Earticle

본 연구에서는 한강, 낙동강, 금강, 영산강, 섬진강 등을 중심으로 신규 조성된 친수지구에 대한 이용 현황 조사 방안을 제안하고, 조사 결과를 토대로 성장 곡선 모형을 이용하여 총 357개 지구에 대한 2014년 이용수요를 예측하였다. 또한 친수지구가 위치한 지방자치체의 인구밀도와 수계별로 위치한 인구 100만 이상 도시와 친수지구 사이의 거리에 의한 영향을 검토하였다. 각 친수지구별로 로지스틱 모형과 곰페르츠 모형으로 추정한 결과를 RMSE와 MAPE 적합도를 이 용하여 선택하였으며, 분석 결과 2014년 친수지구 이용수요는 한강 수계와 충청북도에서 상대적으로 활성화 된 것으 로 나타났다. 인구밀도의 영향은 금강 수계를 제외하고는 비교적 미미한 것으로 보이며, 친수지구 이용에 대해서는 대 도시 영향이 나타나긴 하나, 마찬가지로 다른 수계에 비해 금강 수계에서 대도시 영향이 큰 것으로 나타났다.

It is suggested investigating method about the existing state of demand in this study. The total demand of 357 water amenity zones in 2014 is estimated based on the growth curve models. The effects of population density and distances between water amenity zones and metropolises populated over 1 million are investigated on each river system. The suitability like RMSE and MAPE of logistic and gompertz models are considered to select more suitable model for each water amenity zone. Demand for water amenity zones in 2014 is seemed to be rather high at Han Gang river system and Chungcheongbukdo after analyzing. The influence of population density is rarely effective except Geum Gang river system. The influence of metropolis on the demand for water amenity zones is higher at Geum Gang river system than others.

본 연구는 우리나라 발전시장의 계통한계가격(SMP) 하향 안정화를 위한 시사점을 도출하고자 SMP의 결정요인과 변동성 변화를 분석하였다. SVAR모형으로 구조충격을 식별하고, 이를 SMP증가율에 대해 표현한 후 구조변화 분석방법으로 SMP의 변동성 변화를 분석하였다. 2001～2014년까지의 월별자료를 이용하여 실증 분석한 결과, SMP 변동성은 발전공급능력, 첨두부하 비중, 첨두부하의 연료가격 등에 영향을 받는 것으로 나타났다. 또한, 2009년 10월 이후로 전력수요예측모형의 예측오차와 전력예비율에서 발생하는 전력수요 예측오차가 SMP 변동성의 새로운 결정요인인 것으로 확인되었고 그 경로는 첨두부하 비중인 것으로 나타났다. 본 연구의 실증결과는 장기적으로 연료가격이 낮은 발전소를 확대하는 것과 함께, 전력수요 예측모형의 예측력 제고와 적정 전력 예비율 설정을 통해서 전력수요 예측오차를 5% 이내로 유지한다면 SMP의 하향 안정화를 달성하는데 도움이 됨을 시사한다.

This paper analyzes system marginal price(SMP) volatility in Korea. Using SVAR, we first identified structural shocks, and applied structural break analysis to investigate the volatility of SMP. Empirical results show that the determinants of SMP volatility are power supply capacity, the ratio of peak load power and the fuel price of peak load power. Additionally, we find that the new important factor of leading SMP volatility to change is electricity demand forecast error shocks. Therefore, it is implied that maintaining the appropriate level of electricity demand forecast error is helpful for SMP volatility stabilization with increasing power stations of low fuel price.

미래 예측의 방법은 기술적 특성 또는 기술적 성능으로 예측이 가능할 수 있다. 그러므로 기술예측은 경제적, 사회적 이익을 산출해 낼 수 있는 전략적 연구 분야에서 활용되고 있다. 본 연구에서는 이러한 기술적 특성으로 미래를 예측하는 방법의 연구를 통하여 미래 시장을 예측하였다. 특별한 제품의 수요 욕구에 따라 시장을 점유하는 시점의 예측 을 통해 미래 예측 방법을 연구하였다. 시장수요 예측을 위하여 대표적인 계량적 분석 방법인 연평균성장률(CAGR) 모 형, BASS 모형, Logistic 모형, 곰페르츠 성장모형(Gompertz Growth Curve) 등의 비교를 통해 미래시장의 수요예측 모형을 제안하였다. 본 연구는 Rogers의 혁신확산 이론을 접목하여 제품이 시장에 확산되는 시점을 예측하였다. 연구 결과로 특별한 제품이 시장을 점유하기 위한 다양한 요인들의 확산 시점을 통해 특별한 상품이 미래 시장에서 성숙하는 시점을 예측할 수 있는 방법론을 개발하였다. 그러나 시장을 예측하기 위한 전문가 판단에 대한 오류를 줄이는 것은 한계점이 있다.

The method of predicting the future may be predicted by technical characteristics or technical performance. Therefore, technology prediction is used in the field of strategic research that can produce economic and social benefits. In this study, we predicted the future market through the study of how to predict the future with these technical characteristics. The future prediction method was studied through the prediction of the time when the market occupied according to the demand of special product. For forecasting market demand, we proposed the future forecasting model through comparison of representative quantitative analysis methods such as CAGR model, BASS model, Logistic model and Gompertz Growth Curve. This study combines Rogers' theory of innovation diffusion to predict when products will spread to the market. As a result of the research, we developed a methodology to predict when a particular product will mature in the future market through the spread of various factors for the special product to occupy the market. However, there are limitations in reducing errors in expert judgment to predict the market.

우리나라 전세버스 시장은 이용수요 대비 공급량의 지속적인 증가로 가격 덤핑, 안전관리 미흡 등의 문제점을 야기하고 있다. 이러한 문제를 해결하기 위해 국토교통부는 전세버스 과 잉 공급으로 인해 발생되는 문제를 해결하기 위해 시장의 수요와 공급 상태를 진단하여 차량 증차 여부를 결정하는 수급조절(수요, 공급 조절) 정책을 시행하고 있다. 수급조절 정책의 시행 여부를 결정하기 위해서는 전세버스 수요(이용자)와 공급(전세버스 운행대수)량을 정확히 예 측해야 한다. 본 연구에서는 과거 1983년부터 2024년까지 전세버스를 이용한 이용객수를 수요 량으로 보고, 전세버스 등록대수를 공급량으로 하여 향후 2030년까지의 수요, 공급 상황을 예 측하였다. 적용한 예측 방법론은 시계열 분석에 사용하는 지수평활법과 ARIMA 모형을 활용 하였다. 예측 결과, 수요량과 공급량 모두 ARIMA 모형의 예측정확성이 높았다. 예측모형은 2024년부터 2030년까지 수요량과 공급량 모두 지속적으로 증가할 것으로 전망하였다.

Accurately predicting and regulating the supply and demand of charter buses is essential for establishing transportation policies and stabilizing the market. However, in recent years, the charter bus market has been faced with a continued rise in supply compared to demand, resulting in issues in the market, such as price dumping by bus operators, inadequate safety management, and the proliferation of contract drivers. In this study, the number of charter bus passengers from 1983 to 2024 was set as the demand volume and the number of charter bus registrations was set as the supply volume to predict the demand and supply situation until 2030. The forecasting methodologies applied in this study are exponential smoothing and ARIMA models, which are commonly used in time series analysis. The results showed that the ARIMA models outperformed exponential smoothing in terms of predictive accuracy. Based on the results, it is projected that both demand and supply for chartered buses will continue to rise from 2024 to 2030

본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수 집된 소셜 빅데이터를 데이터마이닝의 의사결정나무 분석기법을 적용하여 분석함으로써 국내의 빅데이터 수요공급에 대한 예측모형을 개발하고자 하였다. 성 장요인과 혁신요인은 공급자가 빅데이터를 수용할 확률을 높이는 것으로 나타났다. 관심요인, 경제적요 인, 신속요인은 수요자가 빅데이터를 수용할 확률을 높이는 것으로 나타났다. 빅데이터 수요에 가장 영향 이 높은 경우는 ‘콘텐츠요인’이 낮고 ‘기반구축요인’ 이 낮으며 ‘프라이버시요인’이 높은 조합으로 나타났 으며, 빅데이터 공급에 가장 영향이 높은 경우는 ‘콘 텐츠요인’ 이 높고 ‘프라이버시요인’ 이 낮고, ‘품질요 인’ 이 낮은 조합으로 나타났다. 빅데이터 수요에 가 장 영향이 높은 경우는 ‘컨설팅요인’이 높고 ‘의사결 정요인’이 높은 조합으로 나타났으며, 빅데이터 공급 에 가장 영향이 높은 경우는 ‘컨설팅요인’이 높고 ‘의 사결정요인’이 낮고, ‘통계요인’이 낮은 조합으로 나 타났다. 본 연구는 소셜 빅데이터에서 수집된 빅데이 터 주제분석과 데이터마이닝 분석을 통하여 국내의 빅데이터 수요공급에 대한 예측모형을 제시한 점에 서 분석방법론적으로 의의가 있다.

This study was conducted to develop a forecasting model for Big Data services and technology acceptance level in Korea, by employing decisionmaking- tree analysis on social data gathered from local online news, blog, internet cafe, SNS, etc. The research results indicate that “Growth Factor” and “ Innovation Factor ” increase chances for service providers to accept Big Data, to provide Big Data services and products. On the other hand, “Interest Factor”, “Economic Factor”, “Quickness Factor” increase chances for clients to accept Big Data, buying Big Data services or products. Big Data Client acceptance level gets highly influenced when “ Content Factor ” is low, “Foundation-Building Factor” is low and “Privacy Factor” is high , and Big Data service providers gets highly influenced when “Content Factor” is high, “Privacy Factor” is low, and “Quality Factor” is low. Also Big Data Client acceptance level gets highly influenced when “ Consulting Factor ” is high and “Decision Making Factor” is high , and Big Data service providers gets highly influenced when “ Consulting Factor ” is high, “ Decision Making Factor” is low, and “Statistic Factor” is low. The research is methodologically meaningful for its Big Data service acceptance level forecasting model of Korean market, for utilizing subject analysis and data mining of social data.

고령 인구는 65세 이상의 인구로 정의되며, 출산율의 저하와 기대수명의 증가로 인해 우리나라는 초고령 사회로 급속히 진입하고 있 다. 이러한 인구구조의 변화에 따라 고령 인구의 생산활동 재진입과 자기계발을 위한 평생교육 시설 및 재교육 시설의 필요성이 대두되 고 있다. 본 논문에서는 서울시 지역별 인구 데이터를 활용하여 10년 후 각 지역의 노령 인구수를 예측하고, 이를 통해 평생교육 시설의 수요가 높을 것으로 예상되는 지역을 도출하였다. 이를 위해 기존의 기대수명 데이터를 파이썬의 선형회귀모델로 10년 후의 기대수명 을 예측하였으며, 행정안전부의 서울 지역별 인구 통계 데이터를 활용하여 2022년의 노인 인구수와 2032년의 노인 인구수를 그래프로 시각화하여 증가 정도를 명시적으로 표현하였다. 기대여명을 적용하여 10년 후인 2032년 서울시 구별 노인 인구수를 예측한 결과, 송 파구와 강서구에서 높은 노인 인구수가 예상되었고, 송파구와 강서구는 평생교육 시설 및 재교육 시설의 확충이 필요한 지역으로 판단 할 수 있다. 본 연구는 고령 인구와 평생교육에 대한 중요한 인사이트를 제공하며, 정책 수립 및 사회적 대응에 기여할 수 있는 중요한 참고 자료로 활용될 것 수 있을 것이다.

The elderly population is defined as individuals aged 65 and above, and due to declining birth rates and increasing life expectancy, South Korea is rapidly transitioning into an ultra-aged society. This demographic shift has brought forth the need for reintegration of the elderly into productive activities and self-development, highlighting the importance of lifelong education facilities and retraining programs. In this paper, we utilized population data at the regional level in Seoul to predict the number of elderly population in each region ten years into the future. Based on these predictions, we identified regions expected to have high demand for lifelong education facilities. To achieve this, we employed a linear regression model in Python to forecast the expected life expectancy ten years from now, using historical life expectancy data. Additionally, we utilized population statistics data from the Ministry of Interior and Safety to visualize the comparison between the elderly population in 2022 and projected elderly population in 2032 through graphs, providing a clear representation of the magnitude of increase. By applying the projected life expectancy, we predicted the number of elderly individuals in each district of Seoul in 2032, revealing that Gangseo-gu and Songpa-gu are expected to have a higher elderly population. Therefore, it can be inferred that expanding lifelong education facilities and retraining programs would be necessary in these areas. This study provides valuable insights into the aging population and lifelong education, serving as an important reference for policy-making and social adaptation.

관광 산업에서 관광객 수요 예측은 연구자들과 실무자 모두에게 중요한 주제다. 최근 관광객 수요 예측 연구에서 최신의 딥러닝 모델을 사용하고, 기상 데이터와 인터넷 검색량 데이터 등을 이용해 더 정밀한 예측을 하고 있다. 그러나 기존의 시도들은 월 단위, 분기 단위의 장기예측을 주로 하였고, 딥러닝 모델이 기본적으로 가지고 있는 black-box의 한계 때문에 설명 가능하지 못한 모델을 사용해 연구를 통해 얻을 수 있는 정보가 제한적이었다. 본 연구는 날짜 정보, 기상 정보, 인터넷 검색어 데이터 정보를 활용하여 일 단위의 다중 수평 예측이 가능하고, 설명가능한 예측 모델을 구현하고자 한다. 본 연구는 2016 ~ 2020년 9월까지 총 1735개의 시계열 데이터를 사용했으며, 날짜 데이터, 기상 데이터 이외에 제주도 관련 인터넷 검색어 280개의 인터넷 검색량 데이터, 그리고 Covid-19 기간을 연구할때는 코로나 일별 확진자, 누적 확진자, 거리두기 단계, 코로나 관련 검색어[코로나, 코로나 확진자, 제주도 코로나]의 검색량 데이터를 추가로 사용하였다. 연구 결과는 수요 예측 정확도와 모델 해석 두 부분으로 나누었다. 예측 정확도에서는 Covid-19 이전의 보통의 경우 TFT가 벤치마크 모델보다 확실한 우위를 가졌다. 모델 해석에서는 관광산업의 중심이 되는 숙박 관련 검색어, 교통 관련 검색어 데이터를 연구해 Covid-19 이전과 이후 어떤 변화가 있었는지 TFT 모델의 설명가능한 부분을 통해 설명하였다. 또한 Covid-19 기간동안 내국인의 제주도 관광에 행동변화에 Covid-19 관련 데이터가 어떤 영향을 주는지 탐구하였다.

연구목적: 현재 영종도에 진입하는 노선은 민자도로(교량)인 영종대교와 인천대교뿐이다. 2025년 12 월 신규 노선인 제3연륙교 개통 예정에 따라 신규 노선과 기존 2개 노선의 교통수요 변화를 예측하고 연구 하는데 목적이 있다. 연구방법: 교통수요 예측을 위한 기초자료는 2021.08, KOTI｣의 O/D 및 NETWORK자료 활용하였다. 제3연륙교 개통에 따른 영종대교 및 인천대교의 신뢰성 있는 영향 검토를 위해서 영종도 및 인천국제공항의 통행분포를 현실에 맞게 보정할 필요가 있으며, 본 연구에서는 통신 Big Data를 이용하여 지역별 통행분포를 보정하여 적용하였다. 연구결과: 제3연륙교 개통 예정연도인 2026년 기준 대안1(2,000원), 대안2(4,000원)의 2개 대안을 설정하여 장래 교통수요 분석을 수행하였으며, 기존 민자도로 통행요금 재구조화시 통행요금과 유사한 대안1의 경우, 2026년 영종지역 총 교통량 199,101대/일 중 제3연륙교 교통량은 42,836대/일로 예 측되어 기존 도로의 교통량 감소율은 21.5%로 분석되었다. 결론: 검토결과(대안1 기준) 제3연륙교의 전환교통량 비중은 영종대교 70%, 인 천대교 30% 수준으로 예측되었으며, 제3연륙교 개통 시 예측된 기존 도로의 교통량 감소 21.5%는 사례검토 결과와 여건 변화를 고려할 때 적정한 것으로 판단된다. 장래 교통수요 예측시 통신 빅데이터를 활용하면 보다 현실적인 통행분포 반영에 따른 합리적인 경로선택이 이루 어지므 로 교통수요 예측의 신뢰성을 확보할 수 있는 방안이라 판단된다.

Purpose: Currently, the only routes that enter Yeongjong Island are Yeongjong Bridge and Incheon Bridge, which are private roads. The purpose of this study is to predict and study changes in transportation demand for new routes and two existing routes according to the plan to open the 3rd Bridge, a new route, in December 2025. Method: The basic data for traffic demand forecast were O/D and NETWORK data from 2021.08, KOTI. In order to examine the reliable impact of Yeongjong Bridge and Incheon Bridge on the opening of the 3rd Bridge, it is necessary to correct the traffic distribution of Yeongjong Island and Incheon International Airport to suit reality, and in this study, the trip distribution by region was corrected and applied using Mobile Big Data. Result: As of 2026, the scheduled year of the opening of the 3rd Bridge, two alternatives, Alternative 1 (2,000 won) and Alternative 2 (4,000 won), were established and future transportation demand analysis was conducted, In the case of Alternative 1, which is similar to the existing private road toll restructuring, the traffic volume of the 3rd Bridge was predicted to be 42,836 out of 199,101 veh/day in the Yeongjong area in 2026, and the traffic volume reduction rate of the existing road was analyzed as 21.5%. Conlclusion: As a result of the review (based on Alternative 1), the proportion of convertted traffic on the 3rd Yanji Bridge was estimated to be 70% of Yeongjong Bridge and 30% of Incheon Bridge, and 21.5% of the predicted traffic reduction on the existing road when the 3rd Yanji Bridge was opened is considered appropriate considering the results of the case review and changes in conditions. It is judged that it is a way to secure the reliability of the prediction of traffic demand because communication big data is used to reflect more realistic traffic distribution when predicting future traffic demand.

최근 강력 범죄의 발생 빈도가 증가하면서 사회적 불안감이 고조되고 있으며, 기존의 사후 대응 중심의 치안 시스템만으로는 범죄를 효과적으로 예방하는 데 한계가 드러나고 있다. 이에 따라 사전 예측을 통한 범죄 예방의 필요성이 대두되었고, 공공데이터를 활용한 범죄 예측 모델은 이를 해결할 수 있는 유망한 접근법으로 주목받고 있다. 특히, 빅데이터와 인공지능(AI) 기술의 발전은 범죄 발생 가능성을 정교하게 예측하고 실시간 대응을 가능하게 할 잠재력을 제공한다. 그러나 국내에서 여러 영역의 이종데이터를 확보하여 예측 기반 모델에 적용하기 위해서는 데이터의 지역적 한정성이나 수집 주기의 비효율성 등 실무적 한계뿐 아니라, 개인정보가 포함된 데이터의 활용상 제약, 데이터의 권리 주체와의 권리 처리 문제, 법률에 규정된 행정정보 성격의 데이터 처리에 대한 법령상의 제약 등과 같은 여러 법적 한계가 존재한다. 이는 효과적인 범죄 예측 모델을 개발하고 서비스화하여 적용하는 데 있어서 많은 어려움을 초래한다. 이에 본 연구는 법적 권한 확보가 비교적 용이한 공공데이터를 중심으로 하는 강력 범죄 예측 서비스 모델을 개발하고자 한다. 이를 위해 최신 연구 동향과 성공적인 해외 사례를 분석하고, 본 모델의 개발에 필요한 수요데이터에 대한 법적 근거와 그 활용을 제고시키기 위한 입법적 대안을 제안함으로써 한국적 상황에 최적화된 범죄 예측 서비스 모델을 제안한다. 또한, 데이터 수집과 활용의 투명성 확보, 개인정보 보호법 준수를 위한 방안을 함께 제시함으로써, 지속 가능한 범죄 예방 체계의 구축을 목표로 한다.

As violent crime rates increase, the limitations of traditional crime prevention systems focused on post-incident responses have become evident. Predictive crime prevention using public data, combined with advancements in big data and AI technologies, offers a promising alternative by enabling precise crime forecasting and real-time responses. However, in South Korea, integrating diverse data sources into predictive models faces challenges such as regional data constraints, inefficient data collection cycles, restrictions on using personal information, ownership and rights issues, and legal limitations regarding administrative data usage. These obstacles hinder the development and application of effective crime prediction services. This study focuses on developing a crime prediction model based on public data, where securing legal access is relatively straightforward. By analyzing recent research trends and successful international examples, the study identifies key legislative measures to enhance data utilization and proposes a crime prediction model optimized for Korea’s specific context. Additionally, it suggests strategies for ensuring transparency in data collection, compliance with privacy laws, and building a sustainable crime prevention system.

본 논문은 KOSPI200 지수선물이 내재하는 내재현물지수를 구하고 이를 실제현물지수와 비교 하여 괴리율을 구한 후 이 괴리율의 결정요인들을 수요기반이론으로 설명하려고 시도하였다. 월물 별로 과거 60거래일의 현물수익률 적률, 심리적 편의 및 선물거래량의 괴리율에 대한 영향력을 분 석하였으며 괴리율과 미래현물수익률과의 상관계수 및 앵커링편의와 미래현물수익률과의 상관계수 를 구하여 괴리율 및 앵커링편의의 미래현물수익률에 대한 예측력을 고찰하였다. 실증결과, 괴리율은 유의한 음(-)으로 나타나 평균적으로 선물매도수요가 선물매입수요보다 크다 는 것과 일치하는 결과를 보였으며, 과거현물수익률 적률의 괴리율에 대한 영향력의 분석결과는 과 거 60거래일간의 현물수익률의 표준편차 및 왜도는 괴리율의 유의한 결정요인이었으며 심리적 편의 는 지속되었다. 표준편차의 경우 괴리율이 양(+)일 때와 음(-)일 때 회귀계수의 부호가 다르게 나 타났다. 괴리율이 양(+)일 선물투자자의 위험선호성향을 나타내었으며 괴리율이 음(-)일 때 위험회 피성향을 나타내어 과거수익률의 적률이 위험인지의 정보로 해석되고 있음을 보였다. 양(+)의 왜도 회귀계수의 역시 과거의 정보가 극단의 이익을 추구하려는 성향과 극단의 손실을 회피하려는 성향 에 영향을 주고 있음을 보여준다. 미래수익률의 예측력에 대한 분석결과는 괴리율과 미래수익률의 상관계수가 음(-)인 것으로 나타났으며 앵커링편의와 미래현물수익률과의 상관계수 역시 음(-)으로 반전효과를 보였다. 이러한 괴리율 및 앵커링편의의 반전효과는 2주후까지 지속되었다. 이는 시간이 지남에 따라 심리적 편의가 해소되는 방향으로 선물가격이 형성된다는 해석과 일치한다.

6) This paper investigates mispricing of KOSPI200 index futures by calculating the index implied by KOSPI200 index futures through cost of carry model. The mispricing is defined as the difference between the implied index and actual index divided by actual index. The analysis is conducted after dividing the sample into the nearest futures and the second nearest futures. The pattern of the mispricing is examined and the determinants of the mispricing are investigated separately for the nearest and the second nearest futures. Index futures are found to be priced lower than index spot and the second nearest futures are further underpriced relative to the nearest futures. This is consistent with the notion that negative mispricing is due to the demand for down-side risk hedge, which means that in order to hedge spot position against down-side risk, the demand for futures sale is greater than that for futures purchase. The determinants of the mispricing which are entered into the regression analysis are past 60 days spot return, standard deviation and skewness of the past spot returns, psychological bias variables and futures trading volume. Evidence indicates that historical volatility, historical skewness, psychological bias variables and option trading volumes are significant determinants of KOSPI200 futures mispricing and demand-based explanations are provided. Empirical results also suggest that the mispricing and anchoring bias have predictive powers on future index returns with the negative correlation between msipricing and future index returns and with the negative correlation between anchoring bias and future index returns. The predictive power lasts up to 2 weeks. The results of negative correlations can be interpreted that psychological biases are proceeding in the direction of diminishing as time is closer to maturity. Overall, the joint hypothesis that financial markets are efficient and futures are redundant assets is rejected.

본 연구는 월 단위로 집계된 관광지 방문객 통계를 일 단위로 분해하여 정밀한 관광지 방문객 수 예측을 수행하기 위한 통계적·머신러닝 기반 프레임워크를 제시한다. 연구 대상은 2022년 1월부터 2024년 12월까지의 제주지역 21개 주요 관광지이며, Denton-PFD(Proportional First Difference) 기법을 활용하여 월별 방문객 수를 일 단 위 시계열로 변환하였다. 이후 강수량, 기온, 풍속 등 기상 변수와 주말, 공휴일, 성수기 여부를 나타내는 캘린더 변 수를 결합하고, XGBoost, Random Forest, LightGBM을 결합한 트리 기반 앙상블 모델을 구축하였다. 모델 성능 평가는 대칭 평균 절대 백분율 오차(sMAPE)를 통해 수행되었으며, Denton-PFD 기반 데이터셋은 균등 분해 데이터셋 대비 월평균 방문객 수 중·상위 그룹에 해당하는 관광지에서 예측 성능을 평균 약 23% 향상시킨 것으로 나타났다. 연구 결과, Denton-PFD 기반 일 단위 분해는 월 단위 데이터의 정보 손실을 최소화하면서 외생 변수에 따른 단기 변동성을 효과적으로 반영함을 실증하였다. 이는 관광지 방문객 수 예측 연구에서 고빈도 시계열을 구성 하는 새로운 방법론적 기반을 제시하며, 나아가 관광지 단위의 일별 수요 관리 및 혼잡 완화 정책 수립을 위한 근거 로 활용될 수 있다.

This study presents a statistical and machine learning-based framework to perform precise daily visitor count predictions by decomposing monthly aggregated tourist attraction visitor statistics into daily components. The study subjects are 21 major tourist attractions in the Jeju region from January 2022 to December 2024. The Denton-PFD (Proportional First Difference) technique was used to convert monthly visitor counts into daily time series. We then combined meteorological variables such as precipitation, temperature, and wind speed with calendar variables including weekends, public holidays, and indicators of peak season status, and built a tree-based ensemble model that integrates XGBoost, Random Forest, and LightGBM. Model performance was evaluated using symmetric mean absolute percentage error (sMAPE). The Denton-PFD-based dataset demonstrated an average improvement of approximately 23% in prediction performance compared to the uniformly disaggregated dataset for tourist destinations in the middle-to-upper group of monthly average visitor counts. The study demonstrated that Denton-PFD-based daily decomposition effectively captures short-term volatility driven by exogenous variables while minimizing information loss in monthly data. This provides a new methodological foundation for constructing high-frequency time series in tourism visitor forecasting research and can serve as a basis for developing daily demand management and congestion mitigation policies at the tourism destination level.

공급망협력은 공급망에 대하여 전체적으로 이해하고 공급망관리의 운영적인 면에서의 효율성을 높일 수 있다는 점에서 학계와 산업계 모두에서 각광을 받고 있다. 공급망협력이 기업 간의 긴밀한 협력을 통하여, 독립적으로 운영되는 기존의 공급망시스템에서는 불가능하였던 성공적인 결과를 이룰 수 있을 것으로 기대되고 있다. 공급자주도재고관리(VMI)는 여러 산업분야에서 이미 실행되고 있으며. 재고를 낮추고 소비자서비스 수준을 높일 수 있는 공급망협력 프로그램들 중의 하나로서 잘 알려져 있다. 과거 대부분의 연구들이 전통적인 공급망과 비교하여 공급자주도재고관리를 이용한 공급망의 우수성을 옹호하고 있지만, 공급자주도재고관리의 강점을 충분히 얻기 위하여 필요로 하는 명확한 조건들에 대한 연구는 아직 진행 중에 있다. 이 연구는 공급자주도재고관리가 공급망성과에 미치는 영향에 대하여 조사하였다. 본 연구에서 제안된 모델은 하나의 구매자와 하나의 공급자로 구성된 두 단계 공급망을 나타낸다. 공급망의 성과는 모델분석과 예제의 두 가지 방법으로 측정하였다. 첫째, 두 가지 공급망시스템을 나타내는 단순재고관리모델을 최적화조건에서 분석하였다. 둘째, 수익과 생산, 재고관리, 설치, 주문, 그리고 운반에 관련된 세부적인 비용들을 포함하는 순이익모델을 제시하고 공급자주도재고관리시스템과 전통적인 공급망시스템을 예제를 통하여 다른 조건하에서 비교하였다. 제시된 순이익모델은 구매자와 공급자에 의한 의사결정과 정보교류의 순차적 과정을 바탕으로 하여 수요예측, 주문, 재고관리, 생산, 그리고 운송을 포함하는 다양한 운영과정을 나타낸다. 예제에서는 시장수요, 수요예측오류, 그리고 이윤폭의 3가지 환경적 혹은 운영상의 조건들이 공급자주도재고관리의 성과에 미치는 영향을 조사 하였다. 모델분석과 예제를 통하여 공급자주도재고관리의 우수성을 확인하는 동시에 다양한 운영상의 조건 하에서의 공급자주도재고관리 성과의 변화를 측정하였다. 주문비용과 재고관리비용만을 고려한 분석모델에 따르면 공급자주도재고관리시스템에서 전통적인 시스템보다 낮은 비용이 요구되는 것으로 확인되었다. 그러나, 순이익모델의 예제에 따르면, 공급자주도재고관리시스템이 항상 전통적 시스템보다 더 나은 성과를 내지는 않는 것으로 확인되었다. 공급자주도재고관리로 인한 비용감소는 구매자의 급격한 비용감소 때문이나, 대부분의 경우 공급자의 비용은 증가하는 것으로 나타났다. 이 연구는 또한 공급자주도재고관리로 인한 공급자의 손실을 줄이기 위한 조건을 파악하였다. 시장수요의 증가는 공급자의 순이익을 크게 감소시킴으로써, 결과적으로 공급자주도 재고관리로 인한 전체 공급망의 경제적 이득을 감소시킨다. 공급자의 입장에서는 전통적 공급망 하에서의 시장수요예측오류가 클 경우 공급자주도재고관리로 인한 경제적 이득은 높은 것으로 보인다. 순이익모델의 예제는 또한 구매자가 순이익마진을 높게 결정할 경우 공급자 뿐 만이 아니라 구매자에게도 공급자주도재고 관리로 인한 경제적 이득이 줄어드는 것을 보여준다. 이러한 결과는 공급자주도재고로 인한 모든 경제적 이득을 얻어내기 위해서는 시장가격을 적절히 통제함으로써 충분한 수요와 그에 상응하는 주문량을 유지하는 것이 중요함을 의미한다. 본 연구는 공급자주도재고관리의 실행에 관한 다음의 두 가지 중요한 경영지침을 제공함으로써 실무경영에 공헌하고 있다. 첫째, 이 연구는 공급자주도재고관리가 모든 참여자에게 혜택을 줄 수 있는 가능성을 발견하였다. 제시한 모델의 예제에 따르면 충분한 수요와 주문량을 확보함으로써 공급자도 공급자주도재고 관리에의 참여를 통한 경제적 이득을 얻어낼 수 있는 것으로 나타났다. 둘째, 본 연구는 공급자주도재고관리 프로그램으로 인한 비용절감을 확대할 수 있는 조건들을 발견하였다. 수요예측과 가격계약을 적절히 관리함 으로써 공급자와 구매자 모두 공급자주도재고관리의 이점을 극대화할 수 있다는 점을 결과분석을 통하여 보여주고 있다.

Supply chain collaboration has received heavy attention from both practitioners and academic researchers because of its focus on the entire supply chain’s interest and its potential to improve operational efficiency of supply chain management. The close collaboration among the supply chain members is expected to lead to the successful outcome that is not possibly made by the uncollaborative supply chain system. Vendor-Managed Inventory (VMI) became well known to be the supply chain collaboration program that has been already applied to various industries and enables the companies to lower inventories and increase customer service levels. While the majority of past studies support the superiority of the supply chain system with VMI over the traditional system without VMI, the exact conditions and requirements to fully exploit the strength of VMI are still under the investigation. This study investigates the impact of VMI on the supply chain performance. The proposed economic model represents a two stage supply chain system with a single buyer and a supplier. The performance evaluation is conducted in two ways-through model analysis and numerical examples. First, the simple inventory management models that represent two distinct supply chain systems are analyzed under the optimal conditions. Second, the profit-based models are developed to include the revenue and detailed cost items including production, inventory holding, setup, ordering, and transportation costs, and numerical examples are used to compare the profits of two different supply chain systems under different conditions. Based on the sequential process of decision-making and information sharing activities made by the buyer and supplier, the proposed model incorporates multiple steps of the operations including purchasing, replenishment, inventory control, production, and transportation. In the numerical examples, this study examines the impacts of tree environmental and operational conditions-market demand, forecast error, and profit margin-on the VMI’s performances. Based on the results of the model analysis and numerical examples, this study examines whether the VMI system is superior to the traditional system and identifies the pattern of VMI’s performance under different operational contexts. The analytical model including only ordering and inventory holding costs confirms that VMI results in less supply chain costs than the traditional system. The numerical examples of the profit-based model, however, show that VMI does not always outperform the traditional supply chain system. The cost saving due to VMI is caused by dramatic reduction of buyer’s costs, but, in most cases, the supplier appears to incur higher expenses. This study identifies the conditions that remedy supplier’s loss due to VMI. The increased market demand causes serious damage to supplier’s profit, and consequently decreases the economic benefit of VMI for the entire supply chain system. For the supplier, the economic advantage of the VMI system is high when the supplier makes a large error in forecasting market demands in the traditional supply chain system. The numerical examples also indicate that higher profit margin of the buyer reduces the economic advantage of the VMI system for the supplier as well as for the buyer. These results imply that retaining a sufficient amount of demands and corresponding order quantity by properly controlling the sales price is critical to obtain full economic benefits from the VMI program. This study makes the contributions to business practices by providing the following valuable managerial implications about VMI application. First, this study discovers the potential that VMI can be beneficial to every participant of this program. The numerical examples of the proposed model show that, by acquiring sufficient demands and order quantity, even the supplier can be financially benefited by participating in the VMI program. Second, this study reveals the specific conditions that enlarge the cost savings due to the VMI program. The outcomes of the analysis indicate that both supplier and buyer can optimally exploit the advantage of VMI by properly managing the demand forecast and price contract.

본 연구는 중국 중소기업을 대상으로 AI 기반 수요예측이 경영성과에 미치는 영향을, 재고관 리 효율성과 의사결정 품질의 병렬 매개효과에 초점을 맞추어 실증적으로 분석하였다. 2025년 6–7월에 206개 기업을 대상으로 횡단면 설문을 실시하였으며, 구조방정식모형(SEM)과 PROCESS 매크로(Model 4, 부트스트랩 5,000회)를 활용해 모형을 추정하였다. 전체 모형 적합 도는 χ²/df=2.013, CFI=.971, TLI=.961, SRMR=.041, RMSEA=.070으로 수용 가능한 수준을 보였 다. 분석 결과, AI 기반 수요예측은 재고관리 효율성(β=.563, p<.001)과 의사결정 품질(β=.454, p<.001)에 유의한 정(+)의 영향을 미쳤으나, 경영성과에 대한 직접효과는 유의하지 않았다(β =.150, p=.101). 간접효과는 두 매개경로에서 모두 유의하였는데, 재고관리 경로의 효과는 B=0.0935(95% CI [0.0056, 0.1978]), 의사결정 품질 경로의 효과는 B=0.1716(95% CI [0.0796, 0.2784])로 확인되어 완전 매개가 성립하였고, 의사결정 품질 경로의 효과가 약 1.8배 더 강했 다. 본 모형은 경영성과 변동의 32.4%를 설명하였다(R²=.324). 이러한 결과는 기술 도입 그 자 체보다는, 특히 의사결정 품질의 고도화와 같은 조직 역량을 통해 AI 기반 수요예측의 성과 개선 효과가 주로 발생함을 시사한다. 따라서 관리자들은 AI 도입을 데이터 기반 의사결정의 제도화와 엄정한 재고관리 프로세스와 결합할 필요가 있다.

Purpose : This study investigates how AI-based demand forecasting affects firm performance in Chinese SMEs, focusing on the parallel mediating roles of inventory management efficiency and decision-making quality. Research design, data, methodology : A cross-sectional survey of 206 SMEs was conducted between June and July 2025. The research model was estimated using Structural Equation Modeling (SEM) and the PROCESS macro (Model 4) with 5,000 bootstrap resamples. Overall model fit was acceptable (χ²/df = 2.013, CFI = .971, TLI = .961, SRMR = .041, RMSEA = .070). Results : AI-based demand forecasting had significant positive effects on inventory management efficiency (β = .563, p < .001) and decision-making quality (β = .454, p < .001), but its direct effect on firm performance was not significant (β = .150, p = .101). Indirect effects were significant via both mediators—inventory management (B = 0.0935, 95% CI [0.0056, 0.1978]) and decision-making quality (B = 0.1716, 95% CI [0.0796, 0.2784])—indicating full mediation; the path through decision-making quality was approximately 1.8 times stronger. The model explained 32.4% of the variance in firm performance (R² = .324). Conclusions : Performance gains from AI-based demand forecasting arise primarily through organizational capabilities, particularly enhanced decision-making quality, rather than from technology adoption alone. Managers should complement AI deployment with processes that institutionalize data-driven decisions and disciplined inventory practices. Caution is warranted regarding generalizability due to the manufacturing-heavy, early-adopter sample; future research should broaden industry coverage and employ longitudinal designs.

Modern enterprises, fundamental conditions for its maintenance and growth lie in selling, and in particular, their managerial strategies begin at forecasting sales potential in term of quantities, qualities and timing. Thus, the establishment of methodological model in demand forecasting constitutes a basis for scientific management. Demand forecasting consists of a preparatory procedure and a regular procedure. There are three steps to be taken in a preparatory procedure of demand forecasting. First, a demand analysis should be made on the basis of knowledges and data involved in the relationship between the demand and its determining elements. Second, market structure and the developing processes of its scale should be analized through necessary data and with abundant insights on the future. Third, a forecasting plan should be established for the sake of main forecasting process of demand. There are also three steps to be taken in a regular procedure of demand forecasting for decision making. First, information be provided and classified by internal and external data. Second, information classification be made by moving average, summation and seasonal adjustment modle. Finally information interpretations be made. Therefore, a rational decision making for demand forecasting can be made with this result stemmed from such mathematical information interpretations.