계, 위성자료기반의 DEM 세가지로 구분되며, 이 중 도로선형에 대한 평활(smoothing)이 적용된 DEM기반 추 정 모형이 가장 좋은 결과를 보임을 확인하였다. Faria et al.(2019)는 운전성향(난폭, 방어)과 도로선형에 따 른 배출량 변화에 대한 상관성 분석을 통해, 효율적인 주행 행태를 제시하였다. 분석에는 주행정보 수집장치 (i2D)를 통해 3년간 3.3만개의 주행데이터를 수집하였다. 분석결과 0% 경사도 대비 5% 이상의 경사도에서 난폭운전은 225% 방어운전은 300%의 추가적인 연료소모가 발생하며, 전체 주행에 있어 난폭운전이 방어운 전에 비해 255%의 추가 연료소모가 발생함을 확인하였다.
Liu et al.(2024)는 도로선형과 차량주행(속도)에 대한 상호연관분석을 통해 배출량 변화를 수치화하는 연 구를 진행하였으며, 24대의 디젤 대형트럭의 주행 및 PEMS기반의 배출량 데이터를 활용하였다. 분석 결과 도로선형(경사도)에 따라 4~44%의 속도변화가 분석되었으며, 기존 배출량 추정치와 대비하여 탄소의 경우 배출량이 평지대비 –99.14 ~ 291.30%의 편차가 발생함을 확인하였다. 이에 대한 원인으로는 오르막구간은 배출량 의 과소측정이 발생하고 내리막구간은 가속으로 인한 엔진사용에 따라 기존 예측에 비해 감소하는 폭이 적음 등을 제시하였다.
도로선형과 관련한 연구는 국내외에서 지속적으로 이뤄졌지만, 국내 연구의 경우에는 도로선형을 활용하 는 연구는 제한적이었다. 해외의 경우에는 도로선형 데이터를 배출량 산정에 활용하기도 하였지만, 이 또한 특정 차종 또는 추세에 대한 분석에 한하여 이뤄져 정량적인 수치를 제공하지 못하였다는 한계점을 지니고 있다. 본 연구에서는 해외 연구사례들을 바탕으로 국내에서 교통안전 및 경로효율화 등에 활용되는 도로선 형에 대한 활용방안을 연료소모 및 배출량 산정에도 활용할 수 있는 방안에 대해 모색하고자 한다.
Ⅲ. 방법론
1. MOVES 기반 경사도 보정계수 개발
1) 보정계수 개발 흐름도
2021 승인 국가 온실가스 배출 모형(이하 국내 모형)에 대한 보정계수 적용방식은 아래 그림과 같다<Fig. 1>. 1단계는 국내 모형과 해외 모형(MOVES) 간의 차·유종 구분 체계에 대한 조정이다. 이는 차·유종에 따라 적용되는 종단경사 보정계수의 값이 다르기 때문이다. 이후 해외 모형 DB를 활용하여, 경사도에 따른 배출 량 민감도 분석을 진행하여, 국내 16종 차종 분류체계에 따른 MOVES-matrix를 구축한다(2단계). 배출량 변화 데이터에 대한 적용을 위해, 현재 활용 가능한 3종 분류(승용, 승합, 화물)체계로의 재분류 작업을 진행한 다 음, 종단경사 값을 적용하였다(3단계). 종단경사의 경우, 국토지리정보원에서 운영 중인 국토정보플랫폼 내 표고점 자료를 활용한 DEM자료를 구축 및 활용하였다(특허 10-2024-0097619). 4-1,2 단계에 해당하는 종단경 사 산정 및 적용 과정은 링크 기반의 종단경사와 링크 내 세부 격자망(Grid)별로 구분된다. 링크 기반의 종단 경사는 링크의 기종점 노드(node)의 표고점 간 고저차이를 활용하여 산정하며, 격자망 기반의 종단경사는 격 자망과 도로네트워크를 매칭하여, 격자로 나뉜 링크별 표고점 고저차이를 활용한다. 이후 종단경사가 고려되 지 않았던 기존 국내모형과 종단경사 산정방식에 따른 배출량에 대한 비교분석을 통해, 국내 배출량 모형 고 도화 방향성 및 적용에 관한 분석을 진행하였다.
2) 종단경사에 따른 차종/유종별 보정계수 개발
MOVES를 활용하여–10˚ ~ +10˚의 도로 기울기에 대해 0˚(%)를 기준으로 1% 증감별 온실가스 배출량 변 화량을 상대적 비율로 정의하였다. 보정계수는 기울기 0%를 기준으로 5~120km/h 속도 구간에 대해 매 5km/h마다 MOVES 기반의 시뮬레이션을 통해 도출된 연료소모량(STP)의 상대적인 변화율을 MOVES-Matrix 데이터베이스로 구축하고 이를 보정계수로써 활용하는 방식이며, 이는 Equation 1과 같다. 구축된 데이터베 이스 예시는 아래와 같으며<Fig 2>, 해외모형을 기준으로 차·유종에 따라 배출량 증감의 차이는 존재하지만, 경사도가 배출량과 비례하는 경향이 확인 가능하다<Fig 3>. 해당 변화량에 대한 값을 바로 국내 모형에 적용 하기에는 차량 유형 및 분류체계에 대한 매칭작업이 필요하기에, 도출된 배출 보정계수를 국내 실정에 맞추 는 과정을 진행하였다.
여기서,
-
EFg,i,j는 차종 i, 유종j, 경사도(%) g 의 온실가스 종단경사 보정계수
-
ERg,i,j는 차종 i, 유종j , 경사도(%) g 의 온실가스 배출계수(g/km)
-
n (υ) 는 속도구간의 개수, 속도구간은 속도υ 가 5~120km/h 구간 내 5km/h씩 증분 하는 값의 집합
3) 보정계수 국내 도입모형 개발
해외 모형(MOVES-matrix)을 통해 차종별로도 경사도에 따라 배출량이 상이함을 확인하였다. 이러한 특징 을 배출량에 반영하고자, 종단경사 보정계수에 대한 적용에 앞서 국내·외 차종 분류 체계 간 매칭작업을 수 행하였다. 차종의 경우, 해외모형은 8개 차종(승용 1종, 승합 4종, 화물 3종)에 대한 분석을 하였으며, 해외 8 종에 대해 국내 11종(승용 4종, 승합 4종, 화물 3종)을 매칭하였다. 다만, 수집되는 데이터의 한계로 인해 국 내 교통정보 수집 시스템 내 통상적으로 수집되는 3개의 일반 차종 분류체계(승용차, 버스, 화물차)로의 재분 류가 필요하였으며, 3종 분류체계 별 차·유종 구성비를 고려한 배출계수식과 보정계수를 개발하였다. 승용차 와 화물차는 국토교통 통계누리에서 제공하는 자동차 등록자료를 활용하였으며(`23.09.기준), 버스는 전국 버 스운송사업조합 연합회에서 제공하는 버스통계편람(`22)을 활용하였다(Transportation Statistics Annals, 2023; National Association of Bus Transportation Operators, 2022).
차·유종에 대한 직접적인 정보가 없는 경우에 대해서는 차종별로 다음과 같은 방식으로 추정을 진행하였 다. 승용차의 경우 차종과 유종에 대한 종합적인 고려가 이뤄진 비율이 제공되고 있지 않아, 차종과 유종에 대한 차량 등록대수 자료를 기반으로 조합하여 구성비를 추정하였으며, 차종 중 LPG 승용차의 경우에는 해 외모형(MOVES-matrix)에서 고려되고 있지 않아 분석에서 제외하였다. 버스는 시내, 농어촌, 시외, 고속버스 에 대한 차량 등록대수는 존재하나, 유종별 자료는 수집이 어려워 시내는 CNG 이외는 경유로 가정하였다. 화물차 또한 유종에 대한 구성비를 확인함에 있어 어려움이 존재하였으며, 차종(소형, 중형, 대형)별 구성비 를 고려하여 비율을 산정하였다. 최종 산정된 비율은 <Table 3>과 같으며, 국내 차·유종 구성비를 고려하고 자 Equation 2를 적용하여 차종별 종단경사 보정계수를 개발하였다<Table 4>.
<Table 3>
Vehicle Type Composition Table Based on Vehicle Registration Numbers
| Vehicle Type | Size | Fuel Type | Proportion (%) |
|---|---|---|---|
| Passenger Car | Light | Gasoline | 9.9 |
| Small | Gasoline | 0.8 | |
| Small | Diesel | 0.4 | |
| Medium | Gasoline | 36 | |
| Medium | Diesel | 18 | |
| Medium | HEV | 4.2 | |
| Large | Gasoline | 19 | |
| Large | Diesel | 9.5 | |
| Large | HEV | 2.2 | |
| Sub Total | 100 | ||
| Bus | Inter-city | Diesel | 15.7 |
| Inner-city | CNG | 84.3 | |
| Sub Total | 100 | ||
| Truck | Small | Diesel | 78.3 |
| Medium | Diesel | 11.5 | |
| Large | Diesel | 10.2 | |
| Sub Total | 100 |
<Table 4>
Road Gradient Correction Factor Table with Vehicle Types
| Road Gradient(%) | Passenger Car | Bus | Truck |
|---|---|---|---|
| -10 | 0.79994 | 0.42902 | 0.67001 |
| -9 | 0.79994 | 0.42902 | 0.67001 |
| -8 | 0.79994 | 0.42902 | 0.67001 |
| -7 | 0.79994 | 0.42902 | 0.67001 |
| -6 | 0.79994 | 0.42902 | 0.67001 |
| -5 | 0.80172 | 0.43179 | 0.67179 |
| -4 | 0.80349 | 0.43387 | 0.67377 |
| -3 | 0.80543 | 0.43941 | 0.67577 |
| -2 | 0.81793 | 0.45002 | 0.69000 |
| -1 | 0.89413 | 0.60646 | 0.80125 |
| 0 | 1.00000 | 1.00000 | 1.00000 |
| 1 | 1.14319 | 1.74929 | 1.15616 |
| 2 | 1.35057 | 2.05531 | 1.39756 |
| 3 | 1.65382 | 2.59978 | 1.66885 |
| 4 | 1.87654 | 3.31357 | 1.91606 |
| 5 | 2.03897 | 3.86713 | 2.09513 |
| 6 | 2.31344 | 4.22596 | 2.33683 |
| 7 | 2.55510 | 4.88781 | 2.55975 |
| 8 | 2.91157 | 5.46174 | 2.88355 |
| 9 | 3.08032 | 6.07473 | 3.04276 |
| 10 | 3.56137 | 6.36075 | 3.35617 |
여기서,
Ⅳ. 모형 검증 및 연구 결과
1. 종단 경사를 반영한 온실가스 배출량 산정 고도화 모형 설계
본 연구는 국내 배출모형 고도화 방안으로 종단경사 보정계수 적용에 대한 방법론을 고안하였다. 기존 링 크별 온실가스 배출량에서 활용되지 않았던 종단경사 반영을 위해 국내 배출량 산정모형에 링크의 종단경사 에 따른 배출변화계수를 적용하였으며(Equation 3), 링크의 종단경사는 링크 또는 여러 개의 격자로 세분화된 구간으로 구분되며(Equation 4), 세분화시에도 통행량과 평균속도는 링크의 값을 활용한다.
여기서,
-
El 은 링크 l 의 총 온실가스 배출량(g )
-
ERl,i,j,υ는 링크 l 의 차종(i), 유종(j ), 평균속도(υ )의 승인 국가 온실가스 배출계수(g/km)
-
fi,gr,g는 링크 l 의 차종(i), 구간(링크 또는 격자)(gr)의 경사도(g ) 보정계수
2. 고도화 모형 적용을 위한 데이터 구축 및 데이터 특성 분석
본 연구는 제안된 고도화 알고리즘에 대한 신뢰성 검증의 방식으로 세 가지 모형(기존 국내모형, 종단경 사 반영 모형 2종(링크, 격자)) 간의 배출량 추정치 비교를 수행하였다. 비교 분석 및 신뢰성 검증을 위한 데 이터로는 한국교통연구원에서 운영 중인 ViewT 3.0 내 네트워크 Level 6 기준 경부고속도로 전 구간에 대한 일일 통행량을 활용하였다. 데이터는 결측 구간을 제외하고 806개의 링크로 이루어져있으며, 링크는 평균 1km, 격자로 구분된 세부 링크 길이는 평균 약 7m로 확인되었다<Table 5>. 링크와 격자별로 산출된 종단경 사 는 구간의 길이 등에 의해 상이하였으며, 격자에 비해 링크의 종단경사 평균 기울기가 낮게 측정되었다. 산출된 종단경사는 보정계수표 상의 분류와 일치시키기 위해 정수화(integer) 작업 및 최저 및 최고값에 대한 보정(-10~10%)을 진행하였다. 이는 MOVES 모델 내에서 적용 가능한 경사 범위(-10~10%)를 기반으로 보정한 것이다. 해당 범위에서 벗어나는 수치는｢도로의 구조·시설 기준에 관한 규칙(이하 도로구조규칙)에 근거하 여, 이상치로 판단하고 모형 내 최소‧최대값인 –10%와 10%로 보정하여 활용하였다.
<Table 5>
Basic Statistics Table of Base Network Data Used in Advanced Model Application
* P/C : Passenger Car ; C.F. : Correction Factor ; L/G : Link based Gradient ; G/G : Grid based Gradient
| Data name | Unit | Average | Std. Dev | Min | Median | Max | Number of Link |
|---|---|---|---|---|---|---|---|
| Road(link) Length | km | 1.05 | 1.45 | 0 | 0.52 | 13.42 | 806 |
| Road Gradient(Link, Rational) | % | -0.06 | 1.59 | -21.21 | 0 | 9.97 | |
| Road Gradient(Link, Integer) | % | -0.04 | 1.4 | -10 | 0 | 10 | |
| Road Length per Grid Cell | km | 0.007 | 0.001 | 0.026 | 0.08 | 0.01 | |
| Road Gradient(Grid, Rational) | % | -1.61 | 2.79 | -21.21 | -0.9 | 4.93 | |
| Road Gradient(Grid, Integer) | % | -1.51 | 2.4 | -10 | -1 | 5 | |
| Number of Grid in Road | cells | 131.5 | 180.45 | 1 | 65.5 | 1696 | |
| Correction Factor of P/C(L/G) | multiple | 1.03 | 0.19 | 0.8 | 1 | 3.56 | |
| C/F of Bus(L/G) | 1.12 | 0.57 | 0.43 | 1 | 6.36 | ||
| C/F of Truck(L/G) | 1.01 | 0.22 | 0.67 | 1 | 3.36 | ||
| C/F of P/C(G/G) | 1.08 | 0.23 | 0.8 | 1 | 2.91 | ||
| C/F of Bus(G/G) | 1.24 | 0.61 | 0.43 | 1 | 5.13 | ||
| C/F of Truck(G/G) | 1.05 | 0.25 | 0.67 | 1 | 2.79 | ||
| Total Vehicle Traffic Volume | veh/day | 47,423 | 29,021.03 | 545 | 39,629 | 123,848 | |
| P/C Traffic Volume | 32,853.38 | 23,327.58 | 372 | 25,746.5 | 9,2530 | ||
| Bus Traffic Volume | 1,482.89 | 1,800.7 | 28 | 645 | 7,966 | ||
| Truck Traffic Volume | 13,086.83 | 5,781.18 | 104 | 11,824 | 26,409 | ||
| P/C Avg. Speed | km/h | 91.09 | 17.94 | 4.92 | 95.92 | 113.06 | |
| Bus Avg. Speed | 91.74 | 13.43 | - | 95.8 | 106.4 | ||
| Truck Avg. Speed | 76.43 | 10.64 | 11.17 | 79.57 | 94.55 | ||
| P/C Emission(GIR Basic model) | g | 4,581,886 | 7,031,900 | 2,860.92 | 1,939,641 | 62,263,715 | |
| P/C Emission(L/G C/F model) | 4,669,274 | 7,110,661 | 2,808.8 | 1,946,750 | 62,263,715 | ||
| P/C Emission(G/G C/F model) | 4,785,047 | 7,209,762 | 2,808.8 | 1,988,457 | 66,289,207 | ||
| Bus Emission(GIR Model) | 694,329.6 | 1,436,304 | - | 219,498.4 | 15,460,223 | ||
| P/C Emission(L/G C/F model) | 769,047.8 | 1,735,562 | - | 199,942.6 | 2,1892,562 | ||
| P/C Emission(G/G C/F model) | 808,008.4 | 1,734,316 | - | 224,451.3 | 22,380,906 | ||
| P/C Emission(GIR Basic model) | 3,457,306 | 4,898,395 | 2,449.17 | 1,554,392 | 43,812,682 | ||
| P/C Emission(L/G C/F model) | 3,449,110 | 4,869704 | 2,449.17 | 1,506,910 | 43,812,682 | ||
| P/C Emission(G/G C/F model) | 3,519,083 | 4,919,495 | 2,449.17 | 1,614,427 | 46,631,782 |
차종별 종단경사 보정계수는 앞선 <Table 4>의 보정계수의 값들이 링크 및 격자별로 적용되어있으며, 평 균속도의 경우에도 차종별 평균속도를 적용하여, 배출량 추정치의 정확도를 높였다. 고도화에 따른 링크단위 배출량 변화는 종단경사 산정방식에 따라 일부 감소도 존재하였지만, 경사를 고려함에 따라 배출량이 증가 하는 추세임이 확인되었다. 모형 간 배출량의 차이를 통한 신뢰성 검증을 위해, 본 연구는 이후 경부고속도 로 전체 구간을 대상으로 분석을 진행하였다.
3. 고도화 모형 적용 및 산정 모형 간 신뢰성 검증
비교분석에 앞서, 종단경사의 경우 산정방식의 한계로 인해, 구간의 길이에 영향을 받는다는 특징이 존재 한다. 때문에 링크 간 길이의 편차가 큰 링크단위 종단경사(이하 종단경사-링크)는 집계수준의 불일치성과 링크 내 경사도 변화구간에 대한 고려가 제한적으로 이뤄지는 등의 문제점이 존재한다. 다만 격자단위 종단 경사(이하 종단경사-격자)에 비해 요구되는 데이터 사이즈가 적다는 점에서 활용 용이성이 존재하여, 본 연 구에서는 종단경사 미적용 국내모형, 종단경사-링크적용 모형, 종단경사-격자적용 모형 세 가지 모형 간의 비교분석을 진행하였다.
고도화 모형 적용에 앞서, 기반지도 내 포함 데이터 세분화 과정이 선행되었다. 기존 네트워크의 경우 VKT산출에 활용되는 링크 길이와 차종별 통행량, 배출계수 적용을 위한 평균속도로만 구성되어 있기에 <Table 6>, 링크과 격자단위 기울기정보와 차종별 평균속도 정보를 추가로 적용한 네트워크를 구축 및 활용 하였다<Table 7>. 아래 테이블<Table 6,7>에 제시된 데이터는 분석대상 구간 중 내리막(기울기 -%)과 오르막 (기울기 +%) 대표 구간을 한 곳씩 선정한 예시이다. 두 링크에 종단경사를 반영한 결과, 내리막 링크(n1)는 약 24~7%가량의 배출량이 과대측정 되어왔으며, 오르막 링크(p1)는 약 66~9%가량 과소측정 되어왔음이 확 인되었다. 해당 값들은 링크 중 경사도 값이 큰 구간에 대한 예시이며, 경부고속도로 전체 구간에 대해 종단 경사 보정계수를 적용하는 경우의 배출량 변화 수준은 다음과 같다<Table 8>.
<Table 6>
Original Road Network Data(Sample)
| id | Road(Link) Length (km) | Traffic Volume (veh/day) | Avg. Speed (km/h) | Emission (g/day) | ||||
|---|---|---|---|---|---|---|---|---|
| P/C | Bus | Truck | P/C | Bus | Truck | |||
| n1 | 0.292 | 16,602 | 345 | 10,071 | 102 | 100 | 81 | 1,474,792.64 |
| p1 | 0.218 | 12,051 | 234 | 7,893 | 103 | 101 | 79 | 829,989.47 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
<Table 7>
Advanced Road Network Data with Gradients and Grid Mapping(Sample)
| id | Link Info (km, %) | Traffic Volume (veh/day) | Avg. Speed (km/h) | Grid info (km, cells, %) | Emission (g/day) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Length | L/G | P/C | Bus | Truck | P/C | Bus | Truck | Length | Num. of Grids | G/G | GIR basic model | L/G C/F model | G/G CF model | |
| n1 | 0.292 | -3.76 | 16,602 | 345 | 10,071 | 102 | 100 | 81 | 0.006 | 2 | -7.25 | 1,474,792.64 | 1,071,863.34 | 1,115,748.05 |
| 0.011 | 1 | -6.3 | ||||||||||||
| 0.106 | 15 | -5.74 | ||||||||||||
| 0.011 | 1 | -4.05 | ||||||||||||
| 0.045 | 7 | -3.58 | ||||||||||||
| 0.011 | 1 | -2.94 | ||||||||||||
| 0.011 | 2 | -2.54 | ||||||||||||
| 0.011 | 1 | -2.05 | ||||||||||||
| 0.08 | 12 | -1.18 | ||||||||||||
| p1 | 0.218 | 3.13 | 12,051 | 234 | 7,893 | 103 | 101 | 79 | 0.014 | 3 | 1.28 | 829,989.47 | 1,404,220.32 | 1,375,642.21 |
| 0.01 | 1 | 2.15 | ||||||||||||
| 0.07 | 7 | 2.22 | ||||||||||||
| 0.01 | 1 | 2.48 | ||||||||||||
| 0.009 | 1 | 3.18 | ||||||||||||
| 0.105 | 14 | 4.15 | ||||||||||||
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
<Table 8>
Senario Based Model Comparison
| Senario | Actual Emission | Forecast Emission | ME | MAE | Range of APE | MAPE |
|---|---|---|---|---|---|---|
| Case 1 | GIR basic model | L/G C/F model | -153,910.33 | 936,878.57 | 0.00 ~259.10 | 12.18 |
| Case 2 | GIR basic model | G/G C/F model | -378,616.37 | 1,093,823.43 | 0.00 ~192.95 | 15.87 |
| Case 3 | L/G C/F model | G/G C/F model | -224,706.04 | 491,208.91 | 0.00 ~126.65 | 7.21 |
모형 간 분석에 있어서는 활용된 데이터의 상세도가 낮은 모형을 참값으로 설정하여 평균오차(ME, Mean of Error), 절대평균오차(MAE, Mean Absolute Error), 절대비율오차(APE, Absolute Percent Error) 범위와 평균절 대비율오차(MAPE, Mean Absolute Percent Error)를 산정하였다(Equation 5-8).
여기서,
3개의 비교 시나리오 설정 후 모형별 산정 배출량 간의 유사성 검증을 진행한 결과, 현재 활용되는 국내 모형의 배출량이 매일 약 153.91~378.61kg의 탄소가 전반적으로 과대 산출되고 있음이 확인되었다<Table 6>. 이는 분석에 활용된 경부고속도로 내 내리막 구간이 많이 형성되어있음을 의미하며, 앞서 <Table 5>에서 제 시되었던 기초통계 중 평균 기울기가 음수인 것을 통해 확인가능하다. APE range와 MAPE 값을 통해 Case 1(국내모형 & 종단경사-링크)의 최대 APE가 259%로 종단경사-격자를 고려한 Case 2(최대 192.95%)보다 크게 나타났지만, MAPE는 종단경사-격자를 고려한 Case 2가 15.87%로 더 높게 나타남을 확인할 수 있었다. 이는 격자단위의 종단경사를 고려하는 경우, 링크별 배출량에 적용되는 보정계수들이 더 많아져, 전체적인 변동폭 에 영향을 주는 것으로 판단 가능하다. 종단경사 반영 모형간의 비교를 진행한 Case 3의 MAPE값을 통해, 종 단경사 산정방식 간의 유의한 차이가 존재하는 것 또한 확인 가능하였다.
종단경사에 따른 배출량 변동이 분석 대상지의 특성에 따라서 상이할 수 있음 또한 확인가능 하였다.｢도 로의 구조·시설 기준에 관한 규칙｣(이하 도로구조규칙)1) 제 25조에 따르면, 국내 모든 도로는 기능별 구분에 따라 최대 종단경사가 제시되어있다. 본 연구에서는 도로 유형 중 가장 완만한 종단경사로 설계되는 고속국 도에 해당하는 경부고속도로를 분석대상으로 설정하였음에도, 약 16%가량의 배출량의 차이를 보였다. 이는 경사도가 비교적 높은 지방도 및 산간지역 도로의 경우, 배출량 추정치의 차이가 더 커짐을 의미한다. 또한 전국 단위의 집계적 수준에서의 차이는 미비할 수 있으나, 집계 구역을 세분화할 시, 구역의 지형적 특성이 배출량에 높은 영향력을 미칠 수 있음을 시사한다.
Ⅴ. 결 론
1. 결론 및 의의
지구온난화와 기후변화에 대한 우려가 증가하고 국가단위의 감축 노력이 지속되는 가운데, 수송부문 온실 가스 중 90% 이상을 차지하는 도로부문의 배출량저감 필요성이 높아지고 있다. 온실가스 배출저감을 위한 교통정책 및 운영전략 수립이 요구되고 있으나, 지자체별 세부적인 감축전략 수립에 있어 전국 또는 지자체 (시/도)단위에서 이뤄졌던 승인 국가 온실가스배출계수(이하 국내모형) 기반의 집계적 수준의 통계치는 유의 한 활용이 어려웠다. 세부 감축전략 수립 및 적용 시 활용될 수 있는 구역 또는 도로단위의 미시적 수준의 온실가스 배출량 산정 모형 구축을 위해 선행연구 및 사례 검토과정을 거쳤으며, 국외 모형에서 활용되는 영 향인자들에 대한 추가적인 검토와 국내 도로네트워크 데이터 개선을 통한 국내모형의 고도화 방안을 모색하 였다. 국외모형 대비 국내모형의 경우, 차량 외부요인(종단경사, 온·습도, 등)에 대한 고려가 이뤄지지 않고 있음이 확인되었다. 다만 국내에서도 경로설정 등에 있어 종단경사를 비용변수로 추가하는 등의 시도가 이 뤄졌기에, 본 연구는 국내모형의 고도화 방안으로 종단경사 보정계수의 개발과 적용을 검토하였다.
본 연구는 미국 환경청의 MOVES 모형을 기반으로, 미국 조지아공과대학교 연구팀이 개발한 자동차 온실 가스 배출량 산정 모형인 MOVES-Matrix를 활용하여 도로 종단 경사에 따른 온실가스 배출량의 민감도 분석 을 진행하였다. 분석 결과 차·유종에 따라 종단경사가 배출량에 미치는 영향이 상이하였지만, 전반적으로 종 단경사가 높아짐에 따라 온실가스 단위 배출량이 증가한다는 특성이 확인되었다. 이를 국내모형에 반영하기 위해, 본 연구는 5~120km/h의 속도구간 내 매 5km에 대해, 종단경사 –10~10% 구간 내 매 1%의 민감도 분 석 테이블 구축 및 전 속도 구간에 대한 차·유종별 종단경사 보정계수를 개발하였다. 개발된 보정계수는 국 내 교통정보 수집시스템에서 제공하는 일반차종 3종(승용차, 버스, 화물차) 데이터에 적용하기 위해, 차·유종 구성비를 고려한 3개의 일반 차종별 온실가스 종단경사 보정계수를 최종적으로 제시하였다.
또한 최종적으로 제시된 온실가스 종단경사 보정계수를 고려하기 위한 데이터 셋 구축과 국내모형 적용 알고리즘을 제안하였다. 종단경사는 산출방식은 링크기반과 격자기반 종단경사 두 가지로 구분되며 각각의 장단점이 존재하여, 본 연구에서는 두 방식 모두 활용하여 분석을 진행하였다. 분석은 종단경사 정보가 포함 된 경부고속도로 전 구간(네트워크 Level 6) 중 교통량이 존재하는 806개 링크를 대상으로 차종별 통행량, 평 균속도를 활용하여 배출량을 산정 및 보정계수 적용을 진행하였다. 분석결과, 반영된 종단경사의 유형(링크, 격자)에 따라 링크 별로 약 0~259%의 온실가스 배출량 차이(APE)가 발생하였으며, 전 구간의 경우 각각 12.18(링크 종단경사)과 15.87(격자 종단경사)의 차이(MAPE)를 보임이 확인되었다.
분석대상지의 특성(완만한 경사, 평균 경사 내리막)으로 인해 종단경사 보정계수가 적용된 온실가스 배출 량이 국내 모형의 온실가스 배출량에 비해 낮게 산출되는 결과를 보였으며, 배출량 집계 단위가 세분화됨에 따라 모형에 따른 배출량 차이가 크게 발생함이 확인 가능하였다. 이는 만약 전국 또는 지자체의 도로 종단 경사 평균이 0%(평지)에 가까워 종단경사의 반영이 배출량에 차이를 발생시키지 않는다 하더라도, 지자체 단위에서의 구역별 감축전략 수립에 있어서 친환경 차량 전환, VKT 감축 등의 기존 감축 전략에서 벗어나 도로선형 개선 등의 새로운 접근 방식을 제안하였다는 점에서 의의를 가진다.
2. 한계점 및 향후 연구방향
본 연구는 국내 온실가스 배출계수 고도화라는 연구 목표에 있어 일정 부분 한계점이 존재하였으며, 향후 연구에 대한 고찰을 통해 개선 방향성을 모색하고자 하였다. 우선 연구의 한계점으로는 첫째, 도로유형 또는 지역(지자체, 구역 등)별로 다른 종단경사 분포형태가 존재하는지와 해당 종단경사 분포형태를 고려한 전국 단위 배출량 보정 알고리즘을 수립하지 못하였다는 점이다. 두 번째는 차종과 유종에 대한 고려가 완전하게 이뤄지지 않았으며, 배출량 보정계수 산정에 활용한 해외 모형(MOVES)내에 국내 일부 차종(LPG 승용차 등) 은 고려되지 않아 보정계수 산정에 있어 오차가 발생하였다. 또한 가용데이터의 한계로 인해, 각 도로 별 차 종의 교통량에 대한 비율을 구하는데 어려움이 있었다. 마지막은 종단경사를 반영한 국내모형의 배출량과 실제 배출량 간의 차이를 비교분석하지 못하였다는 점이다. 각각의 한계점에 대한 향후 연구 방향은 다음과 같다. 첫째 전국 단위 종단경사 분포의 경우 종단경사 산정방식(링크, 격자) 간의 비교분석을 통해, 실제 측 정되는 배출량에 맞는 종단경사 산정방식 도출이 선행되어야한다. 이후 해당 방식을 활용하여 전국 도로네 트워크(Level 7 이상)에 종단경사 특성 부여 및 전국단위 분석에 있어 집계적 수준에서의 대표 보정계수로써 의 활용 등이 용이해질 것으로 보인다. 두 번째 차종 및 유종에 대한 고려는 국내 차량등록자료 및 차량 활 동자료에 대한 개선 작업과 본 연구에서 보정계수 산정에 활용된 MOVES를 2023년에 출시된 MOVES 4.0으 로 현행화하는 과정이 필요하다. 동시에 보다 정확한 데이터를 활용하여 차종, 유종에 따른 구성비를 정확히 확인한다면, 더 세분화된 배출량을 산정할 수 있을 것으로 기대한다. 마지막으로 이론적 수준에서 이뤄진 배 출량 변화량에 대한 정확한 보정계수 도출을 위해 국내 실정에 맞춘 실험실 기반의 분석결과 구득이 필요하 다. 또한 본 연구에서 온실가스 배출량에 영향을 미치는 여러 인자 중 종단경사에 대한 제한적인 분석을 진 행하였기에, 감가속, 차중, 차령, 기온 등의 여러 요인에 대한 복합적인 고려가 이뤄진 보정계수 개발이 향후 미시적 수준의 온실가스 배출량 산정 고도화에는 필요할 것으로 판단된다. 이는 본 연구에서 제시한 차종과 경사 2차원 인덱스에서, 차종, 경사, 속도를 고려한 3차원 인덱스로 발전시키는 방향으로 이뤄질 수 있으며, 이외에도 감가속도 등을 추가로 고려하여 온실가스 산정 고도화에 기여할 수 있을 것으로 기대한다.
