Identification of Illegal Overnight Parking Clusters for Freight Trucks Using DBSCAN and GMM

Abstract

도심 내 화물자동차의 불법주차는 교통사고 위험 증가, 도로교통 혼잡, 지역 주민의 민원 유 발 등 다양한 문제를 야기하며 지속적인 사회적 갈등의 원인으로 작용하고 있다. 이를 해결하기 위해 주차 단속 강화, 공영차고지 확충, 전용 차고지 등록제 도입 등 다양한 정책이 추진되어 왔으나, 근본적인 해결책 마련하지 못하고 있다. 화물자동차는 법적으로 0~4시 사이에 허가된 장소가 아닌 곳에서의 1시간 이상의 주차는 불법밤샘주차로 정의된다. 하지만, 야간에 운행 종 료 후 도심 내 주거지 인근 도로에 장시간 밤샘 불법주차 화물차량이 다수로 오랫동안 해결이 필요한 과제로 지적되고 있다. 일부 지자체에서는 도심 내 화물자동차 전용 주차공간 확보를 통 해 문제의 구조적 해결을 모색하고 있으나, 실제 불법주차 수요를 반영하는 화물차 불법주차 지 점에 대한 체계적이고 정량적인 정보가 부족한 상황이다. 본 연구는 이러한 문제를 해결하고자, 디지털 운행기록계(DTG: Digital Tachograph) 데이터와 도로망 네트워크 데이터를 활용하여 도심 내 영업용 화물자동차의 불법 밤샘주차 지점 정보를 검출하는 방법론을 제안하고, 실제 서 울시 5톤 이하 톤급 카고형 화물자동차의 불법주차 실태를 분석하였다. 먼저, 매 초단위로 수집되는 화물자동차 디지털운행기록계의 속도 데이터를 활용하여 화물차 량의 출발과 도착을 정의하는 통행기준을 정의하고 출발지와 도착지, 주차시간 등 핵심 통행정 보를 추출하였다. 이후 각 통행목적을 분류하기 위해 도착지에서의 주차시간 데이터를 이용하여 K-means 클러스터링을 통한 ‘업무통행’, ‘평일 퇴근통행’, ‘주말 퇴근통행’을 분류하였다. 연구 의 범위인 서울 도심에 도착한 통행수는 총 26,859개로 해당 통행의 도착지 주차지점을 추출하 였다. 주차지점 중 지속 반복적으로 주차하는 지점을 추출하기 위해 전체 주차지점 데이터를 밀 도 기반 클러스터링 기법인 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 방법론을 적용하여 각 차량별 다빈도 주차지점을 군집화하였다. 밀도 제약조건 파 라미터 중 최소 군집개수는 5개, 군집거리는 50m로 설정하였으며, 최종 군집화된 클러스터는 총 707개소, 해당 차량 수는 370대로 분석되었다. 군집화된 주차지점은 주차시간 클러스터링 결 과와 실제 주차 시간대를 기반으로 단기 업무주차 클러스터, 장기 차고지형 주차 클러스터, 밤샘 주차 클러스터로 구분하였다. 다음으로, 군집화된 주차지점 클러스터의 불법 노상주차 여부를 판별하기 위해 주차지점과 실 제 인근도로와의 거리를 기반으로 노상주차와 비노상 주차를 판단하는 방법론을 개발하였다. 이 를 위해, 먼저 각 주차지점별 최인근 도로와의 거리를 산정한 DB를 구축하였다. 구축된 데이터 를 기반으로 GMM(Gaussian Mixture Model) 클러스터링 기법을 적용하여 각 주차지점을 도 로상에 가까운 노상주차 그룹과 도로와 거리가 멀리 떨어진 비 노상주차 그룹으로 분류하였으며 각각 그룹에 속할 확률을 산출하였다. 최종 주차 클러스터에 소속된 각 주차지점의 노상주차 확 률을 기반으로 최종 주차지점 클러스터의 노상주차 여부를 판별하였다. 해당 모델은 단순 분류 가 아닌 각 지점의 ‘노상주차 확률’을 산출함으로써 최종 분류시 확률 임계값 파라미터를 변경 하여 유연한 모델 조정이 가능하다. 파라미터별로 노상주차 판단결과를 도출하고 실제 위성영상 및 로드뷰를 통해 주차지점을 검증하였다. 정확도 시뮬레이션 결과 노상주차에 속할 임계 확률 값을 90%로 설정했을 때 가장 높은 정확도인 81.7%를 기록하였으며, 도로망 누락에 따른 분석 의 음영지역을 제외할 경우 정확도는 최대 94.4%로 나타났다. 추가적으로 노상주차로 추정되는 위치에 주차장이 존재하거나, 주차공간이 확보된 소규모 도심 택배터미널이 위치하고 있을 경우 합법주차일 가능성이 높다. 이로 인한 오분류 문제를 최소화하기 위해 KAKAO MAP API를 활 용하여 택배터미널 및 노상주차장 등 실제 합법 주차공간 POI 정보를 수집하여 알고리즘을 보 완하였으며, 정확도를 5.5% 향상 시켜주는 결과를 보여주었다. 최종 개발된 노상주차 지점 검지모델을 이용하여 서울시 화물자동차 노상주차 실태분석 결과, 전체 주차클러스터의 노상주차율은 45.3%, 단기 업무시 노상주차율은 49.9%, 퇴근후 장기 주차 시 노상주차율은 29.9%, 밤샘 노상주차율은 34.8%로 나타났다. 서울시 내 밤샘 불법주차 위치 를 분석한 결과 도심 중심보다는 외곽 지역에서 더 빈번하게 발생하였으며, 특히 노원구(각 10 개소), 강서구(7개소), 중랑구(6개소) 등 동북권·동남권·서남권을 중심으로 불법주차 클러스터가 집중되어 있는 것으로 확인되었다. 불법 밤샘주차가 발생하는 지점과 인구수, 지가, 토지이용정 보를 이용하여 불법주차 원인분석 결과 불법 밤샘주차는 인구가 밀집된 주거지 위주로 발생률이 높고, 지가가 낮은 지역에서 더욱 높은 것으로 나타났다. 또한 차로별 노상주차 특징으로 주간 에 발생하는 단기 주차의 경우 넓은 대로변의 주차하는 비율이 야간보다 높게 나타났으며, 야간 장기 주차의 경우 주거지 인근의 좁은 도로를 주로 이용하는 것으로 분석되었다. 이는, 화물자 동차 차주들이 퇴근 이후 차고지를 이용하지 않고 주거지 인근 도로상에 불법주차하는 실태를 반영한 결과를 보여주었다. 본 연구는 DTG 기반의 정밀 주차지점 탐지, 군집화, 불법 여부 판별까지의 전 과정을 데이 터 기반으로 수행함으로써, 실제 운행 패턴을 반영한 불법 주차 실태를 정량적으로 진단할 수 있는 분석체계를 구축하였다. 이를 통해 본 연구 결과는 화물자동차 불법주차 예방을 위한 다양한 주차 인프라 구축 및 불법주차 예방 정책에 활용될 수 있는 정책적·학술적 활용 가치를 지닌다.