[논문]소상공인 점포의 분포와 환경요인의 공간적 영향관계에 관한 실증연구

유무상; 최돈정

doi:10.11108/kagis.2019.22.1.001

소상공인 점포의 분포와 환경요인의 공간적 영향관계에 관한 실증연구
An Empirical Study on the Spatial Effect of Distribution Patterns between Small Business and Social-environmental factors 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.22 no.1, 2019년, pp.1 - 18

유무상 (충남연구원 공간환경연구실) , 최돈정 (충남연구원 공간환경연구실)

초록
AI-Helper

본 연구에서는 천안시, 아산시의 $100m{\times}100m$격자 내에 집계된 소상공인 분포가 가지는 공간적 의존성(Spatial Dependency)과 공간적 이질성(Spatial Heterogeneity)을 전역적(Global), 국지적(Local) 공간 자기상관(Spatial Autocorrelation)을 통해 측정 및 가시화하였다. 먼저 탐색적 공간데이터 분석방법(ESDA: Explotory Spatial Data Analysis)인 Moran's I Index를 통해 연구지역에서 소상공인 분포의 정적(Positive)공간자기상관이 발생하는 것을 확인하였으며, 국지적 공간자기상관 지표(LISA : Local Indicators of Spatial Association) 중 하나인 Getis-Ord $GI{\ast}$를 통해 공간자기상관의 국지적 패턴을 가시화하였다. 이를 통해 소상공인 상가점포의 입지요인 분석 시 적용할 변수와의 관계에 대해 공간회귀모형의 적용이 타당함을 증명하였으며, 소상공인의 분포와 모바일 트래픽 기반의 시간대별 유동인구, 토지이용 혼합성 지수 그리고 주거지, 상점, 도로망, 교통결절점과의 공간영향관계를 지리가중 회귀분석(GWR : Geographically Weighted Regression)을 통해 분석하였다. 최종적으로 다중공선성(Multicollinearity)이 발생했던 버스정류장 접근성, 오후시간대 유동인구, 저녁시간대 유동인구를 제외한 6개의 변수를 적용하였고 GWR 모형이 OLS모형보다 주요통계량에서 모형 설명력이 개선됨을 도출하였다. 분석에 최종적으로 적용된 6가지 변수의 회귀계수와 국지적 결정계수(Local $R^2$)에 대해 연구지역 내에서 공간적으로 변화하는 변수별 영향력을 가시화하였다. 본 연구는 실질적으로 측정된 방식의 유동인구 정보를 적용함으로써 상권을 이용하는 도시민의 동적 정보를 반영한 것이 상권분석을 수행한 다른 연구들과 차별적인 성격을 가진다. 마지막으로 이러한 동적정보와 변수들의 공간적 상호작용을 구조화하기 위해 미시적 공간단위에서 공간통계학(Spatial Statistical)적 모형 적용을 통해 상권분석의 새로운 프레임을 제시하였다는 점에서 연구적 의의를 가진다.

Abstract ▼ AI-Helper

This research measured and visualized the spatial dependency and the spatial heterogeneity of the small business in Cheonan-si, Asan-si with $100m{\times}100m$ grids based on global and local spatial autocorrelation. First, we confirmed positive spatial autocorrelation of small business in the research area using Moran's I Index, which is ESDA(Exploratory Spatial Data Analysis). And then, through Getis-Ord $GI{\ast}$, one kind of LISA(Local Indicators of Spatial Association), local patterns of spatial autocorrelation were visualized. These verified that Spatial Regression Model is valid for the location factor analysis on small business commercial buildings. Next, GWR(Geographically Weighted Regression) was used to analyze the spatial relations between the distribution of small business, hourly mobile traffic-based floating population, land use attributes index, residence, commercial building, road networks, and the node of traffic networks. Final six variables were applied and the accessibility to bus stops, afternoon time floating population, and evening time floating population were excluded due to multicollinearity. By this, we demonstrated that GWR is statistically improved compared to OLS. We visualized the spatial influence of the individual variables using the regression coefficients and local coefficients of determinant of the six variables. This research applied the measured population information in a practical way. Reflecting the dynamic information of the urban people using the commercial area. It is different from other studies that performed commercial analysis. Finally, this research has a differentiated advantage over the existing commercial area analysis in that it employed hourly changing commercial service population data and it applied spatial statistical models to micro spatial units. This research proposed new framework for the commercial analysis area analysis.

주제어

표/그림 (9)

그림 FIGURE 1. Research Area
그림 FIGURE 2. Research Flow Chart
표 TABLE 1. Building Data and Setting Variables
그림 FIGURE 3. Moran’s I Index of Small Business Distribution
그림 FIGURE 4. Cluster Area of Small Business Distribution
그림 FIGURE 5. Example of Distribution Change according to Flow Visualization Method
표 TABLE 2. By Age/Time zone Flow Population Detection Grid Count and Daily Average Flow Population
표 TABLE 3. Comparison of OLS and GWR Analysis Results
그림 FIGURE 6. Local R² of GWR Model and Regression Coefficient Distribution by Variables

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 실질적으로 측정된 방식의 유동인구 정보를 적용함으로써 상권을 이용하는 도시민의 동적 정보를 반영한 것이 상권분석을 수행한 다른 연구들과 차별적인 성격을 가진다. 또한 이러한 동적정보와 변수들의 공간적 상호작용을 구조화하기 위해 미시적 공간단위에서 공간통계학(Spatial Statistical)적 모형 적용을 통해 상권분석의 새로운 프레임을 제시하였다는 점에서 연구적 의의를 가진다.
본 연구에서는 ESDA의 분석기법인 Morans’ I Index와 모란 산점도(Scatterplot)를 통해 소상공인 점포증감의 전역적 공간자기상관 발생유무를 측정하고자한다.
공간가중치 행렬을 작성하는 방법은 폴리곤의 인접여부, 물리적 거리 제한, 시간적 거리, 경제적 차이, 인구의 차이, 가까운 이웃의 수 지정 등 다양한 방법이 있을 수 있다. 본 연구에서는 공간가중치 행렬을 다양하게 적용해 보고자기상관 지수를 가장 크게 도출하는 가중치 행렬방식을 채택하는 것으로 분석방향을 설정하였다(Choi and Suh, 2013). 모란 산점도의 경우 Moran’s I Index와 회귀분석의 틀을 활용하는 방법으로 4분면으로 나누어 1, 3사분면에는 정적 공간자기상관, 2, 4사분면에는 부적 공간 자기상관을 표현할 수 있다.
이에 해당 연구는 통계청의 소지역 집계구 통계 또한 행정구역 통계와의 호환성은 뛰어나지만 기후나 지형과 같은 이산적인 공간 준거데이터의 동적 정보를 파악하기 어렵고 융합적 활용도 기대하기 힘들다는 한계를 보완하고자 격자 기반 통계의 도입을 제시하였다. 따라서 본 연구에서 분석의 기본 공간단위는 MAUP의 발생을 최소화하기 위해 국토지리정보원에서 제공하는 국가표준그리드(100m×100m)를 적용하였고 분석 대상지의 전체 그리드 수는 119,179개이다(그림 1).

가설 설정

이렇게 지리 공간적 속성을 가지는 수많은 데이터를 다룸에 있어 대부분의 기존 연구들은 ‘공간’이 가지는 연속성과 이산적인 특성을 고려하지 못하고 모든 데이터는 공간상에 무작위(Random)적이며 독립적(Independent)으로 분포한다고 가정한다.

제안 방법

2017년 천안시, 아산시 지역의 소상공인 분포에 전역적, 국지적 공간자기상관이 존재하므로 본 연구에서는 공간회귀분석 기법 중 하나인 GWR모형을 수행하였고 주요통계량을 OLS모형과 비교해 보았다(표 3). 먼저 OLS분석을 통해 적용된 8가지의 변수에 대해 분산팽창계수를 산출하였고 10이하의 값을 도출한 6개의 변수를 Stepwise방법을 통해 선정하였다.
(2007)은 청주시 복대동을 대상으로 커널밀도함수(Kernel Density Function)와 최근린지수(Nearest Neighbor Index)를 활용하여 Huff 확률모형을 통해 상권분석을 진행하였다. 그리고 분석결과를 지도로 도식화하여 복대동의 상권을 4개의 중심권역으로 분류하였다. 또한 Song and Park(2017)도 동일한 GIS 기법을 이용하여 대형할인점과 전통시장을 중심으로 상권분석을 진행하였는데 소상공인의 상권 활성화를 위해서는 대형할인점에 대한 입지선정 기준 및 규제가 마련되어야 소상공인의 상권 보호가 가능하다고 제언했다.
셋째, SK Geovision에서 2017년 천안, 아산 지역의 50m×50m p-cell기반의 연령대 및 시간대별 유동인구 자료를 제공받았으며, 이를 국가표준그리드에 공간조인(Spatial Join)하였다. 넷째, 천안시, 아산시에서 제공받은 건축물 대장 자료를 지오코딩하여 표준그리드 중심점에서 반경 400m 내에 있는(Choi and Suh,2014) 주거지와 상점까지의 평균 거리를 격자 내에 조인하였다. 다섯째, 자체 구축한 1:5,000도로망을 활용하여 교통 접근성 변수를 산출하였다.
넷째, 천안시, 아산시에서 제공받은 건축물 대장 자료를 지오코딩하여 표준그리드 중심점에서 반경 400m 내에 있는(Choi and Suh,2014) 주거지와 상점까지의 평균 거리를 격자 내에 조인하였다. 다섯째, 자체 구축한 1:5,000도로망을 활용하여 교통 접근성 변수를 산출하였다. 여섯째, 환경부에서 제공하는 세분류 토지 피복도 자료를 기반으로 각각의 표준 그리드에 대한 토지이용혼합도(Land Use Mix)를 산출하였다.
둘째, 국지적 공간자기상관 지표(LISA) 중 Getis-Ord GI*를 통해 공간자기상관의 Hotspot과 Coldspot의 국지적 패턴을 가시화하였다. 이를 통해 소상공인 상가점포의 입지요인에 대한 환경변수 분석 시 적용할 변수와의 관계에 대해 공간회귀모형의 적용이 타당함을 증명하였다.
연구의 내용적 범위는 첫째, 국가표준그리드 상에 집계된 2017년 6월 소상공인 점포수에 대한 전역적 공간자기상관 측정을 통해 국지적 공간자기상관의 측정과 공간회귀모형 적용의 근거를 마련하는 것이다. 둘째, 국지적 공간자기상관 측정을 통해 소상공인 점포의 증감현상이 보이는 공간적 이질성(Spatial Heterogeneity)의 분포패턴을 해석한다. 셋째, 시간대별로 나누어진 유동인구 변수와 혼합도, 접근성 측면의 변수를 적용하여 소상공인 업소분포와의 관계에 대한 그리드 기반의 지리가중 회귀분석(GWR)과 OLS분석 결과를 비교하여 공간회귀모형 적용의 타당성을 제시하고 천안, 아산 소상공인 상권분포와 유동인구 및 혼합성, 접근성 변수와의 공간적 영향관계의 변이를 검토하였다(그림 2).
최종적으로 도출된 6개의 유동인구 변수는 OLS나 GWR분석 시 변수간의 상관성이 높은 다중공선성이 발생할 가능성이 있다. 따라서 본 연구에서는 4개 유동인구 변수와 접근성 지표4개, 혼합성 지수 1개에 대해 분산팽창계수(VIF : Variance Inflation Factor)를 산출하여 10이상의 결과를 보인 변수를 제외한 유동인구 변수를 분석에 활용하였다.
최종적으로 다중공선성(Multicollinearity)이 발생했던 버스정류장 접근성, 오후시간대 유동인구, 저녁시간대 유동인구를 제외한 6개의 변수를 적용하였고 GWR 모형이 OLS모형보다 주요통계량에서 개선된 모형설명력을 도출하였다. 마지막으로 분석에 최종적으로 적용된 6가지 변수의 회귀계수와 국지적 결정계수(Local R²)에 대해 연구지역 내에서 공간적으로 변화하는 변수별 영향력을 가시화하였다.
본 연구는 천안시, 아산시의 100m×100m격자 내에 집계된 소상공인 분포가 가지는 공간적 의존성과 공간적 이질성을 전역적, 국지적 공간 자기상관을 통해 측정 및 가시화를 진행하였고 다음과 같은 결론을 얻었다.
셋째, SK Geovision에서 2017년 천안, 아산 지역의 50m×50m p-cell기반의 연령대 및 시간대별 유동인구 자료를 제공받았으며, 이를 국가표준그리드에 공간조인(Spatial Join)하였다.
둘째, 국지적 공간자기상관 측정을 통해 소상공인 점포의 증감현상이 보이는 공간적 이질성(Spatial Heterogeneity)의 분포패턴을 해석한다. 셋째, 시간대별로 나누어진 유동인구 변수와 혼합도, 접근성 측면의 변수를 적용하여 소상공인 업소분포와의 관계에 대한 그리드 기반의 지리가중 회귀분석(GWR)과 OLS분석 결과를 비교하여 공간회귀모형 적용의 타당성을 제시하고 천안, 아산 소상공인 상권분포와 유동인구 및 혼합성, 접근성 변수와의 공간적 영향관계의 변이를 검토하였다(그림 2).
다섯째, 자체 구축한 1:5,000도로망을 활용하여 교통 접근성 변수를 산출하였다. 여섯째, 환경부에서 제공하는 세분류 토지 피복도 자료를 기반으로 각각의 표준 그리드에 대한 토지이용혼합도(Land Use Mix)를 산출하였다. 토지이용 혼합도는 단위구역 내 얼마나 많은 토지이용이 포함되어있는지를 나타내는 지수로써 0~1사이의 값을 가지며 1에 가까울수록 단위구역 내 토지이용혼합도가 높아 다양한 보행과 소비활동이 가능하다는 것을 의미한다.
이러한 맥락에서 본 연구는 국가표준그리드(100m×100m)를 기반으로 소상공인 업종분포의 공간자기상관을 측정하고 공간회귀모형의 적용을 통해 모바일 트래픽기반의 시간대별 유동인구, 접근성 및 혼합성 지표와 영향관계가 가지는 공간적 변동성을 정량적 가시적으로 분석하였다.
셋째, 이에 따라 소상공인의 분포와 모바일 트래픽 기반의 시간대별 유동인구, 토지이용혼합성 지수 그리고 주거지, 상점, 도로망, 교통결절점과의 공간영향관계를 지리가중 회귀분석(GWR)을 통해 분석하였다. 최종적으로 다중공선성(Multicollinearity)이 발생했던 버스정류장 접근성, 오후시간대 유동인구, 저녁시간대 유동인구를 제외한 6개의 변수를 적용하였고 GWR 모형이 OLS모형보다 주요통계량에서 개선된 모형설명력을 도출하였다. 마지막으로 분석에 최종적으로 적용된 6가지 변수의 회귀계수와 국지적 결정계수(Local R²)에 대해 연구지역 내에서 공간적으로 변화하는 변수별 영향력을 가시화하였다.
(2012)은 기존의 상권 분석 연구들이 가지는 한계를 지적하며 상권과 유동인구의 연관성을 중심으로 상권 활성화방안을 제시하였다. 특히 해당 연구는 상권과 상권이용고객들의 동태적 관계변화를 다룰 수 있는 실증분석용 데이터의 부재를 기존연구의 한계로 제시하며 고객구성비를 유동인구 변수로 활용하였다. 그러나 고객구성비는 점포를 방문한 인원에 대한 집계데이터이므로 엄밀한 의미에서 유동인구 특성을 반영하는 데이터로 보기에는 무리가 있다.

대상 데이터

첫째, 국토지리정보원에서 제공받은 100m×100m 국가표준그리드이며, 이는 분석의 기본공간단위로 활용되었다. 둘째, 소상공인시장진흥공단에서 제공하는 2017년 6월 기준 소상공인 상가점포 데이터를 지오코딩하여 공간자료로 변환하였다. 셋째, SK Geovision에서 2017년 천안, 아산 지역의 50m×50m p-cell기반의 연령대 및 시간대별 유동인구 자료를 제공받았으며, 이를 국가표준그리드에 공간조인(Spatial Join)하였다.
따라서 본 연구에서 분석의 기본 공간단위는 MAUP의 발생을 최소화하기 위해 국토지리정보원에서 제공하는 국가표준그리드(100m×100m)를 적용하였고 분석 대상지의 전체 그리드 수는 119,179개이다(그림 1).
본 연구에서는 제공받은 p-cell별 유동인구 데이터를 12개의 변수로 구분하여 표준그리드 100m×100m에 공간조인하였다(표 2).
본 연구의 공간적 범위는 충청남도 천안시, 아산시 지역이다. Lim et al.
연구의 시간적 범위는 2017년이며, 유동인구의 경우 성/연령별로 주중, 주말, 공휴일의 오전(06~12), 오후(12~18), 저녁(18~24), 심야(24~06)의 총 12개의 시간대별 유동인구를 산출하여 적용하였다. 연구의 내용적 범위는 첫째, 국가표준그리드 상에 집계된 2017년 6월 소상공인 점포수에 대한 전역적 공간자기상관 측정을 통해 국지적 공간자기상관의 측정과 공간회귀모형 적용의 근거를 마련하는 것이다. 둘째, 국지적 공간자기상관 측정을 통해 소상공인 점포의 증감현상이 보이는 공간적 이질성(Spatial Heterogeneity)의 분포패턴을 해석한다.
연구의 시간적 범위는 2017년이며, 유동인구의 경우 성/연령별로 주중, 주말, 공휴일의 오전(06~12), 오후(12~18), 저녁(18~24), 심야(24~06)의 총 12개의 시간대별 유동인구를 산출하여 적용하였다. 연구의 내용적 범위는 첫째, 국가표준그리드 상에 집계된 2017년 6월 소상공인 점포수에 대한 전역적 공간자기상관 측정을 통해 국지적 공간자기상관의 측정과 공간회귀모형 적용의 근거를 마련하는 것이다.

데이터처리

셋째, 이에 따라 소상공인의 분포와 모바일 트래픽 기반의 시간대별 유동인구, 토지이용혼합성 지수 그리고 주거지, 상점, 도로망, 교통결절점과의 공간영향관계를 지리가중 회귀분석(GWR)을 통해 분석하였다. 최종적으로 다중공선성(Multicollinearity)이 발생했던 버스정류장 접근성, 오후시간대 유동인구, 저녁시간대 유동인구를 제외한 6개의 변수를 적용하였고 GWR 모형이 OLS모형보다 주요통계량에서 개선된 모형설명력을 도출하였다.

이론/모형

2017년 천안시, 아산시 지역의 소상공인 분포에 전역적, 국지적 공간자기상관이 존재하므로 본 연구에서는 공간회귀분석 기법 중 하나인 GWR모형을 수행하였고 주요통계량을 OLS모형과 비교해 보았다(표 3). 먼저 OLS분석을 통해 적용된 8가지의 변수에 대해 분산팽창계수를 산출하였고 10이하의 값을 도출한 6개의 변수를 Stepwise방법을 통해 선정하였다. 결과를 보면 우선적으로 OLS모형의 경우 오전과 심야의 유동인구가 상점분포에 양의 관계를 가지는 것으로 도출되었고, 접근성 지표의 경우 표준그리드의 중심점과 가까울수록(-) 상점의 분포가 많아진다는 결론을 도출하였다.
LISA의 경우 공간자기상관의 국지적(Local) 측도로써 연구지역 내 발생할 수 있는 공간 자기상관의 국지적 변이(Local Variation)를 시각화 해주는 방법이다(Getisand Ord, 1992). 본 연구에서는 Getis-Ord GI*를 활용하여 소상공인 점포분포의 국지적 공간자기상관을 측정하였으며 다음과 같이 설명된다.
LaTeX의 경우 추정을 필요로 하는 값으로 적정 대역폭(Kernel Bandwidth)을 의미하는데 그 변화에 따라 추정치의 변화를 좌우하게 된다. 이를 추정하는 방식은 모든 공간단위에 고정된 Kernel을 적용하는 고정형(Fixed) 방식이 있고 자료의 밀집성향을 기준으로 상이한 대역폭을 적용하는 적응형 커널(Adaptive) 방식이 있는데 본 연구에서는 적응형 커널(Adaptive)을 적용하였다.

성능/효과

단, 두 모형의 결과에 대한 주요 통계값을 비교하면 GWR모형이 OLS모형보다 R2adj., AICc, Sum of Residual Square에서 개선된 결과를 보여주고 있는데 이는 본 연구의 논리적 틀인 공간회귀모형의 적용이 타당함을 나타낸다.
Moran’s I Index 산출시 적용한 공간가중치 행렬은 폴리곤 인접성여부의 Rook, Queen 방식과, 역거리 가중치(Inverse Distance Weighted), Average Nearest Neighbor 산출을 통한 고정거리(145m)적용의 네 가지 방식을 적용한 결과 Average Nearest Neighbor를 통한 고정거리 적용방식에서 가장 높은 자기상관 수치를 보였다.
먼저 OLS분석을 통해 적용된 8가지의 변수에 대해 분산팽창계수를 산출하였고 10이하의 값을 도출한 6개의 변수를 Stepwise방법을 통해 선정하였다. 결과를 보면 우선적으로 OLS모형의 경우 오전과 심야의 유동인구가 상점분포에 양의 관계를 가지는 것으로 도출되었고, 접근성 지표의 경우 표준그리드의 중심점과 가까울수록(-) 상점의 분포가 많아진다는 결론을 도출하였다. 마지막으로 토지 이용 혼합도 또한 높을수록 상점의 분포가 높아지는 것으로 나타났다.
넷째, 토지이용 혼합도와 소상공인 분포의 회귀계수를 보면 천안시의 불당동과 백석동을 포함하여 천안아산역을 포함한 배방지구, 탕정지구의 경우 토지이용 혼합도가 높을수록 소상공인 분포가 많은 것으로 나타났다. 이는 해당 지역이 실제로도 작은 공간단위 안에서도 다양한 형태의 토지이용패턴을 보이고 있는 반면 아산시청을 중심으로 한 아산시 지역은 그에 비해 단순한 토지이용 패턴을 보이는 현상이 반영된 결과이다.
다섯째, 접근성 지표로 적용된 주거지거리, 상점거리, 도로까지의 거리에 대한 회귀계수는 가까울수록(-) 소상공인 상가점포의 분포가 많은 것으로 해석해야 한다. 주거지 접근성의 경우 천안시 동남구의 단독주택 밀집지역과 대학가일대의 상가점포가 주거지와의 거리와 높은 영향관계를 가지고 있고 아산시의 경우 탕정지구, 배방지구를 포함한 이마트 주변 아파트 단지지역에서 높은 영향관계를 보이고 있다.
둘째, 오전 유동인구의 경우 천안시 동남구의 종합버스 터미널을 중심으로 한 도심지역과 호서대 및 단국대 캠퍼스 일대가 소상공인 상가점포의 분포가 높은 공간 영향관계를 가지는 것으로 나타났다. 또한 아산시 둔포면의 테크노벨리 지역을 중심으로 한 농촌지역의 오전시간대 유동인구가 소상공인 상가점포의 분포와 높은 관계를 보이고 있었다.
또한 아산시 둔포면의 테크노벨리 지역을 중심으로 한 농촌지역의 오전시간대 유동인구가 소상공인 상가점포의 분포와 높은 관계를 보이고 있었다.
5배 상세화 된 유동인구 데이터를 산출하였다. 또한 통계청의 표본율 10%를 바탕으로 한 주간인구 자료보다 통신기반의 유동인구 데이터가 신뢰성이 있는 데이터임을 제시하였다. 2018년 3월 포브스지(Forbes)에서 소개된 Dresner Advisory Services의 Location Intelligence Market Study보고서(Howard Dresner, 2018)에 따르면 비즈니스 인텔리전스(Business Intelligence, BI)의 한 형태로서 위치정보(Location Intelligence)의 중요성을 제시하고 있다.
탕정지구와 배방지구의 경우 근래에 계획된 신도시 지역이기 때문에 상업지구내 점포의 밀집성향이 반영된 결과로 보이며 천안시 성정동과 두정동의 경우 역시 계획적으로 조성된 근린주거의 형태를 가진 공간적 특성이 공통적으로 존재한다. 마지막으로 도로 접근성의 경우 분석에 적용된 대부분의 지역이 소상공인 점포의 분포가 도로망과 인접한 지역(-)에서 이루어지고 있음을 확인할 수 있다. 특히 천안 종합버스터미널과 천안역 인근지역을 포함한 백석동 일대의 소상공인 상가점포들이 도로망과 인접한 지역에 분포하고 있는 것으로 나타났다.
결과를 보면 우선적으로 OLS모형의 경우 오전과 심야의 유동인구가 상점분포에 양의 관계를 가지는 것으로 도출되었고, 접근성 지표의 경우 표준그리드의 중심점과 가까울수록(-) 상점의 분포가 많아진다는 결론을 도출하였다. 마지막으로 토지 이용 혼합도 또한 높을수록 상점의 분포가 높아지는 것으로 나타났다.
주거지 접근성의 경우 천안시 동남구의 단독주택 밀집지역과 대학가일대의 상가점포가 주거지와의 거리와 높은 영향관계를 가지고 있고 아산시의 경우 탕정지구, 배방지구를 포함한 이마트 주변 아파트 단지지역에서 높은 영향관계를 보이고 있다. 상점 접근성의 경우 탕정지구와 배방지구를 포함한 천안시 두정동과 성정동의 학군 밀집지역에서 소상공인 상가점포와 높은 영향관계를 가지고 있는 것으로 나타났다. 탕정지구와 배방지구의 경우 근래에 계획된 신도시 지역이기 때문에 상업지구내 점포의 밀집성향이 반영된 결과로 보이며 천안시 성정동과 두정동의 경우 역시 계획적으로 조성된 근린주거의 형태를 가진 공간적 특성이 공통적으로 존재한다.
셋째, 심야 유동인구의 경우 아산시청 주변지역과 배방읍, 도고면과 아산 스파비스 지역 일대의 유동인구와 소상공인 분포가 높은 공간영향관계를 가지고 있는 것으로 나타났다. 특히 천안지역의 도심지는 불당동과 백석동 일대에 유흥 밀집지역이 존재하지만 전체적으로 심야시간대 유동인구와 소상공인 분포와 역상관 관계를 가지는 것으로 도출된 것이 주목할 만하다.
연구지역에서 모든 연령대의 유동인구가 주중에는 오후시간대(12시~18시)에 가장 광범위한 활동영역을 가지고 있고 유동인구 또한 많은 것으로 나타났고 특히 주중 오후시간대에 남자 경제활동 일평균 인구가 백만 명을 상회하는 것으로 나타났다.
둘째, 국지적 공간자기상관 지표(LISA) 중 Getis-Ord GI*를 통해 공간자기상관의 Hotspot과 Coldspot의 국지적 패턴을 가시화하였다. 이를 통해 소상공인 상가점포의 입지요인에 대한 환경변수 분석 시 적용할 변수와의 관계에 대해 공간회귀모형의 적용이 타당함을 증명하였다.
특히 천안시의 쌍용동, 불당동, 성정동, 천안공업단지 주변을 포함한 구도심 지역과 아산시의 온양온천역을 중심으로 한 도심지역에 소상공인 상가점포의 Hotspot이 크게 형성되어 있는 것을 확인할 수 있고 아산시 배방읍과 천안시 천안아산역 주변의 신도시에도 소상공인 점포의 Hotspot이 형성되고 있다. 이를 통해 천안시, 아산시 지역의 소상공인 상가점포의 분포에 전역적, 국지적 공간자기상관이 발생하는 것을 확인하였고 이는 유동인구와의 공간 영향관계 분석 시 공간 회귀모형의 적용이 필요하다는 의미로 해석할 수 있다.
특히 천안 종합버스터미널과 천안역 인근지역을 포함한 백석동 일대의 소상공인 상가점포들이 도로망과 인접한 지역에 분포하고 있는 것으로 나타났다. 이상의 GWR모형 분석결과는 소상공인 상가점포의 분포가 적용된 변수와 모든 연구 지역내에서 공간단위별로 상이한 영향력을 가지고 있음을 드러내고 있다. 이는 공간단위별 상가점포의 입지특성이 모든 지역에서 동일하지 않을 가능성이 크며 그에 영향을 미치는 영향변수 또한 공간적으로 이질성을 가질 것이라는 본 연구의 기본 전제와 동일한 결과이다.
4수준에서 발생하는 것을 확인하였다. 전역적 공간자기상관 측정 시 적용한 공간가중치행렬의 작성은 Average Nearest Neighbor를 통한 고정거리 적용방식에서 가장 높은 자기상관 수치를 보였다.
를 나타낸다. 첫째, 국지적 결정계수(Local R²)의 경우 천안시의 북부 산업단지와 대학교가 분포하는 동부지역이 높게 나타나는 것을 확인할 수 있다.
첫째, 탐색적 공간데이터 분석방법(ESDA)인 Moran’s I Index를 통해 연구지역에서 소상공인 분포의 정적 공간자기상관이 0.4수준에서 발생하는 것을 확인하였다.
그림 4는 소상공인 분포에 대한 Getis-Ord GI*분석 결과이다. 특이한 점은 가장 높은 공간자기상관지수를 보인 임계거리 145m에서의 Getis-OrdGI*분석 시 통계적으로 유의한 범위 안에서 높은 값의 군집인 Hotspot은 탐지되었지만 Coldspot은 탐지되지 않았다는 점이다. 이는 소상공인 점포의 분포형태와 연관이 있는 것으로 도심지역에서는 단위 면적에서 인접거리 내의 상가점포의 수가 많고 도심지역을 벗어난 곳에서는 상가점포의 절대적인 수가 적고 도심지보다는 상가점포들이 공간적으로 이격되어 있기 때문이다.

후속연구

특히 천안지역의 도심지는 불당동과 백석동 일대에 유흥 밀집지역이 존재하지만 전체적으로 심야시간대 유동인구와 소상공인 분포와 역상관 관계를 가지는 것으로 도출된 것이 주목할 만하다. 이는 천안시와 아산시의 최근 개발패턴을 고려할 때 단순히 심야시간대의 유동인구와 소상공인 업소의 분포관계로 이해할 것이 아니라 특정 계층대와 업종을 세분화할 때 보다 정확한 해석이 가능할 것으로 보인다.

참고문헌 (32)

Anselin, L. 1995. Local Indicators of Spatial Association-LISA. Geographical Analysis 27(2):93-115.

상세보기
Anselin, L. 1996. The Moran scatterplot as an ESDA tool to assess local instability in spatial association. Spatial analytical perspectives on GIS 281-298.
Baek, N.K. 2017. Analysis of Business Location and Commercial Supremacy for Successful Business Start-up. Baeksan Publishing Co., pp.1-485.
Brunsdon, C., A.S. Fortheringham and M.E. Charlton. 1996. Geographically Weighted Regression: A Method for Exploring Spatial Nonstationarity. Geographical Analysis 28(4):281-298.

상세보기
Byun, M.R. and U.S. Seo. 2011. How to Measure Daytime Population in Urban Streets?: Case of Seoul Pedestrian Flow Survey. Survey Research 12(2):27-50.
Choi, D.J. and Y.C. Suh. 2012. Geographically Weighted Regression on the Environmental-Ecological Factors of Human Longevity. Journal of the Korean Society for Geospatial Information Science 20(3):57-63.
Choi, D.J. and Y.C. Suh. 2013. A Study on the Exploratory Spatial Data Analysis of the Distribution of Longevity Population and the Scale Effect of the Modifiable Areal Unit Problem(MAUP). Journal of the Korean Association of Geographic Information Studies 16(3):40-53.
Choi, D.J. and Y.C. Suh. 2014. A Spatial Statistical Approach on the Correlation between Walkability Index and Urban Spatial Characteristics - Case Study on Two Administrative Districts, Busan -. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography 32(4):343-351.

원문보기 상세보기
Chung, K.S., S.W. Kim and Y.W. Lee. 2012. A Comparative Study on the Goodness of Fit in Spatial Econometric Models Using Housing Transaction Prices of Busas, Korea. Journal of the Korean Association of Geographic Information Studies 15(1):43-51.
Cordy, C.B. and D.A. Griffith. 1993. Efficiency of least squares estimators in the presence of spatial autocorrelation. Communications in Statistics - Simulation and Computation 22(4):1161-1179.

상세보기
Dresner, H. 2018. Location Intelligence Market Study. Dresner Advisory Services, LCC. pp.1-96.
Fitzke, J. and K. Greve. 2010. Frei oder umsonst?-Nutzergenerierte Geoinformation zwischen Freiheit und Kostenlosigkeit. in Angewandte Geoinformatik-22. AGIT-Symposium. 1. ed, Wichmann, Berlin, 732-741.
Frank, L. D., J.F. Sallis, T.L. Conway, J.E.Chapman, B.E. Saelens and W. Bachman. 2006. Many Pathways from Land Use to Health: Associations between Neighborhood Walkability and Active Transportation, Body Mass Index, and Air Quality. Journal of the American Planning Association 72(1):75-87.

상세보기
Frank, L.D., T.L. Schmid, J.F. Sallis, J. Chapman and B.E. Saelens. 2005. Linking objectively measured physical activity with objectively measured urban form: findings from SMARTRAQ. American Journal of Preventive Medicine 28(2):117-125

상세보기
Getis, A. and J.K. Ord. 1992. The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis 24(3):189-206.

상세보기
Griffith, D.A. 1987. Spatial Autocorrelation: A Primer. Geography, The Association of American Geographeres, Washington DC.
Griffith, D.A. and L.J. Layne. 1999. A Casebook for Spatial Statistical Data Analysis: A Compilation of Different Thematic Data Sets. OXFORD University Press. 1-506pp.
Hahmann, S. and D. Burghardt. 2013. How much information is geospatially referenced? Networks and cognition. International Journal of Geographical Information Science 27(6):1171-1189.

상세보기
Huxhold, X.E. and A.G. Levinsohn. 1995. Managing Geographic Information System Projects. OXFORD University Press. 1-247pp.
Kim, D.H., K.Y. Kang and S.Y. Sohn. 2016. Spatial Pattern Analysis of CO2 Emission in Seoul Metropolitan City Based on a Geographically Weighted Regression. Journal of the Korean Institute of Industrial Engineers 42(2):96-111.
Kim, H.G., C.H. Kim and D.I. Lee. 2012. A Study on Policy Suggestions of Commercial District Revitalization through the Interaction between Local Commercial Districts and Customer Component : The way of Revitalizing Commercial Districts in Cheonan City. Journal of Franchise Management 3(1):73-91.
Kim, H.J., J.W. Jung and K.H. Yeo. 2016. A Study on Optimal Location Choice of Neighborhood Parks within Walking Distance: Focusing on Seoul Metropolitan Area. Residential Environment Institute Of Korea 14(1):41-57.

상세보기
Kim, K.G. 2003. Exloring Spatial Autoccorrelation and Using Spatial Regression. Proceedings of the Korean Association of Public Administration. pp.983-1001.
Kim, K.T., I.M. Lee, H.C. Kwak and J.H. Min. 2015. Application Study of Telecommunication Record Data in Floating Population Estimation. Seoul Studies 16(3):177-187.
Lee, J.W., H.Y. Kim and C.M. Jun. 2015. Analysis of Physical Environmental Factors that Affect Pedestrian Volumes by Street Type. Urban Design 16(2):123-140.
Lee, Y.H., C.Y. Kwon and M.T. Lim. 2003. A Study on the Counter Pattern with Site of Department Stores. Journal of the Architectural Institute of Korea-Planning 23(2):235-238.
Lim, E.S., H.S. Lee, Y.J. Lee and J.I. Cho. 2014. The Introduction of 'Spatial-Statistical Convergence Model' in Response to Changes in Demand for National Policy. Krihs Policy Brief 46.
Son, Y,G., S.H. An and Y.C. Shin. 2007. A Study on the Trade Area Analysis Model base o on GIS-A Case of Huff probability model-. Journal of Korea Association Geographic Information Studies 10(2):164-171.
Song, B.G. and K.Y. Park. 2017. Analyzing Characteristic of Business District in Urban Area Using GIS Methods-Focused on Large-Scale Store and Traditional Market-. Journal of Korea Association Geographic Information Studies 20(2): 89-101.
Suh, Y.G. and K.D. Han. 2015. The impact of Large Discount Stores on the Retail Trading Area in Seoul Metropolitan Area : A Spatial-Econometric Analysis. Journal of Channel and Retailing 20(2):47-64.
Tae, K.S. and B.J. Rhim. 2010. A Study for Lacating of a New Store Considering Competition for Trading Area: Focusing on the Case of Hypermarket in Seoul Metropolitan Area. Journal of the Korean Geographical Society 45(5):609-627.
Tobler, W.R. 1970. A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography 46:234-240.

상세보기

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