[논문]머신러닝 기반 서울시 로컬브랜드 골목상권 추천시스템 설계

김지연; 장효선; 박민서

doi:10.17703/jcct.2023.9.1.101

머신러닝 기반 서울시 로컬브랜드 골목상권 추천시스템 설계
Seoul Local Brand Alley Commercial Area Recommendation System Design Using Machine Learning 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.9 no.1, 2023년, pp.101 - 109

김지연 (서울여자대학교 디지털미디어학과) , 장효선 (서울여자대학교 소프트웨어융합과) , 박민서 (서울여자대학교 데이터사이언스학과)

초록
AI-Helper

코로나 19 자영업자비상대책위원회가 발표한 자료에 따르면 지난 2년 동안 코로나19로 인한 소상공인 매출의 95.6%가 감소했으며, 방역을 위한 사회적 거리두기로 인해 피해는 더욱 커졌다. 하지만 최근 사회적 거리두기 지침이 전부 해제되고 상권이 활기를 띠면서 서울시는 코로나19의 장기화로 한계에 부딪혀 폐업하였던 소상공인이나 예비 창업자를 위해 안정적으로 사업을 재기할 수 있도록 로컬브랜드 상권 육성사업을 추진하고 있다. 따라서 본 연구는 서울시 로컬브랜드 상권 육성사업의 대상으로 선정된 골목상권 5곳 중 창업자에게 적합한 골목상권을 추천하는 모델을 설계했다. 이 연구의 서울시 로컬브랜드 골목상권 추천시스템은 Xgboost를 이용한 인구관점 모델과 Decision tree를 이용한 상권특징 모델을 합쳐 해당 상권의 주요 인구 연령대와 주요 업종을 추천한다.

Abstract ▼ AI-Helper

According to data released by the Covid 19 Self-Employed Emergency Response Committee, 95.6% of small business sales due to Covid 19 have decreased over the past two years, and the damage has further increased due to social distancing for quarantine. However, as all social distancing guidelines have rebeen lifted, and the commercial district has been revitalized, the Seoul Metropolitan Government is pushing for a project to foster local brand commercial districts so that small business owners or prospective founders who have closed their businesses due to the prolonged COVID-19. Therefore, this study propose the model that recommends alley commercial districts suitable for founders among the five alley commercial districts selected for the project to foster local brand commercial districts in Seoul. The Seoul Metropolitan Government's local brand alley commercial recommendation system recommends major population age groups and major industries in the commercial district by combining the population perspective model using Xgboost and the commercial district characteristic model using Decision Tree.

주제어

표/그림 (13)

그림 그림 1. 상업 시설 입지 결정에 관한 이론적 모델 Figure 1. A Theoretical Model for Commercial Facility Site Determination
그림 그림 2. 추천시스템 설계를 위한 머신러닝 모델 Figure 2. Machine learning models for recommend system design
그림 그림 3. 매출과 상주/생활 인구 수에 대한 히트맵 Figure 3. Heat map for the relationship between sales and the number of resident/living population
표 표 1. 인구관점 모델의 변수 정의 Table 1. Defining Variables in the Population Perspective Model
표 표 2. 로컬브랜드 5곳에 해당하는 상권 8곳 Table 2. 8 commercial districts corresponding to 5 local brands
표 표 3. 인구관점 모델의 최종 선정된 독립 변수들의 VIF 결과 Table 3. VIF results of the final selected independent variables of the population perspective model
표 표 4. 상권특징 분석 모델의 변수 정의 Table 4. Variable definition of commercial district characteristics analysis model
그림 그림 4. 상권특징 분석 모델의 Decision Tree Figure 4. Decision Tree of Commercial District Characteristics Analysis Model
그림 그림 5. 인구관점 모델의 특성중요도 그래프 Figure 5. Features Importance Graph of Population Perspective Model
표 표 5. 외식업종 정리 Table 5. The food service industry list
표 표 6. 상권분석 모델의 최종 선정된 독립 변수들의 VIF Table 6. The final selected independent variables‘ VIF of the commercial district analysis model
표 표 7. 인구관점 모델 및 상권 분석 모델 최종 결과 Table 7. Final result of population perspective model and commercial area analysis model
표 표 8. 모델 정확도 Table 8. Model Accuracy

참고문헌 (15)

Seoul Our Village Shop commercial area ana？lysis service (https://golmok.seoul.go.kr/)
F. M. F., Thomas, S. G. Charlton, I. Lewis and？S. Nandavar, "Commuting before and after？COVID-19", Transportation Research Interdiscip？linary Perspectives, Vol.11, No.4, 2021, 100423.？(https://doi.org/10.1016/j.trip.2021.100423)

상세보기
Keumsook Lee, Sohyun Park, Yuhee Ham,？"Changes in Subway Traffic in Seoul during？Social Distancing due to the Spread of COVID-19 and Geographic Characteristics of the Area？Behind the Station," 「Journal of the Econo mic？Geographical Society of Korea」, Vol.24, No.2, 20？21, pp.127-142. (https://doi.org/10.23841/egsk.2021.24.2.127)

원문보기 상세보기
Jungwon Ha, Sunjae Kim, Sugie Lee, "Analysis？of Spatio-Temporal Characteristics of Small？Business Sales by the Spread of COVID-19 in？Seoul, Korea : Using Space Time Cube Model",？「Journal of Korea Planning Association」, Vol.56,？No.2, 2021, pp.218-234.
Muhammad Sohail Ahmad, Peter C. Johnson,？Seul Lee, Sujin Lee, "A Study on Resilience and？Survival Characteristics based on the Types for？Seoul's Side Street Trade Areas during the？COVID-19 Pandemic". Korea Real Estate Analy？sts Association Conference Proceedings, Vol.1,？2021, pp.35-60.
Announcement of the 2022 local brand commercial？development project in Seoul (https://www.seoul.go.kr/news/news_notice.do#view/359268?tr_codesnews)
Young Gab Kim. "Overview and Comparison of？Domestic Major 「Commercial District Infor mation？System". Journal of Food service Mana gement,？Vol.18, 2015, pp.275-288.
Hyeon Cheo Kim, Young Soo An, "A Monitor？ing the Dynamic Change of Seoul's Side Street？Trade Areas Using Density and Diversity of？Stores", Seoul Studies Vol.20, No.4, 2019, pp.？149-162.
Hyeoncheol Kim, Seungil Lee, "A Study on the？Factors Affecting the Revenue in Seoul's Side？Street Trade Areas", Seoul Studies Vol.20, No.1,？2019, pp. 117-134
Glden Turhan, Mehmet Akaln, Cemal Zehir,？Literature Review on Selection Criteria of Store？Location Based on Performance Measures,？Procedia-Social and Behavioral Sciences, Vol. 99,？2013, pp.391-402, ISSN 1877-0428.(https://doi.org/10.1016/j.sbspro.2013.10.507)

상세보기
Changki Kim, Seung Young Jeong, A Study on？the Factors Affecting Hotel & Restaurant Lo？cation in Seoul. Korean Management Consulting？Review, Vol.13, No.4, 2013, pp.297-314.
Youn Soo Lee, Hyun Shin Park, Seung Hwan？Lew, Jun Mo Kang, An Analysis of the Loca？tion Factors that Affects the Sales of Campus？Commercial District.Seoul Studies, Vol.15, No.1,？2014, pp.17-34.
Wha-Beum Park, Young-Sung Cho, Hyung -？Hwa Ko, Clustering Method of Weighted？Preference Using K-means Algorithm and？Bayesian Network for Recommender System.？Journal of Information Technology Applications？and Management, Vol.20, No.3, 2013, pp.219-230.？(https://doi.org/10.21219/jitam.2013.20.3_spc.219)

원문보기 상세보기
Sangwhan Kim, Empirical studies on the stock？price prediction performance of Xgboost models.？Journal of Social Science, Vol.39, No.1, 2022, pp.？29-55.
Kim Jae-Hwan, Lee, Min-Gu, Analyzing Decision？Tree & Random Forest Algorithm, Pro ceedings？of KIIT Conference, 2018, pp. 132-133.

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