Article

Journal of Korean Society of Transportation. December 2019. 499-513
https://doi.org/10.7470/jkst.2019.37.6.499


ABSTRACT


MAIN

  • 서론

  • 선행연구

  •   1. 대중교통 접근성

  •   2. MAUP in Transportation

  • 연구방법

  •   1. 대중교통 접근성 지표

  •   2. 상세생활권

  • 사례분석: 춘천시 대중교통 접근성

  •   1. 연구지역 및 자료

  •   2. 분석 결과

  • 요약 및 결론

서론

교통 분야에서 접근성(接近性, accessibility)은 교통수단을 이용하여 재화, 서비스 그리고 목적지까지 물리적 접근의 용이성(容易性, ease)으로 정의되며, 따라서 양호한 접근성(high accessibility)은 제약 없이 목적지에 비교적 쉽게 도달할 수 있음을 의미한다(Harris, 2001). Litman(2007)은 교통 접근성이 경제, 사회 그리고 환경 맥락에서 시민들의 삶에 직간접적으로 영향을 미치며, 이 접근성은 교통수요, 이동성, 이용자 정보, 토지이용, 교통체계 등에 의해 결정된다고 주장하였다. Harvey(2010)는 도시민의 기본권으로써 도시의 모든 재화 및 서비스는 지리적으로 균등하게 분포되어야 한다는 공간적 정의(spatial justice)의 개념을 도입하여 사회적 약자에 있어서 대중교통 접근성의 문제를 제기하였다(Yun and Woo, 2015).

국내에서도 대중교통 접근성에 대한 연구가 수행되어 왔으며, 분석방법은 크게 존(zone) 기반과 개별(individual) 기반으로 구분된다(Jun, 2007; Kim and Jun, 2012; Cho, 2014; Yun and Woo, 2015; Choi et al., 2016 등). 전자의 연구는 행정구역 혹은 격자(grid) 단위의 경계를 이용하여 존 간의 접근성을 평가하는 반면에 후자는 버스경로나 정류장 등 대중교통시설의 세부적인 특성에 의한 통행패턴을 주로 분석한다(Jun, 2007). 그동안 대중교통 접근성 연구에 있어서 자료 수집 및 계산 비용 등의 이유로 대부분 존 기반의 분석방법이 채택되어 왔다. 존 기반의 대중교통 접근성 분석에 있어서 가장 중요한 과정은 공간단위 설정이며, 이 과정은 분석가의 공간단위 선택에 따라 분석 결과가 달라지는 문제, 즉 가변적 공간단위 문제(Modifiable Areal Unit Problem, MAUP)와 결부된다.

MAUP는 실제 현상과 데이터 수집 시 공간 단위의 불일치 문제에 기인한 것으로, 특히 현상을 이산형 자료(discrete data)로 수집하는 경우 데이터의 특성, 집계의 편의성, 자료의 기밀, 분석 및 해석의 용이성 등의 이유로 데이터를 특정 공간단위로 합역(aggregate)하는 과정에서 발생한다(Kim, 2011). 따라서 공간분석을 다루는 연구의 결과는 연구자에 의해 선택된 작위적 공간단위에 의존적일 수밖에 없으며, MAUP는 바로 이러한 문제를 통계적 관점에서 정리한 것이다(Lee, 1999). MAUP는 합역 수준(공간단위)의 차이에 의해 발생하는 스케일효과(scale effect)와 합역 방식의 차이에 의해 발생되는 구획효과(zoning effect)로 구분한다(Openshaw, 1983). 예컨대, 스케일효과는 동일한 자료를 읍면동 단위와 시군구 단위로 분석할 경우 상이한 결과를 나타낼 수 있으며, 반면 구획효과는 동일한 지역을 격자 단위와 육각형 단위로 나누는 경우 서로 다른 결과를 도출할 수 있음을 나타낸다(Figure 1).

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F1.jpg
Figure 1.

MAUP effects

MAUP에 대한 일련의 연구는 공간단위의 합역 시 MAUP의 효과에 의해 변수들의 변량(variate)과 변수간의 공변량(covariate)이 변화됨을 지적하고 있다(Fotheringham and Wong, 1991). Lee(1999)는 MAUP의 일반적인 효과에 대해 다음과 같이 요약하였으며, MAUP 효과의 변수특수적(variable-specific) 특성으로 인해 경우에 따라서 다른 결과를 나타내기도 함을 강조하였다.

∙ 분산이 큰 변수가 합역의 효과를 크게 받는다.
∙ 합역 수준이 높아질수록, 즉 구획 수가 적을수록 변수 간 상관계수는 증가한다.
∙ 합역 수준이 높아질수록 회귀분석의 결정계수는 커진다.
∙ 합역 수준이 높아질수록 공간적 자기상관의 값은 작아진다.
∙ 합역 수준이 높아질수록 분산계수는 감소한다.

본 연구는 대중교통 접근성 분석에 있어서 공간단위 설정과 결부되는 MAUP의 효과에 대해 사례 분석을 통해 살펴보고, 대중교통 접근성 연구에 있어서 공간단위 대안으로써 상세생활권을 제안하고자 한다. 서론에 이어서 본고는 다음과 같이 구성되어 있다. 2장은 대중교통 접근성과 교통 분야에서 MAUP에 대한 선행 연구를 고찰한다. 3장은 연구방법으로써 MAUP 효과 분석을 위한 대중교통 접근성 지표와 상세생활권에 대해 설명한다. 4장은 대중교통 접근성 평가의 사례지역인 춘천시와 분석 자료를 소개하고, 이어서 공간단위별 접근성 지표와 비교분석 결과를 토대로 대중교통 접근성 분석에 있어서 MAUP의 효과와 공간단위 대안으로써 상세생활권의 적합성을 평가한다. 마지막으로 5장은 연구 내용을 요약하고 향후 연구 방향에 대해서 논의한다.

선행연구

1. 대중교통 접근성

Jun(2007)은 기존 연구의 존 레벨의 접근성 분석과 달리, 통행시간 및 수단과 같은 세부적인 특성에 의한 통행패턴을 분석하여 대중교통 접근성을 평가하는 방법을 제안하였다. 구체적으로 유전자알고리즘을 이용하여 시종점 경로와 최적 수단조합을 산출하고, space syntax 이론을 토대로 GIS의 node-link 데이터를 이용하여 사례지역인 서울시 강남구 일대의 대중교통 접근성을 계산하였다. 저자는 존 기반의 방법과 비교는 어렵지만 정류장 단위의 세밀한 단위에서 특히, 다중수단 네트워크로 구성된 대중교통 접근성을 분석할 수 있는 효과적인 대안임을 강조하였다. Kim and Jun(2012)은 대구시를 사례로 커버리지 방법으로 대중교통 서비스권을 설정하고, 맨 휘트니 U 검정을 통해서 서비스권의 내부와 외부의 사회경제적 특성을 비교하여 대중교통 접근성에 따른 환경적 형평성을 분석하였다. 분석결과를 토대로 대구시 지역의 사회적 약자의 열악한 대중교통 접근성과 이들을 고려하지 않는 기존 대중교통체계를 이 지역의 환경적 불형평성의 원인으로 지적하였다. 더불어 대중교통정책을 수립함에 있어서 지역주민의 사회경제적 특성을 고려할 것을 시사하였다. Cho(2014)는 고령일인가구의 분포와 대중교통 접근성의 공간적 패턴과 상호 관련성을 서울시를 대상으로 공간적 형평성 차원에서 분석하였다. 세부적으로, 고령일인가구의 공간분포는 국지적 집중도(Moran’s I)를 이용하여 분석하고, 대중교통 접근성은 2SFCA (two step floating catchment area) 기법을 이용하여 측정하고, 최종적으로 고령일인가구의 공간 분포와 대중교통 접근성 간의 관련성을 국지적 상관계수(local Pearson’s r)를 사용하여 계량하였다. 저자는 연구 결과를 인용해 도시교통정책에 있어서 고령자와 같은 사회적 약자의 배려가 중요함을 강조하였다. Yun and Woo(2015)는 공간적 정의의 개념에 기초하여 2010년 서울시 버스와 지하철을 대상으로 대중교통 접근성의 공간적 분포를 분석하고 로렌츠곡선과 지니계수를 산출하여 가구, 인구, 주택, 지역 간 형평성을 평가하였다. 구체적으로 Currie(2010)의 지표를 이용해 대중교통 접근성을 산출하고, 지니계수(Gini-style index)를 이용해 형평성 지수를 계산하였다. 분석 결과, 버스와 비교해 지하철의 접근성의 지역적 편차가 크게 나타나고, 취약계층에 대한 불평등정도도 높게 나타났으며, 이에 저자는 대중교통정책 수립에 있어서 사회적 취약계층과 생활권별 특성에 대한 고려가 필요함을 시사하였다. Choi et al.(2016)은 환승횟수 패널티와 평균 대기시간을 추가한 최단거리 알고리즘을 이용해 버스 및 지하철 정류장 기반의 미시적 대중교통 접근성을 KTX 서울역을 대상으로 분석하였다. 저자는 최단거리 알고리즘을 이용한 접근성 분석 방법은 수도권 KTX 접근성의 변화를 미시적으로 분석하고, 버스 및 지하철 노선 신설 시 대중교통 접근성의 변화를 분석하는데 을 활용할 수 있음을 강조하였다.

대중교통 접근성에 대한 선행연구를 요약하자면, 공간적 정의의 개념에서 현재 대중교통 서비스의 형평성 문제를 대중교통 접근성 분석을 통해 현상을 규명하고, 대중교통정책 평가에 있어서 사회적 취약계층과 지역 특성의 중요성을 시사하며, 개별 기반의 대중교통 접근성 분석을 위한 새로운 방법론을 제안하였다. 선행연구에서 적용한 대중교통 접근성 산출방법을 세밀하게 검토하여 본 연구에 적용하였다.

2. MAUP in Transportation

Viegas et al.(2009)Martínez et al.(2009)은 교통수요 예측에 있어서 스케일효과와 구획효과를 살펴보기 위해 다양한 격자(크기 및 위치)를 적용하여 모델링하였다. 실험 결과를 통해 구획 지정이 사소한 문제가 아니며, 통계치 및 지리적 오류를 유발 할 수 있음을 지적하였다. Xu et al.(2014)은 교통안전 모델링을 위해 구역의 갯수를 50개부터 50단위로 14개의 구획을 설정하여 구획의 증가에 따른 유의 변수 및 계수의 변화를 민감도 분석을 통해 제시하였다. 구획 수가 350개 이상일 때 민감도가 안정화 되며, 구획 수가 증가할수록 통계적으로 유의미한 변수가 많아짐을 밝혔다. Clark and Scott(2014)은 활동-통행(active travel)과 근린환경(built environment)의 관계에 있어서 MAUP의 영향에 대해 조사하였다. 저자는 스케일효과에 비해 구획효과의 영향이 크며, AT의 실제 거리를 잘 반영하는 구획을 선택해야함을 강조하였다. 아울러 MAUP 영향을 줄이는 방법은 분석 목적에 따라 적절한 단위를 선택하고, 가능한 합역되지 않은 자료를 사용하는 것이라 주장하였다. Choi and Suh(2014)는 400미터 격자와 250미터 격자를 이용하여 도시 공간특성과 walkability index의 상관성을 분석하였다. 지리적 가중회귀모형(Geographically Weighted Regression, GWR)을 이용해 400미터의 공간 범위가 250미터의 공간 범위에 비해 설명력과 주요 통계량의 수치가 개선되었음을 제시하였다. 초등학교 주변 보행자 교통사망사고에 영향을 미치는 요인에 대한 Kwon and Park(2018)의 연구는, 공간회귀모형을 이용해 유효 변수의 차이가 분석 거리의 설정에 따라 다름을 나타내었다. 주요 변수들의 거리 단위를 400미터와 800미터, 1,500미터로 설정하여 공간오차모형(Spatial Error Model, SEM)과 공간시차모형(Spatial Lag Model, SLM)을 적용한 경우 SEM 모형에서는 400미터가 더욱 적합하며, 반면 SLM모형에서는 800미터와 1,500미터에서 더욱 적합한 모형임을 보여주고 있다. Lee et al.(2016)의 연구는 위치기반 소셜 네트워크 데이터를 격자 기반으로 군집화하고, 공간적 자기상관성 지수를 이용해 시각화했다. 저자는 격자의 크기가 증가할수록 공간적 자기상관성이 증가하다가 600미터에서 1,000미터 사이에서 감소하는 경향을 확인하였다.

MAUP에 대한 선행연구를 요약하자면 다음과 같다. 첫째, 교통현상의 독립변수와 종속변수 간 관계에 대한 모델링 연구가 대부분으로, 개별 변수에 대한 MAUP의 효과를 검증하는 연구가 부족하다. 둘째, 대상 지역이 서울, 부산 등 대도시 지역에 한정되어 중소도시 혹은 비도심 지역에 대한 실증 연구가 전무하다. 셋째, 가상의 공간단위인 격자(grid)를 사용한 방법은 실제 대중교통정책에 활용하는데 한계가 있다. 본 연구는 대중교통 접근성 평가에 적합한 대안으로써 격자가 아닌 벡터 형식의 공간단위를 제안하고, 도심지와 농촌지역이 혼재된 춘천시를 대상으로 대중교통 접근성을 실증분석을 수행함으로써 선행연구와의 차별을 두었다.

연구방법

1. 대중교통 접근성 지표

앞서 선행연구에서 보듯이 대중교통 접근성을 측정하는 다양한 방법이 존재한다. Yun and Woo(2015)에 따르면, 대중교통 접근성을 계산하는 방식은 크게 i) 통계적 자료를 활용한 통계적 방법, ii) 각 교통인프라가 가지는 서비스권역의 공간적 범위를 설정하여 산출하는 공간기하 측정방법, 마지막으로 iii) 공간기하 측정방법으로 접근성을 산출하여 통계 지표로서 가중치를 적용하는 방법으로 구분한다. 본 연구는 대중교통 접근성에 있어서 공간단위 설정에 따른 MAUP의 효과를 분석하기 위한 연구 목적을 고려하여 위의 세 방법 중 대중교통시설의 공간적 특성을 반영하는 공간기하 측정방법을 채택하였다. 구체적으로 대중교통 접근성을 분석하기 위해 공간기하 측정방법 중 도보접근성과 교통시설 서비스권역의 두 가지 지표를 산출하였다.

1) 도보접근성

도보접근성(walking accessibility)은 출발지에서 가장 가까운 버스 혹은 지하철 정류장으로의 도보 접근의 용이함을 나타내는 것으로, 대중교통 서비스를 평가하기 위한 중요한 척도이다(Wibowo and Olszewski, 2005). 본 연구에서는 출발지점(출발 존의 중심점)와 도착지점(도착 존의 중심점)를 연결하는 대중교통을 이용한 최단 경로 상에서 총 통행시간 대비 First mile에 해당하는 보행시간의 비율(%)을 적용하였다. 따라서 대상 존(origin)에서 출발하여 나머지 모든 존(destination)에 도달하는 대중교통 최단경로를 경로탐색 서비스(네이버 길찾기)를 이용해 산출하고, 각 O-D 경로에 해당하는 보행시간 비율의 산술평균을 계산하여 대상 존의 도보접근성 지표로 산정한다. 따라서 전체 통행시간 대비 보행시간의 비율이 클수록 도보접근성의 결과치가 커지며, 산출식은 Equation 1과 같다.

$$도보접근성(\%)=\frac1n\sum_i^n\frac{보행시간_i}{총통행시간_i}$$ (1)

2) 교통시설의 서비스권역

“교통인프라 시설까지의 접근가능성과 연관되어 교통시설이 지니는 서비스 영향권과 서비스 수준”이라는 대중교통 접근성에 대한 Currie(2010)의 정의에 따라 대중교통시설 서비스권역의 공간 범위의 비율(%)을 적용하였다(Yun and Woo, 2015). 구체적으로, 존 내부에 위치하는 모든 버스정류장의 시설권역을 300m로 설정하고, 권역 면적의 총합(중첩 영역은 하나의 권역으로 처리)을 공간단위의 면적으로 나누어 교통시설 서비스권역(transit service area)을 산출한다. 따라서 교통시설의 서비스권역이 공간단위 면적이 작을수록 대중교통 서비스권역의 결과치가 커지며, 산출식은 Equation 2와 같다.

$$\mathrm{대중교}통\mathrm{서비스권역}(\%)=\frac{\sum_i^n\mathrm{교통시설권역}}{\mathrm{공간단위면적}}$$ (2)

2. 상세생활권

국토교통부의 「교통조사지침」에 따르면, 교통계획에서 일반적으로 사용되는 공간단위인 교통분석존(혹은 교통존)(Traffic Analysis Zone, TAZ)은 사회 ‧ 경제적 특성 및 교통여건을 파악하고 이를 토대로 토지이용의 성격과 도로망, 행정구역, 지형여건, 인구수 등을 종합적으로 고려하여 설정하도록 권장하지만, 일반적으로 자료수집과 분석의 어려움으로 인해 행정구역과 일치시킨다. 근래 정부의 공공데이터 정책과 공간분석방법의 고도화로 인해 공간단위 설정을 위한 자료수집 및 분석에 있어서 어려움이 해소되고 있는 실정이다. 또한, 앞서 선행연구에서 보듯이 대중교통정책 수립 ‧ 평가에 있어서 사회적 취약계층과 지역적 특성의 중요성을 고려하여 대중교통 접근성 분석을 위해서 행정구역 기반의 기존 교통분석존보다 세밀한 공간단위가 필요하다. 이러한 배경에서 본 연구는 대중교통 접근성 분석을 위한 새로운 공간단위, 즉 상세생활권(Detailed Living Zone, DLZ)을 제안한다. 상세생활권은 도로망, 행정구역, 인구, 교통 인프라, POI (Point of Interest) 등을 복합적으로 고려하여 다음의 몇 단계에 걸쳐서 공간단위를 설정한다.

∙ Step 1. 양방향 3차로 이상의 도로경계로 생활권 분할(도로망, 행정구역)
∙ Step 2. 도로경계를 유지하면서 건물의 군집을 반영하여 생활권 추가 분할(인구 분포)
∙ Step 3. 도로경계 및 건물 군집을 유지하면서 버스정류장의 군집을 반영하여 생활권 추가 분할(교통 인프라)
∙ Step 4. 상세생활권별 건물 군집의 무게중심 또는 대표 POI로 Zone Centroid 설정(POI)

Figure 2는 상세생활권을 설정하는 각 단계에서 산출된 결과를 나타낸 것이다. 대중교통 접근성 연구에 있어서 새로운 공간단위 대안으로 제안하는 상세생활권의 적합성을 검증하기 위해서 춘천시 대중교통을 사례로 읍면동 단위의 교통분석존과 격자단위와 더불어 각각 대중교통 접근성을 산출하고, MAUP의 효과 측면에서 비교 분석을 수행한다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F2.jpg
Figure 2.

Delineation stage process of detailed living zone

사례분석: 춘천시 대중교통 접근성

1. 연구지역 및 자료

대중교통 접근성 분석에 있어서 MAUP의 효과를 실증하고, 새로운 대안으로써 상세생활권의 적합성을 검증하기 위한 사례 지역인 춘천시는, 강원도청 소재지로 (2018년 기준) 인구 28만 명이 거주하는 영서지방의 거점도시이다. 춘천시는 시내버스가 도입된 1967년 이후 노선체계 변경이 없었으나, 최근 시내버스 이용객이 급감하고 고정된 노선과 버스업체의 비효율적인 경영구조로 인해 시의 재정지원액은 해마다 증가하여 대중교통체계의 전면 개편이 불가피한 상황이다. 춘천시는 2018년 11월 대중교통 체계개편 TF를 발족하여 2019년 9월 시내버스 노선 개편을 포함한 대중교통체계의 개편을 위한 노력을 경주하고 있다. 따라서 춘천시의 대중교통 접근성 연구는 대중교통 현황 분석을 위해 시의적절하며, 중심의 도심지와 외곽의 산지 및 농촌지역으로 구성되어 다양한 지역 특성에 따른 MAUP의 효과를 분석하기에 적합한 지역이다.

춘천시 대중교통 접근성 분석을 위한 연구 자료는 현재시점(2019년)을 기준으로 수집 가능한 최신 자료를 활용하였으며, 구체적으로 도로 네트워크, 수치지도, POI, 행정구역, 인구, 교통인프라(버스정류장 등) 등에 대한 자료를 사용하였다. 또한, 대중교통 접근성 분석에 있어서 합역 방식에 따른 MAUP의 영향을 분석하고, 대안으로써 상세생활권의 적합성을 검증하기 위해 읍면동 행정구역 기반의 교통분석존(TAZ)과 격자 단위(grid)의 공간단위를 설정하여 상세생활권과 비교 분석하였다.

먼저, 교통분석존은 춘천시의 행정동(읍면동)을 기준으로 공간단위를 설정하였으며, 시민들의 생활중심지로써 행정동 주민센터를 대중교통 접근성을 산출하기 위한 구획(zone)의 중심점으로 설정하였다. 다음 격자 단위는 춘천시를 균등한 크기의 격자(2km×2km)로 구획하였으며, 구획의 정중앙을 중심점으로 설정하였다. 이때 격자 단위의 크기는 상세생활권의 평균 지름(2km)을 적용하여 합역 수준에 의한 효과를 최소화하였다. 마지막으로 상세생활권은 도로망, 행정구역, 인구, 교통 인프라, POI을 종합적으로 고려하여 설정하였으며, 구획의 중심점은 건물 POI(연면적)의 무게중심을 적용하여 통행발생 측면에서 구획 내부에서 가장 대표되는 지점을 설정하였다. Figure 3은 춘천시에 세 공간단위를 적용한 결과를 나타낸 것이다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F3.jpg
Figure 3.

Delineation of zoning system in Chuncheon

Table 1은 세 공간단위를 구성하는 구획에 대한 기초 통계치를 정리한 것이다. 구획 수(total units)는 격자 단위(534개), 상세생활권(488개), 교통분석존(25개)의 순이며, 구획의 중위 크기(median size)는 교통분석존(14.9km2), 격자 단위(4km2), 상세생활권(1.9km2)으로 역순이다. 각 구획별 평균인구밀도는 교통분석존이 71.8(명/km2)로 가장 높고, 격자 단위와 상세생활권은 각각 4, 3.7로 비슷한 수준이다. 인구밀도는 통행수요를 결정하는 중요한 인자로 대중교통수단 공급에도 영향을 미치므로 대중교통 접근성에 있어서 중요하게 고려되어야 할 요소이다.

Table 1. Descriptive statistics of the spatial units for each zoning system

TAZ Grid DLZ
Total units 25 534 488
Maximum size (km2) 345.5 4.0 35.2
Minimum size (km2) 0.5 4.0 0.0
Median size (km2) 14.9 4.0 1.9
STDEV. of size 99.7 0.0 4.7
Average pop. density (pp/km2) 71.8 4.0 3.7

2. 분석 결과

1) 도보접근성

춘천시 사례지역에 대한 대중교통 접근성 분석 결과는 다음과 같다. 출발지와 도착지 구획을 연결하는 전체 대중교통 경로의 총 통행시간 대비 First mile 도보통행시간의 비율로 산출되는 도보접근성은 행정구역 단위의 교통분석존, 격자 단위 그리고 상세생활권에서 서로 다른 패턴은 나타낸다(Figure 4). 먼저 교통분석존은 춘천시 중심지역에서 도보접근성이 열악하고, 반면 외곽 지역에서 양호한 것으로 나타난다. 다시 말해, 도심부에서는 도보통행시간의 비중이 높고 비도심부에서는 낮다. 격자 기반의 공간단위에서는 특히, 춘천시의 외곽경계에서 도보접근성이 매우 열악한데, 출발지인 격자의 중심에서 최근접 정류장으로의 접근 시간이 상당히 많이 소모되기 때문인 것으로 보인다. 반면에 상세생활권에서는 대중교통시설이 많은 도심에서는 비교적 양호한 도보접근성을, 대중교통시설이 부족한 일부 산지 및 농촌지역에서 도보접근성이 열악한 것으로 나타난다. 도보접근성은 구획의 중심에서 최근접 정류장으로의 이동 시간에 대한 문제로 구획의 중심을 어떻게 설정하느냐에 따라 다른 결과가 도출될 수 있으며, 또한 First mile 통행시간뿐만 아니라 전체 통행시간에도 영향을 받는다. 따라서 공간단위 설정 과정에서 정류장의 위치와 건물 POI의 중심점을 활용한 상세생활권의 분석 결과가 이 지역의 도보접근성을 가장 잘 반영한다고 판단된다. 반면에 행정동 기반의 교통분석존은 각 구획들이 너무 큰 공간범위를 커버하고 있어 지역 간 통행시간이 큰 비중을 차지하므로 도보접근성이 제대로 반영되지 못하였고, 격자 기반 공간단위는 대중교통시설이나 거주지 등의 실제 공간 분포가 공간설정 과정에 고려되지 않아 지역 특성이 반영되지 못하였다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F4.jpg
Figure 4.

Spatial pattern of walking accessibility

다음은 세 공간단위별로 도보접근성의 분석 결과를 Boxplot으로 표시하였다(Figure 5). 전반적으로 세 공간단위의 분포가 유사하게 나타났으며, 행정동 기반의 교통분석존을 제외하고 격자 단위와 상세생활권에서 도보접근성이 비교적 큰 이상치(outlier)가 나타났다. 도보접근성의 중위수는 상세생활권(11.6%)이 가장 크고, 상 ‧ 하위 25%의 범위는 교통분석존이 가장 크다. 도보접근성의 이상치의 공간분포를 살펴보면, 격자 단위는 도시 외곽경계부에, 상세생활권은 도심 주변 및 산지 및 농촌 지역에 주로 분포한다. 도보접근성에 있어서 이상치는 통계적으로 다른 값들에 비해 매우 크거나 작은 값으로 대중교통 접근성 차원에서 특이점을 가진 지역으로 해석될 수 있으므로 대중교통정책을 수립하는 과정에서 특별한 관심이 필요한 지역이다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F5.jpg
Figure 5.

Box-and-whisker plot of walking accessibility and spatial pattern of its outlier

앞서 대중교통계획에 있어서 중요하게 고려되어야 할 인구밀도와 도보접근성의 관계를 그래프를 통해서 살펴보자(Figure 6). 전반적으로 저밀도 지역(100 이하)에서는 상세생활권의 도보접근성이 양호한 반면에 고밀도 지역(100 이상)에서는 격자 단위가 상대적으로 양호한 것으로 보인다. 대중교통 인프라의 수요(인구밀도) ‧ 공급(도보접근성) 측면에서 격자단위는 춘천시의 대중교통 접근성이 이용수요에 부합하는 것으로 보는 반면에 상세생활권은 상대적으로 수요가 많이 발생하는 고밀도 지역에서 도보접근성이 떨어지므로 이 지역의 대중교통 인프라의 공급이 수요에 대응하지 못하는 것으로 판단할 수 있다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F6.jpg
Figure 6.

Comparison of walking accessibility by population density

2) 교통시설 서비스권역

대중교통 접근성 분석을 위한 두 번째 지표는 교통시설 서비스권역으로, 세 공간단위별로 각 구획별 면적과 대중교통시설, 즉 버스정류장의 서비스권역(300m)을 산출하여 분석하였다. 행정동 단위 교통분석존에서는 구획의 반경이 커질수록 산지(북산면, 동면)를 제외한 구획의 서비스면적 비율이 전체적으로 크고 도심 주변지역들도 비율이 높게 나타난다. 격자 단위와 상세생활권은 전반적으로 유사한 패턴을 보이지만, 공간단위 설정 방식과 지역 특성으로 인해 세부적인 차이를 보인다. 균등한 크기의 구획으로 구성된 공간단위는 경계 부분에서의 필연적으로 왜곡이 발생하며, 또한 교통시설(정류장)이 없는 도시 외곽의 구획에서 과소 추정되는 경향을 보인다. 따라서 교통시설 서비스권역 측면에서 상세생활권의 분석결과가 도심지역과 외곽지역의 교통인프라 여건을 가장 잘 반영하는 것으로 보인다(Figure 7).

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F7.jpg
Figure 7.

Spatial pattern of transit service area

Figure 8은 세 공간단위의 교통시설 서비스권역의 분석결과를 누적분포그래프로 나타낸 것이다. 먼저, 행정구역 기반의 교통분석존은 30(%)까지 급격히 증가하다 80까지 완만히 증가하는 경향을 보이며, 격자 단위는 10 이하가 전체의 약 65%를 차지하여 서비스권역이 작은 구획이 상당수 포함되어 있음을 알 수 있다. 상세생활권은 서비스권역의 비중에 따라 고루 분포되어 있으며, 교통시설 서비스권역의 측면에서 춘천시 대중교통의 다양한 특성을 반영하고 있다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F8.jpg
Figure 8.

Cumulative distribution of transit service area

Figure 9에서도 확인할 수 있듯이, 교통시설 서비스권역에 대한 분포는 세 공간단위에서 뚜렷하게 차이가 난다. 행정구역 기반의 교통분석존은 서비스권역에 있어서 가장 큰 사분위수(upper quartile and lower quartile) 범위를 나타내며, 동시에 가장 큰 중위수를 보인다. 교통분석존의 합역 수준(구획 크기)이 높고 구획수가 작아 구획 간 편차가 크기 때문이다. 상세생활권은 전체 범위는 교통분석존과 유사하나 합역 수준의 차이로 인해 사분위수의 범위와 중위수가 상대적으로 작고 누적분포에서도 보듯이 균등하게 분포되어 있다. 격자 단위는 대중교통시설이 부족한 도시 외곽지역의 특성으로 인해서 다른 두 공간단위에 비해 낮은 값들에 많이 분포되어 있으며, 따라서 통계적 이상치가 존재한다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F9.jpg
Figure 9.

Box-and-whisker plot of transit service area: (from left) TAZ, Grid, and DLA

인구밀도와 교통시설 서비스권역 간의 관계를 살펴보면, 상세생활권은 서비스권역의 비중이 전반적으로 큰 것으로 나타난다(Figure 10). 특히, 10-100 사이의 인구밀도 지역에서 구획 내부가 모두 서비스권역에 포함되며, 반면 100 이상에서 구획 내에 대중교통시설이 부재한 지역이 일부 존재한다. 또한, 격자단위의 경우 인구밀도가 100 이하인 지역 중 다수가 대중교통 소외지역으로 정의되는데, 대중교통체계 개편에 있어서 이들 대중교통 소외지역에 대한 우선 고려가 필요하다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F10.jpg
Figure 10.

Comparison of transit service area by population density

3) 분석 결과 비교

표준 편차에 대한 평균의 영향을 배제하여 권역별 비교가 용이하도록 표준편차를 평균으로 나눈 변동계수(Coefficient of Variance, CV)를 적용했다. 기존 연구에서는 합역 수준이 증가할수록 일반적으로 변동계수는 감소하는 추세를 보이는데, 이것은 불균등하게 분포하는 변수값이 주변 구획과 합역되어 평균화되면서 구획 간 편차가 줄어들기 때문이다. 따라서 잘 구획된 공간단위는 대상 변수값이 유사한 등질지역 간에 합역되므로 이질지역 간 합역의 결과보다 변수의 변동계수가 크게 나타난다. 이러한 성질을 바탕으로 세 공간단위별 대중교통 접근성 지표의 변동계수를 비교해 보았다(Table 2). 도보접근성의 변동계수는 상세생활권(76.2), 교통분석존(74.5) 그리고 격자단위(69.2)의 순서로 나타났으며, 따라서 춘천시의 도보접근성은 상세생활권에 의해 가장 잘 구획된 것으로 해석될 수 있다. 하지만 교통시설 서비스권역의 경우 격자단위(80.6)의 변동계수가 상세생활권(68.5)과 교통분석존(68.2) 보다 크게 나타나지만 앞서 분석결과에서 보듯이 격자단위를 적용한 구획에서 0값이 상당수 할당되어 변동계수에 영향을 주는 것으로 보인다(Figure 10).

Table 2. Comparison of different zoning systems

TAZ Grid DLZ
Walking accessibility CV. 74.54 69.17 76.17
CC. with pop. density 0.41 -0.08 0.02
Transit service area CV. 68.25 80.62 68.50
CC. with pop. density 0.80 0.56 0.30

대중교통계획에 있어서의 중요성을 감안하여 공간단위별 구획의 인구밀도와 대중교통 접근성 지표의 상관계수(Correlation Coefficient, CC)를 비교 분석하였다(Table 2). 도보접근성과 교통시설 서비스권역 모두 행정동 기반의 교통분석존을 적용한 경우에 가장 높은 상관계수를 나타내며, 이 결과는 Lee(1999)의 합역 수준과 상관성의 관계를 잘 반영하고 있다. 도보접근성에 있어서 격자단위와 상세생활권은 서로 다른 방향의 유사한 상관계수를 나타내며, 교통시설 서비스권역과 인구밀도의 상관계수는 격자단위(0.56)에서 상세생활권(0.3)보다 높은 상관성을 나타낸다.

선행 연구에 따르면 합역을 통한 공간적 자기상관(spatial autocorrelation)의 감소 현상으로 인해 잘 구획된 지역은 그렇지 않은 지역에 비해 낮은 공간적 자기상관을 보인다. 이러한 성질을 이용해서 대중교통 접근성 지표에 대한 공간단위별로 전역적 Moran의 I 지수(Global Moran’s I index)를 산출하여 세 공간단위를 비교 평가하였다(Table 3). 일반적으로 I 는 -1에서 1 사이의 값으로 양수의 값이면서 1에 가까울수록 유사한 값들이 공간적으로 군집되어 있음을 나타낸다. Moran’s I를 계산하기 위해서 공간가중행렬(spatial weighting matrix)을 구성하여 적용하였다. 도보접근성의 분석 결과, 상세생활권에서 가장 낮은 공간적 자기상관성을 나타내어 사례 지역이 잘 구획된 것으로 해석된다. 교통시설 서비스권역에서는 교통분석존의 I값(0.43)이 가장 작게 나타났으며, 교통분석존(0.62)과 상세생활권(0.68)은 비슷한 결과를 보였다. 이것은 교통분석존의 구획 수(25개)가 30개 미만으로 통계적으로 유의한 결과를 도출하는데 한계가 있으며, 공간적 자기상관성의 측면에서 교통시설 서비스권역에 대한 격자단위와 상세생활권은 비슷한 수준으로 구획되었다. 공간적 자기상관성의 모든 분석 결과에서 유의확률(p-value)이 0.05 보다 작아 통계적으로 유의하다.

Table 3. Comparison of spatial autocorrelation (Moran's I)

TAZ Grid DLZ
Walking accessibility Moran's I 0.262 0.293 0.126
p-value 0.001 0.000 0.000
Transit service area Moran's I 0.426 0.625 0.679
p-value 0.000 0.000 0.000

Lee(1999)에 따르면 Hotspot의 공간적 분포를 확인함으로써 MAUP의 효과를 확인할 수 있다. 따라서 대중교통 접근성에 대한 핫스팟 분석(Hotspot analysis)을 수행하여 공간단위별로 지표의 Hotspot의 공간분포를 확인하였다. 본 연구에서는 일정한 범위 내 인접 지역들과의 개별적 군집경향(hotspot)을 탐색하여 공간현상의 국지적 군집분석에 분석하는 Getis-Ord Gi*를 적용하였다. 도보접근성에 대한 핫스팟분석 결과로 Figure 11과 같이 세 공간단위에서 핫스팟의 공간분포가 서로 다른 패턴을 나타내었다. 교통분석존은 지역의 중심지역에서, 격자단위는 외곽경계 지역에서, 그리고 상세생활권은 산지와 농촌지역에서 도보접근성이 유사한 지점들의 군집이 나타났다. 상대적으로 합역 수준이 높은 교통분석존을 제외하고, 격자 기반의 공간단위와 상세생활권은 핫스팟의 공간분포에 있어서 전혀 다른 양상을 나타내어 합역 방식에 따른 효과(zoning effect)로 해석된다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F11.jpg
Figure 11.

Comparison of the Hotspot analysis of walking accessibility

교통시설 서비스권역에 대한 핫스팟 분석 결과를 살펴보면, 역시 합역 수준이 높은 교통분석존을 제외하고, 격자단위는 춘천시의 중심부 도심지역과 일부 주변지역에서 군집이 나타나며, 상세생활권에서는 중심지에서만 핫스팟이 나타난다(Figure 12). 이러한 결과는 상세생활권은 교통시설 서비스권역 측면에서 인접한 등질지역들이 이미 하나의 구획으로 합역되어 인접지역에서 유사한 값의 분포가 상대적으로 적게 나타나는 반면에 등질지역의 분포와 무관하게 동일한 크기의 격자로 구성된 공간단위는 이러한 등질지역들로 인해 상대적으로 많은 군집지점들을 나타내는 것으로 보인다. 따라서 공간단위 설정 과정에서 비슷한 성격의 등질지역을 잘 합역한 상세생활권이 가장 적합한 합역 방식으로 판단된다.

http://static.apub.kr/journalsite/sites/kst/2019-037-06/N0210370605/images/kst_37_06_05_F12.jpg
Figure 12.

Comparison of the Hotspot analysis of transit service area

이상의 분석 결과를 종합하자면 다음과 같다. 첫째, 전반적으로 인구 분포, 대중교통 인프라 등 지역 특성을 고려하여 공간을 구획한 상세생활권이 사례 지역인 춘천시의 대중교통 접근성을 잘 반영하고 있다. 둘째, 인구밀도와의 상관성을 통해 살펴본 공간단위별 사례 지역의 대중교통현황은 (합역 수준이 높아 MAUP의 영향을 받는 행정동 단위 교통분석존을 제외하고) 격자 기반의 공간단위에 따르면 도보접근성과 교통시설 서비스권역 모두 양호한 반면에, 상세생활권은 대중교통 이용수요에 적절히 대응하지 못하고 있는 것으로 판단되어 합역 방식에 따라 현상에 대한 해석이 달라짐을 확인할 수 있다. 셋째, 본 연구에서 분석된 합역 수준과 통계치의 관계는 Lee(1999)의 MAUP 효과에 대한 해석을 잘 따르고 있지만, 선행연구에서 지적한 바 MAUP 영향의 변수특수적(variable-specific) 특성을 나타내기도 했다.

요약 및 결론

본 연구는 춘천시를 사례로 대중교통 접근성 분석에 있어서 공간단위 설정과 결부되는 MAUP의 효과에 대해 살펴보고, 공간단위 대안으로써 상세생활권을 행정동 기반 교통분석존과 격자기반 공간단위와의 비교 분석을 통해 적합성을 검증한다. 선행연구을 고찰하여 대중교통 접근성 분석에 적용할 산출방법을 선별하고, MAUP 연구에 있어서 도농복합시(춘천시)를 대상으로 벡터 형식의 공간단위를 적용함으로써 선행 연구와의 차별을 두었다. 춘천시를 사례로 세 공간단위에 대한 대중교통 접근성 분석의 결과는 다음과 같다. 첫째, 전반적으로 인구 분포, 대중교통 인프라 등 지역 특성을 고려한 상세생활권이 사례 지역의 대중교통 접근성을 잘 반영한다. 둘째, 인구밀도와의 상관관계를 통해서 격자 기반의 공간단위에 따르면 도보접근성과 교통시설 서비스권역 모두 양호한 반면에 상세생활권은 대중교통 이용수요에 적절히 대응하지 못해 합역 방식에 따라 현상에 대한 해석이 달라짐을 확인하였다. 셋째, 본 연구에서 분석된 합역 수준과 통계치의 관계는 Lee(1999)의 MAUP 효과에 대한 해석을 잘 따르지만, 일부 MAUP 영향의 변수특수적(variable-specific) 특성을 나타낸다. 이 연구는 사례 도시에 대한 여러 공간단위의 비교 분석을 통해 대중교통 접근성 분석에 적합한 공간단위를 제안함과 동시에, 향후 관련 연구에서 합역 방식을 선택하는데 있어서 이론적 배경과 통계학적 검증방법을 제안하는데 의의가 있다. 향후 연구는 도보접근성과 대중교통 서비스권역 이외에 다양한 지표를 대도시, 중소도시, 농어촌 등 여러 지역에 적용하여 대중교통 접근성 분석에 있어서 상세생활권의 범용성을 검증하고자 한다.

Funding

This work is supported by the Korea Agency for Infrastructure Technology Advancement (KAIA) grant funded by the Ministry of Land, Infrastructure and Transport (Grant 19NSPS-B149889-02).

알림

본 논문은 대한교통학회 제81회 학술발표회(2019.9.27)에서 우수논문을 수상한 내용을 기반으로 재구성되었습니다.

References

1

Cho D. H. (2014), The Spatial Distribution of the Single-households Elderly and Public Transport Accessibility in Seoul, Journal of the Korean Urban Geographical Society, 17(2), 119-136.

2

Choi D. J., Suh Y. C. (2014), A Spatial Statistical Approach on the Correlation Between Walkability Index and Urban Spatial Characteristics: Case Study on Two Administrative Districts, Busan, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 32(4-1), 343-351.

10.7848/ksgpc.2014.32.4-1.343
3

Choi S., Jun C. M., Cho S. K. (2016), Micro-scale Public Transport Accessibility by Stations: KTX Seoul Station Case Study, Journal of Korean Society for Geospatial Information System, 24(1), 9-16.

10.7319/kogsis.2016.24.1.009
4

Clark A., Scott D. (2014), Understanding the Impact of the Modifiable Areal Unit Problem on the Relationship Between Active Travel and the Built Environment, Urban Studies, 51(2), 284-299.

10.1177/0042098013489742
5

Currie G. (2010), Quantifying Spatial Gaps in Public Transport Supply Based on Social Needs, Journal of Transport Geography, 18(1), 31-41.

10.1016/j.jtrangeo.2008.12.002
6

Fotheringham A. S., Wong, D. W. (1991), The Modifiable Areal Unit Problem in Multivariate Statistical Analysis, Environment and planning A, 23(7), 1025-1044.

10.1068/a231025
7

Harris B. (2001), Accessibility: Concepts and Applications, Journal of Transportation and Statistics, 4(2/3), 15-30.

8

Harvey D. (2010), Social Justice and the City, 1, University of Georgia Press.

9

Jun C. M. (2007), Public Transport Network Connectivity Using GIS-based Space Syntax, Journal of Korea Spatial Information System Society, 9(3), 25-33.

10

Kim A., Jun B. (2012), Environmental Equity Analysis of the Accessibility to Public Transportation Services in Daegu City, Journal of the Korean Association of Geographic Information Studies, 15(1), 76-86.

10.11108/kagis.2012.15.1.076
11

Kim K. (2011), Effects of the Modifiable Areal Unit Problem (MAUP) on a Spatial Interaction Model, Journal of the Korean Geographical Society, 46(2), 197-211.

12

Kwon J., Park S. (2018), A Study on the Factors Affecting Pedestrian Traffic Fatal Accidents Around Elementary Schools : A Case Study of the Seoul Metropolitan City, Journal of Korea Planning Association, 53(3), 57-73.

10.17208/jkpa.2018.06.53.3.57
13

Lee S. I. (1999), The Delineation of Function Regions and Modifiable Areal Unit Problem, Journal of Geographic and Environmental Education, 7(2), 757-783.

14

Lee Y. M., Kwon P. Y., Yun H. Y. (2016), A Study on Scale Effects of the MAUP According to the Degree of Spatial Autocorrelation: Focused on LBSNS Data, Journal of Korean Society for Geospatial Information Science, 24(1), 25-33.

10.7319/kogsis.2016.24.1.025
15

Litman T. (2007), Evaluating Accessibility for Transportation Planning, Victoria Transport Policy Institute, Victoria, Canada.

16

Loidl M., Wallentin G., Wendel R., Zagel B. (2016), Mapping Bicycle Crash Risk Patterns on the Local Scale, Safety, 2(3), 17.

10.3390/safety2030017
17

Martínez L. M., Viegas J. M., Silva E. A. (2009), A Traffic Analysis Zone Definition: a New Methodology and Algorithm, Transportation, 36(5), 581-599.

10.1007/s11116-009-9214-z
18

Openshaw S. (1983), The Modifiable Areal Unit Problem, 38. Norwich: Geo Books.

19

Viegas J. M., Martínez L. M., Silva E. A. (2009), Effects of the Modifiable Areal Unit Problem on the Delineation of Traffic Analysis Zones, Environment and Planning B: Planning and Design, 36(4), 625-643.

10.1068/b34033
20

Wibowo S. S., Olszewski P. (2005), Modeling Walking Accessibility to Public Transport Terminals: Case Study of Singapore Mass Rapid Transit, Journal of the Eastern Asia Society for Transportation Studies, 6, 147-156.

21

Xu P., Huang H., Dong N., Abdel-Aty M. (2014), Sensitivity Analysis in the Context of Regional Safety Modeling: Identifying and Assessing the Modifiable Areal Unit Problem, Accident Analysis & Prevention, 70, 110-120.

10.1016/j.aap.2014.02.01224713219
22

Yun J. J., Woo M. J. (2015), Empirical Study on Spatial Justice Through the Analysis of Transportation Accessibility of Seoul, Journal of Korea Planners Association, 50(4), 69-85.

10.17208/jkpa.2015.06.50.4.69
페이지 상단으로 이동하기