Journal Archive

도시공간구조는 도시를 이루는 각각의 공간이 가지고 있는 특정한 기능이나 토지이용, 도시 활동의 집중·분산 등과 같은 다양한 요소들과 유기적으로 상호작용하며 끊임없이 변화하는 것으로 도시의 기능이나 활동이 집적한 중심지들도 이러한 변화과정에서 그 위치와 규모, 영향력과 같은 속성들이 달라지게 된다(이희연·김홍주, 2006; 구형모, 2020; 양상언 외, 2009). 각 도시는 도시계획을 수립하여 계속해서 발생하는 공간구조 및 중심성의 변화를 효율적이고 합리적인 방향으로 유도하여 관리하고 있다(남광우 외, 2009). 이렇듯 도시의 관리 방향을 제시하기 위한 기초단계로 도시공간구조와 중심성 변화의 파악이 요구된다(김대종·구형수, 2012).

특히, 최근 10년간 서울시에서는 대기업이나 IT 기업의 이전과 ‘제2롯데월드’, ‘더현대서울’과 같은 대형 상업시설의 개점 등 도시 활동의 변화가 활발하게 이루어짐에 따라 서울시 도시공간구조와 중심성의 변화에 대한 분석이 필요하다.

서울시는 2014년에 도시기본계획인 「2030 서울 플랜」을 발표하여 다핵구조인 ‘3개 도심, 7개 광역중심, 12개 지역중심, 53개 지구중심’ 구조의 새로운 중심지 체계로 개편하고 장기적인 도시공간구조 발전 방향을 제시하였다. 이후, 서울시 생활권계획을 수립하여 「2030 서울 플랜」에서 지정한 각각의 중심지의 범역을 설정하고 발전 방향을 구체화(김선웅 외, 2019)하였으며 이를 토대로 서울의 도시공간구조를 관리하고 있다. 현재 「2030 서울 플랜」이 수립된 지 8년이 경과함에 따라 향후 계획의 수립 전, 기존 계획의 정책적 효과 검토가 필요하다고 판단되는 시점이므로 계획에서 설정한 중심지 체계와 현재 중심성을 파악하여 계획의 정합성을 살펴보고, 도시공간의 중심성이 강화된 지역과 비교적 중심성이 강화되지 않은 지역을 분석하여 그 원인을 규명할 필요가 있다.

따라서 이 연구는 서울시 도시공간의 중심성을 파악하고 그 변화에 영향을 미치는 요인을 분석하는 것을 목적으로 한다. 아울러 최근 시점인 2019년의 중심성 분석에 생활인구, 카드매출액과 같은 공간 빅데이터를 추가적으로 활용하여 실제 활동을 보다 구체적으로 반영하였을 경우의 서울시 도시공간의 중심성도 함께 살펴보고자 한다. 이러한 연구결과를 바탕으로 서울시 도시공간의 중심지 특성에 따른 육성방안 마련의 필요성과 도시공간구조 개편에 관한 정책적 시사점을 제시하고자 한다.

이 연구에서는 최근 10년간의 서울시 도시공간 중심성 변화를 살펴보고자 하는데, 2020년은 COVID-19 바이러스의 유행이 도시 활동에 영향을 미쳤다고 판단하여 그 전년도인 2019년과 2011년을 연구의 시간적 범위로 선정하였다. 선정한 시간적 범위에 맞추어 연구의 공간적 범위는 2019년 기준 서울시 18,746개의 집계구를 대상으로 설정하여 분석을 실시하였다. 행정동이 아닌 집계구를 분석의 공간 단위로 활용하는 이유는 도시공간 중심성을 가장 작은 행정단위로 자세하게 분석하여 좀 더 정확한 결과를 얻기 위함이다.

이 연구는 도시민의 이동이나 경제활동과 같은 도시 활동이 활발하게 이루어지는 정도와 도시공간의 물리적 특성에 따른 상업이나 업무와 같은 고차적 도시기능이 집중된 정도를 계량화하기 위해 도시공간 중심성 지수를 개발하였다. 이 지수를 구성하는 변수는 도시공간구조와 중심지에 관한 이론과 선행연구를 검토하여 선정한 것으로 인구 밀도와 총인구수 등의 인구적 특성과 평균 공시지가와 사업체수 등을 포함하는 경제적 특성, 상위 용도지역 비율과 최근 5년간 신축건물 수 등의 도시공간구조적 특성, 간선도로급 이상의 도로율과 역세권 개수 등을 포함하는 교통 특성으로 구성된다.

현황분석을 위해 2011년과 2019년의 도시공간 중심성 지수를 각각 도출하여 각 연도의 중심성 현황과 「2030 서울 플랜」에서 설정한 중심지 체계와의 정합성을 지역별로 파악하였다.

이후, 다중회귀모형을 활용하여 도시공간 중심성 지수의 변화에 영향을 미치는 요인을 분석하였다. 다중회귀분석의 종속변수는 앞서 산출한 각 집계구별 중심성 지수의 변화량이며 독립변수는 집계구별 인구적 특성, 경제적 특성, 도시공간구조적 특성, 교통특성에 해당하는 변수들의 변화량을 활용하였다. 이는 도시공간 중심성 지수에 고려된 변수 중 어떤 측면의 변화가 중심성의 변화와 밀접한 영향 관계가 있는지를 파악하기 위함이며 이에 따른 결론 및 시사점을 제시하였다(<Figure 1> 참조).

Figure 1. 
The flow chart of research

도시공간구조란 도시 내부에서 여러 기능을 가진 지역들이 공간상에 분포하고 있는 위치와 그 상호관계를 아우르는 개념이며 도시공간구조의 형성과정을 살펴보는 것은 도시공간구조의 관리를 위한 본질적 이해를 높일 수 있다(남광우 외, 2009; 이종상 외, 2018).

도시공간구조의 형성과정은 주로 도시 경제학적 관점에서 설명되며, 개별 토지의 이용을 위해 지불해야 하는 지대를 최대로 지불할 수 있는 사용자에게 토지가 배분되어 발생하는 지대경쟁으로 인해 개별 토지의 용도와 건축물 용도가 결정된다는 것을 기본 전제로 한다(김의준 외, 2015).

이러한 지대경쟁을 통해 형성된 도시공간의 구조와 형성과정을 설명하는 이론으로 W. Burgess(1925)가 주장한 동심원 이론과 Harris and Ulman(1945)이 주장한 다핵심이론 등이 대표적이다(대한국토·도시계획학회, 2016).

동심원 이론에 따르면 상업·업무기능이 집중되어 주변 지역에 재화나 서비스를 제공하는 하나의 중심지를 기준으로 동심원의 형태로 퍼져나간 5개의 주거지역이 형성되어 도시공간구조를 형성한다.

이와 달리 Harris and Ulman은 단일 중심지를 가진 도시가 성장함에 따라 하나의 중심지에 중심기능이 집중되는 것이 불가능하기 때문에 중심지의 기능이 서로 다른 규모의 다수의 핵심 공간으로 분리되어 분산된 기능을 수행하며 다핵 구조의 도시 공간을 형성한다는 다핵심이론을 주장하였다. 이러한 이론에 부합하여 실제 도시에서 일어나는 다핵화 현상에 대해 Newman and Kenworthy(1992)는 많은 현대도시에서 중심기능의 공간적 분산과 도시구조의 다핵화는 동시에 발현할 수 있으며 다핵화된 도시공간구조 효율성 측면에서 바람직함을 주장하였다(대한국토·도시계획학회, 2016).

이에 이 연구는 다핵구조를 기반으로 하는 서울시 도시공간 내에서 서로 다른 규모를 갖는 다수의 중심지의 분포양상을 파악하고 그 변화를 분석하였다.

도시공간에서 다양한 기능의 집적으로 인해 형성된 중심지의 형성과정과 특징을 밝히기 위한 중심지 이론은 Christaller(1933)에 의하여 제시되었으며 Lösch(1954) 등에 의해 발전되어 왔다(대한국토·도시계획학회, 2016).

Christaller의 중심지 이론에서 중심지는 중심재와 중심서비스를 생산하고 공급하는 기능을 수행하는 것으로 정의되며 도시화에 따른 상점들의 집적으로 발생한다고 주장하였다. 또한 중심지에서 생산된 중심재와 중심서비스가 도달할 수 있는 재화의 도달거리에 따라 배후지 면적이 일정하게 형성된다고 설명하였으며 해당 중심지에서 공급하는 재화나 서비스의 임계 인구 또는 시장범위에 의해 나뉘는 고차 중심지와 저차 중심지를 통해 중심지 간의 계층구조를 설정하였다. Lösch는 중심지에서 생산되는 기능이나 서비스마다 각기 다른 최소 요구치(threshold size)를 가진다는 점에서 Christaller의 중심지 이론을 보완하였다. Lösch의 중심지 계층구조는 동일 계층의 중심지는 같은 수의 중심재와 서비스를 제공하지만 그 기능이 반드시 동일하지는 않다고 주장하였다.

중심지 이론에서 중심재와 중심서비스란 행정, 상업, 문화, 업무, 보건 등 도시의 중심기능을 의미하는데 이러한 기능의 적정분포를 위해 현대도시에서는 중심기능이 집적되어 있는 공간을 용도지역제를 활용하여 밀도와 높이 측면에서 규제를 통해 관리하고 활성화를 유도하고 있다.

중심지 이론의 검토 결과, 중심지마다 가지는 중심재와 서비스의 종류가 모두 다르므로 서로 다른 특성의 중심성의 크기를 측정하기 위한 방법으로 도시공간 중심성 지수를 개발하여 연구에 활용하였다.

도시의 중심지는 도시기능이나 활동의 중심이 되는 곳으로 일반적으로 도심에 해당하는 지역을 포괄하는 개념이다. 이에 중심지는 개념에 따라 부여된 공간의 위상으로 그 속성과 조건이 명확하지 않아 이를 규명하려는 연구가 다수 진행되었다(<Table 1> 참조).

여러 연구에서 중심지의 속성을 정의하였는데, 服部銈二郞(1977)는 중심지란 다른 지역보다 좋은 접근성을 갖춰 도시 내 3차 산업의 입지 요건이 가장 양호한 곳으로 정의하였으며, 장욱(1994)은 도심이나 부도심과 같은 도시공간구조의 핵은 단일한 기능이 전문화된 지역적 단위가 아닌 다른 지역과 비교했을 때 인구, 일자리, 기업의 중추 업무·관리 기능을 수행하는 사무 공간, 도시민의 경제활동 등 핵심적 도시 활동이 집중되어 있는 단위지역이라고 정의하였다.

이에 이 연구에서 파악하고자 하는 도시공간 중심성은 도시민의 이동이나 경제활동과 같은 도시 활동이 활발하게 이루어지며 도시공간의 물리적 특성에 따른 상업이나 업무와 같은 고차적 도시기능이 집중된 것으로 정의하였다.

또한 중심성을 판단하기 위한 지표를 활용한 연구를 살펴보면 김혜천(2002)은 중심지에 각종 기능이 밀집하고 지가가 높게 형성되어 건축물의 밀도가 높아지기 때문에 토지용도의 집적도와 건축밀도, 고용밀도를 통해 중심성을 판단할 수 있다고 하였다. 김상수 외(2008)는 중심지의 기능을 업무와 상업 서비스 기능으로 분류하여 고용자수나 고용밀도와 연면적 총합, 최고지가를 활용하여 중심지를 식별하였다. 김선웅(1998)은 서울시 건물 과세자료를 이용하여 행정동별 상업업무밀도와 통행밀도를 통해 평균 이상인 지역의 군집을 통해 중심지를 분석하였고, 남광우 외(2009)는 인구 구심력을 중심성으로 보아 도심지역의 인구밀도의 변화를 분석하였다. 노희순 외(2004)는 인천시를 대상으로 행정동별 통행OD자료를 활용하여 통행 유입력과 영향력 상위 20% 지역을 중심지로 설정하였으며 이종상·서덕수(2020)는 전국 통행OD행렬 자료의 직접 흐름과 간접흐름을 모두 활용하여 지역의 중심성을 산출하였다.

기존 연구에서 중심성 파악을 위해 사용한 지표는 도시 기능의 집적을 고려하기 위해 건축물 밀도와 공시지가 등의 물리적 지표와 사업체·고용자의 수나 밀도 등의 고용 측면의 지표, 인구 활동을 반영하기 위한 인구밀도와 통행량 등의 지표로 요약할 수 있으며, 이 연구에서도 중심성을 도출하기위한 지표에 이들을 포함하여 연구에 활용하였다.

대다수의 선행연구들이 도시공간 내에서의 중심성을 인구적 특성이나 통근통행량, 대중교통 접근성과 같은 하나의 측면에 초점을 맞추어 분석하고 있는 것과 달리, 이 연구는 중심성에 영향을 미칠 것으로 판단되는 인구, 경제, 도시공간구조와 교통에 관련된 특성을 종합적으로 고려한 중심성 지수를 개발하여 다면적인 도시 중심성을 파악하였다. 또한, 분석에 사용하는 공간적 단위가 선행연구들에서 일반적으로 활용되는 행정동보다 세분화된 집계구 단위이므로 중심성 파악의 정확성을 높였다. 마지막으로 생활인구, 카드매출액과 같은 공간 빅데이터를 활용한 2019년 도시공간 중심성을 분석하여 실제 활동을 보다 세밀하게 반영하였을 때 중심성 분석의 정확도를 높일 수 있음을 밝혔다.

앞서 이론 및 선행연구 검토를 통해 도시공간 중심성에 영향을 주는 요인을 살펴본 결과, 도시공간의 중심성은 인구, 사회, 경제, 교통과 같은 다양한 측면의 요인들이 복잡하게 상호작용하고 있는 개념임을 확인하였다. 그러나 이러한 요인들의 속성과 자료의 형태가 각각 다르기 때문에, 2011년과 2019년의 서울시 도시공간 중심성과 그 변화를 살펴보기 위해서는 요인들의 종합화 방안이 필요하다고 판단하였다. 이에 이 연구에서는 중심성을 분석하기 위한 요인들을 활용하여 집계구 단위의 도시공간 중심성 지수를 도출하여 현황을 분석하고 2011년부터 2019년의 지수 값 변화에 영향을 주는 요인을 탐색하고자 한다.

중심성 지수의 도출 과정은 4단계로 구성된다. 첫째, 이론과 선행연구 검토를 통해 도시공간 중심성에 영향을 미치는 요인을 선정하여 각 집계구별로 요인 데이터를 구축하였다. 둘째, 각 요인들의 값을 상대적 비교가 가능하도록 Z-Score 값으로 표준화하였다. 셋째, 표준화된 각 요인 값을 0과 1 사이의 값을 갖는 표준화 지수로 변환하였다. 이는 Z-Score 값이 음수(-)부터 양수(+)까지의 범위를 갖기 때문에 이를 조정하기 위함이며 산술식은 수식 (1)과 같다. 마지막으로 계층화(AHP) 분석을 통해 각각의 요인에 가중치를 부여한 후 합산하여 각 연도의 도시공간 중심성 지수를 도출하였다.

이후 도출된 각 연도의 중심성 지수를 활용하여 2011년과 2019년 서울시 도시공간의 중심성을 분석하였으며, 이 값의 변화량을 다중회귀분석의 종속변수로 활용하여 중심성 변화에 영향을 미치는 요인을 분석하였다. 2019년의 도시공간 중심성 현황분석을 위해 도시활동 빅데이터가 포함된 지수와 빅데이터가 포함되지 않은 지수를 모두 산출하였는데, 2011년에는 이러한 빅데이터가 존재하지 않았으므로 다중회귀분석에 활용된 중심성 지수의 변화량은 2개 연도 모두 빅데이터를 제외한 항목으로 구성된 지수의 차를 활용하였다.

(1)

앞서 관련 이론과 선행연구를 검토한 결과, 도시공간의 중심성에 인구적 특성, 경제적 특성, 도시공간구조적 특성, 교통 특성이 종합적으로 작용하고 있음을 확인하였고 이를 포함하기 위한 지표들을 선정하여 도시공간의 중심성 지수를 산출하였다(<Table 2> 참조).

도시에서 일어나는 실제 활동량을 정밀하게 측정하기 위해 서울 생활인구, 신용카드매출액, 지하철 승하차 인원과 같은 빅데이터를 활용하였다. 생활인구 데이터는 서울시와 KT가 통신데이터를 이용하여 서울시 내 특정 지역, 특정 시점에 존재하는 인구를 추계한 것으로 교육, 의료, 쇼핑, 관광 등의 다양한 이유로 유입되는 비상주 인구를 파악할 수 있다(진주혜·성병찬, 2020). 이는 중심지에 밀집한 여러 기능들이 유발하는 인구 활동량을 측정하기에 적합하다고 판단되어 도시공간 중심성 지수 산출에 활용하였으며, 서울 열린 데이터 광장에서 제공하는 2019년 서울시 집계구별 생활인구데이터 163,169,264건을 가공하여 집계구별 하루 평균 생활인구 수로 활용하였다.

신용카드매출액 데이터는 SKT에서 제공하는 현대카드사의 2019년 매출액 자료로 성별, 연령별, 업종별 매출액을 포함하는 30,315,084개의 셀로 구성되어 있다. 이 값을 2019년의 집계구를 기준으로 재분류한 후, 주말과 평일로 나누어 각각 1일 집계구별 총매출액으로 합산하여 각 집계구에서 발생하는 경제적 활동량을 중심성 지수에 포함하였다. 중심성 분석에서 카드매출액 데이터를 활용하면 상업지역에서 발생하는 경제적 활동량뿐만 아니라 서울시 전역에서 발생하고 있는 소비 활동의 규모를 고려할 수 있다는 장점을 가진다.

또한, 지하철역의 이용 규모를 포함하는 교통 측면의 중심성을 고려하기 위해 서울 열린 데이터 광장에서 제공하는 스마트카드 데이터 역별 승하차 인원 자료를 활용하였다.

인구특성 측면에서 거주인구와 인구밀도를 중심성 지수의 지표로 활용하였다. 이는 2019년과 달리 2011년에는 생활인구와 같은 실제 활동을 반영하는 데이터가 존재하지 않으므로 이를 보완하여 당시의 중심지가 가지는 인구 구심력과 그 양을 측정하기 위함이다.

많은 중심성 관련 선행연구에서 지가와 서비스업의 집적이 중심성에 영향을 미침을 밝혔다. 이에 통계지리정보서비스(SGIS)에서 제공하는 전국사업체조사 데이터에서 집계구별 서비스업 사업체 수와 서비스업 종사자 밀도를 산출하고 국가공간정포포털(NSDI)에서 제공하는 개별 공시지가 정보에서 산출한 집계구별 1m²당 평균 공시지가를 경제적 특성 변수로 활용하였다.

도시공간구조 특성에 따른 중심성을 평가하기 위해 집계구별 제3종일반주거지역 이상의 상위용도지역의 비율과 노후도가 양호한 건축물의 수, 최근 5년간 신축된 건물의 수, 비거주용 건축물의 수, 병원이나 문화·체육시설 등의 인구유발시설의 개수를 활용하였다. 첫째, 상위 용도지역 비율이 높으면 건축물의 규모가 크고 고밀하여 중심성이 높고 둘째, 거주목적 외의 다양한 기능들이 집적할수록 인구나 경제적인 활동량이 증가하여 중심성을 강화하며, 노후도가 양호하여 활용가능한 건축물이 많고 신규 건축물의 개발이 많은 것 역시 중심성을 높이므로 이들 지표가 물리적인 도시공간구조의 중심성을 측정하기에 적합하다고 판단하였다.

중심성이 높은 지역이 주로 교통 접근성이 높은 곳에 형성됨에 따라 이를 평가하기 위하여 집계구 내 간선도로급 도로인 대로 3류 이상 도로율과 지하철 역 반경 500m에 해당하는 역세권의 개수를 지표로 활용하였다. 간선도로율을 통해 중심지 기능으로의 차량 접근성을 평가하며 서울시 전체 수송분담률의 40%를 차지하고 있는 지하철역으로의 접근성을 활용하여 중심성 지수를 계산하였다.

서울시의 중심성을 분석하기 위해 도시공간 중심성 지수를 산출하고 그 변화의 원인을 분석하였는데 지수 산출에 가중치를 부여를 위한 AHP 분석을 활용하며, 변화 원인을 규명하기 위해 다중회귀분석을 실시하였다.

2) 다중 회귀분석(multiple regression analysis)

다중회귀분석은 변수 간의 인과 관계를 추정하는 회귀분석의 일종으로 2개 이상의 독립변수를 회귀모형에 포함하여, 이들이 종속변수에 미치는 영향을 분석하기 위한 가장 적합한 모형을 파악하기 위한 통계적 방법이다(박지현·남진, 2017). 이때 다중 회귀모형에 포함된 독립변수 사이에 존재하는 강한 상관관계인 다중공선성(multicollinearity) 문제의 발생 여부와 다중 회귀모형의 설명력인 결정계수(coefficient of determinaton, R²)를 확인해야 하며 다중 회귀모형의 모형식은 수식 (2)와 같다.

(2)

2011년과 2019년의 서울시 도시공간 중심성의 파악을 위해 중심성에 영향을 줄 것으로 판단되는 인구, 경제, 도시공간구조, 교통, 도시 활동 빅데이터 요소의 표준화지수와 계층화 분석을 활용하여 중심성 지수를 산출하였다.

도시공간 중심성 지수의 산정을 위해 집계구별 중심성 요소들의 자료를 각각 Z-Score로 환산한 뒤, 0에서 1까지의 값을 갖는 표준화지수로 변환한 후 해당 연도 각 요소의 표준화지수 값을 합산하였다. 요소 간 중요도를 판별하기 위해 계층화 분석을 활용하는데 이때 활용한 분석자료는 서울시립대학교에서 수행한 연구과제¹⁾에서 수행한 전문가 설문자료를 활용하였다.

이 연구에 활용한 계층화 분석의 구조는 <Figure 2>와 같이 제1계층이 도시의 형태성, 기능성, 접근성 세 가지 요소로 구성되어 있다. 이는 시민과 활동, 토지 및 시설이 도시를 이루고 있으므로 이들의 집중도에 해당하는 개념인 도시의 중심성을 토지 및 시설이 가진 형태성과 기능성, 시민과 활동을 연결하는 접근성으로 분류할 수 있기 때문이다. 제1계층에 해당하는 요소 중 첫째인 형태성은 도시공간의 구성과 형태를 측정하는 개념이고 둘째, 기능성은 도시에서 이루어지는 기능을 측정하기 위한 항목이며 마지막으로 접근성은 도시 내 활동의 목적지로서 공간적 접근성의 정도를 측정하는 개념으로 정의하였다.

Figure 2. 
AHP hierarchy plot

또한, 제2계층은 밀도/규모, 다양성, 잠재력으로 구성되어 있는데 상위 계층과 하위계층이 모두 연결되는 것이 일반적이지만, 이 연구에서 활용한 자료의 AHP 분석을 위한 계층구조는 상위 계층 중 형태성과 기능성이 하위 계층 중 밀도/규모, 다양성과 각각 연결되어 있고 접근성은 하위 계층 중 잠재력과 연결된다.

이 연구에서는 도시공간의 형태성의 밀도나 규모를 측정하기 위해 인구밀도와 인구 수 등의 인구지표와 개별 공시지가 등을 활용하였으며 도시공간의 형태 다양성을 측정하기 위해 최근 5년간 신축건물과 노후도가 양호한 건물의 수를 활용하였다. 도시기능성의 밀도나 규모를 측정하기 위한 변수로는 사업체·종사자 수를 활용하였고 기능의 다양성 측정을 위해 병원, 문화시설, 체육시설과 같은 인구유발시설의 개수를 활용하였다. 마지막으로 접근 잠재력은 교통측면의 변수인 대로 3류 이상 간선도로급 도로율과 지하철역 반경 500m의 역세권 개수를 활용하였다.

<Figure 2>와 같은 구조에 따른 가중치를 산정하기 위해 관련 업무에 종사하는 실무자, 공무원, 교수 및 연구원 등의 전문가 65인에게 설문조사를 진행하였다.²⁾ 설문조사 자료를 활용하여 산출한 가중치는 <Table 3>과 같고 계층화 분석의 신뢰성이라고 할 수 있는 일관성지수(CI) 값이 제1계층에서 0.0170, 제2계층에서 0.0001로 모두 0.1보다 작으므로 이 결과를 신뢰할 수 있다고 판단하였다.

이론과 선행연구 검토를 통해 선정한 중심성 관련 요인을 2가지 계층구조에 따라 분류하고 각 요인에 해당하는 가중치를 부여한 뒤 종합하여 2011년과 2019년의 도시공간 중심성 지수와 빅데이터를 활용한 2019년 중심성 지수를 산출하였으며 그 결과는 각각 <Figure 3>, <Figure 4>, <Figure 5>와 같다.

Figure 3. 
2011 Urban space centrality

Figure 4. 
2019 Urban space centrality

Figure 5. 
2019 Urban space centrality with big data

2011년 서울시 집계구별 중심성 지수의 분포는 <Figure 3>과 같이 나타났으며, 2011년 중심성 분포의 요약을 위한 중심성 상·하위 10% 행정동을 도출한 결과는 각각 <Table 4>, <Table 5>와 같다.

2011년 도시공간 중심성 지수가 높은 상위지역은 주로 을지로동, 명동, 소공동 일대 등의 원도심과 테헤란로에 인접한 역삼 1동, 역삼2동, 대치2동 일대 등의 강남지역과 여의동, 당산1동 일대를 포함하는 여의도 지역과 잠실6동과 가락본동 등의 송파구 일대에 집중되어 나타나며, 지하철 노선을 따라 선형으로 분포하는 경향을 보인다.

2011년 중심성 상위지역이 중구와 강남구, 영등포구와 같이 특정 구에 밀집한 것과 달리, 낮게 나타난 중심성 하위지역은 서울시 전역에 분포되어있음을 확인하였으며, 금천구, 은평구, 도봉구, 중구에 포함되는 일부 지역의 도시공간 중심성이 낮은 것으로 나타났다.

2019년 서울시 집계구별 중심성 지수의 분포는 <Figure 4>과 같은 분포를 보이며, 2019년 중심성 지수의 요약을 위한 상·하위 10% 행정동 표는 각각 <Table 6>, <Table 7>과 같다.

2019년 서울시에서 도시공간 중심성 지수가 높게 나타난 지역은 2011년과 마찬가지로 을지로동, 명동, 소공동 일대 등의 한양도성 도심과 역삼1동, 역삼2동, 대치1동, 대치2동을 등의 테헤란로 인근의 강남구 일부 지역과 여의동, 당산1동 일대를 포함하는 여의도 지역과 잠실6동과 가락본동 등의 송파구 일대에 집중되어 나타난다.

2019년에도 중심성 상위지역은 중구와 강남구, 영등포구와 같이 특정 구에 밀집하여 나타났으며, 중심성 하위지역은 강서구, 관악구, 금천구, 종로구의 일부 지역에 분포하며 특정 지역에 밀집하지 않고 서울시 전역에 분포되어 있음을 확인하였다.

최근 공공 정보의 개방과 활용이 가능해짐에 따라 도시 활동의 최소 주체인 개인들이 만들어내는 빅데이터를 활용하여 도시 현상의 다면·복합성을 설명하고자 하는 시도가 활발하게 이루어지고 있다. 특히 유동인구와 통행 정보, 카드 매출액 데이터와 같은 빅데이터를 분석에 활용하면 활동의 주체인 시민들이 지역 간·지역 내에서 어떻게 이동하며 어떤 활동을 하고 있는지를 정밀하게 파악할 수 있다(남광우 외, 2014). 이에 이 연구는 2019년의 도시공간 중심성 분석에 활동인구와 카드매출액, 지하철 승하차 정보 등의 빅데이터를 추가적으로 활용한 지수를 도출했으며 그 결과는 다음 <Figure 5>와 같다.

이 결과를 앞서 살펴본 2019 중심성 현황도(<Figure 4> 참조)와 비교했을 때, 집계구별 도시공간 중심성 지수가 높은 지역의 지리적 분포는 유사하게 나타났지만 각 지역의 중심성 지수의 크기에는 지역별로 다른 차이가 발생하였다.

도시 활동 빅데이터를 추가적으로 중심성 분석에 활용하였을 때, 주로 주거지역의 중심성이 감소하고 고밀한 업무 상업지역의 중심성이 증가하는 경향을 보였다. 이러한 경향이 나타나는 이유는 지하철역별 이용 규모를 반영하여 지역이 가지는 상이한 교통 기능이 고려되었으며, 각 지역이 가진 기능의 인구와 소비의 유입력이 중심성 지수에 포함되어 여러 기능과 활동이 밀집하고 교통량이 많은 업무·상업 지역의 중심성이 높아졌기 때문이다.

특히, 대형 병원이나 터미널, 대학가가 위치한 지역과 사업체가 밀집한 지역에서 중심성의 증가가 뚜렷하게 나타났다. 이는 이수빈 외(2021)의 연구에서 밝힌 것과 같이 도시 공간 내의 기능이 밀집하여 카드매출액이 높게 나타나는 주요 소비지역의 특성과 일치하며 원유복(2018)의 생활인구 밀집 지역의 분포 위치와 일치하는 결과임을 확인하였다.

2011년과 2019년의 도시공간 중심성 지수와 빅데이터를 활용한 2019 중심성 지수를 활용하여 도출한 중심성 분석 결과를 정리하면 다음과 같다.

도시공간 중심성이 높은 지역은 주로 상업·업무기능이 밀집한 특성을 가지며 지하철 노선을 따라 상위 중심성 지역이 선형으로 분포하는 특징을 보였으며 한양도성, 강남, 영등포·여의도 도심지역에 집중되어 있었다.

도시공간 중심성 지수가 낮은 하위지역은 두 개 연도에서 모두 서울시 전역에 분포하며 주로 주거지역으로 나타났다. 이들은 저층 주거지 비율이 높은 지역이거나 대규모 아파트 단지나 고급 단독주택으로 이루어져 있어 주거 외 기능이 적은 지역임을 확인하였다.

중심성 지수의 지역 분포를 행정동으로 간략하게 살펴보았을 때, 2011년과 2019년이 동일한 수준이 유지된 것으로 판단되나, 실제 분석단위인 집계구 수준에서 살펴보면 지역별로 중심성 지수의 분포와 경향이 달라졌으므로 이에 대한 자세한 분석을 진행할 필요가 있다고 판단하였다.

2011년과 2019년의 도시공간 중심성 지수 변화를 분석하기 위해 두 개 연도의 중심성 지수 구성 항목이 일치하도록 빅데이터가 활용되지 않은 2019년 중심성 지수 값과 2011년 중심성 값의 차이 값을 활용하였다. 이렇게 산출된 도시공간 중심성 변화량의 분포는 다음 <Figure 6>와 같이 나타났으며 이 값을 중심성 변화 영향요인 분석의 종속 변수로 활용하였다.

Figure 6. 
The change in urban spatial centrality

2011년에 비해 도시공간 중심성이 증가한 지역은 7,951개로 전체 집계구의 42.4%에 해당하며, 변화가 없거나 아주 미미한 변화를 보이는 유지 지역은 6,703개로 전체의 35.7%를 차지하였고 중심성이 감소한 지역은 4,092개로 전체의 21.8%로 나타났다.

도시공간 중심성 증가가 크게 일어난 지역은 도심부와 외곽지역에 분포하는 패턴이 나타났으며 증가 원인이 다름을 확인하였다. 3개 도심과 같은 2011년에 이미 중심성이 높았던 지역이나 사업체가 밀집한 도심부 지역에서 중심성이 증가하는 경우는 기존 중심성이 높은 지역이 확대·강화되는 것으로 판단되며, 외곽지역에 분포한 중심성 증가지역은 주로 2011년에는 중심성이 낮았던 지역이 사업체의 대규모 이전이나 지하철 노선의 신규 개통과 같이 새로운 도시 기능이 부여되어 중심성의 변화가 나타난 것으로 판단하였다.

도시공간 중심성 감소지역은 크게 사업체 감소지역 유형과 노후도 심화 지역 유형으로 분류할 수 있다. 사업체 감소 유형의 경우는 주로 2011년과 2019년 모두 중심성이 높은 편에 속하는 을지로동, 장충동, 광희동, 회현동 일대 등 한양도성 도심과 서초2동, 대치4동 등 강남 도심의 일부 지역에 집중되어 있으며, 이들은 사업체의 이전에 따라 사업체 수와 종사자 수가 감소하여 중심성 지수가 감소하였다. 이와 달리 노후도 심화 지역 유형은 서울시 전역의 주거지역에 분포하며 노후·저층 주거지가 높은 비율을 차지하고 있다. 이들은 2011년과 2019년 사이에 정비사업이나 개발사업이 진행되지 않아 노후도가 증가함에 따라 중심성이 감소한 지역임을 확인하였다.

2014년 이후 서울시는 「2030 서울 플랜」에서 설정한 ‘3도심 ·7광역중심·12지역중심·53지구중심’의 중심지 체계에 따라 도시공간을 관리하고 있다. 도시기본계획은 도시의 발전 방향을 제시하며 수립 당시의 현황과 더불어 정책적 의도를 포함하고 있는데, 이러한 계획이 지역별로 실제 중심성 변화에 반영되었는지 파악하기 위해 최근 10년간 발생한 서울시의 도시공간 중심성 변화와 설정된 중심지 체계와의 정합성을 분석하였다.

도시기본계획상 중심지 체계에 해당하는 집계구의 도시공간 중심성 지수를 각각의 중심지별로 합산하여 산출한 중심지 위계별 각 연도 중심성 지수와 변화량에 대한 기초통계량은 <Table 8>과 같다.

도심과 광역중심 위계에 해당하는 중심지들의 경우에는 중심성이 유지되거나 증가하였고 감소한 지역은 없는 것으로 나타났다. 이와 달리 지역중심과 지구중심은 평균적으로 중심성이 증가하였으나 일부 지역에서는 중심지로 설정되어 있음에도 불구하고 중심성이 감소한 것으로 나타났다.

3개 도심은 모두 2011년에서 2019년까지 중심성이 증가하였으며 특히 강남 도심에서 중심성 지수의 변화가 다른 도심지 증가량의 3배 이상으로 크게 변화하였다. 이는 사업체 수와 종사자 밀도의 증가와 신규 지하철역의 신설과 같은 변화가 중심성 증가에 영향을 미친 것으로 판단된다.

광역중심에서도 7개 중심지 모두 중심성이 증가하였고 가산·대림 광역중심에서 가장 큰 폭의 증가와 상암·수색 광역중심에서 가장 작은 폭의 중심성 증가가 나타났다. 상암·수색 광역중심의 중심성 증가량은 광역 중심지의 평균 증가 수준의 약 1/3배가량이며 이 지역에서 가산·대림, 잠실 광역중심과 비교했을 때, 용도지역의 상향이나 사업체 수의 증가가 적게 일어났음을 확인하였다. 또 마곡, 창동·상계, 상암·수색 광역중심의 두 개 연도 중심성 지수는 모두 하위 위계인 지역중심지들의 평균 중심성에도 미치지 못하고 있는 것으로 나타나 이들 지역의 중심성 육성방안이 필요하다고 판단된다.

지역중심에서는 수서·문정, 성수, 신촌, 봉천 지역중심에서 중심성이 증가하였으며 이들은 모두 10년간 지역 내에서 용도지역의 상향과 거주 외 목적의 건축물이 증가하였으며 이에 따라 사업체와 종사자의 수도 증가하였다. 반면 목동과 미아와 같은 2개 지역 중심에서는 중심성이 감소하는 것으로 나타났다. 이들 지역을 확인한 결과, 두 개 연도 사이에 인구의 집중을 유발하는 대형 종합병원이나 문화·체육시설이 감소하였으며, 다른 지역중심지에 비해 용도지역의 상향 등 변화가 나타나지 않았다.

53개 지구중심지의 중심지 변화를 분석한 결과, 가락 오금 신사 강서 방학 지구중심지 등의 17개 지구중심지에서 중심성이 감소한 것으로 나타났다. 이들 지역은 노후 건축물 수의 증가로 인한 중심성의 감소가 가장 크게 나타났고, 인구유발시설의 감소와 지역 내 평균 연령의 증가 현상이 뚜렷하게 나타났다.

도시공간의 중심성 지수 변화에 영향을 미치는 변화 요인과 그 영향력을 파악하기 위하여 다중회귀분석을 수행하였으며, 그 결과는 <Table 9>와 같다. 모형의 설명력인 결정계수 R² 값이 0.836으로 나타났으며 다중공선성을 진단하는 VIF 값이 모든 변수에서 10 미만으로 나타나 다중회귀모형이 적합한 것으로 판단된다.

도시공간의 중심성 지수의 변화에는 인구수와 밀도의 변화, 평균 연령의 변화와 같은 인구적 특성의 변화와 공시지가의 변화, 서비스업 사업체 수와 종사자 밀도와 같은 지역의 경제 여건의 변화가 영향을 미쳤다. 이와 함께 도시공간구조적 특성 중에서는 제3종일반주거지역 이상 용도지역 면적비율의 변화, 최근 5년간 신축건축물 수의 변화, 비주거용 건물 밀도의 변화, 병원이나 문화·체육시설 등의 집객 시설의 변화가 유의한 영향을 미쳤으며, 교통 특성 중에서는 대로 3류 이상 간선도로급 도로율과 반경 500m 역세권 개수의 변화가 중심성의 변화에 영향을 주는 것으로 나타났다.

이러한 변수들이 도시공간 중심성 변화에 미치는 영향 정도를 비교하기 위해 표준화계수(β) 값을 살펴보면, 제3종일반주거지역 이상의 상위 용도지역 비율과 대로 3류 이상의 도로율, 서비스업 사업체 수가 중심성 증가에 큰 영향을 주는 것으로 나타났으며 이는 앞서 살펴본 중심성이 크게 증가한 중심지들의 특성과 일치하는 결과이다. 다른 요인과 달리 평균 연령은 중심성 지수의 변화에 부(-)의 영향을 주는데 이는 평균 연령이 낮은 지역일수록 도시 활동이 상대적으로 활발하게 일어나기 때문인 것으로 판단된다.