[논문]공공데이터를 활용한 초등학생 돌봄시설의 최적입지 선정

이지원; 김지영; 유기윤; 양성철

doi:10.22640/lxsiri.2019.49.2.109

공공데이터를 활용한 초등학생 돌봄시설의 최적입지 선정
Optimal Location Modeling for Elementary Student's Care facility using Public Data 원문보기

지적과 국토정보 = Journal of cadastre & land informatix, v.49 no.2, 2019년, pp.109 - 122

이지원 (서울대학교 건설환경공학부) , 김지영 (건국대학교 소셜에코테크 연구소) , 유기윤 (서울대학교 건설환경공학부) , 양성철 (대구대학교 부동산학과)

초록
AI-Helper

맞벌이 가구의 증가로 육아에 대한 사회적 관심이 커지고 있다. 특히 자녀의 초등학교 입학은 상대적으로 이른 하교시간 때문에 돌봄의 공백이 생겨 출산과 더불어 여성의 경력단절에 주된 원인으로 꼽힌다. 본 연구는 이러한 정책적 기조에 부합하여 초등학생 대상 돌봄시설의 최적 입지선정 방안을 제안하였다. 돌봄시설의 후보로 기존 아이돌봄시설을 대상으로 하였으며, 최적입지 선정 시 수리적 최적화뿐만 아니라 입지적 특성을 고려하는 이중구조의 평가방법을 사용하였다. 실험은 서울시 송파구를 대상으로 진행하였으며, 총 258개의 후보시설 중 36개의 최적입지를 선정하였다. 먼저 공공데이터를 활용하여 돌봄시설의 특성에 맞는 평가기준을 세운 후 입지점수를 매겨 이에 해당하는 1차 후보시설을 선별하였으며, 이때 다양한 공공데이터를 하나로 통합하기 위하여 격자리샘플링 방법을 사용하였다. 다음으로 선별된 시설을 대상으로 공간 최적화 모델인 p-median 방법을 활용하여 최종 돌봄시설을 선정하였다. 이렇게 선정된 결과는 총 거리를 고려한 위치적 최적해 일뿐 아니라 돌봄시설의 특성을 고려한 다양한 입지적 기준을 만족하는 값이다. 본 연구에서 제안한 방법을 통해 공공데이터 융합 및 활용도를 높일 수 있고, 공공시설 최적입지 선정 시 정책 의사결정에 도움을 줄 것으로 기대한다.

Abstract ▼ AI-Helper

The expansion of double-income households is increasing the social interest in child care. In particular, children's entrance into elementary school is considered to be the main cause of women's career break as well as childbirth. This study proposes an optimal location selection method for caring facilities for elementary school students. As a candidate for care facilities, we selected existing child care facilities. We proposed a dual structure evaluation method that considers locational characteristics as well as mathematical optimization when selecting the optimal location. The experiment was conducted in Songpa-gu, Seoul. A total of 36 optimal locations were selected from a total of 258 candidate facilities. First, the evaluation criteria were established using public data, and the primary candidate facilities were selected by ranking the location scores. At this time mesh resampling method was used to integrate various public data into one. Next, the final care facilities were selected using the p-median method. The results chosen are not only the optimal location considering total distance but also satisfy various location criteria considering the characteristics of the care facility. We expect that the proposed method will contribute to public data convergence or utilization and it will be helpful for policy decision when selecting the optimal location for public facilities.

주제어

표/그림 (6)

그림 Figure 1. Study flow
그림 Figure 2. Demand and supply for care facility in Songpa-gu, Seoul
표 Table 1. Data list
표 Table 2. Scoring process for each mesh
그림 Figure 3. Primary candidate facility selection
그림 Figure 4. Final candidate facility selection

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 물리적 거리에 의한 공간최적화 전에 개별 후보시설의 입지적 특성을 고려할 수 있는 이중구조의 입지 선정방법을 함께 제안하고자 한다.
서울과 같은 대도시의 경우 주거비용이 높기 때문에 물리적 거리에 의한 직주근접을 측정하기보다는 대중교통으로부터 얼마나 가까운지가 대안적 의미의 지표로 활용될 수 있다. 따라서 본 연구에서는 지하철 및 버스정류장의 위치를 직주근접성을 평가하기 위한 지표로 선정하였다.
본 연구는 공공시설에 대한 최적 입지 선택 시 기존의 최적화 모델뿐만 아니라 데이터에 기반하여 후보시설의 입지적 특성을 고려하는 이중구조의 평가방법을 사용하였다는 것과 품질보다는 양적 개방 위주로 성장해온 공공데이터를 이용하여 정책 의사결정 자료를 도출해내어 향후 공공데이터의 활용성에 대한 가능성을 검증했다는 데 의의가 있다. 다만 다양한 형식과 자료원을 가진 공공데이터의 사용이라는 연구 방향으로 인해 이에 대한 적용성 검증에 연구 초점을 맞추다 보니, 돌봄시설 입지기준 선정 자체에 대해서는 미흡한 부분이 있다.
본 연구는 새로운 부지보다는 기존의 공공시설 내에서 돌봄시설의 입지를 선정하여 시설을 복합화하는 방안을 제시하여 효율적인 예산 집행이 가능한 방안을 도출하고자 하였다. 교육부에서 제안하는 돌봄시설의 경우 초등학교 내에 설치하는 것을 목적으로 하고 있으며, 서울시의 우리 동네 키움센터의 경우 주민 생활과 밀접하고 가까운 공공시설 내 설치하는 것을 권고하고 있으므로 기존의 어린이집, 유치원, 초등학교, 지역아동센터 등을 후보시설로 선정하였다.
공공데이터는 공공데이터 포털과 서울시 등에서 이용하고 있으나, 그 제공주체 등이 다양하여 하나로 합치기가 어려워 연구의 활용도가 낮은 편이다. 본 연구에서는 다양한 단위를 가지고 있는 공공데이터를 하나로 취합하기 위해 격자 리샘플링 방안을 제시하였다. 국토에 관한 데이터는 주로 시도 시군 단위의 통계로 나타나는데 범위가 너무 넓어서 제대로 쓸 수가 없으며, 소지역 통계 역시 연구자마다 개별적으로 수집해야 하는 한계가 있다(임은선 외 2014).
목적함수는 문제의 구체적인 목적으로 최소화 또는 최대화하고자 하는 함수로 정의되는데 p-median 모델은 최소합 문제(minisum)의 일종이라고 할 수 있다(Daskin 1995). 본 연구에서는 돌봄시설을 이용하는 수요자가 시설까지 이동하는 평균 거리를 최소화할 수 있도록 목적함수를 설정하였다. p-median 알고리즘은 다음과 같다.
단순한 추가 설치보다 적지에 입지시키는 것이 한정된 예산을 효율적으로 집행할 수 있어 효과를 극대화시킬 수 있지만, 국민 눈높이에 맞는 정책 집행에 필요한 의사결정 자료는 부족한 게 현실이다. 이에 본 연구에서는 공공데이터에 기반한 공간분석을 통해 대안을 제시하여 정책적 기조에 부합한 초등학생 대상 돌봄시설의 최적 입지선정 방안을 제안하고자 한다. 돌봄시설과 같은 공적 영역의 입지 문제는 사회적 관점에서 특정한 목적을 달성하고자 한다는 점에서 상업적 이윤을 최대화하려는 사적 영역과는 근본적으로 다르다(이건학 2010).

가설 설정

분석을 위하여 최적 돌봄시설 개수(p)를 산정해야 하는데, 본 모델에서는 서울시에서 발표한 온마을 돌봄체계 구축 기본계획(안)에 따라, 2022년까지 총 900개의 돌봄시설을 설치한다고 가정하였다. 이를 자치구 25개로 나누면 최종적으로 한 구당 36개 돌봄시설이 필요하다.
공간 최적화를 지원하는 툴로는 ArcGIS와 CPLEX,LINGO 등이 있는데, 권필 외(2016)은 ArcGIS에서 제공하는 ‘Target market share’ 유형을 이용하여 자동제세동기(Automatic External Defibrillator; AED)의 최적 배치를 고려하였다. 이 유형은 주변의 경쟁시설을 감안하여 최소의 시설 수로 일정 수요 규모를 최대로 확보하는 방법론으로 위 연구에서는 이미 구축된 시설과 추가적으로 배치될 AED의 점유율을 각각 50%로 설정하여 서로의 사용률을 균등하게 나눈다고 가정하여 활용하였다.

제안 방법

100M×100M 격자를 기본 공간단위로 설정하여 다양한 공공데이터를 격자리샘플링을 통해 입지에 대한 점수를 부여하였다.
공공체육시설과 공공도서관 자료는 공공데이터포털에서 주소형태로 제공하므로 이를 지오코딩하여 포인트로 생성한 후(공간정보화), 격자에 포함되는 포인트들 매칭하였다(공간관계 정의). 그리고 격자 내에 존재하는 포인트를 집계하는데, 여기서는 합계의 방식을 통해서 격자에 값을 할당하였다(속성정보 변환). 어린이 교통사고 관련 자료와 지하철출입구, 버스정류장에 대한 자료는 각 출처를 통해(Table 1), x, y좌표를 통해 얻을 수 있으므로, 좌표변환을 통해 지도에 포인트로 생성이 가능하다(공간정보화).
대신 좀 더 돌봄시설 이용자의 편의를 고려하기 위해 위치에 초점을 맞춰 세부적 평가 기준을 고려하였다. 위치에 대한 평가 기준으로는 공공시설과의 연계,상위계획과의 부합성 등에 대한 일반적인 사항과 통학 안전, 통학 범위 등에 대한 사항 등을 담고 있다.
따라서 1차 후보시설로 최종점수가 1점 이상인 지역(391개) 안에 있는 시설만 선정하였다. 더불어 총점이 3점 이상인 지역(29개) 안에 있는 시설은 무조건 최적입지로 선택하도록 하였다.
돌봄시설의 입지적 특성을 반영하여 후보시설을 걸러내기 위해 100M×100M 격자를 기본 공간 단위로 설정하여 분석을 시행하였다.
돌봄시설의 입지적 특성이 고려된 1차 후보시설을 선정하기 위해 기본 공간 단위로 선정한 100M 격자를 활용하여 다양한 출처의 공간데이터를 하나로 융합하였다. 각 데이터의 특성에 따라1) 공간정보화, 2) 공간 관계 정의, 3) 속성정보 변환을 통해 변환과정을 거쳤다.
부모 중 모(母)의 고용률을 초등학생 수에 곱하여 수요를 산정하였으며, 공급 후보시설로는 기존 아이돌봄시설을 고려하였다. 돌봄시설의 최적입지 선정 시 수리적 최적 해를 찾는 공간최적화 모델을 활용하였는데, 시설의 특성에 맞는 입지기준을 고려해주기 위해 공공데이터를 활용하여 기존 후보시설들의 입지점수를 1차적으로 평가해주는 이중구조의 방법론을 제안하였다.
지하철의 경우 좀 더 정확한 위치를 표시해주기 위해 지하철 역사의 중심점이 아닌 출입구 위치를 나타내는 자료를 활용하였다. 두 자료 모두 서울시 전역에 대한 자료를 제공하므로 송파구 100M 격자 자료와 공간조인을 시켜 송파구에 포함된 대중교통시설을 도출하였다. 송파구 지하철출입구와 버스정류장은 각각 114개와 469개로 집계되었다.
초등학생 돌봄시설의 경우 돌봄을 받는 주체인 어린이는 물론 그 수요가 맞벌이 가정임을 감안하여, 퇴근 후 부모의 픽업 등을 고려하여 대중교통 관련 접근성 등도 함께 평가해야 한다. 따라서 다양한 기준의 설정 및 이를 하나로 통합하는 방법이 필요한데, 본 연구에서는 기본 공간 단위를 격자로 선정하여 이를 활용한 리샘플링 방법을 제안하였다.
이는 공공데이터의 생산이 다양한 곳에서 이루어지고 있어서, 데이터의 단위나 형태 등이 너무 달라 하나로 통합하기가 어렵기 때문이다. 따라서 본 연구에서는 이러한 공공데이터를 위치정보에 기반한 동일한 형태로 변환하여 융합하였다.
이때 수요지점과 공급지점을 포인트 형태로 변환해서 넣어주어야 하며, 수요지점의 데이터값이 반영될 수 있도록 엄마가 일하는 초등학생의 수를 가중치로 설정하여 계산하였다. 또한, 시설 선정 시 도보로 10분 이내로 접근 가능한 1km를 반경으로 하여 모델을 분석하였다.
또한, 어린이 통학 안전을 위해 통학 안전성을 계량화하기 위한 항목을 고려하였다. 이를 위해 기존에 발생한 보행 어린이 교통사고 위치와 스쿨존 교통사고 위치를 통학 안전과 관련된 요인으로 선정하였다.
어떤 부모의 경우 대중교통 근접을 가장 중요하게 고려되는 요인으로 고를 수 있지만, 다른 누군가에게는 도서관 등 문화시설과의 근접이 최우선사항이 될 수 있으므로 대략적인 긍정적 요인과 부정적 요인으로만 구분하였다. 또한, 이 과정에서 산출된 격자의 입지점수가 최종 후보시설을 일차적으로 걸러내는 역할만 하고, 수리적으로 큰 영향을 미치는 값이 아니므로 가중치 부여를 단순화시켜 격자별 점수를 평가하였다.
본 연구에서는 각종 통계 및 정책자료를 통해 수요와 공급을 선정한 후, 공공데이터를 활용하여 후보시설에 대한 입지적 특성을 평가하는 방법을 제안하였다. 마지막으로 공간 최적화를 위한 입지-배분모형을 활용하여 정책계획에 맞는 최종 후보시설을 선택하도록 하였다. 전체 연구방법론은 Figure 1과 같다.
마지막으로 통학 범위를 최소화하기 위해 돌봄시설을 이용하는 주수요자가 맞벌이 가정임을 고려하여 직주근접성을 계량화하는 지표를 선정하였다. 서울과 같은 대도시의 경우 주거비용이 높기 때문에 물리적 거리에 의한 직주근접을 측정하기보다는 대중교통으로부터 얼마나 가까운지가 대안적 의미의 지표로 활용될 수 있다.
위치에 대한 평가 기준으로는 공공시설과의 연계,상위계획과의 부합성 등에 대한 일반적인 사항과 통학 안전, 통학 범위 등에 대한 사항 등을 담고 있다. 먼저 공공시설과의 연계를 위해서 국민편의시설의 근접성을 계량화할 수 있는 항목을 고려하였다. 교육환경평가 항목의 세부기준 중 교지와 도서관, 문화시설 및 체육시설 등이 인접해야 한다는 사항이 있으므로, 공공체육시설 위치 및 공공도서관 위치를 지표로 선정하였다.
돌봄시설에 대한 최적 입지선정을 위해서는 이에 해당하는 수요와 공급에 대한 정의가 우선되어야 한다. 본 연구에서는 각종 통계 및 정책자료를 통해 수요와 공급을 선정한 후, 공공데이터를 활용하여 후보시설에 대한 입지적 특성을 평가하는 방법을 제안하였다. 마지막으로 공간 최적화를 위한 입지-배분모형을 활용하여 정책계획에 맞는 최종 후보시설을 선택하도록 하였다.
어린이 교통사고 관련 자료와 지하철출입구, 버스정류장에 대한 자료는 각 출처를 통해(Table 1), x, y좌표를 통해 얻을 수 있으므로, 좌표변환을 통해 지도에 포인트로 생성이 가능하다(공간정보화). 이때 격자에 포함되는 포인트를 매칭하였으며(공간관계 정의), 격자내 존재하는 포인트를 합산하여 각 격자값에 할당하였다(속성정보 변환).
3의 Network Analysis 중 Location-allocation 방식을 사용하였다. 이때 수요지점과 공급지점을 포인트 형태로 변환해서 넣어주어야 하며, 수요지점의 데이터값이 반영될 수 있도록 엄마가 일하는 초등학생의 수를 가중치로 설정하여 계산하였다. 또한, 시설 선정 시 도보로 10분 이내로 접근 가능한 1km를 반경으로 하여 모델을 분석하였다.
이렇게 격자리샘플링을 통하여 공공데이터에 의한 요인별 점수를 도출한 후 가중치를 부여하여, 각 격자에 대한 요인별 입지점수를 산출하였다. 이때, 근접하면 좋은 요인인 공공체육시설, 공공도서관, 지하철 출입구, 버스정류장에 대한 값은 가중치 1을 부여하였으며, 멀수록 좋은 요인인 보행어린이 사고다발지역과 스쿨존 교통사고지역은 가중치 -1을 부여하여 합산한 후 전체 3,578개 격자에 대하여 최종점수를 산출하였다.
또한, 어린이 통학 안전을 위해 통학 안전성을 계량화하기 위한 항목을 고려하였다. 이를 위해 기존에 발생한 보행 어린이 교통사고 위치와 스쿨존 교통사고 위치를 통학 안전과 관련된 요인으로 선정하였다.
추가로 맞벌이 부모들의 동선을 고려한 대중교통 근접 정도를 분석하기 위해서는 도로명주소 기본도에 포함된 지하철 출입구 자료와 서울 열린데이터광장에서 제공하는 버스정류장 자료를 사용하여 분석하였다. 지하철의 경우 좀 더 정확한 위치를 표시해주기 위해 지하철 역사의 중심점이 아닌 출입구 위치를 나타내는 자료를 활용하였다.
100M×100M 격자를 기본 공간단위로 설정하여 다양한 공공데이터를 격자리샘플링을 통해 입지에 대한 점수를 부여하였다. 평가기준은 교육환경평가를 참고하여 선정하였으며, 공공시설물 근접여부, 어린이 안전정도, 대중교통 근접여부에 대하여 데이터를 구축한 후, 근접하면 좋은 요인은 가중치 1로, 그렇지않은 요인에 대해서는 -1을 부여하여 격자별로 합산 후 점수를 매겼다. 이를 앞에서 선정한 후보시설과 매칭하여 입지점수가 좋은 곳에 위치한 돌봄시설만 1차 후보로 선정하였으며, 총 41개가 선택되었다.

대상 데이터

또한, 어린이 교통사고 다발지역에서 먼 곳에 입지한 지역을 돌봄교실로 선정하기 위해 교통사고분석시스템인 TASS에서 제공하는 관련 자료를 사용하였다. 2012년부터 2017년까지 집계데이터로 구성된 보행어린이 사고다발지역에 대한 자료(37건)와 스쿨존 교통 사고지역(2건)에 대한 자료를 활용하여 어린이 안전에 관한 데이터를 구축하였다.
공공데이터를 활용하여 입지점수에 따라 걸러진 1차 후보시설 41개를 대상으로 공간최적화 모델에 기반한 최종 돌봄시설을 선정하였다. 돌봄시설의 편의성을 고려하여 공간 최적화 모델 중 공간적 효율성을 강조하는 p-median 모델을 사용하였다.
공공데이터를 활용한 격자 리샘플링 작업을 통해 1차로 걸러진 후보시설을 대상으로 입지-배분 모델을 적용하여 최종적으로 돌봄시설의 입지를 선정한다. 다양한 공간 최적화 방법들이 존재하므로 입지를 선정하고자 하는 공공시설의 특성을 고려한 방법론 선택이 중요하다.
공공체육시설과 공공도서관 관련 정보는 공공데이터 포털에서 제공하는 자료를 활용하였으며, 송파구의 체육시설은 31개, 도서관은 11개로 집계되었다. 체육시설은 주로 한강과 종합운동장 등이 인접해 있는 북쪽에 밀집해 있고 도서관의 위치는 대부분 고르게 분포되어 있다.
이때 통계제공의 한계로 편부(父)의가정은 고려하지 못하였다. 공급을 위한 후보시설은 공공데이터 포털 및 개별 홈페이지 조사 등을 통해 기존 송파구의 아이돌봄시설 중에서 선정하였다. 시설현황을 보면 어린이집이 총 409개이며, 그 중의 정원이 30명 이상인 어린이집은 160개로 집계되었다.
본 연구는 새로운 부지보다는 기존의 공공시설 내에서 돌봄시설의 입지를 선정하여 시설을 복합화하는 방안을 제시하여 효율적인 예산 집행이 가능한 방안을 도출하고자 하였다. 교육부에서 제안하는 돌봄시설의 경우 초등학교 내에 설치하는 것을 목적으로 하고 있으며, 서울시의 우리 동네 키움센터의 경우 주민 생활과 밀접하고 가까운 공공시설 내 설치하는 것을 권고하고 있으므로 기존의 어린이집, 유치원, 초등학교, 지역아동센터 등을 후보시설로 선정하였다. 노인복지시설 등 기타 공공시설의 경우 법적으로 ‘아이돌봄’ 관련 사항이 명시되어 있지 않으므로 후보에서 제외하였다.
최종점수는 -4점에서 6점 사이의 점수로 부여되었는데, 0점 이하가 3,187개로 전체의 80% 이상을 차지한다. 따라서 1차 후보시설로 최종점수가 1점 이상인 지역(391개) 안에 있는 시설만 선정하였다. 더불어 총점이 3점 이상인 지역(29개) 안에 있는 시설은 무조건 최적입지로 선택하도록 하였다.
또한, 어린이 교통사고 다발지역에서 먼 곳에 입지한 지역을 돌봄교실로 선정하기 위해 교통사고분석시스템인 TASS에서 제공하는 관련 자료를 사용하였다. 2012년부터 2017년까지 집계데이터로 구성된 보행어린이 사고다발지역에 대한 자료(37건)와 스쿨존 교통 사고지역(2건)에 대한 자료를 활용하여 어린이 안전에 관한 데이터를 구축하였다.
본 연구는 국민생활 편익증진 시설인 생활 SOC을 늘리겠다는 정부의 정책적 기조를 고려하여(정부부처 합동 2019), 기존 시설을 복합화하여 활용할 수 있는 초등학생 대상 돌봄시설의 최적입지를 선정하였다. 부모 중 모(母)의 고용률을 초등학생 수에 곱하여 수요를 산정하였으며, 공급 후보시설로는 기존 아이돌봄시설을 고려하였다.
본 연구는 서울시 송파구를 대상으로 하여 초등학생 돌봄시설의 최적 입지를 선정하였다. 송파구는 서울 25개 자치구 중 태어나는 아이 수가 가장 많은 지역이며, 초등학교 수도 40개로 다른 구에 비해 비교적 많은 것으로 조사되어 실험대상에 적절할 것으로 판단되었다.
본 연구는 국민생활 편익증진 시설인 생활 SOC을 늘리겠다는 정부의 정책적 기조를 고려하여(정부부처 합동 2019), 기존 시설을 복합화하여 활용할 수 있는 초등학생 대상 돌봄시설의 최적입지를 선정하였다. 부모 중 모(母)의 고용률을 초등학생 수에 곱하여 수요를 산정하였으며, 공급 후보시설로는 기존 아이돌봄시설을 고려하였다. 돌봄시설의 최적입지 선정 시 수리적 최적 해를 찾는 공간최적화 모델을 활용하였는데, 시설의 특성에 맞는 입지기준을 고려해주기 위해 공공데이터를 활용하여 기존 후보시설들의 입지점수를 1차적으로 평가해주는 이중구조의 방법론을 제안하였다.
선택된 격자와 앞에서 선정한 아이돌봄 후보시설 258개를 위치정보를 기준으로 매칭시켜 1차 후보시설을 선정하였다. 최종 후보시설 중 입지점수가 1점 이상인 391개 격자에 속하는 후보시설은 총 41개이며, 세부적으로 입지점수가 1-2점인 시설은 38개, 3점 이상인 시설은 3개로 집계되었다.
수요자들의 특성에 부합하는 평가기준을 마련하기 위해서는 다양한 데이터의 취합이 요구되는데 이를 위하여 공공데이터를 활용하였다. 공공데이터는 공공데이터 포털과 서울시 등에서 이용하고 있으나, 그 제공주체 등이 다양하여 하나로 합치기가 어려워 연구의 활용도가 낮은 편이다.
시설의 공급을 위한 후보시설로 기존 아이돌봄시설인 어린이집, 유치원, 초등학교, 지역아동센터, 청소년 방과후아카데미 등으로 선정하였다.
실험결과 Figure 4과 같이 최종 돌봄시설 36개가 선택되었다. 이는 수리적으로 수요지와 입지할 돌봄시설 간의 총비용을 최소화하는 해이며, 1차 분석을 통해 초등학생 돌봄이라는 수요에 대한 입지적 기준도 만족한 값임을 알 수 있다.
실험지역인 서울시 송파구를 대상으로 하여 총 258개의 후보지 중 36개의 돌봄시설이 선택되도록 하였다. 이때 1차적으로 공공데이터를 활용하여 돌봄시설의 입지기준에 부합하는 후보시설물을 한차례 걸려주었다.
유치원과 초등학교는 각각 50개, 40개로 총 90개이나, 이 중 초등학교 병설유치원 12개를 제외한 나머지 78개를 분석대상으로 선정하였다. 지역아동센터는 총 20개가 조사되었으며, 송파구의 경우 방과 후 청소년 아카데미는 없어서 분석에서 제외하였다.
평가기준은 교육환경평가를 참고하여 선정하였으며, 공공시설물 근접여부, 어린이 안전정도, 대중교통 근접여부에 대하여 데이터를 구축한 후, 근접하면 좋은 요인은 가중치 1로, 그렇지않은 요인에 대해서는 -1을 부여하여 격자별로 합산 후 점수를 매겼다. 이를 앞에서 선정한 후보시설과 매칭하여 입지점수가 좋은 곳에 위치한 돌봄시설만 1차 후보로 선정하였으며, 총 41개가 선택되었다.
국가지점번호는 UTM-K 좌표계로부터 서쪽으로 300km, 남쪽으로 700km 지점을 기준점으로 하고 이 기준점에서 100km 단위로 격자를 생성하는데, 행정안전부에서는 국가지점번호의 격자를 100km에서 세분화하여 10km, 1km,100m, 10m 단위로 정의하고 있다. 이에 본 연구의 대상은 재난 안전시설과 같이 초근접 단위(10m)의 접근성 개선이 요구되지 않으므로 그다음 소지역 단위인 100m 격자를 활용하여 기본 공간 단위로 설정하였다. 송파구를 100M ×100M 격자로 나누면 총 3,578개의격자로 분할된다.
추가로 맞벌이 부모들의 동선을 고려한 대중교통 근접 정도를 분석하기 위해서는 도로명주소 기본도에 포함된 지하철 출입구 자료와 서울 열린데이터광장에서 제공하는 버스정류장 자료를 사용하여 분석하였다. 지하철의 경우 좀 더 정확한 위치를 표시해주기 위해 지하철 역사의 중심점이 아닌 출입구 위치를 나타내는 자료를 활용하였다. 두 자료 모두 서울시 전역에 대한 자료를 제공하므로 송파구 100M 격자 자료와 공간조인을 시켜 송파구에 포함된 대중교통시설을 도출하였다.
이를 자치구 25개로 나누면 최종적으로 한 구당 36개 돌봄시설이 필요하다. 최종 돌봄시설 선택 시 1차 후보시설 41개 중 입지점수가 3점 이상인 3개 시설은 무조건 선택되는 것으로 하고, 나머지 38개 중 33개의 시설이 선정되도록 모델을 설정하였다.
지역아동센터는 총 20개가 조사되었으며, 송파구의 경우 방과 후 청소년 아카데미는 없어서 분석에서 제외하였다. 최종적으로 송파구 초등학생 대상 돌봄시설 후보지는 어린이집 160개, 유치원 및 초등학교 78개, 지역아동센터 20개 총 258개로 선정하였다. Figure 2는 본 연구에서 사용한 서울시 송파구의 초등학생 돌봄시설에 대한 수요와 공급 후보시설을 나타낸 것이다.

이론/모형

p-median 모델 적용을 위해 ArcGIS 10.3의 Network Analysis 중 Location-allocation 방식을 사용하였다. 이때 수요지점과 공급지점을 포인트 형태로 변환해서 넣어주어야 하며, 수요지점의 데이터값이 반영될 수 있도록 엄마가 일하는 초등학생의 수를 가중치로 설정하여 계산하였다.
공공데이터를 활용하여 입지점수에 따라 걸러진 1차 후보시설 41개를 대상으로 공간최적화 모델에 기반한 최종 돌봄시설을 선정하였다. 돌봄시설의 편의성을 고려하여 공간 최적화 모델 중 공간적 효율성을 강조하는 p-median 모델을 사용하였다.
다양한 공간 최적화 방법들이 존재하므로 입지를 선정하고자 하는 공공시설의 특성을 고려한 방법론 선택이 중요하다. 본 연구는 초등학생 돌봄이라는 이용자 편의성이 강조된 공공시설이므로, 공간적 형평성보다는 효율성 측면을 강조한 p-median 모델을 적용하였다. 돌봄시설은 공공의료시설 등과 같이 전 계층을 대상으로 하는 시설이 아니고, 주 이용자인 초등학생을 가진 맞벌이 부모라 할지라도 모두가 반드시 이용해야 하는 것은 아닌 국민의 편의를 도모하는 시설이므로 효율성에 중점을 두는 것이 더 적합하다.
이때 입지점수를 매기기 위해 평가 기준으로 삼은 요인들은 초등학교와 같은 교육기관 설립 전 사전평가제도인 교육환경평가의 평가항목을 참고하였다. 교육환경평가의 경우 위치, 크기 및 외형, 지형 및 토양환경, 대기환경, 주변 유해환경, 공공시설을 평가항목으로 설정하였는데, 본 연구는 이미 있는 교육시설 중에서 재선정하는 방식이므로, 위치 이외의 항목은 일정 요건을 만족한 것으로 간주하여 고려하지 않았다.
최종적으로 수리적 공간 최적화를 이룰 수 있도록 입지-배분 모델을 적용하였는데, 돌봄시설이 맞벌이 가정의 편의성을 강조한 시설임을 고려하여 수요지와 공급지 간의 거리를 최소화할 수 있도록 p-median 모델을 적용하였다. 이때, 앞 절에서 부여한 최종 입지점수 중 3점 이상인 3개 시설은 무조건 선택될 수 있도록 하고, 나머지 33개는 최종점수가 1~2점 사이에서 선택될 수 있도록 모델을 구성하였다.

성능/효과

본 연구는 서울시 송파구를 대상으로 하여 초등학생 돌봄시설의 최적 입지를 선정하였다. 송파구는 서울 25개 자치구 중 태어나는 아이 수가 가장 많은 지역이며, 초등학교 수도 40개로 다른 구에 비해 비교적 많은 것으로 조사되어 실험대상에 적절할 것으로 판단되었다.
공급을 위한 후보시설은 공공데이터 포털 및 개별 홈페이지 조사 등을 통해 기존 송파구의 아이돌봄시설 중에서 선정하였다. 시설현황을 보면 어린이집이 총 409개이며, 그 중의 정원이 30명 이상인 어린이집은 160개로 집계되었다. 어린이집의 경우 정원이 30명 미만일 경우 대부분 국공립이나 민간이 아닌 4세 미만 영아전담을 위한 가정어린이집으로 분류되므로 감염 등의 우려가 있고, 아파트 1층 등 주거시설에 위치하므로 실질적으로 초등학생 돌봄을 위한 여유 공간 확보가 어려워 후보시설에서 배제하였다.
이렇게 격자리샘플링을 통하여 공공데이터에 의한 요인별 점수를 도출한 후 가중치를 부여하여, 각 격자에 대한 요인별 입지점수를 산출하였다. 이때, 근접하면 좋은 요인인 공공체육시설, 공공도서관, 지하철 출입구, 버스정류장에 대한 값은 가중치 1을 부여하였으며, 멀수록 좋은 요인인 보행어린이 사고다발지역과 스쿨존 교통사고지역은 가중치 -1을 부여하여 합산한 후 전체 3,578개 격자에 대하여 최종점수를 산출하였다. Table 2는 격자별 점수산정에 관한 프로세스이다.
선택된 격자와 앞에서 선정한 아이돌봄 후보시설 258개를 위치정보를 기준으로 매칭시켜 1차 후보시설을 선정하였다. 최종 후보시설 중 입지점수가 1점 이상인 391개 격자에 속하는 후보시설은 총 41개이며, 세부적으로 입지점수가 1-2점인 시설은 38개, 3점 이상인 시설은 3개로 집계되었다.

후속연구

선행연구 검토 결과 다양한 공간 최적화 방법이 존재하므로 입지를 선정하고자 하는 공공시설물의 특성을 정확히 파악하는 것이 우선적으로 필요하다. 또한, 수리 최적화 기법에 기반한 기존 연구의 경우 정확한 해를 도출하기 위해 다기준 평가기법과 같은 다양한 기준 검토보다는 물리적인 거리 등에 초점을 맞춰 연구했다는데 한계가 있다. 수요를 유동인구나 직장인구 등으로 다각화하여 최적 입지를 선정한 사례는 있으나 공공시설 자체에 대한 입지적 기준에 대한 검증은 이루어지지 않았다.
다만 다양한 형식과 자료원을 가진 공공데이터의 사용이라는 연구 방향으로 인해 이에 대한 적용성 검증에 연구 초점을 맞추다 보니, 돌봄시설 입지기준 선정 자체에 대해서는 미흡한 부분이 있다. 향후에는 입지 기준 선정 시 수요자들의 의견을 직접적으로 고려할 수 있도록 데이터의 범위를 SNS 데이터 등 비정형데이터로 확대하여기준을 다양화시킬 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	공공데이터를 활용하여 공공시설물의 최적 입지를 선정하는 이유는?	수요자들의 특성에 부합하는 평가기준을 마련하기 위해서는 다양한 데이터의 취합이 요구되는데 이를 위하여 공공데이터를 활용하였다. 공공데이터는 공공데이터 포털과 서울시 등에서 이용하고 있으나, 그 제공주체 등이 다양하여 하나로 합치기가 어려워 연구의 활용도가 낮은 편이다.
	육아공백의 해결을 위한 정부의 대처는 어떠한가?	여성의 사회참여 확대에 따라 맞벌이 가구가 증가하면서 육아공백에 대한 사회적 관심이 증가하고 있다. 현 정부에서는 국공립어린이집 확충, 온종일 돌봄 등을 주요 국정과제로 추진하고 있으나 늘어나는 수요를 감당하기엔 역부족이다. 특히 원칙적으로 오전 7시 30분부터 오후 7시 30분까지 운영되는 어린이집에 비해 초등학교는 하교 시간이 상대적으로 이르기 때문에 돌봄의 공백이 생겨, 출산과 더불어 여성 경력단절의 주된 이유로 꼽힌다.
	p-median 방법론이란 무엇인가?	p-median 방법론은 공장, 창고, 물류센터 또는 공공시설 등을 설치할 수 있는 후보입지가 주어져 있고 각 후보입지는 소비자 수요 발생지역을 나타내며 각 시설로부터 각 소비자에게 제품을 수송할 때 소요되는 단위당 수송비와 수송 거리가 주어져 있다고 가정할 때, 최소의 수송비용으로 모든 소비자의 수요를 충족시킬 수 있는 p개 이하의 시설 설치 입지를 결정하는 방법론이다(조건 2004). 이때 시설의 최적 개수인 p를 찾는 방법은 수리적인 모형을 사용하여도 되고, 공공시설과 같이 예산제약 등 정책적 연관성이 있는 사항의 경우 휴리스틱 한 방법론을 통해 선정할 수 있다.

참고문헌 (23)

Ministry of Education. 2019.01.08 Press release. Primary care class for the new semester.
National Geographic Information Institute. 2014. National Land Survey Platform Standard Development.
Kwon P, Lee YM, Yu KY, Lee WH. 2016. A Study of Optimal Location and Allocation to Improve Accessibility of Automated External Defibrillator. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography. 34(3): 263-271.

원문보기 상세보기
Kim MS, Lee JY. 2015. A Data Transformation Method for Visualizing the Statistical Information based on the Grid. Journal of Korea Spatial Information Society. 23(5): 31-40.
Kim JI, Chung HW. 2001. GIS Applications for Optimum Site Selection of Public Facility. Journal of the Korean Association of Geographic Information Studies. 4(4): 8-20.
Kim HB, Kim SG. 2006. A Site Selection of Public Facility Based on An Accessibility Theory & GIS Spatial Analysis Technologies. Journal of the Korean Society of Civil Engineers D. 26(3D):385-391.
Park BR, Lee KJ, Choi KC. 2013. Optimum Location Choice for Bike Parking Lots Using Heuristic P-Median Algorithm. Journal of the Korean Society of Civil Engineers. 33(5): 1989-1998.

원문보기 상세보기
Park HJ, Yang HO, Kim HD, Park YJ. 2009. Development of Educational Environment Evaluation Criteria and Indicators. Korean Educational Development Institute. CR2009-36-5.
Song HJ, Lee GH. 2017. Optimal Location Modeling of Early Voting Polls Considering Spatial Accessibility: Cases of Seocho and Gangnamgu in Seoul. Journal of the Koren Geographical Society. 52(6):827-843.
Seoul Women's Family Policy Office. 2019.02 Press release. Basic plan for constructing child care system.
Lee GH. 2010. Analysis of Locational Change of the Community Service Centers and Optimal Location Modeling after Dong Merger and Abolition: Spatial Efficiency and Equity Approach. Journal of the Koren Geographical Society. 45(4): 521-539.
Lee HS, Chen MW, Choo SH. 2017. Developing an Optimal Location Selection Methodology of Unmanned Parcel Service Box. Journal of the Korea Institute of Intelligent Transport Systems. 16(4): 13-24.
Lee HY. 2000. The Site Selection for Public Facilities in Using the Multi-Criteria Evaluation Method in Geographic Information System: A Case Study of the Waste Incinerator. Journal of the Koren Geographical Society. 35(3): 437-454.
Yim ES, Lee YJ, Hwang MH, Cha MS. 2014. Development and Application of a Model for Integrating Geospatial and Statistical Information. Korea Research Institute for Human Settlement. KRIHS 2014-1.
Jang MS, OH HR, Park JE. 2013. Proposal of establishment of additional station to improve connectivity of public bicycles in Seocho. Proceedings of the Korean Institute of Industrial Engineers. 1457-1464.
Joint Government Departments. 2019.04.15 Press release. Classy neighborhood where everyone can meet anywhere in 10 minutes.
Cho G. 2004. A Study on Developing and Efficient Algorithm for the p-median Problem on a Tree Network. Journal of the Korean Operations Research and Management Science Society. 29(1): 57-50.
Choi DJ, Park JH. 2018. Analysis of Dispatch Strongpoint for the Fire Accidents Based on Spatial Location-Allocation Model in the Chungnam Province, South Korea. Journal of The Korean Association of Regional Geographers. 24(2): 267-278.

상세보기
Statistics Korea. 2018.12 Press release. Work-Family compatibility index.
Baray JR, Cliquet GR. 2013. Opitimizing locations through a maximum covering/p-median hierarchical model: Maternity hospitals in France. Journal of Business Research. 66(1):127-132.

상세보기
Daskin MS. 1995. Network and Discrete Location: Models, Algorithms, and Applications. John& Wiley Sons.
Park C, Sohn SY. 2017. An optimization approach for the placement of bicycle-sharing stations to reduce short car trips: An application to the city of Seoul. Transportation Research Part A 105: 154-166.
Ye L, Ye CM, Chuang YF. 2011. Location set covering for waste resource recycling centers in Taiwan. Resource, Conservation and Recycling. 55(11): 979-985.

상세보기

저자의 다른 논문 :

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