수원시 관광객 수요예측 모델의 정확도 비교

김상원; 박미선

추천

검색

자료유형: 학술저널

저자정보: 김상원 (정화예술대학) 박미선 (MS디자인연구소)

저널정보: 동북아관광학회 동북아관광연구 동북아관광연구 제12권 제4호

발행연도: 2016.1

수록면: 121 - 142 (22page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

수원시는 사통팔달의 교통의 요충지로 지역 자체의 관광지는 물론, 주변 지역의 연계 관광도 가능하다. 2016년 10월에는 기존‘수원화성문화제’를 확대시켜 200여년 만에 정조대왕 능행차를 재현하는 등 많은 관광객을 유치하려고 노력하고 있다. 그런데 수원시는 1년 중 10월에만 관광객이 집중되고 그 밖의 달은 20~40만 명 안팎에 머물러 있다. 이러한 현실적인 문제를 해결하기 위한 기초로 수요예측을 실시하였다. 본고는 내/외국인 구별 없이 관광통계에서 제시된 전체 숫자로 수요예측을 진행하였다. 2004년 1월부터 2013년 12월까지 수원시 관광객 시계열 자료를 기초로, 2014년 1월부터 2014년 12월까지 다양한 시계열 모델(이동평균법: 계산너비 1~4;지수평활법: 단순, 브라운, 홀트, 윈터스)과 인과모델(회귀모델-선형함수, 2차함수, 3차함수)로 수요예측을 실행하였다. 수요예측 결과로 도출한 예측치와 실제치를 비교하여 최적의 시계열 수요예측 방법을 선정한 것이다. 가장 적합한 모델로 판명된 방법은 이동평균법 계산너비 1(Theil-U)과 계절적 요인을 반영한 윈터스지수평활법(MAPE)이었다. 2015년은 메르스 사태로 국내외 관광객 급감으로 인해 시계열 자료가 왜곡될 수 있어 2014년까지의 자료로 연구를 진행하였다.

This Paper examined the best forecasting model that contains lower forecasting errors for tourists in the city of Suwon. Since tourism is the most important economic activity in the city of Suwon, predicting the tourism demands of Suwon is the key to understand the overall regional market situations. This paper discusses the forecast of tourism demands of Suwon and the vision of tourism policies. This study starts with a trend analysis by using Moving Average Method(Span 1, Span 2, Span 3, and Span 4), Exponential Smoothing(NN ,Brown, Holt, Winters), and Regression Models(Linear, Quadratic, Cubic function) with time series data from January, 2004 to December, 2013. The accuracy of this forecasting model was tested by MAPE and Theil-U. The result shows that the accuracy of the Moving Average Method(Span 1) is within-sample forecast on the basis of Theil-U. And accuracy of the Winter's Model is a within-sample forecast on the basis of MAPE. The Moving Average Method(Span 1) analyzed the best forecasting method in terms of Theil's U. Also, Winters Exponential Smoothing Method analyzed the best forecasting method in terms of MAPE. This Paper examined the best forecasting model that contains lower forecasting errors for tourists in the city of Suwon. Since tourism is the most important economic activity in the city of Suwon, predicting the tourism demands of Suwon is the key to understand the overall regional market situations. This paper discusses the forecast of tourism demands of Suwon and the vision of tourism policies. This study starts with a trend analysis by using Moving Average Method(Span 1, Span 2, Span 3, and Span 4), Exponential Smoothing(NN ,Brown, Holt, Winters), and Regression Models(Linear, Quadratic, Cubic function) with time series data from January, 2004 to December, 2013. The accuracy of this forecasting model was tested by MAPE and Theil-U. The result shows that the accuracy of the Moving Average Method(Span 1) is within-sample forecast on the basis of Theil-U. And accuracy of the Winter's Model is a within-sample forecast on the basis of MAPE. The Moving Average Method(Span 1) analyzed the best forecasting method in terms of Theil's U. Also, Winters Exponential Smoothing Method analyzed the best forecasting method in terms of MAPE.

#moving average method(Span 1 #Span 2 #Span 3 #Span 4) #exponential smoothing (NN #Brown #Holt #Winters) #forecasting accuracy #regression models(Linear #Quadratic #Cubic function) #MAPE #Theil's U

참고문헌 (24)

참고문헌 신청

김상원 / 2002 / 관광지로서 독도에 관한 일고찰 / 한국문화관광학회 2002년 학술발표대회 논문집

김상원 / 2002 / 관광지로서 독도의 가치 / 한국관광학회 학술대회 발표논문집 :448~459

김상원 / 2011 / 윈터스 지수평활법을 이용한 제주도 관광객 수요예측 / 한국지역경제연구 9(2):133~154

김상원 / 2013 / 익산시 관광객 수요예측-윈터스지수평활법을 이용하여- / 동북아관광연구 9(4):151~169

김상원 / 2015 / 수원시 관광객 수요예측 - 윈터스지수평활법을 이용하여 - / 동북아관광연구 11(3):203~222

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김상원

소속기관 서울신학대학교

주요연구분야 사회과학 > 관광학 복합학 > 학제간연구

논문수 13 이용수 385

박미선

소속기관 MS디자인연구소

주요연구분야 예술체육학 > 기타 예술체육학 사회과학 > 관광학

논문수 3 이용수 75

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (24)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)