Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-8857(Print)
ISSN : 2288-9493(Online)
Journal of Korean Society of Rural Planning Vol.23 No.2 pp.43-54
DOI : https://doi.org/10.7851/Ksrp.2017.23.2.043

Analysis of Spatial Structures and Central Places of Gwangju and Jeonnam Region using Social Network Analysis

Jimin Lee
Research Institute of Agriculture and Life Sciences, Seoul National University

Corresponding Author : Lee, Jimin 02-880-4580habi1004@snu.ac.kr
20170314 20170410 20170526

Abstract

When an age of low growth and population decline, population migration plays an important role in spatial structure of region. There have been many researches on migration and regional spatial structure. The purpose of this study is to examine the changes of Gwangju and Jeonnam region’s spatial structure and central area using social network analysis methods. For analysis it was used that population and migration data and passenger OD(Origin and Destination) travel data released by Statistics Korea and Korea Transport Database(KTDB). Using Gephi 0.8.2, migration and passenger OD networks were visualized, and this describe network flow and density. The results of the network centrality analysis show that the most populated village is not always network center though population mass is an important factor of central places. The average eigenvector centrality of 2010 migration is the lowest during 2005-2015, and it means few regions have high centralities. When comparing migration and travel networks, travel data is more effective than migration data in determining the central location considering spatial functions.


사회네트워크 분석을 이용한 광주 전남지역의 공간 구조 변화 및 중심지 분석

이 지민
서울대학교 농업생명과학연구원

초록


    National Research Foundation of Korea
    NRF-2015R1C1A2A01052421

    I.서 론

    인구 절벽, 고령사회라는 단어가 익숙해질 만큼 인구 문제는 우리나라의 중요한 문제로 인식되고 있다. 최근 에는 생산가능 인구(15~64세 인구)가 2017년부터 감소하 기 시작하고 2030년 이후 총인구 감소가 예상되는 등 인구구조는 사회경제적으로 큰 영향력을 가지므로 중요 한 문제로 인식되고 있다.

    특히 농촌지역은 이미 오래전부터 고령화, 과소화에 대해 문제를 인식하고 이에 대한 다양한 연구가 진행되 어 왔으며, 최근 한국고용정보원은 향후 30년 내에 84개 시·군, 1,383개 읍·면·동이 소멸될 수 있다는 연구결과를 내놓았다(Lee, 2016; Kyunghyang Shinmun, 2017). 이에 우리나라 정부는 2017년 인구감소지역을 위한 신발전방 안(계획)을 마련하겠다고 발표한 상태이다(The Farmers Newspaper, 2017).

    인구감소지역에 대한 방안뿐만 아니라 최근 지역재편 의 필요성에 대한 지적도 있어왔다(Cho et al.,2014). 현 재와 같은 저성장시대에서는 지역 내 자원의 효율적인 활용, 지역 내 기능과 공간구조를 고려한 효율적인 지역 시스템 계획 및 구축이 필요하다. 다양한 사회문제에 지 역별 권역별 시스템적인 대응이 필요하며, 이러한 지역 계획 수립에서 지역공간의 기능과 구조를 고려가 필수적 이다.

    도시체계에 대한 전통적인 연구는 중심지이론에 토대 를 두고 도시 계층성을 파악하기 위해 주로 인구수나 서 비스 기능들을 종합화한 지수 등의 자료를 활용하여 도 시 위계를 분석하였다. 그러나 이러한 연구들은 도시간 실제 상호작용을 직접 반영하지 못하는 한계를 가지므 로, 1990년대 이후 네트워크의 중요성이 강조됨에 따라 도시체계 연구에서도 네트워크 분석이 이뤄지고 있다 (Lee and Kim, 2006). 일정한 지역 내 공간구조는 지리적 으로 유사하게 나타나는 등질지역과 기능적으로 밀접하 게 연결되는 기능지역으로 군집하기 마련이다. 등질지역 은 주거, 상업, 공업지역과 같이 지역 구성요소의 배열을 분석하는데 반해 기능지역은 인구이동, 물자유동, 정보유 동 등이 공간 상호작용에 의한 지역특성을 파악하는 것 이다(Son, 2004). 즉, 지역이라는 공간은 지역 내 인구, 자원의 흐름에 의해 지역 내 기능이 형성되고 지역 구조 를 구축하므로 지역간 상호작용(네트워크) 분석을 필요 로 한다.

    지역간 상호작용 분석 연구로는 크게 인구이동에 대 한 연구와 통근통행 자료를 분석한 연구가 주로 이루어 졌다. 저출산 고령화 사회에서 인구 변화에 대한 인구이 동의 영향력은 더욱 커질 수밖에 없다. 인구이동은 인구 의 공간적 재분포에 결정적인 영향을 주고 있으며, 지역 의 변화를 이해하는데 그 중요성이 증대되고 있다. 왜냐 하면 인구이동은 인구의 단순한 증감을 넘어 인구학적, 사회적, 경제적 구조를 변화시키기 때문이다(Kim, 2010). 인구이동은 지역의 변화를 일으키는 원인인 동시에 결과 라 볼 수 있다. 지역의 인구, 경제, 사회 등 다양한 분야 에 많은 영향을 미치며 현재 자연적 인구증가가 거의 이 루어지지 않고 있어 사회적 증가가 그 지역의 인구변화 를 주도하고 있다(Seong et al., 2015). 통행은 도시가 성 장, 팽창하게 되면서 필연적으로 증가하게 되는데, 통행 이 발생, 유입되는 곳은 각각의 특성에 따른 다양한 토 지이용의 특성이 나타나며, 통행의 방향, 양은 지역사이 의 연결성, 공간상호작용의 특징이 드러난다(Kim, 2008). 지역간 연계 구조를 파악하기 위해 가장 일반적으로 사 용되는 통행목적은 통근과 통학이다. Kim et al.(2010)는 공간적으로 통행패턴이 유사한 대상을 분석할 경우 통근 통학 자료만을 이용해도 되나, 농촌과 도시라는 이질적 두개 이상의 공간유형을 경우 농촌의 생활패턴과 도시의 생활패턴을 직접 비교가 불가능하므로 추가적인 통행목 적 자료를 활용해야 한다고 주장하였다. 다양한 목적의 통행 자료를 이용한 연구로는 Yim and Song(2015)의 사 회문화적 연계 구조를 분석한 연구가 있었다.

    그러나 이러한 연구들은 대부분 시군구단위로 이루어 졌으며, 일정 시점의 인구이동이나 통행 중 하나의 자료 를 대상으로 진행하여, 인구이동, 여객자료를 이용한 다 년도 현상에 대한 비교 연구는 부재한 실정이다.

    본 연구에서는 네트워크 분석방법을 이용하여 거주지 이전 및 통행에 의해 나타나는 공간 구조를 비교 분석하 고자 한다. 거주지이전은 장기적 이동으로 보고, 여객이 동 자료의 목적별 통행은 일시적 이동으로 보아 인구의 장・단기적 이동에서의 차이와 시간에 따른 중심지의 변화를 살펴보고자 한다.

    II.자료 및 연구방법

    1.연구대상지 및 자료

    연구대상지는 광주광역시와 전라남도 지역을 대상으 로 하였다. 시군구 인구변화의 국지 모란분석 결과, 전라 남도 지역이 인구가 적은 지역인 집중된 콜드 스팟이 크 게 존재하는 동시에 광주광역시 북구지역이 아웃라이어 지역(인구감소하지 않거나 증가한 지역)으로 지속적으로 나타났다(Figure 1). 광주 및 전라남도 지역은 인구감소 위험도가 높은 지역으로 지역내 중심지의 역할이 중요하 다고 판단하여 해당 지역을 대상지역으로 선정하였다.

    분석 자료는 거주지이전 분석을 위한 인구이동 자료 와 통행 분석을 위한 여객통행 자료를 대상으로 하였으 며, 지역 외부로의 이동자료는 제외하였다. 인구이동 자 료는 광주광역시는 5개구 93개 읍면동, 전라남도는 22개 시군의 338개 읍면동을 기준으로 총 431개 읍면동 단위 (2005년은 421, 2010년 408)로 분석하였으며, 여객통행 자료는 광주권역으로 집계된 광주광역시와 6개 시군으로 구성된 168개(2006년 166개) 존 자료를 분석하였다.

    인구이동 자료는 통계청 MDIS(Korea Statistics Microdata Integrated Service, 2016)에서 제공된 2005년, 2010년, 2015년 전입전출 자료를 이용하였으며, 원자료 에서 매트랩(Matlab)을 이용하여 기종점 코드 및 인구이 동 수를 추출하여 OD(Origin and Destination)자료로 변환 하였다. OD자료 에지(edge) 수는 2005년 52,717개, 2010 년 30,611개, 2015년 46,642개 규모이다. 목적별 통행자 료는 국가교통DB센터(Korea Transport Database, 2017)의 2006년, 2010년, 2014년 광주광역존의 여객 기종점통행 량 자료를 이용하였다. 통행목적별 OD자료는 통근, 통 학, 업무, 쇼핑, 학원, 기타, 귀가 목적으로 나눠지는데 이 중 귀가를 제외하고 쇼핑, 학원과 오락, 친교 등의 기 타 목적을 여가로 재분류하여 분석하였다. 통행 네트워 크 에지 수는 2006년 10,127개, 2010년 6,810개, 2014년 7,093개로 나타났다.Table 1

    GIS자료는 통계청 지리정보(2017)의 각 연도의 행정구 역도를 사용하였으며, 읍면동의 중심좌표 경위도를 추출 하여 네트워크 시각화에 사용하였다. 이때 행정구역도상 에 표시되지 않은 출장소는 해당 읍면동의 중심점 좌표 를 사용하였다.

    2.연구방법

    본 연구에서는 사회네트워크 분석 방법을 사용하여 지역의 공간 구조 및 중심지를 분석하였다. 사회 네트워 크는 사람이나 특정 연령, 성별 등의 그룹, 자료 등의 객체간의 관계 및 네트워크를 말하는 것이며(Park et al., 2010), 이를 분석하는 사회네트워크 분석은 객체들 사이 의 관계와 관계들 사이의 구조를 도출하는 것이다(Kim, 2003).

    네트워크 분석방법은 그래프 이론에 따라 각 객체를 결절점으로 보고 결절점과 결절점을 연결하는 연결선을 구축하고 네트워크상의 각종 흐름을 분석하는 것이다 (Lee and Kim, 2006). 본 연구에서는 읍면동 지역이 각 결절점이 되며, 인구의 장단기적 이동이 흐름에 해당한 다. 네트워크 자료는 시작 결절점과 도착 결절점, 이동수 인 가중치로 구성된다.

    사회네트워크 분석에서 각 결절점의 중심성을 측정하 는 방법은 연결중심성, 근접중심성, 매개중심성, 고유벡 터 중심성 등 다양하다. 본 연구에서는 gephi 0.8.2를 이 용하여 연결중심성, 매개중심성(betweenness centrality)과 고유벡터 중심성(eigenvector centrality)을 통해 지역의 중 심성을 비교하였다.

    연결중심성은 한 점에 얼마나 많은 다른 점들이 관계 를 맺고 있는지를 기준으로 그 점이 중심에 위치하는 정 도를 계량화한 것이다. 보통 결절점의 연결수(degree)를 기준으로 분석되나, 본 연구에 사용된 네트워크 자료는 방향성을 가진 가중 네트워크로 결절점의 총 가중치인 총 인구 이동량(유입량+유출량, weighted degree(Opsahl, T, 2010))을 통해 살펴보았다(eq. 1). 특히 목적별 통행 자료에 대해서는 유입통행량(weighted in-degree)을 분석 하여 목적별 통행이 집중되는 지역을 살펴보았다.

    C D w ( i ) = j N w i j
    (eq. 1)

    매개중심성은 네트워크 내에서 한 점이 담당하는 매 개자 혹은 중재자 역할의 정도로서 중심성을 측정하는 방법이다. 한 노드가 연결망 내의 다른 노드들 사이의 최단 경로 위에 위치하면 할수록 그 노드의 매개 중심성 이 높게 나타난다. gephi 0.8.2에서 제공되는 Brandes(2001)의 알고리즘(eq. 2)을 기반으로 만들어진 플 러그인을 이용하여 매개중심성 분석을 시행하였다. Brandes의 알고리즘은 가중네트워크에서 최단경로를 찾 는 Dijkstra(1959) 알고리즘을 사용하였다. 본 연구에서는 매개중심성이 높은 지역이 인구이동 및 통행에서 중심지 간 중간 가교역할이 향후 가능할 지역으로 판단하여 살 펴보았다.

    C B ( i ) = s , t N , s i t σ s , t ( i ) σ s , t
    (eq. 2)

    • σs, i(i) : no. of shortest paths from s to t that pass through node i

    • σs, t : total no. of shortest paths from node s to t

    이에 반해 고유벡터 중심성은 고유벡터 중심성 또는 연쇄 중심성이라 하며, 네트워크 내에서 가장 영향력이 있는 중심 노드를 찾는데 유용하다. 즉, 네트워크에서 한 노드가 다른 노드에 영향을 미치고 그 노드 또한 다른 많은 노드들에 영향을 미치므로, 이러한 노드 체인에서 첫번째 노드는 영향력이 높다고 말하는 것이 고유벡터 중심성이다(Lee, 2012). 직˙간접적으로 연결되는 결절점 뿐만 아니라 연결된 상대방의 중심성을 함께 고려하기 때문에 중심지 측정 등에 주로 사용된다(Joo and Kim, 2014).(eq. 3)

    x i = 1 λ j = 1 N w i j x j , λ X = W · X
    (eq. 3)

    III.네트워크 구조 분석

    1.인구이동 및 통행 현황

    가.인구이동 현황

    2005년 인구이동을 살펴보면 광주광역시와 전라남도 전체지역의 인구이동의 양이 비슷하나, 주민등록인구대 비 이동인구 비율은 광주광역시의 경우 45.05%로 전라 남도지역의 27.39%보다 높아 높은 이동성을 보이고 있 다. 2010년의 경우 광주광역시의 이동인구 비율이 34.86%로 낮아졌으나 전라남도의 경우는 2005년과 비슷 한 26.48%를 보였다. 2015년의 이동인구의 비율은 광주 광역시 28.46%, 전라남도는 22.27%로 모두 감소한 것으 로 나타나 10 여 년간 광주광역시 인구이동이 활발히 이 뤄졌으며 최근 둔화된 경향을 보인다.Table 2

    나.목적별 통행 현황

    거주지의 이전이 장기적 이동이라면 매일매일 발생되 는 인구의 이동은 통행이다. 교통수단의 발달과 직주분 리 현상, 생활권 확대 등으로 인하여 거주지에서 타지역 으로의 통행은 활발해졌다. 2006년 광주광역시와 전라남 도의 총 통행량을 살펴보면 광주광역시의 경우 하루 동 안 298만 명이 이동하며, 전라남도(광주 통행권 6개 시 군)의 경우 약 52만 명이 이동하는 것으로 나타났다. 총 이동량 중 목적별로 살펴보면 여가 목적(쇼핑, 학원, 기 타 목적 포함)이 각각 43.5%, 44.87%로 가장 높게 나타 났으며 그 다음으로 출근이 약 30%정도로 나타났다. 2010년과 2014년으로 변화하면서 광주광역시의 통행 이 동량이 증가하였으며, 출근 목적의 통행이 총 통행 중 34%, 38%로 크게 증가하였다.Table 3

    2.인구 이동의 네트워크 구조 변화

    전체적인 네트워크 구조 변화를 살펴보기 위해 각 읍 면동의 경위도 정보를 이용하여 네트워크를 시각화하였 다. 인구이동량(weighted degree)을 기준으로 노드 크기 및 색을 표시하고 가중치(이동량)가 15이하인 엣지는 제 거하여 표현하였다(Figure 2). 이와 같은 기준으로 시각 화한 2005년, 2010년, 2015년의 인구이동 네트워크를 살 펴본 결과, 2005년과 2010년에는 서로 다른 지역인 광주 권, 목포권, 순천권 사이 인구이동 엣지가 많이 분포하였 으나 2015년에는 확연히 줄어들었음을 알 수 있었다. 특 히 목포와 광주지역간의 이동량이 줄어든 분포를 보이고 있다. 이는 원거리 주요 중심지로의 이동보다는 근거리 인 인접 중심지 혹은 지역내 이동이 더 활발히 이뤄지고 있음을 보여준다.

    인구이동에서 전체적인 지역별 중심성의 변화를 살펴 보기 위해 네트워크 중심성 분석 결과를 지도위에 도시 한 결과 Figure 3과 같다. 고유벡터 값은 0에서 1사이 값 을 가지며, 중심성이 가장 높은 지역이 1의 값을 갖는다. 각 지역의 고유벡터 중심성지수값 변화를 살펴보기 위해 지수값을 등간격으로 10등급으로 나타낸 연도별 주제도 를 살펴보면 2005년에서 2010년 사이 전라남도 서쪽지 역의 중심성이 매우 낮아졌음을 볼 수 있으며, 2015년에 는 다시 조금 회복한 형태를 보였다. 2005에는 높은 고 유벡터 중심성 지수값을 갖는 지역이 넒게 분포하였으나 2010년에는 기존의 높은 중심성 지수값을 보인 지역만 유지한 채 대부분의 지역이 중심성 값이 감소한 것으로 나타났다. 그러나 2015년 주제도를 살펴보면 2005년 수 준까지는 아니라도 회복한 것으로 나타나 2010년 일부 지역으로 인구이동이 집중되었고 이후 완화된 것으로 보 인다. 이러한 변화는 고유벡터 중심성 지수 분포의 통계 적 특성에서도 살펴 볼 수 있는데, 2010년에는 낮은 지 수값을 갖는 지역수가 크게 증가하고 중간 값을 갖는 지 역 수가 감소하였다가 2015년에 다시 회복된 형태를 보 인다(Table 4). 연도별 변화에서 공통점을 살펴보면 광주 광역시와 광주에 인접한 화순군의 중심성이 유지되고 있 으며, 광주권역에서 원거리에 존재하는 장흥군, 광양시, 강진군, 해남군, 영광군, 완도군의 읍소재지의 중심성이 유지되고 있음을 살펴볼 수 있다.

    3.목적별 통행 네트워크의 구조 변화

    전체 통행이동량(weighted degree)을 기준으로 노드의 크기와 색으로 표현한 결과 Figure 4 (a)~(c)와 같으며, 20005년에서 2010년 사이 통행량이 증가한 노드가 광주 광역시 북서쪽에 분포하고 있음을 알 수 있다. 이와 동 시에 광주 북서쪽에 위치한 장성군의 노드 크기가 줄어 듦을 볼 수 있다. 이러한 시각화된 네트워크를 통해 시 간에 따른 네트워크 밀도의 변화 및 상대적 활동정도를 비교할 수 있다.

    목적별 통행의 네트워크 구조를 살펴보면(Figure 4 (d)~(n)), 출근 통행이 전체 통행과 가장 유사한 형태를 보이고 있다. 2006년, 2010년, 2014년 비교할 때 2006년 이 타지역간의 가장 활발한 통행이 이뤄졌으며, 2010년 에 줄어든 현상이 2014년까지 지속되고 있다. 또한 2010 년과 2014년을 비교할 때, 화순군과 나주시의 노드크기 가 줄어들어 상대적으로 통근통행량이 줄어든 것을 알 수 있다. 여가활동 통행량 네트워크 구조가 통근통행 다 음으로 전체 통행량과 유사한 구조를 보이고 있는데, 통 근통행과 같이 2006년보다 2010년에 타지역간 통행이 줄어든 것으로 보이며, 광주지역 내 노드들과 함평군과 화순군의 노드크기가 줄어들어 여가 활동량이 줄어들었음 을 예상할 수 있다. 2010년과 2014년을 비교할 때 지역 간 여가활동을 위한 통행은 더 증가하였으나 구조는 유사 한 것으로 보인다. 지역 내 통행이 주를 이루는 통학 통 행의 경우, 통근이나 여가활동 통행과 다른 네트워크 구 조를 보였다. 지역간 통행은 약하게 나타났으며, 대학 소 재지 등 통행이 집중되는 지역이 뚜렷하게 나타나 시간에 따른 변화는 크지 않았다. 업무통행의 경우 통학통행과 같이 원거리 지역으로의 통행이 크게 나타나지 않는 특성 을 보였으며, 2006년에는 전라남도 지역 전체적으로 일정 규모 이상의 업무 통행이 이뤄진 지역이 많은데 반해, 2010년부터 외곽지역의 노드크기가 줄어든 것으로 보아 전라남도 지역의 업무통행량이 줄어든 것을 예상할 수 있 다. 2014년은 2010년에 비해 광주 중심지와 전라남도 시 군 간의 통행이 조금 증가한 것으로 나타났다.

    목적별 통행 네트워크의 고유벡터 중심성 변화를 살 펴보면(Figure 5), 시간에 따라 중심성 지수값이 높은 지 역의 면적이 줄어들며, 지역 전체의 중심성 지수 값이 낮아지고 있음을 볼 수 있다. 이는 일부 중심지역 이외 의 지역이 중심성 지수값이 낮아져 나타난 현상이다. 즉, 몇 개의 중심지역에 집중되는 통행이 나타났다고 볼 수 있다. 연차별 고유벡터 중심성지수의 분포를 살펴보면 2015년에 회복된 인구이동 분포와는 달리 2014년에도 2010년과 유사한 분포를 갖고 있음을 알 수 있다(Table 5). 2010년에 형성된 소수 중심지로의 집중이 2014년에 도 지속되고 있음을 예상할 수 있다.

    IV.네트워크 중심지 변화 분석

    1.인구 이동의 중심지 분석 결과

    2005년, 2010년, 2015년 인구이동 자료의 중심지를 분 석하기 위해 읍면동별 연결수, 인구이동량 매개중심성, 고유벡터 중심성 지수를 산정하였다. 이러한 분석 결과 와 중심지 형성에 영향을 주는 지역의 규모를 나타내는 주민등록인구수 순위와 비교하였다(Table 6).

    2005년 421개 읍면동 중 주민등록인구수 기준으로는 전라남도 순천시 덕연동, 전라남도 광양시 광양읍, 광주 광역시 북구 건국동, 전라남도 화순군 화순읍, 광주광역 시 광산구 첨단2동 순으로 나타났다. 그러나 네트워크 분석 결과에서는 대부분 광주광역시내 동지역이 높은 순 위를 차지하였다. 다양한 지역과의 인구이동이 나타났음 을 살펴볼 수 있는 연결수 기준으로는 광주광역시 북구 용봉동, 서구, 풍암동, 전라남도 화순군 화순읍 순으로 높은 값을 가지는 것으로 나타났으며, 인구이동량 기준 으로는 광주광역시 광산구 신가동, 전라남도 화순군 화 순읍, 광주광역시 북구 건국동이 높은 값을 보였다. 매개 중심성 지수값을 비교하면 광주광역시 북구 용봉동, 전 라남도 화순군 화순읍, 광주광역시 서구 풍암동, 광산구 첨단2동, 순천시 덕연동이 높은 값을 보였다. 직˙간접 적으로 연결되는 결절점뿐 만 아니라 연결된 상대방의 중심성을 함께 고려하는 고유벡터 중심성에서는 광주광 역시 북구 용봉동이 중심지로 나타났으며, 광주광역시 서구 풍암동, 광산구 신가동, 광산구 첨단2동, 북구 건국 동이 높은 고유벡터 수치를 보였으며, 화순군 화순읍이 8번째로 높은 고유벡터 값을 보여 10위안에 유일한 전남 지역이었다.

    2010년 인구이동의 네트워크 분석 결과에서도 주민등 록인구수 순위와 크게 다른 결과를 보였으며, 네트워크 분석 수치에 따라서도 서로 다른 순위를 나타내었다. 2005년에는 광주 북구 건국동이 가장 인구수가 많은 지 역으로 나타났으며, 순천시 덕연동, 광양시 중마동, 광주 광산구 수완동 순으로 주민등록인구가 많은 것으로 나타 났다. 그러나 인구이동 네트워크 구조에서는 광주 북구 용봉동이 가장 여러 지역과 인구이동이 일어난 것으로 나타났으며, 남구 효덕동, 북구 건국동, 광산구 첨단2동 순으로 높은 연결수 값을 나타냈다. 인구이동수를 고려 한 경우에는 광산구 신가동(연결수 순위 8위)이 1위로 나타났으며 북구 건국동, 남구 효덕동이 연결수 순위와 같이 2, 3위로 높은 순위로 나타났다. 매개중심성의 경우 북구 용봉동, 남구 효덕동, 북구 건국동, 광산구 첨단2동, 서구 풍암동 순으로 모두 광주지역으로 나타났으며, 전 남 순천시 왕조1동, 전남광양시 중마동, 전남 순천시 덕 연동이 6, 7, 9위로 나타나 중간단계 중심지로 예측된다. 중심지 측정에 주로 사용되는 고유벡터 중심성의 경우 북구 용봉동이 가장 높은 값을 보였으며, 남구 효덕동, 광산구 신창동, 광산구 첨단2동 서구 풍암동 순으로 나 타났으며, 10위안에 전남지역은 나타나지 않았다.

    2015년 인구이동 분석 결과는 다른 연도와 달리 주민 등록인구수 및 네트워크 분석 결과 1위 지역이 모두 광 산구 수완동으로 나타났다. 광주 광산구 수완동은 2005 년 높은 중심성을 보인 광산구 신가동이 분동된 신도시 지역으로 7만이 넘는 인구수 및 인구이동에서도 가장 높 은 네트워크 중심성을 보였다. 주민등록인구수 기준 전 남 광양시 중마동이 2위, 전남 광양시 광양읍이 3위 전 남 순천시 덕연동이 4위를 보였으며, 이들 지역의 인구 이동량 순위도 순천시 덕연동이 2위 광양시 중마동이 4 위, 광양시 광양읍이 5위로 높게 나타나 주민등록인구수 가 인구이동수를 고려한 네트워크 연결중심성에 영향을 주는 것으로 보인다. 그러나 매개중심성 및 고유벡터 중 심성에서는 광주지역이 여전히 높은 순위를 보이고 있어 인구규모만으로 네트워크의 중심성이 높아짐에는 한계가 있는 것으로 보인다.

    2.목적별 통행의 중심지 분석 결과

    가.총 통행량

    통행목적별 OD자료에서 귀가를 뺀 총통행량을 기준 으로 네트워크 중심지 분석 결과를 살펴보았다. 인구이 동 분석에서와 같이 연결된 지역수가 많은 중심지를 살 펴볼 수 있는 연결수, 유입 및 유출 이동인구수를 고려 한 연결중심지를 나타내는 총통행량, 유입인구만을 고려 한 유입통행량(weighted in-degree), 매개중심성 지수, 고 유벡터 중심성지수를 비교하였다(Table 7). 거주지 이전 자료와 달리 통행은 단기적 인구이동에 해당하므로 해당 읍면동의 기능과 밀접한 관계를 갖는 것으로 나타났다.

    2006년 총여객통행량 기준으로 광주 북구 용봉동이 연결수, 통행량, 매개중심성에서 1위를, 고유벡터 중심성 에서도 2위를 차지하여 높은 중심성을 나타냈다. 또한 광주 동구 충장동이 유입통행량과 고유벡터 중심성에서 1위, 그 외 지표에서 2, 3위를 차지하여 두 지역이 주요 중심지로 나타났다. 인구이동에서도 다른 전남 지역에 비해 중심성이 높게 나타난 전남 화순군 화순읍은 통행 량은 6위, 유입통행량은 7위, 매개중심성은 4위로 나타나 광주지역 중심지의 연결다리 역할을 하는 지역으로 예상 되었다.

    2010년에서도 광주 북구 용봉동이 높은 중심성을 보 였으며, 2006년과 달리 서구 치평동이 통행량과 유입통 행량에서 1위를 보였으며, 매개중심성에서 전남 화순군 화순읍의 순위가 높아졌다. 또한 매개중심성 순위에 전 남 담양군 담양읍이 8위로 나타났다.

    2014년의 결과에서는 약간의 순위변화는 있었지만 북 구 용봉동, 서구 치평동, 동구 충장동이 높은 중심성을 보였으며, 전남 화순군 화순읍이 매개중심성 1위로 나타 나 시간에 따라 화순읍의 지역간 매개 기능이 높아진 것 으로 판단된다.

    나.통근 통행량

    직장으로의 이동인 통근통행은 방향성을 고려하면 직 업이 많이 분포한 상업, 공업지역을 찾아낼 수 있다. 2006년 통근통행량 분석 결과, 연결수 기준으로 광주 서 구 광천동, 북구 신안동, 북구 용봉동, 동구 충장동 순으 로 나타났으나, 유입 통행량 기준으로는 광주 광산구 하 남동, 동구 충장동, 서구 치평동, 북구 용봉동 순으로 나 타나 연결수보다 이동인구를 고려할 때 중심지역이 변화 함을 볼 수 있다. 고유벡터 중심성에서는 광주 광산구 하남동이 가장 중심지역으로 나타났으며, 동구 충장동, 서구 광천동, 서구 치평동, 북구 신안동이 0.95이상의 높 은 값을 보였다. 1위로 나타난 광산구 하남동은 광주하 남 3 도시개발권역으로 공업지역 및 산업단지가 일부 포 함된 지역으로 직장이 많이 분포함을 예상할 수 있다.

    2010년 통근에서는 연결수 기준으로는 서구 치평동이 통행량 및 유입통행량 기준으로는 광산구 하남동이 가장 큰 통행량과 유입통행이 있는 지역으로 나타났으며, 화 순군 화순읍이 가장 높은 매개중심성을 보였다. 고유벡 터 중심성으로는 동구 충장동, 서구 치평동이 0.95이상의 높은 값을 보였으나, 서구 광천동, 서구 상무1동 관산구 하남동은 0.87정도의 2006년보다 중심지수가 낮게 나타 났다.

    2014년 통근통행 분석 결과에서도 광산구 하남동이 통행량과 유입통행이 가장 많은 지역으로 나타났으나, 고유벡터 중심지수에서는 5위로 나타났다. 이는 고유벡 터 중심지수의 경우 연결된 지역의 중심성을 고려하기 때문인 것으로 보인다. 2014년에서도 동구 충장동이 가 장 중심지로 나타났으며, 서구 치평동이 그 다음 중심지 로 나타났다. 동구 충장동은 중심상업지역으로 중심성이 높은 다양한 지역과 연계된 것으로 보인다.

    통학통학 통행량

    통학 통행량의 경우, 연도별로 중심지의 변화가 크게 나타나지 않았다. 2006년 분석결과에서는 연결수, 통행 량, 고유벡터 중심성 기준으로 광주 동구 서남동, 북구 용봉동, 남구 효덕동 순으로 높은 연결성과 통행량, 중심 성을 보였다. 2010년과 2014년에도 동일하게 나타났다. 전남 나주시 성북동이 고유벡터 중심성에서 5위로 나타 났으나 고유벡터 중심성값은 0.64로 높지 않았다. 이는 조선대학교가 있는 광주 동구 서남동과 전남대학교가 위 치하는 북구 용봉동의 통학통행량이 매우 크기 때문인 것으로 보인다.

    통학통행에서 매개중심성에서는 2006년에서는 전남 장성군 장성읍, 담양군 담양읍, 나주시 성북동이, 2010년 에는 화순군 화순읍, 나주시 성북동, 함평군 함평읍이, 2014년에는 화순군 화순읍, 나주시 성북동, 함평군 함평 읍이 10위 안에 존재하여 이들 지역이 통학 중심지로 연 결되는 매개중심지로 나타났다.

    라.업무 통행량

    통근통행은 직장지로의 출근통행을 통해 사업지 현황 을 파악할 수 있다면, 업무 통행은 주간 시간대 동안 활 동이 이루어지는 공간을 파악 가능할 것이다. 2006년 업 무통행량 분석 결과, 광주 동구 충장동, 북구 용봉동, 서 구 치평동이 지역연결수와 통행량에서 높게 나타났으며, 고유벡터 중심지수에서도 높게 나타났다. 매개중심성 높 은 지역으로는 전남 곡성군 곡성읍, 전남 화순군 화순읍, 광주 동구 충장동 순으로 나타났다.

    2010년 분석에서는 광주 서구 치평동이 동구 충장동 보다 높은 고유벡터 중심성을 보였으나, 2014년에는 다 시 동구 충장동이 더 높은 값을 보이고 고유벡터값은 거 의 비슷하게 나타나 두개 지역이 업무 중심지로 비슷한 위세를 가진다고 볼 수 있었다. 광주 서구 치평동은 동 구 충장동과 같이 중심상업지역으로 김대중 컨벤션센터, 광주시청, 법원, 방송국 등이 위치하는 지역이다.

    마.여가 통행량

    쇼핑, 학원 등 여가활동을 위한 통행이 집중되는 지역 을 살펴본 결과, 업무 통행에서 나타난 중심상업지역인 동구 충장동과 서구 치평동, 통학 통행에서 중심지로 나 타난 전남대학교가 위치한 북구 용봉동이 중심지역으로 나타났으며, 이외 광주 종합터미널 및 백화점이 위치하 는 서구 광천동이 고유벡터 중심성에서 2위로 나타났다. 2006년부터 2014년까지 약간의 순위 변화는 있었으나 중심지역의 변화는 크지 않았다.

    V.결 론

    본 연구에서는 네트워크 분석방법을 이용하여 거주지 이전 및 통행에 의해 나타나는 공간 구조를 분석하고자 인구이동과 목적별 여객통행 자료를 이용하여 시간에 따 른 지역구조와 중심지의 변화를 살펴보고자 하였다.

    네트워크 구조 변화를 살펴보기 위해 네트워크 시각 화와 고유벡터 중심성 지수를 지도위에 표현하여 중심지 의 분포와 변화를 살펴보았다. 광주권, 목포권, 순천권 사이의 인구이동이 2010년에 비해 2015년에는 약화된 것을 볼 수 있었으며, 통행에서도 2010년에 지역간 통행 이 약화됨을 볼 수 있었다. 중심성 지수를 통해 2010년 에는 일부 지역에 중심성이 집중되는 구조를 확인하였 다. 이러한 현상은 인구이동의 경우 2015년에 완화되었 으나 통행 네트워크에서는 2010년 형성된 중심성이 지 속되고 있었다. 이는 거주지이전의 경우 다양한 한계사 항이 존재하나 통행의 경우 도로 및 교통발달로 제약요 인이 적기 때문인 것으로 예상된다.

    세부적인 중심지역을 찾기 위해 각 중심성 지수와 인 구규모를 비교 분석한 결과, 인구규모가 높은 지역이 네 트워크 중심성이 높은 지역 중 하나로 나타났으나, 연결 중심성, 고유벡터 중심성 순위를 살펴 본 결과 인구규모 만으로는 네트워크의 중심성이 높아짐에는 한계가 있는 것으로 보였다. 인구이동의 경우, 2005년 광주 용봉동이 가장 높은 중심성 지수를 보였으나 2015년에는 수완동 으로 나타났다. 통행량을 통한 광주권 중심지역을 살펴 본 결과, 총통행량에서는 광주 용봉동이 1위로 나타났으 나, 통근의 경우 광주 하남동, 통학의 경우 광주 서남동, 업무의 경우 광주 충장동과 치평동, 여가의 경우 광주 치평동과 용봉동이 중심지로 나타나 세부적인 기능별 중 심지를 찾기에는 통행네트워크가 더 효율적인 것으로 나 타났다.

    광주 전남지역은 최근 다양한 변화를 맞고 있는 지역 이다. 2014년부터 광주전남혁신도시(빛가람도시)로 공공 기관이전이 이뤄졌으며, 2015년 광주 송정역까지 고속철 도노선이 개통되었다. 본 연구는 혁신도시 지역인 나주 시 빛가람동 지역코드가 제외된 2015년 인구이동 자료 와 2014년 여객자료로 분석되어 이러한 큰 요인에 의한 지역구조 변화를 분석하는데는 한계가 존재하였다. 향후 연구에서 추후 공개되는 최근 자료를 활용한다면 혁신도 시 및 고속철도 개통의 영향을 함께 살펴 볼 수 있을 것 으로 기대된다.

    농촌지역은 고령화와 인구감소로 인한 지역소멸 위험 이 증가하고 있어 지역간 상호작용과 지역내 공간구조를 활용한 효율적인 지역계획 및 지역재편이 중요하다. 본 연구에서는 분석 결과를 중심지역을 중심으로 기술하였 으나, 네트워크 방법을 적용하여 농촌마을간의 관계와 중심지의 변화를 살펴볼 수 있을 것이며, 도심의 중심지 의 변화와 이로 인한 인근 농촌지역의 위상변화 등에 활 용될 수 있을 것이다.

    본 연구는 2016년도 정부(미래창조과학부)의 재원으 로 한국연구재단의 지원을 받아 수행된 기초연구사 업임(NRF-2015R1C1A2A01052421)

    Figure

    KSRP-23-43_F1.gif

    Results of local moran’s I for population

    KSRP-23-43_F2.gif

    Network structure of migration in each year

    KSRP-23-43_F3.gif

    Eigenvector centrality map of migration in each year

    KSRP-23-43_F4.gif

    Network structure of travel by purpose in each year

    KSRP-23-43_F5.gif

    Eigenvector centrality map of travel in each year

    Table

    Travel purposes of row data and analysis data

    Migration of Gwangju and Jullanam-do (unit: person/year, %)

    *GJ: Gwangju, JN: Jeollanam-do

    Travel by purposes of Gwangju and Jullanam-do (unit: person/day, %)

    *GJ: Gwangju, JN: Jeollanam-do

    Distribution of migration eigenvector centralities

    Distribution of travel eigenvector centralities

    Ranking and results of migration network analysis

    *W.D.: Weighted degree, B.C: Betweenness Centrality, E.C: Eigenvector centrality
    *Name of Region
    Suwan-dong Gwangsan-gu: GJ 1, Singa-dong Gwangsan-gu: GJ 2,Shin Chang-dong Gwangsan-gu: GJ 3, Cheomdan 2-dong Gwangsan-gu: GJ 4,Hyodok-dong Nam-gu: GJ 5, Geonguk-dong Buk-gu: GJ 6,Yongbong-dong Buk-gu: GJ 7, Pungam-dong Seo-gu: GJ 8Gwangyang-eup Gwangyang City: JN 1, Jungmadong Gwangyang City: JN 2,Dukyeon-dong Shuncheon City: JN 3, Gyeongbong-dong Yeosu City: JN 4,Hwasun-eup, Hwasun-gun :JN 5

    Ranking and results of travel network analysis

    *Name of Region
    Singa-dong Gwangsan-gu: GJ 2, Cheomdan 2-dong Gwangsan-gu: GJ 4,Hyodok-dong Nam-gu: GJ 5, Geonguk-dong Buk-gu: GJ 6,Yongbong-dong Buk-gu: GJ 7, Pungam-dong Seo-gu: GJ 8,Hanam-dong Gwangsan-gu: GJ9, Seonam-dong Dong-gu: GJ10,Chungjang-dongDong-gu: GJ11, Munhwa-dong Buk-gu: GJ12,Gwangcheon-dong, Seo-gu: GJ13, Chipyung-dong, Seo-gu: GJ14Hwasun-eup, Hwasun-gun :JN 5

    Reference

    1. Brandes U (2001) A faster algorithm for betweenness centrality , Journal of mathematical sociology, Vol.25 (2) ; pp. 163-177
    2. Che S , Lee M , Hong S , Seok H , Lee J (2009) Dynamic Analyses of In- and Out-Migration in Chungcheong Region Based on the Social Network Analysis Techniques between 2001 and 2008, Chungbuk Research Institute,
    3. Choi E (2004) The Analysis of the Spatial Characteristics on Inter-Regional Migration: Emphasized on the Seoul Metropolitan Areas , Seoul Studies, Vol.5 (3) ; pp. 49-66
    4. Cho Y , Yoon J , Kim D , Cho Y (2014) A Study on the Reorganization of the Village in Response to Aging of Rural Areas, Chungnam Research Institute,
    5. Dijksta E W (1959) A note on two problems in connexion with graphs , Nemerische Maathematik, Vol.1 ; pp.269-271
    6. Joo M , Kim S (2014) A Study on the Urban Spatial Structure Using Households Trip Survey: Focusing on the Case of Seongnam-si , The Korea Spatial Planning Review, Vol.80 ; pp.35-48
    7. Kim H (2008) A Study on Commuting Patterns using Social Network Analysis in the Seoul Metropolitan Area , Journal of Geography Education, Vol.52 ; pp.25-43
    8. Kim H , Kang D , Cho D , Lee S (2010) Disparity between Rural and Urban Living Area Based on Regional Interaction: Focused on Busan-Ulsan mega city , Journal of Korean Society of Rural Planning, Vol.16 (4) ; pp. 61-75
    9. Kim K (2010) Exploratory Spatial Data Analysis (ESDA) for Age-Specific Migration Characteristics : A Case Study on Daegu Metropolitan City , Journal of the Korean Association of Regional Geographers, Vol.16 (5) ; pp. 590-609
    10. Kim Y (2003) Social Network Analysis, Pakyoung Press,
    11. Koo D (2007) Spatial Patterns of Migration in the Busan Metropolitan Area , Journal of the Korean Geographical Society, Vol.42 (6) ; pp. 930-939
    12. Lee H , Kim H (2006) The Analysis of the Structure of Commuting Network in Seoul Metropolitan Area , Journal of the Korean Urban Geographical Society, Vol.9 (1) ; pp. 91-111
    13. Lee H , Roh J , Jung J , Jang W (2016) Network analysis of urban-to-rural migration , The Korean Journal of Applied Statistics, Vol.29 (3) ; pp. 487-503
    14. Lee S (2012) Network Analysis Methods, Nonhyeong,
    15. Lee S (2016) Seven Analyzes on the Loca l Destruction of Korea , Regional employment trend brief, 2016 spring,
    16. Opsahl T , Agneessens F , Skvoretz J (2010) Node Centrality in Weighted Networks: Generalizing Degree and Shortest Paths , Social Networks, Vol.32 (3) ; pp. 245-251
    17. Seong T , Kim S , Lee M (2015) A Study On The Characteristics of the Network Based on Population Migration: Focused on Chungcheong Region linked to Sejong City , Journal of the Korean Urban Management Association, Vol.28 ; pp.107-126
    18. Son S (2004) The Homogeneous Regions and Functional Regions in the Internal Structure of Seoul , Journal of the Korean Geographical Society, Vol.39 (4) ; pp. 562-584
    19. Yim S , Song M (2015) Regional Sociocultural Linkages in the Province of Young-nam: A Social Network Analysis , Journal of the Korean Association of Regional Geographers, Vol.21 (1) ; pp. 62-78
    20. (2016) Korea Statistics Microdata Integrated Service , https://mdis.kostat.go.kr/index.do,
    21. (2016) https://sgis.kostat.go.kr/,
    22. (2017) https://www.ktdb.go.kr/,
    23. (2017) Kyunghyang Shinmun , http://news.khan.co.kr/kh_news/khan_art_view.html?code=940100&artid=201701211738001,
    24. (2017) http://www.nongmin.com/article/ar_detail.htm?ar_id=272211&subMenu=articletotal,