1. 서 론

수도권의 지속적인 인구 증가와 도시확장에 따라, 교통량 증가 및 토지이용 변화로 인한 환경문제가 악화되고 있다. 특히, 주거지역, 상업지역 및 산업지역 등 다양한 토지이용 형태가 혼재된 도시에서는 지역별 대기질의 공간적 불균형 현상이 나타나고 있다. 또한, 도시 대기질은 배출원의 특성과 기상조건, 그리고 토지이용에 의한 영향이 복합적으로 작용하여 동일한 지역 내에서도 다양한 변화량을 보인다(Hoek et al., 2008). 특히, 도로 주변 지역의 경우, 차량통행의 영향을 직접적으로 받는 대표적인 공간으로서 질소산화물(NO_x), 일산화탄소(CO), 입자상 오염물질(PM₁₀, PM_2.5) 등의 농도가 상대적으로 높게 나타날 가능성이 있다(Karner et al., 2010). 자동차는 대도시의 주요 대기오염물질 배출원 중 하나이며, 이러한 교통에 기인한 대기오염은 대도시뿐만 아니라 수도권 위성도시에서도 중요한 환경문제이다. 실제로 경기도 대기오염물질 가운데 NO_x와 CO는 도로오염원의 기여율이 각각 48%와 28%로 기여율이 높게 나타나 교통부문의 영향이 큰 것으로 보고되고 있다(NAIR, 2025).

현재 도시 대기질 평가는 국가측정망(AQMS, Air Quality Monitoring System)을 통하여 이루어지고 있으나, 주로 도시의 대표적인 배경농도를 반영하는데 초점을 두고 있으므로 도로변과 같은 교통량으로부터 기인하는 특성을 반영하기에는 한계가 있다. 이에 따라 자동차 통행량과 유동 인구가 많은 도로변 대기질을 파악하기 위해 각 기초지자체에서는 도로변대기측정망을 운영하고 있다(NIER, 2025). 그러나, 도시확장에 따라 위성도시들에 설치되고 있는 도로변대기측정망이 실제로 차량 통행량에 따른 영향을 제대로 반영하고 있는지에 연구나 도시대기측정망과 도로변대기측정망의 상관성을 면밀하게 관찰한 연구는 상대적으로 부족한 실정이다.

본 연구의 대상지인 용인시는 인구 100만 명을 초과하는 대표적인 수도권 위성도시로서 주거 중심의 신도시 지역과 기존 도심, 산업단지 및 교외지역이 복합적으로 분포하는 구조를 가지고 있다. 등록 차량이 52만 대를 넘는 가운데(Yongin-si, 2024), 지속적인 인구 유입과 대형 반도체 산업단지 조성 등으로 교통량과 생활 배출원이 동시에 증가하고 있어, 교통으로부터 기인하는 대기오염 문제가 심화될 가능성이 높은 도시라 할 수 있다. 이러한 특성은 수도권 위성도시의 전형적인 성장 패턴을 반영하고 있으며, 용인시를 대상으로 한 사례연구는 유사한 성장 단계에 있는 수도권 위성도시의 도로변 대기측정망의 실효성 평가에 참고가 될 수 있을 것으로 판단된다.

따라서 본 연구는 용인시의 주요 지방도로에 설치되어 있는 도로변 대기측정망을 대상으로 국가측정망 데이터와의 비교·분석을 통해 도로주변 공기질에 대한 대표성을 평가해 보고자 하였다. 주요 평가 항목은 입자상 물질(PM₁₀, PM_2.5), 이산화질소(NO₂), 이산화황(SO₂), 오존(O₃), 일산화탄소(CO) 등으로 설정하였으며, 측정소 간의 농도변화와 교통량과의 연관성을 검토하였다. 본 연구에서의 실효성은 도로변대기측정망이 교통량 변화에 따른 대기 오염물질 농도특성을 반영하는지 여부 또는 도시대기측정망과 차별화된 정보를 제공할 수 있는 정도로 정의하였다.

2. 연구 방법

2.1 분석자료

본 연구에서 사용한 대기질 데이터는 AirKorea 웹에서 제공하고 있는 국가측정망(AQMS, Air Quality Monitoring System) 자료이고, 용인시에는 도시대기측정망 6개소와 도로변대기측정망 1개소가 설치되어 있다. 본 연구에서는 2021년부터 2025년까지 각 측정소의 시간별 관측자료를 활용하였다. 기상자료는 한국 기상청(KMA)의 방재기상관측(AWS) 자료를 사용하였으며, 기온, 풍향, 풍속, 강수량, 습도 등 대기오염 발생 및 확산에 영향을 미치는 주요 변수들을 대기질 자료와 동일한 시간 해상도로 구축하여 분석에 적용하였다. 토지이용 정보는 용인시청에서 제공하는 통계 연보 자료를 활용하였고, 교통량은 용인시 교통정보센터에서 제공하는 2025년 5월부터 12월까지의 시간대별 교통량 데이터를 사용하였다. 도로변 측정소 인근의 교통 특성을 반영하기 위하여 시간대별 통행량 자료를 기반으로 분석 및 고찰을 수행하였다.

2.2 연구대상 현장의 상세현황

2.2.1 토지이용 및 지역 특성

본 연구의 대상 도시인 용인시는 수도권 남부에 위치한 대표적인 위성도시로 최근 도시확장과 산업단지 건설로 인구와 교통량이 크게 증가하고 있다. 연구대상 측정소는 Table 1에 요약한 도로변대기측정소 1개소(R1)를 선정하였고, 대기환경질을 나타내주는 6개소의 도시대기측정소(A1~A6)로부터 동일한 기간의 데이터를 추출하였다. 도시대기측정소는 각각 상이한 토지이용 환경을 대표하고 있다. Fig. 1에 개략적으로 도시한 개념도를 보면 A1(김량장동)은 처인구의 구도심에 위치하며, 상업, 행정시설이 밀집한 도시지역이다. A2(모현읍)과 A4(백암면)은 용인시 외곽의 농촌지역에 위치하며, A3(이동읍)은 산업단지와 주거지역이 혼재된 복합지역으로 산업 배출원의 영향을 일부 반영하는 지역이다. A5(기흥)과 A6(수지)의 경우 대규모 아파트 단지가 밀집한 용인시 대표 주거지역이다. 도로변대기측정소 R1(중부대로)은 도시 내 동서를 가로지르는 주요 간선도로인 중부대로 인근에 위치하고 있다. 도로변대기측정망은 도시대기측정망과 달리 자동차 통행량과 유동인구가 많은 도로변의 대기질을 파악하기 위한 목적으로 설치되며, 교통량 모니터링 지점 인근에 설치하여 교통량에 따른 오염도 변화를 추적하는데 활용되도록 권고되어 있다(NIER, 2025). 본 연구에서는 측정소의 농도변화가 교통량 변동을 얼마나 반영하는지 측정망 자료를 비교함으로써 도로변 측정망의 대표성과 실효성을 평가하고자 하였다. 각 측정소의 위치와 지역개념도를 각각 Table 1과 Fig. 1에 요약하였다.

2.2.2 기상조건

대기오염은 기온, 풍속, 풍향, 일사량 등의 기상조건에 크게 영향을 받는다. 본 연구에서는 기상청(KMA) 자료를 활용하여 도로변대기측정소(R1)와 인접한 기흥구갈 AWS의 2021년부터 2025년까지의 기상 특성을 분석하여 Table 2와 Fig. 2에 요약하였다. 풍향 결측 자료는 전체의 3.3%로 나타났으며, 이는 풍향 분석에서 제외하였다. 분석 결과 0.5 m/s 미만의 정온(Calm) 상태는 전체 관측기간의 26.1%로 나타났으며, 풍향별 빈도는 남서풍(SW)이 13.8%로 가장 우세하였다. 이는 대상 지역이 남서풍 계열의 영향을 주로 받고 있음을 의미하며, 정온 상태의 빈도가 비교적 높게 나타남에 따라 대기오염물질의 확산이 제한될 가능성이 있을 것으로 예상된다.

2.2.3 차량 통행량 특성

본 연구에서 활용한 교통량 자료는 용인시에서 제공하는 2025년 자료를 활용하였으며, 해당 연도의 도로변대기측정소 인근의 상·하행선 교통량을 적용하였다(Table 3 참조). 상·하행선 교통량 관측지점은 측정소로부터 각각 200 m 및 500 m 이격된 위치에 존재한다. 교통량 자료와 측정소 간에 일부 거리 차이가 존재하지만, 동일 구간 내에 위치하고 비교적 근접한 거리에 해당하므로 해당 교통량 자료를 기초로 분석에 활용하였다(Yongin advanced traffic information, 2026).

교통량 자료의 제공기간은 제한적이지만, 대상 지역의 상·하행선 일 평균 통행량은 43,063대이며, 최소 25,525대에서 최대 51,731대의 범위를 보였다. 시간대별 통행량 분포를 분석한 결과, Fig. 3에서 볼 수 있듯이 시간대별 교통량 변화와 차량의 운행 조건에 따라 크게 차이가 나며, 출·퇴근 시간대에 집중되는 일변화 특성이 보이는 것으로 알려져 있다(NAIR, 2025). 본 연구에서는 교통의 절대량보다는 시간대별 통행량 비율을 활용하여 대기오염물질 농도와의 상대적인 변동특성을 비교하고자 하였다.

2.3 통계적 분석방법

본 연구에서는 R 프로그램(ver. 4.4.3)을 사용하여 용인시의 대기오염물질 항목과 교통량, 기상조건 등 환경요인 간의 상관성을 분석하였다. 먼저 변수 간의 선형성을 파악하기 위하여 Pearson 상관계수를 산정하였으며, 이후 식 (1)의 정의에 따른 다중선형회귀분석(MLR, Multiple Linear Regression)을 적용하였다.

여기서 Y는 각 오염물질의 농도를 의미하며, Traffic, Temp, Wind speed, Precip, Humidity는 각각 교통량, 기온, 풍속, 강수량, 습도를 나타낸다. 각 설명변수의 상대적 기여도 파악을 위하여 표준화 회귀계수(β, Standardized Coefficients)를 산출하였다. 그러나 오염물질과 환경요인 간의 관계는 선형이 아닌 비선형적 특성을 가질 수 있으므로, 이를 고려한 일반화가법모형(GAM, Generalized Additive Model)을 추가적으로 적용하였다. 이를 통하여 선형모델에서 설명되지 않는 비선형적 영향을 함께 고찰하고자 하였다(Kim and Lee, 2022). 또한, 도로변 대기측정망과 주변 국가측정망 간의 농도 차이를 정량적으로 평가하기 위하여 오차분석(Bias, MAE, RMSE)을 수행하였다.

2.4 데이터 신뢰성 확보 방법(QA/QC)

본 연구에서는 자료의 극단값을 제거하기 위하여 백분위수(percentile) 기반의 이상치를 적용하였다. 6가지 대기오염물질 농도분포 특성을 고려하여 IQR(Interquartile Range) 기반 이상치 제거기준을 검토한 결과, 일부 항목에서 실제 관측 범위 내 값이 이상치로 판단되는 경향이 나타났다. 이는 대기오염물질의 높은 변동성에 기인한 것으로 판단되며, IQR 기반 기준을 적용할 경우, 과도한 자료 제거가 발생할 가능성이 있는 것으로 판단하였다. 또한, 99.9 percentile 기준은 극단적인 고농도 값을 충분히 제거하지 못하는 한계가 있는 것으로 나타나 본 연구에서는 상위 1%에 해당하는 99 percentile 값을 이상치 기준으로 설정하여 분석을 수행하였다.

3. 결과 및 고찰

3.1 도시 대기질 현황 고찰

Fig. 4와 Table 4는 최근 5년간(2021~2025년)의 관내 7개소의 국가측정망에서 관측된 대기오염물질의 평균 농도에 대한 연도별 변화를 나타낸다(AirKorea, 2026). 물질별로 서로 상이한 시계열 변화량이 확인되었다.

PM₁₀의 연평균 농도는 2021년 37.0 μg/m³에서 2025년 32.0 μg/m³으로 전반적으로 감소하는 경향을 보였으며, 분석기간 동안 대기환경기준(연평균 50 μg/m³)보다 낮은 수준을 유지하였다. PM_2.5의 연평균 농도는 2021년 19.1 μg/m³에서 2025년 18.5 μg/m³로 완만한 감소 경향을 보였으나, 연평균 기준인 15 μg/m³을 지속적으로 초과하는 경향을 보였다. O₃은 0.0274~0.0292 ppm 범위에서 연도별로 뚜렷한 증감 없이 일정한 수준을 유지하였고, NO₂는 2021년 0.0201 ppm에서 2025년 0.0146 ppm으로 점진적으로 감소하는 경향을 보였다. CO는 0.437~0.482 ppm 범위에서 소폭의 변동을 보였으나 비교적 안정적인 수준을 유지하였으며, SO₂는 2021년 0.0023 ppm에서 2025년 0.0015 ppm으로 전반적으로 감소하는 경향을 보였다.

특히, PM_2.5와 O₃의 경우, 코로나19(2020~2021년)로 인한 교통량 감소 및 배출저감 시행으로 인한 전구물질인 질소산화물 배출량이 전반적으로 감소한 것으로 보고된 시기임에도 불구하고, 본 연구기간 초반인 2021년 데이터에서도 연도별 평균농도는 뚜렷한 감소 없이 비교적 일정한 수준을 유지하는 경향을 보였다. 이는 NO_x 배출량의 감소가 2차 오염물질을 포함하는 PM_2.5 및 2차 오염물질인 O₃의 농도 저감으로 직결되지 않았음을 시사하며, 그 원인은 크게 두 가지 측면에서 해석할 수 있다.

우선, 도로 이동오염원의 영향이 완전히 제거되지 않았을 가능성이 있다. 선행연구에 따르면, 사회적 거리두기 시행으로 전반적인 통행량은 감소하였음에도 불구하고, 감염 위험 회피를 목적으로 대중교통 이용을 기피하고 개인 승용차 이용을 선호하는 경향이 광범위하게 일어났을 수 있다(Abdullah et al., 2020). 이러한 이동수단의 구조적 전환은 전체 통행량 감소로 이어졌음에도 불구하고 도로 부문의 NO_x 배출기여를 지속시키는 요인으로 작용하였을 것으로 판단된다. 즉, NO_x 전체 배출량은 감소하였으나, 도로 이동오염원으로부터의 배출이 완전히 차단되지 않음으로써 2차 오염물질 생성에 필요한 전구물질은 지속적으로 공급되었다고 볼 수 있다. 아울러, NO_x의 감소는 대기 중에서 O₃를 제거하는 역할을하는 NO의 농도의 감소로 이어지며, 이로 인해 오존 제거 반응(titration)이 약화될 수 있다. 선행 연구에서도 대기 중 O₃ 농도는 다양한 전구물질 간의 비선형적 화학반응에 의해 결정되므로, 전구물질의 배출량 감소가 반드시 오존농도 감소로 이어지지 않는다고 입증된 바 있다(Yang et al., 2023).

3.1.1 도시 대기측정망 데이터의 시계열 추세

Fig. 5는 2021~2025년 용인시 내 7개 국가대기측정망(A1~R1)의 대기오염물질 농도의 시계열 추세를 나타낸다. PM₁₀과 PM_2.5는 완만한 감소를 보이고 있으나, p-value가 각각 0.055와 0.229로 통계적으로 유의하지 않았다. PM₁₀과 PM_2.5는 동절기에 높고 하절기에 낮은 전형적인 계절적 추세가 나타났으며, 이는 겨울철 대기정체에 따른 오염물질 축적, 2차 에어로졸 생성 증가 및 국외 유입 영향이 복합적으로 작용한 결과로 해석된다(Kim et al., 2023). 정책자료에 따르면, 국내 대기 중 겨울철 PM_2.5의 농도는 비동절기에 비해 약 48% 높다(ME, 2025). 계절관리제 시행 이후, 겨울철의 PM_2.5 평균 농도는 약 40% 개선된 것으로 보고되어 동절기 고농도 완화에 일정 부분 기여한 것으로 평가된다(Seo et al., 2024). 용인시의 PM₁₀과 PM_2.5에서 나타나는 완만한 감소 경향 역시 기상 조건 외에도 계절 관리제 등과 같은 배출저감 정책의 영향이 일정 부분 반영된 결과로 보인다.

O₃는 연도별 뚜렷한 증감 없이 해마다 유사한 변동 패턴을 유지하였으며, 여름철에 상대적으로 높고 겨울철에 낮은 계절성이 나타나 입자상 오염물질과 상반된 경향을 보였다. 이는 O₃가 일사량과 기온이 높은 여름철에 광화학 반응이 활발해짐으로써 생성되는 2차 오염물질의 특성에 기인한다(Jung et al., 2009). NO₂는 통계적으로 유의한 수준(p < 0.01)에서 완만한 감소세를 보였으며, CO는 완만한 감소를 보였으나 통계적으로 유의하지 않았다(p > 0.05). SO₂의 경우, 2021년 0.0030 ppm에서 2025년 0.0015 ppm으로 타 오염물질 대비 상대적으로 뚜렷한 감소세를 보였다(p < 0.01).

겨울철에 시행되는 계절관리제는 입자상 오염물질뿐만 아니라 질소산화물(NO_x), 황산화물(SO_x), 휘발성유기화합물(VOC_s) 등 다양한 대기오염물질의 배출저감을 동시에 추구하는 정책적 환경대책으로, 본 연구에서 나타난 PM₁₀, PM_2.5, NO₂, SO₂의 완만한 감소는 이러한 정책적 노력과 부분적으로 연관될 가능성이 있다. 다만, 본 연구는 계절관리제 시행 전후를 직접 비교한 것이 아니므로, 정책효과를 명확히 입증하기 위해서는 시행 전후 비교분석이 추가적으로 필요하다.

3.1.2 측정소별 공간농도 분석

Fig. 6은 2021~2025년까지 용인시에 설치되어 있는 국가측정소 7개소에서 관찰된 연평균 대기오염물질의 농도분포를 나타낸 것이다. 용인시의 도로변 측정소(R1)는 권고기준에 따른 지상 설치형이 아닌 컨테이너 구조물 상부에 설치되어 있어 흡입구의 위치는 지면에서 약 3~4 m 높이로 추정되며, 해당 도로의 하루 통행량은 상·하행선 합계 약 2.5만 대에서 5.1만 대의 다양한 차종이 운행되고 있다. 전반적으로 모든 오염물질의 농도범위는 측정소 간에 비교적 유사하게 나타나고 있는 바, 도시의 배경농도는 전반적으로 균질하게 형성되어 있음을 확인할 수 있다. 그러나, 오염물질별로 측정소 위치에 따라 부분적인 차이가 존재하는 것으로 관찰되었다.

가장 눈에 띄는 측정소 간의 차이는 NO₂에서 나타났다. NO₂는 전형적인 연료 연소 기원 오염물질로서 지역의 산업 연소시설이나 차량 운행 등에 의해 결정되기 때문에 각 측정소 주변 토지이용도에 따라 다양한 형태를 이루는 것으로 판단된다. 따라서 교통 배출원에 직접 노출된 도로변 측정소(R1)에서 높은 농도가 관찰된 것은 측정소의 입지 특성이 반영된 결과로 볼 수 있으며, 이는 도로변 측정소의 교통 기원 오염물 가운데 하나인 NO₂ 농도가 도시대기측정소와 구별되게 나타나고 있음을 확인할 수 있다. 특히 A3 측정소에서 NO₂의 농도가 상대적으로 낮게 나타난 점은 해당 지역이 주변에 산업단지와 개발지역은 존재하지만, 측정소 주변이 임야 및 인구 저밀도 지역이므로 차량 통행 및 산업시설에 의한 직접적인 배출원의 영향이 상대적으로 제한적인 점이 반영된 것으로 보인다. 또한, 지형적 특성에 따라 국지적인 대기확산 조건이 형성되어 NO₂ 농도가 낮게 유지되었을 가능성이 있다. 이는 NO₂가 차량과 같은 이동오염원에 크게 좌우되는 물질임을 확인할 수 있다.

CO 역시 도로변 측정소에서 상대적으로 높은 농도를 나타냈다. CO는 차량의 불완전 연소 과정에서 주로 발생하며, 공회전이나 저속 주행처럼 연소 효율이 낮은 조건에서 농도가 높아진다. 이러한 결과는 교통 기인 오염물질이 도로 인접 지역에서 특히 큰 영향을 미치고 있음을 시사한다.

반면에 PM₁₀과 PM_2.5의 경우, 측정소 간 분포가 전반적으로 유사하게 나타났다. 그러나 O₃는 도로변 측정소(R1)에 비하여 도시 대기 측정소에서 더 높은 농도를 보였다. 이는 앞서 3.1절에서 언급한 바와 같이, 교통량이 많은 도로변 지점에서 질소산화물에 의한 NO_x-titration 효과가 공간적으로도 동일하게 작용한 결과로 판단된다(Clapp and Jenkin, 2001).

결과적으로 용인시 도로변 측정망(R1)은 입자상 오염물질에 비하여 교통에 기인한 기체상 오염물질인 NO_x와 CO에 대하여 유의미하게 포착하고 있는 것으로 판단된다. 그러나, 이를 제외한 입자상 오염물질과 SO₂의 경우 도로변과 도시대기측정망 간에 비교적 뚜렷한 차이를 보이지 않았다. 이는 차량 주행 시 발생하는 타이어 및 브레이크 마모, 도로 재비산먼지와 같은 비배기오염원에 대하여 유의미한 차이를 보이지 않았다고 볼 수 있다. 즉, 현재 도로변 측정소(R1)가 도로변에서 기인하는 입자상 물질의 오염도를 완전히 대표하기에는 물리적 한계가 있음을 시사한다. 또한, 앞서 언급한 바와 같이 R1-측정소가 컨테이너 상부에 설치되어 있으므로 도로 노면에서 직접 발생하는 입자상 물질이 흡입구까지 충분하게 도달하지 못하고 확산 및 희석되었을 가능성이 크다.

3.2 도로변 대기측정소 현황분석

3.2.1 도로변 대기오염에 관한 시계열 분포

Fig. 7은 시간대별 대기오염물질 농도와 차량 통행량 사이의 변동 특성을 비교하여 나타낸 것이다. 해당 도로의 상·하행선의 교통량 자료를 활용하였으며, 두 도로의 일 평균 통행량은 약 4.3만 대로 나타났다. 그래프에 표기한 주변 두 곳의 통행량(T1, T2)은 실제 값이 아닌 전체 평균 대비 시간대별 비율로 환산한 데이터이다.

먼저 PM₁₀과 PM_2.5의 경우, 출퇴근 시간대의 급격한 교통량 변동과 무관하게 시간대별 큰 차이 없이 전반적으로 완만한 변동을 보였다. 실제로 2022년 배출량 자료를 기반으로 한 분석에서 용인시가 속해있는 경기도의 도로이동오염원이 PM₁₀과 PM_2.5에 기여하는 비중이 각각 3%와 8% 수준으로서 건설현장이나 나대지, 도로 재비산량에 비하여 매우 낮은 수준이다(NAIR, 2025).

한편, 시간대별로 대기질 농도와 차량 통행량의 관계에서는 O₃, NO₂, CO가 비교적 유사한 형태를 보이면서 변동하는 것으로 확인되었다. O₃의 경우, 교통량과 일사량이 증가하는 주간 시간대에 농도가 증가하는 전형적인 경향이 나타났다. 특히 차량 통행량과 NO₂ 농도가 정점에 있는 오전 7~9시 사이에는 O₃ 농도가 오히려 하루 중 가장 낮은 수준으로 되는데, 그와 동시에 일사량이 풍부해지고 기온이 상승하는 주간 시간대에 하루 중 최고 농도에 도달하는 경향을 보인다. 이는 오전에 교통 기원 오염물질로부터 공급된 NO_x 등의 전구물질이 기상조건과 결합하여 광화학 반응을 촉진한 결과로 보이며, 오전의 교통량 피크가 수 시간의 차이를 두고 낮 시간대의 오존 생성에 반영된 결과로 볼 수 있다. 결과적으로 O₃는 기상학적인 요인과 전구물질 간의 비선형적 반응으로 인해 교통량과 즉각적인 변화를 보이진 않지만, 시간 지연 효과가 존재할 가능성을 고려하였을 때 도로 이동오염원이 오존 농도 형성에 잠재적으로 영향을 미쳤을 가능성을 시사한다.

그러나, NO₂와 CO는 오전 출근 첨두시간에 발생하는 급격한 교통량과 정확히 일치하여 농도가 상승하는 뚜렷한 피크가 확인되었다. 이는 두 물질이 차량 운행 및 도로 이동 오염원에 의해 직접적으로 좌우되는 대표적인 교통기원 오염물질임을 입증한다. 반면에, 비첨두시간의 교통량은 비교적 높게 유지됨에도 불구하고, 오염물질 농도가 감소하거나 다소 완만해지는 경향을 보임으로써, 낮 시간대에 일사량 증가에 따른 대기 혼합고 상승 및 대기 확산·희석 효과가 더 지배적으로 작용했기 때문으로 판단된다. 결과적으로 기체상 오염물질의 일변화 패턴이 도로 자체의 교통 첨두 특성을 정확히 반영하고 있으며, 기상조건에 의한 농도변화의 통제도 동시에 이루어지고 있음을 보여준다.

도로변 측정소의 대기오염물질 항목들과 교통량, 기상변수와의 상관성을 확인하여 Table 5에 Pearson 상관계수를 요약하였다. PM₁₀과 PM_2.5의 경우, 교통량과의 상관계수가 거의 0에 가까운 바, 교통에 의한 기여율이 매우 낮은 것으로 사료된다. 이는 입자상 물질이 특정 배출원보다는 지역 전반의 배경농도와 기상 조건에 의해 결정되는 물질 특성을 반영하는 결과이다. 상행선(upstream)과 하행선(downstream)의 시간대별 교통량 변동 차이는 크지 않지만, 상관계수가 각각 양(+)과 음(–)으로 나타난 이유는 단순한 교통량 자체보다는 측정소 입지 특성이나 기상 조건, 차종 구성 등 기타 다른 요인에 의한 영향이 크게 작용하는 것으로 추정할 수 있다.

한편, O₃와 NO₂는 교통량과 약한 양의 상관관계를 보이며, 교통영향이 일부 반영된 것으로 보이지만, 온도 및 풍속과의 상관계수가 더 높게 나타남으로써 기상에 의한 영향이 더 크게 작용하는 것으로 나타났다. CO는 시간대별 분포에서 출퇴근 시간대 교통량 증가와 함께 농도가 상승하는 경향을 보였으나, Pearson 상관분석에서는 교통량과의 상관성이 상대적으로 낮고, 기상요소와의 상관성이 더 높게 나타났다. 이는 CO가 차량관련 연소에 의해 발생하는 대표적인 교통기원 오염물질임에도 불구하고, 관측농도는 교통량 변화뿐만 아니라 대기 혼합고 상승 및 대기확산과 같은 기상조건의 영향을 동시에 받기 때문으로 판단된다. 앞서 Fig. 7(e)에서도 확인된 바와 같이, 낮 시간대에 교통량이 비교적 높게 유지됨에도 불구하고, 낮시간대의 대기 혼합고 상승 및 증가 등에 따른 대기확산 효과로 공간농도가 오히려 감소하는 경향과 일치한다. 즉, CO는 도로이동오염원의 영향을 크게 받는 대표적인 오염물질이지만, 현재 도로변 측정망에서 관측되는 농도수준을 결정하는 주된 물리적 요인은 기상조건임을 상관분석으로 재확인할 수 있다. SO₂는 교통량과 약한 양의 상관관계를 보였으나, 전반적으로 상관성이 낮은 것으로 미루어 보아 교통량에 의한 영향은 제한적인 것으로 판단된다.

용인시의 도로변 대기측정소의 흡입구 높이가 지면으로부터 약 3~4 m 위치해 있기 때문에 주변 운행차량의 배출가스가 지면 부근의 낮은 높이에서 배출된 직후의 농도변동을 직접적으로 반영하기보다는 일정 부분 확산 및 혼합이 이루어진 이후에 오염물질 시료를 채취할 가능성이 있음을 의미한다.

Table 6은 대기오염물질별 교통량과 기상변수에 대한 다중선형회귀분석(MLR)의 표준화 계수를 요약한 것이다. 변수 간의 공선성을 분석한 결과, 상·하행선의 교통량 간 강한 공선성이 확인됨에 따라 두 변수 모두 거의 동일한 정보를 제공하는 것으로 판단하여 통행량 합계를 적용하였다.

NO₂와 CO는 교통량의 표준화계수가 각각 0.356과 0.267로 양의 값을 보여 기상조건을 통제한 상태에서도 교통량이 두 물질의 농도에 독립적으로 기여하고 있음을 확인하였다. 특히 O₃의 경우, 교통량에 대한 표준화계수가 –0.130으로 음의 값을 보임으로써 오존소모 현상을 추측케 하였다. 0에 가까운 값을 보여준 PM₁₀ 및 PM_2.5는 차량통행량과의 단순한 비례적인 관계가 아닐 수 있음을 의미한다.

또한, 각 변수에 대하여 설명력을 나타내는 결정계수(R²)을 살펴보면, O₃와 NO₂는 각각 0.473, 0.402로 비교적 양호한 수준을 보인 반면, PM₁₀과 PM_2.5는 각각 0.075, 0.051로 매우 낮은 설명력을 보였다. 이는 도로변 대기질 변동을 단순히 독립변수들과의 관계를 선형적으로 설명하기에 한계가 존재함을 시사한다.

Table 7은 GAM 분석 결과로부터 도출된 자유도(EDF: empirical degrees of freedom)와 통계적 유의성을 나타낸 것이다. 모든 변수에서 EDF의 값이 1보다 크게 나타나, 교통량, 기상 요인 및 대기오염물질 농도 간의 관계가 선형이 아닌 복잡한 비선형적인 형태로 존재함을 확인하였다. 또한, GAM 모형에서 MLR 모형 대비 설명력이 전반적으로 증가하였으며, 특히 PM₁₀과 PM_2.5에서 결정계수(R²)이 각각 0.075에서 0.173, 0.051에서 0.140으로 약 2배 이상의 설명력이 향상되었다. 이는 대기오염물질과 각 독립변수들 간의 비선형적 특징이 강함을 의미하며, 선형모형만으로는 오염물질의 농도변동성을 충분히 설명하기 어려움을 시사한다.

이러한 교통량과 대기오염물질 농도 사이의 비선형 관계는 Fig. 8에서 구체적으로 확인되었다. 특히 NO₂와 CO에서는 교통량 증가에 따라 농도가 증가하는 경향을 보이지만, 일정 수준 이후 증가율이 완만해지는 비선형적 특성이 나타났다. 이는 교통량 증가가 직접적인 농도 증가를 유발할 수 있을지라도 기상 조건에 따른 대기확산 정도의 영향이 크게 작용함으로써 대기 중에서의 농도변화가 단순한 선형성을 띄지 않고 추가적인 농도 상승이 억제되는 현상으로 해석할 수 있다. 반면, PM₁₀, PM_2.5 및 O₃의 경우, 교통량 구간에 따라 증가와 감소가 반복되는 복합적인 비선형적 관계가 나타났다. 이는 도로변 대기질은 교통량 변화에 비례하여 단순 결정되기보다, 복합적인 비선형 상호작용에 의해 영향을 받음을 입증한다.

3.2.2 대기 측정망과의 상관성 평가

Table 8은 도로변 측정소(R1)와 주변 도시대기측정소(A1~A6) 간 대기오염물질별 Pearson 상관계수를 분석한 결과이다. PM₁₀, PM_2.5, O₃는 대부분 0.9 내외의 높은 상관계수를 나타냄으로써 비슷한 변동성을 가지는 것으로 확인하였다.

반면 NO₂와 CO는 0.7~0.8 내외의 비교적 낮은 상관계수가 나타났는데, 이 물질들은 교통량과 밀접한 관계가 있는 바, 도시대기농도 값과는 차이가 존재함을 확인할 수 있다. 즉, 도로변측정소(R1)는 주변 도시대기측정소와 농도변동의 방향성은 공유하면서도 교통배출원의 직접적인 영향으로 인해 배경 측정소와 비교적 구별되는 정보를 제공하고 있음을 의미한다. 참고로 용인시가 속해있는 경기도의 최근 조사결과를 살펴보면 NO_x와 CO의 도로오염원에 의한 기여율이 각각 48%와 28%로 나타났으나(NAIR, 2025) 도로변 측정소(R1)에서 검출되는 NO₂와 CO는 주변 통행량과 직접적인 상관성이 높으므로 도시대기 데이터와는 차이가 존재할 수 있다.

또한, 도로변 측정소(R1)와 가장 인접한 A5 측정소에서 전반적으로 가장 높은 상관계수가 나타났는 바, 공간적 근접성이 일정 부분 영향을 미치는 것으로 보이지만, 모든 측정소에서 전반적으로 높은 상관성을 보이고 있으므로 거리에 따른 명확한 차별성이 존재한다고 단정하기 어렵다.

도로변대기측정소(R1)과 가장 인접한 대기측정소인 A5, 두 번째로 가까운 거리의 A6, 그리고 가장 원거리에 위치한 A4 측정소를 대표측정소로 선정하여 오차분석을 수행한 결과를 Table 9에 나타내었다. 본 분석에서는 도로변 측정소(R1)의 농도에서 대표 측정소를 차감한 값을 Bias로 정의하여 분석을 진행하였다.

전반적으로 MAE와 RMSE는 R1과 공간적으로 가장 근접한 A5에서 가장 작은 값이 나타났으며, 거리가 멀어질수록 오차가 증가하는 경향을 보여 공간적 인접성이 농도에 일정부분 영향을 미치고 있음을 확인하였다. 다만, 이러한 경향이 모든 물질에서 일관되지 않아, 거리만으로 오차 크기를 설명하는 데 한계가 있다.

입자상 오염물질의 경우, 측정소 간 MAE와 RMSE의 절대값은 상당한 수준이지만, A4~A6 측정소 간 오차지표의 변동폭은 상대적으로 크지 않았다. O₃의 경우, MAE가 0.0045~0.0079 ppm, RMSE가 0.0062~0.0118 ppm으로 낮은 수준을 보여 공간적으로 비교적 균일한 농도분포를 형성하고 있음을 확인하였다. 이와 대조적으로 NO₂와 CO는 측정소 모두에 대해 일관된 양(+)의 Bias를 나타내어, 도로변 측정소(R1)에서 배경농도에 비하여 지속적으로 높은 농도가 관측되고 있음을 확인하였다. 앞서 Table 8의 상관분석에서 NO₂와 CO의 상관계수가 다른 물질에 비해 상대적으로 낮게 나타난 바, 이는 두 물질의 농도 변동 경향뿐만 아니라 절대적인 농도 수준에서도 도시대기측정소와 차이를 보일 수 있음을 의미한다.

결과적으로 도로변측정소(R1)는 입자상 오염물질과 O₃에 대해서는 주변 도시대기측정소와 유사한 정보를 제공하는 반면, CO와 NO₂와 같은 교통기원 오염물질에 대해서는 도시대기측정소와 구별되는 농도값을 제공하고 있음을 확인하였다. 이는 앞선 상관분석과 회귀분석 결과를 종합할 때, 도로변측정망이 모든 오염물질에 대해 동일한 수준의 차별성을 갖는 것이 아닌, 교통기원 오염물질에 한하여 상호 보완적인 역할을 수행하는 것으로 판단된다.

3.3 도로변 대기측정망의 역할

본 연구의 분석 결과를 종합해 보면, 용인시의 도로변 측정망(R1)은 오염물질에 따라 교통량 변화를 반영하는 실효성에 있어서 뚜렷한 차이를 보였다. R1-측정소 인근의 중부대로의 일 평균 교통량은 약 4.3만 대로 나타났는 바, 교통량이 밀집된 도로변 환경에 해당하며, 하루 중 변동패턴은 오전 07~09시와 오후 17~19시에서 전형적인 이중 첨두구조를 보였다.

NO₂과 CO는 교통량과 통계적으로 유의한 양의 상관관계를 나타냈으며, 다중선형 회귀분석에서도 교통량의 표준화 계수(β)는 각각 0.356과 0.267로 유의하게 나타났다. GAM 분석에서도 두 오염물질 모두 교통량 증가에 따른 비선형적 농도증가 패턴이 확인되었으며, 교통 첨두시간대에 농도가 상승하는 패턴이 교통량 변동과 일치하였다. 이는 R1-측정소가 연소 기반의 교통기원 오염물질의 배출량 변화를 실질적으로 반영하고 있음을 시사하며, 교통기원 오염물질에 한해서만 도로변 측정망 본연의 역할을 수행하고 있다고 평가할 수 있다.

반면, 입자상 오염물질(PM₁₀, PM_2.5)은 교통량과의 상관성이 매우 낮고, 다중회귀 및 GAM 분석에서도 교통량의 설명력이 미미하였다. Table 4의 연도별 평균농도에서 입자상 오염물질은 완만하게 감소하는 경향을 보이고 있으나, 이는 교통량 변화보다는 기상조건 및 계절관리제 등 광역적인 요인이 더 크게 반영된 결과로 판단된다. Table 8과 Table 9의 상관 및 오차분석에서도 R1의 입자상 오염물질 농도는 주변 도시대기측정소와 유사한 변동패턴 및 농도 수준을 나타내어, 도로변 위치에 따른 뚜렷한 차별성이 확인되지 않았다. 이는 입자상 오염물질이 도로 배출원 이외에도 광역적 배경농도, 2차 생성, 기상조건 등 복합적인 요인의 영향을 받기 때문으로 판단된다. 따라서 용인시 도로변 측정망은 교통기원의 기체상 오염물질(NO₂, CO)의 변동특성을 반영하는 데에는 실효성이 있으나, 입자상오염물질(PM₁₀, PM_2.5)에 대한 교통 기여도를 독립적으로 평가하기에는 한계가 있는 것으로 나타났다.

도로 인접 지역에서의 대기오염물질 노출은 주변 상인, 보행자 및 대중교통 이용자의 호흡기와 심혈관계 건강에 직접적인 영향을 미치는 것으로 알려져 있다(Han et al., 2021). 이러한 중요성을 고려할 때, 도로변 측정망이 교통 기인 오염물질의 기여도를 정확하게 평가하기 위해서는 측정 체계의 보완이 필요하다. 도로 주변 도시개발에 따라 오염물질의 이동이 불특정하게 발생하는 도로계곡(street canyon) 현상이 발생할 수 있는 바, 용인시 자체에서 설치하여 운영하는 측정센터의 위치를 조정하거나 도로변 대기측정소 인근에도 추가함과 동시에 상호 연계시킴으로써 신뢰도 높은 오염도 모니터링을 실시할 필요가 있다. 향후 기존 오염물질 외에 비배기(non-exhaust) 입자상물질과 응축성 입자상물질까지도 추적할 수 있는 기능보완도 고려해야 한다. 이러한 세밀한 모니터링 네트웍을 통하여 실시간으로 시민들에게 정보를 제공함으로써 도시공기질 관리에 대한 시민적 체감도를 향상시킬 필요가 있다.

4. 결 론

본 연구에서는 용인시 지방도로 인근의 도로변대기측정망(R1)을 대상으로 교통량과 대기오염물질 간의 관계를 분석하고, 도시대기측정망과의 비교를 통해 도로변측정망의 실효성을 평가하고자 하였다.

NO₂와 CO는 교통량과 비교적 높은 상관성을 나타내었으며, 도시대기측정망과 비교하였을 때 NO₂와 CO의 경우 상대적으로 낮은 상관성을 나타내어 도로변에서 발생하는 오염 특성을 반영하고 있는 것으로 확인되었다. 다만 A1~A6 측정소 간에도 입지한 토지이용 특성에 따라 상관성의 정도가 상이하게 나타났는데, 예를 들어 임야와 저밀도 주거지로 둘러싸인 A3에서는 NO₂ 농도가 상대적으로 낮게 나타난 반면 R1과 가장 인접한 A5에서는 가장 높은 상관성과 가장 작은 오차를 보였다. 이는 측정소 간 비교 시 단순한 측정망 유형 구분뿐만 아니라 개별 측정소의 토지이용 맥락과 공간적 근접성을 함께 고려할 필요가 있음을 시사한다.

반면, 입자상 오염물질(PM₁₀과 PM_2.5)의 경우, 교통량과의 관계가 뚜렷하지 않았으며, 도시대기측정망과도 유사한 변동패턴 및 농도 수준을 보여 도로변 위치에 따른 차별성이 확인되지 않았다. 이는 입자상 오염물질이 교통량보다 광역적 배경농도, 2차 생성 및 기상조건의 영향을 크게 받기 때문으로 판단되며, 더불어 R1 측정소가 지면으로부터 약 3~4 m 높이의 컨테이너 구조물 상부에 설치되어 있어 노면에서 직접 발생하는 입자상물질이 흡입구까지 충분히 도달하지 못하고 확산·희석되었을 가능성도 함께 작용한 것으로 판단된다.

결론적으로 현재 용인시 도로변대기측정망은 연소기원의 교통기인오염물질(NO₂, CO)에 대해서는 본연의 실효성이 확인되었으나, 입자상 오염물질에 대한 기여도를 평가하기 위해서는 추가적인 측정체계의 보완이 필요한 것으로 판단된다. 도로변 측정망이 도시대기측정망과 교통 부문에서 명확한 차별성을 가지기 위해서는 현재의 방식으로는 부족하며, 비배기 입자상물질에 대한 측정보완, 측정소 위치 개선 및 확대가 필요하다. 이는 향후 수도권 위성도시의 도로변 대기측정망 운영 및 측정소 입지 평가를 위한 참고자료로 활용될 수 있을 것이다. 다만, 본 연구는 교통량 데이터와 대기오염물질 데이터 간 측정 지점 및 기간이 완전히 일치하지 않는다는 한계가 존재하며, 향후 연구에서 차종 및 주행 특성을 세분화하여 오염물질에 대한 기여도를 보다 정밀하게 규명하는 연구가 수행될 필요가 있다.