부산대학교 도서관

해안 관광은 꾸준히 증가하고 있고, 해안 관광의 성장은 다가오는 위기이자 기회로 여겨진다. 해안관광을 효과적으로 관리하기 위해서는 공간을 고려한 연구와 계획이 필요하다. 이를 위해서는 해안관광에 대한 공간정보가 필요하며, 2010년대 이후 스마트폰 보급과 무선인터넷 활성화로 방대한 소셜 미디어 데이터(Social Media Data; SMD)가 축적되고 있다. 이러한 데이터를 활용하려는 움직임이 있었고, 2013년부터 SMD를 활용하여 관광을 공간적으로 분석하는 연구가 진행되었다.본 연구에서는 SMD를 활용하여 해안관광 공간계획의 관점에서 유용한 공간정보를 획득하는 과정을 진행하였다. 본 연구의 최종목표는 1) 국내 전체 해안 육지 및 도서지역을 대상으로 해안관광 방문객 수와 공간분포를 추정하고 도시/지역 단위의 공간 핫스팟을 파악하는 것, 2) SMD의 사용자 기반 콘텐츠(User Generated Contents; UGC) 이미지 분류를 기반으로 해안관광 활동의 분류를 수행하고 국내 전체 해안 육역 및 도서지역의 해안관광 활동 분포를 파악하는 것, 3) 본 연구의 방법과 결과가 공간계획 측면에서 어떻게 적용할 수 있는지를 고찰하는 것이다.연구 최종목표 1의 경우, SMD를 활용하여 해안관광 규모를 정량적으로 추정하고 공간적 핫스팟을 식별하는 분석을 수행하였다. 해안관광을 정량적으로 분석하기 위해 수행한 방법은 다음과 같다; 1) SNS 데이터 이용자 수와 실제 관광지 방문객 수를 비교하여 한국 연안에 대한 SNS 데이터 적용 가능성 확인; 2) SNS 데이터를 활용한 방문객 추정 방정식(모델)을 도출하여 한국 해안 육역 및 도서 지역 전체에 적용; 3) 국내 5개 해안도시와 1개 섬을 대상으로 공간 핫스팟을 식별하였다.연구 최종목표2를 위해 SNS 이미지와 딥러닝 알고리즘을 활용하여 해안 관광을 정성적으로 분류하는 분석을 진행하였다. 해안관광을 정성적으로 분석하기 위해 수행한 방법은 다음과 같다; 1) 해안관광 분류 기준을 수립하고 감독 분류를 위한 이미지 학습 데이터를 구축, 2) 전이학습 방식으로 VGG 16딥러닝 알고리즘을 이용하여 SNS 이미지를 분류하고 분류 정확도 및 타당성 검증; 3) 연구 대상지의 해안관광 활동 분포를 확인하고 공간정보와 연계하여 보다 심층적인 정보를 획득하였다.SMD와 실제 해안 관광 방문객을 비교한 결과, 플리커 데이터와 방문 데이터 간의 상관계수는 0.4913(n=224, p
Coastal tourism is steadily increasing and the growth of coastal tourism is an upcoming crisis and opportunity. In order to effectively manage coastal tourism, research and planning considering space are needed. This requires spatial information about coastal tourism. Since the 2010s, huge social media data (SMD) has been accumulated with the spread of smartphones and the activation of wireless Internet. A movement to utilize SMD has been raised, and since 2013, studies have been conducted to spatially analyze tourism using SMD.In this study, the process of obtaining useful spatial information from the perspective of spatial planning for coastal tourism using SMD was conducted. The research goals of this study are: 1) The number of coastal tourism visitors and spatial distribution are estimated, and spatial hotspots are identified at the city/region level for all coastal land and islands areas in South Korea; 2) The classification of coastal tourism activities based on SMD's User-Generated-Contents (UGC) image classification is conducted, and the distribution of coastal tourism activities in all coastal land and islands areas in South Korea is identified; 3) To discuss how the method and result of this study can be applied in terms of spatial planning.For research goal 1, analysis is needed to quantitatively estimate the scale of coastal tourism and identify spatial hotspots using SMD. The methods performed to quantitatively analyze coastal tourism are as follows: 1) Comparing the number of SNS data users and actual visitors to tourist attractions to confirm the feasibility of applying SNS data to coastal tourism in the research area; 2) Deriving a visitor estimation equation (model) using SNS data and applying it to the entire coastal land and islands areas of South Korea; 3) Identifying spatial hotspots for the hotspot targets of this study in five coast cities and one island in Korea.For research goal 2, analysis is needed to qualitatively classify coastal tourism activity by using SNS images and a deep-learning algorithm. The methods performed to qualitatively analyze coastal tourism are as follows: 1) Establishing coastal tourism classification criteria and building image training data for supervised classification; 2) Classifying SNS images using deep learning algorithms in the form of transfer learning and verifying classification accuracy and validity; 3) Checking the distribution of coastal tourism activities in the research area and obtaining deeper information by linking spatial information.As a result of comparing SMD and actual visitors to coastal tourism, the correlation coefficient between Flickr data and visitation data was 0.4913 (n=224, p