전기자동차 충전소 입지선정 방안

본 절에서는 분석한 결과를 바탕으로 전기자동차 충전소 입지선정 방안으로 차량 교 통량과 노상/노외 주차장, 공용건물 주차장 간의 중첩분석, 최근린 분석방법을 제안한 다. 출발지(Origin)와 목적지(Destination) 사이의 최단거리를 차량 도로망을 고려하고, 차량 교통량과 노상/노외 주차장, 공용건물 주차장 등은 전기자동차 충전소 입지선정 을 위한 중요한 고려요소가 된다. 차량을 대상으로 하는 분석이기 때문에 거리 혹은 범위 산출 시에 차량 도로망을 반영하면 최적입지 선정에 대한 조건을 더욱 정확하게 파악할 수 있다.

또한, 전기자동차 충전수요 예측을 위한 방법으로 선형 다중회귀모형 분석방법을 제 안한다. 선형 다중회귀모형은 독립변수와 종속변수 구간의 관계를 설명하거나 예측하

는 통계분석 방법이다. 회귀분석에서는 독립변수에 따라서 종속변수의 값이 일정한 패 턴으로 변하여 가는데, 변수 간의 관계를 나타내는 회귀선이 직선에 가깝게 나타나는 경우를 선형회귀분석이라고 한다[13].

Y =  + _ + _ + _ ··· __ + ^ (3)

수식 (3)은 회귀모형식의 값을 수식으로 표현한 것이며 각 기호의 뜻은 다음과 같다.

Y : 종속변수(전기차 충전량)

_ : Y절편 B : 회귀계수

 : 독립변수(차량교통량지수, 공용건물주차장, 노상/노외 주차장, 주유소매출지수, 기온, 전기차 보급대수)

_ : 오차항

종속변수 y값을 전기자동차 충전량, 독립변수로는 차량 운행 중에 충전을 목적으로 충전소를 방문하는 수요에 대한 변수 즉, 차량교통량 지수, 주유소 매출지수로 분류하 고, 다른 목적으로 목적지에 방문하고 충전을 하는 수요에 대한 변수로는 차량 교통량 지수, 건물/뇌상/뇌외 주차장 지수로 분류한다. 운전자의 차량 운행 패턴에 상관없이 공통적으로 충전수요에 영향을 미칠 수 있는 변수로는 기온, 전기자동차 보급 대수로 분류한다. 독립변수 간 다중공선성 문제 발생을 고려하여 다중공선성을 극복하기 위한 방법으로 Ridge, Lasso 회귀모형을 적용한다.

제안한 적용방법을 이용하여 전기자동차 충전소 입지선정에 대해 [그림 3-7]과 같이 대구광역시 충전소의 설치현황에 대한 전기자동차 충전량을 분석하였다. 충전소 충전 량은 충전소의 설치현황에 비례하여 증가하고 있는 것으로 급속 충전기의 경우 충전량 의 상승곡선이 완만하지만, 완속 충전기의 경우에는 2017년 4월부터 충전량이 급속하 게 증가하였다. 전기자동차 충전소 설치현황을 분석해 보면, 급속충전과 완속충전이 고 르게 분포되어있는 충전소는 극소수에 불과하고, 대부분 완속 충전이 많이 이루어지고 있다. 완속 충전기의 경우 충전시간이 6시간 이내로 운행 중에 충전하는 수요보다는 주차 중에 충전을 하는 비운행 중 수요가 많은 것으로 분석되었다.

[그림 3-7] 대구광역시 전기자동차 충전량 현황

전기자동차 충전수요 블록 유형별 권역분석은 [그림 3-8]과 같이 대구광역시 노상/

노외 주차장의 입지분석을 수행하였다. 노상주차장은 도로위에 존재하는 주차장을 말 하며, 노외 주차장은 도로 위 또는 건물 내에 있지않고 지상에 설치되어 있는 주차장 을 의미한다. 대구광역시의 노상/노외 주차장 분포는 차량 교통량과 비슷한 패턴을 보 이는 것으로 분석되었으며, 최근린 알고리즘 분석 결과는 INDEX 값이 0.29로써 가장 군집성 패턴으로 강한 것으로 결과가 나타났다.

[그림 3-8] 노상/노외 주차장 주제도(좌), 최근린 분석 결과(우)

차량 교통량 지수는 [그림 3-9]와 같이 대구 시청을 중심으로 가장 많은 차량이 통 행하는 것으로 나타냈으며, 최근린 알고리즘 분석 결과는 INDEX 값이 1.44로써 규칙 적인 패턴을 보이는 것으로 결과가 나왔다. [그림 3-10]은 대구시 내의 공용 건물 주차 장은 노상/노외 주차장과 비슷한 패턴으로 차량 교통량과 비슷한 분포를 보이고 있으 며, 최근린 알고리즘 분석 결과는 INDEX 값이 0.34로써 군집성 패턴으로 결과가 나타 났다.

[그림 3-9] 차량 교통량 주제도(좌), 최근린 분석 결과(우)

[그림 3-10] 건물 주차장 주제도(좌), 최근린 분석 결과(우)

Ⅳ. 실험 및 결과

본 장에서는 지리공간정보 연관성 분석 및 충전수요 예측에 관한 전기자동차 충전소 입지 선정에 대해 성능평가를 수행한다. 본 연구에서 실험을 위해 데이터 전처리 과정 을 거친 분석데이터는 데이터 DB 구축 작업을 수행한다. [표 4-1]은 최적입지 선정 관련 된 DB구축 내용이다. 국가공간정보포털에서 제공하는 지도에서 도로망, 행정구역 등의 경계 위치 등을 추출하여 DB로 변환한다.

DB Table 위상 DB Table 위상

시도 경계 행정동 경계 100x100격자

admi blk

hi_cell Polygon

충전소정보 충전기정보 전기자동차충전

내역

EV_CS EV_CP

CHARGE_HIST Point

도로망 road_dg Line 건축물대장 bd_db Polygon 새주소도로건물 eoad_new Point 배후지유형 blk_seg Block 부동산공시지가

부동산소유자

land_price

land_owner Polygon 노상/노외주차장 parking_db Point [표 4-1] 실험 DB 구축 내역

추가적으로 실험환경 구축을 위해 공간적 범위는 대구광역시 전체, 시간적 범위는 2016.06.01.부터 2017.07.31.까지의 전기자동차 충전소 데이터, 전기자동차 충전소 위치 데이터, 행정동별 주유소 매출정보 DB는 별도로 구축하였다. 지리정보공간 소프트웨어 를 사용하여 분석하기 위해 본 논문에서는 KATEC계열의 네비게이션용 KATEC좌표 계(KOTI-KATEC)를 동일하게 적용하였다. KOTI-KATEC 좌표계 설정값은 [그림 4-1]과 같다.

[그림 4-1] KOTI-KATEC 좌표값

본 실험을 위한 기초분석 작업으로 [그림 4-2]와 같이 1:100,000,000 축적으로 대구 광역시의 139개의 행정동 경계표시, 36,089개의 100x100 격자 도로망과 1,080개의 전기 자동차 충전소 중 93개의 한국전력에서 운영 중인 공용 전기자동차 충전소 정보를 중 첩시켜 구축하였다.

행정동 경계표시 전기자동차충전소 분포도

[그림 4-2] 기초분석 작업을 위한 주제도

[그림 4-3]과 같이 전기자동차 충전소 공간정보와 차량교통량, 주유소 매출지수, 노외 주차장, 공용 건물주차장의 지리공간 정보를 활용하여 연관성을 분석한 결과로는 차량교 통량 지수는 대구시청을 중심으로 많은 차량이 통행하며, 칠곡 신도시는 외곽지역임에 도 불구하고 상대적으로 많은 교통량이 발생하는 것으로 분석되었으며, 주유소 매출지 수는 중심가 등의 도심지역뿐만 아니라 비교적 외곽지역에도 상대적으로 높은 편이다.

노상/노외 주차장, 공용건물 주차장은 차량 교통량과 비슷한 분포를 보였으나, 주로 도심지역, 주거지역에 분포되어 있는 것으로 분석되었고, 공용건물 주차장은 노상/노외 주차장에 비해 상대적으로 많은 것으로 분석되었다. 전기자동차 충전소와 연관되어지는 데이터를 지리정보공간 중첩분석을 통해 충전소의 위치가 일정한 패턴을 갖고 분포하고

있는 것을 알 수가 있다.

차량교통량 중첩분석 주유소 매출지수 중첩분석

건물주차장 중첩분석 노상/노외 주차장 중첩분석

[그림 4-3] 전기자동차 충전소 위치와 연관데이터 중첩분석을 위한 주제도

전기자동차 충전소와 연관데이터간의 점패턴 분포의 이차속성을 파악하기 위하여 최 근린 분석을 적용하여 개체들간의 상관관계를 분석하였다. 이때 군집분포를 통해 점 개 체와 그 주변 개체들간의 거리로 측정될 수 있는 것으로 군집분포가 높다면 주변 점 개체들간과의 거리는 매우 짧게 된다. 반대로 군집분포가 적다면 주변 점 개체들과의 거리는 멀어진다.

연관데이터를 대상으로 최근린 분석을 적용한 결과는 표[4-2]과 같이 나타났다. R값이 1에 가까울수록 규칙적인 패턴을 보이고, 1보다 작을수록 군집형 패턴을 나타낸다. 전기 자동차 충전소 설치위치와 차량교통량 지수, 노상/노외 주차장, 공용 전물 주차장 등은 최근린 분석 결과 두 변수간 군집된 형태로 상관관계가 높은 것으로 확인 하였다. 특히 전기자동차 충전소 설치위치와 평균거리가 연관 데이터 모두 200m 이내로 군집화되어 분포하고 있는것을 실험을 통해 알 수 있다.

[표 4-2] 연관 데이터의 최근린 분석 결과

Type Point R Statistic 평균거리(m) 차량 교통량 지수 352,283 1.44285 50.00 노상/노외 주차장 1,778 0.34373 133.55 공용 건물 주차장 1,960 0.29102 114.43

각 후보 모형별로 충전수요 예측값과 전기자동차 충전량을 비교하여 예측값을 검증 하였다. 종속변수에 대하여 예측함수를 도출하기 위한 훈련집합(Traning Set)과 테스 트 집합(Test Set)을 9:1의 비율로 나누었고, 각 집합의 원소는 무작위로 추출하였다.

훈련집합에 속한 데이터에 각 후보모형(LASSO, RIDGE, 다중회귀)을 적용하여 회귀함 수를 도출하여 충전수요 예측값을 생성하였다. 충전수요 예측값과 테스트 집합의 실제 충전량을 비교한 후보모형의 실험 결과는 [표 4-3]과 같다.

[표 4-3] 충전수요 예측모형 및 실제 충전량

LASSO RIDGE 다중회귀

다중회귀(로그변환) 다중회귀(공정성제거) 실제 충전량

충전수요 예측값과 테스트 집합의 실제 충전량을 비교하여 예측값을 검증하였고, 다 중회귀 분석의 예측 모형의 예측치와 신뢰성을 높이기 위해 다중공정성 문제를 발생시 키는 변수(20세 이하, 70세 이상의 차량 교통량) 제거하였다. [표 4-4]는 충전수요 예 측모형 분석결과로써 오차범위 가장 적은 다중선형회귀 모형이 충전수요 예측 모형으 로 결정하였다.

[표 4-4] 충전수요 예측모형 비교

구분 LASSO RIDGE 다중회귀 다중회귀

(로그변환) 다중회귀 (공선성제거) 오차범위 ±31.65682 ±31.98993 ±26.82114 ±28.69294 ±26.69752

충전수요 예측모형을 통해 대구광역시에 차량으로 출입이 가능한 100m × 100m 공 간단위의 격자(36,089개)에 대하여 전기차 보급대수(5만대) 기준으로 충전 수요량을 예 측한 결과는 [그림 4-4]와 같다.

[그림 4-4] 충전수요 예측 분포지도(좌), 충전소 최적입지(우)

충전수요 예측 분포지도에 대하여 실증 실험을 진행하기 위하여 데이터 셋을 데이터 좌표변환 API를 이용하여 지리공간 정보로 변환 후, 중첩분석을 통하여 충전수요 예측 입지 선정에 대해 검증을 실행하였다. [그림 4-5]는 전기자동차 충전소 최적입지(적색) 과 전기차 충전소 설치장소(흑색)의 주제도이다.

[그림 4-5] 충전수요 입지선정 분석 주제도

충전수요 예측 분포지도에 대하여 실증 실험은 최적입지 선정 장소와 운영 중인 전 기자동차 충전소가 설치된 위치와 비교하였다. [그림 4-6]은 달성군 논공읍 비도심 아 파트 거주지역(좌) 및 팔공산 등산로 입구 공용주차장(우)으로 운영 중인 전기자동차 충전소가 설치된 장소로써 충전수요량이 매우 적게 나왔다. 충전소 주변에는 본 논문 에서 제안하는 차량교통량 지수, 공용건물주차장, 노상/노외주차장 등의 입지선정 요소 들이 적게 나왔다.

[그림 4-6] 충전수요량이 적은 곳으로 전기자동차 충전소가 설치장소

[그림 4-7]은 충전수요예측을 통하여 전기자동차 충전소 입지선정 장소로써, 충전수요 량이 높을 것으로 예측되는 입지로써 전기자동차 충전소가 설치되어 있지 않다. 두 지 점 모두 인접하는 곳에 도심/산업단지 연결도로와 산업단지가 인근에 있으며, 본 논문 에서 제안하는 차량교통량 지수, 공용건물주차장, 노상/노외주차장 등의 입지선정 고려 요소들이 주변에 포함되어 있다.

[그림 4-7] 충전수요가 많은 곳으로 전기자동차 충전소가 미설치 장소