# 가게는 많은데, 선택지는?

## 연구 질문과 범위
2025년 4분기 서울의 상권자료 기준 425개 행정동에서 점포 밀도가 높은 곳은 업종 구성도 다양한가? 두 지표가 엇갈리는 지역의 산업적 특징은 무엇인가?
기본 비교는 같은 분기·같은 업종 100개·같은 공간 단위로 수행한다. 웹앱에서 1~4분기를 각각 선택할 수 있으며, 분기별 점포 재고를 합산하지 않는다.

## 자료와 전처리
- 서울 열린데이터광장 점포-행정동 2025년 공식 ZIP, https://data.seoul.go.kr/dataList/OA-22172/S/1/datasetView.do
- 서울 열린데이터광장 영역-행정동 공식 ZIP, https://data.seoul.go.kr/dataList/OA-22160/S/1/datasetView.do
- 원본 141,218행. 분기·행정동·업종 중복 0행, 점포수 결측 0행, 음수 0행.
- `유사_업종_점포_수`를 전체 점포 수로 사용한다. 원본 모든 행에서 `점포_수 + 프랜차이즈_점포_수`와 일치한다. 중복 합산하지 않는다.
- 관측되지 않은 동×업종 조합은 점포 0개로 채우되, 행정동 자체가 누락되면 계산을 중단한다. 100개 업종 분류를 모든 지역·분기에 고정한다.
- 상권 자료의 8자리 행정동 코드를 공식 경계 `ADSTRD_CD`와 연결했다. 425개 모두 대응한다. 현행 행정동과 달리 상일동·일원2동 등 원본 기준을 유지한다.
- 경계의 원래 투영좌표계 EPSG:5181에서 도형 면적을 계산했다. 지도 표시용 도형 단순화는 면적 계산 이후 적용했다. 면적에는 산지·하천 등이 포함된다.

## 지표 정의
1. 점포 밀도 Dᵢ = Nᵢ / Aᵢ. N은 100개 업종의 전체 점포 수(개), A는 행정동 면적(㎢). 값이 높으면 단위 면적당 점포가 조밀하다.
2. 정규화 Entropy Hᵢ = −Σ(pᵢₖ ln pᵢₖ) / ln(100). p는 동 전체 점포에서 업종 k가 차지하는 비율이다. 0인 항은 0으로 처리한다. 0은 단일 업종 집중, 1은 100개 업종이 동일한 비중인 상태다. 점포가 전혀 없으면 미정의로 처리한다.
3. 보조지표 LQᵢₖ = (nᵢₖ/Nᵢ) / (Σᵢnᵢₖ/ΣᵢNᵢ). 선택한 동의 최다 업종이 서울 전체보다 얼마나 특화됐는지 해석한다. 1보다 크면 해당 업종 비율이 서울보다 높다.
네 유형은 해당 분기 서울 전체 425개 동의 밀도 중앙값 1,215.4개/㎢, 다양성 중앙값 0.821로 구분한다. 중앙값 이상은 상대적으로 높음, 미만은 상대적으로 낮음으로 처리한다. 이 기준은 정책적 적정기준이 아니다.

## 주요 결과
2025년 4분기 분석 대상 전체 점포는 632,830개이다. 밀도와 다양성의 피어슨 상관계수는 -0.446, 순위를 비교한 스피어만 상관계수는 0.092이다. 상관은 원인을 입증하지 않는다.
밀도가 가장 높은 동은 중구 신당동(18,893.7개/㎢), 다양성이 가장 높은 동은 강남구 개포4동(0.872)이다.
고밀도·저다양성은 93개 동에서 관측됐다. 다음은 그중 밀도 상위 사례다.
- 중구 신당동: 10,107개, 18,893.7개/㎢, 다양성 0.186. 최다 업종은 일반의류(87.0%), 해당 업종 LQ 11.85.
- 중구 광희동: 5,116개, 6,939.7개/㎢, 다양성 0.633. 최다 업종은 일반의류(41.8%), 해당 업종 LQ 5.69.
- 강남구 대치4동: 4,123개, 5,880.9개/㎢, 다양성 0.760. 최다 업종은 일반교습학원(21.1%), 해당 업종 LQ 5.11.
- 중구 회현동: 4,987개, 5,554.5개/㎢, 다양성 0.599. 최다 업종은 일반의류(43.3%), 해당 업종 LQ 5.90.
- 종로구 창신1동: 1,586개, 5,194.3개/㎢, 다양성 0.626. 최다 업종은 신발(34.5%), 해당 업종 LQ 52.57.

## 공간적 해석
밀도는 점포의 양을 면적으로 보정하고, 다양성은 그 점포가 업종별로 얼마나 고르게 구성되는지 측정한다. 따라서 점포가 조밀해도 특정 판매·서비스 기능에 집중된 지역이면 다양성은 낮을 수 있다. 이 차이는 단순한 점포 수 순위로는 드러나지 않는 상권의 특화와 구성 차이를 보여준다. 실제 원인은 상위 업종 구성, 주변 토지이용과 현장 조사 등을 추가로 확인해야 한다.
고밀도·저다양성을 상권이 나쁘거나 상점이 부족하다는 뜻으로 해석하지 않는다. 전문상권의 집적은 수요를 끌어들이는 장점도 있을 수 있다. 저밀도 지역 역시 산지·수면이 포함된 넓은 행정동일 수 있어 공급 부족을 단정할 수 없다.

## 시각화
- 공간 시각화: 425개 행정동의 네 유형 지도, 밀도·다양성 지도 전환.
- 비공간 시각화: 밀도(로그축)와 다양성 산점도, 선택 동의 업종 구성 막대그래프.
- 지도·산점도의 중앙값 기준은 자치구 필터를 바꿔도 서울 전체 기준으로 고정한다.

## 한계
1. 생활밀접 100개 업종 자료의 구성이다. 모든 산업과 모든 물리적 매장을 포괄하지 않으며 전자상거래업도 포함돼 실제 보행 선택지와 다를 수 있다.
2. 점포별 정확한 위치·면적·매출·품질·영업시간이 없어 개인의 실제 선택권이나 접근성을 직접 측정하지 않는다.
3. 행정동 총면적을 분모로 사용해 산지·하천의 영향을 받는다. 가용 상업용지 기준 밀도는 후속 분석 대상이다.
4. 상권 서비스가 사용하는 경계·명칭을 기준으로 하며 현재의 행정동 경계와 완전히 같지 않다.
5. 분기별 현황 간 비교이며, 동일 점포의 개별 변화를 추적하지 않는다. 업종 분류를 바꾸면 다양성과 순위가 달라질 수 있다.

## 재현
`pip install -r requirements.txt` 후 `python scripts/build_analysis.py`로 계산한다. 웹앱은 dist/의 정적 파일만 제공하므로 API 키가 필요 없다.