서론
선행연구
1. 교통인프라 유형 분류 연구
2. 교통인프라 투자 효과 분석 연구
3. 선행연구 검토 결과
연구방법
1. 데이터 수집 및 구축
2. 변수 구조화 및 모형 설정
3. 모형 분석 및 한계효과 산정
4. 한계효과의 공간적 분석 및 지역 유형화 방법
연구결과
1. 변수 기초통계 및 다중공선성 검토
2. 확장 모형 추정 결과 및 한계효과 분석
3. 한계효과 기반 지역 유형화 및 정책적 시사점
결론
서론
대도시권은 인구와 경제활동이 고밀도로 집적된 공간으로, 주거･업무･상업･여가 등 다양한 도시 기능이 중첩되면서 복합적인 통행 수요가 발생하는 지역이다(OECD, 2015; Heblich et al., 2020). 이러한 특성으로 인해 대도시권에서 교통 인프라는 사람과 물자의 이동을 지원하는 기반시설에 그치지 않고, 도시 내부의 기능적 연계와 접근성을 형성하는 핵심 사회간접자본으로 인식되어 왔다(UN-Habitat, 2013; World Bank, 2002). 이러한 접근성은 고용, 교육, 서비스 등 주요 기회에 대한 이용 가능성을 높일 뿐만 아니라, 시장 확대, 기업 간･산업 간 연계 강화, 생산요소 이동 비용 절감 등을 통해 지역경제 성장의 기반으로 작용해 왔다(Banister and Berechman, 2001; Lakshmanan, 2011).
그러나 대도시권은 이미 도로, 대중교통, 주차시설 등 교통 인프라가 상당 수준 축적된 공간이라는 점에서, 추가적인 인프라 확충이 항상 동일한 경제적 성과로 이어지지는 않는다. 최근 연구들은 교통 인프라가 일정 수준 이상 누적될 경우, 추가 공급에 따른 경제적 효과가 체감하거나 정체될 수 있음을 지적하고 있다(Crafts, 2009; Shin et al., 2025). 이는 공급 중심의 양적 확충만으로는 대도시권의 지역경제 성장을 지속적으로 견인하는 데 한계가 있음을 시사한다.
아울러 교통 인프라 문제는 단순한 총량 부족 여부를 넘어 공간적 불균형의 관점에서도 중요하게 논의될 필요가 있다. 교통 인프라가 특정 지역에 집중적으로 축적될 경우, 접근성 격차를 통해 지역 간 경제활동 수준의 차이가 심화될 수 있다. 최근 연구들은 교통 인프라의 불균등한 축적과 접근성 개선 효과가 지역별로 상이하게 나타나며, 이러한 차이가 지역별 경제성장과 고용 변화에도 서로 다른 영향을 미칠 수 있음을 제시하고 있다(Chen et al., 2021; Rokicki and Stępniak, 2018). 이는 교통 인프라의 공간적 불균형이 장기적인 지역 발전 구조에도 영향을 미칠 수 있음을 시사한다.
이러한 문제는 대도시권 내부에서도 동일하게 적용될 수 있다. 대도시권은 하나의 경제권으로 기능하지만, 내부적으로는 지역별 인구구조, 산업구조, 생활양식 및 모빌리티 행태가 상이하게 나타난다(Shim and Lee, 2025). 따라서 동일한 대도시권 내에서도 지역에 따라 교통 인프라의 축적 수준과 접근성 여건이 다르게 나타날 수 있으며, 이러한 차이는 지역경제 성과와 발전 잠재력의 공간적 이질성으로 이어질 수 있다(Kim, 2023; Jang and Yi, 2021).
그럼에도 불구하고 기존 연구들은 교통 인프라가 지역경제 및 도시 성장에 미치는 효과를 분석해 왔으나, 주로 특정 인프라 유형이나 평균적 성장 효과에 초점을 두었다(Duranton and Turner, 2012; Redding and Turner, 2015). 일부 연구는 교통 인프라 투자 효과가 투자 수준에 따라 비선형적으로 체감될 수 있음을 제시하였으나(Butkus et al., 2023), 대도시권 내부에서 물리적 인프라와 기능적 접근성을 함께 고려하여 지역별 비선형 한계효과와 투자 반응 특성을 유형화한 연구는 제한적이었다.
이에 본 연구는 서울시를 사례로 교통 인프라 투자 수준과 광역교통 거점 접근성 차이가 지역경제에 미치는 파급효과를 분석하고자 한다. 이를 위해 도로, 대중교통, 주차장과 같은 물리적 교통 인프라와 버스터미널 및 철도역 접근시간과 같은 기능적 접근성을 함께 고려한 확장형 콥-더글라스 생산함수를 적용하고, 비선형 한계효과를 산출한다. 나아가 산출된 한계효과를 기반으로 지역을 유형화함으로써, 대도시권 내부의 지역별 투자 효과 차이를 규명하고 맞춤형 투자 전략 수립을 위한 실증적 근거를 제공하고자 한다.
선행연구
1. 교통인프라 유형 분류 연구
교통인프라의 체계적인 분석을 위해 다양한 지표를 활용하여 유형을 분류한 연구가 다수 수행되어 왔다. Bin et al.(2013)은 도로연장, 도로면적, 주차장면적, 지하철역 수, 버스정류장 수 등 복수의 물리적 공급 지표를 활용하여 교통인프라 수준을 구성하고, 이를 소지역 단위로 표준화･합산하여 교통인프라 유형을 분류하였다. 한편, Melo et al.(2013)은 교통 인프라를 단일한 총량 지표로 취급하기보다는 도로, 철도, 항공 등 교통수단별 물리적 인프라 지표를 구분하여 경제적 성과와의 관계를 종합적으로 검토하였으며, 교통 인프라의 측정 방식과 유형에 따라 투자 효과가 상이하게 나타날 수 있음을 실증 문헌의 메타분석을 통해 제시하였다. 또한, Ke et al.(2020)은 도로 및 철도의 인구당 운행거리를 활용하여 교통인프라의 수량적 특성을 계량화하고, 고속도로 연장 비중을 통해 도로 인프라의 질적 특성을, 교통부문 정부 지출 비중을 통해 구조적 특성을 구분하여 교통인프라의 구성 특성을 정량적으로 분석하였다.
2. 교통인프라 투자 효과 분석 연구
교통인프라 투자가 지역경제에 미치는 영향을 분석한 선행연구가 다수 수행되어 왔다. The Korea Transport Institute(2014)는 국토계수와 도로율을 활용한 생산함수 분석을 통해 교통 인프라 투자가 지역 생산성 및 경제 성장에 미치는 영향을 분석하였고, 교통 인프라 투자가 지역경제에 유의미한 영향을 미칠 수 있음을 실증적으로 제시하였다. 다음으로, Crescenzi and Rodríguez-Pose(2012)는 지역 단위 자료를 활용하여 교통 인프라 스톡을 주요 설명변수로 설정하고, 지역별 경제 성장률을 종속변수로 한 성장 회귀모형을 구축하여 교통 인프라 투자 효과를 분석하였으며, 지역의 초기 경제 수준, 인적자본, 산업 구조 등 지역적 맥락에 따라 교통 인프라 투자 효과가 상이하게 나타날 수 있음을 확인하였다. 또한, Fageda and Gonzalez-Aregall(2017)은 도로, 철도, 항만, 공항 등 교통 인프라 유형별 물리적 지표를 활용하여 산업 고용에 미치는 영향을 분석하고, 교통 인프라 투자 효과가 인프라 유형에 따라 차별적으로 나타나며, 공간적 파급효과를 동반할 수 있음을 실증적으로 제시하였다. 한편, Kwon and Kim(2021)은 전국 시･군･구 단위 자료를 활용하여 철도접근성이 인구, 고용 및 1인당 지역내총생산에 미치는 영향을 분석하고, 철도접근성이 1인당 지역내총생산에 유의미한 영향을 미칠 수 있음을 제시하였다.
3. 선행연구 검토 결과
교통인프라 관련 주요 선행연구에서 활용한 종속변수와 독립변수를 Table 1에 정리하였다. 기존 선행연구들은 교통 인프라 투자가 지역경제 성장과 발전에 미치는 영향을 생산함수 기반 분석, 패널 회귀모형, 공간계량모형 등을 통해 실증적으로 분석해 왔으며, 인프라 유형, 측정 방식, 지역적 맥락에 따라 투자 효과가 상이하게 나타날 수 있음을 제시하였다. 그러나 이러한 연구들은 교통 인프라 투자 효과를 주로 집계된 공간 단위에서 분석하거나 도로･철도 등 특정 물리적 인프라 유형에 초점을 두는 경향이 있어, 대도시권 내부에서 교통 인프라 축적 수준과 통행 접근성 차이가 지역 발전에 미치는 차별적 파급효과를 충분히 설명하는 데 한계가 있었다. 또한 기존 연구들은 평균적 또는 총 효과 중심의 분석이 주를 이루어, 이미 일정 수준 이상의 교통 인프라가 구축된 대도시권에서 추가 투자에 따른 효과가 증가, 체감 또는 역전될 수 있는 비선형 한계효과를 실증적으로 검토한 연구는 제한적이었다.
이에 본 연구는 대도시권을 대상으로 교통 인프라의 공급 수준과 통행 접근성의 불균형에 주목하고, 교통 인프라와 접근성 변수를 함께 고려한 확장형 콥-더글라스 생산함수를 적용하여 지역 발전에 미치는 파급효과를 분석하고자 한다. 특히 교통 인프라 및 접근성 변수의 이차항을 포함함으로써 추가 투자에 따른 비선형 한계효과가 지역별로 어떻게 달라지는지를 규명하고, 대도시권 교통 인프라 투자 전략 수립과 지역 균형 발전을 위한 정책적 시사점을 도출하고자 한다.
Table 1.
Variable of previous researches
| Researcher | Dependent variable | Independent variable |
| Bin et al.(2013) |
Transport infrastructure level | Road length, road area, parking area, number of subway stations, number of bus stops, etc. |
| Melo et al.(2013) |
Output elasticity of transport infrastructure | Transport mode (road, rail, airport/port), Measurement type (physical measures, monetary measures), etc. |
| Ke et al.(2020) |
Regional economic growth | Road and railway mileage per capita, expressway share, etc. |
| The Korea Transport Institute(2014) |
Regional economic output / productivity | Labor input (Employment per 1,000 population), Private capital stock (employees per firm), Public capital stock (road infrastructure index, Road ratio), etc. |
| Crescenzi & Rodríguez-Pose(2012) |
Regional economic growth | Transport infrastructure stock (road length, motorway length, railway length), initial economic conditions, human capital, etc. |
| Fageda & Gonzalez-Aregall(2017) | Industrial employment | Transport infrastructure by mode (road, rail, port, airport), regional characteristics, etc. |
연구방법
본 연구에서 제시한 연구방법은 총 4단계로 구성되며, 전반적인 분석 흐름과 단계별 분석 내용은 Figure 1에 제시하였다. 먼저, 서울시 전역의 행정동 427개를 분석 단위로 설정하고, 교통 인프라, 광역교통 거점 접근성, 지역경제 및 인구･사회경제 관련 데이터를 수집･구축한다. 다음으로 수집된 데이터를 바탕으로 생산요소, 교통 인프라 및 접근성 변수를 체계적으로 구성하고, 데이터 전처리를 수행함으로써 분석에 활용 가능한 최종 변수를 도출한다. 세 번째 단계에서는 구축된 변수를 활용하여 확장형 콥-더글라스 생산함수 기반의 계량모형을 추정하고, 추정된 계수를 바탕으로 교통 인프라 투자 수준과 접근성 특성에 따른 비선형 한계효과를 산출한다. 마지막 단계에서는 산출된 한계효과를 투입 변수로 활용하여 지역 유형화를 수행하고, 유형별 교통 인프라 및 접근성의 반응 특성을 비교함으로써 대도시권 내부의 교통 인프라 투자 효과가 지역별로 어떻게 차별화되는지를 도출하고 정책적 시사점을 제시한다.
1. 데이터 수집 및 구축
대도시권 내부의 교통 인프라 및 접근성 특성에 따른 지역별 투자 효과를 구분하기 위해, 서울시 행정동 427개를 분석 단위로 설정하고 Table 2와 같이 관련 데이터를 수집･구축하였다. 먼저 지역경제 성과를 나타내는 종속변수는 국가통계포털의 시군구별 지역내총생산(GRDP) 데이터, 서울 열린데이터광장의 인구수 데이터 및 토지특성정보 GIS DB의 용도지역 및 토지이용상황 데이터를 활용하였다. 다음으로 지역경제에 영향을 미칠 수 있는 독립변수는 노동투입량(L), 민간자본스톡(K), 교통 인프라(G), 접근성(A)을 중심으로 구성하였다. 노동투입량(L)은 서울 열린데이터광장에서 제공하는 생산가능인구수 자료를 활용하였으며, 민간자본스톡(K)은 서울 열린데이터광장의 사업체 수와 종사자 수 자료를 활용하였다. 교통 인프라(G)는 KTDB 교통망 GIS DB, 서울시 버스 노선 및 정류소 정보, 한국철도공사 도시철도 역사 정보, V-WORLD 토지특성정보 GIS DB를 활용하여 구축하였다. 접근성(A)은 KTDB 교통접근성 지표 자료 중 버스터미널 및 철도(환승)역 평균 접근시간을 활용하여 광역교통 거점에 대한 접근 여건을 반영하였다. 본 연구는 변수별 공식 제공 시점의 차이로 인해 기준연도가 완전히 일치하지 않으며, GRDP는 분석 시점에서 확보 가능한 최신 공식자료인 2022년 자료를, 그 외 노동투입량, 민간자본스톡, 교통 인프라 및 접근성 변수는 각 자료 제공기관에서 수집 가능한 최신 자료를 활용하였다. 다만 서울시의 토지이용, 주요 교통 인프라 및 접근성 여건은 단기간에 급격히 변화하기 어렵다는 점을 고려할 때, 자료 간 기준연도 차이가 분석 결과에 미치는 영향은 제한적일 것으로 판단된다.
Table 2.
Data collection
2. 변수 구조화 및 모형 설정
교통 인프라 유형 분류 및 투자 효과 분석 관련 선행연구를 바탕으로, 대도시권 교통 인프라 투자 효과 분석에 필요한 변수를 Table 3과 같이 선정하였다. 먼저 지역경제 성과를 나타내는 종속변수는 행정동별 1인당 지역내총생산(GRDP)으로 설정하였다. 서울시의 GRDP는 시･군･구 단위로 제공되므로, 이를 행정동 단위로 세분화하기 위해 V-WORLD에서 제공하는 토지특성정보 GIS DB를 활용하였다. 통상적인 토지이용 배분에는 용도지역 자료가 활용될 수 있으나, 용도지역은 계획적 토지이용 구분을 나타내는 자료로 실제 필지 단위의 이용 상태를 직접 반영하는 데에는 한계가 있다. 이에 필지별 용도지역 및 토지이용상황 정보를 포함하고 있는 토지특성정보 GIS DB를 활용하여 행정동별 경제활동 기반을 세밀하게 반영하고자 하였다. 이 중 지역 내 생산활동 및 업무활동과 직접 관련성이 높은 산업용･공업용･업무용 토지 면적을 행정동별 GRDP 배분 기준으로 활용하였다. 이는 자치구 내 경제활동의 공간적 분포를 추정하기 위한 대리 기준으로, 생산･물류･창고 기능을 반영하는 산업용･공업용 토지와 업무활동이 이루어지는 업무용 토지를 함께 고려한 것이다. GRDP는 지역 내에서 발생한 부가가치를 의미하므로, 주거･공원･공공시설 등 경제적 산출 활동과의 직접성이 낮은 토지이용보다는 제조, 생산, 물류, 창고, 업무 및 사업 활동이 이루어지는 토지이용 항목이 지역경제 성과를 배분하기 위한 가중치로 적합하다고 판단하였다. 구체적으로는 국가통계포털에서 제공하는 자치구별 GRDP를 기준으로, 각 자치구 내 행정동별 산업용･공업용･업무용 토지 면적을 산정한 뒤, 전체 산업용･공업용･업무용 토지 면적에서 각 행정동이 차지하는 비중을 가중치로 적용하여 GRDP를 재배분하였다. 이후 산정된 행정동별 GRDP를 행정동별 인구수로 나누어 1인당 GRDP 지표를 종속변수로 설정하였다. 이 방식은 행정동 단위 GRDP가 공식적으로 제공되지 않는 상황에서, 토지이용 특성을 활용해 자치구 단위 지역경제 성과를 행정동 단위로 세분화하기 위한 대체적 추정 방법이다. 노동투입량(L)은 지역의 노동 공급 규모를 나타내는 생산가능인구로 설정하였으며, 민간자본스톡(K)은 지역 내 민간 경제활동의 축적 수준을 반영하기 위해 사업체 수와 사업체당 종사자 수로 구성하였다. 교통 인프라(G)는 지역 내 물리적 교통 공급 수준을 반영하기 위해 도로연장, 버스노선수, 도시철도 공급, 주차장 면적으로 구성하였다. 도로연장은 행정동별 도로 구간 길이를 합산하여 산정하였으며, 고속도로, 도시고속화도로, 일반국도, 특별･광역시도, 국가지원지방도, 지방도, 시･군도로를 포함하였다. 다만 생활도로 및 이면도로 등은 포함되지 않는다. 버스노선수는 행정동 내 정류소를 경유하는 고유 노선ID를 기준으로 집계하였으며, 동일 노선이 하나의 행정동 내 여러 정류소를 경유하는 경우에는 중복 집계하지 않았다. 또한 노선유형 코드 기준으로 공항, 마을, 간선, 지선, 순환, 광역, 인천, 경기, 공용, 한강 노선을 포함하였다. 도시철도 공급은 행정동별 도시철도역 수와 해당 역을 경유하는 노선 수를 결합하여 산정하였다. 환승역의 경우 동일 역명이 여러 노선에 중복되어 나타날 수 있으므로, 역 수는 동일 역명을 기준으로 중복을 제거하여 산정하고, 노선 수는 해당 역을 경유하는 노선 수를 별도로 반영하였다. 역 위치가 행정동 경계부에 위치하는 경우에는 역 좌표를 기준으로 가장 인접한 행정동에 귀속하여 산정하였다. 주차장 면적은 V-WORLD 토지특성정보 GIS DB의 지목코드 중 ‘주차장’에 해당하는 필지의 면적을 행정동별로 합산한 값이다. 따라서 이는 공영주차장만을 의미하는 것이 아니라, 소유･운영 주체와 관계없이 공부상 지목이 주차장으로 분류된 토지의 총면적을 의미한다. 접근성(A)은 버스터미널 및 철도(환승)역에 대한 평균 접근시간으로 구성하였다. 버스터미널은 일반 시내버스 정류소가 아니라 ｢여객자동차 운수사업법｣ 제2조 제5호에 따른 여객자동차터미널을 의미하며, ｢여객자동차 운수사업법 시행규칙｣ 제72조에 따른 공영터미널과 공용터미널을 포함한다. 철도(환승)역은 일반 도시철도 환승역 전체를 의미하는 것이 아니라, ｢철도산업발전기본법｣ 제3조 제2호에 따른 철도시설 중 여객을 취급하는 철도역으로서 무궁화호 등급 이상 열차가 정차하는 역을 의미하며, 관광열차 전용역은 제외된다. 따라서 버스터미널 및 철도(환승)역 접근성은 각 행정동에서 광역 및 지역 간 이동 거점까지 도달하는 데 소요되는 평균 접근시간을 반영한 지표이다. 본 연구에서는 이를 대도시권 내부의 일상적 생활 접근성 전체를 대표하는 지표라기보다, 권역 간 이동 및 지역 간 연결성을 반영하는 광역교통 거점 접근성 지표로 해석하였다.
Table 3.
Variable definition
앞서 선정된 변수들을 바탕으로 지역경제 생산 구조를 실증 분석하기 위해, 본 연구는 콥–더글라스(Cobb–Douglas) 생산함수를 이론적 기반으로 설정하였다. 노동투입량(L)과 민간자본스톡(K)에 더해 교통 인프라(G) 및 접근성(A)을 포함하는 기본 생산함수 형태는 Equation 1과 같다.
Equation 1은 교통 인프라와 접근성이 지역경제 산출에 영향을 미치는 이론적 생산 구조를 나타낸다. 이를 실증 분석에 적용하기 위하여 로그 선형화하였으며, 교통 인프라 및 접근성의 축적 수준에 따라 그 효과가 선형적으로 나타나지 않을 가능성을 고려하여 해당 변수들의 이차항을 포함한 확장 모형을 설정하였다. 이때 로그 변환된 변수를 그대로 제곱하여 모형에 투입할 경우 1차항과 2차항 간의 다중공선성이 극단적으로 심화되어 VIF가 과도하게 상승하는 통계적 문제가 발생한다. 이를 방지하기 위해 각 변수에 평균중심화를 선행한 후 이차항을 생성함으로써, 두 변수 간의 구조적 상관성을 효과적으로 통제하였다. 이러한 과정을 반영한 확장형 콥–더글라스 생산함수의 추정식은 Equation 2와 같다.
이후 확장 모형에 포함된 전체 설명변수 간 다중공선성 여부를 최종 점검하기 위하여 VIF를 산정하였으며, 판단 기준은 각 독립변수의 VIF 값이 10 이상인 경우로 설정하였다(Bin et al., 2013).
3. 모형 분석 및 한계효과 산정
Equation 2에 제시된 확장형 콥–더글라스 계량모형을 추정하고, 이를 기반으로 교통 인프라 및 접근성 변수에 대한 한계효과를 산출하였다. 분석에는 서울시 427개 행정동 단위로 구축된 횡단면 자료를 활용하였다. 계량모형에는 교통 인프라(G)와 접근성(A) 변수의 이차항을 포함하여, 해당 변수의 축적 수준에 따라 지역경제 성과에 미치는 영향이 비선형적으로 나타날 수 있음을 반영하였다. 이는 인프라 확충이 미치는 평균적인 효과뿐만 아니라, 기존 투자 수준에 따른 반응 구조의 차이를 분석하기 위함이다. 이후 모형에서 도출된 계수를 활용하여, 특정 교통 인프라 또는 접근성 지표가 증가할 때 지역경제 성과가 얼마나 변화하는지를 나타내는 한계효과를 산정하였으며, 해당 산출식은 Equation 3과 같다.
한계효과는 교통 인프라(G)와 접근성(A) 변수에 대해서만 산정하였으며, 이를 통해 각 변수의 축적 수준에 따라 지역경제 성과에 미치는 영향이 어떻게 변화하는지를 분석하였다. 이러한 과정은 교통 인프라와 접근성의 추가적 확충이 항상 동일한 경제적 효과로 이어지지 않을 수 있음을 고려하고, 투자 수준에 따른 비선형적 반응 구조를 계량적으로 파악하기 위한 것이다.
4. 한계효과의 공간적 분석 및 지역 유형화 방법
앞서 산출한 6개 교통 인프라 및 접근성 지표의 한계효과를 활용하여 대도시권 내 행정동을 유형화하였다. 한계효과는 교통 인프라 및 접근성 개선에 대한 지역별 반응 특성을 나타내므로, 이를 종합적으로 활용하면 지역별 투자 효과의 차이를 파악할 수 있다. 구체적으로 도로연장, 버스노선수, 도시철도 공급, 주차장면적, 버스터미널 접근시간, 철도역 접근시간의 6개 한계효과 값을 군집분석의 투입 변수로 설정하였다. 각 변수는 단위와 분포 범위가 상이하므로 군집분석에 앞서 표준화(Z-score)를 수행하였다. 이후 Ward법을 활용한 계층적 군집분석을 통해 적정 군집 수를 검토하고, 덴드로그램의 병합 구조와 정책적 해석 가능성을 고려하여 최종 군집 수를 설정하였다. 최종적으로 K-means clustering을 적용하여 유사한 한계효과 특성을 지닌 행정동을 그룹화하였다. 도출된 군집은 평균 한계효과를 기준으로 교통 인프라 및 접근성 반응 특성을 해석하였으며, GIS를 활용하여 공간 분포를 시각화하였다. 이를 통해 개별 인프라 지표의 효과를 넘어 복합적인 한계효과 특성에 따른 지역 유형을 도출하고, 지역별 인프라 축적 수준과 접근성 여건에 따른 투자 효과 차이와 정책적 시사점을 파악하였다.
연구결과
1. 변수 기초통계 및 다중공선성 검토
구축된 데이터의 로그 변환 이전 변수들에 대한 기초통계는 Table 4와 같다. 분석 대상은 서울시 행정동 427개로, 각 변수의 최소값, 최대값, 평균 및 표준편차를 통해 변수 분포의 규모와 변동성을 확인하였다. 설명변수들은 단위와 값의 범위가 상이하게 나타나, 변수 간 규모 차이가 회귀분석 결과에 미치는 영향을 완화하기 위해 이후 분석에서는 로그 변환을 적용하였다. 이 과정에서 일부 변수는 특정 행정동에서 0값을 포함하여 로그 변환이 불가능하였다. 특히 1인당 GRDP의 최소값 0은 해당 행정동에 거주 인구나 실제 경제활동이 없다는 의미가 아니라, 자치구별 GRDP를 산업용･공업용･업무용 토지 면적 비중에 따라 행정동 단위로 재배분하는 과정에서 발생한 추정상의 0값이다. 즉, 특정 행정동 내에 GRDP 배분 가중치로 활용한 산업용･공업용･업무용 토지 면적이 존재하지 않는 경우 해당 행정동에 배분되는 GRDP가 0으로 산정될 수 있다. 도로연장의 0값은 KTDB 교통망 GIS DB 기준 도로 구간이 해당 행정동 경계 내에 포함되지 않아 발생한 값이며, 창신2동에서 나타났다. 이는 실제 도로가 전혀 존재하지 않는다는 의미가 아니라, 본 연구에서 활용한 KTDB 교통망 GIS DB에 포함된 도로 구간 기준의 산정 결과로 해석할 필요가 있다. 그 외 도시철도 공급, 주차장 면적의 0값은 원자료 기준상 해당 시설이 행정동 내에 포함되지 않은 경우를 의미한다. 따라서 로그 변환이 필요한 변수 중 0값을 포함하는 경우, 0값을 제외한 최소 양(+)의 관측값의 1/2 값으로 보정한 후 로그 변환을 수행하였다. 이는 로그 변환 과정에서 0값 처리를 위해 최소 양수값의 일부를 활용하는 방식이 제시되어 왔다는 점을 참고한 전처리 절차이다(Park, 2023).
Table 4.
Building variables
확장 모형에 포함된 설명변수 간 다중공선성 여부를 점검하기 위하여 분산팽창계수(VIF)를 산정하였으며, 그 결과는 Table 5와 같다. 분석 결과, 모든 설명변수의 VIF 값은 5 미만으로 나타나 일반적인 판단 기준(VIF ≥ 10)을 초과하지 않았다. 따라서 본 모형에서 설명변수 간 다중공선성 문제는 크지 않은 것으로 판단된다.
Table 5.
Variance Inflation Factor (VIF) results
2. 확장 모형 추정 결과 및 한계효과 분석
확장된 콥-더글라스(Cobb-Douglas) 생산함수를 활용하여 서울시 행정동별 지역경제 성과에 미치는 요인을 추정하고, 이분산성을 완화하기 위해 Robust standard errors(HC1)를 적용한 결과는 Table 6과 같다. 분석 결과, 모델의 결정계수(R2)는 0.846으로 나타나 독립변수들이 종속변수인 1인당 GRDP 변동을 일정 수준 이상 설명하고 있음을 확인하였다.
Table 6.
Extended Cobb–Douglas estimation results
생산요소별 추정 결과, 노동투입량(L)인 생산가능인구()는 -0.458의 계수를 보여 통계적으로 유의미한 음(-)의 관계가 나타났다. 이는 대도시 내부에서 거주 인구와 실제 경제활동 중심지가 일치하지 않는 직주분리 특성이 반영된 결과로 해석된다. 반면 민간자본스톡을 나타내는 사업체 수()와 사업체당 종사자 수()는 각각 0.367, 0.350의 계수를 보여 지역경제 성과와 유의미한 정(+)의 관계를 보였다. 교통 인프라(G) 변수는 모두 통계적으로 유의미한 비선형 관계를 보였으며, 이 중 도로연장과 버스노선수는 1차항과 2차항의 부호가 서로 달라 역U자형 관계가 나타났다. Equation 3을 활용하여 두 변수의 전환점을 산정하였으며 도로 연장의 한계효과 산정식은 Equation 4, 산정 결과는 Table 7과 같다.
Table 7.
Turning points of inverted U-shaped transport infrastructure variables
Table 7에 따르면, 도로연장의 전환점은 평균중심화 로그변수 기준 0.729, 원자료 기준 38.249로 산정되었으며, 이를 초과하는 행정동은 2개(0.47%, 중구 소공동, 명동)로 나타났다. 버스노선수의 전환점은 평균중심화 로그변수 기준 1.044, 원자료 기준 58.451로 산정되었으며, 이를 초과하는 행정동은 21개(4.92%, 소공동, 회현동, 명동, 을지로동, 신촌동 등)로 나타났다. 이는 도로연장이나 버스노선수가 지역경제에 부정적 영향을 미친다는 의미가 아니라, 해당 수준을 초과하는 일부 지역에서 추가 확충에 따른 지역경제 파급효과가 평균 기준에 비해 제한적이거나 체감될 수 있음을 의미한다. 특히 전환점을 초과하는 행정동은 도심 및 주요 상업･업무 기능이 집중된 지역을 포함하고 있어, 이미 일정 수준 이상의 교통 인프라가 축적된 지역에서는 추가 공급에 따른 한계효과가 상대적으로 낮게 나타날 수 있음을 보여준다. 한편 Table 6에서 도시철도 공급()과 주차장 면적()은 1차항과 2차항 계수가 모두 양(+)의 값을 보여 해당 인프라의 확충 효과가 강화되는 경향을 보였다. 접근성(A) 변수의 경우, 버스터미널 접근성()과 철도역 접근성() 모두 유의미한 음(-)의 계수가 산출되었다. 접근성 지표는 값이 작을수록 접근성이 양호함을 의미하므로, 접근시간 단축은 지역경제 성과와 정(+)의 관계를 가지는 것으로 해석된다. 특히 철도역 접근성()은 계수의 절대값이 상대적으로 커, 행정동별 지역경제 성과를 설명하는 주요 접근성 변수로 해석된다.
3. 한계효과 기반 지역 유형화 및 정책적 시사점
앞 절에서 교통 인프라 및 접근성 변수는 지역경제 성과와 유의미한 비선형 관계를 보여 행정동별 6개 한계효과를 통합하여 대도시권 내부의 지역 유형을 도출하였다. 한계효과의 양(+)과 음(-)의 부호는 지역의 우열을 판단하는 기준이 아니라, 평균중심화된 변수 값을 기준으로 해당 인프라 또는 접근성 개선에 대한 지역경제 성과의 상대적 반응 정도를 의미한다. 따라서 음(-)의 한계효과는 투자의 불필요성을 의미하기보다, 동일한 추가 투입에 따른 파급효과가 평균 기준에 비해 제한적이거나 체감되는 구간에 있음을 나타낸다. 최적 군집 수(K)를 도출하기 위해 Ward법을 이용한 계층적 클러스터링 분석을 수행하였으며, 덴드로그램은 Figure 2와 같다. 분석 결과, 데이터는 2개 또는 4개의 주요 군집으로 병합되는 구조를 보였다. 군집 수를 2개로 설정할 경우 지역 특성이 단순화될 수 있어, 덴드로그램 결과와 정책적 해석 가능성을 고려해 최종 군집 수를 4개로 설정하였다. 이후 K-means clustering을 적용하여 행정동별 한계효과 특성을 유형화하였다.
분석 결과, 군집 분리도를 나타내는 실루엣 계수는 0.235로 도출되었다. 이는 군집 간 분리도가 명확하게 높다고 보기는 어려운 수준이나, 도시･교통 데이터는 공간적 연속성과 다양한 사회경제적 요인이 복합적으로 작용하기 때문에 일반적인 통계 지표만으로 군집의 적정성을 판단하는 데 한계가 있다. 복잡한 다차원 도시･교통 데이터를 다룬 Pavlyshyn et al.(2025)에서도 K-means 적용 시 평균 실루엣 계수가 0.26 수준으로 나타난 바 있으며, 군집 수 결정에서 실루엣 계수와 같은 수학적 지표뿐만 아니라 전문가 판단과 실무적 해석 가능성을 함께 고려할 필요가 있음을 제시하였다. 따라서 본 연구에서는 덴드로그램의 시각적･통계적 탐색 결과와 정책적 활용 가능성을 종합적으로 고려하여 최종 군집 수를 4개로 설정하였다. 다만 도출된 군집은 명확히 분리된 절대적 지역 구분이라기보다, 유사한 한계효과 특성을 보이는 행정동을 구분하여 지역별 정책 방향을 검토하기 위한 결과로 해석할 필요가 있다. 이를 바탕으로 서울시 행정동은 6개 교통 인프라 및 접근성 한계효과의 조합에 따라 네 가지 유형으로 구분되었으며, 각 유형별 군집 명칭과 포함된 행정동 수 및 비율은 Table 8과 같다.
Table 8.
Distribution of administrative districts by cluster
나아가 각 군집의 특성을 보다 구체적으로 해석하기 위해 6개 교통 인프라 및 접근성 지표의 군집별 한계효과 평균값을 산출하였다. 군집 분석은 변수 간 단위 차이를 통제하기 위해 표준화된 Z-score를 기준으로 수행하였으나, 결과의 직관적인 해석과 정책적 시사점 도출을 위해 Table 9에는 원래 척도로 환산한 군집별 평균값을 제시하였다.
Table 9.
Cluster means of marginal effects by infrastructure type
첫째, 외곽 인프라 확충 중심형(Cluster 1)은 서울의 외곽 경계 지역을 따라 분포하는 행정동들이 주로 포함되어 있으며, 전형적인 외곽형 공간 패턴을 형성한다(Figure 3). 이 군집은 도로연장 한계효과가 2.758로 모든 군집 중 가장 높은 수준을 보이며, 버스노선수 한계효과 또한 0.533으로 상대적으로 높게 나타났다. 이는 해당 지역에서 기초적인 도로 및 버스 인프라 개선이 지역경제 성과와 밀접하게 연계될 수 있음을 의미한다. 다만 Cluster 4와는 전반적인 한계효과 패턴이 유사하나, 도시철도 공급 한계효과가 양(+)의 값으로 나타난다는 점에서 차이를 보인다. 따라서 이 유형에서는 도로망 보완, 버스 노선 확충, 대중교통 서비스 사각지대 개선 등 기초 교통 인프라 확충이 지역경제 활동을 활성화하는 데 중요한 정책 수단이 될 수 있다. 특히 서울 외곽부는 도심부에 비해 교통 인프라의 절대적 축적 수준이나 서비스 접근성이 상대적으로 낮을 가능성이 있으므로, 신규 공급이나 서비스 보완을 통해 지역 간 접근성 격차를 완화하는 전략이 필요하다. 둘째, 대중교통･접근성 포화형(Cluster 2)은 서울 남부 지역을 중심으로 분포하며, 개발 수준이 높은 도시 지역에서 뚜렷한 공간적 패턴을 형성한다(Figure 4). 이 군집은 도로연장 한계효과가 2.647로 여전히 비교적 높게 나타나는 반면, 버스노선수 한계효과는 0.322로 Cluster 1, 4에 비해 낮고, 버스터미널 접근성(-0.057)과 철도(환승)역 접근성(-1.091) 또한 상대적으로 약하게 나타났다. 이는 해당 지역에서 교통 공급이나 접근성 개선이 부정적이라는 의미가 아니라, 이미 일정 수준 이상의 교통 인프라와 접근성이 확보되어 있어 추가 개선에 따른 한계적 파급효과가 상대적으로 제한적임을 의미한다. 따라서 이 유형에서는 신규 노선 공급이나 대규모 인프라 확충보다는 기존 인프라의 운영 효율화, 혼잡 완화, 서비스 품질 개선 및 유지관리 중심의 전략이 중요하다. 즉, 추가적인 물리적 공급보다 지능형 교통체계(ITS), 신호 운영 개선, 환승 혼잡 관리, 노후 시설 현대화 등을 통해 기존 인프라의 효율성을 높이는 방향이 적합하다.
셋째, 도심 철도･주차 중심 지역(Cluster 3)은 서울의 전통적인 도심 지역에 밀집하여 분포하며, 서울역을 포함한 주요 철도 거점 주변에서 뚜렷한 공간적 패턴을 형성한다(Figure 5). 이 군집은 18개 행정동으로 전체의 4.22%에 불과하지만, 공간적으로 도심부에 집중되어 있고 도시철도 공급 한계효과와 주차시설 한계효과가 각각 0.380, 0.242로 모든 군집 중 가장 높게 나타난다는 점에서 독립적인 유형으로 해석할 수 있다. 이는 고밀도 도심 지역에서 행정동 내 도시철도역 수와 경유 노선 수로 산정한 도시철도 공급 수준, 그리고 주차장 면적이 지역경제 활동과 긍정적으로 연계될 수 있음을 의미한다. 반면 철도(환승)역 접근성 한계효과가 0.555로 나타난 것은 해당 지역이 이미 서울역 등 광역･지역 간 철도거점과 인접해 있어, 철도(환승)역까지의 접근시간을 추가로 단축하는 효과는 상대적으로 제한적일 수 있음을 보여준다. 따라서 이 유형에서는 광역철도 거점까지의 접근시간 단축보다, 행정동 내 기존 도시철도 공급 수준과 주차장 면적 확보･확대가 지역경제 활동과 더 밀접하게 연계되는 특성이 나타난 것으로 해석할 수 있다. 넷째, 접근성 민감 지역(Cluster 4)은 도심을 둘러싼 외곽 및 중간 지역에 주로 분포하며, 분산된 공간 패턴을 형성한다(Figure 6). 이 군집은 철도(환승)역 접근성 한계효과가 -2.323, 버스터미널 접근성 한계효과가 -0.388로 크게 나타났으며, 버스노선수 한계효과도 0.537로 모든 군집 중 가장 높았다. 접근성 지표는 값이 작을수록 접근성이 우수함을 의미하므로, 음(-)의 한계효과는 접근시간 단축이 지역경제 성과와 긍정적으로 연계될 수 있음을 의미한다. 반면 도시철도 공급 한계효과는 -0.230으로 나타났는데, 이는 해당 지역에서 도시철도역 수나 경유 노선 수를 추가로 늘리는 물리적 공급 확대의 파급효과가 상대적으로 제한적일 수 있음을 의미한다. 다만 이는 도시철도 인프라가 지역경제에 부정적인 영향을 미친다는 의미가 아니라, 평균중심화된 비선형 모형에서 Cluster 4가 도시철도 공급의 추가 확대에 따른 한계효과가 평균 기준에 비해 낮게 나타나는 구간에 위치함을 의미한다. 즉, Cluster 4는 도시철도역 수 및 경유 노선 수의 추가 확대보다 기존 철도(환승)역까지의 접근시간 단축과 버스 중심의 대중교통 연계 개선에 더 민감하게 반응하는 지역으로 해석할 수 있다. 특히 버스노선수 한계효과가 높게 나타난 점을 고려할 때, 이 유형에서는 도시철도역 수나 경유 노선 수의 추가 확대보다 버스 연계, 지선･마을버스 보완, 환승 편의 개선, 라스트마일 접근성 강화 등이 우선 검토될 필요가 있다.
종합하면, 네 가지 군집은 대도시권 내부에서도 교통 인프라 투자 효과가 지역의 입지 특성, 기존 인프라 축적 수준, 접근성 여건에 따라 다르게 나타남을 보여준다. 외곽 인프라 확충 중심형(Cluster 1)은 기초 도로･버스 인프라 공급에 대한 반응성이 높고, 대중교통･접근성 포화형(Cluster 2)은 신규 공급보다 운영 효율화와 유지관리 전략이 중요한 유형으로 해석된다. 도심 철도･주차 중심 지역(Cluster 3)은 도시철도 공급과 주차시설 한계효과가 높게 나타나, 기존 도시철도역의 경유 노선 수 확대와 주차장 면적 확보･확대가 지역경제 활동과 연계될 수 있는 유형으로 확인되었다. 접근성 민감 지역(Cluster 4)은 도시철도역 수나 경유 노선 수의 추가 확대보다 기존 철도(환승)역까지의 접근시간 단축과 버스 중심의 연계 개선, 환승 편의 개선 등 접근성 개선 전략이 상대적으로 중요한 유형으로 해석된다. 한편, Cluster 1과 Cluster 4는 도로연장, 버스노선수, 주차시설, 버스터미널 접근성 및 철도(환승)역 접근성의 한계효과 평균값이 전반적으로 유사하게 나타났으며, 두 군집의 차이는 주로 도시철도 공급 한계효과에서 확인된다. 이에 따라 두 군집은 완전히 상이한 지역 유형이라기보다, 유사한 외곽형 인프라･접근성 반응 특성을 공유하되 도시철도 공급에 대한 한계효과에서 차이를 보이는 하위 유형으로 해석할 필요가 있다. 특히 도시철도 공급 변수는 행정동 경계 내 도시철도역 수와 경유 노선 수를 기준으로 산정되었기 때문에, 행정동 경계부에 위치한 역의 귀속 여부에 따라 인접 행정동 간 일부 군집 차이가 발생할 수 있다. 이러한 점에서 본 연구의 군집 결과는 행정동 간 경계를 기준으로 한 절대적인 지역 구분이라기보다, 행정동 단위로 구축된 교통 인프라 및 접근성 변수에 기반한 상대적 유형화 결과로 해석할 필요가 있다. 또한 한계효과의 음(-) 값은 특정 지역이나 인프라가 지역경제에 부정적 영향을 미친다는 의미가 아니라, 평균중심화된 비선형 모형에서 추가 공급 또는 접근성 개선에 대한 상대적 반응이 평균 기준에 비해 제한적이거나 체감되는 구간에 있음을 의미한다. 따라서 군집 결과는 지역별 투자 배제의 근거가 아니라, 어떤 정책수단이 상대적으로 효율적인지를 판단하기 위한 기초자료로 해석할 필요가 있다.
결론
본 연구는 서울시 427개 행정동을 대상으로 교통 인프라 투자 수준과 광역교통 거점 접근성 차이가 지역경제에 미치는 파급효과를 분석하고, 지역별 한계효과 특성에 기반한 맞춤형 교통 정책 방향을 도출하고자 하였다. 이를 위해 노동, 민간자본, 물리적 교통 인프라와 기능적 접근성 변수를 포함한 확장형 콥-더글라스 생산함수 모형을 구축하였으며, 교통 인프라 및 접근성 변수의 이차항을 반영하여 추가 투자에 따른 비선형 한계효과를 산출하였다. 또한 산출된 6개 한계효과를 바탕으로 Ward법과 K-means 군집분석을 적용하여 대도시권 내부의 교통 인프라 투자 효과 유형을 구분하였다.
분석 결과, 서울시 내부에서도 교통 인프라 및 접근성 개선의 지역경제 파급효과는 균질하지 않으며, 기존 인프라 축적 수준과 접근성 여건에 따라 상이한 한계효과 구조를 보이는 것으로 나타났다. 외곽 인프라 확충 중심형(Cluster 1)은 도로연장과 버스노선수의 한계효과가 높게 나타나, 기초 도로･버스 인프라 확충이 지역경제 활성화와 밀접하게 연계될 수 있는 유형으로 해석되었다. 대중교통･접근성 포화형(Cluster 2)은 이미 교통 인프라와 접근성이 일정 수준 이상 확보된 지역으로, 추가적인 대중교통 공급이나 접근성 개선의 한계적 파급효과가 상대적으로 제한적이며 운영 효율화와 유지관리 중심의 전략이 적합한 것으로 나타났다. 도심 철도･주차 중심 지역(Cluster 3)은 도시철도 공급과 주차시설 한계효과가 높게 나타나, 기존 도시철도역의 경유 노선 수 확대와 주차장 면적 확보･확대가 지역경제 활동과 연계될 수 있는 유형으로 확인되었다. 접근성 민감 지역(Cluster 4)은 철도(환승)역 및 버스터미널 접근시간에 대한 반응성이 크게 나타나, 도시철도역 수나 경유 노선 수의 추가 확대보다 기존 철도(환승)역까지의 접근시간 단축과 버스 중심의 연계 개선이 상대적으로 중요한 정책 방향으로 해석되었다. 특히 본 연구에서 산출된 음(-)의 한계효과는 특정 지역이나 인프라가 지역경제에 부정적인 영향을 미친다는 의미로 해석되어서는 안 된다. 본 연구의 한계효과는 평균중심화된 비선형 모형을 기반으로 산출된 값으로, 각 지역이 평균적인 인프라 축적 수준 대비 어느 구간에 위치하는지에 따라 추가 공급 또는 접근성 개선의 상대적 반응 정도를 나타낸다. 따라서 음(-)의 값은 해당 지역의 경제적 열위나 정책적 배제 필요성을 의미하는 것이 아니라, 추가적인 물리적 공급의 파급효과가 상대적으로 제한적이거나 다른 정책수단이 더 효율적일 수 있음을 보여주는 지표로 이해할 필요가 있다.
이러한 결과는 대도시권 교통 인프라 정책이 일률적인 공급 확대 방식에서 벗어나, 지역별 한계효과 특성에 기반한 공간 타겟팅 전략으로 전환될 필요가 있음을 시사한다. 동일한 서울시 내부에서도 일부 지역은 기초 인프라 확충의 효과가 크고, 일부 지역은 기존 인프라의 운영 효율화가 중요하며, 또 다른 지역은 물리적 인프라 공급 확대보다 접근시간 단축과 버스 연계 및 환승 편의 개선의 파급효과가 클 수 있다. 따라서 향후 교통 인프라 투자 전략은 행정동 단위에서 도출된 한계효과와 군집 특성을 바탕으로, 지역별로 차별화된 맞춤형 투자 방향을 설정할 필요가 있다. 학술적 측면에서는 기존 연구들이 주로 교통 인프라의 평균적 효과나 특정 인프라 유형의 영향에 초점을 두었던 것과 달리, 교통 인프라 및 접근성 변수의 비선형 한계효과를 산출하고 이를 지역 유형화에 활용했다는 점에서 의의가 있다. 또한 물리적 인프라 공급 수준과 기능적 접근성을 함께 고려함으로써, 대도시권 내부의 교통 인프라 투자 효과가 지역별로 어떻게 달라지는지를 실증적으로 제시하였다. 이는 제한된 교통 예산을 효율적으로 배분하고, 지역별 교통 인프라 투자 우선순위와 도시 공간 관리 전략을 수립하는 데 기초자료로 활용될 수 있다.
본 연구는 몇 가지 한계를 가진다. 첫째, 특정 시점의 횡단면 자료를 활용하였기 때문에 교통 인프라 투자와 접근성 개선이 지역경제에 미치는 장기적･동태적 효과를 충분히 반영하지 못하였다. 둘째, 행정동별 GRDP는 공식 통계로 제공되지 않아 자치구별 GRDP를 산업용･공업용･업무용 토지 면적 비중에 따라 행정동 단위로 재배분하여 추정하였다. 이는 행정동 단위 분석을 위한 대체적 방법이지만, 실제 지역경제 활동을 토지이용 면적만으로 완전히 설명하기에는 한계가 있다. 특히 상업･서비스업의 실제 매출 규모, 고용밀도, 업종별 생산성 차이 등은 충분히 반영하지 못한다. 따라서 본 연구의 모형 결과는 행정동별 실제 생산액을 직접 설명한 결과라기보다, 토지이용 기반 추정 GRDP와 교통 인프라･접근성 간의 관계를 분석한 결과로 제한적으로 해석할 필요가 있다. 셋째, 군집분석 결과 실루엣 계수는 0.235로 나타나 군집 구조가 통계적으로 매우 뚜렷하게 분리되었다고 보기는 어렵다. 이는 도시･교통 데이터가 공간적으로 연속되어 있고, 인프라 수준과 접근성 요인이 복합적으로 작용하기 때문으로 해석된다. 따라서 본 연구의 군집 결과는 절대적으로 구분되는 지역 집단이라기보다, 유사한 한계효과 특성을 보이는 행정동을 구분하여 지역별 정책 방향을 검토하기 위한 결과로 해석할 필요가 있다. 넷째, 본 연구의 통행 접근성 변수는 버스터미널과 철도(환승)역 접근시간을 중심으로 구성되어, 권역 간 이동 및 지역 간 연결성을 설명하는 데에는 활용될 수 있으나 대도시권 내부에서 일상적으로 발생하는 생활･업무 통행 접근성을 충분히 대표하기에는 한계가 있다. 다섯째, 본 연구의 주차시설 변수는 V-WORLD 토지특성정보 GIS DB에서 지목상 주차장으로 분류된 필지의 면적을 활용한 것으로, 공영･민영 여부, 건축물 부설주차장, 주차회전율, 실제 이용률, 주차상한제와 같은 도심 주차수요 관리정책을 충분히 반영하지 못한다. 따라서 Cluster 3에서 주차시설 한계효과가 양(+)으로 나타난 결과는 주차장 면적 확보･확대가 지역경제 활동과 긍정적으로 연계될 수 있음을 의미하는 것으로 해석할 수 있다. 다만 Cluster 3은 도심부 및 중심업무지구 성격이 강한 지역으로, 주차상한제 등 대중교통 중심의 도심 교통정책이 적용되는 지역이므로, 이를 도심부의 주차장 공급 확대 정책으로 직접 일반화하는 데에는 한계가 있다. 향후 연구에서는 패널 데이터를 구축하여 교통 인프라 투자 효과의 시간적 변화를 분석하고, 도시철도역, 버스정류장, 고용 중심지, 생활서비스 시설 등에 대한 접근성 지표를 추가하여 대도시권 내부의 생활･업무 통행 접근성을 보다 세밀하게 반영할 필요가 있다. 또한 업종별 사업체 매출액, 고용밀도, 건축물 용도별 연면적, 상업･업무시설의 실제 이용 강도 등 보다 세분화된 사회경제적 지표를 함께 고려하고, 공간군집분석, 다른 군집 알고리즘, 추가 검증지표 등을 활용하여 지역 유형화 결과의 안정성을 보완할 필요가 있다.
