[논문]GPS 위치정보를 활용한 친수공원 이용객 수 추정방법 연구

김성준; 김태정; 김창성

doi:10.17820/eri.2020.7.3.171

GPS 위치정보를 활용한 친수공원 이용객 수 추정방법 연구
Estimating the Method of the Number of Visitors of Water-friendly Park Using GPS Location Information 원문보기

Ecology and resilient infrastructure, v.7 no.3, 2020년, pp.171 - 180

김성준 (한국수자원조사기술원 연구개발실) , 김태정 (한국수자원조사기술원 연구개발실) , 김창성 (한국수자원조사기술원 연구개발실)

초록
AI-Helper

산업화 및 도시화가 가중됨에 따라서 여가생활을 위한 공간 희소성이 부각되고 있다. 하천 주변의 수변공간이 제공하는 자연경관 및 생태체험 등의 기회는 지역사회의 발전과 친수공원 조성을 조성하는데 근간이 되는 요소이다. 이러한 하천 공간을 이용하는 이용객을 정량적으로 파악하는데 있어 과거에는 인력을 동원하여 현장조사를 수행하였으나 경비, 인력 및 시공간적인 제약이 발생하여 결과물의 정확성이 확보되지 못하는 문제점이 있다. 본 연구에서는 이러한 문제점을 극복하고자 위치정보를 활용한 친수공원 이용객 추정을 수행하였다. 연구대상지역은 낙동강 하류에 위치한 삼락생태공원과 대저생태공원이다. 통신 빅 데이터를 활용한 이용객 패턴과 GPS 위치정보를 기반으로 한 이용객 패턴을 비교·분석하였다. GPS 위치정보는 Google Popular Times와 카카오 방문자 데이터를 활용하였다. GPS 위치정보 데이터를 활용했을 때 통신 빅 데이터를 활용한 결과보다 주중과 주말 이용객에 대한 패턴이 뚜렷하였다. 따라서 향후 통신 빅 데이터를 이용할 때 pCELL 크기의 정밀화 및 체류시간 30분 이상의 조건으로 이용객 수를 추출한다면 GPS 위치정보의 결과와 유사할 것으로 예상된다. 또한 개인정보 보호법 등 개정이 이루어져 보다 정확한 데이터를 추출한다면 GPS 기반으로 이용객 수를 추정하는 것이 더 정확한 이용객 수의 지표를 산정할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

With the increase in industrialization and urbanization, scarcity of space for leisure life has become an important issue. Opportunities such as natural scenery and ecological experiences provided by waterfront spaces around streams are fundamental factors in the development of the community and creation of a hydrophilic park. In the past, on-site surveys have been conducted using human resources to quantify the number of river visitors, but the accuracy of the results was not sufficient owing to limitations in expenses, manpower, space, and time. In this study, to overcome this problem, we estimated the number of visitors using the location information related to hydrophilic parks. The study areas were Samrak Ecological Park and Daejeo Ecological Park located downstream of the Nakdong River. We compared and analyzed the pattern of the visitors by using the large communication data and the visiting pattern based on GPS location information. The GPS location information is based on Google Popular Times and Kakao visitor data. When the GPS location data were used, the pattern for weekday and weekend visitors was clearer than when the large communication data were used. Therefore, it is expected to be similar to the result of GPS location information if the number of visitors is extracted under the condition of precision of pCELL size and residence time of 30 minutes or more when using future communication big data. In addition, if revisions such as the Personal Information Protection Act are made to extract more accurate data, by estimating the number of visitors based on GPS data, more accurate indicators of the number of visitors can be derived.

주제어

표/그림 (13)

그림 Fig. 1. A study area (a) Samrak ecological park and (b) Daejeo ecological park.
표 Table 1. Status of Samrak ecological park (Busan Metropolitan city)
그림 Fig. 2. Location of pCELL in Samrak ecological park.
표 Table 2. Status of Daejeo ecological park (Busan Metropolitan city)
그림 Fig. 3. An example of popular times by Google.
그림 Fig. 4. An example of Kakao visitors data.
그림 Fig. 5. Ratio of visitors using mobile big data at (a) Samrak ecological park and (b) Daejeo ecological park.
그림 Fig. 6. Ratio of visitors using Google popular times at (a) Samrak ecological park and (b) Daejeo ecological park.
그림 Fig. 7. Ratio of visitors using Kakao maps at (a) Samrak ecological park and (b) Daejeo ecological park.
표 Table 3. Visitors rate at Samrak and Daejeo ecological park (mobile big data, Google popular times, Kakao maps)
그림 Fig. 8. Comparison of averaged daily rates of park visitors at (a) Samrak ecological park and (b) Daejeo ecologicalpark - mobile, Google and Kakao data.
그림 Fig. 9. Comparison of daily rates of park visitors - Google and Kakao data.
표 Table 4. Comparison of correlation coefficient of daily rates of park visitors - Google and Kakao data

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 정량적인 방문객수를 Google popular time을 통해 취득하지 못하는 한계로 국내에서 대표적으로 사용하고 있는 카카오 방문자 데이터와의 유사성을 검토하였다. 각 비교 데이터간의 상관계수는 공분산을 표준편차로 나누어 -1에서 1까지의 값을 가지며 일반적으로 상관계수는 1 또는 -1에 근접할수록 변수 간의 관련성이 높고 0에 근접하면 관련성이 낮다는 것을 의미한다 (Kim et al.
본 연구에서는 통신 빅데이터와 Google popular times 그리고 카카오 방문자 데이터를 활용하여 부산시 삼락생태공원과 대저생태공원의 이용객 패턴을 분석 하여 적용 가능성과 한계점들을 도출하고자 하였다. 본 연구에서 얻은 결론을 요약하면 다음과 같다.

제안 방법

Fig. 2와 같이 삼락생태공원 안에 분포되어 있는 pCELL (50 × 50 m)을 사용하여 체류시간 15분 미만인 이용객 수를 추정하였다.
카카오맵에서 해당 공원을 검색하면 방문자 데이터를 확인할 수 있었으며 삼락생태공원과 대저생태공원을 대상으로 한 주의 요일별 데이터를 추출 하였다. Google popular times와 마찬가지로 주중과 주말을 구분하여 공원별 이용자의 이용시간대 추이와 이용객 수의 비율을 분석하였다. 카카오 방문자 데이터의 샘플은 Fig.
대상 친수지구 pCELL (50 × 50 m)의 통신 빅 데이터와 지형자료를 기반으로 이용객 정보를 추출하여 삼락생태공원과 대저생태공원의 이용객 수 및 사용패턴을 분석하였다.
2019b). 또, 통신 빅데이터는 SK Telecom데이터에 통신사 월별 점유율에 따른 보정 수치를 적용하여 인구데이터를 추정하였다 (MOLIT 2017). 본 논문에서는 보정 수치를 적용하지 않은 원시데이터 (raw-data)를 사용하여 위치정보 데이터와 비교 ‧ 분석 하였다.
또, 통신 빅데이터는 SK Telecom데이터에 통신사 월별 점유율에 따른 보정 수치를 적용하여 인구데이터를 추정하였다 (MOLIT 2017). 본 논문에서는 보정 수치를 적용하지 않은 원시데이터 (raw-data)를 사용하여 위치정보 데이터와 비교 ‧ 분석 하였다.
본 연구는 하천 친수공원 유지관리 단계에서 해당 시설의 이용객을 추정함에 있어 기존 통신빅데이터 방법과 GPS 위치정보를 활용한 검색엔진의 요일별 분석자료를 활용하여 각 추정 방법별로 주중 및 주말 이용경향을 분석하였다.
37 km²)에서 4월 개최되는 유채꽃 축제는 수많은 관광객을 불러 모으고 있어 새로운 관광 명소로 자리잡아 시민의 여가와 휴식을 즐기는 곳이다. 본 연구에서는 공원 이용객이 많은 유료체육시설, 자전거대여소 등의 친수시설이 조성된 지역으로 결정하였다.
위치정보 기반 데이터인 Google popular times와 카카오 방문자 데이터를 활용하여 요일별 이용객의 시간적 분포를 분석하였다. 분석결과 통신 빅 데이터에서는 요일별 이용객의 분포가 유사하였지만, GPS 기반의 자료에서는 주말과 주중의 이용객 분포가 통신 빅 데이터와 상이한 것을 확인하였다.
Table 1과 Table 2는 낙동강 관리본부에서 삼락생태공원과 대저생태공원을 대상으로 실제로 유료체육시설, 자전거 대여, 수영장, 눈썰매장 그리고 주요시설을 이용했던 이용객을 측정한 자료이다. 이 자료는 주중, 주말 이용객 비율을 비교하는데 참고하였다.
구글 검색창에 공원 명을 검색하면 공원의 정보와 함께 popular time 데이터를 확인할 수 있다. 이를 요일별로 캡처하여 데이터를 수집하였다. Google popular times의 샘플은 Fig.
주중과 주말을 구분하여 공원별 이용자의 이용시간대 추이와 이용객 수의 비율을 분석하였다. 2020년 5월 29일에 취득한 데이터와 코로나의 영향 (사회적 거리두기)이 반영되었을 것을 고려하여 2020년 7월 2일에 취득한 데이터의 평균값을 사용하여 비교하였다.
또 AirSage (미국 통신사들의 이동통신데이터를 이용해 통행정보를 생성하는 회사)는 미국 전체 인구의 약 1/3해당하는 규모로 이동통신 기기로부터 정밀 위치정보, 시간대별 통행 패턴을 분석하는 플랫폼 (Population Analytics)을 개발하였다. 활동시간 5분이상인 활동 지점을 집계하여 통신데이터를 분석하여 이용 특성을 분석하였다. Kim et al.

대상 데이터

우선 연구대상지를 관리하는 부산광역시 낙동강관리본부에서 2013년도부터 2016년도까지 공원을 이용한 이용객 수에 대한 자료를 검증 자료로 사용하였다. Table 1과 Table 2는 낙동강 관리본부에서 삼락생태공원과 대저생태공원을 대상으로 실제로 유료체육시설, 자전거 대여, 수영장, 눈썰매장 그리고 주요시설을 이용했던 이용객을 측정한 자료이다. 이 자료는 주중, 주말 이용객 비율을 비교하는데 참고하였다.
본 연구에서 선정한 대상 친수지구인 삼락생태공원과 대저생태공원은 부산광역시 낙동강 하류에 조성되어 있다 (Fig. 1). 삼락생태공원은 부산광역시 사상구 삼락동에 위치하였으며 낙동강 하구 둔치 중에서 가장 넓은 지역 (4.
우선 연구대상지를 관리하는 부산광역시 낙동강관리본부에서 2013년도부터 2016년도까지 공원을 이용한 이용객 수에 대한 자료를 검증 자료로 사용하였다. Table 1과 Table 2는 낙동강 관리본부에서 삼락생태공원과 대저생태공원을 대상으로 실제로 유료체육시설, 자전거 대여, 수영장, 눈썰매장 그리고 주요시설을 이용했던 이용객을 측정한 자료이다.
pCELL 은 SK Telecom이 상용화한 네트워크 방식의 위치 기반으로 위성 위치 확인 시스템(GPS)이 아닌 네트워크로 사용자의 동선을 유추하는 추적기술이다. 이동통신 3사의 모든 데이터를 활용하면 정확한 분석이 가능하지만 3통신사 간의 데이터 호환 문제, 데이터 추출 방식, 기지국 전파영역 공간 데이터 확보 유무 등으로 국내 이동통신 시장의 점유율이 가장 높은 SK Telecom의 데이터를 활용하였다 (Kim et al. 2019b). 또, 통신 빅데이터는 SK Telecom데이터에 통신사 월별 점유율에 따른 보정 수치를 적용하여 인구데이터를 추정하였다 (MOLIT 2017).
카카오 방문자 데이터는 Google popular times와 유사하게 첨두의 평균비율로 표시되어 있었으며 ‘제주동문시장’을 대상으로 방문자 데이터 open api를 활용한다.
대표적으로 카카오에서 사용되고 있는 어플로는 카카오 맵과 카카오모빌리티이다. 카카오맵에서 해당 공원을 검색하면 방문자 데이터를 확인할 수 있었으며 삼락생태공원과 대저생태공원을 대상으로 한 주의 요일별 데이터를 추출 하였다. Google popular times와 마찬가지로 주중과 주말을 구분하여 공원별 이용자의 이용시간대 추이와 이용객 수의 비율을 분석하였다.

데이터처리

주중과 주말을 구분하여 공원별 이용자의 이용시간대 추이와 이용객 수의 비율을 분석하였다. 2020년 5월 29일에 취득한 데이터와 코로나의 영향 (사회적 거리두기)이 반영되었을 것을 고려하여 2020년 7월 2일에 취득한 데이터의 평균값을 사용하여 비교하였다. x축은 새벽4시부터 익일 3시까지로 한 시간 간격으로 이루어져있으며 y축은 이용객 수의 비율이다.

성능/효과

5는 통신 빅 데이터를 활용하여 요일별 이용객의 비율을 시간적 분포로 도시한 결과이다. 2개의 연구대상 지역에서의 전체 요일에 대하여 유사한 양상을 나타내고 있으며 전반적으로 6시를 기점으로 하여 이용객이 증가하고 13 -15시 시간대에 첨두 (peak)를 보이며 이후에 감소하는 것을 확인하였다.
(2019b)은 이용객 수 조사를 정량적으로 산출하기 위해 통신 빅 데이터와 무인기를 활용하여 특정시간 대의 이용객 수를 직접 비교하였다. 그 결과 두 방법으로 추정한 이용객 수 추정 결과가 많이 상이한 패턴을 보였으며 그 이유는 친수지구 주변의 이동차량 내의 인구를 친수지구 이용객으로 판단하여 이용객 수를 과다 산정하는 오류를 범할 수 있음을 확인하였다.
둘째, 위치정보 기반 데이터 (Google popular times, Kakao maps)가 통신 빅 데이터 보다 정확한 패턴을 갖는 것으로 확인했지만, 정확한 이용객 수를 추정하는데 어려움이 있음을 확인하였다. 따라서 개인정보를 침해 하지 않는 선에서 이용객 수를 추출할 수 있다면 보다 정확한 이용객을 산정할 수 있을 것으로 판단된다.
위치정보 기반 데이터인 Google popular times와 카카오 방문자 데이터를 활용하여 요일별 이용객의 시간적 분포를 분석하였다. 분석결과 통신 빅 데이터에서는 요일별 이용객의 분포가 유사하였지만, GPS 기반의 자료에서는 주말과 주중의 이용객 분포가 통신 빅 데이터와 상이한 것을 확인하였다.
우선 분석대상 친수공원의 관리기관인 부산광역시 낙동강관리본부에서 조사된 2013년도부터 2016년까지 공원 이용객을 실측한 결과, 매년 증가하는 것을 확인할 수 있었다. 분석대상 지구인 삼락생태공원과 대저생태공원에서 주중, 주말 이용객의 비율을 산정해본 결과, 2013년도부터 2016년도까지 삼락생태공원은 평균 주중 이용객 비율이 29.75%, 주말은 70.25%였으며 대저생태공원은 주중 24.75%, 주말 75.25%이다. 주말의 비중이 주중의 최소 2배 이상 나타내는 것을 확인 할 수 있었다.
9와 Table 4는 Google popular times와 카카오 방문자 데이터의 요일별 비교결과이다. 상관계수 분석을 통한 결과에서 Google popular times와 카카오의 패턴이 매우 유사하다는 것을 확인하였다. 평일의 상관성은 0.
우선 분석대상 친수공원의 관리기관인 부산광역시 낙동강관리본부에서 조사된 2013년도부터 2016년까지 공원 이용객을 실측한 결과, 매년 증가하는 것을 확인할 수 있었다. 분석대상 지구인 삼락생태공원과 대저생태공원에서 주중, 주말 이용객의 비율을 산정해본 결과, 2013년도부터 2016년도까지 삼락생태공원은 평균 주중 이용객 비율이 29.
또한 카카오는 23시 이후 이용객이 급증하는 것을 확인 할 수 있었는데 이는 카카오모빌리티 (카카오 택시 및 카카오 대리)의 이용객의 영향으로 사료된다. 참고로 통신 빅데이터 기반 이용객 수 특성과 위치정보기반 추정치 간의 상관성은 거의 없는 것으로 확인되었다.
첫째, 통신 빅 데이터를 활용한 이용객 수 추정결과에서 위치정보 기반 데이터를 비교한 결과 많이 상이한 패턴을 갖는 것으로 나타났다. 주중, 주말 이용객 비율이 가장 큰 차이를 보였으며, 이는 친수공원 이용객뿐만 아니라 인근 도로에 주 ‧ 정차한 차량 및 교량 등의 간섭으로 과다산정하는 것으로 판단된다.
Table 3은 통신 빅 데이터, Google popular times 그리고 카카오 방문자 데이터의 주중, 주말 이용객의 비율이다. 통신 빅 데이터를 활용해서 분석했을 경우 주중 이용객의 비율이 높았으며 위치정보 데이터 기반인 Google popular times와 카카오 방문자 데이터는 주말의 이용객 비율이 높다는 것을 확인 할 수 있었다 (Figs. 6 and 7). 이러한 사유는 앞서 언급한 바와 같이, 통신 빅데이터의 경우 친수공원 주변의 도로에 위치한 이용객을 친수공원 이용객으로 고려하는 문제점이 반영된 결과로 사료된다.
8은 통신 빅 데이터, Google popular times 그리고 카카오 방문자 데이터의 주중 평균과 주말 평균 이용객 비율이다. 통신 빅 데이터의 경우 주중과 주말의 첨두값이 0.8 이상으로 유사한 반면 Google popular times와 카카오 방문자 데이터의 첨두값은 주중 0.4 미만 그리고 주말 0.8 이상으로 주중과 주말 간의 차이가 2배 이상 나는 것을 확인하였다.
상관계수 분석을 통한 결과에서 Google popular times와 카카오의 패턴이 매우 유사하다는 것을 확인하였다. 평일의 상관성은 0.757이며 주말의 상관성은 0.877로 평일에 비하여 주말의 상관성이 높은 것을 확인하였다. 다만, 구글과 카카오의 데이터 수집 기간에 차이가 있어 수집 기간이 짧은 (1주일 단위) 카카오 데이터에서 급증하고 급감하는 부분이 있다.

후속연구

본 연구에서는 통신 빅 데이터를 활용하여 친수공원 이용객 추정하는데 있어서의 차이점을 제시하였고, 향후 통신 빅 데이터를 이용할 때 pCELL의 정밀화 및 체류시간 30분 이상의 조건으로 이용객 수를 추출한다면 보다 정확한 이용객 수를 산출 할 수 있을 것으로 예상 된다. 개인정보 보호법 등의 개정이 이루어져 Google popular times와 카카오 방문자 데이터 융합이 가능한 빅 데이터 플랫폼을 개발한다면 정확한 이용객 수를 추정이 가능할 것으로 판단된다. 또한 통신빅데이터 분석에 최소 수천만원의 비용이 소요되는 것에 비해 위치정보기반 데이터를 활용한다면 매우 경제적인 분석방식으로 발전 가능할 것으로 예상된다.
둘째, 위치정보 기반 데이터 (Google popular times, Kakao maps)가 통신 빅 데이터 보다 정확한 패턴을 갖는 것으로 확인했지만, 정확한 이용객 수를 추정하는데 어려움이 있음을 확인하였다. 따라서 개인정보를 침해 하지 않는 선에서 이용객 수를 추출할 수 있다면 보다 정확한 이용객을 산정할 수 있을 것으로 판단된다.
개인정보 보호법 등의 개정이 이루어져 Google popular times와 카카오 방문자 데이터 융합이 가능한 빅 데이터 플랫폼을 개발한다면 정확한 이용객 수를 추정이 가능할 것으로 판단된다. 또한 통신빅데이터 분석에 최소 수천만원의 비용이 소요되는 것에 비해 위치정보기반 데이터를 활용한다면 매우 경제적인 분석방식으로 발전 가능할 것으로 예상된다. 향후 위치정보기반 데이터와 관련하여 정확한 이용객 수를 추출할 수 있다면 통신 빅 데이터를 활용하여 이용객 수를 산정하는 것보다 위치정보 데이터를 이용하는 것이 보다 정확한 이용객 수를 추정할 수 있을 것으로 판단되며 해당 분야 외에 지역 축제 이용객 추정, 대규모 집회 참석인원 등 다양한 분야에서 활용할 수 있을 것으로 기대된다.
본 연구에서는 통신 빅 데이터를 활용하여 친수공원 이용객 추정하는데 있어서의 차이점을 제시하였고, 향후 통신 빅 데이터를 이용할 때 pCELL의 정밀화 및 체류시간 30분 이상의 조건으로 이용객 수를 추출한다면 보다 정확한 이용객 수를 산출 할 수 있을 것으로 예상 된다. 개인정보 보호법 등의 개정이 이루어져 Google popular times와 카카오 방문자 데이터 융합이 가능한 빅 데이터 플랫폼을 개발한다면 정확한 이용객 수를 추정이 가능할 것으로 판단된다.
셋째, 구글 데이터와 카카오 방문자 데이터를 비교한 결과가 유사하기 때문에 향후 카카오 원시데이터를 취득 할 수 있다면 활용하여 보다 정확한 이용객 수를 산정할 수 있을 것으로 기대된다.
또한 통신빅데이터 분석에 최소 수천만원의 비용이 소요되는 것에 비해 위치정보기반 데이터를 활용한다면 매우 경제적인 분석방식으로 발전 가능할 것으로 예상된다. 향후 위치정보기반 데이터와 관련하여 정확한 이용객 수를 추출할 수 있다면 통신 빅 데이터를 활용하여 이용객 수를 산정하는 것보다 위치정보 데이터를 이용하는 것이 보다 정확한 이용객 수를 추정할 수 있을 것으로 판단되며 해당 분야 외에 지역 축제 이용객 추정, 대규모 집회 참석인원 등 다양한 분야에서 활용할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수변공간이 제공하는 자연경관 및 생태체험의 기회는 무엇을 조성하는 근간이 되는 요소인가?	산업화 및 도시화가 가중됨에 따라서 여가생활을 위한 공간 희소성이 부각되고 있다. 하천 주변의 수변공간이 제공하는 자연경관 및 생태체험 등의 기회는 지역사회의 발전과 친수공원 조성을 조성하는데 근간이 되는 요소이다. 이러한 하천 공간을 이용하는 이용객을 정량적으로 파악하는데 있어 과거에는 인력을 동원하여 현장조사를 수행하였으나 경비, 인력 및 시공간적인 제약이 발생하여 결과물의 정확성이 확보되지 못하는 문제점이 있다.
	친수지구는 무엇인가?	도시화로 인하여 대국민의 휴식과 레저를 위한 공간 부족 현상이 대두됨에 따라 하천이 제공하는 자연경관 및 생태체험 등의 기회를 기반으로 지역사회의 활기를 높이는데 친수지구 운영과 관리의 중요성이 점차 커지고 있다. 친수지구는 주민들의 친수활동을 위한 공간을 계획적으로 관리하기 위해 지정한 곳으로, 2007년 하천법이 개정된 이후에 국가하천을 대상으로 친수지구를 대규모로 조성한 바 있다. 친수지구 조성을 위하여 우선적으로 고려되어야 하는 것은 정확한 수요예측을 통하여 규모, 위치 및 관리계획을 결정하는 것이다.
	삼락생태공원는 한 생물의 서식환경을 보호하고 있다. 그 생물은 무엇인가?	72 km2)으로 공원에는 각종 체육시설과 잔디광장, 야생화단지 및 자연학습장, 문화마당 등으로 꾸며진 체육 ‧ 휴식공간이며 콘서트행사와 축제를 개최하여 시민들의 여가 및 휴식공간으로 활용되고 있다. 또한 철새를 위한 습지, 철새 먹이 터로도 활용되어 서식환경을 보호하고 있다. 대저생태공원은 부산광역시 강서구 대저1동에 위치하고 있다.

참고문헌 (14)

De Jonge, E., van Pelt, M., and Roos, M. 2012. Time patterns, geospatial clustering and mobility statistics based on mobile phone network data. In, Proceeding of the Federal Committee on Statistical Methodology Research Conference, January 10-12. Washington D.C.: Washington Convention Center.
Deville, P., Linard, C., Martin, S., Gilbert, M., Stevens, F.R., Gaughan, A.E., Blondela, V.D., and Tatem, A.J. 2014. Dynamic population mapping using mobile phone data. In, Proceeding of the National Academy of Sciences, 111. 45: 15888-15893.

상세보기
Dixon, J., Elders, I., and Bell, K. 2018. Electric vehicle destination charging demand characterizations at popular amenities.
Douglass, R.W., Meyer, D.A., Ram, M., Rideout, D., and Song, D. 2015. High resolution population estimates from telecommunications data. EPJ Data Science, 4. 1: 1-13.

상세보기
Kim, J.E., Park, C., Kim, A.Y., and Kim, H.G. 2019a. Analysis of behavioral characteristics by park types displayed in 3rd generation SNS. Journal of the Korean Institute of Landscape Architecture 47(2): 49-58. (in Korean)
Kim, J.H., Ko, Y.S., Kim, J.K., and Kim, D.H. 2014. The application of smart cell in space policy. Sejong: Korea Research Institute for Human Settlements. (in Korean)
Kim, S.J., Kim, C.S., and Kim, J.S. 2019b. Estimating visitors on water-friendly space in the river using mobile big data and UAV. Ecology and Resilient Infrastructure 6(4): 250-257. (in Korean)
Kim, T.J., Lee, D.R., Jang, S.M., and Kwon, H.H. 2017. Generation of radar rainfall data for hydrological and meteorological application (II) : radar rainfall ensemble. Journal of Korea Water Resources Association 50(1):17-28. (in Korean)
KRIHS. 2018. using the mobile big data for the smart river space management. Korea Research Institute for Human Settlements, Sejong, Korea.
Lee, J.S. and Lee, S.E. 2019. A study on classification and characterization of water-friendly space for the smart river space management using the mobile big data. Korea Research Institute for Human Settlements 9: 69-82. (in Korean)
Lee, J.S., Lee, S.E., and Choi, J.Y. 2019. Using the mobile big data for the smart river space management: data validation and water-friendly space indicators. Korea Research Institute for Human Settlements 6: 3-18. (in Korean)
MOLIT. 2016. Study on river maintenance evaluation and improvement plan. Ministry of Land and Infrastructure and Transport, Sejong Korea.
MOLIT. 2017. A study on the utilization of the 4 rivers waterfront using mobile big data. Ministry of Land and Infrastructure and Transport, Sejong Korea.
NARS. 2017. Management status and improvement tasks of waterfront park. NARS Field Survey Report No.55. National Assembly Research Service, Seoul, Korea.

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