최근보행은 교통의 가장 기본 이동수단으로 대중교통 중심개발, 지속가능한 개발, 녹색교통 활성화 등 새로운 패러다임의 부각으로 그 중요성과 관심도가 높아지고 있다. 기존의 보행 네트워크 분석 연구에서는 보행자의 목적지까지 이동거리와 공간구문론의 통합도를 대표적인 접근성 요소로 사용하고 있지만 단순한 평면상의 네트워크 이동거리는 지형적인 특성이 반영되지 않기 때문에 비슷한 네트워크 구조를 가진 분석 지역들의 경우 비슷한 결과 값을 나타낼 수 있다. 또한 분석 지역의 특성에 따라 보행자들의 이동규모와 이동거리가 다름에도 불구하고 이를 반영하지 못한다. 따라서 본 연구에서는 구배를 고려하고 보행자의 이동규모를 고려한 이동거리 분석을 통해 새로운 보행 네트워크 접근성 분석 방법론을 제시하는 것이 목적이다. 강남구에 위치한 논현역, 역삼역, 학동역을 연구지역으로 선정하고, 미국 스포츠의학협회에서 제시하는 대사량 공식을 통해 구배 가중거리 공식을 유도하고 보행자의 이동규모를 추정하기 위해 건물 면적 비율에 따라 역 이용객 수 데이터를 활용해 건물 이용자 수를 추정한 뒤 연구 지역의 1인당 평균 이동거리를 비교하고 분석하였다. 더 나아가 역세권 200m와 500m에 위치한 건물에 대한 보행자의 이동거리 분석을 실시하였으며 이는 보다 연구지역의 특성을 반영하는 것으로 나타났다. 따라서 본 연구는 단순 보행 네트워크 이동거리 분석에서 구배를 고려한 보행 네트워크 이동거리 분석, 더 나아가 보행자의 이동규모를 고려한 보행 네트워크 이동거리 분석을 실시하였고 보다 실질적인 보행자의 특성을 고려한 보행 네트워크 접근성 분석 방법론을 제시하였다. 이는 앞으로 보행 네트워크 분석에서 지형적 특성을 반영하고 보다 실질적인 보행자의 움직임을 고려한 보행 네트워크 분석 방법론으로 활용될 것으로 기대된다.
최근보행은 교통의 가장 기본 이동수단으로 대중교통 중심개발, 지속가능한 개발, 녹색교통 활성화 등 새로운 패러다임의 부각으로 그 중요성과 관심도가 높아지고 있다. 기존의 보행 네트워크 분석 연구에서는 보행자의 목적지까지 이동거리와 공간구문론의 통합도를 대표적인 접근성 요소로 사용하고 있지만 단순한 평면상의 네트워크 이동거리는 지형적인 특성이 반영되지 않기 때문에 비슷한 네트워크 구조를 가진 분석 지역들의 경우 비슷한 결과 값을 나타낼 수 있다. 또한 분석 지역의 특성에 따라 보행자들의 이동규모와 이동거리가 다름에도 불구하고 이를 반영하지 못한다. 따라서 본 연구에서는 구배를 고려하고 보행자의 이동규모를 고려한 이동거리 분석을 통해 새로운 보행 네트워크 접근성 분석 방법론을 제시하는 것이 목적이다. 강남구에 위치한 논현역, 역삼역, 학동역을 연구지역으로 선정하고, 미국 스포츠의학협회에서 제시하는 대사량 공식을 통해 구배 가중거리 공식을 유도하고 보행자의 이동규모를 추정하기 위해 건물 면적 비율에 따라 역 이용객 수 데이터를 활용해 건물 이용자 수를 추정한 뒤 연구 지역의 1인당 평균 이동거리를 비교하고 분석하였다. 더 나아가 역세권 200m와 500m에 위치한 건물에 대한 보행자의 이동거리 분석을 실시하였으며 이는 보다 연구지역의 특성을 반영하는 것으로 나타났다. 따라서 본 연구는 단순 보행 네트워크 이동거리 분석에서 구배를 고려한 보행 네트워크 이동거리 분석, 더 나아가 보행자의 이동규모를 고려한 보행 네트워크 이동거리 분석을 실시하였고 보다 실질적인 보행자의 특성을 고려한 보행 네트워크 접근성 분석 방법론을 제시하였다. 이는 앞으로 보행 네트워크 분석에서 지형적 특성을 반영하고 보다 실질적인 보행자의 움직임을 고려한 보행 네트워크 분석 방법론으로 활용될 것으로 기대된다.
Walking is the most basic personal mobility and its importance and concern is ever increasing with the highlighting of a new paradigm, such as transit oriented development, sustainable development and revitalization of green transport. The existing analytical research on pedestrian network is using ...
Walking is the most basic personal mobility and its importance and concern is ever increasing with the highlighting of a new paradigm, such as transit oriented development, sustainable development and revitalization of green transport. The existing analytical research on pedestrian network is using a pedestrian's moving distance to a destination and integration in space syntax theory as its representative accessibility factors. However, the uniplanar network moving distance fails to reflect topographic characteristics, so the moving distance could show a similar result value in case of the regions for analysis that have a similar network structure to each other. Accordingly, the aim of this study is to suggest a new analytical methodology on pedestrian network accessibility in consideration of the grade in pedestrian sections and a pedestrian's size. this study, in its analysis of a uniplanar pedestrian network moving distance, analyzed the pedestrian network moving distance in consideration of the grade in pedestrian sections, and even the pedestrian network moving distance in consideration of a pedestrian's size, and suggested the methodology on pedestrian network accessibility analysis in consideration of a more substantive pedestrian's characteristics. It is hoped that the methodology used by this study will be used as the methodology on pedestrian network analysis which can reflect topographic characteristics in the pedestrian network analysis, and take a more substantive pedestrian's movement into account.
Walking is the most basic personal mobility and its importance and concern is ever increasing with the highlighting of a new paradigm, such as transit oriented development, sustainable development and revitalization of green transport. The existing analytical research on pedestrian network is using a pedestrian's moving distance to a destination and integration in space syntax theory as its representative accessibility factors. However, the uniplanar network moving distance fails to reflect topographic characteristics, so the moving distance could show a similar result value in case of the regions for analysis that have a similar network structure to each other. Accordingly, the aim of this study is to suggest a new analytical methodology on pedestrian network accessibility in consideration of the grade in pedestrian sections and a pedestrian's size. this study, in its analysis of a uniplanar pedestrian network moving distance, analyzed the pedestrian network moving distance in consideration of the grade in pedestrian sections, and even the pedestrian network moving distance in consideration of a pedestrian's size, and suggested the methodology on pedestrian network accessibility analysis in consideration of a more substantive pedestrian's characteristics. It is hoped that the methodology used by this study will be used as the methodology on pedestrian network analysis which can reflect topographic characteristics in the pedestrian network analysis, and take a more substantive pedestrian's movement into account.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구의 목적은 구배를 고려한 이동거리를 통해 새로운 보행 네트워크 접근성 분석 방법론으로 제시하고 보행자 이동규모를 고려한 접근성 분석을 실시하는 것이다. 보행에 영향을 주는 요소들 중에서 구배를 이동거리에 접목시키고 연구지역 주변에 대해 구배가 반영된 이동거리를 단순 네트워크 이동거리와 비교, 분석하고 그 차이점을 해석한다.
보행에 영향을 주는 요소들 중에서 구배를 이동거리에 접목시키고 연구지역 주변에 대해 구배가 반영된 이동거리를 단순 네트워크 이동거리와 비교, 분석하고 그 차이점을 해석한다. 또한 사람들의 누적이동거리를 통해 평균적인 이동거리를 분석 및 비교하여 그 활용 가능성을 살펴본다.
본 연구에서는 일반 네트워크와 구배 가중 네트워크 분석을 실질적인 보행자의 이동거리로 표현하기 위해 역세권의 건물 이용자 수를 추정하였다. 같은 거리를 이동하더라도 실제로 몇 명의 인원이 어느 정도 거리를 이동하느냐에 따라 평균적인 이동거리의 차이가 발생한다.
이와 같이 본 연구는 단순 보행 네트워크 이동거리 분석에서 구배를 고려한 보행 네트워크 이동거리 분석, 더 나아가 보행자의 이동규모를 고려한 보행 네트워크 이동거리 분석을 실시하였고 보다 실질적인 보행자의 특성을 고려한 보행 네트워크 접근성 분석 방법론을 제시하였다. 이는 앞으로 보행 네트워크 분석에서 지형적 특성을 반영하고 보다 실질적인 보행자의 움직임을 고려한 보행 네트워크 분석 방법론으로 활용될 것으로 기대된다.
가설 설정
본 연구에서 내리막길의 경우 앞서 언급하였듯이 대사량 공식에서 내리막길에 대해 적용이 불가능한 점을 고려하여 평지와 같은 네트워크 길이를 나타내는 것으로 가정하였다.
제안 방법
네트워크 구조가 비슷하나 구배의 차이가 큰 강남구에 위치한 논현역, 역삼역, 학동역을 연구지역으로 선정하고, 역에서부터 연접 역세권인 반경 200m와 직접 역세권인 반경 500m에 위치한 건물들과 전체 연구지역에 위치한 건물들을 보행 목적지로 설정하였다. ACSM에서 제시하는 대사량 공식을 통해 구배 가중거리 공식을 유도하고 이를 네트워크 데이터에 적용하여 구배 가중 네트워크 데이터를 구축하였다. 이를 통해 연구지역의 평면적 네트워크 이동거리와 구배 가중 이동거리를 비교하고 분석하였다.
또한 연구지역의 보행자 이동규모를 추정하기 위해 지하철 이용객 수 데이터를 활용하였다. 건물들의 면적 비율에 따라 지하철 이용객 수를 분포시켜 건물 이용자 수를 추정하고 보행자들의 누적거리를 산출한다. 산출된 누적거리를 이용해 1인당 평균 이동거리를 구하여 실질적인 보행자의 이동규모를 고려한 보행 네트워크 접근성을 분석하였으며 본 연구의 흐름도는 다음 그림 1과 같다.
경사율은 주변의 8개의 셀들의 고도에 대한 평균 최대치 경사를 구한다. 격자별로 경사율을 계산 하는 방식은 cell의 크기를 밑변으로 하고 해당 cell 과 인접하는 cell 중 고도차가 가장 큰 cell을 선정하고 두 cell간의 고도 차이를 높이로 하는 직각삼각형에서의 각을 계산하였다. DEM 데이터의 cell 크기는 10m×10m로 설정하였다.
구배 가중거리를 반영한 네트워크와 기존의 일반 네트워크를 이용해 최단경로 탐색을 실시한다. 최단 경로 탐색은 대표적인 알고리즘인 Dijkstra 알고리즘을 이용한다.
국내에서의 보행환경 평가에 관한 선행연구들은 기능, 시설, 보행모형, 만족도로 네 가지 유형으로 구분된다. 기능적 분석을 통해 보행환경 평가 항목을 도출하고 시설을 파악하여 개선방안을 제시한다. 보행모형을 통해서는 보행자 행태를 분석하고 만족도 조사를 통해 개선방안을 제시하고 있다[9].
건축물의 공간적인 위치와 면적, 층수 등의 속성데이터를 사용하였다. 또한 면적과 층수를 통해 건물마다 총 면적을 산출하고 이를 이용해 연구지역 전체 건물 면적과 한 건물의 면적 비율을 구하고 건물 이용자 수 산출에 활용하였다.
따라서 본 연구의 목적은 구배를 고려한 이동거리를 통해 새로운 보행 네트워크 접근성 분석 방법론으로 제시하고 보행자 이동규모를 고려한 접근성 분석을 실시하는 것이다. 보행에 영향을 주는 요소들 중에서 구배를 이동거리에 접목시키고 연구지역 주변에 대해 구배가 반영된 이동거리를 단순 네트워크 이동거리와 비교, 분석하고 그 차이점을 해석한다. 또한 사람들의 누적이동거리를 통해 평균적인 이동거리를 분석 및 비교하여 그 활용 가능성을 살펴본다.
이를 통해 연구지역의 평면적 네트워크 이동거리와 구배 가중 이동거리를 비교하고 분석하였다. 보행자의 이동규모를 추정하기 위해 건물 면적 비율에 따라 역 이용객 수를 이용해 건물 이용자 수를 추정한 뒤 연구지역의 1인당 평균 이동거리를 비교하고 분석하였다.
본 연구에서 기존 연구와 또 다른 차별성을 위해 연구지역의 보행자의 규모에 따라 이동거리를 비교, 분석을 실시하였다. 비슷한 네트워크 구조를 가지고 있는 경우 이동거리 분석을 하였을 때 비슷한 결과를 보일 수 있다.
국부통합도는 특정 공간을 중심으로 하여 인접한 몇 개의 공간깊이까지만 고려 하여 계산한다. 본 연구에서 연구지역의 공간적 접근성 분석을 위해 통합도를 사용하였다.
본 연구에서는 지형의 특성을 나타내는 요소 중 하나인 구배를 고려한 보행 네트워크 접근성 분석 방법론을 제시하기 위해 네트워크 거리로 산정하는 공식을 유도하였고 또한 건물 이용자 수를 추정하여 실질적인 보행자들의 평균 이동거리 분석을 시도하였다. 이는 단순한 평면적인 네트워크 이동거리나 공간적 관계만을 고려한 기존의 접근성 분석 방법이 아니라 보행자가 실제로 체감하는 이동거리를 고려한 접근성 분석 방법이다.
산정식에 의해 평지에서 1m를 이동한다면 경사율 1증가일 때는 평지에서는 1.18m를 이동하는 것과 같으며 본 연구에서는 위와 같이 대사량 공식에 따라 유도한 구배 가중거리 공식을 이용하여 경사가 있는 네트워크에 대해 구배 가중거리를 계산하고 목적지까지의 최단 경로 분석을 통해 일반 네트워크 이동거리와 비교하고 분석한다.
건물들의 면적 비율에 따라 지하철 이용객 수를 분포시켜 건물 이용자 수를 추정하고 보행자들의 누적거리를 산출한다. 산출된 누적거리를 이용해 1인당 평균 이동거리를 구하여 실질적인 보행자의 이동규모를 고려한 보행 네트워크 접근성을 분석하였으며 본 연구의 흐름도는 다음 그림 1과 같다.
경사율 데이터를 구축하기 위해 서울시 등고선 데이터 활용하였다. 서울시 등고선 데이터를 활용하여 ArcGIS를 이용하여 등고선과 표고점을 삼각망으로 연결한각 점을 잇는 중간단계인 TIN(Triangularion irregular Network)을 생성하였다. 생성한 TIN 데이터를 이용해 DEM(Digital Elevation Model) 데이터를 생성하였으며 DEM 데이터는 지형의 위치에 대한 고도를 일정한 간격으로 배열한 수치정보이다.
이때지하철 이용객 수는 승차 인원과 하차 인원으로 나누어 적용하였다. 승차 인원은 건물에서 역으로 이동하는 보행자 수를 추정하기 위해 활용하였으며 하차 인원의 경우 역에서 건물까지 이동하는 보행자 수를 추정하기 위해 활용하였다.
학동역의 경우 전체적으로 지형의 변화가 크지 않으며 서쪽으로 약간의 언덕이 위치하고 있다. 위와 같이 강남구에 위치한 논현역, 역삼역, 학동역의 경우 기존 연구의 방법론과 본 연구에서 제시하는 방법론과의 차이점을 보여줄 수 있는 적절한 대상지로 파악하고 연구를 실시하였다.
본 연구에서는 지형적 특성을 반영하기 위해 구배가중거리 산출 식을 유도하였으며 미국스포츠의학협회(American College of Sports Medicine, ACSM) 에서 제시하는 걷기 운동에 대한 대사량 공식을 활용하였다. 유도된 구배 가중거리 식을 통해 경사에 따라 구배 가중거리를 산출하고 연구지역의 네트워크 이동거리와 구배 가중 이동거리를 비교하고 분석하였다. 또한 연구지역의 보행자 이동규모를 추정하기 위해 지하철 이용객 수 데이터를 활용하였다.
건물의 면적 비율에 따라서 지하철역 이용객 수를 분포하였다. 이때지하철 이용객 수는 승차 인원과 하차 인원으로 나누어 적용하였다. 승차 인원은 건물에서 역으로 이동하는 보행자 수를 추정하기 위해 활용하였으며 하차 인원의 경우 역에서 건물까지 이동하는 보행자 수를 추정하기 위해 활용하였다.
ACSM에서 제시하는 대사량 공식을 통해 구배 가중거리 공식을 유도하고 이를 네트워크 데이터에 적용하여 구배 가중 네트워크 데이터를 구축하였다. 이를 통해 연구지역의 평면적 네트워크 이동거리와 구배 가중 이동거리를 비교하고 분석하였다. 보행자의 이동규모를 추정하기 위해 건물 면적 비율에 따라 역 이용객 수를 이용해 건물 이용자 수를 추정한 뒤 연구지역의 1인당 평균 이동거리를 비교하고 분석하였다.
대상 데이터
분석 대상지의 역은 논현역, 학동역은 7호선이며 역삼역은 2호선이다. 7호선의 이용객 수 데이터는 서울특별시 도시철도공사에서 제공하는 데이터를 활용하며 2호선 이용객 수 데이터는 서울메트로에서 제공하는 데이터를 활용하였다. 시기는 도로 네트워크, 건축물대장, 등고선 데이터의 시기와 같은 2009년도 데이터를 활용하였다.
건물 면적 비율에 따른 건물 이용객 수 산출에는 분석 대상지의 역 이용객 수 데이터를 활용하였다. 분석 대상지의 역은 논현역, 학동역은 7호선이며 역삼역은 2호선이다.
같은 거리를 이동하더라도 실제로 몇 명의 인원이 어느 정도 거리를 이동하느냐에 따라 평균적인 이동거리의 차이가 발생한다. 건물에 대한 이용자 수를 추정 하기 위해 건물 면적 데이터와 연구지역의 지하철역 이용객 수 데이터를 활용하였다. 건물의 면적 비율에 따라서 지하철역 이용객 수를 분포하였다.
역에서 건물까지의 거리를 구하는데 있어 사용된 건물 데이터는 2009년도 서울시 건축물대장 데이터를 활용하였다. 건축물의 공간적인 위치와 면적, 층수 등의 속성데이터를 사용하였다. 또한 면적과 층수를 통해 건물마다 총 면적을 산출하고 이를 이용해 연구지역 전체 건물 면적과 한 건물의 면적 비율을 구하고 건물 이용자 수 산출에 활용하였다.
경사율 데이터를 구축하기 위해 서울시 등고선 데이터 활용하였다. 서울시 등고선 데이터를 활용하여 ArcGIS를 이용하여 등고선과 표고점을 삼각망으로 연결한각 점을 잇는 중간단계인 TIN(Triangularion irregular Network)을 생성하였다.
네트워크 구조가 비슷하나 구배의 차이가 큰 강남구에 위치한 논현역, 역삼역, 학동역을 연구지역으로 선정하고, 역에서부터 연접 역세권인 반경 200m와 직접 역세권인 반경 500m에 위치한 건물들과 전체 연구지역에 위치한 건물들을 보행 목적지로 설정하였다. ACSM에서 제시하는 대사량 공식을 통해 구배 가중거리 공식을 유도하고 이를 네트워크 데이터에 적용하여 구배 가중 네트워크 데이터를 구축하였다.
도로 네트워크 데이터의 경우 2009년도 서울시 KOTI의 도로 데이터 활용하였다. 보행로를 모두 포함하기 위해 이면도로를 포함한 모든 도로망 데이터를 활용하며 연구지역인 역삼역, 학동역, 논현역 반경 500m 지역의 도로 데이터를 추출하여 분석 활용 데이터를 구축하였다.
유도된 구배 가중거리 식을 통해 경사에 따라 구배 가중거리를 산출하고 연구지역의 네트워크 이동거리와 구배 가중 이동거리를 비교하고 분석하였다. 또한 연구지역의 보행자 이동규모를 추정하기 위해 지하철 이용객 수 데이터를 활용하였다. 건물들의 면적 비율에 따라 지하철 이용객 수를 분포시켜 건물 이용자 수를 추정하고 보행자들의 누적거리를 산출한다.
도로 네트워크 데이터의 경우 2009년도 서울시 KOTI의 도로 데이터 활용하였다. 보행로를 모두 포함하기 위해 이면도로를 포함한 모든 도로망 데이터를 활용하며 연구지역인 역삼역, 학동역, 논현역 반경 500m 지역의 도로 데이터를 추출하여 분석 활용 데이터를 구축하였다.
본 연구에서 사용하는 데이터는 2009년도 서울시 도로 네트워크, 등고선, 건축물대장, 역 일별 이용객수 데이터이며 그 형태는 그림 4와 같다.
본 연구에서 활용하는 도로 데이터 형식은 노드링크 기반의 위상 구조를 가진 일반적인 네트워크 형식이다. 따라서 네트워크 특성에 따라서 그 길이와 속성이 모두 다르다.
역 반경 500m 내외의 지역은 보행으로 역에 접근 가능한 지역으로 주거 및 상업이 혼재되어 있다. 본 연구에서는 보행 네트워크의 분석을 위한 역세권 범위 선정이기 때문에 보행자들의 이동정도를 고려하여 역세권을 지하철역에서 반경 500m로 선정 하였고 연접 역세권으로는 200m로 선정하였다.
본 연구의 대상지는 기존 연구의 방법론과 본 연구에서 제시하는 구배 가중거리 방법론과 차이점을 나타낼 수 있도록 도로의 가로형태가 비슷하지만 언덕과 같은 지형적인 차이를 가진 역세권으로 선정하였다. 강남구에 위치한 논현역, 역삼역, 학동역의 경우 역세권인 반경 500m에서 비슷한 도로 구조와 공간 형태를 가지고 있다.
건물 면적 비율에 따른 건물 이용객 수 산출에는 분석 대상지의 역 이용객 수 데이터를 활용하였다. 분석 대상지의 역은 논현역, 학동역은 7호선이며 역삼역은 2호선이다. 7호선의 이용객 수 데이터는 서울특별시 도시철도공사에서 제공하는 데이터를 활용하며 2호선 이용객 수 데이터는 서울메트로에서 제공하는 데이터를 활용하였다.
서울시 등고선 데이터를 활용하여 ArcGIS를 이용하여 등고선과 표고점을 삼각망으로 연결한각 점을 잇는 중간단계인 TIN(Triangularion irregular Network)을 생성하였다. 생성한 TIN 데이터를 이용해 DEM(Digital Elevation Model) 데이터를 생성하였으며 DEM 데이터는 지형의 위치에 대한 고도를 일정한 간격으로 배열한 수치정보이다. 격자형 수치고도자료의 산출은 보간법(interpolation) 을 이용하여 제작하게 되는데, 일정 면적으로 나누어진 각각의 격자점에서의 해발 고도 값은 등고선 및 표고점 자료에 의하여 표시된 고도 값을 이용하여 추정한다.
7호선의 이용객 수 데이터는 서울특별시 도시철도공사에서 제공하는 데이터를 활용하며 2호선 이용객 수 데이터는 서울메트로에서 제공하는 데이터를 활용하였다. 시기는 도로 네트워크, 건축물대장, 등고선 데이터의 시기와 같은 2009년도 데이터를 활용하였다.
역에서 건물까지의 거리를 구하는데 있어 사용된 건물 데이터는 2009년도 서울시 건축물대장 데이터를 활용하였다. 건축물의 공간적인 위치와 면적, 층수 등의 속성데이터를 사용하였다.
실질적으로 연구지역을 선정해 분석결과를 보여준 연구로는 박소현 외[7]의 주거지의 물리적 보행환경의 특성차이에 관한 연구가 있다. 이 연구에서 접근성 분석을 위해 목적지까지의 이동거리를 활용하여 서울시 주거지의 보행환경 특성에 따라 가회동, 성산1동, 시흥3동, 개포3동, 상계7동, 행당2동 6개 연구 지역을 선정하였다. 하지만 6개의 연구지역이 비슷한 네트워크 구조를 가져 이동거리가 모두 유사한 패턴을 보이고 있어 보행환경의 차이를 반영하지 못하였다.
데이터처리
강남구에 위치한 논현역, 역삼역, 학동역의 경우 역세권인 반경 500m에서 비슷한 도로 구조와 공간 형태를 가지고 있다. 공간구문론에 따라 공간의 속성을 정량적으로 계산하기 위해 축선도(Axial map)을 작성하였으며 접근성을 나타내는 지표로 사용되는 국부통합도 값을 비교하였으며 그 결과는 그림 3과 같다.
기존의 연구에서 활용하였던 단순 네트워크 이동거리와 본 연구에서 제시하는 구배 가중 네트워크 이동거리 분석을 실시하였으며 그 결과는 표 1과 그림 6과 같다. 분석 지역의 역세권 500m 안에 위치한 모든 건물들까지 평균적인 단순 네트워크 이동거리를 분석하였을 때 논현역의 경우 452.
이론/모형
생성한 TIN 데이터를 이용해 DEM(Digital Elevation Model) 데이터를 생성하였으며 DEM 데이터는 지형의 위치에 대한 고도를 일정한 간격으로 배열한 수치정보이다. 격자형 수치고도자료의 산출은 보간법(interpolation) 을 이용하여 제작하게 되는데, 일정 면적으로 나누어진 각각의 격자점에서의 해발 고도 값은 등고선 및 표고점 자료에 의하여 표시된 고도 값을 이용하여 추정한다. 보간법의 가장 일반적인 알고리즘은 거리 반비례평균법(inverse distance weighted averaging) 을 이용한다.
격자형 수치고도자료의 산출은 보간법(interpolation) 을 이용하여 제작하게 되는데, 일정 면적으로 나누어진 각각의 격자점에서의 해발 고도 값은 등고선 및 표고점 자료에 의하여 표시된 고도 값을 이용하여 추정한다. 보간법의 가장 일반적인 알고리즘은 거리 반비례평균법(inverse distance weighted averaging) 을 이용한다. 완성된 DEM으로부터 경사각을 구한다.
본 연구에서는 지형적 특성을 반영하기 위해 구배가중거리 산출 식을 유도하였으며 미국스포츠의학협회(American College of Sports Medicine, ACSM) 에서 제시하는 걷기 운동에 대한 대사량 공식을 활용하였다. 유도된 구배 가중거리 식을 통해 경사에 따라 구배 가중거리를 산출하고 연구지역의 네트워크 이동거리와 구배 가중 이동거리를 비교하고 분석하였다.
구배 가중거리를 반영한 네트워크와 기존의 일반 네트워크를 이용해 최단경로 탐색을 실시한다. 최단 경로 탐색은 대표적인 알고리즘인 Dijkstra 알고리즘을 이용한다. 역에서부터 한 건물까지의 최단경로를 탐색하면 일반 네트워크에서는 평면적인 이동거리가 가장 짧은 경로를 탐색하게 되며 구배 가중거리를 반영한 네트워크에서는 지형적 경사율을 고려한 경로를 탐색하게 된다.
성능/효과
466m로 크게 줄어드는 것을 확인할 수 있었다. 공간구문론을 이용한 접근성 분석과 네트워크 이동거리 기반의 접근성 분석에서는 연구지역 모두 비슷한 값을 나타내고 있어 세 지역 모두 접근성이 비슷하거나 같다고 할 수 있으나 지형적 특성과 보행자 수의 특성을 고려한 이번 분석에서는 연구지역마다 이동거리의 차이를 보이면서 연구지역 특성을 반영한 접근성 분석이 가능한 것을 보여주고 있다.
연구 결과 비슷한 공간적 배치와 네트워크 구조를 가진 연구지역들에 기존의 접근성 분석 방법론을 적용하였을 때 비슷한 값을 나타냈으나 본 연구에서 제시한 구배 가중거리 기반의 접근성 분석 방법론을 적용하였을 때 지형적 특성에 따라 다른 값을 나타내는 것을 확인할 수 있었다. 또한 건물 규모에 따라 건물 이용자 수 추정을 통하여 연구지역의 보행자 이동규모와 이동거리를 산출할 수 있었다. 연구 지역의 연접 역세권 반경 200m와 직접 역세권 반경 500m에 위치한 건물까지의 보행자 이동거리를 분석하였으며 그 결과 연구지역의 특성을 보다 현실적으로 반영한 결과를 나타냈다.
어느 누구라도 보행자가 될 수 있으며 보행은 사람의 건강뿐만 아니라 나아가 차량으로 인해 발생하는 환경적 문제를 해결하는 중요한 요소이다. 모든 이동의 가장 기본이 되는 보행은 대중교통 중심개발, 지속가능한 개발, 녹색교통 활성화 등 새로운 패러다임의 부각으로 인해 그 중요성과 관심도가 상당히 높아졌다.
지우석 외[18]는 보행환경 만족도 연구에서 보행자의 만족도에 영향을 주는 요소와 그 영향력을 파악하였다. 보도의 수평경사보다 수직경 사가 보행만족도에 더 큰 영향을 미치는 것으로 나타났으며 수직경사는 보행을 힘들게 하여 보행의 편리성과 관련이 있음을 보였다. 임혜원 외[13]는 서울시 상업 역세권의 지역보행환경 만족도에 대한 연구를 실시하였으며 측정지표의 편리성에 보도 경사율을 포함하여 강남역과 종로역 일대의 설문조사를 실시하였다.
기존의 연구에서 활용하였던 단순 네트워크 이동거리와 본 연구에서 제시하는 구배 가중 네트워크 이동거리 분석을 실시하였으며 그 결과는 표 1과 그림 6과 같다. 분석 지역의 역세권 500m 안에 위치한 모든 건물들까지 평균적인 단순 네트워크 이동거리를 분석하였을 때 논현역의 경우 452.178m로 나타났 으며 역삼역은 476.784m로 나타났고 학동역의 경우 441.126m로 나타나 세 지역이 비슷한 이동거리를 보 였다. 하지만 지형적 특성을 반영한 구배 가중 네트워크 이동거리를 분석하였을 때 논현역은 1024.
분석결과 논현역, 역삼역, 학동역 모두 승차인원 보다 하차인원이 많았으며 보행자 수를 고려하지 않은 네트워크와 구배 가중거리 분석에서보다 모두 짧은 이동거리를 나타냈다. 네트워크 기반 이동거리 분석에서는 역에서 건물까지의 왕복 이동거리 모두큰 차이를 보이진 않았다.
최소 이용자 수는 1명이며 최대 이용자 수는 192명으로 추정되었다. 역에서 건물까지 보행자의 평균 이동거리는 네트워크 기반 분석에서는 412.457m로 나타났으며 구배 가중거리 기반 분석에서는 744.929m로 나타났다. 건물에서부터 역까지의 보행자 평균 이동거리는 네트워크 기반 분석에서는 412.
추정을 통한 평균적인 건물 이용자 수는 50명이었으며 최소 이용자 수는 2명이며 최대 이용자 수는 466명이다. 역에서 건물까지 보행자의 평균 이동거리는 네트워크 기반 분석에서는 458.152m로 나타났으며 구배 가중거리 기반 분석에서는 1310.490m로 나타났다.
연구 결과 비슷한 공간적 배치와 네트워크 구조를 가진 연구지역들에 기존의 접근성 분석 방법론을 적용하였을 때 비슷한 값을 나타냈으나 본 연구에서 제시한 구배 가중거리 기반의 접근성 분석 방법론을 적용하였을 때 지형적 특성에 따라 다른 값을 나타내는 것을 확인할 수 있었다. 또한 건물 규모에 따라 건물 이용자 수 추정을 통하여 연구지역의 보행자 이동규모와 이동거리를 산출할 수 있었다.
또한 건물 규모에 따라 건물 이용자 수 추정을 통하여 연구지역의 보행자 이동규모와 이동거리를 산출할 수 있었다. 연구 지역의 연접 역세권 반경 200m와 직접 역세권 반경 500m에 위치한 건물까지의 보행자 이동거리를 분석하였으며 그 결과 연구지역의 특성을 보다 현실적으로 반영한 결과를 나타냈다. 이와 같이 구배 가중거리를 이용한 보행 네트워크 접근성 분석 방법론을 제시하였지만 구배 고려에 있어 오르막길에 대한 적용만 이루어졌기 때문에 후속적인 연구에서는 내리막길에 대한 적용 가능성과 방법론에 관한 연구가 필요할 것으로 보인다.
454m로 나타났다. 지형적인 경사율의 변화가 큰 역삼역에서 구배 가중 이동거리가 가장 긴 것으로 나타났으며 그 다음으로 논현역의 구배 가중 이동거리가 긴 것으로 나타났다. 이는 역에서부터 멀어질수록 경사율이 커지는 지형적 특성이 반영되었기 때문이다.
반면 건물에서 역까지의 네트워크 이동거리를 분석하였을 때는 다른 결과를 보였다. 평균적인 단순네트워크 이동거리를 분석하였을 때는 논현역이 452.561m로 나타났고 역삼역의 경우 489.672m로 나타났으며 학동역의 경우 440.913m로 나타나 세 연구 지역의 단순 네트워크 이동거리가 큰 차이를 보이지 않는 것으로 나타났다. 하지만 구배 가중 네트워크 이동거리 분석에서는 역에서 건물로 이동하는 경우와 다른 결과를 보였다.
논현역 역세권에 대해 건물 면적 비율에 따라 분포를 한 결과 평균적인 건물 이용자 수는 25명이었으며 최소 이용자 수는 1명이며 최대 이용자 수는 340명이다. 표 2에서 볼 수 있듯이 역에서 건물까지 보행자 평균 이동거리는 네트워크 기반으로는 427.739m로 나타났으며 구배 가중거리 기반으로는 1010.214m로 나타났다. 건물에서부터 역까지의 보행자 평균 이동거리는 네트워크 기반 분석에서는 427.
그에 따라 논현역과 역삼역의 경우 역에서 건물까지의 보행자 평균 이동거리는 1000m 이상으로 나타났다. 하지만 건물에서 역으로 이동하는 경우 이와 반대로 내리막길을 걷는 것과 같기 때문에 논현역과 역삼역 모두 건물에서 역으로 이동하는 보행자 평균 이동거리가 564.231m와 747.466m로 크게 줄어드는 것을 확인할 수 있었다. 공간구문론을 이용한 접근성 분석과 네트워크 이동거리 기반의 접근성 분석에서는 연구지역 모두 비슷한 값을 나타내고 있어 세 지역 모두 접근성이 비슷하거나 같다고 할 수 있으나 지형적 특성과 보행자 수의 특성을 고려한 이번 분석에서는 연구지역마다 이동거리의 차이를 보이면서 연구지역 특성을 반영한 접근성 분석이 가능한 것을 보여주고 있다.
하지만 구배 가중거리 기반의 이동거리 분석에서는 역에서 건물로의 이동거리와 건물에서 역으로의 이동거리에서 큰 차이를 보 였다. 학동역의 경우 경사율의 차이가 크지 않은 특성이 반영되어 역에서 건물까지의 이동거리와 건물에서 역까지의 이동거리가 다른 연구지역에 비해 큰 차이를 보이지 않는 것으로 나타났다. 반면 경사율의 차이가 큰 논현역과 역삼역의 경우 이동거리에서도 차이를 보였다.
후속연구
이와 같이 본 연구는 단순 보행 네트워크 이동거리 분석에서 구배를 고려한 보행 네트워크 이동거리 분석, 더 나아가 보행자의 이동규모를 고려한 보행 네트워크 이동거리 분석을 실시하였고 보다 실질적인 보행자의 특성을 고려한 보행 네트워크 접근성 분석 방법론을 제시하였다. 이는 앞으로 보행 네트워크 분석에서 지형적 특성을 반영하고 보다 실질적인 보행자의 움직임을 고려한 보행 네트워크 분석 방법론으로 활용될 것으로 기대된다.
연구 지역의 연접 역세권 반경 200m와 직접 역세권 반경 500m에 위치한 건물까지의 보행자 이동거리를 분석하였으며 그 결과 연구지역의 특성을 보다 현실적으로 반영한 결과를 나타냈다. 이와 같이 구배 가중거리를 이용한 보행 네트워크 접근성 분석 방법론을 제시하였지만 구배 고려에 있어 오르막길에 대한 적용만 이루어졌기 때문에 후속적인 연구에서는 내리막길에 대한 적용 가능성과 방법론에 관한 연구가 필요할 것으로 보인다.
질의응답
핵심어
질문
논문에서 추출한 답변
보행하는 동안 인간은 무엇에 영향을 받는가?
보행은 모든 교통의 시작과 끝을 구성하며 교통 체계 전반의 연계성과 효율성을 좌우하는 매우 기본적인 이동수단이라 할 수 있다. 보행하는 동안 인간은 가로환경 뿐 아니라, 걸어갈 목적지까지의 거리 및 목적지의 종류와 수, 가로의 네트워크 시스템등 여러 가지 물리적 요소의 복합적인 상호작용에 영향을 받는다[3]. 보행이라는 이동행위의 특징은 기계적인 교통수단과 비교하여 보았을 때, 다른 교통수단이 고속의 직선 또는 기하학적 운동을 하는 것에 반해 보행은 저속의 자유로운 방향행위를 구사할 수 있다.
보행이란?
보행은 인간이 직접 ‘걷기’라는 행위를 통해 이루어지는 가장 기본 이동수단으로 교통체계 전반의 연계성과 효율성을 좌우하는 매우 중요한 이동수단이다. 어느 누구라도 보행자가 될 수 있으며 보행은 사람의 건강뿐만 아니라 나아가 차량으로 인해 발생하는 환경적 문제를 해결하는 중요한 요소이다.
보행의 접근성 분석요소로 공간구문론의 통합도를 사용하는데 발생되는 한계점은?
또 다른 보행의 접근성 분석 요소로 공간구문론의 통합도가 활용되고 있다. 하지만 공간적 배치만으로 접근성을 분석하는 공간구문론의 경우 사람들이 이동하는데 있어 거리나 시간, 건축물의 규모나 위치 등 다양한 요소들의 영향을 반영하지 못하기 때문에 보행자의 관점에서 접근성 분석 요소로는 한계점이 있다. 또한 분석 지역과 범위 선정이 변화 함에 따라 분석 결과도 달라지기 때문에 일관성이 떨어지는 점도 있다.
참고문헌 (18)
Clifton, K.J., 2006, "PEDS(Pedestrian Environmental Data Scan)", University of Maryland.
Hillier, B., 1999, "Space is the machine", Cambridge University Press.
Moudon, A.V. and Lee, C., 2003, "Walking and bicycling: an evaluation of environmental audit instruments", American journal of health promotion, vol.18 no.1, pp.21-37.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.