$\require{mediawiki-texvc}$

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.

공공데이터를 활용한 도시 내 공공체육시설 위치 추천
A Location Recommendation Model for Public Sports Facilities 원문보기

한국정보처리학회 2022년도 추계학술발표대회, 2022 Nov. 21, 2022년, pp.365 - 367  

임주영 (숙명여자대학교 통계학과) ,  팽소연 (서울시립대학교 통계학과) ,  이가은 (숙명여자대학교 컴퓨터과학과) ,  이찬녕 (단국대학교 응용통계학과) ,  구재성 (상명대학교 컴퓨터과학과) ,  안서현 (삼육대학교 컴퓨터메카트로닉스공학부) ,  강민지 (한국외국어대학교 생명공학과) ,  김진 (상명대학교 지능데이터융합학부) ,  이지항 (상명대학교 지능데이터융합학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 서울시를 대상으로 2020년 기준 자치구별 공공체육시설의 개수를 분석하고, 도출된 서비스 지역 적정 개소 수를 기준으로 추가 설치가 필요한 자치구 내 입지를 예측하였다. 기존 공공 체육시설 수와 선행연구의 입지 지표를 활용해 회귀분석을 바탕으로 유의한 입지요인을 도출하고, 이를 변수로 한 k-means 군집화를 통해 자치구별 입지 후보군이 될만한 행정구역상 동을 구분하였다. 이후 선정된 행정구역 내 기준 인구 당 공공체육시설 비율이 같아지도록 공공체육시설 설치 개수를 결정한 다음 각 구역의 중심점으로부터 가까운 동 순으로 공공체육시설의 추가 설치가 필요한 동을 선정하였다.

관련 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