KR20210151578A - 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법 - Google Patents

보행 네트워크를 활용한 도시철도 역세권 한계범위 방법 Download PDF

Info

Publication number
KR20210151578A
KR20210151578A KR1020200068593A KR20200068593A KR20210151578A KR 20210151578 A KR20210151578 A KR 20210151578A KR 1020200068593 A KR1020200068593 A KR 1020200068593A KR 20200068593 A KR20200068593 A KR 20200068593A KR 20210151578 A KR20210151578 A KR 20210151578A
Authority
KR
South Korea
Prior art keywords
area
station
urban
development
clusters
Prior art date
Application number
KR1020200068593A
Other languages
English (en)
Other versions
KR102340092B1 (ko
Inventor
김동준
윤진성
전이봄
김기중
이승일
Original Assignee
서울시립대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울시립대학교 산학협력단 filed Critical 서울시립대학교 산학협력단
Priority to KR1020200068593A priority Critical patent/KR102340092B1/ko
Publication of KR20210151578A publication Critical patent/KR20210151578A/ko
Application granted granted Critical
Publication of KR102340092B1 publication Critical patent/KR102340092B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06K9/6218—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Navigation (AREA)

Abstract

본 발명은, 도시철도 역 중심점으로부터 500m를 활용하여 도시철도 역 주변지역의 건축물 연면적 대비 상업·업무 건축물 연면적 비율을 기준으로 도시철도 역을 유형화하는 제1단계;와 보행 도로망을 반영하여 도시철도 역 주변지역을 설정하여 분석하는 제2단계;를 포함하되, 상기 제2단계에서는 결절점(node)과 선(line)으로 구성된 공간정보를 기반으로 서비스 권역(Service area) 분석을 활용하여 도로망 기반의 주변지역을 설정하는 단계를 포함하는, 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법을 제공한다.

Description

보행 네트워크를 활용한 도시철도 역세권 한계범위 방법{CATCHMENT AREA ESTIMATION METHOD WITH URBAN PEDESTRIAN NETWORK}
본 발명은 도시철도 역세권 범위설정에 관한 것이며, 구체적으로는 도시철도 역을 중심으로 직선반경을 활용하되 보행자 중심의 도시공간 개발과 도시철도 역을 이용하는 이용자 관점의 연구 필요성이 증가되는 것을 반영한 것으로, 도시철도 역세권을 상업·업무 개발특성에 따라 유형화하고, 실제 도로망을 적용하여 도시철도 역세권 유형별 상업·업무 개발양상을 실증적으로 분석하여 도시철도 역세권 유형별 개발양상에 대한 차이점 실증분석하는 기법을 제공하는 것이다.
일반적으로, 도시철도 역세권은 지리적·공간적 위상과 특성에 따라 그 범위와 특성이 달라질 수 있다. 우리나라는 「도시재정비촉진을위한특별법시행령」에서 일률적으로 도시철도 역 중심으로부터 반경 500m를 역세권으로 정의하기 때문에 도시철도 역의 지리적·공간적 위상과 주변지역 특성에 따른 차별적인 관리가 이루어지지 못하고 있다. 합리적인 역세권 관리와 토지이용과 기능배치, 대중교통 이용증진을 위해서는 도시철도 역 특성에 따른 차별적 접근의 필요하다.
또한, 종래의 연구에서는 도시철도 이용특성, 토지이용특성 등을 활용하여 역세권 유형을 구분한 경우도 있다. 그러나 역세권의 규모와 기능을 결정짓는 주요요소인 상업·업무 개발특성에 기반한 역세권 유형화는 아직 초기단계로, 규모와 기능 관점에서 도시철도 역세권의 차별적 관리를 위한 연구는 미흡하다. 직선반경을 기준으로 한 역세권 범위설정은 보행환경을 고려하지 못할 뿐만 아니라 건축행위나 접근 불가한 필지가 포함되어 적합하지 않다.
이러한 배경 아래, 이 발명은 역세권을 상업·업무용 건축물 개발 특성에 따라 유형화하고, 실제 도로망을 반영한 개발양상 실증분석을 목적으로 한다. 연구의 결과는 역세권 활성화 및 관리방안과 생활권 계획수립의 기초자료로 활용될 수 있으며, 향후 역세권 밀도관리와 보행자 중심 도시계획 정책 수립에 있어 기초자료로 활용 가능할 것이다.
본 발명은 도시철도 역세권의 상업·업무 개발양상을 실증적으로 분석하고자 서울시 도시철도 역세권을 상업·업무 개발특성에 따라 유형화하고, 실제 도로망을 적용하여 도시철도 역세권 유형별 상업·업무 개발양상을 실증적으로 분석하는 기법을 제공하는 것을 목적으로 한다.
본 발명은, 도시철도 역 중심점으로부터 소정 거리(예를 들면, 500m)를 활용하여 도시철도 역 주변지역의 건축물 연면적 대비 상업·업무 건축물 연면적 비율을 기준으로 도시철도 역을 유형화하는 제1단계;와 보행 도로망을 반영하여 도시철도 역 주변지역을 설정하여 분석하는 제2단계;를 포함하되, 상기 제2단계에서는 결절점(node)과 선(line)으로 구성된 공간정보를 기반으로 서비스 권역(Service area) 분석을 활용하여 도로망 기반의 주변지역을 설정하는 단계를 포함하는, 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법을 제공한다.
도시철도 역을 출발점으로 하여 최대 이동 가능 범위 분석을 통해 일정 간격(예를 들어, 10m) 단위의 보행 도로망 기반 권역을 설정하고, 평면적인 공간정보와 실제 도시공간과의 거리값 왜곡을 최소화하기 위해 삼각함수를 활용하여 경사도에 따른 거리 편차를 최소화하는 과정을 포함한다.
도시철도 역을 출발점으로 하여 거리변화에 따른 상업·업무 개발양상을 분석하기 위해, 거리변화에 따른 개발 비율을 분석하고, 상기 개발 비율은 도시철도 역 중심으로부터 일정지점까지는 감소양상을 보인 후 주변지역의 영향으로 인해 다시 증가하는 특성을 반영하여, 상업·업무 개발의 감소와 증가 지점을 실증적으로 확인하기 위해 극소지점과 극대지점을 갖는 3차 함수를 적용하는 것이 좋다.
상기 도시철도 역의 유형화는 4개의 유형으로 유형화되고, 상기 4개의 유형은 도심역세권, 광역역세권, 근린역세권, 주거지역세권으로 구성된다.
도시철도 역을 유형화하는 상기 제1단계에서, 군집분석을 활용하여 도시철도에 대한 최적 군집수를 설정하는 최적 군집수 설정과정을 포함하고, 상기 최적 군집수 설정과정은, 서로 다른 두 개 이상의 집단에 각각 포함된 개체간의 차이(거리)가 최대가 되도록 군집을 설정하고,
Figure pat00001
개 군집일 때 개별 군집들간의 동질성과
Figure pat00002
개 군집일 때 개별 군집들간의 동질성 변화를 분석하여 최적 군집수를 도출하며, 군집수 변화에 따라 각 군집간의 동질성 차이가 가장 작아지는 첫 번째
Figure pat00003
를 최적 군집수로 설정하는 것이 좋다.
도시철도 역을 유형화한 후, 유형별 개발양상 분석을 위해 일정 간격의 권역을 설정한 후 각 권역에 상업·업무 개발에 대한 공간정보를 입력하는 공간정보 입력 과정을 더 포함하고, 상기 공간정보 입력 과정에서 권역의 경계에서 절단되는 공간정보는 면적 가중(area weighting)을 통해 산출하고, 상기 면적 가중은 특정 건축물의 연면적에 대해 바닥면적과 권역에 의해 절단되는 교차면적 비율을 통해 산출된다.
본 발명은 상기 구성에 의해서, 서울시 도시철도 역세권을 상업·업무 개발특성에 따라 유형화하고, 실제 도로망을 적용하여 도시철도 역세권 유형별 상업·업무 개발양상을 실증적으로 분석하는 기법을 제공하게 되어, 그 결과 역세권 활성화 및 관리방안과 생활권 계획수립의 기초자료로 활용될 수 있으며, 향후 역세권 밀도관리와 보행자 중심 도시계획 정책 수립에 있어 기초자료로 활용되는 등의 효과가 발휘된다.
도 1은 본 발명에 따라, 도시철도 역세권의 상업·업무 개발양상 분석을 위해 거리변화에 따른 개발 비율을 분석한 그래프이며, 역 중심으로부터 일정지점까지 감소양상을 보이다가 주변지역의 영향으로 인해 다시 증가하는 양상을 보여준다.
도 2 내지 도 4는 서울시 도시철도 역을 대상으로 실제 보행 도로망을 반영한 주변지역을 설정하여 분석에 활용하는 것을 예시적으로 보여주는 것으로,
도 2는 결절점(node)과 선(line)으로 구성된 공간정보를 기반으로 서비스 권역(Service area) 분석을 활용하여 도로망 기반의 주변지역을 설정하는 것이며,
도 3은 출발점(
Figure pat00004
)에서 최대 이동가능 지점(
Figure pat00005
)까지의 개별경로(
Figure pat00006
)를 모두 산출해 내는 모습이며,
도 4는 공간정보에 기반하여 출발점(
Figure pat00007
)에서 최대 이동가능 지점(
Figure pat00008
)까지 불규칙 삼각망을 형성하여 권역을 추정하는 모습이다.
도 5는 본 발명에 따라 군집수 변화에 따른 D index의 값과 변화량을 보여주는 그래프이다.
도 6은 D index 분석 결과를 바탕으로, 예시적으로 분석한 서울시 도시철도 역세권을 4개의 유형으로 구분한 결과르 보여준다.
본 발명의 목적, 특정한 장점들 및 신규한 특징들은 첨부된 도면들과 연관되는 이하의 상세한 설명과 바람직한 실시예로부터 더욱 명백해질 것이다. 또한, 사용된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들이며 이는 사용자 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서의 전반에 걸친 내용을 토대로 내려져야 할 것이다.
일반적으로, 역세권이란 「도시재정비촉진을위한특별법시행령」에 따라 도시철도 역 중심으로부터 반경 500m 지역을 의미하며, 「철도건설법」, 「철도산업발전기본법」에 따라 건설·운영되는 도시철도 역과 그 주변지역이다. 즉, 일반적으로 도시철도 역을 중심으로 역이 갖는 지리적 영향권 또는 공간적 범위를 의미한다. 본 발명은 서울시 도시철도 주변지역의 개발특성을 상업·업무용 건축물의 연면적 비율을 기준으로 유형을 구분하고, 유형별 개발양상을 분석하는 것이며, 이를 위해 군집분석을 활용하여 서울시 도시철도에 대한 최적 군집수를 설정하고 유형을 구분한다. 이후 유형별 거리에 따른 상업·업무 개발 비율 변화를 통해 개발양상을 분석한다. 이하 상세히 설명한다.
본 발명에서는 서울시 도시철도 개발특성에 따른 유형화를 위해 「도시재정비촉진을위한특별법시행령」에서 지정한 ‘도시철도 역 중심점으로부터 500m’를 활용하여 도시철도 역 주변지역의 전체 건축물 연면적 대비 상업·업무 건축물 연면적 비율을 기준으로 유형화하였다. 이를 위해 입력 자료에 기반하여 최적 군집수를 도출하는 NbClust 군집분석방법을 활용하였다. 이는 입력된 자료를 대상으로 30개의 판별지수를 산출하고 이를 기준으로 최적 군집수를 도출하기 때문에 사전에 군집수를 정의하는 방법보다 활용도와 타당성이 높다. 이하 본 발명에서는 도시철도 역세권의 예시적인 것으로 서울시 도시철도 역을 선정하여 진행하였다.
본 발명에서는 서로 다른 두 개 이상의 집단에 각각 포함된 개체간의 차이(거리)가 최대가 되도록 군집을 설정하는 완전 군집방식(complete)을 적용하였다. 최적 군집수는 군집수 변화에 따른 D index 변화를 통해 검정한다. D index는 군집별 자료의 동질성 변화를 나타내는 지표로,
Figure pat00009
개 군집일 때 개별 군집들간의 동질성과
Figure pat00010
개 군집일 때 개별 군집들간의 동질성 변화를 분석하여 최적 군집수를 도출한다. 즉, 군집수 변화에 따라 각 군집간의 동질성 차이가 가장 작아지는 첫 번째
Figure pat00011
가 최적 군집수로, 이는 군집들의 동질성이 더 이상 유의미하게 낮아지지 않으며 군집 간 이질성이 명확한 군집수이다.
최적 군집수 도출과 유형화 이후, 유형 구분의 통계적 유의성 검정을 위해 일원 분산분석을 활용한다. 일원 분산분석은 유형 간 분산과 유형 내 분산의 크기를 비교함으로써 유형별 평균의 차이를 확인하는 방법으로, 역세권 유형화를 통한 유형별 평균 상업·업무개발 비율이 통계적으로 유의미한 차이를 갖는지 판단하고자
Figure pat00012
통계량을 활용하였으며, 이는 다음의 <식 1>과 같다.
Figure pat00013
Figure pat00014
Figure pat00015
<식 1>
여기서,
Figure pat00016
: 역세권 유형 간 평균 분산
Figure pat00017
: 역세권 유형 간 분산의 합
Figure pat00018
: 역세권 유형간 자유도
Figure pat00019
: 역세권 유형 내 평균 분산
Figure pat00020
: 역세권 유형 내 분산의 합
Figure pat00021
: 역세권 유형 내 자유도
서울시 도시철도 역을 유형화한 후, 유형별 개발양상 분석을 위해 일정 간격의 권역을 설정한 후 각 권역에 상업·업무 개발에 대한 공간정보를 입력한다. 이 과정에서 권역의 경계에서 절단되는 공간정보는 면적 가중(area weighting)을 통해 산출한다. 이는 특정 건축물의 연면적에 대해 바닥면적과 권역에 의해 절단되는 교차면적 비율을 통해 산출되며 이는 다음의 <식 2>와 같다. 역 중심점을 0m로 설정하고, 1,000m까지 동일한 중심을 갖는 10m 단위 권역 100개를 개별 역을 대상으로 구축하여 총 29,200개 권역에 758,156건의 건축물 정보를 4,789,260개로 분할하여 입력하였다.
Figure pat00022
<식 2>
여기서,
Figure pat00023
: 역
Figure pat00024
의
Figure pat00025
번째 권역 개발 비율
Figure pat00026
: 건축물
Figure pat00027
의 연면적
Figure pat00028
: 건축물
Figure pat00029
이 역
Figure pat00030
의
Figure pat00031
번째 권역에 의해 절단된 바닥면적
Figure pat00032
: 건축물
Figure pat00033
의 바닥면적
Figure pat00034
: 역
Figure pat00035
의
Figure pat00036
번째 권역 면적
상업·업무 개발양상 분석을 위해 거리변화에 따른 개발 비율을 분석하였다. 일반적으로 도시철도 역세권의 상업·업무 개발은 도 1과 같이, 역 중심으로부터 일정지점까지 감소양상을 보이다가 주변지역의 영향으로 인해 다시 증가한다. 이러한 특성을 반영하고 상업·업무 개발의 감소와 증가 지점을 실증적으로 확인하기 위해 극소지점과 극대지점을 갖는 3차 함수를 적용하였다. 이를 위해 역 중심으로부터의 거리를 설명변수로, 각 10m 단위 권역 내 상업·업무용 건축물 개발 비율을 종속변수로 하는 3차 함수를 도출하고 개발양상 특성을 분석하였다. 또한, 주거용 건축물 연면적을 활용하여 주거 개발 비율도 함께 분석한다. 이는 단순히 도시철도 역 주변지역에 상업·업무 개발만 발생하는 것이 아니며, 거리에 따른 용도별 개발양상이 유형별로 다르게 나타나는지를 실증적으로 확인하기 위함이다. 또한, 개별 관측치를 통해 개별 곡선을 추정할 경우, 과대·과소 추정이 발생할 수 있으며, 각 유형별 대표적 개발양상 파악에 어려움이 있다. 따라서 본 발명에서는 각 유형별 권역의 상업·업무 개발 비율 평균값을 해당 유형의 각 권역 개발양상 대표값으로 활용하였다.
서울시 도시철도 역세권은 유형별로 다른 개발양상 특성을 갖는다. 상업·업무 개발 비율의 거리에 따른 개발양상 분석을 통해 도시철도 역 유형별로 차이가 있음을 확인하였다. 주거기능이 강한 역세권의 경우 상업·업무 개발 비율의 증가와 감소가 뚜렷하지 않으나, 이 외의 역세권의 경우 일정 지점까지 최대로 개발 비율이 증가하고, 이후 주변지역 특성과 인접한 역의 영향이 미치는 지점까지 개발 비율이 감소하는 특성을 가지며, 특히 일부 유형은 법적 기준보다 큰 범위를 갖는다. 이는 획일적인 관리 기준이 아닌, 도시철도 역세권 유형별로 차별화된 관리계획 수립이 필요함을 시사하며, 특히 개발 거리와 구간별로 다르게 나타나는 개발 양상을 고려한 입체적 역세권 관리 기준이 필요함을 시사한다.
그리고, 서울시 도시철도 역 유형별로 건축물 용도에 따른 개발양상이 다르다. 도심역세권을 제외한 세 유형에서는 상업·업무 개발 비율의 증감이 주거 개발 비율의 증감과 함께 나타나는 것을 확인하였다. 이는 도시철도 역 중심으로부터 상업·업무 개발 비율이 최소가 되는 지점의 전·후에서 주로 확인되었다. 즉, 상업·업무 개발 비율이 최소가 되는 지점은 유형별로 다르게 나타났으며, 이 지점에서 주변지역 특성과 인접한 역의 영향으로 인해 개발양상이 달라진다. 이는 기존 선행연구에서 언급되던 역세권 세력의 한계지점으로 볼 수 있으며, 유형별로 다른 거리값을 보인다. 따라서 용도별 개발양상의 변화 분석은 도시철도 역 세력의 한계지점을 파악과 도시철도 역세권과 주변지역 관리를 위한 기초자료로써 활용될 수 있다.
[보행 도로망 기반의 주변지역 도출]
본 발명는 서울시 도시철도 역을 대상으로 실제 보행 도로망을 반영한 주변지역을 설정하여 분석에 활용하였다. 이러한 방식은 도시철도 역 유형화를 위한 500m 주변지역 설정에도 동일하게 적용하였다. 이에 결절점(node)과 선(line)으로 구성된 공간정보를 기반으로 서비스 권역(Service area) 분석을 활용하여 도로망 기반의 주변지역을 설정한다(도 2 참조). 서비스 권역(Service area) 분석이란 네트워크 분석 중 특정시설의 권역을 도출하는 방법으로, 특정 시설로부터 설정한 거리 또는 시간동안 이동 가능한 최대권역을 도출하는 방법이다. 이는 출발점(
Figure pat00037
)에서 최대 이동가능 지점(
Figure pat00038
)까지의 개별경로(
Figure pat00039
)를 모두 산출해낸 후(도 3 참조), 공간정보에 기반하여 출발점(
Figure pat00040
)에서 최대 이동가능 지점(
Figure pat00041
)까지 불규칙 삼각망(TIN, Triangulated Irregular Network)을 형성하여(
Figure pat00042
) 권역(
Figure pat00043
,
Figure pat00044
)을 추정한다(도 4 참조). 이 권역은 출발점인 특정시설(
Figure pat00045
)로부터 최대 이동 가능 범위를 도출하기 때문에 해당 시설이 갖는 권역을 의미한다. 본 발명에서는 서울시 도시철도 역을 출발점으로 하여 최대 이동 가능 범위 분석을 통해 10m 단위의 보행 도로망 기반 권역을 설정하였다. 또한, 평면적인 공간정보와 실제 도시공간과의 거리값 왜곡을 최소화하기 위해 아래 그림과 같이 삼각함수를 활용하여 경사도에 따른 거리 편차를 최소화하였다.
Figure pat00046
즉, 실제 도시공간에서는 높이차(
Figure pat00047
)로 인해 경사(
Figure pat00048
)가 존재하기 때문에 삼각함수(
Figure pat00049
)를 활용하여 단순 직선거리(
Figure pat00050
)를 보정하여(
Figure pat00051
) 분석에 활용하였다(위 그림 참조). 이 과정에서 수치지형도 내 등고선을 활용하였으며, 서울시 전체를 10m*10m 단위로 격자화한 경사도 값을 산출하여 적용하였다.
본 발명에서는 서울시 도시철도 역을 역 중심점으로부터 보행 가능한 500m의 범위에 존재하는 상업·업무용 건축물의 연면적 비율을 활용해 상업·업무 개발 비율을 산출하고 이를 바탕으로 유형화하였다. 이는 서울시 도시철도 역세권에 대한 동일기준 적용과 상업·업무 개발특성 반영을 위함이다. 군집수 변화에 따른 D index의 값과 변화량은 도 5와 같다. D index 값과 변화량이 군집수가 4개 일 때 유의미한 변화를 나타내었으며, 일원 분산분석을 통한
Figure pat00052
통계량이 1033.650로 4개의 유형에 따라 상업·업무 개발 비율이 통계적으로 차이가 있음을 확인하였다. 이는 역 주변 500m 내 상업·업무 개발 비율을 기준으로 서울시 도시철도 역세권을 유형화할 경우 4개의 유형이 통계적으로 적합함을 의미한다.D index 분석 결과를 바탕으로, 서울시 도시철도 역세권을 4개의 유형으로 구분한 결과는 도 6과 같다. 유형 1의 경우, 서울시 3도심에 위치하며, 상업·업무 개발 비율이 가장 높은 역세권이다. 유형 2의 경우, 서울시의 3도심 인근과 7광역중심에 위치하며, 역세권의 상업·업무 개발 비율이 약 61%로 구성된 역세권이다. 유형 3의 경우, 가장 많은 도시철도 역이 해당하며 전체 용도 개발 비율이 서울시 평균과 가장 유사한 수준을 보이며, 유형 4의 경우 서울시 평균의 1/4 수준에 해당하는 상업·업무 개발 비율을 보이며 주로 서울시 주거지역에 위치한 역이다. 본 발명에서는 유형 1 역세권을 도심역세권, 유형 2 역세권을 광역역세권, 유형 3 역세권을 근린역세권, 유형 4 역세권을 주거지역세권으로 정의하였다.
서울시 도시철도 주변지역의 상업·업무개발 양상을 거리에 따라 분석하기 위해, 각 유형별 거리와 상업·업무용 건축물 연면적 비율의 변화를 설명할 수 있는 3차 함수를 도출하고, 대수함수, 역함수, 2차 함수, S함수, 성장함수, 혼합함수, 파워함수, 지수함수, 로지스틱함수를 적용하여 3차 함수의 상대적 설명력을 비교하였다.
도심역세권(유형 1)의 상업·업무용 건축물 개발양상을 제외하고 3차함수가 도시철도 주변지역 개발양상을 가장 잘 설명한다. 도심역세권(유형 1)의 상업·업무용 건축물 개발양상의 경우 S함수가 가장 높은 설명력을 보이나, 지수함수의 형태로 도시철도 역 중심으로부터 개발양상의 증가와 감소를 설명하기에 적합하지 않아 두 번째로 설명력이 높은 3차 함수를 적용이 적합함을 확인하였다.
도심역세권(유형 1)의 경우 공간적 범위(0~1,000m) 내 극값이 추정되지 않았으며, 도시철도 역 중심으로부터 주거용 건축물 개발 비율이 점차 증가하는 형태를 보인다. 이는 도심역세권 유형이 주거용 건축물 비율이 가장 낮은 유형이기 때문에 상업·업무용 건축물로 이루어져 있는 특성을 반영하는 결과이다.
광역역세권(유형 2)의 경우 주거용 건축물 개발양상의 최대지점(극대지점)이 872.496m이며, 42.02%의 개발 비율을 나타낸다. 또한 도시철도 역 중심으로부터 약 680m 지점부터 상업·업무용 개발 비율보다 주거용 개발 비율이 높아지는 양상을 보인다. 즉, 광역역세권(유형 2)의 경우는 약 680m부터 872.496m까지 주거용 개발 비율이 증가한다. 상업·업무용 개발 비율의 최소지점인 810.905m와 비교해볼 때, 상업·업무용 개발 비율이 극소지점을 지나 증가 양상을 보일 때 주거용 개발 비율은 증가하며, 최대지점을 지나 감소양상을 보일 때 상업·업무용 개발 비율은 증가한다. 이는 인접한 역의 영향으로 인해 상업·업무 개발 비율이 극소지점 이후 증가하는 역세권 특성에 따른 결과이며, 이 과정에서 주거용 개발 비율은 감소한다.
근린역세권(유형 3)과 주거지역세권(유형 4)은 500m 내 주거용 건축물 개발 비율이 50% 이상인 유형들로 다른 유형에 비해 주거기능이 상대적으로 높은 역세권이다. 이러한 특성에 의해 근린역세권(유형 3)의 경우 상업·업무용 건축물 개발 비율은 극대지점인 124.839m 이후 감소하며 약 240m 지점에서 주거용 개발 비율보다 낮아진다. 공간적 범위(0~1,000m) 내에 주거 개발 비율의 극소지점과 극대지점이 존재하며, 상업·업무 개발 비율의 극소지점(773.125m) 이전에 주거용 개발 비율의 극대지점(672.745m)이, 이후에 극소지점(945.979m)이 존재한다. 주거지역세권(유형 4)의 경우 약 130m 지점에서 주거용 개발 비율이 상업·업무용 개발 비율보다 높아진다. 주거지역세권(유형 4)는 다른 유형과 달리 상업·업무 개발 비율의 극대지점이 없으며 도시철도 역 중심으로부터 일정 개발 비율까지만 증가한 후 극소지점까지 감소하는 형태를 보인다. 근린역세권(유형 3)과 동일하게 상업·업무 개발비율 극소지점(558.556m) 이전에 주거용 개발 비율의 극대지점(489.825m)이, 이후에 극소지점(873.392m)이 존재한다. 이는 주거 개발 비율이 극대지점까지 증가 후 상업·업무 개발 비율과 함께 극소지점까지 감소함을 의미한다. 이후 주거 개발 비율은 극소지점까지 감소하며 상업·업무 개발 비율만 증가하지만, 주거 개발 비율의 극소지점 이후엔 주거용 개발 비율과 상업·업무 개발 비율이 함께 증가한다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (6)

  1. 도시철도 역 중심점으로부터 소정 거리를 활용하여 도시철도 역 주변지역의 건축물 연면적 대비 상업·업무 건축물 연면적 비율을 기준으로 도시철도 역을 유형화하는 제1단계;와
    보행 도로망을 반영하여 도시철도 역 주변지역을 설정하여 분석하는 제2단계;를 포함하되,
    상기 제2단계에서는 결절점(node)과 선(line)으로 구성된 공간정보를 기반으로 서비스 권역(Service area) 분석을 활용하여 도로망 기반의 주변지역을 설정하는 단계를 포함하는,
    보행 네트워크를 활용한 도시철도 역세권 한계범위 방법.
  2. 제1항에 있어서,
    도시철도 역을 출발점으로 하여 최대 이동 가능 범위 분석을 통해 일정 간격 단위의 보행 도로망 기반 권역을 설정하고,
    평면적인 공간정보와 실제 도시공간과의 거리값 왜곡을 최소화하기 위해 삼각함수를 활용하여 경사도에 따른 거리 편차를 최소화하는 과정을 포함하는,
    보행 네트워크를 활용한 도시철도 역세권 한계범위 방법.
  3. 제2항에 있어서,
    도시철도 역을 출발점으로 하여 거리변화에 따른 상업·업무 개발양상을 분석하기 위해, 거리변화에 따른 개발 비율을 분석하고,
    상기 개발 비율은 도시철도 역 중심으로부터 일정지점까지는 감소양상을 보인 후 주변지역의 영향으로 인해 다시 증가하는 특성을 반영하여, 상업·업무 개발의 감소와 증가 지점을 실증적으로 확인하기 위해 극소지점과 극대지점을 갖는 3차 함수를 적용하는 것을 특징으로 하는,
    보행 네트워크를 활용한 도시철도 역세권 한계범위 방법.
  4. 제2항에 있어서,
    상기 도시철도 역의 유형화는 4개의 유형으로 유형화되고,
    상기 4개의 유형은 도심역세권, 광역역세권, 근린역세권, 주거지역세권으로 구성되는,
    보행 네트워크를 활용한 도시철도 역세권 한계범위 방법.
  5. 제1항에 있어서, 도시철도 역을 유형화하는 상기 제1단계에서,
    군집분석을 활용하여 도시철도에 대한 최적 군집수를 설정하는 최적 군집수 설정과정을 포함하고,
    상기 최적 군집수 설정과정은,
    서로 다른 두 개 이상의 집단에 각각 포함된 개체간의 차이(거리)가 최대가 되도록 군집을 설정하고,
    Figure pat00053
    개 군집일 때 개별 군집들간의 동질성과
    Figure pat00054
    개 군집일 때 개별 군집들간의 동질성 변화를 분석하여 최적 군집수를 도출하며,
    군집수 변화에 따라 각 군집간의 동질성 차이가 가장 작아지는 첫 번째
    Figure pat00055
    를 최적 군집수로 설정하는 것을 특징으로 하는,
    보행 네트워크를 활용한 도시철도 역세권 한계범위 방법.
  6. 제5항에 있어서,
    도시철도 역을 유형화한 후, 유형별 개발양상 분석을 위해 일정 간격의 권역을 설정한 후 각 권역에 상업·업무 개발에 대한 공간정보를 입력하는 공간정보 입력 과정을 더 포함하고,
    상기 공간정보 입력 과정에서 권역의 경계에서 절단되는 공간정보는 면적 가중(area weighting)을 통해 산출하고,
    상기 면적 가중은 특정 건축물의 연면적에 대해 바닥면적과 권역에 의해 절단되는 교차면적 비율을 통해 산출되는 아래의 <식>과 같은 것을 특징으로 하는,
    보행 네트워크를 활용한 도시철도 역세권 한계범위 방법.
    Figure pat00056
    <식>
    여기서,
    Figure pat00057
    : 역
    Figure pat00058
    의
    Figure pat00059
    번째 권역 개발 비율
    Figure pat00060
    : 건축물
    Figure pat00061
    의 연면적
    Figure pat00062
    : 건축물
    Figure pat00063
    이 역
    Figure pat00064
    의
    Figure pat00065
    번째 권역에 의해 절단된 바닥면적
    Figure pat00066
    : 건축물
    Figure pat00067
    의 바닥면적
    Figure pat00068
    : 역
    Figure pat00069
    의
    Figure pat00070
    번째 권역 면적
KR1020200068593A 2020-06-05 2020-06-05 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법 KR102340092B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200068593A KR102340092B1 (ko) 2020-06-05 2020-06-05 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200068593A KR102340092B1 (ko) 2020-06-05 2020-06-05 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법

Publications (2)

Publication Number Publication Date
KR20210151578A true KR20210151578A (ko) 2021-12-14
KR102340092B1 KR102340092B1 (ko) 2021-12-15

Family

ID=78865959

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200068593A KR102340092B1 (ko) 2020-06-05 2020-06-05 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법

Country Status (1)

Country Link
KR (1) KR102340092B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703039A (zh) * 2023-08-01 2023-09-05 中国铁路经济规划研究院有限公司 站城融合数据分析方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002099653A (ja) * 2000-09-22 2002-04-05 Sanyo Electric Co Ltd 地域情報提供システム
KR20140002168A (ko) * 2012-06-28 2014-01-08 서울시립대학교 산학협력단 네트워크 기반의 지아이에스 불규칙삼각망을 이용한 역세권 범위 설정 방법
JP2016076084A (ja) * 2014-10-06 2016-05-12 株式会社リンクコーポレーション 生活圏設定支援装置、プログラム、および記憶媒体
JP2017059000A (ja) * 2015-09-17 2017-03-23 株式会社パスコ 商圏予測装置及び商圏予測プログラム
KR101924448B1 (ko) * 2017-07-28 2018-12-04 주식회사 빅밸류 부동산 시장 군집화 방법 및 장치, 이를 이용한 부동산 시세 추정 시스템 및 방법
KR102059296B1 (ko) * 2019-06-18 2020-02-20 최승기 토지의 개발 가능행위 분석 방법 및 시스템
KR20200058064A (ko) * 2018-11-19 2020-05-27 이윤택 부동산 관련 데이터 정보를 이용한 부동산 물건의 미래 예측 분석 서비스 제공 시스템 및 제공 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002099653A (ja) * 2000-09-22 2002-04-05 Sanyo Electric Co Ltd 地域情報提供システム
KR20140002168A (ko) * 2012-06-28 2014-01-08 서울시립대학교 산학협력단 네트워크 기반의 지아이에스 불규칙삼각망을 이용한 역세권 범위 설정 방법
KR101947731B1 (ko) * 2012-06-28 2019-04-26 서울시립대학교 산학협력단 네트워크 기반의 지아이에스 불규칙삼각망을 이용한 역세권 범위 설정 방법
JP2016076084A (ja) * 2014-10-06 2016-05-12 株式会社リンクコーポレーション 生活圏設定支援装置、プログラム、および記憶媒体
JP2017059000A (ja) * 2015-09-17 2017-03-23 株式会社パスコ 商圏予測装置及び商圏予測プログラム
KR101924448B1 (ko) * 2017-07-28 2018-12-04 주식회사 빅밸류 부동산 시장 군집화 방법 및 장치, 이를 이용한 부동산 시세 추정 시스템 및 방법
KR20200058064A (ko) * 2018-11-19 2020-05-27 이윤택 부동산 관련 데이터 정보를 이용한 부동산 물건의 미래 예측 분석 서비스 제공 시스템 및 제공 방법
KR102059296B1 (ko) * 2019-06-18 2020-02-20 최승기 토지의 개발 가능행위 분석 방법 및 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
이연수, 손동욱, 역세권의 적정 공간범위 설정 방법론을 통한 지하철 이용수요와 역세권의 도시공간구조간의 연관성 분석, 한국도시설계학회지, 2012.08.* *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703039A (zh) * 2023-08-01 2023-09-05 中国铁路经济规划研究院有限公司 站城融合数据分析方法及装置
CN116703039B (zh) * 2023-08-01 2023-11-10 中国铁路经济规划研究院有限公司 站城融合数据分析方法及装置

Also Published As

Publication number Publication date
KR102340092B1 (ko) 2021-12-15

Similar Documents

Publication Publication Date Title
Gale et al. Creating the 2011 area classification for output areas (2011 OAC)
CN106815333A (zh) 一种智慧网格化区域管理系统
Ghodousi et al. Analyzing public participant data to evaluate citizen satisfaction and to prioritize their needs via K-means, FCM and ICA
CN113554323A (zh) 面向路网关键节点的应急保障优化设计方法
KR102340092B1 (ko) 보행 네트워크를 활용한 도시철도 역세권 한계범위 방법
Long et al. Multifractal scaling analyses of urban street network structure: The cases of twelve megacities in China
Ma et al. GIS-based analysis of spatial–temporal correlations of urban traffic accidents
Afuzagani et al. Optimizing BTS placement using hybrid evolutionary firefly algorithm
Cockings et al. Getting the foundations right: spatial building blocks for official population statistics
Drobne et al. Intramax and other objective functions: The case of Slovenia
Eagleson et al. Hierarchical spatial reasoning theory and GIS technology applied to the automated delineation of administrative boundaries
Stats Urban accessibility–methodology and classification
Essadiki et al. Optimisation of technical steps of a rural land consolidation using a geographic information system: Land reallocation step
CN113553350A (zh) 一种相似演化模式聚类及动态时区划分的交通流分区模型
Wei et al. Classifying High-Speed Rail Stations in the Yangtze River Delta, China: The Node-Place Modelling Approach
Kadar et al. The Impact of various maintenance strategies on unsealed road deterioration to achieve an acceptable maintenance budget & road performance
CN115331426B (zh) 一种城市片区道路网交通承载力计算方法
Feng et al. Urban Traffic Congestion Identification Based on Adaptive Graph Convolutional Network
Uddin et al. Examining TOD node typology using k-means, hierarchical, and latent class cluster analysis for a developing country
Purvis Incorporating land use and accessibility variables in travel demand models
Eagleson et al. Hierarchical spatial reasoning applied to the automated design of administrative boundaries using GIS
CN117235556B (zh) 一种面向交通管理者的多模式交通复合网络构建方法
Tanaka Using GIS Based Property Tax Data For Trip Generation.
Statistics Aggregating Data Zones to produce statistics for higher-level geographies
CN114926098B (zh) 基于移动定位数据的城乡生活圈快速划定方法及其系统

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant