서론
서울특별시 공공자전거 서비스 ‘따릉이’는 친환경 교통수단으로, 교통 혼잡 완화, 온실가스 감축, 시민 건강 증진을 목표로 2015년부터 본격적으로 운영되었다. 약 2천 대의 자전거로 시작된 따릉이는 2023년 정류소는 2,700여개, 자전거는 약 4만 3천 대로 운영이 확대되었고, 하루 평균 이용 건수의 50.6%는 출퇴근 시간대에 활용되는 등 생활밀착형 교통수단으로의 역할을 수행하고 있다(Kim, 2023). 따릉이 이용이 꾸준히 증가했으나, 정류소 간 자전거 수 불균형, 특정 시간대 지점의 수요 집중 등 운영 문제도 지속적으로 지적되었다(Yun et al., 2024). 기존 연구는 사회 네트워크 분석을 통한 중심성 지표를 활용해 도심과 한강축을 잇는 핵심 정류소 및 방사형 연결 축을 규명하고(Lee et al., 2020), 시간대별 따릉이 이용 편중과 생활권 경계 차이를 확인하고(Seo, 2024; Lee and Kim, 2024), 정류소 주변의 토지이용, 경사, 보행 접근성, 환승 편의성과 같은 물리적 환경 요인이 이용 강도에 미치는 영향을 분석하였다(Sa and Lee, 2018). 이러한 연구는 네트워크의 공간적, 시간적 특성을 설명하는 데 기여했지만, 주로 개별 노드를 중심으로 접근했기 때문에 네트워크 내부에서 반복적으로 나타나는 이동 패턴, 흐름의 다양성, 노드 간 상호작용과 같은 기능적 측면을 충분히 반영하기 어려웠다.
이러한 한계를 보완하기 위해 본 연구는 네트워크 모티프(network motif) 분석을 도입하여, 서울시 공공자전거 네트워크에서 상하위 자치구 간의 구조적 특성을 비교하고자 한다. 네트워크 모티프는 이동 네트워크 내에서 무작위화한 비교망과의 출현 빈도 차이를 기반으로 통계적으로 유의하게 반복되는 소규모 연결 패턴을 의미하며, 복잡한 네트워크를 구성하는 기본 단위이다(Milo et al., 2002; Sporns and Kötter, 2004). 기존 중심성 분석은 노드 단위의 연결성과 위치 중요도를 정량화하는 데 유용하지만, 이웃 노드와의 복합적 상호작용이나 지역 전체의 연결 구조를 반영하지 못했다. 반면, 네트워크 모티프 분석은 연결 패턴과 구조를 통합적으로 파악할 수 있다(Wang et al., 2020).
이에 본 연구는 2024년 9~10월 평일 기준 서울시 공공자전거 따릉이의 대여, 반납 데이터를 활용하여, 이용률이 높은 상위 자치구(강서구, 양천구, 영등포구)와 낮은 하위 자치구(강남구, 관악구, 성북구)의 정류소 간 실제 따릉이 이용 정보를 활용하여 방향성과 가중치를 반영한 네트워크를 구축하고, 3노드 네트워크 모티프 분석을 실시하였다. 이후 모티프를 단순형, 허브형, 순환형으로 재분류하여, 각각 단순 경로 의존성, 거점 집중성, 순환 구조 형성이라는 측면에서 자치구의 특성을 분석하였다. 이러한 접근은 상하위 자치구 간 네트워크 구조의 차이를 정량적으로 규명하고, 지역별 이동 구조를 구조적 관점에서 비교할 수 있는 분석 틀을 제공한다.
선행연구
기존 공공자전거 연구와 교통 및 도시 네트워크 연구는 사회 네트워크 지표를 중심으로 개별 노드의 중요도나 공간적 분포를 분석하는 데 초점을 두어 왔다. 교통 및 도시 네트워크는 개별 노드뿐만 아니라 전체적인 네트워크의 구조, 반복되어 나타나는 이동 패턴으로도 나타낼 수 있으나 이에 대한 체계적 분석은 다소 부족한 실정이다. 본 연구의 목적은 서울시 공공자전거 네트워크에서 반복적으로 나타나는 노드 집합을 네트워크 모티프 분석을 통해 네트워크의 구조와 공공자전거 이용 특성을 정량적으로 진단하는 데에 있다. 이를 위해 공공자전거 연구 사례와 네트워크 모티프의 개념을 중심으로 국내외 문헌 고찰을 수행한다.
1. 공공자전거 관련 연구 동향
국내 공공자전거 관련 연구는 정류소 단위의 이용 패턴 분석, 수요예측 모형 구축, 입지 특성 평가, 재배치 전략 수립, 통행 행태 해석 등 다양한 주제로 확장되어 왔다. 일부 연구들은 공공자전거 시간적 수요 변동의 실체와 그 배경 요인을 규명함으로써 운영 효율화와 서비스 품질 향상에 필요한 실증적 근거를 제공해 왔다. 공공자전거의 이용 행태를 다룬 연구들은 시공간적 변동과 인구 특성별 차이를 규명하였다. 평일 이용량은 휴일의 약 두 배에 달하며, 오전 8시와 오후 6시 전후에 뚜렷한 쌍봉형 첨두가 나타났다(Kim and Kim, 2021). 연령대별 및 시간대별 분석 결과, 통행 목적과 수요 분포가 집단별로 상이하며, 특히 출퇴근 및 통학 시간대에 이용이 집중되는 특성이 확인되었다(Cho and Baik, 2021). 또한 평일 출근 시 주거지에서 역세권으로의 통행이 집중되고, 퇴근 시 역세권에서 주거지와 여가 공간으로 이동이 뚜렷했으며, 주말에는 공원 및 수변을 중심으로 한 장거리 통행이 나타났다(Kim and Kim, 2020). 또한 고양시 공공자전거 연구에서도 평일 출근 시간과 퇴근 시간의 자전거 이용량은 다른 시간대에 비해 두드러지게 많은 것으로 나타났으나, 평일과 주말, 오전과 저녁의 구분 없이 사람들의 공공자전거의 이동은 크게 세 지역 내에서 이루어짐을 확인하였다(Kang and Moon, 2022).
한편, 네트워크 구조와 공간적 맥락을 분석한 연구도 활발히 이루어졌다. 중심성 분석 결과, 교통 요지 인근 정류소는 높은 내향 및 외향 연결 정도 중심성과 매개 중심성을 보였으며, 특정 정류장은 중복되어 중심성이 높게 나타나 자전거 수나 이동량이 편중되는 현상이 확인되었다(Lee et al., 2020). 또한 중심성이 높은 정류소의 경우 동일 정류소로의 대여 및 반납이 많았고, 동일 정류소 대여 및 반납의 경우에 이용 시간은 상대적으로 길며 이동 거리는 짧아 경로가 일정하지 않았다(Kang and Jung, 2019). 노원구를 대상으로 한 연구에서도 중심성이 높은 정류소는 동일 대여 및 반납 비율이 높았고, 다른 정류소 반납 시에는 최단 경로나 하천변을 따라 이동했으나 동일 정류소 반납 시에는 특정 경로 없이 비교적 먼 거리를 이동하는 특징이 확인되었다(Kang and Jung, 2022). 아울러 토지이용 혼합도, 경사, 보행 및 환승 접근성 등 물리적, 환경적 요인의 영향력이 대여 및 반납 건수 모두에 작용하는 것으로 나타났으며(Sa and Lee, 2018), 하루 중 시간대에 따른 네트워크 동적 분석에서는 따릉이가 전 시간대에 걸쳐 다양한 경로에서 이용됨이 드러났다(Seo, 2024).
2. 네트워크 모티프 기반 연구 고찰
기존 도시 네트워크 분석은 중심성, 밀도, 연결성 등 전통적인 지표를 바탕으로 구조를 진단해 왔다. 그러나 이러한 접근은 개별 노드의 중요도나 인접성은 파악할 수 있으나, 도시 전체 맥락에서 지역의 기능적 중요성을 설명하기 어렵다는 한계가 있다(Shi et al., 2025). 이러한 한계를 보완하기 위해 네트워크 전반에서 반복적으로 나타나는 연결 패턴을 분석하는 네트워크 모티프 기법이 주목받기 시작했다. 네트워크 모티프는 무작위 네트워크에서 기대되는 빈도를 넘어 반복적으로 출현하는 부분 구조(subgraph)로 정의되며, 복잡한 시스템에서 핵심적인 연결 양상을 규명하는 데 효과적이다(Milo et al., 2002; Sporns and Kötter, 2004). 이 개념은 처음에는 생물학, 신경망, 생태계 분석 등에서 발전하였으며, 초기 연구의 상당수는 도시보다는 생물학, 뇌과학 분야에서 수행되었다. Milo et al.(2002)는 여러 실세계 네트워크에서 특정 모티프가 무작위 네트워크보다 훨씬 자주 나타난다는 사실을 밝히고, 이를 13개의 네트워크 모티프 유형으로 분류하였다. 모티프 분석에서는 구성 노드 수에 따라 다양한 유형이 존재하지만, 그중에서도 3-node 모티프가 가장 널리 활용된다. 이는 3-node 모티프가 단순하면서도 전체 네트워크 조직의 정보를 담고 있는 대표적 패턴이기 때문이다(Taylor et al., 2007). 이후 모티프 분석은 점차 도시와 교통 분야로 확장되었다. 도시철도망 분석에서는 노선망에서 선형(line subgraph)과 Y자형(Y-shaped subgraph) 구조가, 역망에서는 Y자형 구조가 핵심적 연결 패턴으로 확인되었다(Ma et al., 2023). 또한 42개 모티프 유형을 분류한 연구에서는 원형(round), 체인형(chain), 불연속 체인형(discon-chain), 고리형(loop), 역체인형(reversed-chain) 모티프가 대표적으로 나타났으며, 출퇴근 시간에는 직선적, 반복적 이동이, 비첨두 시간대에는 다양한 경로와 순환적 이동이 두드러졌다(Lei et al., 2020). 최근에는 분석 기법의 정교함과 적용 범위가 확대되면서, 모티프 분석은 네트워크의 안정성과 복원력 논의로 이어졌다. 예컨대 Ma et al.(2024)은 도시 네트워크 모티프 분석을 통해 사람들의 이동 패턴이 주중에는 안정적, 규칙적으로 유지되나 주말에는 불안정성이 커지고, 자원 접근성과 활동 동선 측면에서 효율적인 노드 구조가 존재함을 밝혔다. 나아가 모티프 분석을 활용하면 다양한 이동 패턴 특성을 명확히 발견할 수 있어 기존 방식으로는 포착하기 어려운 도시 이동의 세밀한 특성을 규명하고, 도시의 질을 개선하는 데 기여할 수 있다(Shi et al., 2022). 또한 모티프 분석은 단순히 한 노드만 보는 것이 아니라 주변 노드까지 함께 고려하여 지역 간 대중교통 성능 차이를 설명할 수 있으며, 데이터가 부족해도 대략적인 성능을 파악할 수 있는 장점이 있다(Wang et al., 2020). 도시 내 이동 패턴 분석에서는 모티프가 도시민의 이동 패턴을 정량적으로 포착하는 지표로 활용되었으며(Ma et al., 2024), 도시 관광지에서 방문객들의 여행 이동 패턴을 파악하기 위해 사용되기도 하였다(Park and Zhong, 2022). 도로 네트워크 분석에서는 모티프 분석이 교통 혼잡과 통행 특성을 설명하는 효과적인 지표로 확인되었다(Shen et al., 2022). 이처럼 모티프 분석은 연결성, 회복력, 다양성을 종합적으로 평가할 수 있는 방법론으로 발전하였으며, 네트워크 설계와 관리, 도시 이동성 및 인프라 성능 평가, 위기 대응 전략 수립 등 다양한 영역에서 활용 가능성을 보이고 있다(Rajput and Mostafavi, 2023; Dey et al., 2019).
따라서 본 연구는 기존 중심성 분석의 한계를 보완하고, 공공자전거 네트워크에서 자주 나타나는 구조를 파악하기 위해 모티프 분석을 활용한다. 특히 허브형, 단순형, 순환형과 같이 이동 구조에 따라 네트워크 모티프 유형을 재분류하여 따릉이 이용 네트워크의 연결 및 흐름 특성을 정량적으로 비교하며, 이를 통해 지역별 따릉이 이용 패턴 차이를 구조적 관점에서 설명할 수 있는 방법론을 제시한다.
연구 방법
본 연구에서는 2024년 9월부터 10월까지 두 달간 수집한 평일 기준 서울특별시 공공자전거 서비스 ‘따릉이’의 대여 및 반납 이력 데이터를 활용하여, 자치구별 네트워크 구조 특성을 네트워크 모티프 분석 기법으로 비교 분석하였다. 9월과 10월은 혹서기와 혹한기를 피해 계절적 영향이 상대적으로 적고, 날씨 조건이 안정적이어서 자전거 이용 패턴을 왜곡 없이 관찰할 수 있는 시기이다(Kim and Kim, 2021). 또한 평일 자료만을 분석 대상으로 삼은 것은, 주말과 달리 통근 및 통학 등 일상적이고 반복적인 이동 목적이 뚜렷해 자전거 이용의 구조적 특성을 보다 명확히 파악할 수 있기 때문이다.
분석 대상지는 공공자전거 이용 상하위 자치구 간 네트워크 구조 특성을 비교하기 위해 상위 3개와 하위 3개 자치구로 구분하였다. 상하위 자치구의 구분은 공공자전거 총 이용량과 생활인구를 종합적으로 고려해 산정하였다. 구체적으로, 행정동 단위 생활인구 자료에서 10세 이상 69세 이하를 따릉이 이용 가능 인구로 추출하고, 이를 기준으로 생활인구 대비 자전거 이용량 비율을 계산하였다. 해당 지표를 통해 공공자전거 이용이 상대적으로 활발한 상위 자치구(강서구, 양천구, 영등포구)와 이용이 저조한 하위 자치구(강남구, 관악구, 성북구)를 최종 분석 대상으로 설정하였다(Figure 1). 생활인구 대비 이용량 비율이 높은 자치구는 빨간색, 생활인구 대비 이용량 비율이 낮은 자치구는 파란색으로 표시하였고, 색의 진하기 차이는 자치구 간 상대적 강도를 나타낸다(Figure 1). 또한 연구 지역 내 따릉이 정류소 배치는 Figure 2와 같다.
네트워크는 서울시 공공데이터포털에서 제공하는 대여 및 반납 이력 자료를 기반으로 구축하였다. 각 정류소를 노드(node)로, 정류소 간 연결을 엣지(edge)로 정의하고, 이동 방향과 이동 빈도를 각각 방향성(OD)과 가중치로 반영하여 방향성과 가중치가 모두 적용된 네트워크를 생성했다. 이때 출발지와 도착지가 동일한 대여 이력은 정류소 간 연결 구조만을 분석 대상으로 한 본 연구의 목적에 부합하지 않아 제거하였으며, 이후 상하위 자치구 간 비교를 위해 출발지와 도착지가 모두 분석 범위에 해당하는 데이터만 사용하였다. 모티프 분석은 3-node 하위 그래프(subgraph)를 기본 단위로 하여 진행하였다. 이는 단순 2-node 분석에서 발전하여 고차 상호작용을 포착할 수 있는 최소 단위로서, 이용자의 이동 의도나 경로 전략까지 분석할 수 있다는 장점이 있다. 한편 4-node 분석은 3-node 분석보다 복잡한 상호작용을 포착할 수 있다는 장점이 있으나, 분류 가능한 네트워크 모티프 유형 수의 급증과 대규모 이동 데이터 처리에 따른 상당한 연산 비용으로 인해 이번 연구에서는 적용하지 않았다. 5-node 이상의 분석은 유형 수가 기하급수적으로 늘어나 구조적 복잡성이 크게 증가하기에 실제 적용이 어렵다(Ma et al., 2023). 3-node 모티프는 단순하면서도 전체 네트워크 조직의 특성을 잘 드러내는 대표적 패턴으로 평가되고(Ma et al., 2024), 앞선 분석 방식의 한계에도 비교적 영향을 적게 받기 때문에 본 연구의 분석 단위로 채택하는 것이 적절하다.
네트워크 모티프 분석은 실제 네트워크와 무작위 네트워크 분포를 비교하여 구조적 특이성을 판별한다. 본 연구에서는 Z-score를 활용하여 각 모티프의 출현 패턴을 정규화하고 구조적 차이를 판별하였다(Milo et al., 2002). Z-score는 실제 네트워크에서의 모티프 출현 횟수 와 무작위 네트워크에서의 평균 출현 횟수의 차이를 무작위 분포의 표준편차 로 나눈 값으로 정의된다(Equation 1).
Z-score 값이 양수일 경우 해당 모티프가 무작위 수준보다 자주 출현함을 의미하며, 특히 +2 이상과 같이 큰 값은 단순한 우연적 변동이 아니라 네트워크 구조가 일정한 패턴을 선호하여 반복적으로 형성되는 경향을 반영한다(Milo et al., 2002). 반대로 값이 음수일 경우 무작위 수준보다 덜 나타남을 의미하며, −2 이하와 같은 작은 값은 네트워크에서 해당 모티프가 잘 드러나지 않고 형성되기 어려운 경향을 보여주는 것으로 해석된다(Ma et al., 2023). 따라서 Z-score는 모티프의 단순 빈도를 넘어, 네트워크가 특정 구조를 자주 형성하는지 혹은 상대적으로 덜 형성하는지를 드러내는 핵심 지표라 할 수 있다.
이후 선행연구(Milo et al., 2002)에서 제시한 13가지 모티프 유형에 착안하여 Figure 3의 모습과 같이 네트워크 모티프 유형을 규정하고, 이들의 Z-score 값을 계산하였다. 각 모티프 유형별 자세한 설명은 Table 1과 같다. 이후 자치구별 네트워크를 개별적으로 구성하여 모티프 유형별 비율을 산출하였고, 이동 구조 비교를 위해 Table 2처럼 단순형(Simple), 허브형(Hub), 순환형(Cyclic)의 세 가지 범주로 새롭게 재분류해 상하위 자치구 간 차이를 분석했다.
Table 1.
Structural characteristics specifications of motifs
Table 2.
Categorization of motif types by structural characteristics
분석 결과
1. 네트워크 모티프 유형별 분석
서울시 공공자전거 네트워크의 구조적 특성을 보다 자세히 파악하기 위해, 평일 기준 상위 이용 자치구(강서구, 양천구, 영등포구)와 하위 이용 자치구(강남구, 관악구, 성북구)를 구분하여 모티프 유형별 Z-score를 비교하였다(Figure 4). Z-score 분석은 무작위 네트워크와 비교해 특정 모티프가 실제 네트워크에서 기대치보다 얼마나 더 자주 혹은 덜 나타나는지를 보여준다. 값이 양수일수록 해당 구조가 실제 네트워크에서 더 자주 나타남을, 음수일수록 출현 빈도가 낮거나 거의 나타나지 않음을 의미하며, 단순 빈도를 넘어 어떤 유형이 통계적으로 두드러지거나 반대로 억눌려 나타나는지를 확인할 수 있다.
Figure 4에서 확인되듯, 상하위 자치구 모두에서 공통적으로 높게 나타난 모티프는 M4(상위 평균 9.6, 하위 9.1), M9(상위 평균 7.8, 3.8), M10(상위 평균 7.9, 하위 2.7), M11(상위 평균 7.6, 하위 7.9), M13(상위 평균 11.4, 하위 4.3)이었다. 이는 반복적으로 강한 연결이나 순환 구조를 가진 모티프가 두 그룹 모두에서 안정적으로 나타났음을 보여준다. 반대로, 공통적으로 낮게 나타난 모티프는 M1(상위 평균 –6.9, 하위 –6.9), M3(상위 평균 –7.7, 하위 –6.6), M6(상위 평균 –12.4, 하위 –3.3), M7(상위 평균 –5.6, 하위 –4.4), M8(상위 평균 –7.4, 하위 –5.9)으로, 단순하거나 특정 노드에만 치우친 구조가 두 그룹 모두에서 잘 드러나지 않았음을 의미한다. 또한 그룹 간 차이가 크게 드러난 모티프도 확인되었다. M2는 상위 평균 –7.4로 낮게 나타난 반면 하위 평균 5.4로 높게 나타나, 단순 연쇄 구조가 하위 네트워크에서 중요한 연결 방식으로 기능함을 보여주었다. 특히 M2는 상·하위 자치구 간 차이가 가장 뚜렷하게 드러난 유형이었다. M2는 특정 노드에서는 유입만, 다른 노드에서는 유출만 나타나는 일방향적 연결 구조를 가지며, 경사나 도로망 형태 등의 영향을 받을 수 있다. Z-score가 상위 자치구에서는 높게, 하위 자치구에서는 낮게 나타난 것은 이러한 지형적 제약이 이동의 방향성과 연결 강도에 큰 차이를 유발했을 가능성을 보여준다. M5 역시 상위 평균 9.6으로 두드러졌지만, 하위 평균 0.3에 머물러 경향이 상당히 약화되었다. M12 또한 상위 평균은 –7.9로 분명히 낮았지만, 하위 평균 –0.8로 상위 자치구에서는 M12가 억제되어 나타났다. 특히 M5와 M12는 하위 자치구에서 Z-score 값이 –2에서 2 사이로, 네트워크 내에서 뚜렷한 구조적 특징으로 확인되지 않았다. 상위 자치구는 모티프의 양상이 자치구 간 차이가 크지 않았던 반면, 하위 자치구는 자치구 별로 모티프의 양상이 다르게 나타났다.
상위 자치구에서의 Z-score 분석 결과, M4, M5, M9, M10, M11, M13이 무작위 네트워크 대비 뚜렷하게 높은 값을 보였다(Figure 5). M4와 M5는 모두 두 정류소 간의 강한 상호 연결을 기반으로 제3의 정류소가 결합하는 구조이다. M4는 두 정류소의 상호 연결에 더해 한 정류소가 제3의 정류소로 이어지는 형태이며, M5는 제3의 정류소가 한쪽 정류소와만 단방향으로 연결되는 점에서 차이를 보인다. 한편 M9, M10, M11, M13은 모두 세 정류소 간 상호작용이 나타나는 유형으로, 한 정류소가 두 곳과 연결되고 그 두 정류소 사이에도 연결이 형성되는 경우(M9), 상호 연결된 두 정류소가 동시에 제3의 정류소로 이어지는 경우(M10), 두 정류소의 상호 연결을 기반으로, 제3의 정류소와 단방향 연결을 주고받아 순환이 형성되는 경우(M11), 그리고 세 정류소가 모두 양방향으로 연결된 완전 연결 구조(M13)가 이에 해당한다. 즉, 상위 자치구에서는 여러 정류소가 서로 얽혀 반복적으로 연결되는 구조가 두드러지게 나타나, 네트워크 전반에서 일관되고 반복적인 이동 흐름이 형성되고 있음을 보여준다. 반대로, M1, M2, M3, M6, M7, M8, M12는 뚜렷하게 낮은 값을 보였다. M1, M2, M3는 모두 단순한 흐름을 나타내는 구조로, 각각 단일 정류소에서의 분기(M1), 연쇄적 연결(M2), 그리고 두 정류소가 동시에 하나의 정류소로 이어지는 집중 형태(M3)를 포함한다. M6은 한 정류소가 두 곳과 각각 연결되지만, 그 두 정류소 사이에는 직접 연결이 없는 구조로 나타났다. M7, M8, M12는 세 정류소 간 상호작용이 나타나는 유형으로, 일방향 고리로 이어지는 경우(M7), 한 정류소가 두 곳으로 단방향 연결을 보내고, 그중 한 정류소가 나머지 정류소로 다시 연결되는 경우(M8), 두 쌍은 양방향으로 연결되고 나머지 한 쌍은 단방향으로 연결되는 경우(M12)가 이에 해당한다. 즉, 상위 자치구에서는 단순하거나 부분적으로만 형성된 연결, 혹은 제한된 순환 구조는 상대적으로 적게 나타났으며, 이는 네트워크가 일부 정류소에 치우치기보다는 더 복합적이고 상호 연결적인 패턴을 중심으로 작동하고 있음을 보여준다.
그러나 하위 자치구의 Z-score 분석 결과는 상위 자치구와 상이하였다. M2, M4, M9, M10, M11, M13은 뚜렷하게 나타난 반면, M1, M3, M6, M7, M8은 뚜렷하게 낮은 값을 보였다. 상위 자치구에서 뚜렷하게 나타났던 M5와 M12는 하위 자치구에서는 통계적으로 유의한 결과로 이어지지 않아, 구조적 경향이 약화된 것으로 해석된다. 먼저, M4와 M11은 두 집단 모두에서 반복적으로 높게 나타나, 조건이 달라져도 꾸준히 관찰되는 연결 구조임을 확인할 수 있었다. 반면 M9, M10, M13은 하위에서도 의미 있게 나타났지만, 상위 자치구에 비해 강도가 낮아 복합적이고 순환적인 연결은 상위 네트워크에서 더 두드러졌다. M2는 상위 자치구에서는 뚜렷하게 나타나지 않았으나, 하위 자치구에서는 높은 값을 기록하였다. 이는 단순한 연쇄적 이동이 하위 네트워크에서는 일정한 연결 방식으로 기능하고 있음을 의미한다. 한편 M1, M3, M7, M8은 상하위 모두에서 일관되게 낮은 값을 보였으며, 단순하거나 일방향적인 흐름이 두 집단 모두에서 중요하게 작동하지 않았다. 다만 M6은 상위 자치구에서 특히 낮았던 반면, 하위 자치구에서는 그 수준이 다소 완화되어 동일한 구조라도 집단별로 형성 정도가 달라지는 모습을 보였다. 또한 M5와 M12는 상위 자치구에서는 각각 높거나 낮게 나타났지만, 하위 자치구에서는 통계적으로 뚜렷하게 확인되지 않았다.
Z-score의 분포를 살펴보면, 상위 자치구에서는 전반적으로 유사한 양상이 나타났지만 하위 자치구에서는 자치구별 편차가 뚜렷하게 드러났다. 관악구는 M2가 평균 –8.3으로 낮아 강남구(11.6)와 성북구(9.1)에 비해 현저히 낮은 값을 보였다. 강남구는 M5가 평균 –15.7, M13이 –8.6으로 낮게 나타난 반면, M6은 평균 14.2, M12는 10.9로 높아 모티프 간 결과가 상반되었으며, 이는 관악구(7.1, 8.8, –10.5, –5.2)와 성북구( 9.5, 12.6, –13.5, –8.0)에 비해 뚜렷한 차이를 보이는 부분이다. 이러한 차이는 정류소 공간 분포와 밀접하게 관련된 것으로 추정할 수 있다. 하위 자치구의 경우, 지형적, 환경적 요인이 주요한 차이를 형성할 수 있다. 관악구는 산지 지형의 영향으로 정류소가 북부와 중심부의 주요 도로축을 따라 집중되어, 정류소 간 연결이 균형적으로 이루어지지 못한 특징을 보인다. 강남구는 전역에 정류소가 분포하지만, 강남역, 역삼 일대의 인구 및 상업시설이 과밀하게 집중되어 일부 모티프는 반복적으로 형성되는 반면 다른 구조는 상대적으로 약화될 수 있다. 성북구는 북부의 산지가 외곽에 한정되어 중심부(길음, 돈암, 장위 등)에 정류소가 고르게 분포하며, 이에 따라 다양한 모티프 유형이 균형 있게 나타난다. 반면 상위 자치구는 지형적 제약이 적고 교통 접근성이 높아 정류소 간 연결이 보다 촘촘하게 구성된다. 강서구는 한강변과 주요 교통 거점을 따라, 양천구는 주거, 상업 중심지와 간선도로 축을 따라, 영등포구는 여의도 및 철도 거점 주변에 정류소가 밀집되어 있으며, 이러한 입지적 조건은 일관되고 안정적인 모티프 구조를 형성하는 데 기여한다.
2. 네트워크 모티프 이동 구조 비교
선행연구(Milo et al., 2002)를 참고하여 3개의 정류소(3-node)로 구성된 네트워크 모티프를 단순형(Simple), 허브형(Hub), 순환형(Cyclic)으로 구분하였다. 단순형은 세 노드 중 하나 이상이 다른 노드와 연결되어 있지 않으며, 연결된 노드 간에도 모두 한 방향으로만 이어지는 구조이다. 허브형은 세 노드 중 하나는 연결되지 않고, 나머지 두 노드는 서로 쌍방향, 혹은 한 방향으로 연결되어 있으며, 하나의 노드가 중심 역할을 하는 형태이다. 순환형은 세 노드가 한 바퀴 도는 경로로 모두 연결되어 있고, 이 과정에서 연결의 일부 또는 전부가 쌍방향 연결을 포함할 수 있다. 이때 허브형은 특정 정류소로 흐름이 집중되는 구조적 특성을 반영하므로, 순환형과는 별도의 범주로 구분하였다. 이러한 구조 범주를 바탕으로 각 자치구의 네트워크 구성 특성을 분석하고자 한다.
Figure 6을 보면, 상하위 자치구 간 네트워크 모티프 구조 범주는 전반적으로 유사한 분포를 보인다. 단순형은 두 집단 모두에서 출현 정도가 낮아 실제 이동망에서 두드러지지 않았으며, 특히 상위 집단에서 그 경향이 더욱 강하게 나타났다. 허브형은 상하위 모두에서 관찰되었으나, 단순형과 순환형에 비해 상대적 비중은 낮았다. 순환형은 두 집단 모두에서 뚜렷하게 나타났으며, 특히 상위 집단에서 더 강조되었다. 따라서 구조 범주 차원에서는 큰 차이가 없으나, 세부적으로는 자치구별 생활인구와 이용 강도에 따라 차이가 드러났다. 상위 이용 자치구에서는 단순형이 세 지역 모두에서 거의 나타나지 않아(강서 –6.6, 양천 –7.7, 영등포 –7.7), 단순한 이동 경로는 구조적으로 중요한 역할을 하지 않았다. 허브형은 각 2.0, 2.5, 2.4로 일정하게 확인되어 거점을 중심으로 한 연결이 드러났으나, 다른 유형에 비해서는 상대적으로 약한 편이었다. 순환형은 강서 3.5, 영등포 4.1, 양천 6.0으로 모두 높게 나타났으며, 특히 양천구에서 반복적 이동이 두드러졌다. 이러한 결과는 세 지역 모두 생활인구 대비 자전거 이용률이 상대적으로 높은 수준(0.16~0.20%)이라는 점과도 관련지어, 단순한 경로보다는 허브형과 순환형 같은 복합적 구조가 뚜렷하게 형성되는 경향을 보여준다.
하위 자치구의 경우 생활인구 규모는 상위보다 오히려 더 크지만 자전거 이용률은 0.04~0.05% 수준으로 상위 집단의 약 4분의 1에 불과하다. 이러한 조건 속에서 모티프 구조는 전체적으로 일정한 패턴으로 수렴하지 않고, 자치구별로 서로 다른 특징이 드러났다. 관악구는 생활인구는 많지만 이용률이 낮아 전역적 연결망이 균등하게 형성되기 어려운 상황임에도, 단순형(–4.9)과 순환형(3.9)에서 뚜렷한 값을 보여 연쇄적 이동이나 반복 이동이 강조되는 양상을 보였다. 반면 허브형(1.2)은 낮은 수준에 머물러 특정 거점 중심의 집중 구조는 잘 드러나지 않았다. 강남구는 생활인구가 가장 많음에도 불구하고 이용률이 최저 수준(0.037%)에 그쳐, 다양한 정류소 간 이동은 뚜렷하게 나타나지 않았다. 단순형(–1.4)과 순환형(1.3)은 모두 낮은 수준으로 확인된 반면, 허브형(3.1)에서만 의미 있는 값이 나타나 다수의 이동이 생활권 전반으로 퍼지지 않고 일부 거점으로 집중되는 흐름이 강조되었다. 성북구는 생활인구가 크지만 이용률은 낮은 조건에서 허브형(2.0)과 순환형(2.5)이 모두 하위 자치구 평균과 유사하게 나타났고, 단순형(–1.7)은 낮은 수준에 머물렀다. 이에 따라 특정 구조가 압도적으로 강조되지 않고, 여러 유형이 비교적 고르게 분포하는 모습을 보였다(Figure 7).
결론
기존의 중심성 기반 분석은 개별 정류소의 영향력이나 연결 밀도에 집중하는 경향이 있었으며, 이로 인해 네트워크 전반의 구조적 맥락과 기능적 차이를 설명하는 데에는 한계가 있었다. 본 연구는 실제 자전거 이동 경로를 기반으로 정류소 간의 연결 관계에서 구조적으로 의미 있는 반복 패턴을 식별하기 위해 네트워크 모티프 분석을 수행하였다. 이를 통해 서울시 공공자전거 네트워크의 구조적 특성과 기능적 분포 양상을 정량적으로 진단하고, 자치구 간 네트워크 구성 방식의 차이를 구체적으로 규명하였다. 나아가 네트워크 내 반복적 구조를 입체적으로 해석할 수 있는 분석 틀을 제시하여, 서울시 공공자전거 네트워크의 연결 구조와 공간적 차이를 체계적으로 파악할 수 있는 방법론적 기반을 마련하였다.
연구 결과를 요약하면 다음과 같다. 평일 데이터를 기준으로 상하위 이용 자치구를 구분한 뒤, 각 그룹의 3-node 모티프 출현 양상을 분석하였다. Z-Score 분석을 통해 확인한 결과, 전체 13개 모티프 중 상하위 자치구 모두에서 M4, M9, M10, M11, M13은 무작위 네트워크에 비해 실제 네트워크에서 반복적으로 더 자주 출현하는 것으로 나타났으며, M1, M3, M6, M7, M8은 두 그룹 모두에서 잘 드러나지 않았다. 반면 M2는 하위 자치구에서만 무작위 대비 출현 빈도가 높게 확인되어 단순 연쇄 구조가 특정 조건에서 중요한 연결 방식으로 작동함을 보여주었다. M5와 M12는 상위 자치구에서는 무작위 대비 자주 나타났지만, 하위 자치구에서는 확연한 차이가 확인되지 않았다. 결과적으로 상위 자치구는 복합적이고 순환적인 구조가 일관되게 형성된 반면, 하위 자치구는 단순 연쇄 경로나 일부 모티프에서 자치구별 편차가 크게 드러났다. 또한 하위 자치구에서는 Z-Score 값의 편차가 크게 나타나 자치구별 차이가 뚜렷했으나, 상위 자치구는 전반적으로 유사한 양상을 보였다. 이러한 차이는 정류소의 공간 분포와 지형적 조건과도 관련이 있는 것으로 보인다. 상위 자치구는 생활권 내부에 촘촘하고 일관된 연결망을 갖춘 반면 하위 자치구는 경사나 도로망 단절 등 물리적 제약 요인으로 인해 특정 지역에서 연결의 집중이나 공백이 나타났을 가능성이 있다. 이후 네트워크 모티프를 단순형, 허브형, 순환형으로 구분하여 상하위 자치구의 구조적 차이를 비교하였다. 상위 자치구는 단순형이 거의 나타나지 않고 허브형과 순환형이 반복적으로 드러나 생활권 내부에서 일관된 연결망을 형성한 반면, 하위 자치구는 생활인구 규모에 비해 이용률이 낮아 모티프별 차이가 크게 드러났다. 관악구는 단순형에서는 낮은 값을 보였으나 순환형에서는 높게 나타나 연쇄적 이동과 반복 이동이 강조되는 양상을 보였다. 강남구는 허브형이 뚜렷하게 강조되었고 순환형은 일부만 나타나 특정 거점 중심의 집중적 흐름이 두드러졌다. 성북구는 특정 구조가 압도적으로 부각되지 않고, 허브형과 순환형이 모두 하위 자치구 평균 수준으로 분포하여 여러 유형이 비교적 고르게 나타났다.
본 연구의 의의는 세 가지로 정리할 수 있다. 첫째, 네트워크 모티프 분석을 통해 공공자전거 네트워크에서 반복적으로 나타나는 연결 구조를 식별하였다. 이를 통해 기존 중심성 지표가 개별 정류소의 중요성만을 강조하던 한계를 넘어, 정류소 간 연결 양상과 방향성에 따른 미시적 구조 차이를 파악할 수 있었다. 둘째, 따릉이 이용 상하위 자치구를 비교하여 네트워크의 기본 구조는 유사하나, 어떤 모티프 유형이 반복적으로 일관되게 드러나는가에 따라 지역별 특성이 달라짐을 확인하였다. 이는 모티프 구조 범주(단순형, 허브형, 순환형)를 활용하여 연결 집중, 이동 경로 특성, 공간적 상호작용 등 기능적 속성을 해석할 수 있는 틀을 제시했다는 점에서 의의가 있다. 셋째, 이러한 분석 결과는 공공자전거 운영에도 응용 가능하다. 주요 거점 정류소로의 수요 집중이나 생활권 내 순환적 흐름과 같은 구조적 패턴을 토대로 정류소 배치, 자전거 재배치, 대중교통 연계 강화 등 운영 전략 수립에 기초 자료로 활용될 수 있다. 그러나 한계점도 존재한다. 첫째, 4-node 이상 네트워크 분석을 적용하면 더 정교한 분석이 가능하지만, 본 연구는 연산 복잡성과 유형 수의 급격한 증가로 인해 이를 반영하지 못하였다. 향후 연구에서는 4-node 이상 모티프나 다층 네트워크 접근을 활용하여 생활권 내 세밀한 상호작용과 공간적 위계성을 보다 정밀하게 규명할 필요가 있다. 둘째, 정류소 간 연결 구조에만 초점을 맞추었기 때문에 인구 특성, 지형적 요인, 접근성 등 외부 요인을 충분히 고려하지 못하였다. 향후에는 사회경제적 특성, 대중교통 접근성, 토지이용 밀도 및 물리적 환경을 고려한 분석이 필요하다. 특히 하위 자치구의 공통된 지형 조건인 가파른 경사는 정류소 간 네트워크 형태와 패턴을 결정짓는 요인으로 작용할 가능성이 있으며, 선행연구(Sa and Lee, 2018)에서도 평균 경사도나 고도 차가 자전거 이동 경로의 형성과 단절에 직접적인 영향을 미친다고 보고된 바 있다. 이에 따라 경사도가 큰 지역 같은 특정 정류소를 중심으로 한 부분 네트워크를 심층적으로 분석한다면 정류소의 공간적 제약 속에서의 이용 행태나 기능적 역할을 보다 명확히 파악할 수 있을 것이다. 마지막으로, 본 연구는 2024년 9~10월 두 달간의 평일 이용 이력 데이터에 한정되어 주말과 공휴일 등 여가 중심 이용 특성은 반영되지 않았다. 공공자전거는 출퇴근뿐만 아니라 여가 및 관광 목적에도 활용되는 교통수단이므로, 향후 연구에서는 주중과 주말을 함께 고려한 비교 분석이 필요하다. 공공자전거 이용 패턴이 피크 시간대에 뚜렷한 쌍봉 형태를 보이는 만큼, 출근 시간과 퇴근 시간을 구분해 분석한다면 서로 다른 구조적 특성을 도출할 수 있을 것이다. 시간대별·목적별 흐름을 반영한 다층적 접근을 통해 보다 다양한 이용 패턴을 도출할 수 있을 것이다. 또한, 단기 자료에 기반한 분석만으로는 계절성이나 장기적인 변화 추세를 파악하기 어렵기 때문에, 연중 데이터를 활용한 시계열 분석으로 종합적인 해석을 시도할 수 있을 것이다. 이러한 후속 연구가 진행된다면, 도시 공공자전거 네트워크의 기능적 다양성과 구조적 유연성에 대한 이해가 한층 심화될 것으로 기대한다.
