Current Issue

공간적 연령 분리는 서로 다른 연령대의 사람들이 같은 공간을 차지하는 정도에 따라 결정된다(Hagestad and Uhlenberg, 2005). 대부분 문헌들은 주로 거주지역의 연령 분리에 대해 초점을 맞추며 이웃, 블록, 건물 단위로 다양한 연령의 사람들이 거주하지 않으면 해당 지역은 연령이 구분된 것으로 간주한다(Sabater et al., 2017; Winkler and Klaas, 2012). 선행연구에 따르면 공간적 연령 분리는 연령 차별과 연령대 간 사회적 유대 약화를 낳으며, 생산적이지 못한 사회를 초래한다(Coleman, 1982; Douglas and Barrett, 2020; Hagestad and Uhienberg, 2006). 반대로 다양한 연령층의 인구가 모여 활동하는 도시에서는 사회통합 작용이 이루어져 도시 활력이 나타나며(Le Roux et al., 2017), 노인차별, 노인 고립위험 등 노인이 처한 위험성 또한 감소한다(Coleman, 1982; Douglas and Barrett, 2020; Hagestad and Uhienberg, 2006). 세계보건기구(WHO) 역시 위와 같은 이유로 노인의 경우 다양한 연령대가 거주하는 지역에 거주하거나 다양한 연령대와 통합을 촉진하는 활동이 필요하다고 강조한다(WHO, 2007).

이처럼 연령별 인구혼합은 사회통합, 도시활력, 정신적 건강상의 이점을 지니며, 나아가 노인 문제 해결에 있어서도 긍정적인 영향을 미친다. 아쉽게도 연령별 혼합에 대한 연구는 아직까지 우리나라에서 활발하지 않은 바, 대부분의 연구들은 단순한 주거 혼합을 다루는 데 그치고 있다. 이에 본 연구에서는 활동인구의 인구 혼합지수를 도출하여, 이를 기반으로 단순한 주거 공간을 넘은 활동 장소에 대한 공간적 연령 분리 수준의 유의미한 통찰을 제시하고자 한다.

기존 이론가들은 특정 도시공간이 시간과 장소에 따라 얼마나 바쁜지, 도시공간에서 사람들이 주변 환경과 얼마나 상호작용을 하는지에 대한 관점으로 도시활력의 개념을 접목하였다(Ravenscroft, 2000; Lopes and Camanho, 2013). 도시 활력이 높은 도시에서는 사람들의 상호작용이 장려되며, 사람의 활동과 도시환경 간의 상호작용은 도시활력의 핵심 요소로 작용한다. 이러한 이유로 도시활력은 도시의 개발과 관리에 중요한 개념으로 인식된다.

공간적 연령 분리에 대한 선행연구에서 다양한 연령층의 인구가 모여 활동하는 도시에서는 사회통합 작용이 이루어져 사회적 안정에 긍정적인 영향을 발휘하고 도시활력이 나타나는 것을 확인하였다(Le Roux et al., 2017). 이에 착안하여 인구 분포를 기반으로 도시활력을 측정하는 연구, 그중에서도 토지이용과 생활인구에 대한 선행 연구를 참조하였다.

도시활력에 대한 선행연구에서는 토지의 용도와 이용 방식을 도시활력 결정 요소로 활용하였다. 예를 들어, 이금숙·김호성(2018)의 연구에서는 토지의 용도를 주거지역을 기준으로 상업, 공업, 녹지지역으로 나누어 토지이용 특성을 구분 지었고, 조월 외(2021)의 연구에서는 토지이용 특성뿐 아니라 인구, 생활 및 근린시설, 대중교통, 주거 환경, 상업지역 및 시장과 관련된 지역 특성이 도시활력과 상관관계를 설명하는 중요한 지표로 언급되었다. 김형준 외(2021)의 연구에서는 외국인 생활인구와 용도 지역과의 관계에서 주거 면적이 높은 지역일수록 주간에 유출되고 야간에 유입되는 경향을 설명하였으며, 류은혜·김은정(2021)의 연구에서는 주거 비율과 공원 비율이 높은 지역에서 생활인구가 증가하고, 상업지역 및 숙박시설은 생활인구 감소 지역에서 높은 비율을 보임을 짚어주었다. 또한 조월 외(2021)는 상업지역과 녹지시설의 면적밀도가 높을수록 도시활력에 긍정적인 영향을 미친다고 설명하였으며, 주거와 다양한 용도의 조합이 도시활력에 긍정적인 영향을 미칠 수 있다는 결론을 내렸다.

위 선행연구들은 다양한 측정방식과 지표를 적용하여 각각의 의미있는 결과를 도출하였다. 그러나 도시활력을 측정하기 위해 유동 인구를 분석한 대부분의 연구들은 특정 지점에서 측정된 보행인구 자료를 활용하였다. 이러한 보행인구 자료는 일부 지점에 대해서만 자료가 구축된 것으로 전반적인 유동 인구의 분포를 확인하기에는 부적합하다는 한계를 띤다. 따라서 본 연구에서는 기존 선행연구의 제한된 요인에 따른 한계를 극복하고자 스마트폰 기반 빅데이터를 사용하여 서울시 활동인구의 연령대별 혼합지수를 분석하고자 한다.

사람들이 일상적으로 사용하는 스마트폰 기반 데이터는 GPS 정보와 함께 대규모 이동성 데이터와 다양한 연령층 및 집단의 행동 패턴을 보여준다. 이는 스마트폰 데이터가 변수로서의 당위성을 확보하고 그 활용성 또한 광범위함을 증명하는 것으로, 최근 스마트폰 데이터 개방과 함께 지속적으로 증가하고 있는 스마트폰 데이터 기반 도시활력 측정 연구 추세가 이를 뒷받침한다.

조월·이수기(2021)는 스마트폰 기반 2018년 생활인구 자료를 활용하여 도시활력에 영향을 미치는 물리적 환경요인을 주거지역과 상업지역을 나누어 분석하였다. 김영롱(2020)은 스마트폰 기반으로 측정한 유동인구 빅데이터와 카드결제 빅데이터를 이용하여 도시활력을 사회적, 경제적 활력 지표로 추출하고 개념화하였다. 정시윤·전병운(2020) 역시 통신사 기반 유동인구 빅데이터와 카드매출, 공공 와이파이 AP, 야간 조명 세기, 교통카드 데이터 다섯 가지 요인을 바탕으로 대구시 도시 활력을 분석하였다. 이처럼 스마트폰 기반 빅데이터는 이동과 소비 관련 정보의 시·공간적 축적물로서, 빠른 속도로 변화하는 도시민들의 생활양식을 빼곡히 보여주는 수단으로 활용된다. 본 연구는 기존 선행연구의 도시 활력 측정 변수를 참고하되, 스마트폰 기반 빅데이터를 사용하여 활동 인구의 시간대별 연령 계층의 혼합지수를 도출하고 혼합지수에 영향을 미치는 근린 환경요인을 분석하는 데 차별점을 둔다.

본 연구에서는 서울시 생활이동 데이터를 활용하여 시간대별 활동인구 혼합지수를 구하고, 활동인구 혼합지수에 영향을 미치는 근린환경 요인을 알아보고자 한다. 엔트로피 지수를 활용하여 활동인구 혼합지수를 구하고, 활동인구 혼합지수에 영향을 미치는 요인을 전체시간 모형과 시간대별 모형으로 분류하여 비교하고자 한다.

본 연구는 서울 열린데이터광장의 KT 통신데이터로 측정한 ‘특정 시점’에 ‘특정 지역’에 존재하는 인구에 관한 공공데이터를 활용하였다. 조사지역은 서울시 424개의 행정동을 대상으로 2021년 6월¹⁾ 한 달간 생활이동 데이터를 활용하였다. 데이터는 KT휴대폰 기지국에 집계되는 고객의 신호를 바탕으로 개발 및 가공된 데이터로 일별로 출발/도착지와 시간대, 이동인원, 이동자의 성별/연령, 이동 소요시간 등의 자료를 담고 있다. 본 연구의 조사개요를 요약하면 <표 1>과 같다.

토지이용, 인구현황, 교통환경, 이동시간을 독립변수로 설정하고 평일, 주말 활동인구의 시간대별 혼합지수를 종속변수로 하여 Random intercept Model과 다중회귀모형을 활용하여 분석하고자 한다.

시간, 연령대별 혼합지수를 추출하기 위해 국내 논문과 생활시간 조사 보고서를 참고하여 연령대별 혼합지수를 엔트로피 지수를 활용하여 추출하였다(조월 외, 2021; Abbasi et al., 2021). 2021년 6월 서울시 생활이동 데이터를 활용하여 도착행정동코드, 도착시간, 평일, 주말로 데이터를 구분하여 인구 이동의 연령대별 혼합도를 측정하였다. 10대부터 70대까지 연령²⁾대별 인구 이동을 엔트로피를 활용하여 연령별 혼합지수를 추출하였으며, 평일과 주말의 활동 패턴이 다르다는 점을 고려하여 평일, 주말로 구분하였다. 이렇게 구한 연령계층의 혼합지수를 종속변수로 선정하였다.

엔트로피의 산출은 Kockelman(1997)의 연구에서 사용한 엔트로피 식을 사용하였으며, 계산식은 다음과 같다. 엔트로피 지수는 0에서 1 사이의 값을 가지며, 1에 가까울수록 연령별 혼합이 균형 있게 이루어지고 있음을 의미한다. 그러나 본 연구에서는 7개 그룹을 대상으로 이진로그를 취해 엔트로피(E)를 산출하여 해당 지표는 0≤E≤2.8 사이의 값을 가진다. 산출 값의 범위를 0~1보다 커지게 하여 혼합의 정도 차이를 쉽게 식별하기 위해 이진로그를 취하여 산출하였으며 수식은 식 (1)과 같다.

(1)

독립변수는 생활 이동시간, 토지이용 특성, 인구현황 특성, 교통환경 특성을 변수로 선정하였다. 먼저 생활 이동시간이 종속변수에 영향을 미치는지 파악하고자 선행연구를 참고하여 오전시간(8~9시), 점심시간(12~13시), 저녁시간(18~19시), 그리고 야간시간(22~23시)으로 구성하여 종속변수에 미치는 영향을 파악하였다. 생활 이동시간은 오전 8시를 기준시간으로 더미변수로 변경하여 분석하였다.

다음으로 토지이용 특성 변수로는 주거지역 면적, 상업지역 면적, 공업지역 면적, 녹지지역 면적, 아파트 점유율을 토지이용 변수로 선정하였다. 토지이용 특성의 변수는 국가공간정보포털에서 제공되고 있는 면적을 활용하여 구축하였다. 아파트 점유율은 통계청에서 제공하는 데이터를 바탕으로 아파트 수를 전체 주택 수로 나누어 구하였다. 인구 현황 특성 변수는 서울 열린데이터광장에서 제공하는 데이터로 구축하였으며, 인구수는 행정동별 인구총합, 노인인구수는 65세 이상 인구수를 나타낸다. 종사자 수는 행정동의 산업대 분류별 종사자 수 총합으로 데이터를 구축하였다. 교통환경 특성 변수는 지하철 개소와 도로율을 고려하였다. 지하철 개소는 서울 열린데이터광장에서 제공한 데이터로 행정동별 지하철역의 개수로 구축하였으며, 도로율은 국가공간정보포털에서 제공한 도로 면적 데이터를 사용하여 도로 면적을 시가화 면적으로 나누어 구축하였다. 위 내용을 정리하면 <표 2>와 같다.

<표 4>는 본 연구에서 사용한 변수의 기술 통계분석 결과이다. 종속변수와 독립변수인 토지이용 특성, 인구현황 특성, 교통환경 특성의 평균, 최솟값, 최댓값을 제시하였다. 종속변수인 활동인구 시간대별 혼합지수의 평균은 2.62로 나타났으며, 최솟값 1.6, 최댓값 2.79로 나타났다. 토지이용 특성의 경우 녹지, 주거, 공업, 상업지역 면적의 평균은 각각 0.56, 0.81, 0.05, 0.07km²로 나타났으며 최댓값 비교 시 녹지지역 면적이 다른 토지이용 특성 면적보다 넓은 것을 알 수 있다.

다중회귀분석 전 다중공선성을 확인하기 위해 분산팽창지수(VIF)를 활용하였다. 이 모형의 다중공선성 검정을 한 결과 종사자수 계수 값이 3.04로 가장 높았으며 전체적으로 낮은 값으로 측정되어 독립변수들의 다중공선성 문제는 크지 않은 것으로 파악되었다.

행정동을 random effects로 설정하고 random intercept model을 통해 분석한 결과 <표 6>과 같이 아파트 점유율, 노인인구수, 종사자수가 유의미한 변수임을 확인할 수 있으며 이동시간 특성 또한 인구혼합지수에 영향을 미치는 것으로 확인되었다.

전체 분산 중 행정동 특성에 의한 분산비(ICC)는 평일 약 25%, 주말 32%로 random intercept model의 활용이 타당성이 있다고 판단되었으며 연령대별 혼합수준에 대한 행정동의 설명력은 평일에 비해 주말이 높은 것으로 나타났다. 주말은 출퇴근 시간, 업무시간 등 시간대별 특성이 미치는 영향도가 평일보다 적어, 상대적으로 행정동의 특성이 더 잘 반영되기 때문이며 이에 따라 평일에 비해 주말의 ICC 값이 더 높은 것으로 추정된다. Fixed effects 중 토지이용 특성에서는 아파트 점유율만이 두 모형 모두에서 통계적으로 유의하게 나타났다. 아파트점유율은 평일, 주말 모두 양(+)의 계수 값을 가지며, 아파트점유율이 증가할 경우 한계효과는 평일 0.042, 주말 0.053만큼 증가하는 것을 확인할 수 있다. 인구현황 특성에서는 노인인구수가 두 모형 모두에서 통계적으로 유의하게 나타났다. 노인인구수는 평일, 주말 모두 양(+)의 계수 값을 가지며, 노인인구수가 증가할 경우 한계효과는 평일 0.119, 주말 0.137만큼 증가하는 것을 확인할 수 있다. 종사자수 역시 평일, 주말 모두 통계적으로 유의하게 나타났으며 음(-)의 계수 값을 가진다. 종사자수가 증가할 경우 한계효과는 평일 0.020, 주말 0.006만큼 감소하는 것으로 분석되었다. 마지막으로 더미변수인 이동시간 특성에서는 두 모형 모두에서 모든 변수들이 통계적으로 유의하게 나타났다. 9시~19시는 양(+)의 계수 값을 가지는 반면, 22시와 23시는 음(-)의 계수 값을 가진다.

따라서 아파트 점유율과 노인인구수 증가는 인구혼합지수에 긍정적인 영향을 미치며 종사자수와 야간시간(22시~23시)은 인구혼합지수에 부정적인 영향을 미친다고 해석할 수 있다.

다양한 연령층의 인구가 모여 활동하는 도시에서는 사회통합 작용이 이루어져 도시 활력이 나타나며(Le Roux et al., 2017), 노인차별, 노인 고립위험 등 노인이 처한 위험성 또한 감소한다(Coleman, 1982; Douglas and Barrett, 2020; Hagestad and Uhienberg, 2006). 연령별 인구 혼합은 사회통합, 도시활력, 정신적 건강상의 이점을 지니며, 나아가 노인 문제 해결에 있어서도 긍정적인 영향을 미친다.

사회적 인구혼합과 관련된 국내 연구는 주로 혼합방식의 문제점을 제기하거나 거주자 인식 조사를 통해 사회통합 효과를 추정하는 연구가 주를 이루고 있다. 계층적 분석은 있으나 연령별 혼합에 대한 연구는 많지 않으며 대부분의 연구들은 단순한 주거 혼합에 그치고 있다. 이에 착안하여 본 연구에서는 시간대별 활동인구의 연령대별 혼합수준을 측정하고 근린환경이 혼합수준에 미치는 영향을 분석하였다. 분석결과와 정책적 시사점은 다음과 같다.

첫째, 시간대별 활동인구의 혼합지수를 분석하여 혼합지수가 높은 행정동을 찾고 행정동의 특징을 파악하였다. 엔트로피 지수를 이용하여 활동인구 혼합지수를 시각화한 결과 인구혼합지수가 높은 행정동과 그렇지 않은 행정동이 쉽게 구분되었다. 혼합지수가 높은 행정동의 특징을 토지이용현황, 인구현황, 이동시간 현황으로 나누어 분석하여 행정동의 특징을 파악하였다.

토지이용현황의 경우 상업·업무지역, 공업지역의 평일 인구혼합지수가 크게 떨어졌다. 평일 상업·업무지역과 공업지역은 종사자 외 인구이동이 적어 혼합지수가 낮게 나온 것으로 추정된다. 이는 인구 현황에서도 같은 결과가 나왔다. 인구현황에서도 종사자 수가 높은 지역은 평일 엔트로피 지수가 낮게 추출되었다. 이동 시간별 혼합지수 비교 시 점심 > 저녁 > 오전 > 야간 시간순으로 엔트로피가 높았다. 특히 야간 시간대를 제외했을 때 시간별 인구 혼합지수는 주말이 평일보다 높은데, 이는 평일보다 주말에 다양한 연령층의 인구 이동이 많음을 반증한다.

둘째, 이러한 결과를 바탕으로 토지이용, 인구현황, 교통환경, 시간대별 특성이 인구혼합지수에 얼마나 영향을 미치는지 분석하였다. 전체모형과 시간별 모형을 통해 위 변수들이 인구혼합지수에 미치는 영향도를 평일과 주말로 나누어 살펴보았다. 먼저 전체모형 분석결과 아파트점유율, 노인인구수, 종사자수, 이동시간이 통계적으로 유의미한 변수로 나타났다. 아파트점유율, 노인인구수, 9시~19시 사이의 이동시간은 양(+)의 계수를 가지는 반면 종사자수와 22시~23시 이동시간은 음(-)의 계수 값을 가진다. 아파트 점유율부터 살펴보면, 우선 아파트는 어린아이부터 노인에 이르기까지 다양한 인구가 거주하기 편리한 시설이다. 아파트 거주 연령의 스펙트럼이 넓은 것은 아파트 점유율이 연령대별 혼합도 측면에서 양의 상관관계를 보이는 결과로 이어지며, 평일, 주말 모두 인구혼합지수에 긍정적인 영향을 미친다.

노인 인구수는 65세 이상 인구수를 말하며, 노인인구의 이동은 다른 연령층과 비교 시 이동 범위가 적다. 대부분의 도심이나 업무지역에는 특정 계층이 모여 있는데 노인 인구수가 적을수록 엔트로피 지수가 낮게 나왔다, 따라서 노인 인구수의 증가는 인구 혼합지수에 긍정적인 영향을 미치나 다른 연령층의 이동에 비해 노령층의 이동만 많을 경우 인구혼합지수에 부정적인 영향을 미친 것으로 보인다.

종사자수는 해당 행정동에 속한 모든 산업에 종사하는 인구수의 총합이다. 종사자수가 높은 지역은 상업·업무, 공업 지역의 특성과 같이 평일 업무시간에 종사자 외 다른 계층의 이동이 적어 혼합도에 부정적인 영향을 미치는 것으로 추정된다.

끝으로 이동시간을 살펴보면 9~19시는 인구혼합지수에 긍정적인 영향을 22~23시는 부정적인 영향을 미친다. 오전에서 저녁에 이르는 9~19시의 경우, 대부분 사람들이 활동하는 시간대로 다양한 계층의 이동이 이 시간대에 반영되고 야간인 22~23시의 경우, 특정 계층의 인구만 이동하여 이와 같은 결과를 낳은 것으로 풀이된다. 한편, 평일과 주말 독립변수들이 인구 혼합지수에 미치는 영향은 미미한 차이가 있으나 계수 값의 방향성은 평일, 주말 동일한 것으로 분석되었다. 전체 분산 중 지역 특성에 의한 분산비는 평일 25%, 주말 32%로 연령대별 혼합수준에 대한 행정동의 설명력은 평일에 비해 주말이 높다. 주말은 출퇴근 시간, 업무시간 등 시간대별 특성이 미치는 영향도가 평일보다 적어, 상대적으로 행정동의 특성이 더 잘 반영되기 때문이며 이에 따라 평일에 비해 주말 ICC 값이 더 높게 나타난 것으로 보인다.

다음은 다중회귀모델을 사용하여 시간대별로 분석한 결과이다. 평일과 주말로 나누어 시간대별로 살펴봄으로써 통계적으로 유의미한 결과가 도출되었다. 먼저 토지현황 특성에 해당하는 녹지지역 면적은 평일 낮 12~13시, 주말 오전 8~9시를 제외하고 인구 혼합지수에 긍정적인 영향을 미친다. 노인인구수 역시 평일 낮 12~13시, 주말 오전 8~9시를 제외하고 인구 혼합지수에 긍적적인 영향을 미치는 것으로 나와 두 변수 사이 연관성이 있는 것으로 추측된다. 평일 낮 시간(12~13시)과 주말 오전 시간(8~9시)은 연령별 인구 이동이 적은 시간으로 이 시간대에 다른 연령층보다 노령층의 타 지역 이동이 강하게 나타나 인구 혼합지수에 부정적인 영향을 미치는 것으로 보이며, 녹지지역 역시 평일 낮 시간(12~13시)과 주말 오전 시간(8~9시)에 다른 계층에 비해 노인인구만 녹지지역에 이동하는 비중이 높아 인구혼합지수에 부정적인 영향을 미치는 것으로 추정된다. 주거지역, 공업지역, 상업지역 면적은 주말에만 통계적으로 유의미한 것으로 나왔다. 아파트 점유율은 평일, 주말 모두 저녁, 야간시간에 양(+)의 계수값을 가지는 것으로 확인되었다. 이는 전체모형과 같은 결과로 아파트는 거주 연령의 스펙트럼이 넓어 아파트 점유율이 연령대별 혼합도 측면에서 긍정적인 영향을 미치는 것으로 추정된다.

인구현황 특성의 종사자수의 경우 평일, 주말 모두 인구 혼합지수에 부정적인 영향을 미치며 이는 전체모형 분석결과와 동일하다.

한편 교통현황 특성에서 지하철 개소수는 평일, 주말 야간시간에서 모두 음(-)의 계수 값을 가진다. 이는 앞의 엔트로피지수 분석결과와 다른 결과 값이다. 앞의 엔트로피 지수 분석에서 야간시간(22~23시) 혼합지수가 높은 행정동의 특징은 지하철역, KTX, SRT 역이 위치한 지역으로 나타났으며, 이는 집으로 귀가하기 위한 다양한 연령계층의 인구가 혼합되면서 혼합지수가 높아진 것으로 풀이된다. 반면 시간대별 모형 분석에서 지하철 개소수는 야간시간 인구혼합지수에 부정적으로 작용하였는데 이는 조사기간 내 코로나19(COVID-19) 영향으로 출·퇴근 외 지하철을 이용하는 이용객 수가 적어 엔트로피 지수 분석과는 다른 결과를 초래하지 않았나 추측해 볼 수 있다.

끝으로 엔트로피 지수, 전체모형, 시간대별 모형의 세 가지 분석 모형에 대한 종합적 비교 결과는 다음과 같이 요약될 수 있다. 상업, 공업지역의 경우 영업시간과 업무시간을 제외하면 활동 인구의 이동이 적어 인구혼합지수가 떨어지는 것을 확인할 수 있었다. 따라서 상업이나 업무 용도로 집중된 지역의 경우 주거 시설 용도를 통해 저녁 시간 이후 일정 수준의 생활인구를 유지할 수 있을 것으로 판단된다.

녹지지역은 사람들의 이동이 적은 시간을 제외하고는 인구 혼합지수에 긍정적인 영향을 미쳤다. 사람들이 건강과 여가 활동을 중시함에 따라 녹지지역을 많이 찾으며 다양한 연령대의 인구가 다양한 시간대에 이용함으로써 인구혼합지수에 긍정적인 영향을 미치는 것을 볼 수 있다. 이에 따라 도시 개발사업과 정비사업 등을 계획할 때 공원 및 호수 등과 같은 녹지지역의 적정수준을 고려할 필요가 있다고 판단된다.

마지막으로 노인 인구수 역시 연령별 인구 혼합에 긍정적인 영향을 미쳐 인구혼합지수를 높인다. 인구혼합지수가 높은 지역은 사회통합을 강화함과 동시에 노인인구의 복지를 증진시키는 등 도시와 시민의 번영을 도모한다. 이러한 긍정적인 영향을 최대한 누리기 위해서는 노인인구가 다양한 행정동에 이동할 수 있도록 노인의 이동성을 증가시키는 노력이 필요하다고 판단된다. 예를 들어 대중교통 시스템을 노인 친화적으로 개선하고 노인들의 이동을 지원하는 프로그램을 도입하는 등의 노력이 필요하며 노인인구의 이동이 많은 지역에는 노인 편의시설과 문화 시설을 개설하여 노인인구의 사회 참여를 촉진하는 정책이 필요하다고 판단된다.

지금까지 인구 혼합도 측면에서 인구혼합지수가 높은 행정동이 어디인지, 시간별 혼합수준에 영향을 미치는 주요 요인이 무엇인지 살펴보았다. 시간대별 활동인구의 연령대별 혼합수준을 측정하고 공간적 분포와 영향요인에 대해 연구하였으며, 이를 통해 사람들이 공간과 시간에 걸쳐 어떻게 이동하며 상호 연결되었는지를 바라보는 관점을 제시하였다.

본 연구의 한계는 다음과 같다. 첫째, 본 연구에서 활용한 서울 생활이동 데이터는 기지국에서 집계되는 KT휴대폰 고객의 신호를 바탕으로 사람들의 이동 인원수를 가공하여 개방한 데이터이다. 따라서 서울시 모든 인구를 대변하는 데는 한계가 있으며 스마트폰 사용자의 위치 이동 현상을 관찰할 수 있으나, 이동 이면의 활동 내역에 대해서는 알기 힘든 점이 있다.

둘째, 본 연구는 오전부터 야간시간까지 4개의 시간대를 사용하여 시간대별 혼합지수를 측정하였다. 시간대별 혼합수준을 측정하기 위한 방법이 다양할 수 있고, 측정방법의 차이가 분석결과에 영향을 미칠 수 있어 향후 연구에서는 시간대 조합을 달리하여 혼합수준과 영향요인을 심층적으로 분석할 수 있어야 할 것이다.

셋째, 시간대별 혼합수준에 영향을 미치는 변수들에 대한 추가적인 고려가 필요하다. 특정 지역의 이동은 계절, 기후, 사회경제적 상황 등에 따른 차이를 보일 수 있기 때문인데 본 연구에서의 2021년 6월 데이터 사용에 따른 계절적 영향 및 코로나(COVID-19) 영향도 이와 같은 맥락에서 이해될 수 있다.

이러한 한계점에도 불구하고 본 연구는 빅데이터를 활용하여 연령대별 혼합도와 이에 미치는 영향요인을 분석하였다는 점에서 의의가 있으며 이는 실시간으로 축적되고 있는 생활이동 데이터의 활용성을 높일 수 있음을 시사한다. 또한 시간대별 활동인구 혼합지수와 관련된 연구는 국내에서 아직 활발히 진행되지 않은 분야로, 본 연구는 인구 혼합지수를 시공간적 측면에서 실증적으로 분석한 사례라는 점에서 연구의 의의를 지닌다.