사회적 거리두기단계에 따른 딥러닝 모델 기반의 거래량 예측

Abstract

2019년 코로나19가 발병하고, 2020년 급격히 확산되며 사람들의 생활에 많은 변화를 가져왔다. 그 중에서도 온라인 환경에서 제공되는 비대면 서비스는 가장 큰 변화를 겪은 분야이다. 비대면 상에서 이루어지는 원격의료, 원격학습, 원격근무 등 거의 모든 분야에서 사용되고 있다고 해도 더 이상 과언이 아니다. 그 중에서도 코로나19의 확산은 온라인 유통업체의 매출을 급격히 증가시켰다. 2020년 3월을 기준으로 온라인 매출은 16.9%나 증가한 바 있다. 이와 발맞추어 오프라인 유통업체 또한 매출감소 대응을 위해 온라인 판매와 배송서비스를 추진했다. 이렇게 갑작스런 매출 증가는 소비자로 하여금 불편한 점도 야기했다. 갑작스럽게 증가한 물량으로 택배사는 택배지연과 그에 따른 고객의 불만을 감수하여야 했다. 배달 서비스 또한 택배와 같은 문제가 발생하였다. 통계청 자료에 의하면 코로나19가 다시 유행했던 2020년 8월의 매출액은 전월보다 23.8%나 증가하였고, 사회적 거리두기단계가 강화되어 식당의 영업시간이 단축되었던 12월에는 전월대비 34.2%나 증가한 바 있다. 위와 같은 문제들은 고객이 서비스를 사용하는데 있어 불편한 경험을 느끼게 하고 나아가 사업장의 매출을 저하하는 원인으로 작용할 수 있다. 본 연구에서는 위와 같은 문제를 조금이라도 해결할 수 있도록 사회적 거리두기단계를 활용한 거래량을 예측할 수 있는 모델을 구현하였다. 모델의 학습에는 국내 VAN(Value Added Network)사 NICE, KSNET을 통한 1,574,766 건의 데이터를 활용하였고, 2020년 12월까지의 거래내역을 통해 학습하고 익월 2021년 1월의 데이터를 예측하여 결과를 확인했다. 모델 생성에 사용한 알고리즘은 순환신경망의 한 종류인 장단기 메모리를 사용하였고, RMSE 지표를 활용해 정확도를 확인하였다. 생성한 모델의 검증손실값은 0..016, RMSE는 0.1380675399818134로 확인했고, 사용한 예측 결과는 실 데이터와 10% 이내의 차이를 보였다. 본 연구에서는 사회적 거리두기단계만을 Feature로 사용하여 예측을 진행하였다. 추후 연구에서는 사회적 거리두기 뿐 아닌 다양한 상황에서의 더욱 정확한 예측을 기대한다. |The outbreak of Covid-19 in 2019 and the rapid spread in 2020 have brought many realizations to people's lives. Among them, non-face-to-face services provided in online environments have undergone the biggest changes. It is no longer an exaggeration to say that it is being used in almost every field, including non-face-to-face telemedicine, remote learning, and remote work. Among them, the spread of Covid-19 has sharply increased sales of online retailers. As of March 2020, online sales had increased by 16.9%.

In line with this trend, offline retailers also pushed for online sales and delivery services to respond to decrease in sales. This sudden increase in sales also caused inconvenience to consumers. Due to the sudden increase in volume, the delivery company had to live with the delay and subsequent customer complaints. Delivery services also have problems such as delivery. According to data from the National Statistical Office, sales in August 2020, when Covid-19 was back in vogue, rose 23.8% from the previous month, and in December, when the social distancing level was strengthened, the restaurant's business hours were reduced. In this work, we implement a model that can predict the volume of transactions using social distancing steps to address the above issues at all.

For the learning of the model, 1,574,766 data were utilized through Value Added Network (VAN) companies NICE and KSNET, and the results were confirmed by predicting data for January 2021. The algorithm used to generate the model used LSTM, a type of RNN, to verify its accuracy using RMSE indicators. We found that the loss of the generated model was 0.0160 and the RMSE was 0.1380675399818134, and the used prediction results differed by less than 10% from the actual data.

In this work, we proceed with the prediction using only the social distancing level as Feature. Future studies expect more accurate predictions in various situations as well as social distancing.