스마트시티 교통 인프라와 대기질 연계 분석

초록

본 연구는 뉴욕, 시카고, 라스베이거스, 피닉스 4개 대도시의 2024년 3월·10월 교통 이용량과 PM2.5 농도를 통합 데이터셋으로 구축하고, 절대값 및 인구당 지표를 활용해 계절·도시별 차이를 기술한다. 회귀 분석 결과, 교통량과 미세먼지 간 관계는 도시와 계절에 따라 크게 달라지며, 단순 인과관계보다는 구조적 요인이 강하게 작용함을 보여준다.

상세 분석

이 논문은 스마트시티 관점에서 교통 인프라와 대기질을 동시에 모니터링할 수 있는 재현 가능한 워크플로우를 제시한다. 데이터 수집 단계에서 EPA AQS의 일일 PM2.5 평균값을 도시별로 집계하고, 각 교통기관이 제공하는 일일·월별·정류장 수준의 승차 데이터를 월간 총합으로 변환하였다. 특히 뉴욕은 일일 데이터를 합산해 월간으로 변환하고, 라스베이거스는 정류장 수준 데이터를 전체 합산하는 등 이질적인 포맷을 일관된 메트릭으로 정규화한 점이 주목할 만하다.

인구 정규화 과정에서는 2024년 최신 인구 추정치를 사용해 ‘인구당 승차량’과 ‘인구당 PM2.5’를 계산했으며, 이는 대도시 간 규모 차이를 보정해 비교 가능성을 높인다. 두 계절(3월·10월) 선택은 각각 겨울‑봄 전환기와 가을 기후를 대표하도록 설계돼, 계절적 기상 변동이 교통 수요와 대기오염에 미치는 영향을 동시에 포착한다.

통계 분석은 세 단계로 진행된다. 첫 번째 단계는 기술통계와 시각화를 통해 각 도시·계절별 절대값과 인구당 지표의 분포를 제시한다. 두 번째 단계에서는 로그 변환된 승차량과 평균 PM2.5 간의 산점도를 그려 전반적인 상관관계를 탐색한다. 마지막 단계에서는 (1) 풀 풀 OLS, (2) 도시 고정효과, (3) 도시·월 고정효과를 포함한 2‑way FE 모델을 순차적으로 추정한다. 결과는 도시 고정효과를 포함했을 때 승차량과 PM2.5 간 회귀계수가 크게 감소하거나 통계적으로 유의하지 않게 되는 등, 기본적인 도시 구조와 배경 오염 수준이 관계 해석에 결정적임을 보여준다.

이러한 분석 설계는 인과관계를 주장하지 않으며, ‘공동 변동성(co‑movement)’을 탐색하는 서술적 접근이다. 따라서 결과는 정책 입안자가 특정 도시·계절에 맞는 교통·환경 연계 전략을 설계할 때, 단순히 교통량 감소만으로 대기질 개선을 기대하기보다 지역 특성(예: 산업 배출 비중, 기후 조건)을 함께 고려해야 함을 시사한다. 또한, 공개 데이터와 간단한 집계·정규화 절차만으로도 다도시 비교가 가능하다는 점에서 스마트시티 데이터 파이프라인 구축에 실용적인 청사진을 제공한다.

한계점으로는(1) PM2.5 측정소가 도시 전체를 대표하지 않을 수 있는 공간적 불균형, (2) 교통량이 실제 배출량과 직접적인 비례관계가 아닐 가능성, (3) 계절 2개월만을 대상으로 하여 장기적인 추세를 포착하지 못함을 들 수 있다. 향후 연구에서는 고해상도 기상·배출 모델과 더 긴 시계열을 결합해 인과 추론을 보강하고, 전기버스·자전거 등 다양한 모드별 영향을 세분화할 필요가 있다.