메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Choi, Moongi (University of Utah) Hwang, Chul Sue (Kyung Hee University)
저널정보
한국측량학회 한국측량학회지 한국측량학회지 제41권 제1호
발행연도
2023.2
수록면
1 - 12 (12page)
DOI
10.7848/ksgpc.2023.41.1.1

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
As COVID-19 has been prevalent around the world in recent years, many studies about monitoring and predicting the spread of disease have been conducted in various fields including geography. However, little research has been devoted to infectious disease prediction modeling that adopts constantly changing travel behavior patterns during epidemics. This is due to the limited methodologies to investigate spatio-temporal change in travel behaviors at large-scale and the difficulty in interpreting massive and diverse travel patterns. This study suggests an effective disease surveillance method based on cluster analysis to identify change in travel behaviors during the pandemic by implementing space-time cluster analysis. The results show that K-means++ well represent dynamic changes in travel behaviors at daily scale, whereas retrospective space-time scan statistics have the advantage of detecting travel behavior changes in each period at large spatial scale. Those results could inform decision makers to establish guidelines on travel behavior to curb individual contacts under potential future pandemic.
#COVID-19 #Pandemic #Disease Surveillance #K-means++ #SatScan #Space-time Clusters

목차

Abstract
1. Introduction
2. Methodology
3. Cluster analysis
4. Discussion and Conclusion
References

참고문헌 (58)

참고문헌 신청
Ahn, J., Choi, J., Lee, S., and Ham, J.S. (2020), A study on the space-time path analysis of COVID-19 patients through geovisualization of spatiotemporal data. Journal of the Korean Cartographic Association, Vol. 20, No. 3, pp. 13-22.http://dx.doi.org/10. google schola Androniceanu, A., Kinnunen, J., and Georgescu, I. (2020), E-Government clusters in the EU based on the Gaussian mixture models. Administratie si Management Public, 35, pp. 6-20. google schola Badr, H. S., Du, H., Marshall, M., Dong, E., Squire, M. M., and Gardner, L. M. (2020), Association between mobility patterns and COVID-19 transmission in the USA: a mathematical modelling study. The Lancet Infectious Diseases, Vol. 20, No. 11, pp. 1247-12 google schola Bahmani, B., Moseley, B., Vattani, A., Kumar, R., and Vassilvitskii, S. (2012), Scalable K-means++. arXiv preprint arXiv:1203.6402. google schola Ballesteros, P., Salazar, E., Sánchez, D., and Bolaños, C. (2021), Spatial and spatiotemporal clustering of the COVID-19pandemic in Ecuador. Revista de la Facultad de Medicina, Vol. 69, No. 1.https://doi.org/10.15446/revfacmed.v69n1.86476 google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-533-000425565