[논문]딥러닝 기반 서울시 행정동별 외식업종 상권 변화 예측

김지연; 오수민; 박민서

doi:10.17703/jcct.2024.10.2.459

초록
AI-Helper

자영업자의 빈번한 폐업은 국가적인 경제 손실을 동반한다. 특히 외식업종이 가장 높은 폐업률을 보이기 때문에 외식업종의 상권 변화를 예측하여 업체의 생존에 도움을 주는 것이 필요하다. 외식업종의 생존율과 폐업률에 영향을 미치는 요인에 대한 연구는 활발하나, 상권의 변화 정도를 예측하는 연구는 부족한 실정이다. 따라서, 본 연구에서는 상권 변화에 초점을 맞추는 연구를 하고자 한다. 이를 위해 서울시 행정동별 상권 변화를 예측하는 딥러닝(Deep Learning) 모델을 설계한다. 첫째, 2023년과 2022년 2분기의 상권 변화와 관련된 변수를 수집한다. 둘째, 1년간의 등락 정도를 백분율로 환산한 후, 증강 단계를 거친다. 셋째, 딥러닝 모델을 활용하여 상권 변화를 예측하는 모델을 제안한다. 향후 본 연구를 고려한 외식업종 지원정책은 상권의 질적 성장 및 경제 성장에 도움이 될 것으로 기대한다.

Abstract ▼ AI-Helper

Frequent closures among self-employed individuals lead to national economic losses. Given the high closure rates in the restaurant industry, predicting changes in this sector is crucial for business survival. While research on factors affecting restaurant industry survival is active, studies predict...

Frequent closures among self-employed individuals lead to national economic losses. Given the high closure rates in the restaurant industry, predicting changes in this sector is crucial for business survival. While research on factors affecting restaurant industry survival is active, studies predicting commercial district changes are lacking. Thus, this study focuses on forecasting such alterations, designing a deep learning model for Seoul's administrative district commercial district changes. It collects 2023 and 2022 second-quarter variables related to these changes, converting yearly fluctuations into percentages for augmentation. The proposed deep learning model aims to predict commercial district changes. Future policies, considering this study, could support restaurant industry growth and economic development.

주제어

표/그림 (4)

표 표 1. 독립변수의 분산팽창지수 Table 1. Variance Inflation Factor of Independent Variables
표 표 2. 딥러닝 모델의 하이퍼파라미터 Table 2. Hyper-parameter of Deep Learning Model
표 표 3. 행정동별 상권 변화 예측 모델의 정량적 평가 Table 3. Quantitative Evaluation of Commercial District Change Prediction Model by Administrative District
표 표 4. 딥러닝과 머신러닝 모델의 성능 지표 Table 4. Performance Metrics for Deep Learning and Machine Learning Models

참고문헌 (13)

Organization for Economic Co-operation and？Development. https://www.oecd.org/
Korean Statistical information Service？https://kosis.kr/index/index.do
National Tax Service (https://www.nts.go.kr/)
E. Choi, S. Cheon, and Su. Lee, "An Analysis of？Spatial Changes in Commercial Districts using？Survival-Exit Dynamics of Commercial？Businesses in Seoul, Korea," Journal of the？Korean Regional Science Association, Vol. 37,？No. 4, pp. 3-19, 2021. DOI:10.22669/krsa.2021.37.4..003
Y. Nam, "Analysis on the Determinants of Exit？of Self-Employed Businesses in Korea," Bank of？Korea Economic Research, Vol. 2017, No. 5,？2017.
D. Kim, K. Kim, and Y. An, "A Study on the？Spatial Characteristics of the Long-term Survival Commercial Facilities Location-Focused？on Ordinary Restaurants in Gangnam-gu,？Seoul," Journal of Korea Planning Association,？Vol. 53, No. 2, pp. 161-181, 2018. DOI:10.17208/jkpa.2018.04.53.2.161

상세보기
D. Lee, J. Lee, and S. Cheon, "Comparison of？Survival Rate in Food Service Industry between？Growing Commercial Districts and Declining？Commercial Districts of Seoul," Korea Spatial？Planning Review, Vol. 105, pp. 65-84, June 2020.？DOI:10.15793/kspr.2020.105..005
S. Kim, C. Yi, and J. Nam, "Survival Rate and？Survival Factors of the Restaurants according to？the Decline Level in Seoul," Journal of Korea？Planning Association, Vol. 58, No. 3, pp. 68-81,？2023. DOI:10.17208/jkpa.2023.06.58.3.68

상세보기
S. Lee, "Deep Structured Learning: Architectures？and Applications," The International Journal of？Advanced Culture Technology(IJACT), Vol. 6,？No. 4, pp. 262-265, 2018. DOI:10.17703//IJACT2018.6.4.262

원문보기 상세보기
S. Oh, and M. Park, "Deep Learning-based？Happiness Index Model Considering Social？Variables and Individual Emotional Index," The？Journal of the Convergence on Culture？Technology (JCCT), Vol. 7, No. 3, August 2021
Y. Song, Y. Cho, Y. Seo, and S. Ahn,？"Development and its Application of Computer？Program for Slope Hazards Prediction using？Decision Tree Model," Journal of the Korean？Society of Civil Engineers, Vol. 29, No. 2C, pp.？59-69, March 2009
L. Breiman, "Random Forests," Machine？Learning, Vol. 45, pp. 5-32, 2001
C. Cortes, and V. Vapnik, "Support-vector？networks", Machine Learning, Vol. 20, pp.？273-297, 1995

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

딥러닝 기반 서울시 행정동별 외식업종 상권 변화 예측
Predicting Changes in Restaurant Business District by Administrative Districts in Seoul using Deep Learning

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (4)

표/그림 (4)

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

딥러닝 기반 서울시 행정동별 외식업종 상권 변화 예측 Predicting Changes in Restaurant Business District by Administrative Districts in Seoul using Deep Learning

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (4) 모든 표/그림 보기

표/그림 (4) 슬라이드로 보기

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

김지연 (10)

관련 콘텐츠

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

딥러닝 기반 서울시 행정동별 외식업종 상권 변화 예측
Predicting Changes in Restaurant Business District by Administrative Districts in Seoul using Deep Learning

초록
AI-Helper

표/그림 (4)

표/그림 (4)