서론
1. 연구의 배경
2. 연구의 목적
선행연구 고찰
1. 이동성에 따른 사회적 배제
2. 장애인과 비장애인의 이동권 격차
3. GPS 데이터를 활용한 이동패턴 연구
4. 연구의 차별성
방법론
1. 분석 자료
2. 분석 방법
분석 결과
1. 휠체어 이용 장애인 이동성 기초통계분석
2. GPS 궤적 데이터의 체류지점 및 이동지점 구분
3. 휠체어 이용 장애인 생활패턴 마이닝
4. 휠체어 이용 장애인 통행 특성 분석
결론 및 함의
1. 결론 및 시사점
2. 연구의 한계
서론
1. 연구의 배경
휠체어 이용 장애인의 이동성 확보에 대한 관심이 증가하고 있으며, 이들의 이동권 보장은 사회적 차별 완화와 기회 제공을 위해 필수적이다. 장애인의 이동성에 관한 논의는 교통약자 이동편의 증진법(2005), 장애인 차별금지 및 권리구제에 관한 법률(2007) 등에 의해 보장되어왔다. 1998년에는 ‘장애인·노인·임산부 등의 편의증진 보장에 관한 법률 시행령’(이하 장애인등편의법 시행령)이 시행되었으며, 이후 이동권 관련 내용이 교통약자법으로 개편되는 등 이동성 관련 법률의 제정이 이루어져 왔다. 그러나 휠체어 이용자의 이동성 확보를 위한 법적·제도적 논의에 초점을 맞춘 연구만 진행됐을 뿐, 실증적인 분석은 미비한 상황이다. 이동성은 시민이 경제활동에 참여하고 사회적 관계 분석을 형성하는 데 핵심 요인으로 작용하며, 개인의 이동성이 확보된다면 삶에 대한 다양한 기회가 제시되지만 그렇지 못할 경우 사회적 배제로 이어질 수 있다. 특히, 최근에는 고령인구 및 교통사고로 인해 이동에 제약을 갖는 교통약자가 증가하고 있어(Kwon and Kong, 2005), 휠체어 이용자의 이동패턴을 정량적으로 분석하고, 실제 이동환경을 평가하는 실증적 연구의 필요성이 제기되고 있다.
한편, 개인의 활동 범위와 이동환경에 대한 기존 연구는 설문조사 및 통행 다이어리를 활용하여 이동 정보를 지오코딩하거나 실험자의 직접 기록 방식으로 수집된 데이터를 기반으로 이동 패턴과 사회·인구학적 요인 간의 관계 분석을 중심으로 이루어졌다(Casas, 2007; Lee and Kim, 2019). 이후, 범지구위치결정시스템(Global Positioning System, GPS)의 발전으로 개인의 경로 선택과 이동 시간을 정밀하게 분석할 수 있게 되었으며, 장애 유형과 같은 사회적 요인이 이동성에 영향을 미쳐 사회적 참여를 제한할 수 있음이 입증되었다(Kim et al., 2016; van Dülmen et al., 2022). 그러나 장애인 이동성과 관련하여, 교통시설의 접근성과 같은 물리적 요인과 개인의 사회·인구학적 특성과 같은 비물리적 요인의 상호작용이 활동 패턴에 미치는 영향에 대한 연구는 여전히 제한적이다. 따라서 휠체어 이용 장애인의 이동 패턴을 포괄적으로 이해하기 위해서는 물리적 환경 요소와 사회적 특성을 포함한 비물리적 요인에 대한 탐색이 함께 이루어져야 한다.
2. 연구의 목적
본 연구에서는 휠체어 이용 장애인의 휴대폰 GPS 데이터와 이동권 설문조사를 활용하여, 휠체어 이용 장애인의 사회인구학적 요인과 이동성을 포함하는 활동패턴을 분석하고자 하였다. 첫째, 밀도 기반 클러스터링을 통해 체류 및 이동 지점을 식별하여 트립체인을 구축하고 통행별 거리 및 시간, 이동 빈도를 정량화함으로써 휠체어 이용 장애인의 통행 특성을 파악하고자 한다. 둘째, 휠체어 이용 장애인이 외출 시 다양한 방문시설과 활동패턴이 보장되는지 살펴보고자 한다. 나아가 휠체어 이용 장애인의 목적통행 이동특성을 비장애인과 비교하고자 한다. 이를 통해 장애인의 이동 제약을 반영한 활동 및 이동 특성을 도출하여 장애인 이동권 보장 및 편의 증진을 도모하고 장애인 관련 시설 계획을 위한 정책적 시사점을 제공하고자 한다.
선행연구 고찰
1. 이동성에 따른 사회적 배제
인간이 하루 제한된 시간동안 어떠한 행동에 얼마의 시간을 할애하는 가는 그들의 삶의 질, 사회적 참여, 나아가 라이프스타일을 측정하는 방식의 하나이다(Statistics Korea, 2009). 이동성은 개인의 생활양식을 나타내는 하나의 지표가 되며, 일상의 반복적인 패턴을 통해 다양한 지점의 시공간적 특성 및 영향을 파악할 수 있다(Yeom et al., 2012; Lee, 2019). 모든 개인은 고유한 이동 루틴을 지니고 있으므로, 이동의 제약 조건을 고려하는 것은 개인별로 상이한 이동 특성을 이해하는 데 핵심적인 요소가 될 수 있다. 특히, 교통약자의 경우 사회 및 여가활동에 참여할 수 있는 각기 다른 접근성과 그에 따른 생활패턴을 분석하는 것이 교통약자의 삶의 질을 이해하는 데 필수적인 과정이 된다.
이동성과 사회적 배제 간의 관계는 다수의 연구에서 실증적으로 분석되었다. 시설 접근성 수준이 높을수록 통행 빈도와 다양성이 증가하며, 이는 쇼핑, 공공 및 의료 서비스와 같은 특정 활동에 대한 접근성 및 참여를 촉진하여 지역 커뮤니티와의 연결성을 강화하는 데 영향을 미칠 수 있다(Krizek, 2003; Hwang et al., 2024). 반면, 이동 빈도가 증가할수록 사회적 배제의 위험이 감소하고 삶의 질 향상에 긍정적으로 기여하며, 사회적 참여 수준이 낮을수록 이동횟수가 갖는 가치와 중요성은 더욱 증가하는 것으로 나타났다(Stanley et al., 2019). Kwon(2023)의 연구에서는 직장에서 귀가하는 경로에 포함된 여가활동을 별도의 통행으로 분석하여 이동성과 사회적 참여의 관계를 설명하였으며, 정차 기반 트립체인(stop-based trip chaining) 개념을 활용하여 통행 다양성(travel diversity)을 정량화하고 복잡한 이동패턴이 사회적 배제 완화에 기여할 수 있음을 입증하였다. 즉, 방문장소와 생활패턴의 다양성은 사회적 배제의 수준과 밀접하게 관련되어 있으며, 이동이 불편한 장애인은 제한된 활동 범위와 반복적인 패턴으로 인해 사회적 참여에도 제약이 따를 수 있음을 보여준다.
2. 장애인과 비장애인의 이동권 격차
장애인의 이동성에 관한 논의는 장애인이 겪는 이동의 제약, 이동 범위 및 환경 등 비장애인과의 비교 연구가 다수 진행되었다. 휠체어 이용 장애인의 경우, 버스 이용 시 장애인에 대한 부정적인 시선과 신체에 전해지는 충격과 같은 장벽을 경험한다고 밝혀졌으며(Velho et al., 2016), 이를 해결하기 위해 도입된 장애인 특별교통수단(장애인콜택시)은 1km당 요금이 일반택시 요금의 약 10% 수준으로 매우 저렴하지만 높은 대기시간으로 인한 실효성이 낮다는 비판이 지속되고 있다. Lee and Lee(2023)는 장애인 콜택시의 대기시간에 영향을 미치는 요인을 분석하여, 통행 목적에 따라 장애인이 겪는 교통수단 이용에서의 형평성과 공간적 불평등에 대한 문제를 제기하였다. 더 나아가 익숙하지 않은 이동환경에 대한 우려와 스트레스는 장애인의 이동경로를 기존에 인지된 공간의 범위로 한정 짓는 요인으로 작용하며(Verghese et al., 2012), 이는 교통약자법 제3조에서 명시된 이동권의 보장과 달리 장애인이 제한된 교통수단과 공간에 의존하게 될 위험성을 시사한다. 따라서 장애인의 최소한의 이동권 보장을 넘어 비장애인과 동등한 수준의 이동수단 선택과 활동 공간 확보를 지원해야 하며, 활동 범위의 확대는 사회적 참여를 촉진하는 데 핵심적인 역할을 할 수 있음을 의미한다.
장애인과 비장애인의 이동격차는 이동 속도, 소요 시간 등 시간적 차원에서도 꾸준히 논의되었다. 비장애인의 일반적인 평균 이동속도가 성인의 경우 1.3 m/s인 반면, 전동휠체어를 사용하는 뇌성마비 장애인의 평균 속도는 0.86m/s로, 이는 비장애인의 약 65% 수준에 불과하다(Kim et al., 2016). 이러한 결과는 장애인의 이동속도가 비장애인과 상당한 차이를 보이며, 이동하는 데 있어 시간적 측면에서도 불평등이 존재함을 입증하는 근거가 된다. 한편, 이동목적에 따른 활동 시간대 분석에서 비장애인의 경우 유급노동시간을 위한 이동 시간이 가장 큰 비중을 차지하는 반면, 장애인은 여가 관련 이동 시간이 가장 많은 비중을 차지하는 것으로 나타났다(Lee, 2019). 또한 특정 시간대에 장애인의 활동이 집중되는 경향을 다룬 선행연구들은 24시간의 활동 데이터를 기반으로, 여가와 근무 시간 등의 일상생활 전반을 아우르는 것에 중점을 두었다(Kim, 2005; Krupa et al., 2003). 이는 같은 장소를 이동하더라도 장애인이 갖는 이동 제약으로 불평등한 이동 패턴과 사회적 배제의 가능성으로 이어질 수 있음을 나타낸다.
3. GPS 데이터를 활용한 이동패턴 연구
위치 수집 기술의 발전으로 이동 궤적 데이터를 활용하여 공간적인 이동성을 분석한 연구가 활발히 이루어지고 있다. 구체적으로, Triangular Irregural Network(TIN), Convex Hull 알고리즘 등을 이용하여 이동거리와 활동 범위를 분석하는 연구가 다수 수행되었다(Lee and Kim, 2019; Shi et al., 2023). 특히, 궤적 패턴 마이닝 연구에서는 시계열 데이터를 기반으로 주기적 이동패턴을 분석하는 접근법이 광범위하게 적용되고 있다. 예를 들어, 사람들은 주기적으로 쇼핑을 하거나 동물들은 계절 변화에 따라 매년 특정 장소로 이동하는 등 다양한 이동 객체는 고유한 활동 패턴을 가진다(Zheng, 2015). 이와 같이 일정 수의 이동 객체가 비슷한 시간 간격으로 동일한 장소를 방문하는 경우, 빈도와 체류 시간을 분석하여 특정 집단의 이동패턴을 분석할 수 있다(Ye et al., 2009). 이러한 패턴을 찾는 것은 목적지를 예측하거나(Monreale et al., 2009), 방문 장소 및 여행 추천(Zheng and Xie, 2011) 등 다양한 응용 분야에 기초가 되는 분석이다.
한편, 이동 궤적을 체류 지점과 이동 지점으로 구분하여 통행 의미에 따른 특성을 도출하는 연구 또한 진행되었다. Yuan et al.(2011)은 활동 지점에 따른 궤적을 분할하기 위해 이동 속도를 기반으로 택시 승객을 기다리며 주차된 체류지점을 추출하였으며, 반대로 Zhu et al.(2012)에서는 택시의 주차 가능한 장소를 찾기 위해 Stay Point-based Detection Method를 사용하여 택시 궤적에 따라 ‘occupied’, ‘non-occupied’, ‘parked’의 세 가지 상태로 궤적의 활동을 분류하였다. 또한 교통수단 유형별로 GPS 궤적을 분할하는 연구에서도 다양한 기법이 적용되었는데, 특히 딥러닝 기반 Transportation Mode Detection(TMD)의 경우 널리 사용되는 다층퍼셉트론(Multilayer perceptron), Convolutional neural network(CNN) 및 Long short-term memory(LSTM) 등의 모델이 빈번하게 쓰이고 있다(Jiang et al., 2020; Li et al., 2020; Wang et al., 2020). 이와 함께 여러 TMD 모델을 결합한 앙상블 기법을 활용하여 GPS 궤적을 걷기, 자전거, 자동차, 지하철 등의 이동 방식으로 궤적의 특성을 도출하는 연구가 수행되었다(Yazdizadeh et al., 2019).
4. 연구의 차별성
본 연구에서는 휠체어 이용자의 체류 및 통행 행태를 분석하기 위해 설문자료와 GPS 궤적 데이터를 활용하였다. 장애인 이동성과 공간적 이동패턴에 대한 선행연구를 고찰하였으며, 기존 연구들에 대한 본 연구의 차별성은 다음과 같다. 첫째, 통행 및 목적 구분이 되지 않은 휠체어 이용 장애인의 GPS 궤적 데이터를 밀도 기반 클러스터링 기법을 적용하여 체류 및 이동지점을 식별하고, 이를 통해 장애인의 트립체인을 구축하였다. 기존 연구들은 휠체어 이용 장애인의 단순한 이동 경로만을 추적하는 데에 그친 반면, 본 연구에서는 휠체어 이용자가 방문한 체류 지점 간 이동 과정에서의 시공간적 정보를 분석하여 이동거리 및 시간을 실증적으로 도출하고, 목적지에 도착한 체류 지점(Stay point)를 추출하여 통행 패턴을 세분화하였다. 이를 통해 휠체어 이용 장애인의 방문시설 유형과 통행 목적에 따른 이동 패턴을 분석하였으며, 휠체어 이용 장애인의 이동성 연구에 있어 새로운 접근방식을 제시하였다는 것에 차별성을 두고자 하였다.
둘째, 기존 연구와 달리 휠체어 이용 장애인을 중심으로 체류 및 이동 시간 및 거리에 따른 트립체인을 구축하고 실증분석하였다. 기존 연구의 경우 이동패턴 및 트립체인 분석은 주로 비장애인을 중점으로 진행되었으며, 장애인에 대한 구체적인 분석과 정책적 시사점을 도출한 연구가 미비하다는 한계가 있다. 휠체어 이용 장애인은 비장애인에 비해 이동 속도가 느리고 제한된 활동 범위를 갖는 교통약자이기 때문에, 이들의 제약조건을 고려한 휠체어 사용자의 활동 패턴 및 통행 특성을 도출하는 것이 필수적이다. 따라서 휠체어 이용자의 제한된 이동성을 정량적으로 분석하고 체류유형별 활동 시간, 통행 거리, 방문 빈도 등을 고려하여 비장애인과 휠체어 이용 장애인의 이동권을 비교 분석하였다는 점에서 차별성을 갖는다.
셋째, 사회적 약자인 휠체어 이용 장애인의 이동권 설문조사와 GPS 위치추적 데이터를 활용하여 실제 이동 경험에 근거한 휠체어 이용 장애인의 시공간적 활동 패턴과 이동 특성을 도출하였다. 기존 연구에서는 장애인의 이동양상을 장애인의 이동환경과 사회인구학적 특성의 관계를 중심으로 분석하거나, 주로 자기평가에 기반한 ‘외출, 교통수단’과 같은 설문 응답을 통해 설명되는 방식이 일반적이었다(Park and Jeong, 2022; Lee and Kim, 2019). 그러나 이러한 접근은 장애인의 공간적인 이동성을 실증적으로 분석하지 않았으며, 응답자의 기억에 의존했을 우려가 있어 데이터의 신뢰성이 낮아질 수 있다는 한계를 가진다. 이에 따라, 보다 정량적이고 객관적인 장애인의 이동성 분석을 위해 위치기반 데이터를 활용하여 공간적 차원을 중심으로 이동성을 측정할 필요성이 제기된다. 따라서 본 연구는 휠체어 이용자의 궤적 데이터와 이동권 설문조사를 활용하여 시공간적 활동 패턴과 이동 특성을 도출하였으며, 설문조사와 위치기반 데이터를 활용하는 연구의 유용성을 입증하였다는 점에서 차별성이 있다.
방법론
본 연구의 흐름은 4단계로 진행된다. 첫째, 휠체어 이용 장애인의 이동성 설문조사와 이동경로 데이터에 대한 기초통계분석을 진행한다. 다음으로 타임스탬프가 포함된 휠체어 이용 장애인의 이동경로 데이터를 시공간적 궤적으로 추출하고, 밀도기반 클러스터링을 통해 위치점에서 체류지점 및 이동지점을 감지하여 분할하는 Trajectory segmentation을 진행한다. 셋째, 앞서 클러스터로 도출된 체류 지점에서의 주기와 빈도를 기반으로 하는 참여자의 체류 목적을 정의하고 자주 발생하는 통행 유형을 분류(Trajectory Classification)한다. 마지막으로, 궤적 패턴 마이닝을 통해 휠체어 이용 장애인의 전체 이동경로를 트립 체인으로 구축하고 체류 및 통행 유형별 시간, 거리, 주변환경 등 활동 특성을 분석한다. 전체 데이터 분석의 프레임워크는 Figure 1과 같다.
1. 분석 자료
1) 휠체어 이용 장애인의 이동권 연구 설문조사
본 연구는 휠체어 이용 장애인의 활동 범위와 이동환경에 대한 특성을 파악하기 위해 휠체어 사용자의 이동권 설문조사 자료를 바탕으로 분석 데이터를 구축하였다. 이는 휠체어 이용 장애인의 이동권 설문자료와 GPS 위치 데이터로 구성되며, 소속 대학의 기관심사위원회의 승인을 받아 진행되었다(Heo et al., 2024; Lee et al., 2022). 휠체어 사용자의 이동권 설문조사 데이터는 편의표집 방법을 통하여 27명의 장애인(뇌병변장애, 지체장애)을 대상으로 진행되었다. 표집 대상은 서울특별시 성동구 및 성북구 거주자로, 소속 대학과 사전 협력된 휠체어 복지관 소속 거주자로 한정하였다. 설문 참여자들은 사회인구학적 특성, 이동 특성, 사회적 참여 경험, 삶의 만족도 등에 관련된 문항을 포함한 자기기입식 설문지를 작성하였다. 설문은 총 28문항으로 참여자의 집 또는 복지관에서 설문이 진행되었다. 설문 문항에 대한 요약은 Table 1과 같다. 본 연구의 경우, 응답 결측치가 없는 27명의 설문조사 결과를 분석에 활용하였으며, 자주 외출을 하는 휠체어 이용 장애인을 대상으로 실험을 진행하였음을 확인할 수 있다.
Table 1.
Survey items on mobility and related characteristics of wheelchair users
2) GPS 경로 데이터
이동권 설문조사 참여자 중 GPS 데이터 제공에 동의한 사람들을 대상으로 휠체어 이동 경로를 수집하여 활용하였다. 성동구·성북구 휠체어 복지기관 내에 소속되어 있고 복지기관의 사회복지사와 협력하여 75세 미만인 휠체어 이용 장애인이 선정되었으며, 수입을 목적으로 근무를 하는 참가자도 일부 포함되었다. 위치 데이터는 'Traccar'라는 오픈소스 모바일 위치 추적 애플리케이션을 통해 수집된다. 수집 기간은 2019년 10월부터 12월 내에서 참여자별 1-2주 내외로 수집되었다. 수집 데이터는 Table 2와 같이 참여자의 휴대전화 고유값, 시간 및 위경도 좌표를 포함하며 이동지점과 체류지점의 구분과 이동수단 정보는 포함되어 있지 않다. 위경도 좌표는 이동하는 경로에 따라 1-2분 단위로 기록되며, 본 연구에서는 참여자의 휴대전화 고유값과 날짜에 기반하여 경로를 집계하였다. 최종적으로는 서울시 내에서 출도착한 통행과 7일 이상 하루에 최소 8시간 이상의 기록 데이터가 포함된 경우만 선별하여 활용하였다. 이를 통해 총 27명의 참가자로부터 수집된 93,894개의 포인트 데이터와 258개의 GPS 경로 데이터가 분석에 활용되었다.
Table 2.
Location data sampling
| ID | Device ID | Timestamp | Latitude | Longitude |
| 19544 | 51 | 2019-10-24 01:00:00 | 37.570283 | 127.033528 |
| 19549 | 51 | 2019-10-24 01:01:01 | 37.570283 | 127.033528 |
| 19557 | 51 | 2019-10-24 01:03:02 | 37.570287 | 127.033517 |
2. 분석 방법
1) Ordering Points to Identify the Clustering Structure 알고리즘
본 연구에서 휠체어 이용 장애인의 이동패턴을 도출하기 위해 GPS 기반의 궤적 데이터를 활용하였으며, 위경도 좌표가 1-2분 간격의 Timestamp 형태로 기록된 포인트 데이터로 구성되어 있다. 이와 같은 GPS 궤적 데이터에서 실제 사용자의 체류시간은 궤적 데이터의 밀도에 영향을 미치므로 임계값을 설정하여 밀도가 높은 지점(체류 지점)과 밀도가 낮은 지점(이동 지점)으로 구분할 수 있다(Wang et al., 2022; Gong et al., 2018). 본 연구에서는 위치 데이터 수집이 진행된 14일 동안 모든 위치 기록이 포함된 데이터 세트를 군집화하여 위치점을 분류하기 위해 Ordering Points to Identify the Clustering Structure(OPTICS) 알고리즘을 사용하였다. 이는 밀도 기반 클러스터링 알고리즘 중에서도 단일 거리 임계값을 기준으로 군집을 형성함으로써 다양한 밀도의 데이터에서 의미 있는 클러스터를 감지하지 못하는 Density-Based Spatial Clustering of Applications with Noise(DBSCAN)의 문제를 해결할 수 있으며, 밀도에 따른 계층적 구조를 고려하여 궤적 데이터를 클러스터링하는 데 널리 사용된다(Deng et al., 2015). 본 연구에서는 사전에 클러스터 수를 지정해야 하는 K-means 알고리즘과 달리 최대 탐색 반경인 Epsilon (eps)와 최소 포인트 개수인 Minimum Points(MinPts) 파라미터를 설정하여 GPS 데이터 포인트의 밀도에 따라 자동으로 클러스터를 결정하는 알고리즘을 활용하였다(Ankerst et al., 1999). 이를 활용할 경우 특정 군집 형성에 주로 기여하는 Core Point와 군집에 속하나 기여도가 적은 Border Point, 어느 군집에도 속하지 않는 Noise Point의 도출이 가능하다. 본 연구에서는 특정 지점에 일정 시간 이상 체류하여 군집이 형성된 곳을 체류지점인 Stay point로, 형성된 군집에 포함되지 않은 Noise point를 이동경로 상의 지점으로 가정하여 분석에 활용하였다(Angkhawey et al., 2018; Hwang et al., 2017).
군집화 성능의 평가지표로는, 실루엣 지수(Silhouette Score)와 데이비스-볼딘 지수(Davies-Bouldin Index, DBI)를 결합한 Comprehensive Clustering Performance Metrics(CCPM)를 사용하였다(Wang et al., 2021; Bai et al., 2023). 실루엣 지수는 군집 내 데이터()의 응집력()과 군집 간 분리 정도()를 평가하는 지수로, -1에서 1 사이의 값을 지닌다. 응집력은 각 데이터로부터 군집 중심까지의 평균거리, 분리 정도는 서로 다른 군집의 중심점 간 평균거리로 계산되며, 지수 값이 높을수록 군집 결과에 대한 신뢰도가 높아져 0.5 이상이면 신뢰할 수 있는 군집으로 간주된다. 다음으로, DBI는 군집 간의 평균 유사성을 통해 군집화 성능을 평가하며, 최솟값인 0에 가까울수록 높은 성능을 나타낸다. 이는 전체 개의 군집 중, 군집 와 에 대해, 두 군집의 응집력(, ) 차를 두 군집 중심 간 거리의 차()로 나눈 것이다. CCPM은 실루엣 지수와 DBI의 역수를 합한 지표로, 값이 클수록 군집화의 높은 성능을 나타낸다. 즉, 가장 높은 CCPM을 도출하는 eps와 minPts의 조합을 사용할 경우, 알고리즘에 대한 최적의 성능을 확보할 수 있다(Wang et al., 2021). 실루엣 지수, DBI, CCPM에 대한 식은 Eqaution 1, Eqaution 2, Eqaution 3과 같다.
2) 체류목적 및 활동패턴 분석
군집화를 통해 형성된 Stay point 지점에 대하여, 해당 체류 지점에서 소비한 시간과 휠체어 사용자가 방문하는 빈도를 지표로 활용하여 유의미한 체류지점을 도출하였다(Siła-Nowicka, 2016). 더 나아가 체류지점의 시간대, 체류지점의 밀도 및 위치 등 체류 지점이 갖는 의미에 따라 패턴을 도출하여 거주지 및 근무지를 구분할 수 있다(Tong et al., 2022). 이를 위해 KT 생활이동 인구자료에서 거주지 추정 방식을 활용하여 체류목적을 정의하고, 체류지점 내 점들의 생성 시간이 야간시간대와 이튿날 오전 8시 이전의 사이면 야간 상주지(H), 주간 시간대 밀집될 경우 주간 상주지(W), 그 외에 체류지점은 기타 장소(E)로 세분화하였다(Seoul Metropolitan City Smart City Policy Director, 2021; Kim and Lee, 2025). 특히, 야간 상주지를 주거지 후보로 설정한 후, 토지이용 유형을 고려하여 거주지를 판별하였으며, 주간 상주지는 데이터포인트가 가장 밀집된 클러스터를 기준으로, 직장으로 식별할 수 있다(Tong et al., 2022).
휠체어 이용 장애인의 제한된 이동성으로 인한 방문 빈도를 고려하기 위해 선행연구를 참고하여(Joubert and Axhausen, 2011), 기타 장소(E)의 경우 서로 다른 시간대에 도출된 체류 지점의 중심점 간 거리가 100m 이하면 동일한 장소로 설정하고, 방문 빈도를 기준으로 두 번 이상 방문한 경우를 정기적 체류지점(repetitive ETC, rETC), 한 번 방문한 경우를 비정기적 체류지점(unfamiliar ETC, uETC)으로 구분하였다. 이는 특정 위치에서의 반복적 체류가 의도적 활동임을 나타내며, 이동 경로에서의 반복적인 방문이 정기적·비정기적 활동을 구분하는 지표가 될 수 있음을 시사한다. 또한, 각 체류 유형에 소요되는 시간의 패턴을 파악하기 위해 트립 체인 내 주요 활동을 식별하고(Ye et al., 2007; Yang et al., 2019), 클러스터 유형별 활동 시간 비율(Activity Time Allocation)을 계산하였다(Scheiner and Holz-Rau, 2017). 활동 시간 비율이 높은 클러스터는 휠체어 사용자가 해당 공간에서 머무르는 시간이 길다는 것을 의미하며, 범위가 넓을수록 휠체어 사용자별 체류 시간이 다소 차이가 있다는 것을 나타낸다. 본 연구에서는 참가자가 하루 동안 수행한 모든 활동에 대하여 총 소요 시간과 활동 유형별 시간 비율로 정량화하였다. 이처럼 각 유형별 활동시간 비율을 측정하여 휠체어 사용자의 일상 활동 분포를 파악하고 제한된 이동패턴을 이해하는 데 중요한 지표로 활용할 수 있다.
3) Open Street Routing Machine
본 연구에서는 휠체어 이용자가 통행 시 발생한 실제 이동 거리를 비장애인의 이동거리와 비교하기 위해 네트워크 기반 경로탐색 분석을 진행할 수 있는 Open Street Routing Machine(OSRM)를 활용하였다. OpenStreetMap을 기반으로 하는 OSRM은 최단경로 찾기를 제공하는 오픈 소스로, 차량·자전거·도보 등 다양한 이동수단에 대한 라우팅 옵션 등을 제공한다. 이를 통해 비장애인의 이동 데이터를 수집하지 않아도 출발지 및 도착점을 입력하였을 때, 다양한 수단을 이용한 최단경로의 이동 거리를 추출하는 것이 가능하다. 본 연구에서는 OSRM을 활용하여 휠체어를 이용한 통행의 출도착지를 동일하게 설정함으로써 비장애인이 이동하였을 때 소요되는 이동거리를 구득하였다. 휠체어 사용자는 바퀴를 이용하는 이동수단 특성상 계단을 통과하기 어렵고, 경사가 심한 경로를 피하는 경향이 있으며(Kim et al., 2010), 이는 자전거 이용자의 경로 선택 패턴과 유사한 경향을 보인다(Lee and Ryu, 2020). 따라서, 휠체어 이동 경로 분석 시 자전거 경로 데이터를 참고하여 목적지까지 이동 거리를 산출하였으며, 출도착지 간의 최단 거리는 Haversine Formula를 적용하여 계산하였다.
분석 결과
1. 휠체어 이용 장애인 이동성 기초통계분석
1) 이동성 관련 설문 기초분석
휠체어 이용 장애인의 이동권 관련 설문 항목에서 이동특성에 대한 기술분석(descriptive analysis)을 진행한 결과는 Table 3과 같다.
Table 3.
Travel characteristics of survey participants (n=27)
주 평균 외출 횟수는 6-7회가 15%, 4-5회가 52%, 1-3회가 33%였으며, 외출 편의 및 교통수단 이용 시 이동 자립도는 다소 불편하거나 부분 자립 정도가 대다수인 것으로 나타났다. 이는 2023년에 실시된 장애인실태조사에서 전국 등록 장애인 265만 명 중 전체 장애인의 12.1%는 월 3회 이하의 외출을 한다고 응답한 설문조사(KIHASA, 2023)와 비교했을 때, 본 연구의 실험 참가자가 이동 시 절대적으로 도움이 필요한 편이 아니라 이동에 불편함을 느끼긴 하지만 외출을 즐기는 경향이 있는 사람을 대상으로 실험이 진행되었음을 확인할 수 있다. 외출 시 주된 활동 장소로는 복지시설이 29%로 가장 높은 비율을 차지하였고, 그 외에도 기타시설(22%), 상업시설(18%), 종교시설(11%), 스포츠관련 시설(3.7%), 문화시설(3.7%) 순으로 방문 빈도가 높은 반면, 가장 방문하고 싶은 시설로는 체육시설과 문화시설이 전체의 55%를 차지하였다. 이는 휠체어 이용 장애인이 주로 복지시설과 기타시설을 주로 방문하지만, 편의시설이 확충된다면 체육시설 및 문화시설 이용을 희망한다는 것을 시사한다. 또한 응답자의 약 88%가 외출 시 매우 불편하거나 다소 불편함을 느낀다고 응답하였으며, 교통수단 이용 시에 부분 도움 또는 완전한 도움이 필요하다고 응답한 비율이 약 89%로 확인되었다. 외출 시 가장 많이 이용하는 교통수단의 경우 지하철이 33%로 가장 높았으며, 이동수단 이용에 있어 용이한 접근성이 주요한 이유로 나타났다. 버스를 주된 교통수단으로 이용하지 않는 이유에 대해서는 장애인을 위한 편의시설 부재로 승하차가 어려워 버스를 거의 이용하지 않는다고 응답한 참여자가 다수였다.
2) GPS 이동경로 데이터 기초분석
본 연구에서는 앞서 수집된 위치 데이터 샘플의 장치 고유값에 따라 참가자 정보를 구분하였으며, 날짜에 따라 경로를 집계하여 분석에 활용하였다. GPS 신호를 가공한 258개의 통행의 위치 데이터의 분포는 Figure 2와 같다. 이후 통행 경로를 바탕으로 날짜별로 노드를 추출하여, 노드 간 평균 거리 및 시간과 방문시설 수 등을 산출하였다. 앞선 클러스터링 과정을 거쳐 Stay point와 Noise point를 구분한 후, STATA 17.0을 사용하여 전체 통행량의 이동 패턴에 대한 기술통계분석을 진행하였다. 이에 대한 분석결과는 Table 4와 같다.
Table 4.
Analysis results of daily average traffic volume and movement patterns
참가자 27명의 총 통행 수는 총 258건이었으며, 일일 출발지와 도착지 간 거리 및 시간, 포인트 간 이동속도를 바탕으로 평균 이동 특성을 파악하였다. 앞서 휠체어 이용자의 이동이 이루어진 경로 추정을 통해 산출된 통행 데이터의 평균 이동 시간은 479분, 이동속도는 23km/h로 도출되었다. 이는 각 통행별로 이동수단 구분 없이 휠체어, 지하철 등 다양한 교통수단이 혼합되어 이용된 경우를 포함한 결과로, 단일 교통수단이 아닌 복합적인 이동수단 이용이 반영된 수치로 해석할 수 있다. 통행 시 일 평균 이동거리는 19.5km로 나타났으며, 최솟값인 0.56km에서 최댓값인 36.5km까지 다양한 패턴을 보였다.
2. GPS 궤적 데이터의 체류지점 및 이동지점 구분
본 연구는 OPTICS 군집화 알고리즘을 활용하여 휠체어 이용 장애인의 체류지점(Stay point)과 지점 간 이동경로를 나타내는 이동지점(Noise point)으로 구분하였다. GPS 데이터의 군집화된 결과 예시는 Figure 3과 같으며, 각 일자별로 도출된 체류지점 간 이동을 하나의 목적통행 단위로 정의하여 평균 이동거리 및 시간 등의 통행 특성을 분석하였다. 뇌성마비 장애인의 전동휠체어 평균 이동속도는 0.86m/s로 비장애인의 이동속도인 1.3m/s에 비해 느리고(Kim et al., 2016), GPS 위치 포인트가 1-2분 간격으로 기록됨에 따라 휠체어 이용 장애인이 체류했을 때의 기준을 30분으로 설정함으로써 화장실, 편의점 등의 비목적통행지는 제외하고자 하였다. 이후 minPts 파라미터 초기 설정값을 30분으로 설정하였고, OPTICS 알고리즘을 통해 최적의 탐색 반경(Eps)이 자동으로 도출되었다.
Figure 4는 군집화 성능 평가 결과로, 민감도 분석을 통해 최적의 파라미터 값을 도출하였다. Silhouette Score (Orange)는 Eps 값이 증가함에 따라 실루엣 점수는 점차 증가하다가 일정 값에서 평형 상태에 도달하며, Davies- Bouldin Index(Blue)은 Eps 값이 160인 구간에서 최솟값을 기록하여 군집 간 분리도와 응집도가 우수함을 나타낸다. 두 지표가 통합된 CCPM Score(Green)은 동일한 구간에서 가장 높은 성능을 보여, 최종적으로 eps 및 MinPts의 값은 160(m)과 30(개)로 확인되었다. 따라서 본 연구에서는 임의로 선정한 하나의 포인트에서 최대 반경이 160m 이내로부터 최소 포인트 수 30개 이상을 충족하면 클러스터가 생성되는 것으로 이해할 수 있다. 기존 연구인 비장애인의 체류지점을 도출한 연구(Xiang et al., 2016)에서 eps와 minPts 값이 각각 50m, 125초인 것과 비교하였을 때, 본 연구의 설정값이 상대적으로 넓은 반경을 갖는다는 점에서 차이가 있다. 이는 휠체어 이용 장애인의 이동 특성이 반영된 결과로, 휠체어 이용자는 이동 시 더 넓은 공간을 필요로 하며, 체류하는 지점의 반경이 더욱 넓고 클러스터 형성 지속시간이 더욱 길다는 것을 의미한다. 또한 비장애인이 이동이 더욱 자유롭기에 본 연구의 결과의 파라미터 값이 작게 도출되었을 가능성과 GPS 데이터가 수집되는 시간 차의 영향이 존재하여 이와 같은 결과가 도출된 것으로 해석된다.
본 연구에서는 27개 기기에서 수집된 66일 간의 GPS 궤적 데이터에 대한 군집화를 수행하였다. Figure 5는 OPTICS 알고리즘을 적용한 이동경로의 시각화 예시이다. 각 군집에 부여된 번호는 시간에 따른 순서를 의미하며, ‘Cluster–1’로 도출된 점들은 이동경로(Noise point)를 나타낸다. 아래 예시 참여자의 경우 총 다섯 개의 체류지점이 도출되었으며, 클러스터 2에서 클러스터 3 사이의 이동지점이 생성되는 거리가 멀다가 가까워지는 것은 빠른 속도로 이동하다가 느린 속도로 이동하여 이동수단을 다양하게 이용했다는 것을 확인할 수 있다. Figure 6에서는 같은 예시의 데이터를 체류지점(원)과 이동지점(선)으로 구분하여 시각화하였으며, 각 클러스터의 체류 시간과 중심점 좌표를 도출할 수 있다. 예를 들어, Figure 6에서는 이동을 마친 후 마지막 클러스터에서 489분 동안 체류한 것으로 나타났다.
체류 지점으로 추출된 클러스터는 Convex hull 알고리즘을 활용하여 생성된 폴리곤과 토지이용 유형을 공간적으로 결합하여 체류지점의 범위를 정량화하였다. 이러한 분석 과정을 시각화한 것은 Figure 7과 같으며, 클러스터 근처에 성동장애인종합복지관이 위치한 POI를 통해 휠체어 이용 장애인이 이러한 장소에서 체류했을 가능성을 확인할 수 있다. 이후, 앞서 도출된 클러스터 간 이동 특성을 정리한 결과는 Table 5와 같으며, 클러스터에서 마지막에 생성된 노드와 다음 클러스터의 첫 번째 노드 간 시공간적 정보를 통해 이동 거리 및 시간을 측정하고 이동속도를 산출하였다.
Table 5.
Analysis of movement patterns between visited facilities
휠체어 이용 장애인의 통행별 출발지(군집)에서 목적지(군집)까지 군집 간 이동 거리는 약 3.6km, 이동 시간은 약 45분, 평균 이동속도는 3.4km/h인 것으로 나타났다. 최종적으로 307개의 통행이 도출되었고 앞서 Table 4에서의 통행 수와 비교하였을 때, 통행 간 이동거리, 시간이 짧고 이동속도가 느리며 일일 전체 이동경로 단위의 통행 수였던 258개보다 클러스터 사이 통행 단위로 세분화되어 통행 수가 늘어난 것을 확인할 수 있다. 한편, SafeGraph 데이터를 활용하여 비장애인이 방문한 POI에 대한 통행량을 다룬 연구(Wang and Zha, 2024; Juhász and Hochmair, 2020)에서는 연간 POI 방문 빈도가 322.9회, 방문 시 평균 이동 거리가 8.56km로 나타났다. 본 연구에서 도출된 휠체어 이용 장애인의 일평균 이동거리가 5.06km(rETC, 1.8km; uETC, 4.0km; 업무지, 9.2km)인 결과와 비교했을 때, 장애인과 비장애인의 유의미한 차이가 존재함을 확인할 수 있다. 또한, 트립체인 형태의 Travel diary를 활용한 연구(Schneider et al., 2021)에서 비장애인이 여러 목적지로 방문하는 데 이동한 횟수를 나타내는 도보 및 대중교통 통행횟수(trip frequency per day)가 4.6회인 결과와 비교하였을 때, 휠체어 이용 장애인의 일일 이동횟수가 적은 수치임을 보여준다. 이는 비장애인의 이동패턴과 차이가 있으며, 휠체어 이용 장애인이 갖는 이동 제약으로 일일 이동 횟수가 적고 방문하는 시설이 제한적일 수 있기에 휠체어 이용 장애인의 이동 패턴을 분석할 때 방문 시설 간 중복성을 고려하여 이동패턴을 도출할 필요가 있음을 시사한다. 나아가, 거주지에서 출발하여 여러 목적지를 거치는 다양한 목적통행을 포함한 트립체인 형태의 이동패턴을 분석하는 것은 휠체어 이용 장애인이 경험하는 이동 제약을 구체적으로 이해하고, 일상적인 이동 패턴을 파악하는 데 도움이 될 수 있다.
3. 휠체어 이용 장애인 생활패턴 마이닝
1) 체류유형별 활동패턴 분석
본 연구에서는 앞서 형성된 클러스터 내 중심점 간 거리와 방문 빈도를 고려하여 체류 목적을 구분하고, 이를 바탕으로 출도착지 유형 간 통행 목적을 산출함으로써 활동패턴을 도출하였다. 이러한 궤적 분류를 통해, 체류 지점을 활동 패턴에 따라 정의하고(Ye et al., 2009), 체류 목적에 따른 반복적인 통행의 특성을 도출할 수 있다(Yuan et al. 2014). 구체적으로, 체류지점 내 포인트들의 생성시간을 야간 상주지와 주간 상주지로 나누어 각각 업무지(W), 주거지(H), 그 외 클러스터가 형성된 곳을 기타 장소로 구분하였다. 또한, 도출된 체류지점의 중심점 간 거리가 100m 이하일 경우 동일한 체류 지점으로 간주하였으며, 휠체어 이용자별 정기적 체류지점과 비정기적 체류지점을 나누어 활동 유형을 분류하였다. 이를 통해 구축된 최종 트립체인의 예시는 Table 6과 같으며, 이를 기반으로 거주지 및 통행 목적지를 클러스터 수준으로 특정하여 각 체류 유형별 공간적 분포를 분석 대상지 내 매핑한 결과는 Figure 8에 나타내었다.
Table 6.
Example of trip chains based on trajectories
체류 목적을 분류한 결과, 총 295개의 클러스터가 도출되었으며 거주지 및 업무지는 27개, 두 번 이상 방문한 repetitive ETC(rETC)와 방문 횟수가 유일한 unfamiliar ETC(uETC) 유형의 경우 각각 129, 112개의 클러스터가 도출되었다. 한 번만 방문한 기타시설보다 반복적으로 방문한 시설의 비율이 더욱 높았으며, uETC 유형과 업무지(W) 유형의 경우 전반적으로 고르게 퍼져있지만 rETC 유형은 주로 주거지 근처에 다수 분포하는 경향을 보였다.
앞서 분류한 클러스터 유형으로 휠체어 이용자가 거주지 및 근무지 외 기타시설을 얼마나 자주 방문하는지 이해하기 위해 rETC 유형과 uETC 유형의 빈도를 분석하여 방문시설의 중복성과 다양성을 파악하였다. 반복적인 기타시설(rETC)과 새로운 기타시설(uETC)의 방문 빈도 비율을 시각화한 결과는 Figure 9와 같다. 먼저, 휠체어 사용자의 일일 활동 범위에서 반복적인 기타시설의 방문 패턴을 분석하기 위해 각 참가자의 rETC 유형별 방문 횟수에 따른 비율을 계산하였다. 분석 결과, rETC 유형별 반복 횟수가 2-3회 방문한 비율은 38.1%, 4-5회 방문한 비율은 23.4%, 6-7회 방문한 비율은 8.8%, 8-9회 방문한 비율은 19.3%, 10회 이상 방문한 비율은 10.7%인 것으로 나타났다. 이는 휠체어 사용자가 자주 방문하는 시설과 주거지 간의 이동 패턴이 고정되어 있으며, 4번 이상 방문한 비율이 60% 이상이라는 점은 휠체어 사용자가 정해진 몇몇 시설을 지속적으로 이용하고 거주지 및 근무지 외 반복적인 기타시설을 주로 이용하는 것으로 확인된다. 다음으로, 휠체어 이용자가 하루 중 방문한 ‘uETC’ 유형의 개수에 따른 비율을 계산하였을 때, 하루에 새로운 시설을 방문하지 않는 경우가 가장 많았고, 한 곳만 방문하는 경우가 31%, 두 곳 이상의 새로운 장소를 방문하는 비율은 전체 데이터의 약 19%를 차지하였다. 이는 대부분의 휠체어 이용 장애인이 음식점, 문화시설 등을 포함하여 새로운 곳을 한 군데만 가거나 아예 방문하지 않으며, 주로 이전에 방문했던 곳에서만 활동하고 있음을 나타낸다.
이러한 결과는 장애인의 이동환경에 대한 인식이 미지에 대한 불안과 스트레스에 영향을 받는다는 선행연구와 일치하는 내용으로, 휠체어 이용자는 주로 한정된 장소만 반복적으로 방문하여 새로운 환경에 대한 접근성이 제한될 수 있음을 보여준다. 거주지 및 업무시설 외 기타시설의 방문 패턴을 분석한 Figure 9과 Table 3을 비교하여 살펴보았을 때, 휠체어 사용자가 일주일에 평균 4회의 외출을 하지만 실질적으로 방문 시설의 절반 이상이 반복적인 장소이며 새로운 기타시설을 방문하는 비율이 현저히 낮은 것을 확인할 수 있다. 이는 휠체어 이용자가 방문하는 장소의 다양성이 떨어지고 새로운 장소에 대한 접근성이 제한되어 있다는 것을 나타내며, 반복적인 기타시설에 의존하는 경향이 강하다는 점에서 휠체어 이용자의 활동 범위가 한정적임을 보여준다. 또한 설문자료 특성인 Table 3에서 현재 삶에 대한 만족도와 외출에 대한 욕구, 외출하지 않는 이유 등에 대한 응답은 이러한 반복적인 이동패턴과 관련되어 있을 수 있기에, 휠체어 이용자의 비물리적 요소뿐만 아니라 실제 이동패턴을 반영할 수 있는 위치 데이터를 활용한 물리적 이동 특성에 대한 실증적 분석이 함께 이루어질 필요가 있음을 시사한다.
다음으로, 앞서 거주지 및 근무지, 기타시설로 구분된 클러스터 유형을 기준으로 전체 활동시간 중 각 클러스터에서 체류한 시간이 차지하는 비율을 산출하여 클러스터 유형별 활동 시간 분포를 분석하였다. 참가자의 활동 유형에 소요된 시간의 비율은 각 활동에 참여하는 정도를 나타내는 지표로 활용되며(Scheiner and Holz-Rau, 2017), 이는 이동패턴의 전반적인 특성을 이해하는 데 기여할 수 있다. 체류지점으로 분류된 클러스터를 휠체어 사용자의 주기성, 반복성을 기반으로 각 클러스터 유형이 차지하는 비율의 분포를 파악한 결과는 Figure 10에 제시하였다.
휠체어 사용자의 활동 패턴을 분석한 결과, ‘Home’유형의 중앙값은 약 0.65로 휠체어 사용자가 주거지에서 보내는 시간의 비율이 대체로 높게 나타났으며, 이는 많은 참가자가 하루의 상당 부분을 집에서 보내고 있어 휠체어 사용자에게 집이 중요한 생활의 중심지임을 의미한다. ‘Work'유형에서의 시간 비율은 상대적으로 낮게 나타났는데, 이는 업무지보다 집·기타 장소에서 보내는 시간이 많은 것으로 확인되며 25% 및 75% 사분위수의 분포를 고려했을 때 휠체어 사용자 간 ‘Work’ 유형에서 보내는 시간이 다소 차이가 존재하는 것으로 확인된다. ‘ETC’유형의 경우 ‘uETC’ 유형에서 비교적 활동 시간 비율의 범위가 좁고 활동 시간 비율이 낮은 것으로 나타났으며, 이는 휠체어 이용자의 대부분이 낯선 장소에서 짧은 시간 동안 머무르며 새로운 곳에서의 활동이 제한적이라는 것을 의미한다. 또한 ‘uETC’ 유형에 비해 반복적으로 방문하는 기타시설인 ‘rETC’ 유형에서 활동시간 비율이 집중되어 있고 범위가 넓은 것은 휠체어 사용자가 이동에 제약이 있어 특정한 장소를 자주 방문하고 오랜 시간을 머무르며, 활동 공간의 다양성이 제한될 가능성이 높다는 것을 시사한다.
2) 체류지점 맥락정보 생성 및 물리적 환경 특성 분석
휠체어 이용 장애인의 생활 패턴을 분석하기 위해 앞서 참여자별로 도출한 클러스터 중 가장 체류 시간이 길었던 체류 지점에 대하여 맥락정보를 부여하고, 해당 지점의 물리적 환경 특성을 파악한 결과는 Table 7에 제시하였다. 맥락정보 부여란 추출된 체류 지점이 어떠한 의미를 갖는 장소인지 생성하는 과정으로, 추출된 체류 지점 정보에 대해 경위도 좌표값을 기준으로 건물군 정보를 확인하여 체류지점의 맥락정보를 부여하는 것을 의미한다. 먼저, 각 피험자별 클러스터 중 가장 체류 시간이 길었던 위치 지점을 추출하였다. 이후, 각 체류지점의 경위도 좌표를 기준으로 건물통합정보 마스터 건물군 정보와 Point of Interest(POI) 데이터를 결합하여 체류지점의 맥락정보를 특정하였고, 토지이용 특성 등 다양한 정보를 속성변수로 추가하여 주변 물리적 환경의 특성을 확인하였다(Lee et al., 2023). 속성변수 구축 과정에서 휠체어 사용자가 가장 오랜 시간 동안 체류한 클러스터의 주변 인프라 및 환경 요소의 특성을 반영하여, 15분 도시(Moreno et al., 2021)의 프레임워크 내에서 접근성, 밀도, 다양성, 공간적 특성으로 나누어 구축하였다. 체류지점의 물리적 환경에 사용된 변수는 대중교통까지 거리, POI 및 교차로 개수, 건축물연면적, 토지이용 및 주거 및 비주거 간 혼합도, 경사도 등이 포함된다.
Table 7.
Built environment characteristics of stay points for wheelchair users
접근성 특성은 대중교통 및 사회복지시설 접근성을 중심으로 지하철역 장애인 승강기까지 거리, 장애인복지관까지 거리를 분석하였으며, 밀도 특성에는 체류 지점 주변의 토지이용 밀도 및 도로 밀도를 포함하였다. 다양성 특성은 병원 및 식당 개수, 주거·비주거·상업 비율 및 혼합도, RNR 지수로 구성되며, 물리적 환경 요소는 평균 경사도를 활용하였다. POI 정보는 카카오맵 API를 통해 수집하였고, 체류지점 중심으로부터 100m 이내에 위치한 지하철역 장애인 승강기, 장애인복지관, 병원, 상업시설, 기타시설 등을 포함하여 변수로 구축하였다. 휠체어 이용 장애인은 설문조사 Table 3에서 주로 복지관을 방문하며, 외출 시 주 이동수단으로 주로 지하철을 가장 많이 이용한다고 응답하였으므로, 복지관과 지하철역 장애인승강기까지 소요되는 거리를 접근성 변수로 포함하였다. 이는 각 클러스터의 중심점에서 가장 가까운 장애인 승강기, 장애인복지관까지의 거리로 측정되며, 거리가 가까울수록 휠체어 이용 장애인의 가장 오래 머무르는 곳에서 각 시설까지 접근성이 높다는 것을 의미한다. 복지관까지 거리는 네트워크 기반 최단 거리로 선정하였으며, 앞서 버스를 이용하지 않는다는 응답에 따라 체류 지점의 중심점으로부터 100m 버퍼 이내에 지하철역까지의 이동 거리로 계산하였다. 주거 및 상업시설 면적의 경우 건축물 대장 연면적 데이터를 통해 주택 면적과 아파트 면적, 상업시설 면적에 각 층수를 곱한 뒤 전체 면적으로 나눈 값으로 면적을 계산하였으며, 각 시설 비율은 아파트 면적과 주택 면적의 합을 전체 면적으로 나누어 계산하였다. 밀도 특성에서 도로 길이는 체류지점 100m 버퍼 내 도로 길이의 합으로 측정하였으며, 교차로 밀도는 교차로의 개수를 면적으로 나눈 값으로 계산하여 체류지점이 대규모 아파트 단지인 경우 내부 교차로가 없어 결측값이 존재할 수 있다.
주거, 상업, 비주거 시설의 토지이용 혼합도는 샤넌 엔트로피 지수(Eqaution 1)를 활용하여 구축하였으며, 는 용도의 비율을 나타내고, 은 혼합 사용 정도를 도출할 때 고려한 전체 용도 수를 나타낸다. 지수 값은 0과 1 사이의 값을 가지며, 0은 단일 용도를 나타내고 1은 모든 용도가 균형 있게 분포된 상태를 의미한다. 또한, 주거 및 비주거 간 혼합도는 Residential and Non-Residential(RNR) 지수를 사용하여 계산하였으며, 이는 특정한 구역 내에서 주거와 비주거(상점, 병원 등) 건축물의 균형을 나타내는 지표로 활용된다. 은 주거 시설 건물의 0에 가까울수록 주거용도 비중이 높고, 1에 가까울수록 비주거용도 비율이 높음을 나타낸다.
최종적으로 휠체어 이용 장애인의 각 체류지점의 시설 정보를 확인한 결과, 27명의 참가자 중 19명(70%)이 성북장애인자립생활센터, 성동구장애인체육회, 구립동대문장애인종합복지관, 노들장애인자립생활센터, 시립성동노인종합복지관 등 주로 장애인복지시설에서 시간을 소비하는 것으로 나타났다. 각 체류지점은 지하철 내 승강기와 복지시설까지 평균 500m 이내에 위치하고 있어, 복지시설 및 대중교통에 대한 접근성이 높은 것으로 확인되었다. 이는 휠체어 이용장애인이 주거지 외 복지시설에서 많은 시간을 보내며, 복지시설과 교통시설에 대한 접근성 정도가 중요한 요소로 작용한다는 것을 시사한다. 또한 대부분의 체류 지점이 높은 교차로 밀도와 충분한 도로 길이가 확보되어 있었고, 토지이용 혼합도 역시 일정 균형을 이루고 있어 주거 및 상업시설 등이 적절히 혼재된 환경이 휠체어 이용 장애인의 이동 편의성과 밀접하게 연관되어 있음을 확인할 수 있었다. 지형적 특성에서는 대부분의 체류지점이 경사가 완만한 지역에 분포하고 있어 휠체어 이용자에게 적합한 조건을 갖춘 것으로 분석되었으며, 병원 및 식당 밀도의 경우 상업시설 비율이 0.12로 적절히 분포하고 있지 않아 다양한 시설 접근성을 높이는 데 있어 추가적인 개선이 필요하다는 것을 보여준다.
4. 휠체어 이용 장애인 통행 특성 분석
본 연구에서는 휠체어 이용 장애인의 다양한 통행 중 체류 유형별 이동특성을 파악하기 위해 트립체인 유형을 분류하고 각 체류유형 간 통행의 특성을 분석하였다. 먼저, 휠체어 사용자의 활동이 주거지를 중심으로 이루어지는 특성을 반영하여, 주거지(H)에서 시작되는 통행을 중심으로 방문빈도와 이동거리 등 주거지 기반 트립체인 패턴을 분석하였다(Shiftan, 1998; Primerano et al., 2008). 트립체인 유형은 H-W, H-uETC 유형과 같은 단일 유형과 주거지로 돌아오는 H-W-H, H-uETC-H, H-rETC-H 유형, 다양한 목적통행이 이루어진 H-W-rETC-H로 분류되었으며, 이외에 H-uETC-rETC, H-W-uETC-H 등의 5% 이하의 유형은 제외한 후 각 유형의 비율을 정규화하여 Figure 11의 레이더 차트로 시각화하였다. 분석 결과, 휠체어 이용자의 가장 빈도가 높았던 트립체인 유형은 H-rETC-H로, 반복된 기타시설을 방문했다가 다시 주거지로 돌아오는 주로 단순한 통행만 이루어지는 것이 확인되었다. 다음으로, 업무지나 새로운 기타시설을 거쳐 주거지로 돌아오는 유형이 많았으며, 전반적으로 업무지 또는 특정 기타시설을 반복하여 오가는 경향이 나타나 이동 패턴이 제한적인 양상을 보였다. 이는 휠체어 이용자가 이동 제약으로 인해 주거지와의 접근성을 중요시하고 있음을 시사한다. 이러한 결과는 앞서 Table 5에서 통행이 2.82회 이루어진다는 결과와 일치하며, 휠체어 이용 장애인의 활동 패턴이 단조롭고 다양성이 부족하다는 것을 의미한다. 따라서 장애인의 최소한의 이동권을 보장하는 것뿐만 아니라 일상에서 다양한 활동의 기회를 제공할 필요가 있다는 것을 시사한다.
다음으로, 주거지로부터 주요 클러스터 유형(Work, rETC, uETC)까지의 평균 이동거리를 산출하였다. 선행연구를 토대로 방문된 장소까지 기록된 실제 경로의 길이를 추출하고 경로파일을 생성하여(Choi et al., 2011), 비장애인의 이동성과 비교할 수 있는 Open Source Routing Machine(OSRM)을 활용하여 최단거리와 실제 이동거리의 평균값을 비교하였다. 구체적으로, 휠체어 이용자가 이동한 통행의 출도착지를 동일하게 설정하여 실제 도로망 기반의 비장애인이 이동하였을 때의 이동경로와 이동거리를 측정하였다. 휠체어 이용 장애인과 비장애인의 이동경로의 예시를 시각화한 것은 Figure 12와 같으며, 이동거리에 대한 분석 결과는 Figure 13에 제시하였다.
분석 결과, 주거지에서 가장 많은 통행이 발생한 클러스터 유형은 반복된 기타시설(rETC)로, 기종점지의 평균 이동 거리는 약 1.8km인 것으로 나타났다. 새로운 기타시설(uETC)의 경우 평균 4.0km, 업무지(Work)는 평균 9.4km로 업무지로 이동할 때 가장 먼 거리를 이동하는 것으로 확인되었다. 휠체어 이용 장애인이 반복적으로 방문하는 시설과 주거지 간의 거리가 약 2km 이내로 나타난 것은 이들이 주로 주거지 인근에서 활동하며, 반복적인 통행은 대체로 근거리에서 이루어지고 있음을 의미한다. 또한 앞서 Figure 10에서 rETC에서의 체류 시간 비율이 uETC 체류시간 비율보다 높게 나타난 결과는 주거지에서 접근성이 높은 시설을 반복적으로 방문하고 더욱 오래 머무는 경향이 있음을 보여준다.
한편, 비장애인의 가구통행실태조사 결과를 바탕으로 통행 목적별 통행거리를 분석한 기존 연구에 따르면, 주거지에서 통근목적으로 이루어진 통행 중 지하철, 승용승합차, 도보에 의한 통행거리는 9km, 6.7km, 863m인 것으로 나타났다(Oh, 2014). 본 연구에서 휠체어 이용 장애인이 주거지와 업무지 간 평균 거리가 9.4km인 점과 비교해 보았을 때, 이는 비장애인의 지하철 이용 거리와 유사한 수준으로 해석할 수 있으며, Table 3에서 휠체어 이용 장애인이 가장 많이 이용하는 교통수단으로 지하철(32%)을 선택한 결과와도 맥락을 같이 한다. 또한, 비장애인이 통근·통학 외 가장 많은 통행이 이루어졌던 여가목적의 통행에서 평균 통행거리는 3.3km였으며, 이 중 승용승합차에 의한 여가 통행 수가 가장 많았고 지하철, 승용승합차, 시내버스, 자전거에 의한 통행거리는 각각 8.2km, 4.1km, 4.5km, 2.3km으로 확인되었다(Oh, 2014). 본 연구에서 가장 많은 통행이 발생한 유형인 반복된 기타시설(rETC)로의 평균 이동거리가 1.8km인 점을 고려할 때, 비장애인의 여가 목적 통행 중 승용승합차에 의한 이동거리(4.1km)보다 휠체어 이용 장애인이 현저히 짧은 거리를 이동한다는 것을 나타내며, 이들의 여가 목적의 활동 범위가 더욱 작고 제한적일 가능성을 시사한다.
또한 Figure 13에서 동일한 출도착지를 기준으로 계산된 비장애인의 이동거리와 휠체어 사용자의 실제 이동 거리를 비교한 결과, 휠체어 이용 장애인이 비장애인보다 대체적으로 이동거리가 길어지는 것으로 나타났다. 구체적으로, 휠체어 이용 장애인의 실제 이동거리와 비장애인의 이동거리 간 차이는 Work 유형에서 약 886m, uETC에서 약 707m, rETC 유형에서 약 273m로 계산되었다. 직선거리는 각 클러스터 유형 간의 Haversine 거리, Moved distance는 휠체어 이용자의 실제 이동거리, OSRM distance는 동일한 출도착지를 비장애인이 이동하였을 때 계산된 최단거리를 의미한다. 휠체어 사용자의 주거지에서 주로 방문하는 목적지까지(H-W, H-rETC, H-uETC 유형) 계산된 이동거리의 평균값들과 ANOVA 테스트를 산출한 결과, 휠체어 사용자와 비장애인 간의 이동거리가 유의미한 차이가 있는 것으로 나타났다. 이는 휠체어 사용자가 직면한 이동 제약을 반영하며, 이동할 때 불편함을 느끼는 교통약자이기 때문에 동일한 목적지로 이동하더라도 더욱 긴 거리를 우회하고 비장애인이 더욱 짧고 효율적인 경로를 선택할 가능성을 보여준다. 특히, 이동거리 유형이 Work, uETC, rETC 순으로 멀어질수록 비장애인과의 이동거리 차이도 더욱 증가하는 패턴을 보였으며, 휠체어 사용자가 주거지 근처의 특정 장소를 반복적으로 방문하는 것은 새로운 장소로의 접근에 한계가 존재함을 의미한다. 또한 앞서 설문조사의 이동특성에서 약 83%가 집을 나설 때 불편함을 느꼈으며, 약 21%가 방문시설의 이동환경 만족도에 관한 응답으로 불만족스럽다고 답한 결과를 함께 고려하였을 때, 휠체어 이용 장애인은 주로 근거리를 이동하며 원거리 이동 시 공간적인 제약이 더욱 두드러지는 것으로 판단할 수 있다. 이러한 결과는 휠체어 이용자가 방문하는 시설의 다양성과 접근성을 높이기 위해 장애인 편의시설 확충, 생활 인프라 시설 개선, 유니버셜 디자인 등 안전과 편의를 고려한 이동환경을 더욱 조성할 필요가 있음을 뒷받침하는 결과이다.
결론 및 함의
1. 결론 및 시사점
본 연구에서는 휠체어 이용 장애인의 통행설문조사와 궤적 데이터를 통해 휠체어 이용 장애인의 체류 목적과 활동 특성을 분석함으로써 이들의 이동 제약을 반영한 이동패턴을 도출하였다는 점에서 연구의 의의가 있다. 본 연구가 가지는 방법론적 차원과 주요 연구결과에서의 함의를 논의하면 다음과 같다.
첫째, 통행 및 목적 구분이 되지 않은 휠체어 이용 장애인의 GPS Trajectory 데이터를 밀도 기반의 클러스터링 기법을 통해 체류 및 이동지점을 식별하여 휠체어 이용 장애인의 트립체인을 구축하였다는 점에서 의의가 있다. 기존의 연구들은 휠체어 이용 장애인의 단순한 전체 이동경로를 추적하는 데 그쳤으나, 본 연구에서는 이동 구분이 되지 않은 GPS 위치 포인트를 타임스탬프 형식의 좌표 정보와 클러스터링만으로 체류 지점과 이동 지점으로 구분함으로써 체류 유형 간 통행에 대한 이동거리 및 시간을 정량화하였다. 이를 통해 트립체인 기반의 다양한 목적통행으로 세분화하고 휠체어 이용 장애인이 방문한 시설에서의 활동 특성과 통행별 이동 패턴을 도출함으로써 비장애인을 중심으로 진행된 통행 특성 연구의 한계를 극복하였다는 점에서 의의가 있다.
둘째, 휠체어 이용 장애인이 실제로 활동한 장소의 다양성을 체류 유형별 방문 빈도와 활동 시간 및 거리를 통해 실증분석하였다. 특히, 주거지 및 근무지로의 이동이 주로 이루어지며, 새로운 장소를 방문하는 빈도가 낮아 활동 범위가 한정되고 다양성이 떨어진다는 것을 입증하였다. 휠체어 이용 장애인의 체류 유형을 거주지 및 업무지 외 방문시설로 분류하여 활동 유형별 체류 특성을 분석한 결과, 하루의 상당 부분을 집에서 보내며 휠체어 이용 장애인이 자주 방문하는 시설과 주거지 간의 이동패턴이 고정되어 있는 것으로 나타났다. 주로 방문하는 시설과 주거지 간의 거리는 평균 2km 이내로, 주거지 근처의 정해진 몇몇 시설에서 오랜 시간을 머무르다 주거지로 돌아오는 패턴을 보이며, 새로운 곳을 방문하는 빈도가 낮고 한정된 장소에 의존하여 반복적으로 방문하는 경향을 보였다. 이는 거주지 및 업무지 외 휠체어 이용 장애인의 제한된 이동성을 보여주며, 교통약자의 활동 공간의 범위 및 다양성은 삶의 질에 많은 영향을 미치기 때문에 휠체어 사용자의 활동 범위를 넓혀 사회적 참여를 높일 필요가 있음을 나타낸다. 또한, 휠체어 이용 장애인의 트립체인 분석에서 통행 횟수가 평균 2.82회로 나타나 활동 패턴이 단조롭고 활동 다양성이 부족하다는 점이 확인되었다. 이는 장애인의 단순한 이동권 보장을 넘어, 일상에서 다양한 활동의 기회를 제공할 필요가 있음을 보여준다. 특히, 설문조사에서 휠체어 이용 장애인이 가장 방문하고 싶은 시설로 체육·문화 시설을 응답한 점을 고려할 때, 활동 공간의 다양성을 높이기 위해 다양한 시설의 접근성을 개선해야 한다는 근거 자료로 활용될 수 있다.
셋째, 사회적 약자인 휠체어 이용 장애인의 사회인구학적 요인과 공간적 이동성을 반영하기 위해 이동권 설문조사와 GPS 위치추적 데이터를 활용하여 휠체어 이용 장애인의 활동 특성과 이동 패턴을 도출하였다. 이는 물리적·비물리적 요소 중 단일적인 데이터만 포함하는 선행 연구의 한계를 극복하고 통합된 데이터를 활용하는 연구의 토대를 마련하였으며, 사회복지·데이터사이언스 등 다학제적 접근을 시도하여 휠체어 이용 장애인의 이동성에 대한 학문적 지식을 체계적으로 확장하였다는 점에서 의의가 있다. 휠체어 이용자의 이동환경 설문자료에서 주 외출 횟수는 평균 4회로 나타났으나, 이를 GPS 데이터 기반의 거주지 외 시설 방문 패턴과 통합하여 분석한 결과, 외출을 하더라도 실질적으로 방문한 시설의 절반 이상이 반복된 장소였으며, 새로운 장소를 방문하는 비율이 현저히 낮은 것으로 확인되었다. 이는 휠체어 이용 장애인의 활동 공간이 제한적이며 방문 시설의 다양성 또한 낮다는 것을 보여준다. 나아가 이러한 결과는 현재 삶에 대한 만족도와 외출 욕구, 외출하지 않는 이유 등에 대한 응답의 요인을 설명하는 데 기여할 수 있다. 따라서 이동 제약이 있는 교통약자의 사회적 참여를 촉진하기 위해서는 휠체어 이용자가 느끼는 활동에 대한 만족도·중요성과 같은 비물리적 요인뿐만 아니라 실제 이동경로와 이동패턴을 반영한 공간적인 이동성 측면에서의 개선 또한 필요하다는 것을 시사한다.
2. 연구의 한계
본 연구는 몇 가지 한계점을 가지고 있다. 첫째, GPS 데이터 수집 기간이 10월부터 12월로 한정되어 있어 계절적 요인의 영향을 배제할 수 없다. 특히, 겨울철에는 휠체어 이용 장애인뿐만 아니라 비장애인의 이동성도 감소할 가능성이 있으나, 복지관·의료시설 등 주요 방문지는 계절과 무관하게 이용된다고 가정하였다.
둘째, 본 연구의 GPS 데이터 수집에 참여한 연구 대상자의 수가 27명으로 제한적이고, 거주지와 정확히 어느 시설을 방문했는지에 대한 정보를 알 수 없기 때문에 비물리적 요인인 사회인구학적 특성 및 이동 특성에 따라 이동 패턴을 제시하는 데에 한계가 존재한다. 또한, 위치 데이터 수집 참여자의 출발지가 거주지가 아닌 경우가 많아, 휠체어 이용 장애인의 이동 시간과 이동 거리에 미치는 영향을 살펴보기 위한 주거 환경 요인을 포함하지 못하였다. 한편, GPS 데이터의 오차로 인해 미세한 움직임을 감지하기 어렵기에, 이동수단 선택에 영향을 미치는 비물리적 요인을 포함한 분석이 이루어지지 못하였다. 향후에는 지체 장애, 뇌병변 장애를 가진 참가자뿐만 아니라 다양한 장애를 가진 대표성 있는 표본과 1-2m의 오차를 갖는 보다 정확한 위치 데이터를 활용한 데이터의 수집과 분석이 이루어져야 할 것으로 보인다.
셋째, 데이터 수집의 한계로 인해 비장애인과 휠체어 이용 장애인의 유의미한 차이를 고려하지 않고, OSRM을 통해 도출된 최단 거리를 비장애인의 통행 특성으로 파악하였단 점에서 한계가 있다. 비장애인은 최단 시간·최단 환승 등 다양한 경로를 선택할 수 있지만, 본 연구에서는 휠체어 이용 장애인의 방문 빈도, 이동 거리 및 시간 측면만을 고려하였다. 또한, 동등 비교를 위한 데이터나 통계 자료가 부족한 실정으로, 가구통행실태조사와 Travel Diary, 북미의 Safegraph 데이터를 활용하여 비장애인의 이동수단별 통행거리와 방문 시설 수 등에 대한 정보를 파악하였으나, 이는 장애인과 비장애인을 구분하지 않은 평균값을 제공하기 때문에 장애인과 비장애인의 통행 특성의 차이를 명확히 반영하지 못한 한계가 있다.
넷째, 본 연구의 피험자인 성동구, 성북구에 거주하는 장애인을 대상으로 분석을 수행하였기 때문에 본 연구의 결과를 다른 도시에 거주하는 장애인의 환경에 일반화하는 데는 한계가 있을 수 있다. 장애인이 거주하는 지역의 인프라, 장애인이 가진 이동 장애 등이 상이하기 때문에, 본 연구의 피험 대상자가 인식하는 이동환경과 다른 장애인의 연구결과에 적용할 때에는 각 지역의 특성과 장애인이 가진 환경에 따른 해석이 필요하다. 마지막으로, 휠체어 이용 장애인은 공간적 이동 없이도 높은 사회적 참여도를 달성할 수 있다. 예를 들어, 보호자를 동반한 이동이나 복지관 등에서의 사회적 네트워크를 통해 소통 및 교류가 가능하다. 이에 따라, 향후 연구에서는 사회적 관계망(이웃·가족 구성원 등)이 이동성과 사회적 참여에 미치는 영향을 분석할 필요가 있다.
