1. 연구 배경

인구 성장에 따른 도시 개발은 도시 내 교통 수요를 꾸준히 증가시킨다. 이에 교통 수요를 충족시키기 위한 다양한 도시 교통수단이 개발되어 왔다. 도시 교통수단은 크게 지상 교통과 지하 교통으로 나눌 수 있는데, 자동차와 버스로 대표되는 지상 교통은 비교적 저렴한 초기 투자 비용과 짧은 건설 기간으로 도시 교통 발달 초창기에 각광받았다(Mattsson and Jenelius, 2015). 하지만 늘어나는 교통 수요에 대응하기 위해서는 도로 용량의 증대가 필요하나, 집약적인 도시의 토지 이용 특성상 물리적인 어려움이 있다. 따라서 건설 비용은 상대적으로 높지만 토지 이용의 제약이 비교적 적은 지하 교통수단은 지상 교통의 적절한 대안이 될 수 있다. 대표적인 지하 교통수단인 지하철은 지표 공간을 크게 차지하지 않아 도시의 효율적인 토지 이용이 가능하게 하였고, 대량 운송이 가능하여 지상 교통 혼잡 완화에 큰 기여를 할 수 있어 도시 교통의 주요 수단으로 자리 잡았다(Jiang et al., 2018; Zhang et al., 2018).

우리나라는 국토 면적에 비해 인구가 많기 때문에 교통 혼잡 완화를 위한 지하철 도입은 필연적인 흐름이었다. 지하철의 국내 여객 교통 분담률은 2019년 기준 11%에 달한다(국토교통부, 2022). 특히, 인구가 밀집되어 있는 수도권의 지하철 네트워크는 서울을 비롯한 수도권 인구 이동에 없어서는 안 되는 필수적인 교통수단이다(장시영･이강원, 2016). 실제로 서울시 수송 분담 비중을 살펴보면 지난 10년간 지하철 이용 비중이 꾸준히 상승하여 2019년 기준 42%에 육박하는 것을 확인할 수 있다(서울특별시 등, 2019). 현재 수도권 지하철은 5개의 시･도 단위 지방자치단체에 걸쳐 23개 노선, 총 노선 길이 1,262.2km, 643개의 역이 운영되고 있다. 향후에도 수도권의 지하철 수요는 꾸준히 증가할 것으로 예상되며, 이에 대한 수요를 충족하기 위해 기존 지하철 구간을 연장하거나 신규 노선을 건설할 계획이 수립되어 있다(국토교통부, 2021).

수도권 지하철의 지속적인 확충은 증가하는 교통 수요에 대한 적절한 공급과 도시 경제 활동에 필요한 모빌리티 기능을 유지하는데 반드시 필요한 도시 대중교통 정책이다. 하지만 오히려 복잡해진 지하철 네트워크 구조와 운영으로 인해 다른 측면에서의 문제점이 야기될 수 있다. 예컨대 지하철 차량과 시설의 오작동이나 갑작스러운 사고에 따른 지하철 시스템의 중단은 전체 도시 기능을 마비시킬 정도의 혼란을 가져올 수 있다. 이러한 문제는 거대하고 복잡한 시스템일수록 부정적인 파급력은 더욱 커질 것이다(Jiang et al., 2018). 실제로 수도권의 지하철 관련 사건 사고는 지하철 시스템 내부 또는 외부 요인에 의해 꾸준히 발생하고 있다. 구체적으로 파업으로 인한 지하철 운행 중단(2016년 9월 27일), 당산철교 부실 공사로 인한 재시공으로 서울 지하철 2호선 합정-당산간 운행 중단(1997년 1월 1일)과 같이 내부 요인에 의한 지하철 운행 중단이 있었으며, 한파로 인한 출입문 고장으로 서울 지하철 1호선 열차 운행 중단(2021년 1월 7일)과 같이 외부 요인에 의한 지하철 운행 중단 사례도 있다. 뿐만 아니라 해외에서도 지하철 관련 사고는 꾸준히 일어나고 있는데 대규모 정전으로 인해 뉴욕 지하철 운행이 중단되기도 했으며(2003년 8월 14일), 지하철 테러로 인해 런던, 모스크바, 파리에서 지하철 운행이 중단된 사례가 있다. 이러한 사건 사고는 지하철 이용객의 이동 시간 증가, 대체 교통수단 이용으로 인한 불편함과 같이 개인적 피해를 초래할 뿐 아니라 고장난 열차와 붕괴된 시스템을 복구하기 위한 엄청난 재정적 부담과 사회적 비용을 야기한다.

따라서 안정적인 지하철 시스템 구축과 운영은 교통 관리 및 도시 계획 전반에 있어 매우 중요한 부분이지만 이를 현실에서 지속적으로 구현하는 것은 쉬운 일은 아니다. 앞서 언급한 것처럼 지하철 시스템 붕괴는 대체로 예측하기 어려운 원인과 시나리오가 복합적으로 관련될 수 있다. 따라서 지하철 시스템 붕괴 방지를 위한 여러 제도적, 행정적 방안을 모색함과 동시에, 지하철 시스템이 가지고 있는 구조적 특성과 잠재적 취약성을 체계적으로 고찰할 필요가 있다. 이를 통해 지하철 시스템의 특정 부분에 문제가 발생하였을 경우 네트워크를 통한 파급력을 미리 측정함으로써 사고 발생시 후속 조치를 더욱 신속하게 할 수 있을 뿐만 아니라 시스템의 취약 지점을 사전에 탐색하여 해당 부분을 우선적으로 보완할 수 있는 근거 자료로 활용할 수 있을 것이다(Murray et al., 2008). 지하철 시스템의 취약성을 확인할 수 있는 여러 방법론이 개발되어 왔는데 그 중 네트워크 이론을 활용한 접근법이 폭넓게 이용되고 있다. 지하철역과 지하철 선로는 각각 네트워크의 노드와 링크로 대입할 수 있어 현실 세계를 그래프로 단순화하여 표현할 수 있으며(Gattuso and Miriello, 2005) 이에 기반한 네트워크 취약성 평가를 통해 지하철 시스템의 특성과 잠재적 위험성을 과학적으로 진단할 수 있다.

본 연구는 도시 대중교통의 핵심 수단이자 도시내, 도시간 상호작용을 위한 중요 인프라 시설로서 지하철 시스템의 특성과 잠재적 위험성을 체계적으로 평가하고자 한다. 이를 위해 먼저 네트워크 취약성을 정량적으로 평가할 수 있는 지표를 개발한다. 특히, 건넘선과 환승역과 같은 지하철 고유의 시설 구조를 네트워크에 직접 반영함으로써 지하철 네트워크 내 위험성 파급 효과를 고려한 실제적인 네트워크 취약성을 살펴볼 것이다. 사례 연구로는 네트워크 위상 구조가 복잡하고, 많은 이용 수요로 네트워크의 위험성 파급 효과가 매우 큰 서울시 지하철 시스템의 네트워크 취약성을 살펴본다. 본 연구는 지하철 네트워크가 붕괴할 경우 발생할 수 있는 부정적인 영향을 정량적인 수치를 통해 확인할 수 있도록 하며, 네트워크 취약성 개선을 위한 선제 대응의 우선 지역이 어디인지 평가할 수 있는 도구로도 사용할 수 있을 것이다.

2. 선행연구

취약성(vulnerability)과 회복력(resilience)은 네트워크 성능을 측정하는 데 널리 사용되는 두 가지 지표이다(Mattsson and Jenelius, 2015). 취약성은 네트워크 서비스 가능 정도에 대한 유의미한 감소를 유발하는 충격 요소가 시스템에 발생했을 때 이에 대해 반응하는 민감성의 정도를 평가하는 지표이다(Berdica, 2002). 반면 회복력은 예상하지 못한 사고로부터 충격을 받은 이후 이를 회복하는 능력을 의미한다(AASHTO, 2017). 이때 취약성과 회복력은 평시의 네트워크와 사고 발생 이후 네트워크의 역량 차이를 평가할 수 있는 지표라는 공통점을 갖는 반면, 취약성은 네트워크 붕괴의 정도를 측정한다는 점에서 부정적인 의미를 내포하지만 회복력은 붕괴 이후의 회복력을 평가한다는 점에서 긍정적인 의미를 내포하고 있는 차이점이 있다(Reggiani et al., 2015). 본 연구의 초점은 지하철 네트워크의 붕괴에 따른 위험성 평가에 있기 때문에 이후에는 네트워크 취약성과 관련한 여러 연구들에 대해 살펴볼 것이다.

지하철 네트워크의 취약성을 살펴보는 연구는 네트워크 전체에 대해 특정 지표를 활용해 전역적으로 평가하는 방법과 네트워크를 구성하는 개별적인 요소에 대해 국지적으로 평가하는 방법으로 분류할 수 있다. 전역적인 관점에서 개별 네트워크의 취약성을 살펴보는 연구는 주로 각 도시에 설치된 지하철 네트워크 간의 취약성 비교를 통해 어떤 도시 또는 지역의 지하철 네트워크가 더욱 취약한지 살펴보는 연구가 주를 이룬다. 반면 국지적 관점에서 네트워크 구성 요소를 분석 대상으로 하는 연구는 특정 지하철 네트워크 내에서 어떤 지하철역 또는 지하철 선로가 취약한지를 탐색하는 연구가 주를 이루고 있다.

먼저 전역적 스케일에서 네트워크간 취약성을 비교한 연구로 Berche et al.(2009)은 전 세계 14개 주요 도시의 대중교통에 대한 테러 발생을 가정하고 어떤 도시의 대중교통 네트워크가 테러에 높은 취약성을 보이는지 탐색하였다. 이와 유사하게 Zhang et al.(2018)은 복잡계 네트워크 개념을 활용하여 중국의 상하이, 베이징, 광저우 지하철 네트워크의 위상 구조를 평가하였으며 위상 구조의 특성에 따라 테러 공격에 대한 취약성의 차이가 발생함을 주장하였다. 해당 연구들은 개별 네트워크에 대한 네트워크 취약성을 전역적으로 측정하여 네트워크 간 취약성의 우열을 판별할 수 있는 방법론을 제시하고 있다. 다만, 네트워크 이론에 기초한 네트워크의 물리적인 구조에 초점을 두고 있다 보니 지하철이 실제로 위치한 지역의 공간적 특성을 반영하지 못하는 부분이 있다(Jiang et al., 2018).

한편 국지적 관점에서 네트워크 구성 요소의 취약성을 분석하는 연구들은 연구 지역의 범위가 비교적 협소하여 사례 지역 특성이 반영된 연구들이 많다. Rodríguez-Núñez and García-Palomares(2014)는 스페인 마드리드를 대상으로 네트워크 노드 붕괴에 따른 승객의 이동 시간 변화를 개별 역 단위로 살펴보았다. 평시의 네트워크와 붕괴 시의 네트워크를 비교하여 취약성 분석을 진행했다는 점에서 의의가 있지만, 하루 단위로 분석을 진행하여 도시 인구 이동의 시간적 패턴을 고려하지 않은 한계점이 존재한다. Xing et al.(2017)은 기존의 지하철 네트워크 연구가 인구 이동량을 고려하지 않는다는 점을 지적하며, 보다 현실성 있는 분석 결과를 도출하기 위해 개별 링크에 인구 이동량을 할당한 네트워크 데이터를 사용하여 지하철 네트워크 취약성을 도출하였다. 이와 유사하게 Xiao et al.(2018)은 도시 인구 이동 패턴을 강조하기 위해 인구 이동량과 방향성을 분석에 반영하였다. 이를 통해 연구 결과에 대한 일반화된 해석보다 지역 특수성에 기반한 연구 결과 해석이 중요함을 강조하였다. Jiang et al.(2018)은 토지 이용 행태를 고려한 노드 단위의 네트워크 취약성 분석을 진행하였다. 도시의 토지 이용 패턴이 매우 이질적임을 고려했을 때, 지하철이 위치한 지역의 토지 이용 특성을 통해 인구 이동 패턴의 변화까지 고찰할 수 있다. Sun and Guan(2016)은 기존 네트워크 취약성 연구에서 관행적으로 이루어지던 역 또는 역과 역 사이의 링크 중심의 분석과 달리 하나의 지하철 노선을 기준으로 네트워크 취약성 분석을 진행하였다.

지금까지 논의한 연구들은 지하철 네트워크 취약성을 탐색하기 위해 다양한 변수를 반영하고 다채로운 방법들을 제시하고 있지만 한계 역시 존재한다. 먼저 기존의 연구는 대체로 도시의 인구 이동 패턴과 관련한 도시 구조에 대한 논의가 미비하다. 도시의 기능적 분화는 인구 이동의 주요 흐름을 발생시키며 이러한 이동의 흐름은 시간에 따라 다양한 모습을 보일 것이다(Jiang et al., 2018; 이승민･이건학, 2021). 지하철의 본질적인 기능은 인구를 이동시키는 교통수단이기 때문에 지하철 네트워크에 도시 인구 이동의 특성을 고려하지 않으면 연구 지역의 공간적 상호작용이 반영되지 않은 분석 결과가 나오게 된다. 따라서 지하철의 기능성을 고려한 네트워크 취약성을 평가하기 위해서는 인구 이동의 방향성과 시간에 따른 이동 패턴의 변화를 동시에 고려할 필요가 있다(Xing et al., 2017).

더 나아가 지하철 고유의 시설 특성을 직접적으로 반영한 네트워크 취약성 및 위험성 분석 연구가 부족하다. 예를 들어 환승역은 두 개 혹은 그 이상의 노선이 만나 다른 노선으로 바꾸어 탈 수 있도록 마련된 결절지로 네트워크 허브의 성격을 갖는 환승역의 특성을 분석에 반영할 필요가 있다(O’Kelly et al., 2006). 이러한 맥락에서 김현(2009)의 연구는 주지할만한데, 서울시 지하철을 사례로 네트워크 신뢰성(reliability)을 평가함에 있어 환승역의 기능적 특성을 반영하고 있다. 한편, 지하철 또는 철도의 경우 다른 교통수단과 달리 고정된 레일 위를 달린다는 점에서 앞 열차를 추월하기 어려우며 선로 간 이동의 자유도가 떨어지는데 이는 네트워크 붕괴 발생시 상황에 따른 탄력적인 대처가 타 교통수단에 비해 어렵다는 것을 의미한다. 따라서 건넘선 같이 고정된 궤도 상의 진로 변경을 위한 철도 설비 역시 네트워크 작동과 위험성 파급에 중요한 기능을 담당하고 있다.

기존 연구들의 한계를 극복하기 위해 본 연구는 지하철 고유의 시설 특성을 직접 반영한 실제적인 네트워크 취약성 평가에 초점을 맞춘다. 더불어 단순한 네트워크의 위상 구조적 특성뿐 아니라 지역 간 인구 이동에 기반한 네트워크 위험성 파급 효과를 함께 고려할 것이다.

3. 데이터 및 연구 방법

1) 서울시 지하철 네트워크 데이터

본 연구에서 사용한 주요 데이터는 크게 두 가지로 이는 각각 서울시 지하철의 30분 단위 OD(Origin-Destination) 데이터와 수도권 지하철 네트워크 데이터이다. 먼저, 서울특별시 빅데이터 캠퍼스에서 구득한 서울시 지하철 30분 단위 OD 데이터는 교통카드를 통해 운임을 지불한 대중교통 이용객에 대해 지하철역 개찰구 통과 시점을 기준으로 30분 단위씩 출발역과 도착역을 기준으로 수합한 출발-도착 데이터이다. 이승민･이건학(2021)과 마찬가지로 공휴일이나 특별한 행사가 없는 일반적인 평일의 통행 패턴을 확인하기 위해 2022년 2월 14일 월요일부터 2022년 2월 18일 금요일까지의 통행량을 출근 시간(07:00~10:00)과 퇴근 시간(17:00~20:00)별로 합산하여 분석하였다. 특정 시간대의 다른 지하철 이용 패턴은 지하철 네트워크 취약성의 시간적 변화를 보여줌으로써 보다 유연한 네트워크 관리를 위한 유용한 정보를 제공해 줄 수 있을 것이다. 분석에 사용한 OD 데이터는 2022년 2월 14일을 기준으로 서울교통공사가 관장하는 1~9호선의 287개 역, 서울시메트로9호선이 관장하는 25개 역, 우이신설경전철이 관장하는 13개 역을 합한 총 325개의 지하철역을 포함한다. 데이터의 제한으로 인해 코레일을 포함한 철도 운영사에서 운영되는 일부 역은 분석에서 제외되었지만 서울시에 소재한 391개 역 중 80%에 해당하는 312개 역이 포함되어 있어 서울시에서 지하철을 이용하는 이동의 대부분을 설명할 수 있다.

수도권 지하철 네트워크 데이터는 지하철역과 지하철 선로로 구성된 네트워크 공간 데이터와 공공데이터포털에서 구득한 노선별 역간 거리 데이터를 활용하였다. 서울시 지하철의 네트워크 취약성 분석에 수도권 지하철 전역에 대한 네트워크 데이터를 사용한 이유는 분석 대상에 포함된 지하철역을 이용하면서 분석 대상이 아닌 역에 속한 노선을 활용해 통행하는 경우가 상당히 많기 때문이다. 예를 들어 행당역에서 학동역으로 이동할 때 그림 1과 같은 최단 거리 경로를 이용하게 되는데 이때 코레일이 운영하는 수인･분당선의 서울숲역, 압구정로데오역을 지나가게 된다. 서울시 지하철 30분 단위 OD 데이터에는 코레일의 데이터가 없어 서울숲역, 압구정로데오역은 분석 대상에 해당하지 않지만, 행당역에서 학동역으로 이동하는 승객 입장에서 수인･분당선을 활용하는 것은 자연스러운 경로 이동이기 때문에 지하철 이용객의 이동 경로를 추정하기 위해서는 수도권 지하철 전역에 대한 네트워크 구축이 필요하다 할 수 있다.

그림 1.

행당역에서 학동역으로의 이동 경로

2) 건넘선 시설을 고려한 지하철 네트워크

건넘선이란 인접한 두 선로에 분기기를 설치하고 그 사이를 접속선으로 연결하여 서로 열차를 통과시키기 위한 장치로 열차의 선로 전환시 사용한다(백남욱･이상진, 2007). 특히 지하철 및 철도 사고가 발생하여 정상적인 운행이 어려운 경우 복구가 되기 전 주어진 여건에서 열차 운영 효율을 최대화하기 위해 건넘선을 설치 및 운영하고 있다(안용익 등, 2015; 오석문 등, 2015). 지하철 네트워크 취약성 평가에 있어 건넘선의 중요성은 지난 2020년 6월 11일에 발생한 서울 지하철 4호선 상계역 추돌 사고를 통해 확인할 수 있다.

상계역 추돌 사고는 상행선 종착역인 당고개역에서 운행을 마치고 창동 차량 사업소로 입고 중이던 서울교통공사 회송 열차와 상계역 승강장에서 다음역인 노원역으로 출발하고자 대기하고 있던 코레일 오이도행 열차가 추돌한 사고이다. 이 사고로 인해 인명 피해는 발생하지 않았지만 약 6시간 동안 정상적인 운행이 불가능했다. 한편, 4호선을 운영하는 서울교통공사는 상계역 사고 발생 이후 이를 수습하고자 사고가 발생한 상계역과 후속 열차 진입이 불가한 당고개역 구간을 폐쇄하였다. 동시에 열차 사고로 인한 운행 피해를 최소화하기 위해 사고 수습이 마무리될 때까지 상행선 당고개행 열차를 노원역까지만 운행하고 회차시킨 후 다시 하행선에 투입하였다(그림 2). 이러한 임시적인 지하철 운영이 가능했던 이유는 창동역과 노원역 사이에 반대 방향 선로로 진입할 수 있는 건넘선이 설치되어 있어 상행선 열차가 노원역까지 운행하고 건넘선을 통해 하행선으로 전환하여 다시 운행을 시작할 수 있었기 때문이다. 즉, 상계역 추돌 사고는 지하철 네트워크 시스템 붕괴의 실 사례이자 건넘선이 지하철 네트워크 취약성의 평가에 있어 중요한 시설 설비임을 단적으로 보여주고 있다. 건넘선이 설치된 위치는 네트워크의 특정 지점에서 발생한 문제의 위험성이 다른 역이나 노선에 파급될 수 있는지 여부를 판가름하는 결정적인 요소라 할 수 있다.

그림 2.

상계역 지하철 추돌 사고

본 연구에서는 지하철 건넘선의 시설 구조를 수도권 지하철 네트워크에 반영하였는데 보다 구체적으로 건넘선과 건넘선 사이의 구간을 ‘건넘불가’ 구간이라 정의하고 이를 분석 단위로 하여 전체 네트워크의 취약성을 평가하였다. 예를 들어 3호선의 경우 시종착역인 대화역과 오금역에 2개, 노선 중간 7개 지점에 건넘선이 설치되어 있어 총 8개의 건넘불가 구간으로 구성된다(그림 3). 만약 약수역과 독립문역 사이의 충무로역에서 사고가 발생했다면 오금역에서 출발한 상행선 열차는 약수역까지만 운행하고 건넘선을 활용하여 반대 방향으로 이동 후 금호역 방향으로 운행해야 한다. 또한 대화역에서 출발한 하행선 열차는 독립문역까지만 운행하고 건넘선을 통해 반대 선로로 이동 후 무악재역 방향으로 운행해야 한다. 이는 경복궁역과 동대입구역의 경우 충무로역과 같은 건넘불가 구간에 속하기 때문에 충무로역의 사고 열차를 처리하지 않는 이상 회차가 불가능하여 지속적인 열차 투입이 어렵기 때문이다. 한편, 건넘선이 설치된 위치는 공식적인 데이터 구득이 어려워 지하철이 심야 운행을 마치고 주박할 수 있는 역이 어디인지 찾아 분석에 반영하였다(김민수 등, 2012). 이는 지하철이 주박하기 위해서는 운행이 이루어지는 본선에서 유치선으로 이동해야 하는데, 이때 건넘선을 반드시 이용해야 하기 때문이다. 이를 바탕으로 본 연구에서는 총 80개의 건넘불가 구간을 분석에 활용하였다. 개별 건넘불가 구간은 최소 1개에서 최대 20개의 역을 포함하고 있으며, 이에 대한 평균은 5.64개, 표준편차는 3.21개이다.

그림 3.

서울 지하철 3호선의 건넘선과 건넘불가 구간

3) 환승역 시설의 위험성 파급을 고려한 지하철 네트워크

환승역은 다른 노선으로 바꾸어 탈 수 있도록 마련된 역으로 두 개 혹은 그 이상의 노선이 만나는 결절지이다. 환승역은 지하철 네트워크의 작동에 매우 중요한 역할을 하는 시설로 환승역을 공유하는 노선 간의 상호작용에 따라 네트워크 취약성 평가는 크게 달라질 수 있다. 예를 들어, 서울 지하철 3, 4호선의 환승역인 충무로역에서 3호선 열차의 기관 고장이 발생한다면, 3호선의 열차 운행은 중단되지만 4호선의 경우 3호선 열차의 기관 고장에 전혀 영향을 받지 않기 때문에 평소처럼 운행이 가능하다(그림 4). 반면, 3호선 충무로역에 열차의 고장이 아니라 대형 화재가 발생한다면 4호선 승강장까지 불길과 연기가 번질 것이기 때문에 두 노선 모두에 위험성이 파급될 수 있다(그림 5). 이러한 맥락에서 본 연구는 환승역 시설의 위험성 파급에 대한 두 가지 경우를 모두 고려하여 보다 실제적인 네트워크 취약성을 평가하였다.

그림 4.

환승역의 위험성 파급을 고려하지 않은 지하철 운행 상황

그림 5.

환승역의 위험성 파급을 고려한 지하철 운행 상황

4) 역 단위 네트워크 취약성 측정

개별 역에 대한 네트워크 취약성(Ni)은 지하철 네트워크 붕괴 상황(Ai)과 평상시(Bi)의 승객 운송 시스템 효율의 차이를 통해 평가하였다(수식 1). 이는 네트워크의 특정 부분의 붕괴에 따른 부정적인 영향력을 보다 체계적으로 파악하기 위해서는 평상시 상태와 비교하는 것이 가장 효과적이기 때문이다(Murray et al., 2008). Ai는 네트워크가 붕괴된 상황에서 출발역 i에서 도착역 j로의 이동한 승객 수와 출발지 i와 도착지 j간의 이용 가능한 최단경로 거리의 곱에 대한 총합을 나타낸 값이다. 반면, Bi는 평상시의 상황에서 출발역 i에서 도착역 j로의 이동한 승객 수와 출발지 i와 도착지 j간의 네트워크 최단경로 거리의 곱에 대한 총합을 나타낸 값이다. 이때 취약성 평가 시 네트워크 붕괴로 인해 출발역 i와 도착역 j간의 통행이 불가능한 경우를 제외하기 위해 이진 정수 xijk를 활용하였다. 마지막으로 Ni는 Ai와 Bi의 차이로 출발역 i의 네트워크 취약성을 반영한다.

Ni : 출발역 i의 네트워크 취약성

i = 출발역

j = 도착역

k = 건넘불가 구간

odij = 출발역 i에서 도착역 j로 이동하는 승객 수

dij = 평상시 상황에서 출발지 i와 도착지 j간의 네트워크 최단경로 거리

d'ij = 네트워크 붕괴 상황에서 출발지 i와 도착지 j간의 네트워크 최단경로 거리

$$\begin{gathered} xijk=1:건넘불가구간k붕괴시출발역i에서도착역j로이동이가능할때 \\ 0:건넘불가구간k붕괴시출발역i에서도착역j로이동이불가능할때 \end{gathered}$$

5) 건넘불가 구간 단위 네트워크 취약성 측정

건넘불가 구간 단위의 네트워크 취약성(Lk)은 역 단위의 네트워크 취약성과 유사하게 아래와 같이 표현할 수 있다(수식 2). Ck는 네트워크가 붕괴된 상황에서 특정 건넘불가 구간 이용이 불가할 때 출발역 i에서 도착역 j로의 이동한 승객 수와 출발지 i와 도착지 j간의 이용 가능한 최단경로 거리의 곱에 대한 총합을 건넘불가 구간 단위로 나타낸 값이다. Dk는 평상시 상황을 나타내며, 출발역 i에서 도착역 j로의 이동한 승객 수와 출발지 i와 도착지 j간의 네트워크 최단경로 거리의 곱에 대한 총합을 건넘불가 구간 단위로 나타낸 값이다.

Lk : 건넘불가 구간 k의 네트워크 취약성

i = 출발역

j = 도착역

k = 건넘불가 구간

odij = 출발역 i에서 도착역 j로 이동하는 승객 수

dij = 평상시 상황에서 출발지 i와 도착지 j간의 네트워크 최단경로 거리

d'ij = 네트워크 붕괴 상황에서 출발지 i와 도착지 j간의 네트워크 최단경로 거리

$$\begin{gathered} xijk=1:건넘불가구간k붕괴시출발역i에서도착역j로이동이가능할때 \\ 0:건넘불가구간k붕괴시출발역i에서도착역j로이동이불가능할때 \end{gathered}$$

4. 서울시 지하철 네트워크 취약성 평가

앞서 수립한 모델을 바탕으로 서울 지하철 네트워크 취약성을 평가한 결과는 다음과 같다. 취약성 지수는 가장 큰 값을 100으로 설정하고 이보다 작은 값들은 비례하도록 지수화 값으로 제시했다.

1) 지하철 네트워크를 통한 인구 이동

표 1과 그림 6은 출발역 기준 이용객 수가 가장 많은 10개 역을 이용 시간대에 따라 보여주고 있다. 전체적으로 퇴근 시간의 이용객이 출근 시간의 이용객보다 많고, 출퇴근 시간대에 따라 지하철 이용 패턴이 다름을 알 수 있다. 특히, 이용객 수가 많은 상위 10개 역이 3군데(고속터미널, 잠실, 건대입구)를 제외하고 모두 다르다는 것은 주지할만한 사항이다. 출근 시간의 경우 서울 외곽 주거 지역에 위치한 역(신림, 노원, 연신내, 수유)과 경기도에서 서울로 버스를 타고 들어오는 인구가 환승하는 역(사당, 잠실, 건대입구, 구로디지털단지, 천호)의 이용객 수가 많은 것으로 나타났다. 반면, 퇴근 시간의 경우 서울의 업무 지구에 위치한 역(강남, 종로3가, 여의도, 교대, 합정, 신사)과 서울에서 경기도 및 교외로 버스를 타고 나가는 인구가 환승하는 역(잠실, 건대입구)의 이용객 수가 많은 것으로 나타났다. 이러한 결과는 도시의 기능 분화로 인한 정기적인 통근 패턴이 반영된 결과로 해석할 수 있다(Taaffe et al., 1996; 김호성 등, 2010; 이재건･손정렬, 2021). 한편, 고속터미널역의 경우 출근 시간 및 퇴근 시간 모두 가장 많은 이용객 수를 보이고 있다. 일반적으로 지하철역의 이용 형태는 주변의 우세한 토지이용이나 도시 기능에 영향을 받는데 고속터미널역은 배후지에 다양한 유형의 기능(교통, 상업, 주거, 의료)이 혼재되어 있어 많은 유동 인구가 발생하는 동시에 유동 인구의 시간적 분포 패턴이 뚜렷하지 않기 때문인 것으로 보인다(이금숙 등, 2021; 정성훈, 2021).

그림 6.

출발역 기준 이용객 수(2022년 2월 14~18일)

2) 환승역의 위험성 파급을 고려하지 않은 네트워크 취약성

지하철 기관 고장, 지하철 점거 시위, 인명 사고 등이 발생하면 해당 노선의 운행이 일시적으로 중단되지만 다른 노선의 운행에는 영향을 주지는 않는다. 이와 같이 환승역의 위험성이 파급되지 않는 상황에서 서울시 지하철의 네트워크 취약성 지수는 표 2와 그림 7과 같다. 분석 결과, 출근 시간의 취약성이 높은 역과 퇴근 시간의 취약성이 높은 역이 매우 다름을 알 수 있다. 또한 이용객 수가 많은 역일수록 취약성이 높은 경향을 보이는 것으로 나타났다(상관 계수 0.847). 즉, 출근 시간의 경우 야간인구 지수가 높은 지역이 취약성 지수가 높은 역으로 선정되었으며, 반대로 퇴근 시간의 경우 주간인구 지수가 높은 지역이 취약성 지수가 높은 역으로 선정되었다. 이는 본 연구에서 정의한 네트워크 취약성이 출발역 이용객의 총 이동 가능 거리에 대한 평상시와 지하철 붕괴 상황에서의 차이임을 상기할 필요가 있다. 서울시 지하철의 경우 네트워크가 비교적 촘촘하여 대체 경로가 많고, 최단 우회경로의 거리가 최단경로 거리와 큰 차이를 보이지 않는다. 또한, 모든 건넘불가 구간이 각각 붕괴했을 경우에 대한 취약성 변화를 총합하여 취약성 지수를 도출하였기 때문에 거리 변수가 실제로는 크게 작용하지 않은 것으로 보인다.

그림 7.

환승역의 위험성 파급을 고려하지 않은 지하철 네트워크 취약성

3) 환승역의 위험성 파급을 고려한 네트워크 취약성

지하철 역사 화재 발생, 테러리스트에 의한 테러, 쌍섬식 평면형 승강장에서의 탈선 사고 등의 경우에는 사고가 발생한 지점이 환승역인지 아닌지에 따라 상황이 다르게 전개된다. 먼저 환승역이 아닌 역에서 사고가 발생한 경우 앞서 논의한 환승역의 위험성 파급을 고려하지 않음을 가정할 때와 같이 해당 노선의 운행만 중단될 것이다. 반면 환승역에서 사고가 난 경우 사고가 발생한 노선뿐만 아니라 환승역을 공유하는 다른 노선에도 영향을 주기 때문에 환승역을 교차하는 모든 노선의 운행이 중단된다. 이러한 환승역의 위험성 파급을 고려한 지하철 네트워크의 취약성 결과는 표 3과 같다.

분석 결과 취약성이 높은 역은 모두 환승역인 것을 확인할 수 있다. 이는 환승역을 통과하는 모든 건넘불가 구간이 동시에 붕괴되는 상황이기 때문에 이러한 결과가 나온 것으로 보인다. 또한 출근 시간과 퇴근 시간의 취약성이 높은 역의 구성이 크게 다르지 않은 것을 확인할 수 있는데, 이는 지하철 네트워크 붕괴가 발생한 곳의 범위가 상대적으로 넓어 시간대별 통행 패턴의 취약성 지수 반영이 작기 때문인 것으로 보인다.

4) 건넘불가 구간 단위의 네트워크 취약성

표 4와 그림 8은 건넘불가 구간 단위로 지하철 네트워크 취약성을 평가한 결과를 보여주고 있다. 건넘불가 구간 단위에서 취약성이 높은 상위 10개 구간은 출근 시간대와 퇴근 시간대 모두 같게 나타났다. 이는 개별역 단위의 취약성과 다소 상이한 결과인데, 개별역 단위의 경우 출발역 기준의 취약성을 평가하기 때문에 시간에 따른 통근 패턴이 취약성 지수에 대부분 반영되나, 건넘불가 구간의 경우 양방향 이동량이 모두 더해지기 때문에 이러한 결과가 도출된 것으로 보인다. 한편, 취약성이 높은 상위 10개 건넘불가 구간은 모두 2호선, 3호선, 5호선, 9호선인 것을 알 수 있으며, 각 노선이 갖고 있는 특징이 취약성 평가에 반영된 것으로 보인다. 구체적으로 2호선의 경우 노선 간 연계성을 높여주는 순환선의 특징이 있어 이용 빈도가 높은 노선이다. 3호선은 서울을 중심으로 북서쪽-도심-강남-남동쪽을 연결하는 대표적인 방사형 노선이다. 5호선, 9호선 역시 모두 방사형 노선의 특징을 가지며 각각 서울의 서쪽-도심-동쪽, 서쪽-강남-동쪽을 연결하고 있다. 즉, 높은 취약성을 보이는 건넘불가 구간은 이용객이 많고 해당 노선을 대체할 우회 경로가 비교적 부족한 구간이라고 평가할 수 있다. 이 중 서울대입구역-삼성역 구간은 취약성이 가장 높게 나타났는데, 이는 단일 건넘불가 구간 내에 주요 업무 지구인 강남역-삼성역(테헤란로) 구간과 해당 업무 지구로 출근하는 사람들이 많이 거주하는 서울대입구역-사당역(남부순환로 일부) 구간이 모두 포함되어 이용객이 많기 때문인 것으로 보인다. 실제로 이승민･이건학(2021)은 강남으로 향하는 대부분의 흐름들이 2호선 신림역과 잠실역 사이에서 발생한다고 분석한 바 있다.

그림 8.

건넘불가 구간 단위 지하철 네트워크 취약성(출근 시간)

5. 결론

서울과 같이 인구 밀도가 매우 높은 대도시권의 대중교통은 도시민의 삶과 경제 활동에 필수적인 모빌리티이자 중요한 도시 기반 시설이다. 특히, 지하철은 토지이용에 따른 제약을 넘어 비교적 자유로운 구축과 운영이 가능하며 도시 내에서 가장 빠르게 이동할 수 있는 모빌리티 수단이기 때문에 각광받고 있다. 하지만 이와 같은 도시 모빌리티의 핵심적 위치로 인해 지하철은 항상 예기치 못한 사고나 자연재해, 또는 의도적인 테러 공격의 위험성에 노출되어 있다. 지하철 네트워크의 취약성과 잠재적 위험성에 대한 여러 연구가 수행되어 왔지만 대체로 네트워크 위상 구조에 기반한 분석에 국한되고 있다. 이에 본 연구는 건넘선이나 환승역과 같은 지하철 시스템의 운영에 중대한 기능을 담당하는 시설 구조를 네트워크에 직접 반영하고 도시 내 지역 간 상호작용 패턴을 명시적으로 고려함으로써 보다 실제적인 지하철 네트워크 취약성을 탐색하고자 하였다. 이를 위해 네트워크 구성이 복잡하고 시스템 붕괴에 대한 잠재적 위험성이 높은 서울시 지하철 네트워크를 대상으로 역 단위와 건넘선 시설 구간 단위의 취약성을 종합적으로 평가하였다.

분석 결과는 다음과 같이 요약할 수 있다. 먼저, 환승역의 위험성 파급을 고려하지 않은 경우, 이용객이 많은 역일수록 네트워크 취약성이 비교적 높게 나타났다. 특히, 출근 시간에는 교외 거주지에 위치하는 역들이 취약성이 높은 반면, 퇴근 시간에는 도심의 업무 지구에 위치한 역들의 취약성이 높게 나타났다. 환승역에서 교차하는 노선 간의 위험성 파급을 고려한 경우에는 시간대에 상관없이 네트워크의 허브 기능을 하는 주요 환승역이 모두 높은 취약성을 보였다. 한편, 건넘불가 구간 단위로 취약성을 분석한 결과는 2, 3, 5, 9호선에서 주요 취약 구간이 도출되었는데, 이는 서울 지하철 네트워크에서 해당 구간 및 노선이 차지하는 기능적 중요성이 반영된 결과로 해석할 수 있다.

본 연구는 도시의 핵심 모빌리티 기반 시설인 지하철의 시스템 붕괴에 따른 잠재적 위험성 파급에 관한 사전 평가 지표를 제공할 수 있다는 점에서 의의가 있다. 특히, 건넘선이 네트워크 취약성 개선에 큰 역할을 할 수 있음을 실증적 결과를 통해 보여주고 있다. 지하철 운영사는 건넘불가 구간이 긴 노선 구간에 대해 건넘선을 추가로 설치하여 향후 발생할 수 있는 지하철 네트워크 붕괴로 인한 운영 중단의 피해를 보다 줄일 수 있을 것이다. 또한 환승역에서 위험성 파급에 대한 통제가 적절히 이루어진다면 각종 사고로 인한 피해를 최소화할 수 있음을 시나리오 기반의 분석을 통해 설명하고 있다. 마지막으로 본 연구의 결과는 향후 추가적인 지하철 건설 시 네트워크 확장에 따른 취약성 변화를 예측하기 위한 프레임워크로도 활용할 수 있을 것이다.

하지만 본 연구는 지하철 이용객의 실제 이동 경로를 반영하지 못하는 한계를 가지고 있다. OD 데이터는 출발역과 종착역만을 명시하고 있어 OD간 경로에 대한 상세 정보를 알 수 없다. 본 연구에서 적용한 최소거리 이동은 합리적인 가정일 수 있지만 실제 이동 행태는 거리 뿐 아니라 이동 시간, 환승 횟수, 환승을 위한 이동 거리, 배차 간격, 열차 혼잡도 등 다양한 요인에 영향을 받을 수 있다. 향후 연구에서는 확률 기반의 경로 할당 방법인 Dial 알고리즘(Dial, 1971; Si et al., 2010)과 같이 승객의 이동 경로를 보다 정확하게 추정하기 위한 다양한 접근들을 고려할 필요가 있을 것이다. 분석 데이터 측면에서도 수도권 전역의 승하차 데이터를 활용할 수 있다면, 통행의 실제적인 시작과 도착을 확인할 수 있기 때문에 수도권 지하철 시스템에 대한 취약성과 잠재적 위험성을 보다 완전하게 평가할 수 있을 것으로 기대한다.