A Spatial Statistical Approach on the Correlation between Walkability Index and Urban Spatial Characteristics -Case Study on Two Administrative Districts, Busan-

Abstract

본 연구에서는 최근 들어 그 중요성이 부각되고 있는 도시공간의 보행환경 평가와 관련하여 지역의 보행친화도와 물리적 사회경제적 특성과의 상관관계를 공간통계학적 측면에서 분석 하였다. 이를 위해 부산광역시의 2개 구의 보행성 지수(Walkability Index)를 정량적으로 산출하였고 이에 대한 전역적 국지적 공간 자기상관 측정을 수행하였다. 또한 Walkability Index에 대해 도시환경 변수와의 상관성을 파악하기 위해 지리가중 회귀분석(GWR : Geographically Weighted Regression, 이하 GWR)을 수행하였다. 연구결과 연구지역의 Walkability Index에서 통계적으로 유의한 수준의 공간 자기상관 수치와 군집이 도출되었다. 또한 GWR 분석결과 OLS(Ordinary Least Square Regression, 이하OLS) 회귀모형보다 통계적으로 개선된 추론이 가능 하였으며, 보행 환경변수에 대한 국지적 수준의 영향관계를 도출할 수 있었다. 본 연구의 결과들은 지역의 보행환경 평가 및 그와 연관된 환경변수의 탐색 시 공간 통계학적 접근이 효과적일 수 있음을 시사한다. The correlation between regional Walkability Index and their physical socio-economic characteristics has evaluated by the spatial statistical analysis to understand the urban pedestrian environments, where has been emerging the significance, recently. Following to the study, the Walkability Indexes were calculated quantitatively from two administrative districts of Busan and measured Global Local spatial autocorrelation indices. Additionally, the Geographically Weighted Regression model was applied to define the correlation between Walkability Indexes and urban environmental variables. The spatial autocorrelation values and clusters on the Walkability Indexes were derived in statistically significant level. Furthermore, the Geographically Weighted Regression model has been derived more improved inference than the OLS regression model, so as the influence of local level pedestrian environment was identified. The results of this study suggest that the spatial statistical approach can be effective on quantitative assessing the pedestrian environment and navigating their associated factors.

Cite this work

No public copy is stored for this record, so only the metadata is cited.

Stored only when both papers are in the corpus — 2 citations exist upstream.

Papers that cite the same references — the relational fallback while embeddings are still backfilling.