공간적 공급·수요의 다중척도 모델이 여행거리 분포에 미치는 영향

초록

본 논문은 공급(S)과 수요(D)의 공간적 변동을 곱셈적(다중척도) 확률 모델로 정의하고, 개입기회(intervening‑opportunities) 선택 규칙을 적용해 여행거리의 확률분포를 유도한다. 로그정규, 베타, 베타‑로그정규 3가지 계층적 카스케이드 모델을 제시하고, 미국 대도시 인구 데이터를 이용해 수요 모델의 다중프랙털 특성을 검증한다. 파라미터(공급·수요 밀도, 공간 군집도, 상관성, 선택 모델 파라미터 α 등)의 변화가 여행거리의 꼬리와 평균에 미치는 영향을 정량적으로 분석한다.

상세 분석

이 연구는 기존의 중·장거리 중력모델이 갖는 거리‑인구 곱 형태의 한계를 넘어, 미시적 수준에서 공급과 수요가 어떻게 공간적으로 배치되는가에 따라 여행거리 분포가 달라진다는 점을 체계적으로 보여준다. 핵심은 “곱셈적 카스케이드”라는 확률적 프레임워크이다. 여기서는 각 스케일(레벨 n)마다 독립적인 난수 생성기 W 가 적용되어, 로그밀도 ln S와 ln D가 스케일 간에 가법적으로 누적된다. 이 구조는 다중프랙털(multifractality) 특성을 갖게 하며, 스케일 불변성을 만족하면 파라미터 수가 크게 감소한다. 특히, 로그정규 카스케이드는 변동성(σ²)과 상관계수 ρ 두 개만으로 전체 스펙트럼을 설명한다. 베타‑로그정규 모델은 베타 성분을 곱해 “빈 영역”을 만들 수 있어, 공급·수요가 서로 배제되는 현상(예: 상업시설이 주거지역에 거의 없음)을 재현한다.

목적지 선택은 전통적인 거리‑감쇠 대신 개입기회 모델을 사용한다. 거리 d 내에 존재하는 공급점 수 S(d) 에 대해, “어떤 공급점도 충분히 매력적이지 않을 확률”을 e^{‑λ S(d)^α} 로 표현한다. 여기서 λ 은 개별 공급점의 평균 매력도(낮을수록 매력적), α 는 매력도 간 의존성을 나타낸다. α=1 이면 독립, α→0 이면 완전 상관(모든 공급점이 동일한 매력도)이다. 이 식을 통해 여행거리 초과 확률 P(L>d) 을 S와 D의 확률분포와 결합해 적분적으로 구한다.

수학적 전개에서는 “bare”와 “dressed” 양을 구분한다. “bare”는 카스케이드가 무한히 작은 스케일까지 진행되지 않은 상태이며, “dressed”는 미세 스케일 변동을 포함한다. 저자는 두 경우가 실질적으로 차이가 작다는 실험적 근거를 들어, 분석을 “bare”에 국한한다. 로그정규 경우, ln S와 ln D가 다변량 정규분포를 이루므로, 조건부 평균·분산을 이용해 P(L>d) 을 닫힌 형태(정규분포 함수와 지수함수의 조합)로 표현한다. 다중프랙털 한계에서는 n→∞ 일 때 초과 확률이 d^{‑β} 와 같은 파워‑로우를 보이며, 이는 실제 도시 여행거리의 장측면 꼬리와 일치한다.

실증 부분에서는 LandScan 1 km 해상도 인구 데이터를 64 km × 64 km 메트로폴리탄 구역으로 나누어, 각 구역의 인구밀도 분포가 β‑LN 카스케이드 모델에 얼마나 부합하는지 검증한다. 순간(moment) 스케일링(K(q))을 로그‑로그 플롯으로 확인했을 때, 16 km를 경계로 두고 두 개의 선형 구간이 나타났으며, 이는 스케일‑의존적 파라미터 변화를 시사한다. 파라미터 추정은 K(0)와 K(2) 값을 이용해 베타 비율 P_D, P_S와 로그정규 변동성 σ²를 계산한다.

감도 분석에서는 기본 파라미터(λ, α, σ_D, σ_S, ρ) 를 변동시켜 여행거리 분포의 평균·분산·꼬리 지수를 평가한다. 주요 결과는: (1) 공급·수요 평균 밀도(λ·S₀·D₀)의 곱이 늘면 평균 여행거리가 급격히 감소한다. (2) α가 1에 가까울수록(독립) 꼬리가 얇아지고, α가 작을수록(상관) 장거리 여행 비중이 증가한다. (3) 로그정규 변동성 σ 가 클수록 공간 군집이 강해져, 가까운 고밀도 공급점이 존재할 확률이 높아져 평균 거리가 감소하지만, 동시에 빈 구역이 늘어나 장거리 꼬리가 강화된다. (4) 공급·수요 상관계수 ρ 가 양(공급이 수요와 일치)일 때 평균 거리가 짧아지지만, 음(공급이 수요와 반대)일 때는 장거리 여행 비중이 크게 늘어난다. 이러한 정량적 관계는 도시 계획에서 서비스 배치, 교통 인프라 투자, 그리고 전염병 확산 모델링 등에 직접 활용될 수 있다.