[논문]회귀분석과 텍스트마이닝을 활용한 미세먼지 비상저감조치의 실효성 및 국민청원 분석

김애니; 정소희; 최현빈; 김현희

doi:10.3745/ktsde.2018.7.11.427

회귀분석과 텍스트마이닝을 활용한 미세먼지 비상저감조치의 실효성 및 국민청원 분석
An Analysis of Effects of Emergency Fine Dust Reduction Measures and National Petition Using Regression Analysis and Text Mining 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.7 no.11, 2018년, pp.427 - 434

김애니 (동덕여자대학교 정보통계학과) , 정소희 (동덕여자대학교 정보통계학과) , 최현빈 (동덕여자대학교 정보통계학과) , 김현희 (동덕여자대학교 정보통계학과)

초록
AI-Helper

최근 서울시에서는 '미세먼지 비상저감조치'로 '대중교통 무료' 정책과 '시민 참여형 차량 2부제'를 시행하였다. 본 논문에서는 두 교통정책에 대한 실효성을 파악한 뒤, 향후 미세먼지 정책의 방향을 제시하였다. 교통이 미세먼지에 미치는 영향은 회귀분석으로, 두 정책에 대한 시민들의 반응과 향후 정책에 대한 시민들의 의견은 텍스트마이닝 기법을 통해 알아보았다. 분석 결과, 정책에 대한 시민들의 의견은 대부분 부정적이었고 국외 요인이 미세먼지의 주된 원인이라는 시민들의 생각과 달리 국내 요인의 영향도 상당하였다. 또 국민청원을 통해 시민들이 원하는 구체적인 정책의 내용을 알 수 있었다. 위 결과를 토대로 향후 미세먼지 정책이 나아갈 방향을 제시하였다.

Abstract ▼ AI-Helper

Recently, the Seoul government implemented 'Free Public Transportation' policy and 'Citizen Participatory Alternative-Day-No-Driving' system as 'Emergency Fine Dust Reduction Measures'. In this paper, after identifying the effectiveness of the two traffic policies, suggestions for direction of future fine dust policy were made. The effect of traffic on the fine dust was analyzed by regression analysis and the responses to the two traffic policies and petitions were analyzed using text mining. Our experimental results show that the responses to the policy were mostly negative, and the influence of the domestic factors was considerable unlike expectation of citizens. Moreover, the result made us possible to know people's specific needs on fine dust reduction policy. Finally, based on the result, the suggestions for fine dust reduction policy direction were provided.

주제어

표/그림 (7)

그림 Fig. 1. Number of Likes/Dislikes and Comment for Each Policy
그림 Fig. 2(B). Word Cloud of Alternative-Day-No-Driving System
표 Table 1. Air Pollution Source Categories
표 Table 2. Reclassification of KSIC industry
그림 Fig. 3. Coefficients of Stepwise Regression Analysis
그림 Fig. 4. Clusters of Topic
표 Table 3. Properties of Each Topics in Topic Modeling

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 분석에서는 국민청원을 분석하여 시민들이 원하는 ‘미세먼지 비상저감조치’의 방향을 파악하고자 한다.
본 논문에서는 회귀분석과 텍스트마이닝을 이용해 기존 ‘미세먼지 비상저감조치’ 정책에 대한 실효성을 파악하고 국민청원을 분석하여 향후 정책의 방향성을 알아보았다.
본 논문은 회귀분석[3]과 텍스트마이닝[4, 5]을 활용해 위 두 교통정책에 대한 시민들의 반응을 알아보고 향후 미세먼지 정책이 나아가야 할 방향을 제시하고자 한다.
본 연구의 공헌은 다양한 분석 결과를 통합하여 교통을 중심으로 ‘미세먼지 비상저감조치’에 대한 국민들의 반응을 분석하고 향후 정책의 방향을 제시한 것이다.
기존 정책의 실효성 분석에서 국내 요인의 영향력에 대한 시민들의 인식이 낮음을 보였다. 이를 통해 미세먼지에 대한 국내 요인의 영향력 분석이 추가적으로 필요함을 알 수 있었고 두 정책과 관련된 교통산업을 중심으로 회귀분석을 실시하여 배출원별 산업과 미세먼지와의 관련성을 파악하고자 한다.

제안 방법

변수선택 방법으로 전진 선택법, 후진 제거법, 단계적 방법을 사용하였고 세 모형의 판단 기준으로는 AIC(Akaike Information Criterion) 값을 이용하였다. AIC 값은 전진 선택법이 -30.8, 후진 제거법이 -33.66, 단계적 방법이 -33.66으로 가장 AIC 값이 작은 후진 제거법과 단계적 방법 중 전진 선택법과 후진 제거법의 보완적인 성격을 띠는 단계적 방법을 최종 모형으로 선택하였다. 단계적 방법을 통한 회귀식은 Equation (2)와 같다.
또한 [11]의 연구는 국내 요인과 중국 요인을 변수로 설정하고 지역별 패널 데이터를 통해 각 변수가 국내 초미세먼지 농도에 미치는 영향을 분석하였다. 국내 요인으로는 경유 소비량, 석탄화력발전 거래량, 화학, 시멘트 제조업 생산지수를, 중국 요인으로는 한국과 거리가 가까운 산동성 지역의 초미세먼지농도, 월별 서풍계열 풍향일수 비율을 선정하였다. 분석 결과, 중국 산동성 지역의 초미세먼지농도와 서풍 계열의 풍향이 국내 초미세먼지농도에 양의 영향을 미치는 것으로 확인되었다.
그룹 1은 토픽 1과 8, 그룹 2는 토픽 2, 4, 5, 그룹 3은 6, 7, 9, 10, 그룹 4는 토픽 3이다. 그리고 각 그룹에 속하는 단어들의 유사성과 청원 내용을 바탕으로 주제를 도출하고 하나의 주제어를 선정하여 해당 그룹의 그룹명으로 사용하였다. 그룹 1에 속하는 단어로는 ‘경각심’, ‘보여주기식’, ‘최우선과제’, ‘두려움’ 등이 있고 이 단어들은 청원인의 일반적인 견해라고 판단하여 ‘Petitioner’라는 그룹명을 부여하였다.
다음, 각 정책에 대한 기사들의 ‘좋아요’, ‘화나요’의 비율을 알아보았다.
마지막으로 국민들이 원하는 정책의 방향을 파악하기 위해 ‘미세먼지’를 검색어로 하여 국민청원을 추출하고 이를 분석하였다.
먼저, 텍스트마이닝을 통해 위 두 교통정책에 대한 시민들의 반응을 분석해 보았다. 정책 명을 검색어로 하여 5개 주요 언론사의 기사를 정책별로 선정하고 선정한 기사들의 ‘좋아요’, ‘화나요’ 수와 댓글을 수집하였다.
미세먼지농도는 종속변수로 대기오염물질 배출원별 사업체 수는 독립변수로 설정하고, 독립변수는 값의 범위 차이를 고려하여 평균과 분산을 이용해 표준화하였다. 다음, 통계분석 프로그램인 R을 이용하여 미세먼지농도에 대한 단순선형회귀식을 도출하였다.
미세먼지농도와 교통산업의 관계를 더 자세하게 알아보기 위해 도로이동(n₄)과 비도로이동(n₅) 산업을 추가분석 해보았다. 도로이동 산업에 해당하는 산업으로는 시내버스, 시외버스, 택시, 전세버스, 장의차량, 도로 화물, 소화물 전문 운송업이 있다.
토픽 모델링의 한기법인 LDA는 확률을 기반으로 토픽과 토픽에 분포하는 단어를 분석하여 대량의 문서 분석에 용이한 기법이다. 본 분석에서는 토픽은 10개로, 토픽의 구성 단어는 30개로 설정하고 토픽 간 관련성을 한눈에 알아보기 위해 공통된 단어들을 포함하는 토픽들을 그룹화하였다. 생성된 토픽의 그룹은 Fig.
마지막으로 권역별 식생지수와 미세먼지 발생량의 상관관계를 분석한 연구가 진행되었다[9]. 식생지수는 식생조건을 대표하는 값으로 정규화된 값을 평균하여 사용하였다. 그 결과, 식생지수와 권역별 미세먼지 발생량은 음의 상관을 보이고 내륙도시가 서해안, 내륙농촌, 동해안보다 식생의 영향을 가장 크게 받는 것으로 나타났다.
위 두 정책에 대한 시민들의 반응을 알아보기 위해 먼저각 정책에 대한 기사들의 ‘좋아요’, ‘화나요’ 수와 댓글 수를 비교해보았다.
위의 배출원 분류 체계를 기준으로, KSIC에 따른 산업들을 각 항목에 분류하였다. 이때, 배출원 분류 체계와 유사성이 떨어지는 산업, 관련 산업이 없는 배출원은 자료에서 제외하였다.
자료 수집 및 처리의 마지막 단계로 미세먼지농도 자료와 대기오염물질 배출원별 사업체 수 자료를 합하여 최종 데이터셋을 만들었다.
정책 명을 검색어로 하여 5개 주요 언론사의 기사를 정책별로 선정하고 선정한 기사들의 ‘좋아요’, ‘화나요’ 수와 댓글을 수집하였다. 정책별로 댓글에 텍스트마이닝 기법을 적용하여 주요 단어를 추출한 다음 워드 클라우드로 결과를 시각화하였다. 그 결과, 미세먼지 정책에 대한 시민들의 관심과 부정적인 의견이 크게 증가함을 알 수 있었다.
마지막으로 국민들이 원하는 정책의 방향을 파악하기 위해 ‘미세먼지’를 검색어로 하여 국민청원을 추출하고 이를 분석하였다. 추출한 청원에 토픽 모델링을 적용하여 10개의 토픽과 토픽별로 30개의 단어를 추출하고 각 토픽의 주요 단어가 갖는 유사성을 바탕으로 토픽을 크게 네 가지 그룹으로 나누었다. 그룹명은 ‘Petitioner’, ‘Other Countries’, ‘Transportation’, ‘Children’이며 ‘Petitioner’는 현재 미세먼지 정책에 대한 청원인의 일반적인 견해, ‘Other Countries’는 미세먼지를 유발하는 국외 요인의 해결 촉구, ‘Transportation’은 교통수단과 관련한 정책 제안, ‘Children’은 아이들의 건강과 관련한 정책 제안에 대한 내용으로 구성되어 있다.
토픽 모델링 결과를 통해 10개의 토픽을 크게 네 그룹으로나누었다. 그룹 1은 토픽 1과 8, 그룹 2는 토픽 2, 4, 5, 그룹 3은 6, 7, 9, 10, 그룹 4는 토픽 3이다.
의 연구[6] 결과를 반영하여 배출원 분류 체계를 기반으로 산업을 재분류하고 미세먼지와의 관계를 알아보았다. 회귀분석의 기법으로는 단순선형회귀와 전진 선택, 후진 제거, 그리고 단계적 변수 선택을 이용하였다. 그 결과,교통수단이라고 해서 반드시 미세먼지와 양의 관계를 갖는 것은 아니며 도로를 이용하는 교통수단만이 미세먼지에 악영향을 미친다는 사실을 알 수 있었다.

대상 데이터

‘대중교통 무료’ 정책에 대한 기사는 조선, 중앙, 동아일보와 한겨레, 경향신문에서, ‘차량 2부제’에 대한 기사는 조선, 중앙일보와 경향신문에서 선정하였다.
KSIC에 따른 사업체 수 자료 수집 시, 자료의 일치성을 위해 앞서 수집한 미세먼지농도 자료와 시점과 지역을 동일하게 하여 수집하였다.
정책 명을 검색어로 하여 주요 언론사별로 기사를 선정하였다. 기사 선정 시, 네이버뉴스에 등록된 기사 중 의견의 편향을 방지하기 위해 댓글이 10개 이상인 기사만을 선정하였다. ‘대중교통 무료’ 정책에 대한 기사는 조선, 중앙, 동아일보와 한겨레, 경향신문에서, ‘차량 2부제’에 대한 기사는 조선, 중앙일보와 경향신문에서 선정하였다.
미세먼지농도(PM10, 단위: ㎍/㎥) 자료는 환경부 한국환경공단에서 제공한 2006년부터 2016년까지 서울, 경기, 인천 지역의 연평균자료이다. 대기오염물질 배출원별 사업체 자료는 대기오염물질 배출원이 산업별로 구분된 것을 고려하여, 먼저 통계청의 한국표준산업분류(Korean Standard Industrial Classification, 이하 KSIC)에 따라 산업별 사업체 수 자료를 수집하고 미세먼지농도와의 관련성을 높이기 위해 국립환경과학원의 대기오염물질 배출원 분류 체계[15, 16]로 재분류하였다.
선정한 기사마다 ‘좋아요’, ‘화나요’ 수와 댓글을 수집하였다.
정책 명을 검색어로 하여 5개 주요 언론사의 기사를 정책별로 선정하고 선정한 기사들의 ‘좋아요’, ‘화나요’ 수와 댓글을 수집하였다.
정책 명을 검색어로 하여 주요 언론사별로 기사를 선정하였다. 기사 선정 시, 네이버뉴스에 등록된 기사 중 의견의 편향을 방지하기 위해 댓글이 10개 이상인 기사만을 선정하였다.
청와대 홈페이지의 ‘국민청원 및 제언’ 카테고리에서 제목에 ‘미세먼지’가 포함되고 동의 수가 10 이상인 청원을 추출하였다[18].

데이터처리

미세먼지농도는 종속변수로 대기오염물질 배출원별 사업체 수는 독립변수로 설정하고, 독립변수는 값의 범위 차이를 고려하여 평균과 분산을 이용해 표준화하였다. 다음, 통계분석 프로그램인 R을 이용하여 미세먼지농도에 대한 단순선형회귀식을 도출하였다. 해당 회귀식은 Equation (1)과 같다.
단순선형회귀식으로는 유의한 변수가 적어 미세먼지농도와 산업 간의 관련성을 알아보기 어렵다고 판단하여 불필요한 변수를 제거하고 최적의 모형을 찾는 변수선택을 이용한 회귀분석을 실시하였다. 변수선택 방법으로 전진 선택법, 후진 제거법, 단계적 방법을 사용하였고 세 모형의 판단 기준으로는 AIC(Akaike Information Criterion) 값을 이용하였다.
비도로이동 산업에 해당하는 철도, 도시철도, 수상, 항공운송업을 독립변수로, 미세먼지농도를 종속변수로 하여 단순 선형회귀분석을 실시하였다. 그 결과, 철도, 수상, 항공 운송업이 미세먼지 농도와 양의 관계를 보였고 도시철도 운송업은 음의 관계를 보였다.
또 ‘중국’이라는 단어를 통해 국내 요인보다 국외 요인을 미세먼지의 주된 원인으로 생각하고 있음을 알게 되었다. 시민들이 간과하고 있는 국내 요인의 영향을 파악하기 위해 회귀분석을 실시하였다. 그 결과를 보면, 도로를 이용하는 교통은 미세먼지에 양의 영향을 미치고 이용하지 않는 교통은 음의 영향을 미치는 것으로 나타났다.
시민들이 간과하고 있는 국내 요인의 영향을 확인하기 위해, 위 정책과 관련된 교통을 중심으로 회귀분석을 실시하여 국내 산업과 미세먼지와의 관계를 파악하였다. 미세먼지농도와의 관련성을 높이려면 대기오염물질 배출량을 고려해야 한다는 Shin et al.

이론/모형

미세먼지농도(PM10, 단위: ㎍/㎥) 자료는 환경부 한국환경공단에서 제공한 2006년부터 2016년까지 서울, 경기, 인천 지역의 연평균자료이다. 대기오염물질 배출원별 사업체 자료는 대기오염물질 배출원이 산업별로 구분된 것을 고려하여, 먼저 통계청의 한국표준산업분류(Korean Standard Industrial Classification, 이하 KSIC)에 따라 산업별 사업체 수 자료를 수집하고 미세먼지농도와의 관련성을 높이기 위해 국립환경과학원의 대기오염물질 배출원 분류 체계[15, 16]로 재분류하였다.
단순선형회귀식으로는 유의한 변수가 적어 미세먼지농도와 산업 간의 관련성을 알아보기 어렵다고 판단하여 불필요한 변수를 제거하고 최적의 모형을 찾는 변수선택을 이용한 회귀분석을 실시하였다. 변수선택 방법으로 전진 선택법, 후진 제거법, 단계적 방법을 사용하였고 세 모형의 판단 기준으로는 AIC(Akaike Information Criterion) 값을 이용하였다. AIC 값은 전진 선택법이 -30.
청원의 내용 분석을 위해 LDA(Latent Dirichlet Allocation) 알고리즘 기반 토픽 모델링을 사용하였다. 토픽 모델링의 한기법인 LDA는 확률을 기반으로 토픽과 토픽에 분포하는 단어를 분석하여 대량의 문서 분석에 용이한 기법이다.

성능/효과

‘좋아요’, ‘화나요’의 비율 변화와 워드 클라우드를 통해 현 ‘미세먼지 비상저감조치’를 바라보는 시민들의 시각이 부정적임을 알 수 있었다.
‘화나요’의 비율이 많이 증가한 것으로 보아 현재 ‘미세먼지 비상저감조치’ 정책에 대한 시민들의 생각은 부정적인 것으로 나타났다.
정책별로 댓글에 텍스트마이닝 기법을 적용하여 주요 단어를 추출한 다음 워드 클라우드로 결과를 시각화하였다. 그 결과, 미세먼지 정책에 대한 시민들의 관심과 부정적인 의견이 크게 증가함을 알 수 있었다. 또한 두 정책에 대한 워드 클라우드에서 가장 많이 언급된 ‘중국’이라는 단어를 통해 미세먼지에 미치는 국내 요인의 영향은 미미하고 미세먼지의 주된 원인은 국외에 있다는 시민들의 생각을 알 수 있었다.
식생지수는 식생조건을 대표하는 값으로 정규화된 값을 평균하여 사용하였다. 그 결과, 식생지수와 권역별 미세먼지 발생량은 음의 상관을 보이고 내륙도시가 서해안, 내륙농촌, 동해안보다 식생의 영향을 가장 크게 받는 것으로 나타났다. 따라서 미세먼지 발생량은 식생지수가 클수록 낮아진다는 것을 알 수 있다.
비도로이동 산업에 해당하는 철도, 도시철도, 수상, 항공운송업을 독립변수로, 미세먼지농도를 종속변수로 하여 단순 선형회귀분석을 실시하였다. 그 결과, 철도, 수상, 항공 운송업이 미세먼지 농도와 양의 관계를 보였고 도시철도 운송업은 음의 관계를 보였다. 미세먼지 농도와 양의 관계를 보이는 비도로이동 산업은 대기오염물질 배출량이 도시철도 운송업보다는 많고 도로이동 산업보다는 적기 때문에 회귀계수의 부호가 양수인 것으로 판단된다.
추출한 데이터에서 ‘미세먼지’와 관련이 없고 불필요하다고 판단되는 단어와 길이가 2 이하인 단어는 제거하였다. 그 결과, 최종적으로 추출된 청원은 805개, 단어 수는 5,257개이다.
회귀분석의 기법으로는 단순선형회귀와 전진 선택, 후진 제거, 그리고 단계적 변수 선택을 이용하였다. 그 결과,교통수단이라고 해서 반드시 미세먼지와 양의 관계를 갖는 것은 아니며 도로를 이용하는 교통수단만이 미세먼지에 악영향을 미친다는 사실을 알 수 있었다.
시민들이 간과하고 있는 국내 요인의 영향을 파악하기 위해 회귀분석을 실시하였다. 그 결과를 보면, 도로를 이용하는 교통은 미세먼지에 양의 영향을 미치고 이용하지 않는 교통은 음의 영향을 미치는 것으로 나타났다.
기존 정책의 실효성 분석을 통해 두 정책을 바라보는 시민들의 시각이 부정적임을 알 수 있었다. 정책에 대한 부정적인 반응은 시민들의 참여를 저지시키므로 긍정적인 반응을 불러일으킬 수 있는 정책이 필요하다.
도출된 회귀식의 설명력은 0.75이고 유의수준 0.1에서 비도로이동(n₅)과 폐기물처리(n₆) 산업 변수만이 유의한 것으로 나타났다.
또한 두 정책에 대한 워드 클라우드에서 가장 많이 언급된 ‘중국’이라는 단어를 통해 미세먼지에 미치는 국내 요인의 영향은 미미하고 미세먼지의 주된 원인은 국외에 있다는 시민들의 생각을 알 수 있었다.
국내 요인에 관한 연구로는 수도권 지역에서 기상 조건들이 미세먼지에 미치는 영향 판단을 위해 3차원 대기 모델(TAPM: The Air Pollution Model)을 이용한 분석 연구가 진행되었다[7]. 분석 결과, 수도권 지역의 기상 조건은 안개 형성에 유리하여 미세먼지 고농도 발생이 쉽고 중국의 영향을 받지 않아도 미세먼지 농도가 증가할 수 있다는 사실이 알려졌다.
국내 요인으로는 경유 소비량, 석탄화력발전 거래량, 화학, 시멘트 제조업 생산지수를, 중국 요인으로는 한국과 거리가 가까운 산동성 지역의 초미세먼지농도, 월별 서풍계열 풍향일수 비율을 선정하였다. 분석 결과, 중국 산동성 지역의 초미세먼지농도와 서풍 계열의 풍향이 국내 초미세먼지농도에 양의 영향을 미치는 것으로 확인되었다. 하지만 국내 요인인 경유 소비량과 석탄화력발전 거래량, 화학 산업 제조업 생산지수의 영향은 발견하지 못하였고 시멘트 제조업 생산지수는 초미세먼지농도에 양의 영향을 주는 것으로 나타났다.
도로이동 산업에 해당하는 산업으로는 시내버스, 시외버스, 택시, 전세버스, 장의차량, 도로 화물, 소화물 전문 운송업이 있다. 이 7개의 산업을 독립변수로, 미세먼지 농도를 종속변수로 하여 단순선형회귀분석을 실시했을 때, 시외버스, 택시, 전세버스, 도로 화물 운송업은 미세먼지농도와 양의 관계를, 시내버스, 장의차량, 소화물 전문 운송업은 음의 관계를 보였다. 시내버스 운송업이 미세먼지농도와 음의 관계를 가지는 이유는 환경부가 추진한 천연가스 버스 보급정책으로 인해 경유 버스가 천연가스 버스로 전환되면서 대기오염물질이 감소했기 때문인 것으로 보인다[17].
분석 결과, 중국 산동성 지역의 초미세먼지농도와 서풍 계열의 풍향이 국내 초미세먼지농도에 양의 영향을 미치는 것으로 확인되었다. 하지만 국내 요인인 경유 소비량과 석탄화력발전 거래량, 화학 산업 제조업 생산지수의 영향은 발견하지 못하였고 시멘트 제조업 생산지수는 초미세먼지농도에 양의 영향을 주는 것으로 나타났다.
)산업으로 총 5개의 변수이다. 회귀식의 설명력은 0.74이고 유의수준 0.1에서 에너지연소 산업을 제외한 모든 변수가 유의한 것으로 나타났다. 하지만 에너지연소 산업의 유의확률이 0.

후속연구

이와 함께 대중교통뿐만 아니라 도로이동 교통수단이 좀 더 친환경적인 교통수단으로 변하도록 정부 차원의 지원이 이루어진다면 미세먼지 감축에 큰 효과를 가져올 것이다. 또 시민들이 제시한 정책 및 의견을 향후 정책에 반영한다면 좀 더 다양하고 실효성 있는 정책이 될 것이다.
따라서 시민 참여를 활성화하기 위해 긍정적인 반응을 유발할 수 있는 정책으로 변화해야 하며 이를 위해 국외 요인뿐 아니라 국내 요인, 그중 도로이동 교통수단의 영향도 상당함을 알려야 한다. 또한, 대기오염물질의 양을 줄이기 위해 지하철과 같은 비도로이동 교통수단의 이용을 유도할 수 있는 정책을 펴야 한다. 이와 함께 대중교통뿐만 아니라 도로이동 교통수단이 좀 더 친환경적인 교통수단으로 변하도록 정부 차원의 지원이 이루어진다면 미세먼지 감축에 큰 효과를 가져올 것이다.
본 연구의 공헌은 다양한 분석 결과를 통합하여 교통을 중심으로 ‘미세먼지 비상저감조치’에 대한 국민들의 반응을 분석하고 향후 정책의 방향을 제시한 것이다. 본 연구 결과에 따르면, 향후 정책은 시민들에게 국내 요인의 영향이 상당함을 알리고 보다 적극적인 정책 참여를 유도해야 한다. 또한, 시민들에게 비도로이동 교통수단의 이용을 장려하고 도로이동 교통수단은 현재보다 친환경적인 교통수단으로 변화해야 한다.
또한, 대기오염물질의 양을 줄이기 위해 지하철과 같은 비도로이동 교통수단의 이용을 유도할 수 있는 정책을 펴야 한다. 이와 함께 대중교통뿐만 아니라 도로이동 교통수단이 좀 더 친환경적인 교통수단으로 변하도록 정부 차원의 지원이 이루어진다면 미세먼지 감축에 큰 효과를 가져올 것이다. 또 시민들이 제시한 정책 및 의견을 향후 정책에 반영한다면 좀 더 다양하고 실효성 있는 정책이 될 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	두 정책의 워드 클라우드에 공통으로 등장하는 단어는 무엇이 있는가?	두 정책의 워드 클라우드에 공통으로 등장하는 단어로는 ‘중국’, ‘세금’, ‘시민’이 있다. ‘중국’이라는 단어가 공통으로 등장한 이유는 미세먼지의 주된 원인이 국내가 아닌 중국에 있다는 시민들의 생각 때문인 것으로 예상된다.
	미세먼지 비상저감조치가 발령된 계기는?	최근 미세먼지 문제가 심각해지면서 이로 인해 오염된 대기 질의 개선 및 대기오염 방지를 통해 국민들의 건강을 보호하고자 ‘미세먼지 비상저감조치’가 발령되었다. 서울시는 ‘미세먼지 비상저감조치’의 일환으로, 2018년 1월 15, 17, 18일 3일간 ‘대중교통 무료’ 정책을 시행하였다.
	텍스트마이닝을 통해 교통정책에 대한 시민들의 반응을 분석한 결과 어떠한 사실을 알 수 있는가?	정책별로 댓글에 텍스트마이닝 기법을 적용하여 주요 단어를 추출한 다음 워드 클라우드로 결과를 시각화하였다. 그 결과, 미세먼지 정책에 대한 시민들의 관심과 부정적인 의견이 크게 증가함을 알 수 있었다. 또한 두 정책에 대한 워드 클라우드에서 가장 많이 언급된 ‘중국’이라는 단어를 통해 미세먼지에 미치는 국내 요인의 영향은 미미하고 미세먼지의 주된 원인은 국외에 있다는 시민들의 생각을 알 수 있었다.

참고문헌 (19)

Fine Dust Information Center of Seoul, "The ways of high-density fine dust(PM2.5) matter improvement in Seoul," Press Release of Seoul(2018.2.27.), 2018.
Fine Dust Information Center of Seoul, "The evolution of 'Emergency fine dust reduction measures' to '8 Citizen-led measures'," Press Release of Seoul(2018.2.27.), 2018.
A. Gelman and J. Hill, "Linear regression: before and after fitting the model," in Data Analysis Using Regression and Multilevel/Hierarchical Models, 1st ed., Cambridge University Press, pp.53-73, 2006.
H. Choi, G. Park, S. Choi, and S. Kim, "Research on the big data collecting system for measuring of broadcast content influence," The Korean Institutute of Broadcast and Media Engineers Conference, pp.171-174, 2014.
Y. Cha, J. Lee, J. Choi, and H. Kim, "A Topic Modeling Approach to Marketing Strategies for Smartphone Companies," Knowledge Management Research, Vol.16, No.4, pp.69-87, 2015.
M. Shin, C. Lee, H. Ha, C. Choe, and Y. Kim, "The Influence of Meteorological Factors on PM10 Concentration in Incheon," Journal of Korean Society for Atmospheric Environment, Vol.23, No.3, pp.322-331, 2007.
I. Park, "What is the root cause of high-density fine dust in Seoul metropolitan region?," Journal of Korean Society for Atmospheric Environment, Vol.32, No.3, pp.352-353, 2016.
S. Lee, "Characterization of Non-exhaust Particulate Matters (PM) Generated from Tire and Brake," Journal of the Korean Society of Automotive Engineers, Vol.39, No.8, pp.34-38, 2017.
S. Kwon, M. Kim, G. Jung, S. Hong, S. Hong, and M. Chae, "Dust emission and vegetation indices of different regions," The Conference of Korean Society of Soil Science and Fertilizer, pp.279-279, 2012.
K. Jang and J. Yeo, "The Effects of Korean and Chinese Economic Growth on Particulate Matter in Korea: Time Series Cointegration Analysis," Journal of Environmental Policy and Administration, Vol.23, No.1, pp.97-117, 2015.
S. Park and H. Shin, "Analysis of the Factors Influencing PM 2.5 in Korea: Focusing on Seasonal Factors," Journal of Environmental Policy and Administration, Vol.25, No.1, pp.227-248, 2017.

상세보기
H. Cho, Y. Chung, J. Lee, and J. Lee, "Sentiment Analysis Using News Comments for Public Opinion Mining," KIIS Spring Conference, Vol.23, No.1, pp.149-150, 2013.
Statistic Korea, "Number of businesses and employees by city, industry, and business division ('06 -)," 2017 [Internet], http://kostat.go.kr.
Air Korea "Domestic/International air quality," [Internet], http://www.airkorea.or.kr, 2018.
National Institute of Environmental Research, "National Air Pollutants Emission Service," 2018 [Internet], http://airemiss.nier.go.kr.
J. Kim, "Assessment and Estimation of Particulate Matter Formation Potential and Respiratory Effects from Air Emission Matters in Industrial Sectors and Cities/Regions," Journal of Korean Society of Environmental Engineers, Vol.39, No.4, pp.220-228, 2017.
Y. Park, "The direction of the government's policy to promote natural gas-powered buses," Policy Report of the Ministry of Environment (2003.05.15.), 2003.
Cheongwadae, "Petition and Proposal," 2018 [Internet], http://www.president.go.kr.
E. Vargiu and M. Urru, "Exploiting web scraping in a collaborative filtering-based approach to web advertising," Artificial Intelligence Research, Vol.2, No.1, pp.44-54, 2013.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증