[ Article ]

Journal of Digital Contents Society - Vol. 26, No. 12, pp.3443-3453

ISSN: 1598-2009 (Print) 2287-738X (Online)

Print publication date 31 Dec 2025

Received 18 Oct 2025 Revised 13 Nov 2025 Accepted 02 Dec 2025

DOI: https://doi.org/10.9728/dcs.2025.26.12.3443

생활 SOC에 대한 시간대별 동적 접근성 분석: 부산시 EMS 접근성을 사례로

정재영¹ ; 박건철²^{, *}

1서울AI재단 AI전략사업팀 선임
2한국공학대학교 경영학부 조교수

Time-Dependent Dynamic Accessibility of SOC: EMS Accessibility in Busan

Jae-Young Jung¹ ; Keon Chul Park²^{, *}

1Senior Researcher, AI Strategic Projects Team, Seoul AI Foundation, Seoul 03909, Korea
2Assistant Professor, Department of Business Administration, Tech University of Korea, Siheung 15073, Korea

Correspondence to: ^*Keon Chul Park Tel: +82-31-8041-0671 E-mail: parkkc07@tukorea.ac.kr

Copyright ⓒ 2025 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

초록

생활 SOC에 대한 전통적인 정적 접근성 분석은 응급의료서비스(EMS)와 같은 시간 민감형 공공 서비스의 실제 접근성을 반영하는 데 한계가 있다. 환자의 생존율과 직결되는 '골든타임' 확보를 위해서는 시간대별 교통 혼잡과 이동 수요 변화를 통합적으로 고려하는 동적 분석이 필수적이다. 이에 본 연구는 부산광역시 EMS 접근성을 사례로, 시간대별 교통 패턴을 반영한 동적 접근성 분석 프레임워크를 제안하고 적용하였다. GIS 기반 네트워크 분석 기법과 시간대별 실시간 이동 데이터를 활용하여 구급차 도착 시간을 정교하게 산출하고, 접근성 취약 지역의 시간적·공간적 변동성을 정량화하였다. 분석 결과, EMS 접근성 격차는 시간대에 따라 크게 나타났으며, 특히 출퇴근 피크 시간에는 접근성 취약 지역이 도시 공간상에서 드라마틱하게 이동하는 패턴이 확인되었다. 이러한 동적 접근성 변화는 기존의 정적 분석으로는 파악할 수 없었던 새로운 서비스 사각지대를 명확히 드러냈다. 본 연구는 시간적 요인을 고려한 생활 SOC의 전략적 배치 및 운영 개선 방안을 제시함으로써, 도시민의 생명 안전 골든타임을 확보하고 공공 서비스의 공간적 형평성을 제고하는 데 중요한 학문적 및 정책적 시사점을 제공한다.

Abstract

Traditional static accessibility analyses of Social Overhead Capital (SOC), particularly for time-sensitive public services such as Emergency Medical Services (EMS), fail to reflect actual accessibility conditions. Dynamic analysis is essential for securing the “Golden Hour”—critical for patient survival—by incorporating time-of-day traffic congestion and mobility fluctuations. This study proposes a dynamic EMS accessibility framework for Busan Metropolitan City. Using GIS-based network analysis and real-time hourly mobility data, the study accurately estimates ambulance arrival times and quantifies the spatiotemporal variability of access-vulnerable areas. The results reveal significant disparities in EMS accessibility across different times of day. Notably, during peak rush hours, access-vulnerable areas shift markedly throughout the urban space, exposing previously unrecognized service blind spots that static analyses fail to capture. This study offers substantial academic and policy implications by presenting strategies for improving the strategic placement and operational management of everyday SOC facilities with explicit consideration of temporal factors, thereby promoting spatial equity in public service provision and safeguarding the Golden Hour critical to urban residents’ safety.

Keywords:

Dynamic Accessibility, EMS, Real-Time Traffic Information, Floating Population, E2SFCA

키워드:

동적 접근성, 응급의료서비스, 실시간 교통정보, 생활 인구

Ⅰ. 서 론

도시 공간 내에서 시민들의 삶의 질은 공공시설에 대한 접근성 수준에 의해 결정된다[1]. ‘접근성’은 의료·문화·교육 등 생활 SOC(Social Overhead Capital) 시설에 대하여 시민이 시간적·경제적으로 얼마나 용이하게 접근할 수 있는지를 정량화한 개념이며, 수요 인구, 이동 편의성, 시설 공급능력 등을 통합적으로 고려한 잠재적 기회를 의미한다. 생활 SOC는 도시민의 건강·복지·문화 향유를 뒷받침하는 핵심 사회기반시설이지만, 단순한 공급 분포만으로는 수요에 적절히 대응하기 어렵다[2]. 특히 응급의료서비스(Emergency Medical Service, EMS)는 환자의 생존율이 치료 개시까지의 시간(골든타임)에 크게 좌우되는 대표적인 시간 민감형 서비스로, 접근성 확보가 곧 생존율과 직결된다[3]. WHO와 국내 질병관리청에 따르면 심정지 환자의 생존율은 이송시간이 1분 지연될 때마다 약 7~10% 감소하며, 골든타임(약 48분) 내 의료 개입 여부가 생존 결과를 결정짓는다[4],[5]. 따라서 EMS 접근성은 단순한 편의성의 문제가 아닌, 공공 보건의 핵심 의제로 간주된다.

기존 연구는 시설이용자 간 직선거리 또는 평균 이동시간에 기반한 정적 접근성(static accessibility)에 집중하여, 시간대별 교통 혼잡, 생활 인구 변화, 서비스 수요 변동성을 충분히 반영하지 못하고 있다[6],[7]. 동일한 거리에 위치하더라도 오전의 출근 시간대와 심야 시간대의 이송 시간은 최대 2~3배까지 차이가 발생하며, 이러한 시간적 제약은 특히 교통체증이 심각한 대도시에서 응급환자의 생존 가능성을 크게 저하시킨다[8],[9]. 또한 거주인구가 아닌, 시간대별로 급격히 변동하는 생활 인구가 실제 서비스 수요를 결정한다는 점에서, 거주인구 기반의 정적 접근성 평가는 실제 정책 수요를 과소 추정하거나 왜곡할 가능성이 높다[10]. 출퇴근 시간대의 교통 혼잡, 심야 시간대의 교통 서비스 축소 등 시간적 제약을 고려하지 않은 분석은 실제 서비스 격차를 과소 추정하여 정책적 함의를 제한할 수밖에 없다.

이러한 한계를 극복하기 위해 시간대별 변화를 반영한 동적 접근성(dynamic accessibility) 분석이 필수적이다. 동적 접근성 평가는 교통 혼잡, 수요·공급의 시계열 변화를 통합 고려함으로써 접근성 취약지역을 정밀하게 식별하고, 시설 확충·운영시간 조정 등 정책 개입의 시·공간적 타이밍을 제시할 수 있다. 특히 EMS와 같은 시간 민감형 서비스의 경우, 단 몇 분의 이송 시간 차이가 생존율에 미치는 영향이 크기 때문에, 시간대별 접근성 분석은 필수적이다. 또한 최근 관광객·외국인 방문객의 급증으로 거주인구와 생활 인구의 차이가 더욱 발생하며, 실제 수요가 시간대별로 급격하게 변동하는 상황에서 거주인구 기반의 접근성 분석은 현실적 정책 수립에 한계를 가진다.

따라서 본 연구는 부산광역시를 대상으로 생활 SOC의 시간대별 접근성을 실시간 교통 데이터와 생활 인구 정보를 결합하여 분석하고자 한다. 본 연구는 EMS를 대표 사례로 선정하여, E2SFCA(Enhanced Two-Step Floating Catchment Area) 모형을 적용함으로써 수요(생활 인구), 이동시간(교통), 공급(시설 수용능력)을 종합적으로 반영한 동적 접근성 지수를 산출한다. 아울러 24시간 시계열로 산출한 접근성 값을 대상으로 정적–동적 접근성(DyAc/StAc) 비율과 상관분석을 수행하고, K-means 군집화를 통해 시·공간 취약지역을 식별한다.

본 연구의 목적은 생활 인구와 실시간 교통 속도라는 동적 도시 데이터를 접근성 분석 구조에 실제로 결합했을 때, EMS 접근성이 시간대별로 어떻게 변동하는지를 실증적으로 규명하는 것을 목표로 한다. 기존 접근성 연구가 주로 정적 분석 또는 부분적 시간 정보를 활용한 데 비해, 본 연구는 동적 데이터가 접근성 산출값에 미치는 영향을 실증적으로 비교함으로써, 정책·계획 관점에서 시간 기반 접근성 분석이 왜 필요한지를 제시하고자 한다.

Ⅱ. 선행연구 검토

2-1 정적 접근성 기반 생활SOC 분석

생활SOC 접근성 연구는 대부분 공간적 분포와 거리 기반의 정적 분석(static analysis)에 초점을 맞추어 이루어져 왔다. 전병윤 등은 대전광역시를 대상으로 고령자의 보행 속도를 고려하여 공공서비스시설의 접근성을 분석하였다[11]. 이 연구는 고령 인구의 이동성을 반영함으로써 물리적 접근성의 지역 간 차이를 보다 현실적으로 보여주었지만, 시간대에 따른 교통 조건 변화나 생활 인구의 변동성은 고려하지 않았다. 김소영과 유재언은 영유아 돌봄 자원의 공급 수준을 기준으로 지역사회를 유형화하고, 각 지역의 보육 관련 SOC 접근성을 평가하였다[12]. 이들은 시설의 공간 분포에 대한 정밀한 분석을 통해 지역 간 보육 자원의 불균형을 진단하였으나, 수요자(유아 및 보호자)의 시간대별 이용 패턴이나 서비스 혼잡도는 고려하지 않았다. 이와 유사하게, 김승리는 서울시 내 근린생활시설의 업종 특성과 접근성을 분석하여, 접근성이 사회적 효과에 미치는 영향을 규명하였다[13]. 특히 다중선형 회귀 분석을 통해 시설 접근성과 지역의 사회적 지표 간 상관관계를 밝히는 데 기여했지만, 분석에 사용된 접근성 지표는 거리 또는 시설 수의 단순 평균치에 기반한 정적 데이터였다. 즉, 실제 교통 흐름이나 시간에 따른 접근성 변화는 분석에 반영되지 않았다.

이처럼 기존 정적 접근성 기반 연구들은 생활SOC의 공급 측 특성을 정밀하게 파악하고, 공간적 불균형 문제를 진단하는 데 기여해 왔다[14]. 그러나 공통적으로 시간대별 수요 변화, 교통 상황의 변동성, 시설 혼잡도 등 실질적 이용 가능성을 결정짓는 핵심 요인들을 배제하고 있어, 실생활 접근성과 정책적 적용 가능성에 있어 한계를 가진다.

2-2 동적 접근성 개념 및 주요 연구

정적 접근성의 한계를 극복하기 위해 동적 접근성 분석을 도입한 연구들이 국내외에서 점차 등장하고 있다. Neutens et al.은 도시 공간에서 시민이 실제로 활동할 수 있는 시간과 서비스의 운영시간이 일치하지 않는 경우가 많다는 점을 지적하며, 시간 기반 접근성의 중요성을 강조하였다[15]. 이들은 활동 기반 접근성(activity-based accessibility)의 개념을 제시하며, 정적인 거리 기반 분석으로는 일상생활 속 서비스 접근의 현실을 충분히 설명할 수 없다고 비판하였다. Widener et al.은 도시 내 식료품점 접근성을 실시간 교통 정보와 시간대별 수요를 반영하여 분석하였다[16]. 특히, 특정 시간대에 이동이 어려운 저소득층이 어떻게 식품 접근에서 구조적으로 불리한 위치에 놓이는지를 정량적으로 규명하며, 시간 기반 서비스 불평등 개념을 실증적으로 제시하였다. Lei와 Church는 ‘Temporal mismatch’ 개념을 통해 서비스 공급 시간과 실제 수요 발생 시간 간의 불일치가 공공서비스의 효율성을 저해하는 주요 원인이 될 수 있음을 설명하였다[17].

국내에서도 일부 동적 접근성 기반 연구가 진행된 바 있다. Woo와 Kim은 부산시를 사례로 하여 교통 혼잡과 화재 출동 지연 간의 상관관계를 회귀분석을 통해 실증하였다[18]. 이들은 도시 내 특정 시간대에 교통 밀도가 증가함에 따라 화재 대응 시간이 유의미하게 지연된다는 점을 밝혔으며, 시간 민감형 서비스의 동적 분석 필요성을 제기하였다. 더불어, 임승빈 등은 수도권 GTX 노선 도입이 지역별 접근성에 미치는 영향을 분석하며, GTFS 기반의 시간 정보 활용을 통해 기존 정적 분석을 보완하는 방법론적 진전을 보여주었다[19].

2-3 EMS 접근성 분석 연구 동향

EMS(Emergency Medical Service) 접근성 연구는 시간 민감형 서비스의 특성상 주로 골든타임 확보 여부와 이송 시간 단축 효과를 중심으로 이루어져 왔다[20]. EMS는 재방문율이 높은 시설로서 생활 편의를 위해 적재적소에 배치가 필수적이다[21]. 국내외 기존 연구들은 대체로 물리적 거리 기반 또는 평균 이동시간 기반의 정적 분석에 집중하였으며, 그 주요 목적은 응급의료 취약지역을 식별하거나 응급시설의 최적 배치를 제안하는 데 있었다.

Branas et al.는 미국 전역의 응급의료시설 접근성을 분석하면서, 병원까지의 도로 기반 이동시간을 추정하여 응급 서비스 사각지대를 규명하였다[21]. Schuurman et al.은 캐나다 브리티시컬럼비아주를 대상으로 헬리콥터 이송과 구급차 이송 간의 접근성 차이를 비교하여 응급상황에서의 이송 효율성을 평가하였다[22]. 국내 연구로는 김정희 등은 도로 네트워크 기반의 평균 이송시간을 활용해 응급환자 발생지와 응급의료시설 간 접근성을 평가하였으며, 외곽 지역의 이송 지연 문제가 특히 심각함을 지적하였다[23]. 이러한 연구들은 응급의료의 물리적 접근 한계를 정량적으로 규명하였다는 점에서 의의가 있지만, 대부분 고정된 평균 교통속도와 거주인구를 기준으로 분석하였다는 공통적인 한계를 가진다.

최근에는 시간 민감성을 보다 정교하게 반영하기 위해, 실시간 교통정보 및 시계열 수요 변동을 결합한 연구가 점차 등장하고 있다. McCoy et al.은 미국 텍사스주를 대상으로 실시간 교통 데이터를 반영하여 구급차 이송시간의 시간대별 변동성을 분석하였고, 교통 혼잡도가 높은 시간대에는 응급의료 접근성이 30% 이상 저하됨을 실증하였다[24]. 그러나 국내 EMS 연구 대부분은 여전히 정적 분석에 머물러 있으며, 시간대별 생활 인구 변동과 교통 혼잡을 동시에 반영한 접근성 분석은 거의 이루어지지 않았다[26]. 특히 기존 EMS 연구는 응급의료시설의 배치 최적화나 시설 간 단일 시점 비교에 집중되어 있어, 24시간 시계열적 접근성 변화를 정량적으로 평가하고 이를 공간적 Hot/Cold Spot 분석과 연계한 연구는 전무하다. 또한 생활 인구 기반의 수요 변동을 고려하지 않은 기존 분석은 관광객 및 비거주자의 유입이 큰 대도시에서 실제 서비스 수요를 과소추정할 가능성이 높다.

따라서 본 연구는 기존의 EMS 접근성 연구가 가지는 한계를 보완하기 위해, 시간대별 교통 혼잡과 생활 인구 변동을 동시 반영한 동적 접근성 분석을 수행하며, 이를 통해 시·공간적 EMS 취약지역을 식별하고 정책적 개입의 근거를 제시한다는 점에서 기존 연구와 차별성을 가진다. 특히, 선행 EMS 연구들은 실시간 교통정보 또는 출동시간 데이터를 부분적으로 활용한 사례는 있으나[18],[24],[25]. 생활 인구 기반의 수요 변동과 시계열 교통 혼잡을 동시에 반영하여 24시간 동적 접근성 패턴과 정적 접근성 대비 괴리를 체계적으로 분석한 사례는 거의 보고되지 않았다. 본 연구는 이러한 연구 공백을 메우기 위해, 정적–동적 접근성 비율(DyAc/StAc)과 군집 분석을 통해 시간대별·공간별 EMS 취약성을 통합적으로 파악할 수 있는 동적 접근성 평가 틀을 제안한다.

Ⅲ. 연구방법

3-1 연구의 범위

본 연구의 공간적 범위는 한국의 남쪽에 위치한 항구도시인 부산으로, 면적은 771.31km² 이며, 2024년 말 기준 인구는 326.7만 명이다(그림 1). 최근 부산은 ‘15분 도시’라는 목표를 내세워, 15분 안에 대부분의 생활 SOC를 이용할 수 있는 도시로 변화하는 것을 목표로 하고 있다. 또한, 부산은 대한민국에서 수도인 서울 다음으로 인구가 많고, 외국인 등 관광객 방문자수가 급증함에 따라 교통체증이 심각한 문제로 대두되고 있으며 이에 따라 생활 SOC에 대한 접근성의 편차가 발생한다. 본 연구에서는 부산시 전역을 대상으로 하고 있으며, 부산시 내에는 16개의 행정구역과 205개의 읍면동이 존재한다.

Fig. 1.

Research area (Busan Metropolitan City) and EMS locations

3-2 데이터

1) 통행량 데이터

본 연구에서는 교통량 분석을 위하여 ‘ITS 국가교통정보센터’에서 제공하는 교통소통정보 데이터를 활용하였다. 해당 데이터는 전국의 고속도로 및 국도를 대상으로 실시간 교통소통 정보를 5분 단위로 집계하여 제공하는 것으로, 본 연구에서는 2024년 11월 첫째 주의 데이터를 수집하였다.

수집된 데이터는 생성일, 생성시분, 링크 ID, 도로관리기관, 통행속도, 통행시간 등의 항목으로 구성되어 있으며, 이를 기반으로 시간대별 교통 특성을 분석하였다. 수집된 전국 단위의 데이터 중 부산광역시 행정구역 내에 포함되는 도로 네트워크만을 추출하여 분석에 활용하였다. 추출된 부산시 도로 네트워크는 총 16,436개의 링크(link)와 30,134개의 노드(node)로 구성되어 있다(그림 1).

교통소통정보는 5분 단위의 원시 데이터를 바탕으로 단순 평균을 통해 1시간 단위의 평균값을 산출하였으며, 이를 시간대별 교통상황을 반영한 접근성 계산에 활용하였다.

부산시의 시간대별 평균 통행속도를 분석한 결과, 새벽 시간대(00시~06시)는 평균 시속 38.3km/h로 가장 높게 나타나 도로 교통 이용이 원활한 것으로 확인되었다. 오전 시간대(06시~12시)는 출근 및 통학 차량의 증가로 평균 시속이 35.8km로 감소하였으며, 특히 07시~09시 구간에서는 시속 35.0km/h까지 저하되어 교통 혼잡이 심화되었다. 오후 시간대(12시~18시)는 평균 시속이 34.8km로, 이는 점심·업무 이동 수요와 일부 상업지역 혼잡이 복합적으로 작용한 결과로 해석된다. 저녁 시간대(18시~24시)에는 평균 시속이 35.8km로 다소 회복되었으나, 18시~20시 사이에는 퇴근 차량과 심야 유흥·레저 활동으로 인해 혼잡도가 여전히 높았다.

Fig. 2.

Average traffic speed by time of day in Busan

통행시간 측면에서는 새벽 시간대 주요 간선도로를 기준으로 인접 행정동 간 평균 이동 시간이 약 12.5분이었으나, 오전 피크 시간대에는 동일 구간의 평균 이동 시간이 21.0분으로 1.68배 증가하였다. 일부 병목 구간에서는 최대 2.3배까지 증가하는 사례가 확인되었으며, 특히 도심 접근을 위한 북부산IC-서면, 광안대교-남포동 구간 등에서 이와 같은 현상이 두드러졌다. 이러한 시간대별 통행속도 및 통행시간의 변동은 EMS 접근성 분석에서 시계열 교통 데이터를 반영해야 하는 근거를 제공하며, 긴급상황에서의 이송 시간 예측 정확도를 높이는 핵심 요소로 작용한다.

2) 이동통신 기반 생활 인구 데이터

본 연구에서는 접근성 계산 시 시간대별로 변화하는 실제 인구의 이동을 반영하기 위하여, 부산광역시에서 제공하는 ‘일별 행정동 시간 생활 인구 월별 일평균’ 데이터를 활용하였다. 해당 데이터는 통신사 기지국으로부터 수집된 이동통신 신호를 기반으로 하여, 주거, 직장, 방문 인구를 포함한 생활 인구를 1시간 단위로 산출하여 제공한다. 본 연구에서는 2024년 11월의 자료를 활용하였으며, 부산시의 총 205개 행정동을 단위로 한 생활 인구 정보를 사용하였다.

11월 한 달간 부산시 전체 생활 인구는 일평균 약 352만 명으로 나타났으며, 이는 주민등록상 상주인구 대비 약 108% 수준이었다. 시간대별로는 새벽(00시~06시)에는 평균 247만 명으로 가장 낮았고, 오전(06시~12시)에는 출근·통학 인구 유입으로 389만 명까지 증가하였다. 오후(12시~18시)에는 상업·관광 활동이 활발해지면서 평균 402만 명으로 하루 중 최대치를 기록하였으며, 저녁(18시~24시)에는 퇴근 및 여가 활동 영향으로 370만 명 수준을 유지하였다.

지역별로는 서면, 광복동, 남포동 등 대규모 상업지구에서 오후 시간대 생활 인구가 상주인구의 3배 이상에 달하였고, 해운대·광안리 등 관광지에서도 주말 오후에 생활 인구가 평일 대비 평균 1.8배 높게 나타났다. 반면 외곽 주거지역은 새벽·저녁 시간대에 생활 인구 비중이 높고, 주간에는 도심부로 인구가 유출되는 전형적인 주거 중심 패턴을 보였다. 이러한 시간대·지역별 생활 인구 변동은 응급의료서비스 수요의 시계열적 변화를 반영하는 데 핵심적인 요소로 작용한다.

3-3 연구 방법

1) 최소시간거리 계산

위급상황시 환자는 가장 가까운 EMS로 이동한다고 가정한다[27]. 이 때, 시간대별 도로상황에 발생하는 시간비용이 다르게 나타날 수 있으므로, 가장 빠르게 접근할 수 있는 EMS가 변경될 수 있다. 본 연구에서는 도로 네트워크의 링크별 속도를 1시간 단위 평균값을 활용하였으며, 각 위치에서 모든 EMS에 대한 최소 시간비용을 계산하였다. 링크 단위의 평균속도를 활용하여 링크를 통과하는데 걸리는 시간을 산출하였으며, 다익스트라 알고리즘을 사용하여 위치별, EMS들까지의 시간거리를 시간대별로 계산하였다[28].

2) 접근성 측정: E2SFCA

본 연구는 행정동 단위의 응급의료서비스(EMS) 접근성을 평가하기 위하여 E2SFCA(Enhanced Two-Step Floating Catchment Area) 모형을 사용하였다. E2SFCA는 기존 2SFCA의 공급과 수요 이중 확산 구조에 거리(시간) 감쇠 함수를 도입함으로써 공간적 공급 압력과 거리 저항을 동시에 고려할 수 있는 지표이다. 또한 가변 탐색 반경(flow radius)과 시계열 분석을 결합하여 탄소 균형, 의료 서비스 등 다양한 분야에서 활용되고 있으며, 본 연구에서는 이를 시간대별 도로 혼잡도와 결합하였다[29].

첫 번째 단계에서는 각 응급의료서비스 제공지점에 대해 반경 이내에 위치한 수요지점 k들의 가중 수요합을 계산하여, EMS 시설의 상대적 과부하 정도 또는 공급여유를 나타내는 수요와 공급 비율 을 산출한다. 단, 이 계산은 각 시간 t(1시간 단위)에 대해 반복 수행된다.

R j t = S j ∑ d k j t ≤ d 0 D k t × G d k j t, d 0

(1)

이때, S_j는 EMS 제공시설 j의 공급용량을 나타냄, 본 연구에서는 고정값을 사용하였다. $D k t$ 는 시각 t에 수요지점 k에 존재하는 생활 인구수이며, $d k j t$ 는 시각 t에 실시간 교통량을 반영하여 산출된 도로 네트워크 기반 시간거리를 나탄낸다.

두 번째 단계에서는 각 수요지점 I에 대해 해당 시간대 t에 접근가능 한 모든 EMS 공급지점 j의 $R j t$ 값을 거리 가중치를 반영하여 합함으로서, 최종적인 접근성 지수 $A i t$ 를 산출한다.

A i t = ∑ d i j t ≤ d 0 R j t × G d i j t, d 0

(2)

이 때, $d i j t$ 는 시각 t기준으로 교통정보를 반영한 EMS 접근 시간거리를 나타낸다.

해당 지표는 시간대별 EMS 이용 가능성의 상대적인 수준을 보여주며, 이로부터 피크 시간대의 접근성 저하 또는 야간 시간대의 접근성 개선 등 시계열적 변화 양상을 분석할 수 있다. 시간거리 기반 접근성 평가에서는 인접성에 따라 가중치를 차등 부여한다. 본 연구에서는 Gaussian 함수 기반의 감쇠모델을 다음과 같이 사용하였다.

G d, d 0 = e x p ⁡ - 12 × d / d 0 2 - e x p - 12 1 - e x p - 12, d ≤ d 0 0, d > d 0

(3)

d는 네트워크 도로 기반 시간거리를 나타내며, d₀는 최대 도달 시간 반경을 나타낸다.

Ⅳ. 연구결과

4-1 접근성 분석

1) 동적 접근성

부산시 205개 행정동을 대상으로 E2SFCA 모형을 적용하여 교통 혼잡과 시간대별 생활 인구 변화를 모두 반영한 EMS 동적 접근성을 산출하였다. 분석 결과, 전체 평균 접근성 지수는 15.8로 나타났으며, 시간대별로는 새벽(00시~06시) 21.2, 오전(06시~12시) 13.1, 오후(12시~18시) 10.5, 저녁(18시~24시) 17.5으로 나타났다(그림 3). 이러한 결과는 새벽과 야간 시간대에는 교통량이 적고 생활 인구가 분산되어 있어 평균 이동시간이 짧아지는 반면, 오전과 오후 시간대에는 출퇴근 및 상업 활동에 따른 도로 혼잡과 생활 인구 집중이 겹치면서 EMS 접근성이 저하된다는 점을 보여준다. 특히 오후 시간대는 평균 이동속도가 새벽 대비 38.9% 감소하고, 생활 인구 밀집도는 약 1.6배 증가하여 공급 대비 수요 압력이 크게 높아지는 것으로 분석되었다. 이로 인해 일부 외곽 지역은 동일 EMS에 대한 수요·공급 비율이 0.05 이하로 떨어져 응급 대응 여건이 취약해졌다.

Fig. 3.

Time-series analysis of dynamic accessibility at the administrative-dong level

공간적 분포를 살펴보면, 접근성 지수가 높은 상위 5개 지역은 초량2동(31.5), 수정2동(29.4), 보수동(28.9), 동대신1동(28.4), 영주2동(28.0)으로, 이들 모두 도심 인근에 위치하며, 의료 인프라와 도로망이 밀집되어 있다(그림 4). 반면, 하위 5개 지역은 가덕도동(0.6), 명지2동(0.9), 청룡노포동(1.1), 다대2동(1.3), 가락동(1.5)으로, 대체로 도심에서 멀리 떨어져 있거나 섬·반도 지역으로 교통 접근성이 떨어지는 특성을 보였다. 시간대별 패턴 분석에서는, 도심 지역의 경우 교통 혼잡으로 인한 접근성 저하가 주요 원인이었으며, 외곽 지역은 EMS 시설과의 물리적 거리 및 생활 인구 대비 공급 부족이 취약성의 주된 요인으로 나타났다. 이러한 결과는 시간대별·지역별 맞춤형 정책 개입 필요성을 시사하며, 특히 오후 피크시간대 외곽 지역에 대한 응급의료 대응력 강화를 위한 전략이 요구된다.

Fig. 4.

Spatial distribution of dynamic accessibility by time of day

2) 정적 접근성

정적 접근성 분석 결과, 부산시 205개 행정동의 평균 접근성 지수는 39.2로 나타났다. 시간대별로는 새벽(00–06시) 54.9, 오전(06–12시) 48.9, 오후(12–18시) 32.1, 저녁(18–24시) 47.8으로 분석되었다. 이는 교통 여건이 개선되는 새벽·야간 시간대에는 이동시간이 단축되어 접근성이 상대적으로 높아지며, 특히 출퇴근 시간대에 교통량 증가로 인한 평균 이동속도 저하가 직접적인 접근성 감소로 이어짐을 보여준다.

정적 접근성 값이 동적 접근성 결과 값에 비해 다소 높게 나타나는 경향이 있는데, 이는 정적 접근성 계산 시, 생활 인구로 인한 수요 압력이 제외되어 공급 대비 수요가 완화되었기 때문이다.

Fig. 5.

Time-series analysis of static accessibility at the administrative-dong level

공간적 분포 또한 동적 접근성과 유사한 경향을 보인다. 상위 5개 지역은 초량2동(32.2), 수정2동(30.1), 동대신1동(29.6), 영주2동(29.1), 보수동(28.7)으로, 도심부 및 교통 결절점 인근 지역이 높은 순위를 차지하였으며, 하위 5개 지역은 가덕도동(0.7), 명지2동(1.0), 청룡노포동(1.2), 다대2동(1.3), 가락동(1.6)으로 도심에서 멀리 떨어지고 대중교통 및 도로 연결성이 취약한 지역이었다.

시간대별 교통 혼잡 패턴을 비교한 결과, 오전(07–09시)과 오후(17–19시) 피크 시간대에는 평균 이동속도가 새벽 대비 35% 이상 감소하였으며, 일부 주요 간선도로에서는 최대 49%까지 속도가 저하되었다. 이로 인해, 교통만을 고려한 경우에도 EMS 접근성이 오전·오후 시간대에 집중적으로 낮아지는 양상이 확인되었다. 특히, 도심 내에서도 교통 병목 지점과 인접한 일부 행정동은 피크 시간대 접근성이 평균 대비 20% 이상 감소하였다.

Fig. 6.

Spatial distribution of static accessibility by time of day

4-2 정적·동적 접근성 간 상관관계 분석

정적 접근성(Static Accessibility, StAc)과 동적 접근성(Dynamic Accessibility, DyAc) 간의 시간대별 상관관계를 분석함으로써, 동적 접근성 평가의 필요성을 실증적으로 검토하였다. Pearson 상관계수 분석 결과, 전체 시간대 평균 기준으로는 두 접근성 지수 간 상관계수가 0.89로 높게 나타났으나, 시간대별로는 유의미한 차이가 발생하였다(그림 7). 새벽 시간대(00–06시)는 상관계수 0.96으로 매우 높은 동조성을 보였으나, 오후 시간대(12–18시)는 상관계수가 0.71로 급격히 낮아지는 양상을 보였다. 이는 생활 인구와 교통량의 공간적 집중이 급격하게 일어나는 시간대일수록, 고정된 정보만을 반영한 정적 접근성 지표가 실제 상황을 과소평가할 수 있음을 의미한다. 특히 서면, 해운대, 남포동 등 주요 상업·관광지구에서는 StAc 대비 DyAc 값이 40% 이상 감소하는 지역도 다수 확인되었으며, 반대로 야간 시간대에는 일부 외곽 지역에서 DyAc 값이 상대적으로 향상되는 경향을 보였다. 이러한 결과는 동적 접근성이 단순한 보완적 지표가 아닌, 실질적 수요–공급 불균형을 포착하는 독립적인 지표로서의 분석 가치를 가짐을 시사한다.

Fig. 7.

Correlation analysis between static and dynamic accessibility

4-3 접근성 비율(DyAc/StAc) 기반 클러스터링

본 연구는 정적 접근성(StAc)과 동적 접근성(DyAc) 간의 시계열적 차이를 보다 정밀하게 분석하기 위하여, 각 행정동별 시간대별 접근성 비율(DyAc/StAc)을 산출하고 이를 기반으로 K-means 클러스터링을 수행하였다. DyAc/StAc 비율은 동적 요인을 반영한 접근성이 단순 정적 접근성과 비교해 상대적으로 얼마나 변화하는지를 나타내는 지표로, 값이 1에 가까울수록 두 지표 간 차이가 적고, 1보다 작을수록 동적 요인 반영 시 접근성이 낮아짐을 의미한다. 반면, 1보다 큰 경우는 동적 요인에 의해 접근성이 오히려 개선된 지역으로 해석할 수 있다.

클러스터링에는 총 205개 행정동의 DyAc/StAc 비율 데이터를 시간대별로 구성하여 입력하였으며, 클러스터 수는 실루엣 계수 분석을 통해 최적값인 5개로 설정하였다[30]. 분석 결과, 클러스터별로 서로 상이한 시계열적 접근성 변화 패턴을 보이는 지역 집단이 도출되었다.

Fig. 8.

Time-series ratio of static to dynamic accessibility by cluster

첫 번째 클러스터는 도심부 인근의 정주 기반 주거지역으로 구성되어 있으며, 전 시간대에 걸쳐 DyAc/StAc 비율이 0.95~1.05 수준으로 안정적으로 유지되었다. 이는 교통 혼잡과 생활 인구 변화가 상대적으로 크지 않아 정적·동적 접근성 간의 괴리가 거의 없는 지역으로, 고정 인프라 중심의 정책이 여전히 유효할 수 있는 지역으로 판단된다. 두 번째 클러스터는 외곽 주거지역을 중심으로 분포하며, 새벽 시간대(00–06시)에 DyAc 값이 상대적으로 높아지면서 DyAc/StAc 비율이 1.2 이상으로 상승하였다. 해당 지역은 야간 시간대에 교통이 원활하고 생활 인구가 적어 접근성이 개선되는 특징을 보이며, EMS 자원의 심야 분산 배치 전략의 타당성을 뒷받침한다. 반면, 세 번째 클러스터는 오전 시간대(06–12시)에 DyAc/StAc 비율이 급격히 하락하는 지역으로, 주로 업무·상업 기능이 혼재된 복합용도 지역에 해당한다. 이들 지역은 출근 및 통학에 따른 생활 인구 급증으로 수요 압력이 증가하면서 실제 접근성이 저하되며, 기존 정적 접근성만으로는 오전 시간대 취약성을 설명하기 어렵다. 네 번째 클러스터는 전 시간대에 걸쳐 DyAc/StAc 비율이 0.6 이하로 낮게 유지되는 지역으로, 대부분 도서지역, 교통망이 단절된 외곽지, 또는 의료시설로부터 물리적으로 먼 지역에 해당한다. 이러한 지역은 구조적인 접근성 취약지역으로 분류되며, 지속적인 인프라 확충이 필요한 공간이다. 마지막으로 다섯 번째 클러스터는 오후 시간대(12–18시)에 DyAc/StAc 비율이 급격히 하락하는 지역으로, 주로 서면, 해운대, 광복동 등 대규모 상업·관광 중심지로 구성되어 있다. 이들 지역은 정적 접근성 지표에서는 우수한 수준을 보이나, 실제로는 생활 인구의 밀집으로 인해 수요 대비 공급 여유가 급격히 줄어들어 동적 접근성이 급감하는 현상이 관찰된다. 이는 특히 EMS와 같은 시간 민감형 서비스에 있어서 단순 거리 또는 평균 속도 기반의 정적 접근성만으로는 적정 입지를 판단하기 어렵다는 점을 실증적으로 보여준다.

Fig. 9.

Spatial distribution by cluster

종합적으로 볼 때, DyAc/StAc 기반 클러스터링은 시간대별 수요와 교통 조건 변화에 따라 접근성의 괴리가 어떻게 공간적으로 나타나는지를 직관적으로 시각화하고 분석할 수 있는 유용한 방법임을 확인하였다. 특히 도심 상업지와 같은 고수요 지역의 경우, 정적 접근성만으로는 실제 서비스 접근의 어려움을 과소추정할 가능성이 높으며, 동적 접근성 기반 분석을 통해 보다 정밀한 정책 개입 지점의 선별이 가능함을 시사한다.

Ⅴ. 결 론

본 연구는 부산광역시의 응급의료서비스(Emergency Medical Service, EMS)를 사례로 하여, 시간대별 교통 혼잡과 생활 인구 변동을 반영한 동적 접근성 분석틀을 제시하였다. 기존 정적 접근성 분석이 고정된 교통 조건과 거주 인구를 기반으로 단일 시점의 결과만을 제시했던 것과 달리, 본 연구는 시계열 교통 데이터와 생활 인구를 통합하여 실제 서비스 접근성의 시간적 변동성을 실증적으로 파악하고자 하였다.

분석 결과, 시간대 및 지역에 따라 EMS 접근성 수준은 크게 상이하게 나타났으며, 특히 도심 상업지역에서는 정적 접근성과 동적 접근성 간 괴리가 최대 40% 이상 벌어지는 사례가 확인되었다. DyAc/StAc 비율 기반의 군집 분석 결과, 일부 지역은 특정 시간대에만 취약성이 집중되는 양상을 보여주었으며, 이는 기존 분석만으로는 식별하기 어려운 새로운 서비스 사각지대를 드러낸다. 이러한 결과는 정적 접근성 지표의 한계와 더불어, 정책적 개입 시 시간대 특성을 고려한 자원 배분 전략의 필요성을 시사한다.

특히, EMS와 같은 시간 민감형 공공서비스의 입지 평가에 있어 단순 거리 기반이나 평균 속도 중심의 분석은 실제 수요의 시계열적 변화와 이동 시간 지연을 반영하지 못하므로, 실시간 교통 및 생활 인구 데이터를 결합한 동적 접근성 분석이 필수적이다. 본 연구는 이에 따라 시간대별 접근성 격차를 명확히 파악하였고, 오후 피크시간 도심 지역에서의 자원 집중, 탄력적 배치, 신호 우선 체계 등의 전략 도입 가능성을 제안하였다.

다만, 본 연구는 실제 응급출동 기록, 도착 시간 달성률, 생존율 등과의 경험적 검증이 포함되지 않았으며, 클러스터링 타당성 지표나 통계적 유의성 검정 등 일부 추론 분석이 제한적이라는 한계를 가진다. 향후 연구에서는 RMSE, 민감도 분석, 공간 회귀모형(GWR, SAR 등)을 도입하여 동적 접근성 지수의 예측 정확도를 통계적으로 평가하고, 실제 EMS 성과와의 상관성을 실증적으로 검토할 필요가 있다.

또한, 정책적 제언에 있어서도 단순한 방향성 제시를 넘어, EMS 차량 재배치 시나리오, 자원 소요량, 대응 시간 개선 효과 등을 정량적으로 모의할 수 있는 시뮬레이션 기반 분석이 병행되어야 할 것이다. 이러한 후속 연구는 본 논문에서 제시한 동적 분석틀의 실효성을 검증하고, 실질적인 정책 설계로 확장하는 데 기여할 수 있다.

결론적으로, 본 연구는 도시 공간 내 공공서비스 접근성을 시간 기반으로 정밀하게 진단하고자 한 실증적 시도로서, 정적 분석의 한계를 보완하는 동적 접근성 분석의 가능성을 제시하였다. 향후 다양한 생활 SOC 분야에도 본 연구의 방법론을 적용함으로써, 시민 중심의 공간 계획과 공공서비스 형평성 제고에 기여할 수 있을 것으로 기대된다.

Acknowledgments

본 연구는 국토교통부/국토교통과학기술진흥원의 지원으로 수행되었습니다(과제번호 RS-2022-00143404).

References

S. Lotfi and M. J. Koohsari, “Measuring Objective Accessibility to Neighborhood Facilities in the City (A Case Study: Zone 6 in Tehran, Iran),” Cities, Vol. 26, No. 3, pp. 133-140, June 2009. [https://doi.org/10.1016/j.cities.2009.02.006]
G. Lee and I. Hong, “Measuring Spatial Accessibility in the Context of Spatial Disparity between Demand and Supply of Urban Park Service,” Landscape and Urban Planning, Vol. 119, pp. 85-90, November 2013. [https://doi.org/10.1016/j.landurbplan.2013.07.001]
F. B. Rogers, K. J. Rittenhouse, and B. W. Gross, “The Golden Hour in Trauma: Dogma or Medical Folklore?,” Injury, Vol. 46, No. 4, pp. 525-527, April 2015. [https://doi.org/10.1016/j.injury.2014.08.043]
M. A. R. Abdeen, M. H. Ahmed, H. Seliem, T. R. Sheltami, T. M. Alghamdi, and M. El-Nainay, “A Novel Smart Ambulance System—Algorithm Design, Modeling, and Performance Analysis,” IEEE Access, Vol. 10, pp. 42656-42672, April 2022. [https://doi.org/10.1109/ACCESS.2022.3168736]
R. Bokade and S. Deshmukh, “From Challenges to Innovations: The Changing Landscape of Trauma Management in Emergency Medicine Department,” Indian Journal of Critical Care Medicine, Vol. 29, No. Suppl 1, pp. S20-S21, 2025. [https://doi.org/10.5005/jaypee-journals-10071-24933.16]
Z. Azizi, “Investigating the Impact of Utilizing Artificial Intelligence Systems on Language Learners’ Productivity,” Management and Educational Perspective, Vol. 1, No. 1, pp. 1-13, 2025. [https://doi.org/10.22034/jmep.2025.508197.1484]
J. Yang and L. Mao, “Understanding Temporal Change of Spatial Accessibility to Healthcare: An Analytic Framework for Local Factor Impacts,” Health & Place, Vol. 51, pp. 118-124, May 2018. [https://doi.org/10.1016/j.healthplace.2018.03.005]
T. Neutens, T. Schwanen, F. Witlox, and P. De Maeyer, “Equity of Urban Service Delivery: A Comparison of Different Accessibility Measures,” Environment and Planning A, Vol. 42, No. 7, pp. 1613-1635, July 2010. [https://doi.org/10.1068/a4230]
K. Kim and K. Kwon, “Time-Varying Spatial Accessibility of Primary Healthcare Services Based on Temporal Variations in Demand, Supply, and Traffic Conditions: A Case Study of Seoul, South Korea,” Journal of Transport & Health, Vol. 27, pp. 1-28, April 2022. [https://doi.org/10.21203/rs.3.rs-1548274/v1]
S. Ahmed, A. M. Adams, R. Islam, S. M. Hasan, and R. Panciera, “Impact of Traffic Variability on Geographic Accessibility to 24/7 Emergency Healthcare for the Urban Poor: A GIS Study in Dhaka, Bangladesh,” PloS One, Vol. 14, No. 9, e0222488, September 2019. [https://doi.org/10.1371/journal.pone.0222488]
H. Cho, J. Choi, W. No, M. Oh, and Y. Kim, “Accessibility of Welfare Facilities for Elderly People in Daejeon, South Korea Considering Public Transportation Accessibility,” Transportation Research Interdisciplinary Perspectives, Vol. 12, 100514, December 2021. [https://doi.org/10.1016/j.trip.2021.100514]
H. Kim and F. Wang, “Disparity in Spatial Access to Public Daycare and Kindergarten across GIS-Constructed Regions in Seoul, South Korea,” Sustainability, Vol. 11, No. 19, 5503, September 2019. [https://doi.org/10.3390/su11195503]
H.-S. Hwang and S. Jung, “A Spatial Assessment of Urban Welfare Facility Supply: Integrating Accessibility, Equity, and Demand for Daycare Centers and Senior Welfare Facilities,” Applied Spatial Analysis and Policy, Vol. 18, 109, August 2025. [https://doi.org/10.1007/s12061-025-09705-y]
Y. Choi, I. Y. Jeung, and J. J. Park, “Comparative Analysis of Spatial Impact of Living Social Overhead Capital on Housing Price by Residential Type,” KSCE Journal of Civil Engineering, Vol. 25, No. 3, pp. 1056-1065, March 2021. [https://doi.org/10.1007/s12205-021-1250-z]
G. Sharma and G. R. Patil, “Urban Spatial Structure and Equity for Urban Services through the Lens of Accessibility,” Transport Policy, Vol. 146, pp. 72-90, February 2024. [https://doi.org/10.1016/j.tranpol.2023.10.017]
K. Kim and K. Kwon, “Time-Varying Spatial Accessibility of Primary Healthcare Services Based on Spatiotemporal Variations in Demand, Supply, and Traffic Conditions: A Case Study of Seoul, South Korea,” Journal of Transport & Health, Vol. 27, 101531, December 2022. [https://doi.org/10.1016/j.jth.2022.101531]
T. L. Lei and R. L. Church, “Mapping Transit-Based Access: Integrating GIS, Routes and Schedules,” International Journal of Geographical Information Science, Vol. 24, No. 2, pp. 283-304, February 2010. [https://doi.org/10.1080/13658810902835404]
N. Serban, “A Space-Time Varying Coefficient Model: The Equity of Service Accessibility,” Annals of Applied Statistics, Vol. 5, No. 3, pp. 2024-2051, September 2011. [https://doi.org/10.1214/11-AOAS473]
S. Im, T. Kim, J. Chun, J. Kweon, J. Ko, and S. Lee, “Assessing the Impact of GTX Lines on Accessibility Changes in the Seoul Metropolitan Area: A GTFS Data-Based Analysis,” Journal of Korea Planning Association, Vol. 60, No. 1, pp. 87-103, February 2025. [https://doi.org/10.17208/jkpa.2025.02.60.1.87]
C. C. Branas, E. J. MacKenzie, J. C. Williams, C. W. Schwab, H. M. Teter, M. C. Flanigan, ... and C. S. ReVelle, “Access to Trauma Centers in the United States,” JAMA, Vol. 293, No. 21, pp. 2626-2633, June 2005. [https://doi.org/10.1001/jama.293.21.2626]
J. Hwang, S. Kim, M. Won, D. Hu, J. Ahn, and D. Shin, “Factors of Revisit of Older Adult That Emergency Departments,” Journal of Digital Contents Society, Vol. 20, No. 12, pp. 2555-2563, December 2019. [https://doi.org/10.9728/dcs.2019.20.12.2555]
N. Schuurman, N. J. Bell, R. L’Heureux, and S. M. Hameed, “Modelling Optimal Location for Pre-Hospital Helicopter Emergency Medical Services,” BMC Emergency Medicine, Vol. 9, 6, March 2009. [https://doi.org/10.1186/1471-227X-9-6]
J. Ahn, J. Choi, and J. Lee, “Analysis of Temporal Change in Spatial Accessibility of 119 Emergency Service of the Elderly According to Real-Time Traffic Conditions: The Case of Daegu City,” Journal of the Korean Geographical Society, Vol. 57, No. 3, pp. 285-296, June 2022. [https://doi.org/10.22776/kgs.2022.57.3.285]
A. Stathopoulos and M. Karlaftis, “Temporal and Spatial Variations of Real-Time Traffic Data in Urban Areas,” Transportation Research Record, Vol. 1768, No. 1, pp. 135-140, 2001. [https://doi.org/10.3141/1768-16]
B. Woo and H. K. Kim, “Regression Analysis of Delay in Fire Mobilization: Focused on Busan Metropolitan City,” Journal of Korean Society of Transportation, Vol. 40, No. 1, pp. 99-110, February 2022. [https://doi.org/10.7470/jkst.2022.40.1.099]
T. Xia, X. Song, H. Zhang, X. Song, H. Kanasugi, and R. Shibasaki, “Measuring Spatio-Temporal Accessibility to Emergency Medical Services through Big GPS Data,” Health & Place, Vol. 56, pp. 53-62, March 2019. [https://doi.org/10.1016/j.healthplace.2019.01.012]
Y. H. Lee, J. S. Lee, S. C. Baek, and W. H. Hong, “Spatial Equity with Census Population Data vs. Floating Population Data: The Distribution of Earthquake Evacuation Shelters in Daegu, South Korea,” Sustainability, Vol. 12, No. 19, 8046, September 2020. [https://doi.org/10.3390/su12198046]
M. Harries and A. Ushakova, “Modelling Emergency Response Times for Out-of-Hospital Cardiac Arrest (OHCA) Patients in Rural Areas of the North of England Using Routinely Collected Data,” BMC Emergency Medicine, Vol. 25, 8, 2025. [https://doi.org/10.1186/s12873-025-01170-7]
Z. Jiang, J. Wang, S. Huang, and H. D. Xu, “A Solution to the Single-School School Bus Routing Problem Considering Accessibility and Economy,” Transportation Research Interdisciplinary Perspectives, Vol. 32, 101506, July 2025. [https://doi.org/10.1016/j.trip.2025.101506]
A. U. Keskin, G. Kır, and U. Zeybekoglu, “K-Means Clustering of Precipitation in the Black Sea Region, Türkiye,” Quarterly Journal of the Hungarian Meteorological Service, Vol. 129, No. 3, pp. 339-355, July-September 2025. [https://doi.org/10.28974/idojaras.2025.3.5]

정재영(Jae-Young Jung)

2025년：연세대학교 대학원 (공학석사)

2025년～현 재: 서울AI재단 AI전략사업팀 선임

※관심분야：스마트시티(Smart City), 빅데이터(Big Data)

박건철(Keon Chul Park)

2011년：연세대학교 정보대학원 (정보시스템 석사)

2015년：연세대학교 정보대학원 (정보시스템 박사)

2015년～2016년: 성균관대학교 박사후연구원

2016년～2021년: 서울디지털재단 정책연구팀장

2021년～2025년: 차세대융합연구원 AI연구센터 센터장

2025년～현 재: 한국공학대학교 경영학부 조교수

※관심분야：도시정보학(Urban Computing), 데이터과학 등