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.

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.