I. 서론

1. 연구의 배경 및 목적

‘코로나바이러스감염증-19’ (이하 ‘COVID-19’)는 SARS-CoV-2 바이러스에 의해 발생하는 감염질환으로 기침, 발열, 호흡곤란 등을 그 증상으로 보이는 급성 호흡기 감염병이다(WHO, 2021). COVID-19는 2019년 11월 중국 후베이성 우한시에서 최초 감염자가 확인된 이래 급속도로 전파되어 2020년 1월 31일에는 세계 보건기구(WHO)가 COVID-19로 인한 국제적 공중보건 비상사태를 선언하고, 동년 3월에는 COVID-19가 전 세계적 대유행 감염병인 범유행 감염병(Pandemic)임을 선언하였다. 2022년 9월 현재 전 세계 6억 명 이상이 COVID-19에 감염되었으며 650만 명 이상이 사망하였고, 국내에서는 2,300만 명 이상이 감염되었고, 37,548명이 사망하였다(2022.09.06 기준). 전국적으로 COVID-19가 확산되면서 한국 정부는 사회적 거리두기로 대표되는 집합금지 정책, 공공시설 폐쇄 정책들과 마스크 착용 의무화, 재택근무 독려, 4차에 걸친 COVID-19 백신 접종 등을 시행하였다.

COVID-19의 확산으로 인류는 기존에 경험하지 못했던 상황들에 직면하였다. 전파 속도가 빠르고, 무증상 전파 또한 가능한 COVID-19의 특성상 모임, 여가 등 인류가 누려왔던 대면 활동들이 제약되었고, 인류는 재택근무, 원격회의, 비대면 강의 등의 방법으로 필수적인 대면접촉 조차 생략, 간소화하기에 이르렀다. 특히 상기 대면접촉이 빈번히 이루어지는 다중이용시설이 폐쇄되거나 기피됨에 따라 비대면 위주 생활로의 이행이 가속화되었다. 이러한 감염병의 발발과 확산은 도시적 요인과 밀접한 관련이 있다. 교육시설 및 소공원 등 특정한 도시계획시설의 공급량 및 이용인원의 밀도가 COVID-19 확산에 영향을 미치며(김정호. 2021), 상업면적의 밀도와 의료시설의 밀도, 지하철 밀도 등의 도시적 특성이 COVID-19 확산 정도에 영향을 미친다는 분석이 제기되었다(Li et al., 2020). 도시의 인구 밀도 또한 COVID-19 확산에 영향을 미치는 것으로 나타났는데, 특히 순인구 밀도가 COVID-19의 확산과 양(+)의 상관관계를 갖는 것으로 보고되었다(조윤, 2022).

이러한 상황의 전개는 도시계획 및 정책 분야에서 시사하는 바가 상당히 크다고 할 수 있다. 기존의 도시계획에서 효율적이고 이상적인 도시로 여겨왔던 고밀･복합 도시가 포스트 코로나 시대에는 오히려 감염병 대응에 불리한 환경이 될 수 있음을 의미하기 때문이다(김은정 등, 2020). 아울러 COVID-19와 같은 감염병 극복을 위해 신중한 토지이용계획, 도시 공간의 쾌적성 제고, 의료시설 및 SOC 등 공공시설의 공간적 배분계획의 개선이 필요하다는 견해가 제기되고 있다(정재용, 2020). 이와 함께, COVID-19 확산에 영향을 미칠 수 있는 주요 도시 요인을 분석함으로써 감염병의 확산과 그 공간적 영향에 대해 규명할 필요성이 있다는 견해가 제기되고 있다(Li et al., 2020). 이상 살펴본 것처럼 COVID-19와 이로 인해 제기된 도시정책 상의 시사점은 도시구조와 감염병 확산 간의 상관관계를 파악할 필요성을 제기한다.

본 연구의 목적은 도시특성이 COVID-19 확산에 어떤 영향을 미쳤는지를 규명하는 것이다. 여기서 도시특성이란 개별 도시가 보유하고 있는 공원면적, 건폐율, 용적률, 토지이용복합도와 같은 물리적 요인 이외에 인구 밀도, 고령자 인구비율, 외국인 밀도, 백신접종률과 같은 인구사회학적 요인과 1인당 승용차 등록대수, 유출입통행량 비율, 통근통행량 비율, 지하철역 밀도, 버스정류장 밀도의 교통요인, 업종별 종사자 수 및 고용률과 같은 경제･산업요인, 건폐율 및 용적률과 같은 밀도 요인을 포괄한다. 본 연구는 이와 같은 도시 특성과 COVID-19 확산 간의 상관성을 파악함으로써 도시구조와 COVID-19 간의 관련성을 규명하고자 한다.

2. 연구의 범위 및 방법

연구의 시간적 범위로는 최신 자료의 취득과 구축이 가능한 2020년에서 2021년을 연구의 대상 연도로 설정하였다. 이에 따라 연구의 시간적 범위를 국내에서 COVID-19가 최초로 발생한 시점인 2020년 1월 20일부터 2021년 12월 31일까지로 설정하였다. 기존의 COVID-19 관련 선행연구(김정호, 2021; 박홍일･이상경, 2021; 조윤, 2022)들은 주로 수도권을 대상으로 연구를 진행하였다. 그러나 본 연구는 연구의 공간적 범위를 비수도권 광역시의 자치구 및 군, 특별자치시(세종시) 중 시가화 지역으로 설정하였다.

수도권을 연구의 공간적 범위에서 제외한 이유는 인접 지역이 아닌 연구 대상 지역만의 도시 특성이 COVID-19에 미치는 영향을 온전하게 파악하기 위함이다. COVID-19와 같이 전염성이 강한 감염병은 외부지역과의 교류 정도가 확산에 영향을 미칠 가능성이 높다(오후 등, 2022). 때문에 연담화로 인접 지역과의 경제적 연계성이 높고 통근, 통학 등의 교류가 활발히 일어나는 수도권에서는(김주영 등, 2018) 인접 지역의 도시 특성과 인접 지역과의 교류 수준에 따라 대상 지역의 COVID-19 발생정도가 영향을 받을 가능성이 크다고 판단된다. 이 같은 경우에서는 연구의 목적이었던 대상 지역의 도시 특성과 COVID-19의 확산 간의 상관성을 온전히 파악하기가 어렵다. 따라서 본 연구에서는 도시의 연담화 수준이 상대적으로 낮은 비수도권을 공간적 범위로 설정하였다.

분석 대상인 지역의 인구나 면적이 균일할수록 분석 대상의 특성이 과잉 대표되거나 과소 대표되는 효과를 줄일 수 있다. 그러나 수도권에 위치한 지방자치단체는 본 연구의 대상인 비수도권 광역시의 자치구 및 군, 특별자치시에 비해 인구 및 면적의 편차가 크다. 이 때문에 수도권을 대상으로 연구를 진행할 경우 데이터의 밀도가 고르지 못하고 특정 지역의 특성이 과대 혹은 과소 반영될 가능성이 높다. 따라서 본 연구는 상대적으로 행정구역의 인구 및 면적이 균등한 지방 광역시의 자치구 및 군과 특별자치시의 시가화 지역을 연구의 공간적 범위로 설정하였다. 이와 같은 이유로 본 연구는 부산광역시, 대구광역시, 광주광역시, 대전광역시, 울산광역시 산하의 자치구 및 군, 그리고 세종특별자치시 (이하 6개 대도시)의 시가화 지역을 연구의 공간적 범위로 설정하였으며, 본 연구에서 사용된 표본의 수는 총 40개이다.

연구의 방법론으로는 PLS(Partial Least Squares) 회귀분석을 채택하였다. 우선 변수 선정 이후 Pearson 상관분석과 OLS 회귀분석을 통해 독립 변수들의 상관성, 다중공선성(VIF), 유의성, 적합성 등을 파악하였다. 마지막으로는 선정된 변수들을 대상으로 PLS 회귀분석을 진행하여 선정된 도시특성들이 종속변수인 COVID-19 확산에 기여하는 방향성과 영향력을 분석하였다.

II. 선행연구 고찰

1. 사회경제적 요인과 감염병 확산 간의 상관성

인구 밀도와 COVID-19의 상관성에 관해서는 상반되는 분석결과가 존재한다. 다수의 연구들은 인구밀도가 높아질수록 감염병의 확산에 취약해진다는 결과를 제시한다(Baser, 2020; Nakada and Urban, 2020; Bhadra et al., 2020). 비슷한 사례로 스페인독감의 사망률과 인구 밀도 사이에 유의한 양(+)의 상관관계가 있음이 보고되었다(Garrett, 2007). 동일한 맥락에서 Ehlert(2020)는 인구밀도 및 고용밀도가 COVID-19 감염으로 인한 사망자 수에 유의한 영향을 미친다는 분석결과를 제시하였다. 반면 일부 연구에서는 밀도가 COVID-19의 주요한 원인이 아니라는 분석이 제기되었는데, Kang et al.(2020)은 미국 시민주택계획협의회(CHPC)의 분석 결과를 인용하면서 인구 밀도보다 소득수준 등 사회적 요인이 COVID-19 확산에 더 큰 영향을 미친다는 의견을 제시하였다.

고령 인구의 경우 만성질환, 기능 상태 저하, 독거 거주 등으로 COVID-19 감염에 취약하고(남궁은하, 2021), COVID-19로 인한 사망률 역시 연령과 함께 급속하게 증가하는 것으로 보고된다(질병관리청, 2021). 이란의 테헤란 시를 대상으로 밀도와 COVID-19 확산 사이의 연관성을 분석한 연구(Khavarian-Garmsir et al., 2021)에서는 고령자 밀도가 COVID-19 감염률 및 사망률에 가장 큰 영향을 미치는 설명변수인 것으로 나타났다. 이러한 분석결과는 COVID-19 확산이 고령인구 비율과 밀접한 관련이 있음을 시사한다(Li et al., 2020).

덴마크에서는 비서구권 이민자가 서구권 이민자 및 덴마크 국민보다 COVID-19 발병률 및 입원률이 높다는 분석결과가 제시되었다(Serumsinstitutt, 2020). 이러한 결과는 문화적, 사회적 배경이 다른 외국인들이 COVID-19 방역의 사각지대에 있거나, 내국인에 비해 상대적으로 취약한 이민자들의 경제적 여건이 COVID-19 확산에 영향을 미칠 수 있음을 시사한다.

인구 분석에 있어서는 상주인구를 단순히 행정구역 면적으로 나눈 총밀도 개념이 아니라 다양한 인구 밀도 개념이 사용되었다. 주거지 면적에 대한 인구의 비율을 의미하는 순인구 밀도는 COVID-19 확산과 양(+)의 상관관계를 가지며(Jo et al., 2021), 상주인구에 주간유입인구를 더하고 주간유출인구를 제한 주간인구밀도는 COVID-19 확산에 정(+)의 영향을 미치는 것으로 나타났다(김정호, 2021).

소득 측면에 있어서 최저생계비 미만 가구 비율과 COVID-19 확진자 비율은 매우 강한 양(+)의 상관관계를 가지는 것으로 파악되었다(Bhayani. et al., 2020). 인도 뱅갈루루(Bengalulru) 지역 슬럼의 도시환경과 COVID-19 확산의 상관성을 분석한 연구에서는 생계유지가 곤란한 고용형태와 근린주거 내 공용위생시설을 이용할 수밖에 없는 열악한 생활환경이 감염병 확산에 있어 취약요인으로 작용한다는 분석결과가 제시되었다(Wasdani and Prasad, 2020).

대규모 집단 감염이 발생한 1, 2차 유행시기인 2020년 2월~2020년 9월에는 제조업, 식음료업 종사자 수가 COVID-19 확진자 수에 정(+)의 영향을 미쳤다는 결과가 보고되었다(조윤, 2022). 또한 노르웨이를 배경으로 하는 연구에서는 버스 및 택시 기사 등의 특정 직업군에서 COVID-19 확진 비율이 높다는 보고가 제기되었다(Magnusson et al., 2021). 이는 대면 접촉이 잦은 특정 유형의 종사자들이 COVID-19 감염에 취약할 수 있음을 시사한다.

2. 도시의 물리적 요인과 감염병 확산 사이의 관련성

공원녹지와 관련해서 수도권 생활권 공원 중 소공원의 공급면적은 COVID-19 확진 밀도와 정비례한다는 분석이 보고되었으며(김정호, 2021), 핀란드 헬싱키 지역을 대상으로 하는 연구에서는 사람들이 과밀을 우려하여 관광지 및 휴양지보다는 거주지 인근의 녹지(Urban green infrastructure)를 더 자주 방문한다는 결과가 보고되었다(Korpilo et al., 2021).

밀도 측면에서는 전술한 고령자 인구밀도 외에 상업면적 밀도, 용적률, 병원 등 의료시설 밀도, 지하철 밀도가 COVID-19 확산에 정(+)의 영향을 미치며, 용도혼합도 혹은 토지이용복합도(LUM)가 COVID-19 확산에 부(-)의 영향을 미친다는 분석이 보고되었다(Li et al., 2020). 마찬가지로 홍콩지역의 2020년 1분기 확진데이터를 기준으로 토지이용복합도와 COVID-19 확산 간의 상관관계를 분석한 결과에서도 토지이용복합도(LUM)는 COVID-19의 확산과 부(-)의 관계에 있음이 보고되었다 (Huang et al., 2020). 반대로 미국의 20개 주, 7000개의 우편번호를 배경으로 토지이용복합도와 COVID-19 확산 간의 상관관계를 분석한 연구에서는 토지이용복합도가 COVID-19와 양(+)의 상관관계에 있다는 분석결과가 보고되었다(Zhang et al., 2022).

감염병의 확산에 영향을 미치는 또 다른 밀도요인으로 건축물 및 도시 인프라의 밀도를 고려할 수 있다. 상업면적 밀도, 용적률, 지하철 밀도가 감염병의 전파 속도에 정(+)의 영향을 미치며(Li et al., 2020), 교육시설, 문화시설의 이용밀도가 높을수록 COVID-19 확진밀도가 높아진다는 결과가 제시되었다(김정호, 2021).

다만 재택근무와 비대면 수업의 증가로 상업･업무 시설 및 교육시설 밀도가 높은 공간이 오히려 감염병 확산에 안전할 수 있으며(박홍일･이상경, 2021), 대도시 등 고밀도 지역에서는 의료 등 인프라의 접근성이 더 높은 까닭에 감염병 확산이 억제될 가능성도 제기된다(이시철, 2020). 이는 도시의 밀도와 감염병 확산이 갖는 상관관계의 방향성만이 중요한 것이 아니라, 감염병의 확산에 영향을 미치는 여러 요인을 복합적으로 고려할 필요가 있음을 시사한다.

교통 측면에서는 대중교통을 대표하는 버스정류장 수가 감염병 확산과 양(+)의 상관관계를 갖고 있으며, 도시 내 유동인구는 감염병 확산과 정(+)의 상관관계가 있는 것으로 보고되었다(이주왕, 2022).

노인 인구는 도보 다음으로 지하철 이용 빈도가 높으며, 저소득층 노인의 경우 지하철 이용에 가장 적극적인 것으로 보고되었다(노시학･양은정, 2011). 이는 앞서 고령인구와 저소득층이 감염 및 사망위험에 취약하다고 보고된 점을 고려하였을 때, 이들이 주로 이용하는 지하철의 영향력 또한 고려할 필요가 있음을 시사한다. 물리적 위치 변환은 바이러스 이동과 전파 가능성을 높인다는 점에서(박준홍 등, 2021), 노인인구의 적극적인 이동은 감염확산의 위험과 상응하기 때문이다.

3. 선행연구와의 차별성

선행연구 검토 결과, COVID-19 확산에 영향을 미치는 도시적 요인을 분석한 선행연구들은 사회적 요인, 경제적 요인, 토지이용 요인, 교통 인프라 요인, 밀도 요인 등의 여러 요인에 따른 분석 결과를 제시하였다(표 1). 하지만 대부분의 선행연구들은 감염병 확산에 영향을 주는 다양한 도시 요인을 통합적으로 고려하지 않은 경우가 많았다. 도시 고밀 지표로서 건축 밀도가 고려되지 않고 인구 밀도만을 사용한 선행연구(Bhadra et al., 2020; Bhayani et al., 2020; Nakada and Urban, 2020)가 다수 있었으며, 인구이동이나 도시 간의 교류를 나타내는 지표인 통행량을 활용한 연구 또한 매우 적었다(표 2). 따라서 본 연구에서는 COVID-19 확산에 영향을 미치는 도시구조를 통합적으로 실증하기 위해 사회경제 지표, 토지이용 지표와 함께 유출입통행량, 통근통행량 등의 교통지표와 평균건폐율, 평균용적률 등의 밀도 지표를 통합적으로 고려하고자 한다.

COVID-19와 관련된 국내 선행연구(김정호, 2021; 이금숙 등, 2021; 조윤, 2022)의 경우, 공간적 범위가 인접지역과의 교류가 활발한 수도권에 국한되어 연구가 이뤄져서 변수의 독립성이 담보되지 않는다는 한계점을 갖는다. 따라서 본 연구는 도시 외부와의 교류가 상대적으로 적어서 도시특성과 감염병 간의 직접적 상관성을 확인하기가 상대적으로 용이한 비수도권 6개 대도시를 공간적 범위로 설정하여 선행연구의 한계점을 보완하고자 하였다. 그리고 다수의 선행연구(박홍일･이상경, 2021; Li et al., 2020; Khavarian et al., 2020)들은 하나의 도시권만을 대상으로 분석을 진행하여 일반화에 일정한 한계를 가질 수 있으므로 본 연구에서는 보다 일반화된 결론을 도출하기 위해 복수의 도시를 대상으로 연구를 진행하였다.

이와 같은 차별성을 바탕으로 본 연구는 고령자인구 비율, 평균 소득, 백신접종률, 고용률, 직종별 종사자 비율 등의 사회경제적 지표, 공원면적, 토지이용 복합도와 같은 토지이용 지표, 유출입통행량, 통근통행량 등의 교통 지표와 시가화 면적대비 인구밀도와 외국인 밀도, 평균건폐율, 평균용적률 등의 밀도 지표와 같은 다양한 도시 특성이 COVID-19 확산에 미치는 영향을 종합적으로 분석하고, 정책적 시사점을 제시하고자 한다.

III. 분석의 틀

1. 분석 방법

1) 분석의 체계

본 연구에서는 선행연구를 바탕으로 독립변수를 설정한 결과, 설명변수가 많고 도시적 요인의 특성상 상호 상관관계가 강한 변수가 존재해 다중공선성의 가능성이 높을 것이라고 판단하였다. 따라서 본 연구에서는 다중공선성과 표본수 문제를 해결하고, 모형의 예측력을 높일 수 있는 PLS(Partial Least Squares) 회귀분석모형을 이용하였다.

구축된 변수들을 바탕으로 일차적으로 Pearson 상관분석과 회귀분석을 진행하여 변수 간의 상관성 및 다중공선성, 유의성, 방향성과 모형의 적합성을 분석하였다. PLS 회귀분석은 다중공선성 문제에서 비교적 자유롭지만, 연구결과의 신뢰도를 제고하기 위해 다중공선성을 판단하는 지표인 VIF(Variance Inflaction Factor) 값을 별도로 확인하여 최종적으로 모형의 독립변수들을 결정하고, PLS 회귀분석을 통해 변수들의 방향성과 유의성을 확인하였다.

2) PLS(Partial Least Squares) 회귀분석

전통적인 다중회귀모형인 OLS 회귀분석은 표본의 수가 독립변수의 수보다 많을 경우, 독립변수 간의 다중공선성이 낮을 경우, 독립변수와 종속변수를 선형관계로 모형화할 수 있을 경우 사용 가능하며, 모형의 신뢰성을 확보할 수 있다(박학목, 2013). 이로 인해 OLS 회귀분석은 조사 샘플 수가 적거나 다중공선성을 가질 때 추정된 회귀계수가 불안정하게 나타난다는 단점이 있다(추병주, 2012). 이러한 OLS 회귀분석의 한계점을 보완하여 등장한 모델이 PLS 회귀분석이다(김아름･구자훈, 2016).

PLS 회귀분석은 주성분분석과 다중회귀분석의 특성을 일반화하고 결합한 분석기법으로 수학적으로는 부분최소제곱 회귀분석(partial least squares regression)이라 하며, 모형의 특성상 알고리즘 수행단계에서 사영(projection)과 회귀(regression)의 반복으로 구성되어 있는 각 단계의 벡터와 행렬로 인해 잠재구조사영 회귀분석(projection to least structure regression)이라고도 한다(허명회, 2008). 즉, PLS 회귀분석은 독립변수(Xi)들의 선형결합과 종속변수(Y)의 공분산을 최대화하는 변수를 활용하는 방식으로, 다음과 같은 식으로 나타낼 수 있다.

단, X = 독립변수

Y = 종속변수

ti = Xi의 선형결합

PLS 회귀분석은 기존의 회귀분석과 달리 상관성 분석을 통한 다중공선성 해결의 과정이 필요 없으며, 표본 수가 적은 연구에도 적용이 가능한 분석 방법이다(김아름･구자훈, 2016). 또한, 주성분을 추출할 때 종속변수와 독립변수를 동시에 고려하기 때문에 OLS 회귀분석보다 예측력이 더 우월하다는 장점이 있다(이성근 등, 2011). 이러한 PLS 회귀분석은 초창기에는 사회과학 분야에서 주로 사용되었으나 최근에는 계량화학, 유전체학, 데이터 마이닝 등에 이르기까지 다양한 분야에서 활용되고 있다(김구회 등, 2015). PLS 회귀분석은 또한, 방법론적 측면에 있어 다변량 자료의 다중공선성 문제 해결과 설명변수의 수가 관측치의 수보다 많을 경우 발생할 수 있는 모형의 과대 적합 문제를 해결할 수 있는 표준방법론으로 활용되고 있다(정광섭 등, 2014; 김구회 등, 2015; 김아름･구자훈, 2016). 이러한 배경에서 본 연구는 분석 대상의 특성을 고려하여 적은 표본에서도 구동할 수 있고, 다중공선성 문제에 구애되지 않으며, 사회과학적 예측력이 뛰어난 PLS 회귀모형을 분석방법으로 채택하였다.

PLS 회귀분석은 t-value(p-value)에 의하여 독립변수의 유의성을 명확하게 판단하지 않고 분석에 사용된 전체 변수에 대한 VIP(Variable Importance in the Projection)의 크기로 독립변수의 영향력을 해석한다(정광섭 등, 2014). PLS 회귀분석에서 VIP 값은 일반적으로 1.0에 가깝거나 1.0보다 클 때 통계적으로 매우 유의한 변수로 볼 수 있으나, 0.8 이상인 경우에도 유의한 의미를 부여할 수 있는 변수로 보기도 한다(정광섭, 2012). 그러나 다수의 선행연구(김구회 등, 2015; 김아름･구자훈, 2016; 정광섭 등, 2014)에서는 VIP 값이 1.0 이상인 변수들을 기준으로 분석결과를 도출한다. 따라서 본 연구에서도 마찬가지로 PLS 회귀분석 결과 VIP 값이 1.0 이상으로 도출되는 변수들을 유의한 변수로 판단하여 해석을 진행하였다.

2. 변수 설정

1) 종속변수

종속변수는 2020년 1월부터 2021년 12월까지 집계된 인구 1,000명당 COVID-19 확진자 수이다. 계수 방식은 분류 주체인 각 지방자치단체의 분류 방침에 따라 확진일 기준 확진자의 주민등록상 주소지를 기준으로 집계하였다.

2) 독립변수

독립변수는 사회경제적 요인과 물리적 요인으로 구분하였다. 사회경제적 요인은 연구 대상 지역 내에서 벌어지는 사회 및 경제적 활동과 그 기저를 이루는 인구사회학적 요인을 의미하며 인구밀도, 고령자 인구비율, 외국인 밀도, 백신 접종률, 평균 소득, 고용률 및 산업별 종사자 비율로 구성된다. 물리적 요인은 연구 대상 지역 내의 물리적 요인으로 1인당 공원 면적, 토지이용복합도, 지하철역 밀도, 버스정류장 밀도, 1인당 자동차 등록 대수, 유출입통행량 비율, 통근통행량 비율, 건폐율, 용적률로 구성된다. 변수에 대한 단위, 설명, 출처 등은 표 3에서 제시하였다.

(1) 사회경제적 요인

인구 밀도는 다수의 선행연구에서 확인된 바와 같이 COVID-19의 확산과 양(+)의 상관관계를 갖는 것으로 알려져 있다(Baser, 2020; Bhadra et al., 2020; Nakada and Urban, 2020). 도시에서는 일상생활 과정에서 신체접촉 및 인접 거리에서의 대면 활동이 증가하기 때문에, 밀도가 높아질수록 감염병에 노출될 위험이 커지는 것이 그 원인으로 제시된다(성현곤, 2020). 다만 도시의 밀도 요인이 COVID-19와 직접적인 관련성이 없다는 지적 또한 있는 만큼(Kang et al., 2020) 이러한 가능성 또한 감안하여 인구밀도가 COVID-19에 미치는 영향의 방향성 및 강도를 파악하고자 하였다. 인구 밀도 분석에서는 순밀도의 개념을 사용하였는데, 이는 사람들의 활동이 주로 이루어지는 시가화 지역만을 대상으로 밀도를 파악하여 도시특성 및 이로 인해 발생하는 도시 내 활동과 COVID-19 확산 간의 상관성을 보다 명확히 분석하기 위함이다.

고령자는 만성 기저질환을 앓고 있을 가능성이 높아 COVID-19 증상 발생 후 중증 폐렴이나 사망에 이르는 등 높은 빈도로 증상이 악화되는 경과를 보이기 때문에, COVID-19 감염에 취약하다고 보고된다(Niu et al., 2020). 이러한 특성상 고령인구는 COVID-19 확산에 노출될 가능성이 클 것으로 예상되는 바, 전체 인구수 대비 65세 이상 인구수를 변수로 사용하였다.

사회적 소수자가 밀집한 가구의 비율이 높은 지역일수록 감염병 유병률이 높다는 분석결과가 제기되었는데(Bhayani et al., 2020), 그 이유는 이들의 소득수준과 주거환경이 취약한 경우가 많으며 신분상 정부 정책의 사각지대에 놓여있을 가능성이 높기 때문이다(Kjøllesdal et al., 2022). 국내 체류 외국인들 또한 유사한 상황에 처해 있을 것이라고 추측할 수 있는데, 본 연구에서는 외국인의 수가 COVID-19 확산에 미치는 영향을 알아보기 위해 외국인 인구수를 도시화 면적으로 나눈 외국인 밀도를 변수로 사용하였다.

류소연 등(2022)은 요양시설에서 발생한 COVID-19 집단 유행에서 백신 접종을 시행하지 않거나 불완전접종을 한 경우에 COVID-19로 인한 중증화 및 사망 위험이 통계적으로 유의하게 증가한다는 분석결과를 제기하였다. 따라서 COVID-19 백신 접종이 COVID-19 확산에 미치는 영향을 판단하기 위해 구군별 백신 접종률을 변수로 사용하였다. 백신 접종은 2차 접종을 기준으로 집계하였는데, 이는 국내에서 접종되고 있는 백신 중 ‘얀센 Johnson & Johnson’을 제외한 모든 백신이 2차 접종 및 2주 경과를 기준으로 접종완료 여부를 판단하고 있기 때문이다(중앙방역대책본부, 2021).

공공의료시설이 감염병 전담병원으로 지정되어 COVID-19 치료에 적극적으로 활용되면서 공공의료시설을 이용해왔던 저소득층, 정부의료급여 수급자, 노숙인 등 취약계층의 일상적 진료에 공백이 발생하였다(최혜지 등, 2021). 이에 따라 취약･빈곤층 상당수가 적절한 의료 서비스를 받지 못함으로 인해 COVID-19 확산에 노출될 가능성이 높아졌다는 의견이 제기되었다(서부덕･권경희, 2021). 더욱이 소득수준이 낮은 사람일수록 주거환경, 노동환경 등이 감염위험에 취약하기 때문에 COVID-19 확진 가능성이 높다는 의견도 제기된다(Kang et al., 2020). 따라서 평균 소득이 COVID-19 확산에 미치는 영향을 판단하기 위해 KOSIS의 종합소득세 주요항목 신고 현황표를 참고하여 해당 지역의 전체 소득액을 인구로 나눈 값을 변수로 사용하였다.

지역 내 고용자 수가 많을수록 도시 내의 경제활동이 활발히 이루어질 가능성이 높고, 따라서 감염병에 노출될 위험이 높다고 추정할 수 있다. 이 때문에 KOSIS의 ‘연령별 경제활동인구’를 참고하여 해당 지역의 취업자 수를 인구로 나눈 값을 도출하여 고용률 변수로 사용하였다. 추가적으로 어떠한 산업이 감염병에 노출될 위험성이 높은지 판단하기 위해 제조업 종사자 수와 서비스업 종사자 비율을 변수로 설정하였다. 한국표준산업분류에 따른 도매 및 소매업, 숙박 및 음식점업을 도소매업 종사자로, 금융 및 보험업, 부동산업, 교육﹡서비스업 종사자를 업무 종사자로 통합하여 변수를 구축하였으며 제조업은 제조업 종사자를 사용하였다. 이후 도출된 종사자 수를 해당 지역의 전체 인구로 나누어 비율을 산출하였다.

(2) 물리적 요인

COVID-19 확산의 영향을 파악하는 물리적 요인으로 공원을 고려하였다. 공원은 오픈스페이스로서 도시의 밀도를 낮추는 공간이다. 또한, 물리적으로 개방된 환경으로 팬데믹 시대에 대안적 여가공간으로 주목받고 있지만, COVID-19 발발 이후 다중이용시설의 이용률은 낮아진 대신 공원녹지의 이용률이 높아진 만큼 풍선효과로 인해 공원에 사람들이 밀집되고, 이에 따른 COVID-19 확산이 빈번해질 수도 있다는 지적이 제기되었다(김용국 등, 2021; 박인권 등, 2021). 이에 공원녹지시설이 COVID-19 확산에 미치는 영향의 방향성과 강도를 파악하기 위해 1인당 공원면적을 변수로 사용하였다.

도시공간의 복합도는 COVID-19 확산에 영향을 미치는 것으로 보고된다. 복합적인 토지이용은 도시민들의 다양한 사회경제적 활동을 유발하고 이에 따른 확산경로를 다양화할 수 있다는 의견이 제기되었다(Li et al., 2020). 이에 토지이용복합도(LUM)가 감염병 확산에 미치는 영향의 방향과 강도를 파악하기 위하여 토지이용복합도를 변수로 고려하였다. 토지이용복합도는 아래와 같은 수식을 사용하여 산출하였다.

단, n = 전체 용도의 개수

Pi = 전체 면적 중 i용도의 면적 비율 = i용도의면적전체면적

교통은 세부 영역인 대중교통과 물류가 COVID-19 확산에 각기 다른 영향을 미치는 것으로 보고된다. 대중교통은 밀폐된 공간에서의 개인 간 접촉을 활성화함으로써 감염병 확산에 기여하는 반면(Li et al., 2020), 물류는 원활한 격리와 치료를 위한 물자 수송에 기여함으로써 COVID-19 극복과 COVID-19로 인한 사회적 혼란을 억제하는 데에 기여할 것으로 추정된다. 이에 다양한 유형의 교통 변수들의 기여하는 영향을 파악하고자 지하철역 수, 버스정류장 수, 유출입통행량 비율, 통근통행량 비율, 1인당 승용차 등록 대수를 조사하였다. 지하철 역 수, 버스정류장 수는 구군별 시가지 면적 대비 개수를, 유출입통행량 비율, 통근통행량 비율은 전체 통행량 대비 비율을 사용하여 자료를 조사하였다.

유출입통행량 비율은 해당 지역의 전체 통행량 중 그 지역을 출발지 또는 목적지로 하여 지역의 경계를 통과하는 여객 통행량의 비율을 의미한다. 대상지와 타 지역 간의 통행량의 증감은 COVID-19 확산에 양 또는 음의 영향을 미치며 지역, 통행 목적, 확산에 대한 불안감에 따라 다른 양상을 보이는 것으로 보고된다(Lee et al., 2021). 통근통행량 비율은 전체 통행량 중 통근 목적의 여객통행량의 비율을 의미한다. 통근통행은 통근자의 COVID-19 위험, 밀접접촉과 긴밀한 연관이 있는 것으로 보고되며(Ando et al., 2021), 역산하였을 경우 재택근무 및 비대면 강의 등 거리두기 지침의 활성화 여부를 파악하는 데에도 도움이 될 수 있다.

추가로 1인당 승용차 등록대수를 조사하였는데, 승용차를 이용한 이동은 대중교통을 통한 이동과는 달리 이동 과정에서 불특정 다수와의 밀접 접촉 및 감염병 확산이 이루어지지 않기 때문에, 비교적 COVID-19 확산에 기여할 가능성이 낮다. 이에 1인당 승용차 등록 대수를 통해 승용차를 이용하는 교통량을 추정하고, COVID-19 확산과의 상관성을 분석하고자 했다.

건축밀도 및 용적률과 COVID-19 확산 간에 상관성이 있다는 분석이 보고된 만큼(Li et al., 2020), 본 연구에서는 평균건폐율, 평균용적률과 같은 건물 밀도요인을 각기 독립변수로 설정하였다. 평균건폐율과 평균용적률은 해당 구역 내 모든 건물의 건폐율 값과 용적률 값의 평균을 사용하였다.

IV. 분석결과

1. 기초통계량 및 분산팽창계수(VIF) 분석

종속변수는 인구 1,000명당 누적 확진자 수이며, 독립변수는 사회경제적 요인과 물리적 요인으로 구성된 18개 변수로 구성하였다. 이때 모든 변수는 연구의 공간적 대상인 40개 자치구 및 군, 특별자치시에 각각 대응한다. 표 4는 본 연구에서 사용된 변수들의 기초 통계량으로 평균, 표준편차, 분산팽창계수(VIF)를 보여준다.

기술통계 분석 결과 종속변수인 분석단위의 인구 1,000명당 누적 확진자 수는 그림 1과 같은 분포를 보였다. 평균은 7.68, 표준편차는 2.55로 나타났다. 최댓값은 대구광역시 남구에서 15.59가, 최솟값은 울산광역시 울주군에서 4.1이 도출되었다. 또한, 본 연구의 분석기간인 2020년 2월부터 2021년 12월까지의 지역별 월별 확진자 수는 아래 그림 2와 같이 나타났다.

그림 1.

지역별 인구 천 명당 누적 확진자 수

그림 2.

지역별 월별 확진자 수

독립변수인 사회경제적 요인의 고령자 인구비율은 17.46%의 평균을 보였다. 평균소득은 자연로그를 취하여 17.16의 평균값을 도출하였는데, 이는 약 2,927만원에 해당하는 값이다. 백신접종률의 경우 80.9%의 평균을 보였다. 물리적 요인에 있어 토지이용복합도의 경우 0.52의 평균값을 보였으며, 유출입 통행량의 비율은 평균 74.64%를, 통근통행량의 비율은 평균 52.8%의 값을 보였다. 건폐율은 52.01%, 용적률은 140.34%의 평균값을 보였다. 일부 값의 경우는 편차가 다소 크게 나왔는데, 인구 1인당 공원면적의 경우 평균은 16.24 m²가 나온 반면, 표준편차는 37.62 m²가 나왔으며, 최댓값은 대구광역시 달성군으로 204.43 m²인 반면, 최솟값은 부산광역시 중구로 0.1 m²의 값을 보였다. 인구밀도는 1 km²미터 당 12,215명의 평균값을 보였으며, 표준편차는 6,236명의 값을 보였다. 최솟값은 울산광역시 울주군으로 1 km² 당 1,980명, 최댓값은 부산광역시 연제구로 1 km² 당 24,486의 값을 보였다.

연구대상지역의 인구 및 면적의 표준편차는 수도권에 비해 비교적 균일한 값을 보였다. 도시계획현황통계에 따르면 수도권 지역 도시인구의 표준편차는 250,992.93명인 것에 비해 연구대상지역 도시인구의 표준편차는 117,406.2명으로 연구대상지역이 보다 균일한 분포를 보이는 것으로 나타났다(국토교통부, 2021). 마찬가지로 수도권 지역 행정구역 면적의 표준편차는 246.61km²인데 비해 연구대상지역의 행정구역 면적 표준편차는 115.85km²로 연구대상지역이 보다 균일한 분포를 보였다. 이상의 내용을 통해 연구대상 지역이 수도권에 비해 상대적으로 고른 밀도 분포를 보이며, 이로 인해 특정 지역의 도시특성이 과대대표 되거나, 과소대표 되는 문제로부터 상대적으로 자유롭다고 볼 수 있다.

분산팽창계수(VIF)를 확인한 결과 18개 독립변수 모두 VIF가 10 미만으로 확인됨에 따라 다중공선성과 관련한 문제는 크게 우려되지 않는다고 판단하였다.

2. PLS 회귀분석 결과

도시 특성이 COVID-19의 확산에 미치는 관계를 파악하기 위해 PLS 회귀분석을 진행하였다. PLS 분석을 통해 도출된 잠재 인수(Latent Factor)의 투영시 변수 중요도(VIP), 모수(Parameter)의 값은 표 5와 같다.

본 연구에서는 전술한 것처럼 변수 중요도(VIP) 1을 기준으로 1 이상의 변수들을 유의한 것으로 판단하였다. 이 기준에 따라 고령자 인구 비율, 백신 접종률, 평균소득, 1인당 공원 면적, 토지이용 복합도, 유출입통행량 비율, 통근통행량 비율, 평균건폐율, 평균용적률이 유의한 변수로 추정되었다(표 5).

모수(Parameter)의 경우, 변수의 상관성이 갖는 방향을 의미하는데, 모수가 양수인 경우에는 독립변수와 종속변수가 양(+)의 상관관계를 갖는다고 볼 수 있고, 모수가 음수인 경우에는 독립변수와 종속변수가 음(-)의 상관관계를 갖는다고 볼 수 있다.

이에 따른 PLS 분석의 결과와 그 해석은 다음과 같다. 우선 고령자 인구 비율의 경우 종속변수인 COVID-19 누적 확진 비율과 양(+)의 상관관계를 갖는 것으로 나타났다. 확산 초기 노인들이 주로 입소하는 요양병원에서 대규모 확산이 진행되었음이 보고되었고(강만구･신동일, 2020), 요양병원에 입소한 노인이 아니라고 하더라도 노인세대의 경우 정보접근성이 낮고 젊은 세대에 비해 대면활동의 비중이 높기 때문에 이러한 결과가 나타난 것으로 볼 수가 있다(황남희 등, 2020). 또한 고령자는 신체적 특성으로 인해 위험인식이나 면역력 등이 일반인보다 낮기 때문에 중증의 집단감염을 야기할 수 있는 감염취약계층이라는 점에서(조수남, 2013; 안수란, 2020), 고령자 인구 비율이 COVID-19 확산과 정(+)의 상관성을 갖는 것으로 볼 수 있다.

백신 접종률은 COVID-19의 누적 확진 비율과 강한 음(-)의 상관관계를 보였는데, 이는 백신 접종이 활발할수록 COVID-19의 확산을 효과적으로 억제할 수 있음을 의미한다. 질병관리청(2022)의 국내 COVID-19 예방접종 효과 분석 보고서에 따르면, 3차 추가접종 완료군은 미접종군 대비 96.3%의 예방효과를 보였으며, 미접종 확진군의 중증화율은 3차 추가접종 완료 후 확진군에 비해 27배 높은 것으로 분석되었다. 따라서 COVID-19의 확산을 억제하는 것을 목표로 한다면, 적극적인 백신 접종을 추진할 필요가 있음을 확인할 수 있다.

지역의 평균 소득은 COVID-19의 누적 확진 비율과 음(-)의 상관관계를 갖는 것으로 나타났는데, 이는 사회경제적 취약 계층인 저소득층이 여타 계층에 비해 COVID-19의 확산으로부터 취약하다는 것으로 해석할 수 있다. 저소득층은 열악한 주거공간에서 거주하는 경우가 많으며, 이 경우 방역 및 위생 문제와 더불어 집단감염의 위험을 피하기 어렵다(임덕영 등, 2020). 아울러 저소득층 근로자는 방역목적상 대면 활동을 지양해야 함에도 불구하고, 생계를 위하여 대면활동을 통해 고객을 응대하거나 서비스를 제공해야 하는 경우가 많은데, 이러한 환경 속에서는 COVID-19 감염 위험에 노출되기 쉽다(최혜지 등, 2021). 시카고 광역권과 COVID-19 확산 간의 상관관계를 분석한 연구(Bhayani et al., 2020)에서도 COVID-19는 인종적, 경제적 불평등으로 인해 저소득층, 흑인과 같은 사회적 소수자에게 더 위험한 영향을 미친다는 결과를 제시한 바 있다. 이외에 다수의 연구(Baser, 2020; Kang et al., 2020; Nakada and Urban, 2020; Khavarian-Garmsir et al., 2021)들이 평균 소득이 낮을수록 COVID-19 확산으로부터의 취약성이 증가한다는 보고를 하고 있다.

1인당 공원면적은 COVID-19의 누적 확진 비율과 음(-)의 상관관계를 갖는 것으로 나타났다. 도시공원은 여가활동 및 휴식 중 물리적 거리두기를 용이하게 함에 따라 COVID-19의 확산을 억제할 수 있는 것으로 해석된다. 이미 몇몇 선행연구(Kaplan and Kaplan, 1989; Mitchell and Popham, 2008)에서도 공원의 예방의학적 효능 및 도시민들의 재충전 기능이 입증되었기에 포스트 코로나 시대에 지속적인 공원면적의 확충이 요구된다고 볼 수 있다.

토지이용복합도(LUM)는 COVID-19의 확산과 양(+)의 상관관계를 갖는 것으로 나타났다. 토지이용 복합도가 높을수록 토지이용의 유형이 다양해지고, 수반되는 도시민들의 생활 패턴이 다양해짐에 따라(권순정, 2015; 이진희 등, 2021) COVID-19의 유입 및 확산경로가 다양해진 것으로 해석할 수 있다.

유출입통행량 비율은 COVID-19의 누적 확진 비율과 양(+)의 상관관계를 갖는 것으로 나타났다. 이는 주변 지역과의 교류가 많거나 연결성이 높을수록 COVID-19의 확산이 강하게 이루어짐을 의미한다. 선행연구에서도 집단감염이 발생한 주요 도시와 인접한 지역이나 도로 및 철도 등의 교통수단을 통해 밀접하게 연결되어 있는 지역일수록 COVID-19의 확산이 빠르게 일어난 것으로 확인되었으며(이진희 등, 2021), 감염병 확산 범위를 확대시키고 감염경로를 복잡하게 하는 지역 간 이동이 주요 감염 취약요인으로 보고된 바 있다(오후 등, 2022).

통근통행량 또한 COVID-19의 누적 확진자수와 양(+)의 상관관계를 갖는 것으로 나타났으며 지하철역 밀도나, 버스정류장 밀도 변수보다 COVID-19의 확산에 더 크게 기여하는 변수로 파악되었다. 이러한 결과는 통근 집중 시간대에는 밀폐된 차량 내에 많은 인원이 함께 이동하여 다자간의 접촉 가능성이 커지기 때문에 일상적인 대중교통 이용보다 첨두시에 집중되는 통행량에 따른 COVID-19의 확산 정도가 커져서 나타난 것으로 해석할 수 있다. 이는 도시 내에서의 통근량이 전반적으로 감소했으나 업종별로 원격근무를 도입할 수 있는 업무환경의 여건이 달라 (이재건･이건학, 2022), 일정 시간대에 집중되는 통행량에 따른 접촉의 증가가 COVID-19 확산의 매개가 될 수 있음을 시사한다. 이는 COVID-19의 확산이 이용자 밀도에 영향을 받음을 시사하는 결과로도 볼 수 있다.

건축물 밀도와 관련하여 평균건폐율, 평균용적률의 VIP 값이 상당히 높은 수치를 보였는데, 건폐율은 COVID-19 누적 확진 비율과 양(+)의 상관관계를, 용적률은 음(-)의 상관관계를 갖는 것으로 나타났다. 이러한 결과는 저층 주거지가 다수 밀집된 주거환경에서 COVID-19의 확산 정도가 높다는 것으로 해석할 수 있다. 주로 단독주택으로 구성된 저층주거지는 아파트에 비해 채광통풍, 노약자시설, 공원녹지 시설이 부족한 것으로 보고된다(심준영 등, 2014). 이로 인해 저층 주거지 밀집 지역은 쾌적한 옥외녹지 등 오픈스페이스가 부족하고 환기가 어려워 감염병 확산 시 사람들의 건강이 더 악화될 우려가 있다고 보고된 바 있다(정소양 등, 2021). 우리나라의 저소득층은 단독주택이나 다세대 주택에서 거주하는 경향이 강한데(정은숙･금상수, 2017), 저소득층의 경우 취약한 경제여건상 봉쇄 및 사회적 거리두기를 지속적으로 실천하기에 어려움이 있고, 따라서 감염에 취약하다는 견해가 다수 제기된 바 있다(Kang et al., 2020). 같은 맥락에서 다세대 및 과밀주택 지역에서는 사회적 거리두기의 적용이 실질적으로 어렵다는 지적이 제기된 바 있다(김수진, 2020). 고층 주택의 경우 주로 밀폐된 공간인 엘리베이터 안에서 사람들의 접촉이 증가해 COVID-19의 확산이 이루어질 것으로 예상하였으나, 양호한 주거환경 및 생활인프라, 의료인프라가 구축되어 있고 공용공간 내 지속적인 방역 관리가 보장된다는 점에서 감염도가 낮게 나타난 것으로 판단된다.

분석결과 인구밀도는 COVID-19의 확산과 큰 관련성이 없는 것으로 나타났는데, 일부 선행연구에서도 일정한 조건 하에서 유사한 분석결과가 제시된 바 있다(Sun and Zhai, 2020; Hamidi et al., 2020; Khavarian-Garmsir et al., 2021; Ha and Lee, 2022). 즉, 확산 초기에는 인구밀도가 큰 영향을 미치지 못하다가 확산 후기에 가서 영향을 미치게 된다는 것이다. 2020년 데이터가 다수 포함된 본 연구의 결과는 확산 초기의 영향이 크게 작용한 것으로 추정된다.

V. 결론

본 연구는 도시 특성에 따른 COVID-19의 확산 정도를 분석하였다. COVID-19 누적 확진자 수를 종속변수로 하고 도시특성요인 중 COVID-19 확산에 영향을 미치는 요인을 2가지 유형으로 대별하여 사회경제적 요인과 물리적 요인에 대한 분석을 진행하였다. 사회경제적 요인으로는 인구밀도, 외국인 밀도, 고령자 인구비율, 백신 접종률, 평균소득, 고용률 및 산업별 종사자 비율로 독립변수를 구성하였다. 물리적 요인으로는 1인당 공원 면적, 토지이용복합도, 지하철역 밀도, 버스정류장 밀도, 1인당 승용차 등록 대수, 유출입통행량 비율, 통근통행량 비율, 평균건폐율, 평균용적률로 독립변수를 구성하였다. 본 연구는 이상의 변수를 대상으로 부분 최소제곱 회귀분석(PLS)을 진행하였다.

연구의 공간적 범위는 비수도권 광역시 및 특별자치시의 시가화 지역을 대상으로 하였고, 시간적 범위는 2020년 1월 20일부터 2021년 12월 31일까지로 설정하였다.

PLS 분석 결과 인구 1인당 공원면적은 COVID-19의 확산과 음(-)의 상관관계를 가짐을 확인하였다. 이는 도시공원이 COVID-19의 확산을 억제하는 기능을 수행하고 있음을 의미한다. 백신접종은 COVID-19의 확산을 억제하므로, 감염병 예방을 위해 백신접종의 확대가 필요함을 확인하였다. 특히 백신접종률의 지역별 편차가 적음에도 불구하고 높은 VIP 및 모수를 보이며 COVID-19의 확산과 강한 음의 상관관계를 보였다는 점에서 백신접종이 COVID-19의 확산 억제에 기여하는 바가 상당함을 추정할 수 있다.

유출입 통행이 빈번한 지역일수록 COVID-19의 확산이 활발해짐을 확인하였다. 따라서 외부와의 교류가 활발할수록 외부로부터 COVID-19 바이러스가 유입될 위험 또한 높다는 추론이 가능하다. 통근통행량의 비율이 높은 지역일수록 COVID-19의 확산이 커짐을 확인할 수 있었는데, 출퇴근 시 밀폐된 공간에서의 밀접접촉이 COVID-19 바이러스의 확산에 기여하였을 가능성을 고려할 수 있다. 통근통행의 감소를 재택근무 및 비대면 강의의 활성화로 역추정한다면, 재택근무와 비대면 강의가 활성화될수록 COVID-19가 효과적으로 억제될 것이라는 해석이 가능하다. 고령자 인구 비율이 높고 평균소득이 낮은 지역일수록 COVID-19 확산이 활발하다는 사실이 확인되었는데, 이는 사회적 취약계층에서 COVID-19의 확산이 보다 강하게 이루어졌음을 보여주는 결과이다. 특히 노인층의 경우 기저질환 등으로 인해 COVID-19 확진시 중증화 내지는 사망으로 이어질 가능성이 높다는 점에서 이들에 대한 보다 적극적인 보건관리가 필요함을 알 수 있다.

밀도 측면에 있어서 건폐율과 용적률은 COVID-19의 확산에 상반된 영향을 미치는 것으로 나타났는데, 건폐율 밀도는 COVID-19의 확산과 양(+)의 상관관계를, 용적률은 COVID-19의 확산과 음(-)의 상관관계를 보이는 것으로 나타났다. 이는 건폐율은 높지만, 용적률이 낮은 저층 주거지에서 COVID-19의 확산이 활발하게 이루어졌음을 보여준다. 이는 용적률과 건폐율이라는 물리적인 특성이 COVID-19 확산의 원인이 되었다고 직접적으로 해석할 수도 있지만, 보다 근본적으로는 인구 사회적 특성으로부터 해당 지역에 주로 거주하는 취약계층이 COVID-19의 확산에 취약하다는 결과로도 해석할 수 있다.

본 연구에서 사용된 유출입 통행량, 업종별 종사자수 데이터의 구득이 가능한 연한이 2019년인 관계로 최신 현황과는 일부 오차가 발생할 수 있다는 한계가 존재한다. 물론 종속변수를 제외한 상당수의 도시특성 데이터가 1년 내 급격히 변하지 않았을 가능성이 높지만, 해석에는 주의를 요한다. 아울러 읍면동 단위의 세분화된 데이터 구득이 제한되어, 자치구 단위의 데이터를 사용하였다. 때문에 표본의 수가 비교적 적은 편이고, 하나의 데이터가 가지는 공간 범위가 다소 넓다는 한계가 존재한다. 그럼에도 본 연구는 면적, 인구 측면에서 수도권에 비해 상대적으로 균일한 분포를 갖는 비수도권 대도시를 대상으로 분석을 진행하였기 때문에 다양한 규모의 자치구 및 시, 군이 혼재되어 있는 수도권에 비해 분석단위가 갖는 도시특성이 상대적으로 균일하다는 장점이 있다. 그러나 서울과 인천을 분석대상에 포함하지 않은 관계로 연구결과의 일반화에는 일정한 한계를 갖는 것이 사실이다. 또한 본 연구의 대상이 된 도시들이 비교적 고밀의 도시환경과 발달된 대중교통 인프라를 갖춘 대도시이기 때문에 본 연구의 결과를 자동차 위주의 저밀 소도시 또는 비도시 지역에 적용하기는 어렵다는 한계도 배제할 수 없다. 다수 선행연구의 분석결과와 달리 밀도의 핵심지표인 인구밀도의 유의성이 확인되지 않은 것은 분석의 대상, 시기, 방법의 차이에서 기인하는 결과일 수 있음을 지적할 필요가 있다.

상기 한계에도 불구하고 COVID-19와 관련해서 도시의 물리적 특성과 함께 인구 사회학적인 요인을 함께 고려한 이 연구가 갖는 학술적･정책적인 함의가 미약하다고는 볼 수 없다. 후속 연구에서는 수도권과 중소도시까지 연구범위를 넓혀서 보다 일반화된 결론을 도출해줄 것을 기대한다.