J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 22(3); 2022 > Article
COVID-19로 인한 도시 활력의 감소와 회복: 사회⋅생태학적 회복탄력성 측정

Abstract

Urban vitality is the quality and the intensity of human activity within the urban space that represents the liveliness and the energy of cities. The spread of COVID-19 and the enforcement of social distancing policies have drastically reduced urban human activities and impacted the local economy, which has brought attention to the concept of urban resilience against COVID-19. Urban resilience can be understood as the capacity of a city’s systems to endure a crisis, minimize the impact of a crisis, and recover to a normal state from a crisis. The purpose of this paper is to quantitatively assess the levels of resilience of communities in Seoul, South Korea, using the social-ecological resilience model and the resistance-recovery ratio. The proposed framework for measuring resilience identifies the communities’ capacity to resist the crisis, recover, and adapt to the recovered state, which provides a comprehensive understanding of urban resilience after COVID-19.

요지

도시 활력은 도시공간의 역동성, 활동성을 나타내는 지표로써 도시 활력이 높을수록 도시공간이 잘 활용되고 있음을 의미한다. 전 세계적인 코로나 감염병의 확산으로 인한 개인이나 집단 간 접촉을 최소화하는 ‘사회적 거리두기’ 정책의 여파로 지역 유동 인구 및 지역경제가 크게 위축되었으며 위기를 극복할 수 있는 지역사회의 대응 역량에 관한 관심이 높아졌다. 지역별 외부 충격에 대한 민감도, 회복 수준, 그리고 회복 이후 시스템 변화에 대한 적응력에 있어서 차이가 존재하였으며 이는 지역의 회복탄력성으로 설명할 수 있다. 본 연구에서는 코로나 감염병 1차 유행 시기를 대상으로 지역별 도시 활력의 감소와 회복 수준을 정량적으로 분석하는 방법으로 사회 생태적 회복탄력성(Social-Ecological Resilience) 모형을 제시하며 외부 충격에 대한 지역의 회복 수준을 회복탄력 비(Resistance-Recovery Ratio)를 이용하여 분석하였다. 본 연구는 코로나 감염병 확산에 대한 지역사회의 민감성(저항력), 위기 상황 이전 수준으로 회복하는 지역별 회복 역량, 그리고 회복 이후 시스템의 적응력을 측정하여 지역별 위기 상황에 대한 대응을 포괄적으로 이해하는 데 의의가 있다.

1. 서 론

2020년 1월 COVID-19 국내 첫 확진자 발생 후 전염병의 확산으로 인해 국내외에서 개인 및 집단모임 자제 및 인원수를 제한하는 ‘사회적 거리두기’ 정책이 시행되었으며 이에 따라 도시 유동 인구가 매우 감소하고 지역경제가 위축되는 등 코로나 이후 지역사회에 큰 변화를 가져왔다. COVID-19 확산 이후 시민들의 생활 변화와 지역사회의 쇠퇴와 회복, 그리고 회복탄력성이 강한 지역의 특성에 관한 관심이 높아지고 있다(Yun et al., 2021). 이 같은 관심은 사회적 거리 두기와 같은 정책의 시행으로 인한 지역경제의 변화와 도시회복력이 지역별로 차이가 존재한다는 점에서 비롯된다(Jin and Seong, 2020; Shin and Ko, 2021). 지역별 사회경제적 특성에 따라 유동 인구 및 지역경제의 감소와 회복력 수준에도 큰 차이가 존재하는 것으로 나타났으며 이에 따라 재난 이후 도시의 리질리언스가 재조명되며 위기 상황 이후 도시의 대응, 안정적인 회복, 적응력 등 지속 가능한 도시에 대한 필요성이 강조되고 있다(Kwon and Lee, 2020).
환경재난이나 감염병과 같은 위기 상황 후 탄력적 대응, 즉 외부 충격 이전의 상태로 회복하는 능력을 설명하기 위해 회복탄력성 개념이 사용되며, 위기 상황 이후 균형에서 벗어난 시스템이 이전 수준으로의 회복 혹은 새로운 시스템 균형으로 회복하는 경우 회복탄력성이 높다고 할 수 있다. 회복탄력성의 개념은 회복 이후 시스템의 안전성 관점에 따라 크게 공학적(engineering) 탄력성과 생태적(ecological) 탄력성으로 구분될 수 있다. 공학적 탄력성은 위기 상황 이후 인프라나 경제 체제와 같은 시스템의 균형(equilibrium) 상태가 원래의 균형으로 회복할 수 있다고 가정하며 회복의 효율성(efficiency) 및 신속성(rapidity)을 중심으로 회복탄력성을 측정한다(Jung, 2016). 사회⋅생태적 관점에서의 회복 탄력성은 외부 충격 이후 사회 및 생태 시스템이 외부 충격에 대응하고 적응하는 시스템의 능력에 초점을 맞추며, 시스템 성장경로의 회복보다는 충격 이후 지역의 안전성(stability) 및 적응력(adaptability)로 회복탄력성을 측정한다(Holling and Gunderson, 2002; Jeon, 2013). 즉, 공학적 회복탄력성은 외부충격 이후 인프라나 시스템의 기능이 위기상황 이전 수준으로 완전히 회복할 수 있다고 가정하며, 외부충격의 영향이 장기적이거나 회복이 더딘 경우 측정하는 데 어려움이 있다(Jung, 2016). 반면 사회⋅생태적 관점에서의 회복탄력성은 위기상황 이후 시스템의 재조직화 과정에서 회복의 효율성이나 신속성 뿐만 아니라 사회 및 생태기능의 적응력과 시스템의 다양한 성장경로를 분석함으로써 뉴노멀과 같은 새로운 시스템 균형을 측정할 수 있는 등 장기적인 영향을 측정하거나 지역 간 회복력을 비교를 하는데 더 효과적이다(Wilkinson, 2012). 특히 도시활력이나 지역 커뮤니티의 대응역량은 위기상황 이전 수준으로의 회복보다 위기상황 이후 사회 및 생태 시스템이 어떻게 변화하였는지를 중점적으로 분석함으로써 보다 넓은 관점에서의 회복력을 정의한다고 볼 수 있다(Adger, 2000).
본 연구에서는 COVID-19 사태가 장기화하는 상황에서 도시기능의 지역별 회복력과 적응력 수준의 차이를 사회⋅생태적 회복 탄력성(Social⋅ecological resilience) 개념을 이용하여 측정한다. 연구에서 제시하는 평가방법을 통해 외부충격으로 인한 도시 활력의 변화를 지역의 저항력, 회복력, 그리고 지속력으로 구분하여 측정하고, 저항력과 회복력의 크기를 이용해 지역의 회복 탄력성을 평가한다. 본 연구를 통해 COVID-19 이후 도시 활력을 정량적으로 측정하여 위기상황에 대응하는 지역별 저항력과 회복력이 어떻게 다르게 나타나는지를 측정할 수 있으며, 연구의 결과는 향후 지역 상권의 활력 감소를 최소화하고 회복할 수 있는 역량을 분석하는 요인을 찾는데 이바지할 수 있을 것이다.

2. 선행연구 고찰

2.1 COVID-19 이후 회복 탄력성 실증 연구

2019년 12월 첫 코로나 확진자 발생 이후 코로나 감염병이 전 세계로 확산하고 있다. 세계보건기구(WHO)에서 2월 28일 COVID-19의 위험도를 매우 높음으로 격상하였고, 국내에서도 종교시설 등에서의 집단감염으로 인한 감염증 유행으로 2월 23일 감염병 위기 경보가 발행되었다. 국내에서의 COVID-19 대규모 확산은 2020년 1월부터 2021년 12월까지 네 차례 이상 발생하였으며, 현재까지도 COVID-19의 범유행이 지속해서 진행되고 있다.
Shin and Ko (2021)에서는 사회적 거리 두기 정책으로 인한 생활인구의 변화를 분석하여 상업지역의 특성에 따른 시간대별 생활인구 패턴을 파악하고, 숙박음식업과 발달상권이 밀집된 지역에서 저녁 시간대의 생활인구가 심하게 감소한 것을 확인했다. Jin and Seong (2020)은 생활인구 패턴의 군집분석을 활용하여 행정동의 특성을 정의하고, 행정동의 특성에 따라 유입인구와 유출인구가 구별되는 것을 확인하였으며, 지역별로 시간대별 생활인구에 큰 차이가 있는 것을 확인하였다. COVID-19 확산에 따른 경제적 영향을 분석한 연구에서는 상권 지역 매출의 감소와 회복으로 소비회복력을 측정하였으며 도시공간의 유형별로 구분하여 인구 및 산업경제가 감소하는 지역을 ‘쇠퇴지역’으로 구분하여 쇠퇴지역에서 매출액 감소가 크고 매출 회복력 또한 낮게 나타났으며, 녹지지역이나 공업지역보다 상업⋅업무지역에서의 매출 회복력이 낮은 것을 확인하였다. 이는 COVID-19의 특성상 사회⋅경제활동이 활발한 상업지역이 감염병에 취약한 것을 의미하고, 반면 건축물의 노후화가 비교적 낮고 사업체 수가 증가하는 비 쇠퇴지역(성장지역)에서 낮은 생활인구 연령대 등으로 인해 소비회복력이 높게 나타나는 것을 보여준다(Yun et al., 2021). 상권 지역의 매출 감소와 회복을 분석한 연구에서는 접근성이 낮고 근린 상권 비율이 낮은 지역에서 유동 인구의 유입이 침체하여 매출 회복이 낮은 것을 확인했으며, 매출의 회복탄력성을 높이기 위하여 유동 인구의 유입을 높일 수 있는 대책의 필요성을 강조하였다(Ha and Lee, 2021).
COVID-19 이후 생활인구와 신용카드 매출액을 활용하여 위기 상황 이후 지역별 회복력과 회복탄력성(Resilience)을 분석한 연구들이 수행되었지만, 회복탄력성에 대한 정의와 이를 정량화하는 방법은 연구에 따라 다르다. Ha and Lee (2021)는 매출액의 감소와 회복의 비율을 회복탄력성으로 정의하였으며, Yun et al. (2021)에서는 매출액 감소율이 가장 높은 2월 29일을 기준으로 이후 매출액의 변화를 회복력으로 정의하고, 회복의 속도를 의미하는 회복 속도는 최저점부터 기존 매출액의 80%에 도달하는 시기까지의 기울기를 도출하여 회복 시간을 산정하였다. Choi et al. (2021)에서는 재난으로 인한 피해 수준과 복구 비용을 이용해 회복력 비용지수를 산출하여 지역 차원의 회복력 수준을 정량화하는 등 연구 목표에 따라 회복력에 대한 정의 및 측정 방법이 다양하게 사용되고 있다.

2.2 회복탄력성 측정 모형 고찰

회복탄력성은 외부 충격 발생 이후 탄력적으로 회복하는 능력, ‘the ability to bounce back or recover from stress’로 정의할 수 있다. 회복탄력성은 크게 공학적 탄력성과 생태적 탄력성으로 구분될 수 있으며 회복 이후 시스템의 안전성을 선형(linear) 관계 혹은 비선형(non-linear) 관계로 가정하는가에 차이가 있다. 공학적 탄력성은 성장경로의 선형 관계를 가정하여 위기 상황 이후 시스템이 이전 수준으로 회복까지 걸린 기간의 신속성을 측정하거나, 단기적인 관점에서의 회복의 효율성을 측정하는 데 적합하다. 생태적 탄력성은 충격으로 인해 기존 성장경로에서 벗어나 여러 개의 경로를 가진 균형점(multiple Equilibria)을 가정하며 지역별 회복 수준에 따른 회복력과 회복 이후의 적응력을 분석하며 다양한 회복경로를 가지는 사회 생태적 분석에 적합하다(Holling, 1973; Adger, 2000; Jung, 2016). 사회적 탄력성은 사회적, 정치적, 환경적 변화로 인한 외부 충격에 사회 단위 또는 집단이 대처하거나 대응하는 역량에 중점을 두며, 사회적 시스템과 생태-환경적 시스템의 공진화 관계(coevolutionary relationship) - 사회와 생태의 상호연관된 진화 - 를 중심으로 사회⋅생태적 회복력의 구조에는 본질적인 차이가 없음을 인문지리학 및 인간생태학 등의 학문 분야에서 찾을 수 있다(Adger, 2000).

2.2.1 공학적 회복탄력성

공학적 회복탄력성은 신속성(Rapidness), 내구성(Robustness), 가외성(Redundancy), 그리고 자원부존성(Resourcefulness)의 4가지 구성요소로 설명할 수 있다(Bruneau et al., 2003). 공학적 회복탄력성은 성장경로가 가정된 시스템에서 충격을 흡수하고 견디는 능력인 ‘내구성’과 ‘신속성’을 이용해 회복 능력을 측정한다. 가외성’과 ‘자원부존성’은 위기 상황 시 대응할 수 있는 자원의 가용성 및 인적요소에 따라 크게 달라지므로 이를 정량화하는 것이 어려운 단점이 있고 정책 수단으로써의 성격을 가지므로 회복탄력성 분석에는 신속성과 내구성이 주요 측정 요소로 사용된다.
공학적 회복탄력성은 위기 상황 이전 수준으로의 회복력을 측정하기 위해 리질리언스 삼각형(Resilience triangle)을 이용하며, 충격 이후 지역의 회복 수준을 분석한다(Bruneau et al., 2003; Kim et al., 2011). 리질리언스 삼각형은 외부 충격으로부터의 손실이 작고 시스템 균형이 위기 상황 이전 수준으로 신속하게 회복할수록 회복탄력성이 높다고 해석할 수 있다. 즉, 공학적 회복탄력성 차원에서의 리질리언스 삼각형에서는 기능의 회복력에 초점을 맞추어, 지진과 같은 재난피해로부터 발생한 손실의 정도 및 재난 이전의 수준으로의 회복 속도를 측정한다. Fig. 1은 시간에 따른 시스템 기능의 회복을 개념적으로 설명한다. 세로축은 도시기반시설의 가동 능력 감소를 나타내며, 가로축은 완전한 회복에 걸리는 시간을 나타낸. 가로축과 세로축으로 구성된 리질리언스 삼각형의 크기가 작을수록 피해가 작고 신속하게 회복한다고 판단하여 회복탄력성이 높다고 해석할 수 있다. 이를 수식으로 표현하면 다음과 같다.
(1)
R=t0t1[100Q(t)]dt
Fig. 1
The Resilience Triangle
kosham-2022-22-3-45gf1.jpg
Eq. (1)에서는 재난피해 직후를 t0, 그리고 완전한 회복이 이루어진 시기를 t1로 정의하며, 세로축은 기반 시설의 가동 능력을 퍼센트로 나타낸다. 즉, 세로축은 도시기반시설의 기능의 내구성, 즉 외부 충격을 흡수할 수 있는 역량을 나타내며 가로축은 신속성, 즉 기반 시설의 가동 능력이 모두 회복되는데 필요한 시간을 나타낸다.
하지만 재난으로 인한 충격이 장기적인 영향을 줄 경우나, 도시의 기능이 재난 이전의 상태로 회복하지 않을 때 공학적 회복탄력성의 설명력이 저하될 수 있다(Martin, 2012; Jung, 2016). 지역의 사회⋅경제적 기능은 선형 모형과 같이 단일 성장경로를 따르는 것이 아닌, 재난 이전보다 더 높은 수준으로 성장하거나 원래의 수준으로 회복하지 못하는 등 다양한 성장경로를 가질 수 있으므로 공학적 회복탄력성 모형으로 생활인구변화와 같은 사회적 현상을 설명하는 데는 다음과 같은 한계점이 있을 수 있다:
1. 공학적 탄력성 관점에서의 회복탄력성은 충격 이전의 원상태로 회복할 수 있다는 것을 가정하며 위기 상황의 영향이 일시적인 효과로 가정한다. 재난으로 인한 충격이 장기적으로 영향을 미치거나 도시 시스템이 재난 이전의 수준으로 회복하지 못할 때 회복력의 측정이 어렵다.
2. 리질리언스 삼각형 모형은 재난의 영향이 단발성(one-time event)인 모형을 가정하여, 다발적(multi-event)이고 장기적인 영향을 미치는 재난에 대한 피해를 측정하는 데 한계가 있다.
3. 공학적 회복탄력성 모형에서는 재난과 같은 외부 충격으로부터 피해를 최소화하고자 하는 지역의 저항력은 고려하지 않는다. 리질리언스 삼각형에서는 외부 충격에 대한 흡수력이나 민감도를 시스템의 ‘내구성’으로 회복성의 하위개념으로 정의하지만, 충격으로 인한 시스템의 변화가 일시적인 것으로 가정하여 저항력의 크기에 대해서는 이해가 부족하다. 즉, 회복탄력성의 내구성은 외부 충격을 흡수하는 지역의 저항력과는 구분되어야 하지만 공학적 접근방법에서는 이를 회복성의 하위개념으로 정의한다.
4. 마지막으로 도시기반시설의 기능이 재난 이전의 수준으로 회복하더라도 적응력(adaptability)에 따라 회복 이후 도시의 기능이 유지되지 않을 수 있다. 즉, 회복 이후 기능의 지속성에 대한 고려가 필요하다.
이러한 공학적 회복탄력성 측정 방법의 한계점을 극복하려는 방안으로 multi-event에서의 재난 영향을 측정하는 방법과 최솟값과 최댓값의 크기를 이용한 방법들이 제안되었다. 단, multi-event 이후의 회복탄력성은 각 event 이후의 회복을 측정하여 전체 재난기간 동안의 회복탄력성을 구하는 것으로 리질리언스 삼각형과 비슷한 개념으로 완전한 기능 회복이 되는 시점까지 총 소요된 기능의 손실을 측정한다. multi-event disaster 이후 리질리언스를 측정하는 방법에서 재난 이전의 수준으로의 회복력을 측정하므로 앞서 제시된 재난 이전 수준으로의 회복에 대한 한계점이 남아있다. Han and Goetz (2015)에서는 대공황 이후 고용 성장률을 이용하여 경기침체 충격 이후 고용률의 감소(drop)와 회복 이후 반등(rebound)을 최솟값과 최댓값을 활용하여 지역별 고용률의 감소와 회복을 측정하였다. 충격 이후 경기침체 기간과 회복 기간에서의 최솟값과 최댓값의 크기를 분석하여 쇼크 이전 고용 성장률로 회복이 되지 않더라고 지역별 반동의 크기를 측정하여 회복탄력성을 분석하였다. 회복탄력성은 고용률 감소와 회복의 비율로써, 침체 기간의 고용률 감소 대비 회복률이 높은 지역을 회복탄력성이 높은 지역으로 정의하였다. Han and Goetz (2015)의 연구에서 앞서 제시한 공학적 회복탄력성의 한계점을 보완하였으나, 저항과 회복의 크기를 일차원적으로 분석하여 회복에 걸리는 기간에 대해 고려하지 못했다는 한계점이 있다.

2.2.2 사회⋅생태적 회복탄력성

생태적 회복탄력성은 외부 충격으로 인한 환경의 대응능력과 회복 이후의 적응력, 즉 충격 이전의 수준으로의 회복이 이루어지는가 또는 새로운 수준으로의 지역의 환경이 적응하게 되는지를 중점적으로 다룬다. Holling (1973)의 적응적 순환(Adaptive Cycle)은 사회 생태 시스템의 재생주기를 4단계의 주기로 구분하여 생태계의 회복력 및 적응력을 설명하였다. 즉, 생태계의 외부 교란과 같은 외부 충격으로 환경이 변화하는 과정에서 생태계의 복원력에 따라 다양한 균형점으로 돌아갈 수 있다고 가정하여, 회복성을 선형적인 관계가 아닌 비선형적 관계임을 설명한다. 즉, 생태적 회복력을 단순히 이전 수준으로의 회복이 아닌, 환경적 변화와 같은 외부 충격을 흡수하고 변화하며 적응하는 능력으로 정의한다. 나아가 이러한 생태적 순환 주기를 사회-경제-생태적 시스템의 적응 능력으로 확대하여 환경변화에 대처하는 사회 및 경제적 시스템의 능력을 설명할 수 있다고 설명한다.
Fig. 2는 시스템의 적응적 순환을 4단계 재생주기로 구분한 모형으로, α는 외부적 충격 이후 시스템의 재조직기(reorganization phase), r은 성장 및 개발기(growth and exploitation phase), k는 성숙 및 보존기(conservation phase), Ω는 해체 및 붕괴(release phase)의 순환 주기를 나타낸다. 시스템의 자원의 잠재성(potential)과 연결성(connectedness)을 통해 생태계의 회복력을 설명할 수 있다고 보았다(Ha et al., 2014). 즉, 생태 시스템이 적응할 수 있는 잠재력이나 연결성이 부족한 경우 부적응이 일어날 수 있으며 회복력이 낮아질 수 있다고 해석한다.
Fig. 2
Adaptive Cycle of Social-Ecological System based on Tourism Area Life Cycle (TALC) Model
kosham-2022-22-3-45gf2.jpg
생태적 회복탄력성은 외부 충격으로부터 변화를 흡수하는 자원의 능력과 생태 시스템이 재조직화하는 과정에서의 다양성을 강조한다. 이는 재난으로 인한 피해와 이전 수준으로의 회복을 중점적으로 다루는 공학적 회복탄력성과 구분될 수 있다. 즉, 공학적 탄력성은 위기 상황 이후 시스템의 회복 역량에 초점을 맞춰져 있으나 사회 생태적 탄력성은 시스템의 변화와 변화에 대한 적응력을 핵심 요인으로 정의한다(Jeon, 2013).
도시 활력, 지역의 활성화와 같은 지표는 재난 이전 수준으로의 회복이 이루어졌는가에 대한 논의보다는 재난 상황 이후 지역별로 다르게 나타나는 회복력 - 충격 이후 더 높은 수준으로 회복하는지, 아니면 충격의 영향으로 인해 새로운 성장 추세를 형성하였는지 - 에 대한 논의가 주요 관심사이므로, COVID-19와 같은 사회재난 이후 도시 시스템의 변화와 적응력은 사회⋅생태적 회복탄력성으로 접근하는 방법이 적합하다고 볼 수 있다.
기존 재난 분야에서의 사회 생태적 회복탄력성은 개념적으로 논의됐으며 이를 정량적으로 분석한 연구는 공학적 회복탄력성 연구에 비해 상대적으로 미비하다. 기존 연구에서는 재해 발생 시 커뮤니티의 대처 능력을 지표화하여 사회 생태적 회복탄력성을 평가한 사례가 주요 방법으로 사용되었으며 사회 생태적 리질리언스 인덱스(Socio-Ecological Status Index)와 같은 인덱스를 개발하여 인간개발지수(Human Development Index), 생태보전력, 지진 빈도 및 분포와 같은 지역의 사회 생태적 특성으로 회복탄력지수를 평가한 사례가 있다(Estoque and Murayama, 2014; Suárez et al., 2019). 이러한 접근방법은 재해 상황 시 환경의 변화에 따른 사회생태 시스템의 대응능력, 즉 외부 충격으로 인한 시스템의 변화와 이후 회복 과정에서의 적응력을 이용해 사회 생태적 리질리언스를 평가한다(Adger, 2000). 본 연구에서는 실제 생활인구 데이터를 활용함으로써 재해 발생 이후 생활인구의 감소와 회복을 통한 시스템의 재조직화 과정에서 사회 생태적 기능의 성장, 유지/보존, 침체 단계를 실증적으로 측정할 수 있으며 토지이용 특성에 따른 회복탄력성을 분석할 수 있는 이점이 있다. 즉, 본 연구에서 제시하는 사회 생태적 회복탄력성은 재난 이후 도시 활력의 변화와 지역별 피해를 최소화하고자 하는 저항력과 회복력, 그리고 회복력을 안정적으로 유지하는 능력을 측정하여 지역별 위기 상황에 대한 시스템 회복탄력성을 더욱 폭넓게 분석한다.

3. 연구 방법

3.1 사회⋅생태적 회복탄력성 측정 모형

본 연구에서는 COVID-19 이후 생활인구의 감소와 회복, 그리고 회복 이후 적응력을 사회 생태적 회복탄력성을 이용하여 측정한다. 사회 생태적 회복탄력성 모형을 사용함으로써 COVID-19 이전 수준으로 생활인구가 회복하지 않았을 때 지역의 사회 생태적 시스템이 가지는 다양한 성장경로 및 지역의 위기 상황 적응력을 측정할 수 있다.
Fig. 3 모형에서는 COVID-19의 1차 유행 시기를 확진자가 발생하기 전 t0 부터 2차 유행 확산 이전 시점인 t2까지의 도시기능 변화를 나타낸다. 공학적 회복탄력성 모형과 가장 구분되는 점은 COVID-19 유행 전 도시기능이 지역별로 차이가 있으며 회복지점 또한 지역별로 다르게 나타나므로, 회복지점(time of recovery, tr)과 회복 이후 도시기능이 위기 상황 이전보다 높거나 낮을 수 있다는 점이다. 이와 같은 방법으로 회복 이후 도시기능이 이전 수준보다 높아진 지역이나, 이전 수준으로 회복하지 못한 지역에서의 회복력을 측정할 수 있다.
Fig. 3
Social-Ecological Resilience Model with Different Recovery Pathways
kosham-2022-22-3-45gf3.jpg
Fig. 3의 모형에서는 COVID-19의 1차 유행 시기를 저항기, 회복기, 적응기로 구분하였다. COVID-19로 인한 지역별 저항력을 측정하기 위해 코로나 유행이 본격적으로 진행되기 전 2020년 1월과 2월의 국소 최댓값(local maximum)과 확진자가 급증한 이후 국소 최솟값(local minimum)을 구하여 외부 충격으로부터의 피해를 흡수하는 저항력을 측정할 수 있다. COVID-19 확산 이전 시점에서 국소 최댓값을 보이는 시기를 t0으로 설정하고 COVID-19의 대규모 확산 이후 국소 최솟값이 나타나는 시기를 t1으로 설정하여 t0에서 t1까지의 기간을 저항기, 즉 COVID-19으로부터의 피해를 흡수하고 최소화하는 저항력을 나타내는 기간으로 정의한다. 도시기능의 감소와 회복에 걸리는 기간은 지역별로 다르게 나타날 수 있으므로 t0t1지점은 지역별로 다르게 나타난다. t0으로부터 t1의 감소 기울기와 저항력 삼각형의 크기를 측정하여, COVID-19 확산 이후 감소 기울기가 완만할수록 저항력이 높고 타격을 적게 받은 지역이고, 저항력의 삼각형의 크기가 작을수록 COVID-19로부터의 저항력이 높다고 해석할 수 있다. 본 연구에서 사용하는 국소 최댓값과 최솟값을 이용한 생활인구의 감소와 회복을 측정하는 방법은 Han and Goetz (2015)와 Ha and Lee (2021)에서 고용자 수의 변화와 매출액의 변화를 측정하는 방법과 유사하다. 단, 기존 연구에서는 절대적 고용자 수와 매출액의 감소와 회복의 크기를 비교하였으나, 본 연구에서는 최댓값과 최솟값을 이용해 감소 및 회복의 기울기와 크기를 분석하여 신속성 및 내구성을 측정하는 점에서 차별점이 있다. Eqs. (2)와 (3)은 위기 상황으로 인한 사회생태 시스템의 저항력의 기울기와 크기를 구하는 수식을 나타낸다.
(2)
Resistance Slope  (RS):RS=Q(t1)Q(t0)t1t0
(3)
Resistance Area  (RA):RA=Q(t)(t1t0)t0t1|  Q(t)  |dt
그 다음 단계는 회복 기간으로 도시기능의 국소 최솟값을 나타내는 시점인 t1 이후로부터 다시 충격 이전의 수준에 도달하는 시점인 tr 지점까지의 회복성을 측정한다. Holling (1973)의 적응적 순환 모형에서와 같이 외부 충격 이후 이전 수준보다 높은 수준으로 회복한 지역의 경우 tr,r, 이전 수준과 비슷한 수준으로 회복한 지역의 경우 tr,k, 이전 수준으로 회복하지 못한 경우 tr,Ω으로의 회복력을 측정한다. COVID-19 확산 이전보다 높은 회복력을 나타내는 지역의 경우 Q(tr)〈 Q(t0), 충격 이전 국소 최댓값 Q(t0)까지의 회복력을 측정한다. 반면, 충격 이전 수준으로 회복하지 못한 경우 Q(tr)〈 Q(t0), ‘완전한 회복에 드는 크기’를 측정하기 위해 Q(t1)에서 Q(tr,Ω)까지의 회복이 아닌, Q(t1)로부터 Q(t0)까지의 크기를 측정함으로써 완전히 회복하지 못한 지역의 회복력의 크기는 항상 Q(tr,r)이나 Q(tr,k)의 회복력을 가지는 지역보다 크게 측정된다. 저항력과 마찬가지로 회복력의 신속성과 크기는 Eq. (4)의 회복 기울기와 Eq. (5)의 회복력 삼각형의 넓이를 구하여 측정할 수 있다.
(4)
Recovery Slope  (RcS):RcS=Q(tr)Q(t1)trt1
(5)
Recovery Area  (RcA):RcA=Q(t0)(trt1)t1tr|  Q(t)  |dt
마지막으로 외부 충격 이전 수준으로의 회복 이후 지역의 적응력 혹은 유지기의 기울기와 크기를 측정하여 회복 이후의 상태를 잘 유지하는지를 측정한다. 해당 기간은 2차 유행 시기가 시작되기 전까지의 시기 t2로 설정한다. 회복 이후 도시기능이 급격하게 감소할 경우 적응기의 기울기 및 삼각형의 크기가 크게 나타날 것이다. 저항기, 회복기와 마찬가지로 Eqs. (6)과 (7)은 지속 기간 동안의 시스템의 변화와 도시기능 감소의 크기로 적응력을 나타낸다. 회복 이후 적응 동안 생활인구 변화의 기울기와 크기가 클수록 적응력이 낮다고 해석할 수 있다.
(6)
Stability Slope  (SS):SS=Q(t2)Q(tr)t2tr
(7)
Stability Area  (SA):SA=Q(tr)(t2tr)trt2|  Q(t)  |dt

3.2 회복탄력 비

회복력(recovery)과 회복탄력성(resilience)은 외부 충격 이후 이전 수준으로 돌아가기 위한 능력으로 혼용되어 사용되지만, 회복탄력성의 개념은 1) 피해를 최소화하고 2) 피해로부터 빠르게 회복하는 능력인 두 단계로 나누어 해석할 수 있다. 공학적 회복탄력성에서 측정하는 리질리언스 삼각형의 크기는 저항 기간 외부 충격으로부터의 내구성을 내포하지만(내구성이 높을수록 충격의 피해가 작다) 재난의 피해는 일시적인 영향이라기보다는 지역의 저항력에 따라 더 완만하게 감소하고 더 가파르게 감소할 수 있다. 즉, Fig. 1의 리질리언스 삼각형은 크기가 작을수록 회복탄력성이 높다고 해석하지만 실제로 높은 회복력을 가져 삼각형의 크기가 작은 것인지, 아니면 높은 저항력으로 회복에 드는 노력의 크기가 작은 것인지는 구분하기 어렵다. 본 연구에서는 실제 저항력의 크기와 회복력의 크기를 비교하기 위해 저항과 회복의 비율을 구하여 회복탄력성을 측정한다. 즉, 본 연구에서 정의하는 회복탄력 비(resistance-recovery ratio)는 사회⋅생태학적 관점에서 도시기능이 위기 상황 이전 수준으로의 회복에 소요되는 크기(회복력)과 저항 기간의 감소(저항력)의 비율로, 도시기능의 감소 대비 회복의 크기로 해석될 수 있다.
(8)
회복탄력비=회복성크기/저항(감소) 크기회복탄력 비<1:탄력성이 높음회복탄력 비>1:탄력성이 낮음
즉, 저항력 대비 회복 수준이 높으면 회복탄력성이 높고, 저항력 대비 회복 수준이 낮으면 회복탄력성이 낮다. 회복 탄력비가 1 이하일 때 회복력이 높고 완전한 회복에 걸리는 기간이 짧다고 해석할 수 있으며 회복탄력 비가 클수록 저항 기간 감소한 도시기능 대비 회복에 걸리는 기간이 길고 원상태로 회복하지 못한다고 해석할 수 있다. 도시기능이 충격 이전의 수준으로 회복하지 못한 상태일 경우, 이전 상태로의 회복에 드는 노력의 크기를 측정함으로써 도시기능이 충격 이전의 수준까지 회복 못 할 때 회복탄력 비는 항상 1 이상이다.

3.3 서울시 생활인구 데이터

본 연구에서 사용하는 생활인구 데이터는 KT의 통신데이터로 서울의 특정 지역에 특정 시점에 생활하는 모든 인구를 추계한 자료로 연령별, 일별, 시각별로 산출된다. 생활인구는 조사 시점에 특정 지역에 존재하는 현재 인구로 지역 내 상주하는 ‘상주인구’와 통근/통학을 통해 해당 지역에 유입되는 ‘유입인구’, 그리고 해당 지역에서 다른 지역으로 유출되는 ‘유출인구’로 구분될 수 있다.
생활인구 = 상주인구 + 유입인구 - 유출인구
본 연구에서는 COVID-19 이후 도시 활력의 변화를 측정하기 위해 생활인구를 평가지표로 활용하였으며 외출 자제로 인한 생활인구의 감소와 외부에서 유입되는 인구를 구분하기 위해 서울 지역에서 거주하는 내국인과 장기 체류 외국인 중 거주지가 아닌 타 자치구로 유입된 인구를 선정하였다. 서울 생활인구 관내 이동’데이터를 활용하여 거주지 내 이동을 제외한 서울시 내 거주지 이외 지역에서 유입된 생활인구를 분석 데이터로 사용한다. 통근 및 통학인구로 인해 주중과 주말의 유입인구 특성이 다르게 나타날 수 있으므로 본 연구에서는 직장인구를 제외한 주말 외부 유입인구로 0시~24시 일별 집계 데이터를 이용한다. 이와 같은 정의를 통해 특정 지역의 생활인구의 증가가 COVID-19 유행 이후 거리두기를 통해 상주인구의 통근/통학, 쇼핑, 관광 등의 비율이 낮아짐에 따라 생활인구가 증가한 것인지, 혹은 타 자치구에서 해당 지역으로 유입된 인구가 증가한 것인지를 구분할 수 있다.
본 연구에서는 서울시 25개 자치구를 대상으로 COVID-19 1차 유행 기간인 2020년 1월부터 8월까지의 관내 외부 유입 생활인구를 이용하며, 각 자치구의 전년 대비 주말 관내 외부 유입 생활인구 변화율을 분석에 사용한다. 던, 2019년 6월부터 8월은 폭염으로 인해 폭염주의보가 발효되어 해당 기간의 외부 유입 생활인구가 크게 줄어들어 전년도 동 일자 대비 생활인구 변화가 아닌 2019년의 평균 관내 유입인구 대비 생활인구 변화율을 분석에 사용한다.

4. 분석 결과

4.1 자치구별 COVID-19 1차 웨이브 유입인구 변화

서울시 25개 자치구의 2019년 주말 평균 유입인구 대비 2020년 1월부터 8월 15일까지의 주말 유입인구의 변화를 나타내면 Fig. 4와 같다. 2020년 1월 평균 유입인구는 약 102%로 전년도 평균 외부 유입인구와 비슷하게 나타났으며 COVID-19 확산 이후 2월 마지막 주인 2020년 2월 29~30일에는 전년도 대비 약 79%의 인구가 유입된 것으로 확인된다. 이 시기는 대구에서 집단감염이 보고된 이후 2/23 감염병 위기 경보가 ‘심각’ 단계로 격상된 직후이다. 그 후 강화된 사회적 거리두기 정책에도 불구하고 외부 유입인구는 점차 회복하였으나, COVID-19의 재확산으로 인해 회복추세가 7월부터 다시 감소하는 것을 볼 수 있다. 이후 4월 마지막 주인 25~26일까지 생활인구가 회복하는 양상을 보였으며 2차 유행이 시작된 2020년 8월 16까지 회복이 유지되는 것을 확인할 수 있다.
Fig. 4
Trend of Non-Resident Inflows during COVID-19 Phase 1 (2020/01-2020/08)
kosham-2022-22-3-45gf4.jpg

4.2 저항력, 회복력, 지속력 분석 결과

본 연구에서 제시한 회복탄력성 모형을 이용하여 측정한 COVID-19 이후 지역별 저항력, 회복력, 적응력은 Table 1과 같다. COVID-19 확산기 이후 유입인구 감소 기울기가 가파르고 저항력의 삼각형 크기가 클수록 저항력이 낮아 전년도 대비 유입인구가 큰 폭으로 감소한 지역이며, 회복의 신속성과 회복력의 크기가 작을수록 더 빠른 시일 내에 이전 수준으로 회복을 한 지역으로 해석할 수 있다. 회복 이후 적응기의 기울기와 면적의 넓이가 넓을수록 회복 이후 유입인구의 감소 폭이 큰 지역이다.
Table 1
Measurement of Slope and Area for Resistance, Recovery, and Adaptive stage based on Social-Ecological Resilience Model
District Rapidity of Resistance Area of Resistance Rapidity of Recovery Area of Recovery Slope of Adaptability Area of Adaptability Resistance- Recovery Ratio
Gangnam-gu -0.040 0.734 0.013 3.686 -0.010 0.282 5.021
Gangdong-gu -0.019 0.486 0.045 0.358 -0.007 3.557 0.737
Gangbuk-gu -0.012 0.403 0.003 0.908 -0.010 0.389 2.255
Gangseo-gu -0.017 0.454 0.009 1.316 -0.005 1.048 2.902
Gwanak-gu -0.015 0.325 0.005 1.170 -0.007 0.688 3.603
Gwangjin-gu -0.027 0.637 0.027 0.907 -0.003 2.048 1.423
Guro-gu -0.034 1.568 0.003 4.726 -0.041 0.021 3.014
Geumcheon-gu -0.022 0.619 0.009 1.283 -0.002 0.464 2.073
Nowon-gu -0.025 0.539 0.008 1.602 -0.003 0.340 2.970
Dobong-gu -0.010 0.261 0.018 0.232 -0.005 0.781 0.889
Dongdaemun-gu -0.034 0.762 0.009 2.768 -0.008 0.418 3.632
Dongjak-gu -0.023 0.466 0.014 1.027 -0.003 1.022 2.205
Mapo-gu -0.032 0.662 0.007 3.058 -0.018 0.190 4.618
Seodaemun-gu -0.026 0.543 0.004 1.996 -0.004 0.283 3.675
Seocho-gu -0.045 0.786 0.013 3.455 -0.013 0.273 4.397
Seongdong-gu -0.030 0.617 0.006 2.300 -0.012 0.253 3.726
Seongbuk-gu -0.012 0.444 0.009 0.605 -0.010 0.681 1.362
Songpa-gu -0.040 0.995 0.010 2.773 -0.003 0.436 2.785
Yangcheon-gu -0.017 0.290 0.008 0.968 -0.003 0.813 3.338
Yeongdeungpo-gu -0.036 0.732 0.006 3.793 -0.028 0.215 5.185
Yongsan-gu -0.048 0.993 0.014 2.036 0.003 0.914 2.050
Eunpyeong-gu -0.019 0.433 0.024 0.514 0.000 0.377 1.188
Jongno-gu -0.048 0.920 0.010 4.849 -0.006 0.115 5.271
Jung-gu -0.053 1.179 0.011 5.176 -0.008 0.200 4.391
Jungnang-gu -0.019 0.624 0.005 1.575 -0.004 0.523 2.523

4.3 지역별 저항력

COVID-19 이후 유입인구 감소가 크게 나타난 지역은 외부 충격을 흡수하고 피해를 최소화는 능력인 저항력이 낮은 지역으로 정의한다. 반면 저항력이 높은 지역은 COVID-19 충격 이후 피해가 작은 지역으로 외부 유입인구의 감소가 적은 지역이다. COVID-19 확산 이후 자치구별 외부 유입인구의 국소 최솟값까지의 기울기와 감소 면적의 넓이를 도출하여 저항력의 크기를 측정한다. 기울기는 저항의 신속성(rapidity), 즉 유입인구가 급격하게 감소했는지를 나타내고 면적의 넓이는 총 저항 기간 동안 감소의 크기를 나타낸다. 저항력의 두 지표는 상호보완적으로 유입인구가 빠른 기간 내에 감소해 기울기가 가파르지만, 감소율이 작으면 총 저항력의 크기는 작고, 반면 유입인구가 비교적 긴 기간 동안 감소해 기울기가 완만하지만, 감소율이 높을 경우 총 저항력은 크다고 해석할 수 있다.
저항의 기울기와 저항력의 공간분포는 Figs. 56으로 나타낼 수 있다. 지도를 살펴보면 전년도 대비 생활인구가 가장 가파르게 감소한 곳은 서울의 도심인 중구와 종로구를 중심으로 용산구, 서초구, 강남구, 영등포구, 송파구, 구로구이며 상대적으로 유입인구가 안정적으로 유지된 곳은 서울시 북쪽 외곽지역인 것을 확인할 수 있다. 저항력 크기 또한 도심지역을 중심으로 생활인구가 크게 감소하였다. 해당 지역들은 발달상권이 밀집한 지역으로 COVID-19 확산기
Fig. 5
Slope of Resistance (Sensitivity to COVID-19)
kosham-2022-22-3-45gf5.jpg
Fig. 6
Area of Resistance (Sensitivity to COVID-19)
kosham-2022-22-3-45gf6.jpg
간 동안 큰 타격을 받았으며, 반면 서울시의 북서부지역에서 외부 유입인구의 감소가 가장 작은 것으로 나타난다. 구로구의 저항력이 크게 나타난 것은 2020년 3월 10일 콜센터에서 집단감염으로 인해 유입인구가 가장 많이 감소한 이유 때문으로 해석할 수 있다.
저항력이 낮은 자치구 5개와 높은 자치구 5개에서의 외부 유입인구 변화율을 비교하면, 저항력이 낮은 자치구(중구, 종로구, 용산구, 송파구, 구로구)에서는 전년도 대비 평균적으로 70% 인구가 유입되어 약 30% 인구가 감소하였고, 저항력이 높은 자치구(도봉구, 양천구, 관악구, 강북구, 은평구)에서는 전년도 대비 약 92.5%의 인구가 유입되어 7.5%의 인구가 감소하였다. 회복력이 낮은 지역과 높은 지역에서 약 22.5%의 차이가 있는 것을 확인할 수 있다.

4.4 지역별 회복력

본 연구에서 사용하는 회복력은 공학적 회복탄력성을 나타내는 리질리언스 삼각형과 같은 개념으로, 신속성이 높고 회복력이 좋을수록 삼각형의 크기가 작다(Bruneau et al., 2003). 단, 외부 충격 이후 외부 유입인구가 이전 수준으로 완전히 회복하지 못한 경우 위기 상황 전 최댓값으로의 회복에 드는 노력 및 비용의 크기를 측정하여 사회⋅생태적 접근방법에서의 회복력을 측정할 수 있다. 빠른 기간 내 이전 수준으로 회복한 경우 회복의 기울기가 크고(가파르고) 회복력 삼각형의 크기가 작다(회복 속도가 빠르고 감소 크기가 작다). 반면 이전 수준으로 회복하지 못하거나 회복에 소요되는 기간이 길수록 기울기가 작고(완만하고) 회복에 드는 크기가 크다.
회복의 신속성과 회복력의 공간분포는 Figs. 78로 나타낼 수 있다. 회복의 신속성의 경우 서울시의 동부지역의 강동구, 광진구, 그리고 북부지역의 도봉구와 은평구에서 기울기가 가장 가파르며, 회복의 크기는 서울의 도심지역을 제외한 북부, 서부, 남부, 그리고 동부지역에서 높게 나타났다. 회복력이 높게 나타나는 상위 5개 지역(도봉구, 강동구, 은평구, 성북구, 광진구)에서는 비교적 빠른 기간 내 COVID-19 이전 수준으로 회복한 곳으로 외부 유입인구가 가장 큰 폭으로 감소한 2020년 2월 29일 이후 약 8주 이후인 2020년 4월 25일경 COVID-19 확산 이전 수준으로 회복했으며, 회복력이 낮은 하위 5개 지역(중구, 종로구, 구로구, 영등포구, 강남구)에서는 약 19주 후인 2020년 7월 11일경 최대치로 회복하였고 전년도 대비 91.5%의 수준으로 회복하였다. 서울의 도심지역에서 회복력이 낮게 나타나는 것은 위기 상황 이후 유입인구가 큰 폭으로 감소하여 충격 이전 수준으로의 회복이 더디며 회복 수준 또한 낮은 것을 나타낸다.
Fig. 7
Slope of Recovery (Rapidity of Recovery)
kosham-2022-22-3-45gf7.jpg
Fig. 8
Area of Recovery (Robustness of Recovery)
kosham-2022-22-3-45gf8.jpg

4.5 지역별 회복 이후 적응력 및 지속력

회복 이후 다음 2차 충격 이전까지의 기간을 ‘회복 이후 상태(recovered state)’로 정의할 수 있다. 이는 사회⋅생태 시스템의 적응 주기에서 차용한 개념으로 회복 이후 시스템의 기능을 유지하는 능력인 안정성 혹은 적응 능력을 나타낸다. 즉, 공학적 회복탄력성에서는 회복 이후 시스템이 안정적으로 유지되어 (저항→회복)으로의 관계를 측정하지만, 사회⋅생태적 기능 관점에서는 회복이 일시적으로 나타날 수 있으며 충격의 영향이 장기적으로 도시기능에 영향을 미칠 수 있으므로 회복 이후 시스템의 기능이 안정적으로 유지되지 않을 수 있다. 회복 이후의 상태에서 회복 수준의 적응력 혹은 지속력을 측정하기 위해 회복의 최댓값 지점으로부터 2차 유행 시기 이전인 2020년 8월 15일까지의 유입인구의 변화를 기울기와 지속력(회복을 지속하는 데 소요되는 노력)을 측정한다. 단, 회복을 느리게 한 지역의 경우 2차 유행 시기까지의 기간이 짧게 나타나 절대적인 지속력의 크기가 작게 나타날 수 있으므로 지속력의 크기를 총 지속 기간으로 나누어 적응 기간의 평균 지속력의 크기를 측정한다.
주간 평균 지속력 크기(weekly average stability) = stability area/number of weeks
저항력, 회복력과 마찬가지로 지속기의 기울기가 클수록(가파를수록) 생활인구가 급격하게 감소하는 지역이고 적응력 삼각형의 크기가 클수록 회복 정도를 유지하는데 드는 비용이나 능력이 많으므로 적응력이 낮다고 해석할 수 있다.
Figs. 910에서는 적응력의 기울기와 크기의 분포를 공간적으로 나타낸다. 구로구, 영등포구, 마포구, 서초구에서 회복 이후 적응력이 낮아 급격하게 감소한 것을 확인할 수 있다. 이 지역들은 회복력이 낮은 지역으로 회복에 20주 정도가 소요되었으며 2차 유행 시기 전까지 약 4주간 유입인구가 다시 큰 폭으로 감소한 지역이다. 반면 강동구와 광진구, 강서구에서는 적응력의 신속성은 비교적 낮았으나(완만하였으나) 지속력이 낮은 지역(지속에 소요되는 삼각형의 크기가 크다)으로, 해당 지역에서 회복이 비교적 빠른 시일 내에 이루어졌지만, 회복 이후 점진적으로 유입인구가 감소한 지역으로 해석할 수 있다. 즉, 해당 지역에서는 비교적 이른 시일 내에 이전 수준으로 회복하지만, 회복 이후 유입인구가 다시 감소하는 지역으로 적응력이 낮은 것으로 나타났다. 중구와 종로구, 구로구에서는 회복력은 비교적 낮게 나타나, 해당 지역에서의 유입인구는 완전히 회복되지 않았지만, 그 회복 수준이 비교적 안정적으로 유지된 지역으로 해석할 수 있다. 이는 회복 수준의 적응력이 뉴 노멀(new normal) 수준으로 새로운 균형이라고도 해석할 수 있다.
Fig. 9
Slope of Adaptation (Stability)
kosham-2022-22-3-45gf9.jpg
Fig. 10
Area of Adaptation (Stability)
kosham-2022-22-3-45gf10.jpg

4.6 지역별 회복탄력성(Resilience)

회복탄력성은 위기 상황으로부터 충격을 흡수하거나 피해를 최소화하고 이전 상태로 빨리 회복하는 능력을 나타낸다. 본 연구에서는 회복탄력성(resilience)과 회복력(recovery)을 구분하여, 위기 상황 이후 지역의 저항력 대비 회복력을 회복탄력성으로 정의하고, 저항력 대비 회복력이 크면 회복탄력성이 높다고 해석할 수 있다. 이 같은 접근방법은 Han and Goetz (2015)에서 고용자 수의 감소와 회복의 비율을 이용해 회복탄력성을 분석한 방법과 접근방법이 같다. 단, 기존 연구에서는 감소와 회복의 크기만을 이용하여 비교한 것으로 저항 및 회복의 기간을 고려하지 않아 저항 기간 대비 회복이 더딘 지역과 빠르게 회복한 지역 간의 비교가 불가능하여 회복 수준으로의 회복을 이용해 회복탄력성을 측정한다. 본 연구에서 측정하는 회복탄력 비는 저항 및 회복의 신속성 및 크기를 고려하여 저항 기간 동안 소요된 유입인구의 감소와 회복에 든 유입인구를 비교하여 회복탄력 비가 많을수록 회복에 든 노력이 큰 지역으로 회복탄력성이 낮고, 회복탄력 비가 적을수록 저항 기간 대비 회복에 든 노력이 적어 회복탄력성이 높다고 정의한다.
Fig. 11은 회복탄력 비를 6그룹으로 구분하여 공간적으로 나타냈다. 회복탄력성이 1보다 작은 지역은 도봉구와 강동구로 저항 기간 동안 소요된 유입인구의 감소 대비 회복을 더 빠르고 높은 수준으로 한 지역이다. 회복탄력 비가 1 이상 2 이하인 지역은 저항력 대비 회복에 든 노력의 크기가 크지만 비교적 높은 회복탄력성을 가진 지역이며 회복탄력 비가 5 이상인 지역은 이전 수준으로 회복하지 못하거나 회복이 더딘 지역으로 중구, 종로구, 마포구, 영등포구, 강남구, 서초구를 포함한다. 단, 용산구의 경우 비교적 이른 시일에 최댓값으로 회복했으나 지속력은 중심부 지역보다 낮은 수준으로, 강동구나 광진구와 같이 회복 대비 적응력이 낮은 지역이라고 해석할 수 있다.
Fig. 11
Resistance-Recovery Ratio
kosham-2022-22-3-45gf11.jpg
Fig. 12는 회복탄력 비로 구분된 자치구별 2020년 1월부터 8월까지의 유입인구의 변화를 나타낸다. 회복탄력성이 가장 높은 지역(회복탄력 비 1 이하) 지역의 평균 유입인구는 2월 29일 약 5.7% 가량 감소했으나 이후 4월 25일에는 2019년 대비 약 107.5%의 인구가 회복한 것으로 확인되었다. 도봉구는 북한산 국립공원, 강동구는 명일공원과 길동생태공원 등이 있으며 전체 면적 대비 녹지지역의 비율은 48%로 가장 높은 녹지 비율을 가지고 있다. 주거지역의 비율은 46.5%로 모든 그룹 중 가장 낮다. 공업지역 비율은 3.47%로 평균 수준을 보인다. 따라서 그룹 1은 상업시설, 업무시설, 공업시설 모두 다른 지역에 비해 적은 서울 외곽의 주거지 중 녹지 비율이 높은 지역으로 분류할 수 있다. 회복탄력 비가 1 이상 2 이하인 지역은 광진구, 성북구, 은평구로 COVID-19 확산 이후 약 14.7%의 유입인구가 감소했으며 4월 25일 약 102%의 인구가 회복하였다. 해당 지역은 주거지역의 비율이 62%, 녹지지역의 비율이 35%로 주거지역과 녹지지역 비율이 상대적으로 높은 지역이다. 회복탄력 비가 3 이상 5 이하인 지역은 용산구, 중랑구, 강북구, 노원구, 강서구, 금천구, 동작구, 송파구 주로 서울시의 중심지 외곽지역이 해당하며, COVID-19 1차 유행 이후 평균적으로 약 14.8%의 유입인구가 감소했으며 이후 5월 23일경 최대치로 회복하였으며 약 96.5%의 유입인구가 회복하였다. 해당 지역에서는 대형상권 발달이 덜 되어있고 녹지지역 비율이 낮은 지역으로, 상대적으로 공업지역의 비율이 높은 지역으로 분류될 수 있다.
Fig. 12
Trend of Non-resident Inflows by Resilience Group during COVID-19 Phase 1
kosham-2022-22-3-45gf12.jpg
회복탄력성이 가장 낮은 지역(회복탄력 비 5 이상)은 중구, 마포구, 서초구, 종로구, 영등포구, 강남구로 유동 인구의 밀집도가 높고 주요 상권이 위치한 지역을 포함한다. 해당 지역에서는 COVID-19 이후 약 28%의 인구가 감소하였으며 회복이 가장 늦은 지역으로 6월 27일경 약 92.6%의 인구가 회복하여 전년도 대비 7.3%가 회복되지 못했다. 해당 지역에서는 도매 및 소매업 및 숙박 및 음식점업의 사업체 비율이 높게 나타나며 금융, 부동산, 전문과학 및 기술 서비스업 등 업무시설이 밀집된 지역이 포함되어있다.

5. 결 론

본 연구에서는 서울시 생활인구 데이터를 이용하여 코로나 이후 각 자치구로의 외부 유입인구 변화를 분석하여 코로나 감염병 확산 이후 도시 활력의 감소 및 회복, 회복 이후 도시기능의 적응력을 정량적으로 측정하는 방법을 제시한다. 본 연구에서는 사회 생태적 회복탄력성 개념을 이용하여 COVID-19의 충격 영향을 저항기, 회복기, 적응기로 구분하여 주말 평균 유입인구의 감소와 회복을 실증적으로 분석하였으며, 회복탄력성의 공간분포를 나타내어 서울시에서의 전반적인 패턴을 나타내고자 하였다. 연구 결과 코로나 감염증의 특성상 상가 밀집도가 높고 외부 유입인구 비율이 높은 도심지역에서 저항력이 낮게 나타나 외부 충격으로 인한 피해가 가장 큰 것으로 확인되었고, 국립공원이나 인구밀도가 낮은 서울시 북부 외곽지역에서 COVID-19 이후 유입인구가 비교적 안정적으로 유지된 것을 확인할 수 있었다.
본 연구의 대상 지역인 서울시는 대한민국의 타 시도에 비하여 가장 높은 인구밀도를 가지며, 행정구역 간 외부 유입인구의 차이 또한 크게 나타나므로 지역별 회복탄력성의 차이가 뚜렷하게 구분되는 특징이 있다. 행정구역간 유입인구의 차이가 상대적으로 작은 지역에 같은 방법론을 적용하면 행정구역 간 회복탄력성의 차이가 크게 나타나지 않을 가능성이 있다. 다만 인구밀도가 낮고 녹지환경이 조성된 지역에서 높은 회복탄력성을 기대할 수 있으며 상업지역의 밀도가 높은 지역에서 외부에서 유입되는 인구의 회복탄력성이 낮게 나타난다는 점은 타 시도에서도 관찰될 수 있을 것으로 예상한다. 본 연구는 1차 유행 시기의 도시 활력의 회복탄력성을 분석하였으나 COVID-19가 장기적으로 지속됨에 따라 향후 연구에서 장기적인 사회 생태적 회복탄력성을 측정하기 위해서는 추가적으로 방법론이 보완되어야 할 것이다. 나아가 본 연구에서 사용된 통신데이터 기반의 생활인구 데이터 외에 신용카드 매출액, 교통카드 이용정보를 통한 지역 유동 인구 정보, 그리고 점포의 창⋅폐업률을 이용하여 재난 이후 도시기능의 회복력을 분석할 수 있으며 회복 이후 재조직화를 통한 시스템의 성장 추세를 측정할 수 있다.
기존의 공학적 리질리언스 모형에서는 ‘시스템의 기능이 정상적 상황의 수준으로 신속히 회복하는 능력’으로 정의하여 회복력의 크기로 리질리언스를 측정해왔으나 본 연구에서는 저항력과 회복력을 구분하여 외부 충격으로부터 피해를 최소화하는 저항력에 대비한 회복력을 분석하여 회복탄력성을 측정하였다. 특히 저항력이 높은 지역에서 이전 수준으로 빠르게 회복하는 것과 저항력이 낮아 피해가 큰 지역에서 빠르게 회복하는 것은 다른 개념이므로 향후 연구에서도 회복력과 회복탄력성을 구분해야 할 것이다.
본 연구에서는 생태적 회복성을 이용하여 코로나 감염병 확산 이후 자치구별 외부 유입인구의 변화를 분석함으로써 지역사회의 위기 상황 대응능력을 측정하고자 하였다. 회복 이후 상태(Recovered state)에서의 적응력을 분석하기 위해 회복 이후부터 2차 유행 전까지를 적응기로 정의하였으나 지역별로 회복 기간이 다르게 나타나므로 기간 설정에 대한 어려움이 한계점으로 남아있다. 반면 회복 이후 적응력을 분석함으로써 회복이 일시적인 현상인지, 아니면 장기적인 관점에서 회복으로 정의할 수 있는지를 구분할 수 있어 위기 상황에 대한 지역사회의 대응능력을 포괄적으로 이해하는 데 의의가 있다. 본 연구에서는 생활인구의 변화를 이용하여 COVID-19와 같은 범 지역적 재난의 영향을 도시 활력과 같은 사회적 자원의 변화를 정량적으로 분석하는 모형을 제시하여 사회적 자원의 차원에서 회복탄력성을 분석하는 지표를 제시하였다.

감사의 글

본 연구는 2021년 대한민국 교육부와 한국연구재단의 인문 사회 분야 중견연구자지원사업의 지원에 의해 수행되었습니다(NRF-2021S1A5A2A01064580).

References

1. Adger, W.N (2000) Social and ecological resilience:Are they related? Progress in Human Geography, Vol. 24, No. 3, pp. 347-364.
crossref pdf
2. Bruneau, M, Chang, S.E, Eguchi, R.T, Lee, G.C, O'Rourke, T.D, Reinhorn, A.M, et al (2003) A framework to quantitatively assess and enhance the seismic resilience of communities. Earthquake Spectra, Vol. 19, No. 4, pp. 733-752.
crossref pdf
3. Choi, Y.W, Hong, Y.J, Choo, M.J, and Yoon, D.K (2021) An analysis of factors influencing regional resilience to disaster using the resilience cost index. Journal of the Korean Society of Hazard Mitigation, Vol. 21, No. 6, pp. 21-29.
crossref pdf
4. Estoque, R.C, and Murayama, Y (2014) Social-ecological status index:A preliminary study of its structural composition and application. Ecological Indicators, Vol. 43, pp. 183-194.
crossref
5. Ha, J.W, and Lee, S.G (2021) Analysis of neighborhood fators influencing commercial sales drop and resilience in Seoul, Korea:Focusing on the impacts of COVID-19. Journal of Korea Planning Association, Vol. 55, No. 5, pp. 165-181.
crossref
6. Ha, S.J, Nam, G.C, Min, S.H, Jeon, S.J, and Park, J.S (2014) A study on the examination and application of the regional resilience for sustainable development. Korea Research Institute for Human Settlements (KRIHS) No. 2014-15.
crossref
7. Han, Y, and Goetz, S.J (2015) The economic resilience of US counties during the great recession. Review of Regional Studies, Vol. 45, No. 2, pp. 131-149.
crossref
8. Holling, C.S (1973) Resilience and stability of ecological systems. Annual Review of Ecology and Systematics, Vol. 4, No. 1, pp. 1-23.
crossref
9. Holling, C.S, and Gunderson, L.H (2002). Resilience and adaptive cycles. In: Holling C.S, Gunderson L.H, eds. Panarchy:Understanding Transformations in Human and Natural Systems. p 25-62. Washington, D.C: Island Press.
crossref
10. Jeon, D.W (2013) Considering the concept of resilience toward applying to system dynamics approach. Korean System Dynamics Review, Vol. 14, No. 2, pp. 5-30.
crossref
11. Jin, J.H, and Seong, B.C (2020) Analysis of the differences in living population changes and regional responses by COVID-19 outbreak in Seoul. The Korean Journal of Applied Statistics, Vol. 33, No. 6, pp. 697-712.
crossref
12. Jung, H.J (2016) Economic crisis and economic resilience:An empirical study. The Korea Local Administration Review, Vol. 30, No. 4, pp. 255-288.
crossref
13. Kim, T.H, Kim, H.J, and Lee, K.J (2011) The concept and functional objectives of the urban resilience for disaster management. Journal of the Korean Society of Safety, Vol. 26, No. 2, pp. 65-70.
crossref
14. Kwon, J.W, and Lee, S.R (2020) Overcoming COVID-19 with regional resilience. Gyeongi Research Institute, Issue &Diagnosis, No. 423.
crossref
15. Martin, R (2012) Regional economic resilience, hysteresis and recessionary shocks. Journal of Economic Geography, Vol. 12, No. 1, pp. 1-32.
crossref
16. Shin, H.J, and Ko, K.K (2021) Analysis of the Impact of COVID-19 social distancing policy on changes in the living population in Seoul. Legislation and Policy Studies, Vol. 13, No. 2, pp. 289-318.
crossref
17. Suárez, M, Gómez-Baggethun, E, and Onaindia, M (2019) Assessing socio-ecological resilience in cities. In: Burayidi M.A, Allen A, Twigg J, Wamsler C, eds. The Routledge Handbook of Urban Resilience, pp. 197-216 Routledge.
crossref
18. Wilkinson, C (2012) Social-ecological Resilience:Insights and issues for planning theory. Planning Theory, Vol. 11, No. 2, pp. 148-169.
crossref pdf
19. Yun, B.H, Jeong, Y.W, and Lee, S.S (2021) Analysis of consumption resilience characteristics by urban space type following the spread COVID-19. Journal of Daegu Gyeongbuk Studies, Vol. 20, No. 2, pp. 87-110.
crossref
TOOLS
Share :
Facebook Twitter Linked In Google+ Line it
METRICS Graph View
  • 2 Crossref
  •    
  • 2,178 View
  • 67 Download


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2024 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next