도시철도 역세권에서 보행네트워크 기반 접근거리와 건물 개발밀도의 연관성에 대한 실증 연구

1. 선행연구 검토

역세권의 개발밀도와 관련된 연구는 국내·외에서 매우 활발하게 수행되었다. 이 중 이 연구와 관련성이 높은 선행연구는 ‘역세권의 개발밀도와 역과의 거리’와 ‘역세권 보행거리 산정’에 관한 연구라고 할 수 있는데, 각 주제의 선행연구를 검토한 내용은 다음과 같다.

‘역세권 개발밀도와 역과의 거리’와 관련된 선행연구로 이희연(1997)은 건대역을 사례로 건대입구역까지의 접근성 변화를 그래프 이론을 수정하여 산출하고 토지이용의 변화를 지가와 비교하였다. 국내에서 처음으로 수행한 연구로서 건대역에서부터 주변 개별 건물까지의 거리를 산정하고 거리조락함수를 활용하여 거리에 따른 지가의 변화를 실증한 연구로서 의미가 크다고 할 수 있다. 그러나 역으로부터 2~300m까지의 범위를 분석한 한계가 있다. 성형곤·최막중(2014)은 서울시를 대상으로 도시철도역으로부터의 거리에 따라 개별 건물의 연면적과 층수의 변화를 관찰하고, 이에 미치는 영향을 실증하였다. 서울시에 포함된 279개의 도시철도역 역세권을 반경 250m, 500m, 1,000m, 1,500m의 4단계로 구분하고, 각 역세권 단계에 포함되는 건물의 총 개발연면적과 층수에 미치는 영향요인의 차이를 도출하였다. 정현(2007)은 대구시를 대상으로 역세권의 토지이용 개발방향을 정하기 위해 역세권을 반경 200~400m로 설정하고, 건물 개발밀도와 토지이용, 인구, 지가 등을 분석하여 고층복합형, 재개발형, 신시가지형의 역세권 개발특성별 유형을 도출하였다. 김태호 외(2013)는 서울시를 대상으로 TOD 계획요소와 대중교통 이용수요와의 연관성을 도출하기 위해 역세권의 반경을 250m, 500m, 750m, 1,000m, 1,250m, 1,500m로 구분하고, 각 역세권별 주거와 상업, 업무와 공공, 여가와 공공용지의 밀도를 분석하였다. 분석결과 비주거용도의 개발밀도가 역세권 반경이 짧을수록 집중됨을 도출하였다. 그 외 TOD와 관련된 다수의 국내·외 선행연구(박지형 외, 2008; 이주아 외, 2013; Lee et, al. 2013 등)에서 역세권의 범위를 반경 500m로 설정하여 건물 또는 토지의 평균 개발밀도를 산정하여 활용하였다. 이상에서의 선행연구에서 도시철도역으로부터 거리가 멀어질수록 비주거용도의 개발밀도가 낮아짐을 확인하였으나, 역과의 거리를 산정함에 있어서 역 중심점으로부터 반경을 기준으로 단계를 구분하고 각 단계에 속하는 건물들의 정보(연면적, 용도 등)를 집계(aggregate)하여 산출하였다. 특히, 성형곤·최막중(2014)은 해당 연구에서 제기한 집계에 따른 정보의 손실 오류(생태적 오류, ecological fallacy)의 가능성을 배제하고자 개별 건물과 역과의 거리를 각각 산출하여 반영하였으나, 직선거리로 산출하여 역과의 접근이 보행을 중심으로 이루어지는 특성을 반영하지는 못하였다.

다음은 역세권 보행거리 산정과 관련된 선행연구로서 O’sullivan(1996)은 캐나다 캘거리시의 경전철역을 대상으로 기존 역세권 이론의 반경기준과 설문과 실제 보행거리 측정으로 관측된 역세권의 범위를 비교하였다. 분석결과 도로를 중심으로 관측된 역세권 범위는 반경 기준의 동심원과 큰 차이를 나타내었다. 안영수 외(2012)는 서울시 신림역을 대상으로 도로 네트워크를 기준으로 보행접근거리를 산출하였으며, 이를 기반으로 상업시설의 입지분포패턴을 분석하였다. 위의 두 선행연구는 역세권의 범위를 직선거리 기준의 반경에서 실제 도로 네트워크 기준의 비정형 역세권을 제시하였다는 점에서 의미가 있으나, 대로의 경우 보행 인도가 양쪽으로 구분되어있으며, 횡단보도 또는 육교와 지하도 유무에 의해 접근거리가 매우 달라짐을 반영하지는 못하였다. 이러한 보행로의 특성을 반영한 선행연구로 안영수 외(2011)의 연구에서는 강남권역을 대상으로 인도와 보차혼용도로, 횡단보도, 육교, 지하도로 구분한 보행네트워크를 구축하여 역의 중심점으로부터 접근시간별 지도를 제작하였다. 또한, 안영수·오선영(2015)의 연구에서도 신촌역을 대상으로 보행네트워크를 구축하고 대중교통전용지구 설치에 따른 보행 접근권역의 변화를 실증하였다. 이 선행연구는 보다 실제적인 보행네트워크를 구축하고 이를 기반으로 접근지도와 권역 변화를 실증한 연구로의 의미가 있으나, 개별 건물까지의 보행접근거리와 개발밀도를 연계하지는 못했다.

2.검토결과와 실증 연구가설 설정

관련 선행연구를 요약하면, 역세권의 거리와 개발밀도는 매우 밀접한 관련성이 있으며, 특히 비주거용도의 경우 더 관련성이 높았다. 또한, 역으로부터의 거리를 직선중심의 반경으로 삼은 경우 실증의 한계를 보였으며, 이를 극복하기 위해서는 실제 보행네트워크를 중심으로 거리 산정이 필요함을 알 수 있었다. 최근 선행연구에서 보행네트워크를 구축한 사례가 있으며, 이를 활용하여 역으로부터 개별 건물까지의 보행접근거리를 산출할 수 있음을 확인하였다.

선행연구 검토 결과를 중심으로 역과의 보행접근거리가 건물 개발밀도에 미치는 영향을 실증하기 위해 다음과 같은 연구가설을 설정하였다. 첫 번째 연구가설은 도시철도역과 보행거리가 멀어질수록 건물의 개발연면적은 점점 작아질 것이다. 이는 보행네트워크를 기준으로 산정해도 기존 선행연구들과 동일할 것이라는 가정이다. 이를 강남권역 전체에서도 동일할 것이며(가설 A-01), 개별 역별로 분석하여도 동일할 것이다(가설 A-02). 두 번째 연구가설은 도시철도역마다 보행접근거리가 멀어질수록 개발연면적의 감소 기울기가 다를 것(가설 B-01)이며, 또한 역 이용자수가 많은 역의 기울기가 완만할 것이다(가설 B-02). 이는 도시철도역의 이용자수가 주변 건물 개발연면적에 미치는 영향을 확인하기 위함이다. 이 연구에서는 위의 4개 연구가설(A-01, A-02, B-01, B-02)을 검증함으로써 실증분석을 수행하고자 한다.

1.보행네트워크 구축

도시철도역으로부터 개별 건물까지의 접근거리를 산출하기 위한 계산 방법론은 다양하다(표 1 참조). 접근거리를 계산하는 대표적인 3개의 방법론을 검토하여 이 연구에 적합한 접근거리 산정 방법론을 정하였다.

Table 1.

The methods calculating distance

직선거리(Euclidean distance)는 시작점부터 도착점까지를 직선으로 연결한 거리측정 방법으로 항공거리(Flight distance)라고도 불린다. 이 방법은 가장 쉽게 두 지점간의 거리를 계산할 수 있는 방법이지만 도로를 기반으로 이동하는 사람이나 자동차의 실제적인 접근거리보다 짧게 측정되는 단점이 있다. 반면 직각거리(Manhattan distance)는 격자형태가 발달한 도시를 대상으로 실제적인 도로의 네트워크 거리를 측정하기 위한 현실적인 한계를 보완하기 위한 방법이다. 이 방법은 직선거리보다는 길게 측정될 수 있으나, 실제 도로를 따르는 경로보다는 짧게 측정될 수도 있는 한계가 있다. 마지막으로 네트워크 거리(Network distance)는 도로를 기반으로 두 지점까지 접근 가능한 경로 중 최단거리를 산출하여 실제 사람 또는 자동차가 접근 가능한 거리를 측정한다. 이상의 접근거리 산정 방법론을 검토한 결과, 이 연구는 도시철도역으로부터 개별 건물까지 도달 가능한 보행거리를 기준으로 접근성을 산출하는 연구로서, 가장 실제 보행거리와 근접한 네트워크 거리 산출방법이 적합함을 알 수 있다.

도시철도역으로의 보행접근은 접근경로가 다양하고 포괄적으로 발생한다. 따라서 자동차 도로의 중심선으로 구축된 기존 네트워크를 보행로 중심으로 다시 구축하는 과정을 필요로 한다. 이 연구에서는 보행네트워크를 구축한 방법론을 선행연구에서 차용하여 보행 가능한 경로를 네트워크로 구축하였다. 선행연구에서는 보행과 차량이 같이 사용하는 보차혼용도로는 도로 중심선을 활용하였으며, 대로의 경우에는 보행로를 양 방향의 인도로 구분하였다. 또한, 보행로를 인도/보차혼용도로/횡단보도/육교/지하도 등으로 구분하고 각 보행로의 통과시간을 다르게 적용하고 있다(그림 2 참조).

Fig. 2.

The Pedestrian Network Database(zoomed around of Hank-dong station)Source: An(2011)

하지만 이 연구에서는 보행시간이 아닌 보행접근거리를 기준으로 분석하였다. 보행접근시간을 정확하게 산출하기 위해서는 시간대별 보행량에 의한 보행밀도, 경사, 장애물 등에 따라서 다르게 산출될 수 있기 때문에 이에 대한 고려를 요구한다. 그러나 이들 정보는 아직까지 구축되지 않았기 때문에 이 연구에서는 보행로의 종류에 따른 통과시간은 고려하지 않되 보행로의 종류는 동일하게 적용하였다(그림 3 참조).

Fig. 3.

Construct of pedestrian network

구축된 보행네트워크를 활용하여 도시철도역 지상출입구와 각 건물까지의 보행네트워크 거리를 산출하였으며, 이 거리 값을 이용하여 건물 개발밀도에 대한 영향을 실증분석 하였다.

2.강남권역 건물 개발밀도 현황

건물의 개발밀도는 주거용도와 비주거용도로 구분하여 분석하였다. 이는 주거용도가 개별 건물이 아닌 빌라 또는 아파트의 대형 단지로 구성되어 도시철도역과 접근거리에 대한 개발밀도의 연관성에 부정적인 영향을 미칠 수 있기 때문이다. 강남권역의 비주거용도(상업·업무) 입지 및 개발밀도 현황은 [그림 4]와 같다.

Fig. 4.

Development density of retail and office

강남권역의 비주거용도 건물 입지현황 및 개발밀도를 살펴보면 도시철도역을 중심으로 상업·업무 용도의 건물이 집중적으로 입지하여 있다. 특히, 총 연면적이 큰 고밀개발의 상업·업무 시설이 역과 근접하여 입지해 있는 것을 확인할 수 있다. 반면에 대형블록의 안쪽 지역에는 주거용도의 건물이 다수 입지하여 있다.

강남권역에 포함되는 상업·업무 용도의 건물 총 개수는 7,892개이다. 이 건물들의 총 연면적은 18.9㎢ 이며, 건물별 평균 개발연면적은 2,396.9㎡이다.

3.도시철도역까지의 네트워크 거리 산정

도시철도역과의 각 건물의 네트워크 거리를 산정하기 위해 ArcGIS 10.2 프로그램을 활용하였다. 가장 가까운 시설에 대한 경로분석(closest facility)은 구축된 보행네트워크를 기반으로 가장 가까운 시설까지의 네트워크 경로를 분석하는 방법으로 이 연구에 적용하기에 적절하다. 이 기능은 개별 건물의 중심점으로부터 네트워크 거리를 기준으로 가장 가까운 도시철도역을 선택하고, 해당 경로를 라인 데이터로 도출한다. 도시철도역은 지하 플랫폼의 중심점이 아닌 지상 출입구 위치를 기반으로 하였으며, 이는 일반적으로 도시철도 이용자가 지상 출입구에 대한 인지도가 높기 때문이다. 건물은 바닥 형상(polygon) 중 중심점을 기준으로 하였다.

강남권역의 비주거용도 건물에서부터 가장 가까운 도시철도역 지상 출입구까지의 경로를 분석한 결과도면은 [그림 5]와 같다. 각 건물에서 보행 네트워크 거리를 기준으로 가장 가까운 도시철도역 출입구까지를 경로로 나타냈으며, 동일한 도시철도역을 같은 색으로 표현하였다.

Fig. 5.

Results of the nearest path analysis from entrance on the ground to each facilities.

[그림 6]과 [그림 7]은 [그림 5]에서 학동역 부근을 확대한 도면으로 실제 산출된 네트워크 경로에 대한 이해를 높이고자 하였다. 학동역의 지상 출입구(1~10번)와 가장 가까운 상업·업무 용도의 건물들을 추출하여 도면으로 나타내면 [그림 6]과 같으며, 총 579개의 건물이 포함되었다. 이 중 A에 위치한 건물의 네트워크 경로는 총 385m로 [그림 7]과 같다.

Fig. 6.

Paths and buildings of the nearest distance to Hak-dong subway station.

Fig. 7.

Calculate of the network distance from 10th entrance on the ground of Hak-dong station to A building

1. 실증분석 개요

이 연구에서 도시철도역과의 보행 접근거리와 건물 개발밀도의 연관성을 실증분석 하기위해 거리조락함수(distance-decay function)를 사용하였다. 거리조락함수의 개념은 공간상에서 발생하는 현상이 그 중심에서 멀어질수록 크기나 밀도가 감소하는 경향을 의미한다. 이를 이 연구에 적용하면, 역과의 네트워크 거리가 멀어질수록 건물의 개발밀도가 감소하는 현상이라 할 수 있다. 또한, 거리조락함수는 도시와 경제 지리학에서 매우 중요한 요소 중 하나이며, 공간적인 파급효과를 이해하는 측면에서 다양한 학문에 중요한 역할을 하고 있다(Fotheringham, 1981). 다양한 선행연구에서 활용한 거리조락함수를 이용하여 이 연구에 적용할 함수의 형태를 도출하였으며, 다수의 연구에서 거리조락함수의 형태를 exp함수를 기반으로 삼았다(표2 참조).

Table 2.

Distance-decay function in preceding researches.

이 연구에서도 exp함수를 기반으로 거리조락 함수를 구축하였으며 [식 1]과 같다.

f(x) 역과의 네트워크 거리별 개발밀도 함수
β 거리감쇄계수
d_iji역에서 j건물까지의 네트워크 거리

2. 기초통계분석

연구대상지인 강남권역에 포함되는 도시철도역의 수는 총 17개이지만, 가장 가까운 역에 포함되는 건물의 수가 21개 이하인 도곡역(4개), 매봉역(21개), 학여울역(20개)은 제외한 총 14개의 역을 대상으로 분석하였다. 14개 도시철도역들의 주변 건물의 수와 총 건축연면적, 평균건축연면적, 평균보행접근거리, 총 이용자수(승·하차)의 기초통계는 [표 3]과 같다.

Table 3.

Statistics of basic

총 14개의 지하철역과의 보행접근거리를 산정한 결과, 총 7,847개의 건물이 포함되었으며, 역삼역과 가장 가까운 건물의 수가 1,049개로 가장 많았다. 반면 총 건물연면적과 평균건물연면적은 삼성역이 총 4,978천㎡와 평균 8,718㎡로 가장 높았다. 가장 가까운 역까지의 평균접근거리가 가장 짧은 역은 신논현역으로 평균 355.9m였다. 2010년을 기준으로 역별 총 이용자수는 승차자와 하차자를 합하여 산출하였으며, 신논현역과 한티역을 제외하고 강남역이 74,286천명으로 가장 많았다.

3. 실증분석 결과

[식 1]에서 파라미터 β를 계산하기위해 양변에 자연로그(ln)를 취하여 회귀분석한 결과는 [표 4]와 같다. 여기서 종속변수인 f(x)는 네트워크거리를 5m씩 구분하여 각 구간별 해당 건물의 평균 연면적 합계를 사용하였다. 이를 건물까지의 네트워크거리별 평균연면적 분포도로 나타내면 [그림 8]과 같다.

Table 4.

Results of regression analysis (total)

Fig. 8.

Distribution and trend line of ave. floor-space (ln) and pedestrian distance

연구대상지에 포함된 도시철도역 전체를 대상으로 분석한 결과, 모델식은 유의수준 0.01에서 유의미하였으며, 모델설명력은 20.9%로 나왔다. 거리감쇄계수인 β값은 0.004로 분석되었다. 따라서 연구대상지인 강남권역에 포함된 전체 역으로부터 보행접근거리가 멀어질수록 건물의 개발밀도가 점차 작아질 것이라는 연구가설 A-01은 채택될 수 있다.

또한, [그림 8]에서 약 300m까지 건물의 평균연면적의 변화가 거의 없으므로, 역과의 보행거리 300m를 기준으로 구분하여 각각 회귀분석한 결과, 보행거리 300m이전과 이후로 구분했을 때 전제적로 회귀모델의 설명력은 높아졌으며, 300m 이후의 설명력이 0.514로 매우 높았다. 거리가 멀어질수록 평균건물연면적의 감소 기울기는 300m 이전에는 기존 전체를 대상으로 한 분석결과와 동일하였으나, 300m 이후는 0.003으로 다소 낮아졌다.

다음은 각 역별 실증분석 결과로, [식 1]을 연구대상지에 포함된 14개의 도시철도역을 각각 적용한 결과는 아래 [표 5]와 같다.

Table 5.

Results of a linear regression model(each station)

각 역별로 분석한 결과, 유의수준 0.01에서 유의미한 역들은 강남역, 논현역, 대치역, 삼성역, 선릉역, 압구정역, 역삼역, 청담역으로 총 8개의 역이 유의미하였다. 하지만 회귀식의 설명력을 나타내는 역별 회귀모델의 설명력(R²)이 10% 이하인 압구정역과 청담역을 제외하면 총 6개의 역에서 의미있는 실증분석 결과가 나왔다고 할 수 있다. 따라서 개별 역별로도 도시철도역까지의 보행접근거리가 멀어질수록 건물의 개발밀도가 낮아질 것이라는 연구가설 A-02는 기각된다. 이는 개별 역마다 주변지역의 다양한 특성들(예를 들어 버스노선밀도, 대형상업시설 및 주차장 등)에 의해 건물의 개발밀도가 영향을 받을 수 있다.

또한, 개통시기에 따라서 분석결과에 영향을 미칠 수 있으므로 이를 조사하여 비교하였으나, 연관성은 찾을 수 없었다.¹⁾ 유의수준이 0.01이하이더라도 전체적으로 대치역을 제외한 모델의 설명력이 30% 이하인 것도 같은 의미로 판단된다.

유의수준 0.01에서 유의미하고, 모델의 설명력이 10% 이하인 역들을 제외한 6개 역의 거리별 평균연면적 분포도와 추세선을 나타내면 [그림 9]와 같다. [그림 9]를 보면, 6개역 모두 보행 네트워크 거리가 멀어질수록 건물의 평균연면적(ln)이 감소하고 있음을 알 수 있다. 이는 실제적인 보행네트워크 거리가 역에서부터 멀어질수록 건물의 개발밀도에 실제적인 영향을 미친다고 할 수 있다. 단, 연구 대상지가 강남권역으로 전체적으로 유동인구가 많고 개발밀도가 높아 그 기울이가 크지는 않았다. 따라서 역마다 보행접근거리가 멀어질수록 건물 개발밀도가의 감소기울이가 다를 것이라는 연구가설 B-01은 채택될 수 있다.

Fig. 9.

Distributions and trend lines of ave. floor space and pedestrian distance for each station.

또한, 역별 회귀분석 결과의 거리감쇄계수값(β)을 이용하여 거리감쇄함수 형태의 그래프로 나타내면 [그림 10]과 같다. 강남권역에 포함된 전체 역에 대한 거리감쇄함수 그래프보다 6개 역들의 거리감쇄의 그래프의 기울기가 더 크게 나타났으며, 이는 도시철도 역을 중심으로 전체 평균보다 더 고밀 개발되어 있음을 의미한다. 이 중 삼성역의 거리감쇄 기울기가 가장 컸으며, 대치역과 논현역, 강남역, 역삼역, 선릉역 순서로 나타났다. 삼성역이 가장 큰 기울기를 보이는 이유는 삼성역에 개발밀도가 큰 코엑스몰이 연결되어있기 때문이다.

Fig. 10.

Graph of the Distance-decay function for each station

마지막으로, 역별 이용자수와 보행접근거리별 건물 개발밀도 감쇄함수의 계수값(β)를 비교하면, [그림 11]과 같다. 논현역과 대치역을 제외하고 이용자수가 많을수록 계수 값도 컸으며, 이는 이용자수가 많은 역에서의 감소 기울기가 더 큼을 나타낸다. 따라서 역의 이용자수가 많은 역이 보행접근거리가 멀어질수록 건물 개발밀도의 감소 기울기가 완만할 것이라는 연구가설 B-02는 기각되며, 반대의 결과가 나왔다.

Fig. 11.

Compare the total ridership of each station and parameter β of the distance-decay function