동백전 빅데이터를 활용한 딥러닝 기반 신흥 상권 성장 예측 모델 연구

송위창; 김상진

doi:10.13088/jiis.2024.30.3.327

추천

검색

질문

자료유형: 학술저널

저자정보: 송위창 (동아대학교) 김상진 (동아대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제30권 제3호

발행연도: 2024.9

수록면: 327 - 351 (25page)

DOI: 10.13088/jiis.2024.30.3.327

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 부산광역시 지역화폐인 동백전 지급결제 시스템의 빅데이터를 활용하여 신흥 상권의 성장성을 예측하는 딥러닝 기반 모델을 개발하고, 이동평균법을 이용한 데이터 전처리 기법이 모델 성능에 미치는 영향을 검증하는 것을 목표로 한다. 상권은 업체와 서비스 제공자가 위치를 선택하고 마케팅 전략을 수립하는 데 중요한 요소로 작용한다. 기존 연구에서 사용된 원형 상권 분석 방법의 한계를 극복하기 위해, 국가 공공 데이터와 연계가 가능하고 회원 가입 시 등록하는 우편번호 기반의 상권 범위 설정 방법을 제안한다.
동백전 지급결제 시스템의 충전형 선불카드 승인 데이터를 우편번호 구역을 기준으로 집계하여 선정된 신흥 상권의, 시계열 데이터를 통해 성장성을 예측하는 데 가장 효율적인 이동평균법 기반 데이터 전처리 방법과 최적의 딥러닝 모델을 제안한다. 특히, RNN 모델과 RNN 계열 모델인 LSTM과 GRU 모델을 활용하여 전처리된 시계열 데이터를 학습하고 예측한다.
연구 결과, 단순이동평균법으로 전처리한 데이터를 GRU 모델을 사용하여 Random Seed 1에서 127 사이 구간에서 학습한 결과, 예측 성능 지표인 R²의 평균값이 0.89 이고, 평균 성능은 표준편차 0.05에서 0.89로 가장 안정적이고 우수한 결과를 보였다.
본 연구는 SMA(단순 이동평균), TMA(삼각 이동평균), WMA(가중 이동평균), EMA(지수 이동평균) 이동평균법을 기반으로 한 데이터 전처리가 딥러닝 모델의 예측 성능에 큰 영향을 미친다는 점을 시사한다. 데이터 특성에 맞는 이동평균법 기반 전처리 기법은 금융시장 및 다양한 산업 분야에서 시계열 데이터 학습 및 예측의 정확성과 효율성을 높이는 데 활용할 수 있다.

This study aims to develop a deep learning-based model to predict the growth potential of emerging commercial areas using big data from the Dongbaekjeon Payments system, a local currency of Busan Metropolitan City. It also seeks to verify the impact of data preprocessing techniques based on moving average methods on model performance. Commercial areas play a key role in helping businesses and service providers select locations and formulate marketing strategies. To overcome the limitations of traditional circular commercial area analysis methods used in previous studies, this research proposes a method for defining commercial area boundaries based on postal codes provided during the registration process, which can be linked to national public data.
The study aggregates rechargeable prepaid card approval data from the Dongbaekjeon Payments system by postal code area and presents the most efficient moving average-based data preprocessing method along with the optimal deep learning model for predicting the growth of selected emerging commercial areas using time-series data. In particular, the study employs RNN models, including RNN-based models such as LSTM and GRU, to train and predict on preprocessed time-series data.
The results indicate that using the GRU model with data preprocessed by the Simple Moving Average method, trained within the Random Seed range of 1 to 127, yielded an average R² value of 0.89, with a standard deviation of 0.05, demonstrating highly stable and superior performance.
This study suggests that data preprocessing based on moving average methods, including Simple Moving Average (SMA), Triangular Moving Average (TMA), Weighted Moving Average (WMA), and Exponential Moving Average (EMA), significantly impacts the predictive performance of deep learning models. Tailored moving average-based preprocessing techniques can enhance the accuracy and efficiency of time-series data learning and prediction in financial markets and various industries.

#동백전 지급결제 시스템 #신흥 상권의 성장성 예측 #딥러닝 #Dongbaekjeon Payments system #growth prediction of emerging commercial areas #Moving Average #Deep Learning

참고문헌 (46)

참고문헌 신청

김동욱, 조정윤, 장문엽, & 송주일. (2021). 순환 신경망 기반의 폭염 발생확률 예측 모델 개발: 서울특별시를 중심으로. 한국방재학회논문지, 21(5), 49-57.

김태이, 남승진, 류진환, 김하은, & 홍태호. (2023). 소상공인을 위한 지능형 고객분석 시스템-온라인 리뷰 중심으로. 한국지능정보시스템 학회 학술대회논문집, 111-112.

백충기. (2020). 동남권 주요 상권의 변화 분석. BNK경제연구원.

부산광역시. (2023). 지역화폐 동백전 지급결제 서비스 가맹점 약관집. 부산시지역화폐약관.

박은비, 박미라, & 최인호. (2023). 격자단위 인구-가맹점 데이터를 활용한 공간융합 빅데이터 활용서비스 연구. 한국지능정보시스템학회 학술대회논문집, 79-81.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

경제적 지속가능성 해외 지역화폐 설계특성으로 본 지역사랑상품권 설계

최준호 , 이재민 사회적경제와 정책연구 2024 .08

다중 시계열을 이용한 장기 예측 Transformer 모델

이재용 , 김현준 , 임창원 응용통계연구 2024 .10

[시흥시, 주민이 주인인 시흥 만들기] 새로운 마을자치 모델 구축을 제시하다 : 일자리 창출과 주민이 주도하는 ‘마을관리기업’ 육성 건강한 지역 경제 활성화 위해 지역화폐 ‘시루’ 확대

박철 월간 주민자치 2019 .09

지역화폐 서비스 평가 및 가맹점 위치 알림 서비스 제안에 대한 연구

이윤경 , 이현희 , 박민석 외 2명 대한인간공학회 학술대회논문집 2020 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-090881878

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (46)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)