1. 서론

2020년 1월 20일 국내에서 신종코로나바이러스 감염(이후 코로나-19)의 환자가 처음 발생한 이후, 2021년 1월 9일 현재 국내의 코로나-19 총 확진자수는 67,999명, 사망자수는 1,100명이다(질병관리청, 2021a). 코로나-19 확산을 효과적으로 예방하고 관리하기 위해서 현재 우리나라는 다양한 조치를 수행하고 있다. 이는 해외에서의 감염병 유입을 막기 위한 특별입국절차와 적극적인 코로나-19 검사와 더불어, 지역 내 전염병 확산을 막기 위하여 자주 손씻기, 마스크 착용과 같은 국민 예방수칙을 포함한다. 하지만 가장 효과적인 예방 수칙은 코로나-19가 기침, 재채기 또는 말을 할때 감염자의 비말을 매개로 전파되거나 또는 사람간의 접촉에 의하여 확산되는 것을 고려하였을 때, 사회적 거리두기(Social Distancing) 혹은 물리적 거리두기(Physical Distancing)라고 판단된다(Greenstone and Nigam, 2020).

사회적 거리두기는 2020년 2월말 대한예방의학회에서 국내에 처음 제안된 이후, 대한의사협회의 대국민 권고안, 중앙방역대책본부 브리핑 등을 통해서 국내에 정책적으로 적용되기 시작하였다(고광욱, 2020). 특히 보건당국은 지역별 또는 전국적 코로나-19의 확진자 현황을 기준으로 사회적 거리 두기의 단계를 지정하여 코로나-19 확산세를 늦추기 위하여 총력을 다하고 있다(질병관리청, 2021b). 지난 2020년 11월 1일, 기존의 3단계 (생활방역, 지역적 유행, 전국적 유행)의 사회적 거리 두기 단계를 5단계로 세분화한 개편 안이 발표되었고, 11월 7일부터 시행되었다. 최근 코로나-19의 전국적인 3차 유행이 지속됨에 따라 2021년 1월 17일까지 수도권은 사회적 거리두기 2.5단계, 비수도권은 사회적 거리두기 2단계가 지속적으로 시행되고 있다.

사회적 거리두기 단계에 따라 보건당국은 학교, 직장근무 등의 필수 활동 뿐 아니라 모임, 행사, 교통시설 이용 등과 같이 전반적인 일상 활동에 대한 포괄적인 가이드라인을 제시하고 있다(질병관리청, 2021b). 이러한 가이드라인은 크게 영업시간을 제한하거나 시설물 이용객 수를 제한하는 방식으로 나뉜다. 방문자의 밀집도가 높을 것으로 고려되는 식당, 카페, 노래연습장, 유흥시설 등의 중점 관리 시설은 사회적 거리두기 단계에 따라 운영 시간이 점진적으로 제한된다. 반면 운영 시간이 제한되기 어려운 공연장, 영화관, 스포츠 관람 시설 등은 동시에 입장할 수 있는 시설 이용객 수를 제한하고 있다. 예를 들어, 스포츠 관람 시설은 사회적 거리두기 1단계의 경우 50%의 관중입장, 1.5단계의 경우 30% 관중입장, 2단계의 경우 10% 관중입장, 2.5단계 이후는 무관중 또는 경기 중단이 권고된다.

현재의 가이드라인은 스포츠 관람시설을 예시로 볼 때, 다음의 두 가지 문제를 야기할 수 있다. 첫째, 수용 인원만을 제한하는 가이드라인은 사회적 거리두기의 근본적인 목적인 이용객 간의 충분히 거리를 확보하는 것과는 거리가 있다. 정부의 방역 지침은 각 시설물의 특성에 따라 세분화 되지 않고 단순히 인원수만 통제하였기 때문에 지침을 해석하는 방법에 따라 코로나-19의 확산을 통제하는 것이 효과적이지 못할 수 있다. 특히 스포츠 관람시설의 경우 일정 공간에 많은 수의 관람객을 수용하기 위하여 비교적 작은(약 50cm) 좌석이 매우 인접하여 배치되어 있기 때문에 이용객 수를 제한하더라도 실제 이용객 간의 거리는 충분히 확보되지 않을 수 있다(스포츠조선, 2020). 다시 말해 단순히 인원수만 통제하는 것보다 각 좌석에서 얼마나 사회적 거리두기를 수행할 수 있는 지를 중점적으로 고려하였을 때 효과적인 방역이 시행될 것이다. 둘째, 좌석 간의 간격을 최대한 멀리 띄워 배치하는 것은 시설물 사용의 비효율을 초래할 수 있다. 실제 관중 입장이 진행된 프로 스포츠에서는 질병관리청의 가이드라인에 따라 관중 수를 제한하는데 그치지 않고, 좌석 간의 거리를 최대한으로 하기 위하여 좌석을 앞뒤 및 양옆으로 여러 칸 띄우기를 수행하였다(뉴스원, 2020a; 2020b). 이러한 일괄적인 좌석 띄우기는 사회적 거리두기를 준수하는 것에 효과적이지만, 배치할 수 있는 좌석의 수를 필요 이상으로 감소시킬 수 있다. 그렇기 때문에, 사회적 거리두기의 단계에 따라 수용량이 제한된 상황에서 시설을 최대한 활용할 수 있는 대안이 요구된다. 따라서 코로나-19 팬데믹이 장기적으로 지속되고 있음을 고려할 때, 충분한 사회적 거리가 확보되지만 시설물의 비효율성 높이지 않는 최적의 좌석배치가 필요하다.

이러한 맥락에서 본 연구는 서울시 구로구에 소재한 고척스카이돔을 사례 연구 지역으로 설정하여, 사회적 거리두기의 가이드라인에 따른 최적화된 좌석 배치를 분석해 보았다. 고척스카이돔은 우리나라 최초의 돔형 야구장이며 한국 프로야구팀 키움 히어로즈의 홈구장이다. 특히, 현재 제공되고 있는 사회적 거리두기의 가이드라인이 수용 인원만을 제한하고 좌석 간의 거리에 대한 사항은 포함하지 않는 것에 착안하여, 세부적인 연구 질문을 다음과 같이 설정하였다. 첫째, 2m 거리두기를 실시할 때, 고척스카이돔의 최적 좌석 배치는 어떠하며, 이에 따른 총 수용 인원은 얼마나 되는가? 둘째, 사회적 거리두기 단계에 따라 최대 관중 수용량이 변화할 때 (예: 50%, 30%, 10%), 각 단계에 따른 좌석 간의 거리는 얼마나 되며, 권고 되고 있는 거리두기가 지켜지는가? 두 연구 질문을 통하여, 우리는 안전을 위한 좌석 간의 충분한 거리를 확보할 뿐만 아니라 시설물의 효율성을 극대화 하는 방안을 살펴보려고 한다. 이를 위해 본 연구에서는 시설물에 대한 커버리지 문제 (Coverage Problem)을 효과적으로 분석할 수 있는 방법인 공간적 최적화 기법을 활용하였다.

2. 관련 연구 동향

본 연구의 목적은 지리학 분야의 최적 입지를 도출하는 방법론과 밀접한 관련이 있다. 도시 내 시설물의 효율적인 공간배치와 관련하여 최적의 입지를 도출하는 것에 대한 연구는 지리학 분야에서 꾸준히 진행되어 왔으며(Church and ReVelle, 1974; Kang et al., 2020; Luo and Wang, 2003; Yao et al., 2019), 크게 2가지 접근 방법으로 구분이 된다. 첫째는 공간적 접근성(Spatial Accessibility)을 측정하는 방법이며, 둘째는 공간적 최적화(Spatial Optimization) 기법을 활용하는 방법이다. 두 방법론 모두 실외의 시설물을 기반으로 시작이 되었으나, 점차 실내 GIS(Geographical Information System) 에 대한 데이터가 증가함에 따라 실내의 연구도 동반되는 추세이다.

공간적 접근성은 특정 지역에서의 특정 서비스의 이용 및 특정 활동이 가능한 장소에 대한 상대적인 용이함을 측정하고 평가하는 것을 의미한다. 즉, 접근성이 좋다는 것의 의미는 특정 지역에서 원하는 서비스 혹은 활동이 가능한 장소에 대한 이동과 서비스 및 활동이 용이하다는 것이다. 특히, 이러한 공간적 접근성은 서비스의 이용 및 특정 활동을 하고자 하는 사람들의 거주지(수요), 해당 서비스가 제공되는 위치(공급) 간의 상호작용을 통하여 측정이 이루어진다. 이러한 공간적 접근성을 측정하기 위하여 널리 활용되고 있는 대표적인 방법론은 2단계 도달범위(2SFCA: Two-Step Floating Catchment Area) 방법(Luo and Wang, 2003)이다. 이 방법론은 특정 위치에서 해당시간 내에 도달할 수 있는 범위에 포함되는 서비스의 위치와 수량을 고려하여, 그 위치에서의 인구수 대비 제공될 수 있는 서비스의 수량(예: 병원 수, 의사 수 등)을 계산하는 것이다. 이러한 분석의 결과로서 연구지역 내의 특정 서비스에 대한 공간적 접근성이 측정되고, 공간적 접근성이 상대적으로 낮은 지역에 대해서는 특정 서비스의 배치를 제안하는 등의 정책적 제안이 가능하다. 이러한 공간적 접근성 측정 방법을 활용하여 공원(Dony et al., 2015), 병원(Fransen et al., 2015; Luo and Wang, 2003) 등과 같은 도시 내의 시설물의 효율적인 배치를 위한 연구가 진행되었다. 한국을 대상으로도 공간적 접근성을 활용한 시설물의 효율적인 공간 배치 연구가 진행되어 왔으며(Lee et al., 2018), 최근에는 특히 코로나-19와 관련하여 병상과 의사들의 분포가 어떻게 공간적으로 배치 및 분배가 되어야 하는지에 대한 연구가 진행되었다(Kang et al., 2020).

반면, 공간적 최적화 기법은 특정 시설물을 특정 목적에 부합하게 공간적으로 최적으로 배치하기 위한 문제를 해결하는 방법론이다(Lee and Murray, 2010; Shillington and Tong, 2011; Thraves et al., 2008; 이용웅･양우석, 2006). 이 방법론은 해결하려는 문제를 목적 함수과 제약 조건을 이용하여 관련 변수들의 지리학적인 관계를 수식으로 변환 한 후, 특정 목적의 값을 최대 또는 최소화 하여 최적의 배치를 도출하는 방법이다. 공간적 최적화 기법은 LSCP(Location Set Covering Problem), MCLP(Maximal Covering Location Problem), PMP (P-Median Problem), PCP(P-Center Problem), ACLP(Anti-Covering Location Problem) 등으로 대표된다(Farhan and Murray, 2006).

첫째, LSCP는 모든 수요를 커버하지만 배치되는 시설물의 개수를 최소로 하기 위한 목적을 가지고 있다 (Toregas et al., 1971). 이는 수요가 시설물의 영역에 포함되는지 여부를 고려하여 시설물의 공급을 최소화한다. 둘째, MCLP는 제한된 수의 시설물의 커버리지를 최대로 하는 것을 목적으로 한다(Church and ReVelle, 1974). 소방서(Yao et al., 2019), CCTV(이건학, 2018), 자동심장충격기(Dao et al., 2012) 등과 같이 단위 배치 비용이 높아 제한된 수의 시설물로 최대의 수요를 포함할 필요가 있는 도시 사회기반시설물을 대상으로 연구되어 왔다. MCLP는 LSCP와는 다르게 수요에 가중치를 두어 수요가 가장 많이 포함되는 최적의 방안을 찾는 것이 그 특징이다(Murray, 2013). 셋째, PMP는 정해진 수의 시설물의 입지를 결정하는 것을 목표로 하는데, 모든 수요지의 위치로부터 해당 시설물까지의 이동거리 총합을 최소화 시키는 것이다(Hakimi, 1964). 예를 들어, PMP는 투표소의 입지를 정할때 유권자들이 투표소까지의 총이동거리의 합을 최소화하기 위한 관점으로 활용될 수 있다(김감영, 2019; 송하진･이건학, 2017).넷째, PCP는 해당 시설물로 부터 가장 멀리 위치하고 있는 수요자에 대한 이동거리가 최소화 되는 시설물의 입지를 고려하는 것이다(이건학, 2010). 마지막으로 ACLP는 잠재적인 시설물이 최소 거리를 지키며 배치되고, 서로 중복되는 커버리지가 없도록 하는 목적을 가지고 있다(Chaudhry, 2006; Moon and Chaundhry, 1984; Murray and Church, 1997). 미국에서의 성범죄자들의 거주지가 서로 특정 거리 안에서 중첩되지 않게 하기 위한 방법으로써 제안되기도 하였다(Murray and Kim, 2008).

두 연구 방법론을 비교해 보았을 때, 코로나-19의 문맥에서 최적의 좌석 배치를 선정하는 것은 공간적 접근성의 관점에 비해 공간적 최적화의 관점에 보다 적합하다고 할 수 있다. 왜냐하면 공간적 접근성의 연구는 현재 배치되어 있거나 배치될 시설물에 대한 평가를 주로 하고 있기 때문에, 좌석을 선정하는 것과는 거리가 있다고 판단된다. 하지만, 공간적 최적화의 경우, 가장 많은 좌석을 배치한다는 것을 목적 함수로 설정하고, 사회적 거리두기에 따른 좌석간의 최소 거리를 제약 조건으로 설정하여 본 연구의 목적에 합당한 결과를 도출할 수 있을 것이라고 예상된다.

한편, 공간적 최적화 기법은 대개 실외의 시설물의 배치 또는 지리적 구획을 최적화 하는 것에 초점을 맞추어 왔으나, 실내 공간정보가 풍부해짐에 따라 실내를 대상으로 진행되는 경우가 늘어나고 있다. 실외 시설물을 배치한 예시는 공공와이파이(이수희･이건학, 2014), 민방위 대피시설(김감영･목정호, 2017)등이 있다. 이수희･이건학(2014)은 인구경제학적 특성 및 지역 무선 인프라 등을 종합적으로 고려하여 공공 와이파이의 최적화 입지를 제안했다. 김감영･목정호(2017)은 현재의 인구를 반영하여 민방위 대피시설의 서비스 커버리지 및 수용능력을 평가한 바 있다. 지리적 구획을 최적화한 예시로는 주택시장지역(김감영, 2016)과 국회의원 선거구(김명진･김감영, 2013)이 있다. 그러나 오늘날 Building Information Modeling(BIM)이나 Computer Aided Design (CAD)와 같은 건축학 파일 포맷을 GIS 분석방법을 이용하여 분석한 학제간의 연구가 늘어났으며 (Lee et al., 2010; Park et al., 2020), 이에 맞춰 실내 시설물에 대한 공간적 최적화 연구도 진행되어 오고 있다(Dao et al., 2012; Murray, 2020).

본 연구에서는 좌석 간의 최소 거리두기를 유지하면서 가장 많은 좌석을 효율적으로 배치하는 것을 목적으로 하기 때문에 앞서 언급한 최적 입지를 분석하는 방법 중 공간적 최적화 방법, 특히 ACLP를 활용하는 것이 가장 적절할 것으로 생각된다. 특히, ACLP는 코로나-19의 상황에서 강의실 수용량을 어떻게 최대한으로 할 것인가에 대한 문제를 해결하기 위해 활용된 적이 있다(Murray, 2020). Murray(2020)은 최적의 좌석 배치를 찾기 위하여 좌석의 개수를 최대화 하는 것을 목적 함수로, 각 좌석의 8.58ft(약 2.6m) 안에 다른 좌석이 배치되지 않는 것을 제약 조건으로 하여 분석을 진행하였다. 그 결과 총 867좌석의 강의실에서 충분한 거리두기를 할 때, 최대 68좌석(약 7.8%)만이 배치될 수 있다는 것을 도출하였다. 그러나 국내에서는 실내시설물에 대한 공간적 최적화에 대한 연구가 미비할 뿐만 아니라, 앞서 서론에서 언급한 바와 같이 코로나-19의 문맥에 따른 최적 좌석 배치가 필요한 실정이다. 또한, 장기화되는 코로나-19의 관점에서 공연 및 스포츠 관람과 같은 문화 활동을 가능하게 하면서 효과적인 방역이 시행되게 하려면 현재 진행되는 가이드라인을 상세히 제공 할 수 있는 방법이 필요하며, 실내 시설물에 대한 공간적 최적화가 그 대안이 될 수 있다.

3. 방법론

1) 연구지역

한국에는 다양한 종류와 크기의 대규모 실외 스포츠 경기장이 존재하지만, 실내 일수록 코로나-19의 전파가 용이하다는 점을 고려하였을 때(Chan et al., 2020), 본 연구에서 실내 스포츠 경기장에 초점을 맞추었다. 또한 서울의 확진자가 가장 많으므로, 다른 시도에 비해 서울에 위치한 경기장의 위험도가 높을 것으로 추정하였다. 이 조건에 부합하는 경기장의 목록과 그 규모는 다음과 같다. 프로농구팀 삼성 썬더스의 홈구장인 잠실 실내체육관의 좌석수는 5,049석, 프로농구팀 SK 나이츠의 홈구장인 잠실학생체육관의 좌석수는 5,400석, 여자프로배구팀 GS 칼텍스 서울 Kixx배구단의 홈구장이자 남자프로배구팀 서울 우리카드 위비배구단의 홈구장인 장충체육관의 총 좌석수는 4,507석이다.

본 연구에서는 앞의 경기장보다 가장 규모가 큰 프로야구 키움 히어로즈의 홈구장인 고척 스카이돔(총 17,868석)을 연구지역으로 선정하였다(그림 1). 또한 프로야구의 경우 실제 관중이 입장한 경기가 있기 때문에 사회적 거리두기를 통한 적절한 관중 수의 조절이 필요한 시설물이라고 생각된다. 실제로 고척스카이돔에서 진행된 지난 2020년 프로야구 한국시리즈에서는 사회적 거리두기의 지침의 변경에 따라 상이한 수의 관중이 입장하였다. 한국시리즈 1, 2차전에서는 전체 좌석의 약 48%(8,200석)이 판매되었으며, 3, 4, 5 차전에서는 전체 좌석의 약 30%(5,100석)이 판매되었다. 마지막 6차전에서는 사회적 거리두기가 2단계로 격상됨에 따라 전체 좌석의 약 10%(1,700석)이 판매되었다.

그림. 1

연구지역(고척스카이돔)

최적의 실내 좌석 배치를 찾기 위하여, 우리는 서울시설공단에서 제공한 고척 스카이돔의 CAD 좌석 배치도를 이용하여 좌석의 종류 및 중심점을 추출하였다(서울시설공단, 2021). 고척 스카이돔의 좌석은 하단부 7,833석(일반석: 6,959석, 테이블석: 532석, VIP석: 304석, 장애인석: 38석)과 상단부 일반석 10,035석으로 구성되어 있다. 각 좌석의 중심점은 이용객이 착석하였을 때 얼굴의 위치를 의미하며, 이는 바이러스의 배출 및 침입하는 위치를 잘 반영하기 때문에(Murray, 2020; Virginia Tech, 2020) 본 분석의 공간적 단위로 설정하였다. 또한 각 좌석 간의 거리를 도출하기 위하여 CAD 데이터에서 활용하는 상대 직각 좌표계(relative Cartesian coordinates)를 활용하였다. 각 좌석의 종류별 좌석의 간격은 다음과 같다. 일반석의 경우 좌석이 좌우로는 45cm 또는 55cm 간격으로, 앞뒤로는 80cm 간격으로 배치되어 있다. 테이블석은 좌우로 55cm, 앞뒤로 약 1.6m 간격으로 배치되어 있으며, 2~4자리씩 짝지어 배치되어 있다. VIP석은 좌우로 65cm, 앞뒤로 약 1m 간격으로 배치되어 있다. 장애인석은 단일 열로 구성이 되어 있으며, 좌우로 약 1m 또는 1.8m 간격으로 배치되어 있다.

2) 공간적 최적화 기법

본 연구에서는 2m 사회적 거리두기(즉, 좌석의 간격)을 만족하는 가장 많은 좌석의 수를 배치하기 위하여 공간적 최적화 기법 중 하나인 Anti-Covering Location Problem(ACLP)를 사용하였다(Murray and Church, 1997). ACLP는 특정 제약 거리를 만족하여 선택된 좌석의 영역이 중첩되지 않도록 하는 방법이며, 이는 하나의 목적 함수와 두 개의 제약 조건으로 정의된다.

i,j = 후보좌석의 인덱스

X_i = i 번째 위치한 후보좌석 (즉, 후보좌석i)

d_ij = 후보좌석i 와 후보좌석 j 간의 직선 거리

r = 좌석 간의 최소 제약 거리 (좌석 간의 최소 거리 두기 / 2)

N_i = 후보좌석i 의 특정반경 (r) 안에 위치한 후보 좌석 들 (X_j) 즉, N_i = {j|dij≤r}

수식 (1)은 ACLP의 목적 함수며, 후보좌석 (X_i)의 선정 여부가 0 혹은 1로 표현되는 것을 고려할 때 (수식 (3) 참조), 총 선정된 좌석 수의 합이 가장 높은 상태를 도출하는 것을 목적으로 한다. 수식 (2)와 (3)은 목적 함수의 값을 세밀하게 조율하는 제약 조건이다. 수식 (2)는 후보좌석 (X_i)의 제약거리 r 내에 위치하는 후보좌석 (X_j)의 합을 1 이하로 제약함으로써, 후보좌석 i (X_i) 가 선택되었을 때, 주변 좌석 j (X_j) 는 자동적으로 배치되지 않도록 제한한다. 수식 (3)은 후보좌석 (X_i)의 값이 0 또는 1임을 정의하는 함수이며, 후보좌석이 선택될 경우 1, 선택되지 않을 경우 0의 값을 가짐을 의미한다.

3) 분석 절차

본 연구는 ACLP를 이용하여 두 가지 관점에서 최적의 좌석 배치에 대한 분석을 진행하였다. 첫째, 사회적 거리두기 권고사항인 2m를 기준으로 가장 많은 수의 좌석을 배치하는 방법을 분석하였다. 좌석 간의 최소 간격이 2m라는 점을 ACLP에 반영하기 위하여, 특정 좌석이 배치될 때 주변좌석이 배치될 수 없는 거리를 의미하는 r을 2m의 절반인 1m로 설정하였다. 둘째, 실생활에서 사회적 거리두기의 단계의 조정에 따라 시설물의 수용량이 정해지는 점을 고려하였을 때(예: 사회적 거리두기 1단계: 50%, 사회적 거리두기 1.5단계: 30%, 사회적 거리두기 2단계: 10% 등), ACLP의 제약 거리의 조정에 따라 경기장의 수용 가능한 관중의 변화에 대한 민감도 분석을 실시하였다. 이를 위하여 앞서 언급된 ACLP 함수의 r을 0.4m에서 3m까지 점진적으로 0.2m 씩 증가시키면서 각 최소거리별 정원 대비 수용 가능한 관중 수의 비율과 최근린 좌석간의 거리를 계산하였다.

연구의 분석은 다음의 4 단계로 진행되었다. 첫 번째 단계는 데이터 취득 단계이다. 본 분석에 활용한 좌석 배치도의 원 포맷은 CAD(*.dwg) 이며, 각 좌석이 선(polyline)으로 구성되어 있다. 이를 최적화 분석에 입력하기 위하여 각 좌석의 중심점을 추출하여, Esri Shapefile(*.shp)로 저장하였다. 두 번째 단계는 데이터 전처리 단계로 최적화 분석의 속도를 높이기 위하여 Ni(후보좌석 i의 특정반경 안에 위치한 좌석 리스트)를 미리 계산하였다. 이를 위하여 각 좌석에서 3m안에 위치한 모든 좌석까지의 직선거리를 계산 후, 각 제약 거리 r 안에 위치하는 주변 좌석의 리스트를 계산하여 별도의 파일로 생성하였다. 세 번째 단계는 최적화 분석 단계이다. 취득된 좌석 중심점 Shapefile(첫 번째 단계)과 각 좌석의 일정 거리 안에 위치한 좌석의 리스트(두 번째 단계)의 파일을 Python 환경에서 목적 함수, 제약 조건에 맞게 프로그래밍 하여 최적화 분석을 진행하였다. 최적화 분석에는 휴리스틱(Heuristic) 접근 방법을 이용하는 상용 최적화 소프트웨어인 Gurobi 9.1을 Solver로 채택 및 상응하는 Python 라이브러리인 gurobipy를 활용하였으며, 연구의 목적에 맞추어 좌석 간의 최소 제약 거리(r)을 0.4m에서 3m 까지 0.2m씩 상승시키며 각 제약 사항에 따른 최적 좌석 배치를 도출하였다. 이 때, 고척스카이돔이 상단부와 하단부로 나뉘어 있고 그 사이에 좌석의 연속성이 없으므로 최적화 분석을 각각 상단부와 하단부로 나누어 두 번에 걸쳐 진행하였다. 또한 좌석 종류에 관계없이 각 상단부와 하단부에 위치한 모든 좌석을 대상으로 동시에 진행하였다. 최적화 분석에서 연산의 강도(Computational Intensity)가 예상이 되어 분석의 최대 소요 시간을 1시간(3600초)로 설정하였다. 마지막 단계는 지도화 단계이다. 좌석 종류에 따라 최적의 좌석 배치가 어떻게 변화하는지를 효과적으로 표현하기 위하여 Esri ArcMap 10.5를 활용하여 좌석 종류별(일반석, VIP석, 장애인석, 테이블석)로 다른 색상을 이용하여 지도화를 수행하였다. 분석이 진행된 컴퓨터는 Intel i7-8700K CPU, 3.70GHz, 64GB RAM 의 사양을 가지고 있으며, Windows 10 Enterprise 운영 체제를 사용하고 있다.

4. 결과

1) 사회적 거리두기 (2m)를 만족하는 좌석의 배치

사회적 거리두기의 권고 안인, 사람 간의 거리 2m를 만족하는 최적의 좌석 배치의 결과의 예시는 그림 2와 같다. 이 때, 분석에 활용된 ACLP의 제약거리, r은 좌석 i가 배치될 때, 주변에 좌석이 배치될 수 없는 거리를 의미한다. 그렇기 때문에 좌석간의 거리 2m의 절반인 1m를 입력 변수로써 활용하였다. 분석 결과로써, 고척스카이돔의 17,868석 중 단 11.5%에 해당하는 2,059석이 사회적 거리두기 2m를 만족하는 가장 많은 수의 좌석인 것으로 분석되었다.

그림 2(a)는 1루 응원석에 위치한 일반석이며, 그림에 포함된 312석 중 34석의 좌석이 배치될 수 있음을 나타낸다. 좁은 좌석간의 간격 때문에 일반석은 좌우로 약 3~4자리의 간격으로 앞뒤로는 약 1~2자리의 간격으로 배치되었다. 그림 2(b)는 3루 측에 위치한 테이블석 및 장애인석을 보여주며, 테이블석의 경우 86석 중 20석이 유지되고, 장애인석은 10석 중 4석이 유지됨을 보여준다. 마지막으로 그림 2(c)는 포수 후면에 위치한 VIP석으로, 테이블석에 비하여 앞뒤 간격이 매우 좁지만 좌우 간격이 일반석에 비하여 넓은 특성을 가지기 때문에 총 106석 중 22석이 유지될 수 있음을 확인할 수 있다.

그림. 2

좌석 간의 거리가 2m일 때의 최적의 좌석 배치

종합적으로 살펴보면 좌석 종류별로 좌석 간의 간격이 다르기 때문에, 좌석 간격이 좁은 일반석은 가장 적은 비율의 좌석이 유지되었으나, 고가의 좌석일수록 상대적으로 넓은 좌석 간의 거리 때문에 높은 비율의 좌석수가 유지되었다. 좌석 간의 최소 2m의 거리를 유지할 때, 일반석은 약 10.9%(16,994석 중 1,856석)의 좌석이 이용가능하며, VIP석과 테이블석의 각각 20.7%(304석 중 63석)와 약 23.5%(532석 중 125석)의 좌석이 이용가능하게 된다. 또한 장애인석은 휠체어 공간이 따로 확보가 되어 있으므로 좌석 간의 배치 간격이 이미 넓기 때문에 약 39.5%(38석 중 15석)으로 가장 높은 비율의 좌석수가 유지되었다.

2) 관중 수용량 변화에 따른 좌석 간의 거리

앞서 언급한 2m 거리두기 뿐만 아니라, 좌석 간의 거리와 관중 수용량의 관계를 알아보기 위하여 제약거리의 변화에 따른 최근린 좌석의 거리 변화 및 전체 이용가능 관중의 수용량의 변화를 살펴보았다. 우리나라는 스포츠관람시설물의 이용객을 사회적 거리두기 1단계일 경우 전체 관중 수용량의 50%, 1.5 단계일 경우 30%, 2단계일 경우 10%로 설정하고 있다(질병관리청, 2021b). 하지만 앞서 분석해본 바와 같이 사회적 거리두기 2m를 유지할 경우 고척스카이돔의 전체 이용가능 관객의 단 11.5% 만이 가능한 상황이다. 따라서 고척스카이돔이 각 사회적 거리두기 단계에서 권고되는 이용율을 따를 때, 좌석간의 거리가 얼마나 유지될 수 있는지를 제약거리의 변화에 따른 분석을 실시함에 따라서 역추적 해볼 수 있다.

그림 3은 ACLP 모델의 제약거리 r을 0.4m에서 3m까지 0.2m 간격으로 다양하게 설정하였을 때 도출되는 결과물이다. 그림 3(a)는 각 제약 거리에 따른 모든 좌석의 최근린 좌석까지의 거리 분포를 의미하며, 제약 거리가 상승할수록 최근린 좌석까지의 거리가 상승하는 것을 보여준다. 반면 그림 3(b)는 제약 거리의 변화에 따른 전체 시설물의 수용량 변화이며, 제약거리가 증가함에 따라 수용량이 급격하게 감소하다가 제약거리가 2m 이상으로 증가할수록 수용량의 감소량이 점차적으로 적어지는 것을 확인할 수 있다.

그림. 3

제약거리의 변화에 따른 최근린 좌석 간의 거리 및 전체 수용량의 변화

제약 거리가 0.8m로 설정되었을 때, 이용 가능한 좌석의 수는 총 9,286석이 도출되기 때문에 사회적 거리두기 1단계의 권고치인 50%와 가장 가까운 전체 좌석 대비 52%의 좌석이 배치될 수 있다. 이 때 최근린 좌석 간의 거리의 평균은 약 0.83m이다. 제약거리가 1.2m로 설정되었을 때는 4,782석이 배치될 수 있어, 전체 좌석 대비 26.8%의 좌석이 이용이 가능함을 확인할 수 있다. 특히, 이때 사회적 거리두기 1.5단계의 권고치인 30%를 만족하는 분석 결과 중 가장 많은 수의 좌석이 배치될 수 있다. 제약거리가 2.2m 일 때는 총 1,911석의 좌석이 배치될 수 있으며, 이는 전체 좌석 대비 약 10.7%이다. 이는 사회적 거리두기 2단계의 권고 안인 10%의 최대 근사치인 것으로 확인되었다. 분석에 대한 자세한 결과는 표 1에서 제공하고 있다.

그림 4는 제약거리가 각각 앞서 언급한 0.8, 1.2, 2, 2.2m 일 때 어떻게 좌석 간의 일정한 거리를 유지하면서 어떻게 공간적으로 최적화된 배치가 이루어지는 지에 대한 결과의 일부를 보여주고 있다. 그림에 포함된 점선은 사회적 거리두기를 표현한 것으로 각 좌석의 중심점을 기준으로 2m 버퍼를 그린 것이다. 그림 4에서 표현되고 있는 좌석은 1루측 외야 위치한 일반석이며 좌석의 개수는 총 395개이다. 0.8m의 제약 거리를 설정했을 경우에 이용 가능한 좌석을 수는 총 201개로 약 51%의 좌석의 이용이 가능하게 된다. 이때 좌석의 배치는 가로로 1~2자리를 띄우는 모습을 보이며, 앞뒤로는 간격을 가지지 않는 모습을 보인다. 1.2m 의 제약 거리를 설정했을 경우는 총 101개의 좌석의 이용 가능하며, 이는 전체 좌석의 약 26%이다. 이때 좌석은 가로로 2~3 자리를 띄우는 모습을 보이며, 앞뒤로는 열을 완전히 비우지는 않지만 지그재그로 좌석이 배치됨에 따라 비교적 거리가 확보되는 것을 알 수 있다. 2m의 제약 거리에서는 41개의 좌석이 이용가능하며 이는 전체 좌석의 약 10%이다. 이 때, 좌석은 가로로 5~7자리를 띄우게 되며, 앞뒤로도 빈 열이 발생하기 시작하는 것을 알 수 있다. 2.2m일때는 35개의 좌석만이 이용가능하며, 이는 전체 좌석의 약 9%에 해당된다. 이 때 가로 간격은 2m 일때와 비슷한 모습을 보이지만, 앞뒤 간격이 더욱 벌어져 배치된 좌석의 전반적인 밀도가 현저하게 감소한다.

그림. 4

제약거리의 변화에 따른 공간적 좌석의 배치의 결과. (a) 0.8m, (b) 1.2m, (c) 2m, (d) 2.2m

3) 연산 효율성 측정

본 연구에서 실행된 분석에 대한 연산 효율성은 다음과 같이 측정되었다(표 2). 앞서 언급한 바와 같이 제약 상황에 따른 제약좌석 간의 거리를 0.4m 에서 3.0m까지 02.20m 씩 증가시키면서 각각 설정하여 최적의 좌석 배치를 분석하였을 때 낮은 좌석간의 거리는 즉각적으로 분석이 수행되었지만 좌석의 거리가 늘어날수록 분석에 대한 시간이 기하급수적으로 상승하였다. 예를 들어, 좌석 간의 최소 거리를 1m로 정의하였을 때, 고척 스카이돔 하단부를 대상으로 한 최적의 좌석배치 분석은 0.8초, 상단부를 대상으로 한 분석은 2초가 소요되어 총 2.8초가 소요되었다. 하지만, 좌석 간의 최소거리를 2.2m로 정의하였을 때, 하단부의 최적 좌석 배치는 205초, 상단부의 최적 좌석 배치는 분석의 최대 시간으로 설정한 3,600초가 소요되어 총 3,805초가 소요되었다. 이와 같이 좌석의 거리가 늘어남에 따라 고려해야 될 변수가 증가하기 때문에, 연산의 강도가 기하급수적으로 높아지고 상응하는 연산시간 또한 늘어나는 것을 알 수 있다. 이는 고척 스카이돔 하단부의 경우 좌석의 종류가 다르고, 좌석 간의 간격이 상단부에 비하여 넓기 때문에 연산 소요 시간이 최대 연산 시간인 3,600초에 미치지 않지만, 상단부의 경우 좌석의 종류가 동일하고 좌석간의 간격이 좁기 때문에 연산이 보다 복잡해져 연산이 오랜 시간동안 진행되는 것으로 판단된다. 특히 상단부에서 좌석 간의 최소거리가 2.2m이상일 때 모든 분석에서 최대 연산 가능시간에서 최적화 분석이 종료된 것을 알 수 있으며, 따라서 본 분석의 연산 강도가 높다고 판단할 수 있다.

5. 토의 및 결론

본 연구는 코로나-19의 팬데믹 시대에서 코로나-19의 확산을 줄이기 위한 일환으로 시행 중인 사회적 거리두기에 대한 지리학적인 접근을 실시하였다. 특히, 우리나라는 공연장, 스포츠 경기장과 같은 집단시설 및 다중이용시설의 경우 실내에서의 마스크 착용의 의무화와 더불어 사회적 거리두기의 단계에 따라 이용이 가능한 관중의 수를 제한을 두는 등의 방역 가이드라인을 제시하고 있다. 하지만 현재 제시되고 있는 가이드라인은 단순히 전체 좌석 수의 50%, 30%, 10% 만이 입장을 허용하는 것과 같이 다소 추상적이기 때문에 집단시설 및 다중이용시설의 운영자의 경우 효과적인 좌석의 배치에 대해서 어려움을 겪을 수 있다. 이에 본 연구는 서울시 구로구에 소재한 고척스타디움을 사례로 하여 현재의 집단시설 및 다중이용시설에 대한 운영 가이드라인이 현재의 사회적 거리두기의 표준거리인 2m에 잘 부합하고 있는지를 확인하고, 또한 민감도 분석을 통하여 경기장 내의 좌석 간의 거리 변화와 시설의 관중의 이용가능율의 상관성에 대해서 살펴보았다. 본 연구를 위해 공간적 최적화 기법 중 하나인 ACLP를 이용하였다. 먼저 좌석 간의 거리를 2m로 설정하여 좌석의 공간적 최적화를 실시하였을 경우에는 고척스타디움 경기장의 약 11% 정도만이 이용이 가능하다는 것을 확인할 수 있었다. 또한 사회적 거리두기의 1단계, 1.5단계, 2단계에서의 관중 입장의 허용은 각각 50%, 30%, 10% 만이 허용이 가능하게 되는데, 이때의 좌석 간의 거리는 각각 약 0.8m, 1.2m, 2.2m임을 본 분석을 통해서 밝혔다.

본 연구 결과를 통해 도출할 수 있는 함의는 다음과 같다. 첫째, 현재의 단계적 사회적 거리두기에 따른 집단시설 및 다중이용시설에 대한 가이드라인에 대한 재설정이 필요하다. 코로나-19는 주로 실내에서 전파되고 있으며(Chan et al., 2020), 특히 바이러스를 포함하고 있는 비말은 일반적으로 2m 정도까지 이동할 수 있다(Bahl et al., 2020). 본 연구에서 사례지역인 고척 스카이돔은 실내구장이기 때문에 각별하게 주의가 필요하다. 또한 사회적 거리두기 1단계, 1.5단계의 관중 입장의 허용수준인 50%와 30%일 경우의 좌석 간의 거리는 약 0.8m, 1.2m 이기 때문에 비말로 인한 코로나-19의 실내 전파 가능성이 있다. 이러한 내용은 프로배구, 프로농구 등과 같은 실내 스포츠 경기장에도 적용될 수 있을 것이다. 둘째, 본 연구에서 진행한 공간적 최적화와 같은 공간분석 기법을 활용하게 되면 사회적 거리두기의 지침을 따르면서 가장 효율적으로 많은 관중의 좌석을 배치할 수 있다. 단순히 2칸의 좌석을 앞･뒤 양옆으로 띄우는 것에 비해, 본 연구에서 진행한 제약 거리의 반경을 활용한 방법으로 보다 공간을 효율적으로 분할할 수 있다. 본 연구에서 진행한 공간적 최적화는 비단 고척스카이돔 뿐만이 아니라 데이터 가용 여부에 따라 국내에 위치한 실내 경기장 전체에 적용이 가능하며, 나아가 코로나-19와 같은 접촉과 관련된 전염병이 발생하였을 때 공간적 의사결정을 도울 수 있는 밑거름이 될 수 있다.

본 연구에서 수행된 공간적 최적화는 다음의 한계를 가진다. 첫째, 본 연구의 고척 스카이돔에 대한 실내 3차원 공간데이터가 취득이 불가능하기 때문에 2차원 공간데이터 만을 포함하는 CAD 데이터를 활용하였다. 대부분의 스포츠경기장은 계단식으로 좌석이 배치되어 있어 각 좌석들은 수평적･수직적으로 공간적 위치에 따른 차이가 존재한다. 따라서 각 좌석의 높이 값이 분석에 반영되지 않아 실제 좌석 간의 거리보다 좁게 나타날 수 있다. 하지만 높이 값 정보를 포함한 3차원 공간데이터가 최적화 연구에 활용될 수 있다(Dao et al., 2012). 또한 좌석 등과 같은 연구 대상 시설물(POI) 간의 거리정보를 판단할 수 있는 실내 네트워크가 Building Information Modeling(BIM)을 통해 추출될 수 있음을 고려할 때(Lee et al., 2010), 이러한 한계점은 추후 연구에서 극복 될 수 있을 것이다. 둘째, 본 연구에서 공간적 최적화를 수행할 때 좌석종류 별 가격 차이를 고려하지 않았다. 본 연구는 사회적 거리두기를 지키면서 가장 많은 수용 인원을 가질 수 있는 배치를 목적으로 하였기 때문에, 각 좌석의 가격 차이는 분석에서 제외되었다. 하지만, 프로스포츠의 경우 좌석 판매의 수익성이 매우 중요하기 때문에, 본 연구의 결과는 실제 생활에서 요구하는(즉, 가장 많은 소득을 올릴 수 있는) 좌석의 배치와는 거리가 있다. 추후, ACLP 모델에 좌석 가격을 포함 시킨다면 이를 해결할 수 있을 것이다. 셋째, 본 연구에서 활용된 좌석간의 최소 거리(즉, 제약거리)를 보다 세밀화 할 필요가 있다. 본 연구는 제약 거리에 따른 수용 인원의 변화를 살펴보기 위하여 제약 거리를 20cm 단위로 변화시키면서 분석을 하였다. 하지만, 그림 3에 나타난 바와 같이 시설물의 수용량이 제약 거리에 따라 급격하게 변화하는 점을 고려하였을 때, 제약 거리를 보다 세밀화(예: 10cm 또는 5cm 단위)하여 분석할 필요가 있다. 이 때, 표 2에서 나타나듯이, 상당한 컴퓨팅 연산의 강도가 예상된다. 이를 위해 슈퍼컴퓨터 혹은 Amazon Web Service(AWS)와 같은 고성능 연산 처리가 가능한 컴퓨팅 리소스와 병렬처리 기법을 활용하게 되면 연산적 효율성을 향상 시킬 수 있을 것으로 기대된다(Kang et al., 2020; 최창락 등 2018). 마지막으로, 본 연구에서 진행한 최적의 좌석 배치는 관중이 앉아 있을 때만을 고려하기 때문에 정적인 측면만을 반영한다. 하지만, 실제 스포츠 경기에서 관중이 이동할 때 사회적 거리두기가 지켜지지 않을 우려가 있고, 이는 전염병의 확산을 초래할 수 있다. 따라서 본 연구에서 진행된 좌석 배치의 최적화 뿐만 아니라, BIM과 같은 실내 건물정보를 활용하여 실내공연장 및 경기장의 입장객들의 경로를 미리 예상하는 등의 분석(Lee et al., 2010; Park et al., 2020)을 활용하여 집합시설 및 다중이용시설의 좌석 배치에 대한 내용 뿐 아니라, 사회적 거리두기를 지키면서 실내 건물 안에서의 시설물의 이용을 하는 것에 대한 보다 구체적인 방역지침 가이드라인을 제시할 수 있을 것으로 판단된다.