공간적 자기상관성과 관내사전투표와 본투표의 투표율: 제21대 총선 서울시 동별 분석

임성학 한국의회발전연구회 2020 의정연구 Vol.26 No.2

This study is meaningful in that it is the first analysis of Korean elections using the concept of spatial autocorrelation. Spatial autocorrelation means that an event occurring in one location in space has a high correlation with an event occurring in the surrounding area. The voter turnout rate in the 21st general election of Seoul area was divided into the early-voting turnout and voting-day turnout, and the spatial pattern of the turnout was examined. Most of the previous studies were based on the unit of the precinct and personal data, but this study analyzed on the basis of the lower unit, Eup-myeon-dong, and analyzed using spatial data and aggregate data. Moran I index showed a fairly high spatial autocorrelation of 0.261 in the voting-day turnout, while the index of the early-voting turnout was low at 0.095, indicating that there was little spatial autocorrelation despite statistical significance. The voting-day turnout, which showed strong spatial autocorrelation, was compared and analyzed using the OLS regression model and the spatial statistics model. In the general regression model, the coefficient of determination R2 rose from 0.585261 to 0.656631 in the spatial error model, showing an increase in explanatory power of about 7 percentage points. This means that the spatial statistical model has high explanatory power. The most interesting result is the relationship between the early-voting turnout and the voting-day turnout. The higher the early-voting turnout is, the lower the voting-day turnout is. When the early-voing turnout increases by about 2%, the voting-day turnout drops by about 1%. In this study, the variables affecting the early-voting turnout and the voting-day turnout are very different. This finding is different from the previous researches. 이 연구는 공간적 자기상관성(spatial autocorrelation)이라는 개념을 사용해 한국 선거를 처음으로 분석했다는 점에서 의미가 있다. 공간적 자기상관성이란, 공간상의 한 위치에서 발생하는 사건은 그 주변 지역에서 발생하는 사건과는 상관관계가 높다는 것을 의미한다. 제21대 총선 서울지역의 투표율을 관내사전투표율과 본투표율로 나누고 투표율의 공간적 패턴이 나타나는지 살펴보았다. 기존의 연구가 선거구 단위를 토대로 분석한 것이 대부분이고 개인자료를 사용한 것이라면 이 연구에서는 좀 더 하위 단위인 읍면동 단위를 기준으로 분석했고 공간자료와 집합자료를 사용해 분석하였다. 본투표율의 모란 I (Moran’s I) 지수는 0.261로 꽤 높은 공간적 자기상관성을 보인 반면 관내사전투표율의 지수는 0.095로 낮아 통계적 유의성이 있음에도 불구하고 공간적 자기상관성이 거의 없는 것으로 나타났다. 공간적 자기상관성이 강하게 나타난 본투표율을 OLS 회귀모델과 공간통계모델로 비교해 분석해보았다. 일반 회귀모델에서 결정계수인 R2가 0.585261에서, 공간오차모델에서는 0.656631로 상승하여 약 7퍼센트포인트의 설명력 증가를 볼 수 있어 공간통계모델이 설명력이 높다는 사실을 알 수 있었다. 가장 흥미로운 결과는 관내사전투표율과 본투표율의 관계인데, 관내사전투표율이 높은 동은 본투표율이 낮게 나오고, 관내사전투표율이 2% 정도 올라가면 본투표율은 약 1% 정도 떨어지는 것으로 조사되었다. 이 연구에서는 관내사전투표율과 본투표율에 영향을 미치는 변수는 매우 다르고, 관내사전투표율의 상승폭이 본투표율 하락폭과 다르다는 점에서 투표편의제공에 따른 분산효과로만 볼 수 없다는 것을 알 수 있어 기존 연구와 차별성을 가진다.

Spatial Characteristics and Driving Forces of Cultivated Land Changes by Coupling Spatial Autocorrelation Model and Spatial-temporal Big Data

( Wang Hua ),( Zhu Yuxin ),( Wang Mengyu ),( Niu Jiqiang ),( Chen Xueye ),( Zhang Yang ) 한국인터넷정보학회 2021 KSII Transactions on Internet and Information Syst Vol.15 No.2

With the rapid development of information technology, it is now possible to analyze the spatial patterns of cultivated land and its evolution by combining GIS, geostatistical analysis models and spatiotemporal big data for the dynamic monitoring and management of cultivated land resources. The spatial pattern of cultivated land and its evolutionary patterns in Luoyang City, China from 2009 to 2019 were analyzed using spatial autocorrelation and spatial autoregressive models on the basis of GIS technology. It was found that: (1) the area of cultivated land in Luoyang decreased then increased between 2009 and 2019, with an overall increase of 0.43% in 2019 compared to 2009, with cultivated land being dominant in the overall landscape of Luoyang; (2) cultivated land holdings in Luoyang are highly spatially autocorrelated, with the ‘high-high’-type area being concentrated in the border area directly north and northeast of Luoyang, while the ‘low-low’-type area is concentrated in the south and in the municipal area of Luoyang, and being heavily influenced by topography and urbanization. The expansion determined during the study period mainly took place in the Luoyang City, with most of it being transferred from the ‘high-low’-type area; (3) elevation, slope and industrial output values from analysis of the bivariate spatial autocorrelation and spatial autoregressive models of the drivers all had significant effects on the amount of cultivated land holdings, with elevation having a positive effect, and slope and industrial output having a negative effect.

공간 자기상관성을 고려한 빈집 밀집 구역 예측

정하영 국제인문사회연구학회 2024 Studies on Humanities and Social Sciences (SHSC) Vol.6 No.2

공간 자기상관성을 고려한 빈집 밀집 구역 예측 정 하 영 연구 목적: 본 연구의 목적은 공간 자기상관성을 고려하여 노후 건축물의 근린단위의 빈집화 가능성을 예측하기 위한 이론적 틀을 마련하고 실증연구를 수행하는 것이다. 연구 방법: 빈집에 대한 선행연구 검토와 데이터에 기반한 알고리즘적 예측 방법을 적용한다. 연구 내용: 첫째 선행연구를 통해 빈집의 개념과 공간상관성을 검토한다. 둘째 건축물대장 데이터와 인구데이터를 수집하고 자연어처리를 통해 건축물의 위치, 크기, 건축연수, 소유주의 나이, 네 가지 속성을 추출하여 건축물 공간빅데이터를 구축한다. 셋째 빈집 여부를 예측하기 위해서 다차원 데이터의 차원 축소와 비지도학습 군집분석 모형을 응용한 판별 분석 방법을 제시한다. 넷째 GIS를 활용하여 공간 분포의 특징을 분석하고, 빈집화 가능성이 높은 밀집 구역을 탐색하여 빈집화의 공간상관성을 판단한다. 결론 및 제언: 빈집밀집구역 예방을 위한 선제적인 공간관리방안에 대한 시사점을 논의한다. 핵심어: 공간자기상관, 공간빅데이터, 군집분석, 탐색적 연구, 공간관리 Prediction of Vacant House Dense AreasConsidering Spatial Autocorrelation Hayeong Jeong** Abstract: The aim of this study is to establish a theoretical and methodological framework to predict the possibility of neighborhood units becoming vacant in old buildings by considering spatial autocorrelation. To this end, this study reviews the concept of vacant houses and spatial autocorrelation, and data-based algorithmic prediction methodologies. Next, building spatial big data is constructed by collecting building data and population data and extracting four attributes, such as the location, size, construction age, and owner's age, of the building through natural language processing. A K-means cluster analysis is applied to predict whether a house is vacant. GIS spatial distribution analysis is applied to show the spatial characteristics and spatial autocorrelation of vacant house dense areas. Finally, implications for proactive space management to prevent empty houses dense area were discussed. Key Words: Spatial Autocorrelation, Spatial Big Data, Cluster Analysis, Exploratory Research, Spatial Management □ 접수일: 2024년 4월 3일, 수정일: 2024년 4월 21일, 게재확정일: 2024년 4월 28일* 이 논문은 2023년 대한민국 교육부와 한국연구재단의 인문사회분야 신진연구자지원사업의 지원을 받아 수행된 연구임(NRF-2023S1A5A8077421). ** 경남대학교 프로네시스융합학부 빅데이터융합학전공 조교수(Professor, Kyungnam Univ., Email: jhayeong@kyungnam.ac.kr)

소상공인 점포의 분포와 환경요인의 공간적 영향관계에 관한 실증연구

유무상 ( Mu-sang Yoo ),최돈정 ( Don-jeong Choi ) 한국지리정보학회 2019 한국지리정보학회지 Vol.22 No.1

본 연구에서는 천안시, 아산시의 100m×100m격자 내에 집계된 소상공인 분포가 가지는 공간적 의존성(Spatial Dependency)과 공간적 이질성(Spatial Heterogeneity)을 전역적(Global), 국지적(Local) 공간 자기상관(Spatial Autocorrelation)을 통해 측정 및 가시화하였다. 먼저 탐색적 공간데이터 분석방법(ESDA: Explotory Spatial Data Analysis)인 Moran’s I Index를 통해 연구지역에서 소상공인 분포의 정적(Positive)공간자기상관이 발생하는 것을 확인하였으며, 국지적 공간자기상관 지표(LISA : Local Indicators of Spatial Association) 중 하나인 Getis-Ord GI*를 통해 공간자기상관의 국지적 패턴을 가시화하였다. 이를 통해 소상공인 상가점포의 입지요인 분석 시 적용할 변수와의 관계에 대해 공간회귀모형의 적용이 타당함을 증명하였으며, 소상공인의 분포와 모바일 트래픽 기반의 시간대별 유동인구, 토지이용 혼합성 지수 그리고 주거지, 상점, 도로망, 교통결절점과의 공간영향관계를 지리가중 회귀분석(GWR : Geographically Weighted Regression)을 통해 분석하였다. 최종적으로 다중공선성(Multicollinearity)이 발생했던 버스정류장 접근성, 오후시간대 유동인구, 저녁시간대 유동인구를 제외한 6개의 변수를 적용하였고 GWR 모형이 OLS모형보다 주요통계량에서 모형 설명력이 개선됨을 도출하였다. 분석에 최종적으로 적용된 6가지 변수의 회귀계수와 국지적 결정계수(Local R²)에 대해 연구지역 내에서 공간적으로 변화하는 변수별 영향력을 가시화하였다. 본 연구는 실질적으로 측정된 방식의 유동인구 정보를 적용함으로써 상권을 이용하는 도시민의 동적 정보를 반영한 것이 상권분석을 수행한 다른 연구들과 차별적인 성격을 가진다. 마지막으로 이러한 동적정보와 변수들의 공간적 상호작용을 구조화하기 위해 미시적 공간단위에서 공간통계학(Spatial Statistical)적 모형 적용을 통해 상권분석의 새로운 프레임을 제시하였다는 점에서 연구적 의의를 가진다. This research measured and visualized the spatial dependency and the spatial heterogeneity of the small business in Cheonan-si, Asan-si with 100m×100m grids based on global and local spatial autocorrelation. First, we confirmed positive spatial autocorrelation of small business in the research area using Moran’s I Index, which is ESDA(Exploratory Spatial Data Analysis). And then, through Getis-Ord GI*, one kind of LISA(Local Indicators of Spatial Association), local patterns of spatial autocorrelation were visualized. These verified that Spatial Regression Model is valid for the location factor analysis on small business commercial buildings. Next, GWR(Geographically Weighted Regression) was used to analyze the spatial relations between the distribution of small business, hourly mobile traffic-based floating population, land use attributes index, residence, commercial building, road networks, and the node of traffic networks. Final six variables were applied and the accessibility to bus stops, afternoon time floating population, and evening time floating population were excluded due to multicollinearity. By this, we demonstrated that GWR is statistically improved compared to OLS. We visualized the spatial influence of the individual variables using the regression coefficients and local coefficients of determinant of the six variables. This research applied the measured population information in a practical way. Reflecting the dynamic information of the urban people using the commercial area. It is different from other studies that performed commercial analysis. Finally, this research has a differentiated advantage over the existing commercial area analysis in that it employed hourly changing commercial service population data and it applied spatial statistical models to micro spatial units. This research proposed new framework for the commercial analysis area analysis.

고유벡터공간필터링 접근법에 기반한 피어슨 상관계수의 요소분해

이상일(Sang-Il Lee) 대한지리학회 2019 대한지리학회지 Vol.54 No.5

본 논문의 주된 연구 목적은 고유벡터공간필터링 접근법에 기반한 피어슨 상관계수 요소분해 기법을 정련화하고, 이 기법이 공간적 자기상관이 전제된 상태에서의 이변량 상관관계 분석에 어떠한 공헌을 할 수 있을지를 실험 연구를 통해 검토하는 것이다. 피어슨 상관계수 요소분해 기법은 공간적 패턴 요소분해, 하위 상관계수의 산출, 결정계수의 요소분해의 과정을 거쳐 이루어지며, 최종적으로 피어슨 상관계수를 네 가지 상관관계 요소, 즉 ‘잔차-잔차 상관관계 요소(EE)’, ‘공통-공통 상관관계 요소(CC)’, ‘특수-잔차 상관관계 요소(UE)’, ‘잔차-특수 상관관계 요소(EU)’로 분해한다. 피어슨 상관계수 요소분해 기법의 유용성을 검토하기 위해 동일한 피어슨 상관계수 값을 갖지만 서로 다른 수준의 이변량 공간적 자기상관을 보이는 가상의 8개 패턴쌍에 적용하였다. 실험 연구를 통해 밝혀진 주요 내용을 정리하면 다음과 같다. 첫째, 공간적 패턴 요소분해 결과, 공통 패턴 요소와 특수 패턴 요소의 존재/부존재의 양상이 매우 다양하게 나타난다. 둘째, 공간적 패턴 요소의 존재/부존재의 양상과 개별 변수의 일변량 공간적 자기상관의 정도에 따라, 하위 상관계수의 상대적 크기, 그리고 공통 결정계수와 특수 결정계수의 상대적 크기가 다양한 방식으로 나타난다. 셋째, 전체적인 이변량 공간적 자기상관의 수준뿐만 아니라 일변량 공간적 자기상관의 조합 양상에 따라 상관관계 요소분해의 결과는 달라진다. 본 연구는 공간데이터분석의 연구 관행에 새로운 제안을 하고자 하는데, 이변량 혹은 다변량 공간통계분석의 경우, 피어슨상관계수와 그것의 유의성 검정 결과뿐만 아니라 피어슨 상관계수 요소분해 결과도 함께 병기한다면 공간적 자기상관이 상관계수의 팽창/위축에 어떠한 방식과 강도로 작동하는지에 대한 새로운 통찰력을 제공할 수 있을 것으로 기대된다. The main objective of this paper is to propose a refined version of the Pearson’s correlation coefficient decomposition technique and to examine how much contribution the technique can make to our understanding about what happens to the bivariate correlation when spatial autocorrelation is present. The technique employs sequential steps which are the spatial pattern decomposition, the sub-correlation coefficients calculation, and the determination coefficients decomposition, and it finally divides the Pearson’s correlation coefficient into four correlation components, the residual-residual correlation, the common-common correlation, the unique-residual correlation, and the residual-unique correlation components. The applicability and practicality of the technique is assessed on a hypothetical data set composed of 8 pairs which are identical in terms of the Pearson’s correlation coefficient but are different in terms of the level of bivariate spatial autocorrelation. Main findings from the experimental study are as follows. First, individual variables involved in the 8 pairs are diverse in terms of presence/absence of particular spatial pattern components. Second, the relative size and proportion of the sub-correlation coefficients and the sub-determination coefficients turn out to be substantially influenced by the presence/absence of particular spatial pattern components and the relative strength of spatial autocorrelation of two variables. Third, the correlation decomposition results are significantly subject to the relative strength of univariate spatial autocorrelation of each variable as well as the overall level of bivariate spatial autocorrelation. In conclusion, this paper proposes a new research practice that encourages researchers conducting a bivariate or multivariate spatial statistical analysis to report some of the results from the Pearson’s correlation coefficient decomposition analysis in addition to Pearson’s correlation coefficients and their associated p-values, which may lead to a new insight into our understanding about how spatial autocorrelation is involved in the process of inflating/deflating correlation coefficients.

세력권 방식의 공간적 연관성을 이용한 인구분포 변화 분석

김호용 국토연구원 2012 국토연구 Vol.73 No.-

Recently, there has been a wide range of research in space by introducing the concept of spatial relationship such as spatial autocorrelation. It is very important to set a spatial-weighted value according to the analysis target since spatial effects differ due to a variable affecting space in the study of applying spatial relationship. It is, however, as a matter of fact that researches with regard to setting methods and usefulness of spatial-weighted values fit for the analytic purpose lack. Accordingly, this study presented an appropriate model for analyzing the population distribution change and spatial-weighted value setting by applying the concept of spatial relationship. The results from the analysis using the population data collected every 5 years for 50 years since 1970 interpreted the population distribution change as well as exploring urban planning backgrounds including a large scale development affecting chronological population change. In order to interpret population change and spatial relationship, Anselin’s local Moran’s I model useful for spatial cluster and outlier analysis and spatial-weighted value methods for the sphere of influence type regarding the spatial distribution characteristics of accumulation unit and applying the reaching distance of influence from each respective unit were well-suited. 최근 공간적 자기상관과 같은 공간적 연관성의 개념을 도입하여 공간에 대한 다양한 연구가 수행되고 있다. 공간적 연관성을 적용한 연구에서 공간에 영향을 주는 변수의 특성별로 공간적 영향력이 다르므로 분석 대상에 따라 공간가중치의 설정은 매우 중요하다. 하지만 분석 목적에 맞는 가중치의 설정방안과 유용성에 관한 연구는 부족한 실정이다. 따라서 본 연구에서는 공간적 연관성 개념을 적용하여 인구분포 변화를 분석하는 과정에 적합한 모델과 공간가중치 설정방안을 제시하였다. 1970년부터 5년 단위로 50년간 인구 데이터를 이용한 분석의 결과는, 각 시기별 인구 변화에 영향을 준 대규모 개발행위를 포함하는 도시 계획적 배경을 함께 살펴봄으로써 인구분포 변화를 해석하였다. 인구의 변화 및 공간적 관련성의 해석을 위해서는 공간적 군집성(cluster)과 이례치(outlier) 분석에 유용한 Anselin의 국지적 Moran’s I 모델과 집계단위의 공간적 분포특성을 고려하고 각 개체로부터 영향력이 미치는 거리를 적용한 세력권 방식의 공간적 가중치방법이 적합하였다.

고혈압, 당뇨, 뇌졸중 유병률에 대한 지역적 공간 자기상관 분석: 한국의 사례에 대하여

주성하 ( Sungha Ju ),노주환 ( Juhwan Noh ),김창수 ( Changsoo Kim ),허준 ( Joon Heo ) 한국보건정보통계학회(구 한국보건통계학회) 2017 보건정보통계학회지 Vol.42 No.4

Objectives: This study aims to derive correlation between disease prevalence and geographical adjacency, by using global and local autocorrelation. Methods: In order to derive the correlation, data provided by community health survey was utilized. The data contains disease prevalence rate for hypertension, diabete mellitus, stroke in 2012, covering the whole South Korea. Global autocorrelation analysis was implemented to derive the spatial characteristics of each disease prevalence rate, and local autocorrelation analysis was implemented to derive local spatial patterns of each disease prevalence rate. All the results are visualized into disease prevalence map. Results: All three diseases had significant spatial autocorrelation, and unique local clustering patterns were derived when local autocorrelation analysis was conducted. Spatial outliers, where disease prevalence rate was significantly different, were found and analyzed accordingly. Conclusions: The result of the study brought new insight towards spatial patterns of disease prevalence rate. The patterns of each diseases were unique, and spatial adjacency factor was found to be a grave influential factor in terms of disease prevalence rate. Also outlier regions, where disease prevalence rate is critically higher or lower and adjacent regions, were used for further analysis to figure out the reasons for disease prevalence. This study allows understanding of spatial characteristics of disease prevalence rate, thus enabling the spatial factors to be considered in terms of disease causation analysis, which can aid in decision making and resolving unbalanced medical service of community.

여가이동에 영향을 미치는 공간적 특성과 효과 - 공간의 자기상관성과 공간회귀분석 적용 -

이정섭,김영래 한국관광학회 2012 관광학연구 Vol.36 No.9

본 연구의 목적은 여가이동이라는 현상에 대해 공간적 특성과 효과를 고찰해보는데 있다. 연구의 대상은 2006년 수도권(서울, 인천, 경기)의 여가목적통행량을 대상으로 하였다. 연구결과, 첫째, 여가이동이라는 현상은 강한 공간적 자기상관성이 있는 것으로 나타났다. 이것은 여가이동이 공간자료로서 가지고 있는 공간의존성과 공간이질성이 존재한다는 것을 의미한다. 따라서 일반회귀모형보다는 공간회귀모형을 적용하는 것이 적절하다는 것을 확인하였다. 둘째, 여가이동도 공간적 맥락속에 있는 현상이며 주변지역과 상호작용에 영향을 받는 것이다. 도시내 도심을 중심으로 여가이동의 유입과 유출이 발생되고 있으며 일부 지역이 군집화되는 현상이 나타나고 있는 것을 확인할 수 있었다. 셋째, 여가이동의 증가는 높은 연결성, 많은 인구, 높은 밀도의 상업시설, 그리고 다양한 문화공간에 영향을 받는 것으로 나타났다. 그러나 도시공원, 자연공원 등은 통계적으로 유의하지 않은 것으로 나타나 이러한 시설의 수적 증가가 여가이동에 의미성이 낮을 수 있음을 알 수 있다. Leisure movement in nature is a spatial phenomena happening between origins and destinations. This implies that leisure movement is likely to be spatially dependent and heterogenous similarly to all other geographical data. The purpose of the study is to explore the spatial characteristics and effects that determine leisure movement by appling spatial autocorrelation and spatial regression. Data were drawn from a Traffic Survey in Seoul Metropolitan Area (Seoul, Incheon, Gyeonggi-do) in 2006. The findings were as follows: Firstly, it was verified that leisure movement showed strong spatial autocorrelation. This means that leisure movement was spatially dependent and heterogenous as is the same for all other spatial data. Secondly, leisure movement was not free from a spatial context and was heavily influenced by the spillover of leisure movement that was interacting in and among surrounding areas. Thirdly, it was found out that leisure movement increased with a high connectivity among areas, large population, high quantity and density of commercial facilities, and a high volume and variety of cultural spaces. Further discussion and implications are discussed within.

도시별 주택가격의 공간적 영향력 검증

허윤경(Youn-Kyoung Hur) 한국주택학회 2007 주택연구 Vol.15 No.4

  주택이 다른 재화나 서비스와 다른 특정을 보이는 이유 중 하나는 위치적 고정성이다. 그렇다면 도시별 주택시장에서 위치적 혹은 공간적 효과 및 영향력의 차이의 존재 여부 확인은 중요한 과제 중 하나일 것이다. 따라서 본 연구는 우리나라의 대표적인 도시인 서울과 부산을 선택하여 공간적 영향력의 두 도시 간 비교에 중점을 두고 공간적 자기상관을 제어한 공간회귀모형을 설정하여 공간적 영향력의 지역 간 특징 및 차이를 규명하고자 하였다.<BR>  분석결과 전통적인 회귀모형인 OLS보다 SAC 모형이 우수한 것으로 나타났고 편의현상도 줄어드는 것으로 분석되었다. 서울의 경우 부산보다 공간적 영향력이 보다 강함을 나타나고 있다. 결국 OLS로 추정된 계수값은 공간영향력을 고려하지 못하여 개별 변수를 과대 혹은 과소추정 할 가능성이 큰 것으로 보인다. 그리고 공간가중치 행렬의 경우 서울의 경우는 5㎞, 부산은 3㎞ 범위 내에서 높은 접합도를 보여 주택가격의 영향이 서울이 부산보다 광범위하게 미치는 것으로 해석할 수 있을 것이다.<BR>  결국, 향후 특성가격 함수모형 설정에서 공간적 영향력을 고려하지 않으면 편의가 발생 할 수밖에 없음을 보여주며 서울의 경우는 부산보다 넓은 지역에서 시장가격 결정을 위한 비교사례를 선정할 수 있으며 또한 일정지역에 한정된 정책 수단의 사용이 넓은 지역으로까지 영향을 미칠 수 있음을 본 연구는 시사한다.   The spatial effects have been little considered in general regression analyses. That is, the spatial effects pertaining to spatial dependence(spatial autocorrelation and spatial heterogeneity) have been ignored in the analyses. Thus, this study will extract the 2 representative cities(Seoul and Susan) and analyze spatial effects related to house price.<BR>  In the standard linear regression model, spatial autocorrelation can be incorporated in three distinct ways using spatial weights matrixs: as an additional regressor in the form of a spatially lagged dependent variable, or in the error structure or both. The general spatial models(SAC) us employed as the empirical analysis for this study, which it can be alleviated the problem of spatial autocorrelation. A study comparing study results has found that seoul are more stronger than Susan on spatial effects. and weight-matrix the range of the high correlation is 5㎞ in seoul, 3㎞ in Susan; thus Seoul cover a more wide range than Susan in the effect of house price.<BR>  This study show that the execution of the local policy in a limited district can have a great effect on wide range in Seoul and from this conclusion, this study can provide a quantitative ground for adjustment sale price related to cities when appraising properties by comparing them with sales comparables.

서울시 자전거 이용의 공간 네트워크 패턴 연구: 공간적 네트워크 자기상관을 중심으로

김영호 국토지리학회 2010 국토지리학회지 Vol.44 No.3

Bicycle has recently been focused as an important transportation alternative to car transportation. Having various advantages such as environment, energy, health, and economy, the bicycle is widely used in many European cities. However, the use of bicycle in Korea is still limited, and so are academic researches about bicycle. This study argues that a research about bicycle flow in transportation network would contribute to creating political policy and building bicycle infra-structure. This study, as an effort to increase bicycle use, analyzes spatial patterns of bicycle use in Seoul Korea using Spatial Network Autocorrelation. In particular Gi statistic by Getis and Ord is applied and Bootstrap permutation is used for significant test. The result presents that network clusters of bicycle use in Seoul and significant transportation factors in bicycle flow. Finally, political suggestions are provided to increase bicycle use in both Seoul and Korea. 현대사회에서 대체 교통수단으로서 자전거의 중요성은 많은 주목을 받기 시작했고, 서구 도시에서는 이미 많은 성공을 거두기 시작했다. 환경, 에너지, 건강, 경제 등 여러 측면에서 장점을 가진 자전거 교통은, 아직 한국사회에서는 그 이용이 미진하며, 이에 관한 학문적 연구도 부족한 현실이다. 본 연구는 기존의 자전거 활성화 관련 정책 및 시설 확충의 성과가 저조한 이유를 공간상의 자전거 이동에 관한 흐름과 교통량을 파악한 연구가 부족한 현실에서 찾는다. 이 연구는 서울시의 행정동 사이의 자전거 운행 네트워크에서 자전거 이용의 공간적인 패턴을 공간적 네트워크 자기상관관계(Spatial Network Autocorrelation)를 통해서 분석한다. Getis와 Ord의 Gi통계가 이용되며, 통계적 유의성을 확인하기 위해서 부트스트랩 치환법(bootstrap permutation)이 사용되었다. 연구 결과 서울시의 어느 지역이 자전거 네트워크의 결절지로 기능하며, 자전거 이동의 가장 중요한 교통요인을 찾아낸다. 마지막으로 현재 우리나라와 서울시의 자전거 이용을 확대하기 위한 정책을 제안한다.