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
- 기존의 연구는 도로의 기하구조 및 교통류 특성 등의 요인으로부터 교통사고 발생에 영향을 미치는 요인을 규명하고 이에 대한 해결책을 제시하였다. 도로 구간 및 교차로 등 특정 도로 시설물에 기초한 미시적 분석 방법이 가장 일반적으로 활용되었으나, 이는 교통계획 단계부터 선제적으로 교통안전을 고려하기 어렵다는 한계를 가지고 있다.
- 본 연구에서는 모형 구축에 있어 유동인구 지표의 활용성 제시를 목적으로, 유동인구 지표를 노출 변수로 하는 단순회귀모형을 구축하였으며, 구축된 모형의 적합도 비교를 위해 기존 연구에서 노출변수로 활용된 인구수, 가구수 자료에 대한 모형을 추가적으로 구축하였다. 본 연구에 활용된 인구수 및 가구수 자료에 대한 개요는 Table 5와 같다.
- 본 연구에서는 이동통신 자료 기반의 유동인구 지표를 활용하여 도시 교통 안전 평가의 근거로 이용되는 거시적 교통사고 예측 모형을 제시하였다. 기존의 거시적 교통사고 예측 모형 구축과 관련된 연구에서는 사고 빈도수 예측에 대한 설명변수로 인구수, 가구수 등 사회경제지표와 관련된 변수들이 노출변수로서 활용되었으나, 본 연구에서는 노출변수의 의미에 더 부합하는 유동인구 변수를 설명변수로 설정하여 거시적 교통사고 예측 모형을 구축하였다.
- 본 연구의 목적은 이동통신 자료에 기반한 유동인구지표를 거시적 수준의 도시 교통 안전 평가에 활용할 수 있는 방안을 제시하는 것이다. 이에 이동통신 자료의 교통 분야 활용에 관한 연구와 거시적 교통사고 예측 모형에 대한 연구를 중심으로 선행연구 고찰을 수행하였다.
- 본 연구의 목적은 이동통신 자료에 기반한 유동인구지표를 거시적 수준의 도시 교통 안전 평가에 활용할 수 있는 방안을 제시하는 것이다. 이에 이동통신 자료의 교통 분야 활용에 관한 연구와 거시적 교통사고 예측 모형에 대한 연구를 중심으로 선행연구 고찰을 수행하였다.
제안 방법
- 거시적 교통사고 예측 모형 구축에 있어 유동인구지표의 활용성을 검토하기 위하여 기존 연구에서 노출변수로 활용되었던 인구수(X2), 가구 수(X3), 면적(X4),종사자수(X5), 사업체수(X6) 등 사회경제지표 변수와 유동인구 변수(X1), 그리고 사고수 변수(Y1)에 대한 피어슨 상관분석을 수행하였다. 분석 결과, 유동인구와사고수간의 상관지수가 0.
- 본 연구에서는 이동통신 자료 기반의 유동인구 지표를 활용하여 도시 교통 안전 평가의 근거로 이용되는 거시적 교통사고 예측 모형을 제시하였다. 기존의 거시적 교통사고 예측 모형 구축과 관련된 연구에서는 사고 빈도수 예측에 대한 설명변수로 인구수, 가구수 등 사회경제지표와 관련된 변수들이 노출변수로서 활용되었으나, 본 연구에서는 노출변수의 의미에 더 부합하는 유동인구 변수를 설명변수로 설정하여 거시적 교통사고 예측 모형을 구축하였다. 모형 구축을 위해 서울시 6개 구(강남구, 서초구, 송파구, 영등포구, 종로구, 중구)의 2013년 4월, 6월, 9월, 12월의 기간에 대해이동통신사(SKT)에서 제공되는 시간대별 유동인구 모수 추정자료 및 도로교통공단에서 제공되는 교통사고자료를 분석에 활용하였다.
- 이에 본 연구에서는 최근 이동통신 자료에 기반 하여 제공되고 있는 실제 해당 지역에 상주하거나 활동하고 있는 인구수의 개념인 유동인구 지표를 노출변수로 활용하여 거시적 교통사고 예측 모형을 구축하였다. 또한 기존 연구에서 활용된 설명변수들을 기반으로 한 모형을 추가적으로 구축하여 적합도를 비교하였으며, 설명변수에 대한 로그변환을 통해 교통사고 예측 모형의 적합도 향상 방안을 제시하였다.
- 분석 자료의 과분산성을 고려하여 최대우도법 기반의 음이항 모형을 구축하였으며, 사고수 예측에 대한 유동인구 변수의 설명력 비교를 위해 기존 연구에서 활용된 인구수 및 가구수 변수를 활용한 모형을 추가적으로 구축하여 모형의 적합도를 비교하였다. 또한 모형의 적합도 향상을 위해 설명변수를 로그변환한 형태의 모형을 구축하여 로그변환하지 않은 모형과 적합도 비교를 통해 최적의 거시적 교통사고 예측 모형을 제시하였다. 그 결과, 유동인구 변수를 로그변환한 모형이 거시적 교통사고 예측모형으로서 적합도 및 예측력이 가장 높은 것으로 분석되었다.
- Naderan and Shahi의 연구에서는 노출변수로 전통적 4단계 수요 예측 모형 중 통행 발생 단계에서 추정되는 목적별 통행 발생량을 활용하였다. 또한, 음이항 분포에 기반한 일반화 선형 모형을 구축하여 통행 발생과 사고 발생의 상관관계를 규명하였다7).
- 본 연구에서는 모형의 Pseudo R2 및 RMSE 값을 이용하여 다양한 거시적 교통사고 예측 모형의 설명력 및 예측력을 비교⋅분석하였으며, 기존 연구에서 노출변수로서 활용되던 변수에 비해 유동인구 변수를 로그변환하여 활용한 모형의 설명력 및 예측력이 상대적으로 더 우수하다는 결과를 도출하였다. 분석 결과를 바탕으로 도시부 교통 안전 평가를 위한 거시적 교통사고 예측 모형으로 이동통신 자료 기반의 유동인구 변수를 로그변환하여 활용한 모형 1 Type-2를 최적 모형으로 제시한다.
- 모형 구축을 위해 서울시 6개 구(강남구, 서초구, 송파구, 영등포구, 종로구, 중구)의 2013년 4월, 6월, 9월, 12월의 기간에 대해이동통신사(SKT)에서 제공되는 시간대별 유동인구 모수 추정자료 및 도로교통공단에서 제공되는 교통사고자료를 분석에 활용하였다. 분석 자료의 과분산성을 고려하여 최대우도법 기반의 음이항 모형을 구축하였으며, 사고수 예측에 대한 유동인구 변수의 설명력 비교를 위해 기존 연구에서 활용된 인구수 및 가구수 변수를 활용한 모형을 추가적으로 구축하여 모형의 적합도를 비교하였다. 또한 모형의 적합도 향상을 위해 설명변수를 로그변환한 형태의 모형을 구축하여 로그변환하지 않은 모형과 적합도 비교를 통해 최적의 거시적 교통사고 예측 모형을 제시하였다.
- 이에 교통존 단위 또는 행정구역 단위의 거시적 교통사고 분석방법에 대한 연구가 진행되고 있으며, 이는 교통 법규,단속, 교육 및 계도 등 장기적인 교통안전 정책 수립의 기초자료로 활용될 수 있다1). 이러한 거시적 교통사고분석 모형에서는 통행 발생이 곧 사고 발생을 유발한다는 개념에 기초하여 분석 단위별 사회경제지표(인구수, 가구수 등)를 노출변수로 설정하여 가장 기본적인설명변수로 활용하였다. 하지만 사고에의 노출도 개념측면에서 상주인구를 의미하는 인구 관련 지표는 해당 지역에서 실제 활동하고 있는 활동인구 개념이 제외되어 있어 오차를 내포할 수 있다.
- 12) 및 Fox13)의 연구에서는 교통사고 관련집계된 가산자료의 경우 인적 요인 등 다양한 요인에 대한 자료 구득의 어려움, 표본 추출에 따른 집계 자료의 표집오차, 자료 구득 기간 동안의 환경 변화 등의 원인으로 분산이 평균보다 빠르게 증가하는 과분산성을 보이기 때문에 모형 구축에 있어 포아송 분포의 적용이 부적합함을 증명한 바 있다. 이러한 이론적 내용을 바탕으로 본 연구에서는 과분산된 가산 자료 분석에 적합한 최대우도법 기반의 음이항 회귀모형을 구축하였다.
- 9)의 연구에서는 모형의 적합도를 높이기 위한 방안으로 설명변수를 로그변환하여 모형에 적용하였으며, 그 결과 모형의 설명력 및 파라미터의 통계적 유의성이 개선되는 것으로 분석되었다. 이에 따라 본 연구에서는 설명변수를 로그변환하지 않은 모형(Type-Ⅰ)과 로그변환한 모형(Type-Ⅱ)으로 구분하여 모형을 구축하였다.
- 이에 본 연구에서는 최근 이동통신 자료에 기반 하여 제공되고 있는 실제 해당 지역에 상주하거나 활동하고 있는 인구수의 개념인 유동인구 지표를 노출변수로 활용하여 거시적 교통사고 예측 모형을 구축하였다. 또한 기존 연구에서 활용된 설명변수들을 기반으로 한 모형을 추가적으로 구축하여 적합도를 비교하였으며, 설명변수에 대한 로그변환을 통해 교통사고 예측 모형의 적합도 향상 방안을 제시하였다.
- 이처럼 본 연구에서는 교통 계획 수립 단계에서 교통안전을 평가하기 위한 근거로 활용될 수 있는 거시적 교통사고 예측 모형 구축에 있어 이동통신 자료 기반의 유동인구 변수를 활용함으로써 모형의 적합도를 향상시킬 수 있는 방안을 제시하였다. 이를 통해 교통계획 수립 시, 보다 장기적인 교통안전 정책 수립의 기초자료로 활용함으로써 도시 교통 안전 증진에 기여할 수 있을 것으로 예상된다.
대상 데이터
- 교통사고 자료는 경찰청에서 공식적으로 처리한 교통사고 자료(경찰DB)로 도로교통공단에서 제공하는 자료를 활용하였다. 서울시에서 발생한 교통사고 중본 연구의 공간적 범위(강남구, 서초구, 송파구, 영등포구, 종로구, 중구 등 6개 구) 및 시간적 범위(2013년4월, 6월, 9월, 12월)에 발생한 사고만을 추출하여 분석에 활용하였으며, 해당 자료에 대한 개요는 Table 3과 같다.
- 기존의 거시적 교통사고 예측 모형 구축과 관련된 연구에서는 사고 빈도수 예측에 대한 설명변수로 인구수, 가구수 등 사회경제지표와 관련된 변수들이 노출변수로서 활용되었으나, 본 연구에서는 노출변수의 의미에 더 부합하는 유동인구 변수를 설명변수로 설정하여 거시적 교통사고 예측 모형을 구축하였다. 모형 구축을 위해 서울시 6개 구(강남구, 서초구, 송파구, 영등포구, 종로구, 중구)의 2013년 4월, 6월, 9월, 12월의 기간에 대해이동통신사(SKT)에서 제공되는 시간대별 유동인구 모수 추정자료 및 도로교통공단에서 제공되는 교통사고자료를 분석에 활용하였다. 분석 자료의 과분산성을 고려하여 최대우도법 기반의 음이항 모형을 구축하였으며, 사고수 예측에 대한 유동인구 변수의 설명력 비교를 위해 기존 연구에서 활용된 인구수 및 가구수 변수를 활용한 모형을 추가적으로 구축하여 모형의 적합도를 비교하였다.
- 본 연구에서는 서울시 강남구, 서초구, 송파구, 영등포구, 종로구, 중구 등 6개 구를 공간적 범위로 설정하였으며, 2013년 4월, 6월, 9월, 12월을 시간적 범위로 설정하여 해당 범위에 대한 평균 유동인구 자료를 분석에 활용하였다.
- 본 연구에서는 이동통신사(SKT)에서 제공되는 통신자료를 셀 단위로 집계한 시간대별 유동인구 모수 추정자료 및 도로교통공단에서 제공되는 교통사고(경찰DB) 자료를 일단위 및 동단위로 집계하여 분석에 활용하였다. 통신 자료의 경우, 실제 통신(전화, 문자, 데이터)이 이루어진 상태와 대기 상태를 모두 포함한 자료로써, 시간대별 유동인구는 타 통신사(KT, LGU+)와의 점유율을 바탕으로 전수화된 자료이다.
- 교통사고 자료는 경찰청에서 공식적으로 처리한 교통사고 자료(경찰DB)로 도로교통공단에서 제공하는 자료를 활용하였다. 서울시에서 발생한 교통사고 중본 연구의 공간적 범위(강남구, 서초구, 송파구, 영등포구, 종로구, 중구 등 6개 구) 및 시간적 범위(2013년4월, 6월, 9월, 12월)에 발생한 사고만을 추출하여 분석에 활용하였으며, 해당 자료에 대한 개요는 Table 3과 같다. Fig.
- 유동인구 추정자료는 50 m×50 m 크기로 설정된 셀 단위로 집계되며, 셀의 좌표는 UTM-K 좌표계를 따른다.
- 유동인구 추정자료는 개인정보 보호 문제로 인해 기지국 단위로 집계된 자료를 분석에 활용하였으며, 구득된 자료의 구성은 Table 1과 같다. 유동인구 추정자료는 50 m×50 m 크기로 설정된 셀 단위로 집계되며, 셀의 좌표는 UTM-K 좌표계를 따른다.
데이터처리
- 또한, 모형간 예측력 비교를 위해 평균 제곱근오차(Root Mean Squared Error, RMSE)를 활용하였으며, 이는 다음과 같이 표현된다.
이론/모형
- 본 연구에서는 노출변수에 따른, 그리고 모형 형태에 따른 모형의 설명력 비교를 위해 McFadden’s Pseudo R2지표를 이용하였다.
- Lee et al.의 연구에서는 인구 특성 지표들을 노출변수로 활용하여 자동차, 자전거, 보행 등 교통 수단별 거시적 수준의 사고 예측 모형을 구축하였으며, 모형 구축을 위해 다항 포아송 로그노멀 조건부 자기회귀 모형(multivariate Poisson lognormal conditional autoregressivemodel)을 활용하였다1).
성능/효과
- 구별 월별 유동인구 추정자료에 대한 개요는 Table2와 같다. 6개 구 중 서초구의 평균 유동인구가 가장 높은 것으로 나타났으며, 강남구, 영등포구, 송파구, 중구, 종로구의 순으로 유동인구가 높은 것으로 분석되었다. 6개 구에 포함된 동 중 종로구 무악동의 평균 유동인구가 가장 낮은 것으로 나타났으며, 서초구 서초동의 평균 유동인구가 가장 높은 것으로 분석되었다.
- 6개 구 중 서초구의 평균 유동인구가 가장 높은 것으로 나타났으며, 강남구, 영등포구, 송파구, 중구, 종로구의 순으로 유동인구가 높은 것으로 분석되었다. 6개 구에 포함된 동 중 종로구 무악동의 평균 유동인구가 가장 낮은 것으로 나타났으며, 서초구 서초동의 평균 유동인구가 가장 높은 것으로 분석되었다. 서울시 6개 구에 포함된 각 동별 유동인구의 분포는 Fig.
- 서울시에서 발생한 교통사고 중본 연구의 공간적 범위(강남구, 서초구, 송파구, 영등포구, 종로구, 중구 등 6개 구) 및 시간적 범위(2013년4월, 6월, 9월, 12월)에 발생한 사고만을 추출하여 분석에 활용하였으며, 해당 자료에 대한 개요는 Table 3과 같다. Fig. 2에 나타난 서울시 6개 구에 포함된 각동별 사고건수의 분포를 살펴보면, 서초구, 강남구, 영등포구 등 유동인구가 높은 지역의 사고건수가 타 지역에 비해 상대적으로 높은 경향을 가지는 것으로 나타났다.
- 또한 모형의 적합도 향상을 위해 설명변수를 로그변환한 형태의 모형을 구축하여 로그변환하지 않은 모형과 적합도 비교를 통해 최적의 거시적 교통사고 예측 모형을 제시하였다. 그 결과, 유동인구 변수를 로그변환한 모형이 거시적 교통사고 예측모형으로서 적합도 및 예측력이 가장 높은 것으로 분석되었다.
- 081로 나타나, 유동인구 변수를 활용한 모형의 사고건수에 대한 설명력이 상대적으로 높은 것으로 분석되었다. 또한, 설명변수를 로그변환한 Type-Ⅱ 모형이 로그변환하지 않은 Type-Ⅰ 모형에 비해 3개 모형 모두 Pseudo R2 값이 높게 나타나, 모형의 설명력이 상대적으로 더 높은 것으로 분석되었다.
- 모형 1, 2, 3 모두 노출변수로 사용된 변수가 사고건수와 양(+)의 상관관계가 있는 것으로 분석되었다. 이는 노출빈도가 높은, 즉 이동이 많이 이루어지는 지역에서 사고건수 역시 높게 나타남을 의미하며, 이는 기존의 연구들과 동일한 결과로 검토되었다.
- 모형 구축 결과, 유동인구 변수를 활용한 모형 1의 파라미터는 신뢰수준 95%에서 통계적으로 유의한 것으로 분석되었으며, 모형 1과 비교 모형으로 검토된 모형 2(인구수 변수) 및 모형 3(가구수 변수)의 파라미터 역시 신뢰수준 95%에서 통계적으로 유의한 것으로 나타났다.
- 본 연구에서 구축된 모형들의 설명력 비교를 위해 각 모형의 Pseudo R2 값을 비교한 결과, 유동인구 변수를 활용한 모형1 Type-Ⅰ이 0.090, 인구수 변수를 활용한 모형2 Type-Ⅰ이 0.077, 가구수 변수를 활용한 모형3 Type-Ⅰ이 0.081로 나타나, 유동인구 변수를 활용한 모형의 사고건수에 대한 설명력이 상대적으로 높은 것으로 분석되었다. 또한, 설명변수를 로그변환한 Type-Ⅱ 모형이 로그변환하지 않은 Type-Ⅰ 모형에 비해 3개 모형 모두 Pseudo R2 값이 높게 나타나, 모형의 설명력이 상대적으로 더 높은 것으로 분석되었다.
- 본 연구에서는 모형의 Pseudo R2 및 RMSE 값을 이용하여 다양한 거시적 교통사고 예측 모형의 설명력 및 예측력을 비교⋅분석하였으며, 기존 연구에서 노출변수로서 활용되던 변수에 비해 유동인구 변수를 로그변환하여 활용한 모형의 설명력 및 예측력이 상대적으로 더 우수하다는 결과를 도출하였다.
- 거시적 교통사고 예측 모형 구축에 있어 유동인구지표의 활용성을 검토하기 위하여 기존 연구에서 노출변수로 활용되었던 인구수(X2), 가구 수(X3), 면적(X4),종사자수(X5), 사업체수(X6) 등 사회경제지표 변수와 유동인구 변수(X1), 그리고 사고수 변수(Y1)에 대한 피어슨 상관분석을 수행하였다. 분석 결과, 유동인구와사고수간의 상관지수가 0.84로 기존 연구에서 노출변수로 활용되었던 다른 사회경제지표 변수에 비해 상당히 높은 값을 가지는 것으로 분석되어, 거시적 교통사고 예측 모형 구축에 활용성이 높을 것으로 판단된다. 또한 유동인구 변수는 사회경제지표 변수들과 상관성이 0.
후속연구
- 다만, 본 연구에서는 사고빈도 수 예측에 있어 노출변수로 활용되는 요인들에 대한 단순회귀모형을 비교분석하였으나, 모형의 적합도 및 활용성을 높이기 위해서는 사고 발생에 영향을 미칠 수 있는 보다 많은 거시적 변수에 대한 추가 분석이 필요할 것으로 판단된다. 또한, 본 연구에서 제시된 선형 회귀분석과 같은 통계적 기법의 경우, 변수들간의 다중공선성 문제, 선형에 대한 가정 등 모형 구축에 제약이 있으므로 이에 대한 제약이 비교적 자유롭고 비선형에 대한 분석이 가능한 비모수적 기법들에 대한 추가 분석을 통해 모형의 적합도 및 예측의 정확도를 향상시키기 위한 노력이 필요할 것이다.
- 84로 기존 연구에서 노출변수로 활용되었던 다른 사회경제지표 변수에 비해 상당히 높은 값을 가지는 것으로 분석되어, 거시적 교통사고 예측 모형 구축에 활용성이 높을 것으로 판단된다. 또한 유동인구 변수는 사회경제지표 변수들과 상관성이 0.6 이상으로 높은 것으로 나타나, 기존 연구에서 설명변수로 활용되던 다수의 사회경제지표 변수들의 설명력을 대신하여 거시적 교통사고 예측 모형에 활용될 수 있다. 특히, 인구수와 가구수, 종사자수와 산업체수는 상관성이 높아 해당 변수들을 동시에 설명변수로 활용할 경우, 다중공선성 문제가 발생할 여지가 있어, 해당 변수들의 설명력을 상당 부분 공유하고 있는 유동인구 변수를 활용하여 단순 회귀분석을 수행하는 방법으로 모형의 적합도 향상과 다중공선성 문제를 동시에 해결할 수 있을 것이다.
- 다만, 본 연구에서는 사고빈도 수 예측에 있어 노출변수로 활용되는 요인들에 대한 단순회귀모형을 비교분석하였으나, 모형의 적합도 및 활용성을 높이기 위해서는 사고 발생에 영향을 미칠 수 있는 보다 많은 거시적 변수에 대한 추가 분석이 필요할 것으로 판단된다. 또한, 본 연구에서 제시된 선형 회귀분석과 같은 통계적 기법의 경우, 변수들간의 다중공선성 문제, 선형에 대한 가정 등 모형 구축에 제약이 있으므로 이에 대한 제약이 비교적 자유롭고 비선형에 대한 분석이 가능한 비모수적 기법들에 대한 추가 분석을 통해 모형의 적합도 및 예측의 정확도를 향상시키기 위한 노력이 필요할 것이다. 마지막으로 본 연구에서 활용한 유동인구 자료는 해당 구역에 존재하는 전체 인구를의미하며, 실제 활동인구만을 추출할 수 있는 방안이 추가적으로 검토된다면 사고 예측의 정확도 향상에 기여할 수 있을 것이다.
- 또한, 본 연구에서 제시된 선형 회귀분석과 같은 통계적 기법의 경우, 변수들간의 다중공선성 문제, 선형에 대한 가정 등 모형 구축에 제약이 있으므로 이에 대한 제약이 비교적 자유롭고 비선형에 대한 분석이 가능한 비모수적 기법들에 대한 추가 분석을 통해 모형의 적합도 및 예측의 정확도를 향상시키기 위한 노력이 필요할 것이다. 마지막으로 본 연구에서 활용한 유동인구 자료는 해당 구역에 존재하는 전체 인구를의미하며, 실제 활동인구만을 추출할 수 있는 방안이 추가적으로 검토된다면 사고 예측의 정확도 향상에 기여할 수 있을 것이다.
- 이처럼 본 연구에서는 교통 계획 수립 단계에서 교통안전을 평가하기 위한 근거로 활용될 수 있는 거시적 교통사고 예측 모형 구축에 있어 이동통신 자료 기반의 유동인구 변수를 활용함으로써 모형의 적합도를 향상시킬 수 있는 방안을 제시하였다. 이를 통해 교통계획 수립 시, 보다 장기적인 교통안전 정책 수립의 기초자료로 활용함으로써 도시 교통 안전 증진에 기여할 수 있을 것으로 예상된다.
- 이처럼 거시적 수준의 교통안전 평가를 위한 교통사고 예측 모형 구축에 있어 주요한 설명변수로서 인구 관련 지표가 활용되었으나, 이는 상주인구 개념으로 해당 지역에서 실제로 활동이 이루어지는 인구와는차이가 있을 수 있다. 이에 해당 지역에 거주하고 있는 인구 뿐 아니라 활동 인구까지 파악할 수 있는 이동통신 자료의 활용을 통해 보다 정확도 높은 거시적 수준의 교통사고 예측 모형 구축에 대한 연구가 수행될 필요가 있다.
- 6 이상으로 높은 것으로 나타나, 기존 연구에서 설명변수로 활용되던 다수의 사회경제지표 변수들의 설명력을 대신하여 거시적 교통사고 예측 모형에 활용될 수 있다. 특히, 인구수와 가구수, 종사자수와 산업체수는 상관성이 높아 해당 변수들을 동시에 설명변수로 활용할 경우, 다중공선성 문제가 발생할 여지가 있어, 해당 변수들의 설명력을 상당 부분 공유하고 있는 유동인구 변수를 활용하여 단순 회귀분석을 수행하는 방법으로 모형의 적합도 향상과 다중공선성 문제를 동시에 해결할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.