미시 도시공간구조 분석과 지가에 대한 영향

토지이용행태와 관련해서 힐러(Hillier, 1996)는 도시민의 공간이용행태가 최적화ㆍ유용화되는 과정을 ‘Movement Economy’로 지칭하였고, 이를 통해 도시공간구조가 형성된다고 밝히고 있다. 이는 공간이용행태가 도시공간구조 형성의 핵심요인임을 의미하고, 역으로 공간이용행태를 분석함으로써 도시공간구조를 파악할 수 있다는 의미이기도 하다. 또한 도시공간구조는 토지이용행태에 따라 지속적으로 변화한다는 것을 내포한다.

공간이용행태를 이용하여 도시공간구조를 파악하려는 노력은 다양한 방법을 통해 이루어지고 있다. 통행유발량 분석을 통한 도시공간구조 분석(전명진, 1995)은 통행유발량을 공간이용행태의 결과로 본 것이고, 공간구문론(Space syntax) 분석방법을 통한 도시공간구조 분석(임현식 외, 2002; 박종민 외, 2014; 이은애·심재현, 2013)은 공간구문론의 분석인자인 가로망의 연결도, 통합도 등을 공간이용행태의 결과로 해석한 것이다. 그리고 기종점(OD)데이터를 이용한 네트워크 분석을 통한 도시공간구조 분석(정윤영·문태헌, 2014)은 기종점 데이터를 공간이용행태로 본 것이다. 건축행위를 공간이용행태로 해석하여, 건축물 관련 데이터를 활용한 도시공간구조 분석(홍남희·이명훈, 2011)도 이루어지고 있다. 최근에는 개발사업 전후의 도시공간구조 변화 연구(김민석·김영우, 2014; 방영철·안용진, 2016)와 같이 구체적인 특정지역의 공간구조 변화에 대해서도 다수의 연구가 이루어지고 있는데 이들은 도시개발사업이 공간이용행태를 변화시킨다는 것을 밝히고 있다. 즉, 공간이용행태를 통행유발량, 가로망의 연결도 및 통합도, 기종점 통행량, 건물정보 등을 이용하여 파악함으로써, 각각의 관점과 방법을 통해 도시공간구조를 분석하고 있다.

하지만 이상의 연구는 도시공간구조의 분석단위를 시군구, 읍면동 등의 행정구역 또는 집계구, 아파트단지 등으로 하기 때문에, 미시적 수준의 도시공간구조 파악에 한계가 있는 실정이다. 같은 동지역 내에서도 용도지역, 용도지구 등의 공법상 규제차이로 인해 성격이 다른 지역이 존재한다. 반대로 공법상 규제는 동일하지만 인프라 구축정도, 도로상황, 주거지 규모, 상권활성화 등에 따라 유동인구 또는 거주인구의 차이가 발생하기도 한다. 이러한 점을 고려한 미시적 차원의 도시공간구조를 분석하기 위해서는 필지단위의 분석에 대한 고려가 필요한 시점이다.

도시공간구조를 읍면동 이상의 미시적 수준까지 분석하기 위해서는 건축물 관련 정보를 이용하는 방법이 있다. 건물정보는 공간이용행태 및 공간구조 변화와 밀접한 관계가 있기 때문이다. 특히 건물은 경제주체가 비교적 대규모의 자본과 시간을 투입하여 건축한 법적 구속력이 있는 경제재이면서 토지이용행태의 표출이기 때문에 도시공간구조 분석에 시사점을 줄 것으로 판단된다.

건축물대장정보를 바탕으로 한 연구는 최근에 다수 수행되었다(김경민·신상묵, 2013; Lee&Choi, 2017). 이들 연구는 건축물정보를 분석함으로써, 공간적으로 매우 미시적 수준인 필지단위의 공간구조를 분석하고, 더불어 지가에 미치는 영향도 분석하고 있다.

김경민·신상묵(2013)의 연구는 건물 주용도별 연면적을 바탕으로 도시공간구조를 분석하고 있다. 하지만 해당연구는 건물은 층 또는 호에 따라 다양하고 복합적인 이용행태를 고려하지 않고, 건물의 주용도만 이용하여 분석하는 한계가 있다. Lee&Choi(2017)의 연구는 건물의 층·용도별 정보를 이용하여 도시공간구조를 분석하고 있지만, 연구대상이 상업용 부동산에 한정되어 있다. 또한 분석방법으로써 커널밀도분석을 이용하였지만, 분석반경(bandwidth) 설정에 대한 검증과정이 존재하지 않는 한계가 있다. 커널밀도 분석시 분석반경이 분석결과에 미치는 영향이 크기 때문에 이에 대한 고려가 필요하다.

따라서 건축물대장정보를 통해 미시적 공간이용행태를 확인하되, 건물의 층 정보 역시 고려할 필요가 있다. 또한 분석반경에 대한 구체적 설정효과를 파악할 필요가 있다.

도시공간구조가 지가에 미치는 영향은 경제활동별 운송비와 입찰지대곡선 개념을 이용하여 도시공간구조와 지가의 관계를 설명하는 알론소(Alonso)의 입찰지대이론 이후 다수의 연구를 통해 알려져 있다. 강창덕(2014)은 토지이용의 접근성과 중심성을 이용하여 도시공간구조를 측정하고 이들이 지가의 일정부분을 설명하고 있음을 밝혔다. 임현식 외(2002)는 토지의 통합도, 연결도 등의 개념을 통해 도시공간구조를 분석하였고, 이는 지가와 상호관련성이 있음을 도출하였다. 대규모 도시개발사업은 도시공간구조에 변화를 주고, 동시에 해당지역과 인근지역의 지가에 영향을 주기도 한다(김영규 외, 2003; 구경민 외, 2009; 방영철·안용진, 2016). 혁신도시 등의 대규모 개발사업이 그 예이다. 건물정보를 이용한 연구(김경민·신상묵, 2013; Lee&Choi, 2017)의 경우에도 도시공간구조가 상업용부동산가격에 미치는 영향을 설명하고 있다.

반대로 지가를 이용하여 도시공간구조를 분석하기도 한다(노재윤 외, 2007). 지가가 도시공간구조와 그 변화를 잘 반영하기 때문이다. 동시에 지가가 토지이용을 결정짓는 요인으로 작용하기 때문이다(윤창훈·김철수, 2003).

따라서 분석을 통해 도출된 계량화된 도시공간구조 지표는 지가를 통해 그 적정성을 확인할 수 있다. 동시에 지가분석시에도 계량화된 도시공간구조를 활용할 수 있는 것이다.

연구의 공간적 범위는 서울특별시를 대상으로 하였고, 2017년 1월 1일 공시지가를 기준으로 하였다. 분석은 지역적 특성을 고려하여 지목 중 ‘대지’이면서 신뢰성이 높은 표준지¹⁾를 대상으로 하였다. 표준지는 개별지와 달리 감정평가사가 직접 특성조사와 가격평가를 하기 때문이다. 특히 표준지와 가격산정방법이 상이한 개별지를 혼합하여 분석할 경우 연구 분석결과의 신뢰성이 저하되기 때문이다. 더불어 토지의 일부분이 도시계획시설로 지정된 토지 역시 이용상 제약이 있기 때문에 분석의 신뢰성 제고를 위해 분석대상에서 제외하였다.

분석을 위해서 건축물대장 정보와 공시지가 정보, 연속지적도를 활용하였다. 각각 세움터²⁾와 국가공간정보포털 오픈마켓³⁾을 통해 구축하였다.

분석은 2단계로 구성된다. 1단계에서는 서울시 전체의 미시적 도시공간구조를 분석하였다. 인근지역을 고려한 필지·용도별 연면적밀도를 추정⁴⁾하였고, 이를 통해 시각적으로 미시적 도시공간구조를 나타냈다. 2단계에서는 도출된 미시적 도시공간구조가 지가에 미치는 영향을 분석하고 모델간 상호 비교분석함으로써 적정성을 판단하였다.

구체적으로 1단계의 미시적 도시공간구조 분석은 다시 필지별 연면적밀도 분석과 최적 분석반경(bandwidth)⁵⁾ 도출로 구성된다. 1단계 도시공간구조 분석과정은 다음과 같다. 첫째, 건축물대장상 건물의 층·주용도별 연면적을 이용하여 필지별 연면적밀도를 분석한다. 그리고 선행연구를 참고하여 커널밀도분석을 통해 필지별 연면적밀도⁶⁾를 추정하고, 최적 분석반경을 도출한다.

각 필지별 연면적밀도 추정을 위해서는 사전에 특정 분포를 가정하는 것보다 지역성을 반영하기 위해 비모수추정방법이 효과적이다. 또한 확률밀도함수를 이용하는 것이 필지간의 불연속적 추정을 방지할 수 있기 때문에 비모수추정방법 중 커널밀도분석을 이용하여 분석하였다.

커널밀도(kernel density) 분석은 비모수추정법⁷⁾중 확률밀도함수를 이용한 밀도분석방법이다. 이는 사전에 설정한 분석반경(bandwidth)⁸⁾ 내에 포함된 객체를 대상으로 커널함수 K를 이용하여 분석하는 방법이다. 커널함수는 원점을 중심으로 대칭이면서 적분값이 1인 non-negative 함수로 정의되며, 본 연구에서는 그 중 많이 활용되는 quartic 함수⁹⁾를 활용하였다. 커널밀도분석의 특징은 객체간의 거리에 가중치를 부여하게 된다. 이에 따라 객체간 거리가 가까우면 가중치가 크고, 거리가 멀면 가중치가 작아진다. 즉, 인접 객체가 추정하고자 하는 객체의 정보를 많이 가지고 있다고 가정한 비모수적 추정방법이다.

다만 커널밀도 분석시 분석반경(bandwidth) 선택이 추정값에 큰 영향을 주고 있음을 고려하여 분석반경을 100m, 250m, 500m, 1,000m로 설정하여 분석하였다.

$\widehat{{\text{f}}_{\text{h}}}\left(\text{x}\right)=\frac{1}{\text{n}}{\displaystyle \sum }_{\text{i}=1}^{\text{n}}{\text{K}}_{\text{h}}\left(\text{x}-{\text{x}}_{\text{i}}\right) =\frac{1}{\text{nh}}{\displaystyle \sum }_{\text{i}=1}^{\text{n}}\text{K}\left(\frac{\text{x}-{\text{x}}_{\text{i}}}{\text{h}}\right)$

n: 객체(데이터) 수

x: 추정 객체

x_i: 번째 인접 개체

h: 분석반경(bandwidth)

K: 커널함수

둘째, 앞서 4가지 분석반경중 최적의 분석반경은 회귀분석을 통해 도출하였다. 분석반경별 연면적밀도 분석결과를 현행 토지가격비준표¹⁰⁾의 토지특성을 변수로 활용한 회귀분석모델에 변수로 추가하여 최적의 분석반경을 판단하였다. 이를 통해 용도별 연면적밀도의 최적 분석반경을 도출하였다.

2단계에서는 연면적밀도로 대변되는 미시적 도시공간구조가 지가에 미치는 영향을 분석하였다. 분석은 비준표분석에 활용되는 회귀분석을 통해 진행하였다. 현행 토지가격비준표 토지특성만으로 구성된 모델을 기준모델로 하고, 다수의 연구로 입증된 ‘지하철 거리’를 변수로 추가한 모델을 2번째 기준모델로 설정하였다. 연면적밀도를 추가한 모델을 구성하여 기준모델과 비교하여 그 적합성을 비교검토 하였다.

표 1. 연구 과정 및 방법

Download Original Figure

회귀분석시 종속변수는 표준지 공시지가로 하였고, 통제변수는 현행 공시지가제도의 토지특성으로 설정하였다. 즉, 용도지역, 용도지구, 기타제한, 토지이용상황, 고저, 형상, 도로접면, 철도·고속도로 거리(이하 철도·고속), 폐기물·수질오염 거리(이하 혐오시설)를 통제변수로 반영하였다.¹¹⁾ 용도지구와 기타제한 특성은 현행 공시지가제도의 토지가격비준표에서 제시하고 있는 특성에 대해서만 통제변수로 반영하였다.¹²⁾

최종적으로 선정된 용도·분석반경별 연면적밀도 변수를 활용하여 지가영향에 대한 회귀분석을 실시하였다. 분석은 연면적밀도 변수의 선정 케이스별과 그 외 통제변수 투입 종류에 따른 모델별로 구성하여 진행하였다.

연면적밀도 변수의 선정 케이스는 4가지로 구성하였다. 커널밀도 분석시 분석반경별 결과를 참고하여 지가영향의 유의미성으로 판단할 때 가장 적합한 것으로 판단되었던 주거, 상업, 업무, 숙박, 혐오, 지하만 반영된 케이스를 Case 2로 설정하였고, 공익용과 주차장을 추가한 경우를 Case 3로 설정하였다. 혐오시설의 지가설명력이 미미한점을 고려하여 Case 2에 혐오시설을 제외한 경우를 Case 1으로 설정하였다. 모든 용도를 반영한 경우를 Case 4로 설정하였다(<표 5> 참조).

통제변수 투입 종류에 따라서는 기준모델과 비교모델을 설정하였다. 첫 번째 기준모델로써 Model 1은 통제변수로만 구성된 모델로 설정하였고, 두 번째 기준모델 Model 2는 Model 1에 지하철거리만 추가한 모델로 설정하였다. Model 3은 Model 1에 케이스별 연면적밀도를 추가한 모델, Model 4는 모든 변수를 투입한 모델로 설정하였다.

Case 2의 회귀분석결과는 <표 6>과 같이 나타났다.¹³⁾ 지하철역 거리를 포함한 전체 비준표 특성 변수의 경우 모든 모델에서 대체적으로 유의하게 나타났고 독립변수 역시 모든 모델에서 유의하게 분석되었다. 변수의 계수값 방향성은 분석모델에 상관없이 대체적으로 동일한 결과를 보여주고 있다.

다만, 1종전용주거의 경우 Model 1과 3에서는 음(-)의 값을 가지고 있고, Model 2와 4에서는 양(+)의 값을 보여주고 있다. 즉, 지하철거리를 반영할 때 양(+)의 값을 보여주고 있는데, 이는 지하철거리를 고려하였을 때 1종전용주거의 공시지가가 준주거 대비 높다는 것을 보여준다. 준주거지역이 일반적으로 역세권에 위치하고, 1종전용주거지역이 도시 외곽에 위치한다는 것과 1종전용지역이 비교적 높은 지가를 형성¹⁴⁾하고 있다는 것을 감안하면, 분석결과는 유의미한 것으로 보여진다.

구체적인 모델간 분석결과의 차이는 다음과 같다. Model 1의 설명력은 .630으로 나타났고, Model 2는 Model 1 대비 3%p 가량 상승한 .667로 나타났다. 모든 독립변수를 반영할 경우(Model 4) 설명력은 .745로 Model 1 대비 11%p 수준 상승하였다. 용도별 연면적밀도가 지가에 유의미한 영향을 주고 있다는 것을 보여준다.

Model 2와 비교하기 위한 지하철거리 제거 모델(Model 3)은 .726으로 나타났다. 즉 Model 1과 비교시 Model 2는 3%p만 상승한데 반해 Model 3은 9%p 상승하였다. 이는 지하철거리의 지가영향력보다 연면적밀도로 파악한 미시적 도시공간구조가 지가를 보다 잘 설명한다는 것을 보여주고 있다.

케이스·모델별 분석결과는 <표 7>과 같이 나타났고, 독립변수인 개별 연면적밀도는 전체 Case와 Model에서 0.001 수준에서 유의성을 가진 것으로 분석되었다. Model 4를 기준으로 하였을 때, Case 2의 설명력이 Case 3·4와 동일하게 나타났다. 이는 Case 2·3·4 중에 연면적밀도 반영 변수 수가 가장 적은 Case 2가 가장 효율적인 케이스가 된다는 것을 의미한다. 즉, 특수용, 산업용, 공익용, 주차장의 연면적밀도를 추가적으로 활용하더라도 Case 2 대비 지가설명력이 향상되지 않기 때문에 비효율적인 지가분석모델이 되는 것이다.

혐오시설은 공익용과 주차장 대비 지가설명력이 낮은 변수이지만 변수에 추가하였을 때(Case 2) .745로 나타났고, 제거하였을 때(Case 1) .744로 나타났다. 반면 공익용과 주차장은 변수에 추가하더라도(Case 3) Case 2 대비 개선되지 않았다. 따라서 가장 지가분석시 가장 적합한 모델은 Case 2인 것으로 판단된다.