뉴노멀 시대의 팬데믹 대학 상권 활력 분석 : 머신러닝을 활용한 시계열 클러스터링을 중심으로 = Campus Commercial Vitality in the Pandemic New Normal : Machine Learning Approach for Time Series Clustering-

국문 초록 (Abstract)

COVID-19는 전 세계와 국내에서 광범위한 사회경제적 영향을 초래했으며, 특히 상권 지역은 이로 인해 큰 타격을 입었다. 본 연구는 COVID-19 팬데믹이 대학 상권에 미친 영향을 중점적으로 분석을 수행하고자 한다. 대학 상권은 청년 소비 계층에 높은 의존성을 가지고 있으며 팬데믹 당시 비대면 수업으로의 전환과 같은 사회적 변화로 직접적인 경제적 충격을 받았지만 해당 상권의 영향력에 대한 연구는 확인하기 어렵다. 대학가이자 캠퍼스타운이라고 불리우는 대학 상권은 전통적인 장소성을 가지고 있는 중요한 공간임에도 불구하고 상권분석 연구에서 상대적으로 소외 되어왔다. 대학 상권은 입지에 따라 성격이 다르고 상업 중심지와 골목상권으로 구분되는 등 다양한 위계적 특징을 지니고 있어 이러한 대학 상권의 다층적인 구조와 다양성을 고려한 지역적 이해가 필요하다. 본 연구는 상권 활력을 측정하기 위한 주요 지표로 카드 매출액과 유동인구 데이터를 기반으로 대학 상권을 살펴보고자 한다. 팬데믹 기간 동안의 매출액 변화를 기반으로 머신러닝 기법 중 하나인 시계열 클러스터링을 활용하여 군집을 도출하고, 다중회귀분석을 통해 군집별 공간적 특성과 유동인구에 대한 영향 요인을 탐색한다. 이를 통해 대학 상권이라는 특수한 공간의 시공간적 특성을 살펴봄으로써 팬데믹 기간 동안 군집 간에 나타난 유의미한 변화의 양상을 도출하였다. 이는 대학가 지역을 체계적으로 이해하는데 기여하며, 연구 대상지에 대한 잠재성을 발굴하는데 의의를 가진다.

다국어 초록 (Multilingual Abstract)

COVID-19 has had a widespread socio-economic impact globally and domestically, with commercial districts being particularly affected. This study focuses on university commercial districts that have been directly influenced by COVID-19. Campus commercial areas, highly dependent on the youth consumer demographic, faced severe economic downturns due to the shift to remote learning during the pandemic. Despite their importance as spaces of traditional place identity, these areas have been relatively neglected in commercial district analysis. Campus commercial districts are characterized by their diversity and distinctiveness, often divided into central business districts and alleyway districts, yet research reflecting their hierarchical and diverse nature remains insufficient.
This research aims to examine campus commercial districts by focusing on sales revenue changes and floating population data as measures of commercial vitality. Utilizing time-series clustering, a machine learning technique, clusters based on sales changes during the pandemic are identified. Subsequently, a multiple regression analysis is conducted to explore the factors influencing the floating population, thereby analyzing the spatial characteristics of each cluster. By examining the unique spatio-temporal characteristics of the study areas, this research contributes to a systematic understanding of the targeted commercial districts. It also aims to uncover the potential of university commercial areas as research subjects, laying the groundwork for future studies.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 1 절 연구의 배경 및 목적 1
• 제 2 절 연구의 범위 및 흐름 2
• 제 2 장 이론 및 선행연구 고찰 5
• 제 1 절 이론 고찰 5
• 1. 도시활력 5
• 2. 대학 상권 5
• 제 2 절 선행연구 고찰 7
• 1. COVID-19와 도시 활력 7
• 2. COVID-19로 인한 도시공간 이용의 변화 8
• 3. COVID-19 발생이 상권에 미친 영향 9
• 제 3 절 선행연구의 한계 및 연구의 차별성 12
• 1. 선행연구의 한계점 12
• 2. 연구의 차별점 13
• 제 3 장 분석의 틀 14
• 제 1 절 분석 자료 및 분석 단위 14
• 제 2 절 변수 선정 및 구축 17
• 1. 상권 매출액 17
• 2. 상권 특성 18
• 제 3 절 연구 방법론 19
• 1. 시계열 클러스터링 19
• 2. 다중회귀분석 20
• 제 4 장 분석결과 21
• 제 1 절 기초통계 21
• 제 2 절 시계열 클러스터링 25
• 제 3 절 다중회귀분석 33
• 제 5 장 결론 36
• 제 1 절 연구의 종합 및 시사점 36
• 제 2 절 연구의 한계점 37
• 참고문헌 39
• Abstract 45