네트워크 자기상관을 이용한 통행 패턴 분석 -수도권 통행을 대상으로-

Abstract

통행은 특정한 장소를 이동하는 것으로, 두 지역이 연결된 지리적 현상으로 공간적 상호작용의 형태로 구성되어 있다. 하지만 다수의 통행 패턴을 분석한 연구에서는 지리적 맥락을 간과한 채 요인 분석과 군집 분석 등의 일반적인 통계 방법을 주로 사용하였다. 하지만 통행 패턴은 지역 간의 이동이 매우 복잡한 구조로 이루어져 있는 것이기 때문에 이를 직관적으로 이해하는 것이 쉽지 않다. 그러므로 통행 현상을 보다 단순한 네트워크 구조로 변환하여 분석할 필요가 있다. 네트워크 구조 속에서 통행 패턴은 지리적으로 인접한 지역 간의 관련성이 존재하며 이는 통행량의 유사성으로 나타나게 된다. 그리하여 본 연구에서는 통행량 간의 연관성을 측정하기 위하여 네트워크 자기상관 개념을 이용하였으며 이를 통하여 국지적 유사 통행 클러스터 탐색을 시도하였다. 그러므로 본 논문의 목적은 도시 내에서 지역 간 공간적 상호작용으로 발생하는 교통 흐름에 대하여 공간적 자기상관의 측면에서 이를 이해 하고 나아가 공간적 상호작용을 이용하여 통행 데이터의 유사 통행 클러스터를 탐색하는 것이다. 네트워크 자기상관(network autocorrelation)이란 노드 사이에서 발생하는 링크의 값 간의 종속성을 의미하는 것으로 각 지역 간에서 발생하는 통행량 간의 종속성을 나타낸다. 특히 국지적 네트워크 자기상관 측도는 유사 통행량의 클러스터를 탐색할 수 있기 때문에 통행 패턴을 분석하는 데에 유용하게 사용될 수 있다. 네트워크 자기상관을 측정하기 위해서는 먼저 지리적 인접성을 정의할 필요가 있다. 이러한 인접성은 통행의 특성 상 직·간접적 영향력을 고려할 필요가 있으며 이에 따라 본 연구에서는 2차 인접의 형태를 제시하였다. 또한 통행에서 각 지역이 주변 지역과의 관계를 통한 중요성 정도를 상대적으로 표현한 위세 중심성을 이용하여 각 통행에 대한 가중치를 비율화하여 네트워크 연결성 행렬을 구성하였다. 공간적 자기상관을 측정하는 데에는 다양한 지수가 존재하며 이를 네트워크에서 자기상관을 측정하는 형태로 쉽게 변환할 수 있다. 본 연구에서는 국지적 Gij 통계량을 이용하였으며, 이 지수를 이용하여 높고 낮은 정도의 통행량의 유사성을 탐색할 수 있기 때문에 높은 정의 Gij 통계치로 국지적 유사통행 클러스터를 찾을 수 있다. 제시한 eGij를 이용하여 통행의 국지적 클러스터를 측정하였으며, 통계치의 통계적 유의성을 검증을 위하여 리샘플링의과정으로 부트스트래핑을 이용하였다. 네트워크 자기상관의 실증적 분석을 위해 2006년과 2010년 두 시기의 수도권 지역의 시군구를 대상으로 통행 패턴 분석을 시도하였다. 제시한 방법의 유용성을 검증하기 위하여 분석 결과를 전통적인 통행 패턴 분석인 빈도분석과 요인분석, 탁월류 분석의 결과와 비교·검증하였다. eGij 지수를 이용한 분석에서는 서울 내부에서 강남구·서초구·송파구를 중심으로 한 거대한 통행클러스터가 파악되었다. 이는 성남과 과천 등 서울과 인접해 있는 지역에서도 유사한 높은 통행량이 나타나는 것을 의미한다. 또한 세부적인 통행 패턴을 살펴보기 위하여 통행 목적과 통행 수단을 구분하여 국지적 통행 클러스터를 탐색하였으며 추가적으로 노드 내부에서의 이동을 파악하기 위하여 주요 지역에서 동을 대상으로 한 통행 패턴 분석을 시도하였다. 본 연구는 통행 패턴 분석의 탐색적 연구로서 새로운 네트워크 연결성 행렬을 제시하여 네트워크 자기상관 연구에 대한 방법론적 기여와 수도권 지역에서의 국지적 통행 클러스터와 관련된 통행 패턴 분석 연구에 대한 기여 두가지 부분이 존재한다. 나아가 본 연구의 결과는 교통 정책과 관련하여 통행에 대한 가장 기초적인 자료로 활용될 수 있을 것이다.