Current Issue

알고리즘의 종류와 parameter에 따라 Community Detection의 기능적 생활권 분류 결과는 달라질 수 있다(Poorthuis, 2018). 이에 따라 기능적 생활권 포착을 위해서는 활용할 데이터와 목적에 따라 적합한 Community Detection 방법론이 활용될 필요가 있다(Rosvall et al., 2019). 먼저 일반적으로 Community Detection은 모듈성(modularity)이라는 평가 지표에 기반하여 군집 형성을 평가한다. 모듈성 수치는 -1에서 1 사이의 값을 가지며, OD 행렬과 같은 가중 네트워크에서 군집 내 가중치가 크고 군집 간 가중치는 낮은 형태로 묶일 때 1에 가까운 수치를 보이는 값이다. 이와 같은 모듈성 지수와 계산 복잡도에 기반하여 좋은 평가를 받고 있는 알고리즘은 Louvain 알고리즘이다(Chen et al., 2018).

Louvain 알고리즘의 군집화 방식은 다음의 과정을 따른다(Blondel et al., 2008). 먼저 모든 노드(node)는 각자 하나의 군집을 형성한다. 즉, 본 연구의 기준에서 최초 생활권 개수는 행정동의 개수와 같게 된다. 이후 각 노드들에 대해 이웃한 노드의 군집에 편입될 경우, 모듈성의 변화가 측정된다. 이에 따라 가장 큰 모듈성 증진을 보인 군집으로 노드를 재배치하게 된다. 하지만 다른 군집으로의 재배치는 모듈성의 변화가 양수인 경우에만 진행된다. 여기서 작은 규모의 군집 도출을 연구자가 희망할 경우, resolution parameter를 통해 군집으로 재배치시킬 역치의 수준을 설정하여 도출할 군집의 크기를 조절하게 된다(Lambiotte, 2010). 본 연구에서 활용한 python의 네트워크 분석 패키지 igraph에 따른 모듈성 Q는 다음 식과 같다. m은 네트워크 전체 가중치의 합, i, j는 노드, A는 노드 간 간선(edge)의 가중치, k는 해당 노드에 연결된 간선의 가중치 합, δ(c_i, c_j)는 i 노드와 j 노드가 같은 군집에 속할 경우 1, 아닐 경우 0의 값을 가진다. resolution parameter인 γ는 값이 커질수록 역치를 키워 더 많은 개수의 작은 군집을 도출하도록 한다(igraph, 2022).

(4)

각 노드들이 모듈성에 따라 군집으로 재배치된 이후 Louvain 알고리즘은 각 군집을 노드로 취급하여 군집의 재배치 과정을 다시 시행하게 된다. 이러한 일련의 과정은 pass로 정의되고, 모듈성의 개선이 이루어지지 않을 때까지 pass는 반복된다. 이 과정에서 이전 pass에서 도출된 군집은 최종 도출된 군집의 형성 과정을 살펴보는 데 활용될 수 있다. 정리하면 resolution parameter에 따라서는 살펴보고자 하는 군집의 크기를 조절할 수 있으며, 이전 pass의 군집을 통해서는 최종 군집의 형성 과정을 살펴볼 수 있다.

하지만 모듈성에 기반한 알고리즘은 군집 내부의 연결 강도에만 초점을 맞추어 세부적인 정보가 무시될 수 있다는 점이 지적되었다. 이에 따라 Rosvall et al.(2009)은 네트워크 내부의 흐름(flow)을 평가하기 위한 지표인 map equation에 기반한 Infomap 알고리즘을 개발하였다. Infomap 알고리즘은 군집 포착을 위해 random suffer라는 개념을 활용한다. 세부적으로 random suffer는 방향 가중 네트워크 내부를 돌아다니거나, 확률에 따라 순간 이동(teleportation)하며 네트워크 내 흐름을 보이는 군집을 포착하게 된다. 연구자는 Louvain 알고리즘과 마찬가지로 Infomap 알고리즘의 Markov-time를 통해 도출되는 군집의 크기를 조절할 수 있다. 이러한 Infomap 알고리즘은 방향 네트워크에 대한 군집 분석이 가능하기 때문에 방향성을 가지는 OD 데이터를 활용한 권역 분석에 활용되었다(Zhong et al., 2014). 한편, Infomap 알고리즘은 map equation 지표에 의해 군집을 도출하지만, 군집 도출 결과를 평가하는데 다음 식과 같이 방향성을 고려한 모듈성을 고려할 수 있다. A_ij는 i 노드로부터 j 노드로 방향을 가지는 간선의 가중치, kⁱⁿ은 해당 노드로 향하는 간선의 가중치 합, k^out은 해당 노드에서 나가는 간선의 가중치 합, 그 외는 무방향 네트워크 모듈성의 것과 같다(Nicosia et al., 2009; igraph, 2022).

(5)

그러나 Infomap 알고리즘은 방향 가중 네트워크 내 흐름이 나타나지 않을 경우 전체 네트워크에 대해 1개의 단일한 군집만을 도출하여 모듈성이 0으로 나타나게 된다(Rosvall et al., 2009). 두 알고리즘의 결과 도출 과정을 비교해 도식화한 것은 <그림 2>로, 좌측이 Louvain 알고리즘, 우측이 Infomap 알고리즘에 의해 도출된 군집 결과이다.

Figure 2. 
Comparison of cluster derivation by Community Detection algorithm

Source: Rosvall et al.(2019, p.10)

먼저 한국갤럽조사연구소(2021)에 따르면 2020년 20~50대 연령층의 스마트폰 사용률은 98% 이상으로 다른 연령대에 비해 매우 높은 수치를 보이고 있다. 이와 더불어 20~50대 연령층은 경제 활동 인구로서 도시 경제 활동의 중심이 되며 생활권 형성에 가장 큰 기여를 한다고 볼 수 있다. 이에 따라 본 연구는 생활이동 데이터의 추정량 오류를 최소화하고 연구의 분석 목적을 고려하고자 20~59세의 통행 데이터를 추출해 분석에 활용하였다. 또한, 생활권계획은 서울시를 수립 범위로 하고 있고, 생활인구 데이터는 서울 외부 지역 간 통행을 제공하고 있지 않기 때문에 본 연구는 서울 내부에서의 통행만을 고려하였다.

이후, 본 연구는 비동질적 특성을 보이는 주중과 주말로 통행 패턴을 나누어 <그림 3>과 같이 주요하게 나타나는 종류의 통행 패턴을 살펴보았다. 먼저 통근 통행과 여가 통행 모두 일관적으로 정부의 사회적 거리두기 단계 격상에 따라 통행량이 줄어드는 양상을 보였다. 다음으로 주중과 주말의 통행을 나누어 살펴보면, 주중의 경우 주거지에서 근무지로의 통행을 의미하는 HW와 근무지에서 주거지로의 통행을 의미하는 WH가 가장 높은 빈도를 보이고 있었다. 주말의 경우 시민들의 주거지와 기타 체류지를 순환하는 여가 통행(EE, EH, HE) 빈도가 가장 높은 것으로 나타났다. 이는 2040 도시기본계획에서 제시한 도시민의 주요 삶의 행태인 주거(live), 업무(work), 여가(play)와 일치한다(서울특별시, 2023). 이에 본 연구는 주중 통근 통행(HW)과 주말 여가 통행(HE)으로 통행 패턴을 나누어 생활권을 살펴보았다.

Figure 3. 
Average daily traffic volume by traffic pattern

다음으로 본 연구는 네트워크 분석에 있어서 python의 igraph 패키지를 활용하였다. 먼저 생활권을 도출하기 위해 본 연구는 선행연구에서 활용된 Louvain 알고리즘과 Infomap 알고리즘 중 통행 패턴에 따라 적합한 알고리즘을 선택하였다. Louvain 알고리즘을 활용할 경우, 양방향의 두 간선 가중치는 하나의 무방향 간선 가중치로 합쳤다. 이후 통행 패턴에 따라 적절한 알고리즘을 도출하기 위해 각 년도 1월의 Community Detection 결과의 모듈성을 비교한 결과는 <표 2>와 같다. 결과는 전반적으로 통근 통행이 여가 통행보다 모듈성이 낮게 나타나, 시민들의 통근 통행 행태가 여가 통행보다 외부 생활권 의존이 강한 것을 알 수 있다.

<표 2>에 제시된 바와 같이 주중 통근 통행에서 Infomap 알고리즘의 모듈성은 0으로 나타나 통근 통행을 분석할 알고리즘으로는 Louvain 알고리즘이 적절한 것을 알 수 있다. 이러한 결과는 HW만을 고려한 출근 통행에서도 동일하게 나타났다. Rosvall et al.(2009)이 지적한 바와 같이 두 노드 간의 상호작용이 주되게 나타날 경우 Infomap 알고리즘의 모듈성은 0으로 나타날 수 있는데, 출발지와 목적지가 뚜렷한 통근 통행이 이 경우에 속하는 것이라고 볼 수 있다. 그 외에 다른 경우의 모듈성은 0.3 이상으로, 모두 내부 결속력이 있는 군집이 도출되었다고 평가할 수 있다(Chen et al., 2018).

한편, 여가 통행에 있어서 전반적으로 Louvain 알고리즘의 모듈성이 약소하게 Infomap 알고리즘에 비해 높게 나타났다. 하지만 Infomap 알고리즘은 방향 네트워크에 기반해 모듈성을 계산하므로 직접적인 비교는 부적절하다고 볼 수 있다. 또한, 여가 통행 분석에 활용된 데이터는 HE, EE, EH와 같이 주거지에서 출발해 기타 체류지를 거친 뒤 주거지로 복귀하는 순환적 형태를 띠고 있다. 이에 따라 2개 이상의 목적지를 가지는 여가 통행에 대해서는 비슷한 모듈성 수준을 보이는 두 알고리즘 중 Infomap을 선택하는 것이 여가생활 반경 도출에 보다 적합하다(Maeda et al., 2019).

이후 적합한 알고리즘에 따라 통행 패턴별, 월별로 Community Detection 분석을 시행하였다. 또한, 각 결과에 대해 분류 모형 평가에 활용되는 Adjusted Mutual Information Index (AMI)를 활용하여, 분석 결과의 강건성을 확보하였다(Lu et al., 2018). AMI는 0에서 1 사이의 값을 가지며, 1에 가까울수록 두 군집화의 결과는 유사하다는 의미를 가진다. 이에 따라 각 분석별로 10회의 Community Detection을 시행하여 전체 결과 중 나머지 9개의 결과와 가장 유사하여 가장 높은 평균 AMI를 보이는 결과를 강건한 모형으로 제시하였다.

모든 공간 자료는 지리적 인접성에 따라 공간적 자기상관성(spatial autocorrelation)을 가지게 된다. 이러한 공간적 자기상관성을 고려하지 않을 경우, 회귀 모형은 오차항에 공간적 자기상관성을 포함하여 편향된 결과를 산출할 수 있다(Anselin, 1988). 따라서 본 연구는 이분산성의 원인으로 공간적 영향을 가정하여, 퀸(queen) 방식의 공간가중행렬(spatial weighted matrix)를 구축하였다. 이후, 공간가중행렬을 통해 공간적 자기상관성을 고려한 회귀 분석을 진행하였다. 공간적 자기상관성은 Moran’s I를 통해 검증하였으며, LM-lag, LM-error, Robust LM-lag, Robust LM-error를 통해 적합한 설명 모형을 선택하였다(정은애 외, 2015). Moran’s I에 대한 식은 아래와 같으며, W는 공간가중행렬, x_i는 행정동 i의 값, N은 행정동의 수이다.

(6)

종속변수인 행정동별 평균 통행거리는 지리적 인접성에 따라 공간적 자기상관성을 지닐 수 있기 때문에 <표 3>과 같이 공간 종속성을 진단하였고, 유의한 공간적 자기상관성이 확인되었다. 또한, <표 4>와 같이 모형 성능을 비교하여 최종 설명 모형을 공간시차모형(SLM)으로 선택하였다.

생활권계획의 경계가 시민의 실제 통행 반경을 반영하지 못하고 있다는 문제의식에 따라 본 연구는 Community Detection과 모바일폰 위치 기반 통행 데이터를 활용하여 기능적 생활권을 특정해내었다. 먼저 주중 통근 통행을 활용하여 2020년, 2021년, 2022년 1월의 기능적 생활권을 도출한 결과는 <그림 4>와 같다.

Figure 4. 
Analysis result of weekday commuting living zones

도출된 기능적 경계를 살펴보면, 일부 경계는 자치구 경계와 일치하는 것으로 나타났다. 이는 기존의 행정 구역 경계에 시민의 활동이 종속되어 도출된 결과로 볼 수 있다(De Montis et al., 2013; Yu et al., 2020; Wei and Wang, 2021). 그러나 행정 경계 및 생활권계획 경계와 일치하지 않는 기능적 경계가 확인됨에 따라, Community Detection 결과는 실제 도시의 시민 활동을 확인하기 위해선 기능적 경계가 도시계획적으로 고려될 필요가 있음을 시사한다(Poorthuis, 2018).

기존의 생활권계획은 서울의 대생활권을 도심권, 서북권, 서남권, 동북권, 동남권의 5개 생활권으로 나누고 있다. 도출된 기능적 통근 생활권을 살펴보면 생활권의 개수는 5개로 같으나, 생활권계획 상 도심권으로 정의된 지역은 서북권과 동북권에 편입되어 나타나고 있다. 즉, 이러한 결과는 기존 생활권계획 상 도심권이 고용 중심지를 뒷받침하는 배후 주거 지역을 고려하지 못하는 것으로 볼 수 있다. 한편, 한강 이남 지역의 경우 강남 도심권이 특정되어 강남 도심권, 서남권, 동남권 3개의 생활권으로 분화되어 나타났다. 이는 한강 이남 지역을 서남권, 동남권 2개 생활권으로 분할하고 있는 생활권계획과 달리 강남 도심권이 유효한 생활권으로써 기능함을 의미한다.

시간 경과에 따른 서울시 내 통근 통행의 평균 통행거리와 기능적 통근 생활권의 모듈성 및 생활권 크기 변화를 살펴본 결과는 <표 5>와 같다. 먼저 모듈성은 0.35~0.39 수준으로 나타났다. 네트워크의 모듈성이 0.3 이상인 경우 내부 결속력이 있다고 판단할 수 있기 때문에(Chen et al., 2018), 도출된 기능적 통근 생활권은 통행 양상을 살펴보기 적절하다. 3년간 도출된 군집의 수는 5~6개, 평균 통행거리는 7.4km 내외 수준으로 변동 폭이 좁게 나타났는데, 이는 COVID-19에 따른 사회적 변화와 정책에도 불구하고 통근 통행 목적지는 쉽게 바뀌기 힘들다는 점을 시사한다.

또한, 기능적 통근 생활권이 6개로 나타난 경우는 5개로 나타난 기능적 통근 생활권 중 동남권이 광진구·성동구, 송파구·강동구 생활권으로 분화된 것으로 나타났다. 이러한 결과는 고용 중심지가 각 생활권에 존재하여 향후 기능적 생활권 분화를 야기할 수 있음을 시사한다. 특히 광진구·성동구, 송파구·강동구 생활권은 하재현·이수기(2016)의 대생활권 분석에서도 도출된 바가 있기 때문에, 향후 생활권계획에서는 이를 주목할 필요가 있다.

한편, 선행연구는 기능적 생활권 도출에 있어서 인접하지 않은 지역 간의 군집 도출을 보고하고 있다(Zhong et al., 2014; 하재현·이수기, 2016). 이는 강남과 판교와 같이 행정 경계가 인접하지 않더라도 기능적 생활권으로 묶일 수 있는 행정동 간 나타날 수 있는 결과이다. 그러나 모바일폰 위치 기반 OD 데이터를 활용한 본 연구의 결과는 지리적 인접성이 실제 기능적 생활권 도출에도 크게 작용함을 보고하고 있다.

여가 통행의 목적지는 통근 통행과 다른 양상을 보임에 따라 여가 인프라 공급의 근거가 되는 생활권은 주말의 비통근 통행을 활용하여 분석하였다. 여가 통행의 경우, 대부분의 통행이 주거지에서 출발해 2개 이상의 목적지를 가지는 통행 패턴이 나타나기 때문에 Infomap 알고리즘을 활용하여 기능적 생활권을 도출하였고, 시각화한 결과는 <그림 5>와 같다.

Figure 5. 
Analysis result of weekend leisure living zones

기능적 통근 생활권과 비교해볼 때 기능적 여가 생활권의 경우, 더 많은 수의 통행 중심지가 존재하기 때문에 더 많은 군집이 도출되었다. 이러한 결과는 시민들이 통근보다는 여가 통행에서 근거리 통행을 선호함을 나타낸다. 또한, 기능적 여가 생활권에서 역시 강남 도심권이 지속적으로 나타나는 것을 볼 수 있다.

시간 경과에 따라 주말 여가 통행에 대한 평균 통행거리와 Community Detection 결과를 나타낸 결과는 <표 5>와 같다. 먼저 COVID-19 집단 감염 사태가 나타난 2020년 2월, 시민들은 여가 생활 반경을 축소하는 경향을 보였다. 세부적으로 2020년 1월 14개 수준으로 나타나던 생활권 군집은 2020년 2월 16개로 증가하여 생활권의 축소가 확인되었다. 그러나 2020년 3월 평균 통행거리는 더 짧아졌음에도 불구하고 생활권은 기존보다도 생활권의 군집 수가 적게 나타났다. 이러한 결과는 장거리 여가 통행을 포기하여, 기존의 생활권 간 내부 결속이 약화되어 나타난 결과로 판단된다. 이처럼 짧은 기간 내 나타나는 기능적 생활권 변화는 기존의 긴 주기를 가지는 생활권계획이 데이터에 기반해 현실의 변화를 반영하기에 미흡할 수 있음을 시사한다. 한편, 기능적 여가 생활권 역시 2022년 1월 기준 2020년 1월과 비슷한 수준의 생활권 분화를 보여 사회적 변화에 따른 생활권 변화는 탄력적인 것으로 나타났다.

<표 6>은 종속변수인 통행 목적별 통행거리와 독립변수들에 대한 기초통계 결과이다. 먼저 종속변수인 평균 통행거리의 경우 시간의 경과에도 주중 통근 통행은 평균값이 약 7.4km로 안정적으로 나타났다. 그러나 주말 여가 통행의 경우 연도에 따라 5.1~5.6km로 평균값이 큰 변화를 보였다. 이러한 결과는 앞서 Community Detection 분석 결과에서 기술한 바와 같이 통근 통행의 경우 여가 통행보다 목적지가 가변적이지 않다는 특성에 기인한 것으로 볼 수 있다.

한편, 밀도 특성 중 도착 통행 밀도를 살펴보면, 통근 통행은 여가 통행에 비해 평균값 대비 표준편차의 크기가 크게 나타났다. 이는 통근 통행이 여가 통행보다 특정 지역에 목적지가 편중되어 나타난 결과로 판단된다.

보행 환경 특성 중 따릉이 정류장 밀도의 경우, 2020년 이후 서울시의 공공자전거 정류장 설치 사업에 따라 계속 증가하는 경향을 보이고 있다. 따라서 교통 특성 변수와 달리 따릉이 정류장 밀도는 연도별로 구성하는 것이 적합하다고 볼 수 있다.

생활권 변수는 연도별 생활권을 구성하는 행정동과 생활권의 개수가 다르기 때문에 <표 7>을 통해 연도별 기능적 생활권의 구성 비율을 제시하였다. 기능적 통근 생활권의 경우 구성 비율과 생활권의 개수는 시간 경과에도 크게 변화하지 않았으나, 기능적 여가 생활권은 변화가 확인되기 때문에 통근 통행에 비해 여가 통행이 보다 사회적 변화에 의해 유동적임을 알 수 있다.

통근 통행의 평균 통행거리에 대해 밀도 특성, 복합도 특성, 교통 특성, 보행 환경 특성, 기능적 생활권 특성을 고려하여 공간시차 모형을 활용해 분석한 결과는 <표 8>과 같다. 모형에 활용한 변수의 VIF 값은 모두 5 이하로 나타나 다중공선성 문제는 없다고 판단하였다. 또한, 오차항의 Moran’s I 값은 유의하지 않게 나타나 공간시차 모형을 통해 공간적 자기상관성이 제어되었음을 알 수 있다. 이는 Rho 값을 통해서도 드러나는데, Rho 값은 모든 모형에서 0.8 이상의 매우 유의한 관계를 보여 종속변수인 통근 통행거리가 인근 지역의 통근 통행거리와 매우 강한 상관관계를 가짐을 알 수 있다.

우선 통근 평균 통행거리에 대해 분석한 모형에서 밀도 특성 중 출발 통행 밀도와 도착 통행 밀도는 모두 유의하게 나타났다. 출발과 도착 통행 밀도는 각각 통행의 수요와 공급을 나타내는 지표로써, 통근 통행에서는 해당 행정동의 거주 인구와 종사자를 대리하는 변수라고 볼 수 있다. 구체적으로 출발 통행 밀도가 높을수록 통행거리는 늘어났으며, 도착 통행 밀도가 높을수록 통행거리는 줄어들어 선행연구와 일치한 결과를 보였다(성현곤·추상호, 2010). 즉, 이러한 결과는 주거 지역 위주의 고밀 개발보다는 고용 중심의 개발이 시민의 통행거리를 줄이는데 기여할 수 있음을 시사한다. 그러나 2021년 1월 출발 통행 밀도, 즉, 통행 수요는 통행거리와 유의미한 관계를 보이지 않았는데, 이러한 결과는 원격 근무와 같은 사회적 변화에 따른 일시적 결과로 판단된다(Hanzl, 2020). 한편, 도착 통행량 밀도의 영향력은 2021년 1월에 가장 크게 나타나고, 2022년 1월에는 다소 감소하였으나 2020년 1월보다 크게 나타났다. 이러한 결과는 고용 중심지와 인접한 지역의 통근 편의가 COVID-19 이후 개선되었으나, COVID-19의 일상화 이후에는 감소하는 경향이 나타날 수 있음을 시사한다.

통행의 목적지 인접성 증진에 기여할 수 있는 복합도 특성에서는 도착량/출발량과 주거-상업 혼합도가 유의하게 나타났다. 먼저 도착 통행량 밀도 제어 하에 도착량/출발량은 통행거리와 유의한 양(+)의 관계를 보였는데, 이는 고용 중심지에 대한 접근성이 높은 지역이라도 통행 수요에 비해 공급이 상대적으로 높을 경우 오히려 통행거리를 늘릴 수 있음을 시사한다. 즉, 거주 인구에 비해 고용 공급이 과도히 높을수록 통행거리가 늘어나는 것으로, 현재 2030 생활권계획에서는 전술한 바와 같이 고용 중심지에 대한 배후 주거 지역이 고려되고 있지 않기 때문에 통근 통행거리 감축을 위해서는 통근 통행 수요를 뒷받침할 수 있는 주거 지역을 생활권계획에 고려할 필요가 있다. 그러나 2021년 이후 도착량/출발량은 유의한 관계를 보이지 않아 향후 실제 통행에 기반한 지속적 모니터링이 요구된다.

한편, 토지 이용의 혼합도가 높을수록 시민은 단거리 통행을 통해 통행 목적을 달성할 수 있다(Boussauw et al., 2012). 이에 따라 본 연구는 세부적으로 어떠한 토지 이용 간 혼합도가 증가할 때 통행거리가 감소하는지 살펴보았다. 분석 결과 토지 이용 중 주거와 상업의 혼합도가 통근의 통행거리와 유의한 음(-)의 관계를 보이는 것으로 나타났다. 세부적으로 3년간 변화를 살펴보면 2021년 1월은 주거와 상업 혼합도의 영향력은 감소하였지만, 2022년 1월에는 증가하였다. 이러한 결과는 통근 통행거리에 대한 상업 시설 접근성의 영향이 사회적 변화에 따라 변동할 수 있음을 시사한다. 그러나 주거와 업무 지역 간의 혼합 수준은 3년간 통근 통행거리와 양(+)의 관계를 보이며 유의한 영향을 미치지 않았는데, 이러한 결과는 초과통근의 가능성에 대한 후속 연구를 통해 세부적으로 살펴볼 필요가 있다.

교통 특성 중 대중교통과 비동력 교통수단 모두 3년간 통근 통행거리와 유의한 관계를 보이지 않았다. 이러한 결과는 통근 통행의 교통수단으로 승용차가 높은 비율을 차지하는 것에 기인하는 것으로 판단된다.

한편, 건조 환경 특성의 경우 승용차 접근성을 설명하는 도로 밀도는 2020년과 2021년 통근 통행거리와 유의한 관계를 보이지 않았지만, 2022년 1월 통근 통행거리와 유의한 음(-)의 관계를 보인 것으로 나타났다. 이는 COVID-19로 인한 감염 우려로 승용차를 선호하여 나타난 결과로 볼 수 있으나(Vickerman, 2021), 2021년 1월에는 유의한 관계가 보이지 않기 때문에 해석에 유의할 필요가 있다. 한편, 높은 승용차 접근성에 의한 통행거리 감소는 승용차 이용을 촉발할 수 있으므로(성현곤·추상호, 2010), 도시계획 단계에서 주의 깊게 접근할 필요가 있다. 이와 더불어 건물 밀도는 통근의 통행거리에 3년간 유의한 음(-)의 관계를 가지는 것으로 나타났다. 이러한 결과는 선행연구 결과와 마찬가지로 고밀 압축 개발이 통행거리 저감에 기여할 수 있음을 시사한다(Ao et al., 2019).

마지막으로 기능적 생활권 특성을 살펴볼 때, 서남권의 경우 2020년 1월에 한정적으로 강남 도심권에 비해 통근 통행거리가 유의하게 높은 것으로 나타났다. 즉, 도시의 균형적 발전을 목표로 하는 생활권계획과는 달리 실제 통근 형평성 측면에서 불균형이 나타날 수 있음을 시사한다. 그러나 대부분의 생활권이 3년간 강남 도심권과 통행거리의 차이가 나타나지 않은 점을 고려할 때, 기능적 통근 생활권들의 고용 중심지 접근성은 형평적인 것으로 판단된다. 또한, 이러한 결과는 통근 통행이 COVID-19 이후 부분적 원격 근무에 의해 단거리, 중거리, 장거리 통행의 감소가 모든 기능적 생활권에서 균일하게 나타났음을 시사한다.

여가 통행의 평균 통행거리에 대해 밀도 특성, 복합도 특성, 교통 특성, 보행 환경 특성, 기능적 생활권 특성을 고려하여 공간시차 모형을 활용해 분석한 결과는 <표 9>와 같다. 통근 통행거리 분석과 마찬가지로 모든 독립변수의 VIF 값은 5 이하로 나타나 다중공선성 문제는 없다고 판단하였으며, 오차항의 Moran’s I 값은 유의하지 않게 나타나 공간적 자기상관성이 제어되었음을 확인하였다.

우선 여가 통행거리에 대한 밀도 특성 분석에서는 출발 통행 밀도 변수만이 유의한 관계를 보였다. 또한, 통근 통행거리에 대한 분석 결과와 달리 여가 통행거리 분석에서 출발 통행 밀도는 음(-)의 관계를 가지는 것으로 나타났다. 이러한 결과는 통행거리 감축을 위해 통행 특성에 따라 고밀 개발의 초점이 달라질 수 있음을 시사한다. 세부적으로 여가 통행의 통행거리 감축을 위해서는 여가 인프라 접근성이 취약한 주거 지역 위주로 여가 인프라 공급이 고려될 수 있다. 이와 더불어 시간 경과에 따라 계수의 변화를 살펴보면, 2020년 1월과 비교할 때 2021년 1월 출발 통행 밀도가 높은 지역에서의 통행거리는 2020년 1월보다 더욱 감소하였다. 그러나 2022년 1월에는 출발 통행 밀도가 미치는 영향력이 기존 수준으로 되돌아온 것을 알 수 있다. 이러한 결과는 2021년 1월의 경우 2020년 1월보다 시민들이 주거지를 크게 벗어나지 않는 여가 통행을 하는 경향, 2022년 1월에는 COVID-19 일상화에 따라 전년도보다 주거지를 벗어나 여가 통행을 하는 경향이 나타난 것으로 판단된다.

복합도 특성 중 도착량/출발량은 여가 통행거리에 음(-)의 영향을 미치는 것으로 나타났다. 즉, 통행의 수요 대비 공급이 많을수록 통행거리가 짧아지는 것으로, 여가 인프라 취약 주거지에서의 인프라 확충은 여가 통행거리 감축에 효과가 있을 것으로 판단된다. 특히 도착량/출발량의 영향력은 시간의 경과에 따라 증가하는데, 이러한 결과는 주거 지역의 여가 인프라 수요가 지속적으로 증가한 결과로 판단된다. 한편, 주거와 상업 용도 간의 혼합은 여가 통행에 있어서도 3년간 통행거리와 유의한 음(-)의 관계를 보였으며, 그 영향력은 계속 증가한 것으로 나타났다. 이러한 관계는 여가 통행거리를 분석한 선행연구의 결과와도 일치하며(장윤정·이승일, 2010), 증가한 영향력은 포스트 펜데믹 시기 주거 지역에서의 상업 시설 접근성이 여가 통행거리 감축에 주요하게 고려될 수 있음을 시사한다. 그러나 주거와 업무 용도 간의 혼합은 2021년 1월의 분석 모형부터 유의하게 여가 통행거리와 양(+)의 관계를 보였으며, 그 영향력은 지속적으로 증가한 것으로 나타났다. 즉, 업무 지역에 인접한 주거 지역의 시민들이 여가 인프라의 부족으로 COVID-19 이후 더욱 장거리의 여가 통행을 한 것으로 볼 수 있다. 이에 따라 여가 통행거리 감축을 위해 업무 지역 인근의 주거 지역 내 여가 시설 특성을 세부적으로 살펴보고, 생활권계획에 고려할 필요가 있다.

건조 환경 특성은 승용차 접근성을 설명하는 도로 밀도가 3년간 여가 통행거리와 유의한 음(-)의 관계를 보였으며, 영향력이 시간 경과에 따라 증가하는 경향을 보였다. 먼저 COVID-19에 대한 감염 우려가 승용차 선호로 이어질 수 있음을 고려할 때(Vickerman, 2021), 여가 통행에 있어서 승용차의 선호는 기존에도 존재했으나 COVID-19 이후 다른 수단 대비 상대적으로 증가할 수 있음을 시사한다. 건물 밀도 또한 여가 통행거리에 유의한 음(-)의 영향을 미쳤는데, 여가 통행에서도 압축 개발이 통행거리를 감축시킬 수 있음을 시사한다(Ao et al., 2019).

기능적 생활권 특성의 경우 준거 집단인 강남 도심권보다 더 긴 여가 통행거리를 가지는 생활권이 다수 확인되었다. 이러한 결과는 통근 통행거리 분석과 비교할 때, 여가 시설의 접근성에 있어 생활권 간 격차의 가능성을 시사한다. 즉, 여가 생활권 내에서 시민들이 여가 통행 수요를 충족하지 못해 외부 생활권에 의존하는 것이므로, 균형 발전을 지향하는 생활권계획에서는 여가 인프라 확충을 위한 계획 수립을 고려할 필요가 있다.

먼저 각 기능적 여가 생활권의 권역을 살펴보면, 1번 생활권은 영등포구·구로구·금천구와 관악구·동작구 일부, 2번 생활권은 강북구·도봉구·노원구와 성북구 일부, 3번 생활권은 강서구·양천구, 4번 생활권은 송파구·강남구 일부, 5번 생활권은 광진구와 성동구 일부, 6번 생활권은 강동구·송파구 일부, 7번 생활권은 용산구, 8번 생활권은 중랑구, 9번 생활권은 동대문구, 10번 생활권은 마포구·서대문구·은평구 일부, 11번 생활권은 은평구·서대문구·종로구 일부, 12번 생활권은 종로구·중구·서대문구 일부, 13번 생활권은 성동구 일부가 포함되어 있다.

기간에 따른 강남 도심권과의 통행거리 차이를 살펴보면, 전체적으로 2021년 1월의 경우 2020년 1월에 비해 기능적 생활권이 통합되고 통행거리의 형평성이 개선된 것으로 나타났다.

세부적으로 1번 생활권, 2번 생활권, 3번 생활권은 강남 도심권에 대한 통행거리 차이가 2021년 1월에 감소한 것으로 나타났다. 또한, 강남 도심권보다 여가 통행거리가 길게 나타나던 4번 생활권, 6번 생활권은 2021년 1월 강남 도심권과의 여가 통행거리 차이가 유의미하지 않게 나타났다. 한편, 생활권 간의 통합에 따른 통행거리 변화는 상이한 양상을 보였다. 11번 생활권은 2020년 1월 강남 도심권보다 여가 통행거리가 길게 나타났으나, 2021년 1월 10번 생활권과 통합되며 통행거리 차이는 유의미하게 나타나지 않았다. 반면 12번 생활권과 13번 생활권은 2020년 1월 강남 도심권과 여가 통행거리 차이가 나타나지 않았으나, 2021년 1월 통합된 이후 강남 도심권에 비해 통행거리가 유의하게 긴 것으로 확인되었다.

2022년 1월의 경우, 2020년 1월과 동일한 개수의 군집으로 기능적 여가 생활권이 나타났으나, 강남 도심권보다 통행거리가 유의하게 긴 생활권은 많아진 것으로 나타났다. 세부적으로 2020년 1월 강남 도심권에 비해 여가 통행거리가 긴 생활권은 6개였지만, 2022년 1월에는 8개로 나타났다. 새롭게 통행거리 차이가 나타난 생활권은 9번 생활권과 12번 생활권으로 확인되었다. 한편, 1번 생활권, 2번 생활권, 4번 생활권은 2021년 1월에는 강남 도심권과 통행거리 차이가 감소한 모습을 보였지만, 2022년 1월에는 오히려 2020년 1월보다 통행거리 차이가 증가한 모습을 보여 COVID-19의 일상화에 따른 지역 간 불균형의 가속화를 시사했다. 반면, 3번 생활권, 11번 생활권은 2020년 1월보다는 강남 도심권과 통행거리가 크지 않았지만, 2021년 대비 증가한 모습을 보여 주의할 필요가 있다.