빅 데이터의 등장으로 인하여 제조, 소매, 의료, 공공해정, 보안 등 다양한 부문의 사업에 빅 데이터를 적용하여 부가가치를 생산하고 있다. 공공 빅데이터 중 교통 빅 데이터를 활용하면 공공부문의 교통관련 예산을 절감하고 대 시민 서비스의 질을 높일 수 있는 기회를 창출 할 수 있다. 교통 관련 데이터의 종류로는 버스 정보 시스템(BIS, Bus Information System)에서 발생하는 버스 운행 기록데이터, 첨단 교통 정보 시스템(...
빅 데이터의 등장으로 인하여 제조, 소매, 의료, 공공해정, 보안 등 다양한 부문의 사업에 빅 데이터를 적용하여 부가가치를 생산하고 있다. 공공 빅데이터 중 교통 빅 데이터를 활용하면 공공부문의 교통관련 예산을 절감하고 대 시민 서비스의 질을 높일 수 있는 기회를 창출 할 수 있다. 교통 관련 데이터의 종류로는 버스 정보 시스템(BIS, Bus Information System)에서 발생하는 버스 운행 기록데이터, 첨단 교통 정보 시스템(ATMS, Advace Traffic Management System)에서 발생하는 도로 소통정보 데이터 그리고 교통 카드 거래 기록 데이터 등이 있다. 이 데이터들은 버스 운행, 차량의 이동 및 승객의 승·하차 이벤트가 발생할 때마다 데이터베이스에 데이터가 축적되고 시간이 지남에 따라 데이터의 양이 방대해져 빅 데이터가 된다. 본 연구에서는 지자체 A시에서 발생하는 교통 빅 데이터를 활용하여 다차원 분석 및 시각화하여 버스의 호차별 효율성을 분석한다. 버스 운행 기록 데이터와 교통 카드 거래 기록데이터의 노선ID, 정류장ID를 일치시키고, 각 데이터에 노선별, 버스별 호차 데이터를 추가하기 위해 데이터 정제 및 전처리 과정을 거친다. 그리고 분석 목적에 맞는 데이터 웨어하우스를 구축한다. 다음으로 SSAS를 통해 OLAP분석을 하여 각 노선별, 호차별 버스의 효율성을 분석하고 결과를 시각화한다. 분석을 통해 버스의 호차별 탑승객수 및 배차간격 분석으로 버스의 효율성을 고려한 배차간격을 조절 할 수 있다.
빅 데이터의 등장으로 인하여 제조, 소매, 의료, 공공해정, 보안 등 다양한 부문의 사업에 빅 데이터를 적용하여 부가가치를 생산하고 있다. 공공 빅데이터 중 교통 빅 데이터를 활용하면 공공부문의 교통관련 예산을 절감하고 대 시민 서비스의 질을 높일 수 있는 기회를 창출 할 수 있다. 교통 관련 데이터의 종류로는 버스 정보 시스템(BIS, Bus Information System)에서 발생하는 버스 운행 기록데이터, 첨단 교통 정보 시스템(ATMS, Advace Traffic Management System)에서 발생하는 도로 소통정보 데이터 그리고 교통 카드 거래 기록 데이터 등이 있다. 이 데이터들은 버스 운행, 차량의 이동 및 승객의 승·하차 이벤트가 발생할 때마다 데이터베이스에 데이터가 축적되고 시간이 지남에 따라 데이터의 양이 방대해져 빅 데이터가 된다. 본 연구에서는 지자체 A시에서 발생하는 교통 빅 데이터를 활용하여 다차원 분석 및 시각화하여 버스의 호차별 효율성을 분석한다. 버스 운행 기록 데이터와 교통 카드 거래 기록데이터의 노선ID, 정류장ID를 일치시키고, 각 데이터에 노선별, 버스별 호차 데이터를 추가하기 위해 데이터 정제 및 전처리 과정을 거친다. 그리고 분석 목적에 맞는 데이터 웨어하우스를 구축한다. 다음으로 SSAS를 통해 OLAP분석을 하여 각 노선별, 호차별 버스의 효율성을 분석하고 결과를 시각화한다. 분석을 통해 버스의 호차별 탑승객수 및 배차간격 분석으로 버스의 효율성을 고려한 배차간격을 조절 할 수 있다.
With the advent of Big Data, information have been doubling up in various sectors of business such as transportation, manufacturing, retail, health care, public administration and security. Taking advantage of the public data in transportation sector, for example, produces several opportunities and ...
With the advent of Big Data, information have been doubling up in various sectors of business such as transportation, manufacturing, retail, health care, public administration and security. Taking advantage of the public data in transportation sector, for example, produces several opportunities and increases scenario-based possibilities in reducing traffic related services, budget and management and most importantly the quality of service for the citizens. The traffic related data from the transportation sector consist of data coming from several systems: the Bus Information Systems (BIS), Advanced Traffic Management Systems (ATMS), City Bus Utilization Systems and more. Events or transactions such as passenger boarding and disembarking a bus, or transactions of bus routing schemes - starts and stops at bus stations, are all stored in a database system. These, accumulated over time, become big data. An analysis of scheduled interval between buses and demand by bus sequence number can maximize the efficiency of city bus operation, such as the adjustment of scheduled interval between buses in each route or the operation of bus redundancy in response to the higher demand. First, key values of bus transaction data - Bus Stop ID and Route ID, are matched against the BIS. Additions to the bus sequence number of city bus for each data are refined according to the bus route. Using the bus sequence number of city bus, a data warehouse has been created satisfying analysis requirements together with On-line Analytical Processing (OLAP). Therefore it is possible to adjust the number of operating buses in each route by analysing the city bus route scheme. Additionally, analysis on propriety in the number of operations according to the bus routes can also be done.
With the advent of Big Data, information have been doubling up in various sectors of business such as transportation, manufacturing, retail, health care, public administration and security. Taking advantage of the public data in transportation sector, for example, produces several opportunities and increases scenario-based possibilities in reducing traffic related services, budget and management and most importantly the quality of service for the citizens. The traffic related data from the transportation sector consist of data coming from several systems: the Bus Information Systems (BIS), Advanced Traffic Management Systems (ATMS), City Bus Utilization Systems and more. Events or transactions such as passenger boarding and disembarking a bus, or transactions of bus routing schemes - starts and stops at bus stations, are all stored in a database system. These, accumulated over time, become big data. An analysis of scheduled interval between buses and demand by bus sequence number can maximize the efficiency of city bus operation, such as the adjustment of scheduled interval between buses in each route or the operation of bus redundancy in response to the higher demand. First, key values of bus transaction data - Bus Stop ID and Route ID, are matched against the BIS. Additions to the bus sequence number of city bus for each data are refined according to the bus route. Using the bus sequence number of city bus, a data warehouse has been created satisfying analysis requirements together with On-line Analytical Processing (OLAP). Therefore it is possible to adjust the number of operating buses in each route by analysing the city bus route scheme. Additionally, analysis on propriety in the number of operations according to the bus routes can also be done.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.