Spatial Pattern and Trend Analysis of Parking-related Electronic Civil Complaints in Jinju-Si

Korea, which has undergone a rapid urbanization, faces various problems such as the management of facilities, safety, environment and transportation. To solve civil complaints, local governments receive electronic complaints, but complaints are increasing. Therefore, this study conducted the spatial distribution pattern analysis and the trend analysis by presenting location data on spatial information through Geo-coding by collecting electronic civil petition data over the last 10 years targeting Jinju city. Using the ARIMA model, this study predicted the occurrence of complaints over the next two years (2016~2017) through a time series forecast analysis. As a result, the complaints related to illegal parking were the highest, the complaint related to noise was the second highest, and the complaints related to illegal garbage dumping was the third highest. In addition, the analysis of the spatial distribution pattern shows that the largest hot spot was formed in the central commercial district every year. As a result of the time series forecasting analysis for the crackdown of the illegal parking, complaints increased slightly. To compare the predicted value and the actual data showed a similar pattern. It is judged that this study will be utilized to establish effective countermeasures against civil complaints.

진주시 주차관련 전자민원의 공간패턴분석 및 추이분석

급속한 도시화 과정을 거친 대한민국은 도시 공간의 형성 과정에서부터 시설물관리 안전 환경 교통 등 여러 분야에서 다양한 문제들을 직면하고 있다. 이러한 도시 내의 불만과 문제를 해결하기 위해 지방자치단체에서는 전자민원을 통해 이를 접수 처리하고 있지만 민원은 해를 거듭할수록 증가하고 있는 실정이다. 따라서 본 연구는 한국의 지방 중소도시인 진주시를 대상으로 최근 10년간의 전자민원 데이터를 수집하여 민원사유별로 분류하고 민원발생지점에 대한 위치데이터를 추출한 후 Geocoding을 통해 공간정보상에 나타내어 공간분포패턴분석 및 추이분석을 실시하였다. 그리고 ARIMA모형을 사용하여 시계열 예측분석을 통해 향후 2년간(2016년~2017년) 민원발생을 예측하였다. 그 결과 불법주차단속관련 민원이 가장 많이 발생하였고, 소음관련 민원이 두 번째로 많았으며, 불법쓰레기투기관련 민원이 세 번째로 많이 발생한 것으로 나타났다. 또한, 시 공간적 분포 패턴을 분석한 결과, 중심상업지역에서 매년 가장 큰 핫스팟을 형성한 것으로 나타났다. 불법주차단속관련 민원에 대해 시계열 예측분석을 실시한 결과, 해를 거듭하며 다소 증가하는 것으로 나타났으며 예측값과 실제 데이터를 비교한 결과, 매우 비슷한 패턴을 보이며 발생하는 것으로 나타났다. 이를 바탕으로 민원의 발생량 예측을 통해 문제시되는 민원을 찾고, 이에 대한 효과적인 대책을 수립하는데 이용될 수 있을 것으로 판단된다.