도시 공간특성과 Walkability Index의 상관성에 관한 공간통계학적 접근 -부산광역시 2개 구를 대상으로-

A Spatial Statistical Approach on the Correlation between Walkability Index and Urban Spatial Characteristics -Case Study on Two Administrative Districts, Busan-

Abstract

본 연구에서는 최근 들어 그 중요성이 부각되고 있는 도시공간의 보행환경 평가와 관련하여 지역의 보행친화도와 물리적 사회경제적 특성과의 상관관계를 공간통계학적 측면에서 분석 하였다. 이를 위해 부산광역시의 2개 구의 보행성 지수(Walkability Index)를 정량적으로 산출하였고 이에 대한 전역적 국지적 공간 자기상관 측정을 수행하였다. 또한 Walkability Index에 대해 도시환경 변수와의 상관성을 파악하기 위해 지리가중 회귀분석(GWR : Geographically Weighted Regression, 이하 GWR)을 수행하였다. 연구결과 연구지역의 Walkability Index에서 통계적으로 유의한 수준의 공간 자기상관 수치와 군집이 도출되었다. 또한 GWR 분석결과 OLS(Ordinary Least Square Regression, 이하OLS) 회귀모형보다 통계적으로 개선된 추론이 가능 하였으며, 보행 환경변수에 대한 국지적 수준의 영향관계를 도출할 수 있었다. 본 연구의 결과들은 지역의 보행환경 평가 및 그와 연관된 환경변수의 탐색 시 공간 통계학적 접근이 효과적일 수 있음을 시사한다.

The correlation between regional Walkability Index and their physical socio-economic characteristics has evaluated by the spatial statistical analysis to understand the urban pedestrian environments, where has been emerging the significance, recently. Following to the study, the Walkability Indexes were calculated quantitatively from two administrative districts of Busan and measured Global Local spatial autocorrelation indices. Additionally, the Geographically Weighted Regression model was applied to define the correlation between Walkability Indexes and urban environmental variables. The spatial autocorrelation values and clusters on the Walkability Indexes were derived in statistically significant level. Furthermore, the Geographically Weighted Regression model has been derived more improved inference than the OLS regression model, so as the influence of local level pedestrian environment was identified. The results of this study suggest that the spatial statistical approach can be effective on quantitative assessing the pedestrian environment and navigating their associated factors.

1. 서 론

보행은 도시민의 생활 영위에 있어 가장 기본적인 이동수단이라 할 수 있다. 따라서 보행활동이 이루어지는 도시공간의 모든 여건을 보행환경이라 볼 수 있다. 이러한 보행환경을 높은 수준으로 확보할 수 있도록 계획하고 개발하는 것은 도시민의 삶의 질에 있어 매우 중요한 과제라 할 수 있다. 그러나 우리나라의 경우 도시공간 계획이 자동차 위주로 이루어져 온 탓에 보행환경에 대한 관심은 상대적으로 미흡했다. 이러한 문제에 대한 다양한 문제점이 지속적으로 제기되었고 여러 지자체에서는 보행환경을 개선하기 위한 노력들이 이루어져왔다. 결국 2012년 보행환경 안전 및 편의증진에 관한 법률이 마련되면서 보행환경과 관련된 각종 연구 성과들이 이전에 비해 더욱 뚜렷한 증가추세를 보이며 축적되고 있다. 기존의 보행과 관련된 국내연구는 일반적으로 보행과 관련된 요소들을 지표화 하는 것과, 보행성과 연관을 가지는 현상을 파악하는 것으로 구분된다. 이는 도시주거지의 물리적 보행환경 요소를 지표화하거나(Park et al., 2008), 지역의 보행 친화적인 적정 블록 규모를 산정하는 등의 연구가 대표적이라 할 수 있다. 또한 Kang(2013)의 경우 서울시의 보행성 지표에 대해 새로운 형태의 산출 방식을 제시하였다. Park and Byeon(2012)은 초등학교 주변의 물리적 환경요소가 주변의 보행안전에 미치는 영향에 대해 연구하였다. 한편 해외의 경우 보행성에 관련된 연구가 상대적으로 오랫동안 다양한 주제와 접목되어 체계적으로 시도 되었다. Frank(2005)는 보행성에 대한 정의를 내리고 물리적 지표의 조합을 통한 보행성 지수인 Walkability Index를 제시하였다. 특히 Walkability Index는 우리나라의 보행성 연구들에서 일반적으로 활용되고 있는 점이 주목할 만하다. 또한 Coffee et al.(2013)은 신체활동 수단으로써의 보행활동이 지역주민의 전반적인 건강상태나 특정 질병에 연관성을 가진 다고 주장하였다. 한편 Andrews et al.(2012)의 경우 이러한 보행성관련 연구가 health geography 분야에 매우 긍정적인 기여를 할 수 있음을 제시하기도 하였다. 또한 고해상도 위성자료를 활용하여 지역의 녹지분포수준에 따른 보행성 수준을 산출하거나(Lwin and Murayama, 2011), 개별 시민의 환경에 따른 보행동선 선택을 GPS나 accelerometer등의 휴대용 기기를 활용하여 실증 하는 연구사례도 증가하고 있다(Almanza et al., 2012). 그러나 이러한 연구들은 지역의 공간특성이 보행환경에 미치는 영향 속에서 발생할 수 있는 영향관계에 대해 충분히 고려하지 못하고 있다. Tobler의 지리학의 1법칙(Tobler, 1970)을 고려할 때 지역의 보행환경 수준은 인접 지역의 보행성(Walkability)에도 영향을 미칠 가능성이 크다. 그러나 보행 환경에 대한 연구는 다양한 물리적 보행요소를 정량화하고 이를 정량적으로 지표화 하는 것에 상대적으로 초점이 맞추어져 왔다. 이에 대하여 ‘단위지역에 고정적으로 위치한 다양한 목적지(destination)들의 분포’가 가지는 공간상의 연계성에 대한 관심은 상대적으로 미미한 실정이다. 예를 들어 복합용도를 가지는 쇼핑몰의 입지가 가지는 소비에 대한 영향권이 그 쇼핑몰이 위치한 행정 경계와 일치하는 것은 아니다. 따라서 본 연구에서는 이점에 주목하여 지역의 보행성 지수로서 산출된 Walkability Index에 대해 지역의 보행성 수준이 가지는 공간 영향관계를 정량적으로 도출 하였다. 또한 GWR모델을 적용하여 지역의 공간 특성이 보행성과 가지는 연관성을 통계적으로 추론하여 OLS모델과의 주요 통계량 비교분석을 통해 보행성 연구에서의 공간 통계학적 접근이 가지는 효용성을 검토하였다.

 

2. 분석범위 및 자료구축

2.1 연구범위

본 연구의 공간적 범위는 부산광역시의 2개 구(남구, 수영구)로 한정 하였다(Fig. 1). 해당 연구지역은 서로 인접해 있으며 교통과 문화, 경제의 흐름이 비슷한 생활권역이다. 분석에 활용된 모든 자료는 2013년을 기준으로 마련하였으며 연구지역을 250m×250m, 400m×400m 격자망 형태로 구획하여 분석에 필요한 모든 자료를 구축하였다. 이는 행정적 경계와 보행이라는 현상이 가지는 경계의 불일치로 인해 발생할 수 있는 수정 가능한 공간단위문제(MAUP :Modifiable Areal Unit Problem)를 검토하기 위함이며(Fotheringham and Wong, 1991), 이로 인해 권역의 설정에 따라 주요 지표의 분포형태가 상이하게 산출 될 수 있기 때문이다(Choi and Suh, 2013).

Fig. 1.Study area

2.2 자료구축 및 지표산출

본 연구에서 분석에 활용할 지표산출 시 적용된 자료는 크게 공간 자료와 속성정보로 활용할 통계자료로 나뉜다(Table 1). 공간자료의 경우 다시 각각의 보행성 지표를 산출하기 위한 수치지형도, 토지피복도로 나뉜다. 수치지형도의 경우 국토지리정보원의 1:5,000 수치지형도 2.0 자료 중 도로망, 교차점 그리고 건물 레이어를 추출하여 용도별로 재가공하였다. 통계자료의 경우 먼저 통계청 SGIS 공간 통계서비스의 집계구 자료인 행정구역경계, 인구, 가구 통계와 빅데이터 분석 업체인 (주)Biz-GIS의 소득, 지가, 고용에 관한 자료를 적용하였다. 모든 자료는 geoprocessing 단계를 거쳐 point형태로 변환하여 각 격자망으로 spatial join하여 속성화 하였다. 특히 모든 지표의 측정 단위와 분포가 상이하기 때문에 산출된 모든 변수에 대해 z-score를 산출하여 분석에 적용하였다. 본 연구에서는 보행성과 관련된 기존 연구를 검토하여 분석에 활용할 주요지표를 선정 하였다. 분석에 활용된 주요변수를 살펴보면 우선 핵심 지표이자 종속변수인 보행성 지수(Walkability Index)는 토지이용과 교통, 주거와 상업용지의 함수관계를 통해 산출 된다. 독립변수로 활용될 변수는 크게 물리적 환경요소와 사회경제적 요소로 구분하였다. 물리적 변수의 경우 도보로 이동할 수 있는 목적지에 대한 접근성(accessibility)을 척도로 적용하였다. 이는 보행의 목적지로 고려될 수 있는 건물과 이동수단으로 활용될 수 있는 대중교통으로 나뉜다. 특히 각 건물들의 접근성은 MIT 대학에서 개발한 Urban Network Analysis를 활용하여 세 가지의 접근성 척도를 산출 하였고, 각자의 지표가 상이한 접근성의 의미를 가지기 때문에 Table 2에 정리하였다. Urban Network Analysis기법은 기존의 네트워크분석과 달리 네트워크 데이터를 참조자료로 활용하여 개별 건물이 가지는 위치적 특성을 탐색하는 특성을 가진다(Sevtsuk and Michael, 2012). Cardozo et al.(2012)은 지하철 역세권 중심으로 단위구역의 평균지가, 추정소득 그리고 고용수준이 보행의 집적을 유도한다고 제시하였다. 따라서 본 연구에서는 이에 대한 변수를 추가적으로 적용하였다.

Table 1.Variables of analysis

Table 2.Major accessibility measurements of study

 

3. 연구방법

본 연구에서 설정한 연구의 목표는 크게 두 가지로 나뉘며 전체적인 연구의 흐름은 Fig. 2와 같다. 첫째, 연구의 핵심지표라 할 수 있는 지역의 보행성 수준이 가지는 공간 특성(spatial characteristics)을 파악 하는 것이다. 이를 위해 우선적으로 부산광역시의 두 개 구(남구, 수영구)를 대상으로 두가지의 상이한 스케일을 가진 격자망 형태의 공간 단위를 설정하였다. 250m×250m, 400m×400m으로 구획된 두 가지의 공간단위에 대해 연구의 핵심지표이자 통계모형의 종속변수인 Walkability Index를 산출 하였다. 산출된 지수에 대해 탐색적 공간 데이터 분석(ESDA :　Exploratory Spatial Data Analysis)의 하나인 전역적 공간자기상관 측정을 통해 보행성 지수의 공간특성을 파악하였다. 본 연구에서 다루고자 하는 변수의 공간 특성은 공간적 의존성(dependency)과 이질성(heterogeneity)으로 나뉜다. 이는 연구대상 지역에 대한 기술통계나 일반적 경향을 다루는 것이 아니라 하나의 현상이 가지는 공간상의 영향관계를 물리적으로 구조화 하는 것이다(Lee, 2008). 이를 위해 전역적 공간 자기상관 측정 방법인 Moran’s I 를 활용해 전체 연구지역의 Walkability Index에 대한 유사성을 정량화한다. 이 결과를 바탕으로 국지적 공간자기상관 측정 도구인 Getis-Ord Gi*를 통해 공간 자기상관의 국지적 변이를 파악한다. 탐색적 공간 데이터 분석을 통해 Walkability Index의 공간적 영향관계 파악을 통해 Walkability Index와 주변지역의 환경 변수와의 상관성에 관한 통계적 추론과정에 활용할 모델의 선택 근거를 마련할 수 있다. 연구지역의 Walkability Index에 공간적 영향관계가 존재할 시 이러한 공간영향관계를 고려한 통계적 모형의 적용이 필요하기 때문이다. 이러한 과정을 거쳐 본 연구에서는 Walkability Index와 도시 공간요소와 가지는 연관성에 대한 통계적 추론 과정에 공간 회귀모형의 하나인 GWR을 통해 파악하고자 하였다. 이와 병행하여 본 연구에서 제시하고자하는 보행성 관련 연구에 대한 공간 통계학적 접근의 효용성에 대해 검토하였다. 공간 자기상관의 측정은 산출된 측정치를 통해 판단이 가능하며 GWR모형의 적용의 효용성은 문헌검토결과 다수연구에서 적용된바 있는 OLS모델과의 주요 통계량 비교를 통해 검증하였다.

Fig. 2.Study flowchart

3.1 Spatial Autocorrelation

본 연구에서는 보행성 지수의 공간분포 특성을 파악하기 위해 전역적(global)·국지적(local) 공간 자기상관 측도를 활용하였다. 전역적 공간자기상관 측정을 위해 Moran’s I Index 를 산출하였다. Moran’s I 는 인접(neighborhood)해 있는 공간단위들이 가지는 값에 대한 비교과정을 통해 계수(Morans Index)를 산출하게 된다(Choi and Suh, 2013)(Eq. 1).

where zi: deviation of an attribute for feature i from its mean(xi−), wi,j : spatial weight between feature i and j, n : equal to the total number of features, So: aggregate of all the spatial weights

Moran’s I Index 값은 −1에서 1사이의 값을 가지게 된다. 계수가 1에 가까울수록 정적 자기상관을 의미하며 전체 연구지역에 걸쳐 유사한 값의 군집성향을 가진다는 의미이다. 반대로 계수가 −1에 가까울수록 상이한 값을 가진다는 의미로써 이는 부적 자기상관을 의미한다. W는 공간 가중치를 나타내는 값으로써 공간상의 이웃관계를 설정하는 방식에 따라 상이한 Moran’s I Index를 산출하게 된다. 본 연구에서는 rook, queen, k-nearest neighbors 방식의 가중치행렬을 모두 작성하여 그중 가장 높은 자기상관 수치를 보인 rook 방식의 인접성 행렬을 사용하였다. 국지적 공간자기상관 측정은 Getis-Ord Gi* 통계량을 활용하여 산출 하였다 (Eq. 2).

where xj: attribute value for feature j, wij: spatial weighted between feature i and j, n : equal to the total number of features.

Getis-Ord Gi* 통계량은 Moran’s I Index와 달리 통계적으로 유의한 수준의 높는 값의 군집(hotspot)과 낮은 값의 군집(coldspot)을 가시화(visualization) 할 수 있다는 장점이 있다.

3.2 Geographically Weighted Regression

보행성 지수의 공간 분포에 자기상관이 존재할 시 환경변수와의 회귀분석에 공간 회귀모형의 적용이 필요하다. 따라서 본 연구에서는 OLS 회귀모형에 추가적으로 지리가 중 회귀모형을 적용하여 공간 통계적 모델의 효용성을 검토하였다. 일반적으로 GWR모형의 추정식은 Eq. (3)과 같다(Charton and Fotheringham, 2009).

where yi : ith observation location of the dependent variable, u: spatial weighted matrix of i location, β: regression coefficient value, 𝜖: independent normally distributed error terms with zero means.

GWR모형은 OLS모형과 비슷한 형태를 취하고 있지만 추정 지점인 i에 대한 거리가중 함수가 u를 적용한다. 이는 가 중 최소 자승법(Weighted Least Squares)의 구조를 가지게 되며 각각의 추정지점에 대한 회귀계수를 산출하게 된다(Eq. 4).

where vector of estimated parameters, X: design matrix which contains the values of the independent variables, y: vector of observed values, (XTX)−1: inverse of the variance-covariance matrix.

특히 거리가중 행렬 작성 시 취하게 되는 파라미터인 bandwidth는 그 변화에 따라 추정치의 변화와 밀접한 연관을 가진다. 본 연구에서는 그 중 자료의 밀집성향에 따라 상이한 bandwidth를 적용하는 적응형 커널(adaptive kernel) 방식을 채택하였다(Eq. 5).

where i(θ): bandwidth of ith observation location, estimate except i location.

 

4. 분석결과

4.1 Walkability Index 산출

Table 3은 각각의 공간 단위에서 산출된 Walkability Index의 공간 분포를 나타낸 것이다. 공간 범위의 scale에 따라 각각의 Walkability Index 분포가 상이함을 알 수 있다. 또한 기초 통계량을 볼 때 400m의 공간 단위보다 250m에서 의 Walkability Index가 최대와 최소값의 편차가 큰 것을 확인할 수 있다. 이는 자료의 정규성을 가정하는 OLS의 기본원칙을 위배하는 것으로써 공간 자기상관의 측정을 통해 적합한 통계적 모형의 적용이 필요하다는 의미이다.

Table 3.Walkability Indexes

4.2 Spatial Autocorrelation

Walkability Index의 기초통계량이 정규분포의 형태를 보이지 않음에 따라 공간자기상관의 존재유무를 파악해 보았다(Table 4).

Table 4.Summary of Moran’s I result

전역적 공간 자기상관 측도인 Moran’s I Index 결과를 보면 적용된 두 가지의 공간단위 모두에서 강한 정적(positive)자기상관이 도출 되었다. 이는 연구지역의 Walkability Index는 공간상에서 영향을 주고받는다는 의미로써, 본 연구에서 제기한 보행성 지수의 공간 영향관계가 존재함을 증명한다. 이러한 공간 영향관계의 국지적 분포특성을 파악하기 위해 Getis-Ord Gi*통계량을 산출하여 가시화 하였다(Table 5).

Table 5.Walkability Indexes

상이한 공간단위에 대한 Walkability Index의 Getis-Ord Gi* 결과를 살펴보면 통계적으로 유의한 수준의 hot Spot(빨간 색)과 cold Spot(파란 색)의 군집을 확인할 수 있다. 또한 각각의 공간 단위별로 hot Spot(빨간 색)과 cold Spot(파란 색)의 군집이 다른 양상을 보이고 있음을 알 수 있다. 이는 Walkability Index와 연관을 가지는 환경변수의 영향력이 공간의 scale에 따라 다르게 도출될 수 있음을 의미한다. 따라서 연구지역에 대한 회귀분석 시 환경 변수의 국지적 회귀계수를 파악해볼 필요가 있다. 그러나 일반적인 OLS 회귀모형은 상수항이나 회귀계수에 대해 연구지역의 대표 값만을 산출할 수 있기 때문에 본 연구에서는 이 과정에 GWR모델을 적용해 보았다.

4.3 Geographically Weighted Regression 결과

산출된 Walkability Index에 대하여 공간자기상관 지수를 산출한 결과 통계적으로 유의미한 공간 특성인 이질성과 의존성이 발견되었다. 따라서 보행성 지수와 환경 변수와의 연관성 파악을 위해 GWR모델을 적용하였다. Table 6은 보행성과 도시공간 특성을 대변하는 주요환경 변수에 대한 OLS와 GWR의 주요 통계량을 비교한 것이다.

Table 6.*:0.05 **:0.01

두 모델의 적용결과 유의성이 도출된 독립변수들의 회귀계수를 살펴보면, 먼저 OLS모델의 경우 버스 정류장과 지하철역이 멀수록 Walkability Index가 높아진다는 결과가 두가지의 공간단위에서 공통적으로 도출 되었다. GWR 모델의 경우 OLS모델 결과와 같은 추론결과를 보이고 있으나 지하철역과의 개별 거리에 따라 모든 지역에서 상이한 회귀계수가 도출 되었다. 또한 GWR 추정결과 대중교통 접근성이 떨어질수록 Walkability Index가 높아지는 지역 또한 존재하는 것으로 나타났다. 이는 모든 지역이 가지는 위치적 특성을 고려한 결과이다. 다시말해 대중교통 정류장에서부터 격자까지의 상대적 거리에 따라 다른 영향력을 가짐을 의미한다. 한편 토지가격, 고용 그리고 수입에 관한 추론결과는 두 가지 모델간, 격자망의 스케일 간에 차이를 보이고 있다. 우선 토지가격과 수입의 경우 OLS모델은 어떠한 공간단위에서도 회귀계수의 유의성이 발견되지 않았다. 반면 GWR모델 추론결과 400m격자 공간단위에서는 특정지역에서 유의한 수준의 음의 회귀계수가 도출 되었다. 고용의 경우 OLS모델은 250m 격자 공간단위에서 양적인 유의성이 도출 되었고, GWR모델은 400m 공간단위에서 양적 유의성을 보이고 있다. 마지막으로 Urban Network Analysis를 통해 산출된 건물의 용도간 네트워크 특성이 Walkability Index와 가지는 연관성을 살펴보면 OLS모델의 경우 250m격자 공간단위의 Reach 에서 만 음의 유의성을 도출 하였다. 이는 전체 연구지역에서 건물의 집적이 낮을수록 Walkability Index가 높음을 의미한다. 반면 GWR모델의 경우 격자의 위치에 따라 상이한 회귀계수가 도출되었고 Betweenness 변수를 제외한 나머지 두 가지 변수에서 유의성을 보여주고 있다. 이는 격자가 가지는 위치에 따라 상이한 회귀계수를 도출함으로써 공간적인 영향관계가 반영된 결과라 할 수 있는데, 두 모델간의 통계적 신뢰성 에 대한 비교척도를 통해 검증해 보았다. 먼저 250m와 400m의 공간단위 각각 0.623과 0.642의 R2adj 값을 보임으로써 GWR 모델이 OLS보다 개선된 모형 부합도를 도출하였다. 그 외에 두 모형간의 비교분석을 위해 본 연구에서는 추가적으로 수정AIC(corrected Akaike Information Criterion : AICc) 값과 잔차의 제곱합(residual sum of square)을 활용하였다. 두 가지의 통계량 모두 낮게 산출될수록 통계적으로 설명력이 높다고 받아들일 수 있다(Chung et al., 2012). 특히 수정AIC는 통계모형의 적합성을 평가할 때 활용할 수 있으며 일반적으로 두 모델 간에 4이상의 차이가 있을 시 모형에 개선이 있는 것으로 판단할 수 있다(Jo, 2009)(Eq. 6).

where n: number of data, : estimated value of residual, : dependent variable, y: estimate of the dependent variable.

이를 근거로 OLS와 GWR 모형간의 추가적인 비교를 하자면 검증을 위해 적용한 두 가지 통계량 모두 OLS보다 GWR모델이 낮게 도출됨으로써 GWR모델의 적합도가 높은 것으로 나타났다. 특히 GWR모델의 상이한 두 가지 공간 단위 중 400m의 공간 범위가 설명력과 그 외 주요 통계량의 수치가 개선된 형태로 산출 되었다. 이는 연구지역의 보행성 지수와 적용된 환경변수의 관계를 도출함에 있어 GWR모델이 OLS모델보다 개선된 추정결과를 보인다는 의미이다. 또한 해당지역의 보행성과 환경 변수의 관계를 파악하기에 400m가 적합한 공간 단위라는 것을 의미한다.

 

5. 결 론

본 연구에서는 지역의 보행성 지수가 가지는 공간 특성을 반영하여 주변 환경 요소와 가지는 연관성을 파악하고자 하였다. 부산광역시의 두 개 구를 대상으로 두 가지의 상이한 공간 단위를 설정하였고, 보행 지표들 간의 연산을 통해 보행성 지수(Walkability Index)를 산출 하였다. 산출된 Walkability Index에 대하여 전역적, 국지적 공간 자기상관 측도인 Moran’s I Index와 Getis-Ord Gi* 결과 통계적으로 유의한 수준의 자기상관과 군집을 발견하였다. 이를 고려한 GWR모델의 적용을 통해 Walkability Index와 도시환경 변수들 간의 회귀분석을 수행하였고 이를 OLS 회귀분석 결과와 비교분석 하였다. 두 모델간의 주요 통계량을 비교한 결과 GWR모델이 OLS보다 높은 모형 적합도를 도출하였고, 특히 400m격자망으로 구획된 공간 단위가 250m격자망으로 구획된 구역보다 높은 설명력을 보이는 것으로 나타났다. 이는 본 연구에서 제시하고 있는 보행성 연구에 대한 공간 통계학적 접근이 효과가 있음을 입증하는 결과이다. 최근 들어 도시, 교통, 환경 등의 계획분야에서는 도시민의 삶의 질 향상을 위한 여러 가지 노력을 기울이고 있다. 특히 자동차 위주의 생활 패턴이 야기한 보행환경의 양적 질적 수준의 미비는 이러한 삶의 질 향상에 대한 핵심적 저해요소라 할 수 있다. 따라서 보행환경의 확충과 질적 수준의 향상은 당면한 과제이며, 이에 대한 과학적 근거의 축적은 관련 정책에 긍정적 효과를 제공할 것이다.