지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최진무, 육순형
- 발행연도
- 2020
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수27
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구의 목적은 소셜미디어에서 생성되는 사용자 생성 콘텐츠를 활용하여 유동인구의 행동패턴을 예측하는 강화학습 모형을 만드는 것이다. 온라인에서 발생하는 사용자 생성 콘텐츠와 유동인구 사이의 영향관계를 분석하고 이를 기반으로 이태원 상권 유동인구의 행동패턴을 예측하고자 한다. 이상의 연구목적을 달성하기 위해 본 연구는 공간패널모형과 강화학습을 활용하였다.
먼저 사용자 생성 콘텐츠 변수의 타당성을 분석하기 위해, 공간패널모형을 이용하여 사용자 생성 콘텐츠와 유동인구 사이의 인과관계를 분석하였다. LTE 시그널 데이터를 기반으로 유동인구를 집계하는 서울시의 ‘생활인구’ 데이터와 자체적으로 수집한 인스타그램의 사용자 생성 콘텐츠를 사용하여 두 변수 사이의 관계를 분석하였다. 유동인구와 사용자 생성 콘텐츠는 집계지역을 기준으로 시간에 따라 반복적으로 관측된 공간 패널자료이기 때문에, 시간요인과 공간요인을 통제할 수 있는 공간패널모형을 사용하여 두 변수를 분석하였다. 분석결과 인스타그램의 사용자 생성 콘텐츠 변수가 유동인구에 유의미한 양의 영향을 미치는 것으로 분석되었다.
공간패널모형을 이용하여 분석한 결과를 통해 사용자 생성 콘텐츠가 유동인구에 영향을 미치는 것을 알 수 있었고, 이를 기반으로 유동인구의 행동패턴을 모방하는 에이전트를 학습시키기 위해 강화학습을 이용하여 시뮬레이션을 진행하였다. 강화학습을 적용하기 위해 환경, 에이전트와 마르코프 결정 과정을 정의하였고, 이를 서울특별시의 중요한 상권 중의 하나인 이태원 상권에 적용하여 유동인구의 행동패턴을 예측하고자 하였다. 에이전트는 상권 방문객으로 이태원 환경과의 상호작용을 통해 상태와 보상을 받는다. 이태원 상권의 각 지역별로 상이하게 분포한 사용자 생성 콘텐츠를 기반으로 에이전트는 지역을 방문한다. 에이전트는 사용자 생성 콘텐츠가 많은 지역을 방문하는 경우, 높은 유명도를 지닌 지역을 방문하기 때문에 높은 보상을 받고 그렇지 못한 지역을 방문하는 경우 낮은 보상을 받게 된다. 또한 같은 지역에 오래 머무르는 경우, 해당 지역에 대해 지루함을 느끼기 때문에 지역의 보상이 시간에 따라 반감되는 요인을 에이전트 속성으로 설계하였다. 실제 환경을 모사하기 위한 이와 같은 설정으로 인해, 에이전트는 환경과의 상호작용을 통해 에이전트가 관측하는 상태가 변화하고 학습 자료에 따라서 보상이 변화하는 동적인 환경과 상호작용하며 최적 행동 정책을 학습한다. 강화학습의 대표적인 알고리즘인 SARSA, Q-learning, DQN을 적용하여 정의된 환경에서 시뮬레이션을 진행하였고, DQN이 가장 높은 누적 보상을 얻으며 가장 빠르게 수렴하는 것으로 나타났다.
연구결과 ‘인스타그램’의 사용자 생성 콘텐츠가 유동인구에 영향을 주는 공간변수임을 확인할 수 있으며 점포 단위로 발생하는 사용자 생성 콘텐츠의 특성상 좁은 공간 범위를 가지는 공간 자료를 발견한 의의가 있다. 뿐만 아니라 강화학습을 이용하여 실제 상권에서 유동하는 인간의 움직임을 모사하는 에이전트를 학습시킨 의의가 있다. 에이전트와 환경 사이의 상호작용에 따라 상태와 보상이 변화하는 환경에서 DQN을 적용하는 경우 가장 좋은 성능을 보이며, 미래의 정보를 이용하여 에이전트를 학습시키는 경우 더 좋은 성능을 보이는 것으로 확인할 수 있다. 상권의 예측된 유동인구 행동패턴 정보에 기반하여 향후 소상공인 입지선정과 관련하여 창업 지원 및 재난상황의 인구대피 시나리오 등 정책적 방안을 제안할 수 있을 것으로 기대된다.
먼저 사용자 생성 콘텐츠 변수의 타당성을 분석하기 위해, 공간패널모형을 이용하여 사용자 생성 콘텐츠와 유동인구 사이의 인과관계를 분석하였다. LTE 시그널 데이터를 기반으로 유동인구를 집계하는 서울시의 ‘생활인구’ 데이터와 자체적으로 수집한 인스타그램의 사용자 생성 콘텐츠를 사용하여 두 변수 사이의 관계를 분석하였다. 유동인구와 사용자 생성 콘텐츠는 집계지역을 기준으로 시간에 따라 반복적으로 관측된 공간 패널자료이기 때문에, 시간요인과 공간요인을 통제할 수 있는 공간패널모형을 사용하여 두 변수를 분석하였다. 분석결과 인스타그램의 사용자 생성 콘텐츠 변수가 유동인구에 유의미한 양의 영향을 미치는 것으로 분석되었다.
공간패널모형을 이용하여 분석한 결과를 통해 사용자 생성 콘텐츠가 유동인구에 영향을 미치는 것을 알 수 있었고, 이를 기반으로 유동인구의 행동패턴을 모방하는 에이전트를 학습시키기 위해 강화학습을 이용하여 시뮬레이션을 진행하였다. 강화학습을 적용하기 위해 환경, 에이전트와 마르코프 결정 과정을 정의하였고, 이를 서울특별시의 중요한 상권 중의 하나인 이태원 상권에 적용하여 유동인구의 행동패턴을 예측하고자 하였다. 에이전트는 상권 방문객으로 이태원 환경과의 상호작용을 통해 상태와 보상을 받는다. 이태원 상권의 각 지역별로 상이하게 분포한 사용자 생성 콘텐츠를 기반으로 에이전트는 지역을 방문한다. 에이전트는 사용자 생성 콘텐츠가 많은 지역을 방문하는 경우, 높은 유명도를 지닌 지역을 방문하기 때문에 높은 보상을 받고 그렇지 못한 지역을 방문하는 경우 낮은 보상을 받게 된다. 또한 같은 지역에 오래 머무르는 경우, 해당 지역에 대해 지루함을 느끼기 때문에 지역의 보상이 시간에 따라 반감되는 요인을 에이전트 속성으로 설계하였다. 실제 환경을 모사하기 위한 이와 같은 설정으로 인해, 에이전트는 환경과의 상호작용을 통해 에이전트가 관측하는 상태가 변화하고 학습 자료에 따라서 보상이 변화하는 동적인 환경과 상호작용하며 최적 행동 정책을 학습한다. 강화학습의 대표적인 알고리즘인 SARSA, Q-learning, DQN을 적용하여 정의된 환경에서 시뮬레이션을 진행하였고, DQN이 가장 높은 누적 보상을 얻으며 가장 빠르게 수렴하는 것으로 나타났다.
연구결과 ‘인스타그램’의 사용자 생성 콘텐츠가 유동인구에 영향을 주는 공간변수임을 확인할 수 있으며 점포 단위로 발생하는 사용자 생성 콘텐츠의 특성상 좁은 공간 범위를 가지는 공간 자료를 발견한 의의가 있다. 뿐만 아니라 강화학습을 이용하여 실제 상권에서 유동하는 인간의 움직임을 모사하는 에이전트를 학습시킨 의의가 있다. 에이전트와 환경 사이의 상호작용에 따라 상태와 보상이 변화하는 환경에서 DQN을 적용하는 경우 가장 좋은 성능을 보이며, 미래의 정보를 이용하여 에이전트를 학습시키는 경우 더 좋은 성능을 보이는 것으로 확인할 수 있다. 상권의 예측된 유동인구 행동패턴 정보에 기반하여 향후 소상공인 입지선정과 관련하여 창업 지원 및 재난상황의 인구대피 시나리오 등 정책적 방안을 제안할 수 있을 것으로 기대된다.
목차
Ⅰ. 서론 1제 1 절 연구배경 및 연구 필요성 1제 2 절 연구목적 1제 3 절 연구범위 및 연구구성 61. 연구범위 62. 연구구성 7Ⅱ. 이론적 배경 및 연구동향 11제 1 절 사용자 생성 콘텐츠와 유동인구 11제 2 절 공간패널모형 131. 패널모형 132. 공간패널모형 15제 3 절 강화학습 191. SARSA 232. Q-learning 243. DQN 26Ⅲ. 공간패널모형을 활용한 유동인구와 사용자 생성 콘텐츠의 관계 분석 30제 1 절 자료처리 311. 연구자료 수집 312. 자료 전처리 333. 자료 분석 35제 2 절 연구모형39제 3 절 연구모형 검증 및 분석결과 441. 연구모형 검증 442. 분석결과 45제 4 절 소결 51Ⅳ. 강화학습을 이용한 유동인구 행동패턴 예측 시뮬레이션 52제 1 절 실험설정 53제 2 절 학습설정 601. 학습자료 612. SARSA 613. Q-learning 624. DQN 63제 3 절 실험결과 681. 알고리즘 비교 682. DQN 성능 비교 69제 4 절 소결 73Ⅴ. 결론 74제 1 절 연구성과 및 의의 74제 2 절 향후 연구계획 77참 고 문 헌 78
최근 본 자료
댓글(0)
0