I. 연구 배경 및 목적

통계청에 따르면 국내에는 2015년 기준 약 2,000만 대의 자동차가 등록되어 있었으며, 자동차 등록 대수는 매년 지속적으로 증가해 2022년에는 약 2,500만 대에 이르렀다(국토교통부, 2023). 특히 서울시의 자동차 등록 대수는 2023년 기준 약 320만 대에 달했으며(서울특별시, 2023), 차량 수가 급증하면서 주차에 관한 문제는 점점 심각해졌다. 도심 지역에서는 주차 공간 부족으로 인해 거리 곳곳에서 불법주정차의 모습을 흔히 볼 수 있게 되었다. 이러한 불법주정차는 단순히 차량 흐름을 방해할 뿐만 아니라, 안전 문제까지 초래할 수 있다. 특히 소화용수 인근에서의 불법주정차는 화재 발생 시 대응 능력에 중대한 방해 요인으로 작용한다. 소화용수는 긴급상황에서 화재 진압에 필수적인 요소로, 그 접근성이 확보되지 않으면 치명적인 결과를 초래할 수 있다.

이에 따라 소화용수 근처의 불법주정차를 억제하기 위해 도로교통법 제32조는 소방용수시설 또는 비상소화장치가 설치된 장소를 5m 이내 차량을 정차하거나 주차해서는 안 되는 자동차 불법주정차 5대 금지구역으로 지정하고 있다. 또한, 소방기본법 제25조에는 소방 활동을 위하여 긴급하게 출동할 때는 소방 자동차의 통행과 소방 활동에 방해가 되는 주정차 차량과 물건을 제거 또는 이동할 수 있는 조항이 추가되었다. 하지만 2018년 6월 이러한 법령이 신설 또는 개정된 이후로 2년 10개월 만인 2021년 4월에서야 전국에서 첫 시행 사례가 나왔다. 강제 처분의 법적 근거가 마련되었음에도 불구하고 실제로 시행되기까지의 시간이 길었던 것은 법적 제도와 현실 적용 간 괴리를 보여주는 하나의 사례이다.

이러한 법 제도와 현장의 간극으로 인해 불법주정차 문제는 여전히 도시 여러 곳에서 지속적으로 발생하고 있다. 불법주정차는 단순히 교통 문제로만 느껴질 수 있지만, 그 이면에는 공공의 안전과 생명을 직접 위협하는 요인이 숨어있다. 특히 소화용수 인근에서의 불법주정차는 각종 소방 활동의 신속성과 효율성을 크게 저해한다. 법적 제도와 단속은 불법주정차 문제의 해결에 있어 한계도 보이기에, 실질적인 문제 해결을 위해서는 불법주정차의 시공간적인 발생 패턴을 분석하고, 이를 바탕으로 보다 효과적인 대응 정책을 마련할 필요가 있다.

본 연구는 소화용수 근처의 불법주정차 문제에 집중하여, 시간대별 발생 패턴을 세밀하게 조사하고자 한다. 또한, 분석을 통해 불법주정차가 빈번하게 발생하는 시간대와 지역의 특성 간 관계를 확인할 것이다. 특히 주거, 상업, 학교, 병원 등 지역 내 건물의 용도가 불법주정차와 어떠한 관련성을 갖는지 확인하는 것 또한 본 연구의 분석 범위에 포함된다. 본 연구 결과는 단속 및 주차 관리를 위한 한정된 인적, 물적 자원을 불법주정차가 빈번하게 발생하는 지역과 시간대에 집중할 수 있는 효과적 전략을 수립하는 데 기여할 수 있을 것으로 기대된다.

II. 관련 선행연구

대도시의 고질적인 문제인 불법주정차와 관련된 연구는 국내외에서 지속적으로 이루어지고 있다. 최근 지리학 분야에도 많이 사용되고 있는 인공지능 기술을 이용하여 불법주정차 감지와 단속을 자동화하려는 시도들이 등장했지만(Ketcham et al., 2019), 불법주정차 발생을 사전에 방지하기 위해서는 발생을 유발하는 환경적 요인이나 원인을 분석하는 것이 선행되어야 한다.

과거에는 불법주정차를 잘못된 주차 문화의 결과로 바라보고 이를 바로잡고자 하는 연구가 다소 있었다. 대표적으로 한종학･권혁민(2008)은 설문조사를 통해 불법주정차와 관련된 시민들의 의식을 파악하고, 이를 활용하여 불법주정차 행태 개선을 위한 주차 정책 방안을 마련하고자 하였다. 따라서 설문조사의 문항은 비용 및 시설적 측면을 제외하고는 대부분 운전자의 의식과 행태와 관련되어 구성되었고, 연구 결과 또한 운전자의 의식 개선 및 주차 정책 홍보 등의 필요성에 대해 논하고 있다.

그러나 최근 불법주정차 관련 연구의 흐름은 운전자보다 도시 환경에 초점을 맞추는 방향으로 변화하고 있다(Wang and Liu, 2022; Spiliopoulou and Antoniou, 2012; Zoika et al., 2021; 박준상･이수기, 2022). 운전자가 불법주정차를 행할 수밖에 없는 환경임을 인식하고, 그 원인을 파악하여 도시 설계의 관점에서 개선 방안을 모색하려는 연구들이 등장했다. 불법주정차 단속은 CCTV, IoT 센서 등을 이용해 상시로 이루어지기도 하지만, 불법주정차가 유독 많이 발생하는 시간과 공간을 고려해 ‘집중단속’을 시행하기도 한다. 즉, 불법주정차는 도시 안에서 무작위로 발생하는 것이 아닌 특정한 시공간적 패턴을 가지고 분포한다.

이러한 패턴을 분석하기 위해 대표적으로 Wang and Liu(2022)의 연구에서는 주중/주말, 휴일여부에 따른 여러 시간대와 내부/외부공간 등의 구역으로 분할한 뒤, 불법주정차의 시공간적 패턴을 분석했다. 분석 결과 도시의 외곽보다 중심지에서 주차 관련 문제의 밀도가 높았고, 휴일이 아닌 평일에 많이 발생했다. 또한 SLR 모델을 이용해 구역별 도시의 건조 환경과 불법주정차 간의 관계를 분석한 뒤, 불법주정차 문제가 유의하게 발생하는 지역을 도출했다. 국내를 배경으로는 박준상･이수기(2022)가 불법주정차에 영향을 미치는 도시 환경 요인을 분석하였다. 이외에도 도시 규모에 따른 불법주정차 패턴의 차이를 분석하거나(Spiliopoulou and Antoniou, 2012), 거리 이미지의 경관 요소를 활용해 불법주정차 발생 유발 요인을 분석하고자 한 연구(Zoika et al., 2021) 등이 존재한다.

기존 연구들은 연구 범위가 되는 도시 전체를 하나의 일관된 공간으로 간주하여 분석을 진행하였기 때문에 공간마다 상이한 불법주정차의 영향을 고려할 수 없었다는 한계점이 존재한다. 불법주정차는 모든 공간에서 부정적 영향을 갖고 있지만, 어린이 보호구역, 교차로, 소화용수 시설 주변 등 불법주정차가 발생할 시에 특히 더 심각한 피해를 볼 수 있는 공간들을 중심으로 하는 연구는 부재하다. 특히 본 연구에서 분석의 대상이 되는 소화용수시설 인근의 불법주정차는 실제로 대형 재난의 직간접적 원인이 된 경우가 다수 존재하지만, 이를 대상으로 한 연구는 부족한 실정이다. 따라서 본 연구에서는 소화용수 시설 주변에서 발생한 불법주정차를 대상으로 실질적인 공간적 군집을 확인한 뒤, 각 군집의 형성에 영향을 주는 건물 용도를 분석하였다.

III. 연구 방법

1. 데이터

본 연구에서 사용한 데이터의 기준 연도와 출처는 <표 1>과 같다. 소방용수 시설 인근의 불법주정차 발생 패턴을 탐색하기 위해 불법주정차 단속 위치 데이터와 서울시 소방용수 시설 위치 데이터를 활용했다. 이때 도로교통법 제32조에 따른 소화용수 불법주정차를 정의하기 위해, 소화용수를 기준으로 5m 원형 버퍼를 생성한 후 이를 불법주정차 단속 위치 데이터와 비교함으로써 소화용수 인근의 불법주정차 위치를 추출하였다.소화용수 인근에서 발생한 불법주정차의 원인을 파악하기 위해서는 건물 용도 데이터를 사용하였다. 건물 용도는 <표 2>와 같이 주택, 상업 및 업무, 교육 및 연구, 철도 시설, 의료 및 복지, 공공시설, 문화 및 집회 시설, 기타 등 아홉 개 유형으로 구분하여 분석에 활용하였다.

분석의 공간적 범위는 서울시 동대문구, 시간적 범위는 2019년 1월 1일부터 12월 31일까지 12개월로 설정하였다. 동대문구는 2024년 기준으로 서울시에서 인구 밀도가 가장 높은 자치구이며(25,315명/㎢), 단위면적당 자동차 등록 대수도 양천구와 구로구에 이어 세 번째로 많아(7,229대/㎢) 불법주정차로 인한 문제가 심각할 것으로 판단되었다. 시간적 범위를 2019년으로 설정한 것은, 연구 수행 시점 기준 분석에 사용하는 모든 데이터의 연도를 맞출 수 있는 가장 최신의 데이터가 2019년이었기 때문이다.

2. 분석 방법

본 연구의 목적은 시간대별 소화용수 인근 불법주정차의 공간적 패턴을 파악하는 것이다. 이를 위해 시간대별로 소화용수 인근에서 불법주정차가 발생한 위치의 공간적 무작위성을 통계적으로 검정하고, 군집이 나타나는 경우 그 위치를 파악하고자 한다. 이에 따라 본 연구에서는 24시간을 생활양식에 따라 네 개 시간대로 구분하였다. 시간대는 통계청에서 발간한 생활시간조사보고서를 참고하여 심야 및 새벽(00:00~06:00), 아침(06:00~09:00), 주간(09:00~18:00), 저녁 및 밤(18:00~24:00)으로 구분하고, 이를 다시 주중과 주말로 나누어 총 8개의 시간대로 분류하였다.

소화용수 인근 불법주정차 위치의 공간적 무작위성은 K 함수(Ripley’s K-function)를 사용하여 확인하였다. K 함수는 점 분포를 측정하는 기법 중 하나이다(Ripley, 1979). 점 분포를 측정하는 기법 중 G 함수, F 함수와 같은 거리 기반 기법은 각 점에서 가장 가까운 최근린(nearest) 점만을 분석 과정에 사용한다는 한계가 있다. 최근린 점만을 사용하는 경우 공간에서 나타나는 다양한 양상을 파악할 수 없다는 단점이 있기 때문에, 이러한 단점을 극복할 수 있는 K 함수가 점 패턴 측정에 폭넓게 사용되고 있다(박수진･박지수, 2018).

K 함수는 각 점의 반경 r내에 있는 점의 평균 개수를 세고, 이를 전체 영역의 점 밀도로 나누어 K(r)를 계산해 공간적 무작위성과 군집 정도를 측정한다. K 함수 결과 도출된 K(r) 값을 완전한 공간적 무작위(CSR, complete spatial randomness) 상태일 때의 예상값과 비교함으로써 주어진 점 분포의 공간적 무작위성을 통계적으로 확인할 수 있다. CSR 상태의 예상값보다 K(r) 값이 크다면 군집 분포 패턴이라 해석해볼 수 있으며, 분석에서는 CSR을 가정하고 K^(r) 값을 199회의 몬테카를로 시뮬레이션을 통해 계산해 95% 신뢰구간을 산출한다. 만약 신뢰구간 내에 K^(r)이 포함된다면 해당 점 분포는 공간적 무작위성을 갖는 것으로 볼 수 있으며, K^(r)이 신뢰구간 상단에 위치하는 경우 군집을 이루고 있는 것으로 해석할 수 있다.

r: 반경

n: 전체 포인트 수

Npi(r): r 내에 있는 포인트 수

λ: 공간 밀도

K 함수 분석을 통해 통계적으로 유의미한 불법주정차 군집이 확인된 시간대에 한해 군집의 위치를 관찰하기 위해 DBSCAN(Density-based spatial clustering of applications with noise) 분석을 실시하였다. DBSCAN은 Ester et al.(1996)이 제안한 밀도 기반의 군집 분석 알고리즘으로 다양한 모양과 크기의 군집을 탐색하기 위해 설계되었다. DBSCAN은 임의의 점으로부터 근접한 점을 찾아나가는 방법으로 군집을 확장한다. 이때 최소거리(ε, Epsilon)와 최소 포인트 수(minPts, Minimum Points)에 대한 정보를 바탕으로 군집을 탐색한다. 임의의 지점을 기준으로 최소거리 ε 내에 있는 점의 개수가 minPts보다 크거나 같다면, 해당 지점을 핵심 지점으로 분류하고 군집을 형성한다. 핵심 지점의 이웃 점 중 minPts를 충족하지 못하는 점은 경계 지점으로 분류하고, 이를 핵심 지점이 속한 군집에 할당하면서 군집을 확장해 나간다. 만약 ε 내에 minPts 미만의 점이 있고 그 점의 이웃 점 수가 minPts보다 적다면 노이즈 지점으로 분류한다. 본 연구에서는 ε을 50m로, minPts를 7개로 설정하여 분석을 진행하였다.

이후, 군집 분석을 통해 추출된 시간대별 불법주정차 발생 군집은 100m 크기 건물 용도 격자와 중첩하여 비교하였다. 각 군집이 위치한 격자에서 건물 용도를 파악하고, 소화용수 5m 이내에서 발생한 불법주정차 군집의 건물 용도를 식별하였다. 다만 격자 내에서 두 개 이상의 건물 용도가 혼재한 경우에는 해당 격자에서 가장 많은 면적을 차지하는 건물 용도를 기준으로 분석을 수행했다. 이와 같은 중첩 비교를 통해 불법 주정차가 빈번하게 발생하는 지역의 공간적 특성을 파악하고자 하였다.

IV. 연구 결과

1. 소화용수 인근 불법주정차 공간적 패턴

<그림 1>은 시간대별 소화용수 인근 불법주정차의 K 함수 결과를 나타낸다. K 함수 결과에서 x 축은 반경, y 축은 K 함수 값을 의미하며, K^hi(r)와 K^lo(r) 사이의 범위는 199회 몬테카를로 시뮬레이션 결과 생성된 95% 신뢰구간을 의미한다. 본 연구에서는 K^(r) 값이 95% 신뢰구간 내에 있다면 무작위 분포로 봤으며, 신뢰구간보다 큰 값일 경우 군집을 이루고 있다고 해석했다.

그림 1.

시간대별 K 함수 결과(주) 상단은 주중의 K 함수 결과를 나타내며, 왼쪽부터 심야/새벽, 아침, 주간, 저녁/밤 시간대를 나타낸다. 하단은 주말의 K 함수 결과를 나타내며, 왼쪽부터 심야/새벽, 아침, 주간, 저녁/밤 시간대를 나타낸다.)

주중에는 모든 시간대에서 반경의 크기에 상관없이 대부분의 연구 지역에서 군집이 나타났다. 심야/새벽 시간대에는 다른 시간대에 비해 K^(r) 값과 신뢰구간 간 차이가 작은 것으로 미루어보아, 군집 정도가 비교적 약한 것으로 해석할 수 있다. 아침 시간대에는 K^(r) 곡선과 신뢰구간의 차이가 다른 시간대에 비해 컸으며, 따라서 주중의 경우 아침 시간대에 군집이 뚜렷하게 나타나는 것으로 볼 수 있다.

주말의 심야/새벽 시간대에서는 반경의 크기에 따라 신뢰구간 범위에 K^(r) 값이 포함되는 구간이 있는 것을 확인할 수 있었다. 심야/새벽 시간대에서는 반경 약 50~600m에서는 군집이 존재하나, K^(r) 곡선과 신뢰구간 간 차이가 작았으며, 따라서 전반적으로 무작위 분포하는 경향을 띄는 것으로 보여졌다. 주말 오전 시간대에는 반경 약 0~300m 범위에서 K^(r) 값이 0에 가까운 값을 갖고, 300m 범위를 지나며 K^(r) 값이 급격히 증가하는 것으로 나타났다. 다만 이는 해당 시간대에 발생한 불법주정차의 수가 충분하지 않아 이와 같은 결과가 도출된 것으로 판단된다. 주간과 저녁/밤 시간대의 경우에는 K^(r) 곡선이 신뢰구간보다 높은 값을 갖기 때문에 불법주정차가 어느 정도 밀집해 분포하는 것으로 해석할 수 있다.

위와 같은 K 함수 분석 결과에 따라, 군집 분포하지 않는 주말 심야/새벽과 오전 시간대를 제외한 모든 시간대에서 DBSCAN 분석을 진행하여 군집의 위치를 확인해 보고자 한다.

2. 시간대별 소화용수 인근 불법 주정차의 군집 분석

주중의 시간대별 불법주정차 군집 분석 결과는 <그림 2>와 같다. 우선 심야/새벽 시간대에는 앞서 기술한 바와 같이 군집이 도출되지 않았다. 해당 시간대의 특성상 활동하는 단속원 수가 적기 때문에 적발된 불법주정차 건수도 많지 않았고, 그 결과 통계적으로 유의미한 수준의 군집이 도출되지 않은 것으로 보인다. 이는 K 함수 결과에서 신뢰구간과 K^(r) 값이 크게 차이 나지 않는다는 사실로 어느 정도 뒷받침된다.

그림 2.

시간대별 주중 불법주정차 클러스터 위치(좌측 상단: 심야/새벽, 우측 상단: 아침, 좌측 하단: 주간, 우측 하단: 저녁/밤)

주중 아침 시간대에는 10개의 군집이 나타났다. 이 중 6번, 10번 군집은 지하철역과 대학가 인근의 시립대로를 따라 분포하며, 2번, 3번, 7번 군집은 초등학교 및 주택가 인근의 전농로를 따라 분포한다. 통근･통학 시간대라는 점이 해당 시간대의 불법주정차 발생에 가장 큰 영향을 미쳤을 것으로 판단된다. 초등학교 근처의 경우 자녀의 통학을 위한 주정차가 빈번하게 발생하며, 이로 인해 2021년에는 어린이보호구역이 불법주정차 금지구역으로 지정되기도 했다. 또한, 지하철역 근처는 지하철 및 환승센터를 통해 통근 및 통학하는 인구가 지하철역까지 차량 이동 후 대중교통을 이용하거나, 근처 상권을 위해 불법주정차하는 사례가 많아 군집으로 도출된 것으로 보인다.

주중 주간 시간대에는 분석 대상 시간대 중 가장 많은 21개의 군집이 나타났다. 특히 다른 시간대에 비해 대학가가 존재하는 이문1동, 회기동, 휘경동에서 많은 군집이 발견되었다. 이 지역은 대학교 및 의료 시설뿐 아니라 상업 시설이 위치하는 지역이라는 점이 불법주정차 발생에 영향을 미친 것으로 파악된다. 해당 시간대에는 다양한 시설을 방문하는 목적통행이 발생하는데, 주차 수요 대비 주차면 수가 부족한 점이 불법주정차 증가와 군집 형성의 원인이 되었을 것이다.

주중 저녁/밤 시간대에는 9개의 군집이 도출되었으며, 대부분의 군집이 학교 근처와 주택가에서 발견되었다. 학교 앞 불법주정차는 자녀의 하교 및 하원을 위한 차량 대기를 원인으로 짐작해 볼 수 있다. 또한, 주택가의 불법주정차는 주택 내의 주차 공간 부족을 시사한다. 회기역과 청량리역 등 지하철역 근처에서도 불법주정차 군집이 발견되었다. 이는 지하철역 인근의 상권을 방문하기 위한 차량일 것으로 예상된다.

주말의 불법주정차 군집은 <그림 3>과 같다. 주말의 불법주정차 군집은 동시간대 주중의 클러스터보다 그 수가 적었다. 이는 동대문구가 대학교 및 의료시설이 분포하는 지역이라는 점에서 주말에는 활동 인구가 적은 것이 원인이 된 것으로 예상된다. 또한 주말에는 단속원의 배치가 어려워 단속 수가 전체적으로 적었던 것도 하나의 원인이었을 것이다. 주말의 주간 시간대와 저녁/밤 시간대에는 모두 답십리동의 주택가에서 불법주정차 군집이 발생했다. 이는 답십리동 주택 내 주차 공간 부족을 시사하며, 휘경동과 이문동에서 발생한 군집은 공영주차장 근처에 위치한다는 측면에서 거주 인구뿐 아니라 방문 인구를 위한 주차 공간 역시 부족하다는 것을 확인할 수 있다.

그림 3.

시간대별 주말 불법주정차 클러스터 위치(좌측부터 주간, 저녁/밤 순)

3. 인근 건물 용도

시간대별 불법주정차 군집의 인근 건물 용도는 <그림 4> 및 <표 3>과 같다. 주중 아침 시간대에는 상업 및 업무 용도 인근에서 불법주정차 군집이 많이 도출되었다. 이는 출근하는 인구의 주요 활동 지역임을 시사한다. 또는 권오식(2007)의 연구 결과처럼, 간단한 업무를 보기 위해 상업 시설 인근에 불법주정차를 하는 것으로 예상해 볼 수 있다. 주택 용도에서도 불법주정차 군집이 많이 발견되었는데 이는 해당 주택에 거주하는 주민들이 주차 공간 부족 문제에 직면하고 있음을 간접적으로 시사한다. 또한, 기타 용도 지역에서도 불법주정차가 빈번하게 일어났다. 기타 용도에는 청량리역 인근의 주차장이 해당하는데, 청량리역은 버스환승센터와 지하철역의 이용 수요로 인한 불법주정차 문제가 있는 것으로 볼 수 있다.

그림 4.

시간대별 불법주정차 및 인근 건물 용도

주중의 주간 시간대에는 가장 다양한 종류의 용도에서 불법주정차 군집이 발견되었다. 이는 주간 시간대에 다양한 목적을 가지고 방문하는 인구가 많음을 의미한다. 이에 따라 주차 수요 역시 많을 것으로 판단되며, 이는 앞서 살펴본 시간대별 분석 결과와 같은 맥락으로 해석할 수 있다.

주중의 저녁/밤 시간대에는 교육 및 연구 용도를 제외한 모든 시간대에서 군집이 발견되었다. 주택에서 가장 많은 군집이 발견되었으며, 그 다음으로 문화 및 집회시설, 상업 및 업무 용도에서 군집이 많이 발견되었다. 이는 주민뿐 아니라 방문객 역시 주차 공간 부족 문제를 겪고 있다고 해석할 수 있다.

주말의 주간 시간대와 저녁/밤 시간대에는 주택에서 불법주정차 군집이 가장 많이 발견되었으며, 다음으로 상업 및 업무 용도에서 가장 많이 발견되었다. 이는 주말에도 주민들이 주차 공간 부족 문제를 겪고 있음을 시사하며, 상업 시설을 이용하는 방문객 역시 주차 공간 부족 문제를 겪고 있음을 나타낸다.

용도별로 살펴봤을 때 주택 지역에서 불법주정차의 군집이 가장 많이 도출되었다. 퇴근 전후 시간대뿐 아니라, 주중 주간에도 불법주정차의 군집이 많이 도출되었다. 이는 주택가의 주차 공간의 부족을 시사할 뿐 아니라, 일과 시간에 주택가 근처의 시설에서 활동이 활발하게 일어남을 보여준다. 주택 지역 다음으로, 상업 및 업무 지역에서 군집이 가장 많이 발견되었다. 특히 주택 용도와 마찬가지로 모든 시간대에서 군집이 발견되었다. 음식점과 같은 상업 시설의 경우에는 시간대에 상관없이 주차 수요가 존재하기 때문에 이러한 결과가 나타난 것으로 추정된다. 다음으로는 문화 및 집회시설에서 불법주정차의 군집이 많이 발생했다. 주말에 비해 주중에 불법주정차의 군집이 많이 발생하였는데, 이는 평일에 외부인이 무단 주차했을 가능성이 있다. 철도 시설과 기타 시설에서 발견된 군집은 지하철역 인근에서 불법주정차의 군집을 의미한다. 이는 역세권의 상권을 이용하기 위해 주정차를 의미할 수 있고, 대중교통을 이용하기 위한 주정차로 해석해 볼 수 있다. 이는 환승 주차장의 확충을 통해 불법주정차 저감에 긍정적인 역할을 할 수 있음을 예상할 수 있다. 또한 군집이 발견된 기타 시설에는 주차장이 포함된다. 이는 주차장의 주차 공간 부족을 원인으로 해석해 볼 수 있겠지만, 주차장이 근처에 있음에도 불구하고 인근의 상업 시설을 이용하기 위해 불법으로 주정차한다는 Aljoufie(2016)의 연구와 비슷한 맥락으로 해석해 볼 수 있다.

V. 결론

도심 지역의 만성적인 주차공간 부족은 불법주정차를 야기하고, 이러한 불법주정차는 다시 각종 사회적 문제를 발생시키게 된다. 특히 소화용수 인근에서 발생하는 불법주정차는 화재 발생 시 대응 능력에 방해 요인으로 작용하여 해결이 시급하다. 이에 본 연구에서는 시간대별 소화용수 인근 불법주정차의 공간적 군집을 확인하고, 공간적 패턴을 파악하고자 하였다. K 함수와 DBSCAN 분석을 통해서 공간적 군집의 위치를 파악하였으며, 군집 위치와 건물 용도 간의 비교를 통해 공간적 패턴을 파악하고자 했다.

K 함수 결과, 주말의 심야 및 새벽과 오전 시간대에는 군집이 존재하지 않기 때문에, 이외의 시간대에서 군집 분석을 진행하였다. 군집 분석 결과, 시간대에 따라서 군집의 위치와 개수가 다르게 도출되는 것을 확인하였다. 주중에는 심야/새벽 시간대에 군집의 수가 가장 적게 도출되었다. 통근 통학 시간대인 오전과 저녁/밤 시간대에는 학교와 지하철역 근처에서 군집이 많이 도출되는 것을 확인하였으며, 목적통행이 가장 많은 주간 시간대에는 다양한 상업 시설 인근에서 군집의 개수가 가장 많이 도출되었다. 주말의 주간 및 저녁/밤 시간대에는 동 시간대 주중의 소화용수 인근 불법주정차 수보다 적은 것을 확인할 수 있었는데, 주말에는 목적통행과 단속원의 활동이 적어서 단속 수가 전체적으로 적은 것으로 예상된다. 또한, 주택가 및 공영주차장 근처에서 불법주정차 군집이 도출되었는데, 거주 인구뿐만 아니라 방문 인구를 위한 주차 공간 역시 부족하다는 것을 의미한다.

군집의 위치와 건물 용도의 비교 결과 주택, 상업 및 업무시설 순으로 불법주정차의 군집이 가장 많이 발견되었다. 이 두 용도의 경우에는 모든 시간대에서 군집이 발생했는데, 시간대에 상관없이 주차 수요가 존재함을 의미한다. 또한 지하철역에서 발견된 군집은 역세권 상권을 이용하려는 수요뿐 아니라, 대중교통을 이용하기 위한 주차 수요를 의미한다. 주차장에서도 불법주정차의 군집이 발견되었는데, 주차 공간의 부족뿐 아니라 운전자의 시민 의식과도 연관이 돼 있을 것으로 판단된다.

분석 결과를 종합적으로 고려해 볼 때, 동대문구의 소화용수 인근 불법주정차의 군집은 시간대와 요일에 따라 군집의 위치와 특성이 달라짐을 관찰할 수 있었다. 특히 목적통행이 가장 많은 주간 시간대에는 상업 및 업무 시설 인근에서 많이 발생하였으며, 주택 시설의 경우 모든 시간대에서 많이 발생하는 것을 확인할 수 있었다. 이러한 시간대별 불법주정차의 공간적 특성에 따라서 효율적인 소방 대응이나, 불법주정차 단속원의 배치를 통해 응급상황 시 위기관리 분야에 효율적으로 활용될 수 있을 것이다.

기존의 불법주정차 관련 연구는 특정 지역 전체를 대상으로 진행되어왔기에, 불법주정차 위치에 따른 상이한 영향을 고려할 수 없다는 한계가 있다. 반면, 본 연구에서는 소화용수라는 특정한 공간을 대상으로 불법주정차 발생 양상과 원인을 분석했다는 점에서 의미가 있다. 이는 화재와 같은 긴급상황 시 대응뿐 아니라, 주차관리 정책에도 활용될 수 있다는 점에서 정책적 함의가 있다. 나아가 도시의 안전성을 향상하고, 사회의 불편을 감소시키는 데 도움을 줄 수 있을 것이다. 또한, 행정구역 단위가 아닌 건물 단위 분석을 통해 미시적으로 공간 패턴을 파악할 수 있었다는 점에서 연구에 의의가 있다.

한편, 본 연구에서 사용한 불법주정차 위치 데이터는 불법주정차 단속 위치에 의존한다는 한계가 있다. 이에 따라 실제로 불법주정차가 발생했음에도 불구하고, 시간대에 따른 단속 요원의 유무가 데이터에 영향을 미쳤을 수 있다. 후속 연구에서는 단속 위치 데이터뿐 아니라 신고 위치 데이터를 함께 활용하여 보다 세밀하게 불법주정차 발생 위치를 고려할 필요가 있다.

또한, 향후 연구에서는 구체적인 시공간적 패턴 파악을 위해 세밀한 분석을 진행할 필요가 있다. 건물 용도뿐 아니라 다양한 공간 정보를 활용하거나 시간대를 더 세밀하게 구분한다면, 보다 구체적인 시공간적 패턴을 파악할 수 있을 것으로 기대된다.