본 연구에서는 지역화폐(동백전) 빅데이터를 이용하여 신흥 상권을 도출하고 해당 상권의 시계열 데이터를 기반으로 전통적인 통계 기반 알고리즘과 딥러닝 기반 알고리즘을 모델링하고 학습하여 상권의 성장성을 예측하였다.
인구 유입 및 유동 인구의 통계정보를 활용하거나 설문조사 기법을 이용하여 신흥 상권에 대한 연구를 수행할 경우 모집단의 대표성을 충분히 반영하지 못하는 등의 통계적 오류가 발생한다는 한계점이 있다. 반면 빅데이터를 이용한 집계 분석 방법은 소비자의 경제활동과 데이터 수집 및 분석 사이에서 발생하는 간극을 좁혀 상권의 환경 변화에 민첩하게 대응할 수 있다.
지역화폐(동백전) 가맹점에서 사용한 카드 거래 내역을 새 우편번호 기반으로 집계하여 상권 분석을 진행하였고, 신흥 상권으로 도출된 지역의 시계열 데이터를 기반으로 DTW(Dynamic Time Warpping) 알고리즘을 이용하여 카드 사용 건수 증가율에 영향을 미치는 주요 변수를 도출하고 상권의 특징을 분석하였다. 그리고 통계 기반 예측 알고리즘인 Auto-ARIMA, Prophet과 딥러닝 기반 예측 알고리즘인 RNN, LSTM, GRU를 기반으로 모델링하고 시계열 데이터를 학습하여 상권의 성장성을 예측한 후 MAE, RMSE, R² Score 값으로 모델의 성능을 평가하고 비교하여 가장 우수한 모델을 제시하였다.
신흥 상권으로 선정된 지역의 시계열 데이터를 기반으로 모델링하고 학습하여 성장성을 예측한 결과 통계 기반 모델인 Prophet과 Auto-ARIMA의 성능이 약 0.2% 정도의 근소한 차이로 Prophet이 우수하였으나 성능 평가 지표인 R² 값이 45%로 모델의 적합도가 낮았다. 딥러닝 기반 모델의 성능 지표인 R² 값은 RNN 값이 21%, LSTM 값이 74%, GRU 값이 93%로 측정되었으며 GRU 모델의 성능이 가장 우수하였다.
본 연구의 목적은 빅데이터 분석 및 통계 기반 모델, 딥러닝 기반 모델을 사용하여 객관적이며 과학적으로 분석한 정보를 바탕으로 시장 참여자들에게 상권의 특징과 트렌드를 파악할 수 있도록 지원하는 것이다.