코로나19는 비말을 통해 전염되는 호흡기 질환으로 건물의 실내 공간은 코로나19의 대규모 감염에 매우 취약한 곳이다. 집약된 토지 이용으로 인해 수많은 사람들이 고층의 건물에 밀집해 있는 도시 환경은 이러한 질병에 더 취약할 수 있다. 뿐만 아니라 도시의 인구 분포는 시간에 따라 역동적인 변화를 보이기 때문에 코로나19와 같은 전염병에 대한 역학 조사의 성공은 도시 인구의 시공간적 변화를 얼마나 잘 이해하는지에 달려있다. 하지만 특정 시간대에 특정 건물에 분포하고 있는 현재 인구 밀도를 파악하는 것은 무척 어려운 일이다. 따라서 본 연구는 특정 시간대의 도시 인구의 수평적, 수직적 분포를 보다 정확하게 추정하기 위한 대안을 제시하고자 한다. 보다 구체적으로 지리가중회귀(GWR) 모델에 기반한 대시메트릭 매핑 기법을 이용하여 건물 단위의 현재 인구를 추정하였다. 일반적으로 대시메트릭 매핑 기법은 보조 자료를 사용하여 기존의 공간 스케일을 넘어 보다 상세한 수준의 인구 분포를 추정할 수 있도록 해준다. 본 연구에서는 건물의 용도와 연면적을 보조 정보로 활용하였으며, GWR 모델을 이용하여 지역적으로 이질적인 인구 분포 특성을 반영하였다. 연구 결과, 서울시 전체에 걸쳐 집계구보다 상세한 건물 단위 수준의 인구 분포를 추정할 수 있었다. 건물 단위의 현재 인구 추정은 코로나19와 같은 팬데믹 전염병의 역학 조사나 효과적인 방역 대책 수립을 위한 중요한 기초 자료로 활용될 수 있을 것으로 기대한다.

본 연구는 SNPP VIIRS DNB 영상자료와 토지피복도를 활용하여 시가지에서 방출된 야간 인공조명 강도가 인구예측에 미치는 영향을 고찰한다. 이를 위해 시가지 피복 또는 모든 피복유형에 해당하는 화소의 인공조명 강도를 각각 도출한 후 이들을 설명변수로 구성한 단순회귀모형에 기반한 남한 광역시도의 인구추정 결과를 비교했다. 시가화 건조지역만을 고려한 모형의 정적 상관성, 모형의 적합도 및 회귀계수의 통계적 유의성뿐만 아니라 인구예측 결과는 모든 피복유형을 포함한 모형보다 우수했다. 그러나 진단 결과에 따르면 이 모형은 선형성 기본 가정을 충족하기 어려운 것으로 나타났다. 따라서 향후 연구에서는 다항식의 적용 또는 변수의 변환에 기초한 모형 정교화를 통해 인구를 예측할 필요성이 제기된다.

최근 미시적 규모의 연구가 증가하며 기존보다 세밀한 공간 단위의 데이터에 대한 요구가 증가하였지만, 현재 접근 가능한 대부분의 공간 데이터는 행정구역 단위를 기반으로 집계되어 제공되고 있다. 따라서 고해상도 공간 데이터를 얻기 위해 기존의 공간 데이터를 세밀한 공간 단위로 전환하는 연구가 활발히 진행되어 왔다. 본 연구에서는 다양한 공간 데이터의 융합을 통해 직장인구를 건물 단위로 추정하는 알고리즘을 제시한다. 개별 통행의 목적지를 건물 단위로 추정하는 건물선택 알고리즘은 영역내 삽법과 대시메트릭 매핑을 기반으로 하며, 보조 데이터를 통해 건물별로 가중치를 정의한 뒤 이를 기반으로 통행의 목적지를 추정하였다. 본 연구는 통행을 기반으로 하며 기존의 내삽법에 비해 높은 정확도를 보이는 새로운 인구 추정 모형을 제시하고, 쉽게 접근할 수 있는 다양한 데이터를 결합하여 고해상도 데이터를 생성한다는 점에서 의의를 지닌다.

범죄는 인적 또는 물적으로 피해를 일으키기 때문에 범죄가 발생한 이후에 조치를 취하는 것보다는 사전에 범죄를 예방하는 것이 중요하다. 또한, 범죄를 예방하기 위해서는 범죄발생에 취약한 지역을 추출해야 한다. 이에 본 연구에서는 범죄발생 위치정보 를 제공하지 않는 국내의 상황을 고려하여 실제 범죄정보를 직접적으로 사용하지 않으면서 시·공간적 특성을 고려한 범죄취약지역을 추출하는 연구를 수행하였다. 공간적인 특성정보는 연속수치지도에서 추출한 도로폭, 도로교차점, 도로교차각, 포장재질, 도로에 인접한 건물의 종류를 이용하여 범죄에 취약한 위험도로를 추출하였다. 또한 시간적인 특성정보는 점 형태로 제공되는 유동인구 데이터를 커널밀도 분석하여 추출하였다. 시·공간적인 분석을 위하여 두 가지 특성정보를 중첩 분석하여 범죄취약지역을 추출하였다. 취약지역을 검증하기 위해 다음포탈에서 제공하는 로드뷰 영상을 확인한 결과 추출된 취약지역이 노후화된 단독주택이 많고 도로주변이 잘 정비되지 않은 지역임을 알 수 있었다.

저출산으로 인해 학령인구는 감소하고 있으나, 과대학교와 과밀학급 문제는 여전히 존재한다. 이러한 문제는 학교별 학생수요 예측이 어렵기 때문에 발생하며, 근본적으로는 학령인구 이동에 대한 예측의 불확실성에 기인한다. 이는 학교의 신설이나 이전 계획 수립에 장애가 된다. 장기적 관점에서 학생수요를 예측하기 위해서는 학령인구의 순이동 경향에 대한 파악이 선행되어야 한다. 따라서 본 연구는 지난 16년간 전국 인구이동자료를 바탕으로 시도별로 연령별 인구의 이동 경향을 파악하고 만 11세 인구를 대상으로 크리깅을 적용하여 전국규모의 순이동을 추정하였다. 분석결과, 학령인구의 연령별 순이동은 연령이 높아질수록 감소하 였다. 크리깅을 통해 추정한 결과, 만 11세 인구는 서울, 대구, 경기, 인천 등에서 높게 나타났으며, 서울 강남이나 대구 수성구와 같이 교육열이 높은 지역이나 송도 같은 신규 개발지로의 순이동 경향이 가시적으로 파악되었다. 이 연구는 전국을 범위로 장기간의 학령인구이동 경향을 제시하였다는데 의의가 있으며, 이는 국가차원의 교육 계획 수립에 기여할 수 있다.

최근 소규모 창업을 위한 상권분석, 지역 산업 수요 조사 등에 잠재적 서비스 인구 통계에 대한 수요가 점차 증가하고 있다. 하지만 센서스 조사와 같이 장기적 시간 간격을 두고 수행되는 방식으로는 현시성 있는 잠재적 서비스 수요를 파악하는데 한계가 있다. 개인의 모바일폰으로 수집되는 이동통신 빅데이터는 센서스 조사의 이러한 단점을 극복할 수 있으며, 실시간으로 변하는 지역 인구 분포와 유동성을 잘 보여줄 수 있다. 본 연구는 이동통신 빅데이터와 공간통계 기법을 이용하여 지역의 잠재적 서비스 수요인 현주인구를 추정하고자 한다. 이를 위해 먼저, 대구광역시를 사례로 한 민간 이동통신사가 제공하는 '서비스인구'의 성별, 연령별, 시간대별 분포 특성을 살펴보았고, 지역의 인구, 사회, 경제적 특성 변수에 기반한 일반회귀모델(OLS)과 공간회귀모델(SEM, SLM)을 이용하여 집계구별 현주인구를 추정하였다. 사례 분석 결과, 지역 특성을 반영하는 여러 통계 자료를 활용하여 해당 지역의 잠재적 서비스 수요 인구를 유의미하게 추정할 수 있었다. 또한 인구의 공간적 의존성을 명시적으로 반영하는 공간회귀모델이 현주인구를 추정하는데 가장 적합한 모델인 것으로 나타났다. 집계구 수준의 공간 단위에서 추정 오차도 유의미하게 작았으며, 연령별 현주인구의 추정값이 성별, 시간대별 현주인구에 비해 정확하게 산출되었다. 오차의 공간적 분포는 대체로 도심부에서 과대 추정이, 외곽 지역은 과소 추정이 나타났다. 이는 지역간 모바일폰 사용 행태와 이동성의 차이가 추정 정확성에 영향을 미칠 수 있음을 시사한다.