Journal Archive

본 연구의 공간적 범위는 서울특별시의 행정구역을 250m 격자 공간 단위로 분할하였으며, 서울시 내부에서 출발과 도착이 이루어지고, 출발지의 유형이 야간상주지(거주지 주변)인 이동을 대상으로 이동이 발생한 격자 공간으로 설정하였다. 서울시민의 일상 이동을 살펴보기 위해 팬데믹 회복기에 접어든 시점에서 비교적 휴일이 적어 서울시민의 일상 이동을 측정할 수 있을 것으로 예상되는 2024년 3월을 기준으로 분석을 수행하였다.

서울시민의 일상생활 이동의 양상을 미시적 단위로 분석하기 위하여 서울시에서 제공하는 수도권생활이동데이터 250m 격자 단위의 OD 데이터를 활용하였다. 이는 KT와 서울시가 협력하여 수도권을 대상으로 시민의 이동을 모바일 통신기기를 활용해 체류지 간의 이동을 250m 격자단위로 제공하는 OD 데이터로, 출·도착지의 격자 ID, 이동량, 이동시간, 이동 거리, 이동목적 등에 대하여 5세 단위 구간으로 제공하며 성별을 구분하여 제공하고 있다(서울특별시 빅데이터담당관·KT AI사업본부 BigData 사업 담당, 2024). <Table 1>과 같이 이동목적은 출·도착지의 특성을 활용하여 추정하여 ‘출근’, ‘등교’, ‘귀가’, ‘쇼핑’, ‘병원’, ‘관광’, ‘기타’로 제공하고 있다. 기존의 생활이동데이터가 행정동을 공간단위로 제공하여 미시적 공간을 분석하는 데 있어 한계가 있었으나, 250m 격자 단위를 통해 시민의 이동을 면밀히 파악할 수 있다. 본 연구에서는 서울시민의 보행이동 양상을 시간적·공간적 범위로 탐색하기 위하여 2024년 3월 한 달간의 이동 중 출발지 및 도착지가 서울시에 해당하며 ‘평균 이동 시간’이 30분 이하인 이동을 10대~60대까지 10세 단위로 이동량을 집계하여 정제하였다. 보행이동은 ‘평균 이동 거리’와 ‘평균 이동 시간’을 통해 ‘평균 이동속도’를 계산하였다. 10대에서 60대의 보행속도가 1.3~1.6m/s이며(박세진 외, 2007) 이를 m/분으로 환산하였을 때 78m/분~96m/분으로 나타났는데, 이는 「2030서울생활권계획」에서 서비스시설의 공급현황분석 시 일반인의 보행속도 기준으로 삼고 있는 80m/분을 포함하고 있어 본 연구에서도 이를 기준으로 하여 평균이동속도가 80m/분 이하를 보행이동으로 간주하였다.

또한, 본 연구는 이동데이터를 활용하여 실제 서울시민의 실질적 보행생활 범위를 도출하고자 하므로, 주거지를 중심으로 중심지와 주변 배후지(행정동 2~4개)를 통한 보행일상권과의 개념적 차이를 위하여 시민의 ‘n분’의 보행이동 범위를 ‘보행생활권’으로 정의하여 분석을 수행하였다.

본 연구는 서울시민의 보행이동 범위를 시간적·공간적으로 탐색하기 위하여 3단계의 분석 과정으로 구성하였다(Figure 2).

Figure 2. 
Analysis flow chart

먼저 서울시민 보행이동 현황분석에서 서울시민이 보행으로 이동하는 시간적 범위에 대해 검토하였다. 연령대별 이동에 대하여 0-30분을 5분 간격으로 분류하여 각 시간대별 보행이동비율 집중도와 30분 이하의 목적별 보행이동비율을 분석하여 연령대별 보행이동 시간적 범위의 차이를 확인하고, 서울시의 연령대별 ‘n분’ 보행이동 시간을 도출하였다.

다음으로, 도출된 시간 범위를 기반으로 생활이동데이터를 정제하여 모듈성 기반 Leiden 알고리즘으로 연령대별 보행생활권을 도출하고, 연령대별 면적 차이에 따른 분화 특성과 지역생활권과의 규모를 분석하였다.

마지막으로, 서울시의 시간 중심 보행생활권과 현재 행정경계 중심 지역생활권의 비교를 위해 연령별 데이터를 통합하여 Community Detection을 분석하였으며, 전체 서울시민의 보행생활권과 지역생활권과의 겹치는 면적의 비율을 토대로 유형을 분류하였다.

서울시민의 보행 이동 범위를 시간적으로 탐색하기 위해 연령대별 보행이동 집중도를 분석하였다. 이동시간은 연속형 변수이지만 단일 평균값으로 특성을 설명하기에 한계가 있어, 0~30분 구간을 5분 간격으로 구분하여 도수분포를 작성하였다. 각 연령대별 ‘t 시간대의 전체 이동량 대비 t 시간대의 보행이동량’을 계산하여 연령대별로 가장 보행이동의 비율이 높은 시간 구간을 파악하였다.

다음으로 수도권생활이동데이터의 ‘이동목적’을 활용하여 연령대에 따른 30분 이하의 이동 중 목적별 보행이동 비율을 분석하였다. 이를 통해 각 이동목적별로 보행의 집중도를 파악하였으며, ‘30분 이하 전체 이동량 대비 t 시간대 보행이동량’의 비율을 계산하여 30분 범위의 이동 중 가장 보행이동이 높은 시간대를 산출하였다. 연령대별 이동목적에 따른 보행이동 집중 시간대를 종합하여 연령대별 보행 이동 시간 범위를 도출하였으며, 이를 가중평균하여 최종적으로 보행생활권의 ‘n분’ 시간으로 도출하였다.

본 연구는 250m 격자 공간에서의 이동 데이터를 활용하여 공간적으로 연결성이 높은 보행생활권 범위를 도출하고자 Community Detection 기법을 적용하였다. Community Detection은 네트워크 과학 분야에서 방대한 네트워크 속에서 서로 연결된 노드들의 커뮤니티(군집)를 도출하는 방법으로(Newman and Girvan, 2004), 모바일 통신 데이터를 활용한 생활권 경계 도출 연구에서 주로 활용되었다(정윤영·문태현, 2014; 하재현·이수기, 2016; 김수현 외, 2020; 김규혁 외, 2021; 하정원 외, 2024). 이동데이터 기반 Community Detection기법은 이동 흐름을 네트워크 구조로 재구성하고, 이를 통해 도시 공간 구조의 특성을 분석하는 데 활용되었다(Zhong et al., 2014; 박소현 외, 2024).

Community Detection 기법에서 커뮤니티를 탐지하는 방법에는 다양한 방법이 있으나, 본 연구에서는 이동데이터를 활용하여 연결성이 높은 공간의 범위를 도출하고자 커뮤니티 내부의 노드 간 연결도를 기반으로 커뮤니티를 분할하는 모듈성(Modularity) 기반 Community Detection 방법을 채택하였다.

모듈성을 기반으로 하는 알고리즘에는 주로 Louvain 알고리즘이 활용되었다. 그러나 데이터가 방대해질수록 모듈도를 높게 측정하여 커뮤니티를 크게 분할하는 한계가 있어, 이를 보완하여 최적의 모듈성을 기반으로 커뮤니티의 연결성을 효과적으로 평가할 수 있는 Leiden 알고리즘이 개발되었다(Traag et al., 2019). 김정우·강범준(2024)는 Leiden 알고리즘을 적용하여 근린생활권을 도출하고 기존의 지역생활권과 차이가 있음을 확인하였으며, 본 연구에서도 250m 격자 단위의 이동빅데이터를 다루는 특성상, Louvain 알고리즘 적용 시 커뮤니티 수가 과소 도출되는 문제가 발생하여, Leiden 알고리즘을 적용하였다. 격자 간의 이동을 네트워크로 간주하여 이동이 발생한 격자(노드)의 연결성이 높은 공간 범위를 보행생활권으로 도출하고자 하였다.

Leiden 알고리즘에서 활용한 모듈성을 구하는 수식은 식 (1)과 같다.

수식 (1)에서 A_ij는 가중치를 의미하며, 노드 i에서 j로의 이동량M_ij에 두 격자의 중심 간 거리 d_ij를 감쇠계수 α에 적용하여 계산한 가중치를 의미한다. k_i와 k_j는 격자 i와 j의 차수로, 본 연구에서 격자별 총 이동량을 의미한다. m은 네트워크 전체 이동량의 총합이며, δ(c_i,c_j)는 격자 i와 j가 같은 커뮤니티에 속할 경우 1, 그렇지 않으면 0을 갖도록 설정하여 커뮤니티 내부의 연결 밀도와 무작위로 연결된 커뮤니티의 연결 밀도간의 차이값을 정량화하는 지표로, 이때 모듈성이 클수록 커뮤니티의 분할이 최적으로 이루어졌다고 해석할 수 있다(필립포 멘처 외, 2022).

박소현 외(2024)는 Community Detection은 비공간적 방법론이기 때문에, 비연속적인 지역들이 커뮤니티로 도출되는 공간적 분절이 발생하여 실제 계획 수립과 평가의 단위로 삼는 데 한계가 있음을 지적하였다. 본 연구에서도 행정경계와 무관한 250m 격자 단위를 분석 대상으로 설정하였기에, 공간적 분절 현상을 완화하고자 지리적 근접성을 가중치에 반영하였다. 노드 i에서 j로의 이동량과 두 격자 중심 간의 거리가 인접할수록 가중치가 높아지도록 감쇠계수를 적용하여 거리기반 가중치를 산정하고, 이를 이동량과 곱하여 가중치 A_ij를 재구성하였다. 또한 동일한 출발지-도착지 간 이동이 중복되는 경우, 해당 OD 간 이동량을 합하여 하나의 링크로 통합해 네트워크 구조의 왜곡을 최소화하고 이동량과 거리의 인접성에 비례하는 연결강도를 유지하고자 하였다. 마지막으로, 보행생활권의 현실적 범위를 도출하기 위해 Leiden 알고리즘의 해상도 파라미터 γ를 0.1~1.0 범위 내에서 조정하고 최적 모듈성 값이 도출될 때의 커뮤니티 구조를 채택하였다. 평균 차수가 2 이상인 커뮤니티만 보행생활권으로 설정하였으며, 도출된 격자별 커뮤니티 번호를 기반으로 QGIS를 활용하여 동일 커뮤니티 번호를 갖는 격자를 디졸브 처리하여 지리공간 상에 매핑하였다.

이를 바탕으로 10대에서 60대의 연령대별 보행생활권을 도출하였다. Community Detection을 통해 도출된 연령대별 보행생활권의 분화 특성을 비교하기 위해 지역생활권의 경계로 분할된 각 보행생활권의 격자 면적이 62,500m2(250m 격자 면적)를 초과할 경우, 해당 지역생활권이 보행생활권과 중첩되는 것으로 간주하였다. 이는 지역생활권이 행정경계를 기반으로 설정되어 있어 격자 공간과의 불일치로 단순 경계 비교만으로 중첩 여부를 판단하기 어렵기 때문이며, 실질적인 공간적 중첩을 반영하기 위해 격자 1개 면적 이상 중복된 경우를 기준으로 설정하였다.

또한, 이동범위가 다르게 나타난 연령대별 보행생활권을 중첩하여 종합할 경우, 지나치게 적은 범위의 보행생활권이 도출되므로 시민들의 다양한 이동경로와 새로운 연결성을 간과하여 모든 연령대를 통한 전체 보행생활권의 실제 범위가 왜곡될 가능성이 있다. 따라서 통합된 이동 데이터의 네트워크 연결성을 기반으로 별도의 Community Detection을 재수행하여 전체 연령대의 이동 특성을 반영한 통합 보행생활권을 설정하였다. 도출된 통합 보행생활권을 활용하여 기존 지역생활권과의 평균 면적을 비교하고, 지역생활권 경계를 기준으로 보행생활권을 분할하였다. 이때 분할된 보행생활권의 면적이 62,500m2를 초과할 경우 해당 지역생활권과 중첩된 것으로 간주하였으며, 이를 기준으로 보행생활권에 중첩되는 지역생활권의 개수를 시각화하여 지리적 차이를 분석하였다.

마지막으로, 통합 보행생활권과 지역생활권의 관계를 유형으로 분류하여 종합적으로 차이를 확인하기 위해, 각 보행생활권이 다수의 지역생활권에 걸쳐 중첩된 면적 비율을 기준으로 보행생활권의 유형을 분류하였다. 먼저 보행생활권과 지역생활권의 중첩 개수를 통해 보행생활권이 1개의 지역생활권에 포함되는 경우를 내부형으로 구분하였다. 이후, 보행생활권이 두 개 이상의 지역생활권에 걸쳐 있을 경우, 중첩된 지역생활권 수(n)에 대해 보행생활권의 면적에서 이론적 균등 분포 비율(1/n) 이상의 면적을 차지하는 지역생활권의 수가 전체의 절반 이상이면 분산형, 절반 미만이면 편중형으로 분류하였다. 이를 통해 보행생활권이 다수의 지역생활권과 중첩된 양상을 세부적으로 구분하고자 하였다.

서울시민의 0~30분 시간대별 보행이동비율이 집중되는 시간대를 분석한 결과, 10대는 30분의 시간 범위에서 이동할 때, 5분~30분 사이에서 보행 이동 비율이 50% 이상으로 나타나 일상생활에서 주로 보행으로 이동하는 것으로 나타났다(Table 2). 20대는 0-5분 구간에서 가장 보행이동이 집중되었으나, 단거리 위주의 보행 특성이 두드러지는 동시에 10대와 마찬가지로 보행 중심의 일상을 유지하고 있음을 보여준다. 이는 두 연령대 모두 통학, 인근 상권 이용 등 비교적 근거리 생활 중심의 활동이 많고, 대중교통이나 자가용 이용 접근성이 낮은 점과 관련이 있는 것으로 해석된다.

반면, 30대 이상 연령대에서는 보행이동 비율이 전반적으로 낮게 나타났으며, 보행이동이 집중되는 시간대는 주로 5~10분에 그쳤다. 이는 장거리 통근, 자녀 통학 지원, 가사 및 업무 등 다양한 생활요인이 복합적으로 작용하고, 상대적으로 이동수단의 선택 폭이 넓은 연령대의 특성이 반영된 결과로 해석할 수 있다. 특히, 보행은 보완적 수단으로 기능하며, 주요 이동 목적을 수행하기 위한 보조 이동 방식으로 활용되는 경우가 많다는 점에서, 해당 연령대의 보행 이동은 상대적으로 제한적인 것으로 나타났다.

이처럼 연령대에 따라 보행 이동이 집중되는 시간 범위와 활용방식의 차이가 뚜렷하게 나타나며, 연령대별 보행 이동 양상을 종합한 결과, 보행이동의 집중 범위는 0~15분으로 나타났다. 이는 서울시에서 설정한 30분 보행일상권 기준이 연령에 따라 다르게 인식될 수 있으며, 보행일상권의 시간적 기준에 연령대별 이동 행태와 목적을 반영한 탄력적 기준 설정이 필요할 것으로 판단된다.

다음으로 연령별 이동목적에 따른 30분의 범위에서 보행이동이 가장 높은 시간대를 도출한 결과(Figure 3), 모든 연령대에서 출근, 쇼핑, 관광 목적의 보행이동 비율이 낮게 나타났다. 이는 보행 중심의 생활권 설정 시, 이동목적 및 연령 특성에 따라 모든 일상활동이 보행만으로 충족되기 어려움을 의미한다. 김정우·강범준(2024)은 15분 미만의 이동에서 통근통행 보다 일상통행이 주를 이루고 있고, 근린권 통행수단을 활용하고 있음을 확인하였다. 따라서 통근을 비롯한 다양한 일상활동을 위해 교통수단과의 연계가 보행일상권 실현의 핵심 요소가 될 수 있음을 보여준다. 이를 위해 맹다미 외(2023)와 같이 역세권과 중심지를 활용할 필요가 있다.

Figure 3. 
The ratio of walking for 30 min movement according to the time for each move purpose

한편, 이동목적별 보행 비율이 가장 높은 활동은 전 연령대에서 공통적으로 ‘귀가’였으며, 이는 사람들이 야간상주지(거주지 주변)에서의 활동을 마친 후 보행으로 귀가하는 경향이 있음을 시사한다. 도착지를 특정하기 어려운 근린상업시설 등의 방문이 포함된 ‘기타’ 목적은, 그 모호성에도 불구하고 일상과 밀접한 근거리 이동의 성격을 반영하는 지표로 해석할 수 있으며, ‘기타’ 목적의 활동이 5~10분 구간에서 모든 연령대의 보행이동 비율이 높게 나타났다. 이는 일상에서의 다양한 활동이 대부분 근거리 내에서 이루어지고 있음을 시사한다.

각 연령대별로 이동목적별 보행이 가장 집중된 시간대를 기준으로 최소·최대 보행이동 시간 구간을 도출하고, 이를 기반으로 보행이동 시간의 가중평균을 산출한 결과, 연령별 보행생활권 시간은 12~14분 수준으로 나타났다(Table 3). 특히, 30대는 보행 시간의 최솟값이 가장 짧았고, 60대는 평균 보행 시간이 가장 길게 나타났다.

연령대별 가중평균값의 평균으로 산출한 서울시의 보행생활권 시간은 13.22분으로, 현재 서울시의 도시계획상 제시된 ‘도보 30분 보행일상권’ 기준보다는 짧은 것으로 나타났다. 이는 실제 시민들의 일상활동이 15분 이내의 보행으로 수행된다는 점을 시사하며, 파리와 부산시 등 국내외에서 추진 중인 ‘15분 도시’ 모델과 유사한 시간 기준을 보여준다.

따라서 본 연구에서는 실제 시민의 이동 데이터를 기반으로 보행생활권의 시간 기준을 15분으로 설정하였으며, 이후 분석에서도 이 기준을 적용하여 현실적인 보행 중심의 일상 실현 가능성을 탐색하였다.

거주지 출발 기준으로 15분 이하의 보행 이동데이터를 활용해 각 연령대별 Community Detection을 수행한 결과, 최적의 모듈성을 기반으로 해상도가 0.1 때 연령대별 보행생활권의 내부 연결 밀도가 높은 커뮤니티로 도출되었다. 차수를 통해 정제하여 도출한 보행생활권의 개수는 <Table 4>와 같이 연령대별로 상이하였는데, 30대가 가장 많은 보행생활권으로 분화되어 있었으며, 평균 면적은 82.69ha로 가장 작았다. 이는 상대적으로 근거리에서 생활하는 활동이 공간적으로 잘게 분절되어 나타난 것으로 해석된다.

반면, 10대는 평균 보행 이동 시간이 가장 길게 나타났음에도 불구하고 보행생활권의 수는 가장 적었고(241개), 최대 면적은 456.3ha로 가장 컸다. 이는 장거리 보행을 통한 일상활동이 하나의 넓은 범위의 생활권 안에서 수행되는 경향이 강하다는 것을 의미한다. 60대는 전체 보행 시간은 상대적으로 짧았음에도 불구하고, 최대 면적이 425ha로 두 번째로 크게 나타났다. 이는 60대의 보행은 전반적으로 제한된 시간 내에서 수행되나, 병원 방문이나 특정 목적 중심의 장거리 이동이 반영되어 면적은 크게 도출된 것으로 해석된다.

이처럼 동일한 시간을 기준으로 이동을 하더라도 연령대별로 일상활동의 양상이 달라 보행생활권의 공간 범위가 상이하게 나타나는 것을 통해 보행생활권의 시간적 범위와 공간적 범위가 일치하지 않음을 시사한다.

다음으로, 연령대별 보행생활권과 기존 지역생활권의 경계차이를 정량적으로 비교하기 위해, 각 보행생활권이 중첩된 지역생활권의 개수를 분석하였다. 지역생활권 중첩 개수를 분석하여 비율을 확인한 결과(Figure 4), 연령대별로 도출된 보행생활권의 규모와 개수는 다름에도 불구하고, 대부분의 연령대에서 보행생활권은 1개의 지역생활권 내부에 형성되거나, 2개의 지역생활권에 걸쳐 형성되는 양상이 나타났다. 이는 보행이 주로 지역생활권 내부 또는 인접한 생활권 사이에서 이루어지고 있음을 시사한다. 그러나 일부 연령대에서는 세 개 이상의 지역생활권에 걸쳐 보행생활권이 형성되는 비율도 일정 수준 이상 나타났으며, 특히, 40대와 60대에서는 최대 6개 지역생활권에 걸쳐 보행생활권이 형성되었다. 이는 해당 연령대에서 보행이 보다 넓은 공간을 이동하는 활동과 연결되어 있음을 시사한다.

Figure 4. 
Distribution of the overlapping number of local living areas in the walkable neighborhood by age

마지막으로 연령별 지역생활권과의 중첩개수를 통해 시각화한 결과(Figure 5), 보행생활권이 지역생활권에 중첩된 개수가 많을수록 보행생활권이 지역생활권 경계와 무관하게 도출되었으며, 행정구역의 경계를 넘어 보행생활이 이루어지고 있음을 의미한다. 60대의 경우, ‘창신숭인·신당황학·왕십리행당·청량리·필동장충·마장용답’ 등 다수의 지역생활권에 걸쳐 하나의 보행생활권이 형성되었으며, 이는 단일 지역생활권만으로는 보행 기반의 일상생활의 공간 범위를 설명하기 어렵다는 것을 나타낸다. 따라서 행정구역 기반의 지역생활권이 실제 보행 활동의 공간 구조와 괴리가 있을 수 있으며, 향후 보행일상권의 설정에 있어 연령대별 보행 범위의 공간적 양상을 고려한 유연한 공간 범위 설정이 필요함을 시사한다.

Figure 5. 
Visualization of the number of overlapping local living zones by age groups

서울시민의 전체 보행 특성을 반영한 15분 통합 보행생활권의 도출 결과, 총 113개의 생활권이 형성되었으며, 서울시의 행정동과 지역생활권의 중간 규모로 나타났다(Table 5). 이는 시민들이 실제로 보행을 통해 활동하는 공간의 범위가 기존의 행정 단위나 계획 단위와 완전히 일치하지 않음을 시사한다. 특히, 연령대별로 보행이동의 시간적·공간적 범위에 대한 차이로 인해, 통합 보행생활권이 상대적으로 큰 단위로 형성되었다. 이는 연령대에 따라 보행 기반 활동의 밀도와 반경이 상이함을 의미하며, 향후 정책 수립 시 연령대별 특성을 반영한 유연한 계획이 필요함을 시사한다.

도출된 통합 보행생활권과 기존 지역생활권의 경계 차이를 정량적으로 파악하기 위해, 각 보행생활권이 중첩되는 지역생활권의 개수를 분석한 결과, 대부분은 기존 지역생활권 경계에 포함되거나 2~3개의 인접 생활권에 걸쳐 도출되는 양상이 나타났다(Figure 6). 시흥, 양재, 수서세곡, 강일상일, 진관, 평창부암, 정릉 등 외곽과 녹지지역 부근에서 지역생활권 내부에 통합 보행생활권이 단일하게 도출되어 기존 생활권과 비교적 일치하는 양상이 나타나, 시민의 보행이 대체로 기존 생활권 단위 내부 혹은 인접 권역 간의 연계된 구조로 이루어지고 있음을 보여준다. 그러나 길음, 구로디지털 등 일부 지역생활권에서는 통합 보행생활권이 7개의 지역생활권에 걸쳐 형성되었으며, 이는 해당 지역에서 보행이동의 범위가 광범위하고 지역생활권 경계와 무관하게 연결된 생활 반경 안에서 이루어짐을 시사한다.

Figure 6. 
the overlapping number of local living zones in the total walkable neighborhood

이러한 공간적 분포 차이는 지역생활권별 시민의 실제 보행이동 양상이 기존 지역생활권계획과 일치하지 않을 수 있음을 보여주며, 특히, 생활권 간 연계성이 높은 지역생활권들의 경우, 계획 단위 간 연계를 고려해야 한다.

이러한 차이를 토대로 정량화하여 유형화하고 시사점을 세부적으로 논의하고자 한다.