작성일 : 16-12-20 09:40
교통부문의 통신 빅데이터 활용의 중요성 (제110호)
조회 : 3,171  
Cap 2016-12-20 09-15-30-935.png

 
 
패러다임의 변화
 
세상은 바야흐로 빅데이터 시대로 가고 있다. 빅데이터 분야는 분석가나 관련 전문가들 조차도 감당치 못할 정도로 급속도로 발전하고 있으며, 이렇게 급변하는 환경에 적응하기 위해 혈안이 되어 있다. 특히, 스마트폰의 발달과 더불어 그 사용이 기하급수적으로 늘어나면서 모든 사람 및 사물이 연결되는 이른바 커넥티드 환경이 구축되었다. 최근 미국 등 선진국에서는 이러한 커넥티드 환경에서 좀 더 살기 좋은 세상을 만들기 위해 ‘스마트 시티 도전’ 등 新기술 개발 및 정책 지원을 위한 다양한 연구가 진행 및 실용화 단계에 있다.
 
이런 패러다임의 변화 가운데 교통부문도 기존의 패러다임을 탈피하고 빅데이터 기반의 새로운 개념의 방법론 및 기술 등을 활용하여 교통 운영, 계획, 안전, 환경 등 다양한 분야에서 변화에 박차를 가하고 있다. 본고에서는 교통부문에서 세계적으로 가장 큰 화두인 통신 빅데이터의 활용현황에 대해 살펴보고 이를 기반으로 우리가 나아가야 할 방향에 대해 논하도록 한다.
 
 
통신 빅데이터란?
 
통신 빅데이터는 이용자가 통화, 문자 메시지 전송, 인터넷 사용 등 개인 휴대폰을 사용 시 가장 가까운 근처 기지국(Cell)에 자료를 송신하면서 발생되는 자료이다. 통신 빅데이터는 크게 CDR(Call Detailed Recorder)와 Sightings로 구분된다. CDR은 익명화된 아이디, 시간, 장소, 그리고 사용시간을 저장하며 모든 기록은 휴대폰 사용을 시작할 때 시작된다. 두 번째는 Sightings 자료이다. 현재까지 CDR 자료에 비해 적게 활용되고 있으며 CDR 자료와 달리 휴대폰이 특정 기지국에 잡힐 때 마다 기록된다. 그러므로 CDR 자료에 다소 가공된 자료라고 할 수 있다.
 
 
국내 통신 빅데이터 활용 동향
 
국내에서도 최근 통신 빅데이터 활용의 중요성을 인지하여 국토계획, 교통계획, 그리고 재난대응 등 다양한 분야에 활용을 시도하고 있다. 그러나 「개인정보 보호법」 및 「위치정보의 보호 및 이용 등에 관한 법률」 등의 이유로 통신 원시 정보 접근이 어려워 이를 활용한 연구가 제한적인 상황이다. 최근 들어 카카오톡 정책지원팀은 지난 2015년 3월에 출시된 카카오 택시 모바일 서비스 사용자 빅데이터를 활용하여 지역별 사람들의 이동 흐름(시간별 기·종점 패턴), 공간별 택시 소비 패턴, 그리고 대중교통 소외지역 등을 시각화 하여 그 정보를 제공하였다. 이런 정교한 연구 결과는 카카오톡 회사 자체가 빅데이터를 보유하고 있어서 분석을 통해 도출이 가능했다.
 
 
Cap 2016-12-20 09-17-19-749.jpg

 
국외 통신 빅데이터 활용 동향
 
국외에서는 통신 원시 빅데이터를 기반으로 교통계획 분야에 전반적인 탈바꿈을 위한 다양한 시도를 진행 중이다. 기존 조사방식 기반으로 자료를 수집하고 통계적 모델링을 활용하여 추정했던 교통계획 4단계 주요 지표들은 통신 빅데이터를 활용하여 모니터링 되고 산출되는 방식으로 변화되고 있다. 〔활동지역 군집(집 vs. 근무지) : Wang et al. 2014, 통행목적 : Chen et al. 2014, 기·종점 통행량 산출 : Alexander et al. 2015, 통행수단 및 경로 선택 : Tettamanti et al. 2012〕
 
한 예로, 통신 빅데이터에서 산출된 링크 교통량과 조사에서 추정된 결과값을 비교한 것을 살펴보도록 한다. 아래의 그림은 보스턴 지역에 관한 것이다. 그림 (a)와 (c)는 CDR 자료를 활용하여 시각화한 것이고, (b)와 (d)는 인구조사 자료를 활용한 것이다. 그림에서 알 수 있듯이 상당히 흡사한 결과가 도출되었다.
 
 
Cap 2016-12-20 09-17-53-183.jpg

 
이외에도 통신 빅데이터는 관광통행 패턴 추정을 통한 관광교통정책 지원방안 제시, 상업지구와 거주지구의 인구수 변화, 이주민들의 패턴 분석 등 다양한 분야에 사용되고 있다.
 
 
맺으며
 
지금까지 통신 빅데이터 형태와 이를 기반으로 한 국내·외 연구동향에 대해 살펴봤다. 그 결과, 통신 빅데이터 활용은 우선 교통계획 분야에 획기적인 변화를 가져다 줄 것으로 예상된다. 즉, 통신 빅데이터의 교통계획 분야의 활용은 기존 조사방식의 교통계획 지표 산출과 비교했을 때 다양한 측면에서 이점이 있다. 첫째, 충분한 표본수를 가지고 있다(모집단의 최소 20% 이상). 특정날짜에 1%의 표본수를 기반으로 추정하는 기존의 방법과 달리 원하는 시·공간 영역에 충분한 표본수를 가지고 지표의 생성 및 분석이 가능하다. 둘째, 적은 시간을 투자하여 각종 지표를 생성할 수 있다. 기존 조사방식의 경우 조사 수행 및 전수화 등의 과정을 거쳐 실제 자료를 제공하기까지 최소 1년 이상의 시간이 소요되는 반면 며칠 내에 관련 지표를 생성할 수 있다. 셋째, 모델링 기반에서 모니터링 기반으로 방법론이 변경된다. 기존 조사방식에서 중요한 이슈 중 하나는 지표 추정을 위해 가장 적합한 모델을 찾는 것이었다. 그러나 통신자료를 활용한다면 자료를 기반으로 정교하게 관련 지표를 산출하고 모니터링하는 기법을 개발하는 것이 가장 관건이다.
 
이외에도 통신 빅데이터의 활용은 분명 교통부문에 다양한 변화를 가져다 줄 것이라 생각된다. 즉, 막대한 표본 자료를 활용하여 자료기반(data-driven)의 시·공간적 교통 흐름을 파악할 수 있기 때문에 단순히 교통계획의 4단계 추정 모델의 대체 방법으로 사용될 뿐만 아니라 교통이 필요로 하는 다양한 분야에 적재적소에 활용이 가능할 것으로 판단된다. 예를 들어, 재난대응시스템 구축에 핵심 자료로서 활용이 가능할 것이다. 둘째, 교통부문에서 사회적으로 배제되고 있는 지역을 모니터링하여 이를 개선할 수 있을 것이다. 셋째, 출발지에서 도착지까지 총 통행시간 기반의 수요 맞춤형 대중교통 노선도 개선 및 도로투자가 가능해질 것이다. 토지이용 및 교통 변화의 다양한 이슈들에 대해 통신 빅데이터는 주요 원천 자료로서 활용이 증대될 것이다.
 
이러한 통신 빅데이터를 효과적으로 활용하기 위해서는 통신 빅데이터가 지니고 있는 한계점들을 반드시 고려해야 한다. 첫째, 기지국 기반의 자료이기 때문에 그 특성상 공간적 오차가 적게는 몇 미터 많게는 몇 백 미터까지 발생할 수 있다. 따라서, 활용분야에 따라 고도화된 전처리 과정이 필요하다. 둘째, GPS 자료처럼 일정 시간(1초 단위) 내에 연속적인 이동의 추적이 불가능하다. 그렇기 때문에 이를 고려한 가공 알고리즘 개발이 필요하다. 셋째, 공간정보와의 적정 통합 방안이 필요하다. POI(Points-Of-Interest) 등의 공간정보와 효율적으로 통합 시 그 활용이 증폭될 것이다. 마지막으로 국내에 통신 빅데이터 활용을 극대화하기 위해서는 다양한 이슈들을 해결하고 타 빅데이터와의 융합을 통한 플랫폼 구축이 필요할 것으로 판단된다. 우선, 관련 법에 부딪쳐 통신 원시 자료 사용이 제한적이다. 이를 해결하기 위해 「빅데이터 자료 수집 및 관리 특별법」 등과 같은 법적 도입이 시급하다. 둘째, 통신 빅데이터의 철저한 검증이 요구됨과 동시에 지역별 시간대별 모집단으로 전수화하는 과정에서 대표성에 대한 이슈를 다각도로 다루어야 할 것이다. ▣
 
 
 
 

 
참고문헌
1. 카카오 정책지원팀, 카카오택시 사용 분석, 2016
2. Wang, J., Wei, D., He, K., Gong, H., Wang, P., Encapsulating urban traffic rhythms into road networks, Sci. Rep. 4, 4141, 2014
3. Chen, C., Bian, L., Ma, J., From sightings to activity locations: how well can we guess the locations visited from mobile phone sightings, Transportation Research Part C, Vol. 46 (10), 2014
4. Alexander, L., Jiang, S., Murga, M., Gonzalez, M., Origin-destination trips by purpose and time of day inferred from mobile phone data, Transportation Research Part C, 58, 2015
5. Tettamanti, T., Demeter, H., Varga, I., Route choice estimation based on cellular signaling data, Acta Polytech, Hungarica 9 (4), 2012

 
   
 

개인정보처리방침 | 서비스 이용약관 | 서비스 해지 | 이메일 무단 수집 거부