Coastal Commercial Area Extraction and Characteristics Study: Using Image Segmentation Model

doi:10.25202/JAKG.14.4.6

All Issue

2025 Vol.14, Issue 4 Preview Page Next Page

Research Article

Coastal Commercial Area Extraction and Characteristics Study: Using Image Segmentation Model 이미지 분할 모델을 활용한 연안지역 상권 추출 및 특성 연구: 김영훈¹ · 정병화² · 송주환^3†
Younghoon Kim¹ · Byeonghwa Jeong² · Juhwan Song^3†; ¹한국교원대학교 지리교육과 교수
²토론토대학교 도시학연구소 박사후연구원
³한국교원대학교 지리교육과 박사과정

¹Professor, Department of Geography, Korea National University of Education
²Post doctoral Fellow, School of Cities, The University of Toronto
³Doctoral Student, Department of Geography, Korea National University of Education

31 December 2025. pp. 501~516

PDF

Abstract

This study delineates commercial area boundaries in coastal regions and analyzes their spatial and industrial characteristics. To overcome the limitations of administrative boundary–based approaches, we apply an unsupervised image segmentation model to gridded store-location data derived from local administrative licensing records. The analysis identifies 482 coastal commercial areas, which are predominantly concentrated in urban areas adjacent to major ports and coastal tourist destinations. Based on industry composition ratios, K-means clustering classifies coastal commercial areas into four types: leisure–everyday consumption mixed areas, restaurant-dominated areas, resident-oriented service areas, and food-and-beverage–oriented areas. In addition, an analysis of business openings and closures reveals substantial regional variation in competitive intensity and structural stability, as indicated by differences in closure rates and survival rates of newly opened stores. These findings provide empirical evidence on the spatial structure and heterogeneity of coastal commercial areas and offer policy-relevant insights for regional economic revitalization and commercial area management.

Keywords

Coastal area

Commercial area

Image segmentation model

K-means clustering analysis

본 연구는 연안 지역의 상권 경계를 설정하고, 그 특성을 분석하는 데 목적을 두고 있다. 기존 상권 관련 연구는 행정구역 경계를 중심으로 분석하는 경우가 많아 실제 상업 활동의 공간적 분포를 충분히 반영하지 못하는 한계가 있다. 이에 본 연구는 지방행정 인허가데이터를 통해 점포 위치를 격자화 한 데이터를 기반으로 비지도 학습 기반 이미지 분할 모델을 활용하여 상권의 경계를 추출하였다. 연안 지역을 대상으로 분석한 결과, 총 482개의 연안 상권이 도출되었으며, 이들 상권은 대부분 대규모 항만이 인접한 도시 지역이나 연안 관광지 주변에서 집중적으로 분포하는 경향을 보였다. 상권별 업종 구성 비율을 바탕으로 K-means 군집 분석을 수행하여 연안 상권을 분류한 결과, 여가-일상적 소비 혼합 상권, 음식점 중심 상권, 지역 주민 생활서비스 상권, 식음료 소비 중심 상권의 4가지 유형으로 분류할 수 있었다. 지역별 개·폐업 현황 분석을 통해 폐업률과 개업 점포 생존율이 상권의 경쟁 강도와 안정성에 미치는 영향을 확인할 수 있었다. 폐업률이 높고 개업 점포 생존율이 낮은 상권은 경쟁 강도가 높았으며, 개업 점포 생존율이 높고 폐업률이 낮은 상권은 상대적으로 안정적인 구조를 보였다. 이러한 연구 결과는 연안 상권의 공간적 분포, 업종 구조, 지역 차이 등의 특성을 실증적으로 제시함으로써 지역 경제 활성화 및 상권 관리 전략 수립을 위한 기초 자료로 활용될 수 있을 것이다.

키워드

연안

상권

이미지 분할 모델

K-means 군집 분석

References

권필·유기윤, 2015, “AMOEBA 기법을 활용한 상권 경계 탐지,” 대한공간정보학회지, 23(2), 11-16.10.7319/kogsis.2015.23.2.011
김성환, 2024, “지방 초광역권 인구이동 특성 및 권역 내 지방광역시로의 이동 결정 요인,” 한국지리학회지, 13(1), 95-112.10.25202/JAKG.13.1.6
김영재·박인권, 2023, “빅데이터를 활용한 젠트리피케이션 상권의 장소성 분류와 특성 분석-서울시 14개 주요상권을 중심으로-,” 지역연구, 39(1), 3-20.
김오석·정재헌·조남욱·강승필, 2024, “한국의 도시 및 농산어촌 장래 고령인구 전망과 비교,” 한국지리학회지, 13(4), 509-524.10.25202/JAKG.13.4.12
김호용·김지숙·이성호, 2012, “도심경계설정을 위한 공간 통계학적 접근,” 한국지리정보학회지, 15(4), 42-54.10.11108/kagis.2012.15.4.042
박경태·김영훈, 2022, “골목상권의 영역 설정과 유형 분류에 관한 연구: 청주시를 사례로,” 한국지도학회지, 22(1), 69-83.10.16879/jkca.2022.22.1.069
유예지·김주락, “해양레저관광에 의한 어촌의 젠트리피케이션 전개 양상과 지역주민 태도-양양 서핑 관광지를 사례로,” 대한지리학회지, 59(1), 91-109.
이동훈·여옥경, 2025, “지방 소멸 대응을 위한 15분 생활권 기반의 지속가능한 도시 실증분석연구: 강원도를 사례로,” 한국지리학회지. 14(2), 185-194.10.25202/JAKG.14.2.8
이용익·홍성언·박수홍, 2010, “GIS와 도로연결성을 이용한 대형할인점 상권의 공간적 범위 설정 방법,” 한국공간정보학회지, 18(1), 11-17.
정대영·손영기, 2009, “공간 자기상관기법을 이용한 근린상권의 공간특성 분석,” 한국지형공간정보학회지, 7(1), 141-147.
정승영·도희섭, 2011, “서울시의 상권분류에 관한 연구,” 대한부동산학회지, 29(2), 335-350.
최규철, 2021, “코로나19발생에 의한 어촌관광 변화추이 빅데이터 분석연구-거제시 다대어촌체험휴양마을 중심으로,” KIDRS, 6(3), 290-298.
최일선·이슬기·김예림, 2023, KMI동향분석 제188호(2022년 연안지역 상권 매출액 58조원, 해양관광 시장규모 64.5%로 37조 4,400억원으로 추정), 부산: 한국해양수산개발원.
최일선·이슬기·김예림·김유리·윤현호, 2023, “가명정보 결합 빅데이터를 활용한 해양관광 소비와 여행·레저 모바일 접속 행태의 관계 분석,” 국토연구, 126, 103-120.
해양수산부, 2025, 「연안관리법」(법률 제21065호), 부산: 해양수산부.
Jeong, B., 2023, An Integrated Deep Learning Model based on Retail, Residential and Footfall Changes data to Predict Retail Gentrification, Ph.D. Dissertation, Department of Geography, University College London.
Jeong, B., Allen, J., and Chapple, K., 2024, A new commercial boundary dataset for metropolitan areas in the USA and Canada, built from open data. Scientific Data, 11, 422.10.1038/s41597-024-03275-338658658PMC11043369
Jeong, B., Song, J., and Kim, Y., 2025, An open retail boundary dataset for South Korea using open data and computer vision technique, Scientific Data, 12, 622.10.1038/s41597-025-04958-140229307PMC11997229
Kim, W., Kanezaki, A., and Tanaka, M., 2020, Unsupervised learning of image segmentation based on differentiable feature clustering, IEEE Transactions on Image Processing, 29.10.1109/TIP.2020.3011269
행정안전부 한국지역정보개발원 지방행정인허가데이터개방시스템, https://www.localdata.go.kr
arXiv, https://arxiv.org/pdf/1807.02811(Peter I. Frazier, 2018, “A tutorial on Bayesian optimization”)

Information

Publisher :The Association of Korean Geographers
Publisher(Ko) :한국지리학회
Journal Title :Journal of the Association of Korean Geographers
Journal Title(Ko) :한국지리학회지
Volume : 14
No :4
Pages :501~516
DOI :https://doi.org/10.25202/JAKG.14.4.6

[1] 권필·유기윤, 2015, “AMOEBA 기법을 활용한 상권 경계 탐지,” 대한공간정보학회지, 23(2), 11-16.10.7319/kogsis.2015.23.2.011

[2] 김성환, 2024, “지방 초광역권 인구이동 특성 및 권역 내 지방광역시로의 이동 결정 요인,” 한국지리학회지, 13(1), 95-112.10.25202/JAKG.13.1.6

[3] 김영재·박인권, 2023, “빅데이터를 활용한 젠트리피케이션 상권의 장소성 분류와 특성 분석-서울시 14개 주요상권을 중심으로-,” 지역연구, 39(1), 3-20.

[4] 김오석·정재헌·조남욱·강승필, 2024, “한국의 도시 및 농산어촌 장래 고령인구 전망과 비교,” 한국지리학회지, 13(4), 509-524.10.25202/JAKG.13.4.12

[5] 김호용·김지숙·이성호, 2012, “도심경계설정을 위한 공간 통계학적 접근,” 한국지리정보학회지, 15(4), 42-54.10.11108/kagis.2012.15.4.042

[6] 박경태·김영훈, 2022, “골목상권의 영역 설정과 유형 분류에 관한 연구: 청주시를 사례로,” 한국지도학회지, 22(1), 69-83.10.16879/jkca.2022.22.1.069

[7] 유예지·김주락, “해양레저관광에 의한 어촌의 젠트리피케이션 전개 양상과 지역주민 태도-양양 서핑 관광지를 사례로,” 대한지리학회지, 59(1), 91-109.

[8] 이동훈·여옥경, 2025, “지방 소멸 대응을 위한 15분 생활권 기반의 지속가능한 도시 실증분석연구: 강원도를 사례로,” 한국지리학회지. 14(2), 185-194.10.25202/JAKG.14.2.8

[9] 이용익·홍성언·박수홍, 2010, “GIS와 도로연결성을 이용한 대형할인점 상권의 공간적 범위 설정 방법,” 한국공간정보학회지, 18(1), 11-17.

[10] 정대영·손영기, 2009, “공간 자기상관기법을 이용한 근린상권의 공간특성 분석,” 한국지형공간정보학회지, 7(1), 141-147.

[11] 정승영·도희섭, 2011, “서울시의 상권분류에 관한 연구,” 대한부동산학회지, 29(2), 335-350.

[12] 최규철, 2021, “코로나19발생에 의한 어촌관광 변화추이 빅데이터 분석연구-거제시 다대어촌체험휴양마을 중심으로,” KIDRS, 6(3), 290-298.

[13] 최일선·이슬기·김예림, 2023, KMI동향분석 제188호(2022년 연안지역 상권 매출액 58조원, 해양관광 시장규모 64.5%로 37조 4,400억원으로 추정), 부산: 한국해양수산개발원.

[14] 최일선·이슬기·김예림·김유리·윤현호, 2023, “가명정보 결합 빅데이터를 활용한 해양관광 소비와 여행·레저 모바일 접속 행태의 관계 분석,” 국토연구, 126, 103-120.

[15] 해양수산부, 2025, 「연안관리법」(법률 제21065호), 부산: 해양수산부.

[16] Jeong, B., 2023, An Integrated Deep Learning Model based on Retail, Residential and Footfall Changes data to Predict Retail Gentrification, Ph.D. Dissertation, Department of Geography, University College London.

[17] Jeong, B., Allen, J., and Chapple, K., 2024, A new commercial boundary dataset for metropolitan areas in the USA and Canada, built from open data. Scientific Data, 11, 422.10.1038/s41597-024-03275-338658658PMC11043369

[18] Jeong, B., Song, J., and Kim, Y., 2025, An open retail boundary dataset for South Korea using open data and computer vision technique, Scientific Data, 12, 622.10.1038/s41597-025-04958-140229307PMC11997229

[19] Kim, W., Kanezaki, A., and Tanaka, M., 2020, Unsupervised learning of image segmentation based on differentiable feature clustering, IEEE Transactions on Image Processing, 29.10.1109/TIP.2020.3011269

[20] 행정안전부 한국지역정보개발원 지방행정인허가데이터개방시스템, https://www.localdata.go.kr

[21] arXiv, https://arxiv.org/pdf/1807.02811(Peter I. Frazier, 2018, “A tutorial on Bayesian optimization”)

Journal of the Association of Korean Geographers ISSN:2287-4739(Print) 2733-8991(Online) 한국지리학회지

All Issue