---
type: paper
slug: marcos-pereira-de-novais-2021-e-waste-smart-cities
title: Modelling e-waste management data in smart cities
authors:
  - '[[marcos-pereira-de-novais]]'
  - '[[victor-de-almeida-xavier]]'
  - '[[lucia-helena-xavier]]'
  - '[[junseokhwang]]'
year: 2021
venue: '[[ieee-scla]]'
volume: ''
pages: ''
doi: 10.1109/SCLA53004.2021.9540096
categories:
  - '[[ict-policy]]'
methods:
  - '[[linear-regression]]'
  - '[[k-means-clustering]]'
themes:
  - '[[smart-cities]]'
  - '[[e-waste]]'
  - '[[sustainability]]'
last_updated: '2026-05-17T20:00:00+09:00'
---
# Modelling e-waste management data in smart cities

*[[marcos-pereira-de-novais]], [[victor-de-almeida-xavier]], [[lucia-helena-xavier]], [[junseokhwang]] (2021)* · [[ieee-scla]] · [DOI ↗](https://doi.org/10.1109/SCLA53004.2021.9540096)

> IMD Smart City Index 2020 의 109 개 스마트 도시 (Taipei 데이터 부재로 108) 에서 1 인당 GDP 와 1 인당 e-waste 생성량의 상관관계를 [[linear-regression]] (R²=0.91 전체, R²=0.22 AAA-AA-A 상위 그룹) 과 [[k-means-clustering]] (silhouette 기반 K=2 최적) 으로 분석한다. 전체 도시에선 강한 양의 상관관계가 존재하지만, 상위 등급 도시들 (AAA-AA-A) 사이에선 약한 상관 → 일정 발달 단계 후엔 분리.

- **RQ**: 스마트 시티 발달 지표 (SCI ranking, GDP per capita, HDI) 와 e-waste 관리 (생성량, 처리 인프라) 사이의 통계적 상관관계는 어떻게 표현되며, 발달 단계별로 어떻게 다른가?
- **방법론**: [[linear-regression]] (simple, least squares), [[k-means-clustering]] (K=2 silhouette optimal)
- **데이터**: IMD Smart City Index 2020 의 109 개 도시 (HDI 4 그룹 / 등급 AAA~D); Global E-Waste Monitor 2020 (UN University) 1 인당 e-waste; World Bank GDP per capita (2019); 108 cities 분석 (Taipei 제외)
- **주요 발견**: 전체 108 도시: GDP per capita vs e-waste per capita R²=0.91 (강한 양의 상관). AAA-AA-A 상위 그룹 한정: R²=0.22 (약한 상관). K-means K=2 최적 (silhouette), 대륙별 클러스터링 (문화·경제·규제 유사성).
- **시사점**: 스마트 시티 정책은 e-waste 발생량 감축과 처리 인프라 확대를 동시에 설계해야 하며, 상위 도시 그룹은 SCI 등급이 e-waste 효율과 분리됨에 따라 별도 지표 도입이 필요.

![109 스마트 시티의 1 인당 e-waste 생성량과 1 인당 GDP 간 simple linear regression: R²=0.91 의 강한 양의 상관관계.](/papers/202108_DeNovaisMP_Modelling_e_waste_management_data_in_smart_cities/fig1.jpeg)

## 요약

[[smart-cities]] 의 sustainability 평가에서 waste management 는 핵심 지표지만 e-waste (WEEE) 는 세계에서 가장 빠르게 증가하는 (3~5%/년) 폐기물 카테고리로 별도 분석이 필요하다. UN Comtrade 의 단일 코드 (854810: primary batteries 와 accumulators) 만으론 전 e-waste 다양성을 포착할 수 없고, 비공식 시장과 transboundary 이동의 환경 영향은 공식 데이터 미달 (Lepawsky and McNabb, 2010). 본 conference paper 는 SCI (Smart City Index) 와 e-waste 지표를 결합 분석해 도시 발달과 e-waste 의 상관 패턴을 정량화한다.

방법론은 간단하다. IMD Smart City Index 2020 의 109 도시 (HDI 4 그룹별 등급 AAA-AA-A-BBB-BB / A-BBB-BB-B-CCC / BB-B-CCC-CC-C / CCC-CC-C-D) 중 Taipei (데이터 부재) 를 제외한 108 도시. (1) Simple linear regression: 1 인당 GDP 와 1 인당 e-waste 생성량의 least squares 최적 fit. (2) [[k-means-clustering]]: SCI ranking + GDP per capita + e-waste per capita 의 3 차원 입력으로 silhouette 기준 K=2 최적, 시각적 비교용 K=3 도 산출. Global E-Waste Monitor 2020 (UNU) 의 e-waste, World Bank GDP, IMD HDI/population 결합.

핵심 결과 두 가지. (i) Simple linear regression: 전체 108 도시에서 R²=0.91 (Fig. 1) 로 강한 양의 상관. 즉 1 인당 GDP 가 높을수록 1 인당 e-waste 생성량도 비례 증가, 경제 발달과 전자기기 소비가 직결됨. 그러나 AAA-AA-A 상위 그룹만 한정하면 R²=0.22 (Fig. 2) 로 약한 상관. 상위 도시 사이엔 SCI 점수와 e-waste 효율이 분리되어, 동일 발달 단계에서 다른 패턴 형성. (ii) K-means clustering: K=2 가 silhouette 기준 최적. 대륙별로 도시가 묶이는 패턴 (문화·경제·규제 유사성). K=3 비교에서도 같은 결론. GDP per capita, HDI, e-waste 양, SCI 의 상관 클러스터링 패턴은 발달 도시일수록 e-waste 양·기술 사용·SCI 등급이 동시에 증가하는 spiraling 효과를 시사. 결론은 e-waste management 가 smart cities 의 sustainability 평가에서 중요 전략 요인이 되어야 한다는 것이며, 후속 연구로 e-waste 수거율·처리 시설 수·국가 정책 존재 같은 정량·정성 변수 추가 필요성을 제기한다.

## 핵심 결과

| 분석 | 도시 수 | 결과 |
|---|---|---|
| Simple linear regression (전체) | 108 | R² = 0.91 (강한 양의 상관) |
| Simple linear regression (AAA-AA-A 상위) | — | R² = 0.22 (약한 상관) |
| K-means clustering (silhouette 최적) | 108 | K = 2; 대륙별 클러스터링 |
| K-means clustering (시각화 비교) | 108 | K = 3 도 일관 |

- **변수**: GDP per capita, e-waste per capita, SCI ranking, HDI.
- **데이터 소스**: IMD Smart City Index 2020, Global E-Waste Monitor 2020 (UNU), World Bank GDP (2019).
- **제외**: Taipei (e-waste·GDP 데이터 부재).

## 방법론 노트

본 conference paper 는 정량 측정·정책 implication 중심으로 별도 식별 가정이 단순하다. Simple linear regression 의 단순 형태는

$$
y_i = \alpha + \beta \cdot x_i + \varepsilon_i
$$

$y_i$ = 도시 $i$ 의 1 인당 e-waste, $x_i$ = 1 인당 GDP, least squares 추정. K-means clustering 의 목적함수는 $\arg\min \sum_{k}\sum_{x_i \in c_k} \|x_i - \mu_k\|^2$. silhouette score 로 K 최적 결정. 한계: (i) e-waste 수거율·처리 시설 수·정책 존재 같은 추가 변수 부재, (ii) cross-sectional (단일 연도), (iii) cause vs effect 식별 불가, (iv) SCI ranking 자체의 측정 한계.

## 연구 계보

[[junseokhwang]] 그룹의 ICT 정책 · sustainability 라인의 conference 출판 작업이다. Forti et al. (2020) 의 Global E-Waste Monitor, Awasthi et al. (2018) 의 e-waste-GDP 상관 분석, Xavier, Ottoni, and Lepawsky (2021) 의 brazilian-canadian e-waste framework, Lepawsky and McNabb (2010) 의 transboundary e-waste flow 문헌을 IMD SCI 2020 데이터와 결합한 다국가 cross-sectional 분석이다. TEMEP 내에서는 ICT-sustainability 교차 도메인의 conference 출판 자매로 [[eric-nizeyimana-2022-iot-air-pollution-monitoring]] (르완다 IoT 대기오염), 그리고 smart cities 후속 연구 ([[junga-lim-2024-smart-cities-collaborators-lda]], [[jaesung-kong-2025-smart-cities-government-partnerships]] 등) 와 연결된다. Marcos Pereira de Novais 는 SNU TEMEP 의 첫 e-waste·smart cities 도메인 연구자다.

## See also

- [[junseokhwang]]
- [[smart-cities]]
- [[e-waste]]
- [[sustainability]]
- [[linear-regression]]
- [[k-means-clustering]]
- [[ieee-scla]]