서론

생활권은 사람들이 일상생활을 영위하는 공간적 단위로, 거주, 업무, 여가 등 다양한 활동이 이루어지는 영역이다(Ku and Yang, 2016). 도시공간을 계획하는 데 있어 생활권은 공공서비스 시설의 공간적 배치를 최적화함으로써 형평성 있는 도시 서비스 분배를 달성하기 위한 기본 단위로 활용되고 있다(Ma et al., 2023). 즉, 생활권은 다양한 도시 계획 및 정책 실행을 위한 공간적 틀로 기능하며(Ha and Lee, 2016; Ma et al., 2023), 도시의 서비스 효율을 극대화하여 주민 삶의 질을 향상하는 데 중요한 역할을 한다(Huang et al., 2018; Sung and Choo, 2010).

최근에는 인간중심의 도시 공간 구축이 중요해지면서 ‘보행생활권’ 개념이 주목받고 있다(Chriqui et al., 2016; Oh, 2012; Yang and Diez-Roux, 2012). 보행생활권이란 사람들이 걸어서 접근할 수 있는 범위 내에 다양한 생활 편의시설이 적절히 배치되어 있으며, 보행친화적 환경이 구축된 공간적 영역을 의미한다(Lee et al., 2014). 적절한 보행생활권 설정은 자동차 의존도를 줄이고, 대중교통과의 연계를 강화할 수 있으며, 도시의 지속가능성을 높이는 데 기여할 수 있다(Lee et al., 2013; Yang et al., 2022). 또한, 보행 접근성이 높은 환경은 지역 경제 활성화에도 도움이 되며(Chang and Kang, 2024), 보행자의 이동 편의를 증진시킨다(Lee and Lee, 2014). 따라서 정밀한 보행생활권 설정은 도시 거주자의 삶의 질을 개선하고, 보다 형평성 있는 도시 환경을 조성하는 데 필수적인 요소라 할 수 있다.

보행생활권 설정의 중요성이 부각되면서 이와 관련한 다양한 연구와 정책적 시도가 이루어졌다. 일반적으로는 행정구역 또는 특정 시설로부터의 거리 기반으로 보행생활권을 정의하는 접근법이 널리 통용되고 있다(Park, 2010; Young et al., 2015). 우리나라에서도 대표적으로 서울시와 부산시에서 주요 기반시설의 보행 접근성을 강화하는 계획이 수립된 바 있다. 서울시는 ‘2040 서울도시기본계획’에서 도보 30분 내 도시 기능의 이용이 가능하도록 하는 ‘보행일상권’ 개념을 도입하였다(Seoul Metropolitan Government, 2023). 이를 통해 2~3개의 행정동을 묶어서 설정한 116개 지역생활권을 설정하고, 각 생활권 내에서 주민들이 일상적으로 이용하는 시설과 대중교통 접근성을 고려한 도시계획을 수립하였다. 한편, 부산시는 ‘부산 2040 도시기본계획’을 통해 ‘15분 도시’ 개념을 적용하여 도보 15분 내에서 주요 생활편의시설에 접근할 수 있도록 하는 계획을 수립하였으며(Busan Metropolitan City, 2023), 이를 위해 실질적인 도시 이용 행태를 반영하여 인접한 행정동을 그룹화하는 방식으로 62개의 소생활권을 설정하였다.

이처럼 행정경계를 기준으로 그룹화하여 보행생활권을 설정하는 방식은 적용이 간편하고 행정적 일관성을 유지할 수 있다는 장점이 있다. 그러나 이러한 방식은 생활권 내 거주민의 사회경제적 특성과 실제 보행 패턴을 충분히 반영하지 못할 가능성이 있다(Ashik et al., 2020; Hah et al., 2021). 특히, 특정 인구 집단이 필수 편의시설에 원활하게 접근하지 못하는 문제가 발생할 수 있으며, 이에 따라 생활권 간 공공서비스 접근성 격차가 심화될 우려가 있다(Tiefenbacher and Hagelman, 1999; Tsou et al., 2005). 공공서비스의 불균형한 분배는 사회적 불평등을 심화시킬 수 있으며, 특히 저소득층, 노인, 장애인 등 취약 계층에 불리한 영향을 미칠 가능성이 크다(Hah et al., 2021; Kim, 2014).

이에 본 연구에서는 부산시를 대상으로 국가교통데이터베이스(KTDB)에서 제공하는 부산·울산권 주수단 OD (Origin-Destination) 데이터 중 도보 및 자전거 통행 데이터를 활용하여 보행생활권을 식별하고자 한다. 이를 위해 커뮤니티 디텍션(community detection) 기법을 적용하여 보행 패턴을 반영한 생활권을 도출하고, 기존의 행정구역 기반 접근 방식과 비교·분석한다. 이를 통해 행정동 단위를 기반으로 실제 보행 흐름을 고려하여 보행생활권을 도출한 후, 공간 데이터를 활용한 정제 작업을 통해 실질적인 생활 영역을 재구성하는 접근 방법을 제안한다. 이와 같은 접근법은 기존의 행정동 기반 설정 방식이 가지는 한계를 완전히 극복하지는 못하였으나, 접근성이 높은 공공 데이터를 활용하여 기존 방식의 한계를 보완하고자 하는 시도이다. 본 연구에서는 보행생활권(Pedestrian Catchment Areas)을 실제 보행자의 이동 패턴을 기반으로 설정된 생활공간으로, 사람들이 일상생활에서 도보로 접근할 수 있는 영역 내에 주요 생활 편의시설이 배치되어 있는 물리적 공간으로 정의한다.

또한, 도출된 보행생활권이 주민들의 편의시설 접근성에 있어 형평성을 보장하는지 분석함으로써, 향후 보행생활권 설정 시 고려해야 할 형평적 접근 방안을 제안하고자 한다. 생활권에서 접근 가능한 편의시설은 주민들의 생활 편의와 복지를 결정하는 핵심 요소이나, 특정 계층이 편의시설에 차별적으로 접근할 가능성이 존재할 수 있다. 예를 들어, 고소득층이 밀집한 지역의 생활권이 저소득층 거주 지역보다 편의시설 접근성이 좋다면, 이는 도시 내 공간 구조의 불균형을 초래할 수 있다. 따라서 본 연구에서는 도출된 보행생활권을 인구‧사회학적 특성에 따라 분류하고, 특정 집단이 주요 편의시설에 차별 없이 접근할 수 있는지 분석하였다.

본 연구는 데이터 기반 접근 방식을 활용하여 더욱 정밀한 보행생활권 설정 방안을 탐색하고, 보행생활권 간 편의시설 접근성의 형평성을 평가함으로써 보행 중심의 도시 및 교통계획 수립에 기초 자료를 제공하는 것을 목표로 한다. 이를 통해 형평성 있는 도시 공간 구조를 조성하고, 보행친화적인 교통계획을 수립하기 위한 정책적 시사점을 도출하고자 한다.

선행연구 검토

1. 생활권의 개념과 보행생활권 설정

생활권은 사람들이 일상적인 생활 활동을 영위하는 공간적 단위로 정의되며, 도시계획에서 주민들의 삶의 질과 접근성을 높이기 위한 핵심 개념으로 자리 잡고 있다. 생활권 설정 시 행정구역을 기본 단위로 활용하는 방식이 일반적이며, 이러한 접근은 행정적 관리의 용이성과 정책적 일관성을 유지하는 데 강점이 있다. 그러나 행정구역 단위만을 고려할 경우, 실제 주민들의 이동 패턴과 공간적 연결성이 충분히 반영되지 못할 수 있다(Ha and Lee, 2016). 이에 따라 보행 흐름이나 주요 시설 접근성을 고려한 데이터 기반 접근 방식이 보완적으로 활용될 필요성이 제기되고 있다(Ku and Yang, 2016).

보행생활권은 주민들이 도보로 일상적인 활동을 수행할 수 있는 공간적 범위를 의미하며, 도시 내 보행접근성을 강화하는 중요한 개념으로 활용되고 있다(Chriqui et al., 2016; Yang and Diez-Roux, 2012). 보행생활권의 크기는 일반적으로 도보 이동이 가능한 범위(반경 약 1~2km)로 설정되며, 이를 초과할 경우 보행 빈도가 감소하고 보행생활권으로서의 기능이 저하될 가능성이 높다(Rahul and Verma, 2014; Tsunoda et al., 2021). 최근 도시계획에서는 ‘15분 도보 생활권’ 개념이 주목받고 있으며, 이는 주민들이 도보 15분 이내(약 1km) 거리에서 도시 서비스를 이용할 수 있도록 계획하는 방식이다(Ma et al., 2023). 보행생활권 설정 시 보행의 편의성과 접근성을 고려하는 것이 중요하며, 특히 노인과 같은 이동 취약 계층을 대상으로 한 연구에서는 보행 가능 거리가 500m에서 1km 정도에 불과하여 더욱 정밀한 접근이 필요함을 강조하고 있다(Huang et al., 2018; Tsunoda et al., 2021).

보행생활권을 설정하는 방법은 크게 행정구역 기반 설정, 거리 반경 기반 설정, 교통 네트워크 기반 설정 등으로 구분할 수 있다. 행정구역 기반 설정 방식은 기존의 행정동 또는 소지역 단위를 활용하여 보행생활권을 정의하는 방법으로, 서울시와 부산시의 ‘보행일상권’ 및 ‘15분 도시’ 계획이 대표적 사례이다(Busan Metropolitan City, 2023; Seoul Metropolitan Government, 2023). 거리 반경 기반 설정 방식은 교통수단별 통행가능 거리를 기준으로 하거나(Oh, 2014), 대중교통 정류장, 상업지역, 공공시설 등의 특정 핵심 시설을 중심으로 보행 가능 거리를 설정하는 방식이며, GIS 기반 네트워크 분석을 활용하여 접근성을 평가하는 연구한 사례가 존재한다(Hah et al., 2021; Nam et al., 2023; Park et al., 2011).

최근 연구에서는 OD 데이터를 활용하여 보행생활권을 설정하는 방법이 활발히 논의되고 있다. OD 데이터는 출발지와 도착지 간의 이동 흐름을 정량적으로 분석할 수 있어 도시 내 실질적 활동 범위를 반영한 생활권을 설정하는 데 중요한 기반이 된다(Sun et al., 2016). 이에 따라 다양한 통행 OD 데이터의 활용법이 시도되고 있으며, 특히 모바일 데이터를 이용한 생활권 설정 연구도 증가하는 추세이다. 이때, 행정구역이 아닌 격자 단위의 모바일 데이터를 활용할 경우, 더욱 정밀한 공간 분석이 가능하다. 행정구역 기반 분석은 실제 이동 흐름과 불일치할 가능성이 있으나, 격자 단위 분석은 공간적 연속성을 유지하면서 생활권의 실질적인 경계를 더 정확하게 반영할 수 있기 때문이다(Cho and Sung, 2021; Kim et al., 2021). 그러나 모바일 데이터 기반 접근법은 네트워크 기반 이동 데이터를 활용하기 때문에 실질적인 보행 이동 패턴을 직접적으로 반영하는 데 한계를 가지며, 데이터의 수집 방식에 따라 공간 해상도가 달라질 수 있어 표준화된 형태로 제공되기 어려운 문제가 존재한다(Cho and Sung, 2021; Kim et al., 2021). 따라서 행정적 적용 가능성과 데이터의 지속적 활용성을 고려할 때, KTDB에서 제공하는 행정동 단위의 표준화된 통행 OD 데이터는 생활권 분석에 있어 여전히 높은 활용 가능성을 가진다(Ha and Lee, 2016).

OD 데이터를 활용한 생활권 설정 연구에서는 지역 간 통행 패턴을 정량적으로 분석하고, 이를 기반으로 생활권을 설정하는 다양한 방법이 적용되고 있다. 특히, 네트워크 분석, 클러스터링, 커뮤니티 디텍션 기법은 생활권 설정에서 중요한 분석 도구로 활용되고 있다(Cho and Sung, 2021; Ha and Lee, 2016; Kang et al., 2022). 그중, 네트워크 분석은 OD 데이터를 그래프(네트워크) 구조로 변환하여 노드 간 연결성과 이동 패턴을 분석하는 방식이다(Cho and Sung, 2021; Kang et al., 2022). 이 기법은 노드(Node)와 링크(Link)를 설정하여 생활권 내 노드 간 관계를 파악하며, 특정 지역이 네트워크에서 차지하는 중요도를 평가하기 위해 중심성(Centrality) 분석이 활용된다(Cho and Sung, 2021; Kim et al., 2021). 하지만 네트워크 분석은 통행량이 많거나 중심성이 높은 지역을 식별하는 데 효과적이지만, 지역 간 경계를 설정하는 데 있어 명확한 기준을 제시하기 어렵다는 한계를 가진다(Cho and Sung, 2021).

클러스터링 기법은 유사한 특성을 가진 지역을 군집화하여 생활권을 도출하는 방법으로, 대표적으로 K-Means, DBSCAN(Density-Based Spatial Clustering of Applications with Noise)과 같은 알고리즘이 사용된다(Kang et al., 2022; Kim et al., 2021). 클러스터링 기법은 입력 데이터의 특성을 기반으로 공간적 패턴을 자동으로 분류할 수 있으며, 특정 지역이 속하는 군집을 명확히 구분할 수 있다는 장점이 있다(Cho and Sung, 2021; Kim et al., 2021). 그러나 클러스터링 기법은 사전에 설정된 군집 개수(K)나 밀도 기준(ε)에 따라 결과가 달라질 수 있으며, 생활권 내 지역 간 이동 관계를 충분히 반영하지 못할 가능성이 있다(Cho and Sung, 2021; Kim et al., 2021).

커뮤니티 디텍션 기법은 네트워크 내에서 강하게 연결된 지역을 자동으로 탐색하여 생활권을 도출하는 방법으로(Dong et al., 2019; Kim et al., 2021; Kim et al., 2020; Xie et al., 2021), 앞선 두 방법보다 실제 통행 패턴을 더 정교하게 반영할 수 있다. 특히, 통행 흐름의 강도를 반영해 공간적 연결성을 파악하고, 네트워크 내에서 연결된 군집의 품질을 평가하는 지표인 모듈러리티(Modularity) 최적화를 통해 생활권 구조를 정량적으로 평가할 수 있는 효과적인 방법으로 평가된다(Dong et al., 2019; Kim et al., 2021; Kim et al., 2020; Xie et al., 2021). 또한, 네트워크의 내부 연결 강도를 고려하여 지역을 군집화하는 방식이기 때문에 사전에 군집 개수를 지정할 필요가 없으며, 지역 간 이동 흐름을 반영하여 동적인 생활권을 설정할 수 있다(Cho and Sung, 2021; Ha and Lee, 2016).

결론적으로, 통행 OD 데이터를 활용한 생활권 설정은 기존의 행정 경계나 시설 기준의 거리 접근 방식과 차별되는 방법으로, 시민들의 이동 흐름과 공간적 상호작용을 반영할 수 있는 장점이 있다. 네트워크 기반의 커뮤니티 디텍션 기법은 생활권 내 지역 간 이동 특성을 고려하는 방식으로, 공간적 경계를 더욱 유연하게 설정할 수 있도록 한다. 또한, 다양한 데이터 소스와의 결합을 통해 생활권 분석의 정밀도를 높일 수 있으며, 이를 통한 결과물은 도시계획 및 보행환경 연구에서 활용될 가능성이 크다.

2. 공공서비스 접근성과 형평성

도시 서비스 제공에서 형평성은 공공 자원의 공정한 배분을 보장하는 핵심 요소로, 도시계획 및 공공정책에서 중요한 개념으로 자리 잡고 있다(Tsou et al., 2005). 공간적 형평성(Spatial Equity)은 특정 지역에 거주하는 인구가 공공서비스에 균등하게 접근할 수 있는지를 평가하는 개념이며, 공공시설의 배치는 시민들의 삶의 질, 건강, 경제적 기회 등에 직접적인 영향을 미친다(Ashik et al., 2020). 공공시설의 공간적 불균형과 사회·경제적 요인 간의 관계를 분석한 연구들은 공공서비스 접근성이 소득수준 및 인구 밀도와 직접적으로 연관됨을 지적하기도 한다(Abercrombie et al., 2008; Ashik et al., 2020; Tsou et al., 2005). 이에 따라 공공서비스 접근성을 평가하고, 지역 간 차별성을 분석하는 연구가 활발히 이루어지고 있다(Maantay, 2001).

공간적 형평성과 서비스 접근성을 평가하는 다양한 이론 및 모델이 존재하며, 이는 도시 서비스의 불균형 문제를 진단하는 데 활용된다(Neutens et al., 2010). 그중에서 GIS 공간 분석은 공공시설의 공간적 분포와 서비스 범위를 시각적으로 분석하는 방법으로, 특정 시설을 기준으로 버퍼(Buffer)를 생성하여 서비스 커버리지를 평가하는 방식이 일반적이다(Hah et al., 2021). 이외에도 서비스 시설의 매력도와 거리를 함께 고려하는 방식으로 접근성을 정량화하는 중력 모델(Gravity Model)이나(Tahmasbi et al., 2019), 지역 내 서비스 공급과 인구 수요를 함께 반영하여 접근성을 분석하는 2SFCA(Two-Step Floating Catchment Area) 모델이 활용되기도 한다(Ashik et al., 2020). 그러나 중력 모델과 2SFCA 모델은 설정된 매개변수에 따라 결과가 민감하게 변할 수 있으며, 이는 실제 생활권과 공간적 상호작용을 완전히 반영하지 못하는 한계가 있다(Ahn et al., 2014). 따라서 GIS 공간 분석 기반의 접근법이 도시 서비스 형평성을 평가하는 중요한 방법론으로 활용되며, 공공시설의 공간적 배치와 지역별 형평성을 시각적으로 표현할 수 있다는 점에서 활용도 또한 높다고 할 수 있다(Maantay, 2001; Tsou et al., 2005).

3. 선행연구의 시사점 및 본 연구의 차별성

기존 연구에서 제시된 다양한 생활권 설정 및 공공서비스 접근성 평가 방법을 검토한 결과, 행정구역 단위의 접근 방식과 특정 시설 중심의 분석 방식은 실제 생활권과 공간적 상호작용을 충분히 반영하는 데 한계가 있음이 확인되었다. 이러한 한계를 극복하기 위해 최근에는 OD 데이터를 활용한 네트워크 기반 분석과 커뮤니티 디텍션 기법이 적용되는 추세이다. 또한, GIS를 활용한 서비스 커버리지 평가 방법이 공공서비스 접근성 연구에서 중요한 역할을 하고 있다.

이에 본 연구는 OD 데이터를 활용하여 네트워크 기반 커뮤니티 디텍션 기법으로 보행생활권을 도출하고, GIS 기반 공간 분석을 통해 생활편의시설의 서비스 커버리지를 평가한 후, 인구사회학적 특성을 반영한 형평성 분석을 수행하는 통합적 접근법을 제안한다. 특히, 커뮤니티 디텍션 기법 중에서도 모듈러리티 최적화를 통해 동일 커뮤니티 내부의 연결성을 극대화할 수 있으며, 사전에 군집 개수를 설정할 필요가 없는 루베인 알고리즘(Louvain Algorithm)을 적용한다(Blondel et al., 2008). 이러한 방식은 단순한 공간적 분포 분석을 넘어, 지역 간 이동 흐름을 반영하고 서비스 접근성의 형평성을 정량적으로 검토할 수 있도록 한다. 또한, 생활권의 인구‧사회학적 특성을 기반으로 그룹 간 비교를 통해, 공공서비스의 공간적 불균형이 특정 인구 집단에 미치는 영향을 실증적으로 분석한다는 점에서 기존 연구와 차별된다.

따라서 본 연구는 보행생활권을 고려한 공공서비스 접근성 평가를 통해, 도시 내 서비스 배치의 형평성을 세밀하게 분석하고, 정책적 개입의 필요성을 도출하는 데 기여할 수 있을 것으로 기대된다. 이는 향후 보행 중심의 도시 계획과 공공서비스 정책 수립에서 실질적인 참고자료로 활용될 수 있을 것이다.

방법론

본 장에서는 보행생활권 설정과 서비스 접근성 분석의 전반적인 방법론을 체계적으로 설명하고자 한다. 먼저 제1절에서는 본 연구의 전체 분석 절차와 데이터 처리 과정을 개괄적으로 제시하며, 이후 제2절에서는 커뮤니티 디텍션 기법을 적용한 보행생활권 도출과 공간 정제 과정을 구체적으로 설명한다. 제3절에서는 도출된 보행생활권을 기반으로 핵심 편의시설의 서비스 커버리지를 분석하는 방법과, 사회경제적 특성에 따른 형평성 검정을 위한 통계 분석 절차를 상세히 기술한다.

1. 분석개요 및 데이터 구성

본 연구는 부산광역시를 대상으로 보행생활권과 공공서비스 접근성의 형평성을 분석한다. 분석의 전반적인 과정은 Figure 1에 제시되어 있다. 부산은 보행 중심의 도시 계획을 강조하며, ‘15분 도시’ 정책을 주요 시책으로 추진하는 등 보행 친화적 생활권 조성이 중요한 과제로 주목받고 있다. 이에 따라, 보행 기반 생활권을 실증적으로 분석하는 것은 정책적 시사점이 클 것으로 판단된다. 분석에 활용하는 주요 데이터는 KTDB에서 제공하는 2022년 부산·울산권 연도별 주수단 통행량 자료 중 도보 및 자전거 통행 OD 데이터이다. 해당 데이터는 평일 일평균 통행량을 기반으로 작성되었으며, 부산 지역의 보행 및 자전거 이동 패턴을 정량적으로 분석하는 데 활용할 수 있다.

Figure 1.

Analytical framework for identifying pedestrian catchment areas and assessing service equity

본 연구에서 사용된 통행 OD 데이터는 부산시 206개 행정동을 기반으로 구축된 총 42,025개의 도보 및 자전거 통행 레코드를 포함한다. 해당 OD 데이터에는 도보와 자전거 통행이 혼합되어 있어, 보행 데이터만을 선별하기 위한 전처리 과정이 필요하다. 이를 위해, 본 연구에서는 우선 결측값을 제거하고, 보행이 불가능한 섬 지역의 통행 레코드 등 이상치를 제외하였다. 기존 연구에 따르면 자전거 이동은 보행보다 평균 이동 거리가 더 길며(Millward et al., 2013; Tsunoda et al., 2021), 보행 수락 거리(acceptable walking distance)는 사회경제적 요인에 따라 1.3km에서 2.5km 사이에 해당하는 것으로 보고된다(Arasan et al., 1996; Rahul and Verma, 2014; Tsunoda et al., 2021). 부산시 OD 데이터의 통행 거리 분포를 분석한 결과, 보행 통행 거리는 대체로 500m~3,000m 사이에 집중되어 있으며, 약 2,248m(3분위수)를 초과하는 지점부터 통행량이 급격히 감소하였다(Figure X). 또한, Taylor and Somenahalli(2024)는 일반적으로 분위수 기반 접근이 수용 가능한 보행 거리 설정에 있어 실증적으로 유효하며, 특히 상위 25%(3분위수)를 초과하는 거리는 실질적인 생활권의 일상적 보행 범위에서 벗어난 것으로 간주할 수 있으며, 이와 같은 접근법은 실질적인 생활권 분석에서 보행 가능 거리 기준으로서 유효하다고 보고하였다. 따라서 본 연구는 3분위수(2,248m)를 현실적이고 타당한 보행생활권 도출을 위한 절단점으로 활용하였다. 이 과정에서 강서구와 기장군의 경우, 모든 행정동의 외접원 반경이 2,248m를 초과하여 해당 행정동 내에서만 통행이 발생하는 특성을 보였다. 이에 따라, 이들 지역을 분석 대상에서 제외하였다. 이상의 전처리 과정을 거쳐 최종적으로 부산시 192개 행정동 간 총 21,530건의 도보 통행 OD 레코드를 추출하였다.

본 연구에서는 보행이 가능한 실제 생활 영역을 도출하기 위해 공간 데이터를 결합하는 과정을 거쳐 생활권을 설정하였다(Figure 2). 즉, 행정동 전체 면적을 생활권으로 포함하는 것이 아니라, 부산연구원 아카이브(data.bdi. re.kr)에서 제공하는 용도지역 데이터를 활용하여 실질적인 생활권을 도출하는 방식으로 진행하였다. 먼저, 부산시 전체를 대상으로 한 변(Edge Length)이 100m인 육각형 격자(Hexagonal Grid)를 생성한다(Figure 2-a). 육각형 격자는 공간 분석 시 중심과 가장자리 간의 거리 균일성을 제공하여 공간적 왜곡을 최소화하고, 정밀한 분석을 가능하게 하는 격자 시스템이다. 기존의 정사각형 격자보다 공간적 연속성이 높아, 생활 영역 도출 및 보행생활권 분석에 적합한 방식으로 평가된다(Burdziej, 2019). 생성된 육각형 격자는 부산시 용도지역 데이터와 중첩하여 각 격자의 토지이용 정보를 반영하였으며(Figure 2-c), 이 과정에서 주거지역과 상업지역에 해당하는 격자만 남기고, 산업지역과 자연녹지지역을 생활권에서 제외하였다(Figure 2-d). 추가로, 국토정보플랫폼의 표고 데이터를 활용하여 자연 산지에 해당하는 격자를 식별하였다. 즉, 산지를 주민들의 일상생활이 이루어지지 않는 지역으로 판단하고 생활권 면적에서 제외하였다. 이러한 과정을 통해 보행이 가능한 실제 생활권 면적을 반영하고, 분석의 현실성을 높이고자 하였다.

Figure 2.

Defining pedestrian catchment areas with hexagonal grids and land use data

또한, 보행생활권 내 주요 핵심 편의시설의 분포 및 서비스 제공 범위를 분석하기 위해 관련 데이터를 수집하였다. 부산시는 ‘15분 도시’ 정책의 일환으로 주민들이 도보 15분 이내에서 필수적인 생활 서비스를 이용할 수 있도록 ‘앵커시설(Anchor Facilities)’ 개념을 도입하였다. 앵커시설은 주민들의 일상생활 편의와 커뮤니티 활성화를 지원하는 핵심 거점 공간으로, 지역 내 공공서비스의 중심 역할을 수행하도록 설계된다(Busan Development Institute, 2022). 부산시는 앵커시설로 어린이 복합문화공간, 노년 세대의 모임 공간, 생활체육시설을 제안하고 있으나(Busan Development Institute, 2022), 현재 해당 시설들이 부산시 전역에 고르게 설치되지 않은 실정이다. 이에 본 연구에서는 분석의 실효성을 높이기 위해 기존 공공시설 중 유사한 기능을 수행하는 시설을 선정하여 보행생활권의 핵심 편의시설로 정의하였다. 예를 들어, 어린이 복합문화공간의 경우, 공공도서관(‘작은도서관’ 포함) 및 사립도서관을 포함한 시설을 대체 지표로 활용하였다.¹⁾ 노년 세대를 위한 모임 공간은 경로당과 노인교실을 포함하여 분석함으로써, 해당 연령층의 커뮤니티 활동을 반영하도록 하였다. 한편, 생활체육시설은 도보권 내 여가 및 건강 증진을 위한 시설로 기능하므로, 기존의 수영장, 간이운동장, 체육도장, 체력단련장을 포함하여 분석을 진행하였다.

핵심 편의시설의 위치 데이터는 모두 부산연구원 아카이브에서 수집되었으며, ArcGIS Pro를 활용하여 매핑한 후, 각 시설을 중심으로 반경 750m의 버퍼를 생성하였다(Figure 3). 이 기준은 도시계획 및 보행친화 도시 설계 관련 기존 연구에서 생활편의시설 접근을 위한 일반적인 도보 거리로 제시한 10~15분(약 600~800m) 범위를 준용한 것이다(Bohannon and Williams Andrews, 2011; Khavarian-Garmsir et al., 2023; Middleton et al., 2015; Teixeira et al., 2024). 또한, 부산시가 최근 추진 중인 15분 도시 계획에서 설정한 시설 접근허용거리 기준(도보 15분, 약 750m)과의 계획적 정합성을 고려하여 본 연구 대상 지역의 정책 맥락을 반영하고자 하였다.

Figure 3.

Example of key facility distribution and 750m service coverage

서비스 제공 범위는 버퍼 내 포함된 보행생활권 그리드를 ‘서비스가 제공되는 지역’, 버퍼 외부 그리드를 ‘서비스 미제공 지역’으로 구분하는 방식으로 정의하였다. 먼저, 시설별 개별 버퍼를 모두 병합(Merge)하여 대상지 전체에서 보행생활권에 서비스가 제공되는 면적을 산출하였다. 이후, 서비스 제공 지역 버퍼와 보행생활권 그리드를 교차 분석(Intersect)하여, 각 생활권 내에서 서비스가 제공되는 그리드의 합산 면적을 계산하고, 생활권 전체 그리드의 합산 면적 대비 서비스가 제공되는 그리드 면적의 비율을 계산하여 ‘서비스 커버리지(Service Coverage)’를 정의하였다. 본 연구에서는 이러한 서비스 커버리지 분석을 통해 보행생활권 내 핵심 편의시설의 공간적 접근성을 정량적으로 평가하고, 서비스 미제공 지역을 도출하여 생활권 간 서비스 불균형을 진단하였다.

각 생활권의 핵심 편의시설 서비스 커버리지를 분석한 후, 보행생활권 내 사회경제적 특성에 따른 형평성을 평가하였다. 이를 위해 부산시 공공데이터포털(data.busan.go.kr)에서 제공하는 행정동별 인구 및 사회경제적 지표를 활용하였으며, 생활권을 특정 인구집단의 특성에 따라 그룹화하였다. 이후, 그룹별로 핵심 편의시설의 서비스 커버리지를 비교하여, 생활권 간 접근성의 차이를 평가하고 형평성을 분석하고자 하였다. 본 연구에서는 생활권 간 공공서비스 접근성의 형평성 비교를 위해, 사회경제적 특성(소득 수준, 고령 인구 비율, 장애인 인구 비율)에 따라 보행생활권을 구분하였다. 먼저, 소득 수준에 따른 분류를 위해 생활권별 기초생활보장 수급자 비율을 산출하고, 전체 생활권의 중앙값을 기준으로 수급자 비율이 중앙값 이상인 경우를 ‘수급자 비율 중앙값 초과 생활권’, 이하인 경우를 ‘수급자 비율 중앙값 미만 생활권’으로 정의하였다. 이는 정책적·법적 의미의 ‘저소득 지역’ 분류가 아니라, 상대적 비교를 위한 통계적 기준에 근거한 것이다. 같은 방식으로 고령층 밀집 여부를 평가하기 위해 각 생활권의 65세 이상 인구 비율을 계산한 후, 중앙값을 기준으로 ‘고령 인구 비율 중앙값 초과 생활권’과 ‘고령 인구 비율 중앙값 미만 생활권’으로 구분하였다. 장애인 인구는 행정동 단위 통계에서 전 연령대의 수치를 제공하지 않기 때문에, 65세 이상 등록 장애인 수를 기준으로 장애인 비율을 산출하였다. 이를 바탕으로 중앙값 이상인 경우를 ‘장애인 비율 중앙값 초과 생활권’, 이하인 경우를 ‘장애인 비율 중앙값 미만 생활권’으로 분류하였다. 이와 같은 과정을 통해 도출된 생활권 그룹 간에 핵심 편의시설의 서비스 커버리지 차이를 비교함으로써, 공공서비스 접근성의 형평성을 평가하고 정책적 시사점을 도출하고자 하였다.

2. 커뮤니티 디텍션을 활용한 보행생활권 분석

본 연구에서는 통행 OD 데이터 기반의 보행생활권을 도출하기 위해 네트워크 분석 기법인 커뮤니티 디텍션을 활용하였다. 커뮤니티 디텍션은 네트워크 내에서 강한 연결성을 갖는 지역을 식별하는 기법으로, 특정 지역들이 하나의 집단(Community)으로 형성되는 패턴을 분석하는 데 유용하다(Newman and Girvan, 2004). 본 연구에서는 행정동 간 보행 통행 패턴을 기반으로 생활권을 도출하기 위해 루베인 알고리즘을 적용하였다. 즉, 행정동 간의 보행 통행량을 반영한 네트워크를 구성한 후, 루베인 알고리즘을 적용하여 보행 패턴을 기반으로 한 생활권을 도출하였다.

커뮤니티 디텍션을 수행하기 위한 네트워크를 구성하는 주요 요소는 다음과 같다. 노드(Node)는 네트워크를 구성하는 개별 점으로, 본 연구에서는 부산시의 각 행정동을 하나의 노드로 설정하였다. 엣지(Edge)는 노드 간 연결 관계를 의미하며, 본 연구에서는 행정동 간 통행 흐름(Flow)으로 정의하였다. 마지막으로 가중치(Weight)는 노드에 부여되는 값으로, 본 연구에서는 행정동 간 도보 통행량으로 설정하였다. 이는 통행량이 많을수록 해당 노드 간 연결성이 강하게 반영되도록 하기 위함이다.

루베인 알고리즘은 네트워크 내에서 모듈러리티 최적화를 통해 군집을 탐색하는 대표적인 커뮤니티 디텍션 기법이다. 모듈러리티는 네트워크 내에서 군집화의 품질을 평가하는 지표로, 동일 커뮤니티 내 노드 간 연결 강도는 최대화하면서 서로 다른 커뮤니티 간 연결 강도는 최소화하는 방향으로 군집을 형성한다(Poorthuis, 2018). 모듈러리티를 수식으로 표현하면 Equation 1과 같다(Ha et al., 2024).

여기서, Q는 생활권의 모듈러리티를 나타내며, m은 그래프 전체 엣지 수의 절반을 의미한다. Aij는 네트워크의 인접 행렬 원소로, 본 연구에서는 행정동 간 통행량을 가중치로 활용하여 정의한다. ki, kj는 각각 노드 i, j에서 발생한 통행량과 유입된 통행량의 합을 의미한다. ci, cj는 각각의 노드가 소속된 커뮤니티를 나타내며, δci,cj는 두 노드가 같은 커뮤니티에 속하면 1, 다르면 0을 반환하는 함수이다. 따라서 생활권 내부 통행이 모듈러리티 계산에 반영되며, 생활권 간 통행은 고려되지 않는다. 모듈러리티 값은 일반적으로 0에서 1 사이의 값을 가진다. 예를 들면, 커뮤니티 내부의 연결 강도가 높고, 반대로 커뮤니티 간 연결이 적을수록 1에 가까운 값을 보이며, 현실적인 네트워크에서는 보통 0.3~0.7 범위에서 의미 있는 커뮤니티 구조를 나타낸다(Ha et al., 2024).

루베인 알고리즘은 사전에 군집 개수를 설정할 필요 없이 데이터에서 자율적으로 최적의 커뮤니티를 탐색할 수 있는 특징을 가지며, 행정동 간 이동 흐름을 반영하여 동적인 생활권을 설정하는 데 강점이 있다. 또한, 계산 효율성이 뛰어나 대규모 네트워크에서도 높은 정확도로 커뮤니티 구조를 안정적으로 도출할 수 있는 알고리즘으로 평가된다(Blondel et al., 2008; Yang et al., 2016). 그러나 루베인 알고리즘은 노드를 처리하는 순서에 따라 군집화 결과가 달라질 수 있는 무작위성을 내포하고 있으며, 이는 동일한 데이터에서도 실행할 때마다 약간씩 다른 결과를 초래할 수 있는 한계로 지적된다(Aldabobi et al., 2022; Zhang et al., 2018). 이러한 무작위성을 보완하고, 보다 안정적인 결과를 도출하기 위해 본 연구에서는 Do and Phan(2024)의 접근법을 적용하였다. 이는 알고리즘을 500회 반복 실행한 후, 모듈러리티 값이 더는 증가하지 않는 지점에서 최적의 커뮤니티를 선정하는 방식이다. 분석은 Python의 NetworkX 라이브러리를 활용하였다. 이러한 과정을 통해 부산시 내 실제 보행 이동 패턴을 반영한 공간적 생활권을 식별하고, 보행 기반의 도시 계획 수립을 위한 실증적 데이터를 제공하고자 하였다.

3. 서비스 접근성의 형평성 평가를 위한 통계적 검정 방법

본 연구는 보행생활권 간 핵심 편의서비스의 형평성을 평가하는 과정에서 그룹 간 서비스 커버리지 차이를 Mann-Whitney U 검정을 통해 분석했다. Mann-Whitney U 검정은 두 개의 독립적인 샘플 간 차이를 비교하기 위한 비모수적 방법으로, 정규성을 가정하지 않고 두 집단의 중심 경향(중앙값)을 비교하는 데 유용하다(Oti et al., 2021). 이 검정은 데이터가 연속형이거나 서열형(ordinal)일 때 적용 가능하며, 두 샘플이 독립적으로 추출되었을 경우 유효하다(Rosner and Grove, 1999). 또한, Mann-Whitney U 검정은 데이터를 크기 순으로 정렬한 후 순위(rank)를 부여하는 방식을 사용하여 두 집단 간 위치 차이를 평가한다. 이 과정에서 각 그룹의 순위 합(Rx, Ry)을 계산하고, 이를 이용하여 통계량을 도출한다.

이 검정의 핵심 개념은 두 개의 샘플 데이터를 하나로 통합한 후, 전체 데이터를 순위화하여 각 그룹의 순위 합을 계산하는 것이다. 귀무가설이 참이라면, 두 샘플이 동일한 분포에서 추출되었을 가능성이 높으며, 따라서 순위 합이 두 그룹에서 유사한 분포를 보일 것으로 예상된다. Mann-Whitney U 검정의 통계량은 두 그룹의 순위 합을 이용하여 계산되며, 이는 Equation 2와 Equation 3과 같이 정의된다.

여기서 nx, ny는 각각 두 샘플의 크기이며, Rx, Ry는 두 그룹의 순위 합을 의미한다. 검정 결과로 도출된 U 값이 작을수록 두 집단 간 차이가 클 가능성이 높아진다.

본 연구에서 보행생활권 간 핵심 편의서비스의 형평성을 평가하기 위해 Mann-Whitney U 검정방법을 선택한 이유는 다음과 같다. 첫째, 분석에 활용한 보행생활권별 서비스 커버리지 데이터가 정규성을 만족하지 않는 분포를 보였다. 실제로 생활권별 서비스 커버리지 비율을 살펴보면, 일부 생활권의 생활체육시설 서비스 커버리지 비율이 0.012에서 0.924까지 넓은 범위에서 큰 편차를 보였으며, 이는 데이터가 극단적인 값이나 이상치의 영향을 받을 가능성이 높다는 점을 시사한다. 이러한 데이터의 분포 특성상, 정규 분포를 전제로 하는 모수적 검정 방법(예: 독립표본 t-검정 또는 분산분석)을 적용하는 것은 적합하지 않을 수 있다.

둘째, 본 연구의 분석 자료는 서비스 커버리지 비율을 기반으로 생활권을 순위화하여 접근성의 차이를 평가하기에 적합하다. Mann-Whitney U 검정은 데이터의 실제 값 대신 순위를 이용하여 그룹 간 차이를 평가하는 비모수적 방법으로, 데이터의 분포나 극단값에 상대적으로 덜 민감하다. 이와 같은 데이터 특성은 서비스 접근성을 단순 평균값 비교보다는 순위 기반 접근 방식으로 평가하는 것이 더욱 적절함을 시사한다.

또한, Mann-Whitney U 검정 방법은 그룹 간 차이를 비교하는 데 널리 사용되며, 특히 교통 및 도시 연구 분야에서 서비스 접근성의 차이를 분석하는 데 효과적인 도구로 활용된 바 있다(Chung et al., 2023; Jang et al., 2021). Mann-Whitney U 검정은 정규성을 가정하지 않아, 사회‧경제적 요인에 따른 서비스 접근성 차이를 평가하는 데 유용하며, 환경 형평성 분석(Tiefenbacher and Hagelman, 1999), 교육 효과 비교(Oti et al., 2021), 클러스터링을 고려한 검정 방법 개선(Rosner and Grove, 1999) 등 다양한 연구에서 적용되었다. 본 연구에서는 생활권을 사회‧경제적 특성에 따라 그룹화한 후, 핵심 공공서비스의 접근성이 그룹 간 유의미한 차이를 보이는지 검증하기 위해 활용되었다. 이를 통해 보행생활권 간 서비스 커버리지의 공간적 불균형 여부를 평가하고, 핵심 편의시설 제공의 형평성을 개선하기 위한 정책적 시사점을 도출하고자 한다.

분석 결과

1. 보행생활권 도출 결과

커뮤니티 디텍션 기법을 활용하여 부산시의 보행생활권을 행정동 단위로 도출한 결과, 강서구와 기장군을 제외한 192개 행정동이 총 45개의 보행생활권으로 군집화되었다(Figure 4-a). 도출된 모듈러리티 값은 0.68로 나타났으며, 이는 Blondel et al.(2008)과 Fortunato(2010)의 기준(0.3~0.7)에 따르면 유의미한 커뮤니티 구조를 형성하고 있음을 시사한다. 즉, 도출된 생활권 내에서 행정동 간 통행 밀집도가 높고, 생활권 간 연결성은 상대적으로 낮아 독립적인 보행생활권으로 구분될 수 있음을 의미한다.

Figure 4.

Process of pedestrian catchment area delineation by land use and topographic refinement

도출된 행정동 단위 보행생활권의 평균 면적은 8.31㎢로, 이를 반경으로 환산하면 약 1.6km에 해당한다. 이는 기존 연구에서 제시된 보행생활권의 크기(1~2km 범위)와 유사한 수준이다. 그러나 보다 현실적인 보행생활권을 설정하기 위해 본 연구에서는 육각형 그리드를 활용한 정제(Refinement) 과정을 수행하였다. 먼저, 부산시 용도지역 데이터를 활용하여 자연녹지지역과 산업지역을 제외하였다(Figure 4-b). 그 결과, 45번 커뮤니티(금성동)의 경우 전 영역이 자연녹지지역으로 구성되어 있어 보행생활권에서 제외되었다. 이후, 국토정보플랫폼에서 제공하는 표고 데이터를 활용하여 산지 지역을 추가로 제외하는 과정을 거쳤다(Figure 4-c). 이러한 과정을 통해 최종적으로 44개의 보행생활권이 도출되었다(Figure 4-d).

도출된 최종 보행생활권의 면적은 평균 4.56㎢, 최소 0.88㎢에서 최대 8.26㎢의 범위로 나타났다. 이를 반경으로 환산하면 각각 평균 1.2km, 최소 0.5km에서 최대 1.6km 범위에 해당하며, 이는 보행 가능 거리로 설정된 기준인 2.248km 이하에 모두 포함된다.

한 개의 커뮤니티는 평균적으로 약 4개의 행정동으로 구성되었으며, 일부 지역에서는 단일 행정동이 하나의 독립적인 커뮤니티를 형성하는 사례가 관찰되었다. 예를 들면, Figure 5에서 볼 수 있듯이 22번 커뮤니티(송정동), 39번 커뮤니티(화명2동), 40번 커뮤니티(금곡동), 43번 커뮤니티(선두구동), 45번 커뮤니티(금성동)의 5개 커뮤니티는 각각 단일 행정동으로 구성되었다. 이러한 단일 행정동 커뮤니티의 존재는 해당 지역이 주변 지역과의 상호 연결성이 상대적으로 낮거나, 독립적인 보행생활권을 형성하고 있음을 의미한다.

Figure 5.

Comparison of pedestrian catchment areas identified in this study and officially designated living areas in Busan

또한, 33번 커뮤니티(반송 1동, 반송 2동)와 43번 커뮤니티(선두구동)는 부산시 외곽에 위치하며 산지로 인해 다른 보행생활권과의 연결이 단절되어 있어 독립적인 생활권으로 나타났다. 이는 본 연구의 대상지에서는 산지가 보행생활권의 물리적 경계를 형성하는 주요 요소로 작용하고 있음을 시사한다.

본 연구에서 도출한 보행생활권과 ‘부산시 2040 도시기본계획’에 따라 설정된 생활권을 비교한 결과, 두 생활권 간 공간적 차이가 존재하는 것으로 나타났다(Figure 5). 부산시는 ‘15분 도시’ 조성을 위한 기본 단위로 총 62개의 생활권을 설정하였으며, 이는 행정구역을 고려한 정책적 구획으로서의 역할을 수행한다. 강서구와 기장군을 제외한 본 연구의 공간 범위에 해당하는 지역에는 이 중 53개의 생활권이 포함된다. 반면, 본 연구에서 도출한 보행생활권은 실제 통행 데이터를 기반으로 행정동 간 이동 패턴을 반영하여 설정되었으며, 총 44개의 생활권이 도출되었다.

두 생활권 체계 간 가장 큰 차이점은 설정 방식에서 비롯된다. 본 연구에서 모든 행정동을 보행생활권에 포함하지 않고, 보행 가능 거리를 초과하는 광범위한 지역은 제외했기 때문으로 해석할 수 있다. 예를 들어, 부산시 2040 도시기본계획에서 독립적인 생활권으로 설정된 ‘정관’, ‘일광’, 그리고 강서구 지역은 본 연구에서 보행생활권으로 포함되지 않았다. 이는 해당 지역들이 면적이 넓고 실질적인 보행 네트워크가 형성되기 어려운 지역적 특성을 반영한 결과이다. 또한, 부산시 2040 도시기본계획의 생활권은 행정동 및 기존 도시 구조를 고려하여 설정된 반면, 본 연구에서 도출한 보행생활권은 행정구역 경계를 고려하지 않고 실질적인 보행 이동 흐름을 기반으로 네트워크적으로 형성되었다. 그 결과, 부산시 생활권보다 일부 보행생활권이 더욱 조밀하게 형성되는 경향을 보였으며, 반대로 일부 지역에서는 기존 생활권보다 넓은 범위가 하나의 보행생활권으로 통합되었다.

이러한 결과는 부산시 생활권 체계가 행정적 편의성과 정책적 실행 가능성을 고려하여 설정된 반면, 본 연구에서 도출한 보행생활권은 실제 시민들의 이동 패턴을 반영하여 설정되었음을 시사한다. 특히, 본 연구에서 활용한 도보 통행 OD 데이터를 기반으로 한 보행생활권 도출 방식은 기존 행정구역 중심의 생활권 설정과 달리, 실제 보행 흐름과 공간적 연계를 반영할 수 있다는 강점을 가진다. 이는 정책적 생활권이 도시 계획 및 행정 운영의 기본 단위로 유용하게 활용될 수 있는 반면, 본 연구에서 도출한 보행생활권은 보행 이동 중심의 실질적인 생활권을 보다 정밀하게 분석하는 데 기여할 수 있음을 의미한다. 따라서 본 연구에서 제시한 보행생활권 개념은 기존 정책적 생활권과 상호보완적으로 활용될 수 있으며, 보행 중심의 도시 계획 및 공공서비스 배치 최적화를 위한 기초 자료로 활용될 수 있을 것이다.

2. 핵심 시설의 서비스 커버리지 분석 결과

대상지 내 핵심 편의시설(노인시설, 어린이시설, 생활체육시설)의 공간적 분포를 분석한 결과, 시설 유형별로 공간적 편중이 존재하는 것으로 나타났다. 노인시설과 어린이시설은 비교적 균형적으로 분포하고 있지만, 생활체육시설의 경우 특정 지역에 집중되어 있거나 일부 보행생활권에서는 전혀 존재하지 않는 패턴이 관찰되었다. 특히 부산 도심 및 밀집된 주거지역에서 핵심 시설의 분포가 높게 나타난 반면, 외곽 지역으로 갈수록 시설의 밀도가 급격히 감소하는 경향이 확인되었다(Figure 6, 7, 8).

각 핵심 시설 유형별 서비스 커버리지를 분석한 결과, 노인시설은 평균 95.6%의 서비스 제공 비율을 보이며 가장 높은 접근성을 기록하였고, 어린이시설은 평균 82.0%의 커버리지를 보였다. 반면, 생활체육시설은 평균 36.0%로 가장 낮은 서비스 커버리지를 보였으며, 8개의 보행생활권에서는 10% 미만의 커버리지를 기록하여 접근성이 매우 제한적인 것으로 나타났다.

노인시설은 경로당과 노인교실을 포함하여 분석되었으며, 보행생활권 내 평균 서비스 커버리지는 약 95.6%로 나타났다(Figure 6). 특히, 44개 보행생활권 중 25개 생활권에서 100%의 서비스 제공이 이루어지고 있었으며, 최소 서비스 커버리지도 70% 이상을 유지하였다. 이는 노인시설이 비교적 균등하게 배치되어 있음을 시사한다.

Figure 6.

Spatial distribution and service coverage of senior centers in pedestrian catchment areas

어린이시설(공공도서관, 사립도서관, 작은도서관 포함)의 경우, 평균 서비스 커버리지는 약 82%로 나타났으며, 29개 생활권에서 75% 이상의 면적이 서비스 범위 내에 포함되었다(Figure 7). 그러나 3개 생활권(1번, 5번, 41번)에서는 서비스 커버리지가 50% 미만으로 나타나, 해당 지역에서는 어린이시설에 대한 접근성이 상대적으로 부족한 것으로 분석되었다.

Figure 7.

Spatial distribution and service coverage of children’s facilities in pedestrian catchment areas

생활체육시설은 수영장, 간이운동장, 체육도장, 체력단련장 등 다양한 체육시설을 포함하여 분석되었으며, 전체 보행생활권에서 평균 36%의 서비스 커버리지를 기록하였다(Figure 8). 특히, 일부 생활권에서는 생활체육시설의 접근성이 극도로 제한적인 것으로 나타났다. 2개 생활권에서는 서비스 제공 비율이 0%로 분석되었으며, 44개 보행생활권 중 8개(약 18%)는 서비스 커버리지가 10% 미만으로 확인되었다. 이러한 결과는 생활체육시설이 도심보다는 자연녹지지역 인근에 있는 경우가 많기 때문이라 판단된다.

Figure 8.

Spatial distribution and service coverage of sports facilities in pedestrian catchment areas

분석 결과, 보행생활권 내 핵심 시설의 서비스 커버리지는 시설 유형에 따라 다소간의 차이가 있음을 확인할 수 있었다. 전반적으로 노인시설과 어린이시설은 비교적 높은 접근성을 보이지만, 생활체육시설은 서비스 커버리지가 낮고 특정 지역에 집중되어 있거나 일부 생활권에서는 아예 존재하지 않는 문제점이 확인되었다. 이는 생활체육시설이 도시계획 과정에서 상대적으로 고려되지 않았거나, 기존 시설이 특정 지역(즉, 자연녹지지역 근처)에 집중적으로 배치된 결과일 가능성이 크다. 이러한 결과는 보행생활권 내 핵심 편의시설의 접근성이 낮은 지역에 대한 추가 분석이 필요할 수 있음을 시사한다.

3. 보행생활권 간 서비스 접근성의 형평성 분석 결과

Mann-Whitney U 검정을 활용하여 보행생활권 내 서비스 커버리지가 사회‧경제적 특성(소득 수준, 고령층 비율, 장애인 인구 비율)에 따라 차이가 있는지를 검증한 결과, 일부 그룹 간 서비스 접근성에 통계적으로 유의미한 차이가 나타난 경우를 발견할 수 있었다. Table 1은 기초생활보장 수급자 비율, 고령 인구 비율, 장애인 인구 비율에 따른 그룹 간 편의시설 서비스 커버리지 차이를 비교한 Mann-Whitney U 검정 결과를 요약한 것으로, 각 그룹쌍에 대한 U 통계량과 함께 Wilcoxon W 및 Z 통계량, 양측 검정 기준의 유의확률(p-value)을 제시하고 있다. 이때, Wilcoxon W는 두 집단의 순위합을 기준으로 계산된 통계량으로, U와 동일한 정보를 표현하는 보조지표이며, Z 값은 U 통계량을 정규분포로 변환한 표준화된 지표로서 유의확률 산출의 근거가 된다. 따라서 Z 값을 통해 단순한 유의성 여부를 넘어 차이의 방향성과 상대적 크기를 함께 해석할 수 있다.

먼저, 소득수준에 따른 생활권 간 차이를 분석한 결과, 수급자 비율 중앙값 초과 생활권에서 노인시설과 어린이시설의 접근성이 상대적으로 낮았다. 즉, 기초생활보장 수급자가 상대적으로 많은 생활권에서 노인시설(U=150.0, p<0.05)과 어린이시설(U=147.0, p<0.05)의 서비스 커버리지가 수급자가 상대적으로 적은 생활권보다 낮았다. 이는 수급자 비율이 상대적으로 많은 지역에서 노인과 아동을 위한 시설 접근성이 부족할 가능성을 시사하며, 해당 지역에 대한 공공시설 배치의 형평성을 고려한 개선이 필요함을 의미한다. 반면, 생활체육시설의 경우 두 그룹 간 유의한 차이가 나타나지 않았다.

한편, 고령 인구 비율 중앙값 초과 생활권과 고령 인구 비율 중앙값 미만 생활권을 비교한 결과, 노인시설에 대해서만 유의미한 차이가 확인되었으며(U=155.0, p<0.05), 어린이시설과 생활체육시설의 서비스 커버리지는 두 그룹 간 차이가 통계적으로 유의하지 않았다. 이는 고령층이 상대적으로 많은 지역에서 오히려 노인시설 접근성이 낮을 가능성을 시사하며, 이러한 지역에서 필요한 노인시설 서비스가 균등하게 제공되지 않을 수 있음을 보여준다.

마지막으로, 장애인 인구 비율 중앙값 초과 생활권의 경우, 노인시설(U=129.0, p<0.01)과 어린이시설(U=148.5, p<0.05)의 서비스 커버리지가 장애인 인구 비율 중앙값 미만 생활권보다 낮은 것으로 나타났다. 이는 장애인 인구 비율이 상대적으로 높은 지역에서 핵심 편의시설에 대한 공간적 접근성이 부족할 가능성을 시사한다. 반면, 생활체육시설의 경우 그룹 간 차이가 통계적으로 유의하지 않은 것으로 나타났다.

이러한 분석 결과는 특정 사회경제적 특성을 가진 생활권에서 공공서비스 접근성이 충분히 확보되지 않았을 가능성을 보여주며, 향후 시설 배치 시 정책적 지원이 필요한 지역에 대한 공간적 형평성을 고려한 조정이 필요함을 시사한다.

논의

본 연구는 기존의 행정구역 기반 생활권 설정 방식의 한계를 극복하고자, KTDB에서 제공하는 통행조사(OD) 데이터를 활용하여 실제 보행 이동 패턴을 반영한 보행생활권을 도출하였다. 특히, 네트워크 기반 커뮤니티 디텍션 기법을 적용함으로써 행정동 간 이동 관계를 정량적으로 분석하고, 실질적인 보행 네트워크를 반영한 생활권을 설정하였다. 이러한 접근 방식은 기존의 행정구역 기반 생활권 설정보다 실제 보행 흐름을 더 정교하게 반영할 수 있다는 점에서 차별성을 가진다(Ha and Lee, 2016; Sun et al., 2016). 또한, 도출된 보행생활권을 보다 현실적으로 조정하기 위해 토지이용 및 표고 데이터를 추가적으로 활용하였다. 기존 연구에서는 보행생활권을 설정할 때 토지이용 특성을 고려하지 않거나, 단순한 거리 반경을 기준으로 설정하는 경우가 많았으나(Busan Metropolitan City, 2023; Seoul Metropolitan Government, 2023), 본 연구에서는 자연녹지지역과 산업지역을 보행생활권에서 제외하고, 실질적인 보행 가능 지역을 중심으로 생활권을 구성하였다. 이를 통해 단순한 행정구역 기반 설정이 아닌, 네트워크 기반 공간 분석을 활용한 보다 정밀한 보행생활권을 도출했다는 점에서 연구의 의의가 있다.

도출된 보행생활권을 기반으로 본 연구에서는 공공서비스 접근성을 분석하고, 시설 유형별 서비스 커버리지를 평가하였다. 노인시설과 어린이시설은 평균적으로 높은 서비스 제공 비율을 보였으나(각각 95.6%, 82.0%), 생활체육시설의 경우 평균 서비스 커버리지가 36.0%에 불과하여 접근성이 상대적으로 낮았다. 특히, 일부 보행생활권에서는 생활체육시설의 서비스 커버리지가 10% 미만으로 나타나, 특정 지역에 시설이 집중적으로 배치된 문제를 시사하였다. 생활체육시설의 다수가 도심보다는 시 외곽이나 자연녹지 인접 지역에 분포하는 경향이 확인되었으며, 이는 생활체육시설이 도심 내 가용 공간 부족으로 인해 외곽 지역에 주로 배치되었기 때문일 가능성이 크다. 그러나 이러한 배치는 실제 시민들의 생활권과 불일치할 가능성이 있으며, 향후 생활체육시설의 접근성을 개선하기 위한 공간적 재배치가 필요하다.

더 나아가 본 연구는 사회‧경제적 요인에 따라 분류된 보행생활권 간 핵심 편의시설 접근성의 형평성을 평가하였다. 분석 결과, 보행생활권 간 서비스 접근성이 사회‧경제적 요인에 따라 차이를 보이는 것으로 확인되었다. 특히, 수급자 비율 중앙값 초과 생활권과 장애인 비율 상위군 생활권을 각 비율 하위군 생활권과 비교했을 때, 노인시설과 어린이시설 접근성이 유의미하게 낮았다. 또한, 고령 인구 상위군 생활권이 하위군 생활권과 비교하여 노인시설 접근성이 유의미하게 낮았다. 이러한 결과는 연구 대상지에서 핵심 편의시설 배치가 해당 인구집단의 필요에 대응하여 이루어지지 않았을 가능성을 시사한다. 예를 들어, 고령 인구 비율이 높은 지역에서 노인시설 접근성이 일반 생활권보다 낮은 결과는 노인 인구가 밀집된 지역이라고 해서 반드시 관련 서비스가 충분히 제공된 것은 아니라는 점을 의미한다. 이는 노인시설이 행정적 계획에 따라 일률적으로 배치되었거나, 실제 노인 인구 분포를 고려하지 않았을 가능성이 있다는 의미이다. 따라서, 향후 보행생활권에 핵심 편의시설을 배치할 때, 단순한 행정구역 기반의 시설 공급 방식에서 벗어나, 실제 생활권 인구의 특성과 형평성을 고려한 시설 배치가 필요할 것이다.

한편, 장애인 비율 상위군 생활권과 수급자 비율 중앙값 초과 생활권에서 어린이시설 접근성이 낮게 나타난 것은 사회·경제적 격차가 어린이를 위한 공공서비스 접근성과도 연관이 있을 가능성을 시사한다. 즉, 분석 결과에 따르면 장애인 비율 상위군 지역 및 수급자 비율 중앙값 초과 지역에서 공공 보육시설, 놀이 공간, 교육 기반시설 등의 배치가 상대적으로 부족할 가능성이 있으며, 이에 따라 어린이·청소년의 학습 및 문화적 활동 참여 기회가 제한될 수 있다. 따라서, 이러한 불균형을 해소하기 위해 수급자 비율 중앙값 초과 생활권 내 공공도서관, 어린이 문화공간 및 놀이시설 확충이 중요한 정책적 과제로 제시될 수 있다. 이와 같은 결과는 기존 연구에서 지적된 공공서비스 접근성의 공간적 불균형 문제와 유사한 경향을 보이며(Hah et al., 2021; Kim, 2014), 도시 내 서비스 제공 시 특정 계층에 대한 형평성 확보가 여전히 중요한 과제임을 시사한다.

결론

본 연구는 보행 OD 데이터를 활용하여 부산시 보행생활권을 도출하고, 핵심 편의시설(어린이시설, 노인시설, 생활체육시설)의 공간적 접근성을 평가하며, 사회경제적 요인에 따른 형평성을 분석하였다. 기존의 행정구역 기반 생활권 설정 방식이 실제 보행 흐름을 충분히 반영하지 못한다는 한계를 보완하기 위해 네트워크 기반 커뮤니티 디텍션 기법을 적용하였으며, 토지이용 및 지형 데이터를 활용해 생활권 경계를 정제함으로써 보다 현실적인 생활권을 설정하고자 하였다.

분석 결과, 총 44개의 보행생활권이 도출되었고 시설 유형별 접근성에서 차이가 나타났다. 노인시설과 어린이시설은 상대적으로 높은 서비스 제공 비율을 보였으나, 생활체육시설의 평균 서비스 커버리지는 약 36%에 불과하여 보행 접근성이 낮았다. 형평성 측면에서도, 수급자 비율 중앙값 초과 생활권과 장애인 비율 상위군 생활권에서의 노인시설 및 어린이시설 보행 접근성이 유의미하게 낮았고, 고령 인구 배율 상위군 생활권에서는 노인시설의 보행 접근성이 유의미하게 낮았다. 이를 통해, 특정 인구 집단이 공공서비스 이용에 불이익을 겪고 있음을 확인하였다.

그러나 본 연구는 다른 모든 연구와 마찬가지로 몇 가지 뚜렷한 한계점이 있다. 첫 번째로, 본 연구에서 활용한 KTDB의 OD 데이터는 도보와 자전거 통행이 혼재되어 제공되기 때문에, 순수한 보행 통행만을 명확히 구분하기 어렵다. 이를 보완하기 위해 기존 문헌에서 보고된 보행 수락 거리를 기반으로 보행 데이터를 간접적으로 선별했으나, 이 과정에서 자전거 통행이 포함되거나 장거리 보행 통행이 누락될 가능성이 있다. 또한, 통행 거리의 3사분위수를 기준으로 보행생활권 영향권을 설정하였으나, 향후 연구에서는 거리 상한 기준의 변화가 생활권 구조 및 형평성 결과에 미치는 영향을 분석하여, 영향권 설정에 대한 민감도 평가가 수행될 필요가 있다. 따라서 향후 연구에서는 완전히 독립적인 보행 데이터를 확보해야만 보다 정확한 분석을 수행할 수 있을 것이다. 두 번째로, 본 연구에서는 행정동 단위의 통행 데이터를 사용하여 보행생활권을 도출하였으나, 개별 보행자의 이동 경로나 실시간 보행 흐름을 분석하기에는 공간 해상도가 부족할 수 있다. 따라서, 더욱 정밀한 생활권 분석이 필요하다면, 모바일 통신 데이터, GPS 기반 보행 데이터, 실시간 유동 인구 데이터 등을 결합하는 방법을 모색해야 한다. 세 번째로, 본 연구는 공공시설 접근성을 거리 기반의 서비스 커버리지 관점에서 평가하여, 시설의 규모, 수용 인원, 운영 시간 등과 같은 질적 요소는 반영하지 못했다. 동일한 서비스 범위 내에 위치하더라도, 실제 시설의 수용 능력이나 운영 방식에 따라 실질적 접근성과 이용 가능성은 상이할 수 있으므로, 향후 연구에서는 공간적 분포뿐만 아니라 질적·운영적 요소를 통합한 다차원적 분석이 필요하다. 네 번째, 본 연구에서는 생활권 간 형평성 분석을 위해 수급자, 고령 인구, 장애인 인구 비율의 중앙값을 기준으로 상·하위군을 구분하였으나, 이는 절대적인 사회경제적 수준을 나타내는 것이 아니라 상대적 비교를 위한 통계적 분류 방식이라는 점에서 해석에 주의가 필요하다. 향후 연구에서는 중앙값 기준의 이분법적 분류를 보완하기 위해 세분화된 그룹 구분, 또는 정책상 취약 지역 지정 기준 등을 반영한 다층적 형평성 분석 방식을 고려할 필요가 있다. 마지막으로, 본 연구에서 평가한 핵심 편의시설이 주로 노인과 어린이를 위한 시설임에도 일반 성인의 평균 보행속도(3km/h)를 적용하여 접근허용거리(750m)를 설정한 점은 실제 시설 이용자의 이동 능력을 다소 과대평가할 수 있는 한계를 지닌다. 향후 연구에서는 실제 시설 이용자의 보행 특성을 고려한 보다 정밀한 접근허용거리 기준을 설정할 필요가 있다.

그럼에도 본 연구는 기존의 지자체가 시행해 온 행정구역 기반의 정적 생활권 설정 방식이 아닌, 보행 OD 데이터를 활용한 네트워크 분석을 통해 동적이고 실제 이동 패턴을 반영한 생활권을 도출하였다는 데 의의가 있다. 또한, 본 연구에서 활용한 분석 방법은 KTDB의 통행 데이터, 용도지역 데이터, 표고 데이터 등 접근성이 용이한 공공 데이터베이스를 기반으로 하고 있어, 도시 및 교통계획 실무에서도 비교적 쉽게 적용할 수 있다는 강점을 가진다. 기존 연구에서 활용하기 어려웠던 세밀한 보행 흐름 데이터를 보완하면서도, 실무적인 접근성을 확보한 점에서 차별성이 있다. 더불어, 본 연구는 공공서비스 접근성의 형평성을 정량적으로 평가하였으며, 특정 사회경제적 집단에서 서비스 이용의 불균형이 나타나는 문제를 실증적으로 검토하였다. 이러한 분석은 단순히 시설의 물리적 배치만을 고려하는 것이 아니라, 서비스가 실제로 누구에게 더 제공되고 누구에게 부족한지를 평가할 수 있는 정책적 도구로 활용될 수 있다.

본 연구에서 제시한 방법론과 분석 결과는 도시 및 교통정책 수립에서 보행생활권 구상 전략을 수립하는 데 실질적인 기초 자료로 활용될 수 있으며, 궁극적으로 도시 내 공공서비스의 공간적 형평성을 개선하는 데 이바지할 것으로 기대된다. 특히, 본 연구는 커뮤니티 디텍션 기법을 적용한 네트워크 분석을 통해 기존의 행정구역 기반 접근법과 달리 실제 시민들의 보행 흐름을 반영한 보행생활권 설정의 가능성을 실증하는 기초연구자료로 활용할 수 있을 것이다. 이러한 방법론은 KTDB 데이터와 같은 표준화된 공공 데이터베이스를 활용하여 도시 및 교통정책 실무에서 손쉽게 적용할 수 있는 범용성을 가진다. 또한, 통행 데이터뿐만 아니라 토지이용, 지형 등의 다양한 공간 데이터를 결합함으로써 보행생활권의 현실성과 정밀성을 높이는 데 기여하였다. 본 연구가 향후 보행 친화적인 교통계획을 위한 지속적 연구와 실무적 적용에 중요한 기초로 활용될 수 있기를 바란다.