서울시 전동킥보드 무단 주정차 유형별 영향요인 분석

Ⅰ. 연구의 배경 및 목적

Ⅱ. 선행연구 고찰

Ⅲ. 분석방법

1. 분석 자료

본 연구에서는 서울시열린데이터광장에서 제공하는 ‘전동킥보드 견인 지역 자료’를 활용하였다. 서울특별시는 지속된 전동킥보드 주정차 민원에 대응하고자 2021년 7월, 전동킥보드 주정차 위반 신고 및 견인 서비스를 개시하였다(김민채, 2021). 이는 6개 자치구에서 시범 운영되었고, 시행 2개월 만에 관련 민원의 35%가 감소하는 효과가 나타났다(임단비, 2021). 이후, 2022년 1월부터 서울시 모든 자치구에서 운영 중이며, 견인된 데이터를 개방하여 <표 1>과 같이 신고일, 건물 지번 기준 주소, 유형 등을 제공하고 있다.

Table 1.

Example of electric kickboard tow data

본 연구에서는 단일 견인 건을 하나의 무단 주정차로 간주하였으며, 무단 주정차 횟수를 집계구 단위로 집계하여 분석에 활용하였다. 또한, 견인 정보 누락 월이 많으며, 월 단위 기준 무단 주정차 수의 평균보다 편차가 큰 네 개 자치구(구로구, 금천구, 양천구, 은평구)는 분석의 공간적 범위에서 제외하였다. 시간적 범위는 2022년 1월부터 2023년 7월까지로, 2023년 8월부터는 기존에 제공되던 14가지 견인 유형 대신 사용자가 직접 입력한 신고내역이 포함돼, 무단 주정차 유형화가 어려워 분석의 시간적 범위에서 제거하였다. 또한, 정확한 견인 원인을 추정할 수 없는 ‘기타’ 유형과, 발생 횟수가 적은 다섯 가지 유형도 분석에서 제외하였다. 최종적으로, 8가지 범주를 <표 2>와 ‘차도 방해’, ‘택시·버스 방해’, ’자전거도로 방해‘, ’보도 방해‘, ’통행 방해‘의 다섯 가지 유형으로 구분하여 분석에 활용하였다. 최종적으로 <그림 1>와 같이 21개 자치구에 속한 15,631개 집계구 내, 24,108개의 주소 지점에서 수집된 총 76,987건의 신고 데이터를 사용하였다. 특히, 자치구별 월별 견인 횟수의 편차가 적어 계절적 영향은 없다고 판단하여, 2022년 1월부터 2023년 7월까지의 자료를 누적하여 활용하였다(부록).

Table 2.

Amount and ratio of electric kickboard tow by type(2022.01~2023.07)

Figure 1.

Distribution of towing points for unauthorized parking of electric kickboard (2022.01~2023.07)

2. 변수 설정

본 연구에서는 유형별 전동킥보드 무단 주정차 영향요인을 도출하기 위해 다섯 가지 범주로 나누어 집계구 별 변수를 <표 3>과 같이 구축하였다. 우선 전동킥보드 견인 서비스의 우선 시행 효과의 차이를 살펴보기 위한 변수로 서비스의 시범지역인 여섯 개 자치구¹⁾에 대한 더미 변수를 추가하였다. 해당 변수는 견인 제도의 우선 시행으로 발생한 견인비 부담을 덜기 위해 전동킥보드 공유 업체에서 자체적으로 무단 주정차에 대한 관리를 시행하였다는 것을 가정으로 한다.

Table 3.

Definition of variables and data source

거주환경 특성은 전동킥보드의 이용과 관련이 있는 변수로, 주요 이용층으로 판단되는 20~65세의 시간별 평균 생활인구 수, 평균 경사도, 수역, 녹지, 대학교 접근성 변수를 추가하였다. 수역, 녹지, 대학교는 각각 여가 통행 혹은 대학생의 통학 통행 등과 연관이 있으며, 전동킥보드를 통한 통행의 기종점지 및 주차 지점과 연관이 있을 것으로 판단된다.

이후 토지이용 특성 변수로 토지이용 혼합도와 세 가지 시설의 밀도, 관심시설(Point of Interest, POI) 혼합도, 네 가지 시설에 대한 관심시설의 수를 변수로 추가하였다. 토지이용 특성 변수 중 경우 주거, 상업 및 업무시설은 연면적 밀도를 고려하였다. 관심시설의 경우 면적을 추정할 수 없다는 한계가 존재하여 밀도가 아닌 개수를 변수로 사용하였다. 이는 전동킥보드 통행의 출도착지의 특성을 반영하며, 전동킥보드의 무단 주정차에도 영향을 미칠 것으로 판단된다. 구체적으로, 전동킥보드 이용 수요가 높은, 잠재적인 전동킥보드 퍼스트마일, 라스트마일 지점의 미시적인 특성 분석이 가능할 것이다.

도로 환경 특성은 전동킥보드의 이동성에 영향을 미칠 수 있는 변수로 교차로 개수, 평균 도로폭, 횡단보도 수를 추가하였다. 전동킥보드의 이용 및 무단 주정차는 도로환경 안전과 연관되며, 이는 교차로, 도로폭, 횡단보도 등에 의해 영향을 받을 수 있다. 마지막으로 교통환경 특성은 다른 교통수단과의 연계성 혹은 상충관계를 확인하기 위한 변수로 공공자전거, 버스, 지하철, 자동차 이용 시설에 대한 변수를 추가하였다. 이를 통해 무단 주정차가 자주 발생하는 지역에서 다른 수단의 영향력을 확인할 수 있을 것이다.

Ⅳ. 분석 결과

1. 기초통계분석

본 연구의 분석 단위는 집계구로, 4개 자치구에 포함된 집계구를 제외한 총 15,631개의 집계구를 대상으로 하였다. 본 연구에서 활용된 변수들의 기초통계량은 <표 4>과 같으며, 다중공선성에 문제가 없음을 확인하였다. 집계구 평균 넓이는 0.0336km²로, 평균적으로 약 4.13회의 무단 주정차가 발생하였다. 특히 1회 이상 무단 주정차가 발생한 6,538개 집계구에 대해 평균적으로 1.79개 유형의 무단 주정차가 발생하였으며, 유형 혼합도 평균은 0.36으로 나타났다. 이는 단일 집계구 내에서 다양한 유형의 무단 주정차가 발생하기보다, 적은 수의 유형에 대한 무단 주정차 패턴이 나타나는 것으로 판단할 수 있다. 무단 주정차 유형 별로 살펴볼 경우, 서울시 전체적으로 차도 방해가 평균 2.76회로 가장 많이 나타났으며, 통행 방해가 평균 0.27회로 가장 적게 나타났다.

Table 4.

Descriptive analysis

독립변수 중 견인 제도 시범지역의 경우 전체 집계구 중 약 30%가 포함되었다. 생활인구의 평균은 268.33명, 표준편차는 680.33으로 집계구 간의 유의미한 차이를 확인하였다. 또한, 평균 경사도의 경우 표고 차이가 큰 산지를 과다하게 포함하는 일부 집계구로 인해 최댓값이 90으로 나타난 것을 확인하였다. 수역의 경우 한강 및 서울시 내의 하천을 모두 포함하며, 접근성이 0으로 나타난 지점은 집계구의 중심이 수역 영역에 포함되는 경우로, 수역에 충분히 인접하여 이상 없음을 확인하였다. 녹지와 대학교 접근성 변수의 최솟값도 같은 이유로 이상 없음을 확인하였다.

토지이용 혼합도가 높은 지역은 반포동, 잠실동 등 주거지역 인근 상가가 밀집된 곳에서 나타났으며, 상업시설과 업무시설 밀도가 가장 높은 곳은 각각 가산동과 신림동 인근으로 나타났다. 관심시설 혼합도가 높은 집계구의 경우, 관심시설 정보가 적어 혼합도가 높게 계산된 것으로 판단된다. 관광지 수, 식당 수와 카페 수, 학원 수가 가장 많은 지역은 각각 대학로 거리, 여의도동, 반포동 내의 집계구로 나타났다.

교통환경 특성 중 교차로 개수와 횡단보도 수의 최댓값은 명동 인근의 작은 블록들을 다수 포함하는 집계구에서 나타났다. 평균 도로 폭 최댓값의 경우 영동대로, 양재대로 등의 대로와 인접하며 다른 도로를 포함하지 않아 평균값이 크게 나타난 것을 확인하였다. 따릉이 거치대와 지하철 출구 수가 가장 많은 곳은 명동 인근 집계구, 버스정류장, 공영주차장 수가 가장 많은 곳은 각각 서울대학교 인근 및 여의도동 인근으로 나타났다.

2. 무단 주정차 유형별 영향요인 도출

본 연구에서는 다섯 가지 유형에 대해 <표 5>와 같이 네 가지 모형의 정확도 결과를 비교하였다. 비교 결과, 모든 유형에 대해 영과잉 음이항 회귀모형의 정확도가 가장 높은 것을 확인하였다. 더 나아가 모든 모형에서의 과분산 계수(α)가 0 이상으로, 본 연구에서는 영과잉 음이항 회귀모형을 사용하여 전동킥보드 무단 주정차 영향요인을 분석하였다. 영과잉 음이항 회귀모형의 경우, 분석과정에서 0 종속 변수 성분에 포함된 변수를 예측 변수로 지정할 수 있다. 본 연구에서는 모형별로 모든 독립변수를 차례대로 투입하며 모형의 로그우도와 AIC 및 BIC 변화가 더 이상 개선되지 않을 때의 변수 중 논리적 충돌이 없는 변수를 최종 분석에 사용하였다(김동현·이상경, 2018). 분석의 전체 결과는 <표 6>과 같다.

Table 5.

Model Comparison

Table 6.

Analysis result of zero-inflated negative binomial regression by type

1) 차도 방해 유형

서울특별시 내 전동킥보드 무단 주정차 중 차도 방해 유형에 대한 영향요인 분석 결과는 다음과 같다. 우선 정책변수인 시범지역은 Count 모형에서 양(+), Logit 모형에서는 음(-)의 관계를 갖는 것으로 나타났다. 이는 견인제도 선시행 지역에서 지속적인 무단 주정차가 발생하며, 이를 예방하고 줄이기 위해 다른 방안 마련이 필요할 것으로 판단된다. 다음으로 거주환경 특성 중 Count 모형에서 생활인구는 양(+), 평균 경사도, 수역 접근성 및 대학교 접근성은 음(-)의 관계를, Logit 모형에서 평균 경사도와 대학교 접근성은 양(+), 녹지 접근성은 음(-)의 관계를 갖는 것으로 나타났다. 이를 종합하면, 차도 방해는 경사가 적고 녹지와 먼 곳에서 발생하며, 생활인구가 많고, 수역과 가까운 곳에서 더 많이 발생할 것으로 판단된다. 특히 평균 경사도와 대학교는 무단 주정차의 발생과 횟수 모두와 관계를 갖는 중요 요인으로 도출되었다. 이는 경사가 평균적으로 적은 지역, 혹은 대학교 인근의 도심 지역은 차도 방해 유형의 발생지가 될 수 있음을 의미하며, 이는 <그림 2>을 통해서도 확인할 수 있다.

Figure 2.

Spatial distribution of road obstruction

다음으로 토지이용 특성의 경우 Count 모형에서 세 가지 시설의 밀도, 관심시설 혼합도, 카페 수와 학원 수가 양(+), Logit 모형에서 토지이용 혼합도와 주거시설 밀도, 카페 수와 학원 수가 음(-)의 관계를 갖는 것으로 나타났다. 이는 토지이용 혼합도가 높으면서 주거시설 비율이 높은 곳이나 카페 및 학원 수가 많은 곳에서 차도 방해가 발생할 수 있으며, 세 가지 시설밀도가 크고, 다양한 관심시설이 고르게 혼합될수록 더 발생할 것으로 판단된다. 이는 앞서 생활인구가 Count 모형에서 양(+)의 관계로 도출된 것과도 연관되며, 생활인구가 많은 지역에서 발생하는 차도 방해는 전동킥보드 이용자에 대한 안전과 비이용자의 통행에 불편을 초래할 수 있으므로 주요 밀집지역을 중심으로 전동킥보드 주행로 설정, 주정차 구역 설정 등의 방안 마련이 필요할 것이다.

마지막으로 교통환경 특성의 경우, Count 모형에서 횡단보도 수, 공영주차장 수는 양(+)의 관계, 평균 도로폭은 음(-)의 관계, Logit 모형에서 횡단 보도수와 공영주차장 개수가 음(-)의 관계를 갖는 것으로 나타났다. 즉, 차도 방해에 있어 횡단보도 수와 공영주차장 개수가 무단 주정차의 발생과 횟수 모두에 유의한 관계를 가지는 것을 알 수 있다. 도로 폭이 좁을수록, 무단주정차로 인한 불편함 및 견인 수요가 크게 나타나 더 많은 차도 방해를 유발하는 것으로 판단된다. 따라서 차도 방해로 인한 교통 혼잡을 예방하고 안전을 확보하기 위해 도로 위계별 주차 금지 도로 설정, 횡단보도 인근 차도에서의 주차 금지, 공영주차장 인근 별도 주차 공간 조성 등의 방안 마련이 필요할 것으로 판단된다.

2) 택시·버스 방해 유형

서울특별시 내 전동킥보드 무단 주정차 중 택시·버스 방해 유형에 대한 영향요인 분석 결과는 다음과 같다. 정책변수인 시범지역은 Logit 모형에서만 음(-)의 관계를 갖는 것으로 나타났으며, 이는 견인제도가 선시행 된 자치구에서 지속적인 택시·버스 방해가 발생함을 나타낸다. 거주환경 특성의 경우 Count 모형에서 생활인구와 녹지 접근성은 양(+)의 관계, 평균 경사도, 수역 접근성, 대학교 접근성은 음(-)의 관계를 갖는 것으로 나타났다. 이는 생활인구가 많고 녹지와 멀면서, 수역 및 대학교 접근성이 확보된 곳에서 전동킥보드의 무단 주정차로 인한 택시·버스 방해가 더 많이 발생할 수 있음을 나타내며, 이는 <그림 3>을 통해서 확인할 수 있다.

Figure 3.

Spatial distribution of taxi · bus obstruction

토지이용 특성의 경우 Count 모형에서 상업시설 밀도, 관심시설 혼합도, 카페 수가 양(+), Logit 모형에서 카페 수와 학원 수가 음(-)의 관계를 갖는 것으로 나타났다. 이는 상업시설이 밀집된 곳, 특히 다양한 종류 시설이 잘 혼합된 곳, 카페가 많은 곳의 버스정류장, 혹은 택시승강장에서 택시·버스 방해가 다량 발생할 수 있으며, 카페와 학원이 많을 경우, 택시·버스 방해가 발생할 가능성이 증가하는 것으로 판단된다. 더 나아가 교통환경 특성의 경우, Count 모형에서는 평균 도로 폭, 따릉이 거치대 수, 버스정류장 수는 양(+)의 관계, Logit 모형에서는 횡단보도 수, 버스정류장 수, 지하철 출구 수가 음(-)의 관계를 갖는 것으로 나타났다. 이는 차도 방해와 달리 도로 폭이 넓으며 버스정류장이 많은 곳, 즉 실제 택시·버스 이용의 장소가 되는 곳에서 택시·버스 방해가 발생하며, 따릉이 거치대가 많을수록 더 많이, 횡단보도와 지하철 출구 개수가 많을수록 더 높은 확률로 택시·버스 방해가 발생할 수 있음을 의미한다. 특히, 따릉이 거치대 수 및 지하철 출구 수에 대한 분석 결과는 전동킥보드가 두 수단의 대체 혹은 보완의 역할로 활용되며, 이러한 행태가 무단 주정차 발생에 영향을 미칠 수 있음을 시사한다. 따라서 택시·버스 방해 예방을 위해 상업시설 밀집지 내 버스정류장 인근 주정차 구역 조성, 이용 금액 인센티브 등을 통한 횡단보도, 따릉이 거치대, 지하철 출구 인접 킥보드 회수율 상승 등의 방안 마련이 가능할 것이다.

3) 자전거도로 방해 유형

서울특별시 내 전동킥보드 무단 주정차 중 자전거도로 방해 유형에 대한 영향요인 분석 결과는 다음과 같다. 정책변수인 시범지역의 경우 택시/버스 방해와 마찬가지로 Logit 모형에서만 음(-)의 관계를 갖는 것으로 나타났다. 거주환경 특성의 경우 생활인구, 평균 경사도, 녹지 접근성은 택시·버스 방해 유형과 비슷한 경향이 나타났으나, 수역 접근성과 대학교 접근성은 다른 경향을 보였다. 수역 접근성과 대학교 접근성 모두 Count 모형에서 양(+) Logit 모형에서 음(-)의 관계를 갖는 것으로 나타났다. 이는 수역 및 대학교와 먼 곳의 자전거도로일수록 전동킥보드 무단 주정차로 인한 자전거도로 방해가 더 많이, 더 높은 확률로 발생할 수 있음을 시사한다. 수역 혹은 대학교가 가까운 곳의 자전거도로의 경우, 여가 목적의 통행 및 주 이용층의 전동킥보드 이용률 및 회수율이 높아 이러한 결과가 나타난 것으로 판단된다. 자전거도로 방해 유형의 발생지의 공간적 분포는 <그림 4>와 같다.

Figure 4.

Spatial distribution of bike lane obstruction

다음으로 토지이용 특성의 경우 Count 모형에서 토지이용 혼합도, 학원 수만이 양(+)의 관계, Logit 모형에서 상업시설 밀도는 양(+)의 관계, 업무시설 밀도, 카페 수와 학원 수는 음(-)의 관계를 갖는 것으로 나타났다. 즉, 상업시설 밀도가 낮을수록, 업무시설 밀도가 높을수록, 카페와 학원 수가 많을수록 인근의 자전거도로에서 전동킥보드 무단 주정차의 발생 확률이 높으며, 토지이용 혼합도가 높을수록 더 많이 발생하는 것으로 판단된다. 이는 상업시설이 많은 곳 인근 자전거도로에서는 전동킥보드 회수율이 높고, 업무시설 및 카페, 학원이 많은 곳 인근의 자전거도로에서 전동킥보드 회수율이 적으며, 특정 시간 방치되어 무단 주정차가 발생하는 것으로 판단된다. 이러한 결과는 거주환경 특성과 더불어 잠재적인 전동킥보드 무단 주정차 발생 자전거도로를 선정하고, 이를 중심으로 무단 주정차 예방이 필요함을 시사한다. 다만 이를 입증하기 위해 향후 연령대별·시간대별 전동킥보드 이용률과도 비교하여 구체적인 실증 분석이 진행되어야 할 것이다.

마지막으로 교통환경 특성의 경우, Count 모형에서는 평균 도로 폭, 따릉이 거치대 수는양(+)의 관계, 공영주차장 개수는 음(-)의 관계를, Logit 모형에서는 평균 도로 폭과 횡단보도 수, 따릉이 거치대 수, 지하철 출구 개수가 음(-)의 관계를 갖는 것으로 나타났다. 따릉이 거치대 수에서 확인할 수 있듯, 실제 자전거 이용률이 높은 곳에서 전동킥보드의 무단 주정차가 자전거 이용자의 불편을 초래할 수 있음을 시사한다. 또한, 평균 도로 폭이 넓은 곳, 횡단보도 및 지하철 출구 인근의 자전거도로에서 무단 주정차의 발생 확률에 영향을 미치는 것은 따릉이 거치대 인근의 주차 공간 조성 등을 통한 대책 마련이 필요함을 시사한다. 반면, 공영주차장 개수가 Count 모형에서 음(-)의 관계를 갖는 것은 공영주차장이 많은 곳에서는 자전거도로 방해가 직접적으로 나타나지 않을 수 있음을 의미한다.

4) 보도 방해 유형

서울특별시 내 전동킥보드 무단 주정차 중 보도 방해 유형에 대한 영향요인 분석 결과는 다음과 같다. 정책변수인 시범지역은 Count 모형에서만 양(+)의 관계를 갖는 것으로 나타났으며, 이는 견인제도 선시행지역에서 지속적으로 많은 보도 방해가 발생하는 것으로 판단된다. 거주환경 특성의 경우 Count 모형에서 수역 접근성과 녹지 접근성이 양(+)의 관계를, Logit 모형에서 생활인구와 대학교 접근성이 음(-)의 관계를 갖는 것으로 나타났다. 발생 횟수에 대해 수역, 녹지 및 대학교 접근성의 경우 자전거도로 방해 유형과 비슷한 경향이 나타났다. 그리고 생활인구 수가 많은 곳, 대학교가 먼 곳의 보도에서는 보도 방해가 발생할 확률이 높은 것으로 나타났다. 이는 자전거도로 방해 유형과 같이 전동킥보드 회수율이 높을 수 있는 곳은 전동킥보드의 방치 가능성이 낮기 때문으로 판단된다.

토지이용 특성의 경우, Count 모형에서 토지이용 혼합도, 주거시설 밀도, 업무시설 밀도, 카페 수, 학원 수가 양(+)의 관계, Logit 모형에서 주거시설 밀도가 음(-)의 관계를 갖는 것으로 나타났다. 보도에서 발생하는 전동킥보드 무단 주정차는 인근의 주거시설 밀도 및 업무시설 밀도가 클수록 더 많이 발생하며, 토지이용 혼합도가 높을수록 더 많이 발생할 것을 의미한다. 카페와 학원 수 또한 무단 주정차 발생 횟수에 영향을 미치며, 주거시설 밀도는 무단 주정차의 발생과도 관계를 갖는 것으로 나타났다. 이는 차도 방해 유형과 비슷한 경향으로, 비슷한 토지이용을 가진 지역은 향후 차도 방해 및 보도 방해 발생의 잠재지역 및 예방 우선 지역으로 고려할 수 있을 것이다. 보도 방해 유형의 발생지의 공간적 분포는 <그림 5>와 같다.

Figure 5.

Spatial distribution of street obstruction

교통환경 특성의 경우, Count 모형에서 교차로 개수, 평균 도로 폭, 횡단보도 수, 따릉이 거치대 수, 공영주차장 개수는 양(+)의 관계, 교차로 개수는 음(-)의 관계가, Logit 모형에서 버스정류장 개수가 양(+)의 관계가 횡단보도 수, 지하철 출구 개수가 음(-)의 관계를 갖는 것으로 나타났다. 이는 전동킥보드의 이동성에 직접적인 영향을 미치는 교차로, 도로 폭, 횡단보도가 무단 주정차와도 직접적으로 연관되며, 이러한 도로 환경의 구성 정도에 따른 유연한 전동킥보드 주정차 방안을 마련하고 적용할 필요가 있음을 시사한다. 특히 교차로 개수의 경우 보도 방해 유형에 대해서만 Count 모형에서 유의한 음(-)의 관계를 갖는 것으로 나타났는데, 이는 적은 수의 교차로로 인한 긴 연장의 보도가 잠재적 무단 주정차 발생지가 될 수 있음을 시사한다. 따라서 연장이 긴 보도에서 전동킥보드 주정차 공간 조성, 반납 불가 등의 방안 마련이 필요함을 시사한다. 또한, 따릉이 거치대 수와 공영주차장 개수가 양(+)의 관계를 갖는 것은 두 시설 인근의 보도에서 전동킥보드가 무단 방치될 수 있음을 나타내며, 타 수단 사용자의 불편 해소와 안전한 이용환경 조성을 위해 전동킥보드 주정차 방안 설정이 필요함을 시사한다. 버스정류장의 경우, 많을수록 인근에서 보도 방해의 발생 가능성이 낮은 것으로 나타났으나, 버스와 전동킥보드의 대체 관계 때문인지, 보완 관계로 인한 높은 회수율 때문인지는 추후 구체적인 검증이 필요할 것으로 판단된다. 다음으로 지하철 출구 수의 경우 택시·버스 방해 및 자전거도로 방해 유형과 동일한 경향을 가진 것으로 나타났다.

5) 통행 방해 유형

서울특별시 내 전동킥보드 무단 주정차 중 통행 방해 유형에 대한 영향요인 분석 결과는 다음과 같다. 정책변수인 시범지역은 자전거도로 방해 유형과 같이 Logit 모형에서만 음(-)의 관계를 갖는 것으로 나타났다. 거주환경 특성의 경우 Logit 모형에서 대학교 거리만이 양(+)의 관계를 갖는 것으로 나타났다. 이는 대학교 인근의 횡단보도, 산책로, 점자블록, 건물 진출입로 등에서 전동킥보드의 무단 주정차로 인한 불편이 발생함을 시사한다. 특히 통행 방해 유형의 경우 다른 유형과 달리 보다 다양한 곳에서 발생하였으며, 이는 <그림 6>을 통해 확인할 수 있다.

Figure 6.

Spatial distribution of pass obstruction

다음으로 토지이용 특성의 경우 Count 모형에서 토지이용 혼합도 및 상업 시설 밀도, 관광지 수 및 카페 수가 양(+)의 관계를, Logit 모형에서는 관광지 수가 음(-)의 관계를 갖는 것으로 나타났다. 통행 방해 유형은 다른 유형들과 달리 상업시설의 밀도가 높은 곳에서 더 많이 발생하며, 이는 통행 방해 무단 주정차의 견인 유형이 직접적으로 상업시설 밀집지와 연관이 있기 때문으로 판단된다. 또한, 관심시설 중 관광지의 수가 발생 확률에 영향을 미치는 것으로 나타났다. 특히 관광지 인근은 카페 및 다른 종류 시설들이 혼합되어 있을 가능성이 크며, 향후 관광지 인근의 보도 방해 예방을 위해 관광지 밀집 지역 인근 주차 구역 조성 등의 전략이 필요할 것으로 판단된다.

마지막으로, 교통환경 특성의 경우, Count 모형에서 평균 도로 폭, 따릉이 거치대 수, 지하철 출구 개수는 양(+)의 관계를, Logit 모형에서 교차로 개수, 횡단보도 수, 버스정류장 수 및 지하철 출구 개수가 음(-)의 관계를 갖는 것으로 나타났다. 평균 도로 폭, 횡단보도 수, 따릉이 거치대 수, 지하철 출구 개수의 경우 택시·버스 방해, 자전거도로 방해 유형과 비슷한 경향을 보였다. 이는 토지이용 특성과 마찬가지로 해당 변수들이 견인 유형과 직접적인 연관이 크기 때문으로 판단된다. 반면, 교차로가 많을수록 통행 방해 발생 확률이 큰 것으로 나타났는데, 이는 많은 교차로로 작은 규모의 필지들이 밀집된 곳이 통행 방해 발생의 주요 지역이 될 수 있음을 시사한다. 또한 교차로가 많은 곳은 신호 대기로 인한 추가 비용을 피하기 위한 전동킥보드 이용자 특성의 영향을 받았을 것으로 판단된다. 이를 예방하기 위해 교차로 밀집 지역 내 전용 주차 공간 조성, 신호 대기시간 비용 차감 등의 방안 마련을 고려할 필요가 있다.

Ⅴ. 결 론

본 연구는 전동킥보드의 무단 주정차 견인자료를 활용하여, 무단 주정차를 다섯 가지 유형으로 구분하고, 유형별 무단 주정차 영향요인을 분석하였다. 구체적으로 유형별 무단 주정차의 발생 및 그 횟수에 미치는 영향요인을 도출하였으며, 주요 결과 및 시사점은 다음과 같다.

첫째, 전동킥보드 무단 주정차 예방을 위해 업체뿐 아니라 사용자의 행태 변화의 유도가 가능한 방안 마련이 필요하다. 서울시에서 운영하는 전동킥보드 견인 제도 시범지역에서의 무단 주정차 경감 효과를 기대했으나, 모든 유형에서 Count 모형에 대해 양(+)의 관계 혹은 Logit 모형에 대해 음(-)의 관계를 갖는 것으로 나타났다. 이는 단순히 견인을 통해 해당 업체에 부담을 주는 방식보다, 업체와의 협업을 통해 무단 주정차로 신고된 전동킥보드 이용자에게 직접적인 페널티를 부여하거나 무단 주정차 과다 지역에서의 주차 금지 등 강력한 방안 마련의 필요성을 시사한다. 또한, 지속해서 논의되는 전동킥보드 전용 주차 공간 조성을 통한 무단 주정차 경감 및 예방이 필요하다. 이를 위해 무단 주정차 영향요인으로 도출된 거주환경 특성 및 토지이용 특성을 참고하여, 전동킥보드 주차 금지 구역 및 전용 주차 공간의 세부적인 설정이 가능할 것이다.

둘째, 집계구의 거주환경 특성을 바탕으로 향후 잠재적 무단 주정차 밀집지역의 도출이 가능하다. 분석 결과, 평균 경사도가 낮은 곳에서는 차도 방해, 택시·버스 방해 및 자전거도로 방해가 더욱 많이 발생할 수 있으며, 대학교가 가까울수록 차도 방해, 택시·버스 방해는 더 많이, 자전거도로 방해, 보도 방해는 더 많이 발생할 것으로 도출되었다. 이러한 결과를 활용하여 거주환경 특성에 기반한 잠재적 무단 주정차 밀집 집계구를 예측할 수 있으며, 다양한 정책 등의 시범지역으로 선정하여 그 효과를 검증해 볼 수도 있을 것이다.

셋째, 토지이용 특성 기반 미시적인 전동킥보드 통행 종점을 유추할 수 있다. 구체적으로 택시·버스 방해 유형을 제외한 모든 유형에서 토지이용 혼합도는 유의한 영향요인으로 도출되었으며, 주거시설, 상업시설, 업무시설의 밀도는 유형별 유의성이 다르게 나타났다. 세 시설의 밀도는 무단 주정차에 대해 대체로 양(+)의 관계를 갖는 것으로 나타났다. 특히, 자전거도로 방해의 경우 상업시설 밀도가 낮을 때 무단 주정차 발생에 영향을 미치는 것으로 나타났다. 다음으로 관심시설 혼합도는 더 많은 차도 및 택시/버스 방해에 영향을 미치는 것으로 나타났으며, 특히 카페 수와 학원 수는 모든 유형에서 무단 주정차 영향요인으로 도출되었다. 이와 같이, 전동킥보드 무단 주정차 지역의 미시적 특성을 파악할 수 있으며, 이는 곧 전동킥보드 이용자의 통행 종점 특성을 나타낸다. 이는 앞서 언급한 잠재적 무단 주정차 밀집지역 도출 및 향후 전동킥보드 이용 수요예측 및 공급을 위한 자료로 활용될 수 있을 것이다.

넷째, 집계구 내 전동킥보드 이용 안전 환경 조성 및 다른 교통수단과의 연계 강화를 위한 방안 마련이 필요하다. 분석 결과, 횡단보도는 모든 유형의 무단 주정차를 발생시키는 영향요인으로 나타났다. 그리고 평균 도로 폭은 모든 유형의 무단 주정차 횟수와 관계를 갖는 것으로 나타났다. 교차로의 경우 보도 방해의 횟수 및 통행 방해의 발생에 유의한 영향을 미치는 것으로 나타났다. 횡단보도의 경우 전동킥보드의 무단 주정차로 인한 안전 문제가 발생할 수 있어 예방 방안 마련이 중요하며, 횡단보도 인근 주차 금지 등의 구체적인 제제가 필요할 것으로 판단된다. 또한, 차도 방해를 제외한 모든 유형에 대해 따릉이 거치대 수는 발생 횟수에, 지하철 출구 개수는 발생 확률에 유의한 영향을 미치는 것으로 나타났다. 이는 전동킥보드 무단 주정차가 전동킥보드를 이용하지 않는 공공자전거 및 지하철 이용자에게 안전 문제 및 이용 불편을 초래할 수 있음을 시사한다.

더 나아가 특히, 따릉이 및 지하철은 전동킥보드의 대체 혹은 보완 역할로 활용될 수 있으며, 더 나아가 전동킥보드가 퍼스트마일 혹은 라스트마일로써 이용될 수 있다. 따라서 향후 지속적인 전동킥보드 이용환경을 위해 전동킥보드 이용자와 비이용자 모두를 고려한 방안 마련이 필요하다. 일차적인 방법으로 주차 제한, 무단 주정차 다발 지역 인근 주차 공간 조성, 사용자 페널티 부여 등이 가능할 것이며, 전동킥보드 회수율, 따릉이 비치율, 버스정류장 인근 도로, 지하철 혼잡도, 공영주차장 출입구 면적 등을 고려한 구체적 방안 설계가 필요할 것으로 판단된다.

본 연구는 전동킥보드의 무단 주정차 영향요인을 유형별로 도출해 냈으며, 이는 향후 무단 주정차 예상 지역 도출 및 견인 관리, 주차 공간 조성 등을 위한 자료로 활용 가능하다는 점에서 의의가 있다. 본 연구의 한계는 다음과 같다. 우선, 무단 주정차에 영향을 미치는 다양한 요인들의 영향력 범위를 설정하지 못했다. 본 연구에서는 변수들의 영향력을 집계구 단위로만 한정하여 진행하였으며, 추후 민감도 분석 등을 통해서 공간 범위에 따른 각 요인의 영향력 차이를 구체적으로 살펴볼 필요가 있다. 또한, 개인 특성 및 이용 목적에 따른 영향요인의 가능성도 살펴볼 필요가 있다. 다음으로 변수들의 비선형 관계 및 상호작용 등을 분석하는 데 한계가 있다. 향후 상호작용 항 고려하여, 기계학습 등을 통해 구체적으로 영향요인을 도출할 수 있을 것이다.

Acknowledgments

이 논문은 2023년도 대한국토·도시계획학회 춘계산학학술대회에서 발표한 내용을 수정·보완하여 작성하였으며, 한양대학교 교내연구지원사업으로 연구되었음(HY-202200000003510).

References

• 김동현·이상경, 2018. “아파트 단지특성이 주택매매거래율에 미치는 영향”, 「부동산학연구」, 24(4): 53-68.
  Kim, D. and Lee, S., 2018. “The Effect of Characteristics of Apartment Complex on the Count Rate of House Transaction”, Journal of the Korea Real Estate Analysts Association, 24(4): 53-68. [ https://doi.org/10.19172/KREAA.24.4.4 ]
• 김수재·곽민정·추상호·김상훈, 2021. “공유 전동킥보드 이용의 공간적 상관성에 관한 연구”, 「대한교통학회 학술대회지」, 83: 251-252.
  Kim, S., Kwak, M., Chu, S., and Kim, S., 2021. “A Study on the Spatial Association of E-Scooter Sharing Service Usage”, The 84th Conference of Korean Society of Transportation, 83: 251-252.
• 명묘희·송수연·최미선, 2016. 「새로운 교통수단 이용에 대한 안전대책연구 –개인형 이동수단(Personal Mobility)을 중심으로–」, 서울: 도로교통공단.
  Myeong, M.H., Song, S.H., and Choi, M.S., 2016. A Study on Safety Measures for the Use of New Transportation -Mainly about Personal Mobility-, Seoul: Korea Road Traffic Authority Traffic Science Institute.
• 서지민·이수기, 2016. “서울시 보행자 교통사고에 영향을 미치는 물리적 환경요인에 관한 연구: 2014 TAAS 자료를 중심으로”, 「국토계획」, 51(3): 197-216.
  Seo, J. and Lee, S., 2016. “A Study on the Physical Environmental Factors Influencing Pedestrian Traffic Accidents in Seoul, Korea : Focused on the 2014 TAAS Data”, Journal of Korea Planning Association, 51(3): 197-216. [ https://doi.org/10.17208/jkpa.2016.06.51.3.197 ]
• 신혜연·강준성, 2021. “벌점화 영과잉 음이항 회귀 분석 방법에 대한 비교 연구”, 「한국데이터정보과학회지」, 32(4): 715-737.
  H. and Kang, J., 2021. “Comparison of Penalized Zero Inflated Negative Binomial Regression Methods”, Journal of Korean Data & Information Science Society, 32(4): 715-737. [ https://doi.org/10.7465/jkdi.2021.32.4.715 ]
• 신희철, 2020. “미래 개인형 이동수단의 활성화 방안”, 「월간교통」, 268(5): 31-37.
  Shin, H., 2020. “Strategies for Activating Future Personal Mobility Solutions”, Monthly KOTI Magazine on Transport, 268(5): 31-37.
• 안다은·이경환·고은정, 2021. “공유 전동킥보드 이용환경만족도 영향요인 분석 -서울시를 대상으로-” 「대한건축학회논문집」, 37(7): 3-11.
  Ahn, D., Lee, K., and Ko, E., 2021. “Analysis of Factors Influencing the Satisfaction of Use Environment of Shared Electric Kickboard - The Case of Seoul, South Korea -”, Journal of the Architectural Institute of Korea, 37(7): 3-11.
• 이수일·김승현·김태호, 2017. “개인이동형 교통수단 (PM) 유형별 사고특성 및 위험도 비교연구”, 「한국안전학회지」, 32(3): 151-159.
  Lee, S., Kim., S., and Kim, T., 2017. “A Comparison Study on the Risk and Accident Characteristics of Personal Mobility”, Journal of the Korean Society of Safety, 32(3): 151-159.
• 최창호·안동환, 2010. “산업별 창업기업의 입지결정요인 분석”, 「국토계획」, 45(2): 193-205.
  Choi, J. and An, D., 2010, “Factors Affecting on New Firm Formation”, Journal of Korea Planning Association, 45(2): 193-205.
• 한재원·안수영·김미성·한동형·이수기, 2022. “서울시 Personal Mobility 우선 공급 지역 분석: First-Last Mile 통행특성을 중심으로”, 「국토계획」, 57(1): 42-56.
  Han, J., Ahn, S., Kim, M., Han, D., and Lee, S., 2022. “Analysis of the Priority Supply Areas of Personal Mobility in Seoul, Korea: Focusing on the Travel Characteristics of First-and-Last Miles”, Journal of Korea Planning Association, 57(1): 42-56. [ https://doi.org/10.17208/jkpa.2022.02.57.1.42 ]
• 홍지영·소영인·이경영·김진만·이수기, 2022. “공유 전동킥보드 이용행태와 만족도 영향요인분석: IPA 방법론을 중심으로”, 「국토계획」, 57(2), 92-107.
  Hong, J., So, Y., Lee, G., Kim, J., and Lee. S., 2022. “Analysis of Shared Electric Scooter Usage Behavior and Determining Factors of User Satisfaction: Focused on IPA Method”, Journal of Korea Planning Association, 57(2): 92-107. [ https://doi.org/10.17208/jkpa.2022.04.57.2.92 ]
• Bai, S. and Jiao, J., 2020. “Dockless E-scooter usage Patterns and Urban Built Environments: A Comparison Study of Austin, TX, and Minneapolis, MN”, Travel Behaviour and Society, 20: 264-272. [https://doi.org/10.1016/j.tbs.2020.04.005]
• Chen, Z., van Lierop, D., and Ettema, D., 2020. “Dockless Bike-sharing Systems: What Are the Implications?”, Transport Reviews, 40(3): 333-353. [https://doi.org/10.1080/01441647.2019.1710306]
• Espinoza, W., Howard, M., Lane, J., and Van Hentenryck, P., 2019. “Shared E-scooters: Business, Pleasure, or Transit?”, arXiv preprint arXiv:1910.05807, .
• Fang, K., Agrawal, A.W., Steele, J., Hunter, J.J., and Hooper, A.M., 2018. “Where Do Riders Park Dockless, Shared Electric Scooters? Findings from San Jose, California”, Mineta Transportaion Institute, 1713: 1-6.
• James, O., Swiderski, J.I., Hicks, J., Teoman, D., and Buehler, R., 2019. “Pedestrians and E-scooters: An Initial Look at E-scooter Parking and Perceptions by Riders and Non-riders”, Sustainability, 11(20): 1-13. [https://doi.org/10.3390/su11205591]
• Liu, L. and Miller, H.J., 2022. “Measuring the Impacts of Dockless Micro-mobility Services on Public Transit Accessibility”, Computers, Environment and Urban Systems, 98: 101885. [https://doi.org/10.1016/j.compenvurbsys.2022.101885]
• Shi, J.G., Si, H., Wu, G., Su, Y., and Lan, J., 2018. “Critical Factors to Achieve Dockless Bike-Sharing Sustainability in China: A Stakeholder-oriented Network Perspective”, Sustainability, 10(6): 2090. [https://doi.org/10.3390/su10062090]
• Sun, F., Chen, P., and Jiao, J., 2018. “Promoting Public Bike-sharing: A Lesson from the Unsuccessful Pronto System”, Transportation Research Part D: Transport and Environment, 63: 533-547. [https://doi.org/10.1016/j.trd.2018.06.021]
• 김민채, 2021. “불법 주차된 전동킥보드 이렇게 신고하세요! QR코드만 찍으면 끝”, 2021.10.01. 읽음. https://mediahub.seoul.go.kr/archives/2002237
  Kim, M., 2021. “Report Illegally Parked Electric Kickboards Easily with Just a QR Code!”, Accessed October 1, 2021. https://mediahub.seoul.go.kr/archives/2002237, .
• 임단비, 2021, “서울시, 킥보드안전 이용 실효성 높인다⋯ 전국 최초 시행 이후 민원 35% 감소 효과”, 2021.10.01 읽음. https://www.seoul.go.kr/news/news_report.do#view/347716?tr_code=snews, .
  Lim, D., 2021. “Seoul Achieves Effective Utilization of Electric Kickboards for Enhanced Safety: 35% Reduction in Complaints since the First Implementation”, Accessed October 1, 2021. https://www.seoul.go.kr/news/news_report.do#view/347716?tr_code=snews, .
• 한국인터넷자율정책기구 기획팀, 2019. “‘공유 전동킥보드’ 국내 동향과 그 기대효과”, 2021.10.01 읽음. https://journal.kiso.or.kr/?p=9850
  Korea Internet Self-Governance Organization, 2019. “Trends and Expected Effects of Shared Electric Kickboards in South Korea”, Accessed October 1, 2021. https://journal.kiso.or.kr/?p=9850
• National Association of City Transportation Officials, 2019. “Shared Micromobility in the U.S.: 2018, National Association of City Transportation Officials”, Accessed October 1, 2021. https://nacto.org/shared-micromobility-2018/
• Shaheen, S. and Cohen, A., 2019. Shared Micromobility Policy Toolkit: Docked and Dockless Bike and Scooter Sharing, https://escholarship.org/uc/item/00k897b5, .