[6] 도시 구조 변화가 주택 거래가에 미치는 영향

🏙️ 도시 구조 변화가 주택 거래가에 미치는 영향은? – 시뮬레이션 기반 정량 분석

도시는 끊임없이 변화합니다. 녹지 공간이 늘어나고, 건물이 더 높이 올라가며, 단지의 설계와 환경이 개선되죠. 그런데 이러한 물리적 변화가 실제 부동산 거래 가격에 어떤 영향을 미치는지, 우리는 과연 수치로 설명할 수 있을까요?

 

송도는 단계별로 조성된 계획도시로, 구역별 개발 시점과 물리적 조건이 뚜렷이 구분됩니다. 즉, 동일한 도시 내에서 “개발 전”과 “개발 후”의 물리적 특성 차이를 비교할 수 있는 자연 실험지(natural experiment site)로 기능합니다. 특히, 녹지율, 고도, 면적, 단지 설계 등 주요 변수의 변화가 실제 주택 거래가에 어떤 영향을 미쳤는지를 정량적으로 관찰하기에 유리한 구조를 갖추고 있습니다.

 

이에 따라 이번 글에서는 송도 지역을 대상으로, 실거래가 데이터를 활용한 시계열 분석과 시나리오 기반 가격 시뮬레이션을 함께 수행하였습니다. 그 결과를 통해 도시 구조 변화가 실제 거래가에 미치는 영향을 수치화하고, 향후 개발 및 설계 전략에 유의미한 인사이트를 도출해보고자 합니다.

---

1. 연도별 거래가 흐름 및 예측 정확도

아래는 2015년부터 2024년까지의 송도 평균 거래가 추이입니다.

 

• 2020~2021년은 대규모 신규 입주와 시장 과열로 급등 (2021년: 약 7,600만 원)
• 2022~2023년은 금리 인상·심리 위축 등으로 조정
• 2024년 들어 일부 회복세 확인

거래가 분포를 박스플롯으로 살펴보면 다음과 같습니다.

• 2021년 이후 고가 거래가 많아지고, 상위 분위수가 확산
• 고가·저가 단지 간 격차 확대 → 도시 내부의 가격 이질성 증가

예측 모델의 성능은 연도별로 다음과 같이 확인되었습니다.

• 2016년까지는 구조적 변수 미포함으로 예측 오차가 컸으나,
• 2020년 이후 예측 안정화 → 실전 적용 가능성 확대

---

2. 분석 과정 및 시뮬레이션 설정

분석은 QGIS 및 Python을 활용하여 건물 중심점 기반의 고도(DEM), NDVI(녹지지수), LST(지표면 온도) 등의 데이터를 결합하고, 여기에 실거래가 데이터를 병합하여 통합 데이터셋을 구축하는 것으로 시작되었습니다. 이후 XGBoost 모델을 통해 거래가를 예측하는 학습 모델을 만든 뒤, 다양한 변수에 변화를 주는 시나리오를 설정하여 시뮬레이션을 수행했습니다.

---

3. 시나리오별 거래가 변화

시나리오	변경 내용	평균 거래가 변화 (만원)	환산 (백만 원)
NDVI +0.1	녹지율 0.1p 증가	5,079.7	50.8
LST –1℃	표면 온도 1℃ 감소	-65.0	-0.65
전용면적 +5㎡	전용면적 5㎡ 증가	2,456.9	24.6
복합 변화	NDVI +0.05 / LST –0.5 / 층수 +1	2,577.7	25.8

단일 변수 변화만으로도 거래가에 뚜렷한 상승 효과가 발생하며, 특히 전용면적과 NDVI의 영향력이 컸습니다. 다만 복합 변화는 개별 변수의 단순 합보다 낮은 효과를 보여 상호작용의 한계도 확인되었습니다.

 

---

4. 민감도 분석 결과

변수별 변화폭을 세분화하여 거래가 민감도를 분석한 결과는 아래와 같습니다.

변수	주요 변화구간	거래가 변화 추이	특이사항
NDVI	0 → 1.0	+500만원까지 상승 후 정체	포화 구간 존재
LST	–10℃ → +10℃	감소 시 효과 거의 없음	고온 지역 = 고가 지역으로 학습
전용면적	0 → 20㎡	선형 + 일부 비선형 상승	15㎡ 이상 구간에서 효과 둔화
층수	0층 → 5층	상승-하락 반복	예측 불안정성 높음

---

5. 비용 대비 수익률 (ROI) 분석

각 시나리오에 대해 예상 투자비용과 거래가 상승 효과를 비교한 결과, 가장 높은 ROI는 전용면적 확대 전략에서 확인되었습니다.

시나리오	투자비 (만원)	수익 (만원)	ROI
전용면적 +10㎡	3,000	7,200	2.40
전용면적 +5㎡	1,500	3,300	2.20
전용면적 +20㎡	6,000	11,400	1.90
NDVI +0.1	1,000	500	0.50
Combo extreme	25,000	11,600	0.46
LST –10℃	5,000	0	0.00

ROI 기준 가장 효율적인 전략은 단연 면적 확대이며, NDVI는 제한된 범위 내에서만 효과적입니다. LST나 복합 변화는 비용 대비 효과가 크지 않아 전략적 투자 타당성이 낮았습니다.

---

6. 결론 및 제언

이번 분석을 통해 송도라는 계획도시 내부의 구조 변화가 실질적인 주택 가격에 어떤 영향을 미치는지를 시계열 분석과 시나리오 기반 시뮬레이션을 통해 입체적으로 확인할 수 있었습니다.

• 전용면적 확대는 가장 직접적이고 안정적인 가격 상승 수단
• NDVI 개선은 초기 조경 확충 시에만 유효, 포화 이후 효과 둔화
• LST 변화는 데이터 상의 왜곡 가능성 고려 필요
• 모델 예측 성능은 최근 연도로 갈수록 향상됨

향후에는 기반시설 입지, 학교 접근성, 역세권 여부 등의 정책 변수나 도시계획적 요소를 포함한 시뮬레이션으로 확장 가능합니다. 또한 실제 시공비, 조경비, 냉방부하 등을 반영한 투자분석과 A/B 테스트 방식의 시나리오 검증으로 실효성 높은 분석을 이어나갈 수 있습니다.

 

 

🧭 마무리

 이번 시뮬레이션은 단순히 ‘가격을 예측’하는 데 그치지 않았습니다. 도시의 물리적 구조 변화가 실제 시장에 어떻게 반영되는지를 수치화함으로써, 실제 도시 설계자나 정책 수립자가 더 나은 결정을 내릴 수 있도록 돕고자 했습니다.

 동시에, 이 분석은 하나의 도시를 더 깊이 이해하고 해석하려는 개인적인 시도이기도 했습니다. 데이터는 도시를 보는 또 다른 시선을 제공합니다. 특히 송도처럼 계획적으로 개발된 도시에서는, 그 변화의 궤적을 따라가며 공간 구조와 거래 흐름 간의 상관관계를 보다 명확히 그려볼 수 있습니다.

 물론 아직 다루지 못한 변수와 구조적 한계도 존재하지만, 이러한 분석을 통해 더 나은 도시 전략 수립과 실효성 있는 투자 의사결정이 가능해지길 기대합니다. 앞으로도 다양한 도시와 시나리오로 확장해나가며, 도시를 ‘해석하는 도구’로서의 데이터 분석 가능성을 계속 탐색해 나가겠습니다.