도시활력(urban vitality)은 도시의 사회, 경제 및 환경적 역동성과 지속가능성을 반영하는 척도로, 거대화, 과밀화되어가는 현대 도시 연구에서 그 중요성이 점차 강조되고 있다. 도시활력은 도시의 물리적 구조나 경제적 활동뿐만 아니라 인간의 사회적 상호작용 및 이동 패턴 등을 아우르는 복합적 특성을 지닌다. 따라서 연구 목적과 사회경제데이터의 가용성에 따라 도시활력의 다차원적 특성을 반영한 도시활력 지표가 개발되어 도시 정책 수립과 지속가능성 평가 등에 활용되고 있다(Yang et al., 2021).

도시는 사회변동의 공간적 온상으로, 정치체제와 국가 이념을 반영한다(Jun and Lee, 2017). 북한은 분단 이후 남한과는 다른 정치체제와 국가 이념을 정립하였으며, 동북아 지역 내에서 지리적, 정치적 중요성이 높은 국가로 자리잡고 있다. 특히, 급변하는 한반도의 정세 속에서 북한의 사회경제적 상황과 도시 특성을 이해하는 것은 정책 및 외교적 결정을 지원하기 위해 필수적이다. 그러나 북한은 대표적인 접근 불능 지역으로 폐쇄적인 사회 구조와 정보 제한으로 인해 기 초적인 사회경제적 통계자료조차 확보하기 어려운 실정이다(Byeon et al., 2024).

이에 북한에 대한 이해 기반을 마련하기 위한 다양한 연구가 수행되어 왔다(Spoorenberg and Schwekendiek, 2012; Ma and Zeng, 2015; Choi, 2015). 그러나 이러한 연구들은 주로 북한의 인구나 경제 지표 등 제한적인 사회경제지표 추정에 국한되어 있으며, 도시에 대해 보다 복합적 요소를 내포하고 있는 도시활력에 대한 연구는 여전히 미비한 실정이다. 따라서 북한에 대한 보다 깊은 이해를 위해서는 북한의 도시활력에 대한 실증적 연구가 요구된다.

북한과 같은 접근 불능 지역의 경우 사회경제데이터 취득에 제한이 있기에, 공간정보 데이터 및 위성영상을 활용하여 도시활력을 간접적으로 추정하는 방식이 대안으로 제시되고 있다(Grippa et al., 2018; Scepanovic et al., 2021; Kim et al., 2024). 특히, 야간 위성영상은 인구 밀도, 사회 기반 시설의 도시화 수준 및 사회경제 활동량과 높은 상관관계가 있음이 확인되었으며(Elvidge et al., 1997; Li et al., 2013; Ma et al., 2014), 이를 바탕으로 최근 도시활력에 대한 실증적 연구 수행에 높은 활용 가능성을 나타내고 있다(Jeong and Jun, 2020; Kim, 2022). 그럼에도 이러한 접근 방식은 도시활력을 도로, 건물, 전력망 등 도시 인프라나 도시 면적과 같은 정적 요소에 기반하여 정의하고 있어 도시 내 사회경제적 활동이나 시민의 생활 양태와 같은 동적인 도시 특성을 충분히 반영하지 못하는 한계를 지닌다.

본 연구는 이러한 문제의식을 바탕으로 사회경제데이터 취득이 제한되는 북한에 대해 도시의 동적 요소를 반영한 지역 수준의 도시활력 지표를 추정하고자 하였다. 이를 위해 사회경제데이터 취득이 용이한 남한을 대상으로 사회경제데이터에 기반한 도시활력 지표를 정의하고, 해당 지표와 공간정보데이터 및 야간 위성영상 간의 상관성 분석을 위해 기계학습을 수행하였다. 이는 남북한의 사회경제적 특성 및 도시 인프라와 도시활력 간에 공통적인 상관관계가 존재한다는 가정 하에 진행되었으며, 학습된 기계학습 모델을 통해 북한의 도시활력 지표를 추정하였다. 추정된 지표를 바탕으로 북한 내 도시활력 분석을 수행하였으며, 이를 통해 북한에 대한 실증적인 도시활력 분석 가능성을 확인하였다.

Fig. 1은 본 연구의 전체 흐름도를 보여준다. 본 연구에서는 동적 요소를 반영하여 북한의 도시활력을 분석하고자 하였으며, 이를 위해 기계학습 모델을 활용하여 남한의 사회경제데이터를 통해 정의된 도시활력 지표와 공간정보데이터 및 위성영상 간의 상관관계를 추정하였다. 이후, 남한의 데이터로부터 학습된 기계학습 모델과 북한 지역에 대한 공간정보데이터 및 야간 위성영상을 활용하여 북한의 도시활력을 추정하고 이를 바탕으로 북한의 지역별 도시활력 특성을 분석하였다.

Figure 1. Overall workflow.

2.1. 도시활력 지표 정의

본 연구에서는 선행연구(Kim, 2020)에 기반하여 도시의 사회적, 경제적 활력을 반영하는 도시활력 지표를 정의하고자 하였다. 유동 인구는 도시 공간에서 개인의 활동에 의해 시시각각 변화하는 특성을 가지며, 사회적 차원의 도시활력을 반영하는 핵심 요소로 널리 활용되고 있다(Maas, 1984; Kim, 2018). 경제적 차원의 도시활력은 생산과 소비, 두 측면에서 살펴볼 수 있다. 생산 측면에서는 일반적으로 종사자 수 및 지역내총생산(GrossRegionalDomestic Product, GRDP)을 통해 도시활력을 측정한다(Jacobs, 1961; Kim, 2022). 그러나 본 연구에서는 현재의 공식적인 경제 활동을 반영하는 종사자수 대신, 생산 가능 인구 비율을 활용하여 도시의 생산 역량과 경제 활동 가능성을 보다 포괄적으로 반영하고자 하였다. 한편, 자동차는 경기 침체에 민감하게 반응하는 대표적인 내구재로 자동차 등록 대수는 경제적 상황과 밀접한 연관이 있다. 따라서 소비 측면에서의 도시활력을 반영하기 위해 자동차 등록 대수를 활용하였다.

본 연구에서는 사회경제데이터 획득이 용이한 남한을 대상으로 유동인구, GRDP, 생산 가능 인구 비율, 차량 등록 대수 데이터를 취득하였으며, 이를 토대로 도시활력 지표를 정의하였다. 본 연구에서 제안하는 도시활력 지표는 식(1)과 같다.

여기서 y_i는 i번째 도시의 도시활력 지표이며, x>_i1은 유동 인구, x>_i2, x>_i3, x>_i4는 각각 GRDP, 생산 가능 인구 비율, 차량 등록 대수를 해당 도시의 면적으로 나눈 밀도 값을 의미한다. 각 도시의 도시활력 지표는 0과 1사이의 값을 가지며, 북한 도시활력 추정을 위한 기계학습 모델의 종속변수로 활용되었다.

2.2. 실험자료 및 전처리

본 연구에서는 남한의 사회경제데이터, 남북한의 공간정보데이터 및 야간 위성영상이 수집되어 사용되었으며, 이에 대한 세부 사항은 Table 1과 같다. 사회경제데이터는 유동 인구, GRDP, 생산 가능 인구 비율, 차량 등록 대수를 포함하며, 각각 통계청, 국가 통계 포털, 행 정안전부, 국가교통 통계누리로부터 취득되었다. 취득 시기의 차이는 공공데이터의 갱신 주기에 기인한다. 공간정보데이터의 경우 오픈 소스 방식의 무료 지도 서비스인 OpenStreetMap (OSM)으로부터 확보되었으며, 건물, 토지 피복, 도로, 철도에 대한 벡터(vector) 정보를 포함하고 있다. 이 중 토지 피복 데이터는 농경지, 숲, 주거 및 산업지역, 군사 지역 등의 19개의 토지 피복 유형으로 구성되어 있다. 야간 위성영상의 경우 National Aeronautics and Space Administration (NASA)에서 제공하는 Suomi-NPP의 VIIRS DNB 파장대역의 위성영상을 활용하였으며, 월 단위로 수집된 데이터에 대해 보정이 이루어진 VNP46A3: VIIRS/NPP Lunar BRDF Product를 사용하였다. Fig. 2는 본 연구에서 확보한 야간 위성영상을 보여준다. 확보한 3장의 영상에 대하여 각각 상위 0.02%의 밝기 값을 임계 값으로 하여 이상치를 제거하고, 이를 도시활력 추정에 활용하였다.

Figure 2. Acquired nighttime light satellite images.

Table 1 . Specifications of acquired data.

Category	Data type	Data name	Data source	Acquired period	Acquisition
ROK	DPRK
Socio-economic data	Tabular	Floating population Statistics Korea)	2019-2022	O	X
		Gross regional domestic product	Statistics Koreab)			2021
		Economically active population	Korea Ministry of the Interior and Safetyc)			2021
		Registered vehicles	Korea Ministry of Land, Infrastructure and Transportd)			2023
GeoSpatial data	Vector	Building	OpenStreetMape)	2024.07	O	O
		Landcover
		Road
		Rail
Nighttime light satellite imagery	Raster	VNP46A3: VIRS/NPP Lunar BRDF-Adjusted Nighttime Monthly L3	National Aeronautics and Space Administrationf)	2024.07	O	O

a) https://data.kostat.go.kr/social/moblilePopMoveInfoPage.do.

b) https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1C86&conn_path=I2.

c) https://jumin.mois.go.kr/ageStatMonth.do.

d) https://stat.molit.go.kr/portal/cate/statView.do?hRsId=58&hFormId=5559.

e) https://download.geofabrik.de/asia.html.

f) https://search.earthdata.nasa.gov/search.

ROK: Republic of Korea, DPRK: Democratic People’s Republic of Korea..

본 연구에서는 정형, 벡터, 래스터(raster) 데이터로 이루어진 다종의 데이터셋을 활용하고자 하였으며, 이를 기계학습 모델의 입력자료로 활용하기 위해서는 정형데이터로 자료형식을 통일하는 전처리 단계가 요구되었다. 사회경제데이터는 앞서 정의한 도시활력 지표를 산출하기 위해 사용되었으며, 산출된 도시활력 지표는 기계학습 모델의 종속 변수로 사용되었다. 공간정보데이터의 경우 도시별로 건물의 개수 및 면적, 토지 피복의 유형별 면적, 도로 면적, 철도 면적을 도시 전체 면적으로 나눈 밀도 값을 산출하고 이를 정형데이터로 변환하여 도시활력 추정에 활용하였다. 이때, 도로 면적과 철도 면적은 벡터 파일에 대해 각각 3 m와 5 m의 버퍼(buffer)를 적용하여 계산하였다. 야간 위성영상의 경우 픽셀 단위로 벡터화를 수행한 뒤, 도시별 통계량을 산출하여 정형데이터로 변환하였다. 데이터 변환 과정은 WGS84 (EPSG: 4326) 좌표계 상에서 수행되었으며, 변환된 정형 데이터는 기계학습 모델의 독립 변수로 활용되었다. 최종적으로 남한의 225개 도시와 북한의 180개 도시에 대한 정형 데이터가 생성되었다. 이 중 남한의 도시를 7:3의 비율로 나누어 158개 도시는 모델 학습에, 67개 도시는 모델 검증에 활용하였다.

2.3. 기계학습기반 도시활력 지표 추정

도시활력 추정을 위한 기계학습 모델로 랜덤 포레스트(RandomForest)를 선정하였다. 랜덤 포레스트는 대표적인 앙상블 기반 기계학습 모델로, 전체 학습 데이터에서 무작위로 부분 집합을 추출한 뒤 이를 이용해 각각의 의사결정나무(decision tree)를 병렬적으로 학습시키고, 각 의사결정나무의 예측 결과를 평균 내거나 다수결 투표 방식으로 결합하여 최종 예측 값을 도출한다. 랜덤 포레스트는 이처럼 배깅(bagging)에 기반한 모델 앙상블을 통해 과적합을 방지하고 예측의 안정성을 높이는데 효과적이라고 알려져 있다(Pal, 2015).

본 연구에서는 공간정보데이터만을 독립변수로 사용하여 학습된 랜덤 포레스트 모델(모델 1)과 야간의 도시 특성을 반영하기 위해 공간정보데이터 및 야간 위성영상을 동시에 독립변수로 사용하여 학습된 랜덤 포레스트 모델(모델 2)을 활용하여 북한의 도시활력을 분석하고자 하였다. 모델 학습을 위한 종속 변수로는 앞서 정의된 사회경제데이터 기반의 도시활력 지표가 사용되었다. 이후, 학습된 모델을 활용하여 북한 지역에 대한 도시활력 지표를 추정하고, 이를 기반으로 북한에 대한 도시활력 분석이 수행되었다.

Fig. 3은 모델 1과 모델 2의 학습 및 검증 데이터에 대한 회귀 분석 결과를 나타낸다. 회귀 분석 결과 모델 1과 모델 2의 검증 데이터에 대한 결정계수는 각각 0.879, 0.895로 나타났으며, 이를 통해 학습된 모델이 충분히 설명력을 가지는 것을 확인할 수 있다. 특히 야간 위성영상을 추가로 활용하여 학습된 모델 2가 모델 1과 비교하여 더 높은 결정계수를 기록하며, 설명력이 향상된 것을 확인할 수 있다. 이는 야간 위성영상이 보다 신뢰성 있는 도시활력 지표 추정에 기여할 수 있음을 시사한다.

Figure 3. Regression analysis results for Model 1 and Model 2. (a) Training results for Model 1. (b) Validation results for Model 1. (c) Training results for Model 2. (d) Validation results for Model 2.

3.1. 도시활력 지표 추정 결과

Fig. 4(a)는 남한의 도시활력 지표와 모델 2를 통해 추정된 북한의 도시활력 지표에 대한 상자 수염 그림을 나타낸다. 남북한의 도시활력 지표에 대한 t-검정 결과 t-값은 11.338, p-값은 <0.001로 나타났으며, 이를 통해 남북한의 도시활력 지표에 유의미한 차이가 있음을 확인할 수 있다. 이 같은 경향은 Fig. 4(b)를 통해 시각적으로도 확인할 수 있다. 북한 도시 중 평양직할시, 함경북도 청진, 함경남도 함흥 등에서 상대적으로 높은 도시활력을 보였으나 전반적으로 남한에 비해 낮은 도시활력이 추정된 것을 확인할 수 있다.

Figure 4. Estimation results of urban vitality. (a) A box plot comparing urban vitality in Republic of Korea (ROK) and estimated urban vitality in Democratic People’s Republic of Korea (DPRK) using Model 2. (b) Visualization of urban vitality in ROK and the estimated urban vitality DPRK using Model 2.

3.2. 북한 도시활력 분석

본 연구에서는 모델 2의 도시활력 지표 기준, 북한 상위 10개 지역과 하위 10개 지역의 도시 특성을 분석하였다(Table 2). 도시활력 지표가 높은 값을 보이는 지역으로는 평양직할시, 평안북도 신의주, 강원도 원산 등이 있다. 평양은 북한의 산업, 경제, 교통의 중심지이자 이념적 상징도시로 기능하고 있으며, 신의주는 북중 무역의 중심지로 80% 이상의 북중 무역이 신의주를 통하는 것으로 알려져 있다(38 North, 2010). 또한 원산의 경우 원산 갈마 비행장과 새롭게 개발 중인 원산 갈마 해안관광지구가 위치하고 있는 지역이다(Williams and Makowsky, 2022). 이처럼 도시활력 지표가 높은 지역들은 대체로 북한 정부 주도로 육성되는 특수 목적 지역들임을 확인할 수 있다. 한편 도시활력 지표가 낮은 값을 보이는 지역에는 평안북도 신도, 자강도 위원군, 양강도 풍서군 등이 포함된다. 신도는 평안북도 서쪽 끝의 압록강 하구에 위치한 도서지역으로, 섬 내에는 정규 교통편이 없는 것으로 알려져 있으며, 대부분 농경지로 구성되어 있다. 위원군 또한 대부분 농경지로 이루어져 있으며, 대규모 군수 공장이 다수 위치한 자강도의 특성상 보안이 철저하여 접근성이 낮다(Hong, 2023). 풍서군은 개마고원에 위치하며 한반도에서 가장 내륙에 위치한 양강도의 특성상 춥고 척박한 환경을 가진 지역이다. 이들 지역은 Fig. 5에서 볼 수 있듯 대체로 접근성이 낮고 농경지로 구성된 지역들임을 확인할 수 있다.

Figure 5. Topographic characteristics of regions with low urban vitality in Democratic People’s Republic of Korea. (a) Sindo, North Phongan. (b) Wiwon, Jagang. (c) Phungso, Ryanggang.

Table 2 . Top 10 and bottom 10 regions based on urban vitality.

Region	Model 1	Model 2	Rank	Region	Model 1	Model 2	Rank
Pyongyang	0.1937	0.1700	1	Sindo, North Phyongan	0.0490	0.0456	179
Taean, Nampho	0.1720	0.1597	2	Cheonma, North Phyongan	0.0446	0.0482	178
Chollima, Nampho	0.1530	0.1290	3	Wiwon, Jagang	0.0447	0.0485	177
Sinuiju, North Phyongan	0.1335	0.1187	4	Anak, South Hwanghae	0.0538	0.0492	176
Kosong, Kangwon	0.1132	0.1156	5	Chosan, Jagang	0.0437	0.0497	175
Kumgang, Kangwon	0.1124	0.1152	6	Usi, Jagang	0.0469	0.0497	174
Riwon, South Hamgyong	0.1186	0.1133	7	Phungso, Ryanggang	0.0447	0.0498	173
Kimhwa, Kangwon	0.1133	0.1125	8	Ongjin, South Hwanghae	0.0491	0.0502	172
Hamhung, South Hamgyong	0.1228	0.1122	9	Taehongdan, Ryanggang	0.0492	0.0506	171
Wonsan, Kangwon	0.1197	0.1108	10	Kophung, Jagang	0.0436	0.0508	170

3.3. 모델 비교 분석

Fig. 6은 모델 1과 모델 2를 통해 각각 추정된 북한의 도시활력 지표 간의 차이를 보여주며, 이 값이 클수록 주간과 야간의 도시활력에 차이가 있음을 의미한다. 대부분의 경우 야간 위성영상을 활용한 모델 2에서 도시활력 지표가 상대적으로 낮게 추정되었으며, 이는 북한의 1인당 전력 공급량이 남한의 약 9% 수준으로 매우 부족하고, 전력 공급이 국가 주도로 이루어져 불균형 하다는 점에서 기인된 것으로 분석된다.

Figure 6. Difference in urban vitality predictions by Model 1 and Model 2 in Democratic People’s Republic of Korea.

도시활력 지표 간 차이는 남포 천리마구역, 평양직할시, 남포 강서군, 함경북도 경성군, 평안북도 신의주시 순으로 크게 나타났다. 이들 지역의 경우 Table 2에서 확인할 수 있듯이 북한 내에서 도시활력 지표가 상대적으로 높게 추정된 지역들이다. 그럼에도 이들 지역에서 도시활력 지표 간 차이가 크게 나타난 것은, 북한의 정부 주도로 일정 수준 잘 구축된 공간 인프라와 달리 전력 공급이 여전히 원활하지 않음을 시사한다. 평양의 일부 지역에 한정하여 밝기 값이 상대적으로 높게 나타났으며, 신의주 지역은 인근에 위치한 중국 단둥과 비교했을 때 밝기 값이 크게 낮게 나타나 북한 내 전력 공급이 원활하지 않음을 확인할 수 있다(Fig. 7).

Figure 7. Daytime and nighttime satellite images of regions with significant differences in estimated urban vitality between Model 1 and Model 2. (a) Pyongyang. (b) Sinuiju, North Pyongan. (c) Kyongsong, North Hamgyong.

본 연구에서는 남한의 사회경제데이터로부터 산출된 도시활력 지표, 공간정보데이터, 그리고 야간 위성영상을 활용하여 랜덤 포레스트 모델을 학습시킨 뒤, 이를 북한에 적용하여 사회경제데이터 취득이 어려운 북한에 대해 동적 도시 특성을 반영한 도시활력 지표를 추정하였다. 추정된 도시활력 지표를 바탕으로 남북한의 도시활력 수준을 비교·분석하였으며, 추정된 도시활력에 기반하여 북한의 도시 특성을 분석하였다.

연구 결과, 남북한의 도시활력 수준에 통계적으로 유의미한 차이가 있음을 확인하였다. 또한, 북한 내 도시활력이 높은 지역은 상당수가 무역, 관광 등 특수 목적을 위해 북한 정부 주도로 개발된 지역으로 나타났으며, 도시활력이 낮은 지역의 경우 농업지역이나 섬, 산간지역, 보안지역 등 접근성이 떨어지는 지역으로 확인되었다. 모델 1과 모델 2의 비교분석 결과는 북한 주요 도시의 기반 시설 수준에 비해 야간 전력 공급이 부족함을 정량적으로 보여주었다.

그러나 본 연구는 다음과 같은 한계점이 존재한다. 먼저, 본 연구에서는 남한의 사회경제데이터를 토대로 도시활력 지표를 산출하고, 이를 토대로 북한의 도시활력 지표를 추정하였다. 북한의 경우 남한과 달리 강력한 중앙집권 정부에 의해 도시의 성장이 촉진 또는 제한되며, 사회 이념적 차이에 의해 시민의 생활 양태 또한 다르게 나타난다. 도시활력 지표 정의 과정에서 이에 대한 요소를 충분히 반영하지 못했기에 향후 연구에서는 북한의 특수성을 반영하여 도시활력 지표를 정의할 필요가 있다. 또한, 공간정보데이터로 오픈소스인 OSM을 사용하였기에 일부 지역에서 정보가 누락되거나 부정확한 경우가 존재하였다.

향후 연구에서는 고해상도 위성영상을 활용하여 OSM데이터에서 누락된 정보를 보완하거나 고품질의 공간정보데이터를 융합하여 도시활력 추정 모델을 개선할 필요가 있다. 마지막으로 본 연구에서는 취득된 사회경제데이터가 행정구역 단위로 제공됨에 따라 지역 단위 분석을 수행하였다. 복잡한 현대 도시의 동적 변화를 도시활력 분석에 반영하기 위해서는 개별 건물 또는 블록 단위와 같은 미시적인 관점으로 사회적, 경제적 도시 특성을 세분할 필요가 있다. 향후 연구에서는 보다 세부적인 사회경제데이터 수집을 통해 객체 단위의 도시활력 분석이 필요할 것으로 생각된다.

본 연구는 주로 인구 통계, 경제 지표 등의 사회경제지표를 활용하여 북한을 분석해 왔던 기존 방법론과는 달리, 북한 도시활력에 대한 실증적 연구를 수행하고 분석 단계로 이끌어 냈다는 점에서 차별점을 가진다. 또한 사회경제데이터 취득이 불가능한 북한에 대해 도시의 정적 요소를 반영하는 공간정보데이터 및 야간 위성영상만을 가지고 도시의 동적 요소를 반영한 도시활력 지표를 추정할 수 있다는 점, 추정된 활력 지표를 통해 도시활력에 대한 정량적인 분석이 가능하다는 점 그리고 제안된 접근 방식이 북한 외에 접근 불능 지역에 대해 적용 가능한 확장성이 있다는 점에서 의의가 있다. 본 연구의 결과가 향후 북한을 비롯한 접근 제한 지역에 대한 정책 결정 과정에서 중요한 기초 자료로 활용될 수 있을 것으로 기대한다.

이 논문은 서울대학교 통일·평화연구원에서 운영하는 2024년 서울대학교 통일·평화기반구축사업의 지원을 받아 수행한 연구의 결과물임.

No potential conflict of interest relevant to this article was reported.