서론

이동의 자유와 이동권은 인간의 기본권 실현에 필수적인 요소이다. 비장애인에게 이동이 비교적 자유롭고 당연한 일상적 행위라면, 장애인에게 이동권의 보장은 사회 참여와 자립 생활을 가능케 하는 전제 조건으로 작용한다(Roh, 2020). 이러한 맥락에서 이동권은 단순히 물리적 공간의 이동을 넘어, 교육, 고용, 의료, 사회적 관계 형성 등 삶의 전반적인 영역에 접근할 수 있는 권리로 확장됐다. 권리로서의 이동성 개념은 20세기 중반 이후 국제 인권 담론 속에서 제도적으로 자리 잡기 시작했다. 세계인권선언과 시민적 및 정치적 권리에 관한 국제규약은 개인 이동의 자유를 기본권으로 규정하였으며(United Nations, 1948, 1966), UN 장애인권리협약은 장애인의 물리적·제도적 접근성을 보장하는 것을 각국의 법적 의무로 규정하였다(UN General Assembly, 2006). 또한, 세계보건기구(WHO)는 이동성과 접근성을 장애인의 건강 형평성과 삶의 질 향상에 핵심적인 요소로 정의하며, 의료·교육·고용 등 주요 사회 기반과의 연결을 가능하게 하는 전제 조건으로 간주하였다(WHO, 2011).

우리나라 역시 장애인 이동권과 접근성의 중요성을 인식하고, 이를 보장하기 위한 제도적 기반 마련에 지속적인 노력을 기울이고 있다. 우리나라의 「교통약자의 이동편의 증진법」(약칭: 교통약자법)에 따르면 장애인, 고령자, 임산부, 영유아 동반자, 어린이 등 일상생활에서 이동에 불편을 느끼는 사람을 교통약자로 정의하고 있으며, 이동권 보장을 위해 다양한 정책을 시행하고 있다. 그러나 여전히 장애인의 이동은 여러 제약에 직면해 있다. 장애인의 이동 결정 요인은 단순한 물리적 거리뿐만 아니라, 제3자의 지원 가용성, 주차시설 접근성, 대중교통과의 연계성, 교통 서비스의 공급 수준 등에 의해 크게 영향을 받는다(Lee et al., 2024). 이러한 이동성 제약은 장애인의 일상생활 및 사회적 참여를 제한하며(Egger et al., 2022), 결국 도시 내 공간적 형평성에도 영향을 미친다.

우리나라는 교통약자의 이동권 보장을 위해 이동편의시설 설치, 특별교통수단 제공 등의 노력을 기울이고 있으나, 이 역시 한계가 있다. 특별교통수단은 대중교통 이용이 어려운 장애인을 대상으로 운행되며, 교통약자법에 따라 장애인 150명당 1대의 차량을 제공하도록 규정하고 있다. 그러나 수요 대비 공급 부족, 긴 대기시간, 높은 이동시간 변동성 등으로 인해 이용자들이 충분한 이동 기회를 보장받지 못하는 문제가 지속적으로 제기되고 있다(Lee and Lee, 2023). 또한, 장애인을 위한 이동성과 관련된 시설 및 기술의 부족은 직장, 학교, 의료 기관 등 필수 시설에 대한 접근성을 저하시킬 수 있다(Alimo et al., 2024). 이러한 점을 고려할 때, 장애인 이동권 문제는 단순한 서비스 개선을 넘어 도시 및 교통계획 차원에서 접근할 필요가 있다(Terashima and Clark, 2021).

도시에서 교통은 단순한 이동 수단을 넘어 개인의 일상 활동, 건강, 그리고 삶의 질에 큰 영향을 미치며 도시 구조와 생활권 형성에서도 중요한 역할을 한다(Egger et al., 2024). 교통 인프라는 토지 이용을 결정하며, 변화된 토지 이용은 다시 교통 수요를 변화시키면서 도시 구조를 형성한다(Rodrigue, 2020). 이에 따라, 최근 연구들은 통행 데이터를 활용하여 도시 내 생활권 구조를 분석하고 있다. 특히, 빅데이터 기술의 발전으로 모바일 데이터, 택시 데이터 등을 활용한 공간적 이동 패턴 분석이 활발히 이루어지고 있다(Kim et al., 2020b; Li et al., 2021; Xie et al., 2021; Yu et al., 2020; Zhang et al., 2021a; Zhong et al., 2014). 그러나 이러한 연구들은 주로 일반 차량 이용자의 데이터를 기반으로 이루어졌으며, 장애인과 같은 교통약자의 이동성을 고려한 연구는 상대적으로 부족한 실정이다. 만약 장애인의 이동 특성이 도시 내 교통망과 생활권 계획에 반영되지 않는다면, 교통 인프라 및 서비스의 불균형이 발생할 가능성이 높다.

이에 본 연구는 장애인과 일반 차량 이용자의 통행 패턴을 비교·분석하고, 이를 바탕으로 두 집단의 생활권 형성 방식의 차이를 실증적으로 규명하고자 한다. 기존 연구들은 대체로 정성적 접근이나 설문 기반 자료를 활용하여 특정 시설 또는 목적지 중심의 이용 특성을 파악하는 데 그쳐, 도시 전체 공간망 수준에서의 구조적 차이를 실증적으로 분석하지 못하였다(Park et al., 2023; Shin, 2019). 본 연구는 통행 OD 데이터를 기반으로 네트워크 구조 전반을 분석하고, 커뮤니티 디텍션과 공간 통계 지표를 통합적으로 활용함으로써, 장애인의 통행 제약이 도시 공간 내에서 어떻게 구조화되는지를 실증적으로 제시하고자 한다. 또한, 일반 차량 이용자와 장애인 특별교통수단 이용자를 동일한 분석 틀 내에서 비교함으로써, 양 집단 간 차이가 어떠한 공간적 패턴과 맥락 속에서 나타나는지를 설명하고자 한다. 이는 기존 문헌에서 반복적으로 지적된 문제의식을 정량적이고 입체적인 분석을 통해 구체화한 시도로, 향후 정책적 논의로 확장할 수 있는 실증적 분석 기반을 제공한다.

이를 위해 다음과 같은 분석을 수행한다. 첫째, 지니 계수(Gini Coefficient)와 엔트로피 지수(Entropy Index)를 활용하여 장애인과 일반 차량 이용자의 통행 불균형과 다양성을 측정한다. 이를 통해 두 집단 간 통행 패턴의 공간적 차이를 정량적으로 평가한다. 둘째, 핫스팟 분석(Hotspot Analysis)을 활용하여 장애인과 일반 차량 이용자의 통행이 특정 지역에 집중되는 경향이 있는지 파악한다. 이는 장애인 이동이 특정 지역에 집중되는 원인을 탐색하고, 공간적 불균형이 존재하는지를 평가하기 위함이다. 셋째, 커뮤니티 디텍션(Community Detection) 기법을 적용하여 장애인과 일반 차량 이용자의 통행 기반 네트워크 구조를 비교 분석한다. 최종적으로 본 연구는 분석 결과를 통해 두 집단이 형성하는 생활권의 차이를 규명하고, 장애인 이동권 개선을 위한 도시 및 교통계획 수립에 필요한 시사점을 도출하고자 한다.

문헌검토

1. 장애인의 통행 특성

이동권은 누구나 자유롭고 안전하게 원하는 목적지에 도달할 수 있는 권리이며, 장애인에게는 생존과 자립을 위해 더욱 핵심적인 권리로 여겨진다(Roh, 2020). 장애인에게 이동권은 단순히 물리적 공간의 이동을 넘어, 교육, 고용, 사회적 관계 형성, 의료 접근성 등 삶의 기본 조건을 실현하기 위한 전제 요소로 작동한다(Alimo et al., 2024; Jo, 2024). 특히, 자립 생활과 사회참여를 가능하게 하며, 이는 국제사회에서도 ‘기본권’으로 보호되고 있다. 그러나 현실에서는 도시 기반시설의 비적응성, 대중교통 접근의 제약, 특별교통수단 공급 부족 등으로 인해 장애인의 이동권이 구조적으로 제약되고 있으며(Lee et al., 2024; Lee and Lee, 2023), 이는 곧 사회적 고립과 기회 불균등으로 이어지고 있다(Egger et al., 2022; Lee and Kim, 2019).

위와 같은 맥락에서 장애인 이동성과 특별교통수단 서비스에 대한 연구는 장애인이 직면하는 구조적 문제와 이동성 제약을 분석하는 데 초점을 맞추고 있다(Akcicek et al., 2023; Alimo et al., 2024; Egger et al., 2022; Lee and Lee, 2023; Park et al., 2023; Shin et al., 2018). 장애인의 통행은 물리적 장애, 대중교통 접근성 부족 등의 요인으로 인해 일반 대중과 비교할 때 통행 횟수가 적고 이동 거리가 짧은 경향이 있다(Park et al., 2023). 특히, 특별교통수단 이용자는 병원 방문, 재활 치료 등의 목적이 주를 이루며, 통행 패턴이 특정 지역에 집중되는 특성을 보인다(Park et al., 2023). 이러한 장애인의 이동성 제약은 특별교통수단 서비스의 이용 방식에도 영향을 미친다. 특별교통수단의 통행 패턴은 주로 평일 특정 시간대에 집중되며, 주요 이용 목적은 병원 방문, 통근 등으로 한정되어 있어 특정 지역에 통행이 집중되는 경향이 있다(Shin et al., 2018). 또한, 호출 후 탑승까지 대기 시간이 길어 즉각적인 이용이 어렵고(Lee and Lee, 2023), 일반 차량 이용 대비 이동시간이 약 2배 길며, 변동성도 4배 높다(Akcicek et al., 2023). 이처럼 특별교통수단 서비스는 수요에 비해 공급이 부족하고, 긴 대기 시간과 높은 이동시간 변동성과 같은 제약이 존재한다. 그러나 장애인 이용자들은 이동을 위한 대체 수단이 부족하여 이러한 불편을 감수할 수밖에 없으며, 이는 결국 일상생활에도 영향을 미치고 있다(Egger et al., 2022).

이처럼 장애인의 이동은 목적이 한정적이며, 이에 따라 특정 지역으로의 통행이 많은 경향이 있다. 따라서 기존 도시의 행정구역이나 생활권 계획과 장애인의 실제 이동 패턴이 불일치하는 경우가 발생할 수 있다(Yuan et al., 2021). 즉, 실제 생활권 경계는 주민의 통행 패턴을 반영하며 기존 행정 경계와 일치하지 않는 경우가 많다(Zhang et al., 2021a; Zhong et al., 2014). 이에 따라 최근 연구들은 교통 수요와 통행 데이터를 활용하여 도시 내 커뮤니티 및 생활권의 형성 과정을 분석하는 방향으로 발전하고 있다. 교통 데이터는 인구 이동성과 밀접한 관련이 있어 커뮤니티 구조를 이해하는 데 중요한 역할을 한다. 따라서, 통행 데이터를 활용하여 도시 구조를 실증적으로 분석하고, 기존 행정 경계와 비교하는 연구가 활발히 이루어지고 있다(Ha and Lee, 2016; Kim et al., 2020a; Lee and Lee, 2023; Saberi et al., 2017; Yu et al., 2020; Yuan et al., 2021; Zhong et al., 2014). 특히, 빅데이터 활용 방법의 발달로 인해 높은 공간적·시간적 해상도를 확보할 수 있게 되었다(Li et al., 2021). 이에 따라, 최근에는 모바일 데이터, 택시 데이터 등을 활용하여 도시 공간 구조 분석이 이루어지고 있다(Kim et al., 2020b; Xie et al., 2021; Yu et al., 2020; Zhang et al., 2021a; Zhong et al., 2014). 이러한 연구들은 도시민의 이동 패턴에 기반한 생활권을 보다 명확히 이해하는 데 기여하며, 기존 행정 경계 바탕의 정책 개발 방식의 한계를 보완할 수 있는 근거를 제공한다.

그러나 기존 연구들은 주로 비장애인의 이동성을 분석하는 데 초점을 맞추었으며, 장애인의 실제 통행 패턴이 도시 내 행정구역 및 교통 시스템과 어떻게 상호작용하는지에 대한 실증적 분석은 상대적으로 부족하였다. 일반적으로 도시의 행정구역은 정책적·행정적 기준에 따라 설정되지만, 실제 생활권 경계는 주민들의 통행 패턴을 반영하는 경우가 많으며, 이러한 경향은 장애인에게도 동일하게 적용될 수 있다. 만약 장애인의 통행 패턴이 기존 행정구역과 불일치할 경우, 도시 및 교통계획이 장애인의 이동성을 충분히 반영하지 못할 위험이 존재한다. 이러한 문제의식에도 불구하고, 장애인의 통행 흐름을 기반으로 도시 공간구조를 비교 분석하거나, 생활권 수준에서 구조적 차이를 정량적으로 규명한 연구는 매우 제한적이다. 본 연구는 이러한 연구 공백을 보완하고, 장애인의 이동권 불균형을 도시 공간구조 차원에서 실증적으로 해석하려는 새로운 접근을 시도하고자 한다.

2. 교통 형평성 및 통행 패턴 분석 이론

교통 접근성(accessibility)과 형평성(equity)은 도시 내 특정 집단의 이동 패턴을 이해하는 데 중요한 개념이다. 접근성은 특정 목적지에 도달할 수 있는 용이성을 의미하며, 형평성은 교통 시스템이 다양한 집단의 요구를 공정하게 반영하는지를 평가하는 개념이다(Giuliano and Hanson, 2017). 접근성은 모든 집단에게 균등하게 제공되지 않으며, 사회·경제적 요인, 신체적 제약, 거주 지역에 따라 접근성 격차가 발생한다. 따라서 형평성은 도시 내 교통 시스템의 접근성 차이를 보완하고, 다양한 집단의 이동 수요를 공정하게 반영하는지를 평가하는 핵심 개념이다. 특히, 본 연구에서 주목하는 것은 수직적 형평성(vertical equity) 개념이다. 수직적 형평성은 사회적·경제적 격차나 신체적 제약을 고려하여 교통 서비스를 차등적으로 제공하여 실질적인 평등을 추구하는 것을 의미하며, 이는 비장애인에게는 당연한 이동의 자유가 장애인에게는 구조적으로 제약될 수 있음을 인정하고, 그 제약을 보완하기 위한 정책적 개입의 정당성을 제공한다(Litman, 2017). 반면, 수평적 형평성(horizontal equity)은 유사한 조건을 가진 집단 간 교통 서비스의 차이를 평가하는 데 초점을 둔다(Chen et al., 2022; Litman, 2017). 장애인과 같은 교통약자는 신체적 제약으로 인해 일반 대중교통 이용에 어려움을 겪으므로, 이들의 이동성을 보장하기 위한 특별교통수단 서비스는 수직적 형평성의 중요한 구현 수단이 된다.

이동성 제약과 관련된 형평성 논의는 단순히 서비스의 양적 부족을 넘어, 개인이 원치 않게 특정 이동 수단이나 목적지에 묶이게 되는 현상인 강요된 이동(captive travel) 및 이동 빈곤(transport poverty) 개념으로 확장될 수 있다. 강요된 이동은 개인이 선택할 수 있는 교통수단이나 이동 경로가 제한되어, 특정 상황이나 목적지로의 통행이 강제되는 상태를 의미한다. 이는 대중교통의 부재, 특정 목적지에 대한 높은 의존성, 혹은 경제적 제약 등으로 인해 발생할 수 있다. 특히 장애인의 경우, 이용 가능한 교통수단이 제한적이고, 의료 및 복지 시설 등 특정 목적지로의 통행 의존성이 높다는 점에서 강요된 이동에 더 취약할 수 있다.

이러한 현상이 심화될 때 이동 빈곤(mobility poverty)이라는 문제로 이어질 수 있다. 이동 빈곤은 개인이 사회 활동에 참여하거나 필수 서비스에 접근하는 데 필요한 이동 수단이나 기회가 부족하여, 사회적 고립 및 기회 불균등을 겪는 상태를 의미한다. 이는 단순히 교통 서비스의 부족을 넘어 건강, 교육, 고용 등 삶의 질 전반에 부정적인 영향을 미칠 수 있으며, 장애인의 자립 생활과 사회 참여를 심각하게 저해하는 요인이 된다. 따라서 장애인 특별교통수단의 긴 대기 시간, 높은 이동시간 변동성 등의 제약은 이용자들로 하여금 불편을 감수하게 만들고, 이는 결국 강요된 이동을 심화시켜 이동 빈곤 상태에 이르게 할 위험을 내포한다. 본 연구는 장애인 특별교통수단 이용자의 통행 패턴에서 나타나는 공간적 집중 및 목적지 다양성을 분석하고, 이러한 이론적 맥락에서 분석 결과를 해석하고자 한다.

도시 내 통행 패턴 분석은 도시민이 이동하는 방식과 공간적 관계를 이해하는 데 중요한 역할을 한다(Liu et al., 2015). 특히, 교통 데이터는 도시 공간의 구조적 특성을 반영하며, 이를 활용하면 도시 내 생활권과 공간 커뮤니티의 형성을 파악할 수 있다. 기존 연구에서는 지하철과 택시 데이터를 활용하여 교통 수단 간 보완적 역할을 분석하였는데, 지하철 데이터는 정형화된 통행 패턴을 반영하여 도시 커뮤니티의 기본 틀을 형성하는 반면, 택시 데이터는 보다 유연하고 자발적인 이동을 나타내며 확장된 이동 패턴을 제공한다(Ding et al., 2022; Sun et al., 2016; Zhang et al., 2021b).

이처럼 다양한 교통수단의 데이터를 결합하여 분석하면 도시 내 이동 흐름을 보다 정교하게 파악할 수 있으며, 도시 공간 구조와 실제 이동 경로 간의 관계를 밝히는 데 활용될 수 있다. 최근에는 택시 궤적 및 OD(Origin -Destination) 데이터를 활용한 연구가 활발히 이루어지고 있으며, 이를 통해 도시 내 생활권과 행정경계 간 불일치를 분석하고, 건조환경(built environment)이 이동 패턴에 미치는 영향을 평가하는 연구가 진행되고 있다(Ding et al., 2022; Dong et al., 2019; Ha and Lee, 2016; Li et al., 2021; Liu et al., 2022; Nie et al., 2021; Yu, 2019). 그러나 이동 패턴을 보다 정량적으로 평가하기 위해서는 공간적 집중도, 이동의 불균형성, 통행 다양성을 분석하는 방법이 필요하다. 이에 따라 최근 연구에서는 통행 분포 및 패턴의 불균등성과 다양성을 측정하기 위한 다양한 방법이 활용되고 있다.

특히, 지니 계수와 엔트로피 지수는 통행의 불균등성과 다양성을 정량화하는 핵심 지표로 활용되고 있다. 지니 계수는 일반적으로 소득 불평등을 측정하는 지표이지만, 교통 연구에서는 통행량의 공간적 불균형을 분석하는 데 적용될 수 있다. 예를 들어, 특정 집단의 통행이 특정 지역에 집중되는 정도를 평가하는 데 사용될 수 있으며, 전체 인구의 이동 패턴에서 형평성을 측정하는 데에도 적용될 수 있다. 선행연구 중에서는 지니 계수를 활용하여 관광인구의 분포 집중과 불평등을 분석한 사례가 있으며(Lau and Koo, 2022), 특정 지역의 대중교통 서비스가 얼마나 편향되어 있는지를 평가한 경우도 있다(Stępniak et al., 2019).

한편, 엔트로피 지수는 정보이론에서 불확실성을 측정하는 지표로 사용되며(Shannon, 1948), 교통 연구에서는 통행 목적지의 다양성을 평가하는 데 적용될 수 있다. 특히, 통행 패턴의 다양성과 규칙성을 분석하는 데 중요한 역할을 할 수 있다. 즉, 엔트로피 값이 낮을수록 이동 패턴이 특정 경로에 집중되어 있음을 의미하며, 값이 높을수록 이동이 다양한 경로로 분산됨을 나타낸다. 예를 들어, Chang et al.(2025)은 지하철 OD 데이터를 이용하여 이동 패턴의 규칙성을 분석하는 데 엔트로피 지수를 적용하였다.

이외에도 핫스팟 분석과 네트워크 기반 클러스터링 기법이 도시 이동 흐름과 커뮤니티 구조를 분석하는 데 활용되고 있다. 핫스팟 분석은 공간 데이터에서 통계적으로 유의미한 고밀도 및 저밀도 지역을 식별하는 공간 통계 기법으로(Getis and Ord, 1992), 교통 연구에서는 주요 통행 경로와 밀집 지역을 식별하는 데 널리 이용되고 있다. 예를 들어, 택시 운행 데이터를 기반으로 OD 지점을 추출하고, 택시 탑승 및 하차 지점의 공간적 밀집도를 분석한 연구가 있다(Du et al., 2024). 또한, 네트워크 클러스터링 기법은 도시 내 이동 패턴을 분석하고 공간적 구조를 도출하는 데 유용한 방법으로 활용되어 왔다. 기존 연구에서는 네트워크 기반 클러스터링을 통해 대중교통 네트워크의 주요 연결 구조를 분석하거나, 특정 지역에서의 이동 경로와 집단 간 차이를 파악하는 데 초점을 맞추었다(Maeda et al., 2019; Zhang et al., 2021b). 그러나 네트워크 클러스터링 기법은 노드 간의 정적인 연결성을 중심으로 그룹을 형성하기 때문에, 통행 흐름(flow)과 상호작용 패턴을 반영하는 데 한계가 있다. 반면, 커뮤니티 디텍션 기법은 네트워크 내 정보 흐름이나 동적 이동 패턴을 고려하여 클러스터를 형성할 수 있으며, 특히 교통 네트워크 분석에서 보다 정밀한 군집 구조를 도출하는 데 유리하다(Leite et al., 2022; Rosvall and Bergstrom, 2008). 예를 들어, 인포맵(Infomap) 알고리즘을 활용한 커뮤니티 디텍션 기법은 통행 흐름을 활용하여 네트워크 내 상호작용을 모델링하므로, 정적인 연결 관계만을 고려하는 전통적인 클러스터링 기법보다 실제 교통 흐름을 보다 효과적으로 반영할 수 있다(Fung, 2019). 또한, 커뮤니티 디텍션 기법은 단순한 노드 간 연결 유무뿐만 아니라 교통량과 같은 네트워크의 특성을 고려하여 클러스터를 형성할 수 있으며, 사전에 군집 개수를 설정하지 않고도 네트워크의 구조적 특성에 따라 최적의 군집을 도출할 수 있는 유연성을 제공한다(Leite et al., 2022; Yu et al., 2020; Zhang et al., 2021a; Zhong et al., 2014).

이처럼 다양한 데이터 유형과 분석 방법은 도시 통행 패턴과 구조를 다각적으로 해석하는 데 기여하지만, 궁극적으로는 이용자 중심의 교통 및 도시 계획 수립이라는 공통된 목표를 지향한다. 본 연구에서는 이러한 접근법을 일반 차량 및 장애인 특별교통수단 통행 데이터 분석에 적용하여 통행 분포와 도시 구조를 식별하고, 접근성과 형평성 문제를 종합적으로 평가하고자 한다. 특히, 단순한 공간적 클러스터링이 아닌 통행 흐름을 기반으로 한 생활권 분석을 수행하여 도시 내 장애인 통행 패턴을 반영한 생활권을 도출하고자 한다.

연구방법론

1. 분석 자료의 구성

본 연구에서는 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행 패턴을 비교·분석하기 위해 두 집단의 OD 데이터를 활용하였다. 일반 차량의 OD 데이터는 국가교통데이터베이스(KTDB)에서 제공하는 부산·울산권 주수단 OD 데이터를 기반으로 하며, 각 통행 쌍에 대해 주수단별(승용차, 택시, 버스, 철도·지하철 등) 통행량이 집계된 매트릭스 형식으로 구성된다. 이 중 승용차 및 택시를 주수단으로 선택한 통행만을 필터링하여 분석에 활용하였다. 장애인 특별교통수단 데이터는 부산시에서 제공한 2023년 ‘두리발’과 ‘자비콜’의 개별 통행 이력 데이터로, 승하차 시각, 출발지·도착지 주소, 이용 목적 등 세부 정보를 포함한다. 부산시 장애인 특별교통수단은 두리발과 자비콜로 구분되며, 두 서비스 모두 중증 장애인을 대상으로 운영된다. 다만, 두리발은 휠체어 이용자의 탑승이 가능한 차량으로 운영하지만, 자비콜은 일반 차량을 이용하여 휠체어 이용자의 탑승이 제한된다는 차이가 있다.

이와 같은 비교 대상의 설정은 차량 기반 교통수단을 이용하는 두 집단 간의 상대적 통행 특성과 제약 요인을 분석하기 위한 것이며, 전 모집단 수준의 절대적 비교보다는 유사한 교통수단 조건에서 발생하는 구조적 차이를 규명하는 데 초점을 둔다. 비장애인의 차량 이용은 선택 가능한 여러 교통수단 중 하나이지만, 이 선택 또한 사회경제적 조건과 주거환경의 영향을 받아 이루어지므로, 결과적으로 특정 집단의 교통 접근성 수준을 반영할 수 있다. 반면 장애인은 차량 기반 특별교통수단에 높은 의존성을 보이며, 이동의 자유가 구조적으로 제약될 가능성이 크다. 따라서 차량 기반 교통수단을 매개로 두 집단을 비교하는 것은 교통 형평성과 접근성 불평등을 분석하는 데 있어 유의미한 방법론적 접근이 될 수 있다.

두 데이터는 출발지, 도착지, 통행량(travel volume) 정보를 기준으로 공통된 OD 행렬 구조로 정규화되었으며, 이를 통해 커뮤니티 디텍션 등 네트워크 기반 분석이 가능하도록 구성하였다. 이와 같은 자료 구조의 차이와 정규화 과정을 시각적으로 정리한 절차는 Figure 1에 제시하였다. 또한, 연구의 공간적 일관성을 확보하기 위해, 본 연구에서는 부산시 내에서 발생한 통행 데이터만을 분석 대상으로 선정하였다. 이에 따라, 부산시 외 타 지역과의 통행 데이터는 제외하여 연구의 대상 지역을 명확히 규정하고 분석의 정확성을 높이고자 하였다. 또한, 장애인 특별교통수단 통행 원자료 중 기점 또는 종점 정보가 누락된 데이터를 제거하여 분석 결과의 신뢰성을 확보하였다.

Figure 1.

Preparation of OD matrix for empirical network analysis

Table 1은 본 연구에서 활용한 OD 데이터의 개요를 요약한 것이다. 우선, 두 집단의 통행 데이터는 수집 기간과 공간적 분석 단위에서 다소 차이가 있다. 일반 차량 통행 데이터는 2022년 평일 기준 일평균 통행량을 기반으로 하며, 행정동(Administration-dong) 단위로 제공된다. 이에 따라 부산시 205개 행정동 간 통행 흐름이 포함되며, 총통행량(total travel volume)은 4,407,914건으로 나타났다. 반면, 장애인 특별교통수단 통행 데이터는 2023년 10월 한 달 동안 수집된 데이터를 기반으로 하며, 법정동(Legal-dong) 단위로 수집되었다. 이에 따라 총 196개의 부산시 법정동 간 통행 흐름이 분석 대상이며, 총통행량은 101,371건으로 집계되었다. 이러한 두 데이터 간 통행량 차이는 데이터 수집 방식과 장애인 특별교통수단 서비스의 운영 특성에 기인한다. 장애인 특별교통수단은 예약제로 운영되며, 장애인만을 대상으로 서비스를 제공하는 특성이 있어 일반 차량 통행 데이터와 직접 비교하기 어려운 측면이 있다. 따라서 두 데이터 간 직접적인 비교 시 이러한 시공간적 차이를 충분히 고려해야 하며, 이는 연구의 한계로 작용할 수 있다. 그러나 본 연구에서는 통행의 상대적인 공간적 분포 패턴을 분석하는 데 초점을 맞추고 있으므로, 이러한 차이가 분석의 타당성에 결정적인 영향을 미치지는 않을 것으로 예상된다. 즉, 장애인 특별교통수단 이용자의 통행 패턴이 특정 지역에 집중되는지, 일반 차량 이용자의 통행 분포와 어떠한 차이를 보이는지를 분석하는 것이 본 연구의 핵심이며, 이를 통해 두 집단 간 이동 네트워크 구조의 차이를 규명하고자 한다. 이를 위해 다양한 분석 기법을 활용하여 통행의 공간적 불균형, 통행 집중 패턴, 네트워크 구조를 다각적으로 평가한다.

2. 연구 설계

본 연구에서는 Figure 2와 같은 분석 프레임워크를 제시하며, 이를 토대로 실증 분석을 진행하고자 한다. 실증 분석은 세 가지 주요 분석 방법으로 구성되며, 각각은 일반 차량과 장애인 특별교통수단의 통행 패턴 차이를 정량적으로 분석하는 데 기여하며 상호 보완적 관계를 형성한다. 첫째, 지니 계수와 엔트로피 지수를 활용하여 공간적 불균형을 평가한다. 지니 계수는 전체 통행량이 특정 지역에 얼마나 편중되어 있는지를 측정하는 공간적 불균형 지표로 사용되었으며, 일부 목적지로 통행이 과도하게 집중될수록 값이 커진다. 한편, 엔트로피 지수는 통행 목적지의 다양성과 분산 정도를 평가하는 지표로 사용되었고, 다양한 목적지로 이동이 고르게 이루어질수록 큰 값을 갖는다. 이를 통해 통행이 특정 지역이나 목적지에 얼마나 집중되어 있는지, 또는 얼마나 다양하게 분포되어 있는지를 정량적으로 평가할 수 있으며, 이동의 공간적 형평성과 통행 선택의 제약 여부를 비교 분석하는 데 활용할 수 있다. 둘째, 핫스팟 분석을 활용하여 통행량이 유의미하게 집중되는 지역을 식별한다. 이를 통해 두 집단의 통행 분포가 특정 지역에서 얼마나 집중되거나 분산되는지를 공간적으로 확인할 수 있다. 셋째, 커뮤니티 디텍션 기법을 적용하여 네트워크 기반 공간 구조를 분석한다. 장애인 특별교통수단 이용자와 일반 차량 이용자의 OD 통행 데이터를 기반으로 네트워크 내에서 형성되는 공간적 군집 구조를 탐색하고, 두 집단 간 통행 흐름의 차이를 규명한다. 본 연구는 이와 같은 다중 분석 접근법을 통해 두 집단의 통행 패턴을 다각적으로 비교·분석함으로써 보다 종합적인 시사점을 도출하여 교통약자인 장애인의 생활권 형성을 위한 교통계획적 고려가 필요함을 제언하고자 한다.

Figure 2.

Research framework

3. 지니 계수와 엔트로피 지수

본 연구에서는 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행 분포 차이를 정량적으로 평가하기 위해 지니 계수와 엔트로피 지수를 활용하였다. 지니 계수는 0(완전한 평등)에서 1(완전한 불평등)까지의 값을 가지며, 값이 1에 가까울수록 일부 지역으로의 통행이 집중되는 경향이 강하고, 0에 가까울수록 공간적으로 균등한 통행 분포를 나타낸다고 볼 수 있다(Zhang et al., 2021a). 이를 통해 도시 내 통행 패턴의 불균형 정도를 평가하고, 특정 지역으로의 통행 집중 현상을 정량적으로 분석할 수 있다. 지니 계수는 Equation 1을 이용하여 산정할 수 있다.

여기서 G는 지니 계수를 나타내며, Xi는 특정 지역 i의 통행량, n은 분석 대상 지역(행정동 또는 법정동)의 개수, ∑i=1nXi는 전체 지역의 총통행량을 의미한다. Equation 1은 각 지역 간 통행량 차이의 절댓값을 모두 합산한 뒤, 이를 전체 평균 통행량과 지역 수를 고려하여 정규화함으로써 통행량 분포의 불균형 정도를 측정한다. 즉, 모든 지역 쌍의 통행량 차이를 계산하고, 이를 전체 통행량 대비 얼마나 집중되어 있는지를 나타내는 비율로 환산하는 구조이다. 본 연구에서는 R의 DescTools 패키지에서 제공하는 Gini( ) 함수를 사용하여 각 집단의 지니 계수를 산출하였으며, 통계적 신뢰성을 확보하기 위해 부트스트래핑(Bootstrapping) 기법을 적용하여 신뢰구간을 도출하였다. 부트스트래핑을 통한 지니 계수의 신뢰구간은 백분위수(percentile) 방법을 사용하여 Equation 2와 같이 계산하였다.

이때, Glower는 95% 신뢰구간의 하한을, Gupper는 상한을 나타낸다. 이를 통해 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행 분포가 특정 지역에 얼마나 집중되는지를 정량적으로 비교하였다.

또한, 본 연구는 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행 목적지 분포가 얼마나 균등하게 분포하는지 평가하기 위해 Shannon(1948)의 엔트로피 공식을 사용하였다(Equation 3).

여기서 H는 엔트로피 지수를 나타내며, pi는 특정 지역 i의 통행량이 전체 통행량에서 차지하는 비율로, Equation 4와 같이 정의된다.

여기서 Xi는 지역 i로의 통행량, ∑X는 전체 지역의 총통행량이다. 이때 pilogpi는 특정 지역에 대한 정보량을 의미하며, 모든 지역에 대해 이 값을 합산한 것이 전체 엔트로피 H가 된다. 엔트로피값이 클수록 통행이 다양한 지역으로 분산되어 있음을 의미하며, 값이 작을수록 특정 지역으로의 이동이 집중됨을 나타낸다. 그러나 엔트로피 지수 H는 지역의 개수 n에 따라 값의 범위가 달라지기 때문에, 직접적인 비교를 위해 정규화를 수행할 필요가 있다. 이에 따라 본 연구에서는 최대 엔트로피값 Hmax=logn을 기준으로 정규화된 엔트로피 지수를 산출하였으며, 이는 Equation 5와 같이 정의된다.

여기서, Hmax=logn이며, 이는 분석 대상 지역이 완전히 균등한 비율로 통행량을 가질 때의 최대 엔트로피 값이다. 정규화된 엔트로피 지수는 0에서 1 사이의 값을 가지며, 값이 1에 가까울수록 통행이 균등하게 분포하고, 0에 가까울수록 특정 지역에 집중됨을 의미한다.

또한, 일반 차량과 장애인 특별교통수단 이용자의 통행을 비교하는 것이 목적이므로, 두 그룹의 지니 계수와 엔트로피 지수 차이가 통계적으로 유의한지 검증이 필요하다. 이를 위해 본 연구는 순열검정(permutation test)을 수행한다. 순열검정은 두 집단의 표본을 결합한 후, 데이터를 무작위로 섞어 다시 두 그룹으로 나누는 방식으로 진행된다(Ojala and Garriga, 2010). 본 연구에서는 이 과정을 1,000회 반복하여, 두 그룹 간의 지니 계수 및 엔트로피 지수 차이를 계산하는 방식으로 진행한다.

4. 핫스팟 분석

지니 계수는 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행량이 공간적으로 얼마나 불균등하게 분포하는지를 평가하며, 엔트로피 지수는 통행 목적지의 다양성을 정량적으로 분석한다. 그러나 지니 계수와 엔트로피 지수는 전반적인 통행의 공간적 불균형 정도를 수치화하는 데 유용하지만, 구체적으로 어떤 지역에서 이러한 집중 현상이 발생하는지 파악하기는 어렵다. 따라서 본 연구에서는 통행 패턴의 공간적 집중도를 보다 정밀하게 분석하기 위해 핫스팟 분석을 수행하였다. 이를 위해 본 연구는 Getis-Ord Gi* 통계량을 적용하여 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행 수요가 주변 지역과 비교하여 통계적으로 유의미하게 높은 지역(핫스팟)과 낮은 지역(콜드 스팟)을 식별하였다. 핫스팟 분석의 핵심 개념은 공간적 자기상관(Spatial Autocorrelation)을 고려하여 특정 지역이 주변 지역과 함께 유의미한 클러스터를 형성하는지를 분석하는 것이다. 본 연구에서는 각 지역의 통행량이 주변 지역 대비 통계적으로 유의미하게 높은지(hotspot) 혹은 낮은지(cold spot)를 분석하기 위해 Getis-Ord Gi* 통계량을 적용하였다. Getis-Ord Gi* 값이 양의 방향으로 크면 해당 지역과 인접 지역이 함께 높은 통행량을 가지는 공간적 클러스터를 형성하고 있음을 의미하며, 값이 음의 방향으로 크면 해당 지역과 주변 지역이 함께 낮은 통행량을 보이는 공간적 클러스터를 형성하고 있음을 나타낸다. Getis-Ord Gi* 통계량은 Equation 6과 같이 정의된다.

이때, Gi*는 지역 에서의 Getis-Ord Gi* 값이며, xj는 지역 j의 통행량을 의미한다. wij는 지역 i와 j사이의 공간적 가중치를 나타내며, 특정 지역에서 가까운 이웃 지역일수록 높은 가중치를 부여한다. n은 분석 대상 지역의 총 개수로, 본 연구에서는 부산시의 행정동 또는 법정동의 개수를 의미한다. X¯는 전체 지역의 평균 통행량이며, S는 표준편차를 의미한다. 즉, 공간적 가중치가 적용되었을 때, 해당 지역이 단순히 높은 통행량을 가지는 것이 아니라 주변 지역과 함께 유사한 경향성을 보이는지를 판단할 수 있다. 본 연구에서는 핫스팟 분석을 ArcGIS Pro의 Hotspot Analysis(Getis-Ord Gi*) (Spatial Statistics) 툴을 이용하여 수행하였다. 분석 과정에서는 사용 데이터에 따라 부산시의 행정동 및 법정동을 공간 분석 단위로 설정하였다.

핫스팟 분석 결과는 단순한 통행량 차이를 넘어서 공간적 패턴의 유의성을 반영하여 이동이 집중되는 지역을 보다 정밀하게 식별할 수 있다는 점에서 의미가 있다. 이를 통해 장애인 특별교통수단 이용자의 통행이 특정 지역에 집중되는 구조적 패턴을 확인하고, 일반 차량 이용자의 통행 분포와 비교함으로써 두 집단 간 공간적 통행 패턴의 차이를 보다 명확하게 규명하고자 하였다.

5. 커뮤니티 디텍션

본 연구는 핫스팟 분석을 통해 개별 지역의 통행 밀도를 평가한 후, 연구 대상 지역 전체적인 공간적 네트워크에서 통행 흐름의 구조적 특성을 보다 정밀하게 분석하기 위해 커뮤니티 디텍션 기법을 활용하였다. 핫스팟 분석은 특정 지역에서 통행이 집중되는 패턴을 확인하는 데 유용하지만, 개별 지역의 공간적 특성을 분석하는 데 초점이 맞춰져 있어 이동 흐름이 형성하는 네트워크 구조를 반영하기 어렵다. 따라서 본 연구에서는 네트워크 내에서 강한 상호작용을 보이는 노드들의 집합을 탐지함으로써, 개별 지역이 아닌 연결 관계를 중심으로 공간적 패턴을 분석하고자 하였다. 이를 통해 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행 흐름이 어떻게 그룹화되는지 파악하고, 두 집단 간 네트워크 구조의 차이를 비교하는 것을 목표로 한다.

교통 네트워크 분석에서 일반적으로 활용되는 주요 커뮤니티 디텍션 기법으로는 Edge Betweenness(Girvan and Newman, 2002), Louvain(Blondel et al., 2008), Spin Glass(Reichardt and Bornholdt, 2006), Fast Greedy (Newman, 2004), Infomap(Rosvall and Bergstrom, 2008) 알고리즘이 있다(Zhong et al., 2014). 기존 연구에서는 커뮤니티 디텍션의 여러 알고리즘을 비교 분석한 결과, 각 기법은 네트워크 특성과 분석 목적에 따라 상이한 결과를 제공하는 것으로 나타났다. 본 연구에서는 가중치(weight) 및 방향성(direction) 네트워크를 효과적으로 분석할 수 있다는 점에서 Infomap 알고리즘을 적용하였다. 네트워크에서 링크가 노드 간 이동 패턴을 나타내는 경우, 네트워크의 정보 흐름을 기반으로 커뮤니티를 탐지하는 맵 방정식(Map Equation) 기반 접근이 적절하며, 단순 연결 관계를 분석할 경우 모듈성(Modularity) 기반 알고리즘이 적절하다(Rosvall and Bergstrom, 2008). 본 연구에서는 통행 OD 데이터를 활용하여 도시 내 생활권을 탐지하는 데 초점을 맞추며, 단순한 OD 관계가 아닌 OD 흐름을 분석하는 것이 중요하다. 이는 도시 내 이동 패턴을 보다 실질적으로 반영하기 위해, 출발지와 도착지 간의 단순한 연결 관계만을 분석하는 것이 아니라 실제 이동 흐름을 고려해야 하기 때문이다. 따라서 본 연구에서는 이동 흐름을 반영할 수 있는 맵 방정식 기반의 Infomap 알고리즘을 적용하여 생활권을 구분하고자 한다.

인포맵 알고리즘은 네트워크 내에서 정보 흐름을 기반으로 커뮤니티를 탐지하는 방법으로, 랜덤 워커(Random Walker)가 네트워크를 따라 이동하는 과정에서 정보를 압축하는 방식으로 작동한다(Rosvall and Bergstrom, 2008). 이 과정에서 네트워크에서의 랜덤 워커 이동 확률 흐름과 무작위 노드 방문 확률이 정보 흐름의 대용물(proxy)로 사용된다. 이후, 각 커뮤니티와 관련된 이동 확률을 분석하고, 네트워크 내에서 최소한의 정보 손실을 유지하면서 커뮤니티를 분할한다. 즉, 네트워크를 최소 엔트로피 상태로 구조화하여, 최대한 적은 정보량으로 네트워크를 설명할 수 있도록 클러스터를 형성한다. 정보량은 특정 데이터를 설명하는 데 필요한 최소한의 코드 길이를 의미하며, 네트워크 내에서 특정 노드 간 이동이 많을수록 해당 이동을 설명하는 데 필요한 정보량이 증가한다. 인포맵 알고리즘에서는 그래프를 커뮤니티로 분할할 때 엔트로피를 최소화하는 방식을 사용하며, 이는 네트워크 내 정보 손실을 최소화함을 의미한다. 본 연구에서는 Python 3.11 환경에서 ‘infomap python’ 패키지(version 2.8.0)를 사용하여 인포맵 알고리즘 기반의 커뮤니티 디텍션 분석을 수행하였다(Map Equation, 2020).

본 연구에 사용된 인포맵 알고리즘의 맵 방정식은 Equation 7과 같다(Kwon, 2019).

여기서 M은 커뮤니티 분할 결과로, 네트워크 내 노드들이 M개의 커뮤니티로 그룹화된 상태를 의미한다. L(M)은 주어진 커뮤니티 구조를 설명하는 데 필요한 총 정보량이며, 이는 커뮤니티 간 이동과 커뮤니티 내부 이동을 설명하는 정보량의 합으로 계산된다. 첫 번째 항인 q↷H(Q)는 네트워크에서 랜덤 워커가 한 커뮤니티에서 다른 커뮤니티로 이동하는 확률을 의미하며, 이 확률을 기반으로 커뮤니티 간 이동을 설명하는 데 필요한 최소한의 코드 길이를 나타낸다. 이는 네트워크에서 커뮤니티 간 이동을 압축하여 표현할 때 필요한 정보량을 의미한다. 두 번째 항인 ∑i=1mp↻iHpi는 커뮤니티 내부 이동을 설명하는 정보량으로, p↻i는 랜덤 워커가 특정 커뮤니티 i내부에서 머물다가 커뮤니티를 벗어날 확률이며, Hpi는 커뮤니티 내부에서 이동 패턴을 설명하는데 필요한 최소한의 정보량을 의미한다. 즉, 맵 방정식은 네트워크 내에서 커뮤니티 간 및 커뮤니티 내부 이동 패턴을 고려하여 정보량을 최소화하는 방식으로 커뮤니티를 탐지하는 모델이다. 이를 통해 인포맵 알고리즘은 네트워크의 이동 흐름을 최적화하는 커뮤니티 구조를 찾게 된다.

본 연구에서는 일반 차량 이용자와 장애인 특별교통수단 이용자의 통행 데이터를 활용하여 네트워크를 구축하고, 인포맵 알고리즘을 적용하여 생활권을 도출하였다. 네트워크의 구성 요소는 다음과 같다. 노드(node)는 법정동 및 행정동을 단위로 설정하였으며, 링크(link)는 출발지와 목적지(즉, OD) 데이터를 기반으로 구축하였다. 링크의 가중치(wight)는 통행량을 반영하였고, 네트워크의 흐름을 고려하여 방향성이 있는 그래프로 구성하였다.

네트워크 그래프를 구축하는 과정에서, 분석의 타당성과 공간적 연속성을 확보하기 위해 의미 없는 노드(저빈도 또는 연결성이 낮은 노드)를 제거하고, 동질적 통행의 공간적 범위를 유지하기 위한 보완 절차를 적용하였다. 이를 위해 인포맵 알고리즘의 인접 노드 모듈 할당 기능(cluster data assignment)을 활성화하였으며, 이를 통해 모듈로 분류되지 않은 미할당 노드를 인접한 모듈에 자동으로 할당하였다(Map Equation, 2020). 이러한 처리 과정은 알고리즘 내부에서 자동으로 수행되며, 연구자의 임의 조정이나 별도의 후처리는 포함되지 않았다. 이러한 설정은 생활권 간 공간적 연속성을 확보하고, 클러스터 경계의 과도한 단절을 방지하여 통행 네트워크의 구조적 응집성을 유지하는 데 기여한다.

본 연구에서는 일반 차량과 장애인 특별교통수단 이용자의 통행 네트워크에서 각각 인포맵을 적용한 후, 도출된 커뮤니티 구조의 품질을 평가하기 위해 맵 방정식 기반의 총 정보량(Description Length, L(M))을 확인하였다. 이때, L(M)값이 작을수록 정보 압축 효율이 높아 보다 최적화된 커뮤니티 구조를 형성했다고 볼 수 있다(Smiljanić et al., 2023). 즉, L(M)을 통해 두 네트워크에서 커뮤니티 분할이 정보 흐름을 얼마나 효율적으로 압축하는지를 분석하고, 이동 패턴의 차이가 커뮤니티 구조에 미치는 영향을 평가하였다. 만약 장애인 특별교통수단 통행 네트워크에서 L(M) 값이 더 크다면, 이는 장애인 통행 흐름을 설명하는 데 더 많은 정보량이 필요함을 의미하며, 통행 패턴이 일반 차량보다 다양하게 분산되었거나 불규칙적인 형태를 보일 가능성이 있다. 반대로, 장애인 특별교통수단 통행 네트워크에서 L(M) 값이 더 작다면, 이는 통행 패턴이 특정한 지역에 집중되어 있어 상대적으로 단순한 구조를 형성하고 있음을 시사할 수 있다.

분석결과

1. 통행 불균형 및 목적지 다양성 분석

본 연구에서는 지니 계수를 활용하여 통행량의 공간적 불균형 정도를 평가하고, 엔트로피 지수를 통해 목적지 다양성을 정량적으로 분석하였다. Table 2에서 제시된 바와 같이, 일반 차량 통행의 지니 계수는 0.724(95% 신뢰구간 [0.713, 0.734]), 장애인 특별교통수단 통행의 지니 계수는 0.894(95% 신뢰구간 [0.891, 0.901])로 추정되었다. 이 분석에서 지니 계수의 값은 1에 가까울수록 특정 지역으로 통행이 집중됨을 의미하므로, 이러한 결과는 장애인 특별교통수단 이용자의 통행이 일반 차량 이용자의 통행보다 특정 지역에 집중되는 경향이 강하다는 것을 의미한다. 이러한 지니 계수의 그룹 간 차이는 통계적으로 유의한 것으로 나타났다(p<0.001).

엔트로피 지수 분석 결과, 일반 차량 통행의 엔트로피 지수는 0.875(95% 신뢰구간 [0.868, 0.882]), 장애인 특별교통수단 통행의 엔트로피 지수는 0.770(95% 신뢰구간 [0.762, 0.778]로 나타났다(Table 2). 본 연구에서 엔트로피 지수는 1에 가까울수록 통행의 목적지가 다양하게 분포하며, 0에 가까울수록 통행이 특정 목적지에 집중됨을 나타낸다. 따라서 두 집단을 비교했을 때, 일반 차량 이용자는 다양한 목적지로 통행하는 반면, 장애인 특별교통수단 이용자의 통행은 일부 특정 목적지에 집중되는 경향을 보임을 알 수 있다. 두 그룹 간 엔트로피 지수의 차이 또한 통계적으로 유의하였다(p<0.001).

위와 같은 분석 결과는 장애인 특별교통수단 이용자의 통행이 일반 차량 이용자에 비해 특정 지역 혹은 특정 목적지에 더욱 집중된 경향을 보이며, 이러한 차이는 통계적으로 유의함을 보여준다. 이는 장애인 특별교통수단 이용자가 이동할 수 있는 공간적 범위가 제한적이며, 주요 통행 목적지가 특정 시설에 집중될 가능성이 높음을 시사한다. 즉, 장애인 특별교통수단 통행의 공간적 불균형을 완화하고, 이동 목적지를 다양화할 수 있는 정책적 대응이 필요할 수 있다.

2. 통행 집중 지역 식별

일반 차량과 장애인 특별교통수단 이용자의 통행 집중 지역을 비교하기 위해 핫스팟 분석을 수행한 결과, 두 집단 간 공간적 분포의 차이가 뚜렷함을 알 수 있었다(Figure 3). 대표적으로, 일반 차량 통행은 해운대구(우동, 재송동, 좌동 등)과 기장군(기장읍, 정관읍 등)에서 통행 집중도가 높은 것으로 나타났다(유의 수준 99%). 일반 차량의 이동이 집중된 지역은 도심과 외곽을 연결하는 주요 도로망을 따라 위치하거나, 주거 지역과 상업 지역이 혼재된 지역에서 통행이 활발한 경향을 보였다. 예를 들어, 기장권은 도시 외곽에서 도심으로 유입되는 교통량이 많은 지역으로, 출퇴근 및 장거리 이동 수요가 반영된 결과로 해석할 수 있다. 이는 일반 차량 통행 분포에서도 확인할 수 있는데, 시 외곽에서 도심으로 향하는 주요 이동 경로가 명확하게 나타나며, 특정 지역에 국한되지 않고 다양한 출발지와 목적지가 강하게 연결되는 경향이 나타남을 알 수 있다.

Figure 3.

Results of hotspot analyses

반면, 장애인 특별교통수단 이용자의 통행은 연제구(연산동, 거제동)와 부산진구(개금동, 부전동) 등 도심권 지역에 유의하게 집중되는 경향을 보였다. 장애인 특별교통수단 이용자의 통행 목적은 약 87%가 개인 용무, 12%가 병원 이용으로 나타났으며, 주요 이동 목적지가 서비스 시설이나 의료·건강 시설이 밀집한 지역에 집중되는 특성을 보였다. 이는 부산광역시장애인종합복지관(2025) 자료와도 일치하며, 해당 시설의 약 60%가 부산진구, 사상구, 동래구, 연제구, 해운대구, 금정구 등에 집중되어 있는 것으로 확인되었다.

Figure 4는 일반 차량과 장애인 특별교통수단 이용자의 통행 흐름을 네트워크 형태로 시각화한 결과를 보여준다. 일반 차량 이용자는 도시 전역을 아우르는 다양한 경로를 통해 출발지와 목적지가 활발히 연결되는 모습을 보였다. 특히 외곽 지역에서 도심부로 이어지는 주요 경로가 굵게 형성되어 있으며, 이동 경로의 다양성과 분산성이 높았다.

반면, 장애인 특별교통수단 이용자는 통행이 특정 도심권 지역을 중심으로 밀집되는 양상을 보였으며, 전반적으로 통행 경로가 제한적이고 연결성이 낮은 특성을 보였다. 이동 경로가 비교적 소수의 주요 목적지에 집중되어 있으며, 외곽 지역과의 연결성은 일반 차량에 비해 크게 떨어졌다. 이는 장애인 통행의 공간적 제약성을 시각적으로 뚜렷하게 보여준다.

Figure 4.

Results of trip distribution using spatial visualization

추가적으로, 통행 네트워크의 구조적 특성을 정량적으로 파악하기 위해 OD 링크 가중치(edge weight)와 노드 강도(node strength)의 분포를 분석하였다. 링크 가중치는 OD 링크(출발지-도착지 쌍) 단위로 발생한 통행량을 의미하며(Figure 5), 노드 강도는 각 노드(행정동 또는 법정동)에서 발생한 총통행량(유입량과 유출량의 합계)을 의미한다(Figure 6). 본 연구는 링크 가중치와 노드 강도의 분포를 log-log 스케일 히스토그램으로 분석하였다. 이는 교통 네트워크와 같이 자연적으로 발생하는 공간적 흐름 데이터에서는 소수의 링크 또는 노드에 많은 통행이 집중되고, 다수의 링크 또는 노드는 상대적으로 적은 통행만을 기록하는 이른바 'heavy-tailed distribution' 특성이 나타나는 경우가 많기 때문이다(Newman, 2010; Zhang et al., 2019). 일반적인 선형 축(linear scale)에서는 이러한 분포의 비대칭성과 긴 꼬리 특성을 충분히 식별하기 어려우므로, log-log 스케일을 적용하여 전체 분포의 형태를 명확히 파악할 수 있도록 하였다. 특히 log-log 스케일은 소규모 값과 대규모 값을 모두 효과적으로 시각화할 수 있어, 통행량이 많은 링크와 적은 링크 간의 상대적 차이와 불균형 구조를 동시에 확인할 수 있는 장점이 있다. 이를 통해 일반 차량과 장애인 특별교통수단 네트워크의 구조적 차이를 보다 정밀하게 분석하고, 통행 집중도 및 이동 제한성의 특성을 구체적으로 비교할 수 있다.

Figure 5.

OD link weight distribution (log-log scale)

Figure 6.

Node strength distribution (log-log scale)

링크 가중치 분석 결과, 일반 차량과 장애인 특별교통수단 모두에서 통행량이 높은 OD 링크는 소수에 불과하고, 대부분의 링크는 통행량이 적은 우하향 분포를 보였다. 그러나 두 집단 간 세부 양상에는 차이가 있었다. 일반 차량 네트워크에서는 다양한 OD 링크에 걸쳐 비교적 고른 통행량 분포를 보였으며, 통행량이 중간 또는 높은 수준인 링크가 폭넓게 분포하는 경향을 나타냈다. 반면, 장애인 특별교통수단 네트워크에서는 소수의 링크에 통행량이 집중되어 있었으며, 대부분의 링크는 통행량이 매우 적은 것으로 나타났다. 이는 장애인 특별교통수단 이용자의 이동 경로가 소수의 주요 경로에 집중되는 경향이 강하다는 점을 반영한다.

노드 강도 분석 결과도 유사한 차이를 보였다. 일반 차량 네트워크에서는 다수의 노드가 높은 총통행량을 기록하여, 다양한 지역에서 활발한 이동이 발생하는 경향을 보였다. 노드별 총통행량이 10⁴에서 10⁵ 이상의 구간에 걸쳐 넓게 분포하고 있으며, 이는 다양한 지역이 주요 통행 거점으로 기능하고 있음을 시사한다. 즉, 이용자의 출발지와 목적지가 공간적으로 고르게 분포하며, 전체 네트워크 전반에 걸쳐 통행이 비교적 균형 있게 이루어지고 있는 것으로 해석할 수 있다. 반면, 장애인 특별교통수단 네트워크에서는 노드 강도 값이 상대적으로 낮은 구간에 집중되어 있으며, 높은 총통행량을 기록하는 노드는 소수에 불과하였다. 다수의 노드는 총통행량이 매우 적거나 거의 없는 것으로 나타났고, 일부 특정 노드에만 통행 수요가 과도하게 집중되는 경향이 관찰되었다. 이는 장애인 특별교통수단 이용자의 이동이 의료시설, 복지시설 등 특정 목적지 중심으로 제한적으로 이루어지고 있으며, 전체 이동 범위가 일반 차량 이용자에 비해 상당히 협소하다는 점을 뒷받침하는 결과이다.

3. 통행 흐름 기반 생활권 구조 분석

일반 차량과 장애인 특별교통수단 이용자의 통행 흐름을 바탕으로 커뮤니티 디텍션 기법을 적용한 결과, 두 집단 간 생활권의 공간적 구조에서 뚜렷한 차이가 나타났다(Figure 7). 일반 차량 이용자의 생활권은 총 21개의 커뮤니티로 도출되었으며, 개별 커뮤니티의 공간적 범위가 상대적으로 작고, 지역 간 이동이 세분화된 형태를 보였다. 이는 일반 차량 이용자가 특정 지역에 집중적으로 이동하기보다는 다양한 지역을 오가며 이동하는 경향이 강하다는 점을 시사한다. 또한, 도시 전역에서 다핵 생활권 구조가 형성되었으며, 특정 지역에 한정되지 않고 여러 거점을 중심으로 이동이 이루어지고 있음을 보여준다. 즉, 생활권이 세분화되었다는 점은 일반 차량 이용자가 특정 목적지에 집중적으로 이동하기보다는 다양한 지역을 활용하며 이동한다는 점을 반영한다.

Figure 7.

Results of community detection analyses

반면, 장애인 특별교통수단 이용자의 생활권은 총 4개의 커뮤니티로 도출되었으며, 일반 차량 이용자의 생활권(21개)보다 훨씬 적은 수의 생활권이 형성되었음을 알 수 있다. 또한, 개별 생활권의 공간적 범위도 일반 차량 통행 기반 생활권보다 넓음을 알 수 있는데, 이는 장애인 특별교통수단 이용자의 이동 경로가 특정 목적지 중심으로 형성되면서도 장거리 이동의 비중이 크다는 점을 반영한다. 즉, 일반 차량 이용자와 달리 장애인 특별교통수단 이용자는 특정 거점(병원, 복지시설 등)을 중심으로 이동이 이루어지며, 이동할 수 있는 목적지의 선택 폭이 제한되어 있기 때문에 다핵적인 생활권보다는 소수의 거점을 중심으로 하는 대규모 생활권이 형성된 것으로 해석할 수 있다.

생활권 구조의 최적성을 평가하기 위해 일반 차량과 장애인 특별교통수단 이용자의 네트워크에서 총 정보량 L(M)을 비교하였다(Table 3). 여기서 L(M)은 연구방법론에서 설명했듯이 네트워크 전체 연결 구조를 요약하는 데 필요한 정보의 양을 의미하며, 네트워크 내 이동 흐름이 얼마나 효율적이고 응집력 있게 연결되어 있는지를 반영하는 지표이다. L(M) 값이 클수록, 네트워크 구조가 복잡하거나 비효율적이며, 이동 경로들이 다양한 노드를 균형 있게 활용하지 못하고 특정 경로에 집중되는 경향을 나타낸다.

분석 결과, 일반 차량 네트워크의 L(M) 값은 5.685, 장애인 특별교통수단 네트워크의 값은 6.373으로 나타났다. 이는 장애인 특별교통수단 네트워크가 이동 흐름이 특정 지역이나 목적지에 과도하게 집중되어 있고, 다양한 목적지 간 균형 잡힌 연결성이 부족하여 네트워크를 간결하게 설명하기 어렵다는 것을 의미한다. 즉, 단순히 커뮤니티 개수가 적기 때문이 아니라, 일부 특정 노드만 과도하게 사용되거나, 다양한 목적지로의 분산 이동이 충분히 이루어지지 않아 정보 압축이 어려운 구조임을 시사한다. 다시 말해, 장애인 특별교통수단 이용자의 통행은 특정 목적지(예: 의료시설, 복지시설 등)에 집중되는 경향이 강하며, 이동 다양성이 제한적임을 보여준다. 이러한 결과는 앞서 수행한 핫스팟 분석 및 엔트로피 지수 분석 결과와도 일관되며, 장애인 특별교통수단 이용자의 통행 패턴이 소수의 주요 거점 중심으로 형성되는 특징을 뒷받침한다.

논의

본 연구에서는 부산지역의 장애인 특별교통수단인 장애인 특별교통수단 이용자와 일반 차량 이용자의 통행 패턴을 비교하고, 이를 바탕으로 생활권 구조를 분석하였다. 분석 결과, 두 집단의 통행은 공간적 분포와 네트워크 구조에서 뚜렷한 차이를 보였으며, 이는 통행 기반 생활권을 도출할 때 인구 집단별 특성을 반영하는 것이 필수적임을 시사한다.

특히 장애인 특별교통수단 이용자의 통행은 특정 목적지 중심으로 집중되는 경향이 강하고, 통행 목적지의 다양성이 상대적으로 낮았다. 이는 장애인의 이동성이 제한적이며, 특정 목적지에 통행이 집중된다는 기존 연구 결과를 실증적으로 뒷받침한다(Lee and Lee, 2023; Park et al., 2023). 이러한 통행 패턴은 단순한 공간 선택의 결과라기보다는, 장애인 이용자가 의도치 않게 특정 목적지에 종속된 통행을 반복하는 구조적 제약, 즉 강요된 이동을 할 수 밖에 없는 상황에 놓여 있음을 시사한다(Kuttler and Moraglio, 2021; Lucas et al., 2016).

또한, 장애인 특별교통수단 네트워크 분석결과는 일반 차량 네트워크에 비해 노드 및 링크의 활용이 제한적이며, 이는 도시 내 장애인의 통행 흐름이 공간적으로 구조화된 제약을 받고 있음을 보여준다(Egger et al., 2022; Lee and Lee, 2023). 실제로 지니 계수 분석 결과, 장애인 특별교통수단 이용자의 지니 계수는 일반 차량보다 약 24% 높게 나타났으며, 이는 통행의 공간적 편차가 훨씬 심화되어 있음을 보여준다(Baele et al., 2023). 이러한 불균형은 장애인이 다양한 목적지로 이동하는 데 있어 실질적인 선택의 자유를 보장받지 못하고 있음을 시사하며, 이러한 구조적 제약은 이동 빈곤으로 연결되어 장애인이 기본적인 사회적 활동에 접근하는 데 있어 실질적인 한계를 초래하며, 사회참여와 자립생활의 기회를 제한하는 주요 요인으로 작용할 수 있다(Dorantes and Murauskaite-Bull, 2023; Lucas et al., 2016).

엔트로피 지수 분석 결과에서도 장애인 특별교통수단 이용자의 통행 목적지가 상대적으로 단순하고, 특정 시설에 편중되어 있음이 확인되었다. 이는 장애인 특별교통수단의 운영 방식과 도시 공간 구조의 영향을 동시에 반영하는 것으로 해석될 수 있으며, 기존 연구에서 장애인의 이동이 특정 시설 중심으로 제한될 가능성이 높다는 점과 맥락을 같이한다(Akcicek et al., 2023; Alimo et al., 2024). 예를 들어, 장애인 특별교통수단의 예약제 운영 방식, 낮은 운행 빈도, 대중교통과의 연계 및 대중교통 자체의 접근성 부족 등의 요소가 복합적으로 작용하여 이동의 자율성을 제한할 수 있으며, 이는 결과적으로 이동의 배제 현상을 강화할 위험이 있다(Awaworyi Churchill and Smyth, 2019).

핫스팟 분석과 통행 분포 분석 결과에서도 일반 차량 이용자의 이동이 도시 전역에서 분산된 양상을 보인 반면, 장애인 특별교통수단 이용자의 이동은 특정 지역에 집중되는 경향이 강하게 나타났다. 특히, 장애인 특별교통수단 이용자의 주요 통행 목적지는 의료 및 복지 시설이 밀집한 지역에 집중되었으며, 일반 차량 이용자의 통행 패턴과 비교했을 때 통행 선택의 폭이 좁고 특정 권역에 의존하는 구조가 확인되었다. 이는 장애인 특별교통수단 서비스가 예약제로 운영됨에 따라 즉각적인 이동이 어렵고, 장애인의 경우 이용할 수 있는 교통수단이 제한적이기 때문에 통행이 특정 목적지로 집중될 가능성이 높다는 점을 시사한다(Egger et al., 2022; Park et al., 2023). 또한, 대중교통과의 연계성이 부족할 경우 장애인들이 이동을 위한 대체 수단을 활용하기 어려워지며, 결과적으로 특정 목적지 중심으로 이동이 고착화될 수 있다. 이러한 구조는 장애인들의 생활 반경을 좁히고, 다양한 활동을 제한하는 요인으로 작용할 수도 있다.

일반 차량과 장애인 특별교통수단 이용자의 통행 흐름을 바탕으로 커뮤니티 디텍션 기법을 적용한 결과, 두 집단 간 생활권의 공간적 구조에서 뚜렷한 차이가 나타났다. 일반 차량 이용자의 생활권은 총 21개의 커뮤니티로 도출되었으며, 개별 커뮤니티의 공간적 범위가 상대적으로 작고 지역 간 이동이 세분화된 형태를 보였다. 이는 일반 차량 이용자가 특정 지역에 집중되기 보다는 다양한 지역 간 이동을 수행하며, 생활권이 세밀하게 구분되는 경향이 있음을 의미한다. 또한, 도시 전역에서 다핵적인 생활권 구조가 형성되고 있음을 시사하며, 이는 기존 연구에서 제시된 통행 기반의 생활권 도출 방식과 일맥상통하는 결과이다(Yuan et al., 2021; Zhang et al., 2021a; Zhong et al., 2014). 반면, 장애인 특별교통수단 이용자의 통행 기반 생활권은 총 4개의 커뮤니티로 도출되었으며, 일반 차량에 비해 생활권 개수가 훨씬 적고 공간적 범위가 넓게 나타났다. 이는 장애인 특별교통수단 이용자의 이동이 특정 목적지 중심으로 더욱 집중되는 패턴을 가지며, 상대적으로 일상생활의 공간 구조가 단순화되고 집중되는 경향이 강함을 나타낸다. 결과적으로, 도시 내에서 형성되는 생활권은 교통수단 접근성과 이동 자율성에 따라 계층화될 수 있으며, 이는 특정 집단이 구조적으로 배제되어 교통 형평성에 큰 위험으로 작용할 수 있다(Dorantes and Murauskaite-Bull, 2023; Litman, 2017).

이러한 분석 결과는 생활권 계획 수립 시 다양한 인구 집단의 통행 특성과 제약 조건을 반영하는 것이 중요하다는 점을 시사한다. 특히, 장애인 특별교통수단 이용자의 통행이 특정 목적지에 과도하게 집중되는 현상은 이동 자체의 물리적 제약뿐만 아니라 도시 공간구조 및 서비스 배치의 편중과도 밀접한 관련이 있다. 따라서 특정 목적지에 대한 과잉 과잉 의존을 완화하기 위해 도시 공간 계획과의 연계가 필수적이다. 예를 들어, 의료‧복지시설의 소규모 분산 배치 또는 커뮤니티 단위에서 접근성이 높은 생활편의시설의 재배치를 통해 통행 수요의 공간적 집중을 완화할 수 있을 것이다. 이러한 방향은 부산시가 추진 중인 ‘15분 도시’의 개념과도 상응하지만, 기존 계획이 일반 시민의 도보 및 대중교통 접근성을 중심으로 설계된 점을 고려할 때, 장애인 등 교통약자의 관점에서 접근성 재평가가 선행되어야 한다.

아울러, 장애인 특별교통수단의 단순한 운행 범위 확대만으로는 특정 목적지에 집중된 통행 구조를 근본적으로 개선하기 어렵다. 따라서 서비스 설계 단계에서부터 통행 목적지의 다양화를 유도할 수 있도록 주요 목적지에 배차 자원이 집중되어 있는지 살피고, 의료‧복지 목적 외에도 여가, 상업, 사회참여 활동 등으로 통행 목적을 다양화할 수 있도록 유도할 필요가 있다. 이를 위해서는 통행지점 간 물리적 접근성 제고뿐 아니라, 건물 내‧외부의 이동 장애 요소 제거, 사용자 관점에서의 경로 안내 체계 개선 등의 종합적 지원이 병행되어야 한다.

또한, 대체 교통수단의 기능적 연계 강화를 통한 서비스 통합 전략이 필요하다. 현재 장애인 특별교통수단 및 바우처 택시는 일반 대중교통과의 연계성이 낮아 이동 경로의 유연성과 자율성이 제약되고 있다. 이를 개선하기 위해 수단 간 통합 예약 플랫폼의 구축과 환승 지원 기능을 포함한 교통복지 시스템의 설계를 고려할 수 있다. 특히, 최근 도시 교통정책에서 활발히 논의되고 있는 MaaS(Mobility-as-a-Service) 모델에 교통약자 친화형 서비스를 통합함으로써, 장애인 등 교통취약계층의 이동권을 제도적으로 보장하는 방향으로 진화시킬 필요가 있다.

최근 도시 및 교통계획에서는 생활권 개념을 기반으로 교통 및 공간 계획을 수립하려는 시도가 이루어지고 있으나, 주로 일반 차량 이용자를 중심으로 생활권을 분석하였으며 장애인과 같은 교통약자의 통행 패턴을 반영한 연구는 상대적으로 부족한 실정이다. 본 연구의 분석 결과는 장애인 특별교통수단 이용자의 생활권이 일반 차량 이용자의 생활권과 상이한 방식으로 형성될 수 있음을 실증적으로 제시하며, 획일적인 생활권 설정 방식이 장애인과 같은 특정 집단의 이동권을 충분히 반영하지 못할 가능성이 클 수 있음을 시사한다. 즉, 정책적으로 통행 데이터 기반의 생활권 계획 수립 시 교통약자를 고려하는 과정이 필요하며, 동시에 교통약자의 이동성 개선을 위해 특별교통수단 서비스 개선, 생활권 간 장벽 없는 통행 경로 확보, 보행 환경 및 대중교통 연계 강화 등의 방안을 검토할 필요가 있다.

결론

본 연구는 일반 차량과 장애인 특별교통수단 이용자의 통행 패턴을 비교·분석하고, 이를 기반으로 두 집단 간 생활권 형성 방식의 차이를 실증적으로 규명하였다. 연구 결과, 장애인 특별교통수단 이용자의 통행은 특정 목적지에 집중되는 경향이 강하며, 목적지의 다양성이 부족함이 확인되었다. 지니 계수와 엔트로피 지수 분석을 통해 장애인 특별교통수단 이용자의 이동이 공간적으로 불균등하게 분포하며, 이동 선택지가 제한적일 가능성이 높음을 실증적으로 확인하였다. 또한, 핫스팟 분석 결과 장애인 통행이 특정 도심 지역에 집중되는 경향이 두드러졌으며, 일반 차량 이용자와 비교했을 때 통행 패턴이 더욱 제한적임을 알 수 있었다. 커뮤니티 디텍션 분석에서도 두 집단 간 명확한 차이가 나타났다. 일반 차량 이용자는 다핵적인 생활권 구조를 형성하며 총 21개의 커뮤니티로 구분된 반면, 장애인 특별교통수단 이용자는 총 4개의 커뮤니티로 도출되어 상대적으로 이동 반경이 넓고 특정 권역 중심의 이동 패턴을 보였다. 이는 장애인 통행이 특정 목적지 중심으로 형성되는 경향이 있으며, 상대적으로 이동 선택지가 제한되어 있을 가능성이 높음을 시사한다.

본 연구는 장애인의 통행 흐름을 네트워크 차원에서 분석하고, 생활권 형성과의 관계를 규명했다는 점에서 기존 연구를 확장하는 기여를 한다. 특히, 다층적 분석 프레임워크를 적용하여 장애인 통행 패턴을 종합적으로 분석했다는 점에서 의미가 있다. 기존 연구들은 장애인의 이동성을 개별적인 측면에서 다루는 경향이 있었으나, 본 연구는 지니 계수 및 엔트로피 지수를 활용한 통행 불균형 및 목적지 다양성 평가, 핫스팟 분석을 통한 공간적 집중도 분석, 커뮤니티 디텍션 기법을 활용한 생활권 구조 분석을 통합적으로 수행하였다. 이러한 접근 방식은 향후 OD 데이터 기반의 통행 분석 및 도시 내 이동 패턴 연구에서 적용될 수 있는 실증적 분석 모델을 제시하였다는 점에서 학술적 가치가 있다. 또한, 기존 연구에서 교통 데이터 기반 생활권 분석이 기존 행정 경계를 보완할 수 있는 도구로 활용될 수 있음을 논의한 것을 발전시켜, 다양한 인구 집단을 고려한 생활권 설정이 이루어져야 한다는 점을 강조하였다. 본 연구 결과는 특히 교통약자를 고려한 형평성 있는 생활권 계획 수립이 필요하다는 정책적 시사점을 제공하였으며, 이는 향후 도시 및 교통계획 수립 과정에서 고려해야 할 중요한 요소로 작용할 수 있다. 향후 연구에서는 보다 다양한 교통약자 그룹을 포함하고, 대중교통 및 보행 접근성과의 관계를 분석하는 연구가 추가적으로 이루어질 필요가 있다.

그러나 본 연구는 몇 가지 한계를 가진다. 첫째, 데이터 수집의 시공간적 차이로 인해 두 집단의 직접적인 비교에 한계가 있을 수 있다. 일반 차량 통행 데이터는 2022년, 행정동 단위로 구성된 반면, 장애인 특별교통수단 통행 데이터는 2023년, 법정동 단위로 제공되었다. 따라서 공간적 분석 단위가 다르고, 데이터 수집 기간이 상이하여 결과 해석 시 주의가 필요하다. 둘째, 본 연구는 장애인 특별교통수단 데이터를 중심으로 분석을 수행하였으며, 장애인의 전반적인 이동 실태를 완전히 반영하기에는 한계가 있다. 장애인 특별교통수단 서비스는 주로 의료 서비스 접근을 위한 수요가 많아, 장애인의 일반적인 일상 통행을 충분히 반영하지 못할 가능성이 있다. 즉, 장애인의 통행 패턴이 장애인 특별교통수단 이용 패턴에만 국한되지 않으며, 다른 형태의 이동이 존재할 수 있으므로, 보다 다양한 교통수단을 포함한 분석이 필요하다. 장애인 중 일부는 일반 대중교통을 함께 이용하거나, 다른 이동 수단을 활용할 수 있지만 본 연구에서는 이를 고려하지 못하였다. 따라서 장애인 통행의 실질적 수요를 보다 포괄적으로 반영하기 위해서는 대중교통, 보행 경로 등을 포함한 추가적인 연구가 필요하다.

그럼에도 본 연구는 장애인 특별교통수단 이용자의 이동 패턴을 기존의 개별적이고 목적지 중심적인 분석을 넘어, 생활권 수준의 통행 기반 네트워크 구조 분석으로 확장하여 공간적 이동성의 구조적 특성을 정량적으로 규명하였다는 점에서 학술적·정책적 의의가 있다. 기존 연구가 장애인 이동성의 차이를 주로 정성적 접근이나 목적지 집중 현상만을 부분적으로 지적하는 데 그친 반면, 본 연구는 지니 계수, 엔트로피 지수, 핫스팟 분석 및 커뮤니티 디텍션 기법을 통합한 다층적 분석 프레임워크를 적용하여, 도시 전체 공간망에서 장애인 이동의 구조적 제약과 생활권 응집성 차이를 실증적으로 규명하였다. 또한, 본 연구는 분석 결과를 기반으로 교통약자의 이동성과 형평성을 개선하기 위한 정책적 시사점을 제시하고자 하였으며, 이는 향후 포용적이고 형평성 있는 도시 및 교통계획 수립에 필요한 실증적이고 이론적인 기반으로 활용될 수 있을 것이다. 향후 연구에서는 장애인의 다양한 교통수단 이용 양상을 포괄적으로 분석하고, 장기적 시계열 변화와 공간적 특성 차이에 따른 추가적 연구를 수행함으로써, 본 연구의 프레임워크와 함의를 더욱 강화하고 구체화할 필요가 있다. 지속적이고 체계적인 접근을 통해, 보다 포괄적이고 형평성 있는 도시 공간 계획 및 정책 수립이 실현될 수 있기를 희망한다.