1. 서론

정신건강(Mental health)은 단순히 정신질환이 없는 상태를 넘어, 개인이 자신의 잠재력을 실현하고 일상의 스트레스에 대처하며 생산적으로 사회에 기여할 수 있도록 하는 ‘정신적 안녕(Well-being)’의 상태로 규정된다(World Health Organization, 2022). 그러나 2019년 기준 전 세계 인구 8명 중 1명이 불안 장애나 우울 장애와 같은 정신질환을 앓고 있으며, 한국에서는 정신의료기관 이용자 수와 인구 10만 명당 자살 사망률이 해마다 증가하고 있어 심각한 사회적 비용을 초래하고 있다(보건복지부･국립정신건강센터, 2022; 2024a; 2024b; Bloom et al., 2011). 이에 따라 정신의료기관(정신건강의학과 의원 등), 재활기관, 정신건강복지센터 등 정신건강 서비스의 역할이 강조된다.¹⁾ 정신건강 서비스는 정신질환을 예방하고 치료하기 위해 제공되는 보건의료체계와 환자들이 사회적 기능을 회복하는 데 제공되는 사회적 지원 전반을 포괄하는 개념으로, 정신질환자는 적절한 시기에 전문적인 정신건강 서비스를 제공받음으로써 질환의 만성화를 방지하고 사회적 기능을 회복할 수 있다. 정신건강 서비스의 이용률은 지리적 근접성에 의한 물리적 제약에 민감하게 반응한다고 알려져 있으며 대표적으로 자비스의 법칙(Jarvis’s Law), 즉 정신건강 서비스와 거주지 간 거리가 가까울수록 서비스 이용률이 높고, 거리가 멀어질수록 급격히 감소하는 현상이 보편적으로 나타난다(Jarvis, 1866; Shannon et al., 1986). 특히 서비스 공급원과의 거리가 멀어질수록 환자의 지속적인 치료 의지가 감소하여 일회성 진료에 그칠 위험이 높으며, 이는 장기적인 상담 및 관리가 필요한 정신질환 치료의 특성상 환자의 예후가 개선되지 않는 문제로 이어지게 된다(Fortney et al., 1999). 정신건강 서비스를 대상으로 거리 감쇠 효과를 측정한 연구들에 따르면 거리 감쇠 효과는 정신건강 서비스의 유형, 정신질환의 종류, 도시화 및 교통수단의 발달 정도와 관계없이 보편적으로 관찰된다(동재용･이광수, 2017; Stulz et al., 2018; Azimi et al., 2025). 다만 거리와 서비스 이용률 사이의 구체적인 함수 관계는 고정된 것이 아니라 지역적 맥락에 따라 달라지는 경향을 보인다.

정신건강 서비스를 공간적으로 분석할 때에는 근접성을 넘어, 접근성 개념을 중요하게 고려해야 한다. 근접성이 서비스와의 물리적 거리 또는 이동시간에 따른 멂과 가까움을 측정한다면, 접근성은 공간적 인접성에 더해 해당 서비스의 실질적인 수용 능력과 가용성을 포함하는 입체적인 개념이다(Penchansky and Thomas, 1981) 예컨대, 의료진의 수에 따른 공급 규모의 차이나, 배후 지역의 인구밀도는 개별 환자가 정신건강 서비스를 실제로 얼마나 이용할 수 있는지에 직접적인 영향을 미치므로, 인구밀도를 반영하면 접근성의 지역 격차가 뚜렷하게 나타날 수 있다. 특히, 정신건강의학과 내원자들의 상담과 진료 시간이 다른 진료과에 비해 길다는 점에서(이찬희 등, 2017), 공급과 수요 사이에 불균형이 일어나면 예약이 지연되거나 내원 시 대기 시간이 길어지는 실질적인 이용 장벽이 형성될 수 있다. 그러한 점에서 접근성은 정신건강 서비스의 맥락에서 특히 중요하게 고려되어야 한다(전진아 등, 2019). 정신건강 서비스의 지역별 접근성 격차에 영향을 미치는 기제는 크게 두 가지로 나뉜다. 첫째는 도로망이나 대중교통 인프라 등 물리적 거리에 기인한 거리 감쇠 효과로, 고전적인 자비스의 법칙을 따른다(Jarvis, 1866; Shannon et al., 1986). 둘째는 정신건강 서비스와 인구 분포 사이의 공간적 불일치에 의한 격차로, 민간 중심의 정신의료기관에서 뚜렷하게 나타난다. 대표적 공공 부문인 정신건강복지센터는 “정신건강증진 및 정신질환자 복지서비스 지원에 관한 법률”에 의해 시도별로 광역 센터 1개, 시군구별로 기초 센터가 최소 1개 이상이 설치되어 있다(보건복지부･국립정신건강센터, 2024b). 그러나 민간을 중심으로 운영되는 정신의료기관은 수익성을 고려하여 입지하므로, 특정 지역에 편중되며 이는 인구 분포의 불균등성과 결합하여 지역 간 접근성을 더욱 양극화시킨다. 특히 정신건강의학과는 내과나 이비인후과 등 다른 진료과에 비해 선택적 방문 성격이 강한 전문 진료과에 가깝기 때문에, 주거 지역보다는 상업 지구와 같이 광역적 배후지를 확보할 수 있는 곳에 입지하는 경향을 보인다.

본 연구에서는 서울특별시를 대상으로 정신의료기관의 공간적 접근성을 3단계 유동권역분석법(3SFCA)을 통해 분석한다(Wan et al., 2012). 서울은 타 시도 대비 스트레스 인지율이 높은 지역으로, 1차 진료 서비스를 제공하는 정신의료기관에 대한 실질적 수요가 집중되어 있다(서울특별시 등, 2024). 특히 인구밀도가 높은 대도시에서는 농촌 또는 소도시에 비해 사회적 연결성이 낮아 정신질환에 대한 낙인 효과가 나타날 가능성도 낮다(Huxley, 1993; Parr and Philo, 2003; Stewart et al., 2015). 따라서 스트레스나 우울 증상이 잠재적 의료 이용 수요로 전환될 가능성이 크다. 현재 국내 정신의료기관의 약 30%가 서울에, 56%가 수도권에 집중되어 있으나, 서울 내부의 정신의료기관은 국지적으로 편중되어 있기 때문에 공급-수요의 공간적 불일치가 접근성 격차를 야기할 수 있다. 한편, 3SFCA의 잠재적 공간 접근성 계산 결과는 공급과 수요 지점 쌍 간 물리적･시간적 거리를 반영하는 방식에 크게 영향을 받는다고 알려져 있다(Apparicio et al., 2008; 2017; Fang et al., 2025). 연구지역인 서울시의 대중교통 분담률은 64%로 세계 주요 도시에 비해 매우 높으며, 2004년부터 시행된 수도권 통합환승할인제로 대중교통수단 간 환승이 활발하지만(서울특별시, 2019) 이러한 이동행태를 잠재적 공간 접근성 계산에 세밀하게 반영하려는 시도는 적었다. 이에 본 연구에서는 기존 연구들에서 사용하는 도로 네트워크 및 단일 대중교통 기반 접근성 산출 방식(정희지･강전영, 2024; Kim et al., 2018; Stulz et al., 2018; Wang and Ariwi, 2021)을 확장하여 서로 다른 대중교통 수단 간 환승을 이동방식에 반영한 새로운 방법론을 서울시 정신의료기관에 대해 적용하고 새롭게 도출되는 접근성 패턴을 연구한다. 이때, 사용한 데이터의 내재적 한계나 실현된 접근성 연구의 부재에서 비롯되는 불확실성은 매개변수를 조절하고 결과에 대한 민감도를 분석해 보완하는 한편, 매개변수의 상대적 중요도에 대한 함의를 도출하고자 한다. 이어 서로 다른 대중교통 수단 간 환승을 반영한 다중수단(multimodal) 접근이 기존 단일수단 접근과 비교하였을 때 접근성 지수가 어떠한 지리적 차이를 나타내는지 살펴보고자 한다.

2. 문헌연구

1) 접근성의 개념과 측정방식

접근성은 지리학을 포함한 여러 사회과학 분야에서 다루어지는 포괄적인 개념으로, 일반적으로 ‘상호작용 가능한 잠재적 기회’로 정의된다(Hansen, 1959). 보건지리학적 맥락에서 Penchansky and Thomas(1981)는 접근성을 이용자와 보건의료 체계 간의 적합성(fit)의 정도로 규정하며, 이를 다섯 가지 세부 차원으로 체계화하였다. 구체적으로는 의료서비스 공급 자원의 양적･질적 충분성을 의미하는 가용성(availability), 공급자와 이용자의 지리적 위치 관계 및 이동 비용을 다루는 도달 가능성(reachability), 진료 시간이나 예약 체계 등 서비스 조직 방식과 이용자 간의 관계(accommodation), 서비스 비용과 이용자의 지불 능력 간의 관계(affordability), 그리고 공급자의 특성과 이용자의 태도 사이의 적합성(acceptability)이 포함된다. Khan(1992)은 이러한 접근성을 두 가지 주요 이분법적 범주로 유형화하였다. 먼저 서비스 이용의 구조적 가능성을 나타내는 잠재적 접근성(potential access)과 실제 서비스 진입 및 이용이라는 결과로 나타난 실현된 접근성(realized access)으로 구분된다. 또한 접근성을 결정짓는 요인에 따라 거리 및 지리적 제약에 기반한 공간적 접근성(spatial access)과 소득, 보험, 인식 등 사회제도적 요인에 의한 비공간적 접근성(aspatial access)으로 구분할 수 있다. 본 연구는 이러한 다차원적 구분 중 잠재적 공간 접근성 개념을 따르며, 서울시의 정신의료기관 이용의 구조적 가능성을 공간적 측면에서 분석하고자 한다.

보건의료 접근성을 정량화하려는 시도는 분석 기술의 발달과 더불어 단순한 지표 계산에서 정밀한 공간 상호작용 모델로 진화해 왔다. 고전적 방식인 공급-수요 비율(provider-to-population ratio, PPR)은 개별 행정 구역에서 인구와 의료 자원 사이의 비율을 산출하여 직관적이지만, 구역 내에서 발생하는 미세한 지리적 변이를 식별하지 못한다는 단점이 있다(Guagliardo, 2004). 또한 이용자가 행정 경계를 넘나들며 인접 지역의 의료기관을 이용하는 행태를 반영할 수 없으며, 분석 단위로 설정된 경계의 크기나 모양에 따라 결과값이 왜곡되는 임의공간단위설정문제(Modifiable Areal Unit Problem, MAUP, Openshaw, 1984)에 노출되어 있다. 또 다른 방식은 최근접 분석으로, 수요지로부터 가장 가까운 시설과의 거리를 활용하지만, 여전히 공급과 수요 간 불균형을 반영하지 못한다는 한계점이 있다. 한편, 중력 모형은 공급 및 수요에 영향을 미치는 변수로 거리를 사용하여, 공급지의 규모에 비례하고 수요지까지 거리의 승수에 반비례하는 잠재적 상호작용을 계산한다(Joseph and Bantock, 1982). 이 과정에서 배후 수요 인구를 가중치로 반영하면, 근접성과 가용성을 함께 반영할 수 있다.

중력모형의 공간 상호작용 원리를 계승하면서도 정책적 활용도를 높이기 위해 제안된 2단계 유동권역분석법(Two- step floating catchment area, 2SFCA)는 공급(의료기관)과 수요(인구)를 이동 시간 기반의 생활권역(catchment) 내에서 두 단계로 결합하여 접근성을 도출하며, 이는 수학적으로 중력 모형의 특수한 사례이다(Luo and Wang, 2003). 1단계에서는 공급지를 중심으로 일정 시간 이내에 거주하는 인구를 파악하여 각 공급지의 공급-수요 비율을 산출하며, 2단계에서는 개별 수요지에서 도달 가능한 범위 내에 있는 모든 공급지의 공급-수요 비율을 합산하여 최종 접근성 지표를 도출한다. 이후 권역 내부에서도 발생하는 거리 감쇠 효과를 위해 가중치를 도입한 개량 2단계 유동권역분석법(Enhanced 2SFCA, E2SFCA) (Luo and Qi, 2009)과, 다수의 의료기관이 인접해 있을 때 발생하는 수요의 분산 및 선택 행태를 고려한 3단계 유동권역분석법(Three-step FCA, 3SFCA) (Wan et al., 2012) 등으로 모형이 정교화되었다. 최근에는 이용자의 다양한 주관적 선택 특성까지 통합한 개량 3단계 유동권역분석법(Enhanced 3SFCA, E3SFCA) (Luo, 2014) 또는 가변적 권역 크기를 적용한 통합 유동권역분석법(Integrated FCA) (Bauer and Groneberg, 2016) 등의 개선이 지속적으로 이루어져, 현대 보건지리학에서 유동권역분석법 기반 방법론은 지역 간 의료접근성 격차를 분석하는 핵심적인 분석 프레임워크로 이용되고 있다.

2) 정신건강 서비스의 접근성

선행연구에서는 FCA의 파생 방법론을 이용하여 정신건강 서비스에 대한 잠재적 공간 접근성을 분석하였다. 예를 들어, Ngui and Vanasse(2012)는 몬트리올 남서부 지역을 대상으로 2SFCA 기반 접근성을 계산함으로써, 접근성 격차를 시각화하고 취약 지역을 식별하는 데 기여하였다. 이 연구들에서는 공통적으로 정신건강 서비스의 이용률에 물리적 거리가 강력한 진입 장벽으로 작용한다는 점을 지적하는데, 서비스로부터의 거리 또는 이동 시간이 증가할수록 치료의 빈도가 낮아지는 거리 감쇠(distance decay) 현상이 관찰되기 때문이다(Smith-East and Neff, 2020; Lankila et al., 2022). 또한 정신의료기관에 도달하는 평균 시간이 일반 의료기관에 비해 약 두 배 가까이 긴 것으로 나타났다는 연구는, 정신건강의료 이용자가 체감하는 지리적 제약이 타 진료과보다 더 높음을 시사한다(Fortney et al., 1999). 이러한 공간적 제약은 진료 횟수의 감소로 이어지며, 적기에 치료를 받을 가능성을 낮추어 정신질환을 만성화시킬 수 있다.

정신건강 서비스의 공간 접근성 격차는 지역의 사회경제적 수준이나 인종적 특성과 결합하여 더욱 심화되는 경향을 보인다. 실현된 접근성, 즉 보험 청구 데이터나 실제 진료 기록 등을 분석한 연구들에서는 저소득 지역에 공공 성격의 외래 정신건강 서비스 시설이 주로 배치되는 반면, 고소득 지역에는 민간 전문의 위주의 개인 의원이 편중되어 분포하는 등 공급 자원의 유형이 분리됨을 관찰하였다(Dinwiddie et al., 2013; Vander Wielen et al., 2015; Cummings et al., 2017). 이러한 구조적 불균형은 소수 인종 및 빈곤층 거주 지역의 지리적 접근성 장벽을 더욱 높인다. 물리적 거리에 대한 인식 역시 사회적 계층에 따라 달랐다. 고소득 집단은 활동 반경이 상대적으로 커 거리 증가에 둔감한 한편, 저소득 집단이나 소수 인종은 각종 활동에서 거리에 더 민감하게 반응한다. 이는 사회적 낙인, 신뢰 부족, 의료비 및 교통비 부담 등의 영향을 받기 때문이다(Packness et al., 2017). 따라서 정신건강 서비스에 대한 공간적 접근성이 낮아질 때 전문적인 상담 치료를 지속하기보다는 단기적인 처방이나 약물에 의존하려는 성향이 강해지며, 이는 결국 장기적인 치료 순응도 저하로 이어진다(Fortney et al., 1999; Packness et al., 2017). 이러한 연구들은 지리적 거리와 비공간적 요인이 복합적으로 작용하여 접근성 격차를 발생시킨다는 점을 강조한다.

GIS를 기반으로 정신건강 서비스에 대한 잠재적 공간 접근성을 산출한 연구들을 방법론 차원에서 살펴보면 다음과 같다. Smith-East and Neff(2020)가 1998년부터 2018년까지 출판된 문헌을 대상으로 조사했을 때, 18개 중 17개의 연구가 공급-수요 비율이나 최근접 분석 등 고전적 방법론을 이용했다. 다만, 접근성 분석을 위한 측도는 직선거리에서 도로망(López-Lara et al., 2012) 또는 대중교통 기반 시간거리(Stulz et al., 2018)로 다양화되었다. 최근 10년 간의 문헌에서는 유동권역분석법 기반 방법론이 주류를 이룬다. Hunyadi et al.(2025)은 미국 텍사스 주의 정신건강 교육 프로그램에 대한 도로망 이동시간 기반 2SFCA 분석을 시행하였으며, 분석 파라미터에 따른 접근성 지수의 변화를 분석하였다. Wang and Ariwi(2021)는 캐나다 토론토의 정신건강 서비스에 대한 다중 교통수단 이동시간 기반 E2SFCA 분석을 시행함으로써 취약지역을 식별하였다. Tadmon and Bearman(2023)은 미국 전역의 정신건강서비스에 대하여 다중 교통수단 이동시간 기반 3SFCA 분석을 적용하고 그 결과를 실제 건강결과와 연계하며, 자살률 위험이 소득 불평등보다는 정신건강 서비스에 대한 공간적 접근성 격차와 더 밀접하게 연관되어 있음을 실증하였다. 한편, 국내에서는 동재용･이광수(2017)가 종합병원 정신건강의학과 접근성을 도로망 거리와 이동시간을 이용하여 분석하였으나 최근접 의료기관만을 이용한 한계가 있다.

3) 대중교통 기반 접근성 선행연구 및 GTFS 객체의 구조

최근 접근성 분석 연구에서는 대중교통 네트워크 외에도 도로 네트워크나 보행 네트워크 등 여러 이동 가능성에 기반한 다중수단(multimodal) 분석의 활용도가 증가하고 있다(Zhou et al., 2020; Jin and Lu, 2022; Tadmon and Bearman, 2023). 이 경우 접근성 산출에 필요한 물리적 ･시간적 거리 계산에는 경로탐색 엔진(routing engine)이 이용된다. 경로탐색 엔진은 출발지와 도착지 간의 이동 시간 행렬을 생성하여 교통 네트워크상의 이동 가능성을 정량화한다. 네트워크 자료원 구성에 따라 자발참여형 지리정보(voluntary geographic information)인 오픈스트리트맵 자료 기반의 OSRM(Luxen and Vetter, 2011), 일반교통피드규격(general transit feed specification, GTFS) 자료를 이용하여 대중교통체계를 중심으로 경로를 탐색하는 gtfsrouter(Padgham and Stepniak, 2022), 그리고 도로망과 보행 및 대중교통을 통합적으로 고려하는 R5(Pereira et al., 2021), OpenTripPlanner (Young, 2018), Valhalla(Saki and Hagen, 2022) 등이 있다. 각 엔진은 최단거리를 탐색하기 위해 다익스트라 알고리즘(Dijkstra, 1959)을 주로 이용하나, 세부 설정이나 엔진별 내부 알고리즘 차이에 따라 계산되는 시간거리(이동 소요 시간)와 접근성 분석 결과에 차이가 있어 연구 목적 및 계산 역량에 맞도록 도구를 적절히 선택해야 한다(Higgins et al., 2022). 특히 다중수단 엔진은 교통수단별로 정적 시간표나 차량별 실시간 위치를 이용함으로써 매우 정교한 분석이 가능하지만, 기반 데이터로 오픈스트리트맵에 의존하는 경우가 많아 가용 자료의 공간적 범위 등 데이터 완전성 및 신뢰성 문제를 내포하고 있다.

본 연구에서는 대중교통 기반 접근성을 계산하기 위해 gtfsrouter 엔진으로 산출한 시간거리를 활용한다. gtfsrouter는 정적 GTFS 데이터를 기반으로 연산을 수행한다. GTFS는 대중교통 시스템의 인프라와 서비스 계획 정보를 체계적으로 관리하기 위한 글로벌 표준 데이터 형식으로, 노선과 정류장 및 시간표 정보를 포함하는 다수의 텍스트 파일이 압축된 아카이브 형태를 취한다.²⁾ 각 파일은 고유 식별자를 통해 서로 유기적으로 연결되어 관계형 데이터베이스 구조를 형성한다(Fortin et al., 2016). GTFS 데이터는 사전에 계획된 운행 시간표를 기반으로 한 정적 GTFS 데이터와, 실시간 운행 현황이 반영되는 실시간 GTFS 데이터로 나뉘는데, 본 연구에서는 정적 GTFS 데이터를 이용했다. 정적 데이터를 활용하는 경우 실제 교통 흐름이나 돌발적인 운행 변동성은 반영되지 못하지만, 정기적인 정체 수준은 통상적으로 교통 당국의 시간표 계획 단계에서 고려되므로 대도시의 일반적인 접근성 분석에 유효한 도구이다. gtfsrouter 엔진은 정적 GTFS 데이터의 시간표 정보만을 활용하여 최단 시간 경로를 신속하게 도출할 수 있어 대용량 자료 처리 측면에서 강점이 있다.

3. 연구방법

본 연구의 분석 방법은 총 다섯 단계(정신건강서비스의 수요지와 공급지 설정, GTFS 자료와 환승정보 구축, 시간거리 계산, 3SFCA 기반 접근성 계산, 그리고 이동수단에 따른 접근성 비교)로 구성되어 있으며 이 장에서는 각 과정의 세부사항을 설명한다. 전체적인 분석 방법론 개관은 분석 흐름도에 제시하였다(그림 1).

그림 1.

분석 흐름도. 먼저 수요지와 공급지를 출발지-목적지(Origin-Destination) 데이터에 적합한 점형 데이터로 변환한 후, 대중교통 네트워크 정보를 담은 GTFS 데이터와 서로 다른 정류장 간 환승규칙을 반영한 시간거리를 계산하였다. 이때 서로 다른 세 가지 출발시각으로 구한 시간거리의 평균을 활용하였다. 이 시간거리는 3SFCA 기반 접근성(SPAI - Spatial Accessibility Index) 계산에 활용되며, 서울시 집계구 단위로 지도화하였다. 이때 서울시 정신의료기관의 거리 감쇠 효과의 양상을 다양하게 반영하기 위한 3가지 권역 크기와 8가지 감쇠함수를 사용하여 총 24가지 종류의 접근성 지도를 생성하였다. 한편, 이러한 환승이 반영된 접근성 모델링이 기존 방법과 얼마나 차이를 나타내는지 알아보기 위해 환승규칙을 제외한 대중교통 기반 접근성, 그리고 2가지 이동속도에서의 도로망 기반 접근성을 산출하여 그 편차를 계산하고 지도화하였다.

1) 수요지와 공급지 설정

연구지역은 대한민국 서울특별시며, 서울시 경계를 가로지르는 의료 이용 가능성을 반영하기 위해 서울시 경계로부터 40km 구역을 분석 범위에 포함하였다.³⁾ 분석의 공간 단위는 고해상도의 접근성 산출을 위해 공개된 통계 조사 최소 단위인 집계구(output area)를 활용하였다. 이에 따라 서울시의 19,218개 집계구를 포함한 총 51,617개 집계구를 수요지로 설정하였다. 집계구 경계자료는 국가데이터처 통계지리정보서비스(SGIS)에서 제공하는 2024년도 경계 자료를 활용하였다. 이때 각 집계구의 정신의료기관 예상 수요인구는 국가통계포털(KOSIS)에서 제공하는 2023년도 시군구별 정신질환 진료현황 자료와 SGIS의 집계구별 인구 자료를 기반으로 시군구별 기준 진료율(treatment rate)을 계산하고, 이를 다시 개별 집계구 단위로 다운스케일링하여 산출하였다. 한편, 집계구는 면형(Polygon) 데이터이므로, 기종점 설정을 위해 점형(Point) 데이터로 변환했다. 이때 집계구 내 주거 밀집 지점을 대표점으로 보정하여 일반적인 기하학적 중심점(centroid)을 이용할 때 산지나 대규모 공원 등 비거주 지역으로 인한 편향을 제거하였다. 세부적인 과정으로는 브이월드(https://www.vworld.kr)에서 제공하는 GIS건물통합정보(2025년 8월 4일 기준)에서 주거용 건물 데이터를 추출한 뒤, 각 집계구 내 주거 밀집 지점을 대표점으로 설정했으며 나머지 경우는 기하학적 중심점을 이용했다(그림 2, 그림 3a).

그림 2.

집계구별 대표점 선정 기준과 선정 결과 예시 (서울시 관악구 대학동 일대)

그림 3.

(a) 연구지역 집계구 중심점의 분포 (서울시 19,218개, 총 51,617개), (b) 연구지역 정신의료기관의 분포 (서울시 535개, 총 960개)

정신의료기관 데이터는 건강보험심사평가원의 보건의료빅데이터개방시스템에서 제공하는 전국 병의원 및 약국 현황(2025년 6월 기준) 자료를 정제하여 구축하였다. 자료 정제 과정에서 세 가지 조건을 부여했다. 첫째, 진료과목에 정신건강의학과가 명시되어 있으며 해당 전문의가 1명 이상 상주하는 기관으로 한정했으며, 네이버 지도 응용프로그램인터페이스(Application Program Interface, API)를 활용한 교차 검증을 통해 실제 운영 현황을 확인하였다. 이는 전문성을 담보한 서비스 공급처만을 선별하기 위함이다. 둘째, 외래진료 중심의 정신건강의학과 의원 및 병원으로 한정했으며 입원 위주의 폐쇄형 정신병원과 종합병원 정신건강의학과는 제외하였다. 이는 대부분의 환자가 주로 반복적인 상담과 약물 처방이 이루어지는 1차 진료를 중심의 의료 경험을 가지며, 외래진료가 장기입원치료 대비 거리 감쇠 효과가 강하게 나타난다는 선행 연구의 결과를 반영한 것이다(김채봉･황성완, 2012; Shannon et al., 1986; Zulian et al., 2011). 셋째, 직장부속의원이나 학내 보건소 등 이용 대상자가 한정된 의료기관을 제외하였다. 그 결과 서울시 내 535개소를 포함한 총 960개의 정신의료기관(그림 3b)이 최종 공급지로 도출되었다.

2) GTFS 자료 및 환승정보 구축

GTFS 자료는 국가교통데이터베이스(Korea Transportation Database, KTDB)에서 2023년 기준 배포판을 구득했다. 이 자료는 정적 GTFS 데이터로, 전국 시내, 시외, 농어촌, 마을버스와 지하철, 철도, 항공, 해운 등 대중교통수단을 망라하여 정류장 및 역의 위치 정보, 노선 별 정류장, 역 도착 시간표, 운행 주기 등의 기본 정보를 포함하고 있다. 이때 도시권 내부 이동을 담당하는 도시철도, 광역철도, 경전철 등 수도권 지하철과 시내버스(간선, 지선, 광역, 급행 포함), 마을버스, 농어촌버스만을 분석에 포함하였으며, 장거리 이동 목적의 시외･고속버스, 일반철도, 고속철도, 항공 및 해운 등은 제외하였다. 시간 기준은 수요일로 설정하여 평일 대중교통 운행 패턴을 반영하였다.

KTDB에서 제공하는 GTFS 원자료에는 환승정보를 제공하지 않고 있어, 시간거리 산출에 환승 경로를 반영하기 위해서는 사용자가 직접 모든 가능한 환승 경로를 명시하는 파일을 생성해야 한다. 세부적으로는 지하철 역 간 환승과 교통수단 간의 환승과 같이 도보경로가 동반된 환승이 명시적으로 반영되어 있지 않아 일반적인 트립체인에서 발견되는 지하철-지하철, 지하철-버스, 마을버스-지하철 등의 환승 경로를 해당 자료로는 탐색할 수 없다.⁴⁾ 이러한 한계를 보완하고자 다음과 같은 환승규칙을 적용하였다. 먼저, 지하철과 버스 간 환승의 경우 지하철 역 기준 300m 거리 반경에 있는 버스 정류장에서 환승이 가능하도록 설정했다. 해당 환승경로 이용 시 수직이동에 따른 시간지연을 고려하여 환승에 필요한 최소 대기시간을 5분으로 적용했다. 예를 들어, 9시 48분에 지하철 역에서 하차했다고 하더라도, 주변 버스 정류장에서는 9시 53분 이후부터 갈아탈 수 있음을 의미한다. 다음으로, 지하철 역 간 환승의 경우, 이름이 같은 역을 제외하고 GTFS 자료 상에서 코드가 같은 역으로 환승할 수 있게 하였으며 최소 대기시간으로 2분을 적용했다. 이를 통해 연구지역에 포함된 모든 정류장 및 역에 대하여 환승규칙을 적용했다(그림 4).

그림 4.

(a) 연구지역 대중교통 정류장의 분포 (버스 정류장 총 50,908개, 지하철 역 총 726개) (서울시 확대), (b) 환승정보 구축 예시. 지하철역으로부터 300m 반경 안에 들어오는 버스정류장은 지하철역과 환승이 가능한 버스정류장(주황색으로 표시)이다. 지하철역 간 환승경로는 남색 실선으로 표시했다.

3) 시간거리 계산

3SFCA를 이용한 접근성 분석에서는 모든 가능한 집계구와 정신의료기관 쌍에 대한 시간거리가 요구된다. gtfsrouter는 기본적으로 정류장 및 역 테이블에 포함된 지점만 출발 또는 도착 지점으로 설정할 수 있으므로 임의의 두 지점 사이의 시간거리는 직접 구할 수 없어, 다음과 같은 방식을 취했다. 먼저, 각 집계구(i=1,…,51617)와 정신의료기관(j=1,…,960)에 대해, 최근접 정류장의 집합 S(i)와 S(j)를 정의했다(식 1). 각 집합은 직선거리 기준 가장 가까운 정류장 Sa(j)와 Sb(j)로 구성되어 있으며, 최대 10개까지 허용했다. 단, S(i)와 S(j)에서 각각 직선거리 500m, 300m를 초과하는 정류장은 실제 이동 경로 상 선택 비중이 낮을 것으로 판단하여 제거하였으며, 만약 임계거리 이내에 정류장이 없는 경우에는 가장 가까운 정류장 1개를 할당하여 결측이 없도록 했다.⁵⁾ 이는 대중교통 수요 예측에서 주로 활용되는 거주지 중심 보행권 기준인 800m와 상업지 중심 보행권 기준인 400m를 서울시의 고밀도 대중교통 인프라 환경에 맞추어 조정한 것이다(Guerra et al., 2012).

다음으로, 집계구 i에서 정신의료기관 j까지 대중교통을 이용한 경로 상에서 정류장 Sa(i)와 Sb(j)를 이용할 때 소요되는 시간인 ttransit i⟶Sa(i)⟶Sb(j)⟶j를 산출하였다(식 2). 이 값은 세 가지 성분으로 분해될 수 있다. 첫번째 성분은 집계구 i에서 정류장 Sa(i)까지 도달하는 데 걸리는 도보시간으로, 두 지점을 이은 직선거리를 1m/s의 속도로 보행한다는 가정 하에 산출하였다.⁶⁾ 직선거리 기반 방식은 도보 네트워크 정보가 정밀하게 구축되어 있지 않고 본 연구와 같이 대규모 데이터를 처리해야 하는 상황에서 유용한 근사치를 제공한다(이슬 등, 2025). 두번째 성분은 정류장 Sa(i)에서 정류장 Sb(j)까지 도달하는 데 걸리는 대중교통 이동 시간으로, gtfsrouter에 환승규칙을 적용해 구한 최단 소요시간이다. 세번째 성분은 정류장 Sb(j)에서 정신의료기관 j까지 도달하는 데 걸리는 도보시간으로, 첫번째 성분을 구할 때와 동일한 방식으로 산출했다.

마지막으로, 여러 통행 경우의 수를 확정하는 논리를 서술한다. 대중교통을 이용하여 집계구 i에서 정신의료기관 j까지 가는 경로는 정류장 Sa(i)와 Sb(j)의 조합에 따라 최대 10²가지 경우의 수가 존재한다. 이때 소요시간이 가장 짧은 경로를 선택한다고 가정하고, 해당 시간거리를 집계구 i에서 정신의료기관 j를 잇는 대중교통 시간 ttransit (i⟶j)으로 정하였다(식 3). 다음으로, 도보만을 이용하여 집계구 i에서 정신의료기관 j까지 가는 경로를 고려하기 위해 twalk(i⟶j)와 ttransit (i⟶j)를 비교하여 더 작은 값을 단방향 시간거리 t(i→j)로 확정하였다(식 4). 이후, 역방향 시간거리 t(j→i)와의 평균인 tij를 집계구 i와 정신의료기관 j간 최종 시간거리로 확정했다(식 5). tij는 연구지역 내 집계구와 정신의료기관에 대해 가능한 모든 조합인 49,552,320쌍에 대하여 산출되었다.

4) 3SFCA 기반 접근성 계산

위에서 구한 시간거리 tij를 기반으로 집계구별 수요권역과 정신의료기관별 공급권역을 정의하였다(식 6). 수요권역 MDi는 집계구 i를 중심으로 시간거리가 tmax 이하인 의원들의 집합으로, 해당 최대통행시간권역에서는 집계구 i에서 MDi에 포함되는 의원까지 도달할 수 있음을 의미한다. 유사하게, 공급권역 MSj는 정신의료기관 j를 중심으로, 시간거리가 tmax 이하인 집계구들의 집합으로, 해당 권역에서는 정신의료기관 j에서 MSj에 포함되는 의원까지 도달할 수 있다. I와 J는 각각 전체 집계구의 집합(n=51,617)과 전체 정신의료기관의 집합(n=960)을 의미한다.

정의된 수요권역과 공급권역을 기반으로 접근성 지수를 산출한다. 먼저 각 집계구 i에 대해, 수요권역 내 정신의료기관 j의 선택가중치(selection weight) Gij를 계산한다(식 7). 선택가중치는 연구대상에 맞게 임의로 설정할 수 있는데, 본 연구에서는 정신의료기관 별 전문의 수인 Kj(그림 5a), 그리고 시간거리 tij에 감쇠함수 f(⋅)를 적용하여 얻은 시간가중치 f(tij)를 활용하여 산출하였다. 감쇠함수 f(⋅)는 시간거리가 증가할수록 가중치가 낮아지도록 설계하여 선행연구에서 보고된 자비스의 법칙, 즉 정신건강서비스 이용률에 대한 거리의 음의 상관성을 반영했다. 즉, 시간거리가 적고 전문의 수가 많은 정신의료기관일수록 수요권역 내에서 선택될 확률이 증가하게 된다. 다음으로, 각 정신의료기관 j에 대해, 공급-수요 비율 Rj를 계산한다(식 8). 여기서 정신의료기관의 공급은 전문의 수 Kj이며, 수요는 공급권역 내 집계구들을 대상으로 선택가중치 Gij, 예상 수요인구 수 Pi(그림 5b), 그리고 시간가중치 f(tij)의 곱을 합산하여 구했다. 이 절차를 따르면 전문의 수가 많고 공급권역 내 수요가 적을수록 정신의료기관의 Rj 값은 증가하게 된다. 마지막으로, 서울시 집계구에 대해 수요권역 내 정신의료기관들을 대상으로 선택가중치, 공급-수요 비율, 그리고 시간가중치의 곱을 합산한 접근성 지수(Spatial Accessibility Index) SPAIi를 산출한다(식 9). 산출된 값이 기본적으로 전문의 수와 잠재수요지역의 대상인구 수의 비와 비례하여 소수점 이하 자릿수가 많아지는데, 값의 가독성을 위해 스케일 상수로 10⁵를 곱하여 나타냈다. 이 지수가 높은 집계구일수록 정신의료기관에 대한 잠재적 공간 접근성이 높은 것으로 해석할 수 있다.

그림 5.

(a) 서울시 정신의료기관의 분포 및 전문의 수 Kj. 정신의료기관은 주로 부도심(강남 일대)에 집적하여 있으며, 도심 지역에도 인구밀도 대비 많은 수의 정신의료기관이 분포해 있다. (b) 서울시 집계구별 예상 환자 수 Pi. 두 지도에서 알 수 있듯이 공급은 주로 상업업무 지구에, 수요는 주거 지역에 집중 분포하여 둘 간 공간적 불일치가 관찰되며, 이는 거리 감쇠 효과와 함께 접근성 격차에 영향을 미치는 요인으로 작용한다.

위 3SFCA에서 권역의 크기(catchment size)를 조절하는 매개변수 tmax는 산출되는 접근성 지수의 결과에 지대한 영향을 끼칠 수 있다(Chen and Jia, 2019). 권역의 크기가 작을수록 국지적 클러스터를 뚜렷하게 관찰할 수 있지만 접근성 지수의 변동성과 불확실성은 커진다. 반대로 권역의 크기가 커지면 국지적 클러스터는 가려지게 되지만 보다 안정적이고 평활화된 공간적 패턴을 관찰할 수 있다(Hunyadi et al., 2025). 일반적으로 FCA를 사용하는 의료접근성 연구에서는 30분 권역이 표준적으로 사용되어 왔으며, 연구의 공간적 스케일에 따라 10분에서 60분, 또는 그 이상으로 설정하기도 한다(Wang and Ariwi, 2021; Gu et al., 2023). 보건의료학에서도 최근접 의원과 기초병원이 각각 30분, 60분 거리 내에 없을 경우 취약지역으로 선정하는 등 30분이나 60분이 의료접근성에서 주로 통용되는 기준시간으로 사용됨을 알 수 있다(이태호 등, 2018). 이를 반영하여, 30분과 60분, 그리고 추가적으로 국지적 클러스터를 매우 뚜렷하게 볼 수 있는 15분을 권역의 크기로 모두 설정하여 총 세 가지의 시나리오(tmax=15,30,60)에 따른 접근성 결과를 각각 산출했다.

거리 감쇠의 정도를 조절하는 함수 f(⋅)는 권역에 따라 가중치를 달리 부여하는 계단식 감쇠함수와, 권역에 상관없이 시간이 증가할수록 가중치가 감소하는 연속형 감쇠함수로 나뉘며, 후자의 경우 역거듭제곱함수(inverse power), 가우시안 함수, 지수함수 등이 있다. 접근성 분석에서 거리 감쇠 함수는 지리적 분석의 대상과 규모, 그리고 실제 이용자들의 통행 행태에 따라 타당성이 달라질 수 있으므로, 연구 맥락에 부합하는 실증적 근거를 바탕으로 결정해야 한다(Chen and Jia, 2019). 정신건강서비스의 거리 감쇠 효과를 분석한 선행연구를 보면, 특정 거리(예: 10km)를 기점으로 이용률이 급격하게 감소하는 양상을 보이거나(Azimi et al., 2025) 뚜렷한 급변점 없이 이동시간에 따라 완만하게 감소하는 등(Stulz et al., 2018), 일관된 경향성이 나타나지 않는다. 이는 서비스 유형이나 지역적 환경에 따라 거리 감쇠 효과의 양상이 상이함을 시사하며, 특히 실현된 접근성 연구가 이루어지지 않은 공간적 맥락에서는 단일한 감쇠함수를 사용하는 것을 지양해야 한다(Lin et al., 2018). 국내 정신의료기관의 실현된 공간 접근성을 연구한 동재용･이광수(2017)의 연구는 국내 정신의료기관에 대한 거리 감쇠 효과가 명확히 나타남을 지시하나, 서울시라는 보다 한정적인 공간적 맥락에서 감쇠함수의 구체적인 형태를 제시하지는 않는다. 이러한 연구 공백을 보완하기 위해, 거리 감쇠 정도를 달리한 8가지 함수를 각 분석 시나리오에 적용하여 감쇠함수의 형태에 따른 접근성 차이를 보였다(그림 6).

그림 6.

본 연구의 3SFCA 분석에 활용한 8가지 감쇠함수. A는 계단식 감쇠함수, B와 C는 연속형 감쇠함수로 각각 로그로지스틱 분포의 누적분포함수(Bauer and Groneberg, 2016)와 가우시안 함수. 세 가지 종류의 함수 내에서 감쇠속도를 달리하여 총 8가지 종류를 생성하였다. (숫자가 클수록 감쇠속도가 빠름.)

마지막으로, 정적 GTFS 자료는 계획된 시간표를 기반으로 하는 이상적인 데이터이므로, 분석에 설정된 특정 출발 시각에 따라 시간거리 산출 값이 민감하게 달라질 수 있다 (Wessel and Farber, 2019). 특히 실제 대중교통 운행 일정은 시간대별 변동성이 매우 크지만, 정적 데이터는 이러한 현실적 변수를 완전히 반영하지 못한다는 한계가 있다. 이를 보완하고자 각 시나리오에 대해 총 세 가지 출발시각(아침-9시, 점심-12시, 저녁-5시)에서 시간거리를 산출하였고, 공급-수요 비율과 접근성 지수는 모두 이 세가지 시나리오에서의 값의 평균치로 확정하였다. 또한 공급-수요 비율과 접근성 지수가 출발 시각에 따라 불확실성이 나타나는지 알아보기 위해 변동계수(Coefficient of Variation)를 산출하고, 이 값의 공간적 분포도 확인했다.

5) 이동 수단에 따른 접근성 비교

마지막으로 본 연구의 환승 반영의 유무가 결과상의 차이를 보이는지 확인하고자 기존 GTFS 자료 기준 동일 수단 내 대중교통 환승 시나리오(SPAIism)와 도로망(그림 7b)에서 자가용이나 택시 등을 이용하는 상황을 상정한 시나리오에서 산출한 접근성 지수(SPAIird)를 비교하고 그 집계구별 편차를 조사했다. 각 접근성 지수를 산출하는 데 이용된 시간거리는 각각 tijsm과 tijrd로 표기되며, 환승 미반영 GTFS 자료와 국가교통정보센터의 표준노드링크 자료를 이용하여 구했다. 세부적으로는 집계구 i와 정신의료기관 j에 대해 각각의 최근접 노드 N(i)와 N(j)를 추출한 뒤, 도로 네트워크 상에서 제한속도를 반영한 두 노드 사이의 소요 시간 troad (N(i)⟶N(j))를 구했다(식 10). 이때, ITS의 도로 네트워크 자료는 제한속도를 포함하지만 시간대에 따른 평균 통행속도 데이터를 포함하고 있지 않다. 이를 보완하기 위해 각 도로 별로 부여된 제한속도의 30% 속도와 50% 속도로 이동하는 두 가지 시나리오에 대한 소요시간을 산출했다. 집계구에서 최단거리 노드까지, 도착지 노드에서 정신의료기관까지의 도보 이동 속도는 1m/s로 이전과 동일한 값을 적용했다. 마지막으로, 이렇게 구해진 도로 시간거리 troad (i⟶j)를 도보거리 twalk (i⟶j)와 비교하여 더 작은 값을 최종적인 시간거리 tijrd로 확정하였다(식 11).

그림 7.

(a) 서울시의 지하철 네트워크. (b) 서울시의 도로 네트워크. (출처: 국가교통정보센터(ITS) 표준노드링크(2025년 11월 4일 기준))

tijsm,tijrd는 tijpt와 동일하게 모든 집계구-정신의료기관 쌍에 계산한 후 서울시 집계구에 대한 단일 대중교통 기반 접근성 지수 SPAIism와 도로망 기반 접근성 지수 SPAIird를 각각 산출하였다. 그리고 이 지수를 환승이 고려된 대중교통 접근성 지수 SPAIipt에서 빼 편차를 구하고 집계구별 패턴을 비교했다(식 12). 두 접근성이 완전히 동일하면 편차는 0이 되고, 환승 대중교통 기반 접근성이 더 높으면 양수, 더 낮으면 음수가 된다.

4. 분석 결과

1) 3SFCA 기반 접근성 분석 결과

연구지역 내 정신의료기관의 공급-수요 비율(Rj)은 정신의료기관의 공간적 분포와 인구밀도에 영향을 받아 지역에 따라 큰 차이를 보였다(그림 8a-c). 세 크기의 권역과 여덟 개의 감쇠함수를 적용한 총 24가지 시나리오 별 공급-수요 비율은 우편향(right-skewed) 분포를 보였다. 공간적으로는 정신의료기관이 밀집해 있으나 인구밀도가 상대적으로 낮은 도심(광화문 인근)과 부도심 일부(강남구 북부) 지역에서 Rj가 높은 반면 인구밀도가 상대적으로 높지만 정신의료기관이 희소하게 분포하는 서남권, 동북권 등 주거지역에서는 Rj가 낮았다. 최대도달권역이 15분, 30분, 60분으로 커질수록 중위값은 83.78, 111.58, 155.76, 사분위수 범위(interquartile range, IQR)는 116.90, 130.19, 148.54로 증가하는 등 산포도가 증가하는 경향이 나타났다. 2SFCA에서는 권역이 확대되면 정신의료기관의 공급은 고정인 반면 수요는 증가하기 때문에 Rj가 감소하는 특징이 있으나, 3SFCA에서는 이 단계에 선택가중치를 도입함으로써 먼 집계구의 수요가 여러 정신의료기관으로 분산되므로 대부분의 정신의료기관에서 권역이 확대될 때 수요가 오히려 감소하여 공급-수요 비율이 증가한 것으로 해석된다.

그림 8.

권역(15분, 30분, 60분)별 3SFCA 분석 결과. 감쇠함수는 [그림 6]의 B2를 이용하였음. (a-c) 정신의료기관별 공급-수요비율(Rj). (d-f) 서울시 집계구를 대상으로 산출된 공간 접근성 지수(SPAIi)의 분포. (g-i) 세가지 시간대(아침, 점심, 저녁)에서 산출된 공급-수요비율의 변동계수. (j-l) 세가지 시간대(아침, 점심, 저녁)에서 산출된 접근성 지수의 변동계수.

서울시 집계구 단위로 접근성 지수(SPAIi)를 산출한 결과, 모든 시나리오에서 우편향 분포가 나타났으며 정신의료기관이 예측수요에 비해 많이 분포한 지역에서 높은 값이 관찰되었다. 다만, 인근에 정신의료기관이 부재하더라도 부도심 지역에 인접했거나, 대중교통이 조밀하게 연결되어 있는 지역의 경우 접근성 지수가 상대적으로 높게 산출되는 경향을 보였다. 한편, 권역에 따른 접근성 지수는 두드러진 차이를 나타냈다(그림 8d-f). 권역이 15분, 30분, 60분으로 커질 때 중위값은 63.62, 65.17, 65.30로 소폭 증가했으며, IQR은 49.93, 38.69, 35.14로 감소하였다. 15분 권역에서는 도달 가능한 범위가 좁아 집계구별 접근성 지수의 편차가 크게 나타나며, 도심과 부도심에 각각 접근성 지수가 높게 나타나는 패턴이 관찰되었다(그림 8d). 일부 집계구의 경우 15분 내에 도달할 수 있는 정신의료기관이 존재하지 않아 접근성 지수가 계산되지 않았지만, 30분 이상의 권역부터는 모든 집계구가 접근성 지수를 포함했다. 권역 확대에 따라 접근성 지수가 높은 구역이 두 곳에서 한 곳으로 감소하는 경향을 보였는데, 부도심에서 가장 높은 값이 나타나고 부도심에서 멀어질수록 접근성이 점진적으로 감소하는 양상을 보였다(그림 8e-f). 30분 권역과 60분 권역에서 접근성 지수의 공간분포는 차이가 미미했다.

세 가지 서로 다른 세 출발 시각(아침, 점심, 저녁)에 따른 Rj와 SPAIi의 변동계수는 모두 정적 GTFS 자료의 특수성에서 기인한 불확실성의 척도를 나타낸다. 먼저, Rj의 변동계수는 대부분 낮은 값을 보여 출발 시각에 따른 영향이 적었다(그림 8g-i). 정신의료기관은 집계구 중심점에 비해 상대적으로 교통 접근성이 우수한 곳에 분포해 있으므로 다양한 경로 탐색이 가능해 단일 노선에 대한 의존성이 적기 때문이다. SPAIi의 변동계수 역시 대부분 집계구에서 낮은 값을 보여 출발 시각에 영향을 크게 받지 않은 것으로 나타났다(그림 8j-l). 단, 일부 외곽 지역에서는 출발 시각에 접근성 지수가 민감하게 변하는 집계구가 존재했다. 이 집계구들은 출발 시각에 따라 도달 가능한 공간적 범위가 크게 달라지는 지역으로 이는 정류장 집합 S(i)를 구성하는 정류장 및 이를 통과하는 노선의 수가 적은 데서 기인한다.

접근성 지수 산출 시 감쇠함수의 영향력이 큰 것으로 나타났다. 감쇠 속도가 느린 감쇠함수를 사용했을 때는 접근성 지수가 평활화된 형태로 나타났지만(그림 9a,c,f), 감쇠 속도가 빠른 감쇠함수를 사용했을 때는 접근성 지수의 격차가 매우 뚜렷하게 나타났으며, 국지적인 클러스터가 형성되거나 주요 교통축을 따라 패턴이 이어지기도 했다(그림 9e,h). 한편, 함수의 형태(계단식 또는 연속형) 또는 식 구조의 차이는 접근성 패턴에 유의미한 영향을 미치지 못하는 것으로 나타났다. 모든 감쇠함수에서 부도심을 중심으로 한 지역에 가장 높은 접근성 지수 값이 나타났고, 강북구나 노원구 등 서울 북부 지역은 일관되게 낮은 값이 나타났다. 그러나 도심 지역(광화문 인근)이나 서울 서남권 지역의 경우 감쇠속도에 따라 접근성 지수의 값이 크게 달라지기도 했는데, 이는 감쇠함수의 기울기가 가파를수록 가중치의 미세한 변이가 접근성 산출에 상당한 영향을 미침을 시사한다(그림 9e,h).

그림 9.

30분 권역 기준 8가지 감쇠함수별 3SFCA 분석 결과. (a-b)는 각각 [그림 6]의 감쇠함수 A1, A2를, (c)-(e)는 각각 B1-B3을, (f)-(h)는 각각C1-C3을 이용한 접근성 지수 산출 결과

2) 이동 수단에 따른 접근성 편차 결과

기존 방식인 단일 대중교통 기반 접근성과 도로망 기반 접근성이 본 연구에서 제시한 환승 기반 다중수단 접근성과 나타내는 편차인 ∆SPAIipt/sm과 ∆SPAIipt/rd를 각각 산출한 뒤 시각화했다(그림 10). 각 권역에서 8개의 감쇠함수를 적용하여 얻은 모든 편차 값을 기준으로 중위 60%에 해당하는 집계구는 흰색으로 표시하고, 하위 20%에 해당하는 집계구는 붉은색으로, 그리고 상위 20%에 해당하는 집계구는 푸른색으로 시각화하였다.

∆SPAIipt/sm는 권역별로 상이했다. 우선, 15분 권역에서는 대부분의 집계구에서 접근성의 편차가 0에 가까워 환승 여부에 따른 접근성 개선 효과가 국지적으로만 나타났다(그림 10a). 15분 권역에서 접근성 지수가 높았던 도심과 부도심 지역은 편차가 음수로 나타나며 환승의 반영이 접근성을 오히려 감소시키는 것으로 나타났다. 이 지역을 둘러싼 지역(강남구 남부, 서초구 서부, 용산구, 성동구 등)에서는 편차가 양수로 나타나 환승을 통한 접근성의 향상이 관찰되었다. 30분과 60분 권역에서는 대부분의 집계구에서 접근성의 편차가 양수로 나타나, 서울시에서 환승이 접근성을 대체로 향상시키고 있음을 보여준다(그림 10b,c). 그러나 부도심을 포함한 강남구, 서초구 일대는 편차가 음수로 나타나 환승이 접근성을 오히려 감소시켰다. 접근성이 크게 향상된 지역은 주로 강남구, 서초구를 둘러싼 지역(동작구, 관악구, 광진구 등) 및 서울 외곽 지역이었다.

∆SPAIipt/rd는 ∆SPAIipt/sm와 다른 분포를 보였다. 도로망 이동속도를 제한속도의 30%로 둔 시나리오 하에서는 15분 권역에서 이동수단에 따른 접근성의 차이가 미미했으나(그림 10d), 30분과 60분 권역에서는 대부분의 집계구에서 환승 대중교통 기반 접근성이 더 높게 나타났다(그림 10e,f). 한편, 부도심 지역에서는 권역이 커지면서 도로망 기반 접근성이 더 높게 나타나는 현상이 관찰되었다. 그러나 도로망 이동속도를 제한속도의 50%로 높이면 이는 관찰되지 않고, 부도심 지역에서 양의 편차가 나타나 환승 대중교통 기반 접근성이 일관되게 더 높게 나타났다(그림 10g-i).

그림 10.

이동수단에 따른 권역별 3SFCA 분석 결과의 편차. 권역은 위에서 아래로 각각 15분, 30분, 60분이며 감쇠함수는 [그림 6]의 B2를 이용하였음. (a-c) 단일 대중교통 기반 접근성과의 편차. (d-f) 도로망 기반 접근성(30% 속도)과의 편차. (g-i) 도로망 기반 접근성(50% 속도)과의 편차. 각 지도의 범례는 권역별로 총 8가지 감쇠함수를 적용하여 도출된 모든 접근성 편차 값을 수합한 뒤 분위수 분할 방식을 적용. 표기 시 일괄적으로 양 끝단의 편차 분포를 각각 상･하위 1%, 10%, 20% 임계치를 사용함.

5. 토의

한국의 정신건강과 정신보건에 대한 관심이 높아지는 데 비해 서비스가 공간적으로 제공되는 양상에 대한 연구는 상대적으로 드물었다. 본 연구는 정신건강의학과 전문의가 상주하는 병원 및 의원을 대상으로 대중교통 환승을 고려한 접근성을 정교하게 평가하고 여러 영향요인을 고려한 다중 시나리오로 지역 격차를 조사했다. 서울시를 대상으로 시민들이 보편적으로 이용할 수 있는 대중교통 기반 이동을 정교하게 모델링하여 접근성 분석틀에 통합함으로써 현실적인 잠재적 공간 접근성 산출을 진행하였고, 그 결과가 도로망 기반 이동 등 다른 형태의 이동을 가정했을 때의 접근성 값과 차이가 발생할 수 있음을 보였다.

본 연구의 핵심 연구결과 중 하나는 환승의 접근성 개선 효과가 정신의료기관이 밀집한 중심지역(강남구 북부 등 부도심과 광화문 인근 등 도심)을 제외한 대부분의 지역에서 나타났으며, 중심지역과 주변지역의 연결성을 증가시킴으로써 두 지역의 접근성 격차를 감소시키는 역할을 했다는 점이다. 환승 체계를 반영했을 때 접근성이 향상된 곳은 대부분 중심지역에서 이격(離隔)된 곳에 분포해 있다. 이 지역에서는 환승이 정신의료기관 접근성 향상에 상당한 역할을 했음을 알 수 있으며, 이로부터 환승 반영 유무가 기존과 상이한 접근성 패턴을 만들어 낼 수 있음을 시사한다. 반면, 중심지역에서는 환승을 통한 접근성 향상보다 중심지역 내 정신의료기관의 수요 경쟁이 심화하여 감소되는 접근성 지수가 더 컸다. 이때 권역이 15분에서 30분으로 증가하자 접근성 지수가 감소하는 지역의 공간적 범위가 넓어졌으며, 환승체계 반영으로 접근성이 개선된 지역의 범위는 외곽으로 확장되었다는 점도 주목할 만하다. 다만, 권역이 30분에서 60분으로 증가하는 경우 접근성 증가 효과가 서울시 전체로 희석되었다. 교통수단을 대중교통 환승체계와 도로망을 통한 이동으로 이원화했을 때의 차이도 앞선 해석을 뒷받침한다. 제한속도 30% 시나리오에서는 (15분 권역을 제외하면) 중심지역의 도로망 기반 접근성이 환승 대중교통 기반 접근성보다 높았고, 제한속도 50% 시나리오에서는 반대로 중심지역의 도로망 기반 접근성이 환승 대중교통 기반 접근성보다 낮았다. 네트워크 상 이동 속도가 빨라질수록 중심지역과 주변지역의 연결성이 개선되는 효과가 있으므로, 빠른 통행속도 가정 시 더 많은 수요가 중심지역으로 유입될 여건이 조성됨으로써 중심지역과 주변지역 간 접근성 격차가 줄어들게 된다. 그러한 의미에서, 대중교통 네트워크의 연결성은 제한속도 30% 시나리오와 유사하고, 제한속도 50% 시나리오보다는 작은 수준에 위치해 있다고 해석할 수 있다. 다만, 도로망 네트워크는 특정 시간대의 실제 교통 흐름에 따라 이동 속도가 가변적일 수 있으므로 향후 연구에서는 이를 반영함으로써 현실성을 높일 수 있을 것이다.

본 연구의 기여점을 크게 세 가지로 제시할 수 있다. 첫째, 정신의료기관을 대상으로 서울시 집계구 단위에서 최대통행시간권역, 감쇠함수, 출발시각 등을 다변화하여 고해상도로 평가한 본 연구의 접근성 자료는 정신건강 서비스 관련 보건지리학 연구의 기초자료로 활용될 수 있다. 둘째, 환승을 고려한 접근성 지수가 기존 방식으로부터의 접근성 지수에 비해 나타낸 현저한 차이로부터, 환승이 대중교통 기반 접근성 연구에서 고려해야 할 핵심 요소임을 보였다. 또한 환승 반영 여부에 따른 접근성 개선이 주로 잠재수요인구가 높은 곳에서 나타남을 보여 정신보건체계 개선을 위한 공간접근성 분석에서 시설입지의 정적 특성과 더불어 대중교통체계의 특성을 고려할 필요성을 제시했다. 셋째, 서울시와 같이 대중교통 네트워크가 매우 조밀하며 대중교통 분담률이 높은 도시에서는 본 연구의 접근방식이 도로망 기반 접근성 분석을 보완할 수 있다.

본 연구는 다음과 같은 명시적 한계를 갖는다. 첫째, 본 연구는 잠재적 공간 접근성에 국한되어 연구하였으며 비공간요인은 고려되지 않았다. 실현된 접근성 연구에서 주요하게 다뤄지는 비공간요인은 낙인효과(전진아 등, 2019; Wang and Luo, 2005), 사회적 계층(Vallée et al., 2022) 등이 있으며, 거리 감쇠 효과를 흐리게 하는 교란변수(confounding variable)로서 작용할 수 있다. 둘째, 자료 수준에서의 한계로 인한 일부 분석 조건과 해석에 제약이 있다. 우선, 3SFCA 모형에 사용된 집계구별 예상 환자 수는 시군구별 정신질환 진료현황의 진료 실인원 항목을 이용해 일괄 계산했는데, 이는 데이터 가용 범위에서 현실화된 값으로 실제 정신건강의학과 잠재수요층, 특히 정신적 불건강 상태에 있는 위험군 인원 수와는 차이가 있을 수 있다. 또한, 도로망 네트워크에 도로구간별･시간대별 평균통행속도 정보가 부재함에 따라 제한속도만을 이용하여 접근성 지수를 계산했는데, 이를 서로 다른 시간대의 대중교통 환승 접근성 지수와 비교할 때 비대칭성이 있을 수 있으며, 향후 보완이 필요하다. 셋째, 연구지역의 맥락에서 실현된 접근성과의 연계가 부족할 수 있는 한계가 있다. 정신의료기관을 대상으로 거리 감쇠 효과가 나타난다는 사실은 동재용･이광수(2017)의 연구를 비롯하여 국내외에서 계속해서 실증되어 왔지만, 서울시라는 한정된 공간적 맥락에서 정신의료기관에 대한 거리 감쇠 효과가 구체적으로 어떠한 형태로 나타나는지는 알려진 바가 없다. 본 연구에서는 다양한 크기의 권역과 감쇠함수를 적용한 시나리오 연구로 이를 보완하고자 했지만, 근본적으로는 각 정신의료기관에서 실현된 접근성을 비교 분석함으로써 해결할 수 있다.

본 연구의 후속 과제로는 세 방면을 제시한다. 첫째, 시간거리 계산을 위한 분석 기반을 정적 GTFS에서 실시간 GTFS (Sim and Cho, 2025) 또는 공공 및 상용 지도 서비스의 API를 이용하여 교통체증을 반영하는 방식(Ni et al., 2023)으로 보완할 수 있다. 둘째, 최대 환승 가능 범위나 지연시간 등 환승규칙이 다소 임의적인 측면이 있으므로, 환승조건을 단일한 값에서 값의 범위로 확장하여 적용함으로써 각 파라미터의 영향력과 그 범위를 분석할 수 있다. 이 작업은 대중교통 기반 접근성 분석에서 다양한 집단, 특히 교통약자로 통칭되는 장애인이나 노령자의 세부 조건을 반영하여 공간적 격차와 인구집단별 격차를 함께 분석하는 틀을 제시할 수 있다. 셋째, 혼잡도를 반영한 모형(윤선웅 등, 2025), 공급규모에 따른 가변권역 크기를 반영한 모형(Kim et al., 2018), 공급 자체에 감쇠효과를 반영한 모형(Jörg and Haldimann, 2023) 등 다른 모형을 사용할 경우 접근성 산출 결과가 어떻게 달라지는 지 비교할 수 있다. 특히, 정신질환자 또는 고위험군의 개별 의원에 대한 평판이나 선호, 의료진에 대한 신뢰와 같은 선택 행태를 토대로 선택가중치를 정교하게 반영할 수 있다면 비공간적 요인까지 잠재적 접근성 계산에 반영할 수 있게 될 것이다(Luo, 2014). 이를 기반으로 한 후속 연구에서는 거리 개념에 강하게 의존하는 잠재적 공간 접근성의 한계를 넘어, 사회적 요인을 고려함으로써 정신보건 개선을 위한 정책 설계 시 실질적 함의를 제공할 수 있을 것이다. 예컨대 실현된 접근성과 잠재적 접근성의 차이가 현저한 지역에서는 의료체계로의 연결을 촉진하고 예방적 관리를 강화하는 대책을 수립할 수 있고, 향후 비공간적 요인이 결합된 후속 연구가 축적된다면 정신건강 개선을 위해 정책적 자원을 배분하는 데 참고자료로 활용될 수 있다.

6. 결론

정신건강 개선과 증진, 관리의 중요성이 높아지는 가운데, 본 연구에서는 서울시 집계구 단위의 정신의료기관 공간 접근성을 환승 체계를 반영한 대중교통 이용을 사례로 정밀하게 평가했다. 환승 대중교통 접근성은 정신의료기관이 밀집한 중심지역과 수요인구가 밀집한 주변지역의 연결성을 높여 중심지역의 외곽에서 뚜렷한 개선 효과를 나타냈다. 잠재적 공간 접근성 평가 결과는 실제 의료기관 이용 실태나 건강결과와의 연계를 통해 보완하여 정신건강 증진 대책 수립 시 공간적으로 우선 고려해야 할 요소에 관한 정보를 제공할 수 있다. 본 연구는 서울시 정신의료기관의 공간적 접근성을 평가하기 위한 기초자료로 활용될 수 있음과 동시에 대중교통 기반 접근성 분석 시 고려해야 할 요소에 대한 상대적 중요도를 이해를 높이는 데 기여할 것으로 기대된다.