[논문]다트판형 공간분할 기법을 이용한 서울지역 지하철 역세권 분석

조재희; 백의영

doi:10.9716/kits.2018.17.4.139

다트판형 공간분할 기법을 이용한 서울지역 지하철 역세권 분석
Geo-spatial Analysis of the Seoul Subway Station Areas Using the Haversine Distance and the Azimuth Angle Formulas 원문보기

한국IT서비스학회지 = Journal of Information Technology Services, v.17 no.4, 2018년, pp.139 - 150

Abstract ▼ AI-Helper

This paper investigated the human distribution in subway station areas in Seoul, using geotweets and subway ridership data. Eight stations were selected from the districts of Gangnam and Gangbuk. Geotweets located within a 600-meter radius of the central coordinates of each station were extracted, and distances between the center of station and each tweet location were calculated. Donut-shaped dimension and pie-shaped dimension were generated, using the Haversine distance formula and the Azimuth angle formula respectively. By combining the two dimensions, Dartboard-shaped space division is created. Popular places within the subway station areas identified from this research are almost the same as the current well-known popular places, and this is an important case showing that people send tweets from various places where they engage in daily activities. We expect this study can be a methodological guideline for social scientists who use spatio-temporal or GPS data for their research.

주제어

표/그림 (11)

그림 Dartboard-shaped Space Division based on Donut-shaped and Pie-shaped Dimensions
그림 Dimensional Model for the Geo-spatial Analysis of Subway Station Area
표 Geotweet Population by Quadrant
표 Geotweet Counts by Quadrant
표 Average Distance by Quadrant
그림 Eight Subway Station Areas in Seoul Created by Pie Dimension
표 Area Size of Subway Station Area
그림 Four Station Areas in Gangbuk Region
그림 Popular Places in Gangbuk Region found by Dartboard Dimension
그림 Four Station Areas of Gangnam Region
그림 Popular Places in Gangnam Region found by Dartboard Dimension

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

가설 설정

[Figure 1]의 좌상단에 위치한 도넛형 공간차원(Donut-shaped Dimension)은 반경구간을 100m로 설정함으로써 원형 역세권 600m를 6개의 도넛형 공간으로 분할한 예시이다. 원의 중심에는 지하철역이 있고, a부터 e까지 다섯 개의 트윗지점이 있다고 가정한다. 트윗지점 a는 500m∼600m 구간에 있고, b와 c는 300m∼400m 구간에, d는 400m∼500m 구간에, 그리고 e는 200m∼300m 구간에 위치하고 있다.

제안 방법

각 역세권 안에 있었던 지오트윗 사용자가 만든 공간적 패턴과 본 연구에서 제안하는 신개념 역세권을 추정하기 위하여 다트판 형태의 새로운 공간분할 개념을 창안하였다. 이에 따라 격자형과 같은 기존의 공간분할 기법으로는 만들어 낼 수 없는 차원(방향, 거리)으로 역세권 공간을 상세하게 분할하여 인구 분포를 집계할 수 있다.
새로운 공간분할 기법인 다트판 공간을 만들기 위해 공간정보학에서 사용하는 해버사인 거리 공식을 적용하여 먼저 도넛형 공간을 생성하였고, 이어서 아지무스 각도 공식을 사용하여 파이형 공간을 생성하였다. 그리고 도넛형 차원과 파이형 차원을 결합한 다트판 차원을 생성함으로써 모든 역세권에 적용할 수 있는 표준 공간분석 단위(288개 공간으로 분할)를 만들었다. 연구결과를 요약하면 다음과 같다.
둘째, SNS 사용자가 발생시킨 트윗 위치값과 트윗량을 근거로 각 지하철역 마다 다른 형태의 신개념 다각형 역세권을 추정하였다. 일반적으로 역세권 형태를 원형으로 가정하고 있으나, 지하철역은 역세권 내의 상가입지, 연결교통망, 기반시설, 자연환경, 유동인구 등 여러 요소에 의해 역세권의 형세가 다르며, 따라서 역세권 모양이 실제로는 원형이 아닌 다각형 형태이다.
역세권의 공간범위에 대해 격자 분할 등의 방법으로 공간을 단순 분할하고 있으나, 기존의 공간분할 방법으로는 역세권의 실제 크기 및 형성 방향을 알 수 없다. 따라서 본 연구에서는 도넛형과 파이형, 그리고 이 두 가지 공간분할 방법을 융합한 다트판형으로 공간을 분할하여 역세권 분석을 진행하였다.
국내 연구자들은 법률에서 정의된 반경을 역세권으로 설정하고 유형화(신예철 외, 2013; 윤용석, 2013; 이연수와 손동욱, 2012)하였는데, 이들은 건축물 데이터베이스와 지적 데이터, 서울교통공사에 의해 집계된 승객의 승하차 자료를 이용하여 역세권별로 사례를 분석하거나 역세권의 개발밀도, 도로 인프라, 보행접근체계 등을 변수로 설정하여 역별 역세권의 공간적 범위의 타당성에 대해 논의하였다. 또 설문조사 등을 통해 통계적 기법을 사용하여 분석하였다.
본 연구에서는 30° 각도로 등분하여 12가지 파이형 공간을 창출하였다.
본 연구에서는 시간차원을 배제하고, 공간차원 분석에 초점을 맞춰 진행되었다.
새로운 공간분할 기법인 다트판 공간을 만들기 위해 공간정보학에서 사용하는 해버사인 거리 공식을 적용하여 먼저 도넛형 공간을 생성하였고, 이어서 아지무스 각도 공식을 사용하여 파이형 공간을 생성하였다. 그리고 도넛형 차원과 파이형 차원을 결합한 다트판 차원을 생성함으로써 모든 역세권에 적용할 수 있는 표준 공간분석 단위(288개 공간으로 분할)를 만들었다.
이에 따라 격자형과 같은 기존의 공간분할 기법으로는 만들어 낼 수 없는 차원(방향, 거리)으로 역세권 공간을 상세하게 분할하여 인구 분포를 집계할 수 있다. 이를 위해 역세권 공간분석용 데이터마트를 설계 및 구축하였고, 시각화 분석툴인 태블로(Tableau)를 사용하여 분석한 다양한 집계 표와 공간시각화 그림을 제시하였다.
즉, 인구의 시간적인 분포와 공간적인 분포를 파악할 수 있기 때문에 비즈니스 측면에서 유용한 정보의 원천으로 주목 받고 있다. 이에 본 연구는 지리정보가 포함된 지오트윗 데이터를 활용하여 역세권의 공간분할 분석을 실시하였다. 역세권의 공간범위에 대해 격자 분할 등의 방법으로 공간을 단순 분할하고 있으나, 기존의 공간분할 방법으로는 역세권의 실제 크기 및 형성 방향을 알 수 없다.
첫째, 지오트윗이라는 소셜 데이터를 이용하여 창의적인 공간분할 기법을 만들었다. 기존의 격자(그리드)형 공간분할 방식으로는 산출할 수 없는 집계 정보(방향별 집계, 거리별 집계)와 다트판형 분할공간 시각화가 구현하였다.
팩트 테이블인 ‘Fact_GeoTweet’과 4가지 차원 테이블(Dim_User, Dim_Location, Dim_Dartboard, Dim_Time)로 구성되어 있고, 다트 차원은 두 가지 차원 테이블(Dim_Donut, Dim_Pie)을 가지고 있는 스노우플레이크 형태이다. 측정 변수는 거리(Distance), 각도(Angle), 트윗량(Number of Tweets), 트윗인구(Tweet Population), 1인당 트윗량(Tweets per Person), 그리고 경도(Longitude)와 위도(Latitude)로 구성되어 있다.

대상 데이터

본 연구에 활용된 연구 자료는 위치정보가 포함된 지오트윗 데이터와 공공데이터포털⁴⁾에서 제공된 지하철역 좌표를 통합한 데이터이다. 지오트윗 데이터는 스트리밍 API 방식으로 수집되었고, 수집 기간은 123일 간(2014년 8월 24일부터 2016년 2월 18일 사이)이며, 수집 건수는 31,344개의 트윗이고, 트윗인구는 6,052명이다.
본연구를 위해 역세권 분석에 적절하다고 판단한 공간 범위는 반경 600m이고, 각 도넛의 구간간격은 25m, 각 파이의 간격은 30°를 적용하였다.
본 장에서는 구축된 데이터마트를 활용하여 분석대상으로 삼은 지하철역의 특성은 다음과 같다. 분석대상인 지하철역의 수는 8개이고, 사용된 데이터는 총 31,344건이며, 지오트윗 고유인구는 6,052명이다. 8개 역의 역세권 평균거리는 361.
본 연구는 SNS 사용자 개개인의 족적이 담긴 지오트윗³⁾ 데이터를 이용하기 때문에 역세권의 형세에 관한 상세한 분석이 가능하다. 서울시 소재 8개 지하철역을 대상으로 분석하였는데, 지오트윗 발생량이 많은 서울, 시청, 종각, 종로3가(이상 강북권), 강남, 역삼, 선릉, 삼성(이상 강남권)을 선택하였다.
본연구를 위해 역세권 분석에 적절하다고 판단한 공간 범위는 반경 600m이고, 각 도넛의 구간간격은 25m, 각 파이의 간격은 30°를 적용하였다. 이에 따라 각 지하철역 공간은 총 288가지(24가지 도넛형 공간 x 12가지 파이형 공간) 다트판형 공간으로 분할되었다.
이에 본 연구는 트윗량이 많은 역 순서로 선택한 결과, 강남권은 테헤란로를 따라 형성된 ‘강남’, ‘역삼’, ‘선릉’, ‘삼성’역을, 강북권은 남대문로, 태평로, 청계천로에 위치한‘서울’, ‘시청’, ‘종각’, ‘종로3가’역을 분석대상으로 정했다.
에서 제공된 지하철역 좌표를 통합한 데이터이다. 지오트윗 데이터는 스트리밍 API 방식으로 수집되었고, 수집 기간은 123일 간(2014년 8월 24일부터 2016년 2월 18일 사이)이며, 수집 건수는 31,344개의 트윗이고, 트윗인구는 6,052명이다.

이론/모형

거리를 구하는 대표적인 공식인 해버사인 공식을 이용하였다. 해버사인 공식은 구면기하 삼각함수를 사용한다.

성능/효과

본 논문에서 제안하는 새로운 형태의 공간분할기법인 파이(Pie) 차원과 다트판(Dartboard) 차원으로 역세권을 분석하면, 폴리곤 형상의 역세권과 역세권 내 인기 장소를 파악할 수 있으며, 비인기 구역에 대한 상세한 분석과 대응책 마련이 가능하다.

후속연구

넷째, 지오트윗으로 수집된 유동인구의 분포분석을 통해 새로운 공간정보 분석방법론을 제시하였는데, GPS 데이터와 같은 시공간데이터 분석에 관심 있는 연구자를 위한 지침이 될 것을 기대한다.
일반적으로 역세권 형태를 원형으로 가정하고 있으나, 지하철역은 역세권 내의 상가입지, 연결교통망, 기반시설, 자연환경, 유동인구 등 여러 요소에 의해 역세권의 형세가 다르며, 따라서 역세권 모양이 실제로는 원형이 아닌 다각형 형태이다. 본 연구에서는 국내 지오트윗량이 많지 않아 각도구간을 30도로 크게 설정하였기 때문에 12각형으로 구현하였으나, 향후 지오트윗 데이터가 더 누적되거나, 트윗량이 많은 도시를 분석대상으로 할 경우에는 각도구간을 더 좁혀서 24각형, 36각형 등으로 구현할 계획이다.
셋째, 본 연구에서 제안하는 역세권 공간분석 개념을 관광지 또는 도시에 확대 적용하여 분석한다면 해당 지역에 대한 이해를 높일 수 있을 것이며, 그 지역의 개발정책 수립에 도움이 되고, 지역경제 활성화 방안으로 참고자료가 될 것이다.
지가 및 주변시설 등 더 많은 환경 요소가 고려되어야 역세권을 더 깊게 이해하는데 도움이 될 것이다. 이를 위해서는 본 연구결과를 토대로 현실적 사항을 추가한 후속연구가 수행되어야 할 것이다.
이상의 연구들은 집계된 데이터를 이용하였기 때문에 역세권의 유형분석에 국한된 연구일 뿐, 실제 역세권으로 형성된 공간범위를 정교하게 측정하거나, 사람의 이동성에 대해 분석하기에는 한계가 있다. 본 연구는 SNS 사용자 개개인의 족적이 담긴 지오트윗³⁾ 데이터를 이용하기 때문에 역세권의 형세에 관한 상세한 분석이 가능하다.
분석 대상인 8개 지하철역은 지역별로 경제력이나 주택시설, 주로 이용하는 교통시설 등의 차이가 크다. 지가 및 주변시설 등 더 많은 환경 요소가 고려되어야 역세권을 더 깊게 이해하는데 도움이 될 것이다. 이를 위해서는 본 연구결과를 토대로 현실적 사항을 추가한 후속연구가 수행되어야 할 것이다.
향후 연구에서는 SNS 데이터 이외의 데이터를 융합할 필요성을 느낀다. 분석 대상인 8개 지하철역은 지역별로 경제력이나 주택시설, 주로 이용하는 교통시설 등의 차이가 크다.

질의응답

핵심어	질문	논문에서 추출한 답변
	우리나라 법률에서 정의한 역세권이란?	역세권은 지하철역을 이용하는 인구와 역 주변에 위치한 상가를 이용하는 사람들에 의해 형성되는 공간으로, 유동인구에 의해 권역의 크기가 결정된다. 역세권이라는 용어는 Calthorpe(1993)의 대중교통 지향형 개발(Transit Oriented Development)이라는 연구에서 처음으로 소개하였는데, 그가 제안한 역세권의 적정 범위는 역으로부터 10분 이내에 도착할 수 있는 600m 내의 거리이고, 광역적인 대중교통 시스템이 도입된 곳이다라고 설명하였다.
	지오트윗을 이용하여 어떻게 창의적인 공간분할 기법을 만들었는가?	첫째, 지오트윗이라는 소셜 데이터를 이용하여 창의적인 공간분할 기법을 만들었다. 기존의 격자(그리드)형 공간분할 방식으로는 산출할 수 없는 집계 정보(방향별 집계, 거리별 집계)와 다트판형 분할공간 시각화가 구현하였다.
	지오트윗 데이터의 장점은?	지오트윗 데이터는 사용자 스스로 트위터를 이용하고자 하는 의지에 의해 발생되고, 더불어 인구의 집계 및 분포에 대한 관찰이 가능하다는 장점이 있다. 즉, 인구의 시간적인 분포와 공간적인 분포를 파악할 수 있기 때문에 비즈니스 측면에서 유용한 정보의 원천으로 주목 받고 있다.

참고문헌 (17)

Calthorpe, P., "The Next American Metropolis : Ecology, Community, and the American Dream", Princeton Architectural Press, 1993.
Cho, J.H. and I.J. Seo, "Investigation of Twitter Users' Activity Radius and Home Region in the City : The Case of Las Vegas", Journal of Korean Institute of Communications and Information Sciences, Vol.42 No.2, 2017, 505-513.
Guzman, J.M., G. Martine, G. McGranahan, D. Schensul, and C. Tacoli, "Population dynamics and climate change", UNFPA, 2009.
Hong, I.Y., "Spatial Distribution of Korean Geotweets", Journal of the Korean Cartographic Association, Vol.15, No.2, 2015, 93-101.
Kang, H.Y., H.J. Jung, and J.Y. Lee, "A Study of Subspacing Strategy for Service Applications in Indoor Space", Journal of Korea Spatial Information Society, Vol.23, No.3, 2015, 113-122.

원문보기 상세보기
Lee, G.H. and K.Y. Kim, "Estimating de facto Population Using Spatial Statistics", Journal of the Korean Cartographic Association, Vol. 16, No.2, 2016, 71-93.
Lee, J.A., "The Effect of Street and Block Structure on Street Vitalization : Focused on the Commercial Streets in Seoul", Ph.D Thesis, Hanyang University, 2013.
Lee, J.E. and D.S. Mun, "철도 역세권의 경제적 효과", Railway Journal, Vol.18, No.6, 2015, 81-83.
Lee, J.H., H.C. Yoo, Y.B. Cho, Y.W. Nam, and Y.H. Kim, "Development a System for Population Density and Movement Statistics through Real-Time Collection of Twitter Data", Proceedings of Korean Institute of Intelligent Systems Spring Conference, Vol.26, No.1, 2016, 191-192.
Lee, S.Y., H.S. Kim, and K.S. Lee, "The Spatial Characteristics of Real-time Population Distribution in Seoul based on the Media Users' Time-space Information for the Activity Spaces", Journal of the Economic Geographical Society of Korea, Vol.18, No.1, 2015, 87-102.

원문보기 상세보기
Lee, Y.S. and D.W. Sohn, "A Relationship Analysis between Subway Transit Demand and Urban Spatial Characteristics in the Subway Station Area", Journal of the Urban Design Institute of Korea Urban Design, Vol.13, No.4, 2012, 23-32.
Leetaru, K.H, S. Wang, G. Cao, A. Padmanabhan, and E. Shook, "Mapping the Global Twitter Heartbeat : The Geography of Twitter", First Monday, Vol.18, No.5, 2013, https://firstmonday.org/article/view/4366/3654 (downloaded July 10, 2018).
Patel, N.N., F.R. Stevens, Z. Huang, A.E. Gaughan, I. Elyazar, and A.J. Tatem, "Improving Large Area Population Mapping Using Geotweet Densities", Transactions in GIS, Vol.21, No.2, 2017, 317-331.

상세보기
Shin, Y.C., T.H. Kim, and M.J. Jang, "An Analysis of Relationship between Urban Development Characteristics and Transit Service-Infrastructures in Subway Station Influence Areas of Seoul for Rational Integration of Urban Planning and Transportation Planning", Journal of the Urban Design Institute of Korea Urban Design, 제14권, 제2호, 2013, 99-111.
Stowe, K., J. Anderson, M. Palmer, L. Palen, and K. Anderson, "Improving Classification of Twitter Behavior During Hurricane Events", Proceedings of the Sixth International Workshop on Natural Language Processing for Social Media, 2018, 67-75.
Yoon, Y.S., "The Commercialization Characteristics of Low Rise Residential Districts in Inner-city Railway Station Area by the Road Gradient : Focused on 5 Cases in Seoul", Journal of the Regional Association of Architectural Institute of Korea, Vol.15, No.5, 2013, 137-146.
Zhang, C., D. Lei, Q. Yuan, H. Zhuang, L. Kaplan, S. Wang, and J. Han, "GeoBurst+ : Effective and Real-Time Local Event Detection in Geo-Tagged Tweet Streams", ACM Transactions on Intelligent Systems and Technology, Vol.9, No.3, 2018, 1-24.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증