huff: A Python package for Market Area Analysis

1. 문제 정의 (Problem)

시장 영역 분석은 경제지리학, 지역경제학, 공간 계획, 마케팅, 의료지리학 등 다양한 분야에서 필수적이지만, 기존에는 다음과 같은 주요 과제가 존재했습니다.

• 모델 보정 (Calibration) 의 어려움: 허프 모델은 가중치 매개변수에 대해 비선형적이어서 관측된 소비자 행동이나 매출 데이터를 기반으로 보정하는 것이 복잡합니다.
• 가중치 함수 선택의 복잡성: 이동 시간이나 거리와 같은 입력 변수에 대해 다양한 가중치 함수 (멱함수, 지수함수, 로지스틱 등) 를 선택해야 하며, 이를 기반으로 모델 적합도 (goodness-of-fit) 를 비교할 수 있는 도구가 부족했습니다.
• 공간 데이터 처리 및 이동 시간 계산의 비효율성: 이동 시간 계산은 그래프 이론 기반의 네트워크 분석과 실제 도로 네트워크가 필요하여 GIS(지리정보시스템) 지원이나 외부 API 가 필수적이었으나, 이를 분석 워크플로우 내에서 통합적으로 수행할 수 있는 오픈소스 도구가 부재했습니다.
• 오픈소스 도구의 부재: 현재까지 허프 모델이나 MCI(Multiplicative Competitive Interaction) 모델에 대한 전체 분석 워크플로우 (데이터 import, 행렬 생성, 모델 분석, 매개변수 추정, 시각화) 를 지원하는 오픈소스 Python 패키지는 존재하지 않았습니다. (R 패키지는 일부 기능만 제공하거나 상용 GIS 소프트웨어에 의존하는 상황임)

2. 방법론 (Methodology)

huff 패키지는 모듈화되고 객체 지향 (Object-Oriented) 된 아키텍처를 기반으로 설계되었습니다.

• 핵심 아키텍처:
  • models 모듈: 모든 모델 관련 클래스와 메서드를 포함합니다.
  • CustomerOrigins 및 SupplyLocations 클래스: 각각 수요 지점 (고객) 과 공급 지점 (시설) 을 표현합니다.
  • InteractionMatrix 클래스: 원점 - 목적지 조합, 이동 시간, 속성 데이터 등을 포함하는 상호작용 행렬을 생성하고 관리합니다.
  • ors 모듈: OpenRouteService 클라이언트를 통해 이동 시간 행렬 및 등시선 (isochrones) 을 제공합니다.
• 주요 기능 및 워크플로우:
  1. 데이터 관리: Shapefile, CSV, XLSX 형식으로 고객 원점 및 공급 지점 데이터를 로드하고 속성을 정의합니다.
  2. 상호작용 행렬 생성: 내장 함수를 통해 거리 또는 이동 시간을 계산하여 행렬을 생성합니다.
  3. 기본 모델 분석: 행렬을 기반으로 허프 모델을 적용하여 확률, 예상 고객 흐름, 총 시장 영역을 계산합니다.
  4. 매개변수 추정 (Empirical Estimation):
     • MCI 모델: 시장 점유율 데이터를 기반으로 선형화 (로그 중심 변환) 된 계량경제학적 접근법을 사용합니다.
     • 최대우도법 (Maximum Likelihood): 고객 흐름, 지역 시장 점유율 또는 총 매출 데이터를 기반으로 비선형 반복 피팅을 수행합니다.
  5. 접근성 분석: Hansen 접근성 지표와 2 단계 부동 포획 영역 분석 (2SFCA) 을 포함하여 공급 구조와 접근성을 분석합니다.
  6. GIS 및 시각화: 버퍼, 거리 행렬, 오버레이 통계 등 보조 GIS 기능을 제공하며, OpenStreetMap 기반 지도 시각화를 지원합니다.

3. 주요 기여 (Key Contributions)

• 첫 번째 오픈소스 Python 솔루션: 허프 모델 및 MCI 모델에 대한 완전한 분석 워크플로우 (데이터 처리부터 시각화까지) 를 제공하는 최초의 오픈소스 Python 패키지입니다.
• 통합 워크플로우 제공: 기존에는 분리되어 있던 공간 데이터 처리, 이동 시간 계산, 모델 보정, 시각화 기능을 하나의 패키지 내에서 통합하여 연구자의 효율성을 극대화했습니다.
• 다양한 보정 기법 지원: 비선형 반복 피팅 (총 매출 기반) 과 선형화 계량경제학적 접근 (시장 점유율 기반) 을 모두 지원하여 데이터 가용성에 따른 유연한 분석을 가능하게 합니다.
• 의료 지리학 및 비소매 분야 적용: 소매업뿐만 아니라 병원, 의료 시설의 후방권 (catchment area) 분석 및 의료 접근성 평가에 특화된 기능을 포함하여 학제간 연구를 촉진합니다.
• 모듈형 설계: 핵심 모델링 기능과 보조 도구 (GIS, API 클라이언트) 를 분리하여 독립적인 사용이 가능하도록 설계되었습니다.

4. 결과 (Results)

• 개발 및 배포 현황:
  • 2025 년 4 월에 첫 릴리스 (v1.0.0) 를 시작으로, 제출 시점 (2026 년 3 월) 까지 44 번의 릴리스를 거치며 지속적으로 개선되었습니다.
  • PyPI(Python Package Index) 를 통해 공개되었으며, 2026 년 3 월 기준 약 23,700 회 다운로드되었습니다.
• 실제 적용 사례:
  • 현재 뷔르츠부르크 대학 병원 (Wuerzburg university hospital) 에서 소아 종양학 치료의 후방권 분석을 위한 연구 프로젝트에 사용 중이며, 관련 논문이 심사 과정에 있습니다.
• 기술적 검증: 패키지는 다양한 가중치 함수 비교, 비선형 모델 보정, 그리고 복잡한 이동 시간 계산을 성공적으로 수행하여 기존 상용 소프트웨어 (ArcGIS Business Analyst) 와 유사한 기능을 오픈소스로 구현했음을 입증했습니다.

5. 의의 (Significance)

• 연구 접근성 향상: 고비용의 상용 GIS 소프트웨어에 의존하던 시장 영역 분석을 오픈소스 Python 생태계로 이전시켜, 전 세계 연구자들의 접근성을 크게 높였습니다.
• 학제간 연구 촉진: 경제지리학, 마케팅뿐만 아니라 의료지리학 (Health Geography) 분야에서 공급 구조 분석과 접근성 평가를 위한 표준 도구로 자리 잡을 것으로 기대됩니다.
• 재현성 확보: GitHub 에서 공개된 소스 코드와 Zenodo 에 아카이빙된 버전 관리 시스템을 통해 연구 결과의 재현성과 투명성을 보장합니다.
• 미래 지향성: Python 의 광범위한 사용과 데이터 과학 트렌드에 부합하여, 향후 시장 분석 및 공간 계획 관련 연구 프로젝트에서 표준 라이브러리로 채택될 가능성이 높습니다.

이 논문은 단순한 소프트웨어 소개를 넘어, 시장 영역 분석의 방법론적 장벽을 해소하고 오픈과학 (Open Science) 을 통해 학문적 협력을 증진시키는 중요한 도구임을 강조하고 있습니다.