선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 도시의 밀도, 다양성, 접근성 외에 기본적인 공간의 단위인 필지와 건축물, 도시 가로 등의 미시적 공간 내 도시·건축형태요소들이 보행량에 어떤 영향을 주는지 연구했다.
- 본 연구는 기존의 연구들에서 파편적으로 다루어졌던 보행량과 관련이 깊은 요소들을 통합적인 모형으로 구성하여 물리적 요소들과 보행량 간의 관계를 연구했다. 도시의 밀도, 다양성, 접근성 외에 기본적인 공간의 단위인 필지와 건축물, 도시 가로 등의 미시적 공간 내 도시·건축형태요소들이 보행량에 어떤 영향을 주는지 연구했다.
- 본 연구에서는 앞서 선정한 변수의 데이터를 확보하기 위해서 서울시 내 유동인구가 가장 많은 자치구들인 종로구와 중구에 대해서 조사분석을 하였다. 연구대상으로 종로구와 중구를 선택한 이유는 첫째, 서울시 내 대표적인 유동인구 밀집지역 중 하나이기 때문이다.
가설 설정
- 1. 가로 네트워크 수준의 지수들은 보행량을 설명하는 모형에서 중요한 역할을 담당할 것이다.
- 2. 기존 연구문헌들로부터 알려진 밀도, 다양성, 접근성 등은 보행량과 정의 관계를 갖을 것이다.
- 3. 건축물 형태 변수들은 보행량과 유의미한 관계를 갖을 것이다.
- 4. 전통적인 OLS분석 방법 보다는 보행량과 같이 특수한 데이터의 경우에는 Poission Regression이 더 적합한 방법일 것이다.
- 첫 째, 보행량에 영향을 미칠 것으로 알려진 다양한 변수들 중에서 가로 형태 특히, 가로의 네트워크 수준을 보여주는 지수들과 5D요소의 통합모델은 높은 설명력을 갖을 것이다.
제안 방법
- 이외에 본 연구에서 다루고자하는 방대한 공간 범위를 커버할 수 있는 자료이기 때문에 해당 자료들을 채택하였다. 그 외의 데이터들 특히, 개구부수, 지상부 주차대수 등의 자료에 대해서는 조사원들이 직접 현장을 조사하여 데이터를 구축하였다. 데이터 구축을 위해서 ArcGIS 10.
- 연구대상으로 종로구와 중구를 선택한 이유는 첫째, 서울시 내 대표적인 유동인구 밀집지역 중 하나이기 때문이다. 둘째, 도시특성, 가로체계 및 건축물 특성 등이 강남과는 이질적인 구도심의 특성을 지니고 있기 때문에 선정하였다. 이를 통해 흔히 보행 친화적으로 알려져있는 구도심의 도시·건축적 형태와 보행량 간의 상관관계를 살펴볼 수 있을 것으로 사료된다.
- 도시의 밀도, 다양성, 접근성 외에 기본적인 공간의 단위인 필지와 건축물, 도시 가로 등의 미시적 공간 내 도시·건축형태요소들이 보행량에 어떤 영향을 주는지 연구했다. 또한 보행량을 종속변수로 삼아 분석하는 적절한 방법 중 하나로서 Poisson Regression에 대해 검토했다.
- 1과 같다. 이들 지점에서 측정한 시간별, 요일별 보행량 자료의 평균을 종속변수로 삼았다.
- 이러한 가설을 검증하기 위해 기존연구들로부터 모두 5가지 종류의 독립변수와 보행량으로 구성되는 모델과 데이터를 구축했다. 이러한 모델을 이용해서 분석을 수행하고, 그 분석결과를 정리한 후, 가설을 검증했다.
- 이러한 가설을 검증하기 위해 기존연구들로부터 모두 5가지 종류의 독립변수와 보행량으로 구성되는 모델과 데이터를 구축했다. 이러한 모델을 이용해서 분석을 수행하고, 그 분석결과를 정리한 후, 가설을 검증했다. 이러한 일련의 과정을 종합하여 최종적으로 결론을 도출할 것이다.
- DepthMap은 AxeMan, AxeWoman 등과 같이 대표적인 공간구문론(Space Syntax) 분석 소프트웨어로 그 사용편의성이 높고, 분석가능한 지표가 다양한 것으로 알려져 있다. 이를 서울시의 가로 네트워크를 분석하여 도로 네크워크 특성을 정량화하기 위해서 활용하였다.
- 셋째, 기존의 연구들의 대부분은 보행량을 종속변수로 채택했음에도 불구하고 일반적인 OLS를 분석방법으로 채택하고 있다. 이를 위해 기존의 연구들의 한계점을 보완하여 다수의 통계자료를 활용하되, 보다 정교한 모델을 구축하여 연구를 수행했다.
- [8]은 Cervero가 주장한 기존 3Ds 체계에 교통시설 접근 관련 계획요소인 2Ds(Distance to transit, Destination accessibility)를 추가적으로 고려하는 것이 타당하다는 결과를 발표하기도 하였다. 이상의 연구들은 주로 지역의 속성, 건축물의 특징, 대중교통 접근성 등의 속성을 연구했다.
- [13,14]가 제시한 도로네트워크 역시 변수를 포함했다. 이외에 본 연구에서 관심을 갖고 보다 구체적으로 정의한 디자인 변수를 위해서 필지단위에서 얻을 수 있는 건축물 형태요소와 공공공간의 형태요소를 추가변수로 활용했다. 이를 다시 정리하여 표현하자면, Cervero and Kockelman[2]의 3D 중 밀도와 다양성 변수는 1)도시특성변수로 묶었다.
대상 데이터
- 각종 변수별 데이터를 구축하기 위해 종로구와 중구의 2010년 UPIS(Urban Planning Information System)와 국토교통부에서 제공하는 건축행정 데이터를 이용했다. 이와 같은 자료를 채택한 이유는 국가기관에서 생성하여 배포한 자료가 공신력을 갖으며, 비교적 데이터 생성과정에 있어서 데이터 설계가 체계적으로 이루어졌기 때문이다.
- 이는 400m가 약간 넘는 수치이며, 한국의 역세권과 같이 도보에 의한 동일지역에 대한 인식범위에 대한 연구에서 주로 500m 가량이 거론된 바 있다[18]. 그러므로 이를 포괄하는 500m 범위를 연구대상으로 삼았다.
- 연구의 주요 공간적 범위인 미시적 공간범위 내 도시·건축형태요소를 추출하기 위해서 각 보행량 측정지점의 보행량에 영향력을 행사할 것으로 예상되는 반경 500m지점까지를 분석범위로 삼았다.
- 종속변수인 보행량 데이터는 서울특별시에서 제공한 2010 유동인구 조사자료를 활용하였다. 이중 종로구와 중구에 해당하는 1,028개소를 분석대상으로 삼았다. 이들 지점이 서울특별시 전체 위치에서 차지하는 위치를 지도화하면 아래 Fig.
- 종속변수인 보행량 데이터는 서울특별시에서 제공한 2010 유동인구 조사자료를 활용하였다. 이중 종로구와 중구에 해당하는 1,028개소를 분석대상으로 삼았다.
데이터처리
- 연구의 주요 공간적 범위인 미시적 공간범위 내 도시·건축형태요소를 추출하기 위해서 각 보행량 측정지점의 보행량에 영향력을 행사할 것으로 예상되는 반경 500m지점까지를 분석범위로 삼았다. 모든 변수는 500m 범위 내에서 계산한 값들을 평균하여 데이터를 구축하였다.
- 또한 R과 유사하게 열린 네크워크 체계를 지향하여 사용자에 의한 다양한 통계분석 기법들이 빠르게 반영되는 장점 역시 지니고 있다. 통계분석에 의핸 해석은 최소 유의수준을 5%로 정하여 분석을 수행하였다.
이론/모형
- 전술한 4가지 가설들을 확인하기 위해서 여기에서 활용된 변수들은 기존의 Cervero and Kockelman[2]이 제시한 3Ds(Density, Diversity, Design)요소와 Ewing et al.[8]이 추가로 제시한 교통시설 접근 관련 계획요소인 2Ds(Distance to transit, Destination accessibility)를 바탕으로 했다. 또한 Hillier et al.
- 그 외의 데이터들 특히, 개구부수, 지상부 주차대수 등의 자료에 대해서는 조사원들이 직접 현장을 조사하여 데이터를 구축하였다. 데이터 구축을 위해서 ArcGIS 10.1와 DepthMap 10.0을 활용하였다. ArcGIS는 ESRI사에 의해 개발된 대표적인 공간정보시스템을 처리하는 소프트웨어로 고가인 것이 단점이나 시장점유율이나 사용편의성, 시각화 우수성 등에서 큰 장점을 지니고 있다.
- 연구분석을 위해서 Stata 13.1을 사용하였다. 이 프로그램은 SAS, SPSS, R 등과 함께 널리 사용되는 대표적인 통계패키지로, 전술한 프로그램들에 비해서 비교적 최근에 개발되었다.
성능/효과
- 1백만원인 지역도 있는 것으로 나타났다. 건축물의 바닥면적은 평균 123㎡이며 그 표준편차는 상당히 큰 것으로 나타나 건축물의 크기가 상당히 차이가 많이 나는 것을 알 수 있으며, 이는 건축물의 높이와 유사한 경향을 보이는 것을 알 수 있었다. 평균적인 개구부의 수는 189.
- 이러한 통계분석 수행에 있어서 분석모델 선정은 그 결과를 완전히 바꿀 정도로 중요함에도 여전히 전통적인 OLS 만이 주로 사용되고 있다. 그것이 사용될 수 없는 여건인 경우, OLS를 사용하는 것보다는 보다 적합한 포아송 분석을 이용하는 것이 적합함을 밝혀냈다. 특히, 보행량 연구에 있어서 Poisson Regression과 같은 비정규성을 보이는 데이터 분석방법은 이제는 필수적으로 사용되어야 한다.
- 기술통계치를 설명하자면, 밀도 변수는 연구의 범위 내에 전체 건축물 연면적으로 평균 1.4㎡/㎢을 갖는 것으로 나타났다. 다양성은 연구 범위 내에 주거용도의 비율로, 평균치는 0.
- 넷 째, 기존의 연구들에서 채택한 OLS분석방법 보다 보행량이라고 하는 특수한 데이터에 적합한 방법을 채택할 경우, 보다 더 높은 설명력과 폭넓은 해석의 여지를 얻을 가능성이 높다.
- 넷째, 전술한 결과에서 조절된 R2 수치의 비교를 통해서 보행량 분석에 있어서, 전통적인 OLS 분석방법에 비해서 Poisson Regression이 더 우수함을 알 수 있었다.
- 넷째, 필지 및 건축물 속성의 변수들은 대체로 보행량과 정의 관계를 맺고 있어 그 양이 증가할수록 보행량이 같이 증가하는 것을 알 수 있었다. 다만, 지가는 정의 관계를 맺으나 그 정도가 매우 미약했다.
- 이를 해석하면 첫째, 영역 속성인 밀도의 경우에는 밀도가 높아질수록 보행량이 감소되는 것으로 나타났다. 다양성의 경우에는 정의 관계를 가지므로, 다양성이 증가할수록 보행량이 같이 증가하는 것으로 나타났다. 다만, 각 변수가 보행량에 미치는 영향은 국외의 연구들과 달리 매우 미미한 것을 알 수 있었다.
- 다음으로, 기존의 보행량에 영향을 미치는 요인들의 대다수는 한국 특히, 서울의 종로구와 중구의 상황에 일치하는 것을 알 수 있었다. 즉, 기존의 보행량 연구들에서 주장하는 이론들을 서울, 적어도 종로구와 중구에는 적용이 가능하다고 판단된다.
- 둘 째, 기존의 연구들에서 자세히 다루지 않은 요소들인 필지와 필지 이외의 공공공간의 디자인에 대한 변수 역시, 보행량과 의미있는 결과를 갖을 가능성이 높다.
- 둘째, 기존에 알려진 밀도, 다양성, 접근성 등의 변수 들은 보행량과 유의미한 관계를 갖었다. 특히, 밀도를 제외하고는 모두 정의 관계를 갖었다.
- 둘째, 도로 네트워크 속성인 전체통합도와 국부통합도는 모두 보행량과 정의 관계를 갖는 것으로 나타나 통합도가 증가할수록 보행량도 같이 증가하는 것을 알 수 있었다. 특히, Hillier[13,14]의 연구들에서 밝혀진 바와 같이 국부통합도가 전체통합도에 비해 보행량을 더 잘 설명하는 것을 증명할 수 있었다.
- 셋째, 도심접근성과 대중교통 접근성을 살펴보면, 도심접근성이 좋은 곳이 보행량이 증가하는 것을 알 수 있었다. 또한 대중교통 접근성 역시 보행량과 정의 관계를 갖고 있음을 알 수 있었고, 대중교통 접근성이 증가할수록 보행량 역시 같이 증가하는 것을 알 수 있었다. 다만, 버스에 비해 지하철이 보행량에 미치는 영향력이 더 강함을 알 수 있었는데 이는 회귀계수를 표준오차로 나눈 t값의 비교를 통해서 알 수 있었다.
- 모델 검증을 통해, 본 연구에서 채택한 연구방법인 포아송 회귀분석의 분석결과가 적합함을 살펴보았다. 이를 위해서 모델의 변수의 수를 고려한 설명력을 의미하는 조절된 R2(Adjusted R2 )값을 이용하였다.
- 02%로 다른 변수들에 비해서 상당히 높은 수준임을 알 수 있었기 때문이다. 모델1과 모델2, 모델3, 모델4의 설명력 비교를 통해서 관련 변수들의 설명력 기여도를 알 수 있는데 변수의 수에 비해서 가로 네트워크 수준 변수를 포함한 모델이 훨씬 더 높은 설명력을 나타내는 것을 관찰할 수 있었다. 이는 기존의 5D모델에 가로 네트워크를 추가한 모델이 더 우수함을 알 수 있다.
- 셋 째, 도시조직과 관련성이 있는 필지외에 필지와 토지이용 등과 영향관계에 있는 건축 형태변수 역시 보행량과 상관관계를 갖지만 큰 상관관계를 갖지는 못할 가능성이 높다.
- 셋째, 건축물 형태 변수 역시 보행량과 유의미한 관계를 갖는 것으로 나타났다. 물론, 이 변수들은 높은 설명력을 갖지 않았으나 모든 변수가 보행량과 상관관계를 갖는 것으로 나타났다.
- 셋째, 도심접근성과 대중교통 접근성을 살펴보면, 도심접근성이 좋은 곳이 보행량이 증가하는 것을 알 수 있었다. 또한 대중교통 접근성 역시 보행량과 정의 관계를 갖고 있음을 알 수 있었고, 대중교통 접근성이 증가할수록 보행량 역시 같이 증가하는 것을 알 수 있었다.
- 다만, 지가는 정의 관계를 맺으나 그 정도가 매우 미약했다. 연면적과 개구부가 해당 가로방향으로 존재하는 지 여부가 보행량 증가에 상당한 영향력을 미침을 알 수 있었다. 실제로 최근 연구들에서 미시적 공간구조 분석에 단순히 네트워크 구조와 대중교통 접근성 외에 개구부 여부와 투명도를 추가해야한다는 주장에 힘을 실어줄 수 있는 결과로 판단된다.
- 특히, 밀도를 제외하고는 모두 정의 관계를 갖었다. 이를 통해 기존의 연구들이 주장한 바가 한국의 종로구와 중구의 상황에도 적합함을 확인할 수 있었다. 다만, 밀도의 경우에는 다소 달랐는데, 이는 한국의 도시가 이미 상당한 밀도를 달성했기 때문으로 판단된다.
- 2와 같다. 이를 해석하면 첫째, 영역 속성인 밀도의 경우에는 밀도가 높아질수록 보행량이 감소되는 것으로 나타났다. 다양성의 경우에는 정의 관계를 가지므로, 다양성이 증가할수록 보행량이 같이 증가하는 것으로 나타났다.
- 건축물의 깊이는 평균 5m이며, 그 표준편차 역시 큰 것을 알 수 있었다. 전술한 건축물 바닥면적 및 높이와 유사한 경향을 가지고 있어 종로구와 중구의 개별 건축물 및 가로의 특성의 차이가 큼을 알 수 있었다. 보도의 넓이는 평균이 4.
- 특히, Hillier[13,14]의 연구들에서 밝혀진 바와 같이 국부통합도가 전체통합도에 비해 보행량을 더 잘 설명하는 것을 증명할 수 있었다. 즉, 전체적인 네트워크의 집중도도 중요하지만 국부적인 네트워크의 집중도가 더욱 보행량 증가에 영향을 많이 미친다는 점을 확인할 수 있었다.
- 지가는 평균적으로 ㎡당 2.6백만원이며, 전반적으로 표준편차는 크지 않은 편이나 최대값이 39.1백만원인 지역도 있는 것으로 나타났다. 건축물의 바닥면적은 평균 123㎡이며 그 표준편차는 상당히 큰 것으로 나타나 건축물의 크기가 상당히 차이가 많이 나는 것을 알 수 있으며, 이는 건축물의 높이와 유사한 경향을 보이는 것을 알 수 있었다.
- 이상의 분석결과를 바탕으로 2장에서 설정한 연구가설을 검증하면 다음과 같다. 첫째, 가로 네트워크 수준을 보여주는 지수들인 전체통합도와 국지통합도 등은 보행량을 설명하는 모형에서 중요한 역할을 담당하는 것으로 나타났다. 실제로, 가로 네트워크 수준의 두 변수가 차지하는 설명력은 모델1과 모델2의 설명력을 비교했을 때, 22.
- 같은 모델을 OLS로 분석한 결과와 조절된 R2 수치를 비교했다. 최종 모델인 Model 4의 조절된 R2 수치는 60.03인데 OLS를 이용한 경우에는 15.76에 그쳐 방법론적으로 보행량을 분석하고 설명함에 있어서 전통적인 OLS에 비해서 포아송 회귀분석이 더 우수함을 알 수 있었다.
후속연구
- 즉, 보다 보행로의 증설과 지하철 접근성 증가를 목표로 도시공간 관리정책을 수립할 필요가 있다. 다만, 이것은 서울의 그것도 종로구와 중구 지역을 대상으로 한 연구이므로 보다 확장하여 강남 또는 강북 전역을 통합하여 연구를 수행한다던가, 강남과 강북의 차이를 보는 등의 추가적인 연구로 이 결과를 검증할 필요가 있다고 판단된다. 다만, 밀도와 다양성 변수는 국외 연구들에서 밝혀진 것에 비해 보행량에 미치는 영향력이 미비한 것이 흥미로웠다.
- 이를 통해 흔히 보행 친화적으로 알려져있는 구도심의 도시·건축적 형태와 보행량 간의 상관관계를 살펴볼 수 있을 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.