SEOUL URBAN ANALYSIS · TRANSIT ACCESSIBILITY

서울에서 지하철역은
누구에게 가까운가

서울 행정동별 지하철 접근성과 노선 구성을 비교한다. 주민이 실제로 사는 위치를 반영한 접근성, 주변 여러 역을 고려한 중력형 점수, 행정동 안 노선 다양성이 어떤 공간 차이를 보이는지 살펴본다.

공간 단위 · 행정동 426곳인구 단위 · 100m 격자보행속도 가정 · 시속 4km

연구 질문

서울의 행정동별 지하철역 보행 접근성과 노선 다양성은 어떻게 다르며, 주민이 가까이 이용할 수 있는 역과 노선 선택 폭은 어디에서 부족한가?

2024년 격자 인구를 가중치로 사용하고, 중력형 접근성과 수업에서 배운 Gini–Simpson 지수를 함께 비교한다.

자료와 처리

인구·공간 단위

2024년 서울 100m 격자 인구 자료와 2025년 6월 30일 기준 행정동 경계(426개)를 사용했다. 인구 자료의 격자 코드를 2025년 100m 격자와 결합하고, 격자 중심점을 포함하는 행정동에 배정했다.

역·보행망·노선

서울시 역사 마스터 좌표를 이용했다. 접근성 계산은 중복 위치를 제거하고 서울 경계 안 역을 사용했다. 노선 다양성 계산은 같은 역 위치라도 노선이 다르면 별도 노선 기록으로 유지했다. OpenStreetMap 보행 네트워크의 최단거리로 접근 시간을 추정했다.

해석 범위. 실제 출입구까지의 길찾기 시간이 아니라, 역사 좌표와 보행망을 이용한 근사치다. 보행속도는 시속 4km로 고정했고 경사, 신호 대기, 역 출입구 위치, 노선별 운행 수준은 반영하지 않았다. 인구는 2024년 자료다. 접근성은 2025년 6월 경계, 노선 다양성은 제공된 2025년 1월 GeoJSON 경계를 사용해 경계 기준일이 다르다. 보행망은 노트북 실행 시점의 OSM 자료다.

수업 지표 두 개와 보조지표

① 중력형 접근성 점수 · 수업 지표

A_i = Σ_{j:tᵢⱼ≤30} exp(−βt_ij), β = ln(2)/10
A_d = Σ_i∈dP_iA_i / Σ_i∈dP_i

t_ij는 격자 i에서 역 j까지의 보행시간이며, 역별 서비스 가중치는 모두 1로 두었다. 10분마다 역 하나의 기여도가 절반으로 줄고 30분을 넘으면 제외된다. 높을수록 가까운 역이 많거나 역까지 시간이 짧다.

② Gini–Simpson 지수 · 수업 지표

D_d = 1 − Σ_k p_dk², p_dk = n_dk / Σ_kn_dk

n_dk는 행정동 d 안에서 노선 k에 속한 서로 다른 역 위치의 수다. 값이 0이면 한 노선에만 집중되고, 여러 노선에 역이 고르게 분포할수록 커진다. 접근성이 아니라 행정동 안 대중교통 노선 구성의 다양성을 측정한다.

보조지표 · 10분 이내 접근 인구 비율

R_d = Σ_i∈d P_i · 1(t_i ≤ 10) / Σ_i∈d P_i × 100

P_i는 격자 인구, t_i는 격자 중심에서 최근접 역까지의 추정 보행시간이다. 수업의 두 지표를 보완해 주민 중 10분 안에 역에 닿는 비율을 직관적으로 보여주는 직접 설계 지표다.

수업 지표는 중력형 접근성과 Gini–Simpson 지수다. 10분 접근 인구 비율은 해석을 보완하기 위해 추가한 자체 설계 지표이며, 세 지표는 단위와 기준이 달라 점수 크기를 서로 직접 비교하지 않는다.

공간 패턴

지도 1. 행정동별 최근접 역 보행 접근성. 왼쪽은 인구가중 평균 시간(분), 오른쪽은 10분 내 접근 인구 비율(%).

평균 보행시간은 도심의 역세권에서 짧고, 서울 외곽의 산지·저밀 지역에서 길게 나타난다. 부암동은 43.8분, 평창동은 53.5분으로 평균이 길고 두 지역의 10분 내 접근 비율은 0%다. 반대로 무악동은 평균 5.2분, 10분 내 접근 비율 94.9%로 높은 접근성을 보인다. 이는 역이 드문 지역에서 일부 거주 격자가 역과 멀리 떨어지는 구조와 맞닿아 있다.

지도 2. 인구가중 중력형 접근성. 왼쪽은 최근접 역만 반영한 점수, 오른쪽은 30분 안 여러 역의 기여를 합산한 점수다.

여러 역을 합산하면 도심의 환승·노선 밀집 구역이 뚜렷한 고점으로 드러난다. 반면 최근접 역 점수는 한 역이 가까운 외곽 동네도 중간 이상으로 평가할 수 있다. 따라서 ‘가장 가까운 역까지의 거리’가 괜찮다는 사실과 ‘선택할 수 있는 역이 여럿 있다’는 사실은 같지 않다. 두 지표의 차이는 중심부의 역 선택 폭과 단일 역세권의 차이를 보여준다.

지도 3. 행정동별 지하철 노선 구성의 Gini–Simpson 지수. 회색은 역 자료가 없는 동이며, 색이 초록에서 주황으로 갈수록 여러 노선에 역이 분포한다.

노선 다양성 점수가 높은 곳은 회현동(0.800), 역삼1동(0.778), 서교동(0.750), 공항동(0.722)이다. 역 자료가 있는 233개 동의 평균은 0.189, 중앙값은 0, 75백분위는 0.500이다. 이 중 150개 동은 지수가 0으로, 집계된 역 위치가 한 노선에만 속한다. 이 지수는 한 노선에 집중된 지역과 환승·노선 선택지가 많은 지역을 구별한다. 다만 노선 수가 실제 열차 운행 빈도나 환승 편의를 뜻하지는 않는다.

비공간 비교 · 행정동별 점수 분포

아래 상자그림은 426개 행정동의 중력형 점수 요약 통계로 그렸다. 지도와 함께 보면 전반적인 분포 폭과 극단 지역을 확인할 수 있다.

상자 = 25~75백분위, 선 끝 = 최솟값·최댓값, 세로선 = 중앙값, 점 = 평균. 두 점수의 축 범위가 달라 높이를 서로 직접 비교하지 않는다.

그래프 2. Gini–Simpson 지수 분포. 역 자료가 없는 동 193곳은 분포에서 제외했다.

지표	평균	25백분위	중앙값	75백분위	99백분위	최대
최근접 역	0.466	0.396	0.502	0.561	0.696	0.725
모든 역 합산	1.776	1.022	1.505	2.224	5.987	7.555

모든 역 점수는 평균 1.776, 중앙값 1.505이고 상위 꼬리가 길다(99백분위 5.987, 최대 7.555). 이는 다수의 역이 가까운 일부 중심지가 전체 분포에서 매우 높은 점수를 얻음을 뜻한다. 최근접 역 점수의 중앙값은 0.502로, 단일 역까지의 접근성은 많은 지역에서 중간 수준에 모이지만 역이 여러 개인 곳의 누적 이점은 별도로 집중된다.

결과가 말하는 것

서울의 지하철 접근성은 단순히 역과의 거리에 따라 균등하게 나뉘지 않는다. 도심은 여러 역이 가까워 선택 가능성과 누적 접근성이 높고, 외곽의 산지·저밀 주거지는 일부 주민이 역에서 멀리 떨어져 평균 접근시간과 10분 접근 비율이 불리하다. 다만 중력형 점수는 역 개수를 서비스 수준의 대리값으로 간주하므로, 실제 운행 빈도·혼잡도·환승 편의까지 의미하지는 않는다.

한계와 다음 해석

행정동 평균은 동 내부의 차이를 감춘다. 역 좌표가 출입구가 아닌 역사 중심점일 수 있고, 격자 중심점에서 보행망까지의 연결은 근사 처리다. 시속 4km와 10분·30분 기준도 분석자가 둔 가정이다. 역 운영 횟수와 환승, 지형 장벽, 고령자·유아 동반 보행의 차이를 포함하지 않아 실제 체감 접근성이나 교통 형평성을 단정할 수 없다.

Gini–Simpson 지수는 동 안 노선별 역 위치 수의 다양성을 측정할 뿐, 각 역의 실제 운행 빈도나 역 밖에서 이용 가능한 노선을 나타내지 않는다. 경계 근처 역의 행정동 배정과 2025년 1월·6월 경계 차이도 결과에 영향을 줄 수 있다. 다음 단계에서는 역별 열차 운행 빈도·출입구 좌표를 반영하고, 연령대별 인구를 나눠 취약 인구의 접근성을 비교할 수 있다.

과제 조건 점검

✓연구 질문과 분석 대상서울 행정동 426곳의 지하철 보행 접근성과 노선 구성 차이를 질문으로 설정했다.

✓수업 지표 2개 이상 산출중력형 접근성과 Gini–Simpson을 각각 계산식·변수·공간 단위·높고 낮은 값의 의미와 함께 제시했다.

✓자료와 전처리격자 인구, 행정동 경계, 역 좌표와 OSM 보행망을 구분하고 결합·중복 제거·경계 기준을 설명했다.

✓공간·비공간 시각화행정동 주제도와 지표 분포 상자그림·막대그래프를 포함했다.

✓결과 해석과 한계높고 낮은 지역, 지표 간 차이, 도시 중심·외곽 맥락과 자료·모형의 한계를 서술했다.

i보완하면 좋은 부분재현성을 높이려면 원자료 제공기관 링크와 OSM 보행망 추출일을 자료 출처에 덧붙이면 좋다.

자료 출처

프로젝트 제공 자료: grid/2024년_인구_다사_100M.csv, grid/seoul_100m_grid_2025.geojson, shp/bnd_dong_seoul.shp, data/서울시 역사마스터 정보.csv. 보행 네트워크는 접근성 수업 노트북에서 OpenStreetMap 기반으로 생성했다. 분석 설정과 계산 과정은 03_accessibility.ipynb에 있다.