도로망 연결성을 반영한 새로운 주거 분리 측정법

본 논문은 주거 분리 연구에서 물리적 환경, 특히 도로망과 물리적 장벽이 어떻게 분리 수준과 공간 패턴에 영향을 미치는지를 정량화하기 위해 ‘Spatial Proximity and Connectivity (SPC)’ 방법을 제안한다. 기존의 대표적 지표인 불균형 지수(dissimilarity index)와 같은 ‘비공간적’ 방법은 인구 구성만을 고려하고, 이웃 단위의 위치 관계나 실제 이동 가능성을 무시한다는 비판을 받아왔다. 이러한 한계를 극복하기 위해 저자는 세 가지 주요 전략을 채택한다. 첫째, ‘체커보드 문제’를 해결하기 위해 다중 규모에서 근접성을 측정한다. 이는 인접 블록이 어떻게 배열되는가에 따라 분리 정도가 달라질 수 있음을 인식하고, 다양한 반경(0.5 km, 1 km, 2 km 등)에서 이웃 집합을 재구성함으로써 공간적 스케일을 체계적으로 탐색한다. 둘째, ‘가변 단위 문제(MAUP)’를 피하기 위해 블록 경계가 아닌 도로 네트워크 상의 교차점을 기본 단위로 삼는다. GIS 데이터를 이용해 블록 경계와 도로 레이어를 연결하고, 각 교차점에 인구와 인종 비율을 할당한다. 인구 할당은 블록 면적·인구밀도 비례 배분 혹은 파이코플라스틱 보간법을 사용해 보다 연속적인 공간 분포를 만든다. 셋째, 가장 혁신적인 부분은 거리 측정 방식을 ‘네트워크 최단거리’로 전환한 것이다. 전통적 방법이 유클리드 거리(직선 거리)를 사용해 근접성을 정의한다면, SPC는 도로망을 따라 이동 가능한 실제 거리를 계산한다. 이 과정에서 Dijkstra 혹은 A* 알고리즘을 적용해 모든 교차점 쌍 사이의 최단 경로를 구하고, 고속도로, 철도, 강, 일방통행 등 물리적 장벽을 자연스럽게 반영한다. 장벽을 통과해야 하는 경우 가중치를 크게 낮추는 ‘장벽 페널티’를 도입해, 물리적으로 가깝지만 연결성이 낮은 지역을 구분한다. 근접 가중치를 정의하기 위해 저자는 거리 감쇠형 커널(예: 가우시안, 역거리)과 장벽 페널티를 결합한 ‘프로시미티 함수’를 설계한다. 이 함수는 지정된 반경 내에 포함되는 이웃 교차점에 가중치를 부여하고, 각 교차점의 ‘이웃 집합’에 포함된 인구 구성비를 계산한다. 이렇게 얻어진 지역적 인구 비율을 기반으로, 전통적 불균형 지수와 유사한 형태의 ‘네트워크 기반 분리 지수’를 산출한다. 구체적으로는 각 교차점 i에 대해 \(S_i = \sum_{j \in N_i} w_{ij} \left| \frac{p_{ij}}{P_i} - \frac{p_j}{P} \right| \) 와 같은 식을 사용해, i의 이웃 집합 N_i 내 가중치 w_{ij}와 인구 비율 차이를 합산한다. 전체 도시 수준의 분리 지수는 모든 i에 대한 S_i의 평균 혹은 가중 평균으로 정의한다. 방법론을 검증하기 위해 저자는 두 가지 사례를 제시한다. 첫 번째는 가상의 도시 모델로, 남북으로 인종이 구분된 구조에 다양한 물리적 장벽(철도, 고속도로, 울타리 등)을 삽입해 분리 지수가 어떻게 변하는지를 시뮬레이션한다. 결과는 장벽이 없는 경우와 비교해, 장벽이 존재할 때 전체 분리 지수가 15~30% 상승함을 보여준다. 두 번째는 실제 데이터인 미국 펜실베이니아주 피츠버그의 인구와 도로망을 활용한 실증 분석이다. 피츠버그는 강과 고속도로가 복잡하게 얽혀 있어 물리적 장벽이 다수 존재한다. 전통적 불균형 지수는 0.32(전체 도시 수준)였으나, SPC를 적용해 물리적 장벽을 반영하면 0.45로 크게 증가한다. 특히, 강을 가로지르는 지역에서는 네트워크 거리와 실제 거리 차이가 커서, 해당 지역의 ‘지역적’ 분리 수준이 크게 높아졌다. 이러한 결과는 정책적 함의를 제공한다. 도로망 재설계, 교량 건설, 혹은 장벽 제거와 같은 인프라 투자는 물리적 연결성을 개선해 주거 분리를 완화시킬 수 있다. 반대로, 새로운 고속도로나 철도 건설이 특정 인종 집단을 물리적으로 격리한다면, 분리 수준이 악화될 위험이 있다. 논문의 한계점도 명시한다. 첫째, 모든 교차점 쌍에 대한 최단 경로 계산은 O(N²) 복잡도를 가지므로, 대규모 도시에서는 고성능 컴퓨팅 자원이나 효율적인 샘플링이 필요하다. 둘째, 인구를 교차점에 할당하는 과정에서 발생할 수 있는 오류(예: 블록 경계와 도로망 불일치)가 결과에 영향을 미칠 수 있다. 셋째, 현재 SPC는 도보·자동차 이동만을 고려하고 있어, 대중교통, 자전거, 도보 전용 경로 등 다양한 이동 형태를 포함하지 않는다. 향후 연구에서는 이러한 이동 모드와 시간대별 교통 흐름을 통합해 보다 정교한 분리 측정이 가능할 것이다. 결론적으로, SPC는 물리적 환경을 정량화함으로써 기존의 ‘비공간적’ 분리 지표를 보완하고, 도시 계획·주거 정책에 실질적인 데이터를 제공한다는 점에서 학문적·실천적 가치가 크다.