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
- 먼저 선행연구 및 이론적 배경검토에서는 에너지, 주거, 의료, 교통, 교육 등 각 부문별 사회 취약지역 분석 지표선정 등에 관한 연구를 검토하며 본 연구에서 활용 가능한 지표와 분석 기준을 검토하고 차별성을 제시한다. 또한 사회 취약지역의 특성 공간보간법에 관한 이론을 파악하여 본 연구에서의 이론을 확립한다. 분석지표 및 기준검토에서는 앞서 검토된 선행연구에서의 분야별 특성과 이론을 토대로 분야별 분석 지표를 검토·선정하고 구체적인 분석을 위한 분석기준을 설정하였다.
- Cho and Choi(2008)는 에너지부문에서의 취약성에 대한 영향 요인분석을 위해 관련 지표를 에너지 공급위험 지표, 시장위험지표로 유형화하였으며 이를 토대로 주성분분석(PCA principal component analysis)을 활용하여 통계분석을 수행하였다. 분석 결과를 바탕으로 지역별 국가별로 에너지 취약성을 진단하였다.
- 주거부문의 취약성 분석연구에서 Lee(2015)는 주거 급여법, 국민기초생활보장법 주택법 등 관련 법률의 검토를 통해 최소주거기준 미달 주거, 노후 주거, 가구 규모 등 취약계층 취약주거에 대한 기준을 살펴보았다. 이러한 결과를 바탕으로 사회취약계층에 대한 주거정책의 개선방안을 제시하였다. 또한 Nam(2013)은 주거 취약계층에 대한 취약성 유형을 비주택 일반주택으로 구분하고 부적합 주택에 대한 취약지표로 노후 불량주택 등의 지표를 선정하였다.
- Choo(2012)는 지역 간 나타나는 교육의 지역수준차이를 교육지표로 수치화하고 이를 실증적으로 분석하여 영역별 지표, 종합별 우선지역을 도출하였다. 이러한 결과를 바탕으로 향후 정책 방향과 개선방안을 제시하였다. 선행연구 검토를 통해 분야별 특성에 따른 지표 방법론 등을 Table 1과 같이 재구성하였다.
- 이러한 맥락에서 본 연구는 ‘국민행복’실현을 위해 필수적인 에너지, 주거, 의료, 교통, 교육 등 사회 취약지역 데이터를 수집하고 적정 분석 지표·기준의 설정을 통해 공간분석을 수행하여 분야별 종합적 관점의 취약지역을 도출하는 것을 목적으로 한다.
- 또한 Nam(2013)은 주거 취약계층에 대한 취약성 유형을 비주택 일반주택으로 구분하고 부적합 주택에 대한 취약지표로 노후 불량주택 등의 지표를 선정하였다. 이러한 주거 취약요소를 통해 향후 주거 안정성 등의 확보를 위한 정책적 방향을 제시하였다.
- 기존의 분석의 한계를 극복하고 보다 세분화된 취약지역 도출을 위해서는 분야특성을 고려한 적정 세부지표를 선정하고 분석단위의 통일 공간분석과의 유기적인 연계가 반드시 필요할 것으로 판단된다. 이러한 측면에서 본 연구는 분야별 취약지역에 대한 적정 지표를 선정하고 실제 데이터 수집과 공간참조가 가능한 데이터를 기반으로 부문별 취약지역의 공간분석과 이를 종합한 사회 취약지역을 도출하여 제시하는데 차별성을 갖는다.
제안 방법
- 1의 공간분석 도구인 IDW를 이용한다. IDW 적용을 위해 파라미터를 표본점 12개의 점(point)이 선택될 때 까지 검색반경을 증가시키는 방법과 그 영향력이 미치는 범위를 최대 1Km로 설정하였다. 이는 서울시내에 많은 표본으로부터 내삽2)이 발생하는 지역을 도출하기 위함이다.
- 에너지 부문의 활용데이터는 에너지 접근성 및 소비 지표인 전력 가스사용량을 활용하였다. 건물에너지 정보공개시스템에서 제공하는 2015년 지번별 에너지 사용량을 수집하였으며 원본 데이터에서 식별코드 행정 경계코드, 주소 에너지 사용량 등 분석에 활용될 속성을 추출하여 자료를 구축하였다. 주거부문은 최소주거 기준의 세부 지표를 활용한 이론을 기초로 주거 노후도를 사용하였다.
- 교육 부문에서는 교육자원의 접근성 측면을 중심으로 교육기관 소재지를 분석에 활용하였다. 교육기회지표인 교육 접근성을 기준으로 어린이집 및 유치원 초등학교 중학교 고등학교를 각각 가중치 200, 400, 800, 1500으로 설정하였으며 이를 통해 교육 취약지역을 분석한 결과는 Fig.
- 교통 부문에서 활용 가능한 지표를 버스 지하철역 등 교통수단을 중심으로 그 접근성을 측정하였다. 이를 통해 취약지역을 분석한 결과는 Fig.
- (2013)의 분석이론을 재구성하여 본 연구에서는 의료자원의 접근성 측면에서 병원 시설의 유형별로 상대기준 종합병원 100, 전문병원 50, 요양병원 30, 기타의원 10으로 두어 그 가중치를 표준화하고 분석하며 그 결과의 하위 10%지역을 취약지역으로 정의하였다. 교통 부문에서는 그간 교통 접근성 측면에서 거리분석을 통해 교통 서비스의 수준을 평가하였다. 본 연구에서는 Lee et al.
- 주거부문은 최소주거 기준의 세부 지표를 활용한 이론을 기초로 주거 노후도를 사용하였다. 데이터의 수집을 위해 국가공간정보포털에서 2015년 GIS건물종합정보를 수집하였으며 고유 번호, 행정코드, 준공연도 등 실증분석에 활용 될 속성으로 재구성하여 구축하였다. 의료부문은 의료서비스의 품질 의료자원의 접근성 측면으로 관련 이론과 분석 기준을 기초로 병원 유형별 시설정보를 수집하였다.
- 도시가스 사용량 전략 사용량에 대한 하위 10% 지역을 도출하기 위해 행정구역의 면적 대비 취약지역의 면적비율을 분석하였다.
- 개별 분야의 취약지역을 종합적으로 분석하기 위해서는 취약성에 대한 수준을 적절히 반영하고 직관적으로 확인 가능해야 한다. 따라서 개별 분야의 취약지역을 취약성 수준에 따라 10%씩 등급별로 재분류하였다. 즉 분야별로 하위 10%지역을 등급1부터 상위 100%지역은 등급10까지 재분류하였다.
- 또한 교통 의료 교육 등의 자원(인력 시설 장비)이 부족하거나 품질이 낮은 지역 지리적 접근성이 떨어지는 지역이다. 따라서 본 연구에서의 사회취약지역은 부문별 수요가 낮은 지역, 지리적 접근성이 떨어지는 지역, 양질의 서비스 수준이 미흡한 지역으로 설정하였다.
- 실증분석은 크게 부문별 취약 지역 분석, 종합 취약지역 분석으로 구분된다. 먼저 부문별 취약지역 분석에서는 에너지, 주거, 의료, 교통, 교육 등 정제된 데이터와 분석지표 기준 등을 통해 공간보간법, 공간분석 도구 등을 활용하여 취약지역을 분석하였다. 종합 취합지역은 도출된 부문별 취약지역에 대한분석결과를 기반으로 가중치를 합산, 중첩, 방법 등을 통해 분석하였다.
- 사회 취약지역 분석을 위해 크게 선행연구 및 이론적 배경검토 분석지표 및 기준 검토 데이터 구축 실증분석으로 구분하여 연구를 수행한다. 먼저 선행연구 및 이론적 배경검토에서는 에너지, 주거, 의료, 교통, 교육 등 각 부문별 사회 취약지역 분석 지표선정 등에 관한 연구를 검토하며 본 연구에서 활용 가능한 지표와 분석 기준을 검토하고 차별성을 제시한다. 또한 사회 취약지역의 특성 공간보간법에 관한 이론을 파악하여 본 연구에서의 이론을 확립한다.
- (2015)은 지역 간 교육수준에 대한 비교를 위해 교육과 관련된 주요지표를 도출하고 이를 평가할 수 있는 모형을 연구하였다. 모형에 대한 실증분석을 통해 타 지역 간 교육수준을 평가하였다. Choo(2012)는 지역 간 나타나는 교육의 지역수준차이를 교육지표로 수치화하고 이를 실증적으로 분석하여 영역별 지표, 종합별 우선지역을 도출하였다.
- 본 연구는 공간상 세분화된 분석이 가능한 공간보간법을 활용하여 에너지 주거 교통 의료 교육 등 부문별 종합적 취약지역 분석을 분석하였다. 이를 위해 관련 선행연구와 이론을 고찰하였으며 부문별 특성 검토를 통해 사회 취약지역에 대한 지표 분석기준을 선정하였다.
- 본 연구에서의 공간적 범위를 구득가능성과 분석결과의 파급성 효과성 등을 검토하여 서울특별시로 설정하였으며 내용적 범위를 에너지, 주거, 의료, 교통, 교육 등 크게 5가지 부문의 취약지역 분석과 이를 통합한 종합적 취약지역을 도출하였다. 사회 취약지역의 도출을 위해 앞서 설정된 사회 취약지역 지표를 활용하여 관련 자료를 구축하고 분석기준과 방법을 적용한 실증 분석을 실시하였다.
- (2015)와 Choo(2012)의 교육부문의 분석이론과 함께 교육자원의 접근성 측면을 포함하였으며 이를 통해 교육 시설 유형별로 어린이집 및 유치원은 200, 초, 중, 고등학교가 각각 400, 800, 1500으로 설정하여 분석결과의 하위 10%지역을 취약지역으로 정의하였다. 부문별 분석 기준에 따라 가중치 주제도를 작성하여 개별 분야의 취약지역을 도출하고 개별 가중치를 중첩하여 종합적 관점의 취약지역으로 도출한다. 최종 중첩을 위해 개별분야에 대한 가중치는 0~1로 표준화된 값을 가질 수 있으며 레스터 형태의 측정값을 계산하기 위한 방법으로 Arc GIS의 레스터 분석도구인 raster calculator를 활용하였다.
- 부문별 취약지역 분석을 위해 에너지, 주거, 의료, 교통, 교육 등 분야별 선정 지표 분석기준 데이터를 활용하여 분석을 실시하였다. 먼저 에너지 부문의 분석결과는 Fig.
- 분석지표 및 기준검토에서는 앞서 검토된 선행연구에서의 분야별 특성과 이론을 토대로 분야별 분석 지표를 검토·선정하고 구체적인 분석을 위한 분석기준을 설정하였다.
- 이는 서울시내에 많은 표본으로부터 내삽2)이 발생하는 지역을 도출하기 위함이다. 사회 취약 관련 가중치를 기반으로 IDW를 수행하여 부문별 raster map을 도출하게 되며 그 결과를 통해 종합적 취약지역을 분석하였다. 실증분석의 개요를 도식화하면 다음 Fig.
- 사회 취약지역 분석을 위해 크게 선행연구 및 이론적 배경검토 분석지표 및 기준 검토 데이터 구축 실증분석으로 구분하여 연구를 수행한다. 먼저 선행연구 및 이론적 배경검토에서는 에너지, 주거, 의료, 교통, 교육 등 각 부문별 사회 취약지역 분석 지표선정 등에 관한 연구를 검토하며 본 연구에서 활용 가능한 지표와 분석 기준을 검토하고 차별성을 제시한다.
- 취약 지역에 관한 지표 및 분석기준 선정을 위해 법적 기준을 통한 객관성 부문별 선행연구의 검토를 통한 대표성 실제 구득하여 분석이 가능한 구득 가능성을 선정근거로 두었다. 사회 취약지역 분석지표를 에너지 주거 의료 교통 교육 등 크게 5가지 분야로 구분하여 활용가능성을 검토하였다. 이를 토대로 선정기준에 따라 분야별 분석지표를 선정한 결과는 다음 Table 2와 같다.
- 본 연구에서의 공간적 범위를 구득가능성과 분석결과의 파급성 효과성 등을 검토하여 서울특별시로 설정하였으며 내용적 범위를 에너지, 주거, 의료, 교통, 교육 등 크게 5가지 부문의 취약지역 분석과 이를 통합한 종합적 취약지역을 도출하였다. 사회 취약지역의 도출을 위해 앞서 설정된 사회 취약지역 지표를 활용하여 관련 자료를 구축하고 분석기준과 방법을 적용한 실증 분석을 실시하였다. 실증분석에는 분야별 취약지역을 분석하고 이를 토대로 종합적 관점의 취약지역을 분석한다.
- 이를 위해 관련 선행연구와 이론을 고찰하였으며 부문별 특성 검토를 통해 사회 취약지역에 대한 지표 분석기준을 선정하였다. 실증 분석을 위해 부문별 데이터를 수집하여 공간 참조 데이터에 따라 GIS 속성매칭을 수행하여 데이터를 구축하였다. 실증분석은 서울특별시를 대상으로 부문별 취약지역 분석 종합 취약지역 분석으로 구분하여 Arc GIS 분석 도구인 IDW를 활용하여 분석하였다.
- 앞서 선행연구와 이론적 배경을 토대로 구체적인 분석에 활용하기 위한 지표와 분석 기준 등을 검토하여 본 연구에서의 분석지표와 기준을 재구성하였다. 취약 지역에 관한 지표 및 분석기준 선정을 위해 법적 기준을 통한 객관성 부문별 선행연구의 검토를 통한 대표성 실제 구득하여 분석이 가능한 구득 가능성을 선정근거로 두었다.
- 에너지 부문에서의 취약지역 분석에 관한 지표는 석유, 가스, 전력 등을 에너지 소비측면의 지표를 중점적으로 활용하였다. 지표선정기준에 따른 검토결과 에너지 부문의 활용 가능한 지표로 에너지 소비지표가 가장 적합한 것으로 나타났다.
- 지표선정기준에 따른 검토결과 에너지 부문의 활용 가능한 지표로 에너지 소비지표가 가장 적합한 것으로 나타났다. 에너지 소비지표는 에너지 유통 등과 같은 타 지표와 다르게 에너지 활용실태를 가장 잘 표현할 수 있는 지표로 분석되어 이를 선택하였다. 주거 부문에서는 인구특성과 주거특성으로 구분하여 주거의 수준을 평가하고 있으며 핵심지표로는 인구 및 가구특성, 불량주택거주자 수, 주거 면적, 노후도 등을 활용 할 수 있다.
- 의료 부문은 의료기관의 유형별로 접근성을 기준으로 두었으며 관련 데이터를 의료기관 유형에 따라 1차 2차 3차 병원을 각각 10 또는 30 50 100으로 구분하여 가중치를 산정하였다. 이를 토대로 의료부문의 취약지역을 분석한 결과는 Fig.
- 5와 같다. 의료 취약지역 분석을 위해 의료자원의 접근성이 취약한 하위 10% 지역을 선별하여 면적분석을 실시하였다. 그 결과 서울특별시 내에 용산구(17.
- 데이터의 수집을 위해 국가공간정보포털에서 2015년 GIS건물종합정보를 수집하였으며 고유 번호, 행정코드, 준공연도 등 실증분석에 활용 될 속성으로 재구성하여 구축하였다. 의료부문은 의료서비스의 품질 의료자원의 접근성 측면으로 관련 이론과 분석 기준을 기초로 병원 유형별 시설정보를 수집하였다. 자료구축을 위해 건강보험심사평가원에서 제공하는 전국 병원/약국 찾기 검색 서비스의 Open API를 통해 고유 식별번호, 의료기관의 시설명, 유형, 주소 등 관련 정보를 공간속성으로 구축하였다.
- 교통부문에서는 인구특성 교통 접근성을 기준으로 주변 잠재수요와 실제 교통 통계 교통수단별 접근성 등의 지표를 활용할 수 있다. 이 중 교통수단별 접근성 지표를 선택하였다. 교육부문에서는 교육배경 교육과정 교육효과로 구분하여 취약 계층 분포 교육기관과의 접근성 학업성취 등의 취약성 지표를 활용할 수 있다.
- (2011)은 수도권 교통취약지역 분석을 위해 버스정류소 지하철역과 같은 대중교통 데이터와 인구, 가구, 사업체 등 영향권에 포함되는 집단을 관련 데이터로 구축하였다. 이러한 데이터를 통해 공간적으로 연계하여 시간별 지역별 패턴을 파악하고 최종 취약지역을 도출하였다.
- 주거 부문에서의 취약 지역은 주거급여법, 주택법 등의 법적 기준에 따라 주거 생활의 질을 판단하는 지표로써 노후 주거(20년 이상)를 활용하고 있다. 이러한 분석기준을 기초로 연도별 노후도 증가에 따라 가중치를 산정하고 표준화하여 분석한다. 이를 통해 최종 도출지역의 하위 10% 지역을 취약지역으로 정의하였다.
- 먼저 에너지 부문의 취약지역 분석연구에서 Yu and Yeo(2015)는 도시재생 활성화 지역 분석을 위해 전력, 가스, 난방, 석유 등 에너지 부문의 세부 진단지표를 선정하고 각종 데이터 구축을 통해 실증적으로 분석하였다. 이러한 분석을 통해 도시 활성화 정책과 각종 지원 방안을 제시하였다. Cho and Choi(2008)는 에너지부문에서의 취약성에 대한 영향 요인분석을 위해 관련 지표를 에너지 공급위험 지표, 시장위험지표로 유형화하였으며 이를 토대로 주성분분석(PCA principal component analysis)을 활용하여 통계분석을 수행하였다.
- 다음으로 분야별 분석기준에 대한 검토 결과 에너지 부문의 선행연구에서는 다양한 지표와 비교를 위해 에너지 취약성에 대한 지역 간 상대적인 기준을 도입하여 분석에 활용하고 있다. 이러한 이론에 기초하여 본 연구에서는 에너지 접근성 측면의 에너지 사용량 지표를 표준화하여 그 누적비율이 하위 10% 지역을 취약지역으로 정의하였다. 주거 부문에서의 취약 지역은 주거급여법, 주택법 등의 법적 기준에 따라 주거 생활의 질을 판단하는 지표로써 노후 주거(20년 이상)를 활용하고 있다.
- 실증분석에는 분야별 취약지역을 분석하고 이를 토대로 종합적 관점의 취약지역을 분석한다. 이를 위한 분석절차로는 부문별 지표를 토대로 관련 데이터를 수집하고 선행연구 검토를 통한 본 연구의 분석기준을 적용한 가중치를 산정한다. 이 후 가중치 표준화 방식을 zscore(0~1)로 표준화하게 되며 구체적인 공간분석을 위해 Arc GIS 10.
- 본 연구는 공간상 세분화된 분석이 가능한 공간보간법을 활용하여 에너지 주거 교통 의료 교육 등 부문별 종합적 취약지역 분석을 분석하였다. 이를 위해 관련 선행연구와 이론을 고찰하였으며 부문별 특성 검토를 통해 사회 취약지역에 대한 지표 분석기준을 선정하였다. 실증 분석을 위해 부문별 데이터를 수집하여 공간 참조 데이터에 따라 GIS 속성매칭을 수행하여 데이터를 구축하였다.
- 종합적 관점의 사회 취약지역 분석을 위해 에너지, 주거, 의료, 교통, 교육 등 각 부문별 취약지역 분석과 관련된 선행연구를 검토하였다. 이를 통해 구체적인 실증분석을 위한 방법론을 검토하여 본 연구에서의 차별성을 제시하였다.
- 의료부문은 의료서비스의 품질 의료자원의 접근성 측면으로 관련 이론과 분석 기준을 기초로 병원 유형별 시설정보를 수집하였다. 자료구축을 위해 건강보험심사평가원에서 제공하는 전국 병원/약국 찾기 검색 서비스의 Open API를 통해 고유 식별번호, 의료기관의 시설명, 유형, 주소 등 관련 정보를 공간속성으로 구축하였다. 교통부문에서는 보도접근성 지표를 고려하여 버스 지하철역 정보를 활용하였다.
- 마지막으로 교육부문은 교육격차에 대한 수준을 평가하고 비교·분석이 가능한 교육기회 지표 중 교육기관 유형별 정보를 수집하였다. 자료구축을 위해 공공데이터포털에서 제공하는 평가인증 어린이집 정보 교육기본통계정보를 활용하였으며 고유식별코드, 시설명, 주소, 유형 등의 속성으로 재정리하여 구축하였다. 구축된 자료와 출처 등은 Table 3과 같다.
- 먼저 부문별 취약지역 분석에서는 에너지, 주거, 의료, 교통, 교육 등 정제된 데이터와 분석지표 기준 등을 통해 공간보간법, 공간분석 도구 등을 활용하여 취약지역을 분석하였다. 종합 취합지역은 도출된 부문별 취약지역에 대한분석결과를 기반으로 가중치를 합산, 중첩, 방법 등을 통해 분석하였다. 이를 통해 종합적 관점에 취약 지역에 대한 분석결과를 해석하고 시사점을 제시하였으며 본 연구의 흐름도는 Fig.
- 종합적 관점의 사회 취약지역 분석을 위해 에너지, 주거, 의료, 교통, 교육 등 각 부문별 취약지역 분석과 관련된 선행연구를 검토하였다. 이를 통해 구체적인 실증분석을 위한 방법론을 검토하여 본 연구에서의 차별성을 제시하였다.
- 4와 같다. 주거 노후도에 대한 하위 10% 지역을 도출하기 위해 행정경계구 동 대비 취약지역 면적의 비율을 분석하였다. 분석 결과 주거에 대한 취약성이 높은 지역을 중구(12.
- 건물에너지 정보공개시스템에서 제공하는 2015년 지번별 에너지 사용량을 수집하였으며 원본 데이터에서 식별코드 행정 경계코드, 주소 에너지 사용량 등 분석에 활용될 속성을 추출하여 자료를 구축하였다. 주거부문은 최소주거 기준의 세부 지표를 활용한 이론을 기초로 주거 노후도를 사용하였다. 데이터의 수집을 위해 국가공간정보포털에서 2015년 GIS건물종합정보를 수집하였으며 고유 번호, 행정코드, 준공연도 등 실증분석에 활용 될 속성으로 재구성하여 구축하였다.
- 앞서 선행연구와 이론적 배경을 토대로 구체적인 분석에 활용하기 위한 지표와 분석 기준 등을 검토하여 본 연구에서의 분석지표와 기준을 재구성하였다. 취약 지역에 관한 지표 및 분석기준 선정을 위해 법적 기준을 통한 객관성 부문별 선행연구의 검토를 통한 대표성 실제 구득하여 분석이 가능한 구득 가능성을 선정근거로 두었다. 사회 취약지역 분석지표를 에너지 주거 의료 교통 교육 등 크게 5가지 분야로 구분하여 활용가능성을 검토하였다.
- 취약지역에 대한 보다 자세한 수준을 평가하기 위해 구·동 단위 면적분석을 실시하였다.
대상 데이터
- 실증분석에 활용하기 위한 데이터를 서울특별시에서 구축·활용되고 있거나 서울시가 포함된 전국데이터를 수집하여 구축하였다.
- 에너지 부문의 활용데이터는 에너지 접근성 및 소비 지표인 전력 가스사용량을 활용하였다. 건물에너지 정보공개시스템에서 제공하는 2015년 지번별 에너지 사용량을 수집하였으며 원본 데이터에서 식별코드 행정 경계코드, 주소 에너지 사용량 등 분석에 활용될 속성을 추출하여 자료를 구축하였다.
- 주거 부문은 중구와 동대문구에서 주거 노후도가 상당부분 진행됨을 확인할 수 있으며 주거 상업지역에 서 뚜렷한 주거 취약성을 나타내었다. 의료 부문은 용산구 동작구 일대에서 의료 취약지역 비율이 두드러졌다. 이는 제1차, 2차, 3차 병원에서 접근성이 매우 떨어지기 때문이다.
- 자료의 구축을 위해 서울시 열린 데이터 광장에서 서울시 지하철역 정보, 버스정류장 정보를 수집하였으며 해당하는 역 명칭, 호선정보, 위치정보를 공간속성으로 구축하였다.
- 주거 부문의 경우 주거 취약성 관련 지표를 중 많은 부문을 차지하고 있는 주거 노후도를 중심으로 자료를 수집하고 분석에 활용하였다. 공간분석을 통해 주거부문의 취약지역을 분석한 결과는 Fig.
데이터처리
- 분야별 등급을 설정하는 이유는 종합 취약지역에 대한 유형을 명확하게 구분하기 위함이다. 분야별 취약등급에 대한 중첩분석을 위해 Arc GIS 공간분석 도구인 raster calculator를 활용하여 종합적인 관점의 취약지역을 Fig. 8과 같이 도출하였다. 사회 취약성은 1에서 10까지의 등급으로 구분되며 등급이 낮을수록 취약성이 높은 지역에 해당한다.
- 실증분석은 서울특별시를 대상으로 부문별 취약지역 분석 종합 취약지역 분석으로 구분하여 Arc GIS 분석 도구인 IDW를 활용하여 분석하였다.
이론/모형
- 먼저 분야별 상이한 단위의 통일을 위해 점수 표준화 방법 중 하나인 z-score1)를 적용하였다. z-score는 다양한 변수를 통합·분석하는 공간분석과 그 중심성을 분석하는 데 효과적이다(Kim, 2006).
- 이를 위한 분석절차로는 부문별 지표를 토대로 관련 데이터를 수집하고 선행연구 검토를 통한 본 연구의 분석기준을 적용한 가중치를 산정한다. 이 후 가중치 표준화 방식을 zscore(0~1)로 표준화하게 되며 구체적인 공간분석을 위해 Arc GIS 10.1의 공간분석 도구인 IDW를 이용한다. IDW 적용을 위해 파라미터를 표본점 12개의 점(point)이 선택될 때 까지 검색반경을 증가시키는 방법과 그 영향력이 미치는 범위를 최대 1Km로 설정하였다.
- 주거 부문에서는 인구특성과 주거특성으로 구분하여 주거의 수준을 평가하고 있으며 핵심지표로는 인구 및 가구특성, 불량주택거주자 수, 주거 면적, 노후도 등을 활용 할 수 있다. 주거부문의 지표는 주거 수준을 평가하는 지표인 주거 노후도를 선정하였다. 의료부문에서는 의료서비스에 대한 접근곤란 지역을 취약지역으로 정의하고 있으며 이에 따라 병원 유형별 자원 분포, 접근도달 시간 등을 취약성 지표로 활용할 수 있다.
- 부문별 분석 기준에 따라 가중치 주제도를 작성하여 개별 분야의 취약지역을 도출하고 개별 가중치를 중첩하여 종합적 관점의 취약지역으로 도출한다. 최종 중첩을 위해 개별분야에 대한 가중치는 0~1로 표준화된 값을 가질 수 있으며 레스터 형태의 측정값을 계산하기 위한 방법으로 Arc GIS의 레스터 분석도구인 raster calculator를 활용하였다.
성능/효과
- 의료부문의 취약지역 분석연구에서 Lee and Im(2015)는 충남지역의 의료서비스 취약지역 도출을 위해 공공의료 서비스 시설과 사회경제적 취약계층의 공간적 분포를 정량적으로 비교함으로써 의료 서비스가 필요한 지역을 도출하였다. 또한 실증분석을 태안군 보령시 일대의 서해안 권역과 주변의 내륙지역 및 홍성군 예산군 서산시 일대의 취약성 분포 패턴을 알 수 있었다. Lee et al.
- 본 연구를 통해서 부문별 활용지표를 적용하여 그 동안 알 수 없었던 세분화된 지역과 개별 취약지역에 대한 수준을 파악할 수 있었다. 또한 이러한 부문별 지표를 고려하여 종합적으로 분석하여 취약지역에 특성을 체계적으로 파악할 수 있었다. 그럼에도 불구하고 본 연구에서의 한계점은 먼저 다양한 분야와 지표에 대한 고려가 부족한데 있다.
- 특이점은 각 부문별로 취약지역에 대한 분포가 다소 상이함을 알 수 있었다. 먼저 에너지 부문은 구로구 양천구 일대 주거 일반 상업지역에서 에너지 취약성을 나타내었으며 일부 준공업지역이 포함되어 있음에도 취약지역으로 도출되었다. 주거 부문은 중구와 동대문구에서 주거 노후도가 상당부분 진행됨을 확인할 수 있으며 주거 상업지역에 서 뚜렷한 주거 취약성을 나타내었다.
- 본 연구를 통해서 부문별 활용지표를 적용하여 그 동안 알 수 없었던 세분화된 지역과 개별 취약지역에 대한 수준을 파악할 수 있었다. 또한 이러한 부문별 지표를 고려하여 종합적으로 분석하여 취약지역에 특성을 체계적으로 파악할 수 있었다.
- 주거 노후도에 대한 하위 10% 지역을 도출하기 위해 행정경계구 동 대비 취약지역 면적의 비율을 분석하였다. 분석 결과 주거에 대한 취약성이 높은 지역을 중구(12.6%), 동대문구(6.3%), 용산구(3.8%), 성북구(3.7%), 서대문구(2.9%) 순으로 분석되었다. 그 중 가장 변화가 큰 중구의 경우 주거 취약성을 보인 지역이 화현동(20.
- 분석 결과를 해석해보면 중구의 경우 일부 일반상업지역 주거지역에서 에너지 사용이 취약하며 건물 노후도 심화 교통 의료 교육 시설의 접근성이 모두 취약한 지역으로 분석되었다. 특히 중구에서도 명동 소공동 광희동 일대는 주거 의료 부문에서 가장 높은 취약성을 나타내는 것으로 분석되었다.
- 도시가스 사용량 전략 사용량에 대한 하위 10% 지역을 도출하기 위해 행정구역의 면적 대비 취약지역의 면적비율을 분석하였다. 분석결과 에너지 취약성이 높은 지역은 구 단위로 구로구(2.8%), 양천구(2.1%), 중랑구(1.61%), 강서구(1.2%), 관악구(1.1%) 순으로 분석되었다. 최 하위지역인 구로구를 자세히 살펴보면 오류2동(11.
- 사회 취약지역에 관한 지표를 적용하여 부문별 취약 지역 분석을 통해 에너지, 주거, 의료, 교통, 교육 부문의 취약지역을 도출할 수 있었다. 특이점은 각 부문별로 취약지역에 대한 분포가 다소 상이함을 알 수 있었다.
- 이 지역은 주거지역과 교육시설이 위치한 지역까지의 접근성이 매우 떨어지는 것으로 분석되었다. 사회 취약지역을 종합적으로 분석한 결과 중구 용산구 종로구 서대문구 성북구 순으로 취약성이 두드러졌다. 특히 중구 내에서 취약지역으로 도출된 지역은 에너지 주거 의료 교통 교육 등 부문별 모두 취약성이 매우 높게 나타났으며 이외에 용산구는 주거 의료 취약성이 높게 나타났으며 종로구는 교육 서대문구는 주거 교육부문의 뚜렷한 취약성을 나타내었다.
- 먼저 에너지 부문은 구로구 양천구 일대 주거 일반 상업지역에서 에너지 취약성을 나타내었으며 일부 준공업지역이 포함되어 있음에도 취약지역으로 도출되었다. 주거 부문은 중구와 동대문구에서 주거 노후도가 상당부분 진행됨을 확인할 수 있으며 주거 상업지역에 서 뚜렷한 주거 취약성을 나타내었다. 의료 부문은 용산구 동작구 일대에서 의료 취약지역 비율이 두드러졌다.
- 7%) 순으로 분석되었다. 중구에서의 동 대비 취약지역 비율은 명동(24.9%), 소공동(20.2%), 광희동(15.5%), 신당1동(12.6%), 화현동(11.4%)이 가장 취약한 것으로 분석되었으며 용산구의 경우 청파2동(20.9%), 1동(19.7%), 한강로1동(16.9%), 원효로1동(12.8%), 남영동(12.6%) 등으로 취약성이 나타났다. 종로구의 경우 부암동(17.
- 에너지 부문에서의 취약지역 분석에 관한 지표는 석유, 가스, 전력 등을 에너지 소비측면의 지표를 중점적으로 활용하였다. 지표선정기준에 따른 검토결과 에너지 부문의 활용 가능한 지표로 에너지 소비지표가 가장 적합한 것으로 나타났다. 에너지 소비지표는 에너지 유통 등과 같은 타 지표와 다르게 에너지 활용실태를 가장 잘 표현할 수 있는 지표로 분석되어 이를 선택하였다.
- 사회 취약지역에 관한 지표를 적용하여 부문별 취약 지역 분석을 통해 에너지, 주거, 의료, 교통, 교육 부문의 취약지역을 도출할 수 있었다. 특이점은 각 부문별로 취약지역에 대한 분포가 다소 상이함을 알 수 있었다. 먼저 에너지 부문은 구로구 양천구 일대 주거 일반 상업지역에서 에너지 취약성을 나타내었으며 일부 준공업지역이 포함되어 있음에도 취약지역으로 도출되었다.
- 사회 취약지역을 종합적으로 분석한 결과 중구 용산구 종로구 서대문구 성북구 순으로 취약성이 두드러졌다. 특히 중구 내에서 취약지역으로 도출된 지역은 에너지 주거 의료 교통 교육 등 부문별 모두 취약성이 매우 높게 나타났으며 이외에 용산구는 주거 의료 취약성이 높게 나타났으며 종로구는 교육 서대문구는 주거 교육부문의 뚜렷한 취약성을 나타내었다. 끝으로 성북구는 주거 교통부문에서 매우 취약한 지역으로 분석되었다.
후속연구
- 따라서 이러한 한계를 극복하기 위해 부문별 사회 취약지역 지표 방법론 기준 분석 도구에 대한 보다 면밀한 검토가 필요할 것으로 판단된다. 또 실증분석 결과에 대한 검증을 위해 타 지역 간의 비교 등을 통해 객관성을 확보해야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.