Human mobility networks reveal increased segregation in large cities / Nilforoshan et al
Nature volume 624, pages 586–592 (2023)
Abstract
크고 밀집된 대도시 지역은 다양한 개인 간의 사회경제적 혼합과 노출을 지원한다는 오랜 기대가 있습니다. 사회경제적 혼합에 대한 이전의 측정은 직장, 여가 장소, 집 주변 지역에서의 실제 노출이 아닌 정적인 주거 데이터에 의존했기 때문에 이 가설을 평가하는 것이 어려웠습니다. 여기서는 이러한 일상적인 만남의 사회경제적 다양성을 포착하는 노출 분리 척도를 개발합니다. 미국 960만 인구의 16억 건의 실제 노출을 나타내는 휴대폰 이동성 데이터를 사용하여 382개 대도시 통계 지역(MSA)과 2,829개 카운티의 노출 분리를 측정합니다. 그 결과, 거주 인구가 10만 명 미만인 소규모 지역보다 10대 대도시 통계구역에서 노출 분리가 67% 더 높은 것으로 나타났습니다. 이는 예상과 달리 대규모 대도시 지역의 주민들이 사회경제적으로 다양한 개인에게 노출되는 빈도가 낮다는 것을 의미합니다. 둘째, 대도시에서 사회경제적 분리가 증가하는 이유는 특정 사회경제적 집단을 대상으로 하는 차별화된 공간에 대한 선택의 폭이 넓기 때문이라는 사실을 발견했습니다. 셋째, 쇼핑 센터와 같은 도시의 허브가 다양한 이웃을 연결하여 모든 사회경제적 지위의 사람들을 끌어들이는 역할을 할 때 이러한 분리 증가 효과가 상쇄된다는 사실을 발견했습니다. 이번 연구 결과는 인류 지리학의 오랜 추측에 도전하며, 도시 디자인이 어떻게 다양한 개인 간의 만남을 방지하고 촉진할 수 있는지를 강조합니다.
Main
미국에서는 소득에 따라 거주 지역, 결혼 대상, 만나고 사귀는 사람에 영향을 받는 등 경제적 격차가 매우 심합니다. 이러한 극단적인 격차는 많은 비용을 초래합니다. 경제적 이동성을 감소시키고, 다양한 건강 문제를 조장하며, 정치적 양극화를 심화시킵니다. 경제적 격차를 줄이기 위한 다양한 개혁(예: 보조금 지급 주택 등)이 있지만, 가장 강력한 격차 감소 동력 중 하나는 도시화와 그로 인해 유발되는 상황적 혼합이라는 주장이 오랫동안 제기되어 왔습니다. 이 '코스모폴리탄 혼합 가설'은 대도시에서 인구 다양성 증가, 제한된 공간, 접근 가능한 대중교통의 결합으로 다양한 개인이 서로 가까이 물리적으로 근접하게 되어 일상적인 사회경제적 분리가 감소할 것으로 예상합니다. 예를 들어, 뉴욕시 지하철은 매일 다양한 사람들이 교차하는 혼합 그릇이라는 찬사를 받고 있습니다.
국제적 혼합 가설이 그럴듯해 보이지만, 대도시는 사람들이 자신과 비슷한 사람들을 찾아서 찾을 수 있을 만큼 충분히 크기 때문에 자기 분리를 위한 새로운 기회도 제공합니다. 도시화와 사회경제적 혼합의 관계에 대한 이러한 대조적인 가설은 개인 간의 경로 교차 및 만남의 형태를 취하는 실제 노출을 측정하기 어려웠기 때문에 아직 검증되지 않은 상태로 남아 있습니다. 휴대폰 지리적 위치 데이터를 기기 수준에서 분석하면 이러한 노출을 측정할 수 있습니다. 휴대폰 데이터는 많은 연구 목적으로 사용되어 왔지만, 개인 수준의 사회경제적 지위(SES)를 확인하고, 다이애드 노출이 발생하는 시기를 파악하고, 도시 또는 카운티 간 비교에 필요한 데이터를 모으는 데 어려움이 있어 사회경제적 혼합 및 도시화에 대한 전국적인 연구는 수행되지 않았습니다.
여기서 우리는 국제적 혼합 가설과 그 기저에 깔린 역학 관계를 주의 깊게 테스트합니다. 이 가설을 평가하고 도시화와 분리 사이의 관계를 이해하기 위해 비식별화된 GPS 위치 핑 형태의 휴대폰 이동성 데이터를 사용합니다(방법론의 'SafeGraph' 섹션 참조). 이 데이터를 통해 비슷하거나 다른 SES를 가진 개인 간의 지리적 위치 기반 개인 수준 노출을 파악합니다. 이를 통해 사람들이 어디로 가고, 언제 가고, 도중에 누구를 만나는지 파악하는 도시 수준 및 카운티 수준의 격리 조치를 개발할 수 있습니다.
먼저 집의 위치와 월 임대료를 파악하여 개인의 SES를 결정합니다. 그런 다음 각 개인이 일상 생활에서 다른 개인에게 노출된 횟수를 파악하는 동적 네트워크를 구축합니다. 저희 네트워크에는 미국 내 382개 MSA와 2,829개 카운티에 걸쳐 9,567,559개의 노드(개인, 즉 휴대폰을 나타냄) 중 1,570,782,460개의 에지(물리적 공간에서의 노출을 나타냄)가 포함되어 있습니다. 한 쌍의 노드 사이에 타임스탬프가 찍힌 모든 에지는 두 개인이 서로 길을 건너고 마주쳤음을 의미합니다(즉, 같은 시간에 같은 위치에 있었음). 이러한 데이터를 분석하여 미국의 각 지역(MSA 및 카운티) 내에서 서로 다른 경제적 지위를 가진 개인이 서로에게 노출되는 정도를 정의하는 노출 분리의 정도를 추정했습니다. 노출 분리 측정은 공간과 시간에 국한된 개인 간 노출의 다양성을 포착하여 기존의 정적 분리 측정을 확장합니다.
A more realistic measure of segregation
각 개인의 SES를 추정하기 위해 먼저 야간 휴대전화 위치 핑을 통해 집 위치를 추론하고(그림 1a, 방법의 '집 위치 추론하기' 섹션 참조), 이 위치에서 해당 주택의 월 임대료 추정치를 구합니다(그림 1a, 방법의 'SES 추론하기' 섹션 참조). 이 방법은 이웃 수준의 인구조사 평균을 사용하는 기존의 접근 방식보다 개별 SES를 더 정확하게 추정할 수 있습니다. 다음으로, 한 쌍의 개인이 경로를 교차하여 서로에게 노출된 각 사례를 식별하며, 두 기기가 T분 이내에 서로 D미터 이내에 있는 것으로 정의합니다(방법의 '노출 네트워크 구축' 섹션 참조). 우리의 주요 연구 결과는 D와 T를 정확하게 선택해도 견고하지만(보충 그림 5-8), 우주 혼합 가설은 시각적 노출과 관련이 있기 때문에 1차 분석에서는 D = 50미터, T = 5분을 사용했습니다. 우리가 아는 한, 이 접근 방식은 이전의 GPS 기반 연구에 비해 현재까지 가장 높은 해상도의 노출 측정치를 제공합니다.
Fig. 1: Exposure segregation captures the likelihood of exposure between people of different socioeconomic backgrounds and reveals increased segregation in highly populated metropolitan areas.
각 지역의 경제적 분리는 개인의 SES와 경로 교차점을 통해 노출된 모든 사람의 평균 SES 사이의 상관관계로 측정됩니다(방법의 '노출 분리' 섹션 참조). 이 상관관계는 감쇠 편향을 제거하고 관찰된 노출이 드문 경우에도 편향되지 않은 노출 분리 추정치를 확보하는 선형 혼합 효과 모델을 피팅하여 추정합니다(확장 데이터 그림 1, 방법론의 '노출 분리 추정' 섹션 참조). 0(완전 통합)에서 1(완전 분리) 범위의 노출 분리 측정 결과(그림 1b,c)는 사회경제적 분리를 측정하는 데 널리 사용되는 이웃 분류 지수를 일반화한 것입니다. 이웃 분류 지수는 각 개인의 SES와 해당 인구조사 구역 내 모든 사람들의 평균 SES 사이의 상관관계에 해당하는 반면, 노출 분리 지수는 각 개인의 SES와 해당 인구조사 구역 내부 또는 외부에서 마주치는 모든 사람들의 평균 SES 사이의 상관관계에 해당하는 것입니다. 따라서 이 두 측정치의 주요 차이점은 이웃 분류 지수는 노출이 동일한 거주 지역의 공동 거주자 사이에서만 균일하게 발생한다고 가정하는 반면, 노출 분리는 사람들이 일상 생활을 탐색할 때 실제 노출을 포착한다는 것입니다.
Extreme segregation in large cities
국제적 혼합 가설과는 달리, 대규모 MSA에서 노출 분리가 더 높은 것으로 나타났습니다(그림 1d). MSA 인구와 MSA 분리도 간의 스피어만 상관관계는 0.62(P <10-4)이며, 인구 규모별 상위 10개 MSA는 거주자가 10만 명 미만인 소규모 MSA보다 67% 더 분리되어 있습니다(P <10-4, 95% 신뢰구간(CI) = 49-87%). 이 결과는 매우 강력합니다. 인구 규모가 아닌 밀도 척도로 상관관계를 다시 계산하고(스피어만 상관관계 = 0.45, P < 10-4, 보충 표 7), 잠재적 교란 요인을 통제하고(확장 데이터 표 1 및 보충 표 7), 분석의 세분성을 변경하고(그림 1e 및 확장 데이터 그림 4) 노출 분리의 다양한 사양을 테스트하여(보충 표 6 및 보충 그림 2-10) 이를 검증했습니다. 더 크고 밀집된 도시일수록 더 분리된다는 일관된 결과는 그러한 도시가 다양한 개인을 끌어들이고 서로 마주칠 수밖에 없는 방식으로 공간을 제한함으로써 사회경제적 혼합을 촉진한다는 가설에 반하는 것입니다. 우리의 연구 결과는 대도시는 주민들이 자신과 더 비슷한 사람들을 찾게 한다는 반대 가설을 뒷받침합니다. 이러한 결과를 가능하게 한 핵심적인 발전은 시간과 공간에 대한 세분화된 근접성 측정입니다(보충 그림 66).
Exploring exposure segregation
또한 이 방법론은 기존의 정적 분리 측정치(이웃 분류 지수)와 동적 측정치를 비교할 수 있게 해줍니다. 모든 MSA의 노출 분리 수준 중앙값은 기존의 정적 추정치(이웃 분류 지수, 그림 2a(상단))에 해당하는 값보다 38% 낮습니다(P < 10-4, 95% CI = 37-41%). 이 결과를 두 개인 모두, 한 개인 또는 어느 쪽도 자신의 인구조사 구역 내에 있지 않은 노출과 관련된 구성 요소로 분리하여 설명합니다(그림 2a(하단)). 사람들이 자신의 거주 지역을 벗어나면 더 많은 다양성을 경험하기 때문에 노출 분리가 더 낮습니다. 예를 들어, 두 사람이 모두 자신의 거주 지역 내에 있을 때보다 거주 지역 외부에 있을 때 노출이 50% 더 적게 분리됩니다(P < 10-4, 95% CI 48-53%). 거주 지역 내에서 사람들은 자신과 사회경제적으로 가장 유사한 이웃과 접촉하지만, 두 사람이 모두 거주 지역 내에 있을 때 노출의 2.4%(95% CI = 2.4-2.4%)만 발생하기 때문에 전체 노출 분리에는 거의 영향을 미치지 않습니다. 마지막으로, 우리는 대도시에서 전체 노출 분리가 높아질 뿐만 아니라 각 구성 요소도 대도시에서 높아지는 것을 관찰했습니다(보충 그림 10).
Fig. 2: Exploring the dynamics of exposure segregation reveals that socioeconomic differentiation of spaces accounts for increased segregation in large cities.
연결 강도(그림 2b,c)와 여러 관심 지점(POI)에 따른 노출 분리의 변동성을 정량화합니다. 연결이 강할수록 더 많이 분리됩니다40,41(그림 2b). 또한, POI 수준의 세분화에서도 많은 변동성을 발견했습니다11,30(그림 2c, 방법론의 '활동별 세분화 분해' 섹션 참조). 이러한 POI 수준 분리의 가변성(그림 2c)은 한 POI 카테고리(예: 레스토랑)에 소규모의 사회경제적으로 동질적인 커뮤니티(예: 미쉐린 스타 레스토랑)에 서비스를 제공하는 차별화된 POI가 포함되어 있는 정도에 따라 설명할 수 있습니다. 가장 가까운 POI30까지의 평균 이동 거리와 총 POI 수(스피어만 상관관계 = -0.75, P <0.001(이동 거리), 스피어만 상관관계 = 0.69, P <0.01(POI 수), 확장 데이터 그림 3a,b)를 사용하여 POI 카테고리의 차별화 정도를 운영합니다. 예를 들어, MSA 중앙값에서 종교 단체는 경기장보다 이동 거리가 92% 더 짧고(P < 10-4, 95% CI = 92-93%) 16배 더 많습니다(P < 10-4, 95% CI = 8-18×). 따라서 종교 단체는 더 좁게 정의된 사회경제적 공동체를 대상으로 할 수 있기 때문에 경기장보다 75% 더 분리되어 있습니다(P < 10-4, 95% CI = 58-87%). 드물지만, 적은 수의 POI만 있는 POI 카테고리의 경우 다른 요인(예: 공공-민간 구분, 확장 데이터 그림 3c)으로 인한 POI 간의 경제적 차이로 인해 여전히 상당한 분리를 나타낼 수 있습니다(예: 골프장). 아래에서는 공간의 사회경제적 차별화와 분리 사이의 이러한 연관성이 대도시가 더 분리되어 있는 이유를 설명하는 데에도 중요하다는 것을 보여줍니다.
Differentiation of space in large cities
대도시 지역이 분리를 지원하는 이유를 이해하기 위해 레저 POI 내 분리의 예를 제시합니다. 풀서비스 레스토랑은 다른 레저 사이트(보충 그림 22)와 다른 분석 규모(확장 데이터 그림 5 및 6)에서도 광범위하게 나타나는 분리 유도 역학을 보여주는 예시(그림 2d-f)를 제공합니다. 10대 대도시 중 한 곳의 평균 거주자는 소규모 대도시의 평균 거주자에 비해 집에서 10km 이내에 22배 더 많은 레스토랑(P < 10-4, 95% CI = 11-39배)을 보유하고 있습니다(여기서 '소규모 대도시'는 거주 인구가 10만 명 미만으로 정의됩니다; 그림 2d). 이러한 선택은 사회경제적으로도 더 차별화됩니다. 레스토랑의 SES를 해당 레스토랑을 방문하여 다른 사람과 마주친 모든 사람의 SES 중앙값으로 정의할 때, 10대 MSA의 '레스토랑 SES'의 변동 계수는 소규모 MSA보다 63% 더 큽니다(P < 10-4, 95% CI = 37-100%)(그림 2e). 따라서 대규모 MSA는 주민들에게 더 많은 레스토랑 선택권을 제공할 뿐만 아니라 사회경제적으로도 더 차별화되어 있습니다. 예를 들어, 뉴욕과 같은 대도시에서는 식당 선택에 따라 10달러, 100달러 또는 1,000달러를 식사비로 지출할 수 있습니다42,43. 이러한 과정을 통해 레스토랑에서의 노출 분리는 소규모 MSA보다 상위 10대 MSA에서 29% 더 높았습니다(P < 10-3, 95% CI 8-49%)(그림 2f). 많은 POI 유형(보충 그림 22)과 도시 중심지(예: 광장, 쇼핑 센터, 산책로)와 이웃 지역(확장 데이터 그림 5 및 6)과 관련된 높은 수준의 규모에서 유사한 결과를 발견했습니다.
Mitigating segregation through urban design
연구 결과에 따르면 '허브'라고 부르는 자주 방문하는 POI가 다양한 이웃과 가까운 곳에 위치할 경우 분리가 완화될 수 있습니다. 이러한 허브는 인근의 높은 SES 지역과 낮은 SES 지역 주민들 사이의 가교 역할을 하여, 주민들이 허브를 쉽게 방문하고 서로 만날 수 있게 해줍니다(그림 3c). 저희는 허브가 이러한 가교 위치에 있는지 측정하기 위해 브릿징 지수(방법론의 '브릿징 지수' 섹션 참조)를 개발했습니다. 이 지수는 모든 사람이 가장 가까운 허브만 방문했을 때 서로 마주칠 수 있는 그룹의 경제적 다양성을 측정합니다. 이 지수는 집에서 가장 가까운 허브에 따라 개인을 클러스터링한 다음 이러한 클러스터 내의 경제적 다양성을 측정하여 계산됩니다(확장 데이터 그림 7). 결과 지수는 0에서 1 사이이며, 0은 각 허브 근처의 개인이 균일한 SES를 가지고 있음을 의미하고 1은 각 허브 근처의 개인이 전체 지역만큼 다양하다는 것을 의미합니다(확장 데이터 그림 8). 상업 중심지(예: 광장, 쇼핑 센터, 산책로)에 대한 브리징 지수를 계산한 이유는 상업 중심지가 일반적인 노출의 허브이기 때문입니다. 전체 382개 MSA에서 노출의 대부분(56.9%, 95% CI = 56.9-56.9%)이 상업 중심지와 가까운(1㎞ 이내) 곳에서 발생하지만 국토 면적의 2.5%만이 상업 중심지에서 1㎞ 이내에 있습니다(그림 3c). 결과는 브리징 지수가 노출 분리와 밀접한 관련이 있음을 보여줍니다(스피어만 상관관계 = -0.78, P <10-4, 그림 3d). 브릿징 지수가 가장 높은 상위 10개 MSA는 브릿징 지수가 가장 낮은 10개 MSA보다 분리도가 53.1% 낮았습니다(P < 10-4, 95% CI = 44-60%). 인종, 인구 규모, 경제적 불평등 및 기타 여러 변수를 통제한 후에도 허브 브리징 효과는 강력하고 유의미한 것으로 나타났습니다(확장 데이터 표 2, 3, 보충 표 6 및 보충 그림 2, 8, 13). 따라서 개발자가 다양한 주거 지역 사이에 쇼핑 센터와 같은 거점을 배치하도록 장려하는 구역법 및 관련 정책을 통해 노출 분리를 줄일 수 있습니다. 이러한 방식으로 통합성을 높이는 여러 대도시를 확인했으며(보충 표 21), 노스캐롤라이나주 페이엣빌에서 잘 배치된 허브가 다양한 개인을 연결하는 예시적인 사례(그림 3c,d)를 제시합니다.
Fig. 3: Exposure segregation is lower when frequently visited hubs bridge socioeconomically diverse neighbourhoods.
Discussion
대도시가 계속 성장하고 확산됨에 따라 대도시가 사회경제적 혼합을 조장하는지 살펴보는 것이 중요합니다. 대도시가 밀도를 높여 혼합을 촉진한다는 주장이 종종 제기되지만, 노출의 다양성과 도시 규모는 음의 상관관계가 있는 것으로 나타났습니다. 이 결과는 규모가 중요하다는 것을 의미합니다. 대도시는 얇은 사회경제적 계층을 대상으로 하는 공연장을 유지할 수 있기 때문에 작은 도시보다 훨씬 더 분리된 호모필리아를 생성하는 기계가 될 수 있다는 것을 보여주었습니다. 또한 일부 도시는 허브가 다양한 지역의 사람들을 끌어들일 수 있는 가교 지역에 위치하기 때문에 이러한 분리 효과를 완화할 수 있다는 사실도 발견했습니다. 이러한 동질성(그리고 브리징 허브의 상쇄 효과)을 감지할 수 있었던 것은 가정, 직장, 여가에서의 일상적인 사회경제적 혼합을 포착하는 동적 경제 분리 측정법을 개발했기 때문입니다.
노출 분리를 측정하는 이 새로운 방법론은 정적인 접근 방식에 비해 개선되었지만 한계가 있습니다. 예를 들어, 물리적 근접성을 노출의 대용물로 사용해야 하기 때문에 유대가 얼마나 약하거나 강한지 확인하기가 어렵습니다. 이러한 점에서 우리의 핵심 결과가 더 엄격한 시간, 거리 및 유대 강도 임계값(보충 표 6 및 보충 그림 5-8)에서도 지속되고 주요 다운스트림 결과(확장 데이터 그림 2 및 보충 그림 24)와 연관되어 있다는 점은 안심할 수 있습니다. 우리 데이터 세트에 잘 나타나지 않는 하위 집단(예: 노숙자 하위 집단)을 다루는 보충 데이터 세트를 찾아 분석하는 것도 마찬가지로 중요합니다. 이용 가능한 증거에 따르면 샘플은 여러 주요 인종, 경제 및 인구통계학적 변수에서 균형이 잘 잡혀 있지만, 휴대폰 시장 보급률이 아직 완전하지 않고 GPS 핑 데이터가 시간별로 불균등하게 분포되어 있습니다. 마지막으로, 우리의 SES 측정은 주택 소비에 의존하고 있는데, 이 지표는 SES의 개념을 충분히 반영하지 못합니다. 기존의 이웃 수준 전가를 개선한 우리의 분석 접근 방식이 다양한 대체 SES 측정치에서도 견고하다는 점은 다시 한 번 안심할 수 있습니다(보충 그림 3).
이는 동적 분리 데이터가 겉으로 보이는 많은 한계를 극복할 수 있을 만큼 충분히 풍부하다는 것을 시사합니다. 여기서 살펴본 동적 접근 방식을 더욱 확장하여 분리 원인에 대한 인구 간 차이를 조사하고, 분리 현상을 줄이고 도시 디자인을 개선하기 위한 보다 완전한 접근 방식의 툴킷을 개발할 수 있습니다.