공간 단위 시공간 군집화로 역학·시계열 패턴 구조 파악

Spatiotemporal pattern discovery via spatial unit clustering and time-series similarity

연구 내용

동적 시간 왜곡과 오토인코더 임베딩, 주기도 상관 기반 시계열 군집을 이용해 지역 단위의 유행·시간 패턴을 구조적으로 분류하는 연구

지역(카운티) 단위의 시계열에서 잠재 군집을 찾기 위해 유사도 기반의 군집화와 표현학습 기반의 군집화를 함께 사용합니다. 동적 시간 왜곡을 활용해 위상 차이나 지연이 존재하는 시간 패턴의 거리를 비교하고, deep learning autoencoder로 시간 궤적을 저차원 특성으로 변환한 뒤 계층적 군집을 수행합니다. 또한 주기도의 상관성을 이용한 시계열 군집 절차를 통해 반복적 구조를 반영한 분류 가능성을 탐색합니다. 이러한 접근을 통해 지역 간 유사성과 차이를 시공간적으로 정리하고 해석 가능한 지역 분할을 도출합니다.

관련 프로젝트

0건

연구 흐름

초기에는 시계열의 주기성 및 상관 구조를 반영한 군집 분석 절차를 설정하여, 시간 신호의 반복 패턴이 군집 형성에 미치는 영향을 다루었습니다. 이후 역학 자료로 확장하여, 카운티 단위 COVID-19 동역학을 대상으로 동적 시간 왜곡 기반 유사도와 오토인코더 표현학습을 결합한 군집화 연구를 수행했습니다. 이후에는 북캐롤라이나 주의 실제 데이터 적용을 통해 대도시권과 비도시권을 구분하는 계층적 구조를 확인하고, 인구·연관 요인과의 연계 가능성을 함께 제시하는 방향으로 심화되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

유행 시계열의 지역 단위 군집 분류
동적 시간 왜곡 기반 유사도 지표 설계
오토인코더 임베딩 기반 패턴 탐지
주기도 상관 기반 시계열 특징 추출
역학 데이터 시각화 및 지도화
인구구조 연계형 위험도 설명
대유행 시나리오 비교 분석
시공간 패턴 기반 방역전략 보조
데이터 기반 지역 맞춤형 의사결정 입력변수
시간 궤적 데이터용 군집화 모듈 개발