우리동네 키움센터 입지선정 - 서울시 빅데이터캠퍼스 공모전

서울시 빅데이터캠퍼스 공모전

2020년도 9월에 서울시에서 주최한 빅데이터캠퍼스 공모전에 참여한 경험이 있다. 서울시에서 구축한 빅데이터캠퍼스 내에 있는 데이터를 활용해 원하는 분석을 진행하는 공모전이었다. 

 

공모전에 참여하기 위해 팀원을 모았고, 나를 포함한 4명의 팀원이 공모전에 참여하였다. (팀 이름은 나의 깊은 고뇌 끝에 '공간발굴단'이라는 팀명이 탄생하였고, 팀원들의 동의로 확정될 수 있었다. 하하)

 

팀장으로서 어떤 주제를 해야될지 많은 고민을 하였는데, 당시에 '세웃'이라는 앱을 개발하면서 코로나19로 인한 돌봄 공백 문제가 얼마나 심한지 알고 있었기에 이와 관련된 분석을 진행하는 것이 가장 좋은 선택일 거라 판단하여 이를 팀원과 논의하였다.

 

그 결과, 우리동네 키움센터라는 주제를 발견할 수 있었다. 우리동네 키움센터는 만 6~12세의 돌봄이 필요한 모든 아이들이 이용할 수 있는 정부 지원 돌봄 시설인데, 2021년까지 400개의 우리동네 키움센터를 설치하는 것을 목표로 하고 있었다. 즉, 앞으로 설치될 키움센터의 입지선정이 필요했다.

 

우리동네 키움센터

당시, 코로나19로 인해 초등학교와 유치원의 개학일자가 미루어 지면서 아이를 맡길 장소가 없어 학부모들이 난항을 겪었는데, 특히 맞벌이 직장인의 85.7%가 돌봄 공백을 겪고 있었다.

 

FGI를 통해 돌봄 시설이 부족하다는 것을 확인할 수 있었다

 

지역아동센터, 초등돌봄교실, 청소년 방과후 아카데미라는 대안이 있었지만, 소득과 관련된 기준과 복잡한 절차가 있었고 초등학생과 중학생 위주의 운영이 이루어져 6~8세의 아동을 가진 학부모는 대안책이 없었다.

 

반면, 우리동네 키움센터는 소득과 관계없이 가장 돌봄이 필요한 6~12세의 아동을 봐주었기에 코로나19로 인해 발생한 돌봄 공백 문제를 해결하는 데 적합했다.

 

키움센터의 운영현황과 연차별 추친목표

그래서 우리동네 키움센터를 중심으로 분석이 필요하다고 생각하였고, 정부의 추진 정책에 따라 2021년도에 설치될 400개의 센터가 가장 필요한 지역을 데이터를 통해 선정해준다면 꼭 필요한 곳에 우선하여 설치될 수 있을거라 판단했다.

 

입지선정 과정

입지선정 과정에서 사용된 데이터는 아래와 같다.

분석에 사용된 데이터 목록

우선 서울시 행정동 단위 거주인구 데이터와 자녀수별 가구 시군구 데이터를 활용해 키움센터를 설치하기 위한 지역구를 선정하는 작업을 진행하였다.

 

그리고 K-means 군집 분석을 하기 위한 절차로 다자녀 세대 수와 아이들 인구수 변수의 상관관계를 분석하였는데, 상관계수가 1에 가깝게 나타나 두 변수 중 아이들 인구수를 사용하기로 하였다.

 

지역이 4개의 군집으로 나눠진다는 것을 알 수 있다

Elbow기법을 이용해 총 4개의 군집으로 분류했을 때 가장 적당하다는 것을 알아냈고, 키움센터 수와 아이들 인구수를 이용해 K-means 군집 분석을 진행하였다.

 

성북, 강동, 강서, 양천이 가장 시급한 것으로 보인다

분석 결과, 초등학생 인구가 많고 키움센터가 적은 지역, 초등학생 인구가 적고 키움센터 수가 적은 지역, 그리고 초등학생 인구가 적고 키움센터 수가 많은 그룹으로 나뉘는 것을 확인할 수 있었다. (여기서 노원구는 압도적으로 많은 22개의 키움센터를 보유해 이상치로 판단하였다.)

 

특히, 1번 그룹 중에서도 성북, 강동, 강서, 양천이 키움센터의 수가 가장 적기 때문에 돌봄이 제일 시급한 지역이라고 판단하였다. 그래서 해당 지역 중 하나인 강서를 중점으로 상세 입지 분석을 진행하였다.

 

상세 입지 분석

키움센터 설치 운영 계획에 따르면, 키움센터를 설치하기 위해서는 여러 가지 요건을 만족해야했다.

• 지역아동센터 이격거리는 주 도보경로로 500m 이상 간격을 두고 설치를 권장
• 학교를 기준으로 도보이용 10분 이내
• 안전한 이동로가 확보된 곳을 우선
• 시설 50m 주위에 청소년보호법 상 유해시설이 없는지 확인
• 가급적 5년 이상 공간 확보가 가능한 공간에 설치
• 단독주택, 아파트 주민공동시설(공동주택), 제 1종 근린생활시설, 사회복지시설, 교육연구시설에 설치 가능
• 초등학교 내에 설치는 불가능
• 일반형의 경우, 66m제곱 이상의 전용면적 확보 필수

 

주황색이 키움센터 적합 시설, 빨간색이 유해시설이다

우선 가장 먼저 키움센터 적합 시설과 청소년의 출입 및 고용이 금지된 업소를 건물용도 코드표에서 추출해 ArcGIS로 불러왔다. (경위도 좌표가 없어서 따로 Geocoding을 했던 것 같기도 하다.) 그리고 불러온 유해시설 좌표들을 중심으로 50m buffer를 생성해 해당 구역에 걸친 건물들을 제외했다.

 

Buffer를 이용한 입지 선정

두 번째 단계로, 지역아동센터와 키움센터 주변으로 400m 이상 떨어진 구역을 찾기 위해 buffer를 생성했다. 400m로 설정한 이유는 도보경로가 출발지점으로부터 일직선이 아니기 때문에 이를 고려해서 500m가 아닌 400m로 설정하였다.

 

그리고 초등학교에서 10분 거리 이내에 설치되어야 되기 때문에 마찬가지로 400m buffer를 생성하여 버퍼 내부에 위치한 지점들을 선별해냈다. 지도앱에서 400m는 평균 성인이 5분이면 도착하는 거리로, 초등학생 아이들의 보폭을 고려하여 10분 정도 걸릴 것으로 가정하였다.

연면적을 고려한 건물 선정

세 번째 단계로, 66m제곱의 전용면적이 확보 가능한 건물을 선별해내었다. 이를 구하기 위해 건물의 연면적을 지하와 지상을 포함한 모든 층수로 나누어 사용 가능한 면적을 계산해내었다.

 

색이 진할수록 만 6~12세 인구가 많은 행정동이다

마지막으로, 키움센터의 돌봄 대상인 만 6~12세 아이들의 수를 Natural Break로 나누어 돌봄시설을 설치했을 때 가장 많은 시민들이 혜택을 받을 수 있는 행정동을 선정하였다. 그렇게 총 5단계의 GIS분석 과정을 통해  방화1동, 염창동, 우장산동을 선정할 수 있었다.

 

세부 입지 선정

여기서 더 나아가, 실제로 설치가 가능할 것 같은 건물을 직접 선별하는 과정을 진행하였다. 세부 입지 선정은 서울시 생활안전지도와 일사편리 서울 부동산 정보조회 시스템을 사용하였다. 

어린이 보행사고 주의구간과 스쿨존 사고 주의구간

각 행정동에 위치한 초등학교를 중점으로, 생활안전지도의 어린이 보행사고 주의구간과 스쿨존 사고 주의구간 주제도를 이용해 해당 학교에서 후보군까지의 이동거리에 해당 구간이 최대한 겹치지 않는 지역을 선정하였다.

일사편리 서울 부동산정보조회 시스템

그리고 일사편리 서울 부동산정보조회 시스템을 활용하여 앞서 명시했던 조건(66m제곱 이상, 공동주택 및 제 1종 생활근린시설 등)을 만족하는 부동산을 선별해내어 해당 위치를 활용할 것을 제안하였다.

 

전체 분석 과정

강서구를 분석한 것과 마찬가지로, 나머지 3개의 지역구도 동일한 단계를 거쳐 분석을 진행하였다. 해당 과정을 통해 총 9개의 우리동네 키움센터의 설치가 적합한 장소를 선별해내었다.

5단계의 GIS 분석 과정

생활안전지도를 활용한 세부 입지 분석

공동주택, 사회복지시설, 교육연구시설 등이 포함되어있다

 

기대효과와 한계점

기대효과

• 입지 선정 과정의 모듈화를 통해 향후 지어질 키움센터의 입지 선정 효율을 제고할 수 있음
• 키움센터의 수요가 높은 지역을 데이터를 통해 파악해, 돌봄이 가장 시급한 지역을 우선하여 선정할 수 있음
• GIS를 통한 최적 건물 선정을 통해 의사결정자가 정성적으로 평가하기 전에 후보군을 효과적으로 줄일 수 있음

한계점

• 데이터의 시점이 일치하지 않아 어려움이 있었음
• 돌봄 시설에 대한 수요 데이터의 부족으로 인해 어린이 인구수를 수요로 가정하여 분석을 진행함
• 최종 후보지 선정에 있어서 현실적인 예산의 한계가 가장 큰 장애로 작용해, 초등학교와의 접근성이 떨어짐
• 키움센터의 취지가 소득과 무관하지만, 실제 정책 집행에서는 배제할 수 없기에 소득에 대한 분석이 필요함

 

마무리하며

해당 프로젝트는 처음으로 정규 수업 과정에서 배운 지식을 실제 문제에 도입해 좋은 성과를 내었던 프로젝트였다. 프로젝트를 되돌아 보면서 부족한 점이 정말 많다고 느꼈지만, 그럼에도 해당 프로젝트가 있었기에 공간 분석에 대한 자신감을 얻을 수 있었다고 본다.

 

다음에 동일한 분석을 진행한다면, 분석 당시 개인 정보라 찾지 못했던 소득 데이터를 부동산 정보로 유추하는 시도를 해볼 것 같다. 그리고 지역구 단위로 나누지 않고, 서울시 전체를 대상으로 400개의 키움센터 입지를 도출하는 시도를 해 볼 것 같다. 

 

간단한 GIS 분석이었음에도 좋은 성과를 낼 수 있었던 것은, 분석이 다른 팀들보다 뛰어나서가 아니라 그 당시에 가장 중요했던 문제에 집중하여 이를 해결하려는 노력이 있었기에 가능했다고 본다.

 

늘 부족하지만, 운이 좋았다는 마음가짐을 담아 글을 마친다.

 

 

https://bigdata.seoul.go.kr/noti/selectNoti.do?r_id=P260&bbs_seq=425&ac_type=A1&sch_type=&sch_text=¤tPage=2 

서울특별시 빅데이터 캠퍼스