서론

도시철도는 모든 사람에게 이동 기회를 제공하는 도시의 핵심적인 교통수단으로 대도시권에서 대량의 통행 수요를 효율적으로 처리한다(Cervero and Duncan, 2002). 특히 인구와 기능이 광역적으로 분산된 대도시권에서는 높은 수송 능력과 정시성을 갖춘 도시철도 네트워크가 장거리 통근·통학 통행을 처리하며 대중교통 시스템의 핵심 인프라로 기능한다(Kim et al., 2024). 효율적인 도시철도 서비스의 공급은 주요 활동 거점 간 통행시간을 단축하고 대중교통 시스템의 전반적인 기능을 향상함으로써 이용자의 통행 편의성과 이동성을 향상시킨다(Toledano et al., 2025).

이러한 맥락에서 도시철도의 신규 도입은 기존의 단절된 이동 경로를 연결하여 네트워크 내 중심성을 재구성할 뿐만 아니라 환승 저항 감소 및 경로 다변화를 통해 시스템 전반의 통행 효율성을 개선한다(Hong, 2023; Senousi et al., 2023). 따라서 신규 노선의 도입 효과는 개별 역이나 노선의 이용 증가에 그치지 않고 대중교통 네트워크 내에서의 상대적 접근성 변화를 통해 공간적으로 차별화된 통행 개선 효과로 나타나게 된다(Mejia-Dorantes et al., 2012; Pogonyi et al., 2021).

이러한 관점에서 볼 때 최근 개통된 서해선(대곡~소사)은 도시철도 신규 도입은 대중교통 네트워크와 통행 구조에 미치는 영향을 분석하기에 적절한 사례이다. 서해선은 기존 수도권 철도망에서 상대적으로 연결성이 취약했던 경기 서부 지역을 남북으로 연결하며 장거리 통근 통행의 이동 경로와 환승 패턴을 구조적으로 변화시킨 노선이다. 특히 해당 구간의 6개 역 중 원종역을 제외한 5개 역이 기존의 철도 노선과 교차하는 환승 거점이라는 점으로 서해선이 단순한 신규 노선 확충을 넘어 분절되어 있던 노선들을 유기적으로 잇는 연결에 중점을 두었다는 것을 알 수 있다. 이러한 특징으로 서해선 개통은 기존의 우회 통행을 직접적으로 연결하여 통행 흐름을 개편함으로써 대중교통 네트워크 내 접근성과 통행 효율성 변화가 공간적으로 어떻게 나타나는지를 분석하는 데 중요한 증거를 제공한다. 따라서 서해선 개통 효과를 네트워크 중심성 변화와 실제 접근 가능한 통행 기회의 변화라는 관점에서 분석하는 것은 도시철도 노선 도입 효과를 정량적으로 규명한다는 점에서 의미 있는 접근이라 할 수 있다.

이에 본 연구는 서해선 개통을 사례로 하여 GTFS(General Transit Feed Specification) 자료를 활용해 구축한 도시철도 네트워크를 기반으로 도시철도 네트워크 구조 변화가 도시철도 역 접근성에 미치는 영향을 교통 네트워크 관점에서 실증적으로 분석하고자 한다. 이를 위해 서해선 도입 전후 각 시점 별 네트워크 중심성 지표를 정량적으로 산출하여 개통에 따른 중심성 변화 양상을 분석한다. 또한 공간회귀모형을 활용하여 이러한 네트워크 중심성의 변화가 개별 역의 접근성 변화에 어떠한 영향을 미치는지를 규명한다. 이러한 분석을 통해 본 연구는 서해선 개통이 수도권 대중교통 네트워크와 도시철도 역 접근성에 미친 영향을 실증적으로 제시하고 향후 수도권 철도 노선 및 광역교통 인프라 계획 수립 시 활용가능한 기초자료를 제공하고자 한다.

본 논문의 구성은 다음과 같다. 2장에서는 철도 네트워크 및 접근성 관련 기존 연구를 검토하고 본 연구의 차별성을 정리한다. 3장에서는 연구 대상 지역과 GTFS 데이터의 특성을 설명하고 네트워크 중심성 지표 산출 과정, 공간회귀모형의 설정을 포함한 연구 방법론을 제시한다. 4장에서는 서해선 개통 전후 네트워크 중심성 및 접근성 변화에 대한 분석 결과를 제시하고 공간회귀모형을 통해 중심성 변화가 접근성에 미치는 영향을 실증적으로 분석한다. 마지막으로 5장에서는 주요 분석 결과를 종합하여 연구의 시사점을 논의하고 향후 수도권 철도 및 광역교통 인프라 계획 수립을 위한 정책적 함의와 후속 연구 방향을 제시한다.

선행연구

1. 철도 네트워크 구조 및 중심성 분석에 관한 연구

철도 및 지하철과 같은 도시 철도망은 지리적 공간 위에 구축된 물리적 기반 시설이자 역과 노선이 유기적으로 결합된 네트워트 구조로 이루어진다. 이때 네트워크를 이루는 가장 기본 요소인 노드(Node)는 교통망 속의 각 역 또는 거점 지점을 나타내고 링크(Link)는 각 지점들을 서로 이어주는 철도나 노선을 의미한다. 네트워크 구조란 단순히 개별 요소의 합을 넘어 노드와 노드가 서로 어떤 관계를 맺으며 이어져 있는지와 링크가 전체 교통망을 얼마나 효율적으로 움직이게 하는지를 모두 내포한다. 수많은 요소가 복잡하게 얽혀 있는 네트워크 이론에서 도시 철도망은 여러 연결 노드들이 서로 긴밀하게 영향을 주고 받으며 특정한 흐름을 만들어내는 유기적인 시스템이다. 그리고 도시 철도망의 구조적 특징을 객관적인 수치로 나타내기 위해 네트워크 중심성(Centrality)지표가 주요하게 사용된다.

중심성 지표는 특정 노드가 네트워크 전체에서 얼마나 중요한 역할을 하는지를 정량화한 것으로 네트워크 특성과 분석 목적에 따라 다양한 척도가 적용된다. 먼저 연결정도 중심성(Degree Centrality)은 특정 노드에 직접 연결된 링크의 수로 해당 역과 인접한 역간의 영향 크기를 측정한다. 이를 가중 네트워크(Weighted Network)로 확장한 강도 중심성(Strength Centrality)은 링크 수뿐만 아니라 각 링크가 보유한 수송 용량, 배차 간격 같은 요소의 가중치를 합산하여 노드의 영향력을 정밀하게 파악한다. 네트워크 전반의 효율성을 파악하기 위해 활용하는 근접 중심성(Closeness Centrality)은 특정 노드에서 다른 모든 노드까지 도달하는 최단 경로 거리의 합을 바탕으로 산출함으로써 해당 노드가 전체 네트워크 상에서 얼마나 중심에 위치하였는지를 보여준다. 또한 매개 중심성(Betweenness Centrality)은 네트워크 내 모든 노드 쌍 간의 최단 경로가 특정 노드를 통과하는 빈도를 측정하여 해당 노드가 노드 간 상호작용을 매개하고 제어하는 핵심 축으로 기능하는 정도를 나타낸다.

이러한 이론적 배경을 바탕으로 철도 및 지하철 네트워크를 복잡계 네트워크로 모델링하여 구조적 특성을 분석하는 연구가 활발히 진행되어 왔다. 먼저 중국에서 중국 철도 네트워크(CRN)를 복잡 가중 네트워크로 모델링하여 연결정도, 강도, 매개, 근접 중심성을 분석한 결과, CRN은 평균 경로 길이가 짧고 클러스터 계수가 큰 스몰월드형 스케일프리 인프라 네트워크임을 시사하였다. 또한 지리적·사회경제적 요인의 영향으로 노드 사이의 연결성과 중심성이 가장 높은 도시가 반드시 가장 중심적인 도시는 아니라는 것을 밝혔다(Cao et al., 2019). 심천 지하철 연결망(SZMN)을 대상으로 시간과 공간에 따른 변화 과정을 분석한 연구에서도 위의 5가지 중심성 지표를 활용하여 연구한 결과 링크가 확대됨에 따라 노드 밀도는 높아지고 중심성은 핵심 지역에서 공항 및 고속철도역 방향으로 퍼져 나가는 흐름을 확인하였다(Meng et al., 2022). 또한 광저우 지하철 네트워크를 대상으로 인접 중심 모델 Space-L과 직결 중심 모델 Space-P 모델을 함께 분석한 사례에 따르면 네트워크가 복잡해짐에 따라 노드의 공간적 쏠림 현상은 줄어들지만 평균 통행시간과 환승 횟수가 늘어나 전체 네트워크 관점에서 효율은 오히려 낮아질 수 있다고 지적하기도 하였다(Chen and Zhuang, 2020).

이러한 네트워크의 실질적인 노선 확대가 실제 접근성 향상과 이용자들의 행동 변화에 어떤 영향을 주는지에 대해 실무적 관점을 가진 연구도 다수 진행되어 왔다. 광저우 지하철의 확장을 대상으로 자동요금징수(Automatic Fare Collection)자료를 분석한 연구에서는 효용 이론 기반의 접근성 증가분(Accessibility Increment)변수를 도입하여 네트워크 형태 변화가 기존 역의 이용 수요를 끌어올리고 이 영향력은 주변 토지이용 유형에 따라 다르게 나타남을 밝혀냈다(Liu et al., 2019).

서울 도시철도역을 대상으로 사회 연결망 분석(SNA, Social Network Analysis)을 통해 도달 범위, 매개, 근접 중심성을 산출하여 승하차 인원 및 통행거리와의 관계를 규명한 연구에 따르면 SNA 지표를 활용한 모델이 기존의 단순 거리 기반 모델보다 승객 수와 통행거리 설명력을 각각 27.2%, 22.0% 향상시켰으며 특히 도달 범위 중심성이 높을수록 통행거리가 짧아지는 효과를 입증하였다(Jang and An, 2023). 또한 인도와 스리랑카의 사례를 통해 근접 중심성은 역 주변 지역으로부터 접근성을, 매개 중심성은 네트워크 내 이동 기회를 잘 보여주며 승객 유입량을 예측하는 유용한 지표임을 확인하였다(Jaysinghe et al., 2017).

나아가 철도 연결망의 중심성 변화는 주변 땅값과 토지이용 방식 등 경제적 요소에도 직접적인 영향을 미치는 것으로 나타났다. 중국 내 지하철역의 연도별 네트워크 중심성을 측정하여 분석한 결과, 매개 중심성과 조화 중심성이 10% 증가할 때 땅값이 각각 4.1%, 11.4% 상승하여 자본화 효과(Capitalization effect)를 확인하였으며 구체적으로 지하철역의 네트워크 매개 중심성이 10% 포인트 증가할 때 주변 토지 수익의 자연로그 값은 37.36% 증가 하였다(Han and Wu, 2023).

수도권 전철역 네트워크 중심성에 따른 역세권 토지이용 패턴을 분석한 연구에서는 연결정도 중심성은 1호선 역들에, 근접 중심성은 도심권(CBD)역들에 높게 분포하고 매개 중심성은 서남권 및 외곽 환승역에서 높게 나타났다고 보고하였다(Hong et al., 2015). 또한 도시 안의 균형을 분석하는 모델을 활용한 연구에 따르면 역의 개수가 적을 때는 인구 밀도가 상승하는 등 도시화가 촉진되지만 역이 이미 밀집되어 있을 경우 도시 구조의 변화보다 도로 혼잡 완화 효과가 더 크다는 결과를 확인하였다(Dröes and Rietveld, 2015).

본 연구는 신규 노선인 서해선이 기존의 분절된 철도망을 유기적으로 잇는 연결에 중점이 두어졌다는 점에 주목하여 다양한 지표 중 매개 중심성을 분석 도구로 채택하였다. 서해선 개통으로 인한 네트워크 재편 효과를 단순히 지리적 중심성의 변화가 아닌 신규 역사가 전체 네트워크 내에서 얼마나 중요한 경유지이자 환승 거점으로 부상했는지를 규명하는 데 매개 중심성이 가장 적합한 지표라고 판단하였기 때문이다.

2. 신규 도시철도 도입에 따른 접근성 변화 연구

도시철도의 신규 도입은 이동성 향상뿐만 아니라 접근성의 근본적인 변화 역시 이끌어낸다. 접근성은 교통 시스템과 토지 이용 간의 상호작용을 정량화하는 핵심 지표로 활용되며 산정 방식에 따라 크게 누적 기회 지표(Cumulative Opportunity)와 중력 모델(Gravity-based model) 등으로 구분된다. 누적 기회 지표는 정해진 시간 안에 갈 수 있는 목적지의 수를 단순히 합산하는 방식이라 이해하기가 쉽다는 장점이 있고 중력 모델은 거리가 멀어질수록 그 가치를 낮게 평가하는 함수를 적용하여 실제 사람들의 이동 행태를 더 사실적으로 나타낼 수 있다는 특징을 갖는다. 한 연구 사례에서는 기준 임계 시간을 평균 출퇴근 시간으로 설정할 경우 상대적으로 계산이 용이한 누적 기회 지표로 중력모델을 대체할 수 있다고 보고하기도 하였다(Kapatsila et al., 2023). 한편, 접근성 측정 지표의 선택이 사업 평가 결과에 결정적인 영향을 미칠 수 있다는 점도 확인되었다. 동일한 교통 사업에 대해서도 지표 설정에 따라 접근성 변화 점수가 상이하게 나타나며 분석 기준에 따라 사업의 효과가 플러스에서 마이너스로 바뀔 수 있다고 보고된 바 있다(Klar et al., 2023).

신규 노선 개통이 전체 접근성에 미치는 실질적인 효과를 분석한 결과들을 살펴보면 베이징 지하철망의 확충이 일자리와 인구 접근성을 비약적으로 높였음을 알 수 있다(Jiang and Levinson, 2017). 다만, 교통망이 성숙 단계에 접어들면 노선을 더 늘려도 접근성 개선 효율이 점차 낮아지는 현상이 관찰되었는데 초기 도심 노선에 비해 나중에 건설된 외곽 노선들은 투자 거리 대비 접근성 개선 효과가 상대적으로 낮게 나타났다(Jiang and Levinson, 2017). 이러한 인프라 투자 효과의 차이는 국내 KTX 도입 사례에서도 확인되는데 이미 도로망이 충분히 갖춰진 지역에서는 철도 도입에 따른 접근성 개선이 실제 수요 증대로 이어지는 효과가 제한적일 수 있음이 지적되었다(Chang and Lee, 2008). 반면, 스페인 마드리드에서는 신규 인프라가 기업들을 역세권으로 유인하고 집적 경제를 강화함으로써 지역 경제 구도를 재편하는 긍정적인 효과를 보여주기도 하였다(Mejia-Dorantes et al., 2012).

나아가 새로운 교통 인프라는 모든 지역에 균등한 혜택을 주기보다 공간적으로 차별화된 효과를 발생시키기도 한다. 런던을 대상으로 한 연구에서는 지하철역에서 가까운 도보권(750m 이내) 지역은 고용이 늘어나는 긍정적 효과를 보았으나 오히려 조금 떨어진 인접 지역(750m~2,000m)은 경제 활동이 감소하는 결과가 나타났다(Pogonyi et al., 2021). 이는 철도 개통이 순수 성장을 이끌어내기 보다 주변의 경제 활동을 역세권으로 끌어당긴 결과일 가능성을 시사한다. 영국의 고속철도를 사례로 한 연구에서도 기차가 직접 서는 도시는 접근성 수혜를 보지만 서지 않고 지나치는 인근 지역은 상대적인 접근성 약화와 소외를 겪는 터널 효과가 나타날 수 있음을 보여주었다(Sánchez-Mateos and Givoni, 2012). 따라서 신규 철도 도입의 효과를 객관적으로 평가하기 위해서는 단순히 접근성 총량의 증가에만 주목하기보다 지역 간 개선 효과의 차등성과 경제 활동의 공간적 재배치 가능성을 다각도로 검토할 필요가 있다.

3. 대중교통 접근성 결정요인에 관한 연구

대중교통 접근성 수준과 변화량을 결정하는 요인에 관한 연구들은 교통시설 공급이라는 물리적인 측면과 주변 지역의 사회경제적 상황과 토지이용 특성을 함께 분석하고 있다. 선행연구들에 따르면 접근성에 영향을 주는 요인은 크게 인구 수, 소득 수준과 같은 사회경제적 요인, 건물의 용도와 주요 거점까지의 거리 등을 포함하는 토지이용 요인, 그리고 대중교통 서비스 요인으로 나뉜다(Chiou et al., 2015; Saghapour et al., 2016). 또한 승용차 보유 대수와 같은 개인특성요인과 대중교통 정류장까지의 보행로 상태 같은 변수도 접근성을 결정하는 중요한 요소로 소개되고 있다(Fransen et al., 2015; Tiznado-Aitken et al., 2020). 앞서 언급된 여러 변수들은 새로운 대중교통 시설이 도입될 때 지역마다 혜택이 다르게 나타나는 주요 원인이 되며 최근에는 범죄에 대한 우려와 같은 심리적인 요인을 고려하는 연구 역시 진행되고 있다(Albacete et al., 2017). 이러한 주요 선행연구에서 활용된 변수들을 정리한 내용은 Table 1과 같다.

Table1에 나타난 바와 같이 대중교통 접근성은 인프라 공급이라는 하나의 요소에 의해 결정되는 것이 아니라 주변 지역의 사회경제적 여건과 공간적 요인에 영향을 받는다는 것을 알 수 있다. 본 연구는 선행연구에서 제시된 다각적인 분석 관점을 수용하되 기존 연구들이 주로 활용한 노선 수, 역 수와 같은 물리적 지표를 네트워크 위상 변화에 대해 보다 정밀하게 살펴볼 수 있는 네트워크 중심성 지표로 구체화하여 분석에 적용코자 한다. 또한 선행연구에서 사용한 고용 관련 지표를 주요 독립변수로 사용하여 도시철도 신규 도입에 따른 접근성 개선이 고용 지표에 어떤 영향을 주는지 자세히 살펴보고자 하였다.

4. 기존 연구와의 차별성

기존의 도시철도 개통 효과에 관한 연구들은 주로 개별 역이나 노선을 중심으로 한 수송 실적 변화, 통행량 증가, 또는 접근성 지표의 변화를 분석하는 데 초점을 두어 왔다. 이러한 분석은 도시철도 도입 효과를 직관적으로 설명하는 데에는 유용하나, 신규 노선이 기존 대중교통 네트워크의 구조를 어떻게 재편하고, 이에 따른 접근성 개선 효과가 공간적으로 어떻게 확산되는지를 충분히 설명하는 데에는 한계를 지닌다. 특히 대부분의 연구에서 노선도 기반 네트워크나 거리 기반 접근성 지표를 활용하여 실제 운행 조건과 시간적 제약을 고려한 네트워크 변화는 상대적으로 다루어지지 않았다.

본 연구는 이러한 한계를 보완하고자 GTFS 데이터를 활용하여 서해선 개통 전후의 실제 운행 시간표를 반영한 도시철도 네트워크를 구축하고 네트워크 중심성 변화와 접근성 변화를 통합적으로 분석하였다. 또한 중심성의 절대적 수준이 아닌 개통으로 인한 중심성 변화량을 살펴봄으로써 신규 노선 도입이 기존 네트워크 내에서 역의 중심성에 어떠한 영향을 미치는지 정량적으로 분석하였다. 더 나아가 공간회귀모형을 통해 접근성 개선 효과를 실증적으로 분석함으로써 도시철도 개통 효과를 개별 지점의 성과가 아닌 네트워크 차원의 변화를 파악하고자 한다.

분석의 틀

본 연구는 서해선(대곡~소사) 개통에 따른 대중교통 네트워크의 파급 효과를 평가하고 이에 영향을 미치는 요인을 실증적으로 규명하는 것을 목적으로 한다. GTFS 데이터를 활용해 구축한 대중교통 네트워크를 바탕으로 1시간 이내 도달가능한 거주 인구 기반의 누적기회 접근성을 산출한다. 서해선 영향권 내 주요 역사를 대상으로 개통 전후의 접근성 지표 변화량을 분석함으로써 신규 노선 도입이 대중교통 접근성 및 네트워크 성능 향상에 기여하는 실증적 효과를 도출한다.

1. 연구 대상 및 공간적 범위

1) 연구 대상

본 연구의 실증 분석 대상인 서해선(대곡~소사) 구간은 고양시 대곡역과 부천시 소사역을 남북으로 잇는 18.36km의 복선전철 노선으로 수도권 철도망의 구조적 문제를 보완하는 전략적 인프라이다. Figure 1에서 볼 수 있듯이 2023년 7월 1일 전 구간 개통된 본 노선은 임대형 민자사업(BTL, Build-Transfer-Lease)으로 추진되었으며 대곡에서 소사에 이르는 주요 정거장을 통해 간선 철도망을 유기적으로 통합하는 연결점 역할을 수행한다(Bucheon City, 2025). 해당 노선은 과거 상위 교통계획에서 제시된 수도권 환상형 순환철도망의 서측 단절 구간을 해소했다는 점에서 정책적 의의가 크다. 이는 도심 중심의 방사형 체계로 인해 발생했던 외곽 지역 간 우회 통행의 한계를 극복하고 남북 방향의 직접적인 접근성을 확보하여 수도권 서부권역의 공간 구조를 재편하는 계기가 되었다.

이러한 구조적 전환은 대규모 환승 거점의 결합을 통해 구체화된다. Figure 2에 제시된 상세 노선도와 같이 김포공항역은 기존 4개 노선에 서해선이 추가되어 총 5개 노선이 집결하는 수도권 최대의 환승 허브로 거듭났으며 부천종합운동장역(7호선), 소사역(1호선), 대곡역(3호선·경의중앙선) 등 주요 교차점은 수도권 동서축과 남북축의 물리적 응집력을 강화한다. 고도화된 환승 체계는 이용자에게 이전에는 불가능했던 새로운 통행 경로를 제공하며 이는 개별 역사의 접근성 향상을 넘어 대중교통 네트워크 전반의 유연성과 효율성을 제고하는 파급효과로 이어진다. 아울러 해당 노선은 향후 경의선 직결을 통한 물류 수송 잠재력과 지역 균형 발전이라는 공공적 가치를 공유하며 지자체와 정부의 협업을 통해 완성된 필수 기반시설로서의 입지를 다진다(Korea Development Institute, 2005).

Figure 1

Map of the Seohae Line and connected transit networks in the greater Seoul area

Figure 2

Route map and station locations of the Seohae Line extension (Daegok–Sosa)

결과적으로 서해선(대곡~소사) 구간은 수도권 서남북 지역의 물리적 거리를 시간적으로 대폭 단축함과 동시에 거대한 환승 노드를 중심으로 주변 지역의 인구와 경제 활동이 결합될 수 있는 공간적 토대를 마련하였다. 이러한 대규모 신규 인프라의 공급은 대중교통 이용자의 도달 가능한 기회 범위를 근본적으로 변화시키며 본 연구에서 활용하고자 하는 누적기회 접근성 지표를 통해 그 파급력을 실증하기에 가장 적절한 사례라고 할 수 있다. 따라서 본 연구는 서해선 연장 개통 전후의 시공간 네트워크 데이터를 정밀하게 비교 분석함으로써 해당 노선의 신규 도입이 수도권 500개 역사의 접근성 위계에 미친 실질적인 변화와 네트워크 성능 향상에 기여한 정량적 효과를 도출하고자 한다. 이는 향후 유사한 환상형 철도망 계획 및 신규 노선 도입에 따른 정책적 의사결정에 중요한 실증적 근거를 제공할 것이다.

2) 공간적 범위 및 분석 단위

본 연구의 공간적 범위는 서해선(대곡~소사) 구간 개통에 따른 대중교통 네트워크의 파급 효과를 보다 정확하게 분석하기 위해 해당 사업의 예비타당성조사에서 정의된 영향권을 기준으로 설정하였다. 이는 예비타당성조사 지침에 따른 영향권 설정(Korea Development Institute, 2005)은 단순히 지리적 인접성에 국한되지 않고 O/D(Origin-Destination) 기반의 통행량 비율(PV), 사업 시행으로 인한 교통량 변화량(DV) 및 변화율(RV)을 종합적으로 고려한 결과이다. 예비타당성조사에서의 O/D 분석 결과 서해선 연장구간 개통에 따라 부천, 고양, 김포 지역의 통행은 서울 서부권과 강남 지역, 인천, 시흥, 파주 등 수도권 전역으로 광범위하게 분포되어 있어 신규 노선 도입 시 장거리 통행 패턴에 유의미한 변화가 예상되었다. 특히 본 노선은 수도권 전체 철도망을 유기적으로 연계하는 순환철도망의 성격을 지니고 있어 직접 경유지뿐만 아니라 환승 체계로 연결된 인접 노선의 수요 및 통행 패턴에도 파급효과를 미치는 것으로 분석되었다.

이에 따라 본 연구에서는 Figure 3과 같이 예비타당성조사에서 서해선 개통으로 인한 철도 통행 수요의 변화가 발생할 것으로 분석되었던 14개 지방자치단체(서울특별시, 인천광역시, 부천시, 고양시, 김포시, 과천시, 안양시, 군포시, 의왕시, 수원시, 안산시, 시흥시, 광명시, 파주시)를 분석의 공간적 범위로 확정하였다.

Figure 3

Municipalities within the influence area of the Seohae Line extension (based on the preliminary feasibility study)

실증 분석을 위한 최소 분석 단위 설정을 위해 해당 범위 내에 소재한 지하철 개별 역을 분석 단위로 하여 총 500개소의 지하철 역사를 선정하였다. 이러한 데이터 구성은 서해선 연장이 수도권 서부권역과 전체 대중교통 네트워크에 미치는 시공간적 접근성 변화를 구체적으로 파악할 수 있게 한다. 각 역사를 기점으로 1시간 이내 도달가능한 거주 인구의 변화량을 분석함으로써 신규 인프라 도입이 네트워크 성능 향상에 기여한 효과를 정량화하고자 한다.

2. 대중교통 시공간 네트워크 구축

1) 데이터 구축 및 분석 환경

본 연구는 대중교통의 시공간적 운행 특성을 정밀하게 분석하기 위해 표준 대중교통 데이터 규격인 GTFS(General Transit Feed Specification)를 활용한 네트워크 분석 환경을 구축하였다.

GTFS는 노선 정보, 정류장 위치, 세부 운행 시간표가 유기적으로 연계된 관계형 데이터베이스 구조를 취하고 있어 출발지부터 목적지까지의 전 과정을 포괄하는 도어 투 도어(Door-to-door) 접근법을 정밀하게 구현할 수 있게 한다. 본 연구에서는 이러한 데이터를 바탕으로 실제 배차 간격은 물론 대중교통 이용의 핵심 마찰 요인인 환승 대기 시간과 접근·이탈 보행 시간이 통합된 고해상도 시공간 네트워크를 구축하였다. 이는 실제 운행 시간표를 배제한 채 노선 전체에 평균 속도를 부여하던 기존 단순 모형의 한계를 보완하며 구체적인 배차 일정과 현실적인 경로 조합을 분석에 반영함으로써 통행시간 변화에 대한 객관적인 정량 분석을 가능하게 한다(Lei and Church, 2010; Salonen and Toivonen, 2013).

분석의 핵심인 서해선(대곡~소사) 구간 개통 전과 후의 네트워크 변화를 살펴보기 위해 국가교통데이터베이스(KTDB)에서 제공하는 2023년 대중교통 확정 데이터를 기본 네트워크로 활용하였다. 연구에서는 개통 시점의 실제 운행 상태를 정확히 반영하고자 다음과 같은 데이터 수정 및 정제 과정을 거쳤으며 Figure 4와 같다.

Figure 4

GTFS-based spatiotemporal transit network construction and analysis workflow

첫째, 시나리오별 네트워크 구축 및 시간표 반영이다. 서해선 개통 후의 네트워크를 구축하기 위해 운영사인 한국철도공사(KORAIL)로부터 개통 당시의 실제 운행 시간표를 취득하여 GTFS 데이터셋에 직접 통합하였다. 이를 통해 서해선 신규 역사의 위치 정보뿐만 아니라 실제 열차의 도착·출발 시각, 배차 간격 등을 정밀하게 반영하였으며 개통 전 네트워크와 비교하여 신규 노선 도입에 따른 대중교통 공급 수준의 변화를 시공간적으로 분석할 수 있는 기초 데이터를 마련하였다. 해당 데이터셋은 일산역부터 원시역까지 총 21개의 정류장 정보를 포함하며 상행과 하행 노선별로 구분된 운행 체계를 갖추고 있다. 기술통계 분석 결과, 대곡부터 원시까지 운행하는 계통 왕복 55회, 일산부터 원시까지 운행하는 계통 왕복 31ghl로 총 86회의 왕복 운행을 확인하였으며 평일 기준 평균 13.1분의 배차 간격을 확보하여 수도권 서부 권역을 남북으로 연결하는 주요 대중교통 공급 축 역할을 수행하고 있다.

둘째, 분석 대상 수단 범위의 한정이다. 본 연구는 서해선 개통이 수도권 내 거주 인구의 일상적 접근성에 미치는 영향을 분석하는 데 목적이 있으므로 공간적 범위 내의 대중교통 수단 중 시내버스, 광역버스, 지하철 및 도시철도로 분석 범위를 한정하였다. 반면 지역 간 장거리 이동을 목적으로 하는 고속철도(KTX·SRT), 항공, 해운 및 광역 간 고속버스 등은 분석 데이터셋에서 제외하였다. 이는 신규 철도 노선 도입에 따른 지역 내 및 권역 간 대중교통 서비스의 실질적인 파급 효과를 왜곡 없이 측정하기 위함이다.

2) 대중교통 시공간 네트워크

본 연구에서는 구축한 개통 전과 후의 GTFS 데이터를 바탕으로 ArcGIS Pro의 Network Analyst 확장 프로그램을 통해 네트워크 데이터셋(Network Dataset)을 구성하였다. 네트워크 구축 및 이후 접근성 분석과 모형 추정에 활용된 모든 데이터의 출처, 기준 시점, 공간 단위 및 가공 방법은 Table 2와 같이 요약할 수 있다.

이와 같이 구축한 대중교통 네트워크 데이터셋은 기존의 대중교통 기반 분석으로부터 다음의 이점을 갖는다. 첫째, GTFS 기반의 실제 운행 스케줄을 네트워크 데이터셋에 통합함으로써 단순히 노선의 연장이나 평균 속도에 의존하던 기존 정적 분석의 한계를 극복하고 실제 배차 간격에 따른 대기 시간을 정밀하게 반영할 수 있다. 이는 시간대별로 변동하는 대중교통 공급 수준을 시공간적으로 구현하여 보다 현실에 가까운 통행 비용 산출을 가능하게 하며 접근성 분석의 신뢰도를 높이는 데 기여한다. 이는 GTX와 같은 광역 급행철도 도입 시 배차 간격에 따른 접근성 개선 효과를 실증적으로 규명한 연구 사례(Im et al., 2025)와 같이 시간대별 대중교통 공급 수준을 시공간적으로 구현하여 분석의 신뢰도를 제고한다.

둘째, 도로, 철도, 보행로가 유기적으로 연결된 복합 교통망 구조를 활용하여 보행자가 도로에서 역사로 진입하고 수단을 전이하는 환승 과정을 실제 환경과 유사하게 재현할 수 있다. 이러한 연결성 정책은 직선거리가 초래하는 접근성 과다 추정의 오류를 효과적으로 방지하고 역사 내부 이동이나 환승 대기와 같은 실질적인 이동 제약 사항을 분석 모형에 체계적으로 포함 시킨다.

셋째, 특정 시간대의 공급 변화를 동적으로 반영하는 서비스 영역 분석을 통해 대중교통 이용이 집중되는 시점의 실질적인 접근성 수혜 범위를 지리적으로 명확히 규명할 수 있다. 이는 서해선 개통과 같은 신규 교통 시설의 도입이 지역 주민의 이동권에 미치는 영향을 가시화할 뿐만 아니라 물리적 공급 이상의 서비스 질적 향상 효과를 정량적으로 평가하는 지표로 활용된다. 위와 같은 이점을 갖는 대중교통 네트워크 데이터셋을 바탕으로 본 연구에서는 더욱 현실적인 대중교통 분석 방법을 구축하였다.

3) 누적 기회 접근성 분석

본 연구에서는 구축된 GTFS 기반의 시공간 네트워크 데이터셋을 활용하여 서해선 개통에 따른 접근성 변화를 정량화하기 위해 누적 기회(Cumulative Opportunity) 접근성 분석을 수행하였다.

누적 기회 접근성은 특정 출발지로부터 일정 시간 또는 거리 내에 도달 가능한 기회의 총합을 측정하는 지표이다. Hansen(1959)은 접근성을 “공간적으로 분포된 활동들 사이의 상호작용에 대한 잠재력”으로 정의하며 현대적 접근성 모형의 학술적 토대를 마련하였다. 이후 Wachs and Kumagai(1973) 등은 이를 정교화하여 특정 시간 제약 내에서 접근 가능한 고용 기회 및 의료 시설 의 수를 합산하는 방식을 제시하였다. 이러한 지표는 계산 구조가 단순하여 해석이 용이할 뿐만 아니라 이용자가 체감하는 실질적인 선택 가능성을 직관적으로 나타낸다는 장점이 있다. 본 연구는 이러한 선행 연구의 관점을 확장하여 분석 단위인 역사에 접근할 수 있는 ‘잠재적 배후 인구’를 접근성의 척도로 설정하였다.

구체적인 분석 과정은 다음과 같다. 우선 연구의 공간적 범위 내에 위치한 500개 역사를 시설물(Facilities)로 설정하고 각 역사로부터 대중교통을 이용해 60분 이내에 도달 가능한 서비스 권역(Service Area)을 산출하였다. 특히 대중교통 서비스의 시간적 변동성을 정밀하게 반영하기 위해 이용 수요가 집중되는 오전 첨두시를 분석 시간대로 지정하였다. 해당 시간대 내에서 5분 간격으로 총 24개 시점의 서비스 영역을 개별적으로 추출함으로써 실제 열차 배차 간격에 따른 동적인 접근성 변화를 모의하였다.

Figure 5는 네트워크 분석을 통해 서해선 개통 전후의 접근성 변화를 시각화한 자료이다. 서해선의 신규 개통으로 인해 7호선의 환승역이 된 부천종합운동장역의 사례를 살펴보면 개통 이후 서울 일부와 김포, 영종도, 안산 일대까지 1시간 이내에 접근 가능한 지역이 증가한 것을 확인할 수 있다. 특히 서해선의 연장은 남북 방향으로 이어지는 노선의 특성상 주로 남북 축을 중심으로 접근성이 개선되는 양상을 보였으며 서해선과 환승이 가능한 공항철도, 김포골드라인, 안산선을 따라 접근성이 연계되어 확장되는 것을 식별할 수 있었다. 이러한 결과는 본 연구에서 도입한 GTFS 기반 대중교통 네트워크 모형이 신규 노선 도입에 따른 연계 노선망으로의 확산 효과를 보다 정밀하게 포착할 수 있음을 입증한다는 점에서 유의미한 결과로 해석된다.

Figure 5

Comparison of public transit service areas (within 60 min) before and after the opening of the Seohae Line at Bucheon Stadium Station

이에 본 연구에서는 추출된 총 24개의 시간대에서의 접근성을 결합하여 12회 이상, 즉 50% 이상의 시간대에서 도달 가능한 지점을 해당 역사의 최종 접근 가능 지역으로 정의하여 대중교통 이용자가 체감하는 안정적인 서비스 범위를 확률적으로 도출하였다. 다만, 위 과정을 통해 추출한 접근성은 단순히 2차원적인 접근성일 뿐 실제 인구 분포를 반영하지는 못한다. 따라서 본 연구에서는 접근성 분석의 정밀도를 높이기 위해 집계구 단위를 기반으로 접근 가능 인구를 산출하였다. 인구 데이터는 2023년 11월 기준 행정안전부 주민등록인구수 자료를 집계구 단위로 매칭하여 분석의 정확성을 확보하였다. 최종적으로 해당 조건을 만족하는 집계구 내 거주 인구의 총합을 서해선 개통에 따른 역사별 누적 기회 접근성 값으로 산출하였다. 이를 통해 교통 공급의 물리적 변화가 실제 인구 집단의 기회 요인 증가에 미친 영향력을 정량적으로 평가하였다.

본 연구는 서비스 권역과 집계구 경계의 불일치로 인한 오차를 제어하기 위해 집계구 면적의 50% 이상이 서비스 권역에 포함될 때만 해당 인구를 접근 가능 인구로 산정하였다. 이는 공간 데이터 결합 시 발생하는 과대 또는 과소 추정 문제를 방지하기 위한 선택이다. 이러한 처리 방식이 결과에 미치는 왜곡은 매우 제한적일 것으로 판단하였다. 우선 집계구는 인구 500명 내외의 매우 작은 단위이므로, 개별 집계구 경계에서 발생하는 오차는 전체 인구 총합 과정에서 상쇄될 것으로 간주할 수 있다. 또한, 집계구 내 인구 분포와 생활권의 동질성을 고려할 때 면적의 50% 이상 중첩을 포함 기준으로 삼는 것은 대중교통 서비스 수혜 여부를 판별하는 합리적인 임계치가 될 것으로 판단하였다.

4) 누적 기회 접근성 분석 결과

분석 결과, 접근성의 변화는 Figure 6과 같이 서해선 신규 개통구간과 서해선을 따라 크게 나타나는 것으로 확인되었다. 가장 큰 변화가 나타난 상위 3개 역사는 소새울역, 소사역, 시흥대야역으로 해당 역사는 신규 개통하는 구간과 연결되는 기존 서해선 구간의 시점이다. 기존 네트워크에서는 해당 지점이 종단점으로서 네트워크에 장벽이 존재하나 연장을 통해 해당 방향으로의 접근성이 크게 증가한 것으로 분석된다. 또한, 앞선 접근성 변화 분석과 같이 서해선과 연계되는 노선을 따라 접근성 향상이 전파되는 결과가 나타났다. 서해선과 연계되는 노선인 1호선, 7호선, 공항철도가 접근성 변화에 큰 영향을 주는 것으로 나타났으며 이를 통해 주로 수도권 서부 지역인 부천, 인천, 강서, 고양 일대에서의 접근성 향상이 크게 나타났다.

Figure 6

Distribution of cumulative opportunity accessibility (potential catchment population) across the SMA after the Seohae Line opening

3. 설명변수 구성

1) 변수 설정

본 연구에서는 서해선 신규 개통에 따른 누적 기회 접근성 변화가 해당 지점의 네트워크 관점에서의 위치와 주변 환경 특성에 따라 이질적으로 나타날 것이라는 가설을 설정하였다. 이러한 가설을 검증하기 위해 선행 연구에서 접근성 변화에 유의미한 영향을 미칠 것으로 예상되는 요인들을 선정하였으며 실제 분석 모형에 투입된 변수 순서에 따라 지하철 역사 특성, 역세권 사회경제적 특성, 네트워크 구조 특성, 그리고 지선 대중교통 연계 특성으로 구분하여 설명변수를 구성하였다. 구성된 변수와 그 기술통계는 Table 3에 명시된 바와 같다.

2) 지하철 역사 특성

본 연구에서 지하철 역사 특성은 신규 노선 도입에 따른 공간적 인접성과 직접적인 수혜 여부를 통제하기 위해 최우선적으로 고려되었다. 이는 실제 기술통계 분석 결과, 접근성 증가 현상이 서해선 노선 자체와 그 주변 지역에 극도로 집중되어 나타났다는 실증적 근거에 기반한다. 이러한 공간적 집중 경향을 적절히 제어하지 않을 경우, 다른 독립변수들이 누적 기회 접근성 변화에 미치는 순수한 영향력을 왜곡할 가능성이 크기 때문이다. 이에 따라 본 연구는 직접 수혜 지점과 공간적 전파 지점을 구분하여 통제 변수를 설정하였다.

서해선 여부는 해당 역사가 서해선 노선에 포함되는지를 나타내는 더미 변수이다. 이는 신규 노선 정차 역에서 나타나는 접근성 증가 폭이 타 지역에 비해 월등히 높을 것으로 예상되므로 이를 모형 내에서 제어하기 위함이다. 이와 함께 신규 개통구간 30분 이내 접근 변수는 오전 첨두시(07:00~09:00)를 기준으로 해당 역사에서 서해선 신규 개통 구간까지 30분 이내에 도달 가능한지를 나타낸다. 이는 신규 구간과의 물리적·시간적 거리가 가까운 인접 역들에서 접근성 개선의 전파 효과가 강력하게 나타날 것이라는 가설을 검증하는 지표로 활용된다.

3) 역세권 사회경제적 특성

역세권의 입지적 성격과 잠재적인 통행 유발 및 흡수력을 파악하기 위해 각 역사를 중심으로 반경 500m 이내의 사회경제적 정보를 구축하였다. 역세권 고용밀도는 역세권 범위 내 집계구의 총 고용인구 수를 의미하며 데이터의 과산포(Overdispersion) 문제를 해결하고 선형성을 확보하기 위해 1을 더한 뒤 로그 변환을 적용하였다. 이 지표는 해당 지점이 상업 혹은 업무 기능을 수행하는 중심지적 특성을 지니고 있는지를 판별하는 척도로 활용된다.

고용 특성이 접근성에 미치는 영향은 지역적 맥락에 따라 이중적인 양상을 보일 수 있다. 우선 긍정적인 측면에서는 고용밀도가 높은 지역이 대중교통 이용의 주요 목적지로서 기능을 수행하므로 신규 노선 개통 시 해당 지점으로 유입될 수 있는 잠재적 통행 기회가 급격히 확대되어 누적 기회 접근성을 상향시키는 요인으로 작용할 수 있다. 즉, 고용 거점으로서의 매력도가 높을수록 노선 확충에 따른 네트워크 결합 효과가 극대화될 것이라는 해석이다.

반면, 고용 거점이 반드시 접근성의 비약적인 상승으로 이어지지 않을 가능성 또한 존재한다. 기존 도시 구조상 이미 높은 수준의 대중교통 서비스를 확보하고 있는 중심지의 경우 신규 노선 추가에 따른 한계 편익이 미미하여 상대적인 접근성 개선 효과가 정체될 수 있기 때문이다. 특히 서해선은 서울 도심을 직접 관통하기보다는 수도권 서북부와 서부 외곽 지역을 남북으로 연결하는 외곽 순환형 노선의 성격이 강하다. 이러한 노선 특성상 도심 접근성이 중요한 외곽의 고용 거점들은 물리적 거리의 제약을 극복하기 어려우며 외곽 지역 간의 연결에 치중된 노선의 지리적 한계가 누적 기회 접근성의 증가 폭을 제한하는 부정적인 요인으로 작용할 수 있다.

4) 네트워크 구조 특성

대중교통 네트워크 내에서 해당 역사가 가지는 구조적 위계와 개통 전후의 위상 변화를 측정하기 위해 매개중심성(Betweenness Centrality) 지표를 도입하였다. 매개중심성이란 네트워크 내에서 특정 노드가 다른 노드들 사이의 최단 경로 상에 위치하는 빈도를 측정하여 해당 지점의 연결 및 중재 지점으로의 역할을 정량화하는 지표이다. 대중교통망에서 매개중심성이 높은 역사는 수많은 출발지와 목적지를 잇는 필수적인 경유지나 핵심 환승 거점으로서의 위상을 가짐을 의미한다.

매개중심성 B(v)를 산출하기 위한 수식은 Equation 1과 같다. 여기서 σst는 노드 s에서 노드 t로 가는 모든 최단 경로의 수를 의미하며, σst(v)는 그중 노드 v를 거쳐 가는 최단 경로의 수를 나타낸다. 즉, 전체 최단 경로 중 특정 역사를 통과하는 경로의 비율이 높을수록 해당 역사의 매개중심성 수치는 높게 산출된다.

본 연구에서는 분석에 사용된 모든 네트워크 변수를 전체 역사 내에서의 상대적 성능으로 비교하기 위해 1에서 100 사이의 분위 순위(Percentile Rank)로 정규화하였다. 이를 통해 본 연구에서는 지점의 매개중심성 특성을 나타낼 수 있는 2개의 변수를 정량화하였다. 먼저 개통 전 매개중심성 순위는 기존 네트워크상에서 해당 지점이 차지하던 결합 성능을 나타내며, 초기 네트워크 위계가 높았던 지역일수록 신규 노선 결합 시 접근성 향상 폭이 더 클 것이라는 경로 의존적 가설을 전제한다. 이어지는 매개중심성 변화량은 서해선 개통 전후의 순위 변화를 기록한 값으로, 신규 노선 도입으로 인한 네트워크상의 상대적 지위 변동이 실제 누적 기회 접근성의 증가와 양의 상관관계를 가지는지 실증적으로 분석한다.

서해선 개통 전후의 네트워크 매개중심성 변화량을 공간적으로 시각화한 결과는 Figure 7과 같다. 분석 결과, 신규 개통된 대곡-소사 구간을 중심으로 중심성 수치가 뚜렷하게 상승(+1.40%)하는 양상을 보였으며, 이는 해당 노선이 수도권 서북부와 남부를 잇는 핵심 가교 역할을 수행하게 되었음을 실증한다. 반면, 기존 우회 경로였던 노선에서는 중심성 수치가 감소(-0.98%)하는 흐름이 관찰되어 네트워크 통행 흐름의 재배치가 발생했음을 알 수 있다.

Figure 7

Spatial distribution of betweenness centrality change following the Seohae Line opening

5) 지선 대중교통 연계 특성

마지막으로 지하철역과 주변 배후 지역 간의 유기적 연결성을 평가하기 위해 대중교통 서비스 공급 관점의 변수를 구성하였다. 오전 첨두 버스 운행 빈도는 GTFS 데이터를 활용하여 역세권 내 버스 정류장을 통과하는 노선들의 오전 첨두시(07:00~09:00) 평균 운행 횟수를 의미한다. 이는 역세권 내 모든 정류장에서 발생한 총 버스 운행 횟수를 해당 정류장을 지나는 노선 수로 나눈 값으로, 해당 지역의 지선 교통망이 얼마나 밀도 있게 운영되고 있는지를 나타낸다.

특히 해당 변수는 다른 대중교통 변수들이 물리적 선형이나 네트워크의 구조적 위계를 주로 다루는 것과 달리, 버스 노선의 실제 배차 간격과 공급량을 통해 대중교통의 서비스 품질(Service Quality)을 직접적으로 대변한다는 점에 차별성이 있다. 이러한 고품질의 지선 연계 체계가 갖춰진 지역일수록 서해선 개통으로 인한 광역적 접근성 향상 효과가 지역 내부의 미시적 단위인 집계구까지 효율적으로 전달되어 누적 기회 접근성 증가 폭을 더욱 확대시킬 것이라는 가설을 설정하였다.

4. 연구방법론

1) 공간 자기상관성 검정 및 모형 선정

일반적으로 회귀 분석에서 널리 활용되는 최소자승법(OLS: Ordinary Least Squares) 모형은 "모든 관측치가 서로 독립적이다"라는 기본 전제를 바탕으로 한다. 그러나 본 연구의 분석 대상인 지리정보 데이터는 인접한 공간 단위끼리 유사한 특성을 공유하는 공간 자기상관성(Spatial Autocorrelation)을 내포하고 있을 가능성이 매우 크다. 공간적 의존성이 존재함에도 이를 무시하고 일반 OLS를 적용할 경우, 잔차 항에 공간적 편향이 잔존하게 된다. 이에 따라 계수의 표준오차가 과소 추정되어 실제로는 유의하지 않은 변수가 통계적으로 유의한 것으로 나타나는 제1종 오류(Type I Error)를 범할 위험이 커진다. 따라서 공간 데이터 분석 시 OLS의 한계를 극복하기 위해 공간적 인접성을 반영한 별도의 검정과 모형 설정 과정이 필수적으로 요구된다. 이와 같은 상황에서 공간계량경제모형(Spatial Econometrics Model)은 공간 자기상관성에 대응하기 위해 활용된다. 공간계량경제모형을 도입하기 위해선 우선 공간적 자기상관성의 존재 여부를 통계적으로 검증하는 과정이 필요하다. 이때 일반적으로 통용되는 방법은 Moran’s I 지수를 활용하는 것이다. Moran’s I는 -1에서 1 사이의 값을 가지며, 기댓값인 E(I)=-1(n-1)보다 크고 양의 통계적 유의성을 가질 때 유사한 속성이 지리적으로 집중되어 분포함을 의미한다. Moran’s I 추정식은 Equation 2와 같다.

여기서 wij는 지역 i와 j의 인접성을 나타내는 공간가중행렬(Spatial Weight Matrix)의 요소이며, zi는 해당 지역 변수의 편차를 나타낸다.

Moran’s I 검정을 통해 공간 자기상관성이 확인되면, Anselin(1988)이 제안한 라그랑주 승수(Lagrange Multiplier, LM) 검정을 실시하여 최적의 모형을 선정한다. 라그랑주 승수 검정은 OLS 추정 이후 잔차의 공간적 의존성을 구체적으로 판별하기 위한 핵심적인 절차이다. 단순 Moran’s I 검정이 공간적 상관성의 존재 여부만을 알려준다면, LM 검정은 어떤 공간 모형(SLM 또는 SEM)이 데이터에 더 적합한지를 통계적으로 판단하게 해준다. 이 검정을 통해 여러 공간회귀모형을 비교 분석하여 해석하기 위한 기틀을 제공한다.

2) 공간 시차 모형(SLM,Spatial Lag Model)

공간 시차 모형(SLM)은 특정 지역에서 발생하는 현상이 단순히 그 지역의 내부적 요인(X)에 의해서만 결정되는 것이 아니라, 인접한 지역에서 나타나는 동일한 현상의 수준과 상호작용하며 결정된다는 논리를 기반으로 한다. 즉, 종속변수 간의 공간적 의존성(Spatial Dependency)을 모형 내에 직접 포함하는 방식이다. 즉, 공간적 전이(Spatial Spillover)나 확산 효과가 존재한다고 가정하며 SLM의 수식은 Equation 3와 같다.

여기서 y는 종속변수 벡터, Wy는 인접 지역의 영향을 반영한 공간시차 항, ρ는 공간자기상관의 강도를 나타내는 계수, X와 β는 각각 독립변수 행렬과 회귀계수 벡터, 그리고 ε은 오차항을 의미한다. 이 모형의 가장 큰 특징은 공간 시차 변수인 Wy를 마치 하나의 독립변수처럼 취급하여 분석에 산입한다는 점이다. Wy는 지리적으로 인접한 이웃 지역들의 종속변수 값을 공간가중행렬(W)로 가중 평균한 것으로, 이는 해당 지역에 가해지는 주변부의 영향력 혹은 지역 간 확산 효과를 의미한다. 만약 서해선 개통 이후 특정 역세권의 접근성이 개선되어 수요가 증가했다면, SLM 모형은 이러한 수요 증가가 단순히 해당 역의 물리적 조건 때문인지, 아니면 인접 역세권과의 유기적인 네트워크 효과를 통한 파급력(ρWy) 때문인지를 구분하여 설명해 준다. 통계적 관점에서 볼 때, 종속변수 y가 식의 양변에 모두 존재하는 구조(내생성 문제)로 인해 일반적인 OLS 추정 방식으로는 편향된(biased) 결과가 도출될 수 있다. 따라서 SLM 모형은 이를 해결하기 위해 최대우도법(Maximum Likelihood Estimation) 등을 활용하여 공간자기회귀계수(ρ)를 추정한다. 본 연구에서ρ가 유의미한 양의 값을 갖는다는 것은 서해선이라는 광역 철도망 확충이 단절된 지점에서의 성장에 그치지 않고, 공간적 인접성을 매개로 주변 지역과 긍정적인 시너지를 공유하며 공간적 군집을 형성하고 있음을 실증적으로 뒷받침한다.

3) 공간 오차 모형(SEM,Spatial Error Model)

공간 오차 모형(SEM)은 공간적 의존성이 분석 모형의 종속변수(y) 자체가 아닌, 모형에서 관찰되지 않은 잔차 혹은 오차항(ε)에 존재한다고 가정한다. 이는 연구자가 모형에 명시적으로 포함하지 못한 독립변수들이나 특정 지역의 고유한 환경적 특성이 지리적 인접성에 따라 유사한 패턴을 띠며 분포할 때 발생하는 공간적 교란(Spatial Nuisance)을 처리하는 데 특화되어 있다. SEM 함수의 수식은 Equation 4와 같다.

여기서 y는 종속변수, X와 β는 각각 독립변수 행렬과 회귀계수, ε은 공간적 종속성이 포함된 오차항, λ는 오차항 간의 공간적 자기상관 강도를 나타내는 공간오차계수, W는 지역 간의 연결 구조를 정의하는 공간가중행렬, 그리고 u는 공간적 상관성이 제거된 독립적인 오차항을 의미한다. 공간 시차 모형(SLM)과의 큰 차이는 공간적 상호작용의 주체와 목적에 있다. SLM이 인접 지역 간의 종속변수 값이 서로를 견인하는 확산이나 전이 과정을 규명하는 데 중점을 둔다면, SEM은 오차항에 숨어있는 지리적 상관성을 통제함으로써 독립변수(X)들이 종속변수(y)에 미치는 순수한 영향력을 보다 정밀하게 추정하는 데 목적을 둔다. 즉, 주변 지역의 결과 값이 해당 지점의결과에 직접 영향을 주는 것 뿐만 아니라 주변 지역과 공유하는 설명되지 않는 배경 요인이 오차항을 통해 서로 얽혀 있는 구조이다.

통계적 측면에서 공간 오차의 존재는 OLS 추정량의 편향성에는 영향을 주지 않으나 추정량의 효율성을 저해하여 표준오차를 왜곡시킨다. 이로 인해 실제로는 유의하지 않은 변수가 유의한 것으로 나타나는 통계적 오류가 발생할 수 있다. SEM은 공간오차계수인 λ를 통해 이러한 공간적 잡음을 걸러냄으로써 계수 추정치의 신뢰도를 회복시킨다. 본 연구에서 SEM의 λ가 유의하게 나타난다는 것은 서해선 역세권의 수요에 영향을 미치는 요인 중 모형에 산입된 변수 외에도 지리적 인접성에 기반한 공통의 지역적 맥락이 잔차에 강력하게 작용하고 있음을 실증하는 것이다.

분석결과

1. 기초분석

1) 다중선형회귀분석(OLS) 결과

본 연구는 서해선(대곡~소사) 구간 개통에 따른 수도권 철도 네트워크의 구조적 변화가 해당 역사에서 60분 이내에 접근할 수 있는 누적 기회 접근성에 미치는 영향력을 파악하기 위해 먼저 일반최소제곱법(OLS) 기반의 다중선형회귀분석을 실시하였다. 다중회귀분석의 결과는 Table 4와 같다. 분석 결과, 모형의 전체적인 유의성을 나타내는 F-통계량은 35.53(p < 0.001)으로 나타나 회귀모형이 통계적으로 유의함을 확인하였다. 결정계수(R²)는 0.302으로 투입된 독립변수들이 접근가능인구 변화량의 약 30.2%를 설명하는 것으로 나타났다.

변수별 영향력을 살펴보면 신규개통구간 30분 이내 접근성의 계수가 619.41(p<0.001)로 가장 압도적인 양의 영향력을 보였다. 이는 신규 노선과의 물리적·시간적 인접성이 접근성 향상의 핵심 동력임을 시사한다. 이어 서해선의 역사인 경우(541.38, p<0.05)와 신규 노선 개통에 따른 매개 중심성 변화량(425.39, p<0.01) 역시 유의미한 양의 계수를 기록하며 네트워크 중심성 강화가 접근 기회 확장에 기여함을 입증하였다. 대중교통 서비스 측면에서 오전 첨두시의 버스 서비스(4.485, p<0.001) 또한 유의한 양의 영향을 주어 지선 교통망의 중요성을 확인하였다. 반면, 역세권 고용밀도(-58.553, p<0.01)는 음의 영향을 미치는 것으로 나타나 고밀도 업무지구일수록 상주 인구 기반의 접근성 기회 확보에는 불리한 직주분리 특성이 반영되었다.

2) 다중공선성 검토

독립변수 간의 상관관계로 인해 회귀계수의 신뢰성이 저하되는 다중공선성 문제를 진단하기 위해 분산팽창계수(VIF)을 산출하였다. 검토 결과, Table 5와 같이 모든 변수의 VIF 지수가 1.02에서 1.34 사이의 분포를 보였으며 평균 VIF는 1.20으로 나타났다. 통상적으로 VIF가 10 이상일 때 다중공선성을 의심하나 본 모형은 독립변수 간 독립성이 충분히 확보되었으며 추정된 회귀계수의 통계적 신뢰성에는 문제가 없는 것으로 판단되었다.

2. 공간회귀분석

1) 공간행렬의 구성

본 연구에서는 분석 단위 간의 지리적 인접성과 상호 의존성을 반영하기 위하여 공간 가중치 행렬을 구축하였다. 우선, 분석 대상이 되는 각 지점의 지리적 위치 정보를 정의하기 위해 Bessel 1841 투영 좌표계를 기준으로 각 지점의 X, Y 좌표를 설정하고 고유 식별자를 부여하여 공간 데이터 속성을 정의하였다.

공간 행렬의 구성 방식으로는 역거동 방식(Inverse Distance Weighting, IDW)을 채택하였다. 이는 "모든 것은 다른 모든 것과 관련되어 있지만, 가까운 것일수록 먼 것보다 더 많이 관련되어 있다"는 지리학의 제1법칙에 근거한다. 본 연구의 종속변수인 접근성 개선에 따른 영향권 변화는 물리적 거리가 멀어질수록 그 영향력이 감소하는 특성을 가지므로, 두 지점 사이의 거리에 반비례하도록 가중치를 산정하는 방식이 이론적으로 타당하다. 가중치 산정식은 Equation 5와 같이 정의된다.

여기서 dij는 지점 i와 j 사이의 유클리드 거리를 의미하며 가중치는 거리에 반비례한다는 점을 확인할 수 있다. 또한, 행렬의 통계적 안정성과 추정치의 해석력을 높이기 위하여 표준화를 적용하였다. 이를 통해 각 행의 가중치 합을 1로 변환함으로써 공간 시차 변수(Wy)가 인접 지역 변숫값들의 가중 평균으로 해석될 수 있도록 하였다. 이는 추정 과정에서의 수렴 속도를 높이고 결과의 편의를 방지하는 역할을 한다.

본 연구는 원거리 지점 간의 미미한 상관관계가 모형 내 노이즈로 작용하는 것을 방지하고자 거리 임계치(Threshold)를 설정하였다. 이를 위해 임계거리를 1km에서 2.5km까지 조정하며 민감도 분석을 수행한 결과, Table 6와 같이 핵심 변수인 신규개통구간 30분 이내 접근성은 1km 지점에서 가장 강력한 유의성을 보였으나 거리 확장 시 영향력과 유의성이 급격히 감쇄하는 패턴이 관찰되었다. 이는 도시·교통공학적 보행 역세권(500m~1km)의 정의와 부합하며, 개통 수혜의 국지적 집중성을 실증한다. 결과적으로 1km의 임계치 설정은 공간 시차 계수(ρ)의 급증에 따른 정책 효과의 희석(Smoothing)을 방지하고 변수의 식별력을 극대화한다. 이러한 절차는 원거리 간 불필요한 상관성을 배제함으로써 국지적 공간 상호작용을 명확히 식별하는 토대가 된다.

2) 이분산성 및 공간적 자기상관 검정

오차항의 분산이 독립변수의 값과 무관하게 일정해야 한다는 회귀분석의 기본 가정을 검증하기 위해 Breusch- Pagan 검정을 시행하였다. 분석 결과, χ² 통계량이 663.86(p < 0.001)으로 도출되어 등분산성이라는 귀무가설을 기각하였다. 즉, 데이터에 이분산성이 존재함이 확인되었다. 이러한 이분산성은 일반 OLS 추정 시 표준오차를 왜곡하여 유의성 검정의 정확도를 떨어뜨릴 수 있으므로, 향후 오차 구조를 보다 정교하게 반영할 수 있는 공간 회귀 모형의 도입이 타당함을 시사하는 통계적 근거가 된다.

이에, 지리적 인접성에 따른 데이터의 상호의존성을 확인하기 위해 OLS 잔차를 이용한 Moran’s I 검정을 수행하였다. 검정 결과, Moran’s I 통계량에 기초한 χ²값이 76.63(p < 0.001)으로 나타나 강력한 양의 공간적 자기상관이 존재함을 확인하였다. 이는 특정 지역의 접근성 향상 패턴이 무작위적으로 분포하는 것이 아니라, 인접 지역과 유사한 수치를 보이며 군집화되어 있음을 의미한다.

따라서 본 연구에서의 60분 누적 기회 접근성에 대한 분석은 지리적 요인을 무시한 일반 회귀모형보다는 공간적 전이 효과를 명시적으로 고려한 공간 회귀 모형을 적용하는 것이 분석의 정확성을 높이는 필수적인 절차임을 입증한다.

3) 공간시차모형(SLM) 분석 결과

본 연구에서는 특정 지역의 접근성 변화가 인접 지역으로 전이되는 공간적 상호의존성을 명확히 규명하고자 공간시차모형(SLM)을 추정하였다. SLM 모형은 종속변수 간의 직접적인 인과관계를 가정하므로 특정 역세권의 접근성 향상이 주변 지역의 잠재적 가치나 접근성에 미치는 공간적 파급효과(Spatial Spillover)를 포착하는 데 효과적이다. SLM모델을 활용한 분석 결과는 Table 7과 같다.

분석 결과, 공간자기상관 계수인 ρ는 0.228(z=2.45, p=0.014)로 도출되어 통계적으로 유의미한 양의 상관성을 보였다. 이는 특정 지점의 접근성이 향상될 때 그 효과가 고립되지 않고 인접 네트워크로 확산되는 것을 의미한다. 구체적으로 인접 지역 접근성 향상분의 약 22.8%가 해당 지역으로 전이되는 시너지 효과가 존재함이 실증되었다. 이는 대중교통망 확충이 단일 역세권의 혜택을 넘어 지역 간 상호 연결성을 강화하는 촉매제로 작용하고 있음을 시사한다.

개별 독립변수의 경우, 서해선 여부(492.03, z=2.33)는 해당 권역의 공간 구조에 직접적인 양의 영향을 미치고 있다. 이는 논리적으로 신규 노선과 직통 운행이 되는 구간에서 특히 큰 접근성의 향상이 있었음을 나타낸다. 특히 SLM 모형에서 이 변수의 유의성이 높게 나타난 것은, 특정 역의 개통 효과가 단순히 해당 지점에 머물지 않고 공간적 전이 과정을 통해 인접 지역의 잠재적 접근성까지 동반 상승시키는 외부효과를 유발하고 있음을 의미한다. 신규개통구간 30분 이내 접근 변수(563.97, z=10.28)는 본 모형에서 가장 압도적인 통계적 유의성과 영향력을 지닌 변수로 식별되었다. 이는 신규 개통구간에 30분 이내 도달 가능한 지리적 범위에 포함될 경우 접근성 지수가 약 564단위 상승함을 의미하며, 철도 서비스의 수혜가 역세권이라는 점의 개념을 넘어 대중교통 이용의 시간적 효율성이 보장되는 면의 단위로 광범위하게 확산되고 있음을 시사한다. 매개중심성의 경우, 개통 전 매개중심성 순위(1.466, z=1.87)는 10% 유의수준에서 매개중심성이 높았던 지역이 더 접근성 향상이 있었다는 것을 나타낸다. 이는 기존 교통 거점의 우위가 신규 인프라와 결합할 때 시너지가 발생함을 보여주었다. 또한, 매개중심성 변화량(421.07, z=3.20) 변수는 이보다 높은 유의성을 보였으며 이는 서해선 개통 이후 전체 교통 네트워크 내에서 해당 지역의 매개 역할이 상승할수록 접근성이 비약적으로 개선됨을 보여준다. 즉, 서해선과 같은 신규 노선의 개통이 실제 접근성 개선으로 이어지기 위해서는 물리적 노선의 추가를 넘어, 해당 지역의 전체 교통 네트워크 흐름을 주도하는 교통 허브로서의 위상을 강화하는 것이 필수적임을 입증한다. 역세권 고용밀도(-56.065, z=-3.30)는 역세권 지역의 고용밀도가 1% 증가할 때, 영향권 인구가 약 56만 명 감소하는 것으로 나타났다. 이는 서해선이 주로 경기 서부의 교통음영지역을 연결하는 대중교통이라는 점에서 이미 고용이 집중된 도심보다 상대적으로 낙후되었던 외곽 소외 지역에서 접근성 개선의 탄력성이 더 크게 나타나는 공간적 형평성 제고 효과를 반영하는 것으로 해석된다. 대중교통 특성의 경우, 오전 첨두 버스 운행 빈도(4.21, z=3.93)는 노선의 운행밀도가 1회 증가할 때마다 접근성을 약 4만 명 상승시키는 것으로 나타나, 간선 철도망의 혜택이 실질적인 이동성으로 확장되기 위해서는 이를 뒷받침하는 지선 체계의 공급 밀도가 필수적임을 시사한다.

4) 공간오차모형(SEM) 분석 결과

본 연구에서는 SLM 모형에 명시되지 않은 미관측 공간 변수들의 군집 현상을 제어하기 위해 공간오차모형(Spatial Error Model)을 활용하여 추가적인 분석을 수행하였다. SEM의 분석 결과는 Table 8과 같다.

분석 결과, 공간오차분석의 적합성을 나타내는 공간오차 계수인 λ는 0.628(z=8.19, p<0.001)로 매우 높고 유의하게 나타났다. 이는 서부권역의 접근성 구조 내에 토지이용 규제나 지형적 제약 등 공통의 공간적 맥락이 크게 존재함을 뜻한다. SEM 모형에서의 변수 영향력을 SLM 모형과 비교했을 때 신규 개통구간 30분 이내 접근(620.241, z=11.04)과 오전 첨두 버스 운행 빈도(5.365, z=4.95)는 공간적 오차 구조를 통제한 후에도 유의성이 더욱 강화되거나 유지되었다. 이는 물리적인 교통 서비스 공급량이 접근성 향상을 담보하는 가장 독립적이고 확실한 변수임을 방증한다. 네트워크 변수인 개통 전 매개 중심성 순위(z=-1.91)는 음의 방향으로 통계적으로 유의미하였다. 매개중심성 변화량(z=0.80)은 SLM 모형과 달리 통계적 유의성을 잃는 결과가 나타났다. 이는 네트워크의 구조적 위상 변화 효과가 특정 지점의 독자적 기여라기보다 주변 지역과 공유하는 공간적 오차항에 일부 흡수되어 있음을 시사한다.

5) 비교분석 및 최적모형 도출

본 연구는 고전적 회귀모형인 OLS와 공간 회귀모형인 SLM, SEM의 통계적 지표를 종합적으로 검토한 결과, Moran’s I 통계량과 공간 계수(ρ, λ)의 유의성을 통해 잔차의 공간자기상관이 확인되어 공간적 맥락을 반영하지 못하는 OLS보다는 공간 모형이 데이터 설명에 적합함이 입증되었다. SLM(ρ)과 SEM(λ)의 공간 계수가 모두 유의하였으나, 이론적 타당성 측면에서 서해선 개통이라는 인프라 확충의 직접적인 파급효과를 식별하는 것이 본 연구의 핵심 목적이다. 공간시차모형(SLM)은 종속변수 간의 전이 메커니즘을 명확히 설명할 뿐만 아니라 매개 중심성 변화량과 같은 핵심 네트워크 변수의 기여도를 보다 선명하게 포착해낸다. 또한 모형의 전체적인 설명력(Pseudo R²) 역시 SLM(0.2935)이 SEM(0.2917)보다 소폭 높게 나타났다. 따라서 본 연구는 네트워크의 전이 효과를 체계적으로 설명할 수 있는 공간시차모형(SLM)을 최종 최적 모형으로 채택하였다.

3. 최종 모형 분석 결과

1) 파급효과 분석

본 연구에서는 지역 간 상호작용을 포착하기 위해 공간시차모형(SLM)을 최종 선정하였으며, 공간적 종속성을 고려하여 그 효과를 직접, 간접, 총 효과로 구분하여 해석하였다. 먼저 직접 효과(Direct Effect)는 특정 지역의 변수 변화가 해당 지역에 미치는 영향력을 의미한다. 분석 결과, 직접 효과의 값이 SLM 모델의 일반 회귀계수(β)보다 크게 나타나는데 이는 인접 지역으로 전달된 영향이 공간적 상호작용을 거쳐 다시 본래 지역으로 돌아오는 피드백 루프(Feedback Loop)가 반영되었기 때문이다. 간접 효과(Indirect Effect)는 특정 지점의 변화가 인접성을 매개로 주변 지역에 전달되는 스필오버(Spillover) 효과로 교통 서비스 개선이 해당 역세권을 넘어 주변지의 인구 수용력을 동반 상승시키는 공간적 외부성을 대변한다. 결과적으로 이 둘을 합산한 총 효과(Total Effect)는 신규 교통 인프라 도입이 분석 권역 전체의 인구 변화에 미친 실질적이고 총체적인 영향력을 나타낸다. SLM 모형에서의 영향도 분석의 결과는 Table 9와 같다.

먼저 서해선 여부의 경우 직접 효과는 502.059(z=2.33)로 나타나 해당 지역 내 접근성 향상이 뚜렷함을 확인하였으며, 간접 효과는 86.581(z=1.61)로 유의수준 10%를 상회하나 총 효과는 588.640(z=2.32)으로 매우 유의미하게 도출되어 권역 전반의 접근성 개선을 입증하였다. 이를 통해 신규 개통구간과 직통 운행하는 서해선의 영향은 주로 노선 내에서 일어나고 주변 역사로의 영향은 단독적으로 일어나지 않는다고 평가할 수 있다.

신규 개통구간 30분 이내 접근 변수는 직접 효과 575.460(z=10.92)과 간접 효과 99.240(z=2.18) 모두 5% 유의수준 내에서 강력한 양의 영향을 미쳤으며, 총 효과는 674.700(z=9.99)으로 본 모형에서 가장 결정적인 영향력을 행사하는 것으로 나타났다. 이를 통해 신규 노선과의 접근성은 공간효과를 통해 전파되는 연속적인 영향을 준다고 평가할 수 있다.

매개 중심성 변수도 유의미한 결과를 나타냈다. 개통 전 매개 중심성 순위는 직접 효과 1.495(z=1.87)를 통해 총 효과 1.753(z=1.86)을 형성하며 기존 교통 거점의 경로 의존적 우위를 보여주었다. 다만, 주변으로의 전파는 유의하지 않은 것으로 나타나 교통 거점의 효과는 해당 지점에서만 유의한 영향을 보이는 것으로 나타났다. 매개중심성 변화량 역시 직접 효과 429.651(z=3.20)과 간접 효과 74.094(z=1.73)가 모두 유의미하게 산출되어, 매개 거점으로서의 위상 강화가 해당 지역과 인접 지역의 접근성을 동시에 개선하는 총 효과 503.745(z=3.09)를 창출함을 확인하였다.

오전 첨두 버스 운행 빈도는 직접 효과 4.296(z=3.95)과 간접 효과 0.741(z=1.90)이 모두 유의하여 총 효과 5.036(z=3.84)을 기록하였으며, 이는 지선 체계 확충이 지점의 접근성 향상에도 큰 영향을 줄 뿐만 아니라 권역 접근성 향상에도 큰 영향을 준다는 것을 나타낸다.

반면 역세권 고용밀도는 직접 효과 -57.208(z=-3.30)과 간접 효과 -9.866(z=-1.78)이 모두 음의 효과로 나타나 총 효과 -67.073(z=-3.22)을 기록하였다. 이는 이미 고용이 집중된 지역보다 상대적으로 저밀도였던 소외 지역에서 철도 개통에 따른 접근성 개선 탄력성이 더 크게 발생하는 공간적 형평성 제고 효과가 있었으며, 그 효과가 주변으로 전파가 되어 긍정적인 효과를 나타내었다고 평가할 수 있다.

2) 결과 종합

본 연구는 공간시차모형을 채택하여 서해선(대곡~소사) 구간 개통이 수도권 서부권역 접근성에 미친 파급효과를 실증적으로 분석하였으며, 분석 결과 네 가지 주요한 공간적 특징이 도출되었다.

첫째, 모든 분석 변수에서 총 효과가 직접 효과보다 크게 산출되는 양상이 확인됨으로써 특정 지점의 교통 인프라 개선이 인접 지역으로 전이되어 권역 전체의 접근성을 상향 평준화하는 공간적 승수 효과가 존재함이 입증되었다. 둘째, 신규 개통구간 30분 이내 접근 변수가 직접 및 간접 효과 모두에서 가장 큰 유의성을 기록하며 접근성 향상의 핵심 요인으로 식별되었는데 이는 신규 노선의 수혜가 점적인 역세권을 넘어 시간적 가용성이 확보되는 배후지까지 연속적인 공간 효과를 전파하고 있음을 시사한다. 셋째, 매개 중심성 순위의 상승이 해당 지역과 인접 지역의 접근성을 동시에 개선하는 유의미한 시너지를 창출하고 있음이 확인되었다. 이는 서해선 개통이 특정 지점을 전체 네트워크의 흐름을 제어하는 교통 허브로 격상시키는 구조적 재편을 주도하고 있음을 보여준다. 넷째, 고용 밀도가 낮은 소외 지역에서 접근성 개선 탄력성이 더 크게 발생하는 음의 영향력이 관측되었는데 이는 신규 인프라가 저밀도 지역의 이동성을 보장하여 공간적 형평성을 제고하고 균형 발전에 기여하는 긍정적인 외부효과를 발생시키고 있음을 보여준다. 아울러 지선 버스 체계의 공급 밀도가 철도망의 혜택을 실질적인 이동성으로 치환하는 필수 요인임이 확인되었다. 결론적으로 서해선 개통은 단순한 물리적 연결을 넘어 지선 체계와의 유기적 결합 및 네트워크 위상 재편을 통해 수도권 서부권역 전반에 광역적 시너지를 창출하고 기회 접근성을 평준화하는 중요한 기제로 작용하고 있다.

결론

본 연구는 2023년 개통된 수도권 광역철도 서해선(대곡~소사) 연장 구간이 수도권 서부 광역교통 네트워크의 구조와 역 접근성에 미치는 영향을 실증적으로 분석하였다. 이를 위해 GTFS 기반의 실제 운행 정보를 반영한 철도 네트워크를 구축하고 네트워크 중심성 변화와 60분 누적 기회 접근성 지표를 결합한 공간회귀분석을 수행하였다. 특히 공간시차모형(SLM)을 활용하여 접근성 변화의 공간적 전이 효과를 고려함으로써 도시철도 개통 효과를 단일 지점에 국한되지 않은 네트워크 차원의 변화로 해석하였다.

분석 결과, 서해선 개통은 단순한 물리적 노선 추가를 넘어 수도권 서부권역의 대중교통 네트워크 구조를 재편하며 접근성 개선 효과를 유발한 것으로 나타났다. 신규 개통구간 30분 이내로 접근 변수는 모든 모형에서 통계적으로 유의한 영향을 보였으며 이는 도시철도 개통 효과가 전통적인 역세권 범위를 넘어 시간적 접근성이 확보되는 배후 지역으로까지 확산됨을 의미한다. 또한 매개중심성 변화량이 유의미한 영향을 미친다는 점은 신규 노선 도입 효과가 개별 역의 존재 여부보다 네트워크 내에서 수행하는 연결·중개 기능의 변화와 밀접하게 연관되어 있음을 시사한다.

공간회귀분석의 직접, 간접, 총 효과 분석 결과 신규 노선과의 접근성 및 네트워크 중심성 변화는 해당 지역뿐만 아니라 주변 지역의 접근성 개선에도 기여하는 것으로 나타났다. 이는 도시철도 인프라 확충이 개별 역이나 노선의 수송 성과를 넘어 권역 전체의 접근성 구조를 변화시키는 네트워크적 성격을 지닌다는 점을 실증적으로 입증한다.

본 연구의 학술적 기여는 다음과 같다. 첫째, 도시철도 개통 효과를 수요나 거리 기반 지표에 국한하지 않고 GTFS 기반 네트워크 분석을 통해 실제 운행 조건을 반영한 접근성 변화를 분석하였다. 둘째, 중심성의 수준이 아닌 변화량을 분석함으로써 신규 노선 도입에 따른 네트워크 변화를 정량적으로 규명하였다. 셋째, 공간회귀모형을 통해 접근성 개선 효과의 공간적 전이와 확산을 실증적으로 제시하였다.

정책적 측면에서 본 연구는 향후 광역교통망 계획 과정에서 네트워크 구조 변화를 고려한 분석의 필요성을 시사한다. 구체적으로 노선 선정 및 환승 거점 검토 단계에서 단순히 인구 밀집 지역을 경유하는 접근을 넘어 본 연구에서 활용한 매개중심성 변화량과 같은 지표를 통해 네트워크 연결 구조의 변화를 함께 검토할 수 있음을 보여준다. 이는 사후적인 수요 평가 중심 접근을 보완하여 계획 단계에서 잠재적 접근성 변화 가능성을 사전에 탐색하는 데 참고 자료로 활용될 수 있다. 또한 신규 노선 도입 효과가 개별 역세권에 국한되기보다 주변 지역과의 연계 교통 여건에 따라 달라질 수 있음을 고려할 때 지선 버스 서비스 수준과 같은 연계 교통 조건을 함께 검토하는 접근이 필요함을 시사한다. 이러한 결과는 접근성 개선 효과의 공간적 분포를 이해하고 교통 서비스 공급의 형평성과 효율성을 함께 고려하기 위한 분석적 근거로 활용될 수 있다.

마지막으로 본 연구는 특정 시점의 개통 전후를 비교한 분석이라는 연구 범위의 특성상, 장기적인 통행 행태 변화나 토지이용 변화까지는 포착하지 못하였다. 특히 네트워크 연결성에 기반한 잠재적 접근성 지표를 활용함에 따라 실제 이용자의 환승 저항이나 통행 비용 등 실제 수요 반응을 직접적으로 반영하지는 않는다. 따라서 본 연구의 결과는 단기적인 이용량 변화 자체를 설명하기보다는 도시철도 도입이 교통 네트워크의 구조적 이동 기회를 어떻게 변화시키는지를 규명한 것으로 해석될 필요가 있다. 향후 연구에서는 교통카드 기반의 스마트카드 OD 데이터와 같은 실제로 관측된 교통데이터를 결합하여 본 연구가 제시한 잠재적 접근성 향상이 실제 통행량 증대로 이어지는 인과 메커니즘을 보다 명확히 규명할 필요가 있다.