표제지
국문초록
목차
Ⅰ. 서론 14
1. 연구의 배경 및 목적 14
2. 연구범위 및 연구방법 15
1) 연구범위 15
2) 연구방법 16
Ⅱ. 이론적 배경 19
1. 동백전 개념 19
2. 새 우편번호 개념 19
3. 부산광역시 도시체계 20
4. 데이터 전처리(이상치제거) 기법 20
5. 변수간 상관관계 분석(DTW) 21
6. 시계열 기반 예측 모델 22
1) Auto-ARIMA(Auto-Regressive Integrated Moving Average) 22
2) Prophet 23
7. Deep Learning 기반 예측 모델 24
1) RNN(Recurrent Neural Network) 24
2) LSTM(Long Short Term Memory) 26
3) GRU(Gated Recurrent Unit) 27
Ⅲ. 연구 설계 및 데이터 분석 28
1. 연구 데이터 수집과정 28
2. 데이터 탐색적 분석(Exploratory Data Analysis) 30
1) 연령대별 카드사용 현황 30
2) 성별 카드사용 현황 31
3) 업종별 카드사용 현황 31
4) 새 우편번호별 카드사용 현황 36
3. 신흥 상권 도출 및 상권의 속성분석 38
1) 신흥 상권 도출 38
2) 상권의 속성 분석(DTW 활용) 43
Ⅳ. 학습 모델 구축 및 성능평가 48
1. 평가방법 48
1) 실험환경 48
2) 데이터 전처리 48
3) 성능평가도구 50
2. 학습방법 51
3. 학습 모델 구축 및 성능평가 51
1) Auto-ARIMA 51
2) Prophet 54
3) Deep Learning Models 하이퍼파라미터 56
4) RNN(Recurrent Neural Networks) 모델 수행결과 59
5) LSTM(Long Short-Term Memory network) 모델 수행결과 61
6) GRU(Gated Recurrent Units) 모델 수행결과 63
Ⅴ. 연구결과 65
Ⅵ. 결론 67
참고문헌 69
Abstract 71
〈표-1〉 분석 Data 현황(1차집계) 16
〈표-2.1〉 기초 데이터 생성 현황(카드 승인 정보) 28
〈표-2.2〉 기초 데이터 생성 현황(가맹점 정보) 29
〈표-2.3〉 기초 데이터 생성 현황(업종 정보) 29
〈표-3〉 업종별 카드 승인금액 현황 32
〈표-4〉 업종별 카드 승인 건수 현황 34
〈표-5〉 새 우편번호별 카드 승인 건수 현황 36
〈표-6〉 새 우편번호별 카드 승인금액 현황 37
〈표-7〉 승인 건수 증가율 현황 39
〈표-8〉 승인금액 증가율 현황 40
〈표-9〉 신흥 상권 산출 현황 41
〈표-10〉 일광_승인 건수기준_Distance 〈= 1.0 이하 44
〈표-11〉 일광_승인금액 기준_Distance 〈= 1.0 이하 46
〈표-12〉 실험환경 48
〈표-13〉 Auto-ARIMA 성능측정 결과(일광) 52
〈표-14〉 Auto-ARIMA 성능측정 결과(대저) 53
〈표-15〉 Prophet 성능 측정 결과(일광) 55
〈표-16〉 Prophet 성능 측정 결과(대저) 56
〈표-17〉 Keras Layers Parameter 57
〈표-18〉 Keras model.compile Parameter 58
〈표-19〉 Keras model.fit Parameter 58
〈표-20〉 RNN 모델 성능측정 결과(일광) 59
〈표-21〉 RNN 모델 성능측정 결과(대저) 60
〈표-22〉 LSTM 모델 성능측정 결과(일광) 61
〈표-23〉 LSTM 모델 성능측정 결과(대저) 62
〈표-24〉 GRU 모델 성능측정 결과(일광) 63
〈표-25〉 GRU 모델 성능측정 결과(대저) 64
〈표-26〉 모델별 성능측정 결과 비교 66
〈그림-1.1〉 신흥 상권 도출 프로세스 17
〈그림-1.2〉 모델 기반 예측 및 성능 비교 프로세스 17
〈그림-2〉 RNN 구조 24
〈그림-3〉 LSTM 구조 26
〈그림-4〉 GRU 구조 27
〈그림-5〉 연령대별 카드 사용 비율 30
〈그림-6〉 성별 카드 사용 현황 31
〈그림-7〉 업종별 카드 승인금액 X-Y 그래프 33
〈그림-8〉 업종별 카드 승인금액 트리맵 33
〈그림-9〉 업종별 카드 승인 건수 그래프 35
〈그림-10〉 업종별 카드 승인 건수 트리맵 35
〈그림-11〉 업종별 카드승인현황 36
〈그림-12.1〉 일광면 지리적 위치(배후도시상권) 41
〈그림-12.2〉 대저1동 지리적 위치(교통요충지) 42
〈그림-13.1〉 일광_30대_Distance=0.20(승인 건수 대비) 44
〈그림-13.2〉 일광_편의점_Distance=0.41(승인 건수 대비) 45
〈그림-14.1〉 일광_30대_Distance=0.47(승인금액대비) 47
〈그림-14.2〉 일광_기타 음료식품_Distance=0.45(승인금액대비) 47
〈그림-15.1〉 시계열 데이터 전처리 현황(일광) 49
〈그림-15.2〉 시계열 데이터 전처리 현황(대저) 49
〈그림-16.1〉 Auto-ARIMA 데이터 예측(일광) 52
〈그림-16.2〉 Auto-ARIMA 데이터 예측 결과(대저) 53
〈그림-17.1〉 Prophet 데이터 예측 결과(일광) 55
〈그림-17.2〉 Prophet 데이터 예측 결과(대저) 56
〈그림-18.1〉 RNN 데이터 예측 결과(일광) 59
〈그림-18.2〉 RNN 데이터 예측 결과(대저) 60
〈그림-19.1〉 LSTM 데이터 예측 결과(일광) 61
〈그림-19.2〉 LSTM 데이터 예측 결과(대저) 62
〈그림-20.1〉 GRU 모델 예측 결과(일광) 63
〈그림-20.2〉 GRU 모델 예측 결과(대저) 64