LSTM을 기반으로 한 서울시 성장상권과 쇠퇴상권 내 외식산업의 생존율 예측 :Prediction of survival rate in food service industry in growing versus declining commercial districts in Seoul

이동현

추천

검색

자료유형: 학위논문

저자정보: 이동현 (홍익대학교, 홍익대학교 대학원)

지도교수: 천상현, 이재경

발행연도: 2020

저작권: 홍익대학교 논문은 저작권에 의해 보호받습니다.

이용수55

이 논문의 연구 히스토리 (2)

2020

서울시 성장상권과 쇠퇴상권 내 외식산업의 생존율 비교

이동현 , 이재경 , 천상현 국토연구 2020.06 학술저널

LSTM을 기반으로 한 서울시 성장상권과 쇠퇴상권 내 외식산업의 생존율 예측

이동현 2020.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

국내경제의 큰 부분을 차지하는 자영업자들이 영업을 오래 지속하지 못하고 이른 시간에 폐업하여 개인 및 국가에 막대한 손해를 야기하고 있다. 이에 정부 및 지방자치단체들에서는 자영업의 폐업률을 감소시키기 위해 다양한 대안들을 제시하고 있지만, 자영업자의 생존과 폐업에는 다양한 요인들이 관련되어 있어 미래에 대한 예측이 불확실하기 때문에 정확한 정책 제시가 어려워 현재 자영업, 특히 외식산업의 생존율은 지속적으로 줄어들고 있다.
개인사업자들의 소규모 상업시설이 공간적으로 집적하여 형성된 상권은 시간이 지남에 따라 성장, 쇠퇴하여 상업시설의 생존과 폐업에 영향을 미치는 다양한 요인들에 변화를 가져온다. 따라서 상업시설의 생존을 분석할 때는 상권의 시계열적 변화인 성장과 쇠퇴를 반영해야 한다.
이에 본 연구에서는 폐업한 개인사업자들이 가장 많이 종사했고 생존주기가 가장 짧은 업종인 외식산업을 대상으로, 상권의 성장, 쇠퇴유형에 따른 상업시설의 생존과 폐업을 분석하는 것을 목적으로 한다. 이를 위해 첫째, 상권활성화지수를 산출하여 상권의 성장 쇠퇴유형을 구분하고, 둘째, 상권의 성장, 쇠퇴 유형 별로 상업시설의 생존율의 차이를 확인한다. 셋째, 생존율 예측 모형을 수립하여 서울시의 외식산업 생존율을 예측한 후 상권의 성장 쇠퇴 유형별 향후 생존율의 차이를 확인한다.
본 연구의 결과는 다음과 같다. 첫째, 본 연구에서 산출한 상권활성화지수로 서울시를 5개의 상권유형으로 구분하였다. 둘째, 인공신경망 기반 LSTM모형을 사용해 외식산업의 향후 생존율을 예측하여 인공지능 모형이 상업시설의 생존율 예측에 효과적임을 실증하였다. 셋째, 상권 유형별로 생존함수와 향후 생존율을 비교한 결과 기존에 상업활동이 활발하게 일어나고 그 정도가 점차 강해지는 지역에서 외식산업이 생존율이 가장 높게 나타났다.
본 연구는 다양한 지표를 사용해 서울시를 5가지 상권유형으로 구분하고, 상업시설의 생존분석에 인공지능 기반 LSTM모형을 도입하였다는 것에 그 의의가 있다. 그러나 과거데이터의 부재로 인해 상권이 시계열적 변화인 성장, 쇠퇴를 구분할 때 짧은 시간간격을 사용하였으며, 상업시설의 생존에 많은 영향을 미치는 변수인 유동인구, 상주인구, 개인특성을 생존율 예측모형에 적용하지 못하였다는 한계점이 있다.

Self-employed people, who make up a large part of the domestic economy, have been shut down in the early hours and are causing huge damage to individuals and the nation. Despite the government''s diverse policy of protecting small business owners, the survival rate of the self-employed, especially the restaurant industry, is continuously decreasing. One of the reasons for this problem is that there are various factors involved in the survival and closure of the self-employed, so the prediction of the future is uncertain.
Commercial districts grow and decline for a variety of reasons, such as urban redevelopment and gentrification, over time, resulting in changes in factors affecting the survival of commercial facilities such as the number of competitors and rent, etc. Thus, when analyzing the survival of commercial facilities, it should reflect the time-series changes in the commercial sphere: growth and decline.
In this research, we analyze the survival and closing of commercial facilities according to the growth and decline of the commercial districts, targeting the restaurant industry. To this end, we classify the growing and declining commercial districts based on the Commercial area Vitality Index. Second, we predict the survival rate of commercial facilities in Seoul by utilizing the cyclical neural network-based LSTM model and analyze the difference in survival rate in each type of commercial districts.
The results of this study are as follows. First, we divided Seoul into five types of commercial districts based on the Commercial area Vitality Index calculated in this study. Second, it demonstrated that the model of artificial intelligence is effective in predicting the survival rate of commercial facilities. Third, comparing the survival function and future survival rate by type of commercial area, it was confirmed that the restaurant industry has the highest survival rate in areas where commercial activity is active and the level is getting stronger.
This study classified Seoul into five commercial districts types using various indicators and introduced an artificial intelligence-based LSTM model for the survival analysis of commercial facilities. However, due to the absence of historical data, a short time interval was used to distinguish growth and decline, which are time-series changes, and the variables that affect the survival of commercial facilities, such as floating population, resident population, and individual characteristics, were not applied to the survival rate prediction model.

제 1 장 서 론 1
1.1 연구의 배경 및 목적 1
1.2 연구의 구성 및 흐름 3
제 2 장 선행연구 고찰 6
2.1 상권의 성장 쇠퇴 유형 구분 관련 연구 6
2.2 상업시설 생존 분석 관련 연구 11
2.3 외식산업 관련 연구 14
2.4 사업체의 폐업률, 부도확률 예측 관련 연구 16
2.5 본 연구의 차별성 19
제 3 장 분석의 틀 21
3.1 연구의 범위 21
3.2 연구의 방법 22
3.2.1 상권의 성장/쇠퇴 유형 구분 23
3.2.2 성장/쇠퇴 상권 유형별 생존함수 비교 26
3.2.3 상업시설 생존율 예측 27
3.3 분석자료 31
3.3.1 외식산업의 정의 31
3.3.2 변수 출처 및 데이터 가공 31
제 4 장 분석 결과 34
4.1 상권의 성장/쇠퇴 유형 구분 34
4.1.1 상권의 성장/쇠퇴유형 구분지표 기초통계분석 34
4.1.2 상권활성화지수 산출 35
4.1.3 성장/쇠퇴상권 유형 구분 36
4.1.4 서울시 생활권 별 성장/쇠퇴상권 유형 38
4.2 상권의 성장/쇠퇴 유형별 생존함수 비교 43
4.2.1 성장/쇠퇴상권 유형별 외식산업 사업체 생존기간 기초통계 43
4.2.2 성장/쇠퇴상권 유형별 외식산업 사업체 생존함수 비교 44
4.3 상권의 성장/쇠퇴 유형별 향후 생존율 비교 48
4.3.1 생존율 예측모형 종속/독립변수 기초통계 분석 48
4.3.2 외식산업 사업체 향후 생존율 예측 50
4.3.3 성장/쇠퇴상권 유형별 향후 생존율 비교 53
제 5 장 결론 및 토의 58
5.1 연구의 결론 및 의의 58
5.2 연구의 한계 및 향후 연구 과제 60
참 고 문 헌 62
영문요약 67

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)