플리커(Flickr) 데이터를 활용한 서울 방문 관광객의 관광 특성 분석

Abstract

최근 모바일 기기의 발달로 인하여 사용자가 생산하는 대용량 정보의 저장 및 처리가 가능해지면서 공간정보로 활용할 수 있는 데이터 또한 방대해졌다. 사용자들은 데이터의 이용뿐만 아니라 생산에도 참여하는 프로슈머(Prosumer)의 역할까지 수행중이며, 이들이 생산하는 데이터는 중요한 데이터원이 될 수 있다. 특히 관광 부문에서의 소셜 미디어 빅데이터 활용은 필수적이다. 관광객은 소셜 미디어에 예민하게 반응하기 때문에 관광객의 행동을 분석하기 위하여 소셜 미디어 데이터를 활용한다면 여행객의 선호, 여행 일정, 여행객들에게 영향을 미치는 다양한 인자 등을 분석하여 효율적인 관광지 경영을 도모할 수 있다. 기존의 소셜 미디어 데이터를 활용한 관광지 연구의 경우에는 위치 정보가 포함되지 않은 텍스트 데이터 위주로 분석을 하였지만, 본 연구에서는 위경도와 같은 위치 정보를 가진 소셜 미디어 데이터를 활용하여 관광지 연구를 수행하였다. 이러한 자세한 위치 정보를 포함한 데이터를 활용하면 더욱 미시적인 스케일에서의 연구가 가능하다는 장점이 있다. 본 논문에서는 SNS 중 하나인 플리커에 게시된 지오태깅된 사진에 대한 공간적 분석을 통하여 서울을 방문한 관광객의 관광 특성을 분석하기 위하여 서울 시내의 RoA를 도출하고, 이들의 시공간적 변동성을 분석하였다. 이를 위하여 서울 시내에 2013년 1월 1일부터 2017년 12월 31일 사이에 플리커의 지오태깅된 데이터를 수집하고, 전체 사용자를 관광객과 거주자로 분류하였다. 이후, 관광객이 주로 방문하는 지역인 RoA를 도출하여 RoA 방문 경향 및 RoA 간의 이동을 분석하였다. RoA 뿐만 아니라 서울 시내 관광객이 많이 방문하는 핫스팟 지역 또한 분석하였다. 이러한 연구를 수행하기 위하여 사용된 소프트웨어는 Python 2.7.14, Node.js, 오픈소스 프로젝트 R 3.5.0 , ArcGIS Pro 2.2.3이다. 파싱된 데이터는 총 167,410건 이였으며, 사용자 수는 3,921명이었다. 이 가운데 관광객의 데이터를 분류하기 위하여 다양한 시간적 임계치를 적용하여 분류 실험을 진행하였다. 그 결과, 3,417명의 88,752개의 데이터를 관광객의 데이터로 분류하였다. 뿐만 아니라 관광객으로 분류된 사용자를 아시아권, 미주권, 유럽권, 대양주권, 기타 문화권, 국내 관광객으로 문화권별 분류 또한 수행하였다. 이후, 서울 시내 주요 관광지를 확인하기 위하여 주요 관광지역인 RoA를 도출하기 위하여 DBSCAN 알고리즘을 통하여 서울 전체에 11개, 종로 내부에 12개의 RoA를 도출하였다. 서울 전체에 종로, 홍대, 남산, 신촌, 강남역, 코엑스, 이태원, 잠실, 가로수길, 전쟁기념관, 대학로 RoA가 도출되었으며, 종로 내부의 경우에는 경복궁, 명동, 광화문, 동대문, 북촌, 시청, 창덕궁, 인사동, 남대문, 광장시장, 창경궁, 감고당길에서 RoA가 도출되었다. 이러한 RoA에 게시된 사진의 수를 통하여 요일별, 계절별로 상이한 방문 추이 또한 분석하였으며, RoA의 연도별 시계열적 변화 또한 분석하여 RoA 방문의 추세를 확인하였다. 이를 통하여 관광객은 주로 금요일~월요일에, 봄ㆍ가을에 주로 서울을 방문하는 것을 확인하였으며, RoA 별로 조금씩 차이가 나는 것을 확인하였다. 아울러 서울 시내의 관광 활동의 시계열적 분석을 위하여 시간대별, 요일별, 계절별 관광객의 사진이 많이 게시된 핫스팟을 도출하여 시간대별, 요일별, 계절별 관광객의 사진 게시 핫스팟이 시기별로 특징적인 변화를 나타내는 것을 확인하였다. 본 연구의 기대효과는 다음과 같다. 첫째로, 관광객 및 관광지의 분석에 소요되는 시간과 비용을 절약할 수 있다. 기존의 관광지에 대한 연구는 특히 시계열적 분석에 많은 시간과 비용이 소요되었으나, 소셜 미디어 데이터 분석을 통하여 기존의 설문조사를 통한 연구를 보완할 수 있다. 둘째로, 지오태깅된 사진을 활용하여 우리나라의 주요 관광지와 그 이용행태를 분석하여 지자체 및 중앙정부차원에서의 소셜 미디어 데이터의 활용을 지원할 수 있다는 장점이 있다. 기존의 관광객에 대한 정책 및 전략을 위한 분석은 정량적 데이터에만 의존해왔지만 소셜 미디어 데이터를 통해 새로운 관광객의 분포, 유형별 관광객이 선호하는 관광지, 함께 방문하는 관광지 등을 분석할 수 있기 때문에 다양한 부문에서의 합리적 의사결정 지원을 목적으로 하는 연구에 보충 자료로 활용될 수 있다.;Recently, as the development of mobile devices has enabled the storage and processing of large amount of information produced by users, data that can be utilized as spatial information has also become larger. Users are performing not only the user of data but also the role of prosumer participating in production, and the data they produce can be an important data source. Especially, the use of social media big data in the tourism is essential. Since the choice of tourists is sensitive to the information of social media, using social media data to analyze the behavior of tourists can lead to efficient tourism management. Also, social media data can be used to extract tourist preferences, travel schedules, and various factors affecting tourists. By analyzing the data, various agencies of tourism can develop and discover tourist attractions and appropriate tourism management by understanding tourists' preferences.Social media data can be used as fundamental research data for tourism and tourists management in the region. The purpose of this study is to analyze the tourist attractions and spatio-temporal characteristics of tourists visiting Seoul through spatial analysis of geotagged photos posted on Flickr. In order to achieve the purpose of the study, geotagged data from January 1, 2013 to December 31, 2017, which was posted within the range of Seoul City, was collected and all data were classified as tourists or residents. After that, the Region of Attractions(RoAs) were extracted, which is the main tourist area, and the spatio-temporal characteristics of RoAs was analyzed. For this, Python 2.7.14, Node.js, open source project R 3.5.0, and ArcGIS Pro 2.2.3 were used. Among 167,140 data of 3,921 users of flickr data, tourists and residents were classified based on user activity data and user information. As a result, 88,752 data of 3,417 people were classified as tourist data. In addition, user data is classified into Asian, American, European, oceania, others, and domestic tourists. In order to identify major sightseeing spots in Seoul city, 22 RoAs were extracted in Seoul. In the whole of Seoul city, 11 RoAs were identified: Jong-no, Hongdae, Namsan, Sinchon, Gangnam, COEX, Itaewon, Jamsil, Garosu-gil, War Memorial Museum, Daehak-ro. 12 RoAs were identified in the Jongno RoA: Gyeongbok Palace, Myeongdong, Gwanghwamun, Dongdaemun, Bukchon, City Hall, Changdeok Palace, Insadong, Namdaemun, Kwangjang Market, Changgyeong Palace. The number of photos posted in the RoA was analyzed by weekly and seasonal, 5 years emerging hotspot. Then hotspots analysis with photographs of tourists by time, day of the week, and season have been drawn for the purpose of time-series analysis of tourism activities in Seoul city. As a result, it was confirmed that the hotspot for photo posting of the tourists by time of day, day of the week and season was changed with time. In addition, a hotspot analysis was conducted to identify the tendency to post tourist photographs for 5 years. In this study, it is most important that the spatial analysis of social media data is applied to spatial information and data mining. In addition, it can be used as a basic study to analyze geographical information that can be acquired from social media data as well as formal data at regional analysis. It is meaningful to save cost for analysis of tourists and tourist sites in social and economic terms. Research on existing tourist destinations has cost a lot of time and cost especially for time-series analysis, but using social media data can save money. In addition, it can complement existing research methods in tourism sector research. In addition, it is meaningful that it can provide a basis for applying social media big data in various fields. In terms of policy, it can support utilization of social media data at municipal and central government level by analyzing main sightseeing places and usage patterns of Korea with new types of spatial information, that is, photographs. The existing policies and strategies of tourists have relied solely on quantitative data, but the distribution of new tourists through social media data and tourist attractions preferred by tourists can be analyzed. Therefore, research aimed at supporting rational decision making in various sectors.