유동인구 분석을 통한 폭염 긴급재난문자의 효과 분석

Effectiveness of Heatwave Emergency Alert Messages through Analysis of Floating Population

Article information

J. Korean Soc. Hazard Mitig. 2023;23(6):77-90
Publication date (electronic) : 2023 December 31
doi : https://doi.org/10.9798/KOSHAM.2023.23.6.77
* 정회원, 연세대학교 도시공학과 박사과정(E-mail: dbwjd0570@yonsei.ac.kr)
* Member, Ph.D. Candidate, Department of Urban planning and Engineering, Yonsei University
** 국회입법조사처 국토해양팀 입법조사연구관(E-mail: space@assembly.go.kr)
** Legislative Researcher, Land, Transport and Maritime Affairs Team, National Assembly Research Service
*** 정회원, 연세대학교 도시공학과 박사과정(E-mail: woosik212@yonsei.ac.kr)
*** Member, Ph.D. Candidate, Department of Urban Planning and Engineering, Yonsei University
**** 정회원, 연세대학교 도시공학과 교수(E-mail: dkyoon@yonsei.ac.kr)
**** Member, Professor, Department of Urban planning and Engineering, Yonsei University
**** 교신저자, 정회원, 연세대학교 도시공학과 교수(Tel: +82-2-2123-5893, Fax: +82-2-393-6298, E-mail: dkyoon@yonsei.ac.kr)
**** Corresponding Author, Member, Professor, Department of Urban planning and Engineering, Yonsei University
Received 2023 November 02; Revised 2023 November 03; Accepted 2023 November 14.

Abstract

폭염 긴급재난문자는 폭염 대응 및 피해 최소화를 위하여 폭염 발생에 대한 객관적인 정보 제공뿐만 아니라 야외활동 자제 또는 외출 자제 등의 행동 지침 내용을 포함하고 있다. 본 연구는 폭염 긴급재난문자의 효과를 분석하기 위해 2021년 폭염 기간을 대상으로 서울시 동-시간 단위의 위치기반 모바일 빅데이터를 활용하여 유동인구 변화를 분석하였다. 또한 지역의 사회경제적⋅물리환경적 특성에 따라 폭염 긴급재난문자의 효과가 다르게 나타날 수 있는데 주안을 두고 어떠한 특성이 긴급재난문자의 효과 차이를 발생시킬 수 있는지 검토하였다. 분석 결과, 서울시 전체 유동인구는 폭염 긴급재난문자로 인해 0.1~3.4%의 범위에서 감소하였다. 한편, 지역별로는 평균적으로 2.4~5.6% 범위에서 감소하였으며, 긴급재난문자가 지역마다 효과가 다르게 나타나고 있음을 확인하였다. 긴급재난문자의 효과가 큰 지역과 작은 지역 간의 차이를 분석한 결과, 긴급재난문자의 효과가 작은 지역은 고령인구 비율이 낮은 특징이 있었으며, 고용집적도가 높거나 대중교통 접근성이 높은 특징이 있었다. 이외에도, 사회경제적 특성인 가구원 수, 성비, 평균연령과 물리환경적 특성인 녹지 비율이 지역 간 폭염 긴급재난문자 효과의 격차를 발생시킬 수 있는 것으로 나타났다.

Trans Abstract

Heatwave emergency alert messages (EAM) not only provide objective information on heatwave occurrences but also include behavioral guidelines, such as avoiding outdoor activities or going out to respond to heatwaves and minimize damage. To investigate the EAM’s effectiveness, we analyzed the changes in the floating population during 2021 using Seoul dong-unit and hourly location-based mobile big data. We also examined what socioeconomic and physical environmental characteristics could cause differences in the effectiveness, focusing on the fact that EAM may have different effects depending on regional factors. The findings revealed a notable reduction in the overall floating population of Seoul, ranging from 0.1 to 3.4%. When examined by region, an average decrease of 2.4 to 5.6% was observed, indicating the different effects of EAM by region. Further analysis of regional characteristics highlighted that areas with low EAM effectiveness were characterized by a lower ratio of senior residents, higher employment concentration, and higher accessibility to public transportation. Additionally, the number of household members, gender distribution, average age, and presence of green spaces can contribute to the gap in the effectiveness of EAM between regions.

1. 서 론

우리나라는 폭염 대응 및 피해 예방을 위한 주요 정책 중 하나로 긴급재난문자(Emergency Alert Messages; EAM)를 송출하고 있다. 긴급재난문자(이하 재난문자로 통일)는 재난에 대한 실시간 대비와 신속한 대응을 위해 행정안전부, 기상청, 지자체 등에서 송출하는 CBS (Cell Broadcast Service) 기술을 이용한 문자메시지 서비스다. 재난문자는 2020년부터 코로나 19를 겪으면서 재난 정보 제공의 핵심 수단으로 부상하고 있으며, 최근 기후변화로 인해 폭염, 폭설, 극한 호우 등 극한기후현상의 빈도와 강도가 높아짐에 따라 그 역할과 중요성이 더욱 높아지고 있다.

재난문자는 특히, 스마트폰 보급률이 95%, 휴대폰 보급률이 100%에 달하는 우리나라에서 재난정보를 신속하고 효과적으로 전달할 수 있는 대국민 재난정보 전파 수단이며, 기존 정보 전달 매체였던 TV, 인터넷보다 신속성, 정확성, 신뢰성 측면에서 더 선호도가 높은 매체로 여겨지고 있다(Ju et al., 2021; Oh et al., 2021). 우리나라는 지금까지 재난문자를 송출해오면서 불거진 재난문자에 대한 피로도, 재난정보 전달 사각지대 등 문제점들을 파악하고 송출 규정 및 방법, 송출 내용 등에 대한 개선책을 꾸준히 내놓고 있다(Jeong and Pyo, 2018; Oh et al., 2021; Choi, 2022). 그러나 아직까지 고빈도⋅고강도 재난 발생에 대응하고 문자의 효과를 높이기 위한 서비스의 고도화가 필요한 실정이다. 예컨대, 현재의 구 단위 송출 체계에서 읍면동 단위로 송출 체계를 세분화하고, 수신자 또는 수신지역 여건에 맞는 맞춤형 정보 제공의 필요성이 대두되고 있다.

재난문자가 재난 정보 제공의 수단으로서 활발히 활용되고 있는 것과 달리, 재난문자의 이점, 한계, 실제 및 잠재적 효과에 대한 연구는 부족한 실정이다(Bean et al., 2015). 재난문자의 효과성 및 효율성 제고 방안을 모색하기 위해서는 먼저 재난문자가 어느 정도의 대응 효과 또는 피해저감 효과를 가지는지 파악할 필요가 있다. 이를 위한 대상으로서 본 연구가 상정한 폭염 재난문자는 폭염 발생에 대한 객관적 정보뿐 아니라 피해 최소화를 위한 야외활동 자제 또는 외출 자제 등의 행동 지침 내용을 포함하고 있다(Table 1). 즉, 사람들이 폭염 재난문자를 수용하여 야외활동과 외출을 자제함에 따라 폭염 재난문자의 효과가 발생하게 된다. 따라서 재난문자 수용에 따라 유동인구 즉, 도시민 이동량이 감소할 수 있으며, 이때의 이동량 감소분이 재난문자의 효과를 나타낸다고 할 수 있다.

Examples of Heatwave Emergency Alert Messages

폭염에 대한 체감도, 폭염으로 인한 피해, 폭염이 도시민 활동 및 이동성에 미치는 영향, 코로나 19 재난문자의 영향 및 효과 등이 일률적이지 않고 개인과 지역별 사회경제적⋅물리환경적 특성에 따라 다르게 나타날 수 있음에 따라(Sung and Jeong, 2008; Lee et al., 2016; Chae et al., 2019; Miao et al., 2019; Hao and Wang, 2022; Kim and Sung, 2022; Kim et al., 2022; Lee et al., 2022), 폭염 재난문자의 효과도 지역의 특성에 따라 다르게 나타날 수 있다. 실제로 모바일 공공 경보(public warning)와 관련된 연구들에서 연령, 성별, 사회경제적 지위, 정보에 대한 태도 등의 수신자 요인과 경보를 받는 시점에 참여하는 활동 등의 상황적 요인이 경보의 수용성 및 효과에 영향을 미치는 것을 밝혀오고 있다(Sung and Jeong, 2008; Bean et al., 2015). 따라서 동일한 시점에 전역을 대상으로 폭염 재난문자가 송출되었어도 유동인구가 급격하게 감소하는 지역과 감소하지 않는 지역 등 지역 및 거주자의 특성에 따라 폭염 재난문자로 인한 유동인구 변화가 상이하게 나타날 가능성이 있다.

지역 및 거주자 특성에 따른 재난문자의 효과 차이는 재난문자에 대한 지역주민의 수용성과 재난문자의 효과에 영향을 미치는 지역 여건의 격차에 기인할 수 있다. 동시에, 이러한 영향은 다시 재난문자 효과의 지역별 격차에 영향을 끼칠 수 있다는 점에서 중요성이 크다. 재난문자의 효과 차이는 특정 지역의 인구 밀집도나 교통 여건에 전반적인 영향을 끼침으로써 재난에 대한 지역 간 민감성과 취약성의 격차를 발생시키게 된다. 따라서 효과적인 극한기후현상 및 재난관리를 위해 세분화된 송출체계나 맞춤형 정보제공방안 등의 재난문자 개선방안을 마련하기 위해서는 지역별로 다르게 나타나는 재난문자의 효과를 이해할 필요가 있다.

현재까지 재난문자에 대한 기술적 차원의 논의, 피해 관점에서의 경제성 분석, 소비자의 만족도에 미치는 영향 등 연구가 주로 이루어져 왔으나(Jeong and Pyo, 2018; Oh et al., 2021; Kim and Seo, 2022; Song and Jo, 2022; Choi, 2022), 재난문자가 실제 재난 관리에 있어 어느 정도의 효과를 가지는지에 대한 연구는 부족하다(Song and Jo, 2022). 최근 들어, 코로나 19를 중심으로 재난문자와 확진자 수 간의 관계, 이동에 대한 문자의 이동 자제 효과 분석 등 재난문자의 효과성 분석 연구가 활발히 수행되고 있으나(Ju et al., 2021; Kim and Sung, 2022; Yeon et al., 2022), 코로나 19 외에도 폭염 등 많은 재난 유형에 대해 재난문자가 송출되어 왔음에도 불구하고 아직은 코로나 19 이외의 재난 유형에 대한 재난문자의 영향 또는 효과를 규명하기 위한 연구는 매우 제한적인 실정이다.

이러한 배경에서 본 연구는 상세 시공간 단위의 위치기반 모바일 빅데이터를 기반으로 유동인구 변화를 분석하여 폭염 재난문자의 효과를 실증하고자 하였다. 또한 지역의 사회경제적⋅물리환경적 특성에 따라 폭염 긴급재난문자의 효과가 다르게 나타날 수 있는데 주안을 두고 지역별 폭염 재난문자의 효과 차이를 실증하고, 어떠한 특성이 재난문자의 효과 차이를 발생시킬 수 있는지 검토하였다. 궁극적으로는 본 연구 결과를 토대로 폭염 재난문자의 효과를 높이기 위한 지역 맞춤형 재난문자 송출 대안을 모색하고자 하였다.

2. 선행연구 검토

2.1 폭염이 도시민 이동에 미치는 영향에 관한 연구

유동인구 변화 측면에서 폭염 재난문자 효과를 분석하기 위해서는 폭염이 이동에 미치는 영향을 이해할 필요가 있다. 폭염을 비롯한 극한기후 현상이 도시민의 이동성 또는 이동량에 미치는 영향에 관한 연구들이 최근 들어 주목받고 있다(Miao et al., 2019; Zhang et al., 2019; Chen et al., 2020; Yang et al., 2021; Zhang and Li, 2022). Miao et al. (2019)의 연구에서는 매우 높거나 낮은 기온, 폭우와 같은 극한 기후 현상으로 인해 대중교통 이용자가 감소하는 것을 경험적으로 증명하였다. 한편, Yang et al. (2021)의 연구에서는 기온과 풍속이 도시 간 이동에 큰 영향을 미치지 않지만, 매우 덥거나 추운 날, 폭우 등의 극한기후 현상은 고속도로 교통량에 상당한 영향을 미친다는 결론을 내렸다.

국내의 경우, 코로나 19 이후 도시민 이동성이 급격하게 저하된 전례없는 상황을 겪고, 위치기반의 실시간 빅데이터가 공개됨에 따라 유동인구 변화에 대한 연구가 조금씩 이루어지고 있다(Kim et al., 2021). 그러나 아직까지 폭염 등의 극한기후 현상 또는 기상 조건이 도시민 활동, 이동성, 유동인구에 미치는 영향에 대한 연구는 매우 제한적인 실정이다. Lee et al. (2022)은 폭염이 도시민의 생활과 활동에 미치는 영향에 관한 국내 연구가 부족한 점을 지적하고 서울시 생활인구 데이터를 활용하여 폭염의 발생이 도시민의 활동에 미치는 영향을 경험적으로 검증하였다. 폭염의 발생에도 활동인구가 증가하는 곳과 감소하는 곳이 존재하는 등 지역 간 활동인구의 변화의 차이는 있지만, 폭염의 발생은 도시민의 활동을 전반적으로 감소시키는 경향이 있음을 보였다. 다만, 활용한 데이터는 이동데이터가 아닌 특정 시점 및 장소에 위치한 인구 데이터로서 폭염 상황에서의 이동 행태를 설명할 수는 없는 한계를 가지고 있다.

2.2 긴급재난문자의 영향 및 효과에 관한 연구

최근 재난문자로 인한 영향 및 효과 연구로서 코로나 19 재난문자에 대한 연구가 활발히 수행되고 있다. Bean et al. (2022)은 미국의 재난문자(Wireless Emergency Alerts, WEA)와 코로나 감염 및 사망 비율의 변화 간 관계를 분석한 바 있으며, Ju et al. (2021)Kim and Kim (2021)은 한국의 재난문자와 코로나 확진자 발생률 간 관계를 분석한 바 있다. 이들 연구는 코로나 19 재난문자의 효과를 코로나 19 감염 및 사망 수준을 통해 규명하였다. 한편, Yeon et al. (2022)Kim and Sung (2022)의 연구에서는 재난문자가 유동인구에 미치는 영향을 분석하였다. Yeon et al. (2022)은 코로나 19 기간동안 재난문자가 사회적 거리두기 정책에 대한 대중의 수용성을 향상시키는데 효과가 있음을 밝혔으며, Kim and Sung (2022)은 재난문자에서 제공되는 확진자에 대한 공간적 범위 차이에 따라 유동인구 감소 효과가 다르게 나타난다는 것을 확인하였다. 또한 방역수칙 및 예방정보에 관한 문자는 당일부터 고양시 유동인구를 0.7% 감소시키고 3일 뒤 1.6%로 감소시키는 것을 분석한 바 있다. 그러나 National Disaster Management Research Institute (2022)의 연구에서는 코로나 19 상황에서 재난문자 발송과 확진자 수가 유동인구 이동패턴에 미치는 영향을 발견할 수 없었다는 상반된 분석 결과도 제시하고 있다. 따라서 재난문자가 유동인구에 어떠한 영향을 미치는지, 이동 자제 효과를 가지는지 이해하기 위해 추가적인 연구가 필요한 실정이다.

National Disaster Management Research Institute (2022)은 코로나 19 이외에 재난 유형인 산불에 대한 재난문자의 영향 및 효과를 규명하고 있다. 재난문자가 실제로 주민들의 대피와 피해 예방에 얼마나 도움이 되고 있는지에 대한 검증이 제대로 이루어지지 못하고 있는 실정을 지적하고 모바일 빅데이터를 기반으로 2022년 발생한 4건의 산불 사례를 대상으로 재난문자 송출에 따른 유동인구 패턴을 분석하고 문자의 효과를 파악하였다. 해당 연구에서는 재난문자의 내용에서 주민들의 대피가 구체적인 지역시설을 포함한 경우와 그렇지 않은 경우에 따라 유동인구 이동 패턴이 서로 다르게 나타남을 밝히고 있다. 이렇듯 코로나 19를 중심으로 재난문자의 효과에 대한 연구가 이루어지고 있으나 폭염을 비롯한 다른 많은 재난 유형의 재난문자 어떤 효과를 가지는지에 대한 연구는 부족한 실정이다. 더욱이, 폭염과 같이 특정 시간대에 도시민 활동 및 이동 관리를 통한 피해 경감과 예방의 목적을 가진 재난문자는 도시민 이동에 대해 어떤 효과를 미치는지 이해할 필요성이 높다.

2.3 도시민 이동에 영향을 미치는 지역 특성 요인

도시계획부터 사회학 및 지리학 등 학술 영역은 인간 활동 및 이동과 지역 및 개인의 특성 간의 관계 규명에 집중하고 있다(Frias-Martinez et al., 2010; Lee and Holme, 2015; Pappalardo et al., 2015; Jung and Nam, 2019; Heo et al., 2020). 관련 연구들에서는 이동성 또는 유동인구에 영향을 미치는 지역 특성을 크게 사회경제적 측면 또는 물리환경적 측면에서 분석하고 있다. Pappalardo et al. (2015)은 사회경제적 발전과 인간 이동성 간 관계에 초점을 맞추어 인간의 이동 패턴이 소득, 교육율, 실업률 등의 사회경제적 지표와 높은 상관성을 가지는 것을 경험적으로 검증하였다. 마찬가지로, Frias-Martinez et al. (2010)은 사회경제적 수준이 높은 인구의 이동 범위가 수준이 낮은 계층에 비해 더 넓게 나타난다는 것을 검증한 바 있다.

Lee and Holme (2015)Heo et al. (2020)은 지역의 물리환경적 측면에 초점을 맞추어 인간의 이동성과의 관계를 분석하였다. 지역의 주요한 물리환경적 특성인 토지이용패턴은 통행 발생을 유도함으로써 이동성과 밀접한 관련이 있는 것으로 알려져 있다(Boarnet and Crane, 2001; Zegras, 2004). Lee and Holme (2015)의 연구에서도 사람들이 이동 목적이 출발지와 목적지의 토지 용도와 밀접한 상관관계가 있음을 밝혀 토지용도과 이동성 간의 관계를 보여주고 있다. 특정 토지 용도와 이동성 간의 관계에 대한 연구도 이루어지고 있는데, 그 중 Heo et al. (2020) 연구에서는 코로나 19 기간 동안 녹지공간에 이동성에 미치는 영향을 분석한 바 있으며, 지역 내 공원이 존재하는 지역에서 이동성 감소가 상대적으로 낮게 나타나는 것을 밝혀냈다. 사회경제적 측면과 물리환경적 측면의 지역 특성을 모두 고려한 연구로는 서울시 활동인구 유형 및 유형별 지역 특성을 분석한 Jung and Nam (2019)의 연구가 있다. 해당 연구에서는 지역 내 산업 구성, 밀집된 기업, 용도지역, 공간위계, 주택 형태, 가구 구성의 특성 측면에서 지역 특성 요인을 구성하여 각 활동인구 패턴 유형이 나타나는 지역이 어떠한 특성을 갖는지 분석하였다.

폭염 재난문자의 효과와 지역 특성 간 관계에는 이동 자체에 영향을 미치는 요인들뿐만 아니라 지역 및 개인의 특성과 폭염 체감도, 폭염 피해, 재난문자 수용성 등의 관계에 있어서 영향을 미칠 수 있는 요인들이 함께 작용할 수 있다. 폭염과 관련된 많은 연구들에서 사회경제적 환경 여건과 폭염 체감도 간의 관계, 사회경제적 요인이 고온 현상 발생 시 사망자 또는 온열질환자에 미치는 영향 등을 분석하고 있다(Lee et al., 2016; Chae et al., 2019; Kim et al., 2022; Lee et al., 2022). Lee et al. (2016)의 연구에서는 고령인구 비율, 고학력자 비율, 기초생활수급자 비율 등에 따라 지역을 구분하고 서울에서 저소득 고령층이 상대적으로 고온에 취약하다는 것을 분석한 바 있다. 재난문자의 수용성에 있어서는 코로나 19 재난문자가 유동인구에 미치는 성별 및 연령대별 차별적 영향이 분석된 바 있다(Kim and Sung, 2022). 이는 지역의 평균적인 성별 및 연령대 특성 등에 따라 재난문자의 효과가 상이하게 나타낼 수 있음을 시사한다.

3. 연구 방법

3.1 연구의 범위 및 데이터

폭염 재난문자의 효과를 살펴보기 위해 2021년 발생한 폭염을 대상으로 서울특별시 424개 동 단위 지역의 유동인구 변화를 분석하였다. 2021년은 최근 3년간(2020~2022년) 발생한 32번의 폭염 중 18번의 폭염이 발생하여 가장 폭염의 빈도가 높았던 연도다. 분석의 시간적 범위는 폭염 발생 및 재난문자 송출 여부에 따라 (기간 1) 폭염 발생 및 재난문자 미송출일: 7월 14일(수), 7월 15일(목), (기간 2) 폭염 발생 및 재난문자 송출일: 7월 21일(수), 7월 22일(목), (기간 3) 평시: 8월 18일(수), 8월 19일(목)으로 설정하였다(Table 2).

Temporal Scope of Analysis and Period Division

폭염 발생 여부와 재난문자 송출 여부는 각각 기상청에서 제공하는 서울의 폭염일수 데이터와 행정안전부에서 제공하는 재난문자 데이터를 이용하여 확인하였다. (기간 2)와 (기간 3)은 폭염은 발생하였지만 재난문자가 미송출된 폭염 발생일(기간 1)이 총 이틀 존재함에 따라 동일한 요일과 일수로 설정하였다. 폭염 발생일과 폭염 발생 및 재난문자 송출일의 유동인구 변화를 분석하기 위해 참조 기간으로서 설정한 (기간 3)은 (기간 1) 및 (기간 2)와 가까운 시일 내에 폭염이 발생하지 않고 동시에 재난문자도 송출하지 않은 일자로 설정하였다. (기간 1, 2, 3)은 모두 사회적 거리두기 4단계가 적용된 기간이므로 코로나 19 사회적 거리두기 정책 개입 효과를 통제했으며, 이들 기간은 초⋅중⋅고 방학기간에 포함되므로 방학기간 여부에 따라 변화할 수 있는 이동변화 즉, 방학 효과도 통제하였다. 폭염 재난문자의 경우, Table 1의 내용과 같이 대체로 ‘야외활동 자제’ 또는 ‘외출 자제’를 포함한 유사한 내용들로 구성되어 있기 때문에 문자의 유형을 분류하지 않고 모두 동일한 것으로 간주하였다.

본 연구에서 활용한 유동인구 데이터는 서울특별시에서 제공하는 ‘서울시 내국인 KT 생활이동 데이터’이며, 특정 시점, 특정 지역 간에 이동하는 서울의 모든 인구를 추정한 데이터이다. 이동인원은 KT 휴대폰을 사용하는 사람들 중 LTE와 5G 사용자의 신호를 바탕으로, KT의 시장점유율 등을 고려한 여러 가지 보정 과정을 거쳐 전체 인구의 이동 규모로 확장 보정해 산출되었다. 본 연구에서는 이 위치기반 모바일 빅데이터를 활용하여 분석 기간 동안 서울시 내에서 발생한 이동을 추출하여 행정동별 1시간 단위 OD 데이터를 구축하였다. 본 연구에서는 유동인구를 동 간 이동을 의미하는 지역 간 이동량과 동 내 이동을 의미하는 지역 내 이동량으로 분류하였다.

3.2 폭염 재난문자로 인한 유동인구 변화 정의

본 연구에서는 지역 특성에 따라 발생하는 고유의 이동량을 통제할 수 있도록 평상시 이동량 대비 변화율을 중심으로 폭염 재난문자로 인한 유동인구의 변화를 분석하였다. 관련 선행연구에서도 폭염을 비롯한 극한기상현상이나 코로나 19로 인한 이동량 변화를 분석하기 위하여 해당 사건이 발생하지 않은 기간 즉, 평상시를 기준으로 변화 수준을 계산하였다(Park, 2020; Lee et al., 2022; Zhang and Li, 2022). 폭염 재난문자의 효과가 발생한다는 것은 평상시를 기준으로 폭염 재난문자가 송출된 날의 이동량이 감소하는 것을 의미한다. 다만, 폭염 발생 시 재난문자가 송출된 경우의 유동인구의 변화는 폭염에 의한 효과와 재난문자의 효과가 합쳐진 것으로 볼 수 있다. 따라서 재난문자의 순수한 효과를 도출하기 위해 폭염이 동일하게 발생한 조건 하에서 재난문자가 송출된 날의 이동량 변화와 송출되지 않은 날의 이동량 변화율을 비교하여야 한다. 본 연구에서는 폭염 재난문자로 인한 이동량 변화율은 평시 대비 폭염 발생 및 재난문자 미송출일의 이동량 변화율(A), 평시 대비 폭염 발생 및 재난문자 송출일의 이동량 변화율(B)을 분석하여 각각의 변화율 차이(A-B)로 정의하였다. 변화율을 이렇게 구분할 경우, 폭염에 의한 유동인구 변화 효과와 재난문자로 인한 유동인구 변화 효과를 나누어 살펴볼 수 있다. 각 변화율은 다음 Eqs. (1), (2)과 같다.

(1)A=(MVHMVN)/MVN

MVH: 폭염 발생 및 재난문자 미송출일 이동량

MVN: 평시 이동량

(2)B=(MVHEAMMVN)/MVN

MVHEAM: 폭염 발생 및 재난문자 송출일 이동량

3.3 지역 특성 요인 선정

본 연구는 도시민 이동, 폭염 체감도 및 피해, 재난문자 수용성 등에 영향을 미치는 지역 특성 요인과 관련된 선행연구 검토를 통해 다수의 연구에서 유동인구에 영향을 끼칠 것으로 예상되는 지역 특성 요인을 파악하였다. 기존 선행연구를 바탕으로 지역 특성을 사회경제적 측면과 물리환경적 측면으로 구분하여 총 20개 지역 특성 요인을 최종적으로 선정하였다(Table 3). 사회경제적 측면은 성비, 고령자 비율, 평균연령, 가구원 수, 인구밀도로 구성된 인구학적 요인, 기초생활 수급자 수 비율, 종사자 비율로 구성된 경제적 안정성 요인 및 제조업, 숙박 및 음식점업, 서비스업 사업체 비율로 구성된 지역산업 특성 요인을 포함하였다. 성비는 지역의 남성 수 대비 여성 수를 의미한다. 고령자 비율은 지역별 전체 인구에서 고령인구가 차지하는 비율이며, 평균연령은 지역 거주민들의 평균연령이다. 가구원 수와 인구밀도는 각각 지역의 평균 가구원 수와 단위 면적당 인구 수를 나타내는 변수다. 기초생활 수급자 수 비율과 종사자 비율은 각각 지역주민 중 기초생활 수급자가 차지하는 비율과 종사자가 차지하는 비율로서 지역의 경제적 안정성을 나타내는 지표다. 이때, 고령자 비율과 기초생활 수급자 수 비율은 지역의 폭염 취약계층 비율을 나타낸다. 제조업, 숙박 및 음식점업, 서비스업 사업체 비율은 각 지역별 전체 사업체 수 중 각 유형의 사업체가 차지하는 비율을 나타낸다.

Regional Characteristic Variables

물리환경적 측면은 토지이용 혼합지수, 주거지역 비율, 상업 및 업무지역 비율, 공업지역 비율, 공공용지 비율, 녹지 비율, 교통시설 용지 비율로 구성된 토지이용 특성 요인과 지하철역 수, 버스정류장 수, 도로 연장으로 구성된 교통 인프라 수준 요인을 포함하였다. 토지이용 혼합지수는 토지이용 혼재 정도, 즉 엔트로피 지수를 측정하는 지표로서, 각 유형들의 분포가 균등한지, 또는 소수의 토지이용이 지배적인 비율을 갖고 있는지 나타내는 지수이다(Lee and Lee, 2009; Kim and Kim, 2020). 본 연구에서는 토지이용 혼합지수를 지역별 주거지역, 상업 및 업무지역, 공업지역, 공공용지, 녹지, 교통시설 용지 비율을 바탕으로 총 6개 토지이용 비율을 활용하여 산출하였으며, 지수 값의 범위가 용도의 개수에 대한 자연로그에 따라 0~1 사이가 되도록 표준화시켰다. 따라서 지역의 토지이용이 단일 용도일 경우 0, 용도가 모두 동일한 비율일 경우 1의 값을 가지게 된다. 주거지역 비율은 해당 지역의 주거집적도를 나타내며, 상업 및 업무지역 비율은 경제적 안정성 측면의 종사자 비율과 함께 지역의 고용집적도를 나타낸다. 공업지역 비율은 지역별 전체 면적 중 공업지역, 발전소, 처리장 등의 면적 비율이며, 공공용지 비율은 관공서, 교회, 병원 경기장 등이 차지하는 면적 비율이다. 녹지는 자연녹지, 산지, 유원지, 인공녹지 등의 면적 비율이며 교통시설 용지는 도로, 철도, 공항 등 교통시설이 차지하는 면적 비율이다. 도로 연장은 자가용 이용자뿐만 아니라 대중교통 이용자에게도 교통 편의를 제공하게 되며, 지하철역 수와 버스 수와 함께 지역의 접근성을 나타내는 변수이다.

3.4 분석 방법

본 연구는 유동인구 변화 분석을 위해 Python의 pandas, numpy 등 다양한 라이브러리를 활용하여 상세 시공간 단위의 위치기반 모바일 빅데이터를 정제 및 분석하였다. 서울특별시 빅데이터 캠퍼스에서 제공하는 유동인구 데이터를 분석기간 일자별 행정동별 1시간 단위 데이터로 정제하고, 서울시 유동인구 변화 분석을 위해 각 세부 기간별로 시간대별 이동량 누적값 데이터를 구축하였다. 또한 지역별 유동인구 변화 분석을 위해 각 세부 기간별로 지역별 시간대별 이동량 평균값 데이터를 구축하였다. 지리정보시스템(GIS)을 기반으로 지역별 유동인구 변화 수준을 지오코딩하여 공간정보화 하였으며, 지역별 재난문자의 효과를 공간적으로 확인하였다. 다음으로, 효과 차이에 따른 지역 특성 분석을 위해 SPSS를 활용하여 두 개의 독립된 그룹 간의 평균 차이를 통계적으로 검증할 수 있는 독립표본 t 검정을 수행하였다.

4. 연구 결과

4.1 폭염 재난문자로 인한 서울시 유동인구 변화 분석

폭염 재난문자로 인한 서울시 전체의 시간대별 평균 유동인구 변화를 분석하였다. 본 연구에서 설정한 세부 기간별(기간 1: 폭염 발생 및 재난문자 미송출일, 기간 2: 폭염 발생 및 재난문자 송출일, 기간 3: 평시)로 시간대별 평균 총 이동량, 지역 간 이동량, 지역 내 이동량을 각각 분석하였다(Figs. 1, 2, 3-Left). 또한 폭염 재난문자에서 ‘야외활동 자제’ 또는 ‘외출 자제’ 명시하고 있는 무더위 시간대(14~17시)를 재난문자가 유동인구에 영향을 미치는 주요 시간대로 판단하여, 해당 시간대에 초점을 맞추어 재난문자로 인한 유동인구 변화를 살펴보았다(Figs. 1, 2, 3-Right).

Fig. 1

Hourly Total Mobility Volume and Changes in Total Mobility Volume due to Heatwave Emergency Alert Messages

Fig. 2

Hourly Interregional Mobility Volume and Changes in Interregional Mobility Volume due to Heatwave Emergency Alert Messages

Fig. 3

Hourly Intraregional Mobility Volume and Changes in Intraregional Mobility Volume due to Heatwave Emergency Alert Messages

기간 1과 기간 2 모두 오전 9시~밤 21시 사이의 시간대별 총 이동량 및 지역 간⋅지역 내 이동량이 평시 이동량과 큰 차이를 보이는 것을 확인할 수 있다. 즉, 폭염 발생 또는 폭염으로 인한 재난문자가 해당 시간대의 이동량에 영향을 미친다고 할 수 있다. 오전과 밤 시간대보다 온도가 비교적 높은 오후 12시~16시 사이에 평시 이동량 대비 기간 1과 기간 2 이동량의 감소폭이 더 큰 폭으로 나타났다. 한편, 기간 1과 기간 2의 이동량 격차는 확연한 차이를 보이지 않았다. 그러나 무더위 시간대 동안의 이동량을 살펴보면, 모든 유동인구 변화에서 기간 1에 비해 기간 2의 이동량이 더 낮은 것을 확인할 수 있다. 즉, 무더위 시간대에는 폭염만 발생했을 때보다 폭염이 발생하여 재난문자가 송출되었을 때, 평시보다 더 많은 유동인구가 감소했다는 것을 의미한다.

무더위 시간대 동안의 평시(기간 3) 대비 폭염 발생일(기간 1)의 이동량 변화율(A)을 살펴보면, 총 이동량에서 7.6~14.2%, 지역 간 이동량에서 6.5~13.2%, 지역 내 이동량에서 14.2~ 19.9% 범위에서 감소하는 것으로 나타났다. 한편, 평시(기간 3) 대비 폭염 발생 및 재난문자 송출일(기간 2)의 이동량 변화율(B)을 보면, 총 이동량 및 지역 간⋅지역 내 이동량에서 각각 7.9~16.1%, 6.6~15.1~%, 15.7~21.8% 범위에서 감소하는 것으로 나타났다. 각각의 변화율을 바탕으로 재난문자로 인한 총 이동량은 0.3~2.9% 감소하는 것으로 나타났으며, 지역 간⋅지역 내 이동량은 각각 0.1~2.8%, 1.2~3.4%의 범위에서 감소하는 것으로 나타났다. 이를 종합하면, 무더위 시간대 동안 서울시 유동인구는 재난문자로 인해 감소하며, 지역 간 이동보다 지역 내 이동에서 재난문자로 인한 이동량 감소 수준이 더 높게 나타나는 것을 확인할 수 있다.

4.2 폭염 재난문자로 인한 지역별 유동인구 변화 분석

서울시 424개 지역별 무더위 시간대 이동 데이터를 추출하여 평시 대비 폭염 발생일의 지역 간⋅지역 내 이동량 변화율(A)과 평시 대비 폭염 발생 및 재난문자 송출일의 지역 간⋅지역 내 이동량 변화율(B)을 분석하였다(Table 4). 분석 결과, 평시 대비 폭염 발생일의 지역 간 이동량 변화율(A)은 평균 -12.4%로 나타났으며, 지역 내 이동량 변화율은 평균 -15.8%로 지역 간 이동량보다 더 큰 폭으로 나타났다. 평시 대비 폭염 발생 및 재난문자 송출일의 지역 간 이동량 변화율(B)은 평균 -15%로 나타났으며, 지역 내 이동량 변화율은 평균 -21.4%로 지역 간 이동량보다 지역 내 이동량이 더 큰 폭으로 감소한 것으로 나타났다.

Rate of Changes in Interragional and Intraregional Mobility Volume due to Heatwave Emergency Alert Messages

각 변화율을 바탕으로 본 연구에서 정의한 재난문자로 인한 지역 간⋅지역 내 이동량 변화율을 분석하였다(Table 4). 재난문자 송출로 인한 지역 간 이동량 변화율의 범위는 -16.5%~26.2%이며 평균 -2.6%로 나타났다. 지역 내 이동량 변화율의 경우, 변화율의 범위는 -407.3%~65.4%이며 평균 -5.6%로 지역 간 이동량 변화율보다 더 크게 감소한 것으로 나타났다.

재난문자 송출로 인한 지역 간⋅지역 내 이동량 변화율을 공간적으로 나타내보면(Fig. 4), 지역별로 상이하게 나타나며 지역 내 이동량에 비해 지역 간 이동량의 변화율 범위가 더 큰 것을 확인할 수 있다. 종합하면, 재난문자로 인해 유동인구가 지역별로 감소하는 곳과 증가하는 곳이 모두 존재하며 재난문자 송출로 인한 유동인구의 변화가 지역별로 매우 상이하다는 것을 알 수 있다. 그러나 재난문자 송출로 인해 유동인구가 평균적으로 2.4~5.6% 범위에서 감소하므로 무더위 시간대 동안 서울시 지역별 유동인구는 재난문자로 인해 평균적으로 감소한다고 판단할 수 있다.

Fig. 4

Spatial Distribution of Rate of Changes in Interragional (Left) and Intraregional (Right) Mobility Volume

4.3 폭염 재난문자의 효과 크기에 따른 집단별 지역 특성 분석

폭염 재난문자의 효과 크기에 따라 지역 간 어떠한 특성 차이가 있는지 분석하기 위해, 재난문자로 인한 지역 간 이동량과 지역 내 이동량 각각의 평균 변화율(-2.6%, -5.6%)을 기준으로 424개 지역을 평균 이상, 평균 이하 집단으로 구분하였다. 평균 변화율 이상인 지역은 재난문자 송출 이후 이동량이 덜 감소하였거나 증가한 지역으로 재난문자의 효과가 비교적 적으며, 평균 변화율 이하인 지역은 재난문자로 인해 이동량이 더 많이 감소한 지역으로 문자의 효과가 비교적 크게 나타났다고 할 수 있다. 따라서 지역 간 이동량의 경우, 평균 변화율 -2.6%를 기준으로 -2.6% 이상의 변화율이 나타난 지역은 효과가 더 적은 집단(Less)으로, 이하의 변화율이 나타난 지역은 효과가 더 큰 집단(More)으로 구분하여 명명하였다. 마찬가지로, 지역 내 이동량도 평균 변화율인 -5.6%를 기준으로 서울시 424개 지역을 효과가 더 적은 집단과 더 큰 집단으로 구분하였다. 지역 간 및 지역 내 이동량에 대한 영향 수준별 집단을 공간적으로 나타내면 Fig. 5와 같다.

Fig. 5

Spatial Distribution of Groups that are More and Less effected by Emergency Alert Messages (Interregional (Left), Intraregional (Right))

지역 간 이동량과 지역 내 이동량 각각에 대해 재난문자의 효과가 더 큰 집단과 더 적은 집단의 지역 특성을 분석한 결과(Tables 5, 6), 공통적으로 사회경제적 측면에서 인구학적 요인인 고령자 비율, 경제적 안정성 요인인 종사자 비율이 두 집단 간 통계적으로 유의미한 차이를 보이는 것으로 나타났다. 또한 물리환경적 측면에서 토지이용 특성 요인인 혼합도 지수, 상업 및 업무지역 비율, 공공용지 비율, 교통시설 용지 비율과 교통 인프라 수준 요인인 지하철역 수가 공통적으로 집단 간 통계적인 차이를 보이는 것으로 분석되었다.

Result of Independent Samples t-test for Average Differences in Regional Characteristics according to the Level of the Effectiveness on Interregional Mobility volume

Result of Independent Samples t-test for Average Differences in Regional Characteristics according to the Level of the Effectiveness on Intraregional Mobility Volume

지역 간⋅지역 내 이동 모두에서 재난문자의 효과가 더 적은 집단에서 비교적 고령자 비율이 낮고 종사자 비율이 높은 것으로 나타났다. 이는 지역 인구 중 고령인구가 차지하는 비율이 낮거나 고용집적도가 높은 지역에서 재난문자가 이동량에 미치는 영향이 적으며, 재난문자에 대한 수용성이 더 낮을 수 있음을 시사한다. 고용집적지는 주로 업무지역이 집중되어 있는 지역으로서 무더위 시간대에 재난문자 송출여부와 관계없이 업무를 목적으로 이동할 가능성이 높아 재난문자에 대한 수용성이 낮을 수 있다. 반면, 고령인구 비율이 높은 지역에서 재난문자의 수용성이 높은 것은 폭염이 특히 노인에게 위험하다는 것을 밝혀낸 많은 연구를 바탕으로 서울시에서 고령자, 노약자 등의 폭염 취약계층 지원과 관리를 활발히 추진해왔기 때문으로 예상할 수 있으며, 이는 폭염 대응 정책 중 취약계층 관리의 측면에서 긍정적인 결과라고 볼 수 있다.

효과가 더 적은 집단에서는 토지이용의 복합도가 상대적으로 낮고, 상업 및 업무지역 비율, 공공용지 비율, 교통시설 용지 비율이 높고, 지하철역 수가 더 많은 것으로 나타났다. 이는 물리환경적 측면에서 고용 집적지이거나, 관공서, 교회, 병원, 경기장 등 공공시설이 많이 위치한 지역, 또는 대중교통 접근성이 높은 지역에서 재난문자의 효과가 적을 수 있음을 의미한다. Hao and Wang (2022)의 연구에서 토지이용이 혼합되고 주거 및 상업 집적지가 분산된 지역의 거주자(residents)가 극한기후현상으로부터 교란(perturbation)을 덜 경험하는 것으로 나타났다. 즉, 토지이용이 비교적 단순한 지역에서 폭염 등의 극한기후현상으로 인한 이동 영향을 더 많이 받는 것을 의미한다. 본 연구의 결과에 따르면, 토지이용이 단순한 지역에서 폭염 재난문자로 인한 이동 감소가 더 적은 것으로 나타났다. 이를 통해 폭염의 영향이 적은 지역과 폭염 재난문자의 효과가 적은 지역의 특성이 서로 일관되지 않는 것을 알 수 있다. 한편, 폭염이 발생한 상황에서 상업 및 업무 시설이나 공공시설이 많이 위치한 지역이나 교통 편의성이 높은 지역은 그렇지 않은 지역에 비해 통행 포기가 비교적 잘 발생하지 않기 때문에, 재난문자 수용성이 낮을 수 있다.

지역 간 이동량에 대한 재난문자의 효과가 더 큰 집단과 적은 집단 간 유의미한 지역 여건의 격차가 존재하는 변수는 인구학적 요인인 가구원 수, 토지이용 특성 요인인 녹지 비율로 나타났다. 가구원 수가 평균적으로 많거나 녹지 비율이 높은 지역에서 지역 간 이동량이 덜 감소하고, 장거리 이동에 있어 재난문자에 대한 수용성이 더 낮을 수 있음을 의미한다. 가구원 수가 많다는 것은 대개 다자녀 가구일 가능성이 높기 때문에 무더위 시간대 동안 자녀들의 통학이나 교육을 위한 통행이 필수적으로 발생함에 따라 통행 포기가 비교적 덜 발생하고, 재난문자 수용성이 낮을 가능성을 검토해 볼 수 있다. 또한 녹지 비율이 높은 지역에서 지역 간 이동량이 덜 감소한 것은 지역 내 공원이 존재하는 지역에서 이동성 감소가 상대적으로 낮음을 밝혀낸 Heo et al. (2020)의 연구와 유사하다. 녹지 비율이 높은 지역은 녹지가 열섬 현상을 완화하는 역할을 하거나, 오픈 스페이스가 온도를 낮추는 역할을 하는 등 다른 지역보다 폭염의 영향이 낮기 때문에(Park et al., 2016), 통행하는데 있어 온도에 덜 민감하여 재난문자의 수용성이 낮을 수 있다.

지역 내 이동량에 대한 재난문자의 효과 크기별 집단 간 유의미한 격차를 보이는 변수로는 인구학적 요인인 성비와 평균연령이 있었다. 이는 지역 거주민을 구성하는 여성의 비율이 높거나, 평균연령이 낮은 지역에서 재난문자가 도보권 이동에 미치는 영향이 적을 수 있음을 의미한다. Kim and Sung (2022)의 연구에서 여성이 남성보다 코로나 19 재난문자에서 제공되는 확진자의 상세한 공간정보에 덜 민감하게 반응하는 것을 분석한 바 있다. 폭염 재난문자에서도 유사하게 여성 비율이 높은 지역에서 재난문자의 영향이 비교적 낮은 것을 보아 재난문자에 대한 반응성과 수용성이 남성에 비해 여성이 낮을 수 있음을 시사한다. 평균연령의 경우, 지역 간 이동에 있어 효과 크기별 집단 간 평균 차이는 나타나지 않았지만, 평균연령이 비교적 낮은 지역에서 가까운 거리의 이동에 있어서는 재난문자로 인한 통행 포기가 덜 발생하고 재난문자에 대한 수용성이 낮은 특징을 가지고 있음을 알 수 있다. 관련하여 코로나 19 재난문자의 만족도를 분석한 Choi (2022)의 연구에서는 연령대가 높아질수록 재난문자에 대한 신뢰도와 만족도가 높으며 활용도도 더 높게 나타났다. 이는 연령대가 낮을수록 활용도 즉, 수용성이 더 낮을 수 있음을 의미하며 폭염 재난문자와 유사한 경향을 보였음을 알 수 있다.

5. 결 론

본 연구는 2021년 폭염 기간 동안 서울시의 유동인구 변화를 분석하여 폭염 재난문자의 효과를 검증하였다. 서울시 424개 동의 지역 간 및 지역 내 이동량 변화 분석을 통해 폭염 재난문자의 지역별 효과를 검증하고, 재난문자의 효과 크기별 지역의 사회경제적⋅물리환경적 특성을 분석하여 어떠한 지역 특성이 폭염 재난문자의 효과 차이를 발생시킬 수 있는지 구체적으로 파악하였다.

재난문자로 인한 유동인구 변화분석 결과, 무더위 시간대 동안 서울시 유동인구는 폭염 재난문자로 인해 감소하는 것을 확인하여 실제 폭염 재난문자에 따른 이동 자제 효과가 발생하는 것으로 나타났다. 또한 지역 간 이동보다 지역 내 이동에서 재난문자로 인한 이동량 감소 수준이 더 높게 나타나 장거리 이동보다 도보권 이내의 단거리 이동에 있어 재난문자의 효과가 더 큰 것을 알 수 있다. 재난문자로 인한 지역별 유동인구 변화를 살펴본 결과, 재난문자로 인해 유동인구가 감소하는 곳과 증가하는 곳이 모두 존재하였으며 재난문자의 효과가 지역별로 상이하게 나타났다. 다만, 전반적으로는 유동인구가 평균적으로 2.4~5.6% 범위에서 감소하였으므로 무더위 시간대 동안 서울시 동 단위 지역별로도 재난문자의 효과가 발생하고 있다는 것을 알 수 있었다.

재난문자의 효과 크기별 지역 특성을 분석한 결과, 지역 간 이동량과 지역 내 이동량 모두에서 지역 인구 중 고령인구 비율이 낮거나 고용집적도가 높은 지역에서 재난문자의 효과가 작게 나타나 재난문자에 대한 수용성이 더 낮은 것을 확인하였다. 또한 공공시설이 많이 위치한 지역, 또는 대중교통 접근성이 높은 지역에서 재난문자의 효과가 작게 나타나는 것을 알 수 있었다. 이는 고령인구 비율, 고용집적 수준, 공공시설 밀집도, 대중교통 접근성의 요인이 도시민 이동에 있어 재난문자의 효과에 격차를 발생시킬 수 있음을 의미한다. 또한 고용집적도, 공공시설 밀집도 또는 대중교통 접근성이 높을수록 통행 목적 또는 환경으로 인해 통행 포기의 가능성이 낮기 때문에 재난문자의 효과가 작은 경향이 있을 수 있음을 시사한다. 지역 간 이동량에 있어서는 가구원 수가 평균적으로 많거나 녹지 비율이 높은 지역에서 재난문자의 효과가 작은 것으로 나타났다. 한편, 지역 내 이동량에 있어서는 지역 인구 중 여성의 비율이 높거나, 평균연령이 낮은 지역에서 효과가 작은 것으로 나타나 해당 여건의 지역에서 재난문자가 도보권 이동에 미치는 효과가 작을 수 있음을 확인하였다. 이는, 가구원 수와 녹지 비율, 성비와 평균연령의 요인이 지역 간 및 지역 내 이동량 각각에 있어 재난문자 효과의 지역 간 격차를 발생시킬 수 있음을 의미한다.

재난문자의 효과를 높이기 위해서는 재난문자의 수용성이 낮은 지역의 특성을 토대로 지역 맞춤형 재난문자를 송출하는 대안을 검토해볼 수 있다. 먼저, 지역의 사회경제적 특성 관점에서 고령인구가 적거나 평균연령이 낮은 지역, 고용인구가 많은 지역, 가구원 수가 많거나 여성이 많은 지역의 경우, 특정 타겟층을 문자에 직접 언급하는 방식으로 송출 내용을 조정하는 대안을 검토할 수 있다. 예를 들어, 고용집적도가 높은 지역에서 ‘근로자’ 또는 ‘직장인’을 언급하여 근무 등의 필수 목적 통행일지라도 무더위 시간대 이외의 시간대로 활동을 대체할 것을 권장하는 내용의 문자를 송출할 수 있다. 다음으로 지역의 물리환경적 특성 관점에서 공공시설이나 대중교통 시설이 많은 지역, 공원이나 오픈 스페이스 등 녹지가 많은 지역의 경우, 고온 노출의 위험성과 야외활동 자제의 중요성을 보다 강조하여 야외활동을 최대한 줄이고 실내 활동을 권장하는 내용으로 재난문자 송출 내용을 지역 특성에 따라 차별화하는 방안을 검토할 수 있다. 이렇게 재난문자가 지역 맞춤형으로 송출될 경우, 문자 수신자들의 특성과 상황적 요인에 적합한 대처 방안을 제시할 수 있다. 이는 재난문자를 통한 폭염에 대한 도시민의 위험인식을 제고하고 수용성을 향상시키며 대응수준을 향상시키는데 긍정적인 효과를 가져올 것으로 기대할 수 있다.

본 연구는 기존에 수행된 폭염 또는 재난문자에 대한 연구를 확장하여, 폭염 재난문자로 인한 유동인구 변화를 파악하고 폭염 재난문자의 효과를 실증했다는 점에서 의미를 갖는다. 또한 재난문자의 효과가 일괄적으로 주어진다는 관점에서 벗어나 지역의 사회경제적⋅물리환경적 특성에 따른 재난문자 효과의 분화 가능성을 검토했다는 점에서 의의가 있다. 다만, 분석대상기간인 2021년은 코로나 발생 시기로서 인구 이동의 패턴 및 재난문자의 효과가 평시와 상이할 가능성은 배제할 수 없다. 또한 단일 연도를 대상으로 분석했기 때문에 재난문자의 효과를 일반화할 수는 없다는 점에서 한계가 있다. 다만 본 연구는 상세 시공간 단위에서 재난문자의 효과를 살펴본 연구로서 폭염 재난문자의 효과성을 높이고 도시민 활동 및 이동의 효율적 관리 방안을 마련하기 위한 기초자료로 활용될 수 있을 것이다. 또한 재난문자와 같은 정보 공유 수단이 재난관리에서 가지는 효과성이 주로 이론적 또는 해석적으로만 논의되었던 한계를 극복하여 실질적인 재난관리 개선방안을 마련하는데 일부 기여할 수 있을 것으로 기대한다.

감사의 글

본 연구는 행정안전부 재난피해 복구 역량 강화 기술개발 사업(2021-MOIS36-002 (RS-2021-ND632021)의 지원을 받아 수행되었습니다.

References

1. Bean H, Grevstad N, Meyer A, Koutsoukos A. 2022;Exploring whether wireless emergency alerts can help impede the spread of Covid-19. Journal of Contingencies and Crisis Management 30(2):185–203.
2. Bean H, Sutton J, Liu B.F, Madden S, Wood M.M, Mileti D.S. 2015;The study of mobile public warning messages:A research review and agenda. Review of Communication 15(1):60–80.
3. Boarnet M, Crane R. 2001;The influence of land use on travel behavior:specification and estimation strategies. Transportation Research Part A:Policy and Practice 35(9):823–845.
4. Chae Y.R, Choi Y.W, Kim T.H, Hwang I.C, Byun J.M, Park T.W. 2019;Analysis of the impact of heat waves on social and economic conditions through civic participation. Korean Environment Institute 18:1–85.
5. Chen Z, Gong Z, Yang S, Ma Q, Kan C. 2020;Impact of extreme weather events on urban human flow:A perspective from location-based service data. Computers, Environment and Urban Systems 83:101520.
6. Choi Y.S. 2022;Gratifications sought and obtained:Possible improvements for COVID-19 disaster text messages from the user's perspective. Journal of the Korean Society of Hazard Mitigation 23(4):63–70.
7. Frias-Martinez V, Virseda J, Frias-Martinez E. 2010;Socio-economic levels and human mobility. In Qual Meets Quant Workshop-QMQ :1–6.
8. Hao H, Wang Y. 2022;Disentangling relations between urban form and urban accessibility for resilience to extreme weather and climate events. Landscape and Urban Planning 220:104352.
9. Heo S, Lim C.C, Bell M.L. 2020;Relationships between local green space and human mobility patterns during COVID-19 for Maryland and California, USA. Sustainability 12(22):9401.
10. Jeong S.G, Pyo K.S. 2018;A status and improvement plan on the cell broadcasting service (CBS). The Proc. of Symposium of the Korean Institute of Communications and Information Sciences :220–221.
11. Ju S.L, Kang H.J, Oh S.H. 2021;Correlation analysis between COVID-19 cases and emergency alerts service. The Journal of The Institute of Internet, Broadcasting and Communication (IIBC) 21(5):1–9.
12. Jung J.H, Nam J. 2019;Types and characteristics analysis of human dynamics in Seoul using location- based big data. Journal of Korea Planning Association 54(3):75–90.
13. Kim D.W, Yeom W.S, Song J.I, Ahn J.H, Kim T.W. 2022;Development of heatwave crisis alert standard for administrative districts using heatwave risk index. Journal of the Korean Society of Hazard Mitigation 22(5):47–58.
14. Kim D.Y, Seo J.H. 2022;The effect of public disaster message on consumer satisfaction:the moderation effect of severity in disaster. Korean Marketing Association 37(2):65–88.
15. Kim S.H, Kim D.K. 2020;Analysis method of disorderly land use behavior in non-urban area:focused on land use diffusion and mixture. The Korea Spatial Planning Review 105:145–164.
16. Kim W.R, Sung H.G. 2022;Empirical evidence on differentiating impacts of COVID-19 emergency alert text on daily floating population. Journal of Korea Planning Association 57(3):83–95.
17. Kim Y.H, Kim S.H. 2021;Implications of COVID-19 cell broadcasting system (CBS) message analysis using data visualization. Journal of Digital Contents Society 22(11):1867–1875.
18. Kim Y.R, Yoon M.S, Lee H.R. 2021. A big data analysis of floating population network in the seoul metropolitan area in the COVID era. No. 2021-06 Gyeonggi Research Institute. Suwon:
19. Lee H.S, Lee H.Y. 2009;Differential changes in commuter's mode choice after the integrated public transit system in Seoul metropolitan city. Journal of the Korean Geographical Society 44(3):323–338.
20. Lee J.S, Kim M.H, Park J.C. 2016;The effects of socioeconomic factors on mortality under high temperature in Seoul, South Korea. Journal of the Korean Association of Regional Geographers 22(1):195–210.
21. Lee M, Holme P. 2015;Relating land use and human intra-city mobility. PLOS ONE 10(10):e0140152.
22. Lee S.H, Kang J.E, Bae H.J. 2022;Spatial exploration of areas affected by heatwaves using big data:The impact on urban residents'activities. Journal of Korean Society of Hazard Mitigation 22(3):59–67.
23. Miao Q, Welch E.W, Sriraj P.S. 2019;Extreme weather, public transport ridership and moderating effect of bus stop shelters. Journal of Transport Geography 74:125–133.
24. National Disaster Management Research Institute. 2022;Analysis of floating population and effectiveness according to sending cell broadcast service (CBS)
25. Oh S.H, Kang H.J, Joo S.L, Jeong W.S, Lee Y.T. 2021. Technical report of history analysis on emergency alert messages Electronics and Telecommunications Research Institute.
26. Pappalardo L, Pedreschi D, Smoreda Z, Giannotti F. 2015;Using big data to study the link between human mobility and socio-economic development. In 2015 IEEE International Conference on Big Data (Big Data) :871–878.
27. Park J. 2020;Change in subway ridership in response to COVID-19 in Seoul, South Korea:Implications for social distancing. Cureus 12(4):7668.
28. Park K.H, Song B.G, Park J.E. 2016;Analysis on the effects of land cover types and topographic features on heat wave days. Journal of the Korean Association of Geographic Information Studies 19(4):76–91.
29. Song H.J, Jo H.Y. 2022;The economic analysis of the disaster alerts messages. Korean Journal of Public Finance 15(1):47–72.
30. Sung Y.S, Jeong D.H. 2008;A study on the factors of affecting the acceptance intention for disaster warning information. Journal of the Korean Society of Hazard Mitigation 8(2):91–96.
31. Yang X, Yue X, Sun H, Gao Z, Wang W. 2021;Impact of weather on freeway origin-destination volume in China. Transportation Research Part A:Policy and Practice 143:30–47.
32. Yeon D, Kwak M, Chung J.B. 2022;Effectiveness of wireless emergency alerts for social distancing against COVID-19 in Korea. Scientific Reports 12(1):2627.
33. Zegras P.C. 2004;Influence of land use on travel behavior in Santiago, Chile. Journal of the Transportation Research Board 1898:175–182.
34. Zhang F, Li Z, Li N, Fang D. 2019;Assessment of urban human mobility perturbation under extreme weather events:A case study in Nanjing, China. Sustainable Cities and Society 50:101671.
35. Zhang X, Li N. 2022;Characterizing individual mobility perturbations in cities during extreme weather events. International Journal of Disaster Risk Reduction 72:102849.

Article information Continued

Table 1

Examples of Heatwave Emergency Alert Messages

Example 1. [Ministry of the Interior and Safety] Please ensure that you take adequate precautions to protect yourself from heat-related hazards. This includes avoiding outdoor activities, such as working on farms or at construction sites, during peak temperatures, wearing a broad-brimmed hat or carrying a parasol to shield yourself from the sun, and regularly hydrating yourself by drinking water.
Example 2. [Ministry of the Interior and Safety] To prevent heat-related illnesses caused by heat waves, pleas pay attention to safety measures such as avoiding going out during hot periods, drinking water, wearing a wide-brimmed hat or parasol, and taking breaks.
Example 3. [Ministry of the Interior and Safety] Please cope with the heat wave by refraining from outdoor activities during the hottest hours (2 p.m.-5 p.m.), drinking water every 15-20 minutes, and taking sufficient rest when engaging in outdoor activities.

Table 2

Temporal Scope of Analysis and Period Division

Period Heatwave Occurrence Heatwave Emergency Alert Messages Day
Period 1 Occurrence No Transmission 2021.07.14. (Wed) - 07.15 (Thu)
Period 2 Occurrence Transmission 2021.07.21. (Wed) - 07.22 (Thu)
Period 3 No Occurrence No Transmission 2021.08.18. (Wed) - 08.19 (Thu)

Table 3

Regional Characteristic Variables

Category Variable Measurement method (Unit) Source
Socio economic Demographic Gender ratio Ratio of Women to Men (%) Seoul Open Data (data.seoul.go.kr)
Elderly ratio Ratio of Elderly in Administrative District (%)
Age Average age of people in Administrative District
Household Average number of Households in Administrative District
Population Density Ratio of Population to Area of Administrative District (Person/km2)
Economic stability Beneficiary of National Basic Livelihood Ratio of Beneficiary of National Basic Livelihood (%)
Worker ratio Ratio of Workers to Population in Administrative District (%)
Regional Industrial Manufacturing companies Ratio of Manufacturing companies in Administrative District (%)
Acc & Food service companies Ratio of Accomodation and Food service companies in Administrative District (%)
Service companies Ratio of Service companies in Administrative District (Except Acc&Food service companies) (%)
Physical environmental Land use Land Use Mix Index i=1k(pi)*ln(pi)ln(k)
k: Total number of Land use characteristics, pi: Ratio of i area
Data Processing with Land use variables
Residential area Ratio of Residential area in Administrative District (%) Data Processing of Land Use Status Map (1:25000) from National Spatial Data Infrastructure Portal
Commercial and Business area Ratio of Commercial and Business area in Administrative District (%)
Industrial area Ratio of Industrial area in Administrative District (%)
Public area Ratio of Public area in Administrative District (%)
Green area Ratio of Green area in Administrative District (%)
Transportation infrastructure area Ratio of Transportation infrastructure area in Administrative District (%)
Level of Transportation infrastructure Subway station Number of Subway station in Administrative District Seoul Open Data (data.seoul.go.kr)
Bus station Number of Bus station in Administrative District
Road length Total length of Roads (m) Data Processing of Road Network Map from National Spatial Data Infrastructure Portal

Fig. 1

Hourly Total Mobility Volume and Changes in Total Mobility Volume due to Heatwave Emergency Alert Messages

Fig. 2

Hourly Interregional Mobility Volume and Changes in Interregional Mobility Volume due to Heatwave Emergency Alert Messages

Fig. 3

Hourly Intraregional Mobility Volume and Changes in Intraregional Mobility Volume due to Heatwave Emergency Alert Messages

Table 4

Rate of Changes in Interragional and Intraregional Mobility Volume due to Heatwave Emergency Alert Messages

Division (A) Heatwaves (B) Heatwaves + Emergency Alert Messages Emergency Alert Messages
Inter Intra Inter Intra Inter Intra
Min -39% -76.3% -45.1% -100% -16.5% -407.3%
Average -12.4% -15.8% -15.0% -21.4% -2.6% -5.6%
Max 6.4% 540.7% 11.7% 133.3% 26.2% 65.4%

Fig. 4

Spatial Distribution of Rate of Changes in Interragional (Left) and Intraregional (Right) Mobility Volume

Fig. 5

Spatial Distribution of Groups that are More and Less effected by Emergency Alert Messages (Interregional (Left), Intraregional (Right))

Table 5

Result of Independent Samples t-test for Average Differences in Regional Characteristics according to the Level of the Effectiveness on Interregional Mobility volume

Category Variable Interregional Mobility volume
Average Standard Deviation T-value P-value
Less (n = 216) More (n = 208) Less More
Socio economic Demographic Gender ratio 1.039 1.040 0.092 0.058 -0.130 0.897
Elderly ratio 13.468 14.184 2.881 2.528 -2.717 0.007
Age 43.725 44.364 3.651 4.293 -1.648 0.100
Household 2.810 2.659 0.882 0.580 2.084 0.038
Population Density 24,132.3 24,691.8 12,633.3 11,831.1 -0.470 0.638
Economic stability Beneficiary of National Basic Livelihood 2.392 2.721 2.074 2.125 -1.610 0.108
Worker ratio 1.189 0.356 3.309 0.444 3.664 0.000
Regional Industrial Manufacturing companies 0.057 0.063 0.051 0.058 -1.201 0.230
Acc & Food service companies 0.123 0.126 0.052 0.051 -0.523 0.602
Service companies 0.267 0.265 0.073 0.052 0.266 0.790
Physical environmental Land use Land Use Mix Index 0.577 0.554 0.142 0.135 1.699 0.090
Residential area 0.449 0.458 0.205 0.198 -0.479 0.632
Commercial and Business area 0.093 0.050 0.107 0.056 5.207 0.000
Industrial area 0.016 0.014 0.053 0.043 0.434 0.664
Public area 0.043 0.029 0.064 0.054 2.486 0.013
Green area 0.115 0.212 0.170 0.215 -5.090 0.000
Transportation infrastructure area 0.156 0.126 0.082 0.074 3.968 0.000
Level of Transportation infrastructure Subway station 1.020 0.730 1.279 0.854 2.733 0.007
Bus station 26.130 26.540 15.331 15.128 -0.280 0.780
Road length 13,661.0 13,520.0 8,600.1 8,182.8 0.173 0.863

p < 0.1; statistically significant

Table 6

Result of Independent Samples t-test for Average Differences in Regional Characteristics according to the Level of the Effectiveness on Intraregional Mobility Volume

Category Variable Intraregional Mobility volume
Average Standard Deviation T-value P-value
Less (n = 250) More (n = 174) Less More
Socio economic Demographic Gender ratio 1.046 1.031 0.078 0.075 1.941 0.053
Elderly ratio 13.572 14.175 2.899 2.441 -2.244 0.025
Age 43.739 44.470 4.097 3.793 -1.861 0.063
Household 2.780 2.672 0.908 0.435 1.460 0.145
Population Density 24,273.2 24,598.6 12,179.0 12,347.9 -0.269 0.788
Economic stability Beneficiary of National Basic Livelihood 2.472 2.671 2.308 1.766 -0.956 0.340
Worker ratio 1.021 0.435 3.057 0.781 2.897 0.004
Regional Industrial Manufacturing companies 0.059 0.062 0.059 0.048 -0.525 0.600
Acc & Food service companies 0.126 0.122 0.051 0.052 0.956 0.340
Service companies 0.268 0.263 0.064 0.064 0.806 0.421
Physical environmental Land use Land Use Mix Index 0.581 0.543 0.138 0.138 2.765 0.006
Residential area 0.444 0.467 0.197 0.208 -1.182 0.238
Commercial and Business area 0.078 0.063 0.094 0.079 1.731 0.084
Industrial area 0.015 0.015 0.044 0.055 0.013 0.990
Public area 0.040 0.030 0.065 0.050 1.803 0.072
Green area 0.152 0.178 0.183 0.220 -1.298 0.195
Transportation infrastructure area 0.149 0.131 0.085 0.070 2.323 0.021
Level of Transportation infrastructure Subway station 1.008 0.690 1.222 0.864 3.141 0.002
Bus station 27.128 25.190 14.830 15.725 1.291 0.197
Road length 13,814.9 13,271.3 8,723.4 7,895.8 0.656 0.512

p < 0.1; statistically significant