주거환경만족도와 생활불편 민원의 연관성 분석 : 서울스마트 불편신고 서비스 자료를 중심으로

1. 연구의 배경 및 목적

한국사회는 급속한 산업화와 민주화를 동시에 달성했음에도 삶에 대한 만족도나 행복수준은 높지 않고 다양한 사회문제에 직면해 있다(통계청, 2018). 산업화와 도시화로 인한 도시문제는 주민들의 생활환경 만족도에 영향을 주고 있다(김찬호 외, 2007). 특히, 근린생활공간에서 증가하는 도시문제들은 주거환경을 악화시킬 뿐만 아니라 기존 주거지를 떠나는 요인으로 작용할 수 있다(Cao and Wang, 2016; Milić and Zhou, 2018; Barreira et al., 2019). 특히, 생활불편을 초래하는 도시문제로는 환경오염, 소음, 쓰레기 투기, 주차부족 문제, 불법주정차 등이 있다. 따라서, 도시민의 삶의 질과 행복수준을 높이기 위해서 도시문제의 해결이 필요하다.

주거환경만족도에 관해서 다양한 연구가 진행되었으며, 주거환경만족도에 영향을 미치는 요인을 제시하고 있다. 구체적으로, 선행연구에서 밝혀진 요인들은 크게 개인·가구의 경제적인 능력(Kellekci and Berköz, 2006; 김찬호 외, 2007; Riazi and Emami, 2018), 범죄 및 교통사고로부터의 안전성(김윤옥 외, 2016; 안용진, 2016; Azimi and Esmaeilzadeh, 2017), 주거지 인근환경의 쾌적성(신은진·남진, 2012; Fernández-Portero et al., 2017; Wang and Wang, 2020), 그리고 주요시설에 대한 접근성(성현곤, 2012; Mouratidis, 2018; Gan et al., 2019) 등이 있다.

하지만, 보행로가 정비되어 있어도 관리가 제대로 되지 않으면 주거환경만족도에 부정적인 영향을 미칠 수 있고 개인의 주관적인 경험이나 경제적인 능력에 따라 주거환경에 대한 평가는 다를 수 있다(Wu et al., 2019b). 따라서 도시민들이 실질적으로 생활하고 있는 근린환경에서 느끼는 불편사항인 쓰레기 문제, 불법주정차, 보행안전과 관련 있는 도로·보도 문제, 건강과 밀접한 환경오염 및 소음 문제 등 생활민원에 대한 분석과 적극적인 활용이 필요하다. 나아가 기존 연구에서 주장하는 주거환경만족도를 개선할 수 있는 요인을 정책적으로 제고하는 것도 중요하지만 주거환경만족도를 저해하는 요인을 제어하는 것이 더 효율적일 수 있다.

한편, 최근 도시문제를 해결하기 위해 공공데이터의 활용이 증가하고 있다. 특히, 시민들의 생활불편 신고 민원에 대한 분석을 통해 도시문제 해결방안을 강구하고 있다(Zheng et al., 2014; Kontokosta et al., 2017). 국내에도 서울시의 경우 생활불편 요인을 신고할 수 있는 시스템인 “서울스마트 불편신고 서비스”를 제공하고 이를 바탕으로 근린환경을 저해하는 도시문제들을 파악하고 해결하고자 하는 노력을 하고 있다. 이런 생활불편 민원은 악취, 소음, 불법주정차, 쓰레기 무단 투기 등 다양한 도시의 근린환경을 평가할 수 있다는 점에서 중요한 의미가 있다.

이러한 배경에서 본 연구는 생활불편 민원과 서울 시민의 주거환경만족도가 어떤 연관성을 가졌는지 분석한다. 구체적으로, 어떤 종류의 생활불편 민원신고가 주거환경만족도와 밀접한 관련성을 가지고 있는지 살펴본다. 이를 위해 2013년 서울 서베이 설문조사에 포함된 주거환경만족도 자료와 서울시 생활불편 신고 서비스의 생활불편 민원을 연계하여 분석에 활용하였다. 분석 결과는 서울 시민의 주거환경만족도를 향상하기 위해 우선적으로 고려해야 할 생활불편 민원의 유형과 해결방안을 도출하는 데 유용하게 활용될 수 있다.

1. 주거환경만족도 개념

주거환경만족도에 대한 연구는 그동안 꾸준히 진행되어 왔다(Amérigo and Aragones, 1997; 김한수 외, 1998; Howley et al., 2009). 일반적으로 주거환경만족도에 대한 개념은 거주자 개인이 느끼는 거주지의 주관적인 요소와 거주지 주변의 근린환경에서 얻는 복합적인 만족감으로 정의할 수 있다(이춘호, 2001; 신은진·남진, 2012; 김부성·정재호, 2015). 하지만 주거환경만족도의 범위를 확장할 경우, 단순히 거주자 개인이 느끼는 만족감뿐만 아니라 도시의 지속가능성과 거주 적합성 여부를 판단하는 지표로 볼 수 있다(안용진, 2016; Chen et al., 2019).

그리고 주거환경만족도는 주택이 제공하는 효용과 주변 환경에 대한 만족도에 따라 주거지를 선택하는 데 중요한 요소로 작용한다(권기현 외, 2013; 김부성·정재호, 2015; Cao and Wang, 2016; Milić and Zhou, 2018; Barreira et al., 2019). 또한, 근린환경에 대한 애착심이 높을수록 주거환경에 대한 만족도가 높을 수 있고, 주민참여와 주거지 이동에도 영향을 미칠 수 있다(이경영 외, 2018; Widya et al., 2019).

주거환경만족도는 일반적으로 생각하는 주택에 대한 만족도뿐만 아니라 주변 근린환경이 제공하는 복합적인 요소에 대한 만족감으로 볼 수 있다. 따라서 거주민들은 거주지의 주거환경만족도가 악화되면 다른 지역으로 이주를 고려하기 때문에 도시 근린의 지속가능성과 거주 적합성을 판단하는 데 중요한 지표로 볼 수 있다.

2. 주거환경만족도에 영향을 미치는 요인

선행연구에서 주거환경만족도는 거주자의 주관적인 기대치와 조사방법에 따라 복잡한 요인들이 영향을 미치고 있다. 이를 일반적으로 측정할 수 있는 개인·가구의 특성, 설문응답으로 측정한 주거환경에 대한 주관적인 요인, 그리고 연구자가 설정한 객관적인 주거환경 요인 등 조사방법에 따라 세 가지로 나눌 수 있다.

첫째, 개인·가구의 요인을 확인한 연구에서는 개인의 성별 변수의 경우 여성이 남성보다 주거환경만족도가 높게 나타났다(이춘호, 2001; Xiaoyu et al., 2007). 나이 변수와 관련하여 나이가 많을수록 주거환경에 대한 만족도가 높다고 보고한 연구(안용진, 2016)도 있지만, 반대로 나이가 적을수록 주거환경만족도가 높게 나오는 경우(Hu, 2013; Chen et al., 2019; Gan et al., 2019)도 있다. 입주 형태를 보면 공통으로 자가에서 주거환경만족도가 높았고(Milić and Zhou, 2018; Abass and Tucker, 2018; 이동성 외, 2019; Wu et al., 2019a), 고소득자일수록 주거환경만족도가 높게 나타났다(Tan, 2012; Cao and Wang, 2016; Chen et al., 2019). 중국을 대상으로 한 Hu(2013)의 연구에서는 도시 외곽일수록 주요 기반시설에 대한 접근성이 좋지 않기 때문에 주거환경만족도가 낮고 주택가격도 낮은 것으로 나타났다.

둘째, 거주자가 느끼는 근린환경과 주거환경만족도의 관계를 설문조사를 통해 연구한 경우 근린환경 부분을 크게 안전성, 쾌적성, 접근성으로 구분하여 접근하고 있다. 우선 주거환경 안전성의 경우, 교통사고 및 범죄로부터의 안전한 주거환경이 중요한 요소이다(Kellekci and Berköz, 2006; 김윤옥 외, 2016; Azimi and Esmaeilzadeh, 2017). 주거환경 쾌적성의 경우, 주거지 주변에 소음 문제(김상섭 외, 2015; Mouratidis, 2018)나 쓰레기 처리 문제(Howley et al., 2009) 등이 주거환경만족도에 영향을 미칠 수 있다. 주거환경 접근성의 경우 녹지까지의 거리(권기현 외, 2013; Milić and Zhou, 2018), 대중교통 시설까지 거리(성현곤, 2012; Wang and Wang, 2016) 등 특정 서비스 시설과의 접근성이 주거환경만족도에 영향을 미칠 수 있다.

셋째, 설문에 의존하는 방법에서 나아가 객관적인 지표의 측정이나 빅데이터를 통해 주거환경만족도를 평가한 연구도 있다. 신은진·남진(2012)의 연구는 지하철역 접근성, 경찰서 접근성, 인구밀도, 가로등 설치밀도, 녹지율, 공원·녹지, 공공시설 등으로의 접근성을 변수로 활용하였다. 또한, 박재희·강영옥(2014)의 연구에서는 트위터 자료를 통해 트위터 공간정보와 게시글에서 주거환경과 관련된 키워드를 추출하여 주거환경만족도와의 관계를 살펴보았다. 분석 결과 ‘밤길 무서움’, ‘교통사고’, ‘재해’ 등의 단어가 많을수록 주거환경만족도가 낮게 나타났다. 다른 한편으로, Abass and Tucker(2018)의 연구에서는 위성사진을 활용하여 가로수와 녹지율을 산출하였으며 도보권으로 800m 이내에 오픈스페이스가 있으면 주거환경만족도가 높은 것으로 나타났다. 이러한 결과는 개인·가구 요인을 고려하고 거주지 주변의 환경적인 요인 그리고 사용자들이 느끼는 지표를 통해 근린환경에 대한 만족도를 파악해 계획적으로 설계한다면 주거환경만족도를 높일 수 있음을 시사한다.

3. 주거환경만족도와 생활민원 연구

주거환경에 대한 불만족은 생활민원과 밀접한 연관성을 가질 수 있다(Howley et al., 2009; 김상섭 외, 2015). 그동안 생활민원 자료는 통합된 창구로 일원화되어 있지 않고 체계적으로 관리되지 않아 주거환경만족도 연구에 활용하기 어려웠다. 하지만, 최근 서울시의 경우 생활민원창구를 일원화하고 스마트폰 애플리케이션으로 실시간 생활불편 신고가 가능해졌다. 이를 통해 생활민원과 주거환경만족도의 관계를 활용한 연구가 가능하고 나아가 빅데이터 텍스트마이닝 기술의 발전으로 생활민원 자료의 내용에 대한 분석이 가능해졌다.

우선, 국외의 선행연구를 살펴보면 Zheng et al.(2014)의 연구는 생활민원인 불편신고 데이터와 소셜미디어 데이터, 그리고 도로망 데이터를 사용하여 미국 뉴욕시의 소음 문제를 분석하였다. 소셜미디어와 관심지점(Point of Interests, POI)에 대한 분석을 통해 소음의 정도와 유형을 지도에 시각화하였다. 생활민원 자료를 활용한 다른 연구인 Kontokosta et al.(2017)는 미국의 911 신고 자료를 활용해 건물의 온수와 관련된 불편신고와 거주자의 특징을 살펴보았다. 분석 결과, 인구 및 사회경제적 지위, 가구, 언어 친화적 특성에 따라 신고 건수에 차이가 있음을 밝혀내었다.

국내의 경우, 텍스트마이닝 분석기술을 활용해 비정형 자료로 된 생활불편 민원신고를 분석한 연구가 주를 이룬다. 예를 들어, 최해옥(2016)과 김현종 외(2018)의 연구는 빈도분석과 Term Frequency-Inverse Document Frequency(TF-IDF) 분석을 통해 민원내용의 핵심주제어를 분석한 후, 시민들이 실제로 느끼는 불편과 요구사항을 도출해 정책적 시사점을 제시하였다. 생활민원 자료의 내용분류에서 나아가 원태홍·유환희(2016)의 연구는 전주시를 대상으로 민원별 발생지점 위치를 취득하고, 민원 발생의 공간적인 연관성을 분석하였다. 분석 결과, 구체적으로 민원은 주로 시내에 집중되어 있었고, 주차민원은 주차장이 부족한 상업지역과 공업·주거 혼재 지역에서 많이 나타났다. 불법쓰레기투기 민원 또한 상업 그리고 공업·주거 혼재 지역에서 일어났다. 특히, 불법쓰레기투기는 대학가의 원룸 밀집지역에서 집중적으로 나타났다고 밝혔다.

서울스마트 불편신고 서비스 데이터를 활용한 김동은·강영옥(2019)의 연구는 불법주정차 발생의 시간적 공간적 정보를 활용하여 불법주정차 예측모델을 제시하였다. 구체적으로 토지이용 유형과 도로 유형을 구분하여 모형을 구축하였고 불법주정차 신고 건수를 통해 시계열적 정형화된 패턴을 도출하였다. 따라서, 서울스마트 불편신고 데이터를 활용하여 불법주정차를 사전 예방할 수 있다는 점을 시사하였다.

4. 연구의 차별성

앞서 검토된 주거 환경에 영향을 미치는 요인으로 주거환경만족도를 분석한 선행연구들의 한계점은 다음과 같다.

우선, 주거환경만족도 영향요인을 파악하는 선행연구는 주로 설문지를 사용하였다. 설문조사는 설문지의 설계에 따라 조사자의 주관적인 생각이 개입될 수 있고 한정된 표본에 의존하는 한계가 있다. 또한, 공간적으로 넓은 지역을 분석하는 데 한계를 가지고 있다. 다른 한편으로, 주거환경만족도와 관련된 물리적 환경을 객관적으로 도출하여 분석에 활용한 연구도 한계점을 가지고 있다. 예를 들어, 객관적으로 근린 보행로의 설계가 잘 되어 있어도 쓰레기 문제나 악취, 소음 등에 따라 실제 주거환경만족도는 낮을 수 있기 때문이다.

위와 같은 한계점을 바탕으로 본 연구가 가지는 차별성은 다음과 같다. 첫째, 주거환경만족 측정 시점과 유사한 기간을 선정하여 서울시 생활불편 민원 자료 17,711건을 통해 주거환경의 불편정도를 객관적으로 파악했다. 둘째, 다양한 생활불편 민원에 대해 도시계획 및 설계적 관점에서 관련 변수를 선정했고, 이를 통해 주거환경만족도와 연관성을 순서형 로지스틱 모형을 통해 분석했다. 셋째, 분석자료의 공간적인 위계구조 특성을 고려하여 다수준 순서형 로지스틱 모형을 통해 주거환경만족도와 생활불편 민원의 연관성을 분석하였다.

1. 분석자료와 공간적인 범위

본 연구는 주거환경만족도와 개인·가구 특성, 거주지 주변의 생활불편 신고 사이의 관계를 밝히는 데 초점을 두고 있으며, 이를 확인하기 위해서 4개의 공공데이터를 포함하고 있으며 사용한 분석 변수와 자료의 출처는 <표 1>과 같다.

Table 1.

Description of variables

종속변수와 개인·가구 특성 변수는 2013년 서울 서베이 자료를 활용하여 구축하였다. 서울 서베이는 서울시의 특성을 파악할 수 있는 도시정책지표 통계자료의 생성을 위해 2003년부터 매년 20,000가구를 대상으로 방문면접을 실시해 이뤄졌다. 2013년 서울 서베이 조사는 10월 한 달간 서울시내 2만 가구 및 거주 외국인 2,500명, 사업체 5,500개를 대상으로 도시의 변화나 정책의 성과를 파악하기 위해 조사하고 있고 층화집락추출법(Stratified cluster sampling)을 통해서 표본을 추출하고 있다. 서울시에서는 서울 서베이 도시정책지표조사 통계자료를 바탕으로 도시의 변화를 분석하여 정책의 성과를 파악하거나 시민의 삶의 질 그리고 의식 및 가치관의 변화를 모니터링해서 도시경쟁력 향상을 위한 시책추진의 기초자료로 활용하고 있다(서울특별시, 2019).

다른 독립변수인 물리적인 환경 변수로는 서울시에서 제공하는 공공데이터 새주소 사업DB(2013)를 활용하여 행정동 GIS로 구축하여 활용하였다. 그리고 건축물 나이 특성과 토지이용 특성은 서울시 과세대장(2013) 자료를 활용하여 거주지 주변 객관적인 물리적 환경에 대해 행정동 단위로 구축하여 분석에 사용하였다.

또한, 본 연구에서 중점적으로 보고자 하는 생활불편 신고 변수는 서울스마트 불편신고 서비스 자료를 활용해 구축하였다. 서울시에서 민원신고를 할 수 있는 방법으로는 응답소 웹서비스, 120콜 재단의 전화민원신고, 스마트 불편신고가 있다. 다양한 민원들 중 본 연구에서는 핸드폰 어플리케이션과 웹서비스를 통해 사용이 가능한 서울스마트 불편신고 자료를 활용하였다. 서울스마트 불편신고 서비스는 구축시점인 2012년도 1,485개부터 2019년도 신고된 개수가 670,989개로 구축시점부터 신고건수가 꾸준히 증가하는 추세이다. 추가로 서울스마트 불편신고는 일상생활에서 시민들의 불편한 문제를 핸드폰을 통해 사진정보와 텍스트 정보를 전송하고 있다. 또한, 스마트폰 신고 데이터는 위치정보를 포함하고 있으므로 <그림 1>과 같이 민원 발생지역과 유형을 보다 정확하게 파악할 수 있다.

Figure 1.

Types and distribution of civil complaints in Seoul (example of Gangnam area)

연구의 범위로는 종속변수인 주거환경만족도 연구에 맞춰 서울특별시 전체를 대상으로 하였다. 서울 서베이의 행정동 단위 주거환경만족도 자료를 활용하기 위해 시간적 범위를 2013년으로 설정하였다. 행정동 수준의 물리적 환경 변수 또한 2013년을 기준으로 구축하였고 연구의 주요 관심사인 생활불편 신고 서비스 자료는 서비스가 시작한 2012년 8월 이후로 2013년까지의 데이터를 구축하여 연구에 활용했다.

2. 자료 및 변수 구축

종속변수인 주거환경만족도는 2013년 서울 서베이 도시정책지표조사에서 설문자 응답자의 현재 생활환경에 대한 만족도 항목으로 주거환경(상하수도, 주택, 전기, 통신, 교통, 녹지 등)의 만족도를 묻는 설문 문항을 활용하였다. 응답은 1번 ‘매우 불만족’을 시작으로 5번 ‘매우 만족’까지 5점 리커트 척도를 기반으로 응답하였다. 하지만, 본 연구에서는 ‘매우 불만족한다’와 ‘불만족한다’의 표본의 개수가 적어 같은 그룹으로 분류하였다.

개인의 주관적인 주거환경만족도는 다양한 개인·가구 요인에 따라 영향을 받기 때문에 이런 요인들은 최대한 통제하는 것이 바람직하다. 따라서 서울 서베이 설문 문항과 선행연구 검토를 통해 개인·가구 요인 변수로 성별, 연령, 학력, 주거형태, 입주형태, 가구원 수, 소득, 거주기간을 독립변수를 구축하였다.

특히, 개인특성 중 주거환경만족도에 영향을 미칠 수 있는 중요한 변수로 설문문항에 현재 주거지에 얼마나 살았는지 여부를 묻는 거주기간을 변수로 보았다. 거주기간의 경우 오랜 기간 거주하면서 주변 환경에 애착이 생겨 지역 개선을 위해 참여를 하게 되고, 이는 궁극적으로 주거환경만족도에 긍정적인 영향을 줄 수 있다(Tan, 2012). 또한, 소득수준에 따라 주거환경만족도에 영향을 미치는 요소가 다르기 때문에 소득수준을 통제변수로 구축하였다(Wu et al., 2019a).

물리적인 환경 변수는 선행연구 고찰을 통해 서울시 423개 행정동별로 토지이용 특성, 건물, 주변 환경 특성으로 구분하여 객관적인 물리적 환경 변수를 산출하였다. 토지이용 특성은 주거, 상업, 업무용 건축물 연면적을 바탕으로 각 용도별 비율변수와 토지이용 혼합도를 나타내는 엔트로피 지수를 계산하여 구축하였다. 토지이용 혼합도 지수는 Frank and Pivo(1994)에서 사용한 계산방법을 활용하였다. 또한, 토지이용 혼합도의 경우 용도혼합 수준이 높은 근린은 주거지 인근의 편의시설에 대한 접근성을 증가시킬 수 있기 때문에 주거환경만족도에 긍정적인 영향을 줄 것으로 판단하였다.

공원·녹지 비율과 가로수 밀도 변수는 주거환경만족도 선행연구를 바탕으로 비율이나 밀도가 높을수록 주거환경만족도에 긍정적인 영향을 준다고 보았다(Abass and Tucker, 2018; Wu et al., 2019b). 또한, 건물의 나이가 많아질수록 건물의 노후화로 인해 주거환경만족도에 부정적인 영향을 미칠 것으로 판단되어 행정동별 건물 나이의 평균을 분류하였고 나이의 다양성을 보기 위해 건축물 나이의 표준편차를 변수로 구축하였다. 거주지 주변의 대중교통 접근성과 편리성은 주거환경만족도에 긍정적인 영향을 미칠 수 있어 분석 모형에 포함하였다.

생활불편과 관련된 변수로는 선행연구를 바탕으로 주차 관련 안전(정병호·정재호, 2015; Azimi and Esmaeilzadeh, 2017), 도로·보도 불편(Abass and Tucker, 2018), 쓰레기 불편(Howley et al., 2009), 환경오염(이동성 외, 2019), 주거지 주변에 소음(김상섭 외, 2015; Mouratidis, 2018) 등을 참고하였다. 우선 주차불편 문제는 주거지 주변의 교통 혼잡뿐만 아니라 교통사고로부터의 안전으로 주거만족도에 중요한 요인으로 볼 수 있다(Wang and Wang, 2020). 그리고 도로·보도관련 불편문제는 일상생활이 가장 빈번하게 일어나는 공간이기 때문에 주거환경만족도와 밀접한 관계를 가지고 있다(Abass and Tucker, 2018). 쓰레기 문제(Howley et al., 2009)의 경우 경관을 해치고 주거환경만족도를 낮출 수 있기 때문에 변수로 구축하였다. 마지막으로 환경 변수로 오염된 공기(이동성 외, 2019)와 소음(김상섭 외, 2015)은 도시민의 건강을 악화시키는 요인으로 작용할 수 있기 때문에 분석모형에 포함하였다.

따라서 생활불편과 관련된 이러한 변수들을 객관적으로 대변하기 위해 서울스마트 불편신고 자료의 네 가지 대분류를 활용하여 주차 불편신고(불법주정차, 주차구역 위반), 도로·보도 불편신고(도로불편, 보도불편), 쓰레기 불편신고(쓰레기 미수거, 대형 쓰레기 미수거), 환경오염 불편신고(소음, 먼지) 유형으로 나누어 분석모형에 활용하였다.

3. 분석방법 및 과정

서울시 주거환경만족도에 영향을 미치는 생활불편 신고 민원을 파악하고 이러한 요인들의 영향력의 차이를 검증하고자 한다. 우선, 독립변수는 선행연구 검토를 통해 주거환경만족도에 밀접한 관계를 가지고 있는 물리적 환경 요소들을 선택하고 다중공선성 검증을 활용하여 분산팽창계수(Variance Inflation Factor, VIF)가 높은 변수는 최종 모형에서 제외하여 변수를 선정하였다.

주거환경만족도는 개인의 인구 사회경제적인 특성에 의해 차이가 클 수 있다. 따라서 설문응답자의 개인·가구특성을 변수로 포함하였다. 또한, 주거환경만족도는 주택의 범위를 넘어서 근린환경을 포함하고 있기 때문에 보편적으로 느낄 수 있는 행정동 수준의 객관적 물리적 환경 변수를 구축하였다. 객관적인 물리적 환경 변수는 주거환경만족도와 밀접한 관련이 있을 수 있는 근린의 쾌적성을 대변할 수 있는 가로수 밀도, 공원·녹지 비율을 변수로 사용하였고 거주지의 접근성을 고려해서 대중교통 시설의 접근성, 토지이용 특성 등을 구축하였다. 스마트 불편신고 민원 자료는 행정동의 인구에 따라서 신고의 건수가 달라질 수 있으므로 행정동별 인구 수(만 명) 대비해서 신고 수를 변수로 구축하였다. 또한, 독립변수인 물리적 환경 변수와 불편신고 민원 자료에서 분포가 한쪽으로 치우쳐 있는 변수는 자료의 편차를 줄이기 위해 로그값으로 변환시켜 분석 모형에 활용하였다.

분석방법은 종속변수인 주거환경만족도가 순서형 변수이기 때문에 순서형 로지스틱 회귀 모형(Ordered logit regression model)을 활용하였다. 또한, 순서형 로지스틱 모형에 대한 설명력을 비교하기 위해 Akaike Information Criterion(AIC)와 Bayesian Information Criterion(BIC) 값을 비교하였다. AIC와 BIC는 설명력이 높은 모형을 선택하는 기준이 되는 값으로 값이 작을수록 설명력이 높다. 구체적으로 유형별 전체 민원과 유형별 세부 민원으로 구분하여 비교분석했고, 위계 구조를 지니는 자료특성을 고려하여 다수준 순서형 로지스틱 회귀 모형(Multi-level ordered logit regression model)을 통해 분석했다. 주거환경만족도에 미치는 영향력의 차이를 파악하기 위해 각 변수의 참조변수에 대한 승산비(Odds ratio)를 계산하였다.

1. 불편신고 분석

<그림 2>는 서울스마트 불편신고 자료를 2012년 8월 구축 시점부터 2013년까지 17,711개 행정동별 불편신고를 유형화하여 ArcGIS의 Jenks natural breaks를 통해 분류하였다. 전체적으로 생활불편 민원은 주로 도심부인 중구, 종로구에서 신고수가 많이 나타나는 것을 알 수 있다. 우선, 환경 불편신고인 소음 불편신고가 많이 들어온 행정동은 상암동으로 당시 인근에 항공대학교가 비행훈련을 해왔기 때문에 소음신고가 많이 접수된 것으로 판단된다. 이외에도 주로 공사장 인근 장소에서 소음에 대한 불편신고가 많이 접수되는 현상이 나타났다.

Figure 2.

Distribution of civil complaints type by Dongs in Seoul

주차관련 불법주정차나 주차구역 위반 신고가 주로 나타나는 곳으로는 중구 명동과 용산구 원효로1동으로 나타났다. 특히, 노후화된 주택가나 상업밀집 지역에서 이런 주차관련 불편신고가 빈번하게 접수되었고, 불법주정차 상습지역에 단속 카메라가 생긴 이후에는 줄어드는 현상을 보였다. 도로·보도 불편신고는 신촌동, 소공동 인근에서 보행로에 관한 불편신고가 많이 발생했고, 쓰레기 불편신고는 북한산과 접해 있는 행정동인 강북구 인수동, 우이동의 단독주택 지역에서 쓰레기 미수거, 생활쓰레기에 관련된 불편신고 민원이 많이 나타나는 것을 확인할 수 있다.

2. 기술통계 분석

<그림 3>은 주거환경만족도를 ArcGIS Jenks natural breaks를 통해 분석한 결과이다. 주거환경만족도가 높게 나타난 지역은 관악구, 동작구, 서초구 일대와 영등포구 여의도동 등에서 높게 나타났다. 반면, 주거환경만족도가 낮은 지역은 소공동, 명동, 을지로동, 종로1·2·3·4가동 등으로 주로 서울의 도심 부분에서 주거환경만족도가 낮게 나타났다. 또한, 행정동별 주거만족도가 가장 낮은 행정동은 2.36 그리고 가장 높은 행정동은 4.67로 행정동별로 차이가 선명하게 나는 것을 확인할 수 있었다.

Figure 3.

Distribution of residential environment satisfaction in Seoul

다음으로, <표 2>는 본 연구에서 사용한 변수에 대한 기술 통계분석 결과이다. 종속변수와 독립변수는 서울 서베이의 주거환경만족도와 개인 특성, 물리적 환경 특성, 생활불편 신고로 구축하였다. 서울 서베이 2013년 자료 20,000개 표본을 가지고 분석을 했다. 물리적 환경은 서울시 423개 행정동을 분석했고, 기술통계 분석 결과로 각각의 평균, 표준편차, 최솟값, 최댓값을 제시하였다.

Table 2.

Descriptive statistics analysis

우선, 종속변수인 주거환경만족도는 주거환경에 대해 ‘매우 불만족한다’(0.37%), ‘불만족한다’(5.74%)의 표본의 개수가 적어 이를 같은 그룹으로 묶어 4점 리커트 척도로 분류하였다. 또한, ‘만족한다’(51.84%), ‘매우 만족한다’(7.12%)라고 응답한 사람이 전체 표본의 58.96%로 주거환경에 대해 불만족보다 만족하는 것으로 나타났다. 생활권별로 보면, 서울 동남권에서 주거환경만족도가 3.64로 가장 높게 나왔으며 도심권에서의 주거환경만족도는 3.45로 가장 낮은 것으로 나타났다.

2013년 서울 서베이 자료의 특징으로, 가구주 대상의 설문지에서만 주거환경만족도를 확인할 수 있기 때문에 가구주의 특성상 남성의 비율이 84.34%로 비교적 높게 나타났고 가구주들은 기본적으로 나이가 40대, 50대, 60대 이상의 연령층으로 나타났다. 그리고 거주지 입주 형태로는 자가와 전세가 높은 비중을 보였다. 교육 수준으로는 고등학교 졸업과 대학교 졸업이 45.55%, 52.48%로 가장 많이 나타났고 가구원 수로는 3인이 28.43% 4인이 30.84%로 4인 가구가 비교적 많은 것으로 나타났다. 월 평균 가구 소득은 300만 원대가 비교적 많은 비중을 차지하고 있고, 거주기간은 1년부터 최대 78년까지 분포되어 있고 평균 8년 정도 거주한 것으로 나타났다.

2013년 서울시 행정동별 건물 나이의 특성을 확인해보면 건물의 평균 나이는 24년으로 나타났고 건물 나이의 평균이 가장 낮은 행정동은 7년, 가장 많은 행정동은 48년으로 나타났다. 또한, 건물 나이의 표준편차는 평균 10.29로 나타났고 나이의 편차가 큰 행정동은 34.68, 편차가 작은 행정동은 1.54로 나타났다.

서울시 평균 버스 정류장의 밀도는 편차를 보았을 때 1.18로 행정동별 비교적 큰 차이를 보였다. 또한, 지하철역 밀도는 평균값이 0.32이고 최댓값은 3.04로 나타났다. 토지이용 특성으로는 행정동별 주거, 상업, 공업 연면적에 대해 행정동별 평균은 각각 49%, 24%, 2%로 나타났다. 그리고 주거, 상업, 공업에 대한 토지이용 혼합도 수준을 나타내는 엔트로피 지수는 평균 0.54, 최솟값 0.08, 최댓값 0.96으로 나타나 단일용도 위주의 근린부터 혼합도가 높은 근린까지 고르게 분포하고 있는 것을 알 수 있다.

마지막으로 행정동별로 구축된 생활불편 신고에서 불법주정차 불편신고 평균이 9.67로 가장 높았으며 서울스마트 불편신고 서비스에서 불법주정차 문제가 많다는 것을 알 수 있다. 또한, 행정동별 편차가 21.82로 크게 나타나 동별로 불편신고 개수 차이가 크다는 것을 알 수 있다. 도로·보도 관련 불편으로는 도로불편은 평균적으로 인구 만 명당 6.38개, 보도 불편은 1.58개의 불편신고가 나타났다. 쓰레기 미수거 불편은 평균 0.04개의 불편신고가 나타났고 대형 쓰레기 불편은 평균 0.01개로 상대적으로 표본수가 적어 평균이 낮게 산출되었다. 환경불편의 경우 소음불편은 평균 0.2개로 먼지불편보다 많이 나타났고 소음의 최댓값은 5.66으로 나타났다.

3. 순서형 로지스틱 회귀분석 결과

다수준 순서형 로지스틱을 통해 서울시 생활불편 신고와 주거환경만족도의 연관성을 분석한 결과는 <표 3>과 같다. <표 3>에서는 주거환경만족도를 종속변수로 설정하고 개인·가구 특성과 물리적인 환경 변수를 제어변수로, 또한 서울스마트 불편신고 서비스에서 구축한 불편 유형별 변수를 독립변수로 활용하였다.

Table 3.

Ordered logistic regression analysis

모형 1에서는 주차관련, 도로·보도관련, 쓰레기, 환경 불편신고와 주거환경만족도의 연관성을 살펴보았다. 모형 2에서는 이러한 불편신고 민원들을 세분화하여 분석하였다. 하지만 앞선 모형들은 행정동 수준의 차이를 고려할 수 없는 한계점을 가지고 있으므로 이를 고려하여 모형 3에서는 행정동 단위 수준의 다수준 순서형 로지스틱 모형으로 분석하였다. <표 3>의 AIC와 BIC의 값을 비교한 결과 순서형 로지스틱 모형보다 모형3의 다수준 순서형 로지스틱 모형에서 설명력이 향상하는 것으로 나타났다.

모형 1에서 생활불편 민원 중 주차관련 불편신고, 도로·보도관련 불편신고, 쓰레기 불편신고, 환경 불편신고가 주거환경만족도를 악화시키는 요인으로 나타났다. 그리고 행정동 수준의 차이를 고려한 모형 3에서는 불법주정차, 주차구역위반, 보도 불편, 쓰레기 미수거, 소음 등의 생활민원이 주거환경만족도와 부정적인 관계가 있는 것으로 나타났다. 이러한 결과는 생활민원 분석을 통해 행정동별 주거환경만족도 수준을 평가하고 개선방안을 도출할 수 있음을 시사한다.

구체적으로 모형 3에서는 주차관련 불편 중에서 불법주정차 변수가 한 단위 증가할 때 주거환경만족도가 매우 만족으로 나타날 승산비(Odds ratio)는 하위 수준인 만족, 보통, 또는 불만족 대비 0.2% 감소하였다. 불법주정차 문제는 교통 혼잡을 야기할 뿐 아니라 운전자의 시야를 막아 교통사고의 원인이 된다(이창희 외, 2014). 또한, 주차구역위반은 주차구역위반 변수가 한 단위 증가할 때 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준의 주거만족도(만족, 보통, 불만족) 대비 1.7% 감소하는 것으로 나타났다. 대분류 주차관련 불편에서 주차구역위반은 장애인 주차구역에 주차하거나 주차장이 아닌 위치에 주차하는 불편을 의미한다.이런 주차구역위반은 주로 주차구역이 부족한 곳에서 일어나며 인근 지역에 교통 혼잡을 유발하고 주차 시설을 찾는 데 시간이 많이 소요되어 주거환경을 악화시킬 수 있다. 따라서, 주거환경만족도를 향상시키기 위해서 불법주정차와 주차구역위반의 주차문제 해결이 필요함을 시사한다.

도로·보도 불편 신고 중 도로불편 신고는 통계적으로 유의하지 않았고, 보도불편 민원의 경우 한 단위 증가할 때 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준인 만족, 보통 또는 불만족 대비 0.8% 감소하는 것으로 나타났다. 도로불편 신고는 거주민의 주거환경만족도에 영향을 미치기보다는 주변에 도로를 운전하면서 느끼는 운전자의 불편함이기 때문에 통계적으로 유의하지 않게 나타난 것으로 판단된다. 반면, 보행공간은 단순히 지나가는 공간이 아니라 운동, 휴식 등이 가능한 공간이고 주거지 주변의 이동을 하는 밀접한 공간이기 때문에 보도의 불편은 주거환경에 부정적인 영향을 미친다고 해석할 수 있다.

쓰레기 불편 신고에서는 대형 쓰레기 미수거는 유의하지 않았지만, 쓰레기 미수거 변수의 경우 한 단위가 증가할 때 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준의 주거만족도(만족, 보통, 불만족) 대비 40.6% 낮은 것으로 나타났다. 이는 다른 생활불편 민원 변수와 비교할 때 부정적인 영향력이 매우 높은 것을 알 수 있다. 쓰레기는 생활에서 나오는 분리수거 쓰레기와 음식물 쓰레기 등을 포함하고 있어 생활 쓰레기 미수거 문제는 도시경관을 해칠 뿐만 아니라 주거환경만족도에도 부정적인 영향을 미친다고 해석할 수 있다. 대형 쓰레기는 침대, 가구 같은 부피가 큰 쓰레기로 주변에서 빈번하게 느끼는 불편이 아니기 때문에 통계적으로 유의미한 결과를 도출되지 않은 것으로 판단된다.

거주지 주변 환경관련 불편에서는 소음에 관한 불편이 주거환경만족도에 부정적인 요인으로 나타났는데, 소음 민원 변수가 한 단위 증가할 때 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준의 주거만족도(만족, 보통, 불만족) 대비 13.5% 감소하는 것으로 나타났다. 이러한 결과는 주거환경에 영향을 미치는 주택 외부 특성 중 소음이 중요하다고 했던 연구(김상섭 외, 2015; Abass and Tucker, 2018) 결과와 맥락을 같이한다. 반면, 근린에서 발생하는 먼지는 통계적으로 유의하게 나타나지 않았다. 민원에서 신고되는 먼지는 주로 공사장 인근에서 발생하였고 간헐적으로 발생하는 현상이기 때문에 유의하게 나타나지 않은 것으로 판단된다.

한편, 개인특성 부분에서 여성이 남성보다 주거환경만족도가 평균적으로 약간 높게 나타나는 것을 알 수 있다. 연령별로 살펴보면 40대 연령층의 응답자들이 상대적으로 주거환경만족도가 높은 것으로 나타났다. 또한, 다른 변수가 일정하게 유지될 때 학력에서 대학교 졸업의 경우 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준인 만족, 보통 또는 불만족 대비 고등학교 졸업한 사람보다 1.13배 높게 응답하였고, 대학원을 졸업한 사람은 비교적 낮게(0.720) 나타났다. 그리고 가구원 수는 가구원이 적어질수록 주거환경만족도가 높은 것으로 나타났다. 가구원수와 관련된 이러한 분석 결과는 가구 규모가 작을수록 주거의 만족을 위해 자신이 선호하는 거주지로 이동의 제약이 적기 때문으로 판단된다(권기현 외, 2013; Cao and Wang, 2016; Milić and Zhou, 2018; Barreira et al., 2019).

입주형태를 살펴보면, 자가에 사는 사람들이 전세, 월세보다 주거환경만족도가 높은 것을 알 수 있다. 자가에 사는 사람과 비교할 때 전세에 사는 사람의 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준인 만족, 보통 또는 불만족 대비 13.4% 감소하고, 월세에 사는 사람 또한 26.5% 감소하는 것으로 나타났다. 한편, 소득이 높을수록 주거환경만족도가 높은 현상을 보였는데, 월 평균 가구소득이 200~300만 원대인 사람보다 500만 원 이상인 사람이 1.69배 더 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준인 만족, 보통 또는 불만족 대비 높은 것으로 나타났다. 이는 Mouratidis(2018)와 이동성 외(2019)의 연구 결과와 유사하다. 또한, 주거기간이 길수록 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준인 만족, 보통 또는 불만족 대비 1.34배 증가시키는 것으로 나타났고 선행연구의 결과와도 같은 맥락이다(Tan, 2012). 가구의 경제력이 높을수록 자신이 선호하는 주거지를 선택할 수 있고 오랜 기간 거주하게 되면 주거지에 대한 애착심이 생기면서 거주민의 선호도가 증가했다고 볼 수 있다.

다음으로, 물리적인 환경 변수에서 건물 나이의 평균은 통계적으로 유의하지 않게 나타났다. 일반적으로 노후 건물이 많은 주거지일수록 주거환경만족도가 떨어질 것으로 예상할 수 있다. 그러나 건물의 평균 나이가 낮은 신도시의 경우에도 주거환경과 관련된 인프라가 미비할 수 있어 주거환경만족도가 낮을 수 있다. 이와 같이 건물의 평균나이와 주거환경만족도와의 관계는 비선형적 관계를 가질 수 있기 때문에 향후 연구에서 추가 분석이 필요할 것으로 판단된다(Huang et al., 2015; Ferlan et al., 2017). 반면, 건물 나이의 표준편차를 확인했을 때 행정동의 건물의 나이가 다양하게 혼합될수록 주거환경만족도가 높게 나타났다.

토지이용 특성을 보면 주거용도와 업무용도는 유의하지 않고 상업용도의 연면적 비율이 높을수록 주거환경만족도는 감소하는 것으로 나타났다. 근린 상업시설이 많으면 주변 도로의 혼잡도가 증가할 수 있어 주거환경만족에는 부정적으로 작용할 수 있다. 그러나 주거, 상업, 업무 용도의 토지이용 혼합도 변수는 주거환경만족도에 긍정적인 영향을 가지고 있는 것으로 나타났다. 이러한 결과는 Mouratidis(2018)의 분석 결과와 맥락을 같이한다. 주거, 상업, 업무 용도가 혼합된 지역의 경우 주거지 주변 편의시설에 대한 접근성이 높거나 통근시간을 단축할 수 있어 주거환경만족도에 긍정적인 영향을 준 것으로 판단된다. 상업시설과 토지이용 혼합도의 분석 결과는 주거환경만족도에 긍정적인 영향을 미치는 적절한 수준의 상업시설 밀도가 필요함을 시사한다.

경관의 쾌적성을 의미하는 변수로 보행로에 가로수가 많을수록, 공원과 녹지의 비율이 높을수록 주거에 대한 만족도는 높게 나타났다. 이러한 결과는 성현곤(2012)과 Abass and Tucker(2018)의 분석 결과와 유사하다. 대중교통 시설물의 접근성을 의미하는 지하철역 밀도가 한 단위 증가할 때 주거환경만족도가 매우 만족으로 나타날 승산비는 하위 수준인 만족, 보통 또는 불만족 대비 1.2배 더 높은 것으로 나타났다. 하지만, 지하철과 유사한 대중교통수단이라 할지라도 버스정류장은 주거환경만족도에 긍정적인 영향이 나타나지 않았다. 이는 버스노선과 버스정류장이 많을 경우 도로가 복잡하고 보행안전에도 부정적인 영향을 미칠 수 있기 때문으로 해석할 수 있다. 또한, 버스정류장의 밀도가 높으면 대중교통 시설물의 접근성이 높아지기보다는 버스정류장 주변의 보행환경의 혼잡도가 증가하는 문제(이수기 외, 2016)도 영향이 있을 것으로 볼 수 있다.