DOI QR코드

DOI QR Code

Development of Virtual Fusion Methodology for Analysis Via Mobility Bigdata

모빌리티 빅데이터 가상결합 분석방법론 연구

  • 조범철 (한국교통연구원 교통빅데이터연구본부) ;
  • 권기훈 (한국교통연구원 교통빅데이터연구본부) ;
  • 안덕배 (한국교통연구원 교통빅데이터연구본부)
  • Received : 2022.12.02
  • Accepted : 2022.12.14
  • Published : 2022.12.31

Abstract

Recently, complex and sophisticated analysis of transportation is required due to changes in the socioeconomic environment and the development of bigdata technology. Especially, the revision of 3 laws including PERSONAL INFORMATION PROTECTION ACT makes it possible to combine various types of mobility data. But strengthen personal information protection makes inefficiency in utilizing mobility bigdata. In this paper, we proposed the "Virtual fusion methdology via mobility bigdata" which is a methodology for indirect data fusion for various mobility bigdata such as mobile data and transportation card data, in order to resolve legal restrictions and enable various transportation analysis. And we also analyzed regional bus passenger in Seoul capital area and Cheongju city with aforementioned methodology for verification. This methdology could analyze behavioral pattern of passenger with the MCGM(Mobility Comprehensive Genetic Map), graph with position and time, making with mobile data. Consquently, using MCGM, which is a result for indirect data fusion, makes it possible to analyze various transportation problems.

코로나19 팬데믹에 따른 경제사회 환경 변화와 빅데이터 기술의 발달로 교통분석에 대한 요구가 다양화되고 있다. 특히 데이터 3법 개정에 따라 이종 데이터 간 가명정보 결합이 가능해져 다각적인 분석이 가능해졌다. 그러나 개인정보보호 강화로 모빌리티 빅데이터의 결합분석에는 데이터 협력, 비용대비 효과 등에 한계가 있어 새로운 분석방법론이 필요하다. 본 연구에서 제시하는 "모빌리티 빅데이터 가상결합 방법론"은 법제상의 제약 해소 및 다각적인 교통분석을 위한 것으로, 모바일 통신 기지국 데이터, 교통카드 데이터 등 다양한 모빌리티 관련 빅데이터를 간접적으로 결합하여 상세 분석을 수행하기 위한 방법론이다. 가상결합은 모바일 데이터를 바탕으로 특정 인원의 시간대별 위치를 파악할 수 있는 MCGM(Mobility Comprehensive Genetic Map)을 생성하여 패턴을 분석하고, 이를 교통카드데이터 등 교통관련 빅데이터와 결합시켜 분석하는 방법론으로 본 연구에서는 청주, 수도권 대상으로 가상결합 분석을 수행하여 활용가능성을 검증하였다.

Keywords

References

  1. 김정인, 통행자 기반의 교통 빅데이터 융합과 교통자료 완성도 분석, 2020 에서 재인용. 
  2. Jarv, O., Ahas, R., & Witlox, F, Understanding monthly variability in human activity spaces: A twelve-month study using mobile phone call detail records", Transportation Research Part C: Emerging Technologies, 2014. 
  3. https://www.itdaily.kr/news/articleView.html?idxno=102736, 2020.07.05. 
  4. https://www.msit.go.kr/bbs/view.do?sCode=user&mId=113&mPid=112&pageIndex=&bbsSeqNo=94&nttSeqNo=3181427&searchOpt=ALL&searchTxt=, 2022.02.18 
  5. 조범철 외.(2022), "포스트 코로나 시대, 뉴노멀 교통체계 혁신 전략, part1.모빌리티 빅데이터 가상결합분석을 통한 교통서비스 혁신전략", 한국교통연구원을 재구성. 
  6. Yuanyuan Qiao 외, A Mobility Analytical Framework for Big Mobile Data in Densely Populated Area, IEEE Transactions on Vehicular Technology, pp. 5, 2016.1. 
  7. 2020년 국가교통조사.DB시스템 운영 및 유지 보수, 제2권 전국여객 O/D 보완갱신, 한국교통연구원, 2020.12.