이 연구는 인구총조사 통근·통학 표본조사에 의한 일일 인구이동의 인구개념인 통근·통학인구와 주간인구를 활용하여 지난 20년(2000-2020)간 전국 시·군·구의 통근·통학인구 네트워크 중심성 변화 특성과 주간인구 변화 영향요인을 분석하였다.
사회 네트워크 분석을 활용한 통근·통학인구 네트워크 중심성 변화 특성은 다음과 같다. 첫째, 수도권의 통근·통학인구 네트워크 중심성이 가장 우세하였으며, 다음으로 부산·울산·경남권, 충청권, 대구·경북권, 광주·전남권, 기타 권역 순으로 나타났다. 이는 수도권에 총 인구의 절반 이상(2020년 기준 50.2%)이 모여있고, 특히, 20대에서 30대의 청년층 통근·통학인구의 54.1%가 수도권 지역에 집중되어 있으며, 수도권이 우리나라 산업·경제·교육의 중심지로서서 동북아 대도시권 중 하나로 성장하고 있는 것과 일맥상통한다고 볼 수 있다. 또한, 1990년대 이후 서울특별시의 인구집중을 분산하기 위해 1·2기 신도시개발이 추진되었고, 이를 통해 수도권내 도시간 기능 분화와 자족기능 확충을 통해 새로운 중심도시들이 형성되었다. 결과적으로 서울특별시 중심의 통근·통학권이 인천광역시와 경기도 중심도시를 거점으로 한 새로운 통근·통학권이 확대 형성되었고, 다핵 중심 공간구조로 재편되었음을 확인할 수 있었다.
둘째, 비수도권 또한, 2000년대 초반 광역시와 수위도시를 중심으로 통근·통학인구 네트워크 중심성이 높게 나타났다. 이후 국가균형발전 정책이 추진되고, 기존 중심도시와 인접한 주변지역으로 도시기능 분화가 진전되면서 새로운 중심도시들이 출현하고 2차 통근·통학권이 형성되었다. 이를 통해 수도권과 같이 통근·통학권이 다핵 중심으로 공간구조가 변화하는 양상이 네트워크 중심성 분석 결과로 나타났다.
셋째, 세종특별자치시는 2012년 출범과 함께 충청권내에서 통근·통학에 의한 일일 인구이동의 중심지역으로 급부상하여 인접한 대전광역시와 충북도 청주시와의 통근·통학 트라이앵글 축을 형성한 특성을 보였으며, 세종특별자치시의 도시성장이 진행됨에 따라 더욱 강화될 것으로 예측된다. 또한, 충청권은 수도권과 인접한 권역으로 수도권과의 연결 축인 경부 축과 서해안 축을 따라 중심도시들이 성장해 나가고 있으며, 수도권과의 통근·통학권이 확대되고 있는 양상이 나타났다.
한편, 주간인구 변화의 영향요인을 분석한 결과는 다음과 같다. 첫째, 수도권과 광역시 지역은 업무, 상업, 교육 및 산업시설 등이 밀집한 전통적인 도심지역, 새롭게 조성된 도심지역 및 인구 50만 이상의 도시중 자족기능이 강한 곳에서 주간인구지수가 높게 나타났다. 한편, 도단위 시지역의 경우에는 전반적으로 50만 이상의 대도시지역과 5만 미만의 소도시 지역의 주간인구지수가 100% 미만으로 나타났다. 이는 정주환경과 교육여건이 좋고 주택공급이 많은 대도시지역에 거주하면서 주변지역 일터로 역통근 하는 경우가 증가하고 있기 때문으로 보인다. 반면, 도단위 군지역은 대부분 주간인구지수가 100% 이상으로 나타났는데, 이는 군지역 인구감소 현상과 함께 대도시지역과 인접하여 도시 및 산업단지 개발이 증가한 군지역으로 역통근이 발생하여 주간인구가 증가한 결과로 판단된다.
둘째, 상주인구와 주간인구의 변화에 따른 유형화 결과, 수도권을 제외한 모든 권역에서 상주인구와 주간인구 모두 증가하는 ‘유형 Ⅰ’보다 상주인구와 주간인구 모두 감소하는 ‘유형 Ⅳ’에 해당하는 지역의 비율이 높게 나타났다. 이는 수도권에 인구 및 산업·경제가 집중하는 반면, 비수도권은 많은 지역에서 인구감소 현상이 나타나고 있는 현실이 반영된 결과라 할 수 있다. 한편, ‘유형 Ⅰ’은 주택 수 및 종사자 수 연평균 증가율이 상대적으로 높고, 산업단지 밀집지역이거나 일반 및 중심상업지역 규모가 큰 중심지역의 특성을 보였고, 전반적으로 통근·통학인구 네트워크 중심성이 높았다. 반면, ‘유형 Ⅳ’는 ‘유형 Ⅰ’과 반대로 주택 수 및 종사자 수 증가율이 다른 지역에 비해 상대적으로 낮거나 감소하는 특성을 보였다.
셋째, 다중회귀분석 결과 주택 수, 종사자 수 및 고령인구 비율 증감율이 주간인구 증감에 유의한 영향을 미친 것으로 나타났다. 즉, 주간인구 수 증감율은 권역별로 정도의 차이가 있으나 주택 수 증감율과 종사자 수 증감율에 양의 영향을 받았고, 고령인구비율 증감율은 음의 영향을 미친것으로 나타났다.

This study aims at analyzing changes in the network centrality characteristics of commuting population and influence factors of daytime population through city, county, and district(gu). Key sources come from both daily commuting population and daytime population data over two decades(2000~2020). Its analytical tools cover the social network analysis(SNA) and statistical methods.
First of all, major findings in the network centrality characteristics of commuting population based on the social network analysis(SNA) approaches are as follows: Firstly, the highest network centrality is observed in the Capital Region, followed by Busan-Ulsan-Gyeongnam, Chungcheong, Daegu-Gyengbuk, Gwangju-Jeonnam Regions. It reflects the fact that more than a half of population (50.2% as of 2020) has been concentrated on the Capital Region. In specific, the Capital Region accommodates 54.1% of the 20s and 30s commuting population. During the research period, this study confirms that Seoul-oriented commuting sphere has expanded up to enlarged commuting sphere covering major cities in Incheon and Gyeonggi, consequently consolidating multi-centered spatial structure in the Capital Region. Secondly, in the Non-capital Region, the higher network centrality is recorded in the regional metropolitan cities. Similar to circumstances of the Capital Region, the Non-capital Region has also experienced spatial transformation towards multi-centered commuting sphere during the same period. Thirdly, Sejong, which was newly established as an administrative multi-functional city in 2012, has formed a commuting triangle sphere with nearby Daejeon and Cheongju in a short period. This expects that, as a rising commuting center, Sejong would strengthen its status within the Chungcheong Region in the future.
Major results in the influence factors of daytime population are as follows: Firstly, among the Capital Region and regional metropolitan cities, higher daytime population indices are marked in traditional and newly constructed downtown and higher self-sufficient areas. In contrast, among cities under provincial government, daytime population indices of both big cities over a half million people and small cities less than 50 thousand people have fallen short of 100 percentages. Contrastively, daytime population indices of counties under provincial government has mostly recorded more than 100 percentages. The former indicates the typical reverse commuting patterns from well-equipped big cities to nearby workplaces. The latter implies another type of reverse commuting patterns directed towards counties provided with industrial complex or similar types of workplaces. Secondly, categorizing between population dejure and daytime population changes, Non-capital Region has shown higher ratio of Type IV where both population dejure and daytime population have decreased during the research period. It directly indicates the reality of persistent concentration towards the Capital Region. In contrast, Type I where both population dejure and daytime population have increased is observed in the areas with higher annual increase rates of housing and employment numbers. The similar patterns have been also repeated in the dense industrial complex and relatively large general and central commercial areas. Thirdly, judging from results provided by multiple regression analyses, this study finds that housing and employment numbers have significantly exerted positive impact on changes of daytime population. Contrariwise, ratio of aging population has meaningfully exercised negative impact on changes of daytime population.