1
지역경제 및 상권활성화 연계된 서울시 상가 공실률 추정 ?

목차 ?

연구요약

I. 서론
1. 과업의 배경 및 필요성 18
 1) 과업의 배경 18
 2) 과업의 필요성 19
2. 과업의 목적 및 방법 21
 1) 과업의 목적 및 내용 21
 2) 과업의 절차 23
 3) 기존 연구와의 차별성 23

II. 기초 데이터 현황
1. 연구의 범위 28
 1) 시?공간적 범위 28
 2) 내용적 범위 29
 3) 활용 변수 29
2. 공실률 30
 1) 공실률 산출 방식 30
 2) 서울시 공실률 현황 32
 3) 서울시 공실률 Hot Spot Analysis 34
3. 프랜차이즈 비율 38
 1) 프랜차이즈 비율 산출 방식 38
 2) 서울시 프랜차이즈 비율 현황 38
 3) 서울시 프랜차이즈 Hot Spot Analysis 40
4. 유동인구 및 매출액 42
 1) 유동인구 및 매출액 산출 방식 42
 2) 서울시 유동인구 현황 43
 3) 서울시 유동인구 Hot Spot Analysis 47
 4) 서울시 점포별 매출액 현황 50
 5) 서울시 점포별 매출액 Hot Spot Analysis 52
5. 생존율 및 생활인구 54
 1) 생존율 및 생활인구 산출 방식 54
 2) 서울시 생존율 현황 54
 3) 서울시 생존율 Hot Spot Analysis 56
 4) 서울시 생활인구 현황 58
 5) 서울시 생활인구 Hot Spot Analysis 60
6. 임대료 61
 1) 임대료 산출 방식 61
 2) 서울시 임대료 현황 62
 3) 서울시 임대료 Hot Spot Analysis 64
7. 건축 면적 및 지상 층수 65
 1) 건축 면적 및 지상 층수 산출 방식 65
 2) 서울시 건축 면적 및 지상 층수 현황 66
 3) 서울시 건축 면적 및 지상 층수 Hot Spot Analysis 67

III. 상가 공실률 추정 방법론
1. 상가 개폐업 데이터를 활용한 상가 공실률 추정 알고리즘 개발 72
 1) COVID-19 사태를 고려한 공실률 추이 분석 72
2. 공실률 추정 방법론 73
 1) 방법론 개요 73
 2) 패널 분석(Panel Analysis) 73
 3) 딥러닝(Deep Leaning) 기반 예측 모형기법 및 동향 분석 75

IV. 결 론
1. 데이터 기본 변환 방법 86
 1) 변수 요인 분석 86
 2) 변수 기초 통계 88
2. 패널 분석 모형 결과 88
 1) 패널 분석 88
 2) 최적화 모형 검정 90
3. 장단기 메모리 유형 순환신경망 모형(LSTM) 분석 결과 91
 1) LSTM 분석을 위한 분석환경 및 개요 91
 2) 분석 과정 및 결과 91
4. 연구의 시사점 및 한계점 99
5. LSTM 기반 상가 공실률 추정의 개선방안 100
 1) 체계적인 공실률 데이터 수집, 분석 및 통합 관리시스템 구축 100
 2) 서울시 주변 수도권 지역 및 외부기관과 연계한 데이터 구축 방안 검토 101
 3) GPGPU 시스템 구축 101

참고문헌 및 부록

표 목차
[표 Ⅱ-1] 활용변수 특징 및 정의 29
[표 Ⅱ-2] 상가 개폐업데이터 기반의 상가 공실률 현황 33
[표 Ⅱ-3] 서울 광역상권별 공실률과 임대료 현황 36
[표 Ⅲ-1] Hausman test 수식 및 해석 75
[표 Ⅲ-2] 부동산 분야 인공신경망 활용 연구 79
[표 Ⅳ-1] 선행연구에서 사용된 시공간적 변수 87
[표 Ⅳ-2] 변수 기초 통계량 88
[표 Ⅳ-3] 패널 분석 결과 89
[표 Ⅳ-4] 분석 환경구성 91
[표 Ⅳ-5] Training 결과 95

그림 목차
[그림 Ⅰ-1] 전국 및 서울 상가 공실률 추이 18
[그림 Ⅰ-2] 전국 유형별 공실률 및 주요상권 이용현황 19
[그림 Ⅰ-3] 예측모형 개념도 22
[그림 Ⅱ-1] 서울시 100m×100m 격자별 분석범위 28
[그림 Ⅱ-2] 공실률 산출식 31
[그림 Ⅱ-3] 서울시 2019년 상반기 공실률 32
[그림 Ⅱ-4] 서울시 2019년 하반기 공실률 32
[그림 Ⅱ-5] 서울시 2020년 상반기 공실률 33
[그림 Ⅱ-6] 서울시 2019년 상반기 공실률 Hot Spot 34
[그림 Ⅱ-7] 서울시 2019년 하반기 공실률 Hot Spot 34
[그림 Ⅱ-8] 서울시 2020년 상반기 공실률 Hot Spot 35
[그림 Ⅱ-9] 서울시 상권별 공실률 36
[그림 Ⅱ-10] 서울시 상가 규모별 공실률 37
[그림 Ⅱ-11] 서울시 2019년 상반기 프랜차이즈 비율 38
[그림 Ⅱ-12] 서울시 2019년 하반기 프랜차이즈 비율 39
[그림 Ⅱ-13] 서울시 2020년 상반기 프랜차이즈 비율 39
[그림 Ⅱ-14] 서울시 2019년 상반기 프랜차이즈 비율 Hot Spot 40
[그림 Ⅱ-15] 서울시 2019년 하반기 프랜차이즈 비율 Hot Spot 40
[그림 Ⅱ-16] 서울시 2020년 상반기 프랜차이즈 비율 Hot Spot 40
[그림 Ⅱ-17] ArcGIS Tabulate Intersection 42
[그림 Ⅱ-18] 서울시 2019년 상반기 전체 유동인구 43
[그림 Ⅱ-19] 서울시 2019년 하반기 전체 유동인구 43
[그림 Ⅱ-20] 서울시 2020년 상반기 전체 유동인구 44
[그림 Ⅱ-21] 서울시 2019년 상반기 20~30대 유동인구 45
[그림 Ⅱ-22] 서울시 2019년 하반기 20~30대 유동인구 45
[그림 Ⅱ-23] 서울시 2020년 상반기 20~30대 유동인구 46
[그림 Ⅱ-24] 서울시 2019년 상반기 전체 유동인구 Hot Spot 47
[그림 Ⅱ-25] 서울시 2019년 하반기 전체 유동인구 Hot Spot 47
[그림 Ⅱ-26] 서울시 2020년 상반기 전체 유동인구 Hot Spot 48
[그림 Ⅱ-27] 서울시 2019년 상반기 20~30대 유동인구 Hot Spot 48
[그림 Ⅱ-28] 서울시 2019년 하반기 20~30대 유동인구 Hot Spot 49
[그림 Ⅱ-29] 서울시 2020년 상반기 20~30대 유동인구 Hot Spot 49
[그림 Ⅱ-30] 서울시 2019년 상반기 점포당 매출액 50
[그림 Ⅱ-31] 서울시 2019년 하반기 점포당 매출액 50
[그림 Ⅱ-32] 서울시 2020년 상반기 점포당 매출액 51
[그림 Ⅱ-33] 서울시 2019년 상반기 매출액 Hot Spot 52
[그림 Ⅱ-34] 서울시 2019년 하반기 매출액 Hot Spot 52
[그림 Ⅱ-35] 서울시 2019년 하반기 매출액 Hot Spot 53
[그림 Ⅱ-36] 서울시 2019년 상반기 연차별 생존율 54
[그림 Ⅱ-37] 서울시 2019년 하반기 연차별 생존율 55
[그림 Ⅱ-38] 서울시 2020년 상반기 연차별 생존율 55
[그림 Ⅱ-39] 서울시 2019년 상반기 연차별 생존율 Hot Spot 56
[그림 Ⅱ-40] 서울시 2019년 하반기 연차별 생존율 Hot Spot 56
[그림 Ⅱ-41] 서울시 2020년 상반기 연차별 생존율 Hot Spot 57
[그림 Ⅱ-42] 서울시 2019년 상반기 생활인구 58
[그림 Ⅱ-43] 서울시 2019년 하반기 생활인구 58
[그림 Ⅱ-44] 서울시 2020년 상반기 생활인구 59
[그림 Ⅱ-45] 서울시 2019년 상반기 생활인구 Hot Spot 60
[그림 Ⅱ-46] 서울시 2019년 하반기 생활인구 Hot Spot 60
[그림 Ⅱ-47] 서울시 2020년 상반기 생활인구 Hot Spot 61
[그림 Ⅱ-48] 서울시 2019년 상반기 임대료 62
[그림 Ⅱ-49] 서울시 2019년 하반기 임대료 63
[그림 Ⅱ-50] 서울시 2020년 상반기 임대료 63
[그림 Ⅱ-51] 서울시 2019년 상반기 임대료 Hot Spot 64
[그림 Ⅱ-52] 서울시 2019년 하반기 임대료 Hot Spot 64
[그림 Ⅱ-53] 서울시 2020년 상반기 임대료 Hot Spot 65
[그림 Ⅱ-54] 서울시 건축 면적 66
[그림 Ⅱ-55] 서울시 상반기 지상 층수 66
[그림 Ⅱ-56] 서울시 건축면적 Hot Spot 67
[그림 Ⅱ-57] 서울시 지상층수 Hot Spot 68
[그림 Ⅲ-1] 주요 상권별 상가 개폐업데이터 기반 공실률 및 한국감정원 공실률 비교 72
[그림 Ⅲ-2] 인공지능과 머신러닝, 딥러닝의 관계 78
[그림 Ⅲ-3] RNN의 Recurrent 성질 80
[그림 Ⅲ-4] (a) RNN 표준 모듈 및 (b) LSTM 모듈 82
[그림 Ⅲ-5] LSTM 기반 예측모형 Training 기본 프로세스 (예시) 83
[그림 Ⅳ-1] LSTM 기반 공실률 추정 모형 다이어그램 92
[그림 Ⅳ-2] 서울시 2019년 상반기 공실률 93
[그림 Ⅳ-3] 서울시 2019년 하반기 공실률 93
[그림 Ⅳ-4] 서울시 2020년 상반기 공실률 94
[그림 Ⅳ-5] 서울시 2020년 하반기 공실률 94
[그림 Ⅳ-6] 서울시 주요 상권 경계선 96
[그림 Ⅳ-7] 서울시 2019년 상반기 공실률 Hot Spot 97
[그림 Ⅳ-8] 서울시 2019년 하반기 공실률 Hot Spot 97
[그림 Ⅳ-9] 서울시 2020년 상반기 공실률 Hot Spot 97
[그림 Ⅳ-10] 서울시 2020년 하반기 공실률 Hot Spot 97