Journal Archive

2014년 서울시는 향후 2030년까지 서울의 변화와 발전의 목표 및 방향을 제시하는 도시기본계획인 ‘2030 서울플랜’을 발표하였다. 서울플랜은 장래 서울의 공간발전을 위하여 지역 및 위계별로 적절한 특화와 기능 분담을 갖는 체계적 네트워크로 연계되는 다핵공간구조를 설정하였다. 국제경쟁력 강화를 위한 3개 도심, 수도권과 연계강화 및 특화발전을 위한 7개 광역중심, 균형발전과 생활권의 상업·업무 등 고용기반을 조성하기 위한 12개 지역중심을 설정하였다. 최근 도시관리계획과 도심부관리계획 등도 재정비하면서 실질적이고 구체적인 서울의 중심지 육성과 관리에 대한 요구가 높아지고 있다. 그러나 서울의 주요 중심지가 어디에 어떻게 형성되어 왔는지, 특히 중심지 형성에 중요한 역할을 하는 오피스 개발이 어디서 어떻게 변화하였는지에 대한 연구는 부족한 것이 현실이다.

오피스 또는 업무용 건물의 밀집은 경제활동의 중심지를 형성하고 도시공간구조의 핵을 창출하는데 매우 중요한 역할을 담당한다. 서울에 입지한 대형 오피스 밀집지역은 서울시 중심지 위계 및 입지와 밀접한 관계가 있다. 따라서 업무활동의 중추적 역할을 담당하고 있는 서울의 주요 중심지와 최근 서울시가 제시한 중심지의 위계 및 입지를 비교 분석할 필요가 있다. 오피스의 경제적·계획적 중요성에도 불구하고 오피스 관련 조사 및 분석은 민간업체가 주도하고 있어 공공부문의 신뢰성 있는 자료구축과 지속적인 분석도 미흡한 실정이다.

이 연구는 서울에 공급된 오피스 건물 중 중심지 형성과 밀접하게 연관된 대형 오피스 건물의 최근 10년 간 공급 현황, 입지 특성, 공간적 군집패턴 변화를 공간구조와 공간통계학적 관점에서 분석하는 것을 목적으로 한다. 2003년부터 2012년까지 지리정보체계(GIS) 기반의 개별 오피스 건물의 입지 데이터베이스를 구축하고 입지 특성과 군집패턴의 변화를 서울의 중심지 체계와 비교하여 분석하였다. 이를 토대로 서울의 중심지 육성과 관리를 위한 시사점을 제시하고자 한다.

이 연구는 오피스 건물의 연면적 등 자료의 구득이 용이한 2003년부터 2012년까지를 시간적 범위로 한정하였다. 공간적 범위는 서울시이며, 공간자료의 구축은 필지, 분석은 2012년 통계청 집계구를 기초 단위로 하였다. 현황 분석을 위해 연도별 재산세과세자료(건물분)를 활용하여 대형 오피스 건물을 추출하여 처리하고 지리정보체계(GIS)를 활용하여 이를 필지단위 공간 데이터로 변환하였다. 공간적 군집패턴의 변화를 파악하기 위해 필지단위 공간데이터를 집계구 단위로 취합하였다. 건축법과 서울시 건축조례에 의하면, 자치구의 심의대상 건물의 연면적 기준은 3,000㎡ 이상이다. 민간 부동산업체의 정기적인 조사·분석도 대부분 연면적 3,000㎡ 이상 오피스 건물을 대상으로 한다. 이를 고려하여 이 연구는 대형 오피스 건물을 ‘업무용으로 이용되는 연면적 3,000㎡ 이상 건물’로 정의하였다.

서울시 대형 오피스 건물의 공간적 군집패턴을 분석하기 위해서 GIS를 이용한 공간패턴 분석방법을 활용하였다. 공간통계 분석방법 중 전역적(global) 및 국지적(local) 군집패턴 분석방법을 이용하여 오피스 핫스팟을 추출하기 위해 Getis-Ord General G와 Getis-Ord Gi^*를 활용하였다.

연구의 주요 내용은 첫째, 공간 분석 및 공간적 군집패턴 분석 이론과 오피스 관련 선행연구를 검토하였다. 둘째, 10년간 서울시 건축물 총 연면적 및 오피스 등의 공급량, 공급 비중 등의 변화를 분석하였다. 셋째, 서울시 대형 오피스의 시기별 공간적 군집패턴을 서울의 주요 중심지 체계와 비교 분석하였다. 마지막으로 중심지의 계획적 육성 및 관리를 위한 정책적 시사점을 제시하였다.

공간적 패턴(spatial pattern) 분석은 특정한 현상이 공간에 집중 또는 분산되어 있는 정도를 확인하는 것이다. 공간 데이터의 특징은 공간적 자기상관성(spatial autocorrelation)이 있다는 점이다. “모든 것은 다른 모든 것과 관련이 있지만, 서로 가까이 있는 것들이 멀리 있는 것들보다 더 높은 관련성을 보인다”(Tobler, 1970)는 지리학의 제1법칙이 이론적 토대를 이룬다. 특정 데이터의 입지에 어떤 체계적 패턴이 존재하면 이는 공간적으로 자기상관이 존재함을 의미한다(이희연·노승철, 2013).

공간 현상의 입지나 분포패턴을 분석하는 방법은 전역적 군집패턴(global clustering pattern)과 국지적 군집패턴(local clustering pattern) 분석으로 구분할 수 있다. 전역적 군집패턴 분석은 Getis-Ord General G 또는 Moran’s I 통계량을 이용하여 데이터의 공간적 군집경향을 통계적으로 분석한다. 국지적 군집패턴은 Getis-Ord Gi^* 또는 LISA(Local Indicator of Spatial Association) 통계량을 이용하여 특정 장소의 공간적 군집경향과 변화를 분석한다. 핫스팟 분석은 주로 Getis-Ord General G(General G)와 Getis-Ord Gi^*(Gi^*)를 이용한다.

General G는 공간적 자기상관성을 하나의 값으로 나타내는 글로벌 지수(global index)이다. Z검정을 통해 속성 데이터가 군집되어 있지 않다는 귀무가설을 검정한다. <식 1>과 같이 대상지역내 분석의 공간단위(i 또는 j) 간 인접성을 나타내는 공간가중행렬(w_i,j)과 인접하는 공간단위 간 속성 데이터(x_i 또는 x_j)의 유사성을 측정한다. 공간적 자기상관은 대상지역내 분석 공간단위가 갖는 속성 데이터의 동시성에 기인한다(이희연·노승철, 2013).

i, j : 분석의 공간단위(unit of analysis)
xi, xj : I, j 지역의 속성 데이터(attribute data)
wi,j : i 와 j 지역 간 공간 가중치(spatial weight)
n : 분석 공간단위 수(no. of unit of analysis)

Gi^*는 <식 2>과 같이 전체 대상지 내 공간단위의 Z값을 계산하여 통계적으로 유의미하게 높은 값과 낮은 값이 얼마나 집중되어 있는지를 의미한다. Z값이 높고 p-value가 유의수준 이하이면 귀무가설을 기각하며, Z값이 양(+)의 값이면 높은 속성 데이터끼리 공간적으로 군집되어 있다고 판단한다. Z값이 음(-)이면 낮은 속성 데이터끼리 공간적으로 군집되어 있다고 판단한다. 이 방법은 특정 속성데이터가 대상지역내에서 핫스팟(hotspot) 또는 콜드스팟(coldspot)을 형성하는지 통계적으로 판단할 수 있으며, 분석의 공간단위로 도면화할 수 있는 장점이 있다(Getis & Ord, 1992; Ord & Getis, 1995; 이희연·노승철, 2013).

i, j : 분석의 공간단위(unit of analysis)
xi, xj : I, j 지역의 속성 데이터(attribute data)
wi,j : i 와 j 지역 간 공간 가중치(spatial weight)
n : 분석 공간단위 수(no. of unit of analysis)

국지적 군집패턴을 분석하기 위한 분석 공간단위의 거리(distance band)는 한 공간단위를 중심으로 적어도 하나 이상의 이웃을 포함하도록 결정되어야 한다. 이론적으로 대상지역내에서 가장 높은 공간적 자기상관성을 나타내는 거리가 이를 결정하는 기준이 될 수 있다. <그림 1>과 같이 거리 단위를 증가시키면서 G^* 값이 극대화되는 여러 거리 단위 중 분석에 가장 효과적인 거리를 선택하는 방법이다.

Figure 1. 
Changing Spatial Autocorrelation by Distance

서울의 총 건축물 연면적¹⁾은 2000년 315.6㎢에서 2012년 502.4㎢에 이르러 12년 동안 약 59% 증가하였다. 2000년부터 2008년까지 건축물 연면적의 연평균 증가율은 약 4.6%였으나, 2008년 이후 감소하여 연평균 증가율은 약 2.6%로 나타났다.

Figure 2. 
Total Floor Area of Buildings in Seoul (2000~2012)

<그림 3>와 같이 비주거 용도 건물 비중은 2012년 서울시 총 공급면적 대비 41%를 차지하고 있으며, 2000년 중반 이후 공급량이 크게 증가한 것을 확인할 수 있다. 주거용도 건축물은 2000년 201㎢에서 2012년 299㎢로 49% 증가한 반면, 비주거 용도 건축물은 같은 기간 115㎢에서 204㎢로 77% 증가한 것으로 나타났다. 비주거용도는 주거용도에 비해 높은 증가속도를 보이고 있음을 확인하였다.

Figure 3. 
Total Floor Area and the Percentage of Non-residential Buildings

서울시 오피스 연면적은 2000년 35.4㎢에서 2012년 50.5㎢로 연평균 약 3.0%씩 증가하였다. 같은 기간 서울시 건축물 총 연면적 대비 오피스 연면적의 비중은 2000년 11.2%에서 2012년 10.0%로 나타나 점차 감소하는 경향을 보였다. 서울시 건축물 연면적의 연평균 증가율에 비해 오피스 연면적의 증가율이 다소 낮은데 기인한다.

Figure 4. 
Total Floor Area of Office Buildings by Year

대형 오피스 또는 업무시설의 밀집지역은 고용의 중심지로서 도시공간의 기능적 위계 형성에 중요한 역할을 한다. 지난 10년 간 서울의 오피스 건물 중 대형 오피스가 차지하는 비중은 2003년 58%에서 2012년 63%로 증가한 것으로 나타나 건물의 대형화 추세를 확인할 수 있다(<표 2> 참고).

공간적으로는 일부 지역에 고밀도로 개발되어 집중하는 경향을 보인다. 전체 오피스 연면적이 연평균 3% 증가한데 비해 대형 오피스 연면적은 2003년 22.4㎢에서 2012년 31.8㎢로 증가하였다. <그림 5>와 같이 서울시 전체 대형 오피스 연면적의 대부분이 한양도성, 강남, 영등포․여의도 3도심에 고밀 집중되어 입지하는 것으로 나타났다.

서울의 10년 간 연평균 대형 오피스 연면적의 성장률보다 높은 자치구는 도봉구, 노원구, 성동구, 마포구, 구로구 등으로 연평균 9% 이상의 성장률을 나타냈다(<표 3> 참고). 2003년 연면적 5만㎡ 이상 입지하고 10년 간 3배 이상 증가하는 높은 성장률을 보이는 지역은 영등포·목동, 남부터미널·교대, 가산디지털밸리에 있는 행정동으로 분석되었다.²⁾

Figure 5. 
Spatial Distribution of Major Office Buildings in Seoul (2012)

서울에 입지하는 대형 오피스 건물의 공간적 군집패턴은 전역적 차원과 국지적 차원으로 구분하여 분석하였다. 전역적 군집패턴은 Getis-Ord General G 통계량을 이용하였다. General G는 Z 검정을 이용하여 서울시 전역에 걸쳐 오피스의 공간적 군집경향이 있는지 통계적으로 검정하였다. 국지적 군집패턴 분석은 Getis-Ord Gi^*를 이용하였다. Gi^*는 분석대상을 중심으로 일정한 범위 내 인접지역들과의 개별적 군집경향을 검정하는 방법이다. 따라서 적정한 거리기준과 핫스팟을 결정하기 위한 통계적 신뢰수준의 설정이 선행되어야 할 필요가 있다.

Gi^*를 이용한 분석은 Z 값과 유의수준(p-value) 통계량을 결과 값으로 제공한다. 따라서 유의수준을 기준으로 하여 핫스팟을 결정하기 위한 통계적 신뢰수준을 정해야 한다. 대형 오피스건물은 일정한 장소에 입지하는 경향이 매우 높기 때문에 신뢰수준은 90% 이상으로 폭넓게 설정하였다. 국지적 공간 군집패턴 분석은 서울시의 어느 장소가 오피스 핫스팟 지역인지에 대한 통계 정보를 제공한다.

공간적 군집패턴을 분석하기에 앞서, 적정 거리기준을 결정하기 위해서 공간 가중행렬을 계산하고 최대 공간적 자기상관 값을 반영하는 거리의 설정을 위한 시뮬레이션을 수행하였다. 집계구를 기준으로 200미터 거리기준을 시작으로 거리를 50미터씩 증가시키면서 Z 통계량이 극대화되는 거리를 찾는 방법이다. 2003년과 2012년의 분석 결과는 각각 <그림 6>, <그림 7>과 같다. 2003년에는 550미터와 700미터에서, 그리고 2012년에는 550미터에서 공간적 자기상관 값이 극대화되는 것으로 나타났다. 그러나 2012년 결과를 보면, 700미터 지점에서도 공간적 자기상관이 극대화되는 것을 알 수 있다. 보다 많은 인접지역과의 군집패턴을 분석하기 위해서 이 연구는 적정 거리를 700미터로 설정하였다. 적정 거리를 결정하고 이를 이용하여 공간 가중치 매트릭스를 계산하기 위해 ArcGIS 10.3이 제공하는 ‘Generate Spatial Weights Matrix’ 도구를 이용하였다.

Figure 6. 
The Simulation Result of Optimal Distance(2003)

Figure 7. 
The Simulation Result of Optimal Distance (2012)

2003년부터 2012년 사이 서울에 입지한 대형 오피스 건물의 공간적 군집패턴을 비교하기 위해 Getis-Ord General G 통계량을 검정하였다. <표 4>에 제시된 결과를 보면, 서울에 개발된 대형 오피스 건물은 2003년과 2012년 모두 공간적 군집경향이 나타나고 있음을 알 수 있다. 2003년 대형 오피스 건물의 General G 값의 Z-score는 1654.792이고 p-value는 0.01 미만으로 나타났다. 2012년 General G 값의 Z-score와 p-value도 각각 167.675, 0.01 미만으로 나타나 서울시 전역에 걸쳐 대형 오피스 건물의 군집경향이 없다는 귀무가설이 기각된다. 따라서 서울에 입지한 대형 오피스 건물은 전역적으로 유의미한 공간적 군집경향을 보이고 있다.

2003년과 2012년 서울에 입지한 대형 오피스 건물의 전역적 군집경향이 있다는 것은 서울시내 어느 장소가 높거나 낮은 공간적 군집패턴을 보이는지에 대한 정보는 제공하지 않는다. 이는 국지적 군집패턴을 분석하여 대형 오피스의 핫스팟 또는 콜드스팟 지역을 규명함으로써 알 수 있다.

Gi^*를 이용한 국지적 군집패턴 분석 결과는 <그림 9>, <그림 10>과 같다. 적정 거리기준으로 설정된 700미터와 90% 신뢰수준에서 서울에 대형 오피스의 콜드스팟은 나타나지 않는데 비해 많은 오피스 핫스팟 지역이 나타나고 있음을 알 수 있다.

2003년에는 한양도성, 강남, 영등포·여의도 3도심에 넓은 오피스 핫스팟이 분포하고 있다(<그림 9> 참고). 3도심 이외에도 용산과 잠실 등 광역중심에 작지만 유의미한 핫스팟이 형성되어 있다. 그러나 상암·수색, 마곡 등 신규 개발지역뿐만 아니라 청량리·왕십리, 창동·상계, 가산·대림 등 시가지내 중심지에서도 오피스 핫스팟은 형성되지 않았다. 지역중심 중에는 마포·공덕, 목동, 봉천지역에서 핫스팟 지역이 좁은 공간범위에서 나타나고 있다.

3도심을 중심으로 한 오피스 핫스팟 지역은 2012년에도 전반적으로 유지되고 있다. 2003년과 비교하여 한양도성의 핫스팟은 기존 군집을 유지·강화하는 경향을 보이는 반면, 영등포·여의도와 강남의 핫스팟은 다소 변화가 나타났다. 강남 핫스팟은 서남쪽으로, 영등포·여의도지역은 여의도 전체로 확장하는 경향이 나타났다. 종로구, 중구에 분포하는 한양도성은 기존 건물의 리모델링과 도시환경정비사업을 통한 오피스 공급이 증가한 것으로 판단된다. 영등포·여의도와 강남 핫스팟은 정비사업보다는 기존 도심의 입지적 비교우위를 얻기 위해 주변 지역에 활발한 신규 개발을 통해 지역 간 연계와 공간적 군집의 확산이 나타난 것으로 판단된다.

광역중심인 용산, 잠실 등의 핫스팟 범위는 2003년보다 확대되었고 상암·수색이 개발되어 새로운 오피스 핫스팟 지역으로 나타났다. 그러나 2012년 당시 개발이 진행 중인 마곡과 기존 중심지인 청량리·왕십리, 창동·상계, 가산·대림에서는 여전히 핫스팟이 나타나지 않고 있다. 지역중심 중 마포·공덕, 목동지역의 핫스팟 범위는 주변의 3도심과 공간적으로 인접하여 2003년보다 크게 확대되었다. 이 지역은 일부 광역중심보다 큰 오피스의 공간적 군집경향을 보이고 있다.

Figure 8. 
The Urban Center System of Seoul

Figure 9. 
The Result of Local Clustering Pattern Analysis (2003)

Figure 10. 
The Result of Local Clustering Pattern Analysis (2012)

서울시 중심지 체계를 고려하여 분석 결과를 종합하면, 3도심의 중심지 위상은 유지 및 확장되고 있다. 그러나 동북생활권의 청량리‧왕십리, 창동‧상계지역은 계획된 중심지의 위상에 비해 중심업무기능을 적절히 수행하지 못하고 있음을 알 수 있다. 이 지역을 특화된 중심지로 육성하기 위해서는 지역 특성을 고려하여 중심지의 위상과 기능을 부여하고 전략적 개발 및 정비계획을 수립하여 추진할 필요가 있다.

한편 상암‧수색 광역중심은 신규 핫스팟 지역으로 성장하여 중심지 육성 및 균형발전이라는 광역중심 기능에 부합하는 것으로 나타났다. 마포‧공덕, 목동 등 일부 지역중심은 광역중심보다 큰 규모의 핫스팟을 형성하고 있다.