Research Article

Journal of the Korean Geographical Society. April 2020. 207-217
https://doi.org/10.22776/kgs.2020.55.2.207


ABSTRACT


MAIN

  • 1. 서론

  • 2. 관련 선행연구 검토

  • 3. 연구 방법

  •   1) 데이터

  •   2) 분석 방법

  • 4. 연구 결과

  • 5. 결론

1. 서론

거주지 분리는 경제적, 언어적, 문화적으로 서로 다른 인구 집단의 주거 지역이 분리되어 이들의 사회적 접촉 기회를 제약하는 현상이다. 거주지 분리에 관한 연구는 지난 100여 년간 활발히 이루어져 왔으며, 사회학과 지리학, 인구학 등 관련 분야에서 오랫동안 지속적인 주목을 받아 왔다. 미국의 사례를 중심으로 이루어진 초기 연구에서는 인종과 민족에 의한 분리가 주로 관심의 대상이었으나(Lieberson, 1963; Clemence, 1967; Massey, 1985; Alba and Logan, 1991), 최근에는 소득 수준, 연령과 같은 보다 다양한 사회경제적 계층 간 분리로 연구의 폭이 넓어지고 있다(Owens, 2018; Reardon et al., 2018; Yavaş, 2018).

거주지 분리의 심화는 교육, 문화, 상업 시설에 대한 접근성과 교통 편의성 등 여러 측면에서 계층 간의 차별적 경험을 불러오는 요인이 된다. 이는 계층 간 사회적 갈등을 초래하고, 궁극적으로는 사회적 불평등을 구조화하고 재생산하는 요소로 작용할 수 있다(홍성연 등, 2017). 이러한 문제 인식에 따라, 국내에서도 학력 수준, 소득, 국적별 거주지의 분리에 관한 관심이 점차 커지고 있으며, 특히 서울을 비롯한 대도시권을 사례로 한 연구가 많이 수행되고 있다(윤인진, 1996; 최은영, 2004; 배순석·전성제, 2006; 정수열, 2015, 정수열·이정현, 2016; 홍성연 등, 2017; 김종민·김화환, 2018).

그러나 인구 집단 간의 분리와 단절은 거주지뿐만 아니라 일상생활의 여러 장소에서 다양한 형태로 나타날 수 있다(홍성연·최진무, 2016; Wong and Shaw, 2011). 이에 따라 최근에는 거주지와 같은 특정 장소를 중심으로 분리 정도를 측정하는 전통적인 방식에서 벗어나, 개인의 활동공간 전반을 종합적으로 살펴보기 위한 시도가 증가하고 있다(홍성연·최진무, 2016; 오지예 등, 2019; Wong and Shaw, 2011; Farber et al., 2012; Wang et al., 2012; Wang and Li, 2016). 활동공간 기반의 분석은 기존의 거주지 중심 접근법과 비교해 사회구성원들이 실제 일상에서 경험하는 분리와 단절을 현실적으로 나타낼 수 있으며, 그 결과는 균형 있는 도시 기반 시설 및 서비스 공급을 위해 중요한 판단 근거가 될 수 있다.

이에 본 연구에서는 서울시와 인천시를 사례로 소득 수준에 따른 활동공간 분리가 어느 정도로 나타나는지 확인하고, 그 결과를 거주지에 기반한 기존의 분리지표와 비교하고자 한다. 또한, 활동공간 내 다양한 장소를 목적별로 분류하여, 장소 유형에 따라 소득계층 간 분리에 차이가 있는지를 살펴볼 것이다. 이를 통해 일차적으로는 연구지역 내에서 공간적 계층화1)가 발생하는 양상을 더 정확히 이해할 수 있으며, 궁극적으로는 그 원인과 사회적 영향을 파악하는데 이바지할 수 있을 것이다.

본 논문은 다음과 같이 구성되어 있다. 우선 다음 장에서는 인구 집단의 거주지 분리에 관한 기존 연구를 검토하고 분석 범위를 거주지 외의 공간으로 확대한 최근 연구 결과를 소개할 것이다. 이후 3장에서는 연구에 사용하는 데이터와 분석방법을 설명하며, 4장에서는 분석 결과를 종합하여 서울시와 인천시에서 나타나는 소득계층별 활동공간의 분리를 확인할 것이다. 마지막으로 5장에서는 연구 결과를 정리하며, 기존의 거주지에 기반한 분리지표와 비교해 활동공간 전반을 살펴보는 것의 장점을 밝히고 본 연구의 한계 및 후속 연구 방향을 논의할 것이다.

2. 관련 선행연구 검토

거주지 분리는 학력 수준, 소득, 세대, 국적 등 다양한 기준으로 구분되는 인구 집단의 주거 지역이 지리적으로 다르게 분포하는 현상이다(정수열, 2018). 거주지 분리는 경제적, 언어적, 문화적으로 동질적인 인구 집단이 주거 지역을 선택할 때 고려하는 결정 요인의 유사성과 이질적인 인구 집단에 대한 차별과 배제, 그리고 다양한 사회 구조적인 요인이 복합적으로 작용하여 발생한다. 이는 우리 사회의 통합과 분절 정도를 보여주는 하나의 지표이면서, 동시에 계층 간의 사회경제적 분리를 확대하는 원인으로 국내외에서 활발히 연구가 진행됐다(홍성연·최진무, 2016).

국내에서는 대체로 가구 단위의 소득 수준이나 개인의 직업, 학력, 또는 종사상의 지위 등으로 인구 집단을 구분하여 거주지 분리를 조사한 사례가 많다(윤인진, 1996; 최은영, 2004; 배순석·전성제, 2006; 정수열, 2015, 정수열·이정현, 2016; 홍성연 등, 2017; 김종민·김화환, 2018). 연구 결과, 서울을 비롯한 국내 여러 도시에서 거주지 분리가 심화하는 추세를 보였으며, 여기에는 부동산 가격 등에 반영된 도시의 불균형한 성장이 일정 정도 영향을 미친 것으로 나타났다. 미국 등과 비교했을 때, 국내 도시의 인구구성 상 인종, 민족별 거주지 분리는 상대적으로 크게 눈에 띄지 않지만, 1990년대 이후 조선족을 포함한 중국인이 크게 늘며 이들의 지리적 분포와 주거 지역의 변화에 관한 연구는 꾸준히 이루어져 왔다(박윤환, 2011; 하성규 등, 2011; 이석준·김경민, 2014; 이영민 등, 2014).

그러나 최근 국제학계에서는 거주지의 분포에만 주목하는 기존의 연구 흐름에서 벗어나, 각 개인이 일상생활에서 실제 경험하는 계층 간 분리를 살펴봐야 한다는 지적이 잇따르고 있다(Wong and Shaw, 2011). 물론 학교, 직장 등 거주지 외의 공간에서 나타나는 계층 간 분리에 관한 연구는 과거에도 있었지만(Deutsch et al., 1994; Reardon et al., 2000), 활동공간 전반을 종합적으로 바라보는 연구는 10여 년 전부터 시작되었다.

Wong and Shaw(2011)는 미국 플로리다주 남동부의 인구 통계와 통행 조사 결과를 활용하여 활동공간 전반에서 나타나는 민족 간 상호접촉 기회를 측정하였으며, Farber et al.(2012)은 캐나다 몬트리올을 사례로 소득 수준과 세대, 언어에 따라 활동공간이 서로 다름을 밝혔다. Wang et al.(2012)Wang and Li(2016)는 각각 중국 베이징과 홍콩에서 사회적 지위와 소득 수준이 인구의 시공간적 분포에 미치는 영향을 탐색했다. 이들은 연구에서 거주지가 지리적으로 인접해 있더라도 주거 유형이 다른 경우 활동공간을 공유하지 않을 확률이 높고, 따라서 도시 공간의 불평등을 이해하기 위해서는 실제 계층별 활동공간의 비교가 필요함을 역설했다.

국내에서는 홍성연·최진무(2016)가 2010년 가구통행실태조사 결과를 활용하여 서울시에 거주하는 저소득가구와 고소득가구의 시간대별 분포를 분석하고, 이를 통해 두 소득계층의 공간적 분리 정도를 파악하고자 하였다. 이후 오지예 등(2019)은 2016년에 실시된 가구통행실태조사 데이터를 분석하여 가구원의 소득 수준에 따른 활동공간의 분리가 장소 유형별로 상이하게 나타남을 밝혔다. 두 연구는 소득계층의 사회적 분리와 단절 정도를 특정 장소가 아닌, 활동공간 전반에서 살펴봤다는 점에서 학문적인 의미가 있으나 방법론적인 측면에서는 기존의 상이지수와 노출지수에 의존했다는 한계를 갖는다.

상이지수와 노출지수는 1950년대부터 개발되어 사용되어 온 거주지 분리의 측도로, 계산이 비교적 간단하고 직관적인 해석이 가능하여 오랫동안 많은 연구에서 활용되었다(Duncan and Duncan, 1955; Massey and Denton, 1988). 그러나 두 측도는 계산 과정에 공간 단위의 설정이 필수적이며, 따라서 가변적 공간 단위의 문제에 취약하다는 단점이 있다(Reardon and O’Sullivan, 2004; Hong and Sadahiro, 2014). 또한, 상이지수와 노출지수 모두 전체 지역에서 나타나는 분리 정도를 하나의 수치로 요약하여 제시하는 전역적 측도이기 때문에, 지역적 차이를 탐색하고 시각화하기에는 적합하지 못하다(Hong et al., 2014).

따라서 본 연구에서는 커널 밀도 함수에 기반한 분리 측도를 사용하여 소득계층별 활동공간의 공간적 분포를 지도로 나타내고, 이를 통해 소득 수준에 따른 활동공간의 분리와 단절 양상을 살펴보고자 한다. 본 연구에서 사용하는 분리 측도 S는 연구 지역 내 각 지점 i에서 두 인구 집단 A와 B의 분리와 단절 정도를 다음과 같이 추정한다(O’Sullivan and Wong, 2007).

$$S_i=1-\frac{min\lbrack K(p_{Ai}),\;K(p_{Bi})\rbrack}{max\lbrack K(p_{Ai}),\;K(p_{Bi})\rbrack}$$ (1)

여기서 K()는 커널 밀도 함수이며, paipBi는 각각 해당 지점에서 A와 B 집단에 속하는 인구 수를 의미한다. 두 인구 집단이 해당 지점을 균등하게 점유하고 있을 때 Si는 0이 되며, 특정 인구 집단이 증가할수록 1에 가까워진다.

각 지점에서 계산된 분리 측도 값은 다음과 같이 합산되어, 상이지수나 노출지수와 같은 방식으로 전체 연구 지역의 분리 정도를 나타낼 수 있다.

$$S=1-\frac{\sum_{i=1}^nmin\lbrack K(p_{Ai}),\;K(p_{Bi})\rbrack}{\sum_{i=1}^nmax\lbrack K(p_{Ai}),\;K(p_{Bi})\rbrack}$$ (2)

그러나 기존의 측도들과 비교해 해당 측도는 임의의 공간 단위에 의존하지 않기 때문에, 가변적 공간 단위의 문제에서 비교적 자유롭다(O’Sullivan and Wong, 2007). 이론적인 측면에서 국지적 측도인 Si는 행정동과 같은 경계와 무관하게 계산되기 때문에, 상이지수나 노출지수보다 정교하게 계층 간 분리 정도를 측정할 수 있을 것이다.

기존의 연구에서 행정동과 같은 공간 단위 기반의 측도와 커널 밀도 기반 측도는 일반적으로 높은 상관관계를 보여 왔으나, 공간 단위의 규모나 인구 집단의 특성에 따라 유의미한 차이를 보이기도 했다(Kramer et al., 2010). 또한, 커널 밀도 기반의 측도는 커널의 반경을 다양하게 설정함으로써 분리가 나타나는 규모를 탐색할 수 있다는 장점도 갖고 있기 때문에, 관련 연구에서도 점차 활용 사례가 늘고 있다(Reardon et al., 2009).

3. 연구 방법

1) 데이터

활동공간에서 나타나는 계층 간 분리를 측정하기 위해서는, 이들의 일상생활 범위를 파악할 수 있는 세밀한 데이터가 필요하다. 미국, 캐나다, 중국의 대도시를 사례로 분석한 최근 연구에서는 통행 조사 결과와 소셜네트워크 서비스의 지오태그, GPS 로그 등 다양한 데이터를 활용했다(Wong and Shaw, 2011; Farber et al., 2012; Wang et al., 2012; Wang and Li, 2016). 반면 국내에서는 관련 연구가 아직까지 가구통행실태조사 데이터에 의존하는 경향이 있으며(홍성연·최진무, 2016; 오지예 등, 2019), 본 연구에서도 지난 2016년 실시된 가구통행실태조사 결과를 사용하여 분석을 진행할 것이다.

가구통행실태조사는 국가교통조사의 일환으로 5년마다 정기적으로 이루어지며, 그 결과는 개인정보 보호를 위한 비식별화 과정을 거쳐 국가교통DB를 통해 배포된다. 해당 데이터에는 전국 약 20만 가구의 소득, 주거 유형, 차량 보유 대수 등과 가구원의 나이, 학력, 직업, 일일 통행 기록 등이 담겨 있어 다양한 기준으로 구분되는 인구 집단의 활동공간을 엿볼 수 있다. 본 연구에서는 서울과 인천에 거주하는 가구를 대상으로 표 1에 나열된 정보를 추출, 가공하여 소득계층별 활동공간의 분리 정도를 살펴볼 것이다.2)

표 1. 분석에 사용된 데이터

구분 분류
가구
통행
실태
조사
가구현황 가구 번호, 가구 주소(행정동), 월평균 소득(서열 척도)
가구원 특성조사 가구원 번호, 직장 주소(행정동)
개인통행 특성조사 통행 순서, 통행 목적(명목 척도), 출발지(행정동), 출발시간, 목적지(행정동), 도착시간

일반에 공개되는 가구통행실태조사 데이터에는 월평균 가구 소득이 여섯 단계의 서열 척도로 구분되어 있다. 각 단계는 월평균 가구 소득 100만 원 미만, 100~200만 원, 200~300만 원, 300~500만 원, 500~1000만 원, 1000만 원 이상으로 정의되며, 본 연구에서는 전체 인구의 하위 17%에 해당하는 1, 2단계 가구와 상위 24%에 해당하는 5, 6단계 가구의 분리 양상에 특히 주목하여 분석을 진행하고자 한다.

2) 분석 방법

본 연구의 분석 과정은 그림 1과 같다. 본 연구에서는 우선 2016년 가구통행실태조사 데이터에서 서울과 인천에 거주하는 가구의 각 구성원이 시 경계 내에서 통행한 기록을 추출했다. 그리고 이를 월평균 가구 소득을 기준으로 1, 2단계에 속하는 저소득가구와 5, 6단계에 속하는 고소득가구로 분리한 후, 두 소득계층에서 동일한 숫자의 통행 기록을 무작위로 선택해 표본 크기에 따른 편의를 제거하였다. 각 통행의 목적지에서 머문 시간은 다음 통행의 출발시간을 토대로 계산하였으며, 이를 각 계층별, 장소 유형별 커널 밀도 추정에 활용하였다.

http://static.apub.kr/journalsite/sites/geo/2020-055-02/N013550209/images/geo_55_02_09_F1.jpg
그림 1.

분석의 흐름 및 단계별 주요 내용

커널 밀도 표면은 연구 지역을 192×192 크기의 격자로 나눈 후, 각 격자점에서 등방성 가우시안 커널 함수를 사용해 구축했다. 커널 반경은 Scott(1992)이 제안한 방법에 따라 결정했으며, 약 1.83㎞로 설정되었다. 해당 반경은 모든 격자점에서 동일하게 사용되었다.

커널 밀도 표면을 구축한 후, 두 소득계층의 중첩과 이를 통한 분리 측정은 다음과 같은 과정으로 이루어졌다. 먼저 연구 지역을 육각형 격자로 나누고, 각 격자의 중심점에서 두 소득계층 H와 L의 밀도 차이, Si'를 다음과 같이 계산하였다.

$$S_i'=K(p_{Hi})-K(p_{Li})$$ (3)

위의 식에서 부호를 제거한 절대값은 Si와 비례하며, Si' 값이 0보다 작아지거나 커질수록 각각 저소득가구와 고소득가구가 해당 지점에서 상대적으로 많이 활동한다고 볼 수 있다.

두 소득계층의 활동공간 전반을 비교한 후에는 전체 활동공간을 여섯 개의 장소 유형으로 구분하여 각각에서 나타나는 분리 정도를 다시 측정하였다. 여섯 개의 장소 유형은 주거, 직장, 학교, 여가, 외식, 쇼핑으로 가구통행실태조사 데이터에 기재된 통행 목적을 바탕으로 분류하였다. 각 장소 유형의 분리 측정은 앞서 설명한 방법과 전반적으로 유사하게 진행되었으나, 표본 추출을 통해 각 소득계층의 규모를 표준화하는 과정은 거치지 않았다. 이는 소득 수준에 따라 다르게 나타날 수 있는 활동 양상을 분리 수준에 반영하기 위함이다.

4. 연구 결과

그림 2는 서울시의 소득계층별 활동공간을 중첩, 비교한 결과이다. 그림에서 파란색으로 표시된 지역은 상대적으로 저소득가구가 오랜 시간 머물며 활동한 지역이며, 붉은색으로 표시된 지역은 소득 수준이 높은 가구의 구성원들이 비교적 많이 분포한 지역이다. 육각형 격자의 색이 짙을수록 해당 지역에서 두 소득계층 간 인구 밀도의 차이가 크다는 것을 의미한다. 회색으로 표시된 격자는 가구통행실태조사 데이터에 저소득가구와 고소득가구 모두 방문 기록이 없는 곳이며, 산지, 공원과 공항 등이 이에 해당하는 것으로 보인다.

http://static.apub.kr/journalsite/sites/geo/2020-055-02/N013550209/images/geo_55_02_09_F2.jpg
그림 2.

서울시의 소득계층별 활동공간 분리 수준

지도를 통해 가구통행실태조사 데이터에서 상대적으로 소득 수준이 낮은 응답자들은 구로구, 금천구, 노원구, 동대문구, 중구 등에서 장시간 거주하거나 활동하는 반면, 소득 수준이 높은 응답자들은 강남구, 서초구, 송파구와 용산구 및 양천구 목동 일부 지역에 집중된 양상을 확인할 수 있다. 이는 관련 선행연구 결과와도 어느 정도 일치하는 것이다. 다만 거주지에서 나타나는 분리에 주목한 기존 연구와 비교해, 활동공간 전반을 살펴본 본 연구에서는 계층 간의 분리가 더 심한 것으로 나타났다(표 2).

표 2. 서울시 및 인천시의 소득계층별 활동공간 분리 수준(S)과 거주지 기반 기존 연구 결과의 비교

지역 분리 수준 비고
서울시 0.575 2016년 가구통행실태조사 데이터의 가구 소득 항목을 활용하여 저소득가구(소득수준 1, 2단계)와
고소득가구(소득수준 5, 6단계)의 활동공간을 비교 분석.
0.432 ~ 0.444 2000년, 2005년, 2010년 인구주택총조사 데이터를 활용하여 저학력층과 고학력층 간 거주지 분리 정도를
상이지수로 측정(정수열, 2015).
0.317 ~ 0.478 공공임대주택 비율, 연견평 9평 미만 주택 비율, 건축 후 30년 이상 경과 주택 비율, 부엌 및 화장실 미비
주택 비율 등 주거 환경 변수를 활용하여 저소득계층과 타 계층의 거주지 분리 정도를 상이지수로 측정
(배순석·전성제, 2006).
0.303 ~ 0.450 1970년대, 1980년대, 1990년대의 상위계층과 하위계층 간 거주지 분리를 상이지수로 측정하였으며, 상위
계층과 하위계층은 직업군을 기준으로 정의함(도경선, 1994).
인천시 0.618 2016년 가구통행실태조사 데이터의 가구 소득 항목을 활용하여 저소득가구(소득수준 1, 2단계)와 고소득
가구(소득수준 5, 6단계)의 활동공간을 비교 분석.

실제 활동공간을 거주지를 포함한 여섯 개의 장소 유형으로 구분하여 소득계층 간 분리 정도를 살펴본 결과, 거주지보다 오히려 학교와 외식 장소에서 뚜렷한 분리 양상을 보여줬다(그림 3). 특히 학교는 고소득가구와 비교해 저소득가구 구성원들의 통학 건수 자체가 상대적으로 적게 나타났다. 가구통행실태조사 데이터에서 월평균 가구소득 기준 상위 두 집단은 총 237,979건의 통행 중 약 4%에 해당하는 9,446건의 통행이 통학 목적이었으나, 하위 두 집단은 같은 목적의 통행이 전체 98,998건 중 1.9%인 1,926건에 불과했다. 이러한 규모의 차이는 결국 학교에서의 계층 간 상호작용 기회를 차단하는 구조적 요인으로 작용했을 가능성이 크며(홍성연 등, 2017), 그로 인해 전체 활동공간의 분리 정도가 높아지게 됐을 것이다.

http://static.apub.kr/journalsite/sites/geo/2020-055-02/N013550209/images/geo_55_02_09_F3.jpg
그림 3.

서울시의 장소 유형별 저소득계층과 고소득계층 간 분리 양상: (a) 주거 공간, (b) 직장, (c) 학교, (d) 여가 장소, (e) 외식 장소, (f) 쇼핑 장소

인천시의 소득계층별 활동공간을 중첩, 비교한 결과는 그림 4와 같다. 육각형 격자의 색은 그림 2와 동일하게 정의됐으며, 평균에서 멀어질수록 짙은 색으로 표시되었다. 다만 서울시와 비교해 인천시의 지도에는 강화도와 인천공항이 위치한 영종도가 포함되어 있어 상대적으로 많은 격자가 회색으로 나타났다.

http://static.apub.kr/journalsite/sites/geo/2020-055-02/N013550209/images/geo_55_02_09_F4.jpg
그림 4.

인천시의 소득계층별 활동공간 분리 수준

장소 유형의 구분 없이 시간에 따른 가중치만 부여해 커널 밀도를 계산했을 때, 월평균 가구 소득이 1, 2단계에 속하는 저소득가구 구성원의 활동공간(파란색 격자)은 중구, 동구, 남동구, 그리고 강화군에 분포하는 것으로 나타났다. 이에 반해 월평균 가구 소득 5, 6단계의 고소득가구 구성원은 송도국제도시가 위치한 연수구와 부평구에서 비교적 오랜 시간을 보내고 있었다(붉은색 격자). 두 소득계층의 활동공간을 중첩하여 계산한 분리 측도 값은 0.618로, 이는 인천시의 구성원들이 일상에서 경험하는 분리와 단절 정도가 매우 높을 수 있음을 시사한다(표 2).

그림 5는 여섯 개의 장소 유형(주거, 직장, 학교, 여가, 외식, 쇼핑)에서 각각 Si'를 계산하여 지도에 나타낸 것이다. 주거 지역은 강화도 일부를 제외한 대부분의 격자가 두 소득계층이 혼재해 있음을 의미하는 흰색이나, 고소득가구 구성원들의 거주 비율이 높은 보라색으로 그려져 있다. 그러나 주거 지역 외의 다른 장소 유형에서는 고소득가구 구성원들이 많이 활동하는 지역이 뚜렷히 나타나지 않았으며, 오히려 초록색 격자로 표시된 저소득가구 구성원들의 밀집이 두드러졌다.

http://static.apub.kr/journalsite/sites/geo/2020-055-02/N013550209/images/geo_55_02_09_F5.jpg
그림 5.

인천시의 장소 유형별 저소득계층과 고소득계층 간 분리 양상: (a) 주거 공간, (b) 직장, (c) 학교, (d) 여가 장소, (e) 외식 장소, (f) 쇼핑 장소

이처럼 장소 유형에 따라 다르게 나타나는 분리 양상의 원인 중 하나는 가구통행실태조사에서 소득 수준이 비교적 높은 응답자들이 통근이나 여가 활동 등을 위해 인천시 경계 밖으로 이동하기 때문으로 보인다. 가구통행실태조사 데이터에서 저소득계층 응답자의 인천시 경계 내 여가 통행은 1,976건(전체 32,060건의 통행 중 약 6.1%)이나, 고소득계층은 같은 목적의 통행이 506건(전체 26,475건의 통행 중 약 1.9%)에 불과하다는 사실이 이와 같은 가설을 뒷받침한다. 다만 이를 정확히 확인하기 위해서는 보다 정밀한 데이터를 활용한 확증적 분석이 필요할 것이다.

5. 결론

본 연구에서는 커널 밀도의 차이에 기반한 분리 측도 S를 사용하여, 소득계층별 활동공간을 비교 분석하였다. 소득계층은 2016년 가구통행실태조사 데이터의 월평균 가구 소득 자료를 기준으로 구분하였으며, 상위 두 단계에 속하는 고소득가구와 하위 두 단계에 속하는 저소득가구의 분리에 초점을 맞춰 분석을 진행했다. 특정 소득계층이 상대적으로 밀집해 분포하는 지역과 계층 간 분리가 심하게 나타나는 지역을 탐색하기 위해 분리 측도 S를 국지적 측도 Si'로 분해하여 시각화하였으며, 그 결과 서울시와 인천시에서 나타나는 공간적 계층화를 확인할 수 있었다.

활동공간 전반에서 나타나는 분리 정도를 측정한 결과, 거주지에 중점을 둔 기존의 연구와 비교해 좀 더 높은 수준의 분리가 나타났다. 이러한 결과에는 분석에 사용한 데이터와 측도 간 미세한 계산 방식의 차이도 물론 영향을 미쳤을 것이다. 그러나 활동공간 기반의 분리 측도에는 주거 지역 이외의 장소에서 나타나는 높은 수준의 분리가 반영될 수 있다는 사실이 더 근본적인 원인일 것이다.

실제 활동공간을 주거, 직장, 학교, 여가, 외식, 쇼핑의 여섯 개 장소 유형으로 나누어 살펴봤을 때, 서울시는 학교와 외식 장소에서, 인천시는 모든 장소 유형에서 주거 지역보다 높은 수준의 소득계층별 분리가 나타났다.

본 연구 결과는 우리 시민들이 실제 일상 속에서 경험하는 계층 간 분리와 단절, 고립 정도를 나타내기 위해서는 활동공간 전반에 대한 체계적인 분석이 반드시 필요하다는 사실을 뒷받침한다. 거주지 분리는 우리 사회의 인구 집단 간 분리를 나타내는 측도로 오랫동안 사용되어 왔으나, 이에 대한 의존은 도시의 공간적 계층화가 진행되는 과정을 정확히 볼 수 없는 결과로 이어질 수 있다.

다만, 본 연구는 활동공간에서 나타나는 분리를 탐색적으로 살펴본 것으로, 장소 유형에 따라 분리 양상이 다르게 나타나는 원인을 명확히 밝히는 데에는 한계가 있었다. 따라서 분리의 원인을 정확히 파악하기 위해, 향후 좀 더 정밀한 데이터를 활용한 확증적 분석이 추가로 이루어져야 할 것이다. 또한, 장소의 특성에 따라 물리적으로 가깝게 위치한 인구 집단 간 사회적 교류 가능성이 다를 수 있으므로, 단순히 커널 밀도의 중첩성을 살펴보는 본 연구의 분석 방법을 발전시켜 각 장소의 특성을 고려할 수 있는 활동공간 분리 측도가 고안될 필요성이 있다.

커널 밀도 표면의 구축 과정에서도 본 연구는 서울시와 인천시의 모든 장소 유형에 동일한 커널 함수 및 반경을 사용했다는 한계를 갖는다. 전통적인 상이지수나 노출지수와 비교해 커널 밀도 기반의 분리 측도가 갖는 장점 중 하나는, 데이터의 공간 단위에 관계 없이 다양한 공간적 규모로 나타나는 분리를 탐색할 수 있다는 점이다. 향후 연구에서는 커널 밀도 표면 구축 과정에서 커널의 반경 크기를 달리하여, 지역별로, 그리고 장소별로 다르게 나타나는 분리의 규모를 파악해볼 수 있을 것이다.

1) 공간적 계층화는 경제적, 사회적, 또는 문화적 특성으로 구분될 수 있는 여러 인구 집단, 특히 비대칭적 관계에 있는 집단이 서로 다른 공간을 점유하면서 발생하는 현상으로 정의할 수 있다. 인구 집단 간의 분리는 공간적 계층화의 직접적인 원인이 되며, 이는 공간의 차별적인 개발과 발전을 초래하게 된다.

2) 본 연구에서는 행정동으로 입력된 가구주의 거주 지역을 기준으로 서울과 인천 데이터를 구분하였으며, 통행 기록은 시 경계 내부에서 이루어진 것만을 분석에 활용하였다.

Acknowledgements

이 논문은 2018년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임(NRF-2018S1A5A8026784).

References

1

김종민·김화환, 2018, "광주광역시 교육수준별 거주지 분리 변화 양상에 관한 연구," 국토지리학회지, 52(2), 269-280.

2

박윤환, 2011, "빈곤층과 외국인 주민 거주지분리에 대한 연구: 서울시 사례연구," 서울도시연구, 12(4), 103-122.

3

배순석·전성제, 2006, "서울시 저소득계층 주거의 입지현황과 공간적 분리패턴에 관한 연구," 국토연구, 51(1), 191-205.

4

오지예·이영호·정예원·홍성연, 2019, "교통데이터 분석을 통한 소득계층별 공간적 분리 탐색: 가구통행실태조사의 활용," 교통연구, 26(1), 17-29.

10.34143/jtr.2019.26.1.17
5

윤인진, 1996, "서울시의 사회계층별 거주지분화형태와 사회적 함의," 한국사회학회 사회학대회 논문집, 267-273.

6

이석준·김경민, 2014, "서울시 조선족 밀집지 간 특성 분석과 정책적 함의," 서울도시연구, 15(4): 1-16.

7

이영민·이은하·이화용, 2014, "서울시 중국인 이주자 집단의 거주지 특성과 장소화 연구: 조선족과 한족(漢族)의 비교를 중심으로," 한국도시지리학회지, 17(2), 15-31.

8

정수열, 2015, "사회경제적 양극화와 도시 내 계층별 거주지 분리," 한국경제지리학회지, 18(1), 1-16.

10.23841/egsk.2015.18.1.1
9

정수열, 2018, "강남의 경계 긋기," 대한지리학회지, 53(2), 173-191.

10

정수열·이정현, 2016, "교육수준별 거주지 분리와 근린주거환경 격차: 서울시를 사례로," 한국경제지리학회지, 19(4), 729-742.

11

최은영, 2004, "선택적 인구이동과 공간적 불평등의 심화: 수도권을 중심으로," 한국도시지리학회지, 7(2), 57-69.

12

하성규·마강래·안아림, 2011, "서울시 외국인 주거지의 공간적 분리패턴에 관한 연구," 서울도시연구, 12(3), 91-105.

13

홍성연·김예린·최진무, 2017, "공간적 관점과 구조적 관점에서의 거주지 분리 측정," 국토지리학회지, 51(3), 271-280.

14

홍성연·최진무, 2016, "활동공간에서 나타나는 계층 간 공간적 분리의 측정," 국토지리학회지, 50(3), 361-371.

15

Alba, R. D. and Logan, J. R., 1991, Variations on two themes: racial and ethnic patterns in the attainment of suburban residence, Demography, 28(3), 431-453.

10.2307/20614661936377
16

Clemence, T. G., 1967, Residential segregation in the mid-sixties, Demography, 4, 562-568.

10.2307/206029921318670
17

Deutsch, J., Fluckiger, Y. and Silber, J., 1994, Measuring occupational segregation: Summary statistics and the impact of classification errors and aggregation, Journal of Econometrics, 61(1), 133-146.

10.1016/0304-4076(94)90080-9
18

Duncan, O. D. and Duncan, B., 1955, A methodological analysis of segregation indexes, American Sociological Review, 20(2), 210-217.

10.2307/2088328
19

Farber, S., Páez, A. and Morency, C., 2012, Activity spaces and the measurement of clustering and exposure: a case study of linguistic groups in Montreal, Environment and Planning A, 44(2), 315-332.

10.1068/a44203
20

Hong, S.-Y. and Sadahiro, Y., 2014, Measuring geographic segregation: a graph-based approach, Journal of Geographical Systems, 16(2): 211-231.

10.1007/s10109-013-0190-7
21

Hong, S.-Y., O'Sullivan, D. and Sadahiro, Y., 2014, Implementing spatial segregation measures in R, PLoS ONE, 9(11), 1-14.

10.1371/journal.pone.011376725415326PMC4240605
22

Kramer, M., Cooper, H., Drews-Botsch, C., Waller, L., and Hogue, C., 2010, Do measures matter? Comparing surface-density-derived and census-tract-derived measures of racial residential segregation. International Journal of Health Geographics, 9(1), 1-15.

10.1186/1476-072X-9-2920540797PMC2898812
23

Lieberson, S., 1963, Ethnic patterns in American cities, New York: Free Press of Glencoe.

24

Massey, D. S., 1985, Ethnic residential segregation: a theoretical and empirical review, Sociology and Social Research, 69, 315-350.

25

Massey, D. S. and Denton, N. A., 1988, The dimensions of residential segregation, Social Forces, 67(2), 281-315.

10.2307/2579183
26

O'Sullivan, D. and Wong, D. W., 2007, A surface-based approach to measuring spatial segregation, Geographical Analysis, 39(2), 147-168.

10.1111/j.1538-4632.2007.00699.x
27

Owens, A., 2018, Income Segregation between School Districts and Inequality in Students' Achievement, Sociology of Education, 91(1), 1-27.

10.1177/0038040717741180
28

Reardon, S. F. and O'Sullivan, D., 2004, Measures of spatial segregation, Sociological Methodology, 34(1), 121-162.

10.1111/j.0081-1750.2004.00150.x
29

Reardon, S. F., Bischoff, K., Owens, A. and Townsend, J. B., 2018, Has Income Segregation Really Increased? Bias and Bias Correction in Sample-Based Segregation Estimates, Demography, 55(6), 2129-2160.

10.1007/s13524-018-0721-430328018
30

Reardon, S. F., Farrell, C. R., Matthews, S. A., O'Sullivan, D., Bischoff, K., and Firebaugh, G., 2009, Race and space in the 1990s: Changes in the geographic scale of racial residential segregation, 1990-2000. Social Science Research, 38(1), 55-70.

10.1016/j.ssresearch.2008.10.00219569292PMC4057018
31

Reardon, S. F., Yun, J. T. and Eitle, T. M., 2000, The changing structure of school segregation: Measurement and evidence of multiracial metropolitan-area school segregation, 1989-1995, Demography, 37(3), 351-364.

10.2307/264804710953809
32

Scott, D.W., 1992, Multivariate Density Estimation: Theory, Practice and Visualization, Wiley, New York.

10.1002/9780470316849
33

Wang, D. and Li, F, 2016, Daily activity space and exposure: A comparative study of Hong Kong's public and private housing residents' segregation in daily life, Cities, 59, 148-155.

10.1016/j.cities.2015.09.010
34

Wang, D., Li, F. and Chai, Y., 2012, Activity spaces and sociospatial segregation in Beijing, Urban Geography, 33(2), 256-277.

10.2747/0272-3638.33.2.256
35

Wong, D. W. and Shaw, S. L., 2011, Measuring segregation: An activity space approach, Journal of Geographical Systems, 13(2), 127-145.

10.1007/s10109-010-0112-x21643546PMC3106997
36

Yavaş, M., 2018, Dissecting income segregation: Impacts of concentrated affluence on segregation of poverty, The Journal of Mathematical Sociology, 43(1), 1-22.

10.1080/0022250X.2018.1476858
페이지 상단으로 이동하기