• 디지털융복합연구
• /
• 제18권12호
• /
• pp.87-95
• /
• 2020

인천공항은 대한민국으로 들어오거나 나가는 관문으로 나라의 이미지에 큰 영향을 미치므로 공항의 서비스 질을 유지하기 위해선 장기적인 공항 이용객 수 예측이 필요하다. 본 연구에서는 인천공항의 이용객 수요를 예측하기 위한 다양한 시계열 모형의 예측성능을 비교하였다. 인천공항 이용객 자료를 2002년 1월부터 2019년 12월까지 월 단위로 수집하여 살펴보면 일반적인 시계열자료에서 보이는 추세성과 계절성을 지니고 있다. 본 연구에서는 추세성과 계절성이 고려된 나이브 기법, 분해법, 지수 평활법, SARIMA, 그리고 PROPHET을 이용하여 단기, 중기, 장기예측 시계열모형을 비교하였다. 분석결과 단기예측은 최근 자료에 가중치를 준 지수 평활법이 우수했고 예상 2020년 연간 이용객 수는 약 7,350만명이다. 3년 후 인 2022년 중기예측은 정상성이 고려된 SARIMA모형이 우수하였고 예상 연간 이용객 수는 약 7,980만명이다. 4단계 인천공항 건설사업이 완료되는 2024년 예상 연간 여객수용 인원은 9,910만명이고 PROPHET모형이 가장 우수하였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권7호
• /
• pp.29-37
• /
• 2023

기후변화로 인해 농작물 생산과 유통에 관한 관심이 증대되고 있고, 빅데이터와 AI를 활용한 생산량 예측을 통해 농가의 출하량 조절과 유통단계의 조절에 활용하는 시도가 이루어지고 있다. 농산물 반입량 예측은 가격에 영향을 미칠 뿐 아니라 농가의 출하량과 유통회사의 유통량 조절을 할 수 있으므로 마케팅 전략을 수립하는데 중요한 정보이다. 본 연구에서는 농업 통계 정보 시스템에서 공개한 도매시장 참외 반입량 데이터를 기반으로 미래의 반입량을 예측하는 인공지능 예측 모델을 생성하고 정확도를 평가한다. 우리는 Neural Prophet 기법과 Ensembled Neural Prophet 모델 그리고 GRU 모델 등 세 가지 모델을 사용하여 예측 모델을 생성한다. 모델의 성능은 MAE와 RMSE라는 두 가지 주요 지표를 비교하여 평가한 결과 Ensembled Neural Prophet 모델이 가장 정확하게 예측하였으며, GRU 모델도 앙상블 모델과 유사한 성능을 보여주고 있다. 본 연구에서 개발된 모형은 웹에 publish 되어 현장에서 1년 6개월 동안 사용하고 있으며, 가까운 미래의 참외 생산량을 예측하고, 마케팅 및 유통전략을 수립하는 데 활용되고 있다.

• 한국전자거래학회지
• /
• 제26권3호
• /
• pp.155-174
• /
• 2021

본 연구는 새롭게 떠오르는 재테크 방법 중 아이템의 희귀성을 이용하여 출시가보다 비싼 가격에 재판매하는 리셀(Resell) 재테크에 주목하였다. 리셀 시장은 패션 분야를 중심으로 세계적으로 시장 규모가 급격히 성장하고 있을 뿐만 아니라 국내에도 열풍이 불고 있으나 아직까지 체계적인 리셀 시장에 대한 실증적인 분석은 부족하다. 이에 본 연구는 리셀의 대표적 사이트인 StockX의 스니커즈 데이터를 활용하여 리셀 시장에 관심 있는 사용자들에게 기본적인 가이드라인을 제시하고 리셀 시장의 진입장벽을 해소하고자 한다. 약 150만 개의 데이터를 수집하여 XGBoost 알고리즘과 Prophet 모형을 통하여 분석을 진행하였다. 분석 결과 리셀 거래에 유효한 영향을 미치는 요인들을 각 변수 별로 파악할 수 있었고 어떤 종류의 스니커즈가 리셀 거래를 하기에 적합한지 확인할 수 있었다. 또한 스니커즈들의 과거데이터를 통해 미래의 가격을 예측하여 추후의 수익성을 예상할 수 있었다. 본 연구는 아직 시작 단계인 리셀 분야에 대한 실증 분석을 기반으로 시장 진입 및 활용에 대한 가이드라인을 제시하고 더 나아가 마니아층 위주로 점유되던 리셀 시장을 활성화할 수 있을 것으로 기대한다.

• 한국빅데이터학회지
• /
• 제8권1호
• /
• pp.23-34
• /
• 2023

대리운전 시장의 요금체계는 이용자의 대리운전 서비스 요청 시, 주위 대리운전 기사의 수, 대리운전 서비스 이용자 수, 날씨 등의 다양한 영향에 의해 실시간으로 변하는 Dynamic Pricing의 특징이 있다. 불확실한 변동성은 대리운전 서비스 요금을 상승시켜 고객의 이탈과 대리운전 기사의 배차거부를 유발하는 주된 원인이 되며, 이러한 문제를 해결하기 위해 적절한 수요를 예측하고 선제적으로 대응하기 위한 수요 예측모형의 도입이 요구된다. 본 연구에서는 대리운전 서비스 이력 데이터를 활용하여 지역별, 시간대별 대리운전 서비스 수요를 예측하는 모형을 제시한다. 이후 실제 대리운전 서비스 이력 데이터를 활용하여 시간과 요일에 따른 조건부 확률을 구축하고 이를 예측 모형과 결합한 Time-Series with Conditional Probability 방법론을 제안하였으며 실험을 통해 SARIMA, Prophet의 기존 시계열 모형보다 성능이 우수함을 검증하였다. 본 연구는 제안된 방법론을 통해 구축된 수요 예측 모형을 활용하여 대리운전 서비스의 단기 전략 수립에 활용할 수 있다는 시사점이 있다.