서론
선행연구 고찰
1. COVID-19 이후 통행행태 변화 관련 연구
2. 연구의 차별성
관광통행중심성 변화 분석
1. 분석의 흐름
2. 도시별 주요 관광목적지 변수 구축
3. 관광도시 유형화
4. 관광중심성 변화 분석
토론 및 결론
서론
범세계적 전염병인 COVID-19 (Corona Virus Disease 2019)의 창궐은 감염에 대한 사람들의 불안감을 증폭시켜 전반적인 사회구조의 변화를 야기했다. 정부는 COVID-19 감염자 수의 확산을 방지하기 위해 2020년 1월 사회적 거리두기를 실시했다. KRITHS(2023)에 따르면, 2020년 1월부터 실시된 사회적 거리두기의 제약 수준은 전국 및 지역별 COVID-19 확진자 현황에 따라 지속적으로 조정되었다. 단계별 사회적 거리두기 하에서는 다중이용시설의 영업시간과 이용객 수 등의 제약으로 인해, 필연적으로 도시민 통행행태의 변화가 발생한다(Park et al., 2021; KCDCP, 2021; Lee et al., 2021). 이러한 변화로 인해 관광산업과 같은 서비스 산업은 전례없는 위기를 맞게 되었다(Kim et al., 2020; Park, 2022b).
COVID-19의 발병으로 인한 관광산업의 위기상황을 타개할 해결책을 마련하기 위해, COVID-19가 관광산업에 미치는 영향(Kim and Lee, 2021; Park, 2022a; Cho, 2021; Choi and Kim, 2020; Hong, 2020)에 관한 연구와 관광산업 위기극복방안(Kim et al., 2020; Park, 2022b)에 관한 연구 등 상당 수의 연구가 수행되었으나, 대부분의 연구가 문헌고찰, 설문조사, SNS 데이터 등 비정형 데이터를 활용하므로 COVID-19가 관광산업에 미치는 광범위한 영향을 규명하지 못하고 있다(Park and Lee, 2014).
본 연구는 COVID-19의 관광산업에 대한 정량적 영향을 파악하는 기초 연구로써, 관광목적통행량을 포함하고 있는 모바일 통행데이터와 내비게이션 데이터 기반의 도시별 관광목적지 데이터를 활용하여 COVID-19 발병 이후 사회적 거리두기 단계에 따른 관광통행행태 변화를 정량적으로 분석하는 것을 목적으로 한다. COVID-19의 유행이 관광통행행태에 미치는 영향을 분석하기 위해, 본 연구에서는 네트워크 분석에 기반하여 COVID-19 발병 이전·이후의 사회적 거리두기 단계에 따른 관광도시 유형별 관광중심성 변화 분석, 관광중심성 변화가 가장 크게 발생한 상·하위 10개 도시에 대한 비교분석, 관광중심성 변화량과 도시 내 관광 요소별 비중 간의 상관관계 분석 등을 수행하였다. 네트워크 분석 기법을 활용한 관광통행행태 분석은 시장 상황에 대한 체계적인 조사 및 향후 전략도출이 가능하다는 점에서 최근 그 수가 증가하고 있다(Pavlovich, 2003).
본 연구의 나머지 부분은 다음과 같이 구성된다. 2절에서는 사회적 거리두기, COVID-19 이후 통행행태 변화 관련 연구, 빅데이터 활용 통행행태 관련 연구 등을 고찰하고 연구의 차별성을 도출한다. 3절에서는 연구의 흐름과 분석 방법론에 대해 설명한다. 4절에서는 관광도시 유형 분류 결과 및 관광통행행태 변화분석 결과를 도출한다. 5절에서는 분석을 통해 얻은 시사점과 연구의 의의, 한계 등을 설명한다.
선행연구 고찰
1. COVID-19 이후 통행행태 변화 관련 연구
COVID-19 이후 통행행태 변화를 파악하기 위해 가장 활발하게 활용된 데이터는 설문조사 데이터이다. 설문조사 기반의 통행행터 변화 분석은 주로 COVID-19 유행 초기에 수행되었다. Abdullah et al.(2021)은 설문조사 결과를 통해 COVID-19로 인한 파키스탄의 통행패턴 변화를 분석했다. 분석 결과, COVID-19의 발병에 따라 주요 통행목적은 업무, 통학에서 쇼핑으로 크게 전환되었다. 또한, 단거리 통행에서 오토바이 수단이 도보 및 자전거 수단으로 크게 전환된 것으로 나타났다. 연구자는 해당 연구를 통해 다양한 통행수단에 대한 정책이 COVID-19 이후 재검토되어야 할 것이라고 언급하였다. Gajendran(2020)의 연구 역시 유사한 결과를 보인다. 인도 거주자 약 3,000여 명을 대상으로 COVID-19 전후 통행에 관한 설문조사를 수행한 결과, 사람들은 대중교통 등을 포함한 공유 통행수단보다 개인 통행수단에 더 의존하는 행태를 보였으며, COVID-19 이후 도보 및 자전거의 이용 비율이 COVID-19 이전 대비 크게 증가한 것으로 나타났다. Paul et al.(2021)는 방글라데시 다카시의 거주민들을 상대로 COVID-19 이후 통행패턴 변화 및 영향요인 분석을 위한 설문조사를 수행했다. 해당 연구의 결과 역시 타 연구와 마찬가지로 대중교통 수단에 대한 선호도 감소, 도보, 자전거 등 비동력 교통수단에 대한 선호도 상승 등의 결과가 나타났다. Kolarova et al.(2021)의 연구 역시 독일 거주민들을 대상으로 설문조사를 수행한 결과 자동차 수단의 대한 선호도가 상승함과 동시에 대중교통 수단에 대한 선호도가 감소한 것을 확인하였다. Anwari et al.(2021)의 연구에서 수행한 설문조사에 따르면, COVID-19의 유행으로 인해 방글라데시의 관광목적통행이 감소하였으나, 교육 및 쇼핑 통행은 증가한 것으로 나타났다. 또한, 해당 연구에서는 단거리 및 장거리 관광과 시장 방문 시에는 버스의 선호도가 가장 높다는 사실을 발견했다. 그러나, 연구자는 이러한 행태가 개발도상국인 방글라데시에서 버스 이상의 통행 대안이 없기 때문에 발생하는 사실일 것으로 판단했다.
교통수단 이용이력 자료 또는 교통량 이력자료 역시 COVID-19 이후 수단별 통행행태를 분석하기 위해 적극적으로 활용되었다. Lee et al.(2021)는 COVID-19 발병 전후 지하철 및 공유자전거 통행량을 분석하고 두 수단간 통행량 변화의 상관성을 확인하고자 하였다. 분석을 위해, 서울시 1-8호선 지하철 이용자 수와 서울시 공유자전거 이용자 수, COVID-19 확진자 수 자료 등을 수집하였다. 분석 결과, COVID-19 발병으로 인해 지하철 통행량은 감소하였으나, 공유자전거의 통행량은 증가한 것을 확인하였으며, COVID-19 확진자 수와 지하철, 공유자전거 통행량 간의 상관관계가 존재한다는 사실을 확인하였다. Lee et al.(2020)은 사회적 거리두기가 대전광역시 통행수요에 미치는 영향을 분석하였다. 다양한 교통수단의 통행수요 변화를 파악하기 위해, 교통량, 대중교통, 자전거 관련 자료를 수집하여 분석에 활용하였으며, 분석 결과, COVID-19로 인해 교통량과 주요 톨게이트, 대중교통 이용량이 사회적 거리두기 이전 대비 감소하고, 반대로 자전거의 통행량은 사회적 거리두기 이전 대비 증가한 것을 확인하였다. Lim(2021)은 COVID-19가 충청북도 지역 교통량 변화에 미치는 영향을 분석하였다. 분석을 위해 COVID-19 감염자 수 데이터와 도로교통량 데이터를 수집하였으며, 충청북도 내 시군별, 월별, 차종별 COVID-19 이전·이후의 교통량 변화 추이를 분석하였다. 분석 결과, 충북지역 일평균 교통량은 COVID-19 이후에 약 3% 감소했으며, 특히 버스의 교통량이 확연히 감소한 것을 확인하였다.
COVID-19 이후 통행패턴 분석을 위해 SNS 데이터나 실제 이동데이터 등 빅데이터를 활용한 사례는 많지 않으나, 최근 들어 COVID-19 시기의 이동 이력데이터가 확보됨에 따라 활용되고 있는 추세이다. Park(2022a)는 위세중심성 분석을 활용하여 COVID-19 발병 이전과 이후 경상북도 안동시 내 관광목적지 간의 연결관계를 파악하였다. 분석을 위해 SNS 상에 노출된 안동관광 관련 텍스트마이닝 자료를 활용하였으며, 분석 결과, COVID-19 발병 이전과 이후 관광목적지의 종류와 중심성 순위가 상이한 것을 확인하였다. Gibbs et al.(2020)에서는 중국 내 이동 데이터를 활용하여 COVID-19 발병 초기 단계에서 통행 제한 전후 우한시의 통행패턴 변화를 분석했다. 분석을 위해 커뮤니티 분석을 활용하였으며, 분석 결과 통행 제한 직후 우한시의 커뮤니티 중심성이 증가한 것으로 나타났다. 연구진은 이러한 현상의 원인을 통행 제한 조치에 따른 의료 자원 등의 우한시 집중으로 인한 것으로 해석했다. Sim et al.(2022)는 서울시 자치구를 대상으로 COVID-19 발병 이후인 2020년 1월부터 6월까지의 도시 모빌리티 패턴 변화를 살펴보았다. 분석을 위해 2019년, 2020년 서울시 생활인구 데이터를 수집하였다. 분석 결과, COVID-19 발병 이후 자치구 내부통행량은 발병 이전에 비해 증가하는 추세를 보였지만, 자치구 외부통행량은 감소하는 추세를 보이는 것으로 나타났다. 또한, 인구, 토지이용 등 사회경제적 특성이 COVID-19로 인한 도시 모빌리티 변화에 영향을 미치는 것으로 나타났다.
2. 연구의 차별성
현 시점을 기준으로 COVID-19의 발병, 사회적 거리두기의 시행 등으로 인한 관광행태를 분석한 연구는 다수 존재하지만, 대부분의 연구에서 실제 통행데이터가 아닌 설문조사를 통해 얻어진 데이터를 분석에 활용하고 있다. COVID-19에 의한 관광통행행태의 변화를 분석한 Park(2022a)의 연구 역시 실제 통행데이터가 아닌 SNS 데이터를 활용하고 있어, 관광통행행태 분석에 실제 사람들의 통행패턴을 반영하지 못하고 있다는 한계점이 존재한다. 이와는 반대로, Gibbs et al.(2020)과 Sim et al.(2022)의 연구에서는 실제 통행데이터를 활용하였으나 통행목적을 구분하지 못하였으므로, 관광통행, 쇼핑통행, 통근통행 등 통행목적별 분석을 수행하지 못했다는 한계가 존재한다.
관광행태 관련 연구에서 실제 통행데이터를 활용하기 어려운 이유는 별도의 관광목적통행을 집계한 데이터가 존재하지 않는다는 사실로부터 기인한다. 본 연구에서 활용하는 SK 모바일 통행데이터는 지역의 사회경제지표 현황을 토대로 관광목적 통행을 별도로 추정해 놓고 있기 때문에 전수를 묘사할 수 있는 관광목적통행을 분석에 활용 가능하다.
또한, 본 연구에서는 COVID-19에 의한 관광통행행태 변화를 분석하기 위해, 중심성 분석 방법론인 페이지랭크 중심성 분석(Pagerank Centrality Analysis)을 활용하였다. 중심성 분석 방법론은 생활권 도출(Kang et al. 2022), 교통인프라로 인한 지역 중심성 변화 분석(Sim et al., 2022), 통행패턴 변화 확인(Jo et al., 2023) 등에 활발히 활용되고 있다. 중심성 분석지표 중에서는 연결중심성(Degree centrality), 매개중심성(Betweenness centrality), 근접중심성(Closeness centrality) 등 세가지 지표가 가장 활발하게 활용되는 추이이나(Zhang and Luo, 2017), 해당 지표들은 상대적인 개념에 의해 계산되는 지표가 아니기 때문에 전후 분석을 수행하기에는 부적합하다. 따라서, 상대적인 개념에 의해 계산되는 위세중심성 개념의 페이지랭크 중심성 분석이 본 연구에 활용되었다.
관광통행중심성 변화 분석
1. 분석의 흐름
본 연구의 분석은 Figure 1과 같이 크게 네 단계로 진행된다. 첫 번째, 관광도시의 유형을 분류하기 위한 도시별 주요 관광목적지 변수들을 확정 및 수집한다. 두 번째, 수집된 관광목적지 변수에 요인분석 및 군집분석을 적용하여 관광도시를 유형화한다. 세 번째, 모바일 통행데이터를 활용하여 관광중심성 지표를 계산한다. 네 번째, 앞서 구축한 관광중심성 지표와 관광목적지 변수 등을 활용하여 사회적 거리두기에 따른 관광중심성 변화를 분석한다.
2. 도시별 주요 관광목적지 변수 구축
관광목적지(Tourism destination)는 관광객이 관광을 위해 방문하는 대상지 혹은 공간을 의미한다(Hall, 1998). 본 연구에서는 한국관광 데이터랩에서 제공하는 “인기 관광지” 분석기능을 활용해 도시별 주요 관광목적지 변수를 구축하였다. 한국관광 데이터랩에서는 내비게이션 데이터를 기반으로 해당 지역의 식음료 분야를 제외한 인기 검색 목적지 순위와 검색량 등을 제공하고 있다(Table 1). 본 연구에서는 데이터를 수집하는 과정에서 관광과는 관련없다고 판단되는 목적지인 모텔, 호텔, 기타쇼핑시설 등의 숙박, 상업 관련 목적지는 모두 변수에서 제외하였으며, 백화점, 쇼핑몰과 같은 대형상업시설의 경우에는 상업시설 변수로 통합하였다. 또한, 공예체험 및 농업어업체험 등 여러 유형으로 소분류되는 변수 역시 체험힐링 등 하나의 변수로 통합하였다.
Table 1.
An example dataset of navigation destination data
본 연구에서 최종적으로 구축한 변수는 Table 2와 같다. 변수 구축의 시간적 범위는 사회적 거리두기 시행 이전인 2019년으로 하였으며, 변수 구축의 시간적 범위는 전국 시군구, 변수의 단위는 % 단위로 구축하였다.
Table 2.
The tourism destinations
3. 관광도시 유형화
관광도시의 유형화는 도시별 주요 관광목적지 변수의 유사성·동질성에 의해 수행된다. 예를 들어, Table 2에 구축된 12개의 관광목적지 변수 비율(목적지 검색량)이 유사한 시군구는 해당 단계에서 하나의 유형으로 군집될 것이다. 이를 위해 구축된 도시별 주요 관광목적지 변수에 요인분석과 군집분석을 적용하였다. 도시를 유형화하기 위해 여러 변수에 요인분석과 군집분석을 적용하는 관련 연구가 지속적으로 진행되어져 왔기 때문에(Kim et al., 2008; Song and Jang, 2010; Lee and Kang, 2009; Jeong et al., 2023), 도시를 유형화하는 데 있어 요인분석 및 군집분석을 적용하는 것은 합리적이라 판단하였다.
도시 유형화에 있어 요인분석을 적용하는 것은 변수의 공통된 성질에 따라 소수의 공통인자를 도출하여 유형 구분을 보다 명확히 하기 위함에 그 목적이 있다(Son, 2004). 본 연구에서는 요인분석 기법으로 주성분분석(PCA, Principle Component Analysis)를 수행하였다.
주성분분석을 통해 몇 개의 공통인자를 도출한 후에는 각 공통인자에 대한 인자득점을 기반으로 군집분석을 수행하여 관광도시의 유형을 n개로 구분한다. 본 연구에서는 관광도시의 유형 구분을 위한 군집분석 기법으로 K-means 클러스터링을 활용했다. K-means 클러스터링은 Equation 1과 같은 방법으로 수행되며, 분석 데이터의 군집 내 유사성은 최대화하며 군집 간 유사성은 최소화하는 방식으로 최적 군집을 형성한다(MacQueen, 1967; Ankerst, 1999).
관광도시 유형화를 위한 주성분분석 결과는 Table 3과 같다. 본 연구에서 구축한 변수에 대한 Bartlett’s test 결과, 유의확률이 0.000으로 주성분분석의 수행을 위한 변수의 선정은 양호한 것으로 나타났다. 주성분분석 결과 계수의 절대값이 클수록 공통요인 내에서 변수가 갖는 중요도가 높아진다. 중요한 것으로 간주되는 계수의 절대값 크기는 관련 연구에서 언급된 바가 없기 때문에, 본 연구에서는 절대값이 0.4 이상의 변수인 경우 중요한 것으로 간주하였다.
Table 3.
Factor loadings by PCA
주성분분석의 결과로 Cumulative proportion이 0.85 이상인 9개의 공통요인을 추출하였다. 추출된 6개의 공통요인은 전체 변수에 대해 88.7%의 설명력을 가지는 것으로 나타났다. 제1인자는 체험힐링과 상업시설 위주의 관광도시를 나타내며, 제2인자는 레저스포츠, 하천 및 해양 자연경관, 테마공원 위주의 관광도시를 나타내고, 제3인자는 역사유적과 하천 및 해양 자연경관 위주의 관광도시를 나타낸다. 제4인자는 도시공원과 시장 위주의 관광도시를 나타내며, 제5인자는 관광시설과 레저스포츠, 역사유적 위주의 관광도시를 나타내고, 제6인자는 기타문화관광, 레저스포츠, 역사유적, 테마공원 위주의 관광도시를 나타낸다. 제7인자는 관광시설, 역사유적, 산 및 공원 자연경관 위주의 관광도시를 나타내며, 제8인자는 도시공원과 시장 위주의 관광도시를 나타내고, 마지막으로 제9인자는 기타문화관광과 종교성지 위주의 관광도시를 나타낸다.
주성분분석을 통해 인자를 도출한 결과를 기반으로 각 도시에 대한 인자별 인자득점 값을 계산한 뒤, 인자별 인자득점 값을 변수로 하여 K-means 클러스터링을 적용, 전국 250개 시군구를 유형화했다. 군집분석 이전 적절한 군집 개수를 찾기 위해 최적 군집 개수를 결정하는 Graphic 방법론인 Hubert index를 확인하였으며, 군집 수가 6개일 때부터 index 값이 유의미하게 변화하는 것을 확인함에 따라, 군집 개수는 6개로 결정하고 K-means 클러스터링을 수행하였다.
군집분석을 통해 전국 250개 시군구를 유형화한 결과는 Table 4, Figure 2와 같다. 1번 군집은 제6인자와 제9인자의 평균값이 타 인자에 비해 높은 것으로 나타났지만 인자득점 값이 매우 높지는 않았다. 이는 1번 군집 내 도시의 다양한 관광요소로 인해 사람들이 어느 한 관광요소에만 집중하여 방문하지 않기 때문일 것이라 판단된다. 따라서, 해당 군집은 종합형 관광도시로 정의할 수 있다. 2번 군집은 제2인자, 제4인자, 제5인자의 평균값이 타 인자에 비해 높은 것으로 나타났지만 1번 군집과 마찬가지로 인자득점 값이 매우 높지는 않은 것으로 나타났다. 따라서, 2번 군집 역시 1번 군집과 같은 사유로 인해 종합형 관광도시로 정의할 수 있다.
3번 군집은 제2인자의 평균 인자득점 값이 타 인자에 비해 매우 높았다. 주로 레저스포츠, 하천 자연경관, 테마파크 등을 주력 관광요소로 하는 도시가 대부분이였으며, 해당 군집은 수상레저 및 테마형 관광도시로 정의할 수 있다.
4번 군집은 제1인자의 평균 인자득점 값이 타 인자에 비해 매우 높았다. 주로 체험과 힐링을 주력 관광요소로 하는 도시가 대부분이었으며, 해당 군집은 기타 자연경관형 관광도시로 정의할 수 있다. 5번 군집은 제4인자와 제8인자의 평균 인자득점 값이 타 인자에 비해 매우 높았다. 주로 시장 등을 주력 관광요소로 하는 도시가 대부분이었으며, 해당 군집은 장터형 관광도시로 정의할 수 있다. 6번 군집은 제3인자와 제5인자의 평균 인자득점 값이 타 인자에 비해 매우 높았다. 주로 해양 자연경관과 역사유적, 관광시설, 레저스포츠 등을 주력 관광요소로 하는 도시가 대부분이었으며, 해당 군집은 해양형 관광도시로 정의할 수 있다.
Table 4.
The factor score by the city types clustered
4. 관광중심성 변화 분석
본 연구에서는 관광중심성을 도출하기 위한 데이터로 ㈜SK에서 제공하는 모바일 통행데이터를 활용하였다. 해당 데이터는 시군구 간 성별, 연령별 통행량 데이터를 제공하고 있으며, 지역의 인구, 시설, 고용 등의 사회경제적 지표에 따라 출도착지(시군구) 유형을 1) 상업지역, 2) 관광지, 3) 대형아울렛, 4) 사무지역, 5) 레저/스포츠시설, 6) 주거지 등으로 구분하여 제공하고 있다.
관광중심성을 도출하기 위해, 본 연구에서는 전체 통행 중 도착지가 “관광지”인 통행만을 도출하였으며, 데이터의 시간적 범위는 2019년과 2020년 각각 1월 20일부터 8월 29일까지의 데이터를 구축하였다. 8월 16일부터 8월 22일, 8월 30일부터 9월 13일까지의 데이터는 지역에 따라 사회적 거리두기 수준이 차등 적용되는 기간으로, 동일 조건에서의 분석을 위해 해당 기간의 데이터는 제외하였다(KRIHS, 2023).
본 연구에서는 관광중심성 계산을 위해 여러 가지 중심성 분석 기법 중 페이지랭크(Pagerank) 분석 기법을 활용하였다(Brin and Page, 1998). 페이지랭크 분석은 연도별 중심성을 비교분석하는데 주로 활용되며(Sim et al., 2022), 네트워크에서 특정 시군구가 관광통행량을 유인하는 정도를 나타내는 지표로 0에서 1사이의 값을 지닌다(Kim et al., 2021; Ha and Lee, 2016). 전체 시군구 통행네트워크에서 A 시군구의 페이지랭크는 Equation 2와 같이 계산되며, PR(A)는 A 시군구의 페이지랭크를 나타내며, d는 damping factor로, 일반적으로 0.85로 설정한다(Brin and Page, 1998). C(Tn)은 Tn 시군구에 연결된 모든 링크의 수를 나타내며, N은 모든 시군구의 수를 의미한다.
사회적 거리두기 이전 대비 이후의 관광중심성 변화 추이를 파악하기 위해, 본 연구에서는 크게 세 가지 측면의 분석을 수행하였다. 첫 번째로, 사회적 거리두기 단계에 따른 관광도시 유형별 평균 관광중심성 변화 추이를 계산하여, 어떠한 관광도시 유형이 사회적 거리두기의 영향을 받는지를 파악한다. 두 번째로, 사회적 거리두기 단계에 따라 관광중심성 변화가 가장 크게 발생하는 10개 도시를 선정하고, 시사점을 도출한다. 세 번째로, 사회적 거리두기 단계에 따라 어떠한 관광 요소가 관광중심성 변화에 영향을 미치는지를 파악하기 위해 상관관계 분석을 수행한다. 상관관계 분석에 투입되는 관광중심성 변수와 도시 내 관광 요소 변수 모두 비율척도이지만, 관광중심성 변수값이 매우 낮기 때문에 순위척도 형태 상관관계를 도출 가능한 켄달-타우 상관관계 분석을 수행하였다. 켄탈-타우 상관관계 분석에서의 상관계수는 Equation 3을 통해 계산되며, C는 Concordant Pair1)의 수, D는 Concordant Pair가 아닌 수를 나타낸다.
유형별 관광중심성 변화 분석 결과는 Table 5와 같다. 먼저, 종합형 관광도시 유형에 해당하는 1번 군집의 경우 관광중심성이 사회적 거리두기 시행 이후 소폭 감소하는 것으로 나타났으며, 2번 군집의 경우 관광중심성은 1, 2단계 사회적 거리두기 시행 이후 소폭 증가하였으나, 3단계 사회적 거리두기 시행 이후에는 소폭 감소하는 것으로 나타났다. 3번 군집의 경우 관광중심성은 사회적 거리두기 시행 이후 증가하였으며, 단계가 증가할수록 관광중심성 또한 증가하는 것으로 나타났다. 4번 군집의 경우 관광중심성은 1, 2단계 사회적 거리두기 시행 이후 소폭 증가하였으나, 3단계 사회적 거리두기 시행 이후에는 소폭 감소하는 것으로 나타났다. 5번 군집의 경우 관광중심성은 사회적 거리두기 시행 이후 소폭 증가하는 것으로 나타났다. 6번 군집의 경우 관광중심성은 사회적 거리두기 시행 이후 소폭 감소하는 것으로 나타났다.
해당 분석에서 주목할 만한 점은 다음과 같다. 첫 번째, 사회적 거리두기 시행 시 1번 군집에 해당하는 도시들의 관광중심성이 감소하는 것으로 나타났는데, 이는 1번 군집에 해당하는 도시들이 서울시 중구, 강남구, 부산시 해운대구 등 대한민국을 대표하는 도시로 사회적 거리두기로 인한 외국인 관광객의 감소가 해당 도시 유형의 관광중심성을 감소시켰다고 해석할 수 있다.
두 번째, 사회적 거리두기 시행 시 3번 군집에 해당하는 도시들의 관광중심성이 증가하는 것으로 나타났는데, 이는 3번 군집에 해당하는 도시들의 관광적 특성 때문일 수도 있으나, 지리적 특성 때문이라 해석할 수도 있다. 3번 군집에 해당하는 수상레저 및 테마파크형 도시는 대부분 대도시권 인근에 위치해 있기 때문에, 사회적 거리두기로 인해 장거리·장시간 여행보다는 단거리·단시간 근교 여행으로 관광의 패러다임이 변화하면서 해당 관광도시 유형의 관광중심성이 높아졌다고 해석할 수 있다.
세 번째, 3번 군집의 분석결과와는 반대로 6번 군집의 경우에는 군집 내 도시들의 관광중심성이 감소하는 것으로 나타났는데, 이는 6번 군집에 해당하는 도시들이 지리적으로 통행이 많이 발생하는 대도시권과 멀리 떨어져 있는데서 기인한다고 해석할 수 있다.
Table 5.
Centrality values by the city types clustered
Table 6, Table 7은 사회적 거리두기 단계에 따라 관광중심성에 가장 큰 영향을 받은 10개의 도시를 분석한 것이다. 먼저, 사회적 거리두기 1단계 상황에서 관광중심성이 가장 크게 감소한 10개의 도시는 경기도 용인시 처인구, 서울시 송파구, 강원도 홍천군, 강원도 정선군, 강원도 춘천시, 전라남도 여수시, 충청남도 보령시, 경기도 광명시, 경기도 과천시, 경기도 광주시 순이었으며, 관광중심성이 가장 크게 증가한 10개 도시는 서울시 강남구, 부산시 해운대구, 부산시 서구, 경상남도 거제시, 강원도 강릉시, 제주도 제주시, 강원도 원주시, 전라남도 담양군, 전라북도 정읍시, 인천시 남동구 순이었다.
다음으로, 사회적 거리두기 2단계 상황에서 관광중심성이 가장 크게 감소한 10개의 도시는 경기도 용인시 처인구, 서울시 송파구, 서울시 강남구, 제주도 서귀포시, 경상북도 경주시, 서울시 종로구, 경기도 과천시, 충청남도 공주시, 부산시 사하구, 전라남도 여수시 순이었으며, 관광중심성이 가장 크게 증가한 10개 도시는 전라북도 정읍시, 대구시 동구, 전라남도 담양군, 경기도 파주시, 대전시 대덕구, 경기도 화성시, 강원도 원주시, 강원도 인제군, 경상남도 거제시, 경기도 연천군 순이었다.
사회적 거리두기 3단계 상황에서 관광중심성이 가장 크게 감소한 10개의 도시는 서울시 송파구, 제주도 서귀포시, 제주도 제주시, 경상북도 경주시, 경기도 용인시 처인구, 전라남도 여수시, 경기도 과천시, 전라남도 순천시, 서울시 강남구, 인천시 중구 순이었으며, 관광중심성이 가장 크게 증가한 10개 도시는 전라북도 정읍시, 대구시 동구, 전라남도 담양군, 인천시 남동구, 대전시 대덕구, 경기도 파주시, 부산시 서구, 경기도 화성시, 강원도 원주시, 강릉시 순이었다.
해당 분석에서 주목할 만한 점은 다음과 같다. 첫 번째, 경기도 용인시 처인구, 서울시 송파구, 경기도 과천시, 경상북도 경주시 등 사회적 거리두기에 따라 관광중심성의 크게 감소하는 도시의 특징은 대형 테마파크(에버랜드, 롯데월드 등)가 위치한 도시라는 점이었다. 두 번째, 서울시 강남구는 사회적 거리두기 1단계에서 관광중심성이 가장 크게 증가한 도시였지만, 사회적 거리두기 2, 3단계에서는 관광중심성이 가장 크게 감소한 도시로 나타났다. 세 번째, 사회적 거리두기의 단계가 올라갈수록 제주특별자치도, 경상북도 경주시, 전라남도 여주시 등 지방 유명 관광도시들의 관광중심성은 크게 감소하는 것으로 나타났다.
Table 6.
Top 10 city decreasing tourism centrality in accordance with the phase of social distancing
Table 7.
Top 10 city increasing tourism centrality in accordance with the phase of social distancing
Table 8은 사회적 거리두기 변화에 따른 관광중심성 감소율과 도시별 관광 요소 비율 간의 상관관계 분석 결과를 나타낸 것이다. 먼저, 기타문화관광 요소의 경우 사회적 거리두기 1단계와 3단계에서 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 감소하는 것으로 나타났다. 체험힐링형 관광 요소의 경우, 사회적 거리두기 2단계와 3단계에서 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 감소하는 것으로 나타났다. 상업시설형 관광 요소의 경우, 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 증가하는 것으로 나타났다. 레저스포츠형 관광 요소의 경우, 사회적 거리두기 2단계와 3단계에서 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 감소하는 것으로 나타났다. 시장형 관광 요소의 경우, 사회적 거리두기 2단계와 3단계에서 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 증가하는 것으로 나타났다. 역사유적형 관광 요소의 경우, 사회적 거리두기 1단계와 2단계에서 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 감소하는 것으로 나타났다. 산 및 공원 자연경관형 관광 요소의 경우 사회적 거리두기 2단계와 3단계에서 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 감소하는 것으로 나타났다. 하천 및 해당형 관광 요소의 경우 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 감소하는 것으로 나타났다. 종교성지형 관광 요소의 경우, 사회적 거리두기 1단계에서 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 감소하는 것으로 나타났다. 테마공원형 관광 요소의 경우, 도시 내 해당 관광 요소의 비율이 높을수록 관광중심성이 증가하는 것으로 나타났다.
해당 분석에서 주목할 만한 점은 다음과 같다. 첫 번째, 상업시설과 시장, 테마공원은 도시 내에서 관광 요소로써 차지하는 비율이 높을수록 사회적 거리두기 상황에서 오히려 관광중심성을 증가시키는 관광 요소인 것으로 나타났다. 이는 상업시설과 시장 등은 관광목적이 아닌 일상적으로 사람들이 이용하는 시설이기 때문인 것으로 사료된다. 또한, 놀이공원 등이 포함된 테마공원 요소는 인근에 백화점, 쇼핑몰 등 상업시설 요소를 동반하고 있기 때문에 관광중심성을 증가시키는 요소로 분석된 것으로 판단된다. 두 번째, 체험힐링형 관광 요소와 레저스포츠형 관광 요소, 산 및 공원 자연경관형 관광 요소는 사회적 거리두기 단계가 높아질수록 관광중심성을 감소시키는 관광 요소인 것으로 나타났다.
Table 8.
Correlation coefficients between the rate of decrease in tourism centrality by social distancing phase and the rate of individual tourism factors in the city
토론 및 결론
본 연구는 내비게이션 목적지 기반의 도시별 관광 요소 데이터와 모바일 통행데이터를 활용하여 사회적 거리두기 이전·이후의 관광중심성 변화를 분석하였다. 다양한 각도에서 관광중심성 변화 분석 결과를 해석하기 위해, 본 연구에서는 크게 세 가지 측면의 분석을 수행하였다. 첫 번째로, 도시별 관광 요소 데이터에 요인분석과 군집분석을 적용하여 전국 250개 시군구를 6개의 관광도시로 유형화하였으며, 각 관광도시 유헝별로 사회적 거리두기 이전·이후의 페이지랭크 관광중심성 변화를 파악하였다. 두 번째로, 페이지랭크 관광중심성 변화가 가장 크게 발생하는 상위 10개 시군구를 도출하였으며, 분석 결과를 기반으로 시사점을 도출하였다. 세 번째로, 어떠한 관광 요소가 사회적 거리두기 이후 관광중심성 변화에 영향을 미치는지를 파악하기 위해 페이지랭크 관광중심성 지수와 도시별 관광 요소 간의 상관관계 분석을 수행하였다. 분석 결과는 다음과 같이 정리된다.
첫 번째, 사회적 거리두기 1단계와 2단계 시행시 종합형 관광도시의 관광중심성이 다소 감소하는 것으로 나타났는데, 이는 사회적 거리두기로 인한 외국인 관광객의 감소에서 기인한 것으로 판단된다. 두 번째, 사회적 거리두기 2단계와 3단계 시행시 수상레저 및 테마파크형 관광도시의 관광중심성이 다소 증가하는 것으로 나타났는데, 이는 사회적 거리두기로 인해 사람들의 생활반경이 감소하며 대도시권 인근으로 관광통행이 몰리기 때문인 것으로 판단된다. 세 번째, 사회적 거리두기 2단계와 3단계 시행시 해양형 관광도시의 관광중심성이 다소 감소하는 것으로 나타났는데, 이는 해당 도시들의 지리적 위치 자체가 대도시권과 떨어져 있어 사회적 거리두기로 인해 발생하는 단거리·단시간 통행으로의 관광 패러다임 변화와 맞지 않기 때문인 것으로 판단된다. 네 번째, 사회적 거리두기 단계를 막론하고, 대형 놀이공원 등이 입지한 도시(경기도 용인시 처인구, 서울시 송파구, 경기도 과천시, 경상북도 경주시 등)들은 사회적 거리두기로 인해 관광중심성이 크게 감소하는 것으로 나타났는데, 이는 정해진 공간에 사람들이 밀집하여 활동하는 테마파크 시설의 특성상 사회적 거리두기의 영향을 크게 받기 때문인 것으로 판단된다. 다섯 번째, 상업시설, 시장, 테마공원 등은 해당 관광 요소의 비중이 높을수록 사회적 거리두기 시행시 관광중심성을 증가시키는 것으로 나타났는데, 이는 해당 관광 요소들이 관광목적이 아닌 일상적 목적으로도 방문 가능하기 때문인 것으로 판단된다. 여섯 번째, 체험힐링, 레저스포츠, 자연경관 등은 해당 관광 요소의 비중이 높을수록 사회적 거리두기 시행시 관광중심성을 감소시키는 것으로 나타났는데, 이는 해당 관광 요소들이 도시를 방문하게 하는 주력 요인이기 때문인 것으로 판단된다.
본 연구는 사회적 거리두기로 인해 발생하는 지역별 관광통행행태를 분석하였다는 점에서 연구의 학술적 의의가 존재하며, 분석 결과를 향후 사회적 거리두기 재적용시 지역별 관광전략 수립에 대한 기초자료로 활용할 수 있다는 점에서 연구의 정책적 의의가 존재하지만, 다음과 같은 한계점을 보완하여야 한다.
첫 번째, 본 연구에서 활용한 모바일 통행데이터의 관광통행량은 도시의 사회경제지표를 기반으로 통행목적을 “추정”한 값이기 때문에 실제 관광통행량과는 어느 정도 차이가 있을 수 있다. 따라서, 향후에는 추정된 목적통행량과 실제 목적통행량 간의 검증을 통한 신뢰도 분석이 필요하다. 두 번째, 본 연구에서 활용한 도시별 관광 요소 데이터는 분석의 편의를 위해 여러 개의 관광 요소를 하나의 관광 요소로 취합하여 구축하였다(예 : 백화점 + 쇼핑몰 = 상업시설, 웰니스관광 + 농어촌체험관광 + 데이트코스 = 체험힐링 등). 따라서, 향후에는 보다 미시적인 관광 요소 데이터 구축을 통해 관광중심성 증감에 영향을 미치는 요인을 파악해 볼 수 있을 것이다. 세 번째, 본 연구의 시간적 범위는 2020년 1월부터 8월까지로, 사회적 거리두기 시행 초기에 해당한다. 이후 사회적 거리두기 4단계 시행, 델타변이 출현 등 COVID-19의 감염 형태와 방역 정책의 대격변이 발생함에 따라, 2021년, 2022년의 관광통행행태는 2020년과 상이할 것으로 판단된다. 따라서, 향후 연구에서는 사회적 거리두기 해제까지의 데이터를 반영하여 관광통행행태 분석을 수행할 필요성이 존재한다. 마지막으로, 도시 내 관광 특성별로 사회적 거리두기로 인한 관광중심성 변화 정도에 차이가 있는 것으로 나타남에 따라, 향후 연구에서는 특정 도시 또는 도시권을 중심으로 관광 특성에 초점을 맞춘 관광중심성 분석이 필요할 것으로 사료된다.
