Current Issue

대중교통전용지구는 차량통행을 제한하고, 보행자와 대중교통 이용자에 중점을 두어 주변 상권의 활성화를 기대하며 시행한 정책이다. 이와 관련하여 정책의 효과를 통한 주변 지역 상권 활성화를 규정하는 연구는 주로 상가 매출을 통해 수행되거나, 특정한 시점에 한정하여 분석하였다.

김사리(2014)는 2014년 1월 전후 기간 대중교통전용지구의 4가지 조성목적을 중심으로 평가지표와 설문 문항을 구성하여 대중교통전용지구 조성사업에 대한 만족도 및 상권 활력에 대하여 분석 후 Space Syntax를 통해 공간과의 상관관계를 확인했다. 이를 통해 대중교통전용지구로 조성한 가로(연세로 및 명물거리)에서는 방문객 수와 매출액이 늘었으며 공간 중요도가 높아지고 접근성이 용이해진 것으로 나타났다. 더 나아가 김민선·이제선(2021)은 대상지 범위를 확장시켜 2017~2018년 시기 4개 가로의 공공공간(연세로, 명물거리, 신촌역로, 이화여대길)의 물리적 환경 및 상권 활성화 차이 분석을 하여 가로환경개선사업이 상권 활성화 측면에 긍정적인 영향을 미치는 것을 확인했다.

신촌지역뿐만 아니라 다른 지역의 대중교통전용지구 정책 평가 연구가 이루어졌다. 김영국(2015)은 대구 중앙로, 서울 연세로, 부산 동천로의 상가 매출, 대중교통 이용자, 보행교통량, 공시지가, 통행속도 변화, 교통사고 발생, 이용만족도를 정량적·정성적 분석을 통해 대중교통전용지구 도입으로 인한 주요 효과를 확인했다. 이 연구는 2013년 1~8월과 2014년 1~12월까지의 상가 매출비교를 통해 대중교통전용지구 정책이 지역 경제 활성화에 긍정적임을 보였다. 또한, 고광화(2020)는 2016~2018년 12분기 상권 데이터를 활용하여 서울시 보행환경개선사업이 매출 변동에 미치는 영향을 조사하여 도로변 상권에 긍정적인 영향을 주는 것을 확인했다.

그러나 선행연구들에서 상권의 활력 요인으로 판단한 매출액은 상권 내의 경제활동을 나타내는 중요한 지표이지만, 실제 그 지역의 전체적인 활력도를 판단하기에는 한계점이 있다. 예를 들어, 상가의 업종과 위치에 따라 방문객 수와 매출액에 차이가 있거나, 표본의 수가 작아 실제 그 지역의 전체적인 변화를 고려하지 못하는 것이 대표적이다. 또한, 앞선 연구들은 특정한 시점에 한정되어 시계열에 따른 정책의 효과를 확인하지 못했다는 한계점이 있다. 정책의 효과를 장기적으로 확인하는 것은 그 지속 가능성을 이해하고, 의도하지 않은 잠재적 결과를 밝혀내어 효과적인 정책 결정을 위한 더 포괄적이고 사실에 입각한 정보를 제공하기 위해서 필수적이다. 본 연구에서는 이러한 기존 연구의 한계점을 극복하기 위해 대상지의 전체적인 활력도를 판단할 수 있는 상권활력도를 활용하여 장기적인 관점에서 정책의 시행 전과 후 비교를 통해 그 효과를 통계적 기법으로 확인한다.

상권은 점포와 고객을 상행위와 관련하여 흡수할 수 있는 지리적 영역이라 할 수 있으며 시장 지역 또는 배후지라고 한다(정승영·도희섭, 2011). 상권영역 안에서도 사업체 및 경제활동이 집중되어 있는 특정 지역들이 있다. 사업체들은 경제적 이윤을 추구하기 때문에 중심점으로 이동하여 군집을 형성한다(Hotelling, 1929). 주변 지역보다 상권 중심지는 상대적으로 많은 사업체들이 밀집되어 있어, 사업체의 밀도 비교를 통해 중심지를 도출할 수 있다. 상권의 중심지를 도출하기 위하여 여러 공간 모형 방법을 통해 기존 연구들에서 수행되었다.

신우진 외(2002)는 소매업종 점포 데이터를 활용하여 종류가 가장 많은 소매업 점포들이 입지한 장소를 상권의 중심지로 정의하여 소매업들의 중첩 정도를 통해 그 위계를 구분했다. 한편, 래스터 분석에 의한 경계 설정의 한계를 극복하기 위하여 최은준 외(2021)는 서울시 업종들의 밀도를 활용하여 커널밀도분석과 Density-based Clustering 방법을 사용하여 총 4개의 상권군집을 도출했다. 또한, 오영기 외(2022)는 생활밀착형업종의 점포 수와 커널밀도분석 및 수문학적 분석 방법을 사용하여 상권군집 도출 및 상권경계의 변화를 확인했다. 이외에도 유동인구와 요식업 현황자료를 활용하여 수요와 공급 측면의 상업 집적지의 면적과 경계를 도출하거나(김완희 외, 2018), Local Indicators of Spatial Association (LISA) 분석을 활용하여 중심지를 도출하고 야간조명지도를 통해 그 타당성을 검증하는 연구들이 수행되었다(강성구 외, 2022).

상권은 시간에 따라 성장과 쇠퇴를 거치며 이에 따른 다양한 변화가 이루어진다. 기존의 선행연구들에서도 특정 상권의 시계열에 따른 특징을 도출했다. 정동규·윤희연(2017)은 2001년부터 2016년까지 이태원에 창업한 음식점을 커널밀도분석을 통해 시계열에 따라 이태원 거리를 중심으로 남쪽으로 확장하는 것을 확인했으며, 골목상권과 발달상권의 입지 및 점포특성이 음식점의 생존에 미치는 영향이 다름을 확인했다. 또한, 이동현 외(2020)의 연구에서는 서울특별시를 대상지로 하여 2014년부터 2017년까지 외식산업 사업체의 생존분석을 했다. 2014년 상권 활성화 표준화 지수 값과 2014년부터 2017년의 상권 활성화 표준화 지수 값을 각각 X축, Y축으로 설정하고 5개의 상권 유형을 구분하여 유형별 외식산업의 생존율과 폐업률을 비교 분석했다.

앞선 선행연구들은 주관적인 기준을 통해 상권 중심지를 도출하고 그 안에서의 변화를 확인했다는 의의가 있다. 하지만, 단일 상권에 한정된 연구이거나 특정한 시점에 한정되어 긴 시간에 따른 상권의 변화 양상을 보지 못했다는 한계점들이 있다. 같은 시기에 여러 상권의 변화를 확인하는 것은 해당 상권의 활성화 정도를 판단하는 척도가 될 수 있으며, 그 주변 상권과의 관계를 확인하는 데도 유용하다. 단일 상권에 한정된 연구는 상권의 변화가 그 상권만 해당하는 것인지, 주변 상권과는 다른 변화를 보여줌에 따라 경쟁력이 있는지에 대한 것을 알 수 없다. 또한, 상권이라는 것은 시간의 흐름에 따라서 다양한 변화를 보인다. 그 상권의 성장과 쇠퇴를 확인하는 데 특정 시점에서 분류하는 것은 시간의 흐름에 따른 상권의 지속성에 대한 부분을 간과한다는 한계가 있다. 이러한 한계점을 극복하기 위해서는 시간에 따른 각 상권의 변화를 같이 확인하는 것이 중요하다.

본 연구의 차별성은 다음과 같다. 첫째, 본 연구는 사업체의 밀도를 통해 연세로 및 주변 상권의 중심지를 도출한다. 이는 연세로 상권뿐만 아니라 주변 상권의 중심지를 각 시점 별로 도출하여 기존 연구들에서 확인하지 못했던 상권의 실제 중심지를 도출할 수 있다. 둘째, 1999년부터 2022년까지 시계열에 따른 중심지의 공간적 및 상권 활력도 변화를 확인한다. 약 20년 이상의 시계열 자료를 활용하여 연세로에 대중교통전용지구 정책이 도입되기 전·후를 비교하여 상권의 변화에 미친 정책의 효과를 확인할 수 있으며, 연세로 상권 및 주변 상권 중심지의 변화 양상을 확인할 수 있다. 셋째, 통제집단합성법을 활용하여 연세로 대중교통전용지구 정책의 상권 활성화 효과를 통계적으로 검증한다. 통제집단합성법은 정책개입의 효과를 시간의 흐름에 따라 파악할 수 있으며, 합성통제지역을 활용하면 표본이 소수인 사례지역 비교분석에도 적합하다(Kreif et al., 2016; 하정원 외, 2022). 이러한 장기간의 정책의 효과 연구를 통해 정책과 상권의 관계 및 지역 상권의 변화를 확인함으로써 차별화된 정책적 시사점을 제시할 수 있으며, 분석 대상지의 표본 부족 문제로 인하여 통계적 기법을 활용이 어려운 도시정책 평가 연구에 통제집단합성법을 활용하여 정책의 효과를 확인했다는 것에 본 연구는 차별성을 가진다.

본 연구는 <그림 1>과 같이 서울 열린데이터 광장에서 제공하고 있는 마포구 및 서대문구 상권영역을 공간적 범위로 설정했다. 연세로는 <그림 2> (a)~(d)와 같이 대표적인 대중교통전용지구 정책이 도입된 사례로서 도로 다이어트를 통해 보행자 전용거리를 확장하였으며, 일반 차량의 통행을 제한했다. 2014년부터 시행된 연세로 대중교통전용지구는 상권쇠퇴의 원인으로 언급되며 2023년 1월 20일부터 9월 30일까지 해제 시범 운영하기로 결정되었다. 이에 따라 본 연구는 대중교통 전용지구가 주변 지역 상권쇠퇴에 영향을 미쳤는지에 대한 연구를 하기 적절하다고 판단하여 분석 대상지로 설정했다. 또한, 연세로 상권은 대표적인 대학문화의 중심상권 중 하나이며, 그 유형이 비슷한 홍대 상권 및 이화여대길 등을 포함하여 비교하기 위하여 대상지를 마포구 및 서대문구로 설정했다.

Figure 1. 
Study area: Mapo-gu and Seodaemun-gu in Seoul, Korea

Figure 2. 
The current status of the study area

시계열에 따른 상권의 변화를 분석하기 위하여 상권 자료를 구축했다. 본 연구는 지방행정인허가데이터에서 제공하는 사업체의 업종, 창·폐업일, 좌표 등의 정보를 활용했다. 본 연구는 43개의 생활밀착형업종 중에 상업공간 변화에 영향을 주지 않는 방문판매업이나 출장조리 등의 업종을 제외했다. 또한, 장하림 외(2014)와 최중철(2016)의 연구에서 조사된 대학상권의 사업체를 참고하여 <표 2>와 같은 17개의 업종을 선정했으며 1999년부터 2022년까지의 자료를 활용했다. 본 연구는 각 시점별 상권군집을 도출하기 위해 1999년부터 2022년까지 기간을 3년 단위로 나눠 총 8개의 시점별로 중심지를 구성하여 분석한다.

본 연구는 <그림 4>와 같이 Getis-Ord Gi*을 통해 연세로 및 주변 상권군집을 시계열 별로 도출했다. 연세로 상권은 1999년~2007년까지 z-score 기준, 신뢰도 99%를 보이는 것을 확인했다. 이는 2000년대 이전 연세대와 이화여대 등 주변 대학을 기반으로 서울시의 대표적 상권이었던 신촌 상권의 성장 과정의 결과로 분석된다(손용만·박태원, 2017). 또한, 2000년대 이후 유흥 소비문화와 대형 상업자본의 침투로 인하여 상권의 정체성이 상실되고 주력산업이 주변 상권으로 이탈하는 현상이 발생하고, Dot-com Bubble 사태의 경제적 위기가 원인이 되어 전반적인 상권들이 쇠퇴하고 그 후 회복하는 양상으로 인한 것으로 분석된다. 2008년~2013년까지는 신뢰도 95%를 확인했다. 이후, 2014년~2019년까지는 신뢰도 90%로 떨어지는 변화 양상을 보였으며, 2020년부터 유의성이 나타나지 않은 것을 확인했다. 신촌 상권과 유사하게 이화여대 상권의 신뢰도도 낮아졌다. 반면, 2014년부터 상암 상권의 신뢰도가 90%에서 95%로 증가하는 것과 홍대 상권을 중심으로 그 주변 상권의 신뢰도가 높아지는 것을 확인했다. 이는 2014년 MBC상암본사와 JTBC상암 등 방송국과 대기업이 들어서면서 멀리서 출퇴근하던 직장인이 상주인구가 되면서 상암 상권이 성장한 것으로 분석된다. 또한, 홍대 상권의 지속적인 성장으로 인해 연세로 상권과 이화여대 상권을 포함하고 있는 신촌 상권은 홍대 상권과의 경쟁력이 약화 되어 신촌 상권의 사업체들은 감소하고, 홍대 상권에는 신규 사업체들이 증가함을 알 수 있다. 이러한 결과는 사업체들이 홍대 상권 방향으로 이동했다는 것을 시사한다.

Figure 4. 
Commercial clusters for each period from 1999 to 2022

본 연구는 연세로 상권의 상권활력도 변화를 <그림 5>와 같이 그래프를 통해 확인하였다. 상권활력도는 전반적으로 증가와 감소를 반복하는 패턴을 보였으나 그 추세는 감소하고 있는 것으로 나타났다. 1999년~2001년까지 상권활력도가 증가하는데, 이는 2000년대 초반까지 서울의 대표적 상권이었던 연세로의 성장으로 분석된다. 2001년~2003년, 2007년~2009년에 상권활력도가 감소하는 것으로 나타났으며, 이는 각각 Dot-com Bubble 사태, 세계 금융 위기(Subprime Mortgage Crisis)가 발생하여 전반적으로 상권 침체가 발생하였기 때문으로 판단된다. 반면, 2012년~2017년 동안은 상권활력도가 회복되는 모습을 확인하였다. 이는 2012년부터 중화권 관광객들이 늘어나면서 국내 젊은 소비자들이 떠난 자리를 대체하였기 때문으로 판단된다(정한국, 2012). 그러나 2014년 연세대학교 국제 캠퍼스(송도) Residential College(RC) 교육으로 인하여 매년 약 3,500명 이상의 신입생이 연세로 상권으로부터 이탈하게 되었고, 2015년부터 2018년까지 시행된 신촌 도시재생사업이 상권 활성화에 실패하여 그 추세가 감소한 것으로 분석된다(김흥순 외, 2020). 이후, 2017년~2020년까지 상권활력도가 감소하였고, 이는 2017년부터 2019년까지 전반적인 경기침체(김흥순 외, 2020), 2019년부터 발생한 COVID-19로 인한 효과로 판단된다. 2021년부터 사회적 거리두기 단계완화, 대중교통 이용 활성화 등으로 인해 COVID-19 이전 일상생활로 돌아오게 되면서 상권활력도가 회복되는 것을 확인했다. 하지만, 전반적인 연세로 상권의 상권활력도는 지속적으로 감소하고 있으며 이는 소비자 행동의 변화, 경기 침체, 타 상권과의 경쟁력 약화 등 여러 가지 문제가 원인으로 분석된다.

Figure 5. 
Time series change the commercial vitality of the Yonsei-ro commercial area

본 연구에서는 통제집단합성법을 통하여 대중교통전용지구 정책에 대하여 평가하였으며 결과는 <표 3>과 같다. 합성통제지역을 도출하기 위하여 활용한 예측 변수인 상권활력도, 토지 이용, 건조 환경 변수가 중요하게 고려된 것을 확인할 수 있다. 또한, 처치집단과 합성된 통제집단 간의 결과변수 간 차이를 의미하는 Root Mean Squared Prediction Error(RMSPE)는 0.057로 나타났다. RMSPE 값이 0에 가까울수록 처치 시점 이후 정책 시행을 제외한 처치 지역과 다른 사건이 개입된 적이 없다는 가정하에 상권활력도 증진 효과를 비교할 수 있는 적절한 합성통제지역이 도출되었다는 것을 의미한다. 합성통제지역 합성에 활용된 마포구 및 서대문구 내 상권영역의 가중치는 <그림 6>과 같으며, 각각의 대조후보군의 가중치가 클수록 합성통제지역을 도출하는 데 기여함이 크다는 것을 의미한다.

Figure 6. 
Weight of each control group

대중교통전용지구 정책의 상권활력도 증진 효과는 <그림 7> (a), (b)와 같다. 대중교통전용지구 정책이 시행된 2014년에 상권활력도의 변화는 0.0665/1,000m²로 가장 크게 나타났으며, 그 이후 2016년에 처치 지역의 상권활력도는 합성통제지역과 동일한 수준을 보이며 2018년 이후 큰 폭으로 하락했다. 또한, 2019년 이후 합성통제지역 대비 처치 지역에서 지속적으로 상권활력도가 감소한 것으로 나타났다.

Figure 7. 
Results of synthetic control method analysis

통제집단합성법으로 확인한 상권활력도 증감 효과를 통계적으로 검증하기 위하여 플라시보 검정을 통해 확인했다. 본 연구에서는 처치 지역의 정책 시행 이전 시점 MSPE보다 5배 이상 높은 플라시보는 검정에 활용하기 부적절하다고 판단하여 제외하였으며(Abadie et al., 2010), 플라시보 검증에 따라 도출된 결과는 <그림 8> (a)와 같다. 대중교통전용지구 정책효과에 따른 연도별 상권활력도 변화의 유의성은 대상지 상권의 상권활력도 변화량을 플라시보 변화량과 비교한 서열에 따라 경험적 p-value를 계산할 수 있다(이희선 외, 2020). 이와 같은 방법에 따라서 정책 시행 이후 서열을 내림차순으로 도출한 상권활력도 증가 효과의 경험적 p-value를 <그림 8>의 (b), 오름차순으로 도출한 상권활력도 감소 효과의 경험적 p-value를 <그림 8>의 (c)로 나타냈다. 분석 대상의 플라시보 검정 결과에 따르면, 대중교통전용지구 정책 시행 이후 상권활력도 증가 효과는 유의미하지 않았다. 그러나 10% 유의수준에서 상권활력도 감소 효과는 COVID-19 시기인 2020년에 유의하게 나타났다. 대중교통전용지구 정책이 시행된 2014년에는 연세대의 송도 국제캠퍼스 이전으로 인해 주요 소비자인 학생들이 연세로 상권에서 이탈했으며, 홍대 상권의 확장과 영향력은 지속적으로 증가하여 정책의 상권활력도 증가 효과와 상충되어 정책의 효과가 나타나지 않을 수 있다. 또한, 대중교통전용지구 정책은 팬데믹 상황에서 불리하게 나타난 것으로 판단된다. 대중교통전용지구는 보행자 편의를 위해 대중교통 접근성을 우선적으로 고려한 정책이며, 이는 COVID-19 시기에 시민들이 대중교통을 회피하는 경향으로 인한 결과로 분석된다(김진만 외, 2021).

Figure 8. 
Results of placebo test