Analyzing Patterns of Sales and Floating Population Using Markov Chain

마르코브 체인을 적용한 유동인구의 매출 및 이동 패턴 분석

Abstract

Recently, as the issue of gentrification emerges, it becomes important to understand the dynamics of local commercial district, which plays the important role for facilitating the local economy and building the community in a city. This paper attempts to provide the framework for systemically analyzing and understanding the local commercial district. Then, this paper empirically analyzes the patterns of sales and flow of floating population by focusing on two representative local commercial districts in Seoul. In addition, the floating population data from telecommunication bases is further modeled with Markov chain for systemically understanding the local commercial districts. Finally, the transition patterns and consumption amounts of floating population are comprehensively analyzed for providing the implications on the evolutions of local commercial districts in a city. We expect that findings of our study could contribute to the economic growth of local commercial district, which could lead to the continuous development of city economy.

최근, 젠트리피케이션 현상으로 인하여 도심 내 지역 경제와 커뮤니티 형성에 필수적인 역할을 하는 지역 상권에 대한 체계적인 분석과 이해의 중요성이 커지고 있다. 본 연구에서는 지역 상권에 대한 체계적인 분석과 이해를 위한 방법론을 소개하고 실증적인 사례를 제시하고자 한다. 본 논문에서는 서울의 대표적인 지역상권인 가로수길과 가구거리의 유동인구를 이동통신 기지국 데이터를 통해 추적하고, 유동인구의 매출 패턴과 이동 흐름의 패턴을 파악하였다. 또한, 이동통신사의 기지국 기반 유동인구 데이터에 마르코브 체인을 적용하여 지역 상권 이해의 중요한 요소인 유동인구 흐름을 보다 체계적으로 이해하고자 하였다. 이와 같은 유동인구 흐름에 대한 분석 결과를 바탕으로, 본 논문에서는 상권 내 매출 정보와 결합되어 지역상권의 진화에 대한 시사점을 제공하고자 한다. 궁극적으로 본 연구의 결과가 젠트리피케이션 등에 의해 침체되는 지역 상권의 활성화를 촉진하고 더 나아가 도심 경제의 균형잡힌 성장에 기여할 것으로 기대한다.

1. 서론

많은 인구가 집중된 도심의 상권은 해당 지역의 경제 활동을 이해하는 데 중요한 단서를 제공해주고 있다[1]. 그렇기에 도심 상권에 대한 체계적인 분석과 접근은 많은 연구자들의 지속적인 관심을 받아오고 있다. 특히, 최근 중요시되고 있는 사용자 기반의 혁신과 지역 경제 활성화를 위해서도 도심 내 지역 상권에 대한 이해는 필수적인 요인으로 고려할 수 있다[2]. 특히, 젠트리피케이션 등으로 인한 지역상권 변화에 대한 관심은 최근들어 급증하고 있다. 결과적으로, 도심 내 지역 경제와 커뮤니티 형성에 중요한 기여를 하고 있는 지역 상권에 대한 체계적 분석과 접근의 중요성이 계속 커지고 있다[3-4].

이처럼 지역 상권은 현대의 소비 요구를 반영하기 위해 그 발생과 변화의 양상이 이전보다 빠르게 이뤄지고 있으며, 이에 대한 이해를 위해서는 지역상권 내 소비자에 대한 구체적인 이해가 필수적이다[1]. 즉, 지역 상권에 대한 체계적인 이해를 위해서는 상권 내 유동인구의 흐름과 상권에서의 매출에 대한 구체적인 파악과 실증적인 분석이 중요한 역할을 할 수 있다[5]. 최근에는 ICT의 발전과 함께 기존과는 차이점을 갖는 접근 방법들이 등장하고 있다[1]. 본 논문에서는 도심 내 대표적인 지역 상권 의 유동인구를 이동통신 기지국 데이터를 기반으로 추적 하고, 유동인구의 신용카드 매출 패턴과 이동 흐름의 패턴을 종합적으로 파악하여, 지역상권의 공간 역동성에 대한 시사점을 제공하고자 한다. 연구를 통해 지역 상권의 활성화를 촉진하고 도시 경제 발전에 기여하는 것이 기 대된다.

2. 문헌고찰 및 연구이슈

도시의 상권은 인구의 집중과 분산 등의 변화가 지속적으로 발생하는 도시 내 생태학의 공간이다. 그리고 이러한 변화는 이전과 다르게 단기간에 걸쳐 급격히 발생 하기도 하는데, 젠트리피케이션과 관련된 공간적 역동성이 그 대표적인 예이다. 그리고 이처럼 단기간에 발생하는 공간의 변화에는 ICT의 발전이 많은 영향을 끼치고 있 다[4].

상권이란, 지역 내 점포와 소비자를 유인하는 공간으로, 지역 내 유동인구가 선호하는 공간의 범위이기도 하 다[1]. 이와 같은 도심 내 주요 상권을 이해하는 중요한 관점은 바로 상권을 구성하는 유동인구의 흐름일 것이다. 그렇기에 도심 주요 지역에서의 인구 이동에 대한 연구는 지속적으로 진행되어 왔다[6-7].

특히, 최근에는 ICT 환경을 기반으로 하는 다양한 접근법들이 각광을 받고 있다. 이러한 ICT 기반의 유동인구 분석에 대한 새로운 접근은 기존의 유동인구를 이해해오던 방식보다 효과적으로 지역에 대한 인사이트를 제공할 것으로 기대된다. 더 나아가, 유동인구에 대한 체계적인 이해가 가능해진다면, 유동인구로부터 직접적인 영향을 받는 지역 상권의 체계적인 이해와 활성화 방안 모색에 기여할 수 있을 것이다[4, 8-9].

관련하여 최근 연구에서는 주로 모바일 빅데이터, 쓰 레기 배출량 및 전기, 수도 사용량 등을 분석하여 유동인구를 파악하기도 하였다 [10-12]. 게다가 유동인구의 흐름 분석과 함께, 연관된 현상의 관계를 보려는 시도도 많이 이뤄지고 있다. 모바일 빅데이터를 사용하여 유동인구의 흐름과 범죄의 관계를 따른 패턴을 분석하고 적절한 보안시설, 감시카메라의 위치선정에 따라 보안강화의 효과를 증진시키려는 의미있는 시도들이 이뤄지고 있다 [10-12].

다양한 시도 중에서도, 도심 내 특정 지역의 특정 계층의 유동인구를 파악하려는 노력은 지역상권에 대한 구체적인 이해에 필수적이기 때문에 계속해서 시도되어져 오고 있다[4-5]. 예를 들어, 연령대별 분석을 통해 지역 내 각 연령대 이동의 특성 이해에 도움을 줄 수 있다[13]. 또한, 유동인구의 분석은 새로운 서비스와 정책에도 활용될 여지가 많은데, 예를 들어 휴대폰 위치정보 및 설문조사 정보를 모아 인구 밀집지역 및 여행자들의 동선을 분석하여 여행자의 여행 성향을 분석하여 관련 분야와 정책에 시사점을 제시할 수도 있을 것이다[14].

더군다나, 도심 내 유동인구에 대한 분석은 현재 많은 관심을 받고 있는 스마트시티 영역에서도 중요한 의의를 제공한다[15-19]. 이러한 도심 내 유동인구 정보를 여러 방면에서 활용한 선행연구를 확장하는 차원에서, 본 연구에서는 ICT 기반으로 도심 내 상권에서의 업종별 매출과 함께 해당 상권의 유동인구 흐름에 대한 모델링을 시도 하였다. 이처럼 도심 내 유동인구 흐름의 추정과 예측은 여러 관점에서 중요한 의의를 지니며 향후 관련 분야의 후속 연구에 중요한 시사점을 제공할 수 있다[9].

본 논문에서는 도심 내 대표적인 지역 상권이면서 다른 양상의 성쇠를 겪고 있는 가로수길과 가구거리를 대상으로, 상권의 유동인구를 이동통신 기지국 데이터 기반 의 ICT 활용을 통해 실증 분석하여 유동인구가 발생시키는 매출과 이동 흐름의 패턴을 구체적으로 이해하고자 하였다. 더 나아가, 도심 상권의 중요한 요소인 유동인구에 대해 마르코브 체인을 적용하여 분석하는 프레임워크 를 제안하였고, 분석 대상 지역의 유동인구 흐름 특성을 밝혀내어 도심 내 지역상권에 대한 정책 시사점을 제시하고자 하였다.

3. 방법론

본 연구의 대상은, 서울의 대표적인 두 지역 상권인 가 로수길과 가구거리이다. 이 지역들은 도심의 대표적인 상권이기도 하며, 또한, 지리적으로 인접하면서 동시에 다른 세대를 나타내면서 현재 다른 양상의 변화를 겪는 대표적인 지역 상권이다[4]. 즉, 가로수길은 젊은 층이 많이 찾는 대표적인 지역이어서, 여러 기업의 플래그샵이 위치 한 지역인 반면, 가구거리는 전 연령층에서 특정한 목적을 전제로 많이 찾는 지역이다. 이처럼 가까우면서도 다른 성격의 두 지역에서의 유동인구의 흐름과 매출패턴을 보는 것은 지역 상권의 이해의 중요한 단초를 제공할 것으로 기대된다.

특히, 이러한 공간의 역동성에 대한 이해에는 과거 상권 분석에 접근되던 방식에서 탈피하여, 다양한 요인을 체계적으로 설명할 수 있는 새로운 접근법과 카드 매출 데이터와 유동인구 등의 공간 데이터에 대한 새로운 분석방안이 요구되고 있다[1]. 본 논문에서는 유동인구 데이터로 가로수길과 가구거리의 성쇠를 파악하고 분석하여 지역상권 활성화에 시사점을 제공하고자 한다.

실증 분석을 위해 이동통신기업 KT의 기지국 데이터 를 활용하여, 2017년 4월부터 2018년 4월까지의 유동인구 11, 214, 196명의 이동흐름을 파악하였다. 가구거리에서는 일평균 10, 730명의 유동인구가 존재하였으며, 가로수길은 일평균 25, 225명의 유동인구가 존재하였다. 가구거리는 2017년 대비 2018년 4월에 유동인구가 17.6% 감소하 는 반면, 가로수길은 전년대비 2.6% 증가하는 양상을 보여주었다. 유동인구 흐름의 분석을 위해 구체적으로는 가로수길과 가구거리를 기지국 기반 측정 단위를 기반으로 하여 총 6개의 구역으로 세분화하였으며, 영역 간 유동인구의 흐름의 이해가 시도되었다. 또한, 각 지역의 유동인구 흐름이 지역경제에 미치는 영향을 살펴보기 위해, 유동인구 분석 결과는 영역별로 제공된 분야별 매출과 결합하여 해석되었다.

(그림 1) 가로수길과 가구거리 영역 구분

(Figure 1) Local Commercial District in Seoul: Garosugil and Gagugeori

더 나아가, 연구의 대상인 가로수길과 가구거리에서의 유동인구 흐름의 패턴은 마르코브 체인을 통한 분석이 새롭게 시도되었다. 분석의 수행을 위해서는 오픈소스도 구인 R 3.6.1과 markovchain 패키지를 활용하였다.

사실, 분석에 사용된 마르코브 체인은 상태 간전이 분석에 많이 활용되어져 오고 있다. 이 연구에서는, 영역 간 유동인구의 이동은 이산적이면서 마르코브 속성을 갖게 됨을 가정하였다. 즉, 한 영역을 방문하기 위해서는 인접한 인근 영역에서부터 시작하기 때문에 다음 상태가 이전 상태에 의존한다는 마르코브 속성을 갖음을 전제로 하였다.

구체적으로, 이 논문에서의 이산형 마르코브 체인에서는 6개의 구역을 상태로 갖음을 가정하였다.

\(S=\{A,B,C,D,E,F\}\)

이때 현재 상태는 이전 시점의 상태에 의존하는 마르코브 성질을 아래처럼 가정하였으며 x_i는 상태값을 의미 한다.

\(\begin{array}{l} P\left(X_{t+1}=x_{t+1} \mid X_{1}=x_{1}, X_{2}=x_{2}, \ldots, X_{t}=x_{t}\right) \\ =P\left(X_{t+1}=x_{t+1} \mid X_{t}=x_{t}\right) \end{array}\)

위 식에서 X_t는 현 시점에서의 영역, X_{t+ 1}은 다음 시점에서의 영역을 의미한다. 위 식에서 볼 수 있듯이 현 시점의 영역은 이전 시점에서의 영역에만 의존한다. 본 연구에서는 인접 영역을 거쳐야만 다음 영역을 갈 수 있는 유동인구 흐름의 특성이, 마르코브 속성을 만족하는 것을 전제로 고려하였다. 또한, 각 상태 간의 전이 확률은 다음과 같이 나타내었다.

\(p_{i j}=\operatorname{Pr}\left(X_{1}=s_{j} \mid X_{0}=s_{i}\right)\)

전이확률은 이전 시점 상태에서 현 시점 상태로의 전이되는 확률을 의미하며, 이러한 전이 확률값을 갖는 전이행렬을 정의하게 된다. 이를 통해 지리적으로 인접한 두 지역에서의 유동인구 흐름 특성을 보다 체계적으로 이해하고자 하였다.

4. 분석 결과

우선, 가로수길과 가구거리라는 서울의 대표적인 지역상권 두 지역에서 측정된 유동인구의 보행데이터를 영역별로 정리해보았다. 그림2에서와 같이 B, E, F영역은 전년도 대비 보행 인구가 증가하였고, 반면, A, C, D는 감소한 것을 볼 수 있다. 특히, C 지역에서의 감소가 두드러진 것을 볼 수 있다.

(그림 2) 가구거리와 가로수길 영역별 보행인구 연간 비교

(Figure 2) Floating Population of Garosugil and Gagugeori

(그림 3) 가구거리와 가로수길 영역별 인당 매출금액 연간 비교

(Figure 3) Sales Amounts of Garosugil and Gagugeori

다음으로, 위에서의 유동인구가 생산해내는 해당 지역에서의 매출을 같이 분석하였다. 그림 3에서 나타나듯이, 가로수 길에서는 A, B의 보행인구가 적고, 상대적으로 C 의 보행인구수가 많으나, 인당 매출 금액은 18.04월 기준 B에서 가장 높게 발생한 것을 볼 수 있어, B구역이 핫스팟으로 부상함을 볼 수 있다. 가로수길의 경우, 유동인구 는 F가 가장 적었지만, 1인당 매출은 F와 다른 지역이 비슷한 수준이어서, F 구역을 핫스팟으로 고려할 수 있었다.

이러한 지역 상권의 변화는 해당 구역 내 업종 포트폴리오의 변화에 기인한 것으로 보여진다. 그림 4에서는 가구거리와 가로수길내 영역별 업종별 매출을 비교하였는 데, 가구거리 A와 B 영역은 모두 가구의 비중이 매우 높았지만, A의 매출은 큰 폭으로 감소한 반면, C 영역의 가 구 업종의 매출이 큰 폭으로 증가한 것을 볼 수 있다. 가 로수길 E영역의 경우, 가구업종의 인당 매출금액이 큰 편으로 나타났다. 하지만, 해당 구역의 가구업종 1인당 매출은 전년 동월 대비 35% 감소한 반면, 카페 및 펍 등의 업종에서는 1인당 매출 금액이 상승하는 것을 볼 수 있다.

특히, F영역의 경우, 카페 및 펍 업종의 인당 매출이 증가함을 볼 수 있다. F영역의 보행인구가 상대적으로 다른 구역보다 적은 것을 고려해볼 때, 향후 지역 상권의 핵심으로 부상할 것으로 예측된다.

이제, 이러한 매출의 변화를 만들어내는 두 지역의 유동인구의 흐름을 분석해보았다. 가구거리의 가능한 영역 간 이동의 패턴을 A→B→C, B→A→B→C, B→C→B→A, C→B→A로 세분화하고, 가로수길의 가능한 영역간 이동의 패턴을 D→E→F, E→D→E→F, E→F→E→D, F→E→D 로 세분화하여 그 흐름을 분석하였다.

가구거리에서는, 2018년 4월을 기준으로 C→B→A, A →B→C, B→A→B→C, B→C→B→A 순으로 이동 비율을 차지하고 있으며, 특히, C→B→A의 흐름은 35%였으며, A→B→C는 대략 33%를 차지하여 가구거리 내에서 일방향적인 유동인구 흐름이 많은 것을 알 수 있다. 또한, B구 역을 중심으로 A와 C를 살펴보며 머무르는 유동인구도 대략 30%를 넘는 것으로 나타났다.

(그림 4) 가구거리와 가로수길 영역내 업종별 인당 매출금액 연간 비교

(Figure 4) Sales Amounts of Garosugil and Gagugeori by Industries

(그림 5) 가구거리와 가로수길 영역간 이동 패턴 연간 비교

(Figure 5) Pattern of Floating Population in Garosugil and Gagugeori

가구거리와 유사하게, 가로수길의 유동인구도 2018년 4월을 기준으로 F→E→D, D→E→F, E→D→E→F, E→F →E→D 순으로 이동 비율을 차지하고 있으며, 특히, F→ E→D의 흐름은 44.5%였으며, D→E→F는 26.5%를 차지하여 가로수길 내에서도 일방향적인 유동인구 흐름이 많은 것을 알 수 있다.

보다 유동인구에 대한 흐름을 깊게 이해하기 위해서, 다음에서는 가로수길과 가구거리 내 유동인구 데이터를 바탕으로 이산형 마르코브 체인을 적용하였다. 특히, 가구거리와 가로수길을 함께 분석하여, 다른 성격을 갖는 인접한 두 지역상권이 어떠한 유동인구의 흐름을 갖고 진화해 나가는지를 살펴보고자 하였다. 이때, 시간대를 09시~11시, 12시~14시, 15시~18시, 그리고 19시~21시로 구분하여 그 유동인구를 비교하였다. 그 결과, 해당 마르 코브 체인의 전이 확률과 정상상태를 다음과 같이 살펴 보았다.

우선, 표1에서 볼 수 있듯이, 가로수길과 가구거리의 유동인구 흐름에 대한 전이확률은 시간대별로 다르게 나타났다. 오전에는 주로 가구거리에서는 가로수길로 넘어가는 흐름이 보여졌으며, 가로수길의 D에서 A로 넘어가는 흐름과 같은 상권 D, E에 남는 흐름이 같이 나타났다. 흥미롭게도 가로수길의 E에서는 가구거리로 넘어가는 흐름이 있었으며, 가로수길의 F에서는 가로수길에 머무르는 흐름을 보여주고 있다.

(표 1) 시간대별 전이확률

(Table 1) Transisiton Probability

위 분석 결과에서 주로 나타나고 있는 가구거리에서 가로수길로의 유동인구 흐름은 점심과 오후에서도 계속 되고 있다. 심지어 해당 흐름은 저녁 시간이 되면 더 심화 되는 현상을 보이고 있는 셈이다. 즉, 저녁 시간이 될수록 가로수길 E에서 가구거리로의 이동이 감소하는 패턴과 함께, 가로수길에서는 A로의 이동만 남는 현상을 볼 수 있었다.

이러한 결과를 바탕으로, 우리는 가구거리와 가로수길이라는 두 인접한 지역상권에 가로수길 E영역의 락인 (Lock-in) 효과가 존재함을 고려해볼 수 있다. 두 지역상 권에 유입된 유동인구의 흐름은 다양한 패턴을 보여주지만 많은 수의 유동인구가 E영역으로 유입되고 있다. 이러 한 현상을 분석하기 위해 표2를 통해서 시간대별 마르코브 체인의 정상 상태를 살펴보았다.

(표 2) 시간대별 정상상태

(Table 2) Steady State for each area

앞의 분석과 유사하게, E 영역에서의 정상상태가 가장 큰 값을 보이고 있다. E영역으로의 이동이 전 시간대에 걸쳐 높게 나타났으며, 특히 저녁시간이 될수록 그 값이 증가하는 것을 볼 수 있다. 같은 인접한 두 지역상권의 균형적 발전을 위해 가로수길에서 가구거리로의 유동인구 흐름이 개선의 여지가 있었으며, 가로수길과 가구거리의 효과적인 공존을 위한 정책적인 고려도 필요할 것으로 보인다.

5. 결론

젠트리피케이션로 인해 많은 변화를 겪고 있는 지역 상권은 지역경제 활성화에 대한 중요한 단서를 제공해 준다. 본 논문에서는 지역 상권 내 가장 중요한 요소 중 하나인 유동인구의 흐름 이해를 위한 분석 프레임워크를 제안하였고, 실증적으로 분석을 수행하였으며, 그 결과를 상권 내 매출 정보와 결합하여 지역상권 활성화를 위한 시사점을 제시하고자 하였다. 특히, 기존의 유동인구 추정 분석과는 다르게, 이동통신 기지국 기반 유동인구에 대한 실증적인 추적과 상권 내 신용카드 매출 정보의 결합을 통해, 보다 구체적인 정책시사점을 제공하고자 하였다. 특히, 본 논문에서 수행한 유동인구 흐름에 대한 마르코브 체인 기반 접근 방법은 추후 지역 상권의 유동인구 흐름을 체계적으로 이해하고 더 많은 인사이트를 도출하는데 기여할 것으로 보인다. 하지만, 본 연구에서는 가구 거리와 가로수길만을 대상으로 분석하였기에, 연구 범위에 있어 제한점이 있을 수 있다. 후속 연구에서는, 본 연구에서의 접근법을 고도화하고 확장하과 동시에 연구 범위를 다양하게 확대하여, 유동인구 기반의 지역경제에 대한 보다 효과적인 시사점을 제공할 수 있기를 기대한다.