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
- 물류 네트워크 관점에서 해운의 경우, 항만이 행위자인 노드가 되고 항로는 관계에 해당하는 링크로 볼 수 있는데 철도의 경우, 노드는 철도역, 노드 간 링크는 철로로 간주될 수 있다. SNA분석에는 다양한 기법으로 세분화될 수 있으며 본 논문에서는 연결성과 매개성을 중심으로 분석을 진행했다. 먼저 ‘연결 중심성(Degree Centrality)’은 네트워크에서 한 개체가 다른 개체와 직접적인 연결이 많으면 많을수록 중심성이 높게 나타나는 특징을 갖고 있으며, 본 연구에서 연결중심성은 철도역의 노선이 활성화되어있는 정도로 이해할 수 있다.
- 한편, 사회네트워크 분석은 타 연구 분야에서 비교적 활발하게 활용되고 있지만 해운, 항만 등 물류 분야에서는 연구가 초기단계에 머무르고 있는 특징을 보인다(Kang et al,2014). 본 연구는 물류 거점 간 관계성 분석에 유용한 사회네트워크 분석을 활용하여 유라시아 지역의 주요 철도노선에 분석을 시도했다는 점에서 연구의 의의가 있다.
- 그러나 북한과 사업 추진에는 아직까지 상당부분 불안정성이 상존하기 때문에, 한국은 유라시아 이니셔티브와의 연관성이나 육로 연결성에 한정 또는 치중하기보다 유라시아 대륙에서 광범위하게 진행될 육상 인프라 사업에 대한 직접적 참여기회 확대와 주요 철도의 인접 항만개발을 통한 한국과의 연결성 강화 등 유라시아 철도에 대하여 보다 다각화된 접근과 노력이 필요할 것으로 보인다. 이러한 관점에서 본 연구는 유라시아 대륙 전체를 포괄하는 철도 노선에 대한 종합적 분석을 통해 유라시아 육상인프라 측면에서 철도역 및 주요 국가에 대한 이해를 높이고 중국과 전체 네트워크를 비교하여 특징을 파악하는 것을 연구의 목적으로 하였다.
- 또한, 한국의 유라시아 철도에 관한 연구는 앞서 서론에서 언급했듯이 ‘유라시아 이니셔티브’ 정책이나 북한을 통한 철도 연결에 다소 치중되어있다. 하지만 본 연구는 개별 국가 및 단일 노선 중심의 특징이 아닌 유라시아대륙의 포괄적 경로에서 철도역 및 국가별 특성을 도출하기 위하여 UN ESCAP, EU 등에서 연구한 TAR, TEN-T,TRACECA, GMS를 기준으로 전체 유라시아 철도노선에 대한 종합적 검토를 시도했다. 또한, 유라시아 대륙의 인프라구축에 매우 큰 영향력을 행사할 것으로 예상되고 있는 중국네트워크를 분석 하고 유라시아 전체네트워크와의 차이 및 특성을 파악했다는 점에서 연구의 차별성이 있다.
제안 방법
- 첫째, 특정 노선 및 국가에 한정하지 않고, 유라시아 대륙에 속하는 총 65개 국가의 994개 철도역과 1,237개 철도 경로에 대한 전반적인 분석을 진행했다. 둘째, 한국에서 유라시아철도에 대한 연구가 유라시아 이니셔티브와의 연관성이나 북한을 통한 육로 연결성에 치중되어있는 경향이 있었지만, 본 분석은 한국 중심적인 관점에서 벗어났으며, 유라시아 육상인프라에 큰 영향이 예상되고 있는 중국 네트워크에 대한 분석 및 비교를 포함하였다. 셋째, 물류 인프라들 간의 관계 구조를 해석해줄 수 있는 사회네트워크 분석을 통해 연결성과 매개성에서 각각 주요한 철도역을 도출했다.
- 하지만 본 연구는 개별 국가 및 단일 노선 중심의 특징이 아닌 유라시아대륙의 포괄적 경로에서 철도역 및 국가별 특성을 도출하기 위하여 UN ESCAP, EU 등에서 연구한 TAR, TEN-T,TRACECA, GMS를 기준으로 전체 유라시아 철도노선에 대한 종합적 검토를 시도했다. 또한, 유라시아 대륙의 인프라구축에 매우 큰 영향력을 행사할 것으로 예상되고 있는 중국네트워크를 분석 하고 유라시아 전체네트워크와의 차이 및 특성을 파악했다는 점에서 연구의 차별성이 있다.
- 본 연구는 유라시아 철도 노선인 TAR, TEN-T,TRACECA, GMS 노선을 통해 분석을 진행했으며, 유라시아대륙 철도 노선에 대한 사회네트워크 분석으로 철도역과 주요 국가에 대한 연결성과 매개성을 도출하고, 중국 네트워크의 특징을 파악했다. 유라시아 대륙 철도 네트워크에서 연결 중심성을 기준으로 볼 때, 태국의 방콕, 중국의 쿤밍과 난닝,루마니아의 부쿠레슈티, 조지아의 트빌리시, 라오스의 비앙티엔 등의 철도역에서 높은 연결성이 도출되었으며, 국가 기준으로 살펴보면 우즈베키스탄이 가장 높은 연결성을 보였고, 다음으로 러시아, 중국, 카자흐스탄, 태국 등의 연결성이순차적으로 높게 나타났다.
- 둘째, 한국에서 유라시아철도에 대한 연구가 유라시아 이니셔티브와의 연관성이나 북한을 통한 육로 연결성에 치중되어있는 경향이 있었지만, 본 분석은 한국 중심적인 관점에서 벗어났으며, 유라시아 육상인프라에 큰 영향이 예상되고 있는 중국 네트워크에 대한 분석 및 비교를 포함하였다. 셋째, 물류 인프라들 간의 관계 구조를 해석해줄 수 있는 사회네트워크 분석을 통해 연결성과 매개성에서 각각 주요한 철도역을 도출했다. 높은 연결성의 철도역은 노선의 활성화가 진행된 곳이며, 매개중심성이 높은 철도역은 개발 잠재력이 높다고 볼 수 있다.
- TRACECA에서 18개 국가의 240개 철도역을 통해 263개 경로를 확인했으며, GMS에서 6개 국가에 속한 117개 철도역과 136개의 경로를 수집했다. 이를 종합하고 중복을 제거하여 총 65개 국가, 994개 철도역으로 네트워크를 구성했으며, 철도 네트워크에 대한 SNA분석을 진행했다.
- 본 논문의 연구는 다음과 같은 의의와 시사점을 갖고 있다. 첫째, 특정 노선 및 국가에 한정하지 않고, 유라시아 대륙에 속하는 총 65개 국가의 994개 철도역과 1,237개 철도 경로에 대한 전반적인 분석을 진행했다. 둘째, 한국에서 유라시아철도에 대한 연구가 유라시아 이니셔티브와의 연관성이나 북한을 통한 육로 연결성에 치중되어있는 경향이 있었지만, 본 분석은 한국 중심적인 관점에서 벗어났으며, 유라시아 육상인프라에 큰 영향이 예상되고 있는 중국 네트워크에 대한 분석 및 비교를 포함하였다.
대상 데이터
- TAR에서 28개 국가, 549개 철도역을 통해 612개 경로를,TENT-T에서 35개 국가의 150개 철도역과 226개 경로 자료를 수집했다. TRACECA에서 18개 국가의 240개 철도역을 통해 263개 경로를 확인했으며, GMS에서 6개 국가에 속한 117개 철도역과 136개의 경로를 수집했다.
- TAR에서 28개 국가, 549개 철도역을 통해 612개 경로를,TENT-T에서 35개 국가의 150개 철도역과 226개 경로 자료를 수집했다. TRACECA에서 18개 국가의 240개 철도역을 통해 263개 경로를 확인했으며, GMS에서 6개 국가에 속한 117개 철도역과 136개의 경로를 수집했다. 이를 종합하고 중복을 제거하여 총 65개 국가, 994개 철도역으로 네트워크를 구성했으며, 철도 네트워크에 대한 SNA분석을 진행했다.
- 본 연구는 유라시아 대륙의 주요 철도 노선으로 UN ESCAP (Economic and Social Commission for Asia and the Pacific, 2016)에서 발표한 아시아 횡단철도 TAR(TransAsian Railroad Network)과 EC(European Commission,2016)에서 제시한 유럽 내 운송망인 TEN-T(Trans-European Transport Network), 유럽과 중앙 아시아 간 교통협력 프로젝트인 TRACECA(Transport Corridor Europe- Caucasus- Asia), ADB(Asian Development Bank, 2016)에서 발표한 아시아 지역 내 철도 경로 GMS(Greater Mekong Subregion) route를 분석의 대상으로 했다.
- 분석의 대상이 되고 있는 유라시아의 994개 철도역에서 연결성을 기준으로 상위 30개 철도역이 구성하고 있는 네트워크를 분석지도로 구현하면 다음과 같다.
- 6배 높은 Betweenness값을 보이고 있었다. 상위 30위 철도역에는 터키의 10개 역이 포함되어있었으며,아제르바이젠과 불가리아, 중국, 투르크메니스탄 등의 국가에서 각각 4개 철도역을 포함하고 있었다.
이론/모형
- 본 연구는 물류 인프라들 간의 관계구조를 해석해줄 수 있는 사회 네트워크분석 방법론을 사용했다. 사회 네트워크 분석(SNA: Social Network Analysis)은 네트워크 내 행위자들의 관계를 측정하여 네트워크에서 사회적 관계 구조를 추론하는 연구이다.
성능/효과
- 높은 연결성의 철도역은 노선의 활성화가 진행된 곳이며, 매개중심성이 높은 철도역은 개발 잠재력이 높다고 볼 수 있다. 넷째, 유라시아 전체와 중국 네트워크를 비교하여 네트워크에서 주요 철도역에 차이가 있음을 확인했다. 동일 철도역이라 하여도 개별 국가의 네트워크에서 차지하는 중요도가 다르기 때문에 개발 사업이 추진되는 과정에서 특정 국가는 자신에게 유리한 개발을 추진할 가능성이 크다.
- 다음으로 매개중심성의 경우, 아제르바이젠의 바쿠가 전체 네트워크에서 매개성이 가장 높게 도출되었으며, 다음으로는 중국의 바오지, 투르판, 아제르바이젠의 알야트, 중국의 란저우, 우즈베키스탄 카르시, 조지아의 트빌리시, 터키의 카스,아제르바이젠의 간자, 토부스가 순차적으로 뒤를 이었다. 전체 네트워크에서 국가별 Betweenness 평균값은 15,493.
- 매개중심성 기준으로는 아제르바이젠의 바쿠, 알야트, 간자, 토부스, 중국의바오지, 투르판, 란저우, 우즈베키스탄의 카르시, 조지아의 트빌리시, 터키의 카스 등이 높은 순위를 보였으며, 국가 기준으로는 터키, 중국, 투르크메니스탄과 이란, 아제르바이젠의순으로 매개성이 높게 나타났다. 또한, 아시아와 유럽의 매개 중심성은 각각 약 86%와 14%의 비중을 보였으며, 아시아의 매개성이 유럽보다 매우 높은 것으로 확인되었다.
- 유라시아 대륙 철도 네트워크에서 연결 중심성을 기준으로 볼 때, 태국의 방콕, 중국의 쿤밍과 난닝,루마니아의 부쿠레슈티, 조지아의 트빌리시, 라오스의 비앙티엔 등의 철도역에서 높은 연결성이 도출되었으며, 국가 기준으로 살펴보면 우즈베키스탄이 가장 높은 연결성을 보였고, 다음으로 러시아, 중국, 카자흐스탄, 태국 등의 연결성이순차적으로 높게 나타났다. 또한, 아시아와 유럽의 연결성 비중 비교에서 각각 76%와 24%로 아시아의 연결성이 유럽보다 높게 나타나는 것을 확인할 수 있었다. 매개중심성 기준으로는 아제르바이젠의 바쿠, 알야트, 간자, 토부스, 중국의바오지, 투르판, 란저우, 우즈베키스탄의 카르시, 조지아의 트빌리시, 터키의 카스 등이 높은 순위를 보였으며, 국가 기준으로는 터키, 중국, 투르크메니스탄과 이란, 아제르바이젠의순으로 매개성이 높게 나타났다.
- 25배의 매개성을 보였고 북한보다 낮은 수치이며, 전체 네트워크에서 볼 때 매개성이 낮은 것으로 해석할 수 있다. 또한, 유럽의 철도가 아시아의 철도에 비해서 일반적으로 선진화되어 운영 되고 있는 특징이 있지만 매개성의 비중을 대륙별로 구분할 때, 아시아의 비중이 약 86%였고, 유럽이 약 14%로 나타나서 아시아의 철도가 유럽에 비해 매우 높은 매개중심성을 확보하고 있는 것을 확인할 수 있었다.
- 또한, 아시아와 유럽의 연결성 비중 비교에서 각각 76%와 24%로 아시아의 연결성이 유럽보다 높게 나타나는 것을 확인할 수 있었다. 매개중심성 기준으로는 아제르바이젠의 바쿠, 알야트, 간자, 토부스, 중국의바오지, 투르판, 란저우, 우즈베키스탄의 카르시, 조지아의 트빌리시, 터키의 카스 등이 높은 순위를 보였으며, 국가 기준으로는 터키, 중국, 투르크메니스탄과 이란, 아제르바이젠의순으로 매개성이 높게 나타났다. 또한, 아시아와 유럽의 매개 중심성은 각각 약 86%와 14%의 비중을 보였으며, 아시아의 매개성이 유럽보다 매우 높은 것으로 확인되었다.
- 네트워크 분석에서 연결중심성이 가장 높게 도출된 철도역은 1위 태국의 방콕이었으며, 2위는 조지아 트빌리시, 3위는 아제르바이젠의 바쿠 그리고 중국의 쿤밍과 부쿠레슈티,비앙티엔, 난닝 등이 뒤를 이었다. 분석의 대상이 되는 994개 전체 철도역의 연결성 평균값은 2.35였으며, 1위 태국의 방콕이 평균과 대비할 때 약 4.3배 연결성이 높았고, 2위 조지아의 트빌리시는 평균대비 약 3.8배 높은 연결성을 보였다. 또한, 상위 30개 철도역에는 독일이 5개 역, 중국과 카자흐스탄이 각각 3개 역, 아제르바이젠과 터키, 베트남 등이 각각 2개 역을 포함하고 있었다.
- 연결중심성의 총합을 기준으로 국가별 순위를 살펴보면,우즈베키스탄이 가장 높았고, 러시아, 중국, 카자흐스탄, 태국, 터키, 베트남, 인도, 미얀마, 루마니아 등이 순차적으로높은 연결성을 보이고 있는 것으로 나타났다. 연결성의 총합 Degree값은 2,318.4였으며, 1위인 우즈베키스탄이 156.69로 전체 네트워크의 연결성에서 약 6.8%의 비중을 차지하고 있었으며, 2위인 러시아가 147.3으로 약 6.4%, 3위인 중국은 약 5.5%의 비중을 보였다. 철도 네트워크에서 도출된 연결중심성은 특정 국가에 집중되어있지 않고 유라시아 대륙의 전체에 고르게 분포되고 있는 특징을 보였다.
- 연결중심성의 총합을 기준으로 국가별 순위를 살펴보면,우즈베키스탄이 가장 높았고, 러시아, 중국, 카자흐스탄, 태국, 터키, 베트남, 인도, 미얀마, 루마니아 등이 순차적으로높은 연결성을 보이고 있는 것으로 나타났다. 연결성의 총합 Degree값은 2,318.
- 본 연구는 유라시아 철도 노선인 TAR, TEN-T,TRACECA, GMS 노선을 통해 분석을 진행했으며, 유라시아대륙 철도 노선에 대한 사회네트워크 분석으로 철도역과 주요 국가에 대한 연결성과 매개성을 도출하고, 중국 네트워크의 특징을 파악했다. 유라시아 대륙 철도 네트워크에서 연결 중심성을 기준으로 볼 때, 태국의 방콕, 중국의 쿤밍과 난닝,루마니아의 부쿠레슈티, 조지아의 트빌리시, 라오스의 비앙티엔 등의 철도역에서 높은 연결성이 도출되었으며, 국가 기준으로 살펴보면 우즈베키스탄이 가장 높은 연결성을 보였고, 다음으로 러시아, 중국, 카자흐스탄, 태국 등의 연결성이순차적으로 높게 나타났다. 또한, 아시아와 유럽의 연결성 비중 비교에서 각각 76%와 24%로 아시아의 연결성이 유럽보다 높게 나타나는 것을 확인할 수 있었다.
- 전체 네트워크에서 Betweenness 총합은 12,197,108이며,국가 단위 평균은 약 193,605로 나타났다. 터키는 매개성이 합계기준으로 전체에서 약 13.
- 다음으로 매개중심성의 경우, 아제르바이젠의 바쿠가 전체 네트워크에서 매개성이 가장 높게 도출되었으며, 다음으로는 중국의 바오지, 투르판, 아제르바이젠의 알야트, 중국의 란저우, 우즈베키스탄 카르시, 조지아의 트빌리시, 터키의 카스,아제르바이젠의 간자, 토부스가 순차적으로 뒤를 이었다. 전체 네트워크에서 국가별 Betweenness 평균값은 15,493.3였으며, 1위로 나타난 바쿠가 평균대비 약 14.2배, 2위 바오지는평균에서 약 12.6배 높은 Betweenness값을 보이고 있었다. 상위 30위 철도역에는 터키의 10개 역이 포함되어있었으며,아제르바이젠과 불가리아, 중국, 투르크메니스탄 등의 국가에서 각각 4개 철도역을 포함하고 있었다.
- 중국 철도 네트워크에서 연결성 1위는 쿤밍역과 난닝역이며, 다음으로 거쥬, 바오지, 바오산, 선양, 시저우, 위시, 정저우역 등의 연결성이 높게 나타났다. 중국 네트워크에서 주요 역인 쿤밍역, 난닝역, 거쥬역이 유라시아 전체 네트워크에서 공동 4위와 21위로 각각 확인되었다. 1위인 쿤밍역은 중국 윈난성에 위치하고 있으며, 베이징과 구이저우로 연결되는 철도의 요충지이고, 난닝의 경우 광시장족자치구의 주도이자 중국과 베트남 간 경제․문화 교류의 중심지이다.
- 전체 네트워크에서 Betweenness 총합은 12,197,108이며,국가 단위 평균은 약 193,605로 나타났다. 터키는 매개성이 합계기준으로 전체에서 약 13.88%의 비중을 보였고, 국가단위 평균과 대비하여 약 8.74배 높은 매개성을 보였다. 중국,투르크메니스탄, 이란, 아제르바이젠 등이 터키 다음으로 높은 매개성을 보였고, 상위 17위까지의 국가가 평균보다 높은 매개성을 갖고 있었다.
- 북한은 연결중심성이 65개 국가 중에서 29위로, 한국은 34위로 확인되었다. 한국의 경우, 실질적으로 대륙과 철도가 단절되어있지만, 서울역, 광양역, 대구역, 수원역, 대전역, 목포역, 익산역, 부산역 등 9개 철도역이 UNESCAP의 TAR에서 전체 경로에 포함되어있기 때문에 분석결과 연결성과 매개성이 도출되는 특징을 보였다. 한편, 국가별 비중을 아시아 및 유럽으로 구분해보면 아시아가 차지하는 비중이 약 76%, 유럽이 약 24%로 나타났으며 연결성의 측면에서 아시아 철도 노선이 유럽의 철도 노선보다 활성화되어있는 것을 확인할 수 있었다.
- 한국의 경우, 실질적으로 대륙과 철도가 단절되어있지만, 서울역, 광양역, 대구역, 수원역, 대전역, 목포역, 익산역, 부산역 등 9개 철도역이 UNESCAP의 TAR에서 전체 경로에 포함되어있기 때문에 분석결과 연결성과 매개성이 도출되는 특징을 보였다. 한편, 국가별 비중을 아시아 및 유럽으로 구분해보면 아시아가 차지하는 비중이 약 76%, 유럽이 약 24%로 나타났으며 연결성의 측면에서 아시아 철도 노선이 유럽의 철도 노선보다 활성화되어있는 것을 확인할 수 있었다.
- 또한, 광저우, 홍콩, 마카오와의 연결 등의 관점에서 난닝역은 중국 철도 네트워크에서 차지하는 의미가 크다. 한편, 중국 네트워크에 러시아의 포그라니치니(Grodekovo역) 및 베트남의 라오차이역이 포함되어있는 것을 볼 수 있는데 해당 역은 전체 네트워크에서는 122위 내외로 순위가 낮지만 중국 개별 네트워크에서는 22위로 나타나서 중국에서의 중요성이 큰 것을 확인할 수 있었다.
후속연구
- 한편, 유라시아 철도 노선으로는 본 연구에서 적용한 TAR, TEN-T, TRACECA, GMS 외에도 EATL (EuroAsian Transport Linkages), TER(Transport Express Regional), SEETO(South-east Europe Transport Observatory) 등 크고 작은 차이를 보이는 많은 경로가 있지만 자료 취득상의 어려움으로 모든 철도 노선을 포함할 수 없었으며, 이 때문에 분석의 결과에서 유라시아 지역의 물류 네트워크에서 중요한 역들이 빠져있을 수 있는 한계점이 있다. 또한, 육상물류에 관한 연구에서 많이 사용되어오지 않았던 사회네트워크 분석을 통해 65개 국가의 994개 철도역에 대한 광범위한 분석을 진행하여 유라시아 철도역의 관계성 파악을 시도했다는 점에서 의의가 있지만, 연결중심성과 매개중심성에 대한 분석에 한정했고, 철도역의 활성화 정도 및 개발 잠재력에 대한 개괄적 이해에 의미를 찾을 수 있었지만, 연구 결과에 따른 실질적 활용성 측면에서는 한계를 갖고 있다. 향후 연구에서는 다른 노드의 중심성을 반영해서 계산하는 아이겐벡터 중심성(Eigenvector Centrality, Ce), Katz 중심성(Katz Centrality, Ck), 페이지랭크(Page Rank, Cp) 등이 검토될 수 있을 것이며, 분석의 범위를 작게 하여 물류비용, 물동량 등 다양한 변수를 추가로 적용하면 보다 깊이 있는 분석이 가능할 것으로 보인다.
- 향후 연구에서는 다른 노드의 중심성을 반영해서 계산하는 아이겐벡터 중심성(Eigenvector Centrality, Ce), Katz 중심성(Katz Centrality, Ck), 페이지랭크(Page Rank, Cp) 등이 검토될 수 있을 것이며, 분석의 범위를 작게 하여 물류비용, 물동량 등 다양한 변수를 추가로 적용하면 보다 깊이 있는 분석이 가능할 것으로 보인다. 또한, 중국 외에도 유라시아 대륙에서 중요한 영향력을 행사하고 있는 러시아, 인도 등 주요 국가의 네트워크에 대한 비교 등이 필요할 것이며, 높은 연결성과 매개성이 도출된 주요 철도역 중 개발 계획이 진행되는 지역에 대한 구분, 네트워크 분석의 결과와 일대일로 관점에서 거점지역과의 비교, 궤간 변경지역에 대한 검토 등에 대하여 향후 추가적인 연구가 필요할 것으로 보인다.
- 현재 추진되고 있는 일대일로는 중국과 유라시아 주요 국가들 간에 윈윈(win-win)상황이 성립되어 진행되는 사업이며, 유라시아의 전반적 인프라 연결확충이 사업의 목표이지만 상당부분 중국과의 연계성 강화가 극대화되는 방향으로 진행이 예상된다. 일대일로의 발전 가능성을 감안할 때 철도 뿐 아니라 다양한 물류 분야를 포함하여 향후 국제 물류거점에 대한 연구는 중국 관점에서의 중요성을 병행하여 검토할 필요가 있을 것으로 보인다.
- 한편, 유라시아 철도 노선으로는 본 연구에서 적용한 TAR, TEN-T, TRACECA, GMS 외에도 EATL (EuroAsian Transport Linkages), TER(Transport Express Regional), SEETO(South-east Europe Transport Observatory) 등 크고 작은 차이를 보이는 많은 경로가 있지만 자료 취득상의 어려움으로 모든 철도 노선을 포함할 수 없었으며, 이 때문에 분석의 결과에서 유라시아 지역의 물류 네트워크에서 중요한 역들이 빠져있을 수 있는 한계점이 있다. 또한, 육상물류에 관한 연구에서 많이 사용되어오지 않았던 사회네트워크 분석을 통해 65개 국가의 994개 철도역에 대한 광범위한 분석을 진행하여 유라시아 철도역의 관계성 파악을 시도했다는 점에서 의의가 있지만, 연결중심성과 매개중심성에 대한 분석에 한정했고, 철도역의 활성화 정도 및 개발 잠재력에 대한 개괄적 이해에 의미를 찾을 수 있었지만, 연구 결과에 따른 실질적 활용성 측면에서는 한계를 갖고 있다.
- 또한, 육상물류에 관한 연구에서 많이 사용되어오지 않았던 사회네트워크 분석을 통해 65개 국가의 994개 철도역에 대한 광범위한 분석을 진행하여 유라시아 철도역의 관계성 파악을 시도했다는 점에서 의의가 있지만, 연결중심성과 매개중심성에 대한 분석에 한정했고, 철도역의 활성화 정도 및 개발 잠재력에 대한 개괄적 이해에 의미를 찾을 수 있었지만, 연구 결과에 따른 실질적 활용성 측면에서는 한계를 갖고 있다. 향후 연구에서는 다른 노드의 중심성을 반영해서 계산하는 아이겐벡터 중심성(Eigenvector Centrality, Ce), Katz 중심성(Katz Centrality, Ck), 페이지랭크(Page Rank, Cp) 등이 검토될 수 있을 것이며, 분석의 범위를 작게 하여 물류비용, 물동량 등 다양한 변수를 추가로 적용하면 보다 깊이 있는 분석이 가능할 것으로 보인다. 또한, 중국 외에도 유라시아 대륙에서 중요한 영향력을 행사하고 있는 러시아, 인도 등 주요 국가의 네트워크에 대한 비교 등이 필요할 것이며, 높은 연결성과 매개성이 도출된 주요 철도역 중 개발 계획이 진행되는 지역에 대한 구분, 네트워크 분석의 결과와 일대일로 관점에서 거점지역과의 비교, 궤간 변경지역에 대한 검토 등에 대하여 향후 추가적인 연구가 필요할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.