• 제목/요약/키워드: 주차시스템

검색결과 332건 처리시간 0.021초

도시재생 관점에서 지속가능한 이화동 벽화마을에 관한 연구 (A Study on the Sustainable Ewha Mural Village in a Viewpoint of Urban Regeneration)

  • 김보미;손용훈;이동근;이현진
    • 한국조경학회지
    • /
    • 제47권3호
    • /
    • pp.1-11
    • /
    • 2019
  • 본 연구는 벽화작가의 콘크리트 담장 복원과 일부 주민에 의한 벽화훼손사건 등이 발생한 이화동 벽화마을을 대상으로 지속가능한 마을단위의 도시재생방안을 제안하고자 하였다. 기존문헌 고찰과 사전조사를 통해 마을단위에서 적용 가능한 도시재생 고려요소(환경지속성, 경제지속성, 사회지속성)를 도출하였고, 주민들을 대상으로 실증조사를 실시한 후 이화동 벽화마을의 문제점을 파악하였다. 그 결과, 주민들은 벽화마을의 활성화와 안정된 거주공간을 위한 고려요소로 벽화마을로의 접근성, 주차관리, 업종의 다양성, 새로운 일자리 창출, 주민들의 공동체참여가 도출되었다. 이화동 벽화마을의 경우, 조성 당시 거주민을 위한 물리환경적 요소들이 고려되지 못한 상황 속에서 벽화제작 예산위주로 마을이 계획되었고, 이후 경제적 혜택의 불평등으로 주민간의 갈등이 심화되었다. 또한 마을관광객에 맞춰진 업종 신설, 외부인 고용 등 공공혜택마저 주민에게 제공되지 못한 결과, 마을활성화의 주역인 벽화를 훼손하는 지속가능하지 못한 벽화마을 모습으로 나타났다. 그러므로 지속가능한 벽화마을로 존속되기 위해서는 계획초기부터 주거지역이 일부 관광지역으로 변화될 수 있다는 전제 하에 포괄적 계획이 선행되어져야 하며, 주민에게 지가상승과 같은 편파적 혜택이 아닌 도로정비 등의 생활환경 개선과 더불어 마을 자체가 주민들의 공동자산이 될 수 있도록 주민간의 소통과 화합을 위한 상생방안이 모색되어져야 한다.

영화 흥행에 영향을 미치는 새로운 변수 개발과 이를 이용한 머신러닝 기반의 주간 박스오피스 예측 (Development of New Variables Affecting Movie Success and Prediction of Weekly Box Office Using Them Based on Machine Learning)

  • 송정아;최근호;김건우
    • 지능정보연구
    • /
    • 제24권4호
    • /
    • pp.67-83
    • /
    • 2018
  • 2013년 누적인원 2억명을 돌파한 한국의 영화 산업은 매년 괄목할만한 성장을 거듭하여 왔다. 하지만 2015년을 기점으로 한국의 영화 산업은 저성장 시대로 접어들어, 2016년에는 마이너스 성장을 기록하였다. 영화산업을 이루고 있는 각 이해당사자(제작사, 배급사, 극장주 등)들은 개봉 영화에 대한 시장의 반응을 예측하고 탄력적으로 대응하는 전략을 수립해 시장의 이익을 극대화하려고 한다. 이에 본 연구는 개봉 후 역동적으로 변화하는 관람객 수요 변화에 대한 탄력적인 대응을 할 수 있도록 주차 별 관람객 수를 예측하는데 목적을 두고 있다. 분석을 위해 선행연구에서 사용되었던 요인 뿐 아니라 개봉 후 역동적으로 변화하는 영화의 흥행순위, 매출 점유율, 흥행순위 변동 폭 등 선행연구에서 사용되지 않았던 데이터들을 새로운 요인으로 사용하고 Naive Bays, Random Forest, Support Vector Machine, Multi Layer Perception등의 기계학습 기법을 이용하여 개봉 일 후, 개봉 1주 후, 개봉 2주 후 시점에는 차주 누적 관람객 수를 예측하고 개봉 3주 후 시점에는 총 관람객 수를 예측하였다. 새롭게 제시한 변수들을 포함한 모델과 포함하지 않은 모델을 구성하여 실험하였고 비교를 위해 매 예측시점마다 동일한 예측 요인을 사용하여 총 관람객 수도 예측해보았다. 분석결과 동일한 시점에 총 관람객 수를 예측했을 경우 보다 차주 누적 관람객 수를 예측하는 것이 더 높은 정확도를 보였으며, 새롭게 제시한 변수들을 포함한 모델의 정확도가 대부분 높았으며 통계적으로 그 차이가 유의함으로써 정확도에 기여했음을 확인할 수 있었다. 기계학습 기법 중에는 Random Forest가 가장 높은 정확도를 보였다.