서울시 지역별 고용밀도 분포의 영향요인 및 공간예측 분석

Abstract

High-quality employment is concentrated in the three central areas of Seoul (Jongno, Gangnam, and Yeongdeungpo) and about half of total employment of Seoul is concentrated in these areas. Seoul has a regional disparity in employment density, resulting in serious problems such as traffic congestion and unbalanced running distances. As this phenomenon hinders the efficiency of the city, it is necessary for the Seoul Metropolitan Government to efficiently and systematically use the urban space through the dispersion of appropriate employment density.

Accordingly, it is necessary to predict changes in the urban spatial structure in the future by identifying changes in employment density by region in Seoul and deriving significant factors for effective spatial policy and urban planning establishment. Therefore, the purpose of this study is to conduct a predictive analysis on employment density of regions in Seoul and to derive important factors. Specific purpose is to identify factors that affect the employment density of Seoul by establishing regional characteristic variables in Seoul, and to suggest policy measures to ease the employment gap in Seoul.

This study conducted a predictive analysis of employment density by region in Seoul and derived important predictive factors affecting employment density. The temporal range of this study is to predict the employment density in 2019 using data from 2017 and 2018. The spatial scope of the study is the entire Seoul Metropolitan Government, and the analysis units are 424 administrative dongs in Seoul. Through the review of previous studies, influencing factors were constructed by synthesizing factors explaining employment occurrence from an empirical point of view of employment occurrence. Largely, it was divided into non-spatial and spatial factors, and based on this, 20 explanatory variables that affect employment density were constructed.

As a result of the analysis, the distribution of employment density in Seoul from 2017 to 2019 was multi-nuclearized from the traditional single employment centers to the areas of Gangnam, Seocho, Yeongdeungpo, and Geumcheon. The overall employment density in Seoul is increasing, and the degree of employment density is intensifying.

As a result of the random forest analysis, the influence factor on the employment density was the largest in the number of corporate businesses and land planning factors, and the accessibility factor of subway stations was the largest thereafter. Through this, it can be expected that traffic accessibility acts as a very large predictor of employment density. On the other hand, the number of subway stations has a significantly lower importance value than accessibility, suggesting that the characteristics of accessibility are more important in the conditions for employment to occur than the absolute number of transportations stops.

As a result of the partial dependence analysis, the number of major attraction facilities, officetels, subway stations, accessibility (1km), corporate enterprises, and gross regional product have a positive correlation with employment density, and as the degree increases, employment density also increases. The ratio of the elderly population, the number of single-person households, the number and accessibility of bus stops, and the distance to downtown Gangnam are not clear, but the employment density increases when it is above a certain level. Unlike other factors, as an exception, the distance to Hanyang City Center (CBD) and the urbanization area were found to have a negative relationship.

When comparing parametric method statistical analysis and nonparametric method random forest analysis, both explanatory power and accuracy of RF and GWRF were improved compared to OLS and GWR models. In addition, it was found that the explanatory power and accuracy of GWR and GWRF considering spatial influences were improved compared to the OLS and RF models without considering spatial influences. Finally, the geographic weighted random forest has the highest accuracy and predictability of the model and the highest explanatory power of the model, so it was adopted as the best model to predict the employment density of Seoul in 2019.

The important influencing factors of this study were derived based on the importance of the random forest model, which was built in consideration of the influencing factors of employment density analyzed in previous studies, and these were found to be the number of corporate businesses and major attraction facilities, accessibility to subway stations, and area of commercial and industrial areas. These factors were consistent with factors related to traffic access, business, and land use, which were mainly derived as factors influencing employment in previous studies.

The implications of this study are that it is necessary to improve the problem of job separation corresponding to the separation of employment and housing. According to the results of the study, it is judged that when establishing an employment policy in Seoul, it is necessary to improve traffic accessibility in areas where the labor market is declining and to distribute employment in consideration of accessibility to the employment center in the third city.

This study is meaningful in that it identified important influencing factors in predicting changes in employment density, and proposed spatial employment policies and housing policies by simultaneously considering non-spatial and spatial factors.

서울시는 3도심인 종로권역, 강남권역, 영등포권역에 양질의 일자리가 집중되며 서울시 전체 고용의 절반가량이 3도심의 고용 중심지역에 밀집해있다. 이처럼 서울시의 고용밀도는 지역 간 격차가 존재하며 이에 따른 교통 혼잡, 직장·주거 불균형 등의 문제가 심각한 것으로 나타났다. 서울시는 이러한 현상으로 도시의 효율성이 저해되는 문제가 발생하고 있어 적절한 고용밀도의 분산을 통해 도시공간을 효율적이고 체계적으로 이용하는 것이 필요하다.

이에 따라 서울시의 지역별 고용밀도의 변화를 파악하고, 고용 분포를 형성하는 데에 영향을 미치는 요인을 파악함으로써 효과적인 공간정책 및 도시계획 수립을 위한 유의미한 요인을 도출하고 미래의 도시 공간구조의 변화를 예측하는 것이 필요하다. 따라서 본 연구는 서울시의 지역별 고용밀도의 예측분석을 진행하고 고용밀도에 미치는 중요요인을 도출하는 것을 목적으로 한다. 구체적으로 서울시 고용밀도 예측요인 변수를 구축하고 고용밀도에 영향을 미치는 중요요인을 파악하여, 서울의 고용격차를 완화할 수 있는 정책적 방안을 제시하는 것이 목적이다.

본 연구는 서울시의 지역별 고용밀도의 예측분석을 진행하고 고용밀도에 영향을 미치는 중요 예측요인을 도출하였다. 본 연구의 시간적 범위는 2017년과 2018년 데이터를 활용해 2019년의 고용밀도를 예측하는 것으로 한다. 연구의 공간적 범위는 서울시 전체이며, 분석 단위는 서울시 424개의 행정동이다. 선행연구 고찰을 통해, 고용 발생의 실증적 관점에서 고용 발생을 설명하는 요인을 종합하여 영향요인을 구축하였다. 크게는 비공간적 요인과 공간적 요인으로 구분하였고 이를 바탕으로 고용밀도의 예측요인으로 20개의 설명변수를 구축하였다.

분석 결과, 2017년에서 2019년까지 서울시의 고용밀도 분포에 따르면 서울시는 전반적으로 고용밀도가 증가하고 있으며 종로·중구 지역에서 강남·서초, 영등포, 금천 지역으로 고용 중심지가 다핵화되었으나, 고용 중심지로의 밀집 정도는 심화되고 있다.

고용밀도 분포의 예측과 영향요인을 도출하기 위해 일반 통계모형인 다중회귀분석과 지리적 가중회귀분석을 진행하였고, 기계학습 모형인 랜덤 포레스트 분석, 지리적 가중 랜덤 포레스트 분석을 진행하였다. 일반 통계모형과 랜덤 포레스트 모형의 성능을 비교하였을 때, 다중회귀모형 보다 랜덤 포레스트 모형에서 21.5% 가량 설명력이 향상되는 것으로 분석되었으며, 지리적 가중회귀모형 보다 지리적 가중 랜덤 포레스트 모형의 설명력이 약 23% 개선된 것으로 분석되었다.

더불어, 일반 통계모형보다 랜덤 포레스트와 지리적 가중 랜덤 포레스트의 설명력과 예측 정확도가 모두 향상되었다. 또한 공간적 영향을 고려하지 않은 모형보다 공간적 영향을 고려한 모형의 설명력과 정확도가 향상된 것으로 나타났다. 최종적으로, 4개의 모형 중 지리적 가중 랜덤 포레스트가 모형의 정확도와 예측력이 가장 높으며, 모형의 설명력이 가장 높아 2019년의 서울시 고용밀도를 예측하는 가장 우수한 모형으로 채택되었다.

랜덤 포레스트 변수 중요도 분석 결과, 고용 밀도에 영향을 미치는 중요 예측요인은 법인 사업체 수와 토지계획적 요인이 가장 두드러지게 나타났으며, 다음으로 지하철역 접근성 요인의 중요도가 높은 것으로 나타났다. 반면 지하철역의 개수는 접근성에 비해 현저히 낮은 중요도 값을 가지는 것으로 보아 고용이 발생하기 위한 조건에 있어서 절대적인 교통 정류장의 수가 아닌 접근성의 특성이 더 중요함을 시사한다.

부분의존도 분석 결과, 주요집객시설 수, 오피스텔 수, 지하철역의 수, 지하철역 접근성(1km), 법인사업체 수, 지역내 총생산은 상업 및 공업지역의 면적은 고용밀도와 양의 상관관계를 가지며 그 정도가 증가할수록 고용밀도가 증가하는 것으로 나타난다. 한편 고령인구 비율, 1인 가구의 수, 버스정류장의 수 및 접근성, 강남도심까지의 거리는 고용밀도와의 관계가 뚜렷하지 않으나 일정 수준 이상일 때 고용밀도가 상승하는 것으로 분석되었다. 다른 요인과 다르게 예외적으로 한양도심(CBD)까지의 거리와 시가화 면적은 고용밀도와 음의 상관관계를 갖는 것으로 나타났다.

선행연구에서 분석한 고용밀도의 영향요인을 고려하여 구축한 랜덤 포레스트 모형의 변수의 중요도를 기반으로 본 연구의 중요 영향요인을 도출하였고, 중요 영향요인은 법인사업체수와 주요집객시설의 수, 지하철역 접근성, 상업 및 공업지역 면적, 도심까지의 거리 등으로 나타났다. 이러한 요인은 선행연구에서 고용 영향요인으로 도출된 교통접근성, 사업체, 토지이용 관련 요인과 일치하였다.

본 연구의 시사점은 고용 중심지역과의 접근성 문제를 개선할 필요가 있음을 제시한다. 연구 결과에 따라, 서울시 고용정책을 수립할 시에 노동시장이 쇠퇴되는 지역의 교통접근성을 개선하고, 3도심의 고용 중심지 접근성을 고려한 고용분산 정책이 필요할 것으로 판단된다. 본 연구는 고용밀도 변화를 보다 정확하게 예측하는 모형을 구축하였고, 고용밀도를 예측하는 요인으로 비공간적 요인과 공간적 요인을 동시에 고려함으로써 도시계획적 성격의 요인이 고용밀도의 분포와 예측에 얼마나 영향을 미치는지 파악하여 고용격차 완화를 위한 공간적 정책을 제안하였다는 점에서 의의가 있다.