[논문]코로나19 확산이 동북아 공항 네트워크 중심성 지수에 미친 영향: 소셜 네트워크 분석을 중심으로

신태진; 김석; 정세연

doi:10.14400/jdc.2020.18.5.179

코로나19 확산이 동북아 공항 네트워크 중심성 지수에 미친 영향: 소셜 네트워크 분석을 중심으로
Effects of the COVID-19 spread on the Northeast Asia Airport Network Centrality: Using Social Network Analysis 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.5, 2020년, pp.179 - 186

신태진 (인천국제공항공사 공항산업기술연구원) , 김석 (인천국제공항공사 공항산업기술연구원) , 정세연 (인천국제공항공사 공항산업기술연구원)

초록
AI-Helper

본 연구는 코로나19의 세계적 대유행(Pandemic)으로 인한 동북아시아 공항 네트워크의 구조적 변화를 분석하고 공항 경쟁력 향상에 도움을 줄 수 있는 정책 제언을 도출하고자 하였다. 이를 위해 소셜 네트워크 분석(Social Network Analysis; SNA)을 이용하여 코로나19 전후 네트워크의 중심성 분석을 시행하고 네트워크를 시각화하였다. 이를 위해 2019년 3월 4~10일 및 2020년 3월 9~15일 각 일주일간의 동북아시아 공항 국제선 전체를 대상으로 출발·도착하는 노선을 OAG(Official Airline Guide)의 Schedules Analyzer Database를 통해 추출하였다. 분석 결과 코로나19 사태 이후 동북아 공항 네트워크의 노드와 링크, 밀도가 감소한 것으로 나타났다. 전반적인 네트워크 밀도 감소 속에서도 인천공항의 중심성은 상대적으로 덜 감소한 것으로 확인되었다. 수요 급감을 겪고 있는 항공운송산업의 위기 극복을 위해 정부 및 공항의 적극적 지원이 필요할 것이다. 본 연구 결과는 코로나19 확산이 동북아시아 공항 네트워크의 중심성 지수에 미친 영향을 분석하여 향후 수요 회복 시 전략 수립에 필요한 실무적 시사점을 제시하였다는 점에서 의의를 갖는다.

Abstract ▼ AI-Helper

The purposes of this paper were: 1) to identify the structural changes of the northeast Asia airport network caused by the pandemic of COVID-19 using social network analysis (SNA) and 2) to suggest proposals for improving airport competitiveness. In this respect, the entire international air routes in northeast Asia airport collected data of 4-10 March 2019 and 9-15 March 2020 through schedules analyzer database of OAG. We found that both the density and centrality have decreased since the spread of COVID-19. The government and airport authorities need active support such as a reduction of various fees and a moratorium on transportation rights to overcome the crisis in the air transport industry. When the COVID-19 situation calms down in the future, we hope that further research will be conducted to identify the structural changes in the SNA aspects through the vast data establishment in countries such as the EU and America.

주제어

표/그림 (6)

표 Table 1. Largest Capacity Reductions Across Top 30 Country Markets
그림 Fig. 1. Northeast Asia Airport Network in week of 4-Mar, 2019
그림 Fig. 2. Northeast Asia Airport Network in week of 9-Mar, 2020
표 Table 2. Compare properties of airport networks
표 Table 3. Centrality analysis results in 2019
표 Table 4. Centrality analysis results in 2020

AI 본문요약
AI-Helper

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

문제 정의

동북아시아 공항 네트워크의 구조적 변화를 분석하기 위해 중심성 분석을 수행하였다. 구체적으로 2019년 3월 2주와 2020년 3월 2주의 주간 운항 횟수 1회 이상의 국제선을 대상으로 노드와 링크의 네트워크를 구조화하고, 노드별로 중심성을 분석하여 코로나19 전후의 차이점을 파악하고자 하였다. 중심구조 분석으로 가장 많이 활용되는 연결 중심성, 근접 중심성, 매개 중심성을 분석하였다.
이 밖에도 길광수·김숙진[19]은 동아시아 3대 허브공항으로 노드를 한정하여 네트워크 양상을 분석하였다. 네트워크가 어떻게 허브공항이 위치한 지역의 특성을 반영하고 있는지 연구하였다. 연구 결과 인천국제공항은 중국과 일본의 중계역할을 하는 지리적 위치를 갖고 있으나 고차위 세계도시로서의 기능을 갖지 못한 것으로 분석되었다.
코로나19의 대유행이 현재 진행 중이거니와 이에 대한 데이터 구축이 쉽지 않기 때문이다. 본 연구는 이런 환경 속에서 소셜 네트워크 분석의 관점을 적용하여 실무적 운영 측면을 구체적으로 연구한다는 차별성을 가지고 있다.
본 연구는 코로나19 전후의 동북아시아 공항 네트워크 구조를 시각화하고 중심성 분석을 수행하였다. 이러한 결과는 현재 진행 중인 세계적 대유행(Pandemic)이 공항 네트워크 구조를 어떻게 변화시켰고, 이러한 변화 속에서 어떤 공항이 중심성을 지키고 있는지 파악하는 것에 활용이 될 수 있다.
본 연구는 코로나19의 가장 큰 피해지역으로 지목되는 동북아시아 국제공항을 대상으로 하여 공항 네트워크 특성의 변화를 분석하고 공항 경쟁력 향상에 도움을 주고자 한다. 이러한 목적을 달성하기 위해 소셜 네트워크 분석(Social Network Analysis)을 활용하여 동북아시아 지역 공항 전체의 국제선 네트워크 특성을 코로나19전후의 특정 시점(2019년 3월 2주 vs 2020년 3월 2주)으로 비교 분석하고자 한다.
본 연구는 코로나19의 세계적 대유행(Pandemic)으로 인해 동북아시아 공항 네트워크의 특성 변화를 분석하고자 SNA를 이용하여 코로나19 전후의 네트워크 구조를 시각화하고 중심성 분석을 통해 현재 시점(2020년 3월 2주)을 기준으로 전년 동기 대비 네트워크의 구조적 변화를 파악하고자 하였다.
이를 통해 동북아 공항 네트워크의 구조적 변화를 구체적으로 비교 분석하여 향후 수요 회복 시 전략 수립에 시사점을 제공하고자 한다.
본 연구에서 사용한 데이터의 시간적 범위는 2019년 3월 2주(2019년 3월 4∼10일)와 2020년 3월 2주(2020년 3월 9∼15일)이다. 현재 시점(2020년 3월 2주)을 기준으로 전년 동기 대비 네트워크의 구조적 변화를 살펴보고자 한다. 아울러 내용적 범위로는 네트워크의 중심성 변화 분석 및 시각화 분석을 통해 코로나19 사태의 대응을 위한 전략적 시사점을 주요 연구 내용으로 한다.

제안 방법

[14]은 후속 연구에서 1930년부터 2012년까지 중국의 항공 운송 네트워크의 발전과 성장을 연구하였다. 그들의 분석 결과는 시간이 지남에 따라 ATNC의 연결성이 개선되고, 네트워크 구조가 산발적인 개발에서 새로운 멀티 공항 시스템으로 6단계를 거쳐 진화하였다고 분석하였다.
동북아시아 공항 네트워크의 구조적 변화를 분석하기 위해 중심성 분석을 수행하였다. 구체적으로 2019년 3월 2주와 2020년 3월 2주의 주간 운항 횟수 1회 이상의 국제선을 대상으로 노드와 링크의 네트워크를 구조화하고, 노드별로 중심성을 분석하여 코로나19 전후의 차이점을 파악하고자 하였다.
또한, 1995∼2015년의 20년 동안 국제 항공 여객운송 네트워크의 위상적 특성과 진화 과정을 분석하기위해 중심성의 분포 및 구조적 특성과 같은 네트워크의 다양한 차원에서 시스템의 변화를 관찰하였다.
이들 중심성은 인구, GRDP, 여객 수와 같은 사회경제적 지표와 높은 상관성이 있는 것으로 나타났다. 또한, 연결 분포와 경로의 평균 길이, 클러스터링 상관계수 등을 분석하였다. 연구 결과 중국의 항공 운송 네트워크(Air Transport Network of China; ATNC)는 ‘작은 세계(small world)’의 특성을 보였다.
소셜 네트워크 분석(Social Network Analysis; 이하 SNA)는 다양한 학문 분야에서 활용되고 있는데[9-12], 항공운송산업 네트워크와 관련하여 국내외 여러 연구가 SNA의 관점을 적용하여 연구를 수행하였다.
본 연구는 코로나19의 가장 큰 피해지역으로 지목되는 동북아시아 국제공항을 대상으로 하여 공항 네트워크 특성의 변화를 분석하고 공항 경쟁력 향상에 도움을 주고자 한다. 이러한 목적을 달성하기 위해 소셜 네트워크 분석(Social Network Analysis)을 활용하여 동북아시아 지역 공항 전체의 국제선 네트워크 특성을 코로나19전후의 특정 시점(2019년 3월 2주 vs 2020년 3월 2주)으로 비교 분석하고자 한다. 코로나19가 여러 산업 분야에 영향을 미치고 있으나 아직 이에 대한 사회과학 분야의 학술 연구는 많지 않다.
구체적으로 2019년 3월 2주와 2020년 3월 2주의 주간 운항 횟수 1회 이상의 국제선을 대상으로 노드와 링크의 네트워크를 구조화하고, 노드별로 중심성을 분석하여 코로나19 전후의 차이점을 파악하고자 하였다. 중심구조 분석으로 가장 많이 활용되는 연결 중심성, 근접 중심성, 매개 중심성을 분석하였다. 그 결과는 Table 3, 4와 같다.
코로나19 전후의 네트워크 비교 분석을 위해 2019년 3월 4∼10일 및 2020년 3월 9∼15일 각 일주일간의 동북아시아 공항 국제선 노선 전체를 대상으로 출발·도착하는 노선 데이터를 OAG의 Schedules Analyzer Database를 통해 추출하여 네트워크를 분석하였다.

대상 데이터

본 연구의 목적인 코로나19 전후의 동북아시아 공항 네트워크의 구조적 변화를 살펴보기 위해 동북아시아에 위치한 모든 공항의 출발·도착 국제선 데이터를 OAG의 Schedules Analyzer Database1)로부터 추출하였다. IATA는 아시아(Asia)를 크게 4개 그룹(AS1; South Asia, AS2; Central Asia, AS3; East Asia, AS4; North East Asia)으로 분류하고 있는데[28], 본 연구의 공간적 범위는 한국을 포함하는 동북아시아(AS4)를 연구 대상으로 하였다.
본 연구에서 사용한 데이터의 시간적 범위는 2019년 3월 2주(2019년 3월 4∼10일)와 2020년 3월 2주(2020년 3월 9∼15일)이다.
본 연구의 목적인 코로나19 전후의 동북아시아 공항 네트워크의 구조적 변화를 살펴보기 위해 동북아시아에 위치한 모든 공항의 출발·도착 국제선 데이터를 OAG의 Schedules Analyzer Database1)로부터 추출하였다.

성능/효과

구체적으로 중심성 분석 결과 코로나19 사태 이후 동북아시아 공항 네트워크는 전반적으로 감소하였으나, 인천공항의 중심성 지표 3가지는 모두 1위로 나타나 코로나19 사태 상황 속에서도 동북아의 중요한 허브 역할을 하는 것으로 나타났다. 향후 코로나19의 세계적 유행이 소강상태에 접어들고 수요 회복 시기가 도래한다면 항공사뿐만 아니라 정부와 공항공사의 선제적 노력에 따라 빠른 경쟁력 회복이 가능할 것이다.
링크의 강도는 주간 총 공급석이 많은 타이완(TPE)∼나리타(NRT), 인천(ICN)∼나리타(NRT), 타이완(TPE)∼간사이(KIX), 타이완(TPE)∼상하이(KIX), 인천(ICN)∼간사이(KIX) 순으로 강한 것으로 분석되었다.
링크의 강도는 주간 총 공급석이 많은 타이완(TPE)∼홍콩(HKG), 상하이(PVG)∼홍콩(HKG), 인천(ICN)∼홍콩(HKG), 인천(ICN)∼간사이(KIX), 베이징(PEK)∼홍콩(HKG) 순으로 강한 것으로 분석되었다.
아울러 영국 지역의 해외 공항 의존도를 측정하였는데 아시아·태평양과 브릭스(BRICS) 국가에 대한 해외 허브 공항 의존도가 높은 것으로 나타났다.
공항 네트워크와 관련된 국내연구를 살펴보면 오성열·박용화[17]는 아시아태평양 공항 네트워크를 네트워크 과학 측면에서 구조적으로 분석하였는데, 중심성 개념을 허브지수로 활용하여 허브공항의 순위를 평가하였다. 연결 정도 중심성, 근접 중심성, 매개 중심성, 고유벡터 중심성 등의 허브지수를 기준으로 평가한 결과, 베이징(PEK), 인천(ICN), 싱가포르(SIN), 홍콩(HKG)은 어느 지수로 평가해도 상위권에 속하는 결과를 확인하였다.
네트워크가 어떻게 허브공항이 위치한 지역의 특성을 반영하고 있는지 연구하였다. 연구 결과 인천국제공항은 중국과 일본의 중계역할을 하는 지리적 위치를 갖고 있으나 고차위 세계도시로서의 기능을 갖지 못한 것으로 분석되었다.
연구 결과 중국의 항공 운송 네트워크(Air Transport Network of China; ATNC)는 ‘작은 세계(small world)’의 특성을 보였다.
연구진은 미국의 공항 네트워크가 ‘작은 세계(small world)’ 및 ‘척도 없는 네트워크(scale-free network)’ 특성을 보이며 안정된 도시들이 규칙성을 보인다는 것을 발견하였다.
[13]은 중국 공항 네트워크의 구조와 특성을 분석하기 위해 중국 도시 간의 연결 중심성, 근접 중심성, 매개 중심성 등을 분석하였다. 이들 중심성은 인구, GRDP, 여객 수와 같은 사회경제적 지표와 높은 상관성이 있는 것으로 나타났다. 또한, 연결 분포와 경로의 평균 길이, 클러스터링 상관계수 등을 분석하였다.
코로나19 확산으로 가장 큰 피해를 보고 있는 산업 중 하나인 항공운송산업의 공항 네트워크 변화 양상을 분석하기 위해 동북아시아 공항 네트워크를 시각화한 결과 코로나19 사태 이후 네트워크의 밀도와 중심성 모두 감소한 것으로 분석되었다.
동북아시아 공항 네트워크의 2019년 3월 2주 연결 중심성(Degree centrality) 순위는 타이완공항(TPE), 인천공항(ICN), 홍콩공항(HKG), 간사이공항(KIX), 마카오공항(MFM) 순으로 나타났다. 타이완공항의 연결 중심성은 0.667로 동북아시아 내 공항들과 직접적으로 연결된 정도가 제일 높은 공항으로 분석되었다. 코로나19 확산 이후 2020년 3월 2주의 동북아시아 공항 네트워크의 연결 중심성 순위는 인천공항(ICN), 타이완공항(TPE), 나리타공항(NRT), 마카오공항(MFM), 김해공항(PUS) 순으로 나타났다.

후속연구

공항공사는 공항시설사용료 감면의 조속 시행과 지원 대상을 기존 항공사에서 지상 조업사, 상업시설까지 확대를 통해 고통을 분담해야 한다. 또한 항공사의 운항 중단과 감축으로 인해 항공기 주기장 수요가 폭발적으로 증가함에 따라 미사용 유도로와 제방 빙 계류장 등 주기장을 최대한 확보해 지원해야 할 것이다.
항공운송산업은 2003년 SARS와 2015년 MERS와 같이 전 세계적 감염병 발병 이후 항공 노선의 잇따른 운항 중단과 여행 취소 증가 등 산업의 경쟁력 약화를 경험하였다. 본 연구의 분석 결과를 토대로 보아도 동북아 공항 네트워크는 코로나19 전후로 노선의 상당수가 중단되거나 감축되었으며, 수요 급감에 대처하기 위해서는 개별기업 차원의 대응뿐만 아니라 정부, 공항공사 등 공동의 정책적 대응이 필요하다.
이러한 결과는 현재 진행 중인 세계적 대유행(Pandemic)이 공항 네트워크 구조를 어떻게 변화시켰고, 이러한 변화 속에서 어떤 공항이 중심성을 지키고 있는지 파악하는 것에 활용이 될 수 있다. 하지만 본 연구는 1주 동안의 항공 노선 데이터를 기반으로 분석하였기 때문에, 현재 진행 중인 네트워크 구조의 변화 모습을 면밀히 파악하는 것에는 한계가 있다. 그리고 분석 대상을 동북아시아에 한정했다는 한계점을 가지고 있다.
그리고 분석 대상을 동북아시아에 한정했다는 한계점을 가지고 있다. 향후 코로나 사태가 진정 국면에 들어서고 유럽, 미주를 포함한 방대한 데이터 구축을 통해 코로나19로 인한 네트워크 변화 양상을 파악하는 추가 연구가 이뤄지길 기대한다.
구체적으로 중심성 분석 결과 코로나19 사태 이후 동북아시아 공항 네트워크는 전반적으로 감소하였으나, 인천공항의 중심성 지표 3가지는 모두 1위로 나타나 코로나19 사태 상황 속에서도 동북아의 중요한 허브 역할을 하는 것으로 나타났다. 향후 코로나19의 세계적 유행이 소강상태에 접어들고 수요 회복 시기가 도래한다면 항공사뿐만 아니라 정부와 공항공사의 선제적 노력에 따라 빠른 경쟁력 회복이 가능할 것이다.

참고문헌 (29)

T. J. Shin & S. Kim. (2019). An Empirical Study on the Effects of Airport Characteristics on Financial Performance. International Business Review, 23(4), 13-25.
S. Y. Oh, J. C. Kim & S. Y. Jung. (2015). Evaluation the Network Competitiveness of Asia Airports Using Aviation Market Data, The Korea Transport Institute.
G. Burghouwt & J. Veldhuis. (2006). The Competitive Position of Hub Airports in the Transatlantic Market.
D. W. Choi. (2019). A Study on the Network Structure Analysis of Full Service Carriers and Low Cost Carriers Using Sna. Regional industry review, 42(1), 339-362.
World Health Organization. (2020). WHO Director-General's Opening Remarks at the Media Briefing on Covid-19 - 11 March 2020. Available: https://www.who.int/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-o n-covid-19---11-march-2020
P. Appleton. (2020). Potential for Revenue Losses of $113bn Due to Covid-19 "Crisis". Available: https://airlines.iata.org/news/potential-for-revenue-losses-of-113bn-due-to-covid-19-%E2%80%9Ccrisis%E 2%80%9D
J. Grant. (2020). Coronavirus Capacity Update Week Nine the Changes Keep on Coming. Available: https://www.oag.com/blog/coronavirus-capacity-update-week-nine-the-changes-keep-on-comin?utm_sourcehs_email&utm_mediumemail&utm_content8478 0337&_hsencp2ANqtz--d_885TSNFvH9KM6-7MyR8ZgdRidY1BfxOup3OYhvampOzMowj_nuzggVnB7bdmbLmjiT94H7gmNhk-a6AINsdITmF1g&_hsmi84780337
CAPA. (2020). Covid-19. By the End of May, Most World Airlines Will Be Bankrupt. Available: https://centreforaviation.com/analysis/reports/covid-19-by-the-end-of-may-most-world-airlines-will-be-bankrupt-517512
N. R. Kim, H. R. Choi & T. Lee. (2018). Analysis of Domestic Sna-Based Governance Study Trends. Journal of Digital Convergence, 16(7), 35-45.
B. K. Kim, S. B. Jeong & K. S. Kwon. (2013). A Study on Relational Analysis of Purchasing Items of on-Line Shopping Mall Based on Social Network Analysis. Journal of Digital Convergence, 11(11), 209-217.

원문보기 상세보기
J. W. Kim, T. H. Yang, D. M. Kim & G. T. Yeo. (2020). A Study on the Research Trend Analysis of Aeo Certification System through Sna Analysis. Journal of Digital Convergence, 18(2), 47-56.
R. S. Seo. (2018). Analysis of Social Network between Consumption Emotion Based on the Uniform of Full-Service Carrier and Low-Cost Carrier Crews. Journal of Digital Convergence, 16(8), 99-107.
J. Wang, H. Mo, F. Wang & F. Jin. (2011). Exploring the Network Structure and Nodal Centrality of China's Air Transport Network: A Complex Network Approach. Journal of Transport Geography, 19(4), 712-721.

상세보기
J. Wang, H. Mo & F. Wang. (2014). Evolution of Air Transport Network of China 1930-2012. Journal of Transport Geography, 40, 145-158.

상세보기
T. Jia, K. Qin & J. Shan. (2014). An Exploratory Analysis on the Evolution of the Us Airport Network. Physica A: Statistical Mechanics and its Applications, 413, 266-279.

상세보기
P. Suau-Sanchez, A. Voltes-Dorta & H. Rodriguez-Deniz. (2016). The Role of London Airports in Providing Connectivity for the Uk: Regional Dependence on Foreign Hubs. Journal of Transport Geography, 50, 94-104.

상세보기
S. Y. Oh & Y. H. Park. (2010). Structure and Hub Index of the Asia-Pacific Airport Network. Journal of Transport Research, 17(3), 27-39.
S. Y. Oh & Y. H. Park. (2010). An Analysis for the Framework and Centralization of Airport Network in the Major Asian Countries. Journal of the Aviation Management Society of Korea, 8(2), 43-58.
G. S. Gil & S. J. Kim. (2012). The Airline Networks of East Asia's Top Three Hub Airports and Place-Embeddedness. Journal of the Korean Urban Geographical Society, 15(3), 89-104.
B. J. Kim & S. B. Ahn. (2017). Analysis on the Structure of International Air Cargo Network Using Sna Methodology. Korean Journal of Logistics, 25(3), 59-82.

상세보기
B. J. Kim & S. B. Ahn. (2017). Analysis on the Structure of International Passenger Air Transportation Network. Journal of the Aviation Management Society of Korea, 15(5), 133-162.
A. Marin & B. Wellman. (2011). Social Network Analysis: An Introduction. The SAGE handbook of social network analysis, 11.
S. Wasserman & K. Faust. (1994). Social Network Analysis: Methods and Applications. Cambridge university press.
E. Otte & R. Rousseau. (2002). Social Network Analysis: A Powerful Strategy, Also for the Information Sciences. Journal of information Science, 28(6), 441-453.

상세보기
L. C. Freeman. (1978). Centrality in Social Networks Conceptual Clarification. Social networks, 1(3), 215-239.

상세보기
D. S. Kim & K. Y. Kwahk. (2013). Investigating the Global Financial Markets from a Social Network Analysis Perspective. Journal of the Korean Operations Research and Management Science Society, 38(4), 11-33.

원문보기 상세보기
K. Y. Kwahk. (2014). Social Network Analysis. Seoul: Chungram,
T. J. Shin, J. Y. Yang & Y. C. Lee. (2017). The Effects of Market Characteristics on Flight Frequency in International Airline Routes : Focusing on the Moderating Effects of Global Alliances. Korean Corporation Management Review, 75, 1-22.
T. J. Shin, T. W. Roh & Y. C. Lee. (2016). Effects of Global Alliances and Market Conditions on Flight Frequency in International Airline Routes in East Asia. Journal of the Aviation Management Society of Korea, 14(6), 57-80.

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