$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

코로나-19에 따른 서울시 생활인구 변화와 동별 반응 차이 분석
Analysis of the differences in living population changes and regional responses by COVID-19 outbreak in Seoul 원문보기

응용통계연구 = The Korean journal of applied statistics, v.33 no.6, 2020년, pp.697 - 712  

진주혜 (중앙대학교 응용통계학과) ,  성병찬 (중앙대학교 응용통계학과)

초록
AI-Helper 아이콘AI-Helper

최근 20년간 세계적으로 새로운 전염병이 반복해서 등장해왔으며 코로나-19에 들어서는 일상에까지 큰 변화와 피해를 주고 있다. 이에 더해 앞으로도 새로운 전염병의 등장을 간과할 수 없게 되면서 경제 타격에 대응하기 위한 정책 발굴이 지속적으로 요구되고 있다. 이러한 상황에서 생활인구는 시민들의 생활 패턴 변화를 드러내는 중요한 지표이다. 본 논문에서는 코로나-19에 의한 일상의 변화를 유동인구 관점에서 감지 및 분류하여 시간적 및 사회환경적 특징을 분석한다. 시간 단위로 측정된 서울시 424개 행정동별 생활인구 데이터를 분류하기 위해 k-shape clustering을 사용하였고, 이후에는 각 군집에 개입분석, One-way ANOVA 등을 적용하여 코로나-19 진행 여파에 따른 군집별 특성 및 생활인구 변화 양상을 자세히 살펴보았다. 결론적으로 국내 코로나 환자 발생 전후의 인구 유출입 변동에 있어 각 군집별로 뚜렷한 특징을 확인하였으며, 코로나-19 관련 사건을 바탕으로 지정한 개입 시점에 대해서도 민감하게 반응하는 군집과 그렇지 않은 군집을 구분할 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

New infectious diseases have broken out repeatedly across the world over the last 20 years; COVID-19 is causing drastic changes and damage to daily lives. Furthermore, as there is no denying that new epidemics will appear in the future, there is a continuous need to develop measures aimed towards re...

주제어

#서울 생활인구   #코로나-19   #시계열   #개입분석  

표/그림 (7)

참고문헌 (11)

  1. Jung, J-H. and Nam, J. (2019). Types and characteristics analysis of human dynamics in Seoul using location-based big data, Journal of Korea Planning Association, 54, 75-90. 

    상세보기 crossref

  2. Kim, K. and Lee, G. (2016). A study on improvement of estimating de facto population using mobile telecommunications big data, Journal of The Korean Urban Geographical Society, 19, 181-196. 

    상세보기 crossref

  3. Kim, S. and Seong, B. (2011). Intervention analysis of Korea tourism data, The Korean Journal of Applied Statistics, 24, 735-743. 

    원문보기 상세보기 crossref

  4. Paparrizos, J. and Gravano, L. (2016). k-shape: Efficient and accurate clustering of time series, ACM SIGMOD Record, 45, 69-76. 

    상세보기 crossref

  5. Sarda-Espinosa, A. (2019). Time-Series clustering in R using the dtwclust package, The R Journal, 11, 1-22. 

    상세보기 crossref

  6. Scherl, M. (2010). Benchmarking of cluster indices (Diploma Thesis), Department of Statistics, Ludwig-Maximilians-University Munich, Germany. 

  7. Seo, J., Jung, W., and Shim, K. (2019). Improving the upper bound of the dynamic time warping for sparse and long time sequences, Journal of KIISE, 299, 1-36. 

  8. Son, C. (2020). The present and future of Seoul's management of new infectious diseases through responses to COVID-19, Policy Report, 104, 1430-1439. 

  9. Statistics Korea (2019). Korean Social Indicators in 2018, http://kostat.go.kr/portal/korea/index.action 

  10. Wiradinata, S. A., Yendra, R., Suhartono, and Gamal, M. D. H. (2017). Multi-Input intervention analysis for evaluating of the domestic airline passengers in an international airport, Science Journal of Applied Mathematics and Statistics, 5, 110-126. 

    상세보기 crossref

  11. Won, Y. (2018). Seoul living population data estimation, Local Informatization, 113, 19-23. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로