Ⅰ. 서 론
1. 개요
2019년 12월 31일 중국 후베이성 우한에서 코로나바이러스감염증-19(이하 COVID-19) 발생이 보고된 이후 전 세계적으로 COVID-19가 유행하게 되었고, WHO(World Health Organization)에서는 COVID-19에 대해 2020 년 3월 11일부터 2023년 5월 11일까지 팬데믹을 선언하였다. 발생지인 중국을 필두로 강력한 봉쇄 조치가 이 루어졌으며 미국 및 주요 유럽 국가에서도 방역 조치가 시행되었다. 미국 캘리포니아 주에서는 2020년 3월 19일 대부분의 이동을 제한하는 봉쇄 조치가 시행되기 시작하였고 독일에서는 사망자 수가 급증한 2020년 12월 16일부터 폐쇄 조치를 시행하였다(Korea Insurance Research Institute, 2021). 한국에서도 2020년 1월 20일 첫 확진자가 나타나며 대대적인 방역 조치가 취해지고 국민의 통행행태가 전반적인 변화를 겪었다. 안전에 대한 요구가 커지고 정부의 방역 정책이 실행되며 전체 통행 수가 감소했으며, 통행수단 중에서 감염 위험이 큰 것으로 인식되는 대중교통 이용을 피하고 승용차나 오토바이와 같은 개인교통수단을 비교적 선호하는 경 향이 강해졌다(Linares-Rendón and Garrido-Cumbrera, 2021).
고령자 계층은 장애인, 임산부, 어린이와 함께 교통약자에 속하며, 경제적 능력이 부족하고 노화에 따른 신체 쇠약 때문에 이동에 제약을 받는다. 그뿐만 아니라 이러한 팬데믹 상황에서 고령자는 각종 기저질환으 로 인해 COVID-19의 치사율이 높게 나타나며, 방역 정책으로 이동이 제약될 경우 또 다른 문제를 겪을 수 있다. 예를 들어, 저소득층 비율이 높고 인터넷 접근이 어려운 고령자의 특성상 고령자는 팬데믹으로 인해 비 고령자보다 비교적 더 심각한 생계 불안과 사회적 고립 문제를 겪을 수 있다(Shin et al., 2020).
고령자는 다른 연령층과 마찬가지로 인권을 침해받지 아니하고 존엄하고 행복하게 살아갈 수 있도록 이를 보장받아야 한다. 또한, 1991년 유엔총회 결의에서는 “노인을 위한 유엔원칙”을 제시한 바 있다. 이 원칙의 목 적은 전 세계적으로 노인이 빈곤과 소외를 겪는 문제를 해결하기 위해 노인의 독립, 참여, 돌봄, 자아실현, 존 엄의 총 다섯 가지 권리를 보장하는 것이다. 고령자는 이동의 자유를 보장받음으로써 사회활동에 참여하여 소속감을 느끼고 자아를 실현할 수 있을 것으로 생각된다. 따라서 고령자의 삶의 질에 통행은 필수적 요소로, 노인들의 안전과 건강을 위해 COVID-19 대응 정책에서 노인들의 대중교통, 대안 이동수단 지원이 필요하다.
2021년 한국의 65세 이상의 고령 인구는 총인구의 16.5%(약 853만 명)이며, 2025년에는 고령 인구가 총인 구의 20%를 넘게 될 전망이다. 고령 인구가 증가하면서 고령자 통행량도 함께 늘고 있다. 전체 통행에서 고 령자의 통행 비중이 커지면서 고령자 통행행태에 관한 연구가 지속해서 이루어지고 있고, 고령 인구의 다양 한 통행특성이 확인되고 있다(Kang and Namgung, 2018). COVID-19 이후 고령자의 통행을 보장하기 위해서 는 우선 고령자의 통행특성에 대한 이해가 필요할 것으로 보인다. 더욱이 COVID-19의 유행이 고령자의 삶 에 미치는 영향이 상당함에 따라 팬데믹 이후 고령자의 통행행태도 변화하였을 것이며, 비 고령자와는 다른 양상을 보일 것으로 예상되므로 이에 관해 연구하고자 한다.
본 연구의 목적은 COVID-19 확산 전후 서울시 고령자의 지하철 이용에 대한 역 주변 환경 요인의 영향력 을 비교함으로써 COVID-19에 의한 역별 이용 변화를 분석하는 것이다. 고령자의 정의는 다양하지만, 본 연 구에서는 한국의 노인복지법, 통계청 고령자 통계 및 경로우대 무임승차 기준 연령에 근거하여 65세 이상인 자를 대상으로 한다. 한국의 고령자는 전체 평균과 비교하면 승용차보다 지하철, 버스 등의 대중교통을 많이 이용하는 경향을 보인다. 특히 고령자는 지하철 경로우대 무임승차 제도로 인해 지하철을 도보 다음으로 많 이 이용하는 것으로 나타났다(Noh and Yang, 2011). COVID-19 이후 락다운(lockdown) 조치가 취해진 상당수 의 주요 국가들과 달리 한국은 일체의 대중교통 시설 폐쇄 및 이동 봉쇄 조치를 취하지 않았기 때문에 정부 방역 정책 및 COVID-19 공포의 영향으로 인한 통행목적지 변화가 고령자의 통행 변화의 주된 요인이 될 것 으로 예상한다. 통행목적지 분석을 위해 교통카드 데이터와 역 근처 토지이용 데이터를 활용하여 연도별 목 적지의 영향요인을 밝힘으로써 고령자의 통행 목적 변화를 밝히고자 한다. 또한, 대중교통 이용 데이터의 대 부분을 차지하는 교통카드 데이터를 이용할 경우 설문조사 데이터와 달리 실제 통행패턴을 포착할 수 있으 며 전수조사에 가까운 자료를 획득하여 신뢰성 있는 분석이 가능할 것으로 보인다.
2. 분석 범위 및 기간
분석의 공간적 범위는 서울시 내의 지하철역으로 설정하였으며, 접근 가능한 데이터의 한계로 역의 위치 정보 및 승강편의시설 수 정보와 대응되는 서울교통공사 관할 1~8호선 222개 역의 데이터를 사용하였다.
COVID-19의 영향이 큰 시점에서 분석을 진행하여 목적지 주변 환경 요소의 영향 변화를 확인하기 위해 분석의 시간적 범위는 확진자 수가 많이 나타나는 COVID-19 유행 기간 내에서 선정하였다. COVID-19 이후 2개년도에 걸쳐 COVID-19 유행 기간에 속하는 달인 8월, 9월, 11월, 12월을 분석의 시간적 범위 대상으로 고려하였다.
이 중 극단적인 기후의 영향을 피하기 위해 여름(8월)과 겨울(11월, 12월)을 제외하고 9월을 분석 시점으 로 선택하였으며, 계절, 요일 및 기상상태의 영향을 최소화하기 위해 COVID-19 발생 전후 3개년 각 9월의 맑은 날 평일(목요일) 하루를 선택하였다. 이러한 고려에 따라 공휴일을 피하여 평균기온이 유사하고 일 강 수량이 없는 2019년 9월 19일, 2020년 9월 24일, 2021년 9월 30일을 분석 대상으로 설정하고 해당일의 지하 철역별 하차통행량을 사용하였다.
Ⅱ. 선행연구 고찰
1. 관련연구 고찰
1) COVID-19 이전 고령자의 통행에 관한 연구
국내외에서 고령자의 통행에 대한 다양한 선행연구가 수행되었다. 먼저, 다수의 연구에서 고령자의 통행 량은 비 고령자에 비해 상대적으로 적으며, 피크시간대를 피하는 경향이 있는 것으로 확인되었다(Collia et al., 2003;Choo et al., 2013;Lee and Chung, 2014;Lee et al., 2014, Han and Lee, 2015). 고령화로 인해 점차 고 령자의 통행량이 증가하고 활동 범위가 확대되고 있으며(Lee and Chung, 2014;Choo et al., 2013), 특히 여성 고령자의 활동도 증가하는 추세를 보이고 있으며, 고령자는 통행시간보다 통행비용에 보다 민감한 것으로 나타났다(Lee et al., 2014).
고령자는 통행수단으로 도보 및 대중교통을 주로 이용하며(Böcker et al., 2017), 수도권 지역에서는 고령자 가 자동차와 버스보다 지하철과 도보를 선호하는 경향을 보인다(Ma and Yoon, 2009). 이는 고령자가 경제적 여유가 부족하고 은퇴 이후의 경제적 부담으로 인해 비용 절감을 중시하기 때문으로 해석되었으며, Noh and Yang(2011)의 연구의 노인 대상 설문조사에 따르면 지하철을 이용하는 가장 큰 이유가 무료 요금 때문으로 나타나 이를 뒷받침한다.
고령자의 통행 목적 중에서는 여가 통행 비율이 가장 높았다. 특히 대중교통을 이용한 통행에서는 시간대 에 따라 6~9시에는 출근 통행, 9~12시에는 쇼핑, 여가 통행이 주를 이루는 것으로 나타났다(Han and Lee, 2015). 고령자의 개인 특성에 따라 나누어 볼 경우, 남성일 경우 출근과 업무통행 비중이 크고 연령이 높을수 록 친교 및 기타 여가통행이 활발하게 나타났다(Choo, 2008).
토지이용 또한 고령자의 통행행태에 영향을 주는 요인으로 확인되었다. Lee and Kim(2008)의 연구에서는 지하철역 주변 공간객체에 대해 회귀분석을 사용하여 고령자의 접근을 유발하는 요인을 밝힘으로써 고령자 가 주로 어떤 목적으로 통행하는지를 유추하였다. 고령자의 접근을 유발하는 공간객체 요인은 산, 하천, 재래 시장, 한의원 등으로 나타났다. Kang and Namgung(2018)의 연구에서는 목적지의 상업지역 비중, 시장, 병원, 노인 여가시설 수 등이 대중교통을 이용한 고령자의 비통근 통행에 유의한 영향을 미치는 것으로 나타났다.
2) COVID-19 이후 통행행태 변화에 관한 연구
COVID-19 이후에는 전체적인 통행량이 감소한 뒤 점차 회복되는 추세를 보였다. 국내에서 통행량 감소율 은 확진자 수의 절댓값이 아닌 역대 확진자 수의 최댓값을 기반으로 한 체감 위험도의 영향을 받는다는 연 구 결과가 있었다(Kwon and Jeong, 2022). 일본의 경우 Parady et al.(2020)은 타인이 외출을 자제하는 것에 대 한 인식과 COVID-19에 대한 공포가 외식 및 여가를 위한 외출을 자제하는 데 영향을 미치는 것으로 나타났 다. 팬데믹 이후 감소한 통행이 점차 정상 통행 행동으로 돌아오는 것을 팬데믹 피로로 부르는데, 홍콩의 경 우 통근통행에서 가장 빠르게 피로가 나타난 반면, 국가 간 통행에서 피로가 가장 낮았다(Nan Zhang et al., 2023). 지역 특성에 따른 차이의 경우 서울교통공사 지하철 교통카드 빅데이터 분석 결과, 서울 주요 환승역 에서 지하철 통행량 감소 폭이 크고 산업단지, 대단위 아파트단지 지역일수록 감소 폭이 작게 나타났다(Lee et al., 2021b).
COVID-19 이후 고령자 통행이 비 고령자보다 더 크게 감소하는 것으로 나타났다. 지하철 통행의 경우 고 령자의 통행이 비 고령자에 비해 큰 폭으로 감소한 것으로 확인되었으며, 이는 연령에 따른 COVID-19 위험 인식의 차이 때문인 것으로 추정되었다(Park and Cho, 2021).
전 세계를 대상으로 한 온라인 설문조사 결과에 따르면, COVID-19 이후 대다수 통행자는 통행패턴을 바 꾼 것으로 확인되었는데, 여가통행 수단을 바꾼 경우는 대부분 교육수준이 높은 집단이었으며, 학력과 소득 이 낮을수록 출퇴근 수단을 바꾸지 않은 것으로 나타났다(Dingil and Esztergár-Kiss, 2021). Lee and Sohn(2021) 의 연구에 따르면 고령자의 경우도 교육수준과 거주지 중심성 등 개인 특성에 따라 오전 시간대의 목적지 선택에 격차가 나타나는 것을 확인할 수 있다.
2. 본 연구의 차별성
앞서 COVID-19 이전의 연구에서 살펴본 바와 같이, 고령자의 통행에 영향을 미치는 요인은 사회인구학적 요인, 토지이용 요인, 교통 요인 등으로 다양하게 나타났다. 특히 고령자의 통행량은 접근을 유발하는 목적 지의 산, 하천, 시장, 병원, 여가시설 등 다양한 시설 및 환경 요인을 포함한 토지이용에 영향을 받는 것으로 나타났으나 COVID-19 이후 통행목적지의 시설 및 환경 요인을 기준으로 고령자의 통행을 분석한 연구는 미 미한 것으로 나타났다. 따라서 본 연구의 목적은 COVID-19 발생 전후 서울시 지하철의 고령자 이용량을 교 통카드 데이터를 이용하여 분석함으로써 지하철역 주변 시설 및 환경에 따른 영향을 연구하는 것이다.
본 연구에서는 위 내용을 토대로 다음과 같은 연구가설을 설정하였다.
Ⅲ. 자료 구축
1. 연구 방법론 설정
고령자의 지하철 이용에 영향을 미치는 시설 및 환경적 요인을 확인하고자 다중선형회귀분석을 사용하였 다. 회귀분석은 시계열 데이터 분석, 통계적 예측, 변수 간 영향력 및 인과관계 모델링에 주로 사용되는 통계 적 분석 방식이다. 본 연구에서는 가장 일반적인 모델링 방법 중 하나인 선형회귀분석을 사용하였으며, 단순 선형회귀모형으로 표현할 수 없는 여러 가지 독립변수의 영향을 확인하기 위해 다음과 같은 형식을 갖는 다 중선형회귀모형을 사용하여 분석을 진행하였다.
다중선형회귀분석(MLR, Multiple Linear Regression)은 종속변수와 둘 이상의 독립변수 간의 모형을 구축하 여 적합도를 확인하는 회귀분석 방법이다. 주어진 식에서 Y는 종속변수, X는 p개의 독립변수를 의미하며 β 는 각 독립변수의 계수, ε 는 회귀계수로 설명되지 않는 오차항을 의미한다. β 는 해당 변수의 회귀직선의 기 울기 값이며 이는 X가 한 단위 변할 때 Y의 기대 변화량을 의미한다.
본 연구에서 종속변수는 역별 고령자 지하철 하차통행량이며, 독립변수는 목적지인 222개 지하철역과 그 도보권의 시설 및 환경 변수를 사용하였다. 일반적으로 도보권은 걸어서 5~10분 정도의 거리인 500m를 의미 하며, 고령자는 노화로 인해 운동 능력이 제한적이므로 Lee and Kim(2008)의 선행연구에 기초하여 이보다 더 작은 400m 반경을 고령자의 도보권으로 가정하였다(Lee and Kim, 2008). 독립변수는 선행연구를 고려하여 설정하였으며 분석에서는 COVID-19 발생 전후 2019년, 2020년, 2021년에 대하여 연도별로 3개의 모형을 구 축하여 서로 비교하였다. 이는 같은 조건에서 COVID-19의 영향력에 따라 변화하는 각 변수의 영향력을 서 로 비교하기 위함이다.
2. 사용 데이터
고령자의 지하철 이용에 영향을 미치는 요인을 파악하기 위해 교통카드 데이터와 역 주변의 지리적 데이 터를 수집하였다.
교통카드 데이터의 경우 역별 지하철 하차통행량의 총량을 확인하기 위해 서울교통공사가 제공하는 역별 시간대별 이용인원(1~8호선) 데이터를 사용하였다. 해당 데이터는 이용자 구분을 포함하지 않는 역별 총통행 량 데이터로, 연구의 범위에서 설정한 바와 같이 COVID-19 발생 1년 전으로부터 3개년 간 매년 9월 맑은 날 목요일(2019년 9월 19일, 2020년 9월 24일, 2021년 9월 30일) 각 하루씩의 교통카드 데이터를 활용하였다. 위 통행량 데이터를 서울특별시 빅데이터 캠퍼스에서 제공하는 서울시 내 관할 역 간의 역별 수단통행량 데이 터의 고령자 비율 데이터와 병합하여 서울특별시 내부로 도착하는 역별 고령자와 비 고령자의 수를 추정하 였다. 분석 범위는 서울특별시 내 지하철 293개 역의 고령자 도보권인 역 출구 400m 반경 내로 설정하였으 며, 이 중 환승역의 데이터는 통합하여 분석기간 내 데이터가 존재하는 서울교통공사 1~8호선 지하철역 222 개를 대상으로 분석을 진행하였다. 고령자 통행 목적에 대한 분석이므로 하차통행량을 기준으로 분석을 진 행하였으며, 65세 이상의 이용객이 경로우대용 교통카드를 사용할 때 고령자로 집계되므로 해당 교통카드를 사용한 65세 이상 고령자가 연구의 대상이 된다. 역 주변의 지리적 데이터의 경우, 해당 역의 고령자 도보권 범위를 설정하여 선행연구를 바탕으로 그 내부의 시설 및 환경 요소의 위치 데이터를 수집하였다.
이에 따라 선행연구를 바탕으로 <Table 1>과 같이 변수를 설정하였다. 종속변수는 서울특별시 내 지하철 역별 고령자 하차통행량으로 설정하였다. 독립변수로는 자연환경과 관련된 변수, 토지이용과 관련된 변수, 교통 관련 변수, 사회경제적 변수를 활용하였다. QGIS 프로그램을 활용하여 지하철 출구 위치를 기준으로 400m 반경 내를 고령자 도보권으로 설정하여 해당 영역 내의 시설 및 환경 변수를 수집하였다. 지하철 출구 위치는 산림빅데이터거래소에서 제공하는 2019년 지하철 출구정보로부터 지하철역 ID, 출구번호, X좌표, Y 좌표 값을 활용하였다. 자연환경 변수는 지하철역 고령자 도보권 내의 등산로 유무와 하천 유무로 구성하였 으며, 토지이용 변수는 선행연구에 따라 고령자의 통행을 유발하는 것으로 확인된 공원 면적, 대형 상업시설 수, 전통시장 수, 노인복지시설 수, 종교시설 수, 문화시설 수와 용도지역 변수인 토지이용혼합도로 구성하였 다. 교통 관련 변수로는 고령자의 대중교통 이용 영향요소인 버스정류장 수, 지하철역별 노선 수 및 고령자 의 지하철 이용을 보조하는 승강편의시설(에스컬레이터, 엘리베이터, 휠체어 리프트) 수를 사용하였다. 사회 경제적 변수로는 종사자 수를 활용하였다. 분석 기간 내 연도별 데이터가 모두 존재하는 대형상업시설 수, 종사자 수의 경우 모델마다 연도별 변화를 반영하였다. 해당 변수들의 기초통계량은 <Table 2>에 정리하여 나타내었다.
<Table 1>
Setting Variables for Regression Model Estimation
| Variable | Variable Description | Data Source | ||
|---|---|---|---|---|
| Dependent Variable | Alighting Elderly Passenger Traffic | Transportation Card Data | ||
| Independent Variables | Natural Environment | Presence of Hiking Trails | Presence of Terminal Points of Hiking Trails within Walking Distance of Subway Stations for Elderly Individuals | Korea National Spatial Data Infrastructure Portal |
| Presence of Rivers | Presence of Rivers within Walking Distance of Subway Stations for Elderly Individuals | Korea National Spatial Data Infrastructure Portal | ||
| Land Use | Park Area (㎡) | Park Area within Walking Distance of Subway Stations for Elderly Individuals | Seoul Open Data Plaza | |
| Number of Large Commercial Facilities | Number of Large Discount Stores, Department Stores, Specialty Stores, and Other Large Retail Stores | Seoul Open Data Plaza | ||
| Traditional Market Area (㎡) | Traditional Market Area | OPEN DATA PORTAL | ||
| Number of General Clinics and Hospitals | Number of General Clinics, Health Centers, General Hospitals, Nursing Hospitals, and Dental Clinics | OPEN DATA PORTAL | ||
| Number of Traditional Korean Medicine Clinics | Number of Traditional Korean Medicine Hospitals and Clinics | OPEN DATA PORTAL | ||
| Number of Elderly Welfare Facilities | Number of Elderly Residential Welfare Facilities, Elderly Leisure Welfare Facilities (Elderly Welfare Centers, Community Centers, and Elderly Classrooms) | Research/Survey/Publications by Ministry of Health and Welfare | ||
| Number of Cultural Facilities | Number of Movie Theaters, Art Galleries, Exhibition Halls, Performance Halls, and Multi-purpose Cultural Spaces | Seoul Open Data Plaza | ||
| Number of Religious Facility | Number of Churches, Cathedrals, Temples, Convents, etc. | OPEN DATA PORTAL | ||
| Land Use Mix Index | Land Use Mix Index | Korea National Spatial Data Infrastructure Portal | ||
| Transportation | Number of Bus Stops | Number of Bus Stops | Seoul Open Data Plaza | |
| Number of Subway Lines | Number of Subway Lines | Seoul Open Data Plaza | ||
| Number of Convenience Facilities in Stations | Convenience Facilities within Stations (Elevators/Escalators/Wheelchair Lifts) | KRiC Railway Industry Information Center | ||
| Socioeconomic variable | Number of Employees | Number of Employees | Seoul Open Data Plaza | |
<Table 2>
Descriptive Statistics of Variables
| Variable | N | Min | Max | Mean | SD |
|---|---|---|---|---|---|
| Presence of Hiking Trails | 222 | 0 | 1 | 0.09 | 0.29 |
| Presence of Rivers | 222 | 0 | 1 | 0.30 | 0.46 |
| Park Area | 222 | 0 | 232015.89 | 24501.92 | 42960.76 |
| Number of Large Commercial Facilities_2019 | 222 | 0 | 25 | 2.04 | 3.15 |
| Number of Large Commercial Facilities_2020 | 222 | 0 | 25 | 2.03 | 3.13 |
| Number of Large Commercial Facilities_2021 | 222 | 0 | 25 | 2.03 | 3.11 |
| Traditional Market Area | 222 | 0 | 22979.25 | 335.44 | 2124.28 |
| Number of General Clinics and Hospitals | 222 | 0 | 470 | 46.32 | 50.66 |
| Number of Traditional Korean Medicine Clinics | 222 | 0 | 58 | 11.41 | 9.44 |
| Number of Elderly Welfare Facilities | 222 | 0 | 3 | 0.20 | 0.47 |
| Number of Cultural Facilities | 222 | 0 | 135 | 2.23 | 9.83 |
| Number of Religious Facility_2019 | 222 | 0 | 4 | 0.43 | 0.72 |
| Number of Religious Facility_2020 | 222 | 0 | 4 | 0.43 | 0.72 |
| Number of Religious Facility_2021 | 222 | 0 | 4 | 0.43 | 0.72 |
| Land Use Mix Index | 222 | 0.01 | 0.88 | 0.27 | 0.21 |
| Number of Bus Stops | 222 | 2 | 45 | 19.56 | 8.82 |
| Number of Subway Lines | 222 | 1 | 4 | 1.38 | 0.65 |
| Number of Escalators | 222 | 0 | 45 | 7.59 | 6.30 |
| Number of Elevators | 222 | 0 | 10 | 3.44 | 1.56 |
| Number of Wheelchair Lifts | 222 | 0 | 11 | 0.62 | 1.45 |
| Number of Employees_2019 | 222 | 411.58 | 72895.36 | 11102.12 | 12334.43 |
| Number of Employees_2020 | 222 | 521.77 | 79741.36 | 12307.77 | 13309.77 |
| Number of Employees_2021 | 222 | 582.95 | 73231.30 | 11930.24 | 12676.65 |
3. 기초통계분석
1) 기술통계량
고령자의 지하철역별 하차통행량의 기술통계분석 결과는 <Table 3>와 같다. 서울시 내에서의 통행 중 서 울교통공사 1~8호선 지하철역을 이용한 고령자의 역별 하차통행량의 평균값은 2019년에 3,093명, 2020년에 2,349명, 2021년에 2,479명으로, 2020년 COVID-19 발생 이후 전년 대비 약 24% 감소한 뒤 다음 해에 소폭 회 복(2019년 기준일 대비 80.2%)되는 모습을 보였다.
<Table 3>
Descriptive Statistics of Alighting Traffic of Elderly Passengers per Station
| Year | Number of Subway Stations | Min | Max | Mean | SD |
|---|---|---|---|---|---|
| 2019 | 222 | 268 | 21,289 | 3,493.24 | 2,634.58 |
| 2020 | 222 | 175 | 12,298 | 2,224.42 | 1,682.21 |
| 2021 | 222 | 226 | 13,779 | 2,496.36 | 1,792.44 |
2) COVID-19 전후 서울시 지하철역별 고령자 하차통행량 분석
<Table 4>는 고령자 하차통행량을 기준으로 서울시 내 지하철역 순위를 나타낸 표이다. 고령자 하차통행 량이 가장 많은 종로3가역 인근에는 종묘공원, 탑골공원과 같은 노인 밀집 지역과 낙원상가(실버영화관), 청 계천 등이 위치해 있으며, 청량리역과 제기동역 사이에는 동서청과물시장, 청량리 재래시장 등의 시장이 자 리잡고 있고, 그 외에도 대형쇼핑몰, 환승센터가 함께 있어 COVID-19 기간에도 노인의 통행을 많이 유도하 는 것으로 보인다.
<Table 4>
Ranking of Elderly Passengers Alighting at Seoul Subway Stations
| Rank | 2019 | 2020 | 2021 | |||
|---|---|---|---|---|---|---|
| Subway tation | N. of lderly sers | Subway tation | N. of lderly sers | Subway tation | N. of lderly sers | |
| 1 | Jongno 3-ga | 21,289 | Jongno 3-ga | 12,298 | Jongno 3-ga | 13,779 |
| 2 | Dongdaemun | 13,098 | Jegi-dong | 10,881 | Jongno 5-ga | 8,921 |
| 3 | Jongno 5-ga | 12,840 | Cheongnyangni | 8,318 | Jegi-dong | 8,889 |
| 4 | Jegi-dong | 11,847 | Jongno 5-ga | 7,875 | Dongdaemun | 8,545 |
| 5 | Cheongnyangni | 10,418 | Dongdaemun | 7,591 | Yeonsinnae | 7,242 |
| 6 | Sadang | 9,969 | Yeonsinnae | 6,539 | Cheongnyangni | 7,117 |
| 7 | Seoul | 9,624 | Sadang | 5,597 | Sadang | 6,543 |
| 8 | Yeonsinnae | 9,459 | Seoul National University of Education | 5,489 | Seoul National University of Education | 6,310 |
| 9 | Hoehyeon | 9,211 | Jamsil | 5,488 | Jamsil | 6,229 |
| 10 | Gasan Digital Complex station | 8,944 | Sillim | 5,339 | Dongmyo | 6,078 |
동대문역과 종로5가역 인근에는 도매시장이 많고 종로 시니어클럽의 시장형 노인일자리사업으로 운영되 는 인근 ‘유니콘택배’ 등 지하철택배가 활발하며1) 2014년 기준으로 이용자의 50% 이상이 고령자로 나타나 는 국립중앙의료원 및 노인복지시설이 다수 위치하고, 종로1·2·3·4가동에는 기초생활수급자가 많이 거주 (Hwang and Koo, 2019)하여 COVID-19 이후에도 노인이 고령자가 많이 통행하는 것으로 보인다. 이들 역이 COVID-19 이후 순위가 증가한 것은 주요 환승역인 서울역과 그 인근의 회현역, 가산디지털단지역의 통행 감소 폭이 큰 것과 분석 시점 이전인 2020년 5월 중순부터 한국노인인력개발원에서 노인일자리 및 사회활동 지원사업을 재개2)한 것에서 일부 영향이 있었을 것으로 생각된다.
지역적 특성에 따라 외부로부터 고령자의 유입을 야기하는 고령자 유인 요인에 차이가 있는 것을 확인할 수 있다. COVID-19 유행 기간에 걸쳐 각 역에 방문하는 고령자 수의 증감량이 다른 것은 이러한 고령자 유 인 요인들에 의해 각기 다른 영향을 받기 때문으로 해석된다.
Ⅳ. 분석 결과
COVID-19 전후 통행목적지의 고령자 통행 유발 요인의 변화를 분석하기 위해 선행연구를 바탕으로 선정 된 다음 변수들을 활용하여 2019년부터 2021년까지의 각 연도별 다중선형회귀모형을 구축하였다. <Table 5> 에 나타난 것과 같이, 모형의 설명력을 나타내는 Adjusted R2의 값은 0.514∼0.533로 유사하게 나타났다.
<Table 5>
Regression Model Results
| Variable | 2019 | 2020 | 2021 | ||||||
|---|---|---|---|---|---|---|---|---|---|
| B | SE | β | B | SE | β | B | SE | β | |
| Constant | -742.149 | 448.414 | -345.935 | 290.287 | -343.509 | 311.148 | |||
| Number of Subway Lines | 467.293 | 235.488 | .116** | 252.719 | 152.414 | .098* | 229.288 | 163.349 | .084 |
| Presence of Hiking Trails | 631.028 | 443.918 | .070 | 414.148 | 287.333 | .072 | 485.381 | 308.542 | .079 |
| Presence of Rivers | 586.306 | 278.488 | .102** | 448.013 | 179.971 | .123** | 420.828 | 193.095 | .108** |
| Park Area | .002 | .002 | .040 | .001 | .001 | .031 | .001 | .002 | .034 |
| Traditional Market Area | .121 | .061 | .098** | .115 | .039 | .146*** | .082 | .042 | .097* |
| Number of General Clinics and Hospitals | -5.018 | 3.689 | -.096 | -4.898 | 2.394 | -.148** | -3.220 | 2.577 | -.091 |
| Number of Traditional Korean Medicine Clinics | 129.934 | 19.728 | .466*** | 107.211 | 12.752 | .602*** | 105.304 | 13.639 | .555*** |
| Number of Elderly Welfare Facilities | 88.219 | 265.625 | .016 | 15.732 | 171.773 | .004 | 19.164 | 184.162 | .005 |
| Number of Cultural Facilities | 33.207 | 13.128 | .124** | 16.410 | 8.482 | .096* | 20.867 | 9.090 | .114** |
| Number of Bus Stops | 32.621 | 16.163 | .109** | 11.256 | 10.424 | .059 | 17.963 | 11.203 | .088 |
| Land Use Mix Index | 466.609 | 618.205 | .037 | 141.910 | 400.076 | .018 | 272.587 | 429.673 | .032 |
| Number of Escalators | 14.837 | 23.877 | .035 | 4.873 | 15.443 | .018 | 8.895 | 16.571 | .031 |
| Number of Elevators | 74.151 | 94.900 | .044 | 109.018 | 61.371 | .101* | 122.963 | 65.850 | .107* |
| Number of Wheelchair Lifts | 131.744 | 91.324 | .072 | 37.517 | 59.026 | .032 | 39.402 | 63.328 | .032 |
| Number of Large Commercial Facilities | 190.318 | 46.324 | .228*** | 118.000 | 30.030 | .219*** | 130.516 | 32.048 | .226*** |
| Number of Employees | .033 | .012 | .154*** | .006 | .007 | .045 | .005 | .008 | .037 |
| Number of Religious Facility | -133.453 | 184.899 | -.036 | -144.392 | 119.693 | -.062 | -195.189 | 128.288 | -.078 |
| Observations | 222 | 222 | 222 | ||||||
| adj. R2 | 0.533 | 0.521 | 0.514 | ||||||
Notes: * P-value < 0.05, ** P-value < 0.01, *** P-value < 0.001
모형분석결과, COVID-19 발생 이전과 이후에 걸쳐 고령자의 하차통행량에 가장 큰 영향을 미치는 요소들 은 도보권 내 지하철 노선 수, 하천 유무, 전통시장 면적, 한방 병·의원 수, 문화시설 수, 대형상업시설 수 등 으로 나타났다. 일반적으로 지하철 노선 수가 많은 곳에 지하철을 이용해 접근할 기회가 많고 대형상업시설 과 문화시설이 많은 번화한 지역에 통행량이 많기 때문으로 해석되며, 전통문화 친화적인 고령자의 특성에 따라 한방 병·의원이 밀집되어 있거나 전통시장의 규모가 큰 곳에 고령자의 방문이 특히 많은 것으로 보인다.
COVID-19 팬데믹 기간에 걸친 각 유의한 변수의 영향력은 다음과 같이 나타난다. 먼저 2019년 시점에서 유의한 변수는 영향력이 큰 순서대로 한방 병·의원 수, 대형 상업시설 수, 종사자 수, 문화시설 수, 노선 수, 버스정류장 수, 하천 유무, 전통시장 면적으로 나타난다. 버스정류장 수의 영향은 2019년에만 유의하게 나타 났으며, 이는 COVID-19 유행 시 버스와 같은 대중교통 이용을 기피하는 경향이 있다는 선행연구와 일치하 는 결과로 보인다.
2020년 시점에서 유의한 변수는 영향력이 큰 순서대로 한방 병·의원 수, 대형 상업시설 수, 일반병·의원 수, 전통시장 면적. 하천 유무, 엘리베이터 수, 노선 수, 문화시설 수로 나타난다. COVID-19 발생 이후 종사 자 수 변수가 유의하지 않게 나타났으며, COVID-19로 인해 취업자 수가 감소하거나 근무 형태가 재택근무 등으로 전환되어 지하철을 이용하는 종사자 수가 줄어든 것으로 보인다. 또한, 지하철 노선 수, 문화시설 수 의 영향력이 다소 낮아진 것을 확인할 수 있다. COVID-19 발생 이후 필수적이지 않은 통행을 줄이고, 특히 유동인구가 많은 환승역이나 감염 위험이 높은 실내 문화시설을 피하는 것으로 보인다. 전통시장 면적, 하천 유무의 영향력은 높아지는 것으로 나타났다. 고령자가 서울시로부터 지급된 지역화폐 형식의 재난지원금을 사용하기 위해, 또는 실내 상업시설보다 야외에 주로 위치한 전통시장에서 COVID-19 감염 위험이 낮다고 생각하여 전통시장에 방문했을 것으로 생각된다. 주로 야외에 위치한 시설의 영향력은 COVID-19 발생 이후 지속적으로 감소하는 문화시설 수의 영향력과 반대 방향의 변화를 보이는데, 이는 실내 여가시설보다 COVID-19 전염 위험이 적은 야외의 열린 공간에서 활동하는 것을 선호하기 때문으로 생각된다. 개방공간보 다 실내공간에서 COVID-19의 병원균 전파 위험성이 높은 것으로 알려져 있으며, 혼잡한 지역이라고 하더라 도 실내보다 실외에서 감염 전파 위험이 훨씬 적게 나타나기 때문이다(Rowe et al., 2021).
2021년 시점에서 유의한 변수는 영향력이 큰 순서대로 한방 병·의원 수, 대형 상업시설 수, 문화시설 수, 하천 유무, 엘리베이터 수, 전통시장 면적으로 나타난다. 한방 병·의원 수는 COVID-19 발생 전후에 걸쳐 높 은 영향력을 보이는데, COVID-19 치료와 관련이 약해 감염의 위험이 낮은 의료기관인 동시에 건강 유지에 대한 관심으로 한방 병·의원 방문이 지속되는 것으로 보인다.
결론적으로, COVID-19 팬데믹 기간 고령자의 지하철 하차통행량에 대한 다양한 변수의 영향력 변화를 살 펴보면 다음과 같다. 팬데믹이 진행됨에 따라 대중교통의 중요성은 감소한 것으로 보인다. 버스정류장 수의 영향은 COVID-19 발생 이전인 2019년에만 유의하게 나타났으며, 유의하지 않으나 2020년에 가장 낮은 것으 로 확인된다. 지하철 노선 수의 영향은 지속적으로 낮아져 2021년에는 유의하지 않게 나타난다. 종사자 수의 영향은 2019년 이후 유의하지 않게 나타나며 이는 통근 및 업무 통행 감소의 결과로 예상된다. 또한 펜데믹 발생 시 쇼핑 및 여가 시설의 종류에 따라 영향력이 다르게 변화하였으며, 주로 밀폐된 시설보다는 야외 시 설의 영향력이 증가하는 것으로 확인되었다. 주로 야외에 위치한 하천과 전통시장 관련 변수의 영향은 2020 년에 가장 높게 나타나는 반면, 문화시설 수와 대형 상업시설 수의 영향은 2020년에 가장 낮으며 이후 차츰 회복되는 것으로 나타난다. 이러한 변화는 상당 부분 COVID-19 팬데믹에서 기인한 것으로 생각할 수 있다. 한방 병·의원 수는 지속적으로 중요한 변수로 나타나며, 팬데믹에도 불구하고 한방 병·의원에는 고령자의 통 행이 이어지는 것으로 보인다.
이와 같은 결과는 고령자의 지하철 하차통행량이 지하철역 도보권 내 시설 및 환경에 따라 COVID-19 발 생 이전과 이후 1년차, 2년차에 각각 다른 영향을 받는다는 가설을 지지한다고 말할 수 있다.
Ⅴ. 결 론
본 연구에서는 교통카드 자료를 활용하여 지하철을 이용하는 65세 이상 고령자의 통행에 대한 서울시 내 역 주변 시설 및 환경 요인의 영향에 관해 분석을 수행하였다. COVID-19 전후 고령자의 역별 하차량을 분석 한 뒤, 역 주변 시설 및 환경에 따라 다중선형회귀분석을 수행하여 그 영향력을 연도별로 비교 분석하였다. 다중선형회귀분석은 COVID-19 발생 이전과 발생 이후인 2019년, 2020년, 2021년 3개년의 각 1일에 대하여 각각 진행하였으며 각 변수에 대한 표준화 계수의 증감을 분석하여 영향력의 변화를 파악하였다.
본 연구의 분석결과를 요약하면 다음과 같다. 첫째, COVID-19 팬데믹으로 인해 고령자의 지하철 이용이 큰 영향을 받은 것으로 나타났다. 팬데믹이 시작된 이후 전체 지하철 이용자 중 고령 이용자의 비율이 상당 히 감소하였으며 시간의 경과에 따라 점차 증가하는 모습을 보인다. 고령 이용자의 이러한 즉각적인 감소는 고령자의 감염 위험에 대한 우려가 크기 때문으로 생각되며 뒤이어 비고령 이용자의 재택근무, 온라인 수업 및 온라인 쇼핑을 포함한 원격 활동이 늘어나며 필수 통행을 온라인 활동으로 대체하였기 때문에 고령 이용 자의 비율이 다시 늘어나는 것으로 판단된다.
둘째, COVID-19 팬데믹 기간에 고령자 하차통행량이 높은 상위 10개 역들의 순위와 그 지역적 특성을 파 악하였다. COVID-19 팬데믹 기간 전체에 걸쳐 고령자 하차통행량이 가장 많은 역은 종로3가역, 종로5가역, 제기동역 등이며 COVID-19 이후 순위가 떨어진 역은 서울역, 회현역, 가산디지털단지역 등으로 나타났다. 주요 노인 밀집 공원, 전통시장, 노인 일자리와 노인복지시설, 저소득층 거주지가 있는 경우 팬데믹 이후에 도 고령자의 통행이 높게 나타나며 주요 환승 결절점에서는 노인의 통행이 크게 줄어드는 것으로 해석할 수 있다.
셋째, 고령자의 목적지 선택에 영향을 미치는 지하철역 주변의 시설 및 환경 요인들은 하천, 문화시설, 공 원, 전통시장, 한방 병·의원, 대형상업시설 등으로 나타났으며, 고령자가 선호한다고 알려진 시설 및 환경 요 인과 대체로 일치하는 것으로 보인다. 연구기간 동안 일부 요인의 영향력이 바뀌었는데, 이는 팬데믹 기간을 겪으며 상황 변화에 따라 고령 이용자의 선호에 변화가 있었음을 나타낸다. 분석 결과에 따르면 COVID-19 발생 이후 주로 실내에 위치하여 타인과 접촉하기 쉬운 문화시설의 영향력은 감소하고 하천, 전통시장과 같 이 야외에 위치한 시설의 영향력은 증가하는 경향을 보였다.
본 연구의 분석 결과에서 다음과 같은 정책적 시사점을 얻을 수 있다. 첫째, 고령자의 지하철을 이용한 통 행에 영향을 미치는 요인을 식별하여 고령자가 지하철을 통해 이용하는 시설 및 서비스를 파악하고 개발할 수 있다. 지하철로부터 야외 여가 공간, 한방 병·의원과 전통시장 등 고령자를 위한 필수 서비스에 대한 도 보 접근성을 개선하면 고령자의 야외 활동의 편의성을 높여 고령자의 삶의 질을 높이는 데 기여할 수 있다.
둘째, 고령자의 통행행태 변화를 분석함으로써 고령자의 활동 변화를 파악하여 팬데믹으로 인해 통행 감 소 및 경기 침체의 영향을 받는 분야를 분석하는데 활용할 수 있다. 본 연구결과를 통해 고령자의 통행행태 가 변화하여 특히 문화시설, 대형상업시설 방문이 줄어들었으며 종사자 수가 감소한 것으로 예측할 수 있다. 사회‧문화 활동이나 경제활동을 위한 통행이 감소함에 따라 고령자가 받은 부정적 영향을 조사하고 고령자 를 위한 대중교통수단을 지원할 근거가 될 수 있을 것으로 보인다. 이는 COVID-19뿐만 아니라 4~5년 주기 로 발생할 것으로 예상되는 신종 감염병 유행의 부정적 영향에 대처할 교통정책을 마련할 기반이 될 수 있 을 것으로 기대된다.
연구의 한계로는 연 1일을 대상으로 분석하여 연구 기간에 걸친 점진적 변화를 관찰하지 못한 점, 연구의 변수가 대부분 고정되어 COVID-19로 인한 휴업 및 폐업, 시설을 실질적으로 이용할 수 있는지와 같은 외부 영향을 완전히 반영하지 못했다는 점, 고령자의 연령, 성별, 소득 등 세분된 개인적 특성에 따른 구체적인 패 턴을 파악하지 못하고 고령층을 다소 일반화한 점, 무임승차권을 이용하여 서울시 지하철을 이용한 고령자 만 대상으로 하는 데이터의 한계로 인해 분석에 잠재적인 편향이 발생할 수도 있으며 교통카드로 단말기에 하차태그를 하지 않는 경우 승차 데이터가 집계되었음에도 통행량 분석에 활용하지 못한다는 점, 고령자가 지하철 하차 후 보행을 통해 접근 가능한 400m 이내의 시설을 이용한 것으로 가정하였으며 이후 다른 교통 수단으로의 환승을 감안하지 못한 점, 지하철 택배 서비스 종사자의 데이터가 포함되어 일반적인 고령자의 통행패턴과 다른 편향된 표본을 얻었을 수 있는 점을 들 수 있다.
향후 연구에서는 노인의 개인적 특성 및 실시간 외부 효과의 영향을 반영하도록 연구 방법을 개선하고 COVID-19 전후의 영향력을 비교검토하기 위해 시계열분석과 같은 더 적절한 방법론을 고려할 필요가 있으 며, 지하철 외에도 다른 교통수단을 통합적으로 분석하도록 연구의 범위를 확장하면 고령자의 목적지 선택 과 주변 시설 및 환경과의 상호작용에 대한 포괄적이고 정교한 분석이 이루어질 수 있을 것으로 사료된다.
