지역별 매력도 기반의 ‘접근성’ 분석 통해
개인화된 통행 특성 예측·정책 보완 가능
접근성은 물리적 거리 아닌 활동유형·통행목적·개인특성이 결합된 지표
접근성은 일반적으로 ‘특정 지역이나 시설과의 가까운 정도’로 이해되며, 물리적 거리가 이를 결정하는 가장 중요한 요인으로 여겨져 왔다. 그러나 최근 다양한 분야에서 개인의 취향과 특성의 중요성이 부각되면서, 접근성을 보다 개인화된 관점에서 재해석하고 이를 반영할 수 있는 새로운 방법론의 필요성이 제기되고 있다. 이 연구는 접근성을 교통수단, 통행 시간, 목적지의 매력도 등 개인적 특성에 따라 달라질 수 있는 요소들이 종합적으로 반영되는 개념으로 정의하고, 이를 정량적으로 측정할 수 있는 방안을 탐구하였다. 이를 위해 전통적인 통행 데이터뿐만 아니라 연령, 성별 등 개인적 특성이 포함된 데이터를 수집·활용하였으며, 접근성을 단순한 물리적 거리 중심의 개념에서 벗어나 보다 포괄적이고 세분화된 평가 지표로 발전시키고자 하였다. 새롭게 정의된 접근성 개념은 도시 계획 및 교통 분야뿐만 아니라 부동산, 경제, 산업 등 다양한 분야로의 활용 가능성을 확장시킬 수 있을 것으로 기대된다.
이 연구, 통신 데이터와 머신러닝 활용해 개인화된 접근성 분석
이 연구에서 접근성은 출발지와 도착지 간의 통행저항과 도착지의 매력도에 의해 결정되는 함수로 정의되었으며, 이때 통행저항과 도착지 매력도는 연령, 성별, 이용 수단 등 개인의 특성에 따라 달라질 수 있는 것으로 가정하였다. 구체적으로 통행저항은 지역 간 이동에 소요되는 통행시간으로 정의하였고, 도착지 매력도는 해당 지역의 건물 유형별 분포로 설정하였다. 비정형적인 특성이 있는 데이터를 효과적으로 반영하기 위해, 이 연구에서는 머신러닝 앙상블 기법의 하나인 XGBoost를 적용하여 통행시간, 목적지 매력도, 개인의 특성 데이터를 기반으로 지역별 접근성을 정밀하게 추정하였다. XGBoost는 다양한 변수 간의 비선형적 관계와 상호작용을 효과적으로 모델링함으로써 접근성 추정의 정확도를 제고하는 데 기여하였다.
한편 개인의 속성이 포함된 통행데이터를 구축하기 위해 SK텔레콤의 리트머스(LITMUS) 데이터를 활용하였다. 리트머스 데이터는 스마트폰 기지국 접속 기록을 기반으로 개인의 위치 정보를 수집하고, 이동과 체류를 구분하여 통행 수단, 통행 목적 등 다양한 속성을 포함한 통행데이터를 성별 및 연령별로 집계·제공한다. 이 연구에서는 이 중 통행자의 선호도가 상대적으로 크게 반영될 수 있는 ‘여가 통행’을 분석 대상으로 선정하였으며, 성별과 연령뿐만 아니라 이동수단을 대중교통(버스와 지하철 통합)과 승용차로 구분하여 접근성을 비교·분석하였다.
도출된 새 접근성 지표로 서울시민 교통수단별·성별·연령별 차이 분석
이 연구에서는 서울에서 2024년 5월에 발생한 4,282,313건의 여가 통행(219,246 OD-pair)을 대상으로 개인 특성에 따른 접근성을 추정·분석하였다. 개인적 특성은 교통수단(대중교통, 승용차), 성별(남성, 여성), 연령(10~70대)을 포함하며, 이를 통해 접근성을 다각적으로 비교하였다.
분석 결과의 한 예로, 접근성 관점에서 출발지의 최적 입지를 비교한 결과, 20대 여성은 쇼핑몰, 식당, 백화점 등 여가 시설이 다양하고 대중교통 접근성이 우수한 마포, 중구, 용산, 강남, 잠실 일대에서 상대적으로 높은 접근성을 보였다. 반면 70대 이상 남성의 경우 종로3가~종로5가 일대와 같은 전통시장 상권 지역에서 접근성이 높게 나타났는데, 이는 해당 집단의 활동 특성이 시장 중심의 전통적 여가 공간 분포와 밀접하게 연관되어 있기 때문으로 해석된다. 이와 같은 분석 결과는 접근성이 개인의 특성에 따라 크게 달라질 수 있음을 보여주며, 접근성 평가에 있어 개인화된 분석의 필요성을 시사한다.