---
type: paper
slug: sungho-moon-2022-energy-mix-afv-adoption
title: Impact of Energy Production Mix on Alternative Fuel Vehicle Adoption in Korea
authors:
  - '[[sungho-moon]]'
  - '[[jongsulee]]'
  - '[[hyunhong-choi]]'
  - '[[jongroul-woo]]'
year: 2022
venue: '[[transportation-research-part-d]]'
volume: '105'
pages: '103219'
doi: 10.1016/j.trd.2022.103219
categories:
  - '[[energy-economics]]'
  - '[[consumer-choice-research]]'
methods:
  - '[[mixed-logit]]'
  - '[[discrete-choice-experiment]]'
  - '[[well-to-wheel-analysis]]'
  - '[[halton-draws]]'
themes:
  - '[[alternative-fuel-vehicle]]'
  - '[[energy-mix]]'
  - '[[ghg-emissions]]'
  - '[[bev-adoption]]'
  - '[[hfcv-adoption]]'
  - '[[green-hydrogen]]'
aliases: []
last_updated: '2026-05-20T02:07:35+09:00'
---
# Impact of Energy Production Mix on Alternative Fuel Vehicle Adoption in Korea

*[[sungho-moon]], [[jongsulee]], [[hyunhong-choi]], [[jongroul-woo]] (2022)* · [[transportation-research-part-d]] 105:103219 · [DOI ↗](https://doi.org/10.1016/j.trd.2022.103219)

> Battery EV (BEV) 와 Hydrogen FCV (HFCV) 의 *연료 생산 mix* (전력 generation mix / 수소 production mix) 가 *소비자 채택* 에 미치는 영향을 [[discrete-choice-experiment]] + [[mixed-logit]] 로 측정. N=1,042 한국 소비자, 6,144 obs. *재생-orient 전력 mix* 의 BEV 는 *현 mix* 보다 MWTP +5.7M KRW (=USD 4,800) 높음, *green hydrogen* HFCV 는 *grey* 보다 MWTP +4.7M KRW. 2030 시나리오에서 BEV+HFCV 의 *cleaner mix* 전환 시 연간 신차 sales 기준 256K tons CO₂ (12.78%) 감축.

- **RQ**: AFV (BEV, HFCV) 의 *연료 생산 mix* (BEV: 현 전력 mix vs 재생 oriented mix; HFCV: grey vs green hydrogen) 가 (i) 소비자의 vehicle 채택 결정에 미치는 영향, (ii) 2030 시장 share 와 GHG 배출 reduction 에 미치는 영향
- **방법론**: [[discrete-choice-experiment]] (5,120 가능 조합 → orthogonal fractional factorial 48 alt → 6 choice sets × 4 alt), [[mixed-logit]] (normal/lognormal coefficient mix), [[halton-draws]] (2,000 draws) simulated MLE, [[well-to-wheel-analysis]] (Cetinkaya et al. 2012 LCA emission factors)
- **데이터**: Gallup Korea 온라인 survey 2021-02 1-2 주, 20-69 세 N=1,042 (Male 53.2%, Female 46.8%; income > 5M KRW 42.9%), 6 choice sets × 4 alt = 6,144 obs
- **주요 발견**: (i) Coefficient 평균: BEV-current 0.292*** (MWTP +4,979 KRW = USD 4,200), BEV-renewable 0.629*** (MWTP +10,729 KRW = USD 9,050), HFCV-grey -0.278*** (MWTP -4,740 KRW = USD -3,999), HFCV-green -0.087 (n.s.). (ii) Vehicle price RI 36.14%, fuel cost 21.97%, charging time 21.41%, fuel type 12.42%, accessibility 6.40%, drivable range 1.66%. (iii) Scenario 4 (BEV+HFCV 모두 cleaner): 2030 BEV share 5.93% → 20.81% (+250.7%), HFCV 0.72% → 2.12% (+194.7%), ICEV 93.35% → 77.07% (-17.43%). (iv) GHG 감축: Scenario 1 -128K tons (-6.39%), Scenario 4 -256K tons (-12.78%). (v) GHG emission factor (gCO₂/km): ICEV 191.59, BEV-current 85.67, BEV-renewable 60.95, HFCV-grey 80.81, HFCV-green 27.70.
- **시사점**: (a) Korean 정부의 9차 전력 수급 계획 (2020→2030 재생 15.8% → 40.3%) + Hydrogen Economy Roadmap (green H₂ 전환) 의 *환경 효과* 정량 평가. (b) BEV cleaner electricity 가 HFCV cleaner hydrogen 보다 *총 GHG 감축에 더 효과적* — 이유는 BEV 가 ICEV market share 를 잠식하는 효과 (HFCV 는 share 자체가 작음). (c) HFCV 의 cleaner hydrogen 자체는 *HFCV 단위당 GHG* 70% 감소 (BEV cleaner mix 는 30% 감소) — 비율 효과로는 hydrogen 정책 가치 높음. 정책 함의: hydrogen portfolio standard, 청정 hydrogen 의무 비율 입법 필요.

![Figure 2: Choice probability change by scenario (BEV/HFCV cleaner mix shifts ICEV market share)](/papers/202204_MoonS_Impact_of_energy_production_mix_on_alternative_fuel_vehicle_adoption_in_Korea/fig2.jpeg)

## 요약

이 paper 는 [[jongsulee]] 의 *consumer preference 라인 (2010-2025)* 의 AFV 환경 확장이다. 기존 AFV 채택 연구 (Achtnicht 2011, Hackbarth & Madlener 2013, Tanaka et al. 2014, Byun et al. 2018, Moon et al. 2018, Shin et al. 2019, Khan et al. 2020, Kim et al. 2020) 는 *vehicle attribute* (price, range, charging time, CO₂ rate) 만 다뤘다. *Energy production mix* 자체를 attribute 로 도입한 직접 선행은 Choi et al. (2018 *Energy Policy*) 의 BEV electricity mix 분석뿐인데, 본 paper 는 (i) BEV + HFCV 양쪽 production mix 를 동시 고려, (ii) [[well-to-wheel-analysis]] (WTW) 결합으로 *2030 시장 share × per-km GHG factor × 연간 sales × 연간 mileage* 의 end-to-end 평가, (iii) Korean Hydrogen Economy Roadmap + 9th Basic Plan for Electricity Supply 의 ex-ante 정책 시뮬레이션을 결합한다.

방법론은 5 개 main attribute (fuel type 5 levels, charging time 4, fuel cost 4, accessibility 4, drivable range 4, vehicle price 4) → 5,120 가능 조합 → orthogonal fractional factorial 로 48 alt 추출 → 각 응답자에 6 choice set × 4 alt = 24 alt 노출. Coefficient distribution: vehicle type dummies 는 normal (선호 방향이 개인별 다름), continuous attributes 는 lognormal (모든 응답자가 same direction). Bhat (2001) + Train (2009) 의 [[halton-draws]] 2,000 draws 로 closed-form 부재 likelihood 의 simulated MLE 추정. MWTP = $-\beta_{\text{attr}} / \beta_{\text{price}}$, Relative Importance = part-worth normalized.

추정 결과의 핵심은 *재생-oriented BEV 와 green-hydrogen HFCV 에 대한 한국 소비자의 명시적 환경 프리미엄*. ICEV baseline 대비 BEV-renewable 의 MWTP 가 +9,050 USD, green-HFCV 는 ICEV 와 무차이 (n.s.) 인데, 이는 grey-HFCV (-3,999 USD) 의 부담을 cleaner hydrogen 으로 *완전 상쇄* 가능을 의미. Vehicle price 가 RI 36.14% 로 여전히 dominant (특히 charging time + fuel cost 가 각 ~21% 로 큰 영향). Scenario 분석은 4 조합 (cleaner BEV × cleaner HFCV) 으로 2030 시장 균형 시뮬레이션. BEV+HFCV 모두 cleaner 시 BEV share 5.93% → 20.81% (+250.7%), 이 share 잠식이 ICEV 의 -17.43% 와 GHG -12.78% (256K tons) 로 이어진다. WTW 비교에서 *BEV cleaner mix 의 GHG 효과 (-180K)* > *HFCV cleaner mix 의 GHG 효과 (-100K)* — 이는 BEV 가 ICEV share 를 잠식하는 효과가 크기 때문. HFCV 는 per-vehicle GHG 감축률 (70%) 이 BEV (30%) 보다 크지만 market share 자체가 작아 총 효과 제한.

## 핵심 결과

| Variable | Mean | Std. Dev. | MWTP | RI (%) |
|---|---:|---:|---:|---:|
| BEV-current power mix (vs ICEV) | 0.292*** | 1.319*** | KRW 4.98M = USD 4,200 | 12.42 |
| BEV-renewable power mix | 0.629*** | 1.408*** | KRW 10.73M = USD 9,050 | (in fuel type RI) |
| HFCV-grey hydrogen | -0.278*** | 1.174*** | KRW -4.74M = USD -3,999 | (in fuel type RI) |
| HFCV-green hydrogen | -0.087 | 1.448*** | n.s. | (in fuel type RI) |
| Charging time (100 min) | -2.843*** | 6.999*** | -USD 409/min | 21.41 |
| Fuel cost (100 KRW/km) | -1.284*** | 6.831*** | -USD 185/(KRW/km) | 21.97 |
| Charging accessibility (100%) | 0.519*** | 0.891*** | USD 75/%p | 6.40 |
| Drivable range (100 km) | 0.020*** | 0.016 | USD 3/km | 1.66 |
| Vehicle price (1M KRW) | -0.587*** | 1.389*** | — | 36.14 |

**Choice probability by 2030 scenario:**

| Fuel | Baseline (2020) | Sc 1 (orig) | Sc 2 (green H) | Sc 3 (clean elec) | Sc 4 (both) |
|---|---:|---:|---:|---:|---:|
| ICEV | 93.35% | 82.28% (-11.86%) | 81.96% (-12.20%) | 77.36% (-17.13%) | 77.07% (-17.43%) |
| BEV | 5.93% | 15.85% (+167.22%) | 15.79% (+166.17%) | 20.88% (+252.00%) | 20.81% (+250.70%) |
| HFCV | 0.72% | 1.87% (+159.81%) | 2.25% (+213.35%) | 1.76% (+144.23%) | 2.12% (+194.71%) |

**Net GHG change vs baseline (annual new-car sales):**

| Scenario | Net Δ GHG (tons CO₂) | % change |
|---|---:|---:|
| Sc 1 (no mix change) | -127,996 | -6.39% |
| Sc 2 (cleaner H₂) | -144,915 | -7.23% |
| Sc 3 (cleaner elec) | -240,631 | -12.00% |
| Sc 4 (both cleaner) | -256,112 | -12.78% |

## 방법론 노트

[[mixed-logit]] utility:

$$
U_{nj} = V_{nj} + \varepsilon_{nj} = \sum_k \beta_{nk} x_k + \varepsilon_{nj}
$$

$\varepsilon_{nj}$ 는 iid Type I extreme value. Choice probability:

$$
P_{nj} = \int \frac{\exp(\beta_n' x_{nj})}{\sum_i \exp(\beta_n' x_{ni})} f(\beta_n | \theta) d\beta_n
$$

Closed-form 부재 → simulated probability:

$$
SP_{nj} = \frac{1}{R} \sum_{r=1}^R L_{nj}(\beta^r)
$$

$\beta^r$ 은 $f(\beta_n | \theta)$ 에서 추출한 R 번째 draw. [[halton-draws]] (Bhat 2001) 가 random draws 보다 적은 수 (2,000) 로 더 정확한 integration. MWTP:

$$
\mathrm{MWTP}_{x_k} = -\frac{\partial U_{nj}/\partial x_k}{\partial U_{nj}/\partial x_{\text{price}}} = -\frac{\beta_k}{\beta_{\text{price}}}
$$

Scenario 분석은 (i) Train (2009) 의 alternative-specific constant calibration: $\alpha_j^n = \alpha_j^{n-1} + \ln(S_j / \hat{S}_j^{n-1})$ 으로 estimated choice probability 를 actual market share 와 매칭, (ii) [[well-to-wheel-analysis]]: $\mathrm{GHG}_{\text{FuelType, Scenario}} = \mathrm{GHG}_{\text{FuelType}} \times \mathrm{AnnualSales} \times P_{\text{FuelType}} \times \mathrm{AnnualMileage}$ — emission factor (gCO₂/km, Cetinkaya 2012) × 연간 sales (~896K mid-/sub-compact 2020) × 선택 확률 × 연간 mileage (12,118 km/year).

## 연구 계보

본 paper 는 (a) [[discrete-choice-experiment]] + [[mixed-logit]] 의 McFadden-Train 전통, (b) Choi et al. (2018 *Energy Policy*) 의 BEV electricity mix 직접 선행, (c) Woo et al. (2017 *TRD*) 의 70-country BEV WTW 분석, (d) Kim et al. (2020 *Applied Energy*) 의 한국 BEV+HFCV dynamic GHG 분석, (e) Shin et al. (2019 *TFSC*) 의 multi-DC extreme value method 분석, (f) Cetinkaya et al. (2012) 의 hydrogen production LCA, (g) Korean 정부의 9th Basic Plan for Long-term Electricity Supply (2020) + Hydrogen Economy Roadmap (2019) 을 결합한다. TEMEP 내 sibling: [[jongsulee]] 의 *consumer preference 라인* 의 EV/AFV 갈래 (Byun et al. 2018, Moon et al. 2018, Kim et al. 2020). 후속 [[sungho-moon-2023-energy-transition-acceptance]] (energy transition acceptance) 와 [[sungho-moon-2025-coal-phase-out-acceptance]] (coal phase-out) 가 *sungho-moon × jongsulee* 협업 라인의 환경 정책 확장.

## See also

- [[jongsulee]]
- [[sungho-moon]]
- [[hyunhong-choi]]
- [[jongroul-woo]]
- [[mixed-logit]]
- [[discrete-choice-experiment]]
- [[well-to-wheel-analysis]]
- [[alternative-fuel-vehicle]]
- [[green-hydrogen]]
- [[ghg-emissions]]
- [[transportation-research-part-d]]
- [[sungho-moon-2023-energy-transition-acceptance]]
- [[sungho-moon-2025-coal-phase-out-acceptance]]