본 연구의 목적은 축산차량의 이동이 빈번하게 일어나는 공간적 범위(방역권역)를 도출하는 것을 목적으로 한다. 이를 위하여 본 연구는 KAHIS에서 제공하는 축산차량의 시설 진입자료 중에서 6개 시점의 자료를 활용하였다. 이 자료를 축산시설간의 차량이동자료로 변환하고, 이를 행정구역단위로 취합하여 행정구역간의 OD자료를 구축하였다. 구축된 OD 자료를 활용한 R-mode 요인분석을 실시하여 동일요인으로 추출된 지역을 하나의 권역으로 판단하였다. 분석결과를 정리하면 다음과 같다. 첫째, 6개 시점 자료의 요인분석을 실시한 결과 16개~18개의 요인이 도출되었으며, 도출된 요인은 전체 분산의 63~68%를 설명하였다. 두 번째, 도출된 요인을 바탕으로 지역을 구분한 결과, 전남남해안지역, 전남지역, 전북지역, 충남서해안지역, 경남지역, 경북북부지역, 영남동해안지역은 시점에 따른 변화가 적은 안정적인 지역으로 나타났다. 반면, 충북지역, 강원도지역, 수도권지역은 상대적으로 변화가 큰 지역이다. 세 번째, 6개 시점의 자료를 종합하여 강원권역, 경기남부권역, 경기북부권역, 경남권역, 경북남부권역, 경북북부권역, 남해안권역, 대전권역, 동해안권역, 전남권역, 전북권역, 충남권역, 충북권역의 13개 권역을 도출하였다.
본 연구의 목적은 축산차량의 이동이 빈번하게 일어나는 공간적 범위(방역권역)를 도출하는 것을 목적으로 한다. 이를 위하여 본 연구는 KAHIS에서 제공하는 축산차량의 시설 진입자료 중에서 6개 시점의 자료를 활용하였다. 이 자료를 축산시설간의 차량이동자료로 변환하고, 이를 행정구역단위로 취합하여 행정구역간의 OD자료를 구축하였다. 구축된 OD 자료를 활용한 R-mode 요인분석을 실시하여 동일요인으로 추출된 지역을 하나의 권역으로 판단하였다. 분석결과를 정리하면 다음과 같다. 첫째, 6개 시점 자료의 요인분석을 실시한 결과 16개~18개의 요인이 도출되었으며, 도출된 요인은 전체 분산의 63~68%를 설명하였다. 두 번째, 도출된 요인을 바탕으로 지역을 구분한 결과, 전남남해안지역, 전남지역, 전북지역, 충남서해안지역, 경남지역, 경북북부지역, 영남동해안지역은 시점에 따른 변화가 적은 안정적인 지역으로 나타났다. 반면, 충북지역, 강원도지역, 수도권지역은 상대적으로 변화가 큰 지역이다. 세 번째, 6개 시점의 자료를 종합하여 강원권역, 경기남부권역, 경기북부권역, 경남권역, 경북남부권역, 경북북부권역, 남해안권역, 대전권역, 동해안권역, 전남권역, 전북권역, 충남권역, 충북권역의 13개 권역을 도출하였다.
The purpose of this study is to derive spatial area(preventive zone) where the movement of livestock vehicles occurs frequently. For this purpose, this study used 6 periods facility entrance data provided by KAHIS. This data was converted into vehicle movement data between livestock facilities and a...
The purpose of this study is to derive spatial area(preventive zone) where the movement of livestock vehicles occurs frequently. For this purpose, this study used 6 periods facility entrance data provided by KAHIS. This data was converted into vehicle movement data between livestock facilities and aggregated into administrative district units. The R-mode factor analysis was performed on the constructed OD data, and the region extracted by the same factor was judged as one region. The results of the analysis are summarized as follows. First, the factor analysis of 6 periods data showed 16 ~ 18 factors, and the derived factors explained 63 ~ 68% of the total variance. Second, based on the factors that were derived, Jeonam coastal area, Jeonnam area, Jeonbuk area, Chungnam coastal area, Gyeongnam area, northern Gyeongbuk area, Yeongnam costal area were found to be stable, with little change over time. On the other hand, Chungbuk area, Gangwon area, Seoul metropolitan area are relatively volatile areas. Third, 13 areas were derived by combining data from six periods.
The purpose of this study is to derive spatial area(preventive zone) where the movement of livestock vehicles occurs frequently. For this purpose, this study used 6 periods facility entrance data provided by KAHIS. This data was converted into vehicle movement data between livestock facilities and aggregated into administrative district units. The R-mode factor analysis was performed on the constructed OD data, and the region extracted by the same factor was judged as one region. The results of the analysis are summarized as follows. First, the factor analysis of 6 periods data showed 16 ~ 18 factors, and the derived factors explained 63 ~ 68% of the total variance. Second, based on the factors that were derived, Jeonam coastal area, Jeonnam area, Jeonbuk area, Chungnam coastal area, Gyeongnam area, northern Gyeongbuk area, Yeongnam costal area were found to be stable, with little change over time. On the other hand, Chungbuk area, Gangwon area, Seoul metropolitan area are relatively volatile areas. Third, 13 areas were derived by combining data from six periods.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
OD행렬 요인분석의 결과를 지도화하는 방식으로Goddard(1970)[14]가 사용한 요인부하량이 높은 지역을 주요 출발지로 하고 요인점수가 높은 지역을 주요 도착지로 표현하는 방법을 많이 활용한다. 그러나 본 연구는 주요 출발지와 주요 도착지보다는 서로 빈번한 이동이 일어나는 지역을 하나의 권역으로 구분하는 것에 더 관심이 있다. 따라서 같은 요인에 포함된 행정구역을 같은색으로 표기하였다.
본 연구는 가축 전염병 확산의 주요 원인이 축산차량이라는 점에 주목하여, 상호간에 축산차량의 이동이 빈번하게 일어나는 지역을 기능지역으로 묶어 방역권역을도출하였다. 이를 위하여 축산차량의 지역 간 이동 네트워크를 6개 시점의 OD행렬 자료로 구축하고, R-mode요인분석을 실시하였다.
본 연구는 역학상황을 고려한 권역의 설정이 필요한 상황에서 가축전염병의 확산에 큰 영향을 미치는 축산차량의 이동네트워크에 기반하여 방역권역을 도출하였다는 점에서 정책적 의의가 있다. 그러나 지역단위로 취합된 이동자료를 분석한 연구로, 개별 시설단위의 이동을 정밀하게 고려하지 못한 한계가 있으며, 축종별로 특화된 권역설정이 이루어지지 못한 한계도 있다.
본 연구는 행정구역 단위의 방역권역을 도출하고자 하기 때문에 시설 사이의 이동 자료를 행정구역 단위로 취합하였다. 분석에 활용된 행정구역 단위는 기본적으로 시군구로 하였다.
같은 자료를R-mode와 Q-mode로 각각 분석하면, 일부 다른 결과나 나타나지만, 일반적으로 R-mode 요인분석을 많이 활용한다[9]. 본 연구에서 도출하고자 하는 방역권역은 권역내에서 전염병이 발생한 경우 빠르게 전파될 가능성이있는 지역을 집중적으로 관리하기 위한 것이다. 따라서 감염원이 출발하여 유사한 도착지 패턴을 가지는 지역을 도출하는 것이 중요하기 때문에 R-mode 요인분석을 활용하였다.
본 연구의 목적은 축산차량의 상호이동이 잦은 지역을 도출하고 방역권역으로 활용하는 것이다. 이를 위하여 축산차량의 이동이 상호 빈번한 행정구역의 집합을 도출한다.
본 절에서는 앞 절에서 도출한 시기별 기능지역을 통합하여, 방역정책에 활용이 가능한 방역권역을 구분하고자 한다. 방역권역이라는 특성상, 실제 같은 권역에 포함되지 않아야 할 지자체가 포함되는 오류보다 실제 같은 권역에 포함되어야 할 지자체가 해당 권역에 포함되지 않는 오류의 문제점이 훨씬 더 크다.
연구문제 1 : 서로 간에 축산차량 이동이 빈번하게 일어나는 행정구역의 집합(권역)은 어떻게 이루어지는가?
연구문제 2 : 서로 간에 축산차량 이동이 빈번하게 일어나는 행정구역의 집합(권역)은 계절적, 시계열적으로 어떠한 변화가 있는가?
이 같은 상황에서 본 연구는 축산차량의 이동이 상호간에 빈번하게 일어나는 공간적 범위(방역권역)를 도출하는 것을 목적으로 한다. 이렇게 도출된 권역 내에서는 밀접한 차량이동이 이루어지기 때문에 전염병이 발생하는 경우 전파의 위험이 높다.
한국에서 축산차량 이동 네트워크는 시기와 계절에 따라 변화한다[5]. 이에 본 연구에서는 차량이동 네트워크에 따른 방역권역도 계절적, 시계열적인 변화가 있을 것으로 예상하고, 그 변화양상을 분석한다.
제안 방법
단, 특광역시는 대도시 지역이기 때문에 포함하는 축산시설의 개수가 매우 적고, 따라서 특광역시를 구나 군단위로 구분할 경우 축산차량의 이동량이 매우 미비하다. 따라서 특광역시는 하나의 통합단위로 분석하였다. 또한 방역의 주체가 지방자치단체이기 때문에 자치구가 아닌 행정구는 별도로 분리하지 않고 분석하였다.
따라서 특광역시는 하나의 통합단위로 분석하였다. 또한 방역의 주체가 지방자치단체이기 때문에 자치구가 아닌 행정구는 별도로 분리하지 않고 분석하였다. 이와 더불어 타 지역과 차량이동이 없는 울릉도, 제주도는 분석에서 제외하였다.
단, 2013년 겨울 시점에 한하여 자료 내에서 경기도 구리시의 이동횟수가 0이라 분석에서 제외하였다. 또한 본 분석은 지역 간의 연결 관계에 주로 관심을 가지고 있으며, 지역 내 이동의 정도는 관심사가 아니기 때문에 동일지역 내에서의 이동은 0으로 처리하고 분석하였다.
본 연구는 기능지역의 도출을 위하여 OD행렬을 요인분석하는 방법을 활용하였다. OD행렬은 행과 열이 동일한 지역으로 이루어지고 행렬의 값으로 해당 지역 사이의 이동량을 나타내는 행렬이다.
분석에 포함된 행정구역 단위로 축산차량의 이동량을 집계하여 시점별로 159 X 159의 OD행렬을 작성하였다. 단, 2013년 겨울 시점에 한하여 자료 내에서 경기도 구리시의 이동횟수가 0이라 분석에서 제외하였다.
분석 자료는 국가가축방역통합시스템(KAHIS: Korea Animal Health Integrated System)에서 구축하여 제공하는 축산차량의 시설 진입자료를 활용하였다. 이 자료를축산시설간의 차량이동자료로 변환하고, 이를 행정구역 단위로 취합하여 행정구역간의 OD(Origin-Destination) 자료를 작성하여 분석에 활용하였다.
이렇게 구축된 행정구역간의 축산차량 OD자료를 R-mode 요인분석으로 분석하여 방역권역을 도출하였다. OD자료를 활용하는 R-mode 요인분석은 지역 간의 유동에 기반한 기능지역을 구분하는데 널리 활용되는 분석방법이다.
연접하지 않은 지역이 하나의 권역으로 분류될 경우 방역대를 통한 이동제한 등의 설정에 어려움이 있기 때문이다. 이를 위하여 연접하지 않았으나 하나의 요인으로 분류된 지역은 연접하여 형성된 지역에 포함하여 하나의 권역으로 분류하였다. 경기도 남부 지역은 연접하지 않은 기능지역이 지속적으로 나타난다.
본 연구의 목적은 축산차량의 상호이동이 잦은 지역을 도출하고 방역권역으로 활용하는 것이다. 이를 위하여 축산차량의 이동이 상호 빈번한 행정구역의 집합을 도출한다.
본 연구는 가축 전염병 확산의 주요 원인이 축산차량이라는 점에 주목하여, 상호간에 축산차량의 이동이 빈번하게 일어나는 지역을 기능지역으로 묶어 방역권역을도출하였다. 이를 위하여 축산차량의 지역 간 이동 네트워크를 6개 시점의 OD행렬 자료로 구축하고, R-mode요인분석을 실시하였다. 분석결과를 요약하면 다음과 같다.
예를 들어 강원도 지역의 경우 북부와 남부의 기능지역이 나타나지만 많은 지자체가 시점에 따라 북부와 남부에 번갈아서 포함된다. 이에 강원도 지역에서 나타나는 3개의 기능지역을 하나로 묶어 방역권역을 설정하였다.
본 연구는 항목이 159개로 상당히 많으며, 고유 값을 1로 유지하는경우 30개 이상의 많은 요인이 추출되어 정책적인 활용 가능성이 낮다. 이에 본 연구에서는 고유 값의 기준을 2로 설정하고 2가 넘는 경우에 요인으로 추출하였다.
본 연구는 축산차량의 이동을 분석대상으로 하고 있으며 특정한 가축 전염병을 대상으로 하지는 않는다. 즉, 차량으로 전파될 수 있는 모든 가축 전염병이 연구의 대상이나, 가장 대표적인 가축 전염병인 FMD와 AI를 중심으로 서술하였다.
대상 데이터
본 연구는 KAHIS에서 제공하는 축산차량의 시설 진입데이터를 활용하였다. 상술한 바와 같이 6개의 시점(겨울 3시점, 여름 3시점)의 자료를 활용하였다.
본 연구의 공간적 범위는 전국으로 한다. 다만, 다른지역과 차량의 이동이 발생하지 않는 제주도와 울릉도를 제외한다.
분석 자료는 국가가축방역통합시스템(KAHIS: Korea Animal Health Integrated System)에서 구축하여 제공하는 축산차량의 시설 진입자료를 활용하였다.
본 연구는 KAHIS에서 제공하는 축산차량의 시설 진입데이터를 활용하였다. 상술한 바와 같이 6개의 시점(겨울 3시점, 여름 3시점)의 자료를 활용하였다. 다음의 Table 1은 분석에 활용된 6개 시점의 데이터 셋으로, 시점별로 3개월의 자료를 포함하고 있다.
이에 본 연구에서는 방역권역을 도출하기 위하여 시계열적인 자료를 활용하였다. 연구의 시간적 범위는 구득가능한 자료의 범위를 기준으로 설정하였으며, 계절적인 변동을 분석을 포함하기 위하여 하절기와 동절기의 자료를 활용하였다. 이에 따라 설정된 연구의 시간적 범위는 2013년 12월부터 2016년 8월까지이며, 계절적인 변화를 분석하기 위하여 3번의 겨울(2013년, 2014년, 2015년)과 3번의 여름(2014년, 2015년, 2016년)을 분석기간으로 설정하였다.
이에 따라 분석에 포함된 행정구역단위는 159개이다. 특광역시 8개(광주, 대구, 대전, 부산, 서울, 세종, 울산, 인천), 강원도 18개시군, 경기도 31개 시군, 경상남도 18개 시군, 경상북도 22개 시군, 전라남도 22개 시군, 전라북도 14개 시군, 충청남도 15개 시군, 충청북도 11개 시군이 분석에 포함되었다.
연구의 시간적 범위는 구득가능한 자료의 범위를 기준으로 설정하였으며, 계절적인 변동을 분석을 포함하기 위하여 하절기와 동절기의 자료를 활용하였다. 이에 따라 설정된 연구의 시간적 범위는 2013년 12월부터 2016년 8월까지이며, 계절적인 변화를 분석하기 위하여 3번의 겨울(2013년, 2014년, 2015년)과 3번의 여름(2014년, 2015년, 2016년)을 분석기간으로 설정하였다.
한국의 축산차량 이동 네트워크는 동적으로 변화하며, 특히 동절기에는 네트워크의 크기와 밀도가 모두 감소하는 것으로 알려져[5] 있으며, 따라서 시기별로 권역의 구조도 변화할 수 있다. 이에 본 연구에서는 방역권역을 도출하기 위하여 시계열적인 자료를 활용하였다. 연구의 시간적 범위는 구득가능한 자료의 범위를 기준으로 설정하였으며, 계절적인 변동을 분석을 포함하기 위하여 하절기와 동절기의 자료를 활용하였다.
이에 따라 분석에 포함된 행정구역단위는 159개이다. 특광역시 8개(광주, 대구, 대전, 부산, 서울, 세종, 울산, 인천), 강원도 18개시군, 경기도 31개 시군, 경상남도 18개 시군, 경상북도 22개 시군, 전라남도 22개 시군, 전라북도 14개 시군, 충청남도 15개 시군, 충청북도 11개 시군이 분석에 포함되었다.
데이터처리
요인분석은 SPSS 20을 활용하였으며, 요인의 수를 결정하기 위한 고유 값(아이겐 값)은 2를 활용하였다. 많은 경우 요인추출을 위한 고유 값으로 1을 활용(Kaiser기준)하고 있다.
이론/모형
본 연구에서 도출하고자 하는 방역권역은 권역내에서 전염병이 발생한 경우 빠르게 전파될 가능성이있는 지역을 집중적으로 관리하기 위한 것이다. 따라서 감염원이 출발하여 유사한 도착지 패턴을 가지는 지역을 도출하는 것이 중요하기 때문에 R-mode 요인분석을 활용하였다.
성능/효과
두 번째, 도출된 요인을 바탕으로 지역을 구분한 결과, 전남남해안지역, 전남지역, 전북지역, 충남서해안지역, 경남지역, 경북북부지역, 영남동해안지역은 시점에 따른 변화가 적은 안정적인 지역으로 나타났다. 반면, 충북지역, 강원도지역, 수도권지역은 상대적으로 변화가큰 것으로 나타났다.
세 번째, 6개 시점의 자료를 종합하여 강원권역, 경기남부권역, 경기북부권역, 경남권역, 경북남부권역, 경북북부권역, 남해안권역, 대전권역, 동해권역, 전남권역, 전북권역, 충남권역, 충북권역의 13개 가축 전염병 방역권역을 도출하였다.
첫째, 6개 시점 자료의 요인분석을 실시한 결과 16개~18개의 요인이 도출되었으며, 도출된 요인은 전체 분산의 63~68%를 설명하였다.
후속연구
이렇게 도출된 권역 내에서는 밀접한 차량이동이 이루어지기 때문에 전염병이 발생하는 경우 전파의 위험이 높다. 따라서 본 연구의 결과로 도출된 권역은 향후 가축 전염병 발생 시 이동제한, 소독의 강화, 검사의 강화 등 집중적이고 신속한 방역정책을 실시하기 위한 공간적 단위로 활용될 수 있을 것이다.
그러나 고유 값 1의 중요성은 항목이 많아질수록 감소하며[12], 고유 값을 1로 유지한 상태에서, 항목의 개수가 많아질수록 요인이 과다 추출되는 경향이 나타난다[13]. 본 연구는 항목이 159개로 상당히 많으며, 고유 값을 1로 유지하는경우 30개 이상의 많은 요인이 추출되어 정책적인 활용 가능성이 낮다. 이에 본 연구에서는 고유 값의 기준을 2로 설정하고 2가 넘는 경우에 요인으로 추출하였다.
그러나 본 연구의 결과에서 보는 바와 같이 차량이동이 밀접하게 이루어지는 권역의 공간적 범위는 행정구역상 광역시도의 공간적 범위와는 차이가 있다. 축산차량의 이동이 가축 전염병확산의 주요 원인임을 고려할 때 본 연구의 결과를 활용하면, 보다 효과적인 방역대의 설정이 가능할 것으로 판단된다.
그러나 지역단위로 취합된 이동자료를 분석한 연구로, 개별 시설단위의 이동을 정밀하게 고려하지 못한 한계가 있으며, 축종별로 특화된 권역설정이 이루어지지 못한 한계도 있다. 향후에는 개별 시설단위의 차량이동과 축종이 세밀하게 구분된 자료를 바탕으로 보다 정밀한 방역권역을 설정하는 연구가 이루어지기를 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
구제역 방역실시요령의 정의는 무엇인가?
구제역 방역실시요령에서의 정의는 다음과 같다. “권역이란 기본적으로 시·도 또는 시·군·구로 구분된 행정구역을 말하고, 필요시 세부적으로 검역본부장이 가축의 사육밀도, 사료공급, 종축이동, 도축장 이용형태 등 역학사항을 고려하여 지역을 구획하여 정할 수 있다. 구제역이 발생한 권역을 발생권역이라 한다[6].”
2010년에서 2017년까지 구제역(이하 FMD)과 조류인플루엔자로 인한 피해액은 얼마나 되는가?
2010년에서 2017년까지 구제역(이하 FMD)과 조류인플루엔자(이하 AI)로 인한 피해액이 4조원[1]으로, 주기적으로 발생하는 가축 전염병으로 인한 국가경제적 손실이 매우 큰 상황이다.
역학상황을 고려한 권역의 구축이 필요한 이유는 무엇인가?
조류인플루엔자 및 구제역의 방역실시요령에서는 역학상황을 고려하여 “권역”을 설정하도록 하고 있으나 현재는 광역시도를 활용하고 있는 상황이다. 그러나 본 연구의 결과에서 보는 바와 같이 차량이동이 밀접하게 이루어지는 권역의 공간적 범위는 행정구역상 광역시도의 공간적 범위와는 차이가 있다. 축산차량의 이동이 가축 전염병확산의 주요 원인임을 고려할 때 본 연구의 결과를 활용하면, 보다 효과적인 방역대의 설정이 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.