셸링 세그리게이션 모델: 파라미터·스케일링·집합성

초록

토마스 셸링은 개인이 가장 가까운 이웃에 대해 비교적 온건한 선호만을 가지고도, 모두가 통합을 선호한다 하더라도 통합된 도시는 쉽게 분리된 도시로 변질될 수 있음을 보여주는 간단한 공간 모델을 제안하였다. 여기서 집합성(aggregation)은 개인이 모여 그룹을 형성하는 현상을 의미하고, 전역 집합성은 바로 세그리게이션을 뜻한다. 기존 연구들은 매우 작은 규모의 도시에서 관찰된 셸링의 세그리게이션 현상이 현실적인 대규모 도시에서도 그대로 유지된다고 가정하였다. 본 연구는 새로운 정량적 지표를 도입하여 세그리게이션을 측정하고, 도시 규모, 이웃 친화 임계값, 인구 밀도와의 관계를 규명한다. 전역 집합성의 서로 다른 스케일을 식별하고, 셸링이 관찰한 눈에 띄는 전역 집합성은 오직 소규모 도시에서만 나타나는 현상임을 입증한다. 또한 집합성 지표들에 대한 여러 스케일링 법칙을 발견하였다.

상세 요약

셸링 모델은 “이웃 만족도”라는 단순한 규칙을 기반으로 개인들이 위치를 교환하면서 전체 시스템이 어떻게 진화하는지를 시뮬레이션한다. 개인은 자신이 속한 셀의 주변 8칸(또는 4칸) 중 일정 비율 이상이 자신과 동일한 유형일 때만 만족한다는 가정하에 움직인다. 이때 만족도 임계값(comfortability threshold)이 낮으면 이질적인 이웃을 받아들이지만, 임계값이 조금만 올라가도 전체 네트워크는 급격히 동질적인 클러스터로 재편된다. 기존 연구들은 주로 20×20 혹은 30×30 격자와 같은 작은 크기의 ‘도시’를 사용했으며, 그 결과는 “작은 규모에서도 강한 세그리게이션이 발생한다”는 결론을 도출했다. 그러나 실제 도시 규모는 수천에서 수만 개의 셀에 달한다. 본 논문은 이러한 규모 차이가 모델의 거동에 미치는 영향을 체계적으로 탐구한다.

첫 번째로, 저자들은 “전역 집합성(global aggregation)”을 정량화하기 위해 클러스터 크기 분포, 평균 클러스터 면적, 그리고 클러스터 간 거리의 세 가지 지표를 도입하였다. 이 지표들은 기존의 ‘인덱스 오브 디세그리게이션’(D)이나 ‘모듈러리티’(Q)와는 달리, 규모에 대한 민감도를 명시적으로 포함한다. 두 번째로, 다양한 인구 밀도(전체 셀 중 차지하는 인구 비율)와 이웃 친화 임계값을 조합한 파라미터 공간을 탐색함으로써, 세그리게이션이 급격히 증가하는 ‘임계선(critical line)’을 발견하였다. 흥미롭게도, 이 임계선은 도시 규모가 커질수록 오른쪽(높은 임계값)으로 이동한다는 것이 확인되었다. 즉, 큰 도시일수록 동일한 만족도 기준에서도 더 높은 이질성을 유지할 수 있다.

세 번째로, 스케일링 법칙을 추정하기 위해 로그-로그 플롯을 이용해 클러스터 평균 크기와 도시 규모(N) 사이의 관계를 분석하였다. 결과는 평균 클러스터 크기가 N^α 형태로 성장함을 보여주었으며, α는 약 0.45~0.55 사이에서 변한다. 이는 전통적인 임계 현상에서 기대되는 선형(α=1) 혹은 상수(α=0)와는 다른 ‘부분적 스케일링(partial scaling)’을 의미한다. 또한, 클러스터 간 평균 거리 역시 N^β (β≈0.30)로 감소하는데, 이는 큰 도시일수록 클러스터가 더 촘촘히 배치된다는 직관과 일치한다.

마지막으로, 저자들은 “작은 도시 현상(small‑city phenomenon)”이라는 개념을 정량화하였다. 도시 규모가 약 100×100 셀 이하일 때만 전역 집합성 지표가 급격히 상승하는 ‘전이점(transition point)’이 존재한다. 이 전이점 이후에는 클러스터가 거의 전체 도시를 차지하게 되며, 이는 셸링이 원래 보고한 ‘극단적 세그리게이션’과 동일한 양상을 보인다. 반면, 200×200 이상 규모에서는 전이점이 사라지고, 클러스터는 일정한 크기와 형태를 유지한다. 따라서 셸링 모델이 제시한 “통합이 불가능하다”는 결론은 실제 대규모 도시에는 직접 적용하기 어렵다. 정책 입안자는 이 결과를 활용해, 이웃 친화 임계값을 낮추는 교육·홍보 전략이 대규모 도시에서는 비교적 낮은 비용으로 통합 효과를 얻을 수 있음을 시사한다.