01분반 SEE조

프로젝트 개요

기술개발 과제

국문 : 서울형 환경정의지도(S-EJ Map):서울시를 대상으로 한환경취약성 지수 개발 및 시각화

영문 : Environmental Justice Mapping for Seoul:Developing and Visualizing and Environmental Vulnerability Index for Seoul, Korea

과제 팀명

SEE

지도교수

박승부 교수님

개발기간

2025년 9월 ~ 2025년 12월 (총 4개월)

구성원 소개

서울시립대학교 환경공학부·과 2022890062 장수빈(팀장)

서울시립대학교 환경공학부·과 2020890068 조수혁

서론

개발 과제의 개요

개발 과제 요약

현대 도시 계획 및 환경 정책 수립에 있어 데이터 기반의 의사결정은 필수적인 요소로 자리 잡고 있다. 특히 기후변화로 인한 환경 재난의 빈도와 강도가 증가함에 따라, 한정된 예산을 효율적으로 배분하고 환경 불평등을 해소하기 위한 과학적 도구의 필요서이 대두되고 있다. 본 과제는 이러한 사회적 요구에 부응하여 서울특별시 25개 자치구 및 각각의 행정동을 공간적 범위로 설정하고, 환경적 유해인자에 대한 부담(Environmental Burden)과 사회·경제적 취약성(Social Vulnerability)를 통합적으로 평가하는 서울형 환경정의 지수(Seoul Environmental Justice Index, 이하 S-EJ Index)를 개발하는 것을 목표로 한다. 더 나아가, 개발된 지수를 기반으로 정책 효과를 사전에 예측하는 시뮬레이션 기능을 탑재한 웹 기반 의사결정 지원 시스템인 S-EJ Map을 설계 및 구축하고자 한다.

개발 과제의 배경

국내에는 대기오염, 소음, 녹지 등 다양한 환경 데이터가 축적되어 있음에도 불구하고, 이를 인구 구조, 소득 수준 등 사회·경제적 데이터와 결합하여 지역 간 환경 불평등(Environmental Inequality) 문제를 정량적으로 진단하고 분석하는 통합 플랫은 부재한 실정이다. 개발적인 환경 모니터링 시스템은 존재하나, 사회적 취약계층이 환경 위험에 얼마나 노출되어 있는지를 복합적으로 보여주는 시스템은 부족한 상황이다. 또한 기후변화의 가속화 및 환경오염으로 인해 폭염, 침수, 미세먼지 등 환경 재난의 위험도가 급증하고 있으며, 이러한 위험은 공간적으로 균일하게 분포하지 않는다. 특히 저소득층, 고령자 등 사회적 취약계층이 밀접한 지역이 환경오염 및 재해 위험에 과도하게 노출되는 현상이 심화되고 있다.

한편, 미국 환경보호청(EPA)의 EJScreen이나 캘리포니아의 CalEnviroScreen과 같이 국외에서는 이미 환경 데이터와 인구통계 데이터를 융합 분석하여 취약 지역을 식별하고 예산을 우선 배분하는 과학적 행정 도구가 보편화되어 있다. 서울시는 세계적인 대도시임에도 불구하고 환경과 사회적 요인을 복합적으로 고려한 독자적인 환경정의 평가 모델이 부재하여, 한정된 예산을 환경 취약 지역에 효율적으로 배분하는 데 한계를 가지고 있다. 이에 따라 서울시의 고유한 도시 특성(높은 인구 밀도, 복잡한 토지 이용, 특정 재해 취약성 등)을 반영한 S-EJ Index의 개발이 필요할 것으로 판단된다.

개발 과제의 목표 및 내용

본 과제의 최종 목표는 서울시 환경 불평등 현황을 진단하고, 개선 정책의 효과를 예측할 수 있는 웹 기반 의사결정 지원 시스템인 S-EJ Map의 프로토타입을 개발하는 것이다.

공간적 범위: 서울특별시 전역 (25개 자치구 단위)
시간적 범위: 2022년 ~ 2024년 (최근 3개년 데이터)
핵심 기능

1. 환경정의 지수(EJ Index) 개발: 환경부담(EBI)과 사회적 취약성(SVI)을 결합한 독자적 산출 알고리즘 개발.

2. 정책 시뮬레이터 구축: 도시 숲 조성, 침수 예방 시설 확충 등 정책 변수 입력 시 EJ 지수의 변화를 정량적으로 예측.

3. 인터랙티브 시각화: Python 기반 공간정보 시각화 기술을 활용하여 웹상에서 지역별 환경정의 등급을 확인하는 대시보드 구현

기술개발 일정 및 추진체계

개발 일정

내용

구성원 및 추진체계

장수빈 : 포스터 제작, PPT 제작, 발표

조수혁 : EJ Index Map 제작, 발표

설계

설계사양

제품의 요구사항

본 시스템이 최종적으로 사용장게 제공해야 할 기능을 정의하고, 시스템이 준수해야 할 품질 및 제약 조건을 설정한다. 이는 무엇을 할 수 있어야 하는가를 정의하는 기능적 요구사양과 어떻게 수행해야 하는가를 정의하는 비기능적 요구사양으로 구분돈다.

설계 사양

1. 기능적 요구사양

기능적 요구사양은 사용자가 시스템을 통해 직접 수행하거나 경험하는 핵심 기능들을 상세하게 정의한다. 본 과제의 기능적 요구사양은 다음과 같다.

2. 비기능적 요구사양

비기능적 요구사양은 시스템의 성능, 품질, 신뢰성, 사용성 등 전반적인 품질 특성을 정의한다. 본 과제의 비기능적 요구사양은 다음과 같다.

3. QFD

사용자의 요구사항(What)을 시스템의 공학적 설계 특성(How)으로 변환하여, 각 기능의 우선순위를 개발 역량에 집중하기 위해 품질기능전개(QFD) 분석을 수행했다.

개념설계안

1. 시스템 아키텍쳐

본 시스템은 데이터의 수집, 처리, 표현을 담당하는 3-계층 아키텍처(3-Tier Architecture)로 설계하여 유지보수성과 확장성을 확보하였다.

2. 데이터베이스 설계

데이터베이스는 공간 데이터와 속성 데이터를 효율적으로 조인(Join)하고 관리하기 위해 정규화된 스키마로 설계되었다.

districts_geo: 자치구 코드(PK), 자치구 명칭, 경계 폴리곤(Geometry) 정보를 저장하여 공간 연산의 기준이 된다.
env_indicators: 자치구 코드(FK), 연도, PM2.5, NO2, 녹지 접근성 비율, 홍수 위험도, 폭염 일수 등 환경 부담 지표를 저장한다.
soc_indicators: 자치구 코드(FK), 연도, 14세 미만 인구 비율, 65세 이상 인구 비율, 기초생활수급자 비율 등 사회적 취약성 지표를 저장한다.

이론적 계산 및 시뮬레이션

내용

상세설계 내용

1. EJ Index 산출 로직

환경정의 지수는 과학적 타당성을 확보하기 위해 다음 3단계를 거쳐 산출된다.

지표 선정 및 전처리: 서울시의 특성을 반영하여 환경부담(미세먼지, 소음, 유해시설, 재해) 및 사회적 취약성(연령, 소득) 지표를 선정한다. 결측치는 공간 보간법 등을 통해 보정한다.
정규화: 서로 다른 단위를 가진 데이터를 동일한 척도(0~100)로 변환하기 위해 Min-Max 정규화를 적용한다. 이때 녹지 접근성과 같이 값이 클수록 긍정적인 지표는 역산 처리하여, 점수가 높을수록 취약함을 나타내도록 방향성을 통일한다.
지수 통합: 환경정의의 핵심 이론인 위험 증폭(Risk Amplification) 개념을 반영하여, 환경적 부담(EBI)과 사회적 취약성(SVI)을 곱셈으로 결합한다. 이는 취약계층이 환경 위험에 노출될 때 그 피해가 단순 합산보다 가중된다는 이론적 근거에 기반한다.

2. 시뮬레이션 알고리즘 상세

도시 숲 조성 시뮬레이터는 사용자가 특정 자치구에 신규 공원 면적을 입력했을 때의 효과를 계산한다. 이 시나리오는 녹지 접근성, 대기질, 기온 지표에 동시에 영향을 미친다. 녹지 접근성 변화에 따라, 추가된 면적만큼 자치구 내 녹지 비율이 상승한다고 가정하여 정규화 점수를 재산출한다. 또한 전체 주거 면적 대비 접근 가능 면적의 증가분을 반영한다. 선행 연구에 따르면 도시 녹지 공간이 25% 증가할 때 대기 중 PM 농도는 약 19% 감소한다. 이러한 대기질 개선 효과 특성을 선형화하여 단위 면적당 저감 계수를 적용한다.

여기서 단위 면적당 저감 계수는 연구 결과에 기반하여 0.76 (녹지 1% 증가 시 0.76% 감소)으로 보정하여 적용한다. 또한, 도시 숲은 주변 기온을 평균 3~7℃ 저감시키는 효과가 있다. 이러한 기온 저감 효과를 보수적으로 적용하여 폭염 일수 지표를 조정한다. 이때 폭염 일수 감소율은 기온 저감량에 비례한다고 가정한다. 최종적으로 갱신된 녹지, 대기, 폭염 지표를 대입하여 새로운 EBI를 계산하여 시뮬레이션 결과를 도출한다.

마찬가지로 재해(홍수) 저감 시뮬레이터의 경우, 투수성 포장 등 LID 시설 면적이나 빗물 저류조 용량을 입력받아 홍수 위험 지역 내 불투수층 비율 감소분을 계산하고 이를 통해 기존에 산정한 홍수 위험도 지표를 저감시켜 지수 변화를 예측한다. 미세먼지 저감 시뮬레이터는 도로 분진 흡입차 운행 확대 등 정책적 노력에 의한 도로 재비산먼지 저감 목표율을 사용자로부터 입력받아 대기질 지표를 직접 보정한다.

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

최종적으로 만들어진 EJ Map은 다음과 같다. 옆에는 toolbar를 만들어 원하는 지표의 지도를 확인 가능하게 만들었다.

시뮬레이터의 모습은 다음과 같다. 특정 행정동을 고르고, 원하는 오염물질을 선택한 후 저감 효율을 입력시 해당 행정동의 변화된 EJ 지수를 알 수 있다.

포스터

내용

완료작품의 평가

1. 통계적 유의성 분석 결과

개발된 EJ Index의 타당성을 검증하고 주요 영향 인자를 규명하기 위해, 각 세부 지표와 최종 EJ Index 간의 피어슨 상관계수를 분석하였다.

2. 분석 결과 고찰

상관분석 결과, S-EJ Index는 특정 단일 요인에 의해 편향되지 않고 다양한 요인이 복합적으로 작용하는 다차원적 지수로 설계되었음이 확인되었다.

우선 PM10(r=0.326)이 가장 높은 상관관계를 보인 것은 서울시 전역에서 미세먼지가 가장 보편적이고 심각한 환경 부담 요인으로 작용하고 있음을 보여준다. 이는 대기질 개선이 환경정의 실현을 위한 가장 시급한 과제임을 통계적으로 뒷받침한다. 그 다음으로 소득 취약성(r=0.227)과 14세 미만 인구 비율(r=0.283)이 유의미한 양의 상관관계를 나타냈다. 이는 본 지수가 단순히 물리적 오염도가 높은 지역을 찾는 것을 넘어, 경제적으로 어렵고 생물학적으로 민감한 계층이 거주하는 지역의 위험을 가중치 있게 반영하고 있음을 의미한다. 즉, 환경정의의 핵심 철학인 사회적 약자에 대한 배려가 지수 산출 모델에 적절히 구현되었음을 입증한다. 마지막으로, 폭염이나 SO2 등 일부 지표가 낮은 상관성이나 음의 상관관계를 보인 것은 서울시 자치구 단위에서는 해당 지표의 공간적 변이가 크지 않거나(상향/하향 평준화), 다른 강력한 요인(미세먼지, 소득 등)에 의해 상쇄되었을 가능성을 시사한다. 이는 향후 행정동 단위의 미시적 분석이나 가중치 재조정(AHP 분석 등)을 통해 모델을 고도화할 필요성을 제기하는 부분이기도 하다.

향후계획

본 과제를 통해 설계 및 구축된 S-EJ Map은 서울시의 환경, 재해, 사회 데이터를 융합하여 지역 간 환경 불평등을 정량적으로 규명하고 시각화하는 통합 플랫폼이다. EBI와 SVI의 곱셈 모델을 적용한 S-EJ Index는 소득 수준과 미세먼지 농도 등 주요 인자와 유의미한 상관관계를 보이며 서울시의 환경 취약 지역을 효과적으로 선별해내었으며, 정책 시뮬레이터는 데이터 기반의 과학적 행정을 지원하는 핵심 기능을 수행할 수 있음을 입증하였다.

특히 실제 통계에 기반한 경제성 분석 결과, 본 시스템은 저비용 고효율 구조를 통해 대기오염 및 기후 재난으로 인한 막대한 사회적 비용을 선제적으로 절감하는 데 크게 기여할 것으로 평가된다. 향후 과제로는 현재 자치구 단위인 분석 범위를 행정동 또는 격자 단위로 세분화하여 공간 해상도를 높이고, IoT 센서 데이터(S-DoT) 등 실시간 데이터를 연동하여 시스템의 시의성을 확보하는 것이 필요하다. 이러한 고도화를 통해 S-EJ Map은 서울시가 지향하는 '약자와 동행하는 매력적인 환경 도시'를 실현하는 데 필수적인 디지털 인프라로 자리매김할 것으로 기대된다.

특허 출원 내용

없음