KR102161336B1 - 무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치 - Google Patents

무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치 Download PDF

Info

Publication number
KR102161336B1
KR102161336B1 KR1020170145513A KR20170145513A KR102161336B1 KR 102161336 B1 KR102161336 B1 KR 102161336B1 KR 1020170145513 A KR1020170145513 A KR 1020170145513A KR 20170145513 A KR20170145513 A KR 20170145513A KR 102161336 B1 KR102161336 B1 KR 102161336B1
Authority
KR
South Korea
Prior art keywords
network
scalability
vulnerability
trade
processor
Prior art date
Application number
KR1020170145513A
Other languages
English (en)
Other versions
KR20190050206A (ko
Inventor
은상규
배원길
배연정
서교
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020170145513A priority Critical patent/KR102161336B1/ko
Publication of KR20190050206A publication Critical patent/KR20190050206A/ko
Application granted granted Critical
Publication of KR102161336B1 publication Critical patent/KR102161336B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치가 개시된다. 실시예에 따른 무역 네트워크의 확장성 평가 방법은, 수출 품목에 대응하여, 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 무역 네트워크를 생성하는 단계; 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 무역 네트워크를 갱신하는 단계; 및 갱신된 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상(shape)과 관련된 파라미터에 기초하여, 갱신된 무역 네트워크의 확장성을 평가하는 단계를 포함한다.

Description

무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치{METHOD FOR EVALUATING SCAILABILITY OF TRADE NETWORK AND APPARATUS THEREOF}
아래 실시예들은 무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치에 관한 것이다.
국내 농산물 수출은 상품의 다각화뿐만 아니라 수출 지역의 다변화가 필요한 시점이며, 정책 지원을 통해 수출 확대를 노력하고 있지만 지역 및 상품을 선정함에 의사 결정을 도울 수 있는 수치 정보가 부족한 실정이다.
기존 농산물 수출 안정성을 평가하는 방법에 있어서, 중력 모델을 이용하여 특정 상품과 수출 국가 및 수입 국가의 일대일 관계로부터 평가하는 것이 일반적이다.
본 발명의 배경이 되는 기술은 다음의 문헌에 개시되어 있다.
국내공개논문 "사회망분석 모형을 이용한 국내 신선농산물 수출과 조직화 효과 분석"(공개일 2016.08)
상기의 논문에는 네트워크 분석 기법인 중심성 및 최대 흐름을 이용하여 국내 농산물 수출 안정성을 평가하는 방법에 대해서 개시한다.
실시예에서, 국내 농산물 수출 상품과 수출되는 다수의 국가를 고려하여 국내 농산물의 수출 안정성을 평가하는 방법을 제공하고자 한다.
이를 위해, 상품별 수출 물량 및 수출 국가에 따른 안정성을 평가하기 위해 빅데이터 분석 방법인 네트워크 기법을 활용하는 평가 방법을 제공한다.
실시예에서, 수출 품목에 대응하여, 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 무역 네트워크를 생성하는 단계; 상기 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 상기 무역 네트워크를 갱신하는 단계; 및 상기 갱신된 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상(shape)과 관련된 파라미터에 기초하여, 상기 갱신된 무역 네트워크의 확장성을 평가하는 단계를 포함하는 무역 네트워크의 확장성 평가 방법이 제공될 수 있다.
상기 확률 분포 함수는 감마 분포 함수를 포함하고, 상기 형상과 관련된 파라미터는 형상모수(shape factor)를 포함할 수 있다.
상기 확장성은 상기 수출 품목에 대응하여, 새로운 수출국 및 기대 물량에 기초한 무역 협상의 품질 지표를 지시할 수 있다.
상기 확장성은 상기 무역 네트워크의 취약성에 기초한 함수에 의하여 결정될 수 있다.
상기 취약성은 상기 무역 네트워크에 포함된 특정 노드를 제거하는 경우 발생되는 상기 무역 네트워크의 구조 변화량을 포함할 수 있다.
상기 구조 변화량은 상기 무역 네트워크의 지름 변화량을 포함할 수 있다.
상기 무역 네트워크는 다중 연결 시스템을 포함하고, 상기 수출 품목은 농산물을 포함할 수 있다.
상기 무역 네트워크를 생성하는 단계는 상기 수출국에 대한 정보에 기초하여, 평가 대상국 및 수출국들 각각을 노드로 생성하는 단계; 및 상기 물류량에 대한 정보에 기초하여, 상기 평가 대상국 및 수출국들 사이를 연결선으로 연결하는 단계를 포함할 수 있다.
상기 연결선으로 연결하는 단계는 상기 물류량에 대한 정보에 기초하여 상기 연결선에 가중치를 부여하는 단계를 포함할 수 있다.
상기 확장성을 평가하는 단계는 상기 무역 네트워크 내 노드들 각각이 다른 노드들과 연결된 연결선수의 분포에 기초하여, 상기 확률 분포 함수의 상기 형상과 관련된 파라미터를 결정하는 단계를 포함할 수 있다.
상기 연결선수는 가중치가 고려될 수 있다.
상기 확장성을 평가하는 단계는 [수학식]을 이용하여 상기 확장성을 계산하는 단계를 포함할 수 있다.
수학식: 확장성 = f(취약성)
제2 수출 품목에 대응하여, 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 제2 무역 네트워크를 생성하는 단계; 상기 제2 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 상기 제2 무역 네트워크를 갱신하는 단계; 상기 무역 네트워크 및 상기 제2 무역 네트워크를 조합하여 제3 무역 네트워크를 생성하는 단계; 및 상기 제3 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상과 관련된 파라미터에 기초하여, 상기 제3 무역 네트워크의 확장성을 평가하는 단계를 더 포함할 수 있다.
상기 제3 무역 네트워크의 확장성은, 상기 수출 품목에 대응한 1차 무역 협상 및 상기 제2 수출 품목에 대응한 2차 무역 협상이 조합된 품질 지표를 지시할 수 있다.
상기 제3 무역 네트워크를 생성하는 단계는 상기 무역 네트워크의 노드와 상기 제2 무역 네트워크의 노드를 중복되지 않게 합치는 단계; 상기 무역 네트워크의 연결선의 가중치와 상기 제2 무역 네트워크의 연결선의 가중치를 합산하는 단계; 및 제3 무역 네트워크의 연결선들의 가중치들을 정규화하는 단계를 포함할 수 있다.
도 1은 일 실시예에 따른 무역 네트워크의 확장성 평가 방법의 흐름도이다.
도 2는 일 실시예에 따른 무역 네트워크의 확장성을 평가하는 방법을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 무역 네트워크의 구조를 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 형상모수 및 크기모수에 의한 분포 형태를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 무작위 네트워크(Random network)의 예시와 분포 형태를 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 척도 없는 네트워크(Scale-free network)와 분포 형태를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 실제 네트워크와 분포 형태를 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 노드 분포를 이용하여 무역 네트워크의 취약성을 비교하는 방법을 설명하기 도면이다.
도 9는 일 실시예에 따른 감마 분포를 이용한 네트워크의 취약성 평가 방법을 도출하기 위한 흐름도이다.
도 10은 일 실시예에 따른 노드 분포에 의한 실제 네트워크의 취약성을 나타낸 그래프이다.
도 11은 일 실시예에 따른 형상모수 및 네트워크 취약성 간의 관계를 나타내는 그래프이다.
도 12는 일 실시예에 따른 무역 네트워크의 확장성 평가 방법을 수행하는 장치의 구성을 설명하기 위한 블록도이다.
본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간의에"와 "바로~간의에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
실시예에 따른 무역 네트워크는 다중 연결 시스템을 포함할 수 있다. 무역 네트워크를 생성하기 위해 수풀 품목에 대응하여 수출국 각각을 노드로 구성하고, 수출 품목의 실제 수출 현황에 기초하여 수출국들을 연결한 형태를 가질 수 있다. 실시예에서, 수출 품목은 농산물을 포함할 수 있다.
다중 연결 시스템은 시스템을 구성하는 개별 요소 간의 관계를 형성함에 따라, 실시예에서는 수출 품목에 대응하는 수출국들 간의 관계를 형성함에 따라, 복수의 객체가 상호 연결되는 구조를 가진다. 다중 연결에서의 문제는 시스템을 구성하고 있는 각각의 개별 요소 문제보다 요소들의 관계에서 발생하고 있는 문제가 많으며, 구성 요소 사이의 연결이 증가함에 따라 문제의 복잡도 또한 높다.
실시예에서, 다중 연결 시스템은 직접 및 간접 연결, 구성 요소 관계의 방향성 유무, 시스템 구성 요소의 균일성을 기준으로 범주를 분류할 수 있다. 또한 다중 연결 시스템을 구성하고 있는 요소들의 연결은 물리적 거리의 고려 여부에 따라 속성을 구분할 수 있다
실시예에서는 간접 연결, 방향성이 없는 관계, 균일한 구성 요소로 이루어진 다중 연결 시스템을 대상으로 취약성을 분석하고, 취약성에 기초하여 확장성을 분석하고자 한다. 다중 연결 시스템의 취약성 분석은 네트워크 분석 기법을 기반으로 하고 있어, 다중 연결 시스템의 네트워크 모사가 필요하다. 다중 연결 시스템의 간접 연결, 방향성이 없는 관계, 균일한 구성 요소는 네트워크에서 가중치를 가지는 연결선, 방향이 없는 연결선, 동일한 속성으로 구성된 노드로 모사된다.
도 1은 일 실시예에 따른 무역 네트워크의 확장성 평가 방법의 흐름도이다.
단계(110)에서 장치는, 수출 품목에 대응하여 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 무역 네트워크를 생성한다. 무역 네트워크의 확장성 평가 방법을 수행하는 장치는, 적어도 하나의 소프트웨어 모듈, 적어도 하나의 하드웨어 모듈, 또는 이들의 다양한 조합으로 구현될 수 있다.
실시예에 따른 무역 네트워크는 특정 수출 품목에 대응하여 생성될 수 있다. 예를 들어, 하나의 수출 품목에 대응하여 하나의 무역 네트워크가 생성될 수 있다. 수출 품목은 예컨대, 농산물, 수산물 등을 포함할 수 있다. 이하, 설명의 편의를 위하여 수출 품목이 농산물인 경우를 설명하나, 실시예들은 수출 품목이 농산물 이외의 품목(예를 들어, 공산품 등)인 경우에도 적용될 수 있다.
수출국에 대한 정보는 특정 수출 품목을 교역하는 국가들을 포함한다. 예를 들어, A국에서 B국으로 특정 수출 품목을 수출하는 경우, 수출국에 대한 정보는 A국 및 B국을 모두 포함할 수 있다. 또한, 물류량에 대한 정보는 국가들 사이에서 해당 수출 품목의 물류량을 포함한다. 물류량은 실제 물류량의 형태로 저장되거나, 혹은 정규화된 물류량의 형태 등 적절한 형태로 저장될 수 있다. 이 경우, 특정 수출 품목을 교역하는 국가들 각각에 대해서 노드로 생성하고 교역국들 사이를 연결선으로 연결함으로써 무역 네트워크를 생성할 수 있다.
실시예에 따르면, 평가 대상국이 특정되고, 평가 대상국의 수출 품목 별로 무역 네트워크가 생성될 수 있다. 이 경우, 수출국에 대한 정보는 평가 대상국 및 해당 수출 품목이 수출되는 수출국들을 포함할 수 있다. 이 경우, 확장성을 평가하고자 하는 평가 대상국을 기준으로 평가 대상국 및 수출 품목들에 대응하는 수출국들 각각을 노드로 생성하고, 평가 대상국 및 수출국들 사이를 연결선으로 연결할 수 있다.
실시예에서, 연결선을 연결할 시, 수출 품목의 물류량에 기초하여 교역국들 사이의 연결선에 가중치를 부여할 수 있다. 예를 들어, 가중치는 0과 1 사이의 정수에 해당할 수 있고 최대 물류량 및 최소 물류량에 기초하여 각 수출 품목의 물류량에 대응하도록 정규화된 가중치가 부여될 수 있다.
단계(120)에서 장치는, 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 무역 네트워크를 갱신한다.
실시예에 따른 발명에서 평가하고자 하는 확장성은 수출 확대 시 기대 물량에 대한 확장성이며, 확장성은 수출 품목에 대응하여 새로운 수출국 및 기대 물량에 기초한 무역 협상의 품질 지표를 지시한다.
무역 네트워크를 갱신하기 위해서, 실제 수출 물류량에 기초하여 생성된 무역 네트워크에 새로이 추가하고자 하는 수출국 및 예상 수출 물류량을 정규화하여 무역 네트워크에 추가할 수 있다.
단계(130)에서 장치는, 갱신된 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상과 관련된 파라미터에 기초하여, 갱신된 무역 네트워크의 확장성을 평가한다.
앞서 설명한 바와 같이, 무역 네트워크의 확장성은 확장성은 특정 수출 품목에 대응하여, 새로운 수출국 및 기대 물량에 기초한 무역 협상의 품질 지표를 지시할 수 있다.
실시예에서, 갱신된 무역 네트워크 내 노드들 각각이 다른 노드들과 연결된 연결선수의 분포에 대응하여 확률 분포 함수의 형상과 관련된 파라미터를 결정할 수 있다. 확률 분포 함수는 감마 분포 함수를 포함하고, 형상과 관련된 파라미터는 형상모수(shape factor)를 포함할 수 있다. 확률 분포 함수를 획득할 시, 이용되는 노드들 간의 연결선수는 각 연결선에 대한 가중치가 고려되어 카운트될 수 있다. 실시예에서, 확률 분포 함수 및 이에 대응하는 형상모수를 획득하는 방법에 대해서는 후술하도록 한다.
실시예에 따른 확장성은 무역 네트워크의 취약성에 기초한 함수에 의하여 결정될 수 있다. 예를 들어, 실시예에 따른 확장성은 무역 네트워크의 취약성을 이용하는 아래의 수학식 1과 같이 정의될 수 있다.
[수학식 1]
확장성 = f(취약성)
예를 들어, <확장성= 1-취약성>과 같이 취약성이 낮아지면 확장성이 상대적으로 높아지는 함수를 이용하여 수학식을 구성할 수 있으며, 상기의 예시에 한정되지는 않는다.
취약성은, 무역 네트워크에 포함된 특정 노드를 제거하는 경우 발생되는 무역 네트워크의 구조 변화량을 포함할 수 있으며, 구조 변화량은 예를 들어 무역 네트워크의 지름 변화량을 포함할 수 있다.
실시예에서, 무역 네트워크의 취약성 분석은 무역 네트워크의 수출국들의 관계에 따른 취약성을 분석하기 위해서 무역 네트워크의 연결 구조에 따른 형상모수와 취약성 관계를 활용할 수 있다.
예를 들어, 다양한 수출 품목들 별로 수출 현황에 대한 빅 데이터를 분석함으로써, 다양한 형태의 무역 네트워크를 획득할 수 있다. 각 무역 네트워크의 취약성과 형상모수를 결정함으로써, 형상모수를 독립변수로 하고 취약성을 종속변수로 도식하는 그래프를 얻을 수 있다. 도출된 그래프에 따르면, 무역 네트워크의 취약성은 형상모수가 증가한 경우에 감소하는 경향성을 보이며, 커브피팅(curve fitting) 실시한 결과, 취약성 곡선은 지수함수의 형태로 정의될 수 있다.
보다 구체적으로, 무역 네트워크의 취약성은, 네트워크의 형상모수와 취약성의 관계를 활용하여 하기의 수학식 2와 같이 정의될 수 있다.
[수학식 2]
Figure 112017109018810-pat00001
여기서, vulnerability는 취약성을 의미하고, a, b는 상수, x는 형상모수를 의미한다. 수학식 1에 의하면, 형상모수의 값이 증가할수록 취약성은 낮아지는 지수함수의 형태를 가짐을 알 수 있다.
무역 네트워크에서 취약성은 특정 노드 및 연결선이 제거됨에 따라 발생 가능한 지름 변화량, 군집의 변화량, 중심지 변화량 등을 의미하며, 취약성의 정도는 노드에 포함된 연결선 수의 차이에 따라 발생하는 구조의 불균등으로 인하여 무역 네트워크의 네트워크 종류에 따라 차이가 발생한다.
예를 들어, 척도없는 네트워크(Scale-free Network)는 허브와 군집 연결 노드를 포함하고 있기 때문에 노드당 가지고 있는 연결선의 빈도 차이가 발생하며, 외부 공격 및 연쇄적 현상에 대한 취약성은 무작위 네트워크(Random Network)보다 높게 나타날 수 있다. 척도없는 네트워크는 전력망, 비행망 등과 같이, 작은 요소 변화로부터 전체 시스템의 기능 상실이 나타나는 현상이 발생할 수 있으며, 이러한 현상은 구조가 균등한 네트워크보다 구조가 불균등한 네트워크에서 커질 수 있다.
실시예에 있어서, 확장성이 평가된 수출 품목 이외의 제2 수출 품목에 대응하여 새로운 무역 네트워크를 생성하고, 수출 품목의 무역 네트워크와 제2 수출 품목의 무역 네트워크를 조합한 제3 무역 네트워크를 이용하여 무역 네트워크의 확장성을 평가할 수 있다.
실시예에 대해서, 도 2를 통해 후술하도록 한다.
도 2는 일 실시예에 따른 무역 네트워크의 확장성을 평가하는 방법을 설명하기 위한 도면이다.
실시예에서, 도 2(a)는 제1 수출 품목에 대응하는 무역 네트워크의 예시이고, 도 2(b)는 제2 수출 품목에 대응하는 무역 네트워크의 예시이다. 도 2(a) 및 도 2(b)의 무역 네트워크를 조합하면 도 2(c)와 같은 무역 네트워크를 획득할 수 있다.
예를 들어, 도 2(b)의 무역 네트워크는, 제1 수출 품목에 대한 협상이 완료된 후 제2 수출 품목에 대응하여 무역 협상을 진행하고자 할 시, 제2 수출 품목에 대해서 생성된 무역 네트워크에 제2 수출 품목을 수출하고자 하는 수출국 및 기대 물량을 추가한 갱신 무역 네트워크에 해당할 수 있다.
실시예에서, 도 2(c)의 무역 네트워크에 대해서 확장성을 평가함으로써 협상이 완료된 제1 수출 품목에 대응하여 제2 수출 품목의 협상을 완료할 시의 무역 네트워크에 대한 종합적인 확장성을 평가할 수 있다.
도 2(a) 및 도 2(b)의 무역 네트워크를 조합하여 도 2(c)의 무역 네트워크를 생성하는 방법의 일례로, 평가 대상국 및 수출국들을 모두 노드로 생성하고, 연결되는 모든 연결선을 연결하되, 각 연결선은 정규화된 가중치를 포함하고 있으므로 수출 품목의 연결선의 가중치를 평균하는 등의 방식을 통해 도 2(c)의 무역 네트워크를 생성할 수 있다. 예를 들어, 도 2(c)의 무역 네트워크의 가중치를 결정할 시, 제1 수출 품목 및 제2 수출 품목 각각에 대한 가중치를 곱하여 도 2(c)의 무역 네트워크의 가중치를 결정할 수도 있다.
실시예에서, 도 2(c)의 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상과 관련된 파라미터를 획득하고, 확률 분포 함수의 형상과 관련된 파라미터에 기초하여, 도 2(c)의 무역 네트워크의 확장성을 평가할 수 있다.
실시예에 따른 무역 네트워크의 확장성을 평가하는 방법은 도 1을 통해 전술된 방법이 이용될 수 있다.
실시예에 따른 확장성은 무역 네트워크의 취약성에 기초한 함수에 의하여 결정될 수 있다. 취약성은, 무역 네트워크에 포함된 특정 노드를 제거하는 경우 발생되는 무역 네트워크의 구조 변화량을 의미할 수 있다.
이하에서는, 무역 네트워크의 취약성을 평가하는 방법을 도출하기 위한 과정에 대해서 설명할 수 있다.
도 3은 일 실시예에 따른 무역 네트워크의 구조를 설명하기 위한 도면이다.
무역 네트워크의 구조를 변경하는 것은 노드 사이의 관계가 바뀌게 되는 것을 의미함에 따라, 하나의 노드와 인접 노드 사이에 존재하고 있는 노드 및 연결선의 수가 변하게 된다.
무역 네트워크에서는 노드들 사이에 위치해 있는 노드 및 연결선 수를 연결 경로로 나타내고 있으며, 연결 경로상의 연결선의 수 및 노드가 많아지는 것은 무역 네트워크에서의 거리가 멀어지게 됨을 의미한다. 즉, 무역 네트워크의 연결 경로가 길어지게 되면 현실에서 물질의 수송, 정보의 전파, 관계의 형성 등이 어려워지며, 무역 네트워크에서는 연결이 멀어지는 것과 연결이 끊기는 것 정도를 취약성으로 나타낼 수 있다.
도 3의 A 구조를 참조하면, 연결선이 많은 중심 노드가 제거되었을 경우, 나머지 노드들 사이의 연결 경로가 사라지게 된다. 반면, 도 3의 B 구조를 참조하면, 어느 하나의 노드가 제거 되어도 나머지 노드들 사이의 연결은 기존과 같이 유지될 수 있다.
실시예에서, 무역 네트워크의 취약성은 특정 노드가 제거 되어도 연결 경로가 늘어나지 않거나, 기존과 동일하게 노드들의 연결이 지속되는 것 정도를 나타내는 것으로서, 네트워크에서는 A 구조가 B 구조보다 취약성이 큰 것으로 해석될 수 다.
따라서, 연결선 수의 확률 분포를 통하여 네트워크 구조를 나타낼 수 있으며, 네트워크의 취약성 요소인 연결 경로는 네트워크의 구조 중 일부로써, 연결선 수의 확률 분포와 관계를 나타낼 수 있다.
도 4는 일 실시예에 따른 형상모수 및 크기모수에 의한 분포 형태를 설명하기 위한 도면이다.
감마 분포에 대한 아래의 수학식 2는 다양한 확률 분포를 나타낼 수 있는 식이며, 지수 분포나 가우스 분포 등의 매개 변수에 대한 컬레 사전 확률 분포로 사용될 수 있다. 감마 분포의 확률 분포 형태는 형상모수(Shape factor) 및 크기모수(규모, Scale factor)를 이용하여 나타낼 수 있으며, 이를 이용하여 지수 및 가우스 분포를 나타낼 수 있다.
[수학식 3]
Figure 112017109018810-pat00002
Figure 112017109018810-pat00003
감마 분포의 형상모수와 크기모수를 이용하여 멱급수 분포, 가우스 분포, 멱급수와 가우스 분포의 결합 형태를 나타낼 수 있다.
도 4에 의하면, 멱급수 분포는 형상모수의 크기가 1인 감마분포로 표현이 가능하며, 가우스 분포는 형상모수의 크기가 3인 감마 분포로 나타낼 수 있다. 또한 감마 분포의 형상모수의 크기가 1, 크기모수가 멱급수 계수의 역수일 때 멱급수 분포가 되며 감마 분포의 형상모수와 크기모수를 통해 카이제곱 분포 또한 구성할 수 있다.
형상모수의 크기는 커질수록 멱급수 분포에서 가우스 분포로 형태가 바뀌며, 분포 좌우의 꼬리의 형태는 크기 모수의 값에 의해 결정될 수 있다.
도 5는 일 실시예에 따른 무작위 네트워크(Random network)의 예시와 분포 형태를 설명하기 위한 도면이다.
무작위 네트워크는 도 5(a)로 표현될 수 있다. 무작위 네트워크는 특정 개수의 노드가 존재하는 네트워크에서 임의로 2개의 노드를 무작위로 뽑고, 그 두 노드 사이에 연결선이 없으면 새로운 연결선을 잇고, 연결선이 있으면 또 다른 2개의 노드를 뽑는 것을 반복함으로써 생성될 수 있다.
실시예에 따른 무작위 네트워크 연결선의 분포는 기댓값은 수학식 4로 표현되고 노드의 연결선 빈도는 가우시안 분포를 따른다.
[수학식 4]
Figure 112017109018810-pat00004
Figure 112017109018810-pat00005
노드 사이의 연결선이 있을 확률이 네트워크의 총 노드와 연결선이 비례인 수학식 5로 나타나며, 수학식 5를 토대로 총 연결선수의 기대치는 수학식 6으로 나타낼 수 있다. 결과적으로, 한 노드에 연결된 평균 연결선수는 수학식 7로 나타날 수 있다.
[수학식 5]
Figure 112017109018810-pat00006
[수학식 6]
Figure 112017109018810-pat00007
[수학식 7]
Figure 112017109018810-pat00008
무작위 네트워크의 연결선수 분포는 가우스 함수를 따르고 있는 것으로 나타낼 수 있다. 네트워크에서 정해진 수의 노드가 있고 어떤 한 노드는 다른 노드들과 총 노드수보다 1개 작은 수의 연결이 가능하다. 각각의 연결선은 노드에 연결될 확률로 존재할 경우 특정 노드가 연결될 확률은 수학식 8과 같이 표현될 수 있다.
[수학식 8]
Figure 112017109018810-pat00009
Figure 112017109018810-pat00010
수학식 8에서 노드 사이의 연결선이 있을 확률은, 네트워크의 총 노드의 수가 매우 커지거나 매우 작아지게 되면 수학식 9와 같이 가우스 분포를 따르게 된다.
[수학식 9]
Figure 112017109018810-pat00011
실시예에서, 도로망을 예시로 교체지점을 노드로 하고 도로를 연결선으로 하여 네트워크로 모사하면 도 5(a)의 무작위 네트워크로 표현될 수 있다. 이러한네트워크의 노드에 따른 연결선의 분포는 도 5(b)와 같이 가우스 분포로 나타난다.
무작위 네트워크는 도로망 등 기하학적 관계를 토대로 발생하고 있는 복잡계 현상을 표현하고 그에 따른 특징을 관측함에 있어 중요한 틀을 제공할 수 있다. 실시예에서, 노드의 연결선 빈도가 가우스 분포인 무작위 네트워크는 형상모수 6.65, 크기 모수 1.07인 감마 분포로 나타낼 수 있다.
도 6은 일 실시예에 따른 척도 없는 네트워크(Scale-free network)와 분포 형태를 설명하기 위한 도면이다.
도 6(a)와 같이, 척도없는 네트워크는 복잡한 현상에서 나타나는 특정 노드가 연결선을 독식하는 형태이며 전력망, 선충(c.elegans)의 신경망, 영화배우 연결망 등의 예시로 나타낼 수 있다. 척도없는 네트워크는 인터넷과 웹사이트를 조사하고 이들이 특정 노드에 연결선이 집중되고 있는 형태를 가진다. 웹 사이트를 분석한 결과, 노드의 연결선 분포는 수학식 10과 같이 멱급수 분포를 따른다.
[수학식 10]
Figure 112017109018810-pat00012
Figure 112017109018810-pat00013
척도없는 네트워크를 기본으로 하여 생성하는 네트워크는 단위시간당 한 개의 노드가 새로 생겨난다고 가정하여 일정 지난 후 네트워크에 존재하는 총 노드 수는 시간과 동일하며, 새로 생겨난 노드는 특정수의 연결선을 기존의 노드에 연결시킬 수 있다. 또한, 연결되는 노드는 무작위로 선택되는 것이 아니라 그 시간에 존재하는 각 노드의 연결선수에 비례하여 선택되도록 하였으며, 척도없는 네트워크는 선호적 연결을 할 수 있다.
도 6(a)은 척도없는 네트워크를 나타낸 것이며, 도 6(b)은 척도없는 네트워크에 대한 노드의 연결선 수의 빈도를 분포로 나타낸 것이다.
선호적 연결이 많은 노드는 네트워크의 구조적 불균형을 발생시킬 수 있고, 복잡한 현상을 분석 연구에서 현상을 설명하는 데에 활용될 수 있다. 척도없는 네트워크의 노드에 연결된 선의 분포는 감모 분포의 형상모수 1.81로 나타낼 수 있다.
도 7은 일 실시예에 따른 실제 네트워크와 분포 형태를 설명하기 위한 도면이다.
다중 연결로 이루어져 발생하는 복잡한 현상은 척도없는 네트워크 및 무작위 네트워크 하나만으로 나타나지 않는다. 네트워크에서의 연결선 분포는 구조, 취약성, 진화 등을 이해함에 있어 활용될 수 있다.
척도없는 네트워크와 무작위 네트워크로 모사되지 않는 복잡한 현상은 네트워크 분석 기법을 이용하는 것에 한계가 있는데, 감마 분포는 척도없는 네트워크와 무작위 네트워크의 특징이 동시에 나타나는 네트워크를 연결선 분포로 설명하기 위해서 활용될 수 있다.
도 7(a)는 도 5(a)와 도 6(a) 네트워크의 특징을 동시에 가지고 있다. 도 7(a)의 연결선 분포는 가우스 분포와 멱급수 분포 사이의 형태인 도 7(b)로 나타낼 수 있다. 실시예에 따른, 도 7(b)의 형상모수는 4.03이며 무작위 네트워크의 형상모수보다는 작고, 척도없는 네트워크의 형상모수보다는 크게 나타날 수 있다.
도 8은 일 실시예에 따른 노드 분포를 이용하여 무역 네트워크의 취약성을 비교하는 방법을 설명하기 위한 도면이다.
실시예에 따른 네트워크의 취약성 평가는, 특정 노드를 제거하고, 발생할 수 있는 노드의 연결선 수 분포 변화와 지름 변화량 등 구조의 변화를 산출하면서부터 시작될 수 있다.
네트워크의 취약성 정도는 네트워크가 외부 공격 혹은 내부적 문제에 의한 노드 및 연결선이 제거 되었을 경우, 발생하는 네트워크의 구조 변화를 측정하는 것이다.
척도없는 네트워크와 무작위 네트워크는 노드 제거에 따른 취약성의 평가가 이루어져 있어, 제거하는 노드의 연결선 수 정도에 따른 취약성 변화 예측이 가능하나 대부분의 복잡한 문제를 모사한 네트워크는 무작위 및 척도없는 네트워크의 구조 특징이 동시에 나타나므로, 모사한 네트워크의 취약성 평가는 노드 제거 및 구조 변화를 측정하는 여러 방법을 이용하여 반복 계산이 필요로 한다.
네트워크의 취약성 및 구조 특징은 노드의 연결선 수 분포에 따라 결정되므로, 네트워크 구조 특성을 표현한 연결선 수의 확률분포와 노드의 연결 구조에 따른 취약성을 비교할 수 있다. 네트워크 연결선수의 확률분포는 무작위 네트워크의 구조를 나타내는 가우스 분포와 척도없는 네트워크의 구조를 나타내는 멱급수 분포의 혼합된 형태를 나타낼 수 있는 감마분포를 이용할 수 있으며, 감마분포에서 확률 분포 형태를 결정하는 형상모수의 크기로 네트워크 구조를 나타낼 수 있다.
예를 들어, 무작위 네트워크에서 연결 구조는 각 노드에 포함된 연결선 수가 동일한 형태로서, 노드의 연결선 수는 가우스 분포를 따르고 있어, 형상모수는 6~8의 값을 나타낸다. 또한 척도없는 네트워크는 일부 노드에 연결선이 집중되는 불균등한 구조로서, 네트워크의 연결선 수의 빈도는 멱급수 분포를 따르고 있으며, 형상모수는 1~2의 값을 나타낼 수 있다. 무작위 네트워크 및 척도없는 네트워크가 혼합되어 나타나는 네트워크 구조는 기본이 되는 두 네트워크의 비중에 따라 형상모수가 2~6의 값으로 산출될 수 있다.
도 9는 일 실시예에 따른 감마 분포를 이용한 네트워크의 취약성 평가 방법을 도출하기 위한 흐름도이다.
도 8에 도시된 실시예와 같이, 취약성 평가는 실세계를 모사한 무작위 네트워크와 척도없는 네트워크를 혼합한 네트워크를 대상으로 실시하며, 혼합된 비율에 따른 구조 특징은 형상모수와 취약성을 산출할 수 있다.
취약성 평가는 노드를 제거함에 따라 발생하는 구조 변화를 측정한 결과이며, 구조 변화량은 수학식 11의 네트워크의 지름 및 중심성과 노드의 불안정성을 값을 이용할 수 있다.
[수학식 11]
Figure 112017109018810-pat00014
Figure 112017109018810-pat00015
각 네트워크의 취약성은 모든 노드를 무작위로 제거하고 이에 따른 연결정도 및 사이정도인 중심성을 측정할 수 있다.
그리고 연결정도 및 사이정도 변화량을 기준으로 노드를 순차적으로 제거하고 이에 따른 네트워크 지름 변화량 비율을 측정하였으며, 모래 사태에 의한 노드의 불안정성을 계산한다.
실시예에서의 네트워크 취약성은 네트워크의 평균 중심성 및 지름의 변화량과 노드의 불안정성 변화량의 평균값을 측정하여 가장 큰 값으로 할 수 있다. 네트워크의 공격 정도를 나타내는 노드 제거는 동시에 1개에서부터 10개까지 할 수 있다.
무작위 및 척도없는 네트워크를 혼합한 구조에서 형상모수 및 취약성의 상관관계는 네트워크의 크기 및 연결 구조의 변화로 구분하여 비교할 수 있다.
예를 들어, 연결 구조에 따른 비교는 총 200개의 혼합 비율이 다른 네트워크를 대상으로 산출한 형상모수 및 취약성의 관계를 분석하는 것에 대응할 수 있다.
다중 연결 시스템의 크기는 노드 및 연결선 개수에 의해 결정되며, 크기를 증가시키는 것은 노드 및 연결선의 개수를 늘려가는 것을 의미한다. 단 네트워크의 크기 변화는 동일한 구조에서 노드 및 연결선의 개수를 증가시키는 것으로, 형상모수는 네트워크의 크기에 상관없이 동일하다.
네트워크 크기에 따른 비교는 노드 및 연결선의 수를 증가에 따른 형상모수 및 취약성의 관계를 나타낸 것이다. 예를 들어, 네트워크 크기에 따른 형상모수 및 취약성 비교는 척도없는 네트워크, 무작위 네트워크, 형상모수가 크기가 1.5, 2.2, 3.5인 네트워크를 대상으로 설정할 수 있다. 무작위 네트워크와 척도없는 네트워크를 각각 비율에 따라 결합한 대상에 해당할 수 있다.
실시예에 의한 결합 비율에 따라, 동일한 노드와 연결선을 가진 다중 연결 시스템은 총 200개이다. 다중 연결 시스템 구성은 프로그램 RTM의 igraph에서 제공하는 함수인 sample_pe, sample_gnm, union을 사용할 수 있다.
도 10은 일 실시예에 따른 노드 분포에 의한 실제 네트워크의 취약성을 나타낸 그래프이다.
실시예에서, 무작위 및 척도없는 네트워크를 혼합한 네트워크의 취약성은 동일한 연결 구조에서 노드 개수를 늘려가는 조건에서 산출하였으며, 혼합한 네트워크의 종류는 총 3가지로서, 각각의 형상모수는 1.5, 2.2, 3.0에 해당할 수 있다.
도 10은 무역 네트워크의 노드 개수에 따른 취약성 크기를 나타낸 것이며, 가로축은 노드의 개수, 세로축은 취약성을 나타낸다.
혼합 네트워크에서의 취약성은 형상모수가 커지는 경우와 노드의 개수가 증가하는 경우에 커지는 것으로 나타남을 알 수 있다. 형상모수의 크기가 1.5인 혼합 네트워크에서의 취약성은 노드의 개수가 150에서 750으로 늘어남에 따라 0.993에서 0.993로 증가하였다. 그러나 형상모수가 1.5에서 3.0으로 커짐에 따라 취약성은 노드 개수 150인 경우 0.993에서 0.990으로 감소하였으며, 다음과 같은 경향은 네트워크의 노드 개수를 나타내는 도 10의 가로축에서 나타났다.
실시예에 따른 혼합 네트워크의 취약성은 규모가 커지는 증가하지만, 형상모수의 크기가 증가함에 따라 감소하는 것으로 나타났다. 혼합 네트워크의 취약성은 네트워크의 규모에 영향을 받고 있을 뿐만 아니라, 연결 구조에 의해서도 영향을 받을 수 있다. 따라서 동일한 규모의 혼합 네트워크에서 연결 구조에 따른 취약성을 산출하고 형상모수와 취약성을 비교할 수 있다.
도 11은 일 실시예에 따른 형상모수 및 네트워크 취약성 간의 관계를 나타내는 그래프이다.
실시예에서, 동일한 규모인 혼합 네트워크의 형상모수와 취약성은 연결 구조가 변함에 따라 감소와 증가를 반복하며, 형상모수의 크기가 가장 큰 경우와 취약성의 크기가 가장 작은 경우는 다중 연결 시스템의 유사한 연결 구조에서 나타났다.
앞서 도출한 무작위 네트워크 및 척도없는 네트워크의 혼합한 구조의 형상 모수와 취약성의 관계는 형상 모수를 독립변수와 취약성을 종속변수로 도식함에 따라 도 11의 그래프와 같이 나타난다.
도 11에서 혼합한 구조의 네트워크 취약성은 형상 모수가 증가함에 따라 감소하는 추세를 보인다.
도 12는 일 실시예에 따른 무역 네트워크의 확장성 평가 방법을 수행하는 장치의 구성을 설명하기 위한 블록도이다.
실시예에 따라 무역 네트워크의 확장성 평가 방법을 수행하는 장치(1200)는 메모리(1210) 및 프로세서(1220)를 통해 구성될 수 있다.
프로세서(1220)는, 수출 품목에 대응하여 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 무역 네트워크를 생성한다.
실시예에 따른 무역 네트워크는 수출 품목에 대응하여 생성될 수 있다. 예를 들어, 하나의 수출 품목에 대응하여 하나의 무역 네트워크가 생성될 수 있다. 수출 품목은 예컨대, 농산물, 수산물 등을 포함할 수 있다.
수출 품목들에 대응하는 수출국들 각각에 대해서 노드로 생성하고 수출국들 사이를 연결선으로 연결함으로써 무역 네트워크를 생성할 수 있다. 확장성을 평가하고자 하는 평가 대상국을 기준으로 평가 대상국 및 수출 품목들에 대응하는 수출국들 각각을 노드로 생성하고, 평가 대상국 및 수출국들 사이를 연결선으로 연결할 수 있다.
실시예에서, 연결선을 연결할 시, 수출 품목의 물류량에 기초하여 수출국들 사이의 연결선에 가중치를 부여할 수 있다. 예를 들어, 가중치는 0과 1 사이의 정수에 해당할 수 있고 최대 물류량 및 최소 물류량에 기초하여 각 수출 품목의 물류량에 대응하도록 정규화된 가중치가 부여될 수 있다.
프로세서(1220)는, 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 무역 네트워크를 갱신한다.
실시예에 따른 발명에서 평가하고자 하는 확장성은 수출 확대 시 기대 물량에 대한 확장성이며, 확장성은 수출 품목에 대응하여 새로운 수출국 및 기대 물량에 기초한 무역 협상의 품질 지표를 지시한다.
무역 네트워크를 갱신하기 위해서, 실제 수출 물류량에 기초하여 생성된 무역 네트워크에 새로이 추가하고자 하는 수출국 및 수출 물류량을 정규화하여 무역 네트워크에 추가할 수 있다.
프로세서(1220)는, 갱신된 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상과 관련된 파라미터에 기초하여, 갱신된 무역 네트워크의 확장성을 평가한다.
앞서 설명한 바와 같이, 무역 네트워크의 확장성은 확장성은 특정 수출 품목에 대응하여, 새로운 수출국 및 기대 물량에 기초한 무역 협상의 품질 지표를 지시할 수 있다.
실시예에서, 갱신된 무역 네트워크 내 노드들 각각이 다른 노드들과 연결된 연결선수의 분포에 대응하여 확률 분포 함수의 형상과 관련된 파라미터를 결정할 수 있다. 확률 분포 함수는 감마 분포 함수를 포함하고, 형상과 관련된 파라미터는 형상모수(shape factor)를 포함할 수 있다.
확률 분포 함수를 획득할 시, 이용되는 노드들 간의 연결선수는 각 연결선에 대한 가중치가 고려되어 카운트될 수 있다. 예를 들어, 확률 분포 함수를 획득하지 않고 형상모수를 획득할 수도 있다. 실시예에서, 확률 분포 함수 및 이에 대응하는 형상모수를 획득하는 방법에 대해서는 후술하도록 한다.
실시예에 따른 확장성은 무역 네트워크의 취약성에 기초한 함수에 의하여 결정될 수 있다. 취약성은, 무역 네트워크에 포함된 특정 노드를 제거하는 경우 발생되는 무역 네트워크의 구조 변화량을 포함할 수 있으며, 구조 변화량은 예를 들어 무역 네트워크의 지름 변화량을 포함할 수 있다.
실시예에서, 무역 네트워크의 취약성 분석은 무역 네트워크의 수출국들의 관계에 따른 취약성을 분석하기 위해서 네트워크의 연결 구조에 따른 형상모수와 취약성 관계를 활용할 수 있다.
도출된 네트워크의 형상모수와 취약성의 관계는 형상모수를 독립변수와 취약성을 종속변수로 도식함에 따라, 네트워크의 취약성은 형상모수가 증가한 경우에 감소하였으며, 형상모수에 따른 취약성의 변화를 커브피팅(curve fitting) 실시한 결과, 취약성 곡선은 지수함수의 형태를 나타나는 결과를 획득할 수 있다. 해당 사항에 대한 구체적인 내용은 후술하도록 한다.
무역 네트워크의 취약성은, 네트워크의 형상모수와 취약성의 관계를 활용하여 하기의 수학식 1과 같이 나타낼 수 있다.
[수학식 1]
Figure 112017109018810-pat00016
여기서, vulnerability는 취약성을 의미하고, a, b는 정수, x는 형상모수를 의미한다. 수학식 1에 의하면, 형상모수의 값이 증가할수록 취약성은 낮아지는 지수함수의 형태를 가짐을 알 수 있다.
무역 네트워크에서 취약성은 특정 노드 및 연결선이 제거됨에 따라 발생 가능한 지름 변화량, 군집의 변화량, 중심지 변화량 등을 의미하며, 취약성의 정도는 노드에 포함된 연결선 수의 차이에 따라 발생한 구조 불균등으로 무역 네트워크의 네트워크 종류에 따라 차이가 발생한다.
예를 들어, 척도없는 네트워크(Scale-free Network)는 허브와 군집 연결 노드를 포함하고 있기 때문에 노드당 가지고 있는 연결선의 빈도 차이가 발생하며, 외부 공격 및 연쇄적 현상에 대한 취약성은 무작위 네트워크보다 높게 나타날 수 있다. 척도없는 네트워크는 전력망, 비행망 등과 같이, 작은 요소 변화로부터 전체 시스템의 기능 상실이 나타나는 현상이 발생할 수 있으며, 이러한 현상은 구조가 균등한 네트워크보다 구조가 불균등한 네트워크에서 커질 수 있다.
실시예에 따른 확장성은 무역 네트워크의 취약성을 이용하는 아래의 수학식 2와 같이 나타낼 수 있다.
[수학식 2]
확장성 = f(취약성)
예를 들어, <확장성= 1-취약성>과 같이 취약성이 낮아지면 확장성이 상대적으로 높아지는 함수를 이용하여 수학식을 구성할 수 있으며, 상기의 예시에 한정되지는 않는다.
실시예에 있어서, 프로세서(1220)는 확장성이 평가된 수출 품목 이외의 제2 수출 품목에 대응하여 새로운 무역 네트워크를 생성하고, 수출 품목의 무역 네트워크와 제2 수출 품목의 무역 네트워크를 조합한 제3 무역 네트워크를 이용하여 무역 네트워크의 확장성을 평가할 수 있다. 해당 실시예에 대해서 도 2의 설명을 참조한다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 또는 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (20)

  1. 적어도 하나의 프로세서를 이용하여, 수출 품목에 대응하여, 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 무역 네트워크를 생성하는 단계;
    상기 프로세서를 이용하여, 상기 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 상기 무역 네트워크를 갱신하는 단계; 및
    상기 프로세서를 이용하여, 상기 갱신된 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상(shape)과 관련된 파라미터에 기초하여, 상기 갱신된 무역 네트워크의 확장성을 평가하는 단계
    를 포함하고,
    상기 확률 분포 함수는 감마 분포 함수를 포함하며, 상기 형상과 관련된 파라미터는 형상모수(shape factor)를 포함하고,
    상기 확장성은 상기 무역 네트워크의 취약성에 기초한 함수에 의하여 결정되며, 상기 취약성은 상기 형상과 관련된 파라미터에 기초하여 결정되고, 상기 취약성은 상기 무역 네트워크에 포함된 특정 노드를 제거하는 경우 발생되는 상기 무역 네트워크의 구조 변화량을 포함하며,
    상기 무역 네트워크는 무작위 네트워크 및 척도없는 네크워크를 혼합한 구조의 다중 연결 시스템을 포함하고,
    상기 확장성을 평가하는 단계는
    상기 프로세서를 이용하여, 하기 [수학식]에 기초하여 상기 확장성을 결정하는 단계
    를 포함하는,
    [수학식]
    확장성 = f(취약성)
    where,
    Figure 112019028401717-pat00029

    (여기서, f()는 상기 취약성이 낮아지면 상기 확장성이 상대적으로 높아지도록 하는 함수이고, vulnerability는 상기 취약성이며, a, b는 미리 정해진 파라미터이고, x는 상기 형상모수임.)
    무역 네트워크의 확장성 평가 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 구조 변화량은
    상기 무역 네트워크의 지름 변화량을 포함하는
    무역 네트워크의 확장성 평가 방법.
  7. 제1항에 있어서,
    상기 수출 품목은 농산물을 포함하는
    무역 네트워크의 확장성 평가 방법.
  8. 제1항에 있어서,
    상기 무역 네트워크를 생성하는 단계는
    상기 프로세서를 이용하여, 상기 수출국에 대한 정보에 기초하여, 평가 대상국 및 수출국들 각각을 노드로 생성하는 단계; 및
    상기 프로세서를 이용하여, 상기 물류량에 대한 정보에 기초하여, 상기 평가 대상국 및 수출국들 사이를 연결선으로 연결하는 단계
    를 포함하는,
    무역 네트워크의 확장성 평가 방법.
  9. 제8항에 있어서,
    상기 연결선으로 연결하는 단계는
    상기 프로세서를 이용하여, 상기 물류량에 대한 정보에 기초하여 상기 연결선에 가중치를 부여하는 단계
    를 포함하는,
    무역 네트워크의 확장성 평가 방법.
  10. 제1항에 있어서,
    상기 확장성을 평가하는 단계는
    상기 프로세서를 이용하여, 상기 무역 네트워크 내 노드들 각각이 다른 노드들과 연결된 연결선수의 분포에 기초하여, 상기 확률 분포 함수의 상기 형상과 관련된 파라미터를 결정하는 단계
    를 포함하는
    무역 네트워크의 확장성 평가 방법.
  11. 제10항에 있어서,
    상기 연결선수는 가중치가 고려되어 결정되는,
    무역 네트워크의 확장성 평가 방법.
  12. 삭제
  13. 적어도 하나의 프로세서를 이용하여, 수출 품목에 대응하여, 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 무역 네트워크를 생성하는 단계;
    상기 프로세서를 이용하여, 상기 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 상기 무역 네트워크를 갱신하는 단계; 및
    상기 프로세서를 이용하여, 상기 갱신된 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상(shape)과 관련된 파라미터에 기초하여, 상기 갱신된 무역 네트워크의 확장성을 평가하는 단계;
    상기 프로세서를 이용하여, 제2 수출 품목에 대응하여, 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 제2 무역 네트워크를 생성하는 단계;
    상기 프로세서를 이용하여, 상기 제2 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 상기 제2 무역 네트워크를 갱신하는 단계;
    상기 프로세서를 이용하여, 상기 무역 네트워크 및 상기 제2 무역 네트워크를 조합하여 제3 무역 네트워크를 생성하는 단계;
    상기 프로세서를 이용하여, 상기 제3 무역 네트워크의 연결 구조에 대응하는 감마 분포 함수의 형상모수에 기초하여, 상기 제3 무역 네트워크의 취약성을 평가하는 단계; 및
    취약성과 확장성 사이의 관계를 정의하는 함수에 기초하여, 상기 취약성으로부터 상기 제3 무역 네트워크의 확장성을 결정하는 단계
    를 포함하고,
    상기 확률 분포 함수는 감마 분포 함수를 포함하며, 상기 형상과 관련된 파라미터는 형상모수(shape factor)를 포함하고,
    상기 확장성은 상기 무역 네트워크의 취약성에 기초한 함수에 의하여 결정되며, 상기 취약성은 상기 형상과 관련된 파라미터에 기초하여 결정되고, 상기 취약성은 상기 무역 네트워크에 포함된 특정 노드를 제거하는 경우 발생되는 상기 무역 네트워크의 구조 변화량을 포함하며,
    상기 무역 네트워크는 다중 연결 시스템을 포함하는,
    무역 네트워크의 확장성 평가 방법.
  14. 삭제
  15. 제13항에 있어서,
    상기 제3 무역 네트워크를 생성하는 단계는
    상기 프로세서를 이용하여, 상기 무역 네트워크의 노드와 상기 제2 무역 네트워크의 노드를 중복되지 않게 합치는 단계;
    상기 프로세서를 이용하여, 상기 무역 네트워크의 연결선의 가중치와 상기 제2 무역 네트워크의 연결선의 가중치를 합산하는 단계; 및
    상기 프로세서를 이용하여, 제3 무역 네트워크의 연결선들의 가중치들을 정규화하는 단계
    를 포함하는,
    무역 네트워크의 확장성 평가 방법.
  16. 하드웨어와 결합되어 제1항, 제6항 내지 제11항, 제13항 및 제15항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  17. 무역 네트워크의 확장성 평가 방법을 수행하는 장치에 있어서,
    메모리; 및
    상기 메모리에 저장되는 하나 이상의 프로그램을 실행하는 프로세서
    를 포함하고,
    상기 프로세서는,
    수출 품목에 대응하여, 물류량에 대한 정보 및 수출국에 대한 정보에 기초하여 무역 네트워크를 생성하고, 상기 수출 품목의 새로운 수출국 및 기대 물량에 기초하여, 상기 무역 네트워크를 갱신하며, 상기 갱신된 무역 네트워크의 연결 구조에 대응하는 확률 분포 함수의 형상(shape)과 관련된 파라미터에 기초하여, 상기 갱신된 무역 네트워크의 확장성을 평가하고,
    상기 확률 분포 함수는 감마 분포 함수를 포함하며, 상기 형상과 관련된 파라미터는 형상모수(shape factor)를 포함하고,
    상기 확장성은 상기 무역 네트워크의 취약성에 기초한 함수에 의하여 결정되며, 상기 취약성은 상기 형상과 관련된 파라미터에 기초하여 결정되고, 상기 취약성은 상기 무역 네트워크에 포함된 특정 노드를 제거하는 경우 발생되는 상기 무역 네트워크의 구조 변화량을 포함하며,
    상기 무역 네트워크는 무작위 네트워크 및 척도없는 네크워크를 혼합한 구조의 다중 연결 시스템을 포함하고
    상기 확장성을 평가하는 단계는
    상기 프로세서를 이용하여, 하기 [수학식]에 기초하여 상기 확장성을 결정하는 단계
    를 포함하는,
    [수학식]
    확장성 = f(취약성)
    where,
    Figure 112019028401717-pat00030

    (여기서, f()는 상기 취약성이 낮아지면 상기 확장성이 상대적으로 높아지도록 하는 함수이고, vulnerability는 상기 취약성이며, a, b는 미리 정해진 파라미터이고, x는 상기 형상모수임.)
    장치.
  18. 삭제
  19. 삭제
  20. 제17항에 있어서,
    상기 확장성을 평가하기 위해 상기 프로세서는,
    상기 무역 네트워크 내 노드들 각각이 다른 노드들과 연결된 연결선수의 분포에 기초하여, 상기 확률 분포 함수의 상기 형상과 관련된 파라미터를 결정하는,
    장치.
KR1020170145513A 2017-11-02 2017-11-02 무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치 KR102161336B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170145513A KR102161336B1 (ko) 2017-11-02 2017-11-02 무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170145513A KR102161336B1 (ko) 2017-11-02 2017-11-02 무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치

Publications (2)

Publication Number Publication Date
KR20190050206A KR20190050206A (ko) 2019-05-10
KR102161336B1 true KR102161336B1 (ko) 2020-09-29

Family

ID=66580725

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170145513A KR102161336B1 (ko) 2017-11-02 2017-11-02 무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치

Country Status (1)

Country Link
KR (1) KR102161336B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI720663B (zh) * 2019-10-24 2021-03-01 王立宇 多區域貿易分析系統與方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101425280B1 (ko) * 2012-11-23 2014-08-01 경기대학교 산학협력단 단절노드의 가중치 산출 방법 및 그를 이용한 네트워크 안정성 측정 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
강동준 외 1인, "SNA(Social Network Analysis)를 활용한 한국무역학회지 공저자 네트워크 분석". 무역학회지, 2015년 11월, 제40권, 제5호, pp.1-23.*
이형진, "감마분포로 추출한 허브 네트워크와 확산 및 구조 신뢰성 해석", 서울대학교 대학원 공학박사학위논문, 2014년 2월.*
임병학, "유럽 국가들 간 무역 네트워크 영향력과 핵심-주변 분석을 통한 국가 충격의 전염효과에 대한 연구". 유라시아연구, 2012년 3월, 제9권, 제1호, pp.93-117.*
한보현 외 1인, "농산물 무역 네트워크 변화 분석". 농촌경제, 2016년 7월, 제39권, 제2호, pp.93-128.*

Also Published As

Publication number Publication date
KR20190050206A (ko) 2019-05-10

Similar Documents

Publication Publication Date Title
WO2021046551A1 (en) Graph evolution and outcome determination for graph-defined program states
CN109218304B (zh) 一种基于攻击图和协同进化的网络风险阻断方法
Davendra et al. Complex network analysis of differential evolution algorithm applied to flowshop with no-wait problem
CN108021982A (zh) 数据传输方法和系统、电子设备
CN107622801A (zh) 疾病概率的检测方法和装置
Jiang et al. A multiagent evolutionary framework based on trust for multiobjective optimization.
KR20230023136A (ko) 주의 기반 사이버 공격 경로 추론 장치, 지능형 공격 경로 예측 모델 학습 장치 및 방법
KR102161336B1 (ko) 무역 네트워크의 확장성 평가 방법 및 이를 수행하는 장치
Bailey et al. Automatic generation of graph models for complex networks by genetic programming
Ackermann et al. Black-box learning of parametric dependencies for performance models
KR102161335B1 (ko) 무역 네트워크의 취약성 평가 방법 및 이를 수행하는 장치
CN112034139A (zh) 岩爆倾向性等级的判别方法、装置及电子设备
Miura et al. The origin of asymmetric behavior of money flow in the business firm network
CN109952742A (zh) 图结构处理方法、系统、网络设备及存储介质
CN113537461B (zh) 基于sir值学习的网络关键节点发现方法及系统
CN113642226A (zh) 基于多目标进化算法的公平机器学习模型的训练方法
CN114118608A (zh) 电网业务配比优化方法、装置、终端及存储介质
CN107888590B (zh) 一种基于gpu与贝叶斯网络推理的未知木马的检测方法
Mokhlissi et al. The evaluation of the number and the entropy of spanning trees on generalized small-world networks
Renau et al. Automated algorithm selection for radar network configuration
EP2909687B1 (en) System testing algorithm and apparatus
Kadavy et al. Boundary Strategies For Firefly Algorithm Analysed Using CEC'17 Benchmark.
KR101672621B1 (ko) 클러스터 적합도를 이용한 그래프 데이터 분산 방법
CN117118689B (zh) 一种不平衡数据物联网入侵检测方法及装置
Shang et al. Chance Constrained Model Predictive Control via Active Uncertainty Set Learning and Calibration

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2019101002490; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20190725

Effective date: 20200820

GRNO Decision to grant (after opposition)
GRNT Written decision to grant