인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2025.2
- 수록면
- 15 - 37 (23page)
- DOI
- 10.7470/jkst.2025.43.1.015
이용수
초록· 키워드
2020년 초부터 3년간, 코로나19(코로나바이러스감염증-19)의 대유행으로 인해 감염 확산을 막기 위한 사회적 거리두기 등 물리적 이동을 제한하는 정책이 시행되었다. 이는 많은 사람의 통행량 감소를 초래했으며, 도시 내 핵심적인 대중교통수단인 지하철 이용량도 큰 폭으로 감소시켰다. 하지만 팬데믹(Pandemic) 기간 중 이러한 감소 폭 및 패턴은 도시 내 전 지역에서 동일하게 나타나지 않으며, 유사한 패턴을 보이는 지역군을 식별한다면 회복력 있는 도시관리에 유용하게 활용될 수 있다. 이에 본 연구는 팬데믹 동안 서울 지하철 역별 이용량 감소 패턴을 동적 시간 왜곡(Dynamic Time Warping)과 응집형 계층적 군집화(Agglomerative Hierarchical Clustering)를 통해 분석하였다. 본 연구는 서울 지하철 이용자 수를 기준으로 코로나19 발생 시점(2020.01)부터 사회적 거리두기 전면 해제 이후의 시기(2023.04)까지 장기적인 관점에서, 분석 기간의 세부 단계를 정의하고, 그룹별, 단계별로 사람들의 이동성변화를 시간 단위 이용량 정보에 기반하여 시계열로 분석한다는 점에서 기존 연구들과의 차별성이 존재한다. 분석결과, 대부분의 역에서 2019년도 수준의 일상적인 이동성을 회복하지 못하였고, 이용자 수 규모가 상대적으로 적은 지하철 역 그룹이 이용자 수 규모가 큰 그룹보다 조기에 회복되었으며, 코로나19 유행 후반부로 갈수록 거리두기 정책과 비례하는 이용자 수 감소율의 변동 폭이 줄어들었다. 본 연구를 통해 향후 코로나19와 같은 유행병이나 충격이 발생할 경우, 지역별 필요에 부합하는 정책 지원에 활용될 수 있을 것으로 기대하며, 정책 적용을 위한 지하철 역의 우선순위를 선정함으로써 한정된 자원을 효율적으로 활용할 수 있을 것으로 기대한다.
#agglomerative hierarchical clustering
#COVID-19
#dynamic time warping
#subway ridership
#time series analysis
#응집형 계층적 군집화(AHC)
#코로나19
#동적 시간 왜곡(DTW)
#지하철 이용자 수
#시계열 분석
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 초록
- 서론
- 선행연구
- 연구의 차별성
- 연구 영역 및 자료
- 그룹 및 단계 구분
- 분석 방법
- 그룹별, 단계별 동적 시간 왜곡(DTW) 값 분포
- 결과 분석
- 결론 및 한계점
- REFERENCES
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-151-25-02-092311486
