논문 상세보기
COVID-19 발생에 따른 서울시 버스 이용의 시공간적 패턴 변화: 빅데이터 기반의 네트워크 클러스터 분석을 이용하여 KCI 등재
A Spatio-temporal Pattern Analysis of Seoul Bus Use After COVID-19 Outbreaks Using Big Data-based Network Cluster Analysis
pp.35-52
이 연구는 전염병의 잠재적 확산 가능성이 높은 지역의 탐색을 목적으로, 코로나19 전후의 버스 네트워크 클러스터의 시공간적 변화를 분석한다. 분석방법으로는 Getis와 Ord의 통계를 공간 네트워크로 확장 및 적용한 통계 값을 사용하였다. 이 과정은 서울시 전체 버스 네트워크의 개별 흐름에 대해 각각 적용되기 때문에 대규모 연산을 위해 병렬컴퓨팅 방식을 적용한 슈퍼컴퓨터를 사용하였다. 연구 결과, 첫째, 코로나19 이후 버스 네트워크가 일부 흐름으로 집중된 경향을 보였다. 둘째, 코로나19이 후의 버스 흐름은 주거지, 농업지로의 이동은 증가하고 상업지역, 교통지역으로의 이동은 감소했음을 확인하였다. 셋째, 중심업무 지구 중 여의도 방면의 클러스터, 구로디지털단지역 방면의 클러스터와 달리, 강남일대는 코로나19 전후의 유의미한 변화가 나타나 지 않았다. 이 연구는 국내에서 처음으로 코로나19전후의 버스 네트워크 클러스터를 확인하고 변화 특징을 제시한다는 의미가 있다.
This study analyzes the spatiotemporal changes of bus network clusters before and after COVID-19 with the purpose of exploring areas with high potential for the spread of infectious diseases. As the analysis method, the statistic was used, which is an extension of the Getis and Ord statistic to spatial network framework. Since statistical calculation is applied for individual flows in the bus transportation network, a parallel computing method and a supercomputer hardware are applied for the large-scale operations. The result is as follows: First, bus flows in networks are concentrated in limited places during COVID-19. Second, during COVID-19, bus uses to residential and agricultural areas increased, and bus uses to commercial and transportation areas decreased. Third, unlike other CBD clusters, no significant changes were observed in bus flow in Gangnam before and during COVID-19. This study presents the first analysis and identification of bus network cluster before and during COVID-19 in Korea.
Abstract
I. 연구 배경 및 목적
II. 문헌연구
III. 연구범위 및 데이터
1. 연구범위
2. 데이터
IV. 연구방법
1. 병렬처리 및 연산의 효율성
2. 네트워크 인접행렬(Network Link Matrix)
3. 네트워크 자기상관 측정 모델
V. 연구결과
1. 서울시 버스의 상위 통행량 흐름과 버스네트워크 클러스터 비교
2. 서울시 노선별 버스 네트워크 클러스터변화
3. 서울시 버스 네트워크 클러스터 변화특징
VI. 결론 및 의의
참고문헌
