📌 핵심 요약 (Key Takeaways)
- 핵심 성과 1: 확장된 SUMO-TraCI 프레임워크를 통해 차량 기반 퍼스트/라스트 마일 접근성과 버티포트 주변 국지적 혼잡도를 동시에 정량화
- 독창적 차별점 2: 버티포트 밀도(10~100개소)에 따른 비선형적 교통 효율 포화 패턴(60~80개소 최적 구간) 실증
- 실무 파급력 3: 도시 계획 및 무인이동체 인프라 설계 시 데이터 기반 의사결정을 지원하는 확장형 시뮬레이션 방법론 제시
도심항공교통(UAM)의 상용화가 가속화되면서, UAM 서비스가 기존 지상 교통 네트워크와 어떻게 연계되며 교통 흐름에 어떤 파급 효과를 미치는지가 도시 모빌리티 계획의 핵심 화두로 떠오르고 있습니다. 그러나 기존 연구들은 시스템 전체 수준의 거시적 접근에 치우쳐 있어 공간적 이질성과 버티포트 인근의 국지적 혼잡 효과를 간과하는 한계가 있었습니다.
본 연구는 이러한 공백을 메우기 위해 현실적인 차량 기반 퍼스트/라스트 마일 접근 메커니즘을 통합한 확장형 SUMO-TraCI 프레임워크를 제안합니다. 이를 통해 도시 전체의 교통 효율성 변화와 특정 버티포트 주변의 미시적 병목 현상을 동시에 포착할 수 있는 듀얼 스케일 분석 환경을 구축하였습니다.
확장된 SUMO-TraCI 프레임워크와 다중 시나리오 설계
제안된 프레임워크는 오픈소스 교통 시뮬레이터인 SUMO와 TraCI(Traffic Control Interface)를 확장하여 UAM 승객의 지상 이동 패턴을 정밀하게 모사합니다. 특히 버티포트 위치와 수에 따른 지상 교통망의 반응을 시뮬레이션하기 위해, 기본 시나리오 대비 버티포트 수를 10개에서 100개까지 5단계(10, 30, 60, 80, 100)로 확장하여 실험을 수행했습니다.
시뮬레이션 결과, UAM 도입은 전반적인 도시 교통 흐름에 긍정적인 영향을 미쳐 차량 주행 거리(VKT)와 총 통행 시간(TTT)을 완만하게 감소시키는 것으로 나타났습니다. 하지만 이러한 편익은 선형적으로 증가하지 않으며, 버티포트 인프라 밀도가 60~80개소 구간에 도달할 때 포화 상태(Saturation)를 보이는 비선형적 패턴이 확인되었습니다.
공간적 이질성과 네트워크 레벨의 교통 변화 패턴
네트워크 전반의 공간적 분포를 분석한 결과, UAM 인프라는 도심 외곽(Peripheral corridors)의 교통 혼잡을 상대적으로 더 크게 완화하는 효과를 보였습니다. 반면, 중심가(Central areas)의 경우 버티포트 연계 교통량 집중으로 인해 국지적인 미소 교통량 증가가 빈번하게 관측되었습니다.
또한 이러한 국지적 변화는 일반 이면도로보다 대중교통 및 간선 도로망(High-capacity roads)에서 훨씬 더 두드러지게 나타났습니다. 이는 UAM 버티포트 입지 선정 시 단순한 수요 예측뿐만 아니라 인근 간선 도로의 용량과 퍼스트/라스트 마일 차량의 수용 능력을 함께 고려해야 함을 시사합니다.
유사 선행 연구 대비 독창성 및 성능 비교
| 비교 항목 | 기존/유사 논문 방식 | 본 연구의 제안 방식 | 실무적 차별성 및 한계 |
|---|---|---|---|
| 분석 스케일 | 거시적 시스템 전체 교통량 분석 중심 | 거시적 효율성 + 버티포트 주변 국지적 혼잡 동시 포착 (Dual-scale) | 국지적 병목 현상 예측력 대폭 향상 |
| 접근 교통 모델 | 단순 가상의 수요 가정 또는 미고려 | 현실적인 차량 기반 퍼스트/라스트 마일 접근 및 배차 메커니즘 통합 | 지상-항공 연계 교통의 실제 유발 효과 정밀 반영 |
| 인프라 밀도 평가 | 단일 고정 인프라 시나리오 기반 | 10개~100개소 멀티 시나리오 민감도 분석 수행 | 비선형적 포화 구간(60~80개소) 도출로 최적 투자 가이드 제공 |
산업 현장 적용 포인트 및 파급 효과
본 연구에서 개발된 멀티 시나리오 평가 프레임워크는 스마트시티 인프라 기획자, 무인이동체 운송 사업자, 그리고 지자체 교통 정책 입안자들에게 핵심적인 실무 의사결정 도구를 제공합니다. 특히 버티포트 입지 최적화 과정에서 발생할 수 있는 도심 내 예상치 못한 병목 현상을 사전에 식별하고 완화 전략을 수립하는 데 직접 활용될 수 있습니다.
향후 자율주행 기반 지상 모빌리티(AV) 및 플라잉카 통합 관제 시스템과의 데이터 연계 시, 본 프레임워크는 도심항공교통과 지상 교통망 간의 상호 작용을 실시간으로 제어하고 최적화하는 핵심 디지털 뷰어로 진화할 수 있습니다.