도시열섬현상 완화를 위한 분석 기반 그린인프라 공간 최적화

Ⅰ. 서 론

한국은 봄, 여름, 가을, 겨울 사계절이 모두 존재하는데, 2024년 여름은 유난히 길다고 느껴질 만큼 일찍 더위가 찾아와 입추가 한 달 남짓 지난 후에도 쉽게 가시지 않았다. 2024년 7월 평균기온은 26.2℃로 평년(24.0~25.2℃)보다 높았고, 강수량은 383.6mm로 평년(245.9~308.2mm)보다 많았다[1]. 이러한 이상기온 및 더위는 대기의 흐름과 이에 따른 고기압의 확장 그리고 강수량 등을 원인으로 들 수 있지만, 이는 인간의 개입 없이 자연 발생하는 현상이다. 하지만 인간의 생활환경 변화 또한 영향을 미치기 때문에 우리는 자연적 원인이 아닌 인간으로 인해 발생했던 경우에 집중하였다. 특히 국내 수도권은 급격한 도시화와 서울시의 인구 집중화로 인해 도시열섬현상이 뚜렷하게 나타난다[2]. 2023년 기준 서울시 인구는 9,400, 인구밀도는 15,533(단위: 천명, 명/㎢)으로 집계되었다. 이 수치는 인구밀도가 2번째로 높은 부산보다 대략 4배의 약간 미치지 못한 수준이었다[3].

도시화와 인구밀도가 높아지면 자연스럽게 콘크리트와 아스팔트를 이용한 인공구조물과 포장된 도로가 많아지게 되고, 이는 건폐율 상승으로 이어진다. 고층 빌딩과 빽빽하게 밀집된 건물들은 열 흡수 면적을 증가시키고, 도심 내 바람길을 가로막아 대기의 순환을 저해시킨다. 특히나 풍속이 낮고 기온이 높은 여름철에는 뜨거운 공기의 순환이 더욱 어려워지기 때문에 기류 정체 현상이 심화되고, 도시열섬현상이 발생하게 된다[4]. 높아진 기온과 낮은 풍속은 사람들에게 불쾌감을 일찍 느끼게 하며, 이는 열적 스트레스 지수상승으로도 이어진다[4]. 더불어 지속적인 폭염은 온열질환자가 증가하는 경향을 보이며 고령층일수록 발생률이 크게 높아지는 것으로 나타났고[5], 여름철 기압과 폭염일수는 노인 인구의 자살률에 유의미한 영향을 미치는 것으로 확인되었다[6]. 반면, 평균 풍속이 높을수록 도심 내 머무르고 있던 열이 빠르게 확산되고, 주변과 열, 에너지 교환이 원활하게 이루어져 온도가 낮아지는 효과가 있다[2]. 이러한 이유로 최근 도시계획에서 바람길 형성은 매우 중요한 부분이며, 그 해결책 중 하나를 그린인프라로 꼽을 수 있다. 이에 우리는 서울시 도시열섬현상을 완화하기 위한 그린인프라 공간 최적화를 제안하고자 한다.

Ⅱ. 관련연구

그린인프라는 도시 내 녹지 네트워크를 형성함으로써 바람길의 형성과 순환에 도움을 줄 수 있고, 대기오염 저감과 도시열섬현상에 냉각효과를 주게 된다. 이외에도 공기 정화, 서식지 제공 및 생태계의 다양성 보전 등의 생태적 효과가 있으며, 사회적 소통 및 건강 증진, 범죄 저감 등의 사회적 효과를 미친다. 그리고 지가상승, 저에너지화, 건설비용 감소 등의 경제적 효과도 있을 수 있다[7]. 이처럼 그린인프라는 인간과 자연이 공존할 수 있는 공간계획의 중요한 수단으로, 도시의 지속가능성을 높여준다. 그린인프라의 냉각효과 범위는 선행연구에서 최대 100~150m[8]로 확인되었다. 우리는 이를 토대로 알고리즘에서 추천하는 새로운 그린인프라 입지 추천지와 기존 그린인프라 간의 간격을 고려해, 입지 추천지 알고리즘의 냉각범위를 200~300m 사이인 260m로 설정하였다.

또한, 선행연구 중 서울시 폭염저감시설인 쿨링포크의 최적 입지 제안 연구가 있는데, 해당 연구에서는 모든 시민이 폭염저감시설에 동등하게 접근할 수 있어야 한다는 전제하에 보행자를 고려한 위치적 효율성과 폭염취약집단을 고려한 공간적 형평성을 기준으로 최적 입지를 제안하였다[9]. 여기서 대중교통 승하차 지점이 위치적 효율성으로, 사회적 약자를 위한 복지시설을 공간적 형평성으로 사용하였다. 우리는 이 선행연구[9]에서 사용한 효율성, 형평성 변수를 이용해 서울시의 그린인프라 공간 최적화를 단순히 도시열섬현상이 심각한 지역 위주로만 진행하는 것이 아닌 최대한 많은 사람이 이용할 수 있고, 이를 더 필요로 하는 사람이 많은 곳에 둘 수 있도록 사용하였다. 본 연구에서는 효율성 변수를 효율적 변수, 형평성 변수를 취약적 변수로 재정의하였다.

Ⅲ. 분석 방법론

본 연구는 열지수와 건폐율이 높은 지역을 중심으로 유동 인구가 많은 지역, 사회적 혹은 신체적 약자가 많은 지역을 입지 추천 알고리즘에 적용하였다. 입지 추천에 사용된 알고리즘은 서로 다른 목표를 가지는 MCLP와 P-Median을 사용하였으며, 두 알고리즘의 시나리오를 비교 분석해 최종 공간 최적화를 진행하였다(그림 1 참고).

Fig. 1.

Flow chart

3.2 지역 선정

공간 최적화를 분석할 지역은 서울시 지도 시각화와 수치를 정렬해 기준별 도시열섬현상이 뚜렷한 지역 5곳을 선정해 분석하였다. 지도 시각화는 온도와 습도를 한눈에 파악할 수 있도록 열지수를 사용하였다. 열지수는 온도와 습도를 함께 고려하여 사람이 실제로 느끼는 더위를 수치화한 값이다. 지역 선정 기준은 열지수, 건폐율, 열지수와 건폐율이 둘 다 높은 행정동 각 5곳을 선정하였다. 기준별 내림차 순으로 정렬했을 때 상위 5개 행정동 중 다른 기준의 지역과 겹치는 행정동과 고려 변수 데이터가 너무 작은 행정동은 선정하지 않았다. 지도 시각화 결과는 그림 2와 그림 3과 같다. 그림 2의 열지수는 색이 밝을수록 수치가 높고, 어두울수록 수치가 낮은 것이다. 그림 3은 색이 진할수록 건폐율이 높고, 색이 연할수록 건폐율이 낮은 것을 의미한다. 또한, 그림 3의 건폐율 시각화에서 원형 점은 아파트 및 연립주택의 합계를 나타내며, 마찬가지로 색상이 진할수록 높은 수치로 해석한다. 이를 통해 공간 최적화를 분석할 총 15개 행정동을 선정하였다.

Fig. 2.

Heat index in Seoul

Fig. 3.

Building coverage ratio in Seoul

Ⅳ. 분석 결과

4.1 알고리즘 출력 결과

최종 출력되는 입지 추천지 개수(k)는 지역 크기에 따라 2~3개로 지정하였고, 표 1을 토대로 각 제약조건에 맞게 결과가 잘 출력된 것을 확인했다. 시각화 결과 Jongno-gu B1, Jung-gu A2, Jung-gu E2를 제외한 나머지 지역은 모두 입지 추천지의 범위가 겹치거나, 인접하게 생성되었다. 반면, Jongno-gu B1, Jung-gu A2, Jung-gu E2 지역은 비교적 입지 추천지가 넓게 분포되어 있고, 서로 겹치는 영역이 적은 것을 확인할 수 있다. 이러한 입지 추천지가 넓게 분포된 지역에 그린인프라를 고르게 배치하면 정해진 구역 전체에 균등한 효과를 제공할 수 있다. 그러나 이 경우 여러 개의 그린인프라 구축이 필요하고, 이에 따른 예산 부담이 커질 수 있다. 반대로, 범위가 겹치는 입지 추천지를 중심으로 그린인프라를 구축하면 하나의 그린인프라를 통해 많은 수요지 포인트에 효율적으로 효과를 전달할 수 있고, 이는 비교적 적은 예산과 시간으로도 충분히 효과를 거둘 수 있는 장점이 있다.

Table 1.

MCLP and P-Median visualization Parks and Green Spaces Bus Subway Welfare Centers

4.2 공간 최적화

마지막으로 그린인프라 입지 공간 최적화는 앞서 분석한 MCLP, P-Median 결과를 비교 분석하여 서로 입지 추천지 범위가 겹치거나 인접한 부분을 찾아서 진행하였다. 본 연구의 그린인프라 입지에 있어 고려 요인이었던 효율적, 취약적, 환경적 변수의 정보는 이미 분석을 통한 입지 추천지에 포함되어 있으므로 최종 공간 최적화에서는 기존의 공원이나, 녹지대와의 간격과 입지 추천지 범위가 겹치는 부분만 고려하였다. 최종 공간 최적화는 기준별 도시열섬현상이 가장 뚜렷한 2곳만 추려서 총 6곳을 표 3과 같이 공간 최적화를 진행하였다. 아래 해당 공간의 이미지는 구글맵에서 제공하는 스트리트 뷰로 사진마다 촬영 연도가 상이할 수 있다. 공간 최적화된 6곳 모두 그린인프라가 들어가기에 최적화된 장소로 인근 그린인프라와의 냉각범위도 고려할 수 있고, 가장 많은 수요지 포인트 커버할 수 있으며, 거리 또한 가깝다. C와 E 지역은 주변에 아파트 단지가 있고, 넓은 장소가 있기 때문에 도시공원과 같은 그린인프라를 구축하는 것을 추천한다. 하지만 나머지 지역은 모두 작은 빌라와 상권이 매우 빽빽이 밀집한 주거지 및 상업지역으로 도시공원이나, 숲길과 같은 그린인프라를 구축하기에는 어려움이 있어 보인다. 이처럼 밀집도가 높은 지역들은 옥상녹화, 벽면녹화 등으로 공간을 활용한 그린인프라를 구축해 에너지 절약과 도시열섬현상 완화가 가능할 것으로 예상한다. 이외에도 그린인프라 구축을 위해서는 서울시의 예산 확보와 예상 효과 등 경제적 타당성도 필요하다. 이에 따라 본 연구와 같이 도시열섬현상이 심각한 지역 중 보행자와 취약자가 많은 곳을 중심으로 예상 비용과 우선순위 기준을 수립하고, 단기적으로 시범사업을 추진 후 중장기적으로 관련 정책과 시스템 구축을 제시하여야 한다.

Table 2.

Optimization of green infrastructure spaces

Ⅴ. 결 론

본 연구는 도시열섬현상과 폭염의 심각성이 증가하는 가운데, 서울시 그린인프라의 최적 입지를 제안하고자 수행되었다. 우리는 그린인프라 공간 최적화를 분석할 지역 선정 과정에서 환경적 변수를 이용하여 도시열섬현상이 뚜렷한 지역을 추려내었다. 이후, 폭염 시 유동인구를 고려한 효율적 변수 및 폭염에 취약한 계층을 반영한 취약적 변수를 동시에 고려하여 최적의 그린인프라 입지 추천지를 추출하였다.

연구 결과, 2024년 5~6월의 가장 더운 시간대인 12시부터 1시의 열지수와 2024년 건폐율을 기준으로 두 수치가 함께 높은 지역은 "중구", "종로구", "구로구"부근이 보행자가 폭염에 가장 취약한 지역으로 확인되었다. 그 후 유동 인구와 이동이 어려운 폭염 취약계층인 노인과 장애인을 고려했을 때, 우선적으로 고려해야 할 지역을 나타냈다. 따라서, 그린인프라 조성에 따른 냉각효과를 노인과 장애인 보행자에게 제공하기 위해서는 취약적 요인을 중심으로 공간 최적화를 분석하는 것이 중요하다. 폭염 취약자를 고려하여 상위 3곳을 도출한 결과, 가장 많은 수를 가진 지역은 표 2의 C동으로 나타났으며, 이는 해당 지역이 폭염 위험도가 가장 높은 곳임을 의미한다. 이어서 A동과 D동 순으로 폭염 위험도가 높은 지역으로 분석되었다.

우리는 거시적인 관점에서 3가지 고려 요인을 활용해 최적의 그린인프라 공간 최적화를 분석하였는데, 냉각효과는 녹지가 균일한 패턴으로 분포할 때 크게 나타난다[14]. 그렇기에 본 연구 결과는 서울시를 비롯한 도시 지역에서 발생하는 도시열섬현상을 완화하기 위한 정책 수립에 필요한 기초자료를 제공할 수 있다. 이는 도시 계획 및 환경 관리 담당자들이 실질적으로 활용할 수 있는 데이터를 제공한다는 점에서 중요한 실무적 공헌점을 가진다.

예를 들어 표 2의 시각화 결과를 통해 열지수가 높은 지역 A와 B는 도로변과 건물 옥상에 수직정원 및 옥상녹화 사업을 확대하고, 열 저감 시설인 쿨링포그를 함께 사용하면 효과적일 것이다. 그리고 건폐율이 높은 C와 D 지역은 건물 사이의 소규모 녹지 통로를 확보하거나, 건축 인허가 시 녹지 비율 의무화를 시행하면 효과적일 것이다. 또한, 열지수와 건폐율이 동시에 높은 E와 F 지역은 기존 건물 리모델링 시 그린리모델링을 지원하거나, 도로 공간 재편을 통한 수목식재 및 가로수 밀도 확대 등 복합 정책을 시행하면 효과적일 것이다.

마지막으로, 그린인프라는 공기의 순환을 촉진시키고, 이는 도시 내부의 고온화를 완화시키는 효과를 가져올 수 있다[15]. 따라서 후속 연구로 풍속 데이터를 추가적으로 활용하면 공간 최적화를 더욱 정밀하게 수행할 수 있을 것이다. 더불어, 다양한 관점에서 고려 요인을 확장하고 기존의 서울시 도시 정책과 비교함으로써, 미시적인 관점에서 현실적인 대응 방안을 모색할 필요가 있다.

Acknowledgments

2024년도 한국정보기술학회 추계종합학술대회에서 발표한 논문 “도시열섬현상 완화를 위한 그린인프라 공간 최적화”[16]을 확장한 것임

References

• ellino NEWSLETTER Climate Analysis Information, https://www.weather.go.kr/download_02/ellinonewsletter_2024_07.pdf, [accessed: Oct. 04, 2024]
• K. I. Lee, J. Ryu, S. W. Jeon, H. C. Jung, and J. Y. Kang, "Analysis of the effect of heat island on the administrative district unit in Seoul using LANDSAT image", Korean Journal of Remote Sensing, Vol. 33, no. 5_3, pp. 821-834, Oct. 2017.
• Regional Population and Population Density, https://www.index.go.kr/unity/potal/main/EachDtlPageDetail.do?idx_cd=1007, [accessed: Oct. 05, 2024]
• E. J. Ji, D. B. Kim, Y. G. Kim, and J. A. Lee, "Simulation analysis of urban heat island mitigation of green area types in apartment complexes", J Korean Inst Landsc Archit, Vol. 51, No. 3, pp. 153-165, Jun. 2023. [https://doi.org/10.9715/KILA.2023.51.3.153]
• D. W. Ko and S. H. Park, "How the neighborhood environment characteristics affect the urban heat island effect in Seoul, Korea", Journal of the Urban Design Institute of Korea Urban Design, Vol. 20, No. 3, pp. 55-67, Jun. 2019. [https://doi.org/10.38195/judik.2019.06.20.3.55]
• S. A. Cho and H. J. Kim, "Correlation between suicide rates and meteorological factors among older adults: A case study from Jeju island, Korea", The Journal of Korean Institute of Information Technology, Vol. 22, No. 11, pp. 9-19, Nov. 2024. [https://doi.org/10.14801/jkiit.2024.22.11.9]
• Y. S. Seok, K. H. Song, H. J. Han, and J. A. Lee, "Derivation of green infrastructure planning factors for reducing particulate matter - Using text mining", Journal of the Korean Institute of Landscape Architecture, Vol. 49, No. 5, pp. 79-96, Oct. 2021. [https://doi.org/10.9715/KILA.2021.49.5.079]
• B. C. Kim, J. W, Kang, C. Park, and H. J. Kim, "Analysis of Urban Heat Island (UHI) alleviating effect of urban parks and green space in Seoul using Deep Neural Network (DNN) model", Journal of the Korean Institute of Landscape Architecture, Vol. 48, No. 4, pp. 19-28, Aug. 2020. [https://doi.org/10.9715/KILA.2020.48.4.019]
• H. Y. Sim, B. L. Ju, and S. J. Yun, "A study on heat wave vulnerability mapping based on efficiency and equity - focusing on an optimum Location Choice for coolingfog in Seoul -", Seoul Studies, Vol. 21, No. 4, pp. 41-63, Dec. 2020.
• J. Y. Kim, Y. E. Choi, S. U. Kim, and G. H. Lee, "The optimization of the service meeting locations for the safe return-home service of seoul using the MCLP model", Journal of the Korean Urban Geographical Society, Vol. 26, No. 1, pp. 133-148, Apr. 2023. [https://doi.org/10.21189/JKUGS.26.1.9]
• S. H. Mun and G. H. Lee, "Location analysis and modeling for the housing support center of seoul using the regionally constrained p-median problem", Journal of the Korean Geographical Society, Vol. 55, No. 2, pp. 197-206, Apr. 2020.
• J. Y. Ko and H. K. Kim, "A study on the monitoring system for emergency recognition of elderly people living alone", The Journal of Korean Institute of Information Technology, Vol. 12, No. 3, pp. 61-68, Mar. 2014. [https://doi.org/10.14801/kiitr.2014.12.3.61]
• https://github.com/raqoon886/Local_HangJeongDong, [accessed: Dec. 17, 2024]
• A. Asgarian, B. J. Amiri, and Y. Sakieh, "Assessing the effect of green cover spatial patterns on urban land surface temperature using landscape metrics approach", Urban Ecosyst, Vol. 18, pp. 209-222, Jul. 2014. [https://doi.org/10.1007/s11252-014-0387-7]
• N. F. Elgamal, "Impact of street design on urban ventilation in hot dry climate using envi-met, case of greater cairo region", 1st International Conference on Towards a Better Quality of Life, Nov. 2017. [https://doi.org/10.2139/ssrn.3163449]
• S. M. Bae, S. Y. Lee, and J. H. Seo, "Optimization of green infrastructure spaces for mitigating urban heat island effects", Proc. of the 2024 KIIT Autumn Conference, Jeju, Korea, Vol. 19, No. 2, pp. 795-799, Nov. 2024.