선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 기념일의 경우는 동계올림픽(2월 7일∼2월 23일), 아시안 게임(9월 19일∼10월 4일), FIFA월드컵(6월 13일∼7월 14일), 블랙데이(4월 14일), 복날(7월 18일, 7월 28일, 8월 7일), 삼겹살데이(3월 3일), SKT 피자 멤버십 할인데이(1월∼4월 마지막 주 수요일, 4월 14일∼5월 31일 매주 금요일), 황금연휴(5월 1∼6일, 6월 4∼8일, 9월 6∼10일) 등을 고려하여 1과 0의 범주형변수로 포함시켰다. 본 논문에서는 시간대별 자료를 이용하여 분석 할 것이다. 여기서 총 관측치의 개수는 33,281개이며, 2014년 1월 1일부터 2014년 12월 31일까지 서울의 배달음식(치킨, 피자, 족발/보쌈, 중국음식) 데이터를 사용하였다.
제안 방법
- 3.1.1장의 최적의 모형 3가지(Neural Network Model, Random Forest, Support Vector Machine)로 예측한 총 이용건수와 3.1.2장의 모형 2가지(Linear model, Generalized linear model)로 예측한 각 배달업종의 이용비율을 곱하여 각 배달업종의 이용건수를 예측해본다. 예상했던 대로 선형회귀모형을 이용했을 때, 일반화 선형 모형에 비해서 모든 경우에서 test error가 작았다.
- 5가지 회귀모형(선형회귀모형, 랜덤 포레스트, 그래디언트 부스팅, 서포트 벡터 기계, 신경망 모형)을 이용하여, 4가지 업종의 총 이용건수인 SUM call을 예측해보았다.
- 따라서 선형회귀모형이 이용비율을 예측하는데 더 적합한 모형이라고 할 수 있다. 각 업종별로 보면 대체로 족발/보쌈 정식, 피자, 치킨, 중국음식 순으로 test error가 작았다.
- 우선 하나의 모형으로 전체 배달 건수를 예측한 후에 업종별 배달음식 건수를 예측하는 방법을 제시하였다 (방법 1). 그리고 업종별 배달음식을 개개의 다른 모형으로 예측한 후에 전체 배달 건수를 예측하는 모형을 제시하였다 (방법 2). 전체 배달 건수 예측에서는 방법 1이 더 우수하였고 업종별 배달 음식 건수 예측에서는 족발/보쌈정식과 중국음식에서는 방법 2가, 치킨과 피자에서는 방법 1이 더 나은 성능을 보여주었다.
- 기념일의 경우는 동계올림픽(2월 7일∼2월 23일), 아시안 게임(9월 19일∼10월 4일), FIFA월드컵(6월 13일∼7월 14일), 블랙데이(4월 14일), 복날(7월 18일, 7월 28일, 8월 7일), 삼겹살데이(3월 3일), SKT 피자 멤버십 할인데이(1월∼4월 마지막 주 수요일, 4월 14일∼5월 31일 매주 금요일), 황금연휴(5월 1∼6일, 6월 4∼8일, 9월 6∼10일) 등을 고려하여 1과 0의 범주형변수로 포함시켰다.
- 운량에 따라서 0∼2는 맑음, 3∼5는 구름조금, 6∼8은 구름 많음, 9∼10이상은 흐림으로 날씨를 분류하였고, 이를 순서형 변수인 1, 2, 3, 4로 정의하였다. 기상청에서 제공되는 날씨타입 중에 눈, 비가 있는 경우를 1로 아닌 경우를 0으로 하여 눈, 비 여부를 표시하였다.
- 다음으로 신경망 모형을 이용하여 네 가지 배달음식 이용건수를 분석해보았다. 신경망 모형의 적합에 필요한 튜닝 모수(size, decay)의 경우, 각 배달음식별 10-fold cross validation 결과 얻은 최적의 튜닝모수를 이용했을 때와 3.
- 다음으로, 위에서 언급한 5가지 회귀 모형을 이용하여 모형을 적합 시키고 각 모형의 예측력을 비교해보고자 한다. 튜닝 모수가 필요한 모형에 대해서는, 10-fold cross validation을 이용하여 구한 최적의 튜닝 모수를 이용하였다.
- 단계적 선택법을 실시하여 최적의 선형회귀모형을 구하였다. 선형회귀모형에서는 4종류 배달음식의 이용 비율(posterior probability)을 예측하기 위해서 반응변수를 이용건수의 weight 값으로 적합한다(weight 값 = 이용건수/네 업종 총 이용건수).
- 결측치를 처리하는 많은 방법론 중에 KNN방법론을 사용한 이유는, 우선 결측치의 숫자가 많지 않은 경우에 가장 빠르면서 효과적으로 결측치를 해결할 수 있는 방법론이기 때문이다. 또한 month, day, time 변수는 범주형 변수로서, 범주의 수가 많아 용이한 해석을 위하여 상자그림과 GMM(Gaussian Mixture Model)을 이용하여 군집분석을 수행하고 그 결과를 이용하여 그룹화를 시도해보았다. 그 결과, day, time 변수의 경우 그룹화 후의 예측력이 급격히 감소하여 그룹화 전의 원범주를 그대로 사용한다.
- 방법 1에서 총 이용건수를 예측한 후에 개별업종의 배달비율을 예측하였다. 방법 2에서는 각 배달음식 별로 모형을 구축해보고 이를 이용하여 개별업종과 총 이용건수를 예측해 보고자 한다.
- 방법 1과 방법 2에서 최종 선택된 모형의 test error를 비교하면 다음과 같다. 방법 1의 경우 총 이용건수를 신경망 모형으로, 업종별 이용비율을 선형회귀모형으로 선택하였으며, 방법 2의 경우 신경망 모형을 최종 모형으로 선택하였다. 두 방법론의 최종 선택 모형을 비교하면, 족발/보쌈정식, 중국음식 업종의 경우 방법 2에서, 치킨, 피자 업종의 경우 방법 1에서 test error가 작았다.
- 방법 1에서 총 이용건수를 예측한 후에 개별업종의 배달비율을 예측하였다. 방법 2에서는 각 배달음식 별로 모형을 구축해보고 이를 이용하여 개별업종과 총 이용건수를 예측해 보고자 한다. 분석에는 독립변수와 종속변수 간 관계 해석을 위한 선형 회귀 모형과 3.
- 분석을 위해 8,758개의 자료를 7 : 3 비율로 train과 test로 나누어 각각 train 6,130개, test 2,628개의 자료로 분석을 진행하였다. 설명변수 중에서 범주형 변수인 month, day, time, season, holiday, holiday2, rain snow 총 7개에 대하여 factor 변환 하였다. 순서형 변수인 climate는 연속 변수로 간주하여 분석에 사용하였다.
- 설명변수 중에서 범주형 변수인 month, day, time, season, holiday, holiday2, rain snow 총 7개에 대하여 factor 변환 하였다. 순서형 변수인 climate는 연속 변수로 간주하여 분석에 사용하였다. 최종 모형에 사용된 독립변수 및 설명변수는 Table 2.
- 우리는 다양한 회귀모형을 사용해서 배달음식 건수를 예측해보았다. 우선 하나의 모형으로 전체 배달 건수를 예측한 후에 업종별 배달음식 건수를 예측하는 방법을 제시하였다 (방법 1).
- 우리는 다양한 회귀모형을 사용해서 배달음식 건수를 예측해보았다. 우선 하나의 모형으로 전체 배달 건수를 예측한 후에 업종별 배달음식 건수를 예측하는 방법을 제시하였다 (방법 1). 그리고 업종별 배달음식을 개개의 다른 모형으로 예측한 후에 전체 배달 건수를 예측하는 모형을 제시하였다 (방법 2).
- 일 년 365일 동안 0∼23시간대에 얻어지는 4가지 배달 업종에 대한 자료이므로 총 35,040개여야 하는데 데이터로 확인해본 결과 배달이용이 없는 시간대 이였기 때문에 결측치인 경우 1759개를 통화량 0건으로 처리하였다.
- 마지막으로 배달시킬 음식을 선택한 후에는 결제를 앱을 통하여 할 수도 있고, 평소와 같이 배달음식을 받으면서 결제를 할 수도 있다. 하지만 아직도 많은 배달이 전화를 통해 이루어지고 있으며, 따라서 우리는 SKT에서 제공하는 배달 통화건수 자료를 이용하여 분석을 진행하였다.
대상 데이터
- 일 년 365일 동안 0∼23시간대에 얻어지는 4가지 배달 업종에 대한 자료이므로 총 35,040개여야 하는데 데이터로 확인해본 결과 배달이용이 없는 시간대 이였기 때문에 결측치인 경우 1759개를 통화량 0건으로 처리하였다. 관측치를 주어진 시간대별로 묶어서 자료를 다시 정리하면 총 8,758개 행의 자료가 얻어지는데 이를 우리의 분석 자료로 이용하였다. 여기서는 1월 31일 6과 7시간대에 4업종 모두 결측값을 가지는 것으로 나타났기 때문에 두 건을 제외한 8,758개의 자료로 분석하였다.
- 제공되는 데이터 중 2014년 1월 1일부터 12월 31일까지 총 1년 365일의 자료를 분석에 이용하였다. 기상청에서 제공되는 날씨 데이터 중에서 시간대 별로 제공되는 시간별 기온, 풍향, 풍속, 습도, 미세먼지를 이용하였고, 일별로 제공되는 일별 평균기온, 최저기온, 최고기온, 운량, 강수량, 일조시간, 일출, 일몰과 같은 날씨타입 자료를 이용하였다. 운량에 따라서 0∼2는 맑음, 3∼5는 구름조금, 6∼8은 구름 많음, 9∼10이상은 흐림으로 날씨를 분류하였고, 이를 순서형 변수인 1, 2, 3, 4로 정의하였다.
- kr)에서 제공하는 일별, 시간대별 자료를 취합하여 만들었다. 배달 업종 이용 현황분석 데이터는 서울 지역 배달 업종에 대한 한 달간 요일/시간대별 이용현황 데이터로, 제공되는 변수는 기준일, 요일, 시간대, 업종, 통화량이다. 통화량은 T고객(발신) 기준 이용자의 배달 업종 통화건수로 통화량 5건 미만은 5건으로 표시된 데이터이다.
- 분석에 사용된 자료는 SKtelecom Bigdatahub 사이트(http://www.bigdatahub.co.kr)에서 제공하는 오픈소스 데이터인 ‘배달 업종 이용 현황분석 (2014년도)’를 기본 데이터로 하고, 기상청(http://www.kma.go.kr)에서 제공하는 일별, 시간대별 자료를 취합하여 만들었다.
- 분석을 위해 8,758개의 자료를 7 : 3 비율로 train과 test로 나누어 각각 train 6,130개, test 2,628개의 자료로 분석을 진행하였다. 설명변수 중에서 범주형 변수인 month, day, time, season, holiday, holiday2, rain snow 총 7개에 대하여 factor 변환 하였다.
- 본 논문에서는 시간대별 자료를 이용하여 분석 할 것이다. 여기서 총 관측치의 개수는 33,281개이며, 2014년 1월 1일부터 2014년 12월 31일까지 서울의 배달음식(치킨, 피자, 족발/보쌈, 중국음식) 데이터를 사용하였다. 일 년 365일 동안 0∼23시간대에 얻어지는 4가지 배달 업종에 대한 자료이므로 총 35,040개여야 하는데 데이터로 확인해본 결과 배달이용이 없는 시간대 이였기 때문에 결측치인 경우 1759개를 통화량 0건으로 처리하였다.
- 관측치를 주어진 시간대별로 묶어서 자료를 다시 정리하면 총 8,758개 행의 자료가 얻어지는데 이를 우리의 분석 자료로 이용하였다. 여기서는 1월 31일 6과 7시간대에 4업종 모두 결측값을 가지는 것으로 나타났기 때문에 두 건을 제외한 8,758개의 자료로 분석하였다.
- 통화량은 T고객(발신) 기준 이용자의 배달 업종 통화건수로 통화량 5건 미만은 5건으로 표시된 데이터이다. 제공되는 데이터 중 2014년 1월 1일부터 12월 31일까지 총 1년 365일의 자료를 분석에 이용하였다. 기상청에서 제공되는 날씨 데이터 중에서 시간대 별로 제공되는 시간별 기온, 풍향, 풍속, 습도, 미세먼지를 이용하였고, 일별로 제공되는 일별 평균기온, 최저기온, 최고기온, 운량, 강수량, 일조시간, 일출, 일몰과 같은 날씨타입 자료를 이용하였다.
이론/모형
- Stepwise를 실시하여 최적의 일반화 선형 모형을 구하였다. 다항 로지스틱 회귀모형(Multinomial Logistic regression model)을 이용했으며 반응변수는 weight값이 아닌 각 업종별 이용건수의 행렬을 이용했다.
- 각 배달업종의 이용비율은 반응변수를 행렬 형태로 넣을 수 있는 다차원 선형회귀모형(Multivarite Linear Regression Model), 일반화 선형 모형(Generalized Linear Model)을 이용하여 예측했다.
- 각 배달음식에 대하여 단계적 선택법(stepwise selection)을 실시하여 최적의 선형회귀모형을 구해보았다. 그 결과, adjusted-R2가 각각 0.
- 특히 반응변수는 A(족발/보쌈 이용건수), B(중국음식 이용건수), C(치킨 이용건수), D(피자 이용건수)이고 전체 이용건수는 SUM call로 정의하였다. 결측치가 존재하는 미세먼지(dust) 변수의 경우, KNN(K-nearest neighbor) 방법을 이용하여 값을 채워주었다. 결측치를 처리하는 많은 방법론 중에 KNN방법론을 사용한 이유는, 우선 결측치의 숫자가 많지 않은 경우에 가장 빠르면서 효과적으로 결측치를 해결할 수 있는 방법론이기 때문이다.
- Stepwise를 실시하여 최적의 일반화 선형 모형을 구하였다. 다항 로지스틱 회귀모형(Multinomial Logistic regression model)을 이용했으며 반응변수는 weight값이 아닌 각 업종별 이용건수의 행렬을 이용했다. baseline 반응변수로는 A(족발/보쌈정식)가 사용되었다.
- 1이다. 모형의 적합도 및 예측력 평가 척도는 평균 제곱근 오차(RMSE)를 이용하였다.
- 3장에서는 통계프로그래밍 R (R Development Core Team, 2010)을 통하여 회귀 분석한 결과를 보여준다. 분석에 사용한 모형은 선형회귀모형, 랜덤 포레스트 (Breiman, 2001), 그래디언트 부스팅 (Friedman, 2002; Ridgeway, 2012), 서포트 벡터 기계(Cortes와 Vapnik, 1995; Karatzoglou, 2006), 신경망 (Hastie 등, 2009; Park 등, 2011), 로지스틱 회귀모형 (James 등, 2013) 총 여섯 가지 모형으로, 많이 사용되는 회귀모형이므로 따로 설명하지 않고 Table 1.1에서 간략히 소개한다. 각각의 회귀모형은 다양한 tuning parameters가 있으나 이를 여기서 모두 소개하기에는 지면의 부족함이 있으므로 (Park 등, 2011)을 참조하기 바란다.
- 방법 2에서는 각 배달음식 별로 모형을 구축해보고 이를 이용하여 개별업종과 총 이용건수를 예측해 보고자 한다. 분석에는 독립변수와 종속변수 간 관계 해석을 위한 선형 회귀 모형과 3.1장에서 가장 좋은 예측력을 보였던 신경망 모형만을 이용하였다.
- 다음으로, 위에서 언급한 5가지 회귀 모형을 이용하여 모형을 적합 시키고 각 모형의 예측력을 비교해보고자 한다. 튜닝 모수가 필요한 모형에 대해서는, 10-fold cross validation을 이용하여 구한 최적의 튜닝 모수를 이용하였다. 최적의 튜닝 모수들을 살펴보면, 랜덤 포레스트의 경우 mtry = 17, 그래디언트 부스팅의 경우 shrinkage = 0.
성능/효과
- 92건) 순이다. 4가지 업종 모두 10월에 총 이용건수 월별 합이 가장 많았으며, 치킨(2월)을 제외한 세 업종이 11월에 가장 적었지만 치킨의 이용건수가 많으므로 전체 데이터에서는 2월에 월별 합이 가장 작았다.
- 각 배달음식에 대하여 단계적 선택법(stepwise selection)을 실시하여 최적의 선형회귀모형을 구해보았다. 그 결과, adjusted-R2가 각각 0.9192, 0.9708, 0.9657, 0.9558로 네 가지 배달음식 모두에서 높은 모형 적합도를 보이고 있다. 따라서 선형회귀 모형이 데이터를 잘 설명하고 있다고 판단된다.
- 방법 1의 경우 총 이용건수를 신경망 모형으로, 업종별 이용비율을 선형회귀모형으로 선택하였으며, 방법 2의 경우 신경망 모형을 최종 모형으로 선택하였다. 두 방법론의 최종 선택 모형을 비교하면, 족발/보쌈정식, 중국음식 업종의 경우 방법 2에서, 치킨, 피자 업종의 경우 방법 1에서 test error가 작았다. 전체 데이터의 test error를 비교해 보면 방법 1에서 더 작고, 개별 데이터에서는 방법 1이 A, B에서 성능이 조금 떨어지지만 방법 2의 값과 그 차이가 크지 않으므로, 방법 1을 최적모형으로 선택한다.
- 주말이 평일에 비해 이용건수가 높기 때문에 7일 단위로 주기성을 보인다. 또한 2.2장에서 언급했던 바와 같이 9월과 10월이 다른 달에 비해 배달음식 이용건수가 증가함(Figure 3.4 검은색 점선)을 확인 할 수 있다.
- 먼저 단계적 선택법(stepwise selection)을 실시하여 최적의 선형회귀모형을 구해본 결과, adjusted-R2가 0.982로 선형회귀모형이 데이터를 충분히 설명하고 있다고 판단된다. 유의 수준 0.
- 2와 같다. 신경망 모형이 다른 모형에 비해 적합도와 예측력 모두에서 월등히 좋은 결과를 보이고 있으며, 랜덤 포레스트와 서포트 벡터 기계의 경우에도 나쁘지 않은 적합도와 예측력을 보임을 확인 할 수 있다. 이는 Figure 3.
- 2장의 모형 2가지(Linear model, Generalized linear model)로 예측한 각 배달업종의 이용비율을 곱하여 각 배달업종의 이용건수를 예측해본다. 예상했던 대로 선형회귀모형을 이용했을 때, 일반화 선형 모형에 비해서 모든 경우에서 test error가 작았다. 각 배달업종별 이용건수를 예측해 본 결과, 가장 좋은 결과를 보여주는 것은 3.
- 1은 변수들의 상대적인 중요도를 알아보기 위하여 그려 본 랜덤 포레스트의 Variable Importance Plot이다. 이를 살펴보면, time, day, month, hum 변수 순으로 중요하며, 그 중 time변수가 가장 큰 영향을 미치는 변수임을 확인 할 수 있다.
- 7은 선형 회귀 모델과 신경망 모형을 이용해 구한 적합도 및 예측력을 나타낸 것이다. 이용건수가 많은 치킨(C), 중국음식(B), 피자(D), 족발/보쌈정식(A) 순으로 RMSE값이 높으며, 신경망 모형이 선형회귀 모형에 비해 좋은 예측력을 보이는 것을 확인할 수 있다. 따라서 3.
- 그리고 업종별 배달음식을 개개의 다른 모형으로 예측한 후에 전체 배달 건수를 예측하는 모형을 제시하였다 (방법 2). 전체 배달 건수 예측에서는 방법 1이 더 우수하였고 업종별 배달 음식 건수 예측에서는 족발/보쌈정식과 중국음식에서는 방법 2가, 치킨과 피자에서는 방법 1이 더 나은 성능을 보여주었다.
- 전체적으로 모든 업종에서 점심시간대(11시–13시)와 저녁시간대(17시–20시)에 이용건수가 증가함을 확인할 수 있다.
- 05를 기준으로 배달업종별 회귀 계수가 양수인 변수들을 증가 항목으로, 음수인 변수를 감소 항목으로 정리한 결과표이다. 증가 변수이거나 증가 변수의 값이 커질수록 각 업종별 배달이용비율이 증가하며, 감소 변수이거나 감소 변수 값이 커질수록 배달이용비율이 감소한다. 결과를 보면 배달 업종별로 증가, 감소하는 변수가 각각 다른 것을 알 수 있다.
- 총 배달이용건수를 보면 시간대별 최대 이용건수 17,752건(10월 26일 오후 18시), 시간대별 최소 이용건수 5건 (9월 8일 오전 6시), 시간대별 평균 이용건수 2,226건으로 변동성이 매우 큰 변수이다. 하루 최대 이용건수 101,941건(10월 26일), 하루 최소 이용건수 9,383건(5월 8일), 하루 평균 이용건수 37,388.
- 물론 1년 치 데이터만을 이용해서 분석했으므로 연단위 시간이 지남에 따른 변화를 분석할 수는 없었지만 1년 시간 단위 안에서는 배달 음식 건수는 상당히 안정된 모형을 따른 다는 것을 알 수 있다. 최근의 논문 동향을 보면 랜덤 포레스트나 그래디언트 부스팅 같은 앙상불 방법론이 예측력에서 가장 우수한 성능을 보여주는 경우를 많이 볼 수 있는데 본 논문에서 가장 우수한 예측력을 보여준 모형이 신경망 모형이라는 사실도 특이한 점이라고 할 수 있다. 본 예측모형을 이용하면 배달 음식점들이 수요예측을 어느 정도 정확하게 할 수 있으므로 유용할 것이고, 배달 음식 이용추이와 현황을 파악함으로써 배달 업주들 뿐 만아니라 배달 이용 고객들에게도 유용한 정보를 알려줄 수 있을 것이라고 생각된다.
후속연구
- 최근의 논문 동향을 보면 랜덤 포레스트나 그래디언트 부스팅 같은 앙상불 방법론이 예측력에서 가장 우수한 성능을 보여주는 경우를 많이 볼 수 있는데 본 논문에서 가장 우수한 예측력을 보여준 모형이 신경망 모형이라는 사실도 특이한 점이라고 할 수 있다. 본 예측모형을 이용하면 배달 음식점들이 수요예측을 어느 정도 정확하게 할 수 있으므로 유용할 것이고, 배달 음식 이용추이와 현황을 파악함으로써 배달 업주들 뿐 만아니라 배달 이용 고객들에게도 유용한 정보를 알려줄 수 있을 것이라고 생각된다.
- 우리는 이 논문을 통해서 배달음식의 이용건수를 시간과 날씨에 따라 예측해 봄으로써 판매자 측에서는 판매량을 예측하여 하루에 필요한 물량을 예측하고, 효율적인 시간 관리와 운영에 이익을 줄 것이다. 주문자 입장에서는 주문량이 많은 시간대를 피해서 주문을 하면 더 신속하게 배달음식을 이용할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.