I. 서론

1. 연구의 배경 및 목적

도시활력이란 도시공간의 역동성과 활동성을 보여주는 지표(엄현주 등, 2022)로, 도시 내의 주거, 상업, 여가 등 각종 시설의 적절한 조성을 위해서는 이러한 도시활력에 대한 고려가 필수적이다. 이에 기존의 많은 연구들이 도시 활력과 도시 내 물리적·사회적 특성 간의 상관관계를 분석하여, 그 결과를 바탕으로 효율적인 도시계획을 수립하기 위한 가이드라인을 제시하였다 (임하나 등, 2016; 양용택･배웅규, 2018; 조월･이수기, 2021).

한편, 행정안전부는 2023년 5월 보도자료를 통해 기존의 주민등록을 기준으로 하는 정주인구 외에 지역에 장·단기적으로 체류하는 사람까지 지역의 인구로 보는 ‘생활인구’ 개념을 적극적으로 도입·활용하겠다고 밝혔다. 이는 인구감소 시대에 공간의 계획과 관리에 있어 단순히 그 곳에 거주하는 인구뿐만 아니라, 지역 내 활력에 기여하는 사람 모두를 고려하겠다는 의도로 보인다. 이에 따라, 보다 실질적인 공간 수요를 바탕으로 하는 도시계획을 수립하기 위해서는 생활인구를 도시활력의 척도로 하여 이에 영향을 미치는 도시 내 물리적·사회적 요인에 대한 더욱 면밀한 분석이 선행되어야 할 것으로 보인다.

한편, 지난 3년여간 이어진 COVID-19(이하 코로나19)의 대유행은 수많은 자영업자들의 영업을 중단하게 만드는 등 국가 및 도시경제에 막대한 타격을 주었다. 또한, 감염병 발생과 동시에 나타난 사회적 거리두기 정책과 비대면 서비스, 재택근무 등의 확대로 이전과는 확연히 다른 도시 내 활동 패턴들이 등장하기 시작하였고, 2023년 5월 11일 정부의 엔데믹 선언 이후에도 업무, 여가, 학습 등 다양한 분야에서 이러한 비대면 활동이 지속되고 있다. 따라서, 코로나19 발생 이후 도시 내 여러 요소가 생활인구에 미치는 영향이 이전과 비교하여 어떻게 변화하였는지를 확인할 필요가 있다. 코로나19 발생 전후 생활인구 변화에 대한 비교는 팬데믹이 도시활력에 미친 영향을 파악할 수 있게 해준다는 점에서 의의가 있다고 판단된다.

생활인구와 도시 내 각종 요소 간의 상관관계를 다룬 기존의 선행연구들은 분석 단위에 있어 통계수치가 제공되는 행정동을 주로 사용해 왔는데(류은혜･김은정, 2021; 유현지, 2021), 행정동은 지방자치법 4조의2에 근거하여 법정동처럼 자연부락이나 오랜 전통에 근거하지 않고 행정편의를 위해 면적이나 인구 규모에 따라 설정한 행정구역이다. 행정동은 각종 도시 요소의 지리적 단절과 연속성을 고려하지 않고 인위적으로 구분된 경계를 사용하기 때문에 이에 근거하여 분석을 진행할 경우 개별 도시특성이 갖는 효과를 충분히 규명하는 데에 일정한 한계가 있다.

이에 본 연구는 이러한 한계를 보완하고자 서울특별시 동남권 4개 자치구(서초구, 강남구, 송파구, 강동구)를 공간구조의 특성을 반영한 슈퍼블록 단위로 나누어 각종 도시요소가 생활인구에 어떠한 영향을 미치는지 확인하고자 한다. 이를 위해 각 도시 요소와 생활인구의 상관관계를 코로나19 발생 전후, 평일·휴일 여부와 시간대로 구분하여 종합적으로 분석함으로써 효율적인 토지이용과 공간 활용을 위한 도시계획적 시사점을 도출하고자 한다.

2. 연구의 범위 및 방법

연구의 시간적 범위는 국내 코로나19 발생 이전 시기인 2019년과 코로나19 대유행 시기인 2021년으로 설정하였다. 다수의 선행연구들이 도시의 물리적･사회적 특성과 보행량 또는 유동인구 간의 상관관계를 분석하였다(조월･이수기, 2021; 임하나 등, 2016; 장진영 등, 2015a, 2015b; 이연수 등, 2013; 윤나영･최창규, 2013; 이정우 등, 2015). 하지만 코로나19 발생 이전 대부분의 연구는 단일 연도에 대해서만 분석이 이루어졌다. 따라서 코로나19 발생 이전 시기와 대유행 시기의 비교를 통해 팬데믹이 도시 활력에 어떠한 변화를 미쳤는지를 확인함으로써 생활인구와 도시특성 간의 실질적 관계를 확인해 볼 필요가 있다고 판단하였다.

연구의 공간적 범위는 2030 서울생활권계획 상 동남권에 해당하는 서초구, 강남구, 송파구, 강동구로 설정하였다. 동남권은 1970년대 이후 토지구획정리사업과 아파트지구 개발 사업을 통해 신시가지가 조성되었고, 서울 3대 도심 중 하나인 강남도심을 포함하고 있어 도시 활력을 살펴봄에 있어 타 생활권에 비해 대표성이 높다고 판단하였다. 또한, 계획적 개발과정을 통해 대부분의 도로가 격자로 형성된 점과 지하철, 버스 등 교통편의시설이 유사한 간격으로 촘촘히 배치된 점이 슈퍼블록 단위의 연구에 적합하다고 판단하였다. 다른 권역에 비해 상대적으로 많은 생활인구 또한 연구 결과의 신뢰성을 확보하는 데에 유리할 것으로 판단하였다(표 1).

본 연구는 ‘슈퍼블록’을 분석 단위로 설정하였다. 4개의 자치구를 일정 크기의 주간선도로에 의해 둘러싸인 ‘슈퍼블록’으로 구분하여 각 구역에 해당하는 데이터를 구축하는 방법으로 연구를 진행하였다. 기존의 연구들은 대부분 행정동 혹은 집계구 단위로 인구와 도시의 특성 간의 관계를 분석하였다. 그러나 집계구의 경우 면적 편차가 크고 형태의 정형성이 담보되지 않아서 비교·분석에 있어 일정한 어려움이 있으며, 행정동은 정형성은 갖고 있으나 상대적으로 규모가 커서 내부의 동질성 확보에 있어 일정한 한계가 있다. 따라서 본 연구는 상대적으로 구역 내 도시 활동이 동질적이며 정형화된 활동권역인 슈퍼블록을 범위로 설정하였다(그림 1, 표 2). 이상의 이유로 본 연구는 서울특별시 서초구, 강남구, 송파구, 강동구의 슈퍼블록 169개를 공간적 범위로 설정하여 분석을 진행하였다.

분석방법으로는 공간회귀분석을 채택하였다. 선행연구들에 대한 검토를 토대로 독립변수를 설정한 후 독립변수들 간의 다중공선성 검토를 통해 최종적인 독립변수를 확정하였다. 이후 공간적 자기상관성을 진단하고 Lagrange Multiplier-test를 실시한 후, 최적의 공간분석모델을 확정하여 공간회귀분석을 진행하였다.

그림 1.

자치구별 분석대상 슈퍼블록 현황

II. 이론 및 선행연구 검토

1. 관련 개념

1) 슈퍼블록

페리(Clarence Perry)의 근린주구론(Neighborhood Unit Theory)에서 시작되어, 1929년 스타인(Clarence Stein)과 라이트(Henry Write)의 래드번(Radburn) 단지에 의해 실현된 슈퍼블록은 통상 단지 내에서, 통과 교통을 배제하고 보행자를 우선으로 하는 건축물 군과 오픈 스페이스, 주차장 등을 종합적, 일체적으로 계획한 구역으로 정의되는데(대한건축학회, 2023), 그 규모에 있어서는 가구(街區)의 크기인 50m×100m를 몇 개 합친 크기의 대형가구(街區)로 정의된다(서울특별시, 2023a).

이러한 정의를 바탕으로, 본 연구에서는 “주간선도로가 4면을 감싸는 형태의 블록”으로 슈퍼블록을 정의하고자 한다. 이론적으로는 주간선도로가 통상 1km 간격으로 배치되므로 슈퍼블록의 크기는 1km² 내외의 규모를 갖는 대형가구로 정의할 수 있으나, 표 2에서 볼 수 있듯이 동남권 슈퍼블록의 평균면적은 0.45km²로 그 절반 규모를 갖는다. 한편, 서울의 행정동 및 집계구의 평균면적은 1.42km²와 0.03km²이고, 동남권 행정동 및 집계구의 평균면적은 1.69km²와 0.04km²이므로, 슈퍼블록은 행정동보다는 작고, 집계구보다는 훨씬 큰 규모를 갖는 공간단위라고 볼 수 있다.

2) 생활인구

생활인구는 조사 시점에 개인이 위치한 지역을 기반으로 집계된 ‘현주인구’ 데이터이다. 서울시 생활인구는 서울열린데이터광장에서 제공되는데, 이때 ‘생활인구’는 “서울시와 KT가 공공빅데이터와 통신데이터를 이용하여 추계한 서울의 특정지역, 특정시점에 존재하는 모든 인구”로 정의된다(서울특별시, 2023b). 서울시 생활인구 데이터는 종종 유동인구 또는 활동인구를 반영하는 데이터로 활용된다.

3) 도시활력

도시활력은 도시공간에서 사람의 존재와 활동, 사람들 간의 사회적 상호작용에서 배태된 해당 공간의 특성으로 설명된다(Jacobs, 1961). 구체적으로 도시활력은 일정한 시기에 특정 도시공간이 얼마나 바쁜지(busy)를 나타내는 척도로서(Ravenscroft, 2000), 도시 내 시민들의 사회경제 활동과 상호작용의 강도를 보여준다(Huang et al., 2020). 유사한 맥락에서 엄현주 등(2022)은 도시활력을 도시공간의 역동성과 활동성을 보여주는 지표라고 정의한 바 있다.

일반적으로 도시활력은 유동인구로 인해 발생하는 북적거림을 의미하는 ‘사회적 활력’과 소비, 거래, 투자 등의 활동을 뜻하는 ‘경제적 활력’으로 구분된다(김영롱, 2020). ‘활성화’는 ‘활력’이 실현되는 과정으로 볼 수 있는데, 김흥순(2010)은 도시의 활성화를 ‘경제적 측면’과 ‘인식의 측면’으로 구분해서 살펴보고 있다. 그는 경제적 측면의 활성화가 지역의 생산액(판매액), 지가(임대료), 입점률 등에 의해 평가되는 반면, 인식 측면의 활성화는 물리적 경관과 인간활동(유동인구)에 의해 평가된다고 주장하였다.

본 연구에서는 도시 내 인구의 역동성을 직관적으로 보여주는 ‘사회적 활력’과 ‘인식’의 관점에서 도시활력을 정의하고자 한다. 즉, 유동인구의 ‘북적거림’ 차원에서 도시활력을 살펴보고자 한다. 이를 위해 도시의 실질적인 공간수요인 생활인구 데이터를 활용하여 도시활력 현상을 측정하고자 한다.

2. 선행연구 검토

생활인구가 보행활동과 밀접한 관련성을 갖는다는 전제하에 선행연구를 세 가지 소주제로 나누어 검토하였다. 첫 번째 주제는 ‘가로기반시설 및 대중교통 시설과 보행량의 관계’이고, 두 번째 주제는 ‘건축물 용도 및 밀도와 보행량의 관계’이며, 세 번째 주제는 ‘코로나19 확산 이후 도시 활력의 변화’이다.

1) 가로기반시설 및 대중교통시설과 보행량의 관계

가로기반시설과 대중교통시설은 생활인구의 이동을 지원하는 요소로서 보행량과의 연관성이 매우 깊다. 장진영 등(2015b)은 보도폭원, 차로 수, 횡단보도 수가 보행량을 증가시키고 장애물 유무와 경사도는 보행량을 감소시킨다는 연구결과를 제시하였다. 하지만 장진영 등(2015a)에서는 차로 수, 횡단보도 수가 보행량을 감소시킨다는 결과를 제시하여 앞의 논문과 상반되는 결과를 보여주었다. 이향숙 등(2014)은 각 생활권역별로 가로기반시설과 유동인구의 관계를 밝혔는데 보도폭원이 넓고 차로수가 많을수록 유동인구가 증가한다는 결과를 제시하였다. 이주아 등(2014)은 도로폭, 간선가로 여부, 보도폭원 등이 보행량을 증가시킨다는 결과를 제시하였고, 지하철역까지의 거리가 멀수록 보행량이 감소한다는 분석결과를 제시하였다. 한편 양용택･배웅규(2018)는 보도폭원이 보행량을 증가시킨다는 결과를 보고하였다.

대중교통시설은 일반적으로 보행량과 양의 상관관계가 있는 것으로 보고된다. 임하나 등(2016)은 지하철역의 개수와 버스 노선 수가 많을수록 보행량이 증가한다는 분석결과를 보고하였다. 장진영 등(2015b)에서도 동일한 결과가 제시되었는데, 지하철 출입구까지의 거리가 가까울수록 보행량이 증가한다는 연구결과가 보고되었다. 양용택･배웅규(2018)는 일반 가로와 역세권 가로 모두에서 버스정류장 수가 많을수록 보행량이 증가한다는 결과를 제시하였다.

2) 건축물 용도 및 토지이용혼합도와 보행량의 관계

앞서 살펴본 가로기반시설 및 대중교통시설이 생활인구의 이동을 지원하는 시설이라면 건축물 용도 및 밀도는 생활인구의 밀집을 유도하는 시설이다. 따라서 어떤 장소의 특성이 생활인구를 밀집시키는지 알아보기 위해 선행연구를 검토해보았다.

임하나 등(2016)은 개별 토지이용 및 토지이용 혼합과 보행량의 상관성을 살펴보았다. 개별 토지이용에서는 주거시설의 연면적이 증가하면 보행량이 감소하고 근린생활시설, 판매시설, 재래시장, 업무시설, 문화여가시설, 교육시설, 의료복지시설의 연면적이 증가하면 보행량이 증가하는 결과가 나타났다. 토지이용 혼합에서는 주거에 비주거용도가 혼합되면 대부분 보행량이 증가하고 상업시설 중 판매시설보다 근린생활시설이 혼합될 때 보행량이 증가하는 것으로 나타났는데, 이는 대규모 판매시설이 오히려 보행보다는 차량이동을 유도하기 때문에 나타난 결과로 해석된다.

장진영 등(2015a, 2015b)은 상업중심 군집에서 오전 시간대에는 주거, 산업, 교육시설의 연면적밀도가 증가할수록 보행량이 증가하고, 오후 8시 이후에는 상업 및 업무시설의 연면적 밀도가 증가할수록 보행량이 증가한다는 연구결과를 제시하였다. 조월･이수기(2021)는 음식점시설 밀도, 교육학문시설 밀도, 금융보험시설 밀도, 서비스산업시설 밀도, 언론미디어시설 밀도, 사회공공시설 밀도가 높을수록 생활인구가 증가하고 부동산시설 밀도와 건물바닥 면적비가 높을수록 생활인구가 감소한다는 분석 결과를 제시하였다.

3) 코로나19 확산과 도시활력의 변화

2020년 2월 29일 정부 당국은 코로나19의 확산방지를 위해 사회적 거리두기 조치를 발표하였다. 이후, 지역 내 인구유동을 최소화하려는 이 조치가 감염병의 장기화로 인하여 2년여 동안 이어짐에 따라 도시 활력에도 상당한 영향을 주어, 내수 피해액이 서울에서만 4조 원을 넘어설 것으로 예측되었으며(박희석 등, 2020), 이 과정에서 그 효과를 분석하는 다양한 연구들이 발표되었다.

연구의 시간적 범위 설정과 관련하여 코로나19 발생 이후에는 특정 연도만을 대상으로 한 연구도 있었으나(유현지, 2022), 대부분의 연구는 일정 시기의 비교를 통해 활력의 변화 양상을 확인하고자 하였다. 코로나19 발생 이전 시기부터 대유행 시기까지를 분기별로 나누어 비교하거나(유현지, 2021; 이슬 등, 2022), 발생 이후 두 연도의 동 분기를 비교하기도 하였으며(박성희･송재민, 2022), 2020년을 1차, 2차, 3차 유행 시기로 구분하거나(류은혜･김은정, 2021), 1차 유행 시기를 저항기, 회복기, 적응기의 세 단계로 세분화하는 등(엄현주 등, 2022), 코로나19 발생 이후 감염병의 심각도와 상황에 따라 다양한 시기별 분석이 수행되었다.

또한, 도시활력 분석을 수행한 대부분의 연구가 공간 내 활력의 척도로 유동인구와 생활인구 혹은 보행량을 활용한 것(장진영 등, 2015a, 2015b; 임하나 등, 2016; 유현지, 2022; 이재건･이건학, 2022)과는 달리 일부 연구에서는 막대한 사회경제적 타격을 불러일으킨 코로나19의 특성을 고려하여 특정 상권 내 매출액이나 카드 사용액에 대한 분석을 통해 해당 지역의 활력을 파악하고자 시도하였다(박성희･송재민, 2022; 유현지, 2021; 이슬 등, 2022).

한편, 코로나19에 의한 도시 내 각종 요소가 갖는 도시 활력에 대한 영향력 변화에 관해서는 연구자별로 상이한 결론이 제시되고 있다. 주거비율이 증가할수록 지역 내 사회·경제적 활력이 높아진다는 것은 공통적인 결론이었으나(류은혜･김은정, 2021; 박성희･송재민, 2022; 유현지, 2022), 토지이용혼합도와 대중교통 접근성이 도시활력에 양(+)의 영향을 미친다는 일부 연구결과(McConnell, 2021; 유현지, 2022)와는 다르게, 류은혜･김은정(2021)과 박성희･송재민(2022)은 코로나 시기 해당 변수가 도시활력과 무관하다는 결론을 제시하였다. 한편, 토지이용 측면에 있어서 코로나19 발생 이후 식품접객업, 숙박업 밀도가 높을수록 생활인구가 감소한다는 분석이 제기되기도 하였다(류은혜･김은정, 2021).

3. 선행연구의 시사점

선행연구들은 토지이용 요인, 교통요인, 가로기반시설 요인, 사회경제적 요인 등 다양한 요인에 대한 분석을 통해 보행량 또는 유동인구와 도시활력 간의 관계를 검토하였다. 이와 함께 코로나19 확산과 도시활력의 변화를 다룬 연구들도 다수 제시되었다. 유동인구와 도시활력 간의 관계를 규명한 연구들이 유사한 결과를 보고하는 것과 달리 코로나19의 효과에 대한 연구는 연구자에 따라 상이한 결과가 제시되는 경우가 적지 않았다.

대부분의 선행연구들은 분석단위를 행정동 혹은 집계구 단위로 설정하였는데(유현지, 2022; 정윤영･문태헌, 2014; 류은혜･김은정, 2021; 임하나 등, 2016; 이연수 등, 2013; 조월･이수기, 2021; 주진호 등, 2022), 행정동 혹은 집계구 단위는 동질성 확보에 한계를 갖거나 규모와 형태가 일정하지 않다는 특징이 있다. 따라서 본 연구는 기존 연구들과 달리 일정한 크기의 규모와 형태를 갖는 공간단위를 분석하고자 슈퍼블록 개념을 도입하여 이를 기준으로 분석을 진행하고자 한다. 이는 내부 활동의 동질성을 확보할 수 있다는 점에서 생활인구와 도시특성의 관계를 파악하는데 강점이 있다고 판단된다.

한편, 균등한 크기로 분할이 가능한 격자단위의 적용이 고려될 수 있는데(이명훈 등, 2021), 격자형태의 단위는 기존의 도로위계를 무시하고 공간을 분할하게 되며, 내부 공간의 동질성 확보가 담보되지 않는다는 단점이 존재한다. 이와 달리 슈퍼블록은 기존에 있는 도로 형태를 유지하면서 공간을 일정하게 분할하여 동질성을 확보할 수 있다는 장점이 있다.

다수의 선행연구들은 분석 방법으로 선형회귀모형(OLS: Ordinary Least Squares)을 사용하였다(임수명 등, 2019; 장진영 등, 2015a, 2015b; 이향숙 등, 2014; 이주아 등, 2014; 임하나 등, 2016; 윤나영･최창규, 2013; 조월･이수기, 2021; 이연수 등, 2013; 이정우 등, 2015; 양용택･배웅규, 2018). 생활인구는 특정 공간과 시점의 인구이기에 공간적 영향관계를 파악하는 것이 중요하므로, 본 연구에서는 공간회귀분석을 통해 분석을 진행하고자 한다.

III. 분석의 틀

1. 공간회귀분석

전술한 것처럼 본 연구에서는 선행연구와 달리 OLS가 아닌 공간회귀분석을 활용하여 분석을 수행한다. 공간 데이터를 OLS를 이용하여 분석할 경우, 종속변수 또는 오차의 공간적 자기상관성이 발생할 수 있다. 종속변수의 공간적 자기상관성이 발생할 경우 OLS의 모수추정량이 편향되는 오류가 발생할 수 있는데(변필성, 2007), 이러한 오류는 공간회귀모형의 적용을 통해 개선이 가능하다(김대영, 2016). 공간적 자기상관성은 “모든 것은 관련되어 있지만, 공간적으로 인접한 것과 더 밀접하게 관련되어 있다”는 토블러(Tobler)의 ‘지리학 제 1법칙(The First Law of Geography)’에서 도출된 개념으로, Moran's I 등의 기법을 통해 통계적으로 검정이 가능하다(변필성, 2007; 조동기, 2009).

본 연구에서 활용되는 공간회귀모형은 공간시차모형(SLM: Spatial Lag Model)과 공간오차모형(SEM: Spatial Error Model)이다. 먼저 SLM은 OLS에서 종속변수의 공간적 자기상관이 발생할 경우 사용되는 모델로, 공간적 자기상관성의 통제를 위해 주변 지역들이 종속변수에 미치는 영향력을 변수화하여 새로운 설명변수를 회귀모형에 추가하는 모형이다(최열·이재송, 2014). SEM은 오차의 공간적 자기상관성이 발생할 경우 사용되는 모델로, 오차의 공간적 자기상관성은 특정 현상이 발생하는 권역과 그 현상에 관한 데이터를 집계하는 구역이 불일치하는 경우에 발생한다. 또한 공간적 자기상관이 발생하는 변수를 파악할 수 없어 회귀모델에 설명변수로 투입하지 못함으로 인해서도 나타날 수 있다. 적절한 공간회귀모형의 선택을 위해서는 LM-test가 실시된다.

2. 변수 설정

종속변수는 시간대별 생활인구의 합계로, 해당 시간대는 2019년 평일 07~19시, 2019년 평일 19~24시, 2019년 휴일 07~24시, 2020년 평일 07~19시, 2020년 평일 19~24시, 2020년 휴일 07~24시이다. 코로나19 발생 전후 슈퍼블록에 미친 변화를 살펴보고자, 팬데믹 발생 이전인 2019년과 발생 이후인 2021년을 대상으로 분석을 실시하였다. 또한, 생활인구의 분포가 주중·주말, 주간·야간 사이에 서로 다른 양상을 나타낸다는 선행연구의 결과(오다원, 2019)를 참고하여, 평일과 휴일로 대별한 후, 평일은 일과 시간대(07~19시)와 퇴근 후 시간대(19~24시)로 세분하여 분석을 진행하였다. 휴일에는 출퇴근을 하지 않는 점을 고려하여 07시~24시로 변수를 설정하였다.

독립변수는 선행연구를 토대로 건축물 요인, 가로기반시설 요인, 대중교통 요인, 기타 요인으로 구분하였으며, 가로기반시설 요인의 보도폭과 도로폭을 제외한 모든 변수에 밀도개념을 적용하였다(표 3).

가로기반시설 요인은 보도폭, 도로폭, 도로율, 주차장 밀도, 횡단보도 밀도로 구성된다. 건축물 요인에서 건축물 용도는 주거, 판매, 숙박·위락, 업무, 문화·교육, 공공·복지·의료로 구분된다. 그 외에 건물바닥면적비(이하 BAR: Building Area Ratio), 용도복합도(이하 BUM: Building Use Mix)가 건축물 요인에 해당하는 변수이다. 대중교통 요인은 버스정류장 밀도, 지하철 역세권 면적 비율로 구성된다. 기타 요인에는 공시지가가 해당된다. 변수의 단위, 조작적 정의, 데이터 출처 등은 표 4와 같다.

건축물 요인에서 건축물의 용도는 보행자와 상호작용을 하는 특성을 지닌다는 점에서 보행량과 관련이 있는 것으로 알려져 있다(이정우 등, 2015). 유사한 특성을 가진 용도를 하나의 변수로 그룹화하여, 최종적으로 주거, 판매, 숙박·위락, 업무, 문화·교육, 공공·복지·의료의 총 6개 용도에 대한 밀도를 변수로 선정하였다. 여기서 주거, 판매, 업무용도는 코로나 시기 재택근무 및 판매시설 이용시간의 단축 조치로 인해 코로나 전후의 차이가 명확하게 드러날 것이라 판단하여 타 용도와 묶지 않고 개별 용도를 하나의 변수로 설정하였다. 용도에 대한 건물의 연면적은 국가공간정보포털에서 제공하는 GIS건물통합정보(.shp) 자료를 이용하여 구축하였는데, 해당 자료를 통해 건물의 특성과 주용도에 해당하는 용도를 파악할 수 있다. 이를 이용하여 각 용도에 해당하는 건물의 연면적을 주용도별로 구분하였으며, 슈퍼블록 내에 위치한 건물의 연면적을 파악하기 위해 GIS의 공간결합(spatial join)을 통해 슈퍼블록 내 용도별 연면적을 합산하였다. 용도에 따라 합산된 슈퍼블록 내 건물의 연면적 총합을 슈퍼블록의 면적으로 나누어 건축물의 용도별 밀도를 최종 산출하였다.

BAR은 기존 선행연구에서 도시 활력에 음(-)의 영향을 미친다는 결과가 보고된 바 있다(조월･이수기, 2021). 따라서 이 변수가 코로나 전후로 생활인구에 어떠한 영향을 미치는지 그 변화를 확인하고자 변수에 포함하였다. BUM은 식 1과 같이 산출되는데, Jacobs(1961)는 용도의 다양성이 높을수록 도시활력이 제고되며, 다양한 사람들이 모이는 도시환경을 조성할 수 있다고 하였다. 따라서 용도의 복합성이 실제 생활인구에 미치는 연관성을 파악하고자 변수에 포함하였다.

단, n=전체용도의개수

Pi=전체면적중i용도의면적비율=i용도의면적전체면적

본 연구에서 지칭하는 가로 기반시설은 도로·주차장 등 도시민의 생활이나 도시기능의 유지에 필요한 시설을 말한다. 다수의 선행연구들이 생활인구와 관련된 도시특성을 파악하기 위해 가로기반시설을 고려하였다. 도로네트워크를 통한 접근성 향상과 가로환경 개선이 생활인구에 양(+)의 영향을 미친다는 기존의 연구결과에 근거하여(조월･이수기, 2021), 보행의 편의성과 연관이 있는 보도폭, 도로폭, 도로율, 주차장 밀도, 횡단보도 밀도를 독립변수에 포함하여 분석을 진행하였다. 주차장 밀도는 서울열린데이터광장에서 제공하는 서울시 주차장 동별 통계자료를 이용하여 구축하였다. 주차장 자료는 민영 및 공영주차장에 해당하는 노상, 노외, 부설 주차장을 모두 고려하였으며, 슈퍼블록이 속한 행정동의 주차 면수를 슈퍼블록의 면적으로 나누어 슈퍼블록 면적당 주차장 면수로 산출하였다. 횡단보도 밀도는 대로에 설치된 횡단보도의 위치를 점 좌표로 나타낸 공간정보자료로 블록 간 연결성을 나타내는 변수로 사용되었다. 해당 자료를 바탕으로 슈퍼블록 내 횡단보도의 개수를 슈퍼블록 면적으로 나누어 밀도로 산출하였다.

대중교통 요인으로는 버스정류장 밀도, 지하철 역세권 면적 비율을 변수로 설정하였다. 대중교통은 도보통행과 연결되는 통행수단이므로, 보행활동과 일정한 관련성을 갖는다(임수명 등, 2019). 버스정류장 밀도는 해당 슈퍼블록 내 버스정류장의 총 개수를 슈퍼블록 면적으로 나누어서 산출하였다. 지하철 역세권은 서울특별시 역세권 활성화사업 운영기준 제1장에 근거하여 지하철 역사를 기준으로 반경 250m 면적 내에 포함되는 슈퍼블록 면적을 추출하였으며, 노선이 2개 이상인 역은 그만큼 이용하는 인구수가 증가할 것이라는 판단에서 노선 수를 곱하여 가중치를 부여하였다.

기타 요인으로는 공시지가를 고려하였다. 공시지가는 값이 커서 그 크기를 줄여서 비교하는 것이 분석에 더 용이하며, 분석 시 정규성을 확보하고자 자연로그를 취하여 분석을 진행하였다.

IV. 실증 분석

1. 기초통계량 및 다중공선성 진단

생활인구 밀도와 각 독립변수 간의 관계를 분석하기에 앞서, 종속변수와 독립변수들의 기초 통계량을 살펴보았다(표 5). 종속변수인 생활인구 밀도는 평균값 기준으로 2019년과 2021년 모두 평일 07~19시, 휴일 07~24시, 평일 19~24시 순으로 큰 값을 보였다. 또한, 시간대별 생활 인구밀도의 최솟값, 최댓값, 평균값이 모두 2019년 대비 2021년에 감소한 점을 고려하였을 때, 코로나19가 서울 동남권의 생활인구 밀도에 부정적인 영향을 미쳤을 것이라고 추측할 수 있다. 이는 표 1에서 이미 언급한 바와 같이 동남권 만의 현상은 아니고, 서울시 전역에서 나타난 현상으로 코로나19가 도시의 전반적인 활력을 약화시켰다고 볼 수 있다.

독립변수 중 가로기반시설 요인의 보도폭과 도로폭은 각각 4.74m와 34.13m의 평균값을 보였고, 도로율과 주차장 밀도의 평균값은 0.21m²/m²과 0.01m²/m²으로 비교년도 간에 차이가 없었다. 횡단보도 밀도는 평균 120개/km²의 값을 나타냈다. 건축물 요인 중 용도별 밀도에서는 두 해 모두 주거 밀도가 평균값 기준으로 가장 큰 값을 보였고, 판매와 업무 밀도가 그 뒤를 이었다. 대중교통 요인에서 지하철 역세권 면적 비율은 평균 0.22m²/m²의 값을 보였다. 한편, 자연로그를 취한 2019년과 2021년의 평균 공시지가는 각각 15.54, 15.74의 평균값을 보였는데, 이는 1m²당 약 561만 원과 685만 원에 해당하는 값이다.

한편, 본 분석에 앞서 변수들 사이의 다중공선성을 확인하였다. 다중공선성 진단 과정에서 건축물 요인의 FAR이 자동으로 제외되었다. FAR을 제외하고 진행한 독립변수들 간의 공선성 진단 결과는 표 6과 같다. 2019년과 2021년의 독립변수 모두 VIF 값이 4 미만으로 나타나서, FAR을 제외한 변수 간에는 공선성이 크지 않음을 확인하였다.

2. 공간적 자기 상관성 진단

전술한 바와 같이, 본 연구에서는 공간회귀모형을 통한 분석을 진행하기 위해 표 7과 같이 종속변수의 공간적 자기상관성을 진단하였다. 종속변수별 전역적 모란지수가 1% 수준에서 유의하게 나타난 점과 모란산포도(Moran Scatter Plot)의 양상을 통해서 양(+)의 공간적 자기상관성이 존재함을 확인하였다. 또한, Z-value를 통해 데이터의 분포가 집중되어 있음을 확인하였다.

표 7.

종속변수별 공간적 자기 상관성 진단 결과

	Moran’s I	Z	Moran Scatter Plot	LISA CLUSTER MAP
‘19년 평일 07~19시	0.288	6.5483
‘19년 평일 19~24시	0.282	6.1978
‘19년 휴일 07~24시	0.301	6.7493
‘21년 평일 07~19시	0.264	5.9020
‘21년 평일 19~24시	0.251	5.4146
‘21년 휴일 07~24시	0.274	6.0264

한편, LISA 지수를 활용한 LISA Cluster Map을 통해 종속변수인 생활인구 밀도가 국지적으로 인접 지역 간에 공간적 의존성을 나타냄을 확인하였다. 특히 2019년과 2021년 평일 07~19시에 업무지구가 밀집한 테헤란로 일대와 잠실역 부근에서 H-H(High-High) 지역이 나타났으며, 송파구와 강동구의 외곽지역에서 L-L(Low-Low) 지역이 고루 나타나는 것을 확인할 수 있는데, 이는 평일 일과 시간대에 업무지구에 사람들이 집중되며, 주거지역의 유동인구가 줄어드는 현상을 보여주는 결과이다.

3. 공간회귀분석

앞서 모든 시간대에서 오차항의 Moran’s I가 유의미하게 나타나 공간적 자기상관성이 존재함을 확인할 수 있었다. 따라서, 이후 공간회귀분석을 수행하기 위해 Geoda 프로그램을 이용하여 표 8과 같이 LM Test를 실시하고, 그 결과를 바탕으로 종속변수별로 SLM과 SEM 중 조건에 맞는 최적의 모델을 선택하였다.

2019년 평일 07~19시, 2019년 평일 19~24시, 2019년 휴일 07~24시, 2021년 휴일 07~24시의 네 그룹에 대하여 LM test를 실시한 결과, LM-Lag 값과 LM-Error 값이 모두 유의미하게 나타나 Robust LM-Lag 값과 Robust LM-error 값의 비교를 통해 모형을 선정하였다. 이중 Robust LM-Lag 값만이 유의미하게 나타나 SLM 모형을 결과해석을 위한 모형으로 채택하였다. 반면, 2021년 평일 07~19시와 평일 19~24시 두 그룹은 LM test 결과, LM-lag 값과 LM-error 값이 모두 유의미하게 나타났으나, Robust LM-Lag 값과 Robust LM-error 값이 모두 유의미하지 않게 나타나, AIC 값이 상대적으로 더 작은 SEM 모형을 결과해석을 위한 모델로 채택하였다.

표 9는 2019년과 2021년의 각 시간대별 공간회귀분석의 결과를 보여준다. 표 9에서 보는 바와 같이, 도로율과 지하철 역세권 면적 비율이 2019년과 2021년의 모든 시간대에서 유의미한 변수로 나타났다. 횡단보도 밀도는 2019년 평일 19~24시를 제외한 모든 시간대에서, 주거 밀도는 2019년 평일 07~19시, 업무 밀도는 2019년 평일 07~19시, 2021년 평일 07~19시, BAR은 2019년 전체 시간대 및 2021년 평일 07~19시의 시간대에서 유의한 변수로 추정되었다.

우선 도로율은 차량 통행과 보행자의 이동에 편의성을 증진시키는 요소로, 생활인구와 양(+)의 상관관계에 있는 것으로 나타났다. 2019, 2021년 전체 시간대에서 유의미한 결과를 보였기에 ‘사회적 거리두기’ 정책과 무관하게 도로율이 높을수록 사람들의 이동이 전반적으로 잦아진다는 사실을 알 수 있다. 시간대별로 비교하였을 때 근로를 비롯한 일상적인 활동이 일어나는 평일 일과시간 대에 영향력이 가장 컸고, 퇴근 이후 시간대와 휴일에는 그 영향력이 줄어드는 것으로 나타났다.

지하철 역세권 면적 비율은 교통 편의성 및 인구집중 시설과 관련된 요소로서, 생활인구와 양(+)의 상관관계에 있는 것으로 나타났다. 전반적으로 코로나19 발생과 무관하게 지하철 역세권 면적이 넓을수록 생활인구가 증가하는 것으로 나타났다. 이는 지하철역의 개수가 유동인구와 양(+)의 관계를 갖는다는 기존의 연구(윤나영･최창규, 2013; 이주아 등, 2014; 이정우 등, 2015; 장진영 등, 2015a, 2015b; 임하나 등, 2016; 임수명 등, 2019; 유현지, 2022)를 지지하는 결과이다. 시간대별 비교 결과 2019년과 2021년 모두 평일 일과시간 대에 가장 상관성이 크고 이후에는 그 정도가 줄어드는 것으로 드러났는데, 이는 주로 중심지에 위치하는 업무시설들과 인구 집중시설들에 있던 생활인구가 퇴근 이후 시간대와 휴일에 집으로 복귀함에 따라 나타난 결과로 이해할 수 있다. 연도별 비교 결과 2019년 대비 2021년의 계수가 감소한 것을 토대로 코로나19의 영향으로 인해 인구가 밀집되는 역세권 지역에 사람들이 이전보다 덜 모이는 경향이 나타났다고 해석할 수 있다.

횡단보도 밀도는 2019년 평일 19~24시를 제외한 모든 시간대에서 생활인구와 양(+)의 상관관계를 지니는 것으로 나타났다. 이를 통해 횡단보도 밀도가 보행의 편의성을 증진시키는 요소임을 알 수 있다. 시간대별 비교 결과 두 연도 모두 평일 일과시간 대에 영향력이 컸으며, 퇴근 이후 시간대 및 휴일에는 영향력이 줄어들거나 유의하지 않게 나타났다. 연도별로는 2019년보다 2021년에 계수 값이 전반적으로 증가한 것을 볼 수 있는데, 이는 사람들이 코로나19 시기 도보를 통한 이동을 선호하였음을 시사한다.

주거 밀도는 2019년 평일 07~19시에 생활인구와 음(-)의 상관관계를 갖는 것으로 나타났다. 이는 평일 일과시간대에 사람들이 주거공간에서 직장을 포함한 활동공간으로 이동함에 따라 나타난 결과로 해석할 수 있다. 2021년 평일 일과시간 대에는 해당 영향력이 유의하지는 않으나, 계수 값이 다소 증가한 것으로 보아, 재택근무 및 외부활동 자제의 영향과 함께 주거지 인근에서의 활동이 증가하였을 가능성을 추측해볼 수 있다.

업무 밀도는 2019년과 2021년 모두, 근무자들이 직장에 머무르는 평일 일과 시간대에 매우 높은 유의확률로 양(+)의 상관관계가 있는 것으로 나타났지만, 퇴근 이후 시간대와 휴일에는 유의한 관련성이 없는 것으로 나타났다. 이는 공통적으로 일과시간에는 출근을 위해 업무공간으로 유입되는 인구가 증가하게 되므로 생활인구도 증가하게 되나, 퇴근시간대와 휴일에는 근로자들의 귀가 및 휴식에 따른 영향으로 그 관련성이 없어지는 것으로 이해할 수 있다. 이 결과는 전술한 주거 밀도가 생활인구에 미친 영향에 관한 해석과 연결되는 부분이다. 연도별 비교 결과, 2021년에 계수 값이 더 크게 나타나서 재택근무의 효과가 크지 않았음을 추론할 수 있다.

BAR은 2019년 전체 그룹, 2021년 평일 07~19시 그룹에서 생활인구와 음(-)의 상관관계를 갖는 것으로 나타났다. 이는 대형건물에 의해 활동공간이 줄어들거나 조밀한 소규모 건물에 의해 건물 사이의 공간이 협소하게 될 경우, 보행활동이 방해를 받음으로써 생활인구가 감소함을 보여주는 결과로 볼 수 있다(조월･이수기, 2021). 모든 시간대에서 유의한 결과가 얻어진 2019년 결과를 바탕으로 시간대별 비교를 하였을 때, 평일 일과 시간대에 음(-)의 상관성이 가장 두드러졌으며, 휴일, 평일 퇴근시간대에는 그 영향력이 줄어들었다. 이는 일상적인 활동량이 평일 일과시간 대에 집중되어 있기 때문에 나타난 결과로 이해된다.

V. 결론

본 연구는 슈퍼블록 내 도시 특성과 생활인구 간의 상관성에 대하여 분석을 진행하였다. 시간적 범위는 코로나19 이전 시기인 2019년과 코로나19 발생 이후 시기인 2021년의 두 연도이며, 공간적 범위는 서울특별시 동남권에 해당하는 서초구, 강남구, 송파구, 강동구를 대상으로 하였다. 다수의 기존 선행연구들이 행정동과 집계구 단위로 도시공간을 분석한 것과 다르게 본 연구는 ‘슈퍼블록’을 분석단위로 설정하여 분석을 진행하였다. 또한, 도시 내 시민들의 활동 패턴을 고려하여 분석의 정확도를 높이기 위해 평일 07~19시, 평일 19~24시, 휴일 07~24시로 시간대를 분류한 후, 해당 시간대의 생활인구 수를 종속변수로 설정하고, 다양한 도시특성들을 독립변수로 설정하여 공간회귀분석을 진행하였다.

분석 결과, 가로기반시설 요인에서는 도로율이 2019년과 2021년 전체 시간대, 횡단보도 밀도는 2019년 평일 19~24시를 제외한 전 시간대에서 생활인구와 양(+)의 상관관계에 있으며, 그중 평일 일과 시간대에 가장 큰 영향을 미치는 것으로 나타났다. 휴일보다는 평일, 평일 중에는 일과시간대에, 도로가 많이 분포하고, 횡단보도가 많은 곳일수록 인구가 많이 모여드는 것으로 파악되었다.

건축물 요인 중 용도별 밀도에서는 주거 밀도가 2019년 평일 07~19시에 음(-)의 상관관계를 갖는 것으로 나타났으며, 업무 밀도는 두 연도 모두에서 평일 07~19시 시간대에 생활인구와 양(+)의 상관관계를 갖는 것으로 나타났다. 이는 출·퇴근에 의한 인구 유출입의 결과로 추정된다. BAR은 2019년 전체 시간대, 2021년 평일 07~19시 시간대에 생활인구와 음(-)의 상관관계를 갖는 것으로 파악되었다. 이는 블록 내에서 건물의 1층 바닥 면적이 커질수록 보행 등 인간 활동이 방해를 받음을 시사하는 결과이다.

대중교통 요인에서는 지하철 역세권 면적 비율이 두 연도의 모든 시간대에서 생활인구와 양(+)의 상관관계를 지님을 확인하였다. 그러나 코로나 발생 전후를 비교하였을 때 2019년 대비 2021년에 그 영향력이 감소한 것을 통해 코로나 시기에 인구가 역세권 지역에 덜 밀집되었을 가능성이 있음을 확인하였다.

본 연구의 시사점은 다음과 같다. 첫째, 본 연구는 타 연구와 달리 슈퍼블록 단위로 분석을 진행하였다는 점에서 의의를 갖는다. 본 연구는 기존에 존재하는 대로를 중심으로 슈퍼블록을 균일하게 나누어, 동질적인 도시 특성 단위로 분석을 진행하였다. 향후 계획도시를 분석함에 있어 슈퍼블록이 효과적인 분석단위로 다양하게 활용될 수 있을 것으로 기대된다.

둘째, 도시활력을 제고시키는 수단으로서 생활인구를 증가시키기 위해서는 가로체계의 정비와 보행 편의성의 증대가 우선적으로 이루어져야 함을 확인하였다. 분석 결과를 통해 코로나19 발생과 무관하게 도로와 횡단보도가 많고, 지하철 역세권과 가까울수록 생활인구가 증가한다는 것을 확인하였다. 따라서, 향후 도시계획 수립 시 상기 요소들이 주변의 물리적 환경과 유기적으로 연결될 수 있도록 계획을 구상할 필요가 있다.

셋째, 건물바닥면적비(BAR)가 높을 경우 생활인구가 감소하는 것으로 나타났으므로 생활인구를 증대시키기 위해서는 평면적 개발을 지양하고 적당한 층고의 개발을 통해 이용인구를 수용하는 접근이 필요함을 알 수 있다.

넷째, 코로나19와 관련해서는 생활인구의 전반적인 감소가 나타나서, 정부가 추진했던 사회적 거리두기와 영업제한 조치가 일정 정도 효력을 발휘한 것으로 볼 수 있다. 그러나 이로 인해 도시활력이 위축되었을 것으로 판단된다. 하지만 국지적으로는 그 효과가 다양하게 표출되었음을 확인하였다. 우선 주거지를 중심으로 한 근린생활권에서의 활동이 다소 늘어났다. 하지만 업무지역에서의 생활인구 감소는 뚜렷하게 나타나지 않아서, 재택근무 효과에 대해서는 좀 더 상세한 추후 분석이 요구된다. 분석결과에는 또한 사람들이 필수 활동으로서 출근을 회피할 수는 없으나, 가급적 인구밀도가 높은 곳을 피하고자 하는 심리가 반영되었다고 추론할 수 있다.

본 연구는 슈퍼블록이라는 새로운 분석단위를 이용해서 공간회귀분석을 통해 팬데믹 발생 전후 시기 생활인구의 변화와 영향요인을 파악했다는 점에서 의의를 갖는다. 하지만, 공간적 범위가 동남권 4개 자치구로 한정된 점은 연구의 한계라고 할 수 있다. 이는 서울시내 구시가지의 다수가 슈퍼블록으로 구분하기 어려운 부정형한 구획체계를 갖고 있음에 기인하는 결과인데, 슈퍼블록 개념의 확장적 적용을 위해서는 이러한 문제를 보완할 수 있는 방안의 도입이 요구된다.