빅데이터를 활용한 도시활력 측정과 도시공간 유형 분류

김영롱

추천

검색

질문

자료유형: 연구보고서

저자정보: 김영롱 (경기연구원)

저널정보: 경기연구원 경기연구원 기본연구 [기본연구 2020-06] 빅데이터를 활용한 도시활력 측정과 도시공간 유형 분류

발행연도: 2020.11

수록면: 1 - 77 (77page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

복잡한 도시공간과 도시민의 삶을 연구하는 데 있어 단순화하고 일반화하는 문제는 오랫동안 도시학자들이 고민해 온 문제였다. 특히 도시활력을 측정하고 도시공간을 유형화하는 작업은 복잡한 도시 구조를 한눈에 바라보는 데 유용하게 사용되어 온 방법이다. 최근 빠른 속도로 수집되고 축적되는 도시 빅데이터를 통해 도시민의 특성을 잘 대표하는 지표를 선정하고 개발하는 과정에 혁신적인 변화가 일어났다. 도시민의 삶을 보다 즉각적이고 효율적으로 반영할 수 있는 지표가 있다면, 코로나19와 같은 전염병과 신종 도시 재난에 대응하는 의사결정과정에 유용하게 활용할 수 있을 것이다.
이러한 지표 중 하나인 도시활력은 도시민의 삶의 질, 살기 좋은 도시 등을 평가하는 데 있어 매우 중요하게 활용되어왔다. 그러나 어떠한 기준으로 이를 측정할 것인가에 대한 개념적인 정의가 모호했다는 한계가 있었다. 이러한 한계를 극복하고자 본 연구에서는 도시활력을 사회적, 경제적 차원으로 구분하여 개념화하였다. 사회적 활력이란 도시공간에 통행하는 유동인구로 인해 발생하는 북적거림을 의미하고, 경제적 활력은 소비, 거래, 투자 등의 활동을 의미한다. 본 연구에서는 이러한 개념적 틀을 기반으로 사회적 활력의 지표로는 거주인구와 함께 휴대전화사용에 기반하여 측정한 유동인구 빅데이터를 사용하였고, 경제적 활력의 지표로는 사업체 종사자 수와 카드결제 빅데이터를 이용하였다.
도시활력의 사회적, 경제적 차원을 비교 분석해보면, 거주와 활동이 공간적으로 분리되어있는 것과 대조적으로 생산과 소비 활동은 공간적으로 분리되어있지 않은 경향이 강하다. 사회적 활력의 경우에는 거주인구와 유동인구의 차이가 극명하게 대비되는 경우가 많았다. 도심공동화 현상 등에 기인하여 거주와 활동이 공간적으로 분리되어있는 경우가 많기 때문이다. 그러나 경제적 활력의 경우에는 생산과 소비 활동이 공간적으로 혼재하는 경향이 강하다. 직장들이 밀집해있는 생산의 공간에서 직장인들을 포함하여 많은 도시민들이 소비 활동을 하는 현실이 반영된 결과이다.
그리고 스몰데이터와 빅데이터가 각각 도시민의 정적, 동적 측면을 대표한다는 점을 활용하여, 이를 기준으로 도시공간의 유형을 분류하고 코로나19와 관련한 시사점을 도출하였다. 유형 I(중심업무지구)은 생산 및 소득 활동을 위해 어쩔 수 없이 가야만 하는 곳으로 코로나19와 같은 충격에도 급격한 도시활력 감소는 없을 것이다. 유형 II(쇼핑)는 온라인이나 근거리에서 대체할 수 있어 반드시 가지 않아도 되는 곳이기 때문에 코로나19의 충격으로 도시활력이 크게 감소할 우려가 있다. 유형 III(주거)은 코로나19로 인해 원거리 이동 및 소비가 줄어들면서 역설적으로 도시활력이 높아질 것이라 기대할 수 있다. 유형 IV(교육 및 행정)는 동적 지표보다 정적 지표가 높은 지역으로 코로나19로 인한 단기적인 도시활력 감소는 적을 것으로 보인다.
본 연구는 도시활력이라는 개념에 대한 조작적 정의를 통해 측정 가능한 지표를 제안하였으며, 스몰데이터와 빅데이터의 결합을 통해 두 가지 데이터의 특성으로부터 상호보완적 장점을 이끌어냈다는 의의가 있다. 정책적인 측면에서는 인구감소 시대에 각 지역에서 제한적인 거주인구 조건 내에서 도시활력을 높이는 방안을 강구할 것을 제안하였다. 또한 장기적으로는 도시 기반시설과 서비스 제공의 차원에 있어 거주인구 중심의 사고를 극복하는 여러 가지 대안을 장기적으로 모색할 필요가 있다.

Urban researchers have sought to simplify and generalize the complex urban space and the everyday life of citizens. The concept of urban vitality and typology of urban space have been used to provide a bird-eye view of the complex urban structure. In particular, urban big data allowed researchers to revolutionize the process of selecting and developing indices that reflect the changing characteristics of citizen life. If the indices can catch them immediately and effectively, they can be used for a decision-making process to counter the new urban crises including COVID-19.
The concept of urban vitality has been used by urban researchers to evaluate the quality of life in cities and the best place to live. However, the concept has been also criticized as a fuzzy concept with a lack of clarity to identify and operationalize. To overcome the issue, this study conceptualized urban vitality in two dimensions, social and economic ones. The social vitality means the urban buzz made by pedestrian traffic passing through urban space and the economic vitality is aroused by economic activities such as consumption, transaction, and investment. Building on the conceptual framework, this study adopted datasets including residential population and pedestrian traffic data for the social vitality and employment and bank card transaction data for the economic vitality.
The empirical research shows that residence and activity on the social side are spatially divided while production and consumption on the economic dimension are spatially mixed. Residential population and pedestrian traffic are polarized in the same region mainly because the residential area in the city center is hollowed out. However, many employees contribute to the consumption level in the city center.
It is also notified that small data represent the stationary existence of urban vitality source while big data speak for the dynamics of that. A typology of urban space was made according to the comparison between small and big data. Type I (central business district) is the urban space to which citizens should go for their work, so COVID-19 would not bring an immediate decrease in urban vitality. Type II (shopping) is not a must-go region because visiting the region can be substituted by online and neighborhood shopping. It is a reason why urban vitality in Type II could sharply decrease due to COVID-19. In contrast, Type III (residential area) could be more vital as citizens are reluctant to travel to city centers. Type IV (education and administration), where the static indices are higher than the dynamic ones, would not be much affected in terms of urban vitality.
In sum, the new conceptual framework of urban vitality and its measurable indices are suggested in this study. It also took advantage of the complementary relationship between small and big data by combining them. When it comes to policy recommendations, it is suggested that urban vitality can be a policy target to counter a regional decline within a constraint of the diminishing residential population. In the future, policymakers need to seek more alternatives to the residential population as a reference to urban infrastructure and service.

#도시활력 #도시 유형화 #빅데이터 #지리인구통계 #urban vitality #urban typology #big data #geodemographics

[표지]
[머리말]
[연구요약]
[차례]
표차례
그림차례
[제1장 서론]
제1절 연구배경
제2절 연구목적
제3절 연구자료와 방법
[제2장 도시활력의 개념과 측정]
제1절 도시활력의 이론적 배경
제2절 도시활력 측정에 있어 기존 데이터의 한계
제3절 빅데이터를 이용한 도시활력 측정
제4절 도시공간 유형화
[제3장 도시활력 분석과 유형화]
제1절 사회적 차원의 도시활력
제2절 경제적 차원의 도시활력
제3절 도시활력에 기반한 도시공간 유형화
[제4장 결론]
제1절 결론
제2절 정책제안
[참고문헌]
[Abstract]

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김영롱

소속기관 가천대학교

주요연구분야 사회과학 > 지리학 > 국제·지역개발학 TOP 5% 사회과학 > 지리학 > 지리학 일반

논문수 17 이용수 5,682

이 논문과 함께 이용한 논문

산업시설 재생의 방향과 전략 연구 : 그린과 문화를 통한 재생 사례를 중심으로

성종상 문화정책논총 2005 .05

모바일폰 위치기반 생활이동 빅데이터를 활용한 통행목적별 도시활력 영향요인 분석 : PageRank 알고리즘과 SHAP 기계학습을 활용하여

박준상 , 김선재 , 이수기 국토계획 2022 .10

COVID-19 발생 전·후의 사회적·경제적 활력 변화 연구 - 서울시 상권을 대상으로 -

박성희 , 송재민 지역연구 2022 .09

개별건축물 데이터를 활용한 대구광역시 빈집 발생의 공간적 분포 및 발생요인 분석

박정일 , 오상규 지역연구 2018 .06

서울시 POI 빅데이터를 활용한 도시활력과 영향요인 분석

조월 , 이수기 국토계획 2021 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-309-001761648

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)