스마트매체와 결합된 일상 활동장소 정보를 이용한 도시 ......- 747 - 스마트매체와 결합된 일상 활동장소 정보를 이용한 도시 이동성 변화

- 745 -

?대한지리학회지 제53권 제5호 2018(745~760)

스마트매체와 결합된 일상 활동장소 정보를 이용한 도시 이동성

변화: 미디어패널조사 미디어다이어리 데이터를 토대로

이금숙*· 박소현**

Changes in the Urban Mobility by Utilizing Activity Place Information for Everyday Life Integrated with Smart Media: Based on the Media Panel

Diary Data

Keumsook Lee* · So Hyun Park**

이 논문은 2017년도 성신여자대학교 학술연구조성비 지원에 의하여 연구되었음.

*성신여자대학교 지리학과 교수(Professor, Department of Geography, Sungshin Women’s University, [email protected])

** 서울대학교 환경계획연구소 박사후연구원(Postdoctoral Researcher, Environmental Planning Institute, Seoul National Uni-

versity, [email protected])

?

?

??

참고문헌

?

대한지리학회지

?

?

?

??

?

?

?

?

?

요약 : 본 연구에서는 도시민의 일상생활이 정보통신기술과 결합되면서 나타나는 도시 이동성의 변화를 파악한

다. 특히 정보화의 영향이 클 것으로 예상되는 서울시를 사례로 도시 이동성이 반영되는 도시민의 일상생활 과정

에 방문하게 되는 활동장소 및 장소이동을 위한 교통이용행태의 시간적 변화를 분석한다. 이를 위하여 도시민이

일상생활 중 접하는 미디어의 이용행태 정보를 획득할 수 있는 미디어패널조사의 2011-2017년 다이어리데이

터를 활용한다. 도시민의 일상생활의 활동장소는 거주지, 오피스, 상업시설과 장소이동을 담당하는 교통으로 구

분하고 하루 15분 단위 시간 축을 따라 각 활동장소에 머무는 인구율에 나타나는 동적 특성의 변화를 분석한다.

또한 활동장소와 스마트매체 사용 간의 관계 변화를 대응분석 결과의 포지셔닝 맵의 위치 변화를 통해 파악하고,

특히 활동장소 중 교통공간은 개인교통, 대중교통, 환승 및 대기 공간으로 구분하여 스마트매체 이용행태의 변

화를 파악한다.

주요어 : 도시 이동성, 미디어패널조사, 미디어다이어리 데이터, 활동장소, 통행, 스마트매체, 대응분석, 시계열

비교

Abstract : This study aims to catch hold of the changes in the urban mobility due to the integration of ev-eryday urban life with smart media. In particular, we investigate the dynamic characteristics of urbanites’ traveling behavior among activity places for their every day lives in Seoul. For the purpose we analyze the last 7 years Media Panel diary data reporting what do they with which media at where(activity place) per every fifteen minutes during three days per year. We categorize activity places to four groups(residence, work, commerce, transportation), and then calculate the ratio of population staying at each activity place along the daily time axis for seen years. The results show significant changes in the ratios during the period as well as the peak times and the coefficient of variations. By utilizing correspondence analysis, we also examine the relationships between activity places and smart media use. The result reveals significant association transpor-tation and commercial place with smart phone, and also their relationships have gotten stronger. We observe significant enhancement in the urban mobility in Seoul during the last 7 years.

Key Words : urban mobility, Media Panel Survey, media diary data, activity place, travel, smart media, cor-respondence analysis, time series comparison

- 746 -

이금숙· 박소현

1. 서론

사람과 물자의 이동은 도시가 작동하기 위한 필

수적인 부분으로 교통은 도시생활의 중추를 이룬다

(Hanson and Giuliano, 2004). 특히 각기 다른 장소

에 위치하고 있는 다양한 활동과 연관되어 빈번히 장

소이동을 하며 바쁜 일상을 살고 있는 도시민들에게

도시 이동성(urban mobility)은 삶 전반에 지대한 영

향을 미치는 중요한 요소이다(Muller, 2004).

이동성에 대한 개념과 정의는 연구 분야와 목적에

따라 각기 다르게 제시되고 있지만 전통적으로 도시

이동성(mobility)은 도시민의 물리적 이동(physical

movements)으로 정의된다(Poli, 2011). 즉 도시민들

이 얼마나 자주, 잘 옮겨 다니는가를 나타내는 개념으

로 이동의 빈도와 범위로 나타낸다(허우긍, 2018).

도시거주자들은 일상생활을 영위하기 위하여 거주

지와 일자리를 오가는 장소이동을 할 뿐만 아니라, 쇼

핑, 공공업무 및 사회활동, 그리고 여가 및 문화 활동

을 위해 이들 활동이 위치한 장소로의 이동을 하며 도

시 공간에 통행흐름을 생성한다(Badoe and Miller,

2000; Elliot and Urry, 2010; Edensor, 2011). 최근

정보통신 기술의 발달로 첨단정보통신기술(ITC)과

교통이 밀접하게 결합되면서 사람들의 이동행태 및

그들의 일상생활이 영위되는 도시공간에도 다양한

변화가 나타나고 있다(Kumar, 2006).

정보기술의 발전은 도시 이동성에 영향을 주며, 도

시 이동성의 변화는 통행흐름은 물론 교통 기반시설

및 각종 도시 활동의 분포와 맞물려 상호작용하며 도

시의 공간 양상에 변화를 초래하게 되는 역동성을 지

닌다. 따라서 도시의 공간구조 형성과정을 이해하거

나 효과적인 교통계획 및 도시계획을 수립하기 위해

서는 도시 이동성에 나타나는 변화를 정확히 파악하

고, 그와 연관된 도시 구성요소들과의 역학적 관계를

파악하는 것이 필요하다.

우리나라는 현재 전체 인구의 90% 이상이 도시

에 거주하고 있고(국토교통부, 2017), 정보화율도 매

우 높아 교통과 정보통신기술이 결합된 도시 이동성

과 통행패턴에 많은 변화가 나타나고 있다. 한국인터

넷진흥원의 2017년 인터넷 이용실태조사1)에 따르면

만 3세 이상 인구의 최근 1개월 이내 인터넷이용률은

90.3%이고, 스마트폰의 급속한 대중화로 인터넷 이

용자의 주요 인터넷 서비스 이용행태가 모바일 중심

으로 전환되면서 특히 소셜미디어 서비스를 이용할

때스마트폰 이용률은 무려 99.7%로 나타났다. 도시

이동성은 도시의 교통체계 뿐만 아니라 토지이용 및

도시민의 통행행태와 생활양식 등 다양한 요소와 연

관되어 있고 이들 간의 관계는 매우 역동적이며 복잡

성을 지닌다(Rodrigue, 2017). 따라서 도시 이동성에

나타나는 변화를 단순히 사람들의 통행이 정보통신

기술과 결합되어 나타나는 결과라고 단정할 수는 없

지만, 도시인구이동은 도시에 살고 있는 사람들이 그

들의 일상과 관련된 활동이 위치한 장소를 찾아가는

과정이므로 도시 이동성은 도시민의 일상을 구성하

는 활동공간들을 이용하고 이들 사이를 통행하는 행

태를 통하여 파악해볼 수 있다(Lefebvre, 2004).

정보기술과 다양한 스마트매체들이 도시공간과 도

시민의 일상생활에 접목되면서 도시에 대한 다양한

시공간 정보가 생성·축적되었고 과거에 시도할 수

없었던 도시공간에 대한 다양한 시공간적 분석의 가

능성이 확대되고 있다(박종수·이금숙, 2007). 특히

도시 이동성과 관련하여 정보통신기술과 결합된 센

서들을 탑재하고 있는 교통 인프라와 개개인의 위치

및 활동, 시설 이용 자료에 포함된 시공간 정보를 활

용한 다양한 시공간적 분석이 시도되고 있다(황주성

등, 2010; 허민오 등, 2012; 김상일 등, 2013; 이건

학·김감영, 2016; Malleson and Anderson, 2014;

Deville et al., 2014; Malleson and Birkin, 2014;

Fortunati and Taipale, 2017). 그러나 이동행태에 대

한 실증적 데이터는 부재하여 아직까지 도시 이동성

변화에 대한 연구는 상대적으로 미미한 편이다. 따라

서 도시민들의 활동장소 이동에 대한 정보와 스마트

매체와의 연관성을 파악하는 작업은 이러한 정보통

신기술과 교통이 결합된 도시이동성의 변화를 이해

하는 단초를 제공할 수 있을 것이다.

이에 본 연구는 교통과 정보기술이 결합되면서 나

타나는 도시 이동성의 변화를 파악한다. 특히 정보화

의 영향이 클 것으로 예상되는 서울시를 사례로 도시

- 747 -

스마트매체와 결합된 일상 활동장소 정보를 이용한 도시 이동성 변화

이동성이 반영되는 도시민의 일상생활 과정에 방문

하게 되는 활동장소와 장소 간 이동을 위한 교통 이용

행태의 시간적 변화를 분석한다. 이를 위하여 도시민

이 일상생활 중 사용하는 미디어의 이용행태를 파악

할 수 있는 미디어패널조사의 미디어다이어리 데이

터를 활용한다. 도시민의 일상생활이 이루어지는 활

동장소를 거주지, 오피스, 상업시설과 장소이동을 담

당하는 교통으로 구분하고 하루의 시간 축을 따라 각

활동장소에 머무는 인구율에 나타나는 동적 특성을

파악한다. 특히 스마트매체와 도시민의 이동성과의

관계를 파악하기 개인교통, 대중교통, 환승 및 대기

등의 교통과 관련된 스마트매체 이용행태를 분석한

다. 또한 미디어패널조사가 진행되어 온 지난 7년간

(2011-2017년)의 시계열적 추이분석을 통하여 도시

이동성의 변화 정도를 파악한다.

2. 데이터 및 분석틀

정보통신정책연구원(KISDI)에서는 2010년부터 미

디어 이용행태 및 변화추세를 파악하기 위하여 미

디어패널조사를 실시하고 있다.2) 미디어패널조사

는 2010년 서울, 수도권 및 6대 광역시를 중심으로

처음 실시된 이래, 2011년 전국 만 6세 이상 가구원

을 모집단으로 5,109가구와 12,000가구원을 대상으

로 한 전국조사로 확대되어 매년 조사를 실시하고 있

다. 2010년 조사 대상은 서울 및 수도권을 포함한 6

대 광역시(인천, 대전, 대구, 광주, 울산, 부산)에 거주

하는 총 3,085가구 및 만 6세 이상 가구원을 대상으

로 조사하였으며 2011년 조사에서는 수도권 및 6대

광역시를 제외한 강원 및 충청, 전라, 경상, 제주 지

역의 2,000가구 및 해당 가구원과 1차년 조사대상 중

소실된 부분에 대한 가구 및 가구원을 신규 구축하여

2012년부터는 2011년에 구축된 패널을 대상으로 추

적 조사를 실시하고 있다.

한국미디어패널조사는 매체(대분류 9, 소분류 39),

연결방법(대분류 4, 소분류 20), 미디어 콘텐츠(대분

류 9, 소분류 38)로 나누어 총 29,640가지 미디어 행

위를 측정하는 광의의 미디어 활동 조사이다. 미디어

패널조사는 가구조사와 개인조사로 나누어져 있으

며, 가구조사는 면접원이 가구원과 설문하여 직접 작

성하며, 개인조사는 개인이 직접 작성한다. 설문지는

가구용과 개인용으로 구분되어 있으며 개인용 설문

지에는 연속된 3일 동안 15분 단위로 하루의 미디어

활동을 기입하는 미디어다이어리 섹션이 별도로 마

련되어 있다(미디어패널조사 가이드). 미디어다이어

리는 미디어 이용 건을 콘텐츠, 패키징, 플랫폼/네트

워크, 매체의 네 가지 레이어별로 나누어 매체 이용행

태를 시간적, 공간적 맥락에서 입체적으로 측정한다.

조사방법은 보기카드를 활용해 응답자가 직접 작성

하는 코드기입식이며 조사내용은 하루 중 수면여부

표 1. 미디어다이어리 데이터 구성

시간대별시간(15분기준, 1시간기준, 요일, 주중/주말)에 따른 매체, 연결방법, 미디어이용행위 분석가능(분석항목:

매체/연결방법/행위별점유율 이용자비율, 평균이용시간)

매체별매체별 연결방법, 미디어 이용행위 분석 가능(분석항목: 매체/연결방법/행위별 점유율 이용자 비율, 평균이

용시간)

미디어 이용행위별미디어 행위별 연결방법, 매체 이용 현황 분석가능(분석항목: 매체/연결방법/행위별 점유율 이용자비율, 평

균이용시간)

미디어 연결방법미디어 연결방법 이용 매체, 미디어 이용행위 분석 가능(분석항목: 매체/연결방법/행위별 점유율 이용자 비

율, 평균이용시간)

장소별 장소별 매체, 연결방법, 미디어 행위 분석 가능

연계분석특정 미디어 이용행태를 분석하여 가장 많이 이용되고 있는 매체-연결방법-이용자 콘텐츠 조합을 순위로

보여줌

- 748 -


및 활동시간에 작성자가 있었던 장소, 이용한 미디어

매체/행위/연결방법 등의 내용이다. 그러므로 미디어

다이어리 데이터에는 조사 대상자 개인이 3일 동안

어디서, 어떤 매체로, 무엇을, 어떤 경로를 통해 미디

어 이용행위를 하였는지 15분 단위로 기록하는지 포

함되어 있다(표 1).

미디어패널조사 데이터는 동일인을 대상으로 매년

미디어 이용행태에 대한 설문조사가 이루어지기 때

문에 시간이 경과하면서 사람들의 미디어 이용행태

에 나타나는 변화를 파악하기에 적합한 자료이다. 특

히 미디어패널조사의 미디어다이어리 데이터를 활용

하면 도시민들이 하루 15분 단위 시간 축을 따라 일

상생활을 하며 이루어지는 다양한 활동장소에서의

미디어매체 이용행태를 파악할 수 있다.3)

정보통신기술과 교통의 결합으로 나타나는 통행

및 이동성의 변화는 학문연구자 및 정책입안자들에

게 큰 관심을 끌고 있고, 정보통신기술의 공간적 영향

을 평가하기 위한 연구들이 다양하게 진행되고 있다.

이제까지 진행된 정보통신기술이 통행에 미치는

영향에 대한 연구는 크게 네 가지 가정에 기반을 두

고 진행되어 오고 있다(Silva et al., 2017). 첫째는 정

보가 통행을 대체할 것으로 보는 가정이며(Castells,

1996; Solomon, 1985; Wang and Law, 2007; No-

bis, and Lenz, 2009; van den Berg et al., 2013;

Tilahun and Levinson, 2017), 둘째는 상호 보완적

혹인 유도적 작용으로 통행을 유발할 것이라는 가정

(Kamargianni et al., 2014), 셋째는 정보가 통행을

수정할 것이라는 가정(Salomon, 2000; Mokhtar-

ian et al., 2006; Aguilera et al., 2012; Silva et al.,

2017), 그리고 마지막으로 정보는 통행에 중립적이라

는 가정에 기반을 둔 연구(Kenyon, 2010)이다. 그러

나 이들의 상호작용은 복합적으로 좀 더 복잡하게 진

행되고 있어 아직까지 뚜렷하게 결론을 내릴 수 없는

상황이다(Silva et al., 2017), 또한 공간적 담론을 권

력적, 정치경제적, 사회적 공간으로 접근하여 어떻게

공간속에서 사회적 관계가 배치되고 작동되는지 설

명하려는 모빌리티스(mobilities) 담론도 전개되고

있다(윤신희·노시학, 2015).

그러나 도시민의 활동공간과 이동행태에 대한 직

접적인 자료는 여러 이유로 현실적으로 획득이 어려

워 도시 이동성에 대한 변화를 객관적으로 측정하는

데 어려움이 따른다. 정보통신기술이 이러한 개별 통

행 행태에 나타나는 영향을 파악하는 것도 중요하지

만 이러한 개별 통행행태들이 모여 형성되는 집합체

로서의 도시 이동성이 이러한 정보통신기술과 교통

이 결합되어 나타나는 변화를 파악해 보는 것도 의미

있는 작업이다.

사람들은 일상생활을 영위하면서 관련된 시설이

위치한 장소로 공간이동을 하며 필요한 만큼 머물게

되므로 하루 시간 축을 따라 도시민의 일상생활과 관

련된 활동공간의 이용행태를 통하여 도시민의 이동

성을 파악할 수 있다(Liao et al., 2007). 통행목적에

따라 통행시간대가 다를 수 있으며, 각 통행자의 거

주지의 위치 및 각종시설의 입지지점들이 다르기 때

문에 하루 동안에도 시간대에 따라 통행흐름의 공간

적 분포양상은 다르게 나타난다(이금숙 외, 2015). 따

라서 하루 시간대를 따라 도시민의 통행에 따른 도시

인구분포와 토지이용과의 관계를 밝히려는 연구는

많은 관심을 받아왔다(Hägerstrand, 1970; Thrift,

1977; Janelle and Goodchild, 1983; Goodchild et

al., 1993; Janelle et al., 1998; Golob, 2000; Chen

and McKnight, 2007; Lee et al., 2012). 특히 활동을

기반으로 하는 통행수요모형(Activity-based travel

demand models)은 지난 30여 년간 꾸준히 발전되

어 왔다(Buliung and Kanaroglou, 2007; Timmer-

mans et al., 2002; Hafezi and Liu, 2018에 보다 잘

정리되어 있음).

앞서 이금숙·김호성(2018)은 서울시 건축물데이

터와 교통카드데이터를 결합하여 4차원시각화 방법

을 도입하여 서울시민의 일상생활이 진행되는 시간

축을 따라 활동장소별 인구분포의 변동성을 분석하

였다. 서울시 건축물을 거주용, 업무용, 상업용으로

구분하고 교통카드 트랜잭션데이터베이스에서 대중

교통을 이용하여 각 활동공간으로 이동하는 통행자

수를 분석하면 그림 1과 같이 하루 시간 축을 따라 활

동장소별 유출입되는 인구수에 뚜렷한 변동성을 보

였다.

한국미디어패널조사의 미디어다이어리 데이터의

- 749 -


경우 하루의 시간 축을 따라 도시민의 일상을 구성하

는 주요 활동장소에 머무는 인구비율의 변동을 파악

할 수 있으므로 이를 통하여 도시민의 일상생활을 위

한 장소이동의 역동성을 감지할 수 있다. 또한 거주지

와 교통 부분의 이용행태에 나타나는 변화를 바탕으

로 도시 이동성의 변화 정도를 파악해 볼 수 있다.

이에 미디어 이용과 연관된 장소 선택과 통행 관련

자료를 토대로 한 이용정보의 영향으로 도시 이동성

에 나타나는 변화를 파악하기 위하여 패널 구성이 정

비된 시점인 2011년부터 2017년까지 진행된 미디어

패널조사 미디어다이어리 데이터를 활용한다. 표 2는

본 연구에 사용된 서울지역 2011-2017년의 유효 표

본수를 나타낸 것이고, 표 3은 2017년 서울 유효 표

본의 인구학적 특성을 나타낸 것이다.

2011년 응답 표본 1,844명을 시작으로 소폭의 증

감을 나타냈으나 전반적으로 감소세를 나타내며

2017년 1,449명의 응답이 유효한 것으로 집계된다.

1,449명의 미디어다이어리 응답자 중 남자는 42.0%,

여자는 58.%의 구성으로 여성 응답자가 좀 더 많은

것으로 나타났고, 이들의 연령대는. 40대가 24.4%

로 가장 많고, 그 뒤로 50대(21.9%), 20대(11.7%) 등

의 순으로 나타난다. 응답자의 학력수준은 대졸 이상

이 44.8%로 가장 많았고, 월평균 개인소득을 보면 소

득이 없는 응답자가 43.1%로 가장 큰 비중을 차지한

다. 다음으로 100만원 이상 200만원 미만 소득자가

15.7%, 200만원 이상 300만원 미만 소득자가 14.8%

로 그 뒤를 이었다.

도시민의 일상생활과 관련된 활동장소 이용행태의

변화를 통하여 도시 이동성에 나타나는 변화를 감지

그림 1. 서울시 활동장소별 인구분포

표 2. 연도별 미디어다이어리 응답 유효표본

연도 서울 유효표본(명)

2011

2012

2013

2014

2015

2016

2017

1,844

1,508

1,618

1,567

1,588

1,547

1,449

표 3. 미디어다이어리 응답 표본의 인구학적 특성

(서울, 2017)

표본(명) 구성비(%)

총응답 1,449 100.0

성별남자

여자

609

840

42.0

58.0

연령

10대 미만

10-19세

20-29세

30-39세

40-49세

50-59세

60-69세

70세 이상

32

139

170

140

354

317

159

138

2.2

9.6

11.7

9.7

24.4

21.9

11.0

9.5

학력

미취학

초졸 이하

중졸 이하

고졸 이하

대졸 이하

대학원 재학 이상

1

166

113

520

629

20

0.1

11.5

7.8

35.9

43.4

1.4

소득

소득없음

50만원 미만

50-100만원

100-200만원

200-300만원

300-400만원

400-500만원

500만원 이상

625

39

45

227

214

136

95

68

43.1

2.7

3.1

15.7

14.8

9.4

6.6

4.7

- 750 -


하고자 서울지역 응답표본을 대상으로 머문 주요 활

동장소를 주거지, 오피스, 상업시설 및 교통으로 구분

하고 하루 시간 축을 따라 각 활동장소에 머문 인구

율의 변화를 분석한다. 또한 장소이동과 정보이용와

의 관련성을 파악하기 위하여 활동장소에서의 스마

트매체 이용률의 변동성을 파악한다, 특히 장소이동

이 이루어지는 교통공간에서의 스마트매체 이용 행

태를 파악한다. 미디어패널조사에서 15분 단위별 머

문 활동장소에 대한 문항 구성은 기타를 제외한 15개

의 장소로 본인주거, 타인주거, 본인/주거/사업겸용

공간, 직장, 교육시설, 종교시설, 오락시설, 요식업시

설, 체육시설, 문화시설, 상거래시설, 관광휴양지, 대

중교통, 개인교통, 개인이동/대중교통 환승대기 등으

로 구성된다. 이에 대해 미디어패널자료는 총 3개(집/

직장/학교 등, 교통수단, 여가시설-서비스)의 활동장

소로 크게 범주화한 데 반해, 본 연구에서는 이를 다

시 재분류하여 총 4개의 활동장소(주거, 오피스, 상

업, 교통)로 구성하여 분석한다4).

3. 도시민의 일상생활을 위한

활동장소 이동의 역동성

교통은 우리가 일상생활을 영위하기 위하여 관련

된 활동이 입지하고 있는 장소로 공간 이동하는 결과

물로서 형성되는 파생수요(derived demand)의 특성

을 지니고 있다(허우긍, 2018). 사람들은 하루의 일상

생활을 영위하면서 관련된 활동장소로 이동하여 필

요한 시간 동안 머물게 되므로 하루의 시간 축을 따라

도시공간의 통행흐름과 그 장소에 머무는 인구는 변

화하게 된다. 도시공간에서 인구분포는 고정되어 있

는 것이 아니라 시점에 따라 달라지면서 변동성을 보

인다(Hägerstrand, 1970). 활동장소에 따라 하루 중

도시민들이 머무는 일상공간은 반복적이므로 일상

과 관련된 활동공간별 시간에 따른 머무는 인구 변화

를 패턴화 시킬 수 있다(Lefebvre, 2004; Zandvliet

and Dijst, 2006; Liao et al., 2007; 이금숙 등, 2015;

2017). 사람들의 이동은 도시에 살고 있는 사람들이

그들의 일상과 관련된 활동이 위치한 장소를 찾아가

는 과정이므로 도시 이동성(mobility)은 도시민의 일

상을 구성하는 활동공간들을 이용하고 이들 사이의

통행하는 행태를 통하여 파악이 가능하다.

따라서 본 연구에서는 먼저 한국미디어패널조사

의 미디어다이어리 데이터에서 서울 응답자의 하루동

안 시간이 경과하면서 활동장소에 머무는 인구 비율

의 변화를 분석한다. 그림 2는 2011년과 2017년 활동

장소별 하루 15분 단위별 인구분포의 변화를 나타낸

다. 하루 시간대별 활동장소의 변화는 크게 거주공간

의 U자형 곡선, 이와 반대인 오피스와 상업공간의 거

꾸로 U자형(Bell형) 곡선, 그리고 뿔 모양의 곡선 형

태인 교통공간으로 구분된다. 이를 활동장소별 15분

단위별 시간 축으로 연도별 곡선의 기울기 형태를 비

교해 살펴보면 지난 7년간 거주공간에 머물고 이탈하

는 시간 변화에 따른 기울기 증감변화가 관측되고, 점

심시간대 오피스에서 이탈하는 비율도 큰 폭으로 증

가했음을 관측할 수 있다. 특히 상업공간에 머무는 인

그림 2. 활동장소별 시간대별 인구 분포(2011, 2017)

- 751 -


구율 변화 폭의 상승이 매우 크고 이를 위한 교통수단

과 시설 이용에 따른 교통공간의 분포율 변화 폭도 매

우 커졌음을 알 수 있다.

이에 따라 2017년 거주 및 오피스, 상업, 교통 공

간 등 활동장소별 인구분포율을 30분 간격으로 15

분 단위별 증감의 변화추이를 산출하였고 그 결과는

그림3과 같다. 먼저 거주공간에 머무는 인구율의 추

이 변화를 살펴보면 20:00-20:15에 가장 큰 증가 폭

을 나타내고 08:00-08:15에 가장 큰 감소세를 나타

내며 거주공간을 이탈하는 것으로 나타난다. 전반적

으로 오전 6:00부터 12:00까지 감소세가 관측되고

점심시간대인 12:00부터 15:00사이에 추이의 증감

이 반복된 후 오후 15:30부터 귀가에 따른 분포의 증

가세가 관측된다. 오피스 공간에 분포하는 인구의 변

화 추이는 09:00-09:15에 증가세가 가장 크고 오피

스에 머무는 인구율의 감소세는 21:30-21:45에 가장

큰 것으로 산출된다. 상업공간에 분포하는 인구율은

08:00-08:15에 가장 큰 폭의 증가세가 나타나고 반

대로 23:00-23:15에 감소세의 변화가 가장 큰 것으

로 나타난다. 교통공간에 분포하는 인구율의 증가세

는 07:30-07:45에 가장 컸고 그 뒤로 08:00-08:15,

08:30-08:45의 순으로 나타난다. 반면 가장 큰 감소

폭을 나타낸 시간은 23:00-23:15, 22:00-22:15의

순으로 산출된다(표 4).

그림 3. 활동장소별 30분 간격 인구분포율 증감 추이(2017)

표 4. 활동장소별 30분 간격 인구분포율 증감 추이(2017)

거주 오피스 상업 교통

00:30-00:45 0.00 0.00 0.00 0.00

01:00-01:15 0.00 0.00 0.00 -0.33

01:30-01:45 0.00 0.00 0.11 -0.50

02:00-02:15 0.00 0.00 -0.10 0.00

02:30-02:45 0.00 0.00 0.00 0.00

03:00-03:15 0.00 0.00 0.00 0.00

03:30-03:45 0.00 0.00 0.00 0.00

04:00-04:15 0.00 0.00 0.00 0.00

04:30-04:45 0.00 0.00 -0.11 0.00

05:00-05:15 0.00 0.00 -0.13 0.00

05:30-05:45 0.00 0.00 0.14 0.00

06:00-06:15 -0.01 0.00 0.38 0.00

06:30-06:45 -0.01 0.00 0.09 -1.00

07:00-07:15 -0.04 0.00 0.67 0.00

07:30-07:45 -0.06 0.50 0.55 5.00

08:00-08:15 -0.20 0.33 1.87 2.33

08:30-08:45 -0.16 0.50 0.88 1.90

09:00-09:15 -0.16 1.50 1.43 0.76

09:30-09:45 -0.06 0.20 0.13 0.10

10:00-10:15 -0.16 0.00 0.09 0.12

10:30-10:45 -0.05 0.06 0.03 0.08

11:00-11:15 -0.17 0.63 0.02 0.07

11:30-11:45 -0.04 0.29 0.00 0.03

12:00-12:15 -0.10 0.23 -0.25 -0.06

12:30-12:45 0.01 0.06 -0.04 0.00

13:00-13:15 -0.13 0.10 0.21 0.04

13:30-13:45 0.01 0.21 0.05 0.03

14:00-14:15 -0.06 0.04 0.06 -0.07

14:30-14:45 0.02 0.07 0.02 0.03

15:00-15:15 -0.05 0.04 0.01 -0.06

15:30-15:45 0.07 0.01 -0.01 0.02

16:00-16:15 0.04 -0.10 -0.01 -0.13

16:30-16:45 0.10 0.00 -0.01 0.03

17:00-17:15 0.10 -0.21 -0.03 -0.19

17:30-17:45 0.15 -0.09 -0.02 0.01

18:00-18:15 0.10 -0.32 -0.18 -0.23

18:30-18:45 0.15 -0.08 -0.06 -0.01

19:00-19:15 0.15 -0.61 -0.40 -0.28

19:30-19:45 0.13 -0.08 -0.18 -0.02

20:00-20:15 0.19 0.00 -0.43 -0.27

20:30-20:45 0.09 0.08 -0.12 -0.03

21:00-21:15 0.09 -0.15 -0.34 -0.27

21:30-21:45 0.07 -0.27 -0.10 -0.11

22:00-22:15 0.05 -0.13 -0.33 -0.42

22:30-22:45 0.04 -0.14 -0.16 0.00

23:00-23:15 0.02 -0.17 -0.42 -0.57

23:30-23:45 0.02 0.00 0.00 -0.17

- 752 -


4. 도시 이동성 변화 분석

1) 활동장소별 머무는 인구율 변화

도시 이동성의 변화를 분석하고자 하루 24시간 서

울 도시민이 머무는 활동장소별 인구율의 추이 변화

를 분석한다. 이를 위해 서울지역 하루 15분 단위별

총 96번에 걸쳐 응답 유효표본 1,449명의 각 활동장

소별 분포 및 이동 변화를 통해 서울지역 도시내 활동

장소별 인구분포의 추이 및 장소간 이동의 전반적인

변화 특성을 파악한다.

그림 4는 미디어패널 데이터가 구축된 첫 해를 제

외한 2011년부터 2017년까지 연도별 거주 및 오피

스, 상업, 교통 공간 등 활동장소별 15분 단위별 인구

분포율의 추이 변화를 나타낸 것으로 거주는 U자형,

오피스와 상업은 거꾸로 된 U자형의 Bell형으로 서로

교차하는 모양을 나타낸다. 이러한 모양으로 15분 단

위별 그 분포율의 증감이 관측된다. 거주공간의 경우

낮 시간대의 분포율의 높낮이를 통해 증감의 변화 폭

을 관측할 수 있고 오피스 공간은 오전 출근시간대의

기울기는 비슷하나 그 이후의 분포율에서 증감이 나

타나고 특히 점심시간대인 12:00-14:00 사이에 오피

스를 벗어나는 비율이 전반적으로 증가하는 것으로

나타난다. 이는 점심시간대 상업공간에 머무는 인구

율의 분포 증가를 통해서도 확인할 수 있다. 2011년

이후 점심시간대를 비롯해 오후 4시까지 상업공간에

분포하는 인구율은 큰 폭의 증가세를 나타낸다. 교통

공간의 경우 전반적으로 큰 폭의 변화는 없고 소폭 증

감의 유사한 추이 패턴을 나타낸다.

다음으로 표 5는 각 연도별 거주 및 오피스, 상업,

교통 공간 등 활동장소별 15분 단위별 인구분포율이

가장 높은 시간과 가장 낮은 시간, 그리고 그 때의 인

구분포율 값을 나타낸다. 거주공간에 분포하는 인구

율의 최대값을 갖는 시간은 지난 7년간 점차 앞당겨

져 2011년 오전 4:00-4:15(98.59%)에서 2017년에

는 02:00-02:15(98.83%)로 변화한 것을 관측할 수

있다. 반면 인구분포가 가장 낮은 시간은 점차 늦어

그림 4. 활동장소별 시간대별 인구분포율 변화 추이(2011-2017)

- 753 -


져 2011년 14:00-14:15에서 2017년에는 15:00-

15:15로 나타났고 이때의 분포율 값도 31.72%에서

27.33%로 감소한 것으로 나타난다. 전반적으로 지난

7년간 거주공간에 머무는 인구가 가장 많은 시간대는

앞당겨졌고, 다른 활동장소로의 이동을 위해 거주지

를 이탈한 인구가 가장 많은 시간대는 상대적으로 늦

어졌다. 그 밖에 15분 단위별 오피스 공간에 분포하

는 인구율과 교통 공간에 분포하는 인구의 비율은 유

사한 것으로 나타난다. 2017년 08:30-08:45에 오피

스와 교통 공간에 머무는 인구율은 23.46%로 나타났

고, 2011년에는 15분 앞서 08:15-08:30에 오피스와

교통 공간에 19.09%의 인구가 분포하는 것으로 나타

난다. 2017년 오피스와 교통 공간에 분포하는 인구율

이 가장 낮은 시간대는 둘 다 02:00-02:15(0.14%)로

나타난다. 상업공간에 분포하는 인구율은 지난 7년

모두 점심시간대인 12:30-12:45에 가장 높았고, 분

포율 값도 12.58%(2011)에서 26.09%(2017)로 큰 폭

의 증가세가 관측된다.

2) 장소이동과 스마트매체 이용 변화

정보통신기술의 공간적 영향을 평가하기 위한 다

양한 연구들이 진행되고 있다. 지리적 측면에서 정보

통신은 거리 초월적 속성을 지니고 있으므로 정보화

초기에는 정보기술이 지리적 한계를 완전히 극복할

것이란 예측도 있었다(Caircross, 1997; Negropnte,

1999). 그러나 거리를 초월한 “즉시적 연결 또는 공

간 통합”을 가능케 하는 기술로 공간조정(space-

adjusting) 현상과 시공간의 수렴(time-space con-

vergence)현상을 가져 오는 것으로 인식하는 것이 일

반적이다(임석회, 2005; Kellerman, 2012).

이러한 정보기술의 발전은 사용자 중심의 모빌리

티로 패러다임의 변화가 일어나고 있다(Salomon,

1985; Mokhtarian, 1990; 1998; Cresswell, 2001;

Poli, 2011; Coulter et al., 2016). 사용자들에게 제공

되는 종합적인 정보는 최선의 이동방식을 선택할 수

있게 해준다. 클라우드 기반의 내비게이션 서비스는

사용자들의 자발적인 정보 공유를 통해 실시간 교통

정보를 통합, 제공하고 있고(전범수·이정기, 2013),

사람들은 스마트폰을 통해 소셜미디어의 실시간이며

표 5. 활동장소별 인구분포율 최대/최소 시간 분포(2011-2017)

거주 오피스 상업 교통

시간 인구(%) 시간 인구(%) 시간 인구(%) 시간 인구(%)

최

대

2017 02:00-02:15 98.83 08:30-08:45 23.46 12:30-12:45 26.09 08:30-08:45 23.46

2016 02:30-02:45 99.03 08:30-08:45 25.40 12:30-12:45 24.31 08:30-08:45 25.40

2015 03:00-03:15 98.99 08:15-08:30 22.80 12:30-12:45 25.57 08:15-08:30 22.80

2014 02:15-02:30 98.53 08:15-08:30 23.04 12:30-12:45 26.80 08:15-08:30 23.04

2013 04:00-04:15 98.64 08:15-08:30 23.05 12:30-12:45 17.55 08:15-08:30 23.05

2012 03:00-03:15 98.87 08:15-08:30 18.30 12:30-12:45 16.58 08:15-08:30 18.30

2011 04:00-04:15 98.59 08:15-08:30 19.09 12:30-12:45 12.58 08:15-08:30 19.09

최

소

2017 15:00-15:15 27.33 02:00-02:15 0.14 04:30-04:45 0.35 02:00-02:15 0.14

2016 15:00-15:15 27.67 00:00-01:30 0.00 04:30-04:45 0.19 00:00-01:30 0.00

2015 13:00-13:15 26.89 03:45-04:00 0.19 02:30-03:15 0.00 03:45-04:00 0.19

2014 14:00-14:15 24.57 03:15-03:30 0.13 04:30-04:45 0.38 03:15-03:30 0.13

2013 14:00-14:15 28.68 04:00-04:15 0.06 04:45-05:00 0.43 04:00-04:15 0.06

2012 12:00-12:15 33.89 01:45-02:00 0.07 03:30-03:45 0.07 01:45-02:00 0.07

2011 14:00-14:15 31.72 01:30-02:00 0.00 04:15-04:30 0.49 01:30-02:00 0.00

- 754 -


즉각적인 정보를 접하면서 순간적으로 이동경로 및

목적지를 선택하는 미시조정현상도 빈번히 나타나고

있다. 즉 평상시와는 다른 통행 경로를 선택하거나,

방문하려던 목적지를 대신할 새로운 장소를 찾아가

는 상황 등 이전과는 다른 통행행태가 나타나고 있다.

이에 본 절에서는 미디어다이어리 응답자의 2011

년과 2017년에 머문 활동장소별 스마트매체 이용률

을 비교한다. 특히 장소간 이동 중에 스마트매체 이용

에 나타나는 특징을 파악하기 위하여 활동장소 중 교

통공간의 경우 대중교통, 개인교통, 환승 및 대기공간

으로 세분화하여 각각 분포율의 변화를 분석한다. 그

림 5는 활동장소별 15분 단위별 인구분포의 변화 및

15분 단위로 주요 사용한 매체가 무엇인지에 대한 질

문에 스마트폰이라고 응답한 이용자가 분포하고 있

는 활동장소의 변화 추이, 그리고 활동장소 중 대중교

통, 개인교통 및 개인이동과 대중교통 환승을 위한 대

기공간에 있을 때 스마트폰을 사용한 인구의 변화를

나타낸다. 먼저 스마트폰 이용자의 활동장소별 시간

대별 분포 중 거주공간에 머물며 스마트폰을 사용하

는 인구는 2011년에 비해 2017년에 상대적으로 크게

증가한 것으로 나타난다. 특히 집에 머무는 밤 시간

대 동안 스마트폰 사용이 크게 증가하였다. 반면, 낮

시간대에 오피스나 상업 공간에서의 스마트폰 사용

률은 상대적으로 감소한 것으로 관측된다. 18시 이후

거주공간에서의 스마트폰 이용률의 급격한 증가세는

미디어 지형의 변화 속에서 거주지 내 PC외에 스마트

폰이 갖는 기능적 활용도가 높아지는 추세를 반영하

는 결과라고 볼 수 있다.

또한 지난 7년간 장소간 이동과 관련된 교통공간

에서의 스마트폰 사용률이 큰 폭으로 증가한 것으로

나타난다. 2017년의 경우 아침 출근시간대가 시작되

는 05:45를 시작으로 점차 사용률이 증가하는 전반적

인 추이가 관측된다. 06:15-06:30에 28.6%의 사용

률을 나타내며 오전시간대 중 가장 정점을 찍었고 이

그림 5. 스마트폰 이용자의 활동장소별 시간대별 분포(좌) 및 교통공간에서 스마트폰 사용률의 시간대별 분포(우)

- 755 -


후 10-20% 사이의 사용률을 보이다 20:30-21:00

에 35%가량의 사용률을 나타냈고, 늦은 밤 시간대

인 23:30-23:45에 54.5%의 사용률로 교통공간에 머

무는 인구의 절반 이상이 스마트폰을 사용하는 것으

로 나타난다. 이 시간대 사용률이 하루 중 가장 높다.

두 번째로 교통공간에서 스마트폰 사용률이 높은 시

간대는 그 뒤인 23:45-24:00로 40%의 사용률을 나

타낸다. 2011년에는 23:45-24:00에 스마트폰 사용

률이 23.1%로 가장 높은 것으로 나타난다. 스마트

폰 사용률이 20%를 상회하는 시간은 21:30-21:45

(20.3%), 23:15-23:30(21.8%)이고, 그 외 전반적으

로 다른 시간대에는 5-15% 내외의 사용률을 나타

낸다.

그렇다면 각 활동장소에 머무는 동안 스마트폰을

포함하여 어떠한 스마트매체를 주로 선호하며 사용

하고 있는지 이를 파악하고자 활동장소별 스마트매

체 사용을 대응시켜 이들 간의 연관성을 파악할 수 있

는 대응분석(상응분석, correspondence analysis)을

실시하였다5). 다차원척도법의 일종인 대응분석은 명

목형 자료에 대한 범주 간의 관계 및 변수 간의 대응

표 6. 활동장소와 스마트매체 사용과의 대응분석 결과 요약(2011, 2017)

2011

차원 비정칙값 관성 카이제곱(χ2) 유의수준(p)관성비율

설명됨 누적

1

2

3

.402

.174

.064

.161

.030

.004 714.153 .000

.824

.155

.021

.824

.979

1.000

전체 .196 1.000 1.000

2017

차원 비정칙값 관성 카이제곱(χ2) 유의수준(p)관성비율

설명됨 누적

1

2

3

.279

.066

.007

.078

.004

.000 2124.816 .000

.946

.053

.001

.946

.999

1.000

전체 .082 1.000 1.000

그림 6. 활동장소와 스마트매체 사용과의 대응관계도 변화(2011, 2017)

- 756 -


도(연관성)를 저차원 공간에 도식적으로 표현하여 설

명하는 기법으로 구간 데이터가 필요한 요인분석과

달리 척도에 의존하지 않는 요인분석으로 간주된다.

요인 득점과 같은 차원(dimension)의 점수를 플롯

상의 좌표 값으로 배치시켜 상대적 위치를 시각적으

로 설명할 수 있다는 점에서 유용한 다변량 통계기법

이다.

본 분석에서는 활동장소와 스마트매체 간의 관계

변화를 살펴보기 위해 2011년과 2017년 각각 15분

단위별 하루 동안 머문 장소와 머물며 사용한 주요 매

체 간의 대응관계를 요약하고 Bi-plot를 통해 시각화

하였다. 활동장소는 거주, 오피스, 교통, 상업 등 4개

의 공간으로 범주화하였고, 스마트매체는 미디어다

이어리 응답자의 주요 사용한 매체를 묻는 41개의 문

항 중 비교적 부피 및 공간의 제약 없이 휴대하여 사

용가능한 노트북PC, 태블릿PC, PDA6), 인터넷전화기7), PDA폰, 스마트폰 등 6개를 추출하여 범주화하여

투입하였다. 투입한 행 변수(활동장소)와 열 변수(스

마트매체) 간의 거리측도는 카이제곱 거리로 설정하

여 구한 다음 정규화 방법으로 각 행과 열의 변수, 그

리고 행과 열의 범주 간의 차이와 유사성을 확인할 수

있는 대칭적 정규화로 분석 모형을 설정하였다. 각 차

원의 독립성을 검증하는 카이제곱 값은 모든 모형에

서 유의한 것으로 나타났고, 분석 결과는 플롯 상에서

유사성을 갖는 범주 간 및 변수끼리 가까운 위치에 분

포하는 포지셔닝 맵을 통해 살펴볼 수 있다. 먼저 각

차원의 설명력을 나타내는 관성비율의 값을 보면(표

6) 2011년에 1차원 82.4%, 2차원 15.5%로 두 차원에

서 전체 고유치의 97.9%를 설명하였고, 2017년에는

전체 고유치에 대해 1차원이 94.6%를 설명하는 것으

로 나타난다. 행과 열 점수의 상관관계를 나타내는 비

정칙값은 각 차원의 상대적 중요성을 보여주는 척도

로 1차원에서 각각 .402(2011), .279(2017)의 값으로

산출된다.

이어서 대응분석 결과 차원점수를 포지셔닝한 맵

을 보면(그림 6), 2011년보다 2017년에 머문 활동장

소와 스마트매체 사용 간의 대응관계가 더 밀접해진

것을 알 수 있다. 4곳의 활동장소 간의 거리도 더 근

접해졌고, 매체 중 스마트폰 사용과 이들 공간과의 연

관성도 더 커진 것을 관측할 수 있다. 특히 거주공간

내 PDA의 사용이 매우 활발해졌음을 알 수 있다.

먼저 2011년의 경우, 활동장소 간의 대응관계에서

상업과 교통 공간 간의 거리가 상대적으로 가장 근접

한 것으로 나타났고, 스마트폰의 경우 이들 공간과의

거리가 근접한 것으로 나타나 상업과 교통 공간에 머

무는 동안 스마트폰 사용 선호가 활발함을 알 수 있

다. 6년 후 2017년에도 활동공간 중 상업과 교통 공

간 간의 상호관계가 가장 밀접한 것으로 나타났고 스

마트매체 중 스마트폰의 경우 이들 활동공간을 비롯

해 거주공간과 근접 거리에 포지셔닝되는 변화를 나

타냈고, 오피스 공간의 경우 노트북PC와 스마트폰과

근접하여 연관성을 나타냈다. 스마트매체 중 PDA와

거주공간의 거리는 2011년에 비해 매우 밀접해진 것

으로 나타난다. 특히 스마트폰의 경우 2011년에 비해

2017년에 모든 활동장소와의 거리가 상대적으로 더

짧아진 것으로 나타났고, 활동장소 중 상업과 교통 공

간 간의 거리도 더 근접한 것으로 포지셔닝되는 변화

를 나타냈다. 전반적으로 지난 7년간 서울도시 내 활

동장소와 스마트매체 사용과의 대응도, 즉 연관관계

가 더욱 강화되며 공간별 스마트매체 사용이 더욱 활

발해졌음을 알 수 있다.

5. 결론

정보기술의 발달과 함께 정보매체 확산이 급격해

지면서 도시 이동성에 변화가 감지되고 있다. 본 연구

는 교통과 스마트매체의 결합으로 나타나는 도시 이

동성의 변화를 파악하고자 한국미디어패널조사 미디

어다이어리 서울지역 응답 표본을 대상으로 활동장

소를 거주지, 오피스, 상업시설과 장소이동을 담당하

는 교통으로 구분하고 하루의 시간 축을 따라 각 활동

장소에 머무는 인구율에 나타나는 동적 특성의 변화

를 살펴보았다. 이를 위해 활동장소별 하루 15분 단

위별 인구분포의 추이 변화를 살펴보고, 2011-2017

년 각 연도별 활동장소별 시간대별 인구분포의 변화

를 비교 분석하였다. 또한 활동장소와 스마트매체 사

- 757 -


용 간의 관계 변화를 파악하고자 대응일치분석을 실

시하였다. 특히 도시 이동성을 반영하는 활동장소 및

장소간 이동을 위한 교통공간은 개인교통, 대중교통,

환승 및 대기 공간으로 세분화하여 스마트매체 이용

행태의 시간적 변화를 파악하였다.

2011-2017년 지난 7년간 연도별 거주지 및 오피

스, 상업, 교통 공간 등 활동장소별 15분 단위별 인구

율의 변화를 분석한 결과, 거주공간에 머물고 이탈하

는 시간 변화에 따라 특히 낮 시간대에서 증감의 추

이 변화가 관측되었고 오피스의 경우 오전 출근시간

대이후 공간을 이탈하는 인구율에서 증감의 변화 폭

이나타났다. 특히 지난 7년간 점심시간대인 12:00-

14:00에 오피스를 이탈하는 인구가 전반적으로 크게

증가한 것으로 나타났고, 동시간대 상업공간에 머무

는 인구율은 증가세가 관측되었다. 2011년 이후 점

심시간대를 비롯해 오후 4시까지 상업공간에 분포하

는 인구율은 큰 폭의 증가세를 나타냈다. 이에 동시간

대 교통공간에 머물고 이탈하는 인구의 변화 폭도 커

진 것으로 나타났다. 7년간의 활동장소별 인구분포율

의 최대/최소시간을 파악한 결과, 거주공간에 머무는

인구율이 가장 높은 시간대는 점차 앞당겨져 02:00-

02:15로 나타났고, 다른 활동장소로의 이동을 위해

거주지를 이탈한 인구가 가장 많은 시간대는 상대적

으로 늦어져 15:00-15:15로 나타났다. 상업공간은 7

년 모두 점심시간대인 12:30-12:45에 가장 많은 인

구가 분포하였고 이때의 분포율 값은 7년 동안 2배

이상 증가하였다.

또한 장소이동 중에 사용하는 스마트매체 가운데

스마트폰 사용의 변화를 분석한 결과, 거주공간에 머

물 때 2011년에 비해 2017년에 스마트폰 사용률이

큰 폭으로 증가하였고, 특히 밤 시간대 동안 크게 증

가한 것으로 나타났다. 이동성과 관련이 큰 교통공간

에서의 스마트폰 사용률도 크게 증가하였다. 특히 아

침 출근시간대와 늦은 밤 교통공간에서의 스마트폰

사용률이 크게 증가한 것으로 나타났다. 반면에 낮 시

간대에 오피스나 상업 공간에서의 스마트폰 사용률

은 상대적으로 감소한 것으로 나타났다. 18시 이후

거주공간에서의 스마트폰 이용률의 급격한 증가세는

미디어 지형의 변화 속에서 거주지 내 PC외에 스마트

폰이 갖는 기능적 활용도가 높아지고 있는 추세를 반

영하는 결과라고 볼 수 있다.

이에 스마트매체와 활동장소 간의 관계 변화를 파

악하고자 대응일치분석을 실시한 결과, 스마트매체

중 스마트폰은 모든 활동장소와 상대적으로 매우 근

접한 위치에 포지셔닝되며 밀접한 관련성을 갖는 것

으로 나타났다. 그 외 PDA와 거주공간의 상대적 거

리가 2011년에 비해 2017년에 매우 근접해졌고, 활

동장소 간의 대응관계에서 특히 상업과 교통 공간 간

의 상대적 거리가 매우 근접하게 포지셔닝되었다. 전

반적으로 지난 7년 동안 도시 내 활동장소와 스마트

매체 사용과의 대응도, 즉 연관관계가 더욱 강화되며

공간별 스마트매체 사용이 더욱 활발해졌음을 알 수

있다.

도시민의 일상생활을 구성하는 활동장소 및 장소

이동에 있어 사람들의 스마트매체 사용은 실생활과

점점 밀접해지며 일상화되어 가고 있다. 스마트폰으

로 소셜미디어를 통해 실시간으로 즉각적인 정보를

접하면서 사람들은 순간적으로 이동경로 및 목적지

를 선택하는 미시조정이 빈번히 나타나고 있고, 그 영

향으로 도시민의 활동장소 이동 및 통행행태에도 변

화가 나타나며 결과적으로 도시토지이용에도 영향을

미치고 있다. 물론 도시 이동성에 나타나는 변화를 단

순히 사람들의 통행이 정보통신기술과 결합되어 나

타나는 결과라고 단정할 수는 없다. 그러나 정보기술

의 발달과 함께 정보매체 확산이 급격해지면서 도시

이동성에 변화가 나타나고 있음은 부정할 수 없다. 특

히 스마트매체가 사람들의 실생활과 매우 밀착을 보

이는 우리나라에서는 그 영향으로 도시민의 활동장

소 이동 및 통행행태에도 상당한 변화가 나타나고 있

으며 결과적으로 도시의 토지이용에도 영향을 미치

고 있다. 이에 스마트매체와 결합된 개별 통행행태들

이 모여 형성되는 집합체로서의 도시 이동성의 변화

를 분석하고자 한 본 연구의 작업은 의미를 가진다.

한편, 본 연구에서 사용한 미디어패널조사 미디어

다이어리 활동장소 데이터의 경우 활동장소별 하루

15분 단위별 인구분포 및 장소이동에 대한 정보, 그

리고 활동장소별 머무는 동안 사용한 스마트 매체에

대한 정보를 획득할 수 있다는 장점이 있지만, 응답자

- 758 -


개개인의 하루 시간 축을 따라 이동하는 장소변화의

추적 경로는 제공받을 수 없어 보다 면밀한 분석결과

를 이끄는데 다소 한계가 존재하였다. 그럼에도 불구

하고 도시내 이동성과 이동행태에 있어 스마트매체

와의 관계에 대해 공간적 함의를 도출하고자 실증적

분석과정을 시도했다는 점에서 본 연구의 의의를 둘

수 있다.

주

1) 과학기술정보통신부와 한국인터넷진흥원이 2017년 하반

기 전국 2만 5천가구와 만 3세 이상 가구원 6만 2천 540명

을 대상으로 한 ‘2017년 인터넷 이용실태조사’ 결과 발표에

따른다.

2) 미디어 패널조사 자료는 동일인을 대상으로 매년 미디어

이용행태에 대한 설문조사가 이루어지기 때문에 시간이 경

과하면서 사람들의 미디어 이용행태에 나타나는 변화를 파

악하기에 적합한 자료이다.

3) 시간이 경과하면서 패널의 연령층이 높아지는 문제와 이

주 및 반복적인 조사로 흥미도 저하 등의 이유로 패널 수

가 다소 감소하는 양상이 나타나고 있어 이에 대한 보완책

이 요구되고 있다.

4) 거주공간은 본인주거, 타인주거, 본인주거/사업겸용 공간

으로 오피스공간은 직장, 교육시설, 종교시설, 상업시설은

오락시설, 요식업시설, 체육시설, 문화시설, 상거래시설,

관광휴양지, 교통수단은 대중교통, 개인교통, 개인이동.대

중교통 환승대기 공간으로 범주화하였다.

5) 최적화 척도법(optimal scaling), 쌍대척도법(dual scal-

ing), 동질성 분석(homogeneity analysis) 등 같은 기법을

일컫는 명칭이다(Tenenhaus and Young, 1985).

6) 휴대용 컴퓨터의 일종으로 이동 중에 인터넷이나 문서 작

업 및 개인정보 관리 등이 가능한 개인 정보 단말기로, 기

기 자체에 전화 통화 기능이 있는 기기는 ‘PDA폰’으로 분

류한다(한국미디어패널 다이어리 유저가이드).

7) 인터넷을 경유해서 음성 또는 영상의 송수신을 가능하게

하는 전화기/전화서비스, 최근에는 스마트폰처럼 인터넷

통신과 정보 검색 등 컴퓨터 지원 기능과 사용자가 원하는

애플리케이션을 설치하여 이용할 수 있는 기기도 있다(한

국미디어패널 다이어리 유저가이드).

참고문헌

과학기술정보통신부·한국인터넷진흥원, 2018, 2017 인

터넷이용실태조사 보고서.

국토교통부, 2017, 2017년 도시계획 현황통계. 도시지역

인구비율 현황.

김상일·정완·김화성, 2013, “스마트폰 사용자의 장소 추

론을 위한 시간 모델링 방안 연구,” 한국통신학회

학술대회논문집, 2013(11), 169-170.

박종수·이금숙, 2007, “대용량 교통카드 트랜잭션 데이터

베이스에서 통행패턴 탐사와 통행행태 분석,” 한

국경제지리학회지, 10(1), 44-63.

윤신희·노시학, 2015, “새로운 모빌리티스(New Mobili-

ties) 개념에 관한 이론적 고찰,” 국토지리학회지,

49(4), 491.503.

이건학·김감영, 2016, “공간통계 기법을 이용한 현주인구

추정 모델링,” 한국지도학회지, 16(2), 71-93.

이금숙·김호성, 2018, “교통과 토지이용 정보를 결합한

서울 인구분포의 시공간적 분석: 4차원 시각화

방법을 토대로,” 한국경제지리학회지, 21(1), 20-

33.

이금숙·김호성·박종수, 2017, “서울 대도시권 지하철 통

행흐름의 요일 간 변이성 분석: 동적 시각화 방

법을 토대로,” 한국경제지리학회지, 20(2), 158-

172.

이금숙·김호성·이수영, 2015, “미디어 이용자의 활동공

간 시,공간 정보를 활용한 서울의 실시간 인구 분

포 분석,” 한국경제지리학회지, 18(1), 87-102.

임석회, 2005, 정보화시대의 도시공간과 토지이용, 21세

기 한국 메가트렌드 시리즈, 1-126.

전범수·이정기, 2013, “지하철 이동 중 무선 인터넷 및 스

마트폰 콘텐츠 서비스 이용에 관한 탐색적 연구,”

사회과학연구, 29(4), 179-196.

허민오·강명구·임병권·황규백·박영택·장병탁, 2012,

“확률 그래프 모델을 이용한 스마트폰 사용자의

이동경로 학습 및 실시간 예측 기법,” 정보과학회

논문지: 소프트웨어 및 응용, 39(6), 425-435.

허우긍, 2018, 교통의 지리, 푸른길: 서울.

황주성·이재현·이나경, 2010, 모바일 인터넷으로 인한

미디어 이용패턴의 변화, 기본연구, 10-07, 정보

통신정책연구원(KISDI).

Aguilera, A., Guillot, C. and Rallet, A., 2012, Mobile ICTs

- 759 -


and physical mobility: Review and research agenda,

Transportation Research Part A, 46(4), 664-672.

Badoe, D. A. and Miller, E., 2000, Transportation-land-use

interaction: empirical findings in North America,

and their implications for modeling, Transportation

Research Part D, 5, 235-263.

Buliung, R. N. and Kanaroglou, P. S. 2007, Activity-travel

behaviour research: conceptual issues, state of art,

and emerging perspectives on behavioural analysis

and simulation modelling, Transport Review, 27(2),

151-187.

Cairncross, F., 1997, The Death of Distance, Boston: Harvard

Business School Press.

Castells, M., 1996, The Rise of the Network Society, Oxford:

Blackwell.

Chen, C., and McKnight, C., 2007, Does the built environ-

ment make a difference? Additional evidence from

the daily activity and travel behavior of homemak-

ers living in NYC and suburbs. Journal of Transport

Geography, 15(5), 380-395.

Coulter, R., Van Ham, M., Findlay, A. M., 2016, Re-think-

ing residential mobility: linking lives through time

and space, Prog. Human. Geography, 40 (2016),

352-374.

Cresswell, T., 2001, The production of mobilities, New For-

mations, 43, 11-25.

Deville, P., Linard, C., Martin, S., Gilbert, M., Stevens, F.,

Gaughan, A., Blondela, V., and Tatem, A., 2014,

Dynamic population mapping using mobile phone

data, Proceedings of the National Academy of Science,

111(45), 15888-15893.

Edensor, T., 2011, Commuter: mobility, rhythm, commut-

ing, T. Cresswell, P. Merriman (Eds.), Geographies

of Mobilities: Practices, Spaces, Subjects, Ashgate,

Farham (2011), 189-204.

Elliot, A. and Urry, J., 2010, Mobile Lives, Routledge: Lon-

don.

Fortunati, L. and Taipale, S., 2017, Refining the under-

standing of mobility structure, Telematics and Infor-

matics, 34,(2), 560-568.

Golob, T. F., 2000, A simultaneous model of household

activity participation and trip chain generation,

Transportation Research Part B: Methodological,

34(5), 355-376.

Goodchild, M.F., Klinkenberg, B., Janelle, D.G., 1993, A

factorial model of aggregate spatio-temporal behav-

ior: application to the diurnal cycle, Geographical

Analysis, 25(4), 277-294.

Hägerstrand, T., 1970. What about people in regional sci-

ence?, Papers in Regional Science Association 24,

7-24.

Hanson, S. and Giuliano, G., 2004, The Geography of Urban

Transportation, Third Edition, The Guilford Press:

New York.

Hafezi, H. and Liu, L., 2018, Activity-Based Travel De-

mand Modeling: Progress and Possibilities, in Plan-

ning, Sustainability, and Infrastructure Systems,

American Society of Civil Engineers (ASCE).

Janelle, D. Goodchild, M. F., 1983, Diurnal patterns of

social group distributions in a Canadian City, Eco-

nomic Geography, 59(4), 403-425.

Janelle, D.G., Klinkerberg, B., Goodchild, M. F., 1998, The

temporal ordering of urban space and daily activity

patterns for population role groups, Geographical

Systems, 5, 117-137.

Kamargianni, M., Ben-Akiva, M. and Polydoropoulou, A.,

2014, Integrating social interaction into hybrid

choice models. Transportation, 41(6), 1263-1285.

Kellerman, A., 2012, Daily Spatial Mobilities Physical and

virtual, Farnham, Ashgate.

Kenyon, S., 2010, The impacts of Internet use upon activity

participation and travel: Results from a longitudi-

nal diary-based panel study, Transportation Research

Part C: Emerging Technologies, 18(1), 21-35.

Kumar, A., 1990, Impact of technological developments on

urban form and travel behaviour, Regional Studies,

24(2), 137-148.

Lee, K., Song, Y., Park, J. S., Anderson, W. P., 2012, Re-

lationship between Diurnal Patterns of Transit

Ridership and Land Use in the Metropolitan Seoul

Area, Journal of the Economic Geographical Society of

Korea, 15(1), 26-41.

Lefebvre, H., 2004. Rhythmanalysis: Space, Time and Every-

day Life, London, Continuum.

- 760 -


Liao, L., Patterson, D. J., Fox, D. and Kautz, H., 2007,

Learning and Inferring Transportation Routines,

Artificial Intelligence, 171(5-6), 311-331.

Malleson N and Andresen, M. A., 2014, The impact of using

social media data in crime rate calculations: shifting

hot spots and changing spatial patterns, Cartogra-

phy and Geographic Information Science, doi: 10.

1080/15230406.2014.905756.

Malleson, N. and Birkin, M., 2014, New Insights into In-

dividual Activity Spaces using Crowd-Sourced Big

Data, Presentation to Big Data Science, Stanford,

CA, USA, May 27-May 31, 2014.

Mokhtarian, P. L., 1990, A typology of relationships be-

tween telecommunications and transportation,

Transportation Research A, 24A(3), 231-242.

Mokhtarian, P. L., 1998, A synthetic approach to estimat-

ing the impacts of telecommuting on travel, Urban

Studies 35(2), 215-241.

Mokhtarian, P. I., Salomon, I. and Handy, S. L., 2006, The

impacts of ict on leisure activities and travel: A con-

ceptual exporation, Transportation, 33(3), 263-289.

Muller, P. O., 2004, Transportation and urban form: stages

in the spatial evolution, in The Geography of Urban

Transportation, Third Edition, The Guilford Press:

New York, 59-85.

Negroponte, N., 1999, Being Digital, New York: Knopf.

Nobis, C. and Lenz, B., 2009, Communication and mobil-

ity behavior: a trend and panel analysis of the cor-

relation between mobile phone use and mobility,

Journal of Transport Geography, 17(2), 93-103.

Poli, C., 2011, Mobility and Environment, Humanists vs En-

gineers in Urban policy and professional Education,

New York/London: Springer.

Rodrigue, J.-P., 2017, Urban Transportation, The geography of

Transport System: the spatial organization of transpor-

tation and mobility, New York: Routlrdge.

Salomon, I., 1985, Telecommunications and travel: substi-

tution or modified mobility?, Journal of Transport

Economics and Policy, 19(3), 219-235.

Salomon, I., 2000, Can telecommunications help solve trans-

portation problems?, in Handbook of Transport Model-

ling, Hensher, D. A. and Button, K.(eds.), Peramon:

Amsterdam.

Silva, J. A., Oña, J., and Gasparovic, S., 2017, The relation

between travel behaviour, ICT usage and socal

networks: The design of a web based survey, Trans-

portation Research Procedia 24, 515-522.

Thrift, N., 1977, An introduction to time-geography, Geo

Abstracts, University of East Anglia, 1-37.

Timmermans, H., Arentze, T. and Joh, C., 2002, Analyzing

space-time behaviour: new approaches to old prob-

lems, Progress in Human Geography, 26(2), 175-190.

Tilahun, N. and Levinson, D., 2017, Contacts and meet-

ings: Location, duration and distance traveled,

Travel Behavior and Society, 6, 67-74.

van den Berg, P., Arentze, T., and Timmermans, H., 2013,

A path analysis of social networks, telecommunica-

tion and social activity-travel patterns, Transporta-

tion Research Part C: Emerging Technologies, 26, 256

-268.

Wang, D. and Law, F. Y. T., 2007, Impacts of information

and communication technologies on time use and

travel behavior: A structural equations analysis,

Transportation, 34(4), 513-527.

Zandvliet, R., and Dijst, M., 2006, Short-term dynamics

in the use of places: a space-time typology of visi-

tor populations in the Netherlands, Urban Studies,

43(7), 1159-1176.

방송·뉴미디어통계정보시스템, http://stat.kisdi.re.kr

오토모티브일렉트로닉스, http://www.autoelectronics.co.

kr/artic

교신: 이금숙, 02844, 서울시 성북구 보문로34다길 2, 성

신여자대학교 지리학과(이메일: [email protected],

전화: 02-920-7138)

Correspondence: Keumsook Lee, Department of Geogra-

phy, Sungshin Women’s University, 2 Bomun-ro 34da-gil,

Seongbuk-gu, Seoul 02844, Korea (e-mail: kslee@sungshin.

ac.kr, phone: +82-2-920-7138)

최초투고일 2018. 10. 4

수정일 2018. 10. 20

최종접수일 2018. 10. 26

Documents

스마트매체와 결합된 일상 활동장소 정보를 이용한 도시 ......- 747 - 스마트매체와 결합된 일상 활동장소 정보를 이용한 도시 이동성 변화