GIS 공간분석을 활용한 사회 취약지역의 분석에 관한 연구 : 서울특별시를 중심으로
A Study on Analysis of the Social Vulnerable Areas Using GIS Spatial Analysis : Focusing on Local Governments in Seoul
Metropolis
*
이명호*ㆍ유선철**ㆍ안종욱***ㆍ신동빈****
Lee, Myeong HoㆍYu, Seon CheolㆍAhn, Jong WookㆍShin, Dong Bin
要 旨
본 연구는 사회 복지 취약지역의 부문별 지표를 선정하고 이를 종합적으로 분석하여 사회 취약지역을 분석하는데 목적이 있다. 이를 위해 선행연구와 이론적 배경을 검토하였으며 분석지표와 기준을 선정하였고 이후 지표에 해당 하는 적정 데이터를 수집하고 구축하였다. 분석의 지표 기준 및 데이터를 기반으로 본 연구의 공간적 범위를 서울 특별시로 선정하여 분석을 수행하였다. 분석결과 사회 취약지역에 관한 부문별 하위 10% 지역이 도출되었다. 부문 별 취약지역을 취합하여 분석한 결과 중구 용산구 서대문구와 같은 일부 지역이 최종 취약지역으로 도출되었다.
특히 중구는 가스, 전력 등 에너지 사용이 낮고 건물의 노후 심화, 교통 의료 교육 시설과의 접근성이 모두 취약한 지역으로 분석 되었다. 용산구는 주거부문 의료부문이 가장 취약하였다. 또한 종로구는 교육부문이 서대문구는 주 거부문, 교육부문에서 취약성이 뚜렷하게 나타났다. 용도지역을 검토해 보면 제1종, 2종, 3종 주거지역에서 에너지, 주거, 의료, 교통, 교육 등 모든 부문에서 취약성을 나타내었다. 본 연구에서 제안된 사회 취약지역 분석기법은 다 양한 데이터의 결합을 통해 시스템, 플랫폼 등으로 활용 할 수 있다. 또한 이러한 분석결과 및 과정 등을 활용하여 공공부문에서의 정책지원, 시간, 인력의 절약을 기대할 수 있다.
핵심용어 : 공간분석, 공간보간법, 사회취약지역, 취약성지표
Abstract
The purpose of this study was to select the sectoral vulnerable areas index in welfare field and analyze the socially vulnerable areas from comprehensive analysis. For this study, preceding research and theoretical background were reviewed. Through this, we selected for the analysis index and criteria, and data corresponding to the index are collected. Based on the index and criteria, the data analysis was performed in Seoul Metropolitan City selected as the spatial extent of this study. From the results of analysis, the sectoral lower rank 10% of social vulnerable areas was determined. In addition, Junggu, Yongsangu, and Seodaemungu from the comprehensive analysis of individual vulnerable areas were derived as a final vulnerable areas. In particular, Junggu was weak in all sectors; Yongsangu was in the medical sector; and Seodaemungu was poor in housing and education. Lower vulnerability index of all sectors (energy, housing, medical, transportation, and education) in 1st, 2nd, and 3rd residential areas by examining use zoning was showed. From the results of this study, we can expect time and labor saving of policy support in public sector.
Keywords : Spatial Analysis, Spatial Interpolation, Social Vulnerable Area, Vulnerability Index
Received: 2016.11.07, revised: 2016.11.16, accepted: 2016.11.21
* 정회원ㆍ안양대학교 석사과정(Member, Master Student, Department of Urban Information Engineering, Anyang University, [email protected])
** 안양대학교 스마트도시공간연구소 연구교수(Research Professor, Smart Urban Space Institute, Anyang University, [email protected])
*** 교신저자ㆍ정회원ㆍ 안양대학교 도시정보공학과 교수(Corresponding Author, Member, Professor, Department of Urban Information Engineering, Anyang University, [email protected])
**** 정회원ㆍ 안양대학교 도시정보공학과 교수(Member, Professor, Department of Urban Information Engineering, Anyang University, [email protected])ㅉ
47 Vol.24 No.4 December 2016 pp.47-58
연구논문
ISSN: 2287-6693(Online) http://dx.doi.org/10.7319/kogsis.2016.24.4.047
1. 서 론
1.1 연구배경 및 목적
정부는 국정비전인 ‘국민행복’ 실현을 위해 맞춤형 복지와 재난·재해에 대한 예방 관리를 통한 안전체감도 개선 등을 정책의 중심으로 인식하고 취약계층의 안전 관리와 복지 사각지대 해소 등을 중점 전략으로 추진하 고 있다. 2015년 국민행복에 관한 업무는 맞춤형 복지 제도의 내실화 복지 사각지대 적극 해소 읍면동 중심의 복지 전달 체계 구축 등을 포함한다. 또한 국민안전을 위한 중점 과제로 안전사고 사망자 감축, 취약계층 안 전관리 안전 사각지대 관리, 고위험 및 중대사고 관리 분야 등 4대 분야 17개 과제를 선정하여 추진 중에 있 다. 그러나 현 정부는 복지 분야에서 대부분 개인·가구 별 소득을 기준으로 단편적인 대상자를 선별하고 있으 며 세부 분야 읍면동 단위 등의 다양한 정보를 체계적 으로 검토하지 못하고 있다. 복지지원 대상자 및 취약 지역을 선정함에 있어서는 소득을 기준으로 생계급여 또는 의료급여 수급자로 한정하여 지원되고 있는 실정 이며 이에 따라 실제 저소득 가정 및 다양한 부분의 취 약계층 지역에 대한 지원에는 한계가 있다. 이를 해결 하기 위해 정부는 사각지대 발굴관리시스템을 개발하 여 복지 사각지대를 해소하고자 시도하고 있으나 여전 히 마을 또는 지역단위 분포유형 등에 대한 공간적인 접근을 고려하지 못하고 있다. 또한 장애인 노인 임산 부 등의 편의증진 보장법에 관한 법률, 보건의료 기본 법, 재난 및 안전관리 기본법 환경보호법, 교통약자의 이동편의 증진법 등 각 정부 부처별 취약계층 지역에 대한 제도와 관련 자료 등의 혼재로 통합적 정책 대응 및 중점 취약대상·지역의 우선적 관리지원 방안이 부족 한 상황이다. 한편 관련 부문의 정보 활용미비 공간적 인 접근부족 통합분석기법의 부재 등 기존 분석의 한계 를 극복하기 위해 공간정보 분야의 위치 정보 분석 모 델 등에 대한 연계 필요성이 대두되고 있다. 공간정보 는 위치데이터를 기반으로 지리현상에 대한 체계적인 접근 기반을 제공할 뿐만 아니라 부문별 각종 정보를 연계, 분석 할 수 있다. 특히 공간보간법은 기존에 분석 하지 못했던 보다 세분화된 공간을 수치적으로 표현가 능하며 통계정보로 알 수 없었던 공간 현상을 탐색 분 석 처방하는 도구로 활용할 수 있다. 이에 따라 복지정 책의 체계화 및 세분화를 위해 에너지, 주거, 의료, 교 통 등 다양한 부문의 관련 데이터를 구축하고 공간정보 와 연계한 분석을 통해 부문별 종합적 관점의 취약지역 분석모델이 필요하다. 이러한 맥락에서 본 연구는 ‘국 민행복’실현을 위해 필수적인 에너지, 주거, 의료, 교통,
교육 등 사회 취약지역 데이터를 수집하고 적정 분석 지표·기준의 설정을 통해 공간분석을 수행하여 분야별 종합적 관점의 취약지역을 도출하는 것을 목적으로 한 다.
1.2 연구 방법
사회 취약지역 분석을 위해 크게 선행연구 및 이론적 배경검토 분석지표 및 기준 검토 데이터 구축 실증분석 으로 구분하여 연구를 수행한다. 먼저 선행연구 및 이 론적 배경검토에서는 에너지, 주거, 의료, 교통, 교육 등 각 부문별 사회 취약지역 분석 지표선정 등에 관한 연구를 검토하며 본 연구에서 활용 가능한 지표와 분석 기준을 검토하고 차별성을 제시한다. 또한 사회 취약지 역의 특성 공간보간법에 관한 이론을 파악하여 본 연구 에서의 이론을 확립한다. 분석지표 및 기준검토에서는 앞서 검토된 선행연구에서의 분야별 특성과 이론을 토 대로 분야별 분석 지표를 검토·선정하고 구체적인 분석 을 위한 분석기준을 설정하였다. 데이터 구축에서는 설 정된 지표에 따라 분석에 활용하기 위해 필요한 부문별 데이터와 링크 데이터, Open API 등 적정 수집방법을 통해 데이터를 구축한다. 실증분석은 크게 부문별 취약 지역 분석, 종합 취약지역 분석으로 구분된다.먼저 부 문별 취약지역 분석에서는 에너지, 주거, 의료, 교통, 교육 등 정제된 데이터와 분석지표 기준 등을 통해 공 간보간법, 공간분석 도구 등을 활용하여 취약지역을 분 석하였다. 종합 취합지역은 도출된 부문별 취약지역에 대한분석결과를 기반으로 가중치를 합산, 중첩, 방법 등을 통해 분석하였다. 이를 통해 종합적 관점에 취약 지역에 대한 분석결과를 해석하고 시사점을 제시하였 으며 본 연구의 흐름도는 Fig. 1과 같다.
Figure 1. Research flow
2. 선행연구 및 이론적 배경 검토
2.1 선행연구 및 차별성 검토
종합적 관점의 사회 취약지역 분석을 위해 에너지, 주거, 의료, 교통, 교육 등 각 부문별 취약지역 분석과 관련된 선행연구를 검토하였다. 이를 통해 구체적인 실 증분석을 위한 방법론을 검토하여 본 연구에서의 차별 성을 제시하였다.
먼저 에너지 부문의 취약지역 분석연구에서 Yu and Yeo(2015)는 도시재생 활성화 지역 분석을 위해 전력, 가스, 난방, 석유 등 에너지 부문의 세부 진단지표를 선 정하고 각종 데이터 구축을 통해 실증적으로 분석하였 다. 이러한 분석을 통해 도시 활성화 정책과 각종 지원 방안을 제시하였다. Cho and Choi(2008)는 에너지부문 에서의 취약성에 대한 영향 요인분석을 위해 관련 지표 를 에너지 공급위험 지표, 시장위험지표로 유형화하였으 며 이를 토대로 주성분분석(PCA principal component analysis)을 활용하여 통계분석을 수행하였다. 분석 결 과를 바탕으로 지역별 국가별로 에너지 취약성을 진단 하였다.
주거부문의 취약성 분석연구에서 Lee(2015)는 주거 급여법, 국민기초생활보장법 주택법 등 관련 법률의 검
토를 통해 최소주거기준 미달 주거, 노후 주거, 가구 규 모 등 취약계층 취약주거에 대한 기준을 살펴보았다.
이러한 결과를 바탕으로 사회취약계층에 대한 주거정 책의 개선방안을 제시하였다. 또한 Nam(2013)은 주거 취약계층에 대한 취약성 유형을 비주택 일반주택으로 구분하고 부적합 주택에 대한 취약지표로 노후 불량주 택 등의 지표를 선정하였다. 이러한 주거 취약요소를 통해 향후 주거 안정성 등의 확보를 위한 정책적 방향 을 제시하였다.
의료부문의 취약지역 분석연구에서 Lee and Im (2015)는 충남지역의 의료서비스 취약지역 도출을 위 해 공공의료 서비스 시설과 사회경제적 취약계층의 공 간적 분포를 정량적으로 비교함으로써 의료 서비스가 필요한 지역을 도출하였다. 또한 실증분석을 태안군 보 령시 일대의 서해안 권역과 주변의 내륙지역 및 홍성군 예산군 서산시 일대의 취약성 분포 패턴을 알 수 있었 다. Lee et al.(2014)와 Moon et al.(2013)은 지역별 의 료 취약지역 분석 및 도출을 위해 분석지표 선정 분석 체계 등 관련 취약지역 분석에 관한 이론을 고찰하였 다.
교통부문의 취약지역 분석연구에서 Han(2015)은 교 통취약지역분석을 통한 교통체계 운영전략 및 추진방
Division Index Analysis method
Energy
⦁The Amount of Electricity used
⦁The Amount of Gas used
⦁The Amount of Oil used
⦁Import/Supply
⦁Standardization Score
⦁Spatial Statistical Analysis
⦁Spatial Interpolation (IDW)
⦁Principal Component Analysis
Housing
⦁Substandard housing conditions
⦁The Number of Facility Below Households
⦁Homeless Persons
⦁Welfare Facilities Resident
⦁Instability Dwellings
⦁Statistical Analysis
⦁Statistical Analysis
Medical Treatment
⦁The Number of Vulnerable Social Group
⦁The number of medical institutions
⦁House Income
⦁The Number of Practising physician
⦁Medical Utilization Rates in the Area
⦁Spatial Statistical Analysis
⦁Kernel Density Analysis
⦁Proximity Analysis
⦁Regional Analysis
⦁Spatial Statistical Analysis
Transport ation
⦁population density
⦁Transit Demand
⦁Subway Station
⦁Household
⦁Bus Station
⦁Subway Station
⦁Spatial Statistical Analysis
⦁Standardization Score
⦁Regional Analysis
⦁Radius of analysis(Buffer)
Education
⦁Student house income educational expenses
⦁School Number of School in Province
⦁Class per head Enrolment
⦁Statistical Analysis
⦁Time Series Analysis
⦁Statistical Analysis
⦁Time Series Analysis Table 1. Analysis index and method
안 수립을 위해 인천광역시를 중심으로 인구밀도, 고령 화비율, 교통 운행횟수, 대중교통통행비율 등을 교통취 약지역 선정에 관한 지표로 선정하여 취약성을 분석하 였다. 또한 Lee et al.(2011)은 수도권 교통취약지역 분 석을 위해 버스정류소 지하철역과 같은 대중교통 데이 터와 인구, 가구, 사업체 등 영향권에 포함되는 집단을 관련 데이터로 구축하였다. 이러한 데이터를 통해 공간 적으로 연계하여 시간별 지역별 패턴을 파악하고 최종 취약지역을 도출하였다.
교육부문의 취약지역 관련 연구에서 Kim et al.
(2015)은 지역 간 교육수준에 대한 비교를 위해 교육과 관련된 주요지표를 도출하고 이를 평가할 수 있는 모형 을 연구하였다. 모형에 대한 실증분석을 통해 타 지역 간 교육수준을 평가하였다. Choo(2012)는 지역 간 나 타나는 교육의 지역수준차이를 교육지표로 수치화하고 이를 실증적으로 분석하여 영역별 지표, 종합별 우선지 역을 도출하였다. 이러한 결과를 바탕으로 향후 정책 방향과 개선방안을 제시하였다. 선행연구 검토를 통해 분야별 특성에 따른 지표 방법론 등을 Table 1과 같이 재구성하였다.
앞서 살펴본 바와 같이 많은 선행연구에서는 취약성 지표의 다양성을 확보하지 못하고 분야별 특성을 중점 적으로 고려하여 변수를 선정하였다. 한편 분석측면에 서는 분야별 취약지역 분석을 위해 서로 상이한 분석방 법을 적용하여 서로 연계되지 못하고 있으며 일부 분야 에서는 통계적인 분석에만 염두에 둔 단편적인 분석방 법을 적용하는 한계가 있었다. 기존의 분석의 한계를 극복하고 보다 세분화된 취약지역 도출을 위해서는 분 야특성을 고려한 적정 세부지표를 선정하고 분석단위 의 통일 공간분석과의 유기적인 연계가 반드시 필요할 것으로 판단된다. 이러한 측면에서 본 연구는 분야별 취약지역에 대한 적정 지표를 선정하고 실제 데이터 수 집과 공간참조가 가능한 데이터를 기반으로 부문별 취 약지역의 공간분석과 이를 종합한 사회 취약지역을 도 출하여 제시하는데 차별성을 갖는다.
2.2 이론적 배경 검토 2.2.1 사회 취약지역
사회 취약지역에 대한 개념이나 특징은 아직까지 명 확하게 확립되어 있지 않다. 또한 에너지, 주거, 교통 등 관련 세부분야에서도 취약지역에 대한 명확한 정의 가 부재하다. 하지만 취약성 분석이라는 측면에서 해당 특성을 규정하는 다양한 법적 근거가 존재하고 있으며 또 그 특성들에 대한 많은 연구가 진행되어 왔다. 우선 에너지 부문의 경우 에너지 소비량, 시장 활성도가 낮
은 지역을 취약지역으로 정의하고 있으며 주거 부문의 경우 최소주거기준의 미달, 노후 주거비율 등을 주거 취약지역으로 간주하였다. 의료부문은 의료 수요 제한, 의료 서비스의 접근 곤란, 의료 서비스 품질 건강 수준 및 건강결과가 낮은 지역을 취약지역으로 정의한다. 교 통부문에서는 대중교통수요 제한, 교통 서비스의 접근 곤란 등의 지역이 해당되며 교육 부문은 교육의 기회, 과정, 효과 등이 낮은 지역을 취약지역으로 정의하였다.
이처럼 선행연구에서의 분야별 특성을 기반으로 사 회 취약지역은 에너지, 주거, 의료, 교통, 교육 등 각 부 문별 취약성이 종합적으로 반영된 지역으로 이해할 수 있으며 분야별로 공통되는 특징을 다음과 같이 정리할 수 있다. 먼저 지역 내 에너지 사용과 활용도가 낮고 교 통, 의료, 교육 등 시스템 전반이 낙후되거나 수요가 부 족한 지역이다. 또한 교통 의료 교육 등의 자원(인력 시 설 장비)이 부족하거나 품질이 낮은 지역 지리적 접근 성이 떨어지는 지역이다. 따라서 본 연구에서의 사회 취약지역은 부문별 수요가 낮은 지역, 지리적 접근성이 떨어지는 지역, 양질의 서비스 수준이 미흡한 지역으로 설정하였다.
2.2.2 공간보간법
공간에 대한 통계자료가 필요할 때 가장 좋은 방법은 모든 위치 지점에서 필요로 하는 자료를 직접 획득하는 것이다. 그러나 비용과 시간 등의 한계로 인하여 모든 지점에서 원하는 값을 얻는다는 것은 불가능하다. 따라 서 특정지점을 선정하여 관측 값을 얻은 후에 이 데이 터를 이용하여 관심 지점의 값을 예측하거나 공간 전반 적인 경향을 확인하는 방법으로 사용되고 있으며 이러 한 과정에 공간보간법을 이용한다. 대표적인 공간보간 법은 IDW(inverse distance weighted), 크리깅(kriging) 등이 있다(Kim and Jo, 2012; Cho and Jeong, 2006).
IDW 보간법은 주변의 가까운 점(point)의 실측값으로 부터 선형으로 결합된 가중치를 사용하여 새로운 셀의 값을 측정하는 방법이다. 즉 점이 가까이 있을수록 더 큰 가중 값을 주게 되며 반대로 점이 멀어질수록 가중 되는 값의 영향력이 줄어든다. 측정을 위한 계산식은 Eq. (1)과 같이 표현할 수 있으며 또한 다음의 Eq. (2) 와 같이 다시 나타낼 수 있다.
(1)
여기서 는 미지점 즉 추정하고자 하는 점 은 관측 지점의 수 는 미지점에서 주변의 관측지점(기지점) 까지의 거리 은 가중치를 나타낸다.
(2)
여기서 는 관측지점 에서 사용할 가중치를 나타낸 다. 는 거리가 증가함에 따라 그 값이 줄어들게 된다. 크리깅보간법은 이미 알고 있는 데이터들의 선형 조 합으로 관심지점에서의 속성 값을 예측하는 지구통계 학적 방법이다. 이 보간법은 주위의 실측값들을 선형으 로 조합하며 통계학적인 방법을 이용하여 값을 추정한 다. 즉 값을 추정할 때 실측값과의 거리뿐만 아니라 주 변에 이웃한 값 사이의 상관도를 반영한다. 이는 측정 값의 평균을 알고 있다고 가정할 때 거리 변수와 함께 예측오차를 최소화할 수 있는 오차분산을 통해 공간보 간을 수행한다. 때문에 크리깅보간법은 타 기법과 다르 게 매우 정확하다는 특징이 있다. 그러나 새로운 점에 서 보간을 수행할 때마다 새로운 가중치를 계산해야 하 므로 많은 양의 계산이 필요하다는 단점이 있다.
3. 분석지표 및 기준 검토
3.1 분석지표 검토
앞서 선행연구와 이론적 배경을 토대로 구체적인 분 석에 활용하기 위한 지표와 분석 기준 등을 검토하여 본 연구에서의 분석지표와 기준을 재구성하였다. 취약 지역에 관한 지표 및 분석기준 선정을 위해 법적 기준 을 통한 객관성 부문별 선행연구의 검토를 통한 대표성 실제 구득하여 분석이 가능한 구득 가능성을 선정근거 로 두었다. 사회 취약지역 분석지표를 에너지 주거 의 료 교통 교육 등 크게 5가지 분야로 구분하여 활용가능 성을 검토하였다. 이를 토대로 선정기준에 따라 분야별 분석지표를 선정한 결과는 다음 Table 2와 같다.
Division index Criteria
Energy Electric Gas amount
Weight lower rank 10%
Housing Deteriorated Housing Medical Medical Institution Transportation Bus Subway Station
Education Educational Institution
Sectoral Weights sum Comprehensive Sectoral Index Weight lower
rank 10%
Table 2. Analysis index and criteria
에너지 부문에서의 취약지역 분석에 관한 지표는 석 유, 가스, 전력 등을 에너지 소비측면의 지표를 중점적 으로 활용하였다. 지표선정기준에 따른 검토결과 에너 지 부문의 활용 가능한 지표로 에너지 소비지표가 가장 적합한 것으로 나타났다. 에너지 소비지표는 에너지 유 통 등과 같은 타 지표와 다르게 에너지 활용실태를 가 장 잘 표현할 수 있는 지표로 분석되어 이를 선택하였 다. 주거 부문에서는 인구특성과 주거특성으로 구분하 여 주거의 수준을 평가하고 있으며 핵심지표로는 인구 및 가구특성, 불량주택거주자 수, 주거 면적, 노후도 등 을 활용 할 수 있다. 주거부문의 지표는 주거 수준을 평 가하는 지표인 주거 노후도를 선정하였다. 의료부문에 서는 의료서비스에 대한 접근곤란 지역을 취약지역으 로 정의하고 있으며 이에 따라 병원 유형별 자원 분포, 접근도달 시간 등을 취약성 지표로 활용할 수 있다. 지 표선정기준 검토 결과 의료 부문의 지표 중 의료 자원 의 접근성 지표를 선택하였다. 교통부문에서는 인구특 성 교통 접근성을 기준으로 주변 잠재수요와 실제 교통 통계 교통수단별 접근성 등의 지표를 활용할 수 있다.
이 중 교통수단별 접근성 지표를 선택하였다. 교육부문 에서는 교육배경 교육과정 교육효과로 구분하여 취약 계층 분포 교육기관과의 접근성 학업성취 등의 취약성 지표를 활용할 수 있다. 교육부문의 지표는 교육기회의 주요지표인 교육자원의 접근성을 취약지역 지표로 선 택하였다.
3.2 분석기준 검토
사회 취약지역 분석을 위해 에너지, 주거, 교통 등 분 야별 특성을 기반으로 세부적인 분석기준 설정이 요구 되며 각 세부 분야에 따라 적정 분석절차를 설정할 필 요가 있다. 또한 이 밖에 공간분석의 연계 각 분야별 분 석체계의 연계 등을 염두에 두어 기준을 설정해야 한 다. 이를 위해 앞서 사회 취약지역의 특성과 관련 지표 를 검토하여 분석기준을 Table 2와 같이 구성하였다.
먼저 분야별 상이한 단위의 통일을 위해 점수 표준화 방법 중 하나인 z-score1)를 적용하였다. z-score는 다양 한 변수를 통합·분석하는 공간분석과 그 중심성을 분석 하는 데 효과적이다(Kim, 2006). 이를 활용하여 각 분 야별 측정 가중치를 동일한 기준으로 두어 취약지역을
1) zscore는 자료의 측정 및 분석 결과에 대한 해석에서 서로 다른 측정 단위를 환산하여 직접적인 비교가 가능하게 하는 방법 중에 하나이다. 표준편차를 단위로 보았을 때 측정치 가 평균에서 얼마만큼 이탈하였는가를 보는 것으로써 평균 과 표준편차를 사용하여 측정치 와 평균치 과의 차를 표준 편차로 나눈 수이다. 즉 (측정치평균)/표준편차로 표현된다.
분석할 수 있다. 다음으로 분야별 분석기준에 대한 검 토 결과 에너지 부문의 선행연구에서는 다양한 지표와 비교를 위해 에너지 취약성에 대한 지역 간 상대적인 기준을 도입하여 분석에 활용하고 있다. 이러한 이론에 기초하여 본 연구에서는 에너지 접근성 측면의 에너지 사용량 지표를 표준화하여 그 누적비율이 하위 10% 지 역을 취약지역으로 정의하였다. 주거 부문에서의 취약 지역은 주거급여법, 주택법 등의 법적 기준에 따라 주 거 생활의 질을 판단하는 지표로써 노후 주거(20년 이 상)를 활용하고 있다. 이러한 분석기준을 기초로 연도 별 노후도 증가에 따라 가중치를 산정하고 표준화하여 분석한다. 이를 통해 최종 도출지역의 하위 10% 지역 을 취약지역으로 정의하였다. 의료 부문의 선행연구에 서는 의료자원의 접근성 분석을 위해 의료기관의 수 대 비 행정면적으로 계산하여 그 접근성을 측정하였다. 이 러한 연구는 병원 유형에 따른 구분이 부재하여 세분화 된 분석에 한계가 있다. 따라서 앞서의 Lee et al.(2014)와 Moon et al.(2013)의 분석이론을 재구성하 여 본 연구에서는 의료자원의 접근성 측면에서 병원 시 설의 유형별로 상대기준 종합병원 100, 전문병원 50, 요양병원 30, 기타의원 10으로 두어 그 가중치를 표준 화하고 분석하며 그 결과의 하위 10%지역을 취약지역 으로 정의하였다. 교통 부문에서는 그간 교통 접근성 측면에서 거리분석을 통해 교통 서비스의 수준을 평가 하였다. 본 연구에서는 Lee et al.(2011)의 분석기준을 재구성하여 교통수단별 버스정류장 200, 지하철 400으 로 설정하여 가중치로 활용하며 그 비율의 하위 10%지 역을 취약지역으로 정의하였다. 교육 부문은 교육격차 분석을 위해 지역 간 교육수준을 평가하고 있다. 본 연 구는 Kim et al.(2015)와 Choo(2012)의 교육부문의 분 석이론과 함께 교육자원의 접근성 측면을 포함하였으 며 이를 통해 교육 시설 유형별로 어린이집 및 유치원 은 200, 초, 중, 고등학교가 각각 400, 800, 1500으로 설정하여 분석결과의 하위 10%지역을 취약지역으로 정의하였다. 부문별 분석 기준에 따라 가중치 주제도를 작성하여 개별 분야의 취약지역을 도출하고 개별 가중 치를 중첩하여 종합적 관점의 취약지역으로 도출한다. 최종 중첩을 위해 개별분야에 대한 가중치는 0~1로 표 준화된 값을 가질 수 있으며 레스터 형태의 측정값을 계산하기 위한 방법으로 Arc GIS의 레스터 분석도구인 raster calculator를 활용하였다.
4. 자료구축
선정된 취약성 지표를 통한 취약지역 분석을 위해서
는 각 부문별 지표에 따른 데이터를 수집하고 이를 구 축·활용할 필요가 있다. 실증분석에 활용하기 위한 데 이터를 서울특별시에서 구축·활용되고 있거나 서울시 가 포함된 전국데이터를 수집하여 구축하였다.
에너지 부문의 활용데이터는 에너지 접근성 및 소비 지표인 전력 가스사용량을 활용하였다. 건물에너지 정 보공개시스템에서 제공하는 2015년 지번별 에너지 사 용량을 수집하였으며 원본 데이터에서 식별코드 행정 경계코드, 주소 에너지 사용량 등 분석에 활용될 속성 을 추출하여 자료를 구축하였다. 주거부문은 최소주거 기준의 세부 지표를 활용한 이론을 기초로 주거 노후도 를 사용하였다. 데이터의 수집을 위해 국가공간정보포 털에서 2015년 GIS건물종합정보를 수집하였으며 고유 번호, 행정코드, 준공연도 등 실증분석에 활용 될 속성 으로 재구성하여 구축하였다. 의료부문은 의료서비스 의 품질 의료자원의 접근성 측면으로 관련 이론과 분석 기준을 기초로 병원 유형별 시설정보를 수집하였다. 자 료구축을 위해 건강보험심사평가원에서 제공하는 전국 병원/약국 찾기 검색 서비스의 Open API를 통해 고유 식별번호, 의료기관의 시설명, 유형, 주소 등 관련 정보 를 공간속성으로 구축하였다. 교통부문에서는 보도접 근성 지표를 고려하여 버스 지하철역 정보를 활용하였 다. 자료의 구축을 위해 서울시 열린 데이터 광장에서
Division Data Name Data sources Energy Electric http://open.gree
ntogether.go.kr/
City Gas
Housing Building Info http://www.nsdi.
go.kr/
Medical
General Hospital
http://www.hira.
or.kr/
Special Hospital Convalescent
Hospital Hospital Clinic Dentist Oriental Hospital
Public Health Midwife Pharmacy Household medicine
Education
PreNursery School
http://www.data.
go.kr/
Primary School Middle School
High School
Transportation Bus Station http://data.seoul.
go.kr/
Subway Station Table 3. Data name and sources
서울시 지하철역 정보, 버스정류장 정보를 수집하였으 며 해당하는 역 명칭, 호선정보, 위치정보를 공간속성 으로 구축하였다. 마지막으로 교육부문은 교육격차에 대한 수준을 평가하고 비교·분석이 가능한 교육기회 지 표 중 교육기관 유형별 정보를 수집하였다. 자료구축을 위해 공공데이터포털에서 제공하는 평가인증 어린이집 정보 교육기본통계정보를 활용하였으며 고유식별코드, 시설명, 주소, 유형 등의 속성으로 재정리하여 구축하 였다. 구축된 자료와 출처 등은 Table 3과 같다.
5. 실증분석
5.1 실증분석의 개요
본 연구에서의 공간적 범위를 구득가능성과 분석결 과의 파급성 효과성 등을 검토하여 서울특별시로 설정 하였으며 내용적 범위를 에너지, 주거, 의료, 교통, 교 육 등 크게 5가지 부문의 취약지역 분석과 이를 통합한 종합적 취약지역을 도출하였다. 사회 취약지역의 도출 을 위해 앞서 설정된 사회 취약지역 지표를 활용하여 관련 자료를 구축하고 분석기준과 방법을 적용한 실증 분석을 실시하였다. 실증분석에는 분야별 취약지역을 분석하고 이를 토대로 종합적 관점의 취약지역을 분석 한다. 이를 위한 분석절차로는 부문별 지표를 토대로 관련 데이터를 수집하고 선행연구 검토를 통한 본 연구 의 분석기준을 적용한 가중치를 산정한다. 이 후 가중 치 표준화 방식을 zscore(0~1)로 표준화하게 되며 구체 적인 공간분석을 위해 Arc GIS 10.1의 공간분석 도구 인 IDW를 이용한다. IDW 적용을 위해 파라미터를 표
본점 12개의 점(point)이 선택될 때 까지 검색반경을 증가시키는 방법과 그 영향력이 미치는 범위를 최대 1Km로 설정하였다. 이는 서울시내에 많은 표본으로부 터 내삽2)이 발생하는 지역을 도출하기 위함이다. 사회 취약 관련 가중치를 기반으로 IDW를 수행하여 부문별 raster map을 도출하게 되며 그 결과를 통해 종합적 취 약지역을 분석하였다. 실증분석의 개요를 도식화하면 다음 Fig. 2와 같다.
5.2 분야별 취약지역 분석
부문별 취약지역 분석을 위해 에너지, 주거, 의료, 교 통, 교육 등 분야별 선정 지표 분석기준 데이터를 활용 하여 분석을 실시하였다. 먼저 에너지 부문의 분석결과 는 Fig. 3과 같다. 도시가스 사용량 전략 사용량에 대한
Figure 3. Vulnerable areas in the energy sector
2) 내삽이란 실측한 데이터들의 범위 내부의 한 지점을 추세 선으로부터 예측하여 측정하는 것이다.
Figure 2. Analysis summary
하위 10% 지역을 도출하기 위해 행정구역의 면적 대비 취약지역의 면적비율을 분석하였다. 분석결과 에너지 취약성이 높은 지역은 구 단위로 구로구(2.8%), 양천구 (2.1%), 중랑구(1.61%), 강서구(1.2%), 관악구(1.1%) 순으로 분석되었다. 최 하위지역인 구로구를 자세히 살 펴보면 오류2동(11.4%), 고척2동(2.2%), 구로4동 (1.5%) 순으로 에너지 취약성을 나타내었다. 양천구의 경우 목5동(11.7%), 신정3동(6.7%), 신월6동(3.8%), 신정2동(2.9%), 신정1동(2.7%) 등의 순으로 취약지역 이 분석되었다.
주거 부문의 경우 주거 취약성 관련 지표를 중 많은 부문을 차지하고 있는 주거 노후도를 중심으로 자료를 수집하고 분석에 활용하였다. 공간분석을 통해 주거부 문의 취약지역을 분석한 결과는 Fig. 4와 같다. 주거 노 후도에 대한 하위 10% 지역을 도출하기 위해 행정경계 구 동 대비 취약지역 면적의 비율을 분석하였다. 분석 결과 주거에 대한 취약성이 높은 지역을 중구(12.6%), 동대문구(6.3%), 용산구(3.8%), 성북구(3.7%), 서대문 구(2.9%) 순으로 분석되었다. 그 중 가장 변화가 큰 중 구의 경우 주거 취약성을 보인 지역이 화현동(20.3%), 명동(19.9%), 을지로동(18.9%), 소공동(15.5%), 필동 (12.0%) 순으로 분석되었다. 다음 동대문구의 경우 이 문1동(20.2%), 용두1동(19.7%), 이문2동(18.6%), 전농 4동(17.1%), 답십리1동(15.9%) 순으로 취약지역이 분 석되었다.
의료 부문은 의료기관의 유형별로 접근성을 기준으 로 두었으며 관련 데이터를 의료기관 유형에 따라 1차 2차 3차 병원을 각각 10 또는 30 50 100으로 구분하여 가중치를 산정하였다. 이를 토대로 의료부문의 취약지 역을 분석한 결과는 Fig. 5와 같다. 의료 취약지역 분석 을 위해 의료자원의 접근성이 취약한 하위 10% 지역을 선별하여 면적분석을 실시하였다. 그 결과 서울특별시
Figure 4. Vulnerable areas in the housing sector
Figure 5. Vulnerable areas in the medical sector
Figure 6. Vulnerable areas in the transportation sector
내에 용산구(17.1%), 동작구(8.5%), 마포구(6.4%), 강 남구(4.5%), 서초구(0.3%) 순으로 취약지역을 분석하 였다. 용산구 내에 가장 취약성이 뚜렷한 지역을 살펴 보면 원효로1동(99.0%), 용문동(97.5%), 한강로1동 (96.2%), 효창동(79.6%), 청파2동(56.9%) 순으로 분석 되었다. 동작구의 경우 흑석1동(79.4%), 흑석2동 (50.3%) 순으로 의료 취약성이 분석되었다.
교통 부문에서 활용 가능한 지표를 버스 지하철역 등 교통수단을 중심으로 그 접근성을 측정하였다. 이를 통 해 취약지역을 분석한 결과는 Fig. 6과 같다.
서울특별시를 대상으로 분석한 결과 금천구(17.9%), 강북구(17.6%), 양천구(13.6%), 성북구10.8%), 도봉구 (10.0%) 순으로 취약지역이 분석되었다. 금천구 내에 서 교통 접근성이 가장 취약한 지역을 살펴보면 시흥본 동(44.3%), 시흥3동(36.3%), 시흥4동(29.0%), 독산4동 (25.7%), 독산본동(23.7%) 순으로 분석되었다. 다음으 로 강북구는 미아6, 7동(76.0%), 미아1동(72.8%), 수유 2동(46.3%), 수유5동(31.9%) 순으로 분석되었다.
교육 부문에서는 교육자원의 접근성 측면을 중심으
Figure 7. Vulnerable areas in the education sector
로 교육기관 소재지를 분석에 활용하였다. 교육기회지 표인 교육 접근성을 기준으로 어린이집 및 유치원 초등 학교 중학교 고등학교를 각각 가중치 200, 400, 800, 1500으로 설정하였으며 이를 통해 교육 취약지역을 분 석한 결과는 Fig. 7과 같다. 교육 취약지역은 중구 (15.8%), 종로구(14.3%), 강남구(9.2%), 서대문구(6.5%), 용산구(6.1%) 순으로 분석되었다. 중구에 대한 취약지 역 면적을 살펴보면 신당1동(42.8%), 중림동(40.4%),
소공동(33.5%), 명동(32%), 신당2동(23.8%) 순으로 분 석되었다.
5.3 종합 취약지역 분석
개별 분야의 취약지역을 종합적으로 분석하기 위해 서는 취약성에 대한 수준을 적절히 반영하고 직관적으 로 확인 가능해야 한다. 따라서 개별 분야의 취약지역 을 취약성 수준에 따라 10%씩 등급별로 재분류하였다.
즉 분야별로 하위 10%지역을 등급1부터 상위 100%지 역은 등급10까지 재분류하였다. 분야별 등급을 설정하 는 이유는 종합 취약지역에 대한 유형을 명확하게 구분 하기 위함이다. 분야별 취약등급에 대한 중첩분석을 위 해 Arc GIS 공간분석 도구인 raster calculator를 활용 하여 종합적인 관점의 취약지역을 Fig. 8과 같이 도출 하였다. 사회 취약성은 1에서 10까지의 등급으로 구분 되며 등급이 낮을수록 취약성이 높은 지역에 해당한다.
취약지역에 대한 보다 자세한 수준을 평가하기 위해 구·동 단위 면적분석을 실시하였다. 먼저 구 면적을 기 준으로 취약성이 가장 뚜렷한 지역은 중구(9.6%), 용산 구(5.4%), 종로구(4.9%), 서대문구(4.1%), 성북구(2.7%) 순으로 분석되었다. 중구에서의 동 대비 취약지역 비율
Figure 8. Comprehensive vulnerable areas
은 명동(24.9%), 소공동(20.2%), 광희동(15.5%), 신당1 동(12.6%), 화현동(11.4%)이 가장 취약한 것으로 분석 되었으며 용산구의 경우 청파2동(20.9%), 1동(19.7%), 한강로1동(16.9%), 원효로1동(12.8%), 남영동(12.6%) 등으로 취약성이 나타났다. 종로구의 경우 부암동 (17.3%), 명륜3가동(11.3%), 효자동(11.0%), 혜화동 (9.4%), 교남동(9.2%) 순으로 도출되었고 서대문구는 연희1, 2동이 각각(24.5% 14.4%), 충정로동(8.5%), 창 천동(7.5%), 북가좌1동(5.7%)이 도출되었다. 성북구의 경우 장위1동(11.0%), 성북2동(10.2%), 성북1동(7.9%), 월곡동(6.7%), 월곡3동(6.6%) 순으로 취약지역이 분석 되었다. 분석결과를 정리하면 Table 4와 같다.
분석 결과를 해석해보면 중구의 경우 일부 일반상업 지역 주거지역에서 에너지 사용이 취약하며 건물 노후 도 심화 교통 의료 교육 시설의 접근성이 모두 취약한 지역으로 분석되었다. 특히 중구에서도 명동 소공동 광 희동 일대는 주거 의료 부문에서 가장 높은 취약성을 나타내는 것으로 분석되었다. 다음으로 용산구의 경우 주거지역에서 주거 의료부분의 취약성이 뚜렷한 지역 으로 분석되었다. 특히 청파1, 2동 한강로1동 원효로1 동 일대의 주거지역에서 주거 노후도 의료 자원의 접근 성이 취약한 지역으로 분석되었다. 종로구의 경우 교육 부문에서 높은 취약성을 나타내었다. 이러한 취약특성 을 나타내는 이유는 자연녹지지역으로 둘러싸인 일부
주거지역에서 교육 자원의 접근성이 매우 취약한 패턴 을 보이기 때문이다. 다음으로 서대문구는 주거 교육부 문의 뚜렷한 취약성을 나타내었다. 특히 서대문구내 연 희동은 자연녹지지역을 제외하면 모두 제1종, 2종, 3종 일반주거 지역이며 현재 주택재개발지역으로 선정되어 공사 예정이거나 진행 중에 있는 취약지역이다. 성북구 의 경우 주거 교통부문에서 높은 취약지역 비율을 나타 내었다. 특히 성북구 내에 장위동은 대부분의 지역이 주거지역으로 주거노후도가 심화되어 실제 장위재정비 촉진지구로 선정된 지역이며 성북동 월곡동 등은 주거 노후도와 교통 접근성 측면에서 모두 취약한 결과로 분 석되었다.
6. 결 론
본 연구는 공간상 세분화된 분석이 가능한 공간보간 법을 활용하여 에너지 주거 교통 의료 교육 등 부문별 종합적 취약지역 분석을 분석하였다. 이를 위해 관련 선행연구와 이론을 고찰하였으며 부문별 특성 검토를 통해 사회 취약지역에 대한 지표 분석기준을 선정하였 다. 실증 분석을 위해 부문별 데이터를 수집하여 공간 참조 데이터에 따라 GIS 속성매칭을 수행하여 데이터 를 구축하였다. 실증분석은 서울특별시를 대상으로 부 문별 취약지역 분석 종합 취약지역 분석으로 구분하여 Division Rank Percentage of vulnerable areas
(Gu boundary) Rank Percentage of vulnerable areas (Dong boundary)
Energy
1 Guro-gu 0.0285 1 Songpa-gu Jamsil 2-dong 0.1842
2 Yangchun-gu 0.0211 2 Gangseo-gu Hwagok 5-dong 0.1299
3 Jungnang-gu 0.0161 3 Yangchun-gu Mok 5-dong 0.1178
Housing
1 Jung-gu 0.1268 1 Jung-gu Hoehyeon-dong 0.2032
2 Dongdaemun-gu 0.0638 2 Dongdaemun-gu Imun 1-dong 0.2029
3 Yongsan-gu 0.0385 3 Jung-gu Myeong-dong 0.1999
Medical
1 Yongsan-gu 0.1719 1 Mapo-gu Singongdeok-dong 0.9998
2 Dongjak-gu 0.0856 2 Yongsan-gu Wonhyoro 1-dong 0.9902
3 Mapo-gu 0.0641 3 Yongsan-gu Yongmun-dong 0.9759
Transportation
1 Geumcheon-gu 0.1798 1 Gangbuk-gu Mia 6, 7-dong 0.7604
2 Gangbuk-gu 0.1763 2 Gangbuk-gu Mia 1-dong 0.7283
3 Yangchun-gu 0.1361 3 Dongdaemun-gu Jangan 4-dong 0.6772
Education
1 Jung-gu 0.1585 1 Jongno-gu Gahoe-dong 0.7549
2 Jongno-gu 0.1453 2 Seongbuk-gu Seongbuk 1-dong 0.6192
3 Gangnam-gu 0.0927 3 Gangnam-gu Daechi 1-dong 0.5035
Comprehensive
1 Jung-gu 0.0969 1 Jung-gu Myeong-dong 0.2492
2 Yongsan-gu 0.0545 2 Seodaemun-gu Yeonhui 1-dong 0.2459
3 Jongno-gu 0.0498 3 Mapo-gu Yeomni-dong 0.2357
4 Seodaemun-gu 0.0412 4 Yongsan-gu Cheongpa 2-dong 0.209
5 Seongbuk-gu 0.0276 5 Jung-gu Sogong-dong 0.2023
Table 4. Percentage of vulnerable areas
Arc GIS 분석 도구인 IDW를 활용하여 분석하였다.
사회 취약지역에 관한 지표를 적용하여 부문별 취약 지역 분석을 통해 에너지, 주거, 의료, 교통, 교육 부문 의 취약지역을 도출할 수 있었다. 특이점은 각 부문별 로 취약지역에 대한 분포가 다소 상이함을 알 수 있었 다. 먼저 에너지 부문은 구로구 양천구 일대 주거 일반 상업지역에서 에너지 취약성을 나타내었으며 일부 준 공업지역이 포함되어 있음에도 취약지역으로 도출되었 다. 주거 부문은 중구와 동대문구에서 주거 노후도가 상당부분 진행됨을 확인할 수 있으며 주거 상업지역에 서 뚜렷한 주거 취약성을 나타내었다. 의료 부문은 용 산구 동작구 일대에서 의료 취약지역 비율이 두드러졌 다. 이는 제1차, 2차, 3차 병원에서 접근성이 매우 떨어 지기 때문이다. 교통 부문의 취약지역은 금천구 강북구 로 도출되었다. 특히 금천구내 시흥동 일부 지역은 버 스 지하철과 접근성이 매우 떨어지는 것으로 분석되었 으며 강북구는 미아동 수유동 일대에 취약성이 두드러 졌다. 이 지역은 실제 교통 접근성을 높이기 위해 우이 신설 경전철 공사가 진행되고 있으며 2017년 7월 개통 예정이다. 교육부문은 중구 종로구 일대 지역이 취약지 역으로 도출되었다. 이 지역은 주거지역과 교육시설이 위치한 지역까지의 접근성이 매우 떨어지는 것으로 분 석되었다. 사회 취약지역을 종합적으로 분석한 결과 중 구 용산구 종로구 서대문구 성북구 순으로 취약성이 두 드러졌다. 특히 중구 내에서 취약지역으로 도출된 지역 은 에너지 주거 의료 교통 교육 등 부문별 모두 취약성 이 매우 높게 나타났으며 이외에 용산구는 주거 의료 취약성이 높게 나타났으며 종로구는 교육 서대문구는 주거 교육부문의 뚜렷한 취약성을 나타내었다. 끝으로 성북구는 주거 교통부문에서 매우 취약한 지역으로 분 석되었다.
본 연구를 통해서 부문별 활용지표를 적용하여 그 동 안 알 수 없었던 세분화된 지역과 개별 취약지역에 대 한 수준을 파악할 수 있었다. 또한 이러한 부문별 지표 를 고려하여 종합적으로 분석하여 취약지역에 특성을 체계적으로 파악할 수 있었다. 그럼에도 불구하고 본 연구에서의 한계점은 먼저 다양한 분야와 지표에 대한 고려가 부족한데 있다. 실증분석을 위해 보다 다양한 데이터를 고려해야 했으나 자료의 구득 가능성에 초점 을 두어 많은 분야를 고려하기에는 한계가 있었다. 또 한 대용량 데이터 분석도구의 기능 등의 이유로 서울특 별시를 분석범위를 한정하여 보다 포괄적이고 객관적 인 분석결과에는 한계가 있다. 따라서 이러한 한계를 극복하기 위해 부문별 사회 취약지역 지표 방법론 기준 분석 도구에 대한 보다 면밀한 검토가 필요할 것으로
판단된다. 또 실증분석 결과에 대한 검증을 위해 타 지 역 간의 비교 등을 통해 객관성을 확보해야 할 것이다.
감사의 글
본 연구는 ‘국토교통부 국토공간정보연구사업 ’국토 공간정보의 빅데이터 관리, 분석 및 서비스 플랫폼 기 술개발 과제의 연구비 지원에 의해 수행되었습니다.
(16NSIP-B081011-03)
References
1. Cho, H. C. and Jong, C. J., 2006, Application of spatial interpolation to rainfall data, Journal of the GIS Association of Korea, Vol. 14, No. 1, pp. 29-41.
2. Cho, Y. H. and Choi, G. H., 2008, Analysis of the energy vulnerability factors affecting, Korean Energy Economic Review, Vol. 7, No. 2, pp. 103-138.
3. Choo, G. M., 2012, A research on the regional differences of education : a case study on the middle school education in korea, Journal of the Association of Korean Geographers, Vol. 1, No. 1, pp. 33-52.
4. Han, J. H., 2015, Operation strategies & promotion plan for demand responsive transport systems in vulnerable area to transport, Research Report, Incheon Development Institute, Republic of Korea, pp. 30-94.
5. Kim, H. J. and Jo, W. K., 2012, Assessment of PM-10 monitoring stations in Daegu using GIS interpolation, Journal of the Korean Society for Geo-Spatial Information System, Vol. 20, No. 2, pp.
3-13.
6. Kim, H. K., 2006, Changes of spatial structure in Busan metropolitan using GIS with special reference to population employment and land prices, Journal of the Korean Society for GeoSpatial Information System, Vol. 9, No. 4, pp. 204-214.
7. Kim, W. J., Lee, J. Y. and Kim, S. S., 2015, Study on the development of education gap index in Gyeonggi province, Korea, Research Report, Gyeonggi Institute of Education Republic of Korea, pp. 104-126.
8. Lee, G. J. and Im, J. H., 2015, A study on devising a methodology for identifying medical service underserved areas and an empirical analysis: the case of Chungnam province, Journal of the Korean
Urban Management Association, Vol. 28, No. 1, pp.
105-125.
9. Lee, H. G., 2015, Housing assistances act and the improvement of law & institutions on the housing policy for the social precarious groups, Journal of the Social Security Association of Korean, Vol. 31, No. 1, pp. 169-204.
10. Lee, J. P., Kim, H. J. and Ahn, S. J., 2013, An analysis on the characteristics of the households and resident condition of the vulnerable housing class in Daegu metropolitan city, Journal of Daegu Gyeongbuk Studies, Vol. 14, No. 1, pp. 149-166.
11. Lee, T. H., Kwak, M. Y., Kim, M. J., Kim, J. S. and Na, B. J., 2014, study on the monitoring of vulnerable areas in medical sector, Research Report, Korea National Medical Center Republic of Korea, pp. 28-147
12. Lee, W. D., Moon, J. B., Bin, M. Y. and Cho, C. H., 2011, A study of accessibility analysis of public transportation vulnerable area and policy suggestion in Gyeonggi Province, Korea, Proc. of The 67th Academic Symposium, Korean Society of Transportation, Daegu, Republic of Korea, pp.
47-50.
13. Moon, J. J., Lee, T. H., Kwak, M. Y., Na, B. J. and Sung, S. M., 2013, A study on the deduction of vulnerable areas through regional medical situation analysis, Research Report, National Medical Center, Republic of Korea, pp. 47-135.
14. Nam, W. S., 2013, Housing vulnerable groups:
definition and typology in Korea, Housing Studies Review, Vol. 21, No. 2, pp. 47-71.
15. Yu, S. C. and Yeo, G. H., 2015, Regeneration indicator development and activating site selection against the climate change : focus on the case of Seoul City, Journal of the Korean Urban Management Association, Vol. 28, No. 4, pp. 77-99.
