A Study on Efficiency Analysis of Truck Service Stations at Busan Port

Min-Seop Sim; Yul-Seong Kim

doi:10.5394/KINPR.2024.48.6.524

J Navig Port Res > Volume 48(6); 2024 > Article

부산항 화물자동차 휴게소 운영 효율성 분석

Article

Journal of Navigation and Port Research 2024;48(6):524-532.

Published online: December 31, 2024

DOI: https://doi.org/10.5394/KINPR.2024.48.6.524

부산항 화물자동차 휴게소 운영 효율성 분석

심민섭^*, 김율성^**,^†

^*국립한국해양대학교 해양콘텐츠융복합협동과정 물류시스템전공 박사과정

^**국립한국해양대학교 물류시스템공학과 교수

A Study on Efficiency Analysis of Truck Service Stations at Busan Port

Min-Seop Sim^*, Yul-Seong Kim^**,^†

^*Doctoral researcher, Department of Convergence Interdisciplinary Education, National Korea Maritime and Ocean University, Busan 49112, Korea

^**Professor, Logistics System Engineering, National Korea Maritime and Ocean University, Busan 49112, Korea

* 정회원, tla6355@g.kmou.ac.kr 051)410-4890

^†Corresponding author : 종신회원, logikys@kmou.ac.kr 051)410-4332

Received September 3, 2024 Revised November 26, 2024 Accepted November 26, 2024

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

요 약

화물자동차 휴게소는 주차장, 주유소, 휴게실, 식당 등이 구비된 공간으로 장거리 화물자동차 운전자에게 편의시설 및 휴식공간을 제공하는 공간이다. 하지만, 부산항의 증가하는 물동량에 비해 화물자동차 휴게소는 충분한 주차면수가 확보되어 있지 않아 수용한계를 넘은 상황이며, 인근 도로에서 화물자동차의 불법주차, 밤샘주차 등으로 인한 어려움을 겪고 있다. 이에 본 논문은 2023년 1월부터 6월까지 6개월 동안 Window-DEA 분석을 진행하여 부산항 인근 화물자동차 휴게소의 동태적 운영 효율성을 분석하고 주차난이 가장 심각한 화물자동차 휴게소를 도출하고자 하였다. Window-DEA CCR 모형 분석결과, 부산항 북항 감만 사업소의 효율성은 0.959로 가장 높게 나왔으며, 그 다음으로 부산항 북항 용당 사업소 0.955, 부산항 신항 북컨 사업소 0.814, 부산항 신항 남컨 사업소 0.601 순으로 나타났다. 그리고 Window-DEA BCC 모형 분석결과, 부산항 북항 용당 사업소의 효율성은 0.973으로 가장 높게 나왔으며, 그 다음으로 부산항 북항 감만 사업소 0.972, 부산항 신항 북컨 사업소 0.958, 부산항 신항 남컨 사업소 0.656 순으로 나타났다. 이러한 결과는 부산항 북항 감만 사업소와 용당 사업소가 투입 대비 산출이 높아 효율적이지만, 또 다른 의미에서 주차난이 심각하여 이용 만족도가 떨어진다는 것을 의미한다.

핵심용어: 화물자동차 휴게소, 화물자동차 주차면적, 불법주차, Window-DEA 분석, 동태적 효율성 분석

ABSTRACT

A truck service station is a space equipped with parking lots, main offices, restrooms, restaurants, and other amenities designed to provide rest areas for long-distance truck drivers. However, in comparison to the rising volume of cargo at Busan Port, the truck service station has exceeded its capacity due to a lack of parking spaces. Additionally, it faces challenges from illegal parking on nearby roads and overnight parking. Consequently, this paper analyzes the dynamic operating efficiency of truck service stations near Busan Port by conducting a Window-DEA analysis over a period of six months from January to June 2023. This analysis identifies the truck service stations with the most serious parking difficulties. The Window-DEA CCR model reveals that the efficiency of Gamman at Busan North Port is the highest at 0.959, followed by Yongdang truck service station at 0.955, North truck service station at 0.814, and South truck service station at 0.601. According to the Window-DEA BCC model, the Yongdang truck service station exhibits the highest efficiency, with a value of 0.973, followed closely by Gamman truck service station at 0.972, North truck service station at 0.958, and South truck service station at 0.656. These findings indicate that parking challenges at the Gamman and Yongdang truck service stations are significant. Based on these results, various policy implications are proposed for the improvement of truck service stations at Busan Port.

Keywords: truck service stations, truck parking area, illegal parking, window-dea analysis, dynamic efficiency

1. 서 론

전국 최대 항만 물동량을 처리하는 해양수도 부산은 고질적인 화물자동차 불법주차로 인하여 문제를 겪고 있다. 부산항은 컨테이너 물동량 처리 세계 7위를 자랑하지만 곳곳에서 불법으로 주정차되어 있는 트레일러가 운전자와 보행자의 안전을 위협하고 있는 상황이다. 특히, 부산항 신항 처리 물동량이 증가하면서 항만배후단지 내부도로 및 임항도로에서 불법주차 차량으로 인한 안전사고 위험이 증가하고 있다. 항만배후단지 입주업체는 한정된 부지에서 화물 및 컨테이너 보관 공간을 더 확보하여 운영성과를 높이기 위해 트레일러와 섀시, 직원들의 승용차들을 도로로 내몰고 있다.

한편, 부산항 북항 근처 도로도 마찬가지로 하루 평균 300대가 넘는 화물자동차가 밤샘주차(0시-새벽 4시)를 하는 것으로 파악되고 있다. 이에 2015년 부산시는 화물자동차 차고지 부족으로 문제가 되고 있는 밤샘주차를 해결하기 위하여 전국 최초로 ‘부산광역시 화물자동차의 밤샘주차에 관한 조례’를 마련하였다. 그리고 2020년 화물차 주차장 부족 문제 완화를 위해 ‘부산광역시 화물자동차의 밤샘주차에 관한 조례’의 유효기간을 연장하고자 일부개정을 진행하였다. 그럼에도 불구하고 부산항 인근 불법주차와 밤샘주차는 여전히 고질적인 문제로 남아 있다. 불법주차에 대한 지자체 및 항만공사의 책임주체가 불분명하며, 실질적인 단속이 이루어지기 어려운 상황이다.

화물업계에서는 화물자동차 운전자의 근로여건을 개선하고 안전사고 예방을 위하여 휴게 및 주차 공간 등 휴게시설 확충을 지속적으로 요구하고 있다(Shin et al., 2020). 「화물자동차 운수사업법」에 따르면 화물자동차 휴게시설은 화물자동차 휴게소와 공영차고지 2가지로 구분할 수 있다. 화물자동차 휴게소와 공영차고지는 화물자동차 운전자에게 주차공간을 제공한다는 점에서 기능이 비슷해 보일 수 있으나 큰 차이를 가지고 있다. 화물자동차 휴게소는 장거리 화물자동차 운전자에게 편의시설 및 휴식공간을 제공하여 근무여건을 개선하고 안전사고 예방 등 국가물류 경쟁력을 확보하는데 목적이 있다. 화물자동차 휴게소는 항만 또는 산업단지 인근(화물자동차 12천대 이상), 국가관리항 지역, 물류단지(50만㎡ 이상), 고속도로 및 국도(화물자동차 3천대 이상)를 기준으로 선정된다. 그리고 주차장, 주유소, 휴게실, 식당, 샤워실, 세탁실 및 정비소 등이 필수시설로 지정되어 있으며, 체력단련실, 수면실, 세차기 등의 임의시설을 구비하게 된다. 그리고 공영차고지는 차고지난 완화, 불법 주박차민원 예방 등을 위하여 화물자동차 운수사업자에게 주차공간을 제공하는데 목적이 있다.

화물연대 부산본부는 시민 안전과 화물노동자 생존권을 위해 주차난 해소에 대한 근본적 대책이 필요하다고 요구하고 있다. 2023년 6월 2일 화물연대 부산본부에서는 화물연대, 부산시, 관계 기초지방자치단체, 해양수산부, 부산항만공사가 참여하는 화물자동차 주차난을 해결하기 위한 노·정 협의체 구성을 요청하였다. 화물연대는 감만부두 화물주차장 운영 중단에 이은 우암부두 화물주차장 개장으로 인하여 화물자동차 주차면 105면 축소, 주차비 인상문제 등이 우려된다고 밝혔다.

본 논문은 6개월(2023년 1월-6월) 간 부산항 인근 화물자동차 휴게소 이용실태를 바탕으로 Window-DEA 분석을 통해 동태적 운영 효율성을 평가한다. 투입변수는 주차면적, 주차면수, 산출변수는 차량대수, 주차시간으로 선정하였다. 부산항 인근 화물자동차 주차장이 이미 수용한계를 넘은 상황에서 높은 운영 효율성은 주차난이 심각한 화물자동차 휴게소를 의미한다. 연구방법은 크게 문헌조사와 실증분석으로 구분된다. 문헌조사에서는 부산항 화물자동차 휴게소 운영현황과 화물자동차 휴게소 관련 선행연구를 살펴본다. 그리고 효율성 분석 시 사용할 투입변수와 산출변수를 검토한다. 다음으로 실증분석에서는 부산항 화물자동차 휴게소에 대한 효율성 분석을 진행한 뒤 분석결과를 토대로 다양한 시사점을 도출한다.

2. 이론적 고찰

2.1 부산항 화물자동차 휴게소 운영현황

부산항 북항 화물자동차 휴게소 및 주차장은 <Fig. 1>과 같이 4곳으로 감만화물차 휴게소, 용당화물차 휴게소, 5물양장 주차장, 우암부두 주차장이 운영되고 있다. 2023년 3월 19일 610면(대형: 315면, 소형 295면)의 주차면수를 보유한 감만부두 주차장이 폐쇄되면서 2023년 3월 20일부터 우암부두 임시화물차 주차장이 개장되어 운영 중에 있다.

부산항 신항 화물자동차 휴게소 및 주차장은 <Fig. 2>와 같이 4곳으로 북컨 화물차 휴게소, 남컨 화물차 휴게소, 웅동 화물차 휴게소와 함께 웅동 임시 화물차 주차장을 추가적으로 운영하고 있다. 부산항만공사는 서컨 항만배후단지와 남컨 항만배후단지 부지 내 화물자동차 휴게소 및 주차장을 추가 확보하여 화물자동차 휴게소 확충을 검토 중에 있다.

SK에너지(주)는 전국 23개 사업소에서 화물운전자들을 대상으로 편의시설 및 장시간 운전에 따른 피로를 풀기 위한 다양한 형태의 서비스를 제공하고자 화물자동차 휴게소 ‘내트럭하우스’를 운영하고 있다. 내트럭하우스는 넓은 화물자동차 전용 주차장을 보유하여 화물자동차의 안전과 적재물 도난 문제를 해결하고, 불법주차로 인한 교통사고나 도시미관 문제를 해결하고 있다. 2023년 3월 부산항만공사(BPA) 보도자료에 따르면, <Table 1>과 같이 부산항 인근 내트럭하우스에서 운영하는 화물자동차 휴게소 5개소의 주차면적은 2,009면(대형: 1,258면, 소형: 751면), 전체면적은 219,561㎡로 나타났다.

부산항 북항에는 감만 화물차 휴게소, 용당 화물차 휴게소 2개소가 운영되고 있다. 감만 화물차 휴게소의 주차면적은 101면(대형: 68면, 소형: 33면)이며, 용당 화물차 휴게소의 면적은 371면(대형: 241면, 소형: 130면)으로 조사되었다.

부산항 신항에는 북컨 화물차 휴게소, 남컨 화물차 휴게소, 웅동 화물차 휴게소 3개소가 운영되고 있다. 북컨 화물차 휴게소의 주차면적은 400면(대형: 269면, 소형: 131면)이며, 남컨 화물차 휴게소의 면적은 347면(대형: 185면, 소형: 162면)이다. 그리고 2023년 준공된 웅동 화물차 휴게소의 면적은 790면(대형: 495면, 소형: 295면)이다.

2.2 선행연구 고찰

2.2.1 화물자동차 휴게소 관련 선행연구

Kim et al.(2006)은 고속도로의 야간 화물주차규모 산정에 관련된 기준을 살펴보고, 고속도로 휴게소의 야간 화물주차규모 산정 모형을 개발하였다. 고속도로 휴게소의 화물주차규모에 영향을 미치는 요인을 파악하기 위해 요인분석을 진행한 결과, 화물특성, 승용차/버스 특성, 휴게소 거리특성 3가지가 도출되었다. 그리고 t-test 분석을 통해 주간과 야간의 화물자동차 특성을 검토한 결과 유의미한 차이가 있는 것으로 나타났다. 이후 전문가 설문 및 상관분석을 통하여 휴게소 규모 산정과 관련된 변수들을 선정하였으며, 야간 화물주차규모 산정 시 화물차 야간 교통량, 화물주차면수, 하류부 휴게소 거리, 화물 이동거리, 상류부 휴게소 거리가 영향을 미친다고 설명하였다. 이러한 결과는 고속도로에서 야간 화물주차규모 산정 시 고려해야 되는 요인을 파악하였다는 점에서 의의가 있다.

Choi(2017)는 국도변에 설치되는 화물자동차 휴게소의 이용수요를 예측하는 방법론을 제시하였다. 수요예측 과정에서 단기 주차차량과 장기 주차차량을 구분하는 것이 우선되어야 하며, 주차시간에 따라 소요주차면수 산정에 적용되는 이용률, 혼잡률, 회전율 등에 차이가 발생한다고 설명하였다. 그리고 국도변에 설치되는 거점형 화물차 휴게소는 다양한 영향요소(물동량 발생 시설의 종류, 배후지역의 규모, 통행거리 여건, 화물자동차 운전자 거주 여건, 통행거리 여건 등)들을 추가적으로 감안하여 주차면수를 산정해야 된다고 설명하였다. 동 연구는 거점형 화물차 휴게소의 다양한 영향요소를 파악하고 이용수요를 예측하였다는 점에서 의의가 있다.

Shin et al.(2020)은 화물자동차 휴게소 공급 기준의 문제점을 파악하고, 운행경로 상에서 1시간 내 접근가능한 새로운 공급기준을 마련하고자 시뮬레이션 분석을 진행하였다. 분석결과, 일반국도, 국지도, 지방도를 중심으로 전체 화물자동차 통행량이 상/하 편도 통행량이 하루 3,500대 이상이고, 장거리 운행을 많이 하는 중대형 화물차 통행량이 평균 이상인 지역에 화물자동차 휴게소를 공급하는 것이 최적대안이라고 설명하였다. 이러한 연구는 화물자동차의 접근성을 고려한 화물자동차 휴게소를 제공함으로써 운전자의 근로여건이 개선되고 교통사고를 감소시키는데 기여한다는 점에서 의의가 있다.

Kim et al.(2020)은 고속도로 Toll Collection System(TCS) Origin/Destination(O/D)을 기반으로 화물차 통행경로 중 연속 통행시간이 일정시간 이상인 위치를 판별한 뒤 ArcView를 통해 화물차 휴게시설의 위치를 평가하였다. 분석결과, 하행은 목포IC, 군산IC, 무안IC 순으로 중첩 교통량이 많았으며, 상행은 안산JC, 선운산IC, 서서울TG, 당진 IC 순으로 나타났다. 이후 서해안선을 대상으로 화물차 휴게시설의 적정 위치에 대한 우선순위를 도출하였다.

Kim and Park(2020)은 화물자동차 휴게시설에 대한 사업을 재평가하고, 만족도 조사 및 편익을 산정하여 화물자동차 휴게시설 사업의 사회적 공헌에 대하여 평가하였다. 사회적 편익 산출결과, 휴식 및 여가 기능, 사고예방(감소) 기능, 주정차공간 확보비용 절감 기능, 불법주정차 단속 감소 기능 등으로 나타났다. 또한, 지역별로 화물자동차 휴게시설로 인한 사회적 가치는 부산이 연간 약 30억원으로 가장 높게 나타났으며, 그 다음으로 울산 약 23억원, 인천 약 22억원, 대전 약 13억원 등의 순으로 나타났다. 이후 사회·경제적 환경변화를 고려하여 보다 실질적인 화물자동차 휴게시설의 활성화 방안을 도출하였다. 동 연구는 화물자동차 휴게시설에 대한 사회적 편익을 산출하고, 항만형(인천, 부산신항) 휴게소의 사회적 편익이 비항만형(울산, 대전) 보다 상대적으로 높다는 사실을 밝혀냈다는 점에서 의의가 있다.

Yook et al.(2022)은 한국도로공사가 고속도로 내 화물차 휴게시설을 계획하는데 있어 전략 변화를 파악하였다. 고속도로 휴게시설에 대한 위치 선정의 주요 요소 및 절차와 더불어 대상차종의 변화, 연속 주행시간 지수의 활용 등과 같은 변화에 대하여 알아보았다. 고속도로 내 화물차 휴게시설을 선정하는데 있어 고려 대상 차종의 확대는 현실을 반영한 정책변화로 바람직한 변화라고 판단하였다. 그리고 연속 주행시간의 활용은 고속도로 휴게시설 설치의 목표를 반영한 노력으로 향후에도 중요하게 고려되어야 한다고 주장하였다.

2.2.2 선행연구와의 차별성

기존 선행연구를 살펴보면 고속국도 및 일반국도를 중심으로 화물자동차 휴게소의 주차규모(Kim et al., 2006; Choi, 2017)와 위치 선정(Shin et al., 2020; Kim et al., 2020)에 대하여 논의가 진행되었다. 하지만, 항만 인근 화물자동차 휴게소를 대상으로 운영 효율성을 분석한 연구는 부족한 실정이다. 부산항 인근 화물자동차 휴게소는 공급 주차면수 보다 화물차량들의 수요가 많아 불법주차, 밤샘주차가 이루어지고 있으며, 휴게소의 운영 효율성을 점검할 필요가 있다. 이에 본 연구는 휴게소 이용실태를 바탕으로 Window-DEA 분석을 통해 동태적 운영 효율성을 파악하였다. 이후, 화물자동차 휴게시설 확충이 시급한 사업소를 파악하고, 부산항 화물자동차 휴게소의 개선방향에 대한 다양한 정책적 시사점을 도출하였다.

3. 분석방법론

DEA 분석은 상대적인 효율성 개념을 이용하여 비영리조직의 효율성 정도를 파악하기 위해 개발 진행한 수리적인 계획법이다(Charnes et al., 1978). 그리고 DEA 분석은 특정 시점의 투입 및 산출변수에 대한 횡단면 자료(Cross-sectional data)를 이용하여 특정 시점의 효율성을 파악할 수 있다(Han et al., 2023).

한편, Window-DEA 분석은 시계열 데이터가 주어진 경우 시간의 변화에 따른 효율성의 변화 추세를 분석하기 위한 방법으로 사용되고 있다(Park, 2019). Window-DEA 분석은 이동평균(Moving average)의 원리를 이용한 것으로 전 분석기간의 자료를 한 번에 이용하지 않고 일정한 폭(Width)을 가지는 윈도우를 생성하여 그 윈도우 기간 안에 있는 자료를 분석한다. 따라서, Window-DEA 분석은 효율성 값의 상승이나 하락과 같은 변화추이 및 안정성을 비교하는데 용이하다.

시계열 t(t=1,2,3,..., T)기간에 대하여 m개의 투입요소(x_i, i=1,2,...,m)와 s개의 산출요소(y_r, r=1,2,...,s)를 생산하는 DMU^j(j=1,2,...,n)가 주어진 상황에서, t시점 k번째 DMUtk의 투입벡터 Xtk, 산출벡터 Ytk는 식 (1)과 같다(Asmild et al., 2004; Han et al., 2023).

식(1)

Xtk=[x1tk⋮xmtk]Ytk=[y1tk⋮ystk]

Window에서 고려되는 시작시점이 l(1≤l≤T)이고, Window의 폭이 w(1≤w≤T-l)일 경우 투입행렬(X_lw)과 산출행렬(Y_lw)은 식 (2)와 같다(Asmild et al., 2004; Han et al., 2023).

식(2)

Xlw=[xl1xl2⋯xlnxl+11xl+12⋯xl+12⋮⋮⋯⋮xl+w1xl+w2⋯xl+wn]Ytk=[xl1xl2⋯xlnxl+11xl+12⋯xl+12⋮⋮⋯⋮xl+w1xl+w2⋯xl+wn]

Window-DEA 분석은 투입행렬(X_lw)과 산출행렬(Y_lw)을 CCR 및 BCC 모형의 투입변수와 산출변수로 선정하고 시간의 흐름을 반영한 동태적 효율성을 측정한다. 효율경계에서 Window의 폭(w)에 따라 효율성 값은 달라진다. 폭이 좁을 경우 충분한 의사결정단위(Decision Making Unit, DMU)가 부족하여 기존의 정태적 분석과 차이가 없는 반면, 폭이 넓을 경우 윈도우의 분석 기간이 길어져 추세 파악이 어려워지게 된다(Han, 2009; Seo et al., 2016). 이에 따라, 본 연구에서는 식 (3)에 따라 Window의 폭을 결정하였다(Yoo et al., 2013).

식 (3)

w=T+12→T:홀수T+12±12→T:짝수T:분석기간

Window-DEA 분석은 개별 DMU 효율성의 동적 변화를 수평 방향과 수직 방향으로 포괄적으로 설명하는데 유리하다(Park, 2022). 그리고 의사결정단위(DMU)의 수가 제한적일 때 Window-DEA 분석을 진행하게 되면 비교대상이 되는 DMU의 수가 증가하여 효율성의 변별력이 증가한다는 장점이 있다(Kim et al., 2008; Park, 2022). Window의 수(p)는 T-w+1의 산출 근거에 따라 결정된다. 그리고 각 윈도우별 DMU의 수는 w×n, 전체 DMU의 수는 w×n×p로 계산할 수 있다. Window DEA의 특성 및 계산방식은 <Table 2>와 같다. 본 연구에서 다루고 있는 2023년 1월부터 6월에 대한 분석기간(T)은 6으로 Window의 폭(w)은 3, Window의 수(p)는 4로 계산되었다. 따라서, 각 Window별 DMU의 수는 화물자동차 휴게소 개수(n=4)와 Window의 폭(w=3)을 곱한 12가 되고, 전체 DMU의 수는 48로 산출되었다.

4. 실증 분석

4.1 분석 개요

4.1.1 변수 선정

본 연구에서는 부산항 화물자동차 휴게소 간 동태적 효율성을 측정하고자 Window-DEA CCR, BCC 분석을 진행하였다. 분석을 위해 DEA-SOLVER-PRO13c 프로그램을 사용하였으며, 화물자동차 휴게소의 인프라 시설은 구축한 뒤 변화하기 어려운 점을 고려하여 산출지향형 모델(Output-oriented model)을 사용하였다. 해당 모델은 주어진 투입변수를 기반으로 산출을 최대화하여 효율성을 개선한다(Den et al., 2016)

투입변수 및 산출변수는 DEA 분석결과에 중요한 영향을 미치며, 변수의 적정성 및 정확성을 확보하기 위하여 다음 원칙에 부합하도록 변수를 선정하였다. 첫째, DMU를 고려한 적절한 변수 개수이다. DEA 분석 시 투입요소 및 산출요소의 합이 DMU의 2배 이상이 되어야 신뢰성이 있다고 판단한다(Golany and Roll, 1989; Homburg, 2001; Dyson et al., 2001). 둘째, 개선성을 고려한 변수이다. DEA는 DMU를 대상으로 투입변수 및 산출변수를 선정하여 분석한 뒤 상대적으로 비효율적인 요소를 파악하고 산출을 극대화하는데 목적이 있으므로, 변수는 개선가능한 요소여야 한다. 셋째, 객관성의 확보이다. 변수는 DMU와 직접적인 연관이 있어야 하고, 주관적인 판단은 배제되어야 한다. 앞서 3가지 원칙에 부합하도록 투입변수는 주차면적, 주차면수(주차를 할 수 있도록 구획된 공간 수)를 사용하였으며, 산출변수로 월평균 차량대수, 월평균 전체 주차시간을 선정하여 Window-DEA 분석을 진행하였다.

4.1.2 분석대상 및 분석데이터의 기초통계량

본 연구에서는 부산항 신항에 위치한 부산항 화물차 휴게소 2곳(북컨 사업소, 남컨 사업소)과 북항에 위치한 화물차 휴게소 2곳(감만 사업소, 용당 사업소)을 분석대상으로 선정하였다. 2023년 6월부터 운영된 부산항 신항 웅동 화물차 휴게소는 운영 데이터가 충분하지 않아 분석대상에서 제외하였다.

2023년 1월부터 6월까지 부산항 화물차 휴게소 4곳의 차량대수 및 주차시간에 대한 기초통계량은 <Table 4>와 같다. 부산항 북항에 위치한 감만 사업소는 6개월 간 총 48,857대의 차량이 들어왔으며, 평균 8,143대, 중간값 8,042대, 최대값 8,611대, 최소값 7,906대 표준편차 245대로 나타났다. 그리고 감만 사업소에서 6개월 간 출입차량은 총 363,391시간 주차하였으며, 평균 60,565시간, 중간값 60,921시간, 최대값 63,554시간, 최소값 57,493시간, 표준편차 1,858시간으로 나타났다.

부산항 북항에 위치한 용당 사업소는 6개월 간 총 113,487대의 차량이 들어왔으며, 평균 18,915대, 중간값 19,157대, 최대값 20,063대, 최소값 17,525대 표준편차 988대로 나타났다. 그리고 용당 사업소에서 6개월 간 출입차량은 총 6,510,813시간 주차하였으며, 평균 1,085,135시간, 중간값 1,203,988시간, 최대값 1,355,094시간, 최소값 669,919시간, 표준편차 274,153시간으로 나타났다.

부산항 신항에 위치한 북컨 사업소는 6개월 간 총 139,407대의 차량이 들어왔으며, 평균 23,235대, 중간값 23,205대, 최대값 24,663대, 최소값 21,867대 표준편차 1,027대로 나타났다. 그리고 북컨 사업소에서 6개월 간 출입차량은 총 2,751,737시간 주차하였으며, 평균 458,623시간, 중간값 455,800시간, 최대값 538,987시간, 최소값 380,279시간, 표준편차 54,217시간으로 나타났다.

부산항 신항에 위치한 남컨 사업소는 6개월 간 총 69,497대의 차량이 들어왔으며, 평균 11,583대, 중간값 11,617대, 최대값 12,611대, 최소값 10,528대 표준편차 713대로 나타났다. 그리고 남컨 사업소에서 6개월 간 출입차량은 총 2,069,119시간 주차하였으며, 평균 344,853시간, 중간값 348,369시간, 최대값 392,098시간, 최소값 274,820시간, 표준편차 36,901시간으로 나타났다.

4.2 부산항 화물차 휴게소 Window-DEA 분석

4.2.1 Window-DEA CCR 분석결과

본 연구에서는 윈도우 크기를 3으로 지정하였으며, 부산항 화물차 휴게소 Window-DEA CCR 효율성 분석결과는 <Table 5>와 같다. 부산항 화물차 휴게소의 효율성 전체 평균값은 0.832로 나타났다.

Window-DEA CCR 모형 분석결과, 전체 평균(0.832)보다 효율성이 높게 나타난 화물차 휴게소는 부산항 북항에 위치한 감만 사업소(0.959), 용당 사업소(0.955)로 나타났다. 이와 반대로, 전체 평균(0.832)보다 효율성이 낮게 나타난 화물차 휴게소는 부산항 신항에 위치한 북컨 사업소(0.814), 남컨 사업소(0.601)로 나타났다.

다음으로 LDP 분석결과, 부산항 신항 북컨 사업소(0.102), 부산항 북항 용당 사업소(0.128)의 LDP 값은 평균(0.102) 이상으로 나타났다. 이와 반대로, 부산항 신항 남컨 사업소(0.100), 부산항 북항 감만 사업소(0.079)의 LDP 값은 평균(0.102)보다 낮게 나타났다. 이는 시간의 변화에 따른 효율성 변화가 비교적 미비하다는 것을 의미한다.

이러한 Window-DEA CCR 분석결과를 통해, 2023년 1월부터 2023년 6월까지 부산항 북항 감만 사업소의 경우 높은 수준의 효율성을 변동성이 적게 유지하고 있는 것을 알 수 있다. 그리고 부산항 북항 용당 사업소는 변동성이 비교적 높지만, 높은 수준의 효율성을 보이는 것으로 나타났다.

4.2.2 Window-DEA BCC 분석결과

본 연구에서는 윈도우 크기를 3으로 지정하였으며, 부산항 화물차 휴게소 Window-DEA BCC 효율성 분석결과는 <Table 6>과 같다. 부산항 화물차 휴게소의 효율성 전체 평균값은 0.890으로 나타났다.

Window-DEA BCC 모형 분석결과, 전체 평균(0.890)보다 효율성이 높게 나타난 화물차 휴게소는 부산항 북항에 위치한 감만 사업소(0.972), 용당 사업소(0.973), 부산항 신항에 위치한 북컨 사업소(0.958)로 나타났다. 이와 반대로, 전체 평균(0.890)보다 효율성이 낮게 나타난 화물차 휴게소는 부산항 신항에 위치한 남컨 사업소(0.656)로 나타났다.

다음으로 LDP 분석결과, 부산항 북항 용당 사업소(0.115), 부산항 신항 남컨 사업소(0.114)의 LDP 값은 평균(0.099) 이상으로 나타났다. 이와 반대로, 부산항 북항 감만 사업소(0.070), 부산항 신항 북컨 사업소(0.098)의 LDP 값은 평균(0.099)보다 낮게 나타났다. 이는 시간의 변화에 따른 효율성 변화가 비교적 미비하다는 것을 의미한다.

이러한 Window-DEA BCC 분석결과를 통해, 2023년 1월부터 2023년 6월까지 부산항 북항 감만 사업소와 부산항 신항 북컨 사업소의 경우 높은 수준의 효율성을 변동성이 적게 유지하고 있는 것을 알 수 있다. 그리고 부산항 북항 용당 사업소는 변동성이 비교적 높지만, 높은 수준의 효율성을 보이는 것으로 나타났다. 이와 반대로, 부산항 신항 남컨 사업소는 상대적으로 효율성이 낮으며, 변동성이 높은 것으로 나타났다.

5. 결 론

5.1 결론 및 시사점

본 논문은 부산항 화물차 휴게소를 대상으로 동태적 운영 효율성 분석을 진행한 최초의 논문으로, 화물자동차 휴게소에 대한 새로운 접근을 시도한 점에서 학문적 의의가 있다. 또한, Window-DEA 분석을 통해 주차난이 가장 심각한 화물차 휴게소를 파악하고, 부산항 화물차 휴게소의 개선방안에 대한 다양한 정책적 시사점을 도출하였다. 부산항 화물차 휴게소에 대한 효율성 분석결과는 다음과 같다. 첫째, Window-DEA CCR 모형 분석결과 부산항 북항 감만 사업소의 효율성은 0.959로 가장 높게 나왔으며, 그 다음으로 부산항 북항 용당 사업소 0.955, 부산항 신항 북컨 사업소 0.814, 부산항 남컨 사업소 0.601 순으로 나타났다. 그리고 부산항 북항 감만 사업소(0.952→0.954→0.953→0.976), 부산항 신항 북컨 사업소(0.807→0.803→0.812→0.835) 및 남컨 사업소(0.581→0.596→0.614→0.611)의 효율성은 증가하는 추세에 있는 반면, 부산항 북항 용당 사업소(0.965→0.962→0.957→0.936)의 효율성은 감소하는 추세인 것으로 나타났다. 이러한 분석결과는 부산항 북항 감만 사업소와 용당 사업소가 투입 대비 산출이 높아 가장 효율적이지만, 또 다른 의미에서 주차난이 상대적으로 심각하다는 것을 의미한다. 둘째, Window-DEA BCC 모형 분석결과 부산항 북항 용당 사업소의 효율성은 0.973으로 가장 높게 나왔으며, 그 다음으로 부산항 북항 감만 사업소 0.972, 부산항 신항 북컨 사업소 0.958, 부산항 남컨 사업소 0.656 순으로 나타났다. 그리고 부산항 북항 감만 사업소(0.955→0.963→0.972→0.997) 및 용당 사업소(0.965→0.962→0.979→0.986), 부산항 신항 북컨 사업소(0.955→0.949→0.960→0.967) 및 남컨 사업소(0.630→0.654→0.675→0.667)의 효율성은 증가하는 추세에 있는 것으로 나타났다. 이러한 분석결과는 부산항 북항 감만 사업소와 용당 사업소, 부산항 신항 북컨 사업소의 주차난이 비교적 심각하다는 것을 의미한다. 분석결과에 대한 시사점으로 첫째, 부산항 북항 화물 휴게소에 대한 주차난 문제를 해결하는 것이 시급한 것으로 나타났다. 부산항 북항 화물차 휴게소 2곳(감만 사업소, 용당 사업소)은 부산항 신항 화물차 휴게소 2곳(북컨 사업소, 남컨 사업소)과 비교하여 운영 효율성이 높게 나타났다. 이는 투입변수에 해당하는 주차면적, 주차면수 대비 차량대수, 주차시간이 상대적으로 높은 상황임을 의미한다. 2023년 3월 19일 610면의 주차면수를 보유한 감만부두 주차장이 폐쇄되면서 2023년 3월 20일부터 332면의 우암부두 임시화물차주차장이 개장되어 운영 중에 있다. 이로 인하여 부산항 북항 감만 사업소에 대한 수요가 증가하여 운영 효율성(Window-DEA CCR 모형 기준)은 0.952(2023.01-03), 0.954 (2023.02-04), 0.953(2023.03-05), 0.976(2023.04-06)으로 점차 증가한 것으로 판단된다. 하지만, 화물차 휴게소를 신규로 건설 시 인근 도로의 교통체증, 환경오염, 소음 등의 이유로 주민들의 민원이 심해질 것으로 예상된다. 그리고 부산광역시 가용부지 부족, 부산항 북항 컨테이너물동량의 비중 감소 추세, 부산항 북항 재개발사업 등을 고려하였을 때, 신규 화물차 주차장 확충방안의 한계를 인정하고 기존시설의 효율적인 운영하기 위한 방안을 수립할 필요가 있다. 화물차 주차장은 시간대에 따라 이용대수의 편차가 발생하며, 화물차주들이 도로에서 발생하는 불필요한 대기시간을 최소화하기 위해서는 부산항 북항 화물차 휴게소에 대한 실시간 정보가 필요한 상황이다. 이를 위해서는 감만 화물차 휴게소, 용당 화물차 휴게소, 5물양장 주차장, 우암부두 임시화물차주차장 간 통합정보시스템을 구축하여 화물차주들에게 실시간 주차장 정보를 제공하고 도로에서 불필요한 이동을 최소화할 수 있을 것이다. 그리고 부산항 북항 화물차 주차장 부족 및 화물차 불법주차로 인한 안전사고 위험 증가 등의 문제에 대하여 부산시, 지차체, 항만공사 간 역할 분담이 필요할 것으로 판단된다. 둘째, 2023년 6월 웅동 화물차 휴게소의 운영은 시의적절하며, 위치도 적합한 것으로 판단된다. 부산항 신항 북컨 사업소는 남컨 사업소와 비교하여 운영 효율성이 높게 나타났다. 이는 항만배후단지 입주업체(북컨 1단계, 웅동 1단계, 서컨 1단계)와 인접하여 이용수요가 높은 것으로 판단된다. 그리고 웅동 화물차 휴게소가 운영되기 전 부산항 신항 북컨 사업소의 운영 효율성(Window-DEA CCR 모형 기준)은 0.807(2023.01-03), 0.803(2023.02-04), 0.812(2023.03-05), 0.835(2023.04-06)로 점차 증가하는 추세였다. 따라서, 웅동 화물차 휴게소의 운영 이후 부산항 신항 북컨 인근 주차난이 우선적으로 해소될 것을 기대할 수 있다.

마지막으로, 부산항 신항 내 화물자동차 휴게소 주차면적에 대한 단계별 공급계획을 세울 필요가 있다. 「해양수산부(2022)의 제4차 항만배후단지 개발계획」을 살펴보면, 2025년 남컨 항만배후단지 1,161천㎡, 웅동 2단계 항만배후단지 1,119천㎡가 공급될 계획이다. 그리고 2030년 북컨 2단계 항만배후단지 523천㎡, 서컨 2단계 항만배후단지 436천㎡, 서컨 3단계 항만배후단지 378㎡가 공급될 예정이다. 또한, 해양수산부는 2040년까지 약 1,629만TEU의 하역능력을 갖춘 진해신항을 계획하고 있다. 부산항 신항 개발 관계자들은 부산항 신항의 물동량 증가 및 항만배후단지 내 기업 입주 시기에 맞추어 단계별 주차면적을 충분히 확보해야만 안전하고 효율적인 물류프로세스가 구축될 것으로 판단된다. 또한, 향후 부산항 신항에서 화물차 휴게소를 확충할 수 있는 항만배후단지 공간이 매우 한정적이기 때문에 주차공간 확보와 함께 공간활용의 극대화, 주차장 이용 효율화를 동시에 추구할 필요가 있다. 이를 위해서 화물차주를 대상으로 부산항 신항 컨테이너 구역별(북컨부두, 남컨부두, 서컨테이너부두, 진해신항) 우선적으로 이용할 수 있는 화물차 휴게소를 지정한다면, 화물차의 전체 이동거리를 줄이고 화물차로 인한 교통혼잡을 완화 시킬 수 있을 것이라 기대된다. 이 외에도 부산항 신항 화물차 휴게소 주차면적 단계별 공급 시 단순히 부지를 제공하는 것이 아니라 고층 타워형 주차장(1층: 화물차 전용 주차장, 2층 이상: 승용차 전용 주차장), 첨단 화물차 주차장, 승용차 전용 주차장 등 다양한 방안을 고려할 필요가 있다.

5.2 연구의 한계점 및 향후 연구방향

본 연구는 6개월(2023년 1월-6월) 간 부산항 인근 화물자동차 휴게소 이용실태를 바탕으로 동태적 운영 효율성을 파악하기 위하여 Window-DEA 분석을 진행하였다. 그리고 분석결과를 토대로 부산항 인근에서 발생하고 있는 화물자동차 주차난을 극복하기 위한 다양한 시사점을 도출하였다. 하지만 자료수집의 어려움으로 인하여 부산항 북항의 우암부두 임시화물주차장, 5물양장 주차장, 부산항 신항의 웅동 임시 화물차 주차장 등을 제외한 화물자동차 휴게소 4곳(부산항 북항 감만 사업소 및 용당 사업소, 부산항 신항 북컨 사업소 및 남컨 사업소)에 한정하여 분석이 진행되었다는 한계가 있다. 따라서, 향후에는 본 연구에서 고려하지 못한 화물자동차 휴게소의 운영데이터를 수집하여 동태적 운영 효율성 분석을 추가적으로 진행할 필요가 있다. 그리고 부산항 인근 화물자동차 휴게소에 대한 관계자들의 관심과 활발한 연구가 이루어져 부산항 화물자동차 휴게소 주차난을 극복할 수 있는 실질적인 방안이 다양하게 제시되길 기대한다.

Acknowledgments

본 논문은 해양수산부 제4차 해운항만물류 전문인력양성사업의 지원을 받아 수행된 연구임.

Fig. 1.

Truck service stations at Busan north port

Fig. 2.

Truck service stations at Busan new port

Table 1.

The detail of Busan port truck service stations

Region	Year	Area(m²)	Parking spaces(No.)
Gamman	2008	14,850	101(68, 33)
Yongdang	2012	42,955	371(241, 130)
North	2011	52,242	400(269, 131)
South	2016	37,312	347(185, 162)
Woongdong	2023	74,364	790(495, 295)
Sum		219,561	2,009(1,258, 751)

Source : BPA(2023)

Table 2.

The characteristic of Window-DEA analysis

Sort	Calculation method	Value
Number of Windows(p)	p = T − w+1	4
Number of DMUs per window	w × n	12
Total number of DMUs	w × n × p	48

Table 3.

Input and output variables for the DMUs

Sort	Variables	Unit
Input 1	Parking area	m²
Input 2	The number of parking spaces	No.
Output 1	The number of truck per month	No.
Output 2	The sum of monthly parking hours	Hours

Table 4.

Performance of Truck service stations in Busan port from 2023.01 to 2023.06

Truck service stations		Mean	Median	Max	Min	Std.Dev	Sum
Busan North Gamman	Output 1	8,143	8,042	8,611	7,906	245	48,857
Busan North Gamman	Output 2	60,565	60,921	63,554	57,493	1,858	363,391
Busan North Yongdang	Output 1	18,915	19,157	20,063	17,525	988	113,487
Busan North Yongdang	Output 2	1,085,135	1,203,988	1,355,094	669,919	274,153	6,510,813
Busan New North	Output 1	23,235	23,205	24,663	21,867	1,027	139,407
Busan New North	Output 2	458,623	455,800	538,987	380,279	54,217	2,751,737
Busan New South	Output 1	11,583	11,617	12,611	10,528	713	69,497
Busan New South	Output 2	344,853	348,369	392,098	274,820	36,901	2,069,119

Source : Netruck House’s internal data

Table 5.

The results of Window-DEA analysis under the CCR models based on the output-oriented model

Truck service stations	2023.01	2023.02	2023.03	2023.04	2023.05	2023.06	Window Average	C-Average	Standard Deviation	LDP
Busan North Gamman	0.930	0.924	1.000				0.952	0.959	0.032	0.079
		0.924	1.000	0.939			0.954
			1.000	0.939	0.921		0.953
				0.973	0.955	1.000	0.976
Busan North Yongdang	1.000	0.896	1.000				0.965	0.955	0.054	0.128
		0.885	1.000	1.000			0.962
			1.000	1.000	0.872		0.957
				1.000	0.894	0.914	0.936
Busan New North	0.776	0.798	0.847				0.807	0.814	0.036	0.102
		0.798	0.847	0.764			0.803
			0.847	0.764	0.826		0.812
				0.789	0.851	0.866	0.835
Busan New South	0.543	0.558	0.643				0.581	0.601	0.034	0.100
		0.558	0.643	0.588			0.596
			0.643	0.588	0.612		0.614
				0.606	0.629	0.597	0.611
Average	0.812	0.793	0.873	0.829	0.820	0.844	0.832	0.832	0.039	0.102

Table 6.

The results of Window-DEA analysis under the BCC models based on the output-oriented model

Truck service stations	2023.01	2023.02	2023.03	2023.04	2023.05	2023.06	Window Average	C-Average	Standard Deviation	LDP
Busan North Gamman	0.930	0.933	1.000				0.955	0.972	0.028	0.070
		0.933	1.000	0.955			0.963
			1.000	0.955	0.963		0.972
				0.992	1.000	1.000	0.997
Busan North Yongdang	1.000	0.896	1.000				0.965	0.973	0.042	0.115
		0.885	1.000	1.000			0.962
			1.000	1.000	0.937		0.979
				1.000	0.961	0.997	0.986
Busan New North	0.921	0.945	1.000				0.955	0.958	0.039	0.098
		0.945	1.000	0.902			0.949
			1.000	0.902	0.978		0.960
				0.914	0.987	1.000	0.967
Busan New South	0.584	0.607	0.698				0.630	0.656	0.038	0.114
		0.607	0.698	0.656			0.654
			0.698	0.656	0.672		0.675
				0.670	0.688	0.644	0.667
Average	0.859	0.844	0.925	0.883	0.898	0.910	0.890	0.890	0.037	0.099

References

[1] Asmild, M., Paradi, J. C., Aggarwall, V. and Schaffnit, C.(2004), “Combining DEA window analysis with the Malmquist index approach in a study of the Canadian banking industry”, Journal of productivity analysis, Vol. 21, pp. 67-89.

[2] Charnes, A., Cooper, W. W. and Rhodes, E.(1978), “Measuring the efficiency of decision making units”, European journal of operational research, Vol. 2, No. 6, pp. 429-444.

[3] Choi, C. H.(2017), “Demand forecasting method for truck rest areas beside national highways”, Journal of the Korea Institute of Intelligent Transportation Systems, Vol. 16, No. 2, pp. 13-22.

[4] Dyson, R. G., Allen, R., Camanho, A. S., Podinovski, V. V., Sarrico, C. S. and Shale, E. A.(2001), “Pitfalls and protocols in DEA”, European Journal of operational research, Vol. 132, No. 2, pp. 245-259.

[5] Den, M., Shin, C. H. and Nah, H. S.(2016), “An Empirical Study on the Efficiency of Container Terminals in Russian and Korean Ports using DEA model”, Korean Institute of Navigation and Port Research, Vol. 40, No. 5, pp. 317-328.

[6] Golany, B. and Roll, Y.(1989), “An application procedure for DEA”, Omega, Vol. 17, No. 3, pp. 237-250.

[7] Han, E. S., Yoon, B. S. and Seo, S. T.(2023), “A Study on the Korean Autumn Cabbage’s Dynamic Production Efficiency Change by Using DEA Window Model”, Korean Journal of Agricultural Management and Policy, Vol. 50, No. 3, pp. 503-529.

[8] Han, H. N.(2009), “Trends in the Efficiency of Korean National University Libraries: A DEA/Window Analysis Approach”, Journal of Information Management, Vol. 40, No. 3, pp. 41-60.

[9] Homburg, C.(2001), “Using data envelopment analysis to benchmark activities”, International journal of production economics, Vol. 73, No. 1, pp. 51-58.

[10] Kim, H. I. and Park, M. Y.(2020), “ Quantifying the Social Value of Truck Rest Area Using Contingent Valuation Method”, Korean Journal of Logistics, Vol. 28, No. 3, pp. 27-36.

[11] Kim, J. H., Yang, T. Y. and Yoon, T. K.(2020), “Evaluation of Current Service Areas’ Location to Improve Freight Car’s Safety: A Case Study of Seohaean Expressway”, Journal of Korean Society of Transportation, Vol. 38, No. 5, pp. 335-345.

[12] Kim, T. H., Park, C. G. and Kim, B. C.(2008), “A Study on the Efficiency and Determinants of Static and Dynamic in Korean property casualty insurance Company”, The Korean Journal of Financial Management, Vol. 25, No. 4, pp. 183-212.

[13] Kim, T. H., Won, J. M., Kang, H. I. and Kim, K. D.(2006), “The development of parking space demand estimation models for freight vehicles in freeway rest areas”, Journal of Korea Planning Association, Vol. 4, No. 13, pp. 243-253.

[14] Park, M. H.(2019), “The Determination Method of Optimal Window Length in DEA Window Analysis”, International Business Education Review, Vol. 16, No. 3, pp. 185-200.

[15] Park, M. H.(2022), “Development and Application of DEA Window System with Dealing Negative Values”, Journal of the Korea Service Management Society, Vol. 23, No. 3, pp. 28-48.

[16] Seo, S. J., Lee, S. H. and Han, C. M.(2016), “A Study on Effects of Efficiency of Local Public Water Utilities Enterprises on Market and Production Structure in Local Government: Economy of Scale, Economy of Density, and Economy of Scope”, Vol. 30, No. 1, pp. 281-320.

[17] Shin, S. J., Park, H. Y., Lee, J. Y. and Roh, H. S.(2020), “ A study on Improvement of the Criteria for deciding Where to Install Truck Rest Areas”, Journal of Transport Research, Vol. 27, No. 2, pp. 33-47.

[18] Yoo, J. H., Lee, J. G. and Lee, M. H.(2013), “Efficiency Measurement of General Industry Complexes Based on DEA and DEA-window Analysis Techniques : Focused on Chungcheong Region”, Korea planning association, Vol. 48, No. 3, pp. 89-109.

[19] Yook, D. H., Kim, J. J., Seol, S. H., Choi, M. H. and Lee, S. W.(2022), “Advances of Location Strategies for Highway Rest Areas”, Transportation Technology and Policy, Vol. 19, No. 4, pp. 39-44.