도시 현상을 지표로 읽기 / 과제 3
서울의 낮은
어디에 집중되는가?
같은 서울, 다른 하루.
생활인구의 밀도와 주간 특화도를 함께 읽으며
낮에 사람이 모이는 동네의 공간적 차이를 살펴봅니다.
SEOUL · 2025426행정동 × 24시간
생활인구 · Density · Location Quotient지도로 살펴보기
01 / 연구 질문
사람이 많은 곳과
낮에 더 집중되는 곳은 같을까?
서울의 행정동별 주간 생활인구 밀도는 어떻게 다르며, 주간 특화도와 어떤 관계를 보이는가? 두 지표를 함께 살펴보면 업무·상업 활동이 집중되는 지역과 주거 활동의 비중이 큰 지역을 어떻게 구분할 수 있는가?
분석 대상은 수업에서 제공한 2025년 시간대별 내국인 생활인구 평균 자료와 2025년 1월 행정동 경계입니다. 주간은 09–17시, 야간은 00–05시로 정의했습니다.
02 / 공간 시각화
두 개의 지도로 읽는 낮
왼쪽은 단위 면적에 얼마나 많은 사람이 있는지,
오른쪽은 하루 중 낮의 비중이 얼마나 높은지 보여줍니다.
분석 데이터를 불러오고 있습니다.
지도에서 동을 선택하면
하루의 인구 변화를 확인할 수 있습니다.
A명/km²
주간 생활인구 밀도
09–17시 평균 생활인구 / 행정동 면적
밀도가 높을수록 동일한 면적에 더 많은 생활인구가 있습니다.
B서울 = 1
주간 특화도 · LQ
동별 주간 비중 / 서울 전체 주간 비중
1보다 높으면 서울 평균보다 주간에 상대적으로 집중됩니다.
북쪽이 위입니다. 경계는 시각화를 위해 단순화했으며, 면적과 지표는 단순화 전 경계로 계산했습니다. 두 지도는 서로 다른 지표이므로 같은 색의 진하기를 같은 수치로 해석하지 않습니다.
동네의 하루
관심 있는 행정동을 선택해 보세요.
지도와 행정동 목록에서 선택할 수 있습니다.
선택한 동의 24시간
각 지역의 24시간 평균 = 100각 지역의 연평균 시간대 인구를 그 지역의 24시간 평균으로 나누어 표준화했습니다. 음영은 주간(09–17시)입니다. 시간대별 값은 같은 사람을 반복 포함하므로 24개 값을 더한 결과를 하루 방문자 수로 해석할 수 없습니다.
03 / 비공간 시각화
밀도와 특화도 사이
산점도에서 두 지표의 관계를 보고,
순위 그래프에서 지역 간 격차를 확인합니다.
두 지표의 관계
점 하나 = 행정동 하나LQ = 1은 서울 전체와 주간 비중이 같은 기준선입니다. 상관관계는 인과관계를 뜻하지 않습니다.
상위 10개 · 하위 5개 동
선택 범위에서 상위 10개·하위 5개 동을 비교합니다. 자치구를 선택하면 비교 범위가 바뀌며, 값의 높고 낮음은 지역의 우열을 뜻하지 않습니다.
04 / 주요 결과와 해석
숫자에서 도시 구조로
분석 결과를 불러오고 있습니다.
05 / 지표와 분석 방법
무엇을, 어떻게 측정했나
계산 단위와 기준을 명시해
지표의 의미를 분명하게 합니다.
Pih는 행정동 i, 시간대 h의 2025년 평균 생활인구(명), Ai는 행정동 면적(km²)입니다. 모든 지표는 426개 행정동을 단위로 계산합니다.
지표 01 Density
주간 생활인구 밀도
Di = (Σh=9…17 Pih / 9) / Ai
9개 주간 시간대의 평균 인구를 행정동 면적으로 나눕니다. 단위는 명/km²입니다.
높을수록 단위 면적에 사람이 많이 집중됩니다. 산지·하천 등을 포함한 행정동 전체 면적을 사용하므로 실제 활동 가능 면적의 밀도와는 다릅니다.
지표 02 Location Quotient
주간 특화도
LQi = Σh=9…17 Pih / Σh=0…23 PihΣi Σh=9…17 Pih / Σi Σh=0…23 Pih
동별 주간 인구·시간 비중을 서울 전체의 같은 비중으로 나눕니다. 단위가 없는 상대 지표입니다.
1 초과: 서울 평균보다 주간에 특화. 1 미만: 서울 평균보다 주간 비중이 낮음. 업종별 고용 대신 시간대별 생활인구를 적용한 LQ입니다.
보조 지표 Day / Night
주야 생활인구비
Ri = Σh=9…17 Pih / 9Σh=0…5 Pih / 6
주간 평균을 야간 평균으로 나눕니다. 1보다 크면 해당 동의 낮 인구가 밤보다 많습니다. 서울 평균을 기준으로 하는 LQ와는 기준이 다릅니다.
사용 자료와 전처리
- 시간대별 평균 자료 읽기
수업 제공
SPOP_2025_ADM_mid.csv를 사용했습니다. 파일명과 달리 시간대별 값은 중앙값이 아니라 산술평균입니다. 수업의 가공 원자료 3,731,760행(365일 × 426동 × 24시간)으로 재계산한 평균과의 최대 차이는 2.91 × 10⁻¹¹명으로, 부동소수점 오차 수준에서 일치했습니다. - 행정동 코드 정리와 결합
2025년 1월 경계의 행정동 코드를 생활인구 코드와 맞추고, 426개 동의 모든 시간대가 결합됨을 확인했습니다. 동·날짜·시간 중복과 필수값 결측은 없었습니다. 수업 전처리에서 신설동·용두동·용신동 코드를 2025년 초 용신동 코드로 통일한 기준을 따릅니다.
- 면적과 지표 산출
EPSG:5179 투영좌표계에서 면적을 구한 뒤 km²로 변환했습니다. 지표 산출에는 원래 경계를, 지도 표시에만 단순화한 경계를 사용했습니다.
- 지도와 그래프로 비교
동별 주제도, 두 지표의 산점도, 지역별 순위, 시간대별 선그래프를 함께 읽어 밀집 강도와 시간적 집중을 비교했습니다.
이 분석으로 알 수 없는 것
누가, 왜 이동했는가. 생활인구는 특정 시점에 존재하는 인구의 추정치입니다. 거주인구·방문자 수·통근자 수와 동일하지 않으며, 통근·관광·쇼핑 같은 방문 목적을 구분하지 못합니다.
평일과 주말의 차이. 연평균 시간대 자료이므로 요일·계절·행사에 따른 차이가 압축되어 있습니다. 외국인은 분석에 포함하지 않았습니다.
토지이용의 인과 효과. 업무·상업 중심지와 주거지라는 설명은 관찰 패턴에 대한 해석입니다. 토지이용·사업체 자료를 결합한 검증이나 인과추론은 수행하지 않았습니다.
행정동 내부의 차이. 동일한 동 안에서도 역 주변과 주거지, 산지의 밀도는 다를 수 있습니다. 행정동 면적과 경계 설정에 따라 결과가 달라지는 공간 단위 효과가 존재합니다.
원제공기관 최신본과의 차이. 제공된 가공 원자료로 연평균을 재검증했습니다. 이번 작업에서 서울시 월별 ZIP을 다시 내려받거나 행정동 개편 전후의 원본 중복 집계까지 재감사하지는 않았습니다. 경계의 원외부 제작기관·라이선스는 제공 파일만으로 확인되지 않았습니다.
06 / 자료와 재현
출처와 분석 결과 내려받기
| 자료 | 역할과 기준 | 출처 / 파일 |
|---|---|---|
| 내국인 생활인구 | 수업 제공 2025년 행정동·시간대 평균 | 서울 열린데이터광장 ↗ |
| 행정동 경계 | 수업 제공 2025-01-01 기준 GeoJSON | HangJeongDong_ver20250101.geojson |
| 지표 산출 결과 | 426개 동의 밀도·특화도·주야비 | 결과 CSV ↓ |
| 수치 검증 기록 | 입력 체크섬·원자료 평균 일치 확인 | 검증 JSON ↓ |
| 분석 코드 | 전처리와 지표 산출 과정 | GitHub에서 보기 ↗ |
이 페이지는 수업 자료에 포함된 집계 데이터를 이용한 과제 결과물입니다. 최신 실시간 현황이 아닌 2025년 기준의 공간 패턴을 보여줍니다.