earticle

한국어

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.