유라시아의 주요 철도노선과 중국 철도 네트워크의 특징 분석 - TAR, TEN-T, TRACECA, GMS를 중심으로 -

송민근; 여기태

doi:http://dx.doi.org/10.5394/KINPR.2017.41.3.155

추천

검색

자료유형: 학술저널

저자정보: 송민근 (인천대학교) 여기태 (인천대학교)

저널정보: 한국항해항만학회 한국항해항만학회지 한국항해항만학회지 제41권 제3호

발행연도: 2017.6

수록면: 155 - 164 (10page)

DOI: http://dx.doi.org/10.5394/KINPR.2017.41.3.155

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

유라시아의 지역 내 인프라 연결과 협력에 관하여 많은 국가들이 다양한 정책을 추진하고 있는 가운데 중국은 일대일로 사업을 제시했으며, 60여 개국 이상이 사업에 참여하면서 중국은 유라시아 물류 인프라 개발에서 매우 큰 영향력을 행사하게 될 것으로 예상되고 있다. 본 연구는 사회네트워크 방법론을 통해 주요 철도역에 대한 네트워크를 분석했다. 유라시아 대륙의 대표적 철도노선인 TAR, TEN-T, TRACECA, GMS 경로를 통해 65개 국가, 994개 철도역에 대한 네트워크를 구성했으며, SNA의 측면에서 주요 철도역에 대한 특징을 제시하고, 중국과 전체 유라시아 네트워크를 비교했다. 유라시아 및 중국 네트워크에 대한 분석을 통해 연결중심성과 매개중심성에서 각각 상위 30개 역을 제시했으며, 연결성 측면에서 태국 방콕, 조지아의 트빌리시, 아제르바이젠의 바쿠, 중국의 쿤밍, 루마니아의 부쿠레슈티 등이, 매개성 측면에서 아제르바이젠의 바쿠, 알야트, 중국의 바오지, 투르판, 우즈베키스탄의 카르시, 터키의 카스 등이 높은 순위를 보였다. 또한, 중국 네트워크에서는 쿤밍, 난닝, 거쥬역의 연결성과 바오지, 쿤밍, 란저우역 등의 매개성이 높게 도출되었다. 중국에서 추진하는 일대일로 사업은 유라시아 전체의 인프라 연결 확충을 기본 전제로 하고 있지만, 중국과의 연계성 강화를 위한 인프라 개발에 높은 비중이 예상되며, 이런 관점에서 국제 물류 거점에 대한 연구는 중국 네트워크에서 차지하는 중요성을 병행해서 검토할 필요가 있다.

#유라시아 #철도 네트워크 #중국 #일대일로 #TAR #TEN-T #TRACECA #GMS #Rail Network #Eurasia #China #The Belt and Road #One Belt One Road #TAR #TEN-T #TRACECA #GMS

참고문헌 (21)

참고문헌 신청

조선일 / 2016 / 네트워크분석을 활용한 도시 재난관리 연구: 우면산 산사태 사례를 중심으로 / 사회과학연구 27(1):291~309

최경숙 / 2012 / 국제 운송수단으로서의 철도 선택에 관한 연구 - 대륙횡단철도 선택 의도를 중심으로 - / 한국철도학회논문집 15(2):205~215

Freeman, L. C. / 1977 / A Set of Measures of Centrality based on Betweenness / Sociometry 40(1):35~41

Freeman, L. C. / 1979 / Centrality in Social Networks Conceptual Clarification / Social Networks 1:215~239

Fremont, A. / Global maritime networks: The case of Maersk / Journal of Transport Geography 15(6):431~442

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

송민근

소속기관 인천대학교

주요연구분야 농수해양학 > 해상운송학

논문수 1 이용수 6

여기태

소속기관 인천대학교

주요연구분야 농수해양학 > 해상운송학

논문수 31 이용수 269

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 (21)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)