정보통신기술의 발전으로 지역개발사업을 비롯한 다양한 분야에 서 공간 빅데이터가 축적되고 있다. 공간 빅데이터는 정형ㆍ반정형ㆍ비정형 공간빅데 이터를 효율적으로 수집ㆍ저장ㆍ관리하는 동시에 공간정보와 융합된 다양한 속성정보 에 대해 실시간ㆍ통합 분석을 수행하여 의미 있는 정보를 추출함으로써 미래에 대응할 수 있는 기술이라 할 수 있다. 이러한 공간 빅데이터는 지역상권의 분석에서도 유용하게 활용될 수 있다. 본 연구는 공간 빅데이터를 활용하여 소지역 상권매출에 미치는 영향요인을 분석하고자 공간 빅데이터 구축 및 처리, 그리고 분석 방법을 제시하였다. 이를 위해 먼저 선행연구 검토를 통해 분석방 법과 이론을 확립하였다. 분석을 위한 데이터는 카드매출 및 유동 인구 등 공간 빅데이터와 관련 데이터를 수집하여 소지역 단위로 데이터를 구축하였다. 이후 공간가중회귀모형을 적용한 소지역 및 읍면동 단위의 ...
정보통신기술의 발전으로 지역개발사업을 비롯한 다양한 분야에 서 공간 빅데이터가 축적되고 있다. 공간 빅데이터는 정형ㆍ반정형ㆍ비정형 공간빅데 이터를 효율적으로 수집ㆍ저장ㆍ관리하는 동시에 공간정보와 융합된 다양한 속성정보 에 대해 실시간ㆍ통합 분석을 수행하여 의미 있는 정보를 추출함으로써 미래에 대응할 수 있는 기술이라 할 수 있다. 이러한 공간 빅데이터는 지역상권의 분석에서도 유용하게 활용될 수 있다. 본 연구는 공간 빅데이터를 활용하여 소지역 상권매출에 미치는 영향요인을 분석하고자 공간 빅데이터 구축 및 처리, 그리고 분석 방법을 제시하였다. 이를 위해 먼저 선행연구 검토를 통해 분석방 법과 이론을 확립하였다. 분석을 위한 데이터는 카드매출 및 유동 인구 등 공간 빅데이터와 관련 데이터를 수집하여 소지역 단위로 데이터를 구축하였다. 이후 공간가중회귀모형을 적용한 소지역 및 읍면동 단위의 회귀분석을 실시하였다. 이를 통해 국지적 R Square를 활용하여 연구모형의 설명력을 평가하였으며 소지역 분 석결과와 읍면동 단위의 분석결과를 비교ㆍ검토하였다. 또한 주요 변수별 회귀계수를 시각화하여 지역별 영향력을 측정하였다. 마지 막으로 본 연구의 분석과정 및 결과, 연구의 한계 등 결론을 제시 하였다.
정보통신기술의 발전으로 지역개발사업을 비롯한 다양한 분야에 서 공간 빅데이터가 축적되고 있다. 공간 빅데이터는 정형ㆍ반정형ㆍ비정형 공간빅데 이터를 효율적으로 수집ㆍ저장ㆍ관리하는 동시에 공간정보와 융합된 다양한 속성정보 에 대해 실시간ㆍ통합 분석을 수행하여 의미 있는 정보를 추출함으로써 미래에 대응할 수 있는 기술이라 할 수 있다. 이러한 공간 빅데이터는 지역상권의 분석에서도 유용하게 활용될 수 있다. 본 연구는 공간 빅데이터를 활용하여 소지역 상권매출에 미치는 영향요인을 분석하고자 공간 빅데이터 구축 및 처리, 그리고 분석 방법을 제시하였다. 이를 위해 먼저 선행연구 검토를 통해 분석방 법과 이론을 확립하였다. 분석을 위한 데이터는 카드매출 및 유동 인구 등 공간 빅데이터와 관련 데이터를 수집하여 소지역 단위로 데이터를 구축하였다. 이후 공간가중회귀모형을 적용한 소지역 및 읍면동 단위의 회귀분석을 실시하였다. 이를 통해 국지적 R Square를 활용하여 연구모형의 설명력을 평가하였으며 소지역 분 석결과와 읍면동 단위의 분석결과를 비교ㆍ검토하였다. 또한 주요 변수별 회귀계수를 시각화하여 지역별 영향력을 측정하였다. 마지 막으로 본 연구의 분석과정 및 결과, 연구의 한계 등 결론을 제시 하였다.
As a result of the development of information and communication technology, there is accumulating massive amounts of Geo-Spatial Big Data. Geo-Spatial Big Data is the technology to extract meaningful information from Geo-spatial fusion data and support decision making responding with rapidly changin...
As a result of the development of information and communication technology, there is accumulating massive amounts of Geo-Spatial Big Data. Geo-Spatial Big Data is the technology to extract meaningful information from Geo-spatial fusion data and support decision making responding with rapidly changing activities by analysing with almost realtime solutions while efficiently collecting, storing and managing structured, semi-structured or unstructured big data. Geo-Spatial Big Data can also be used to analyze local commercial areas. In this study, Geo-Spatial Big Data construction, processing and analysis methods were presented to analyze the factors affecting sales of small area commercial area using Geo-Spatial Big Data. For this purpose, the analytical methods such as analytical methods were established through the precedent research review. Regression analysis was performed for each sub-region and Eup-Myeon-Dong unit using the Geographical Weighted Regression Model. Through this, the explanatory power of the research model was evaluated through the Local-R-Squares and the unit analysis of the small area and the Eup-Myeon-Dong. In addition, we visualized regression coefficients of major variables and measured regional influence. Finally, this study presented the limitations of the application and the research utilizing the analysis process and results.
As a result of the development of information and communication technology, there is accumulating massive amounts of Geo-Spatial Big Data. Geo-Spatial Big Data is the technology to extract meaningful information from Geo-spatial fusion data and support decision making responding with rapidly changing activities by analysing with almost realtime solutions while efficiently collecting, storing and managing structured, semi-structured or unstructured big data. Geo-Spatial Big Data can also be used to analyze local commercial areas. In this study, Geo-Spatial Big Data construction, processing and analysis methods were presented to analyze the factors affecting sales of small area commercial area using Geo-Spatial Big Data. For this purpose, the analytical methods such as analytical methods were established through the precedent research review. Regression analysis was performed for each sub-region and Eup-Myeon-Dong unit using the Geographical Weighted Regression Model. Through this, the explanatory power of the research model was evaluated through the Local-R-Squares and the unit analysis of the small area and the Eup-Myeon-Dong. In addition, we visualized regression coefficients of major variables and measured regional influence. Finally, this study presented the limitations of the application and the research utilizing the analysis process and results.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.