From Street Form to Spatial Justice: Explaining Urban Exercise Inequality via a Triadic SHAP-Informed Framework

이 논문은 레페브브르의 공간 삼중체 이론과 SHAP 기반 분석을 결합하여 심천의 도시 운동 불평등을 진단하고, 공간적 정의를 실현하기 위한 개입 우선순위를 제시하는 설명 가능한 프레임워크를 개발했습니다.

핵심

1. 거리를 '삼겹살'이 아니라 '삼박자'로 보자 (이론적 배경)

기존 연구들은 운동을 잘하는 거리와 그렇지 않은 거리를 구분할 때, 주로 "공원이나 체육관이 얼마나 가까운가?" 같은 숫자만 보았습니다. 마치 집의 가치를 '부지 면적'과 '집 크기'만으로 판단하는 것과 비슷합니다.

하지만 이 연구는 프랑스의 철학자 르페브르 (Lefebvre) 의 아이디어를 빌려, 거리를 **세 가지 요소가 어우러진 '삼박자'**로 봅니다.

• 🏗️ 설계된 공간 (Conceived Space): "건축가의 청사진"
  • 도로가 얼마나 넓은지, 교차로가 잘 연결되어 있는지, 건물이 어떻게 배치되었는지 등 계획된 구조를 말합니다.
  • 비유: 요리를 할 때 재료와 조리 도구가 갖춰져 있는 상태입니다.
• 👀 지각된 공간 (Perceived Space): "눈에 보이는 풍경"
  • 길을 걷는 사람이 눈으로 느끼는 분위기입니다. 나무가 많고 그늘이 있는지, 보도블록이 깨끗한지, 건물이 너무 답답하게 느껴지지 않는지 등입니다.
  • 비유: 요리를 할 때 음식의 색감과 향기입니다. 재료는 좋은데 음식이 못생기거나 냄새가 나면 먹기 싫죠?
• ❤️ 살아있는 공간 (Lived Space): "사람들의 실제 삶"
  • 그 거리에 사람들이 실제로 어떻게 살고 있는지입니다. 사람들이 모여서 이야기하는지, 운동하는 사람이 많은지, 분위기가 활기찬지 등입니다.
  • 비유: 요리를 실제로 맛있게 먹고 즐기는 사람들의 분위기입니다.

이 연구는 이 세 가지가 모두 잘 맞아야 사람들이 그 거리에서 운동을 할 수 있다고 말합니다.

---

2. AI 가 거리의 '병명'을 진단하다 (방법론)

연구팀은 심천 (Shenzhen) 시의 수많은 거리 데이터를 AI(머신러닝) 에 넣었습니다. 하지만 단순히 "어디가 나쁜가?"만 알려주는 게 아니라, 왜 나쁜지를 설명해 주는 해석 가능한 AI를 사용했습니다.

이를 통해 연구팀은 거리의 운동 부족 현상을 **7 가지 '병명' (유형)**으로 분류했습니다. 마치 의사가 환자를 진단하듯이요.

• 예시 1: "구조만 좋은데 분위기만 나쁜 거리 (P-only)"
  • 상황: 도로는 넓고 연결도 잘 되어 있는데 (설계 OK), 길가에 쓰레기가 쌓이거나 건물이 너무 높고 답답해서 (지각 X) 사람들이 걷기 싫어하는 경우.
  • 해결책: 건물을 낮추거나, 나무를 심고 가로등을 밝히는 등 분위기 개선이 필요합니다.
• 예시 2: "모든 게 좋은데 사람이 없는 거리 (L-only)"
  • 상황: 길도 넓고, 나무도 많고 예쁘데 (설계/지각 OK), 하지만 사람들이 아예 안 와서 썰렁한 경우.
  • 해결책: 거리에서 열리는 축제나 커뮤니티 활동을 통해 사람을 모으는 활동이 필요합니다.
• 예시 3: "삼중 고난 (Triple Deprivation)"
  • 상황: 길이 좁고, 분위기도 나쁘고, 사람도 없는 최악의 경우.
  • 해결책: 아예 거리를 다시 설계해야 합니다.

이처럼 AI 는 단순히 "이곳은 나빠"라고 말하는 게 아니라, "이곳은 '분위기'가 문제야" 혹은 **"이곳은 '사람'이 문제야"**라고 구체적인 처방전을 내립니다.

---

3. 수요와 공급의 '맞춤형 치료' (실천 방안)

마지막으로 연구팀은 **사람이 많은 곳 (수요)**과 **운동하기 좋은 거리 (공급)**가 일치하지 않는 곳을 찾아냈습니다.

• 비유: "배고픈 사람이 많은 식당 (수요 높음)"이 있는데, 음식 맛은 좋은데 (공급 좋음) 자리가 없거나, 반대로 자리는 많은데 (공급 좋음) 음식이 맛이 없거나 (공급 나쁨) 인기가 없는 경우입니다.

연구팀은 **"사람은 많은데 운동하기엔 안 좋은 곳"**을 찾아내어, 그곳이 어떤 '병명'을 가지고 있는지 진단했습니다.

• 도로 연결이 안 된 곳? → 도로를 넓히거나 연결하세요.
• 분위기가 무서운 곳? → 가로수를 심고 조명을 밝히세요.
• 사람이 없는 곳? → 거리 행사를 열어보세요.

---

📝 한 줄 요약

이 논문은 **"운동하기 좋은 거리를 만들려면, 단순히 공원을 짓는 것만으로는 부족하다"**고 말합니다. 대신 도로 구조 (설계), 눈으로 보이는 풍경 (분위기), 그리고 사람들의 실제 삶 (활기) 이 세 가지가 서로 잘 어울리도록 맞춤형으로 고쳐야 진정한 건강 도시가 될 수 있다고 제안합니다.

마치 요리를 할 때, 재료만 좋은 게 아니라 **요리법 (구조), 플레이팅 (분위기), 그리고 손님들의 반응 (삶)**까지 모두 고려해야 최고의 요리가 나오는 것과 같습니다.

기술 요약

1. 연구 문제 (Problem)

• 운동 기회의 불평등: 도시 거리는 일상적인 건강 인프라의 핵심이지만, 신체 활동 지원 능력은 균일하지 않게 실현되고 있습니다.
• 기존 연구의 한계:
  • 기존 연구는 공원이나 스포츠 시설과 같은 '공식적 시설'에 집중하거나, 거시적인 '보행성 지수 (Walkability Indices)'와 같은 집계된 지표를 사용합니다.
  • 이러한 접근법은 거리 네트워크 내의 '운동 박탈 (Exercise Deprivation)'을 유발하는 미시적 메커니즘을 포착하지 못합니다.
  • "어디서" 운동이 안 되는지는 알 수 있어도, "왜" 안 되는지 (구조적 접근성은 좋은데 시각적/감각적 환경이 나쁜 경우 등) 에 대한 설명이 부족합니다.
• 이론과 방법론의 간극: 앙리 르페브르 (Henri Lefebvre) 의 공간 삼중성 (삼중적 공간) 이론은 공간의 복잡성을 설명하지만, 이를 정량적 데이터로 측정 가능한 지표로 전환하는 데 방법론적 어려움이 존재했습니다.

2. 방법론 (Methodology)

본 연구는 **심화 이론 (Critical Quantitative Geography)**과 **설명 가능한 머신러닝 (Explainable AI)**을 결합한 4 단계 분석 프레임워크를 제안합니다.

A. 이론적 프레임워크: 르페브르의 공간 삼중성 (Lefebvre's Spatial Triad)

연구는 도시 공간을 다음 세 가지 상호 연결된 차원으로 개념화하고 이를 측정 가능한 지표로 전환합니다.

1. 구상된 공간 (Conceived Space, C): 계획적 합리성, 도로 네트워크 구조, 토지 이용 계획 등 (인프라와 구조).
2. 지각된 공간 (Perceived Space, P): 시각적 단서, 보행자 경험, 환경의 질 (거리 뷰 이미지 기반).
3. 살아있는 공간 (Lived Space, L): 사회적 실천, 상징적 의미, 실제 활동 패턴 (소셜 미디어 및 POI 데이터 기반).

B. 데이터 및 지표 구축 (Shenzhen Case Study)

• 종속 변수: 'Keep' 앱의 GPS 운동 궤적 (조깅, 걷기, 자전거) 을 기반으로 한 거리 구간별 운동 강도.
• 독립 변수 (다중 소스 데이터):
  • C: 아임 (Amap) 도로 네트워크 (연결성, 중심성), 1m 해상도 토지 이용 데이터.
  • P: 바이두 거리 뷰 (Street View) 이미지 (STDC 모델로 분할된 하늘, 녹지, 보도, 건물 등 시각적 비율).
  • L: 위보 (Weibo) 체크인 데이터 (감정 분석, 스포츠 관련성), POI 엔트로피 (주변 시설 다양성).
• 공간 단위: 도시 전체를 200m 격자로, 운동 분석은 도로 구간 (Street Segment) 단위로 정렬.

C. 모델링 및 해석 (Machine Learning & SHAP)

1. 예측 모델: 운동 강도와 공간 변수 간의 비선형 관계를 학습하기 위해 XGBoost (그 외 Random Forest, LightGBM, OLS 와 비교) 를 사용.
2. SHAP (SHapley Additive exPlanations): 모델의 예측을 입력 특징 (C, P, L) 의 기여도로 분해하여 비선형 기여도를 정량화.
3. 박탈 유형 분류 (Typology): SHAP 값의 음수 기여도 (부정적 영향) 를 기준으로 7 가지 박탈 유형으로 분류:
   • 단일 박탈 (C-only, P-only, L-only)
   • 이중 박탈 (CP, CL, PL)
   • 삼중 박탈 (CPL)
4. 공간 불일치 분석 (Mismatch Analysis): 인구 밀도 (수요) 와 예측된 운동 지원도 (공급) 간의 불일치를 식별하기 위해 이변량 LISA (Local Indicators of Spatial Association) 분석 수행.

3. 주요 결과 (Key Results)

A. 모델 성능 및 비선형성

• 선형 회귀 (OLS) 는 분산의 28% 만 설명했으나, **XGBoost 는 70.2% (R²)**의 높은 예측 정확도를 보였습니다. 이는 도시 운동 결정 요인이 본질적으로 비선형적임을 입증합니다.

B. 삼중적 결정 요인의 계층 구조 (Global Hierarchy)

• 구상된 공간 (C, 57.0%): 교통 밀도, 연결성, 토지 이용 등 계획적 요소가 운동 잠재력의 가장 큰 설명 변수입니다.
• 지각된 공간 (P, 29.6%): 시각적 환경 (건물 밀폐도, 녹지 등) 은 비선형적 임계값을 가집니다. 과도한 밀폐나 복잡성은 오히려 운동에 부정적일 수 있습니다.
• 살아있는 공간 (L, 13.4%): 사회적 활동과 긍정적 감정은 특정 임계점을 넘으면 운동 강도를 비선형적으로 증폭시킵니다.

C. 지역별 이질성 (District-Level Heterogeneity)

• 성숙한 도심 (Futian, Luohu): 구조와 지각은 양호하나, 사회적 활성화 (L) 가 부족하여 'L-only' 또는 'PL' 박탈이 발생. (행동 포화 현상)
• 혁신/산업 지구 (Nanshan, Bao'an): 인프라는 좋으나 시각적/감각적 질 (P) 이 부족하거나, 대규모 계획과 인간 규모 활성화 사이의 불일치가 나타남.
• 신규 개발 지구 (Guangming, Pingshan): 거시적 계획 (C) 에만 의존하고 인간 규모의 감각/사회적 요소가 결여된 'C-only' 박탈이 우세.

D. 7 가지 박탈 유형 및 공간 불일치

• 7 가지 박탈 유형: 구조적, 감각적, 사회적 결핍의 조합을 통해 구체적인 진단 언어를 제공합니다. (예: 구조는 좋으나 시각적으로 적대적인 환경의 'P-only 박탈')
• High-Demand/Low-Support (HL) 클러스터: 인구는 많지만 운동 지원이 부족한 지역을 식별했습니다.
  • Futian: 노후 간선도로 주변의 밀집 지역.
  • Bao'an/Guangming: 산업 - 주거 경계 지역의 공공 영역 투자 부족.
• 개입 전략: HL 지역과 결합된 박탈 유형에 따라 맞춤형 해결책 제시 (구조 재설계 vs 환경 개선 vs 사회 활성화).

4. 주요 기여 (Key Contributions)

1. 이론 기반 지표 체계: 르페브르의 삼중성 이론을 기반으로 도로 네트워크, 거리 뷰, 소셜 센싱 데이터를 체계적으로 통합한 새로운 지표 구축 방법론 제시.
2. 해석 가능한 머신러닝의 적용: 머신러닝의 예측력과 공간 이론의 해석력을 결합하여, '어떤' 공간 속성이 운동과 관련 있는지뿐만 아니라 '왜' 그런지 투명하게 설명.
3. 7 가지 박탈 유형론 (Typology): 단순한 자원 부족이 아닌, 계획 - 지각 - 실천 간의 관계적 불일치로 박탈을 재정의. 구조적으로 연결된 거리라도 감각적/사회적 불균형으로 기능적 박탈을 겪을 수 있음을 규명.
4. 공간적 정의 (Spatial Justice) 를 위한 진단 도구: 추상적인 공간 개념을 구간 규모의 진단 도구로 변환하여, 수요와 공급의 불일치를 정확히 파악하고 표적화된 도시 개입 (Precision Urban Repair) 을 가능하게 함.

5. 의의 및 결론 (Significance)

• 방법론적 통합: 데이터 기반 도시 분석 (Quantitative) 과 비판적 지리학 이론 (Qualitative/Critical) 의 이분법을 해소하고, 서로를 보완하는 새로운 분석 패러다임을 제시합니다.
• 정책적 함의: 도시 운동 불평등 해결을 위해 단순히 시설을 늘리는 '공급 중심' 접근에서 벗어나, 해당 지역의 구체적인 박탈 유형 (구조적, 감각적, 사회적) 에 맞춘 맞춤형 개입이 필요함을 강조합니다.
• 공간적 정의 실현: 도시 거리가 단순한 이동 통로가 아닌, 건강과 사회적 형평성을 실현하는 포용적인 인프라로 재탄생할 수 있도록 이론과 실증 데이터를 결합한 실질적인 로드맵을 제공합니다.

이 연구는 선진 도시 (심천) 를 사례로 하여, 전 세계 도시가 직면한 고밀화 및 건강 불평등 문제를 해결하기 위한 이론 기반의 정밀 도시 진단 및 개입 프레임워크를 성공적으로 입증했습니다.