[논문]지오트윗을 이용한 거주자와 방문자의 공간 이동성 연구

조재희; 서일정

doi:10.9716/kits.2016.15.3.211

지오트윗을 이용한 거주자와 방문자의 공간 이동성 연구
Comparing the Spatial Mobility of Residents and Tourists by using Geotagged Tweets 원문보기

한국IT서비스학회지 = Journal of Information Technology Services, v.15 no.3, 2016년, pp.211 - 221

Abstract ▼ AI-Helper

The human spatial mobility information is in high demand in various businesses; however, there are only few studies on human mobility because spatio-temporal data is insufficient and difficult to collect. Now with the spread of smartphones and the advent of social networking services, the spatio-temporal data began to occur on a large scale, and the data is available to the public. In this work, we compared the movement behavior of residents and tourists by using geo-tagged tweets which contain location information. We chose Seoul to be the target area for analysis. Various creative concepts and analytical methods are used: grid map concept, cells visited concept, reverse geocoding concept, average activity index, spatial mobility index, and determination of residents and visitors based on the number of days in residence. Conducting a series of analysis, we found significant differences of the movement behavior between local residents and tourists. We also discovered differences in visiting activity according to residential countries and used applications. We expect that findings of this research can provide useful information on tourist development and urban development.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

트윗 데이터를 이용한 연구는 크게 두 가지로 분류할 수 있다. 그것은 사용자의 위치를 추정하는 연구와 사용자의 분포 또는 이동성을 분석하는 연구이다. 전자는 주로 위치 정보가 없는 일반 트윗 데이터를 이용하는 연구이고, 후자는 위치 정보가 있는 지오트윗 데이터를 이용한 연구이다.
트위터 사용자의 거주지를 판별하는 연구가 활발한 시점에서 본 연구는 각 사용자의 국가별 소재일 수를 기준으로 거주지를 판별하는 새로운 방법을 제안하였고, 이 방법을 서울시 트위터 데이터 분석에 적용함으로써 유용성을 검증하였다. 또한 기존의 이동성 연구들이 도시, 지역, 국가 등 비교적 큰 공간에서의 사용자 이동성을 연구한 반면, 본 연구에서는 세밀한 공간(250미터 셀) 간의 이동성을 연구했다는 점이 주목할 만하다. 유동인구 분석이나 상권분석은 이 정도 상세한 공간에서 분석해야 의미가 있기 때문이다.
본 연구는 사람의 이동성에 초점을 맞추고 있기 때문에 사람이 이동하면서 작성한 것으로 판단되는 트윗 만을 추출하고자 하였다. 이를 위하여 가급적 트윗봇이 사용하는 기기 또는 앱을 배제하고, 사람이 주로 사용하는 앱 중에서 이동성이 높은 앱 네 가지를 선정하였다.
트위터 사용자의 거주지를 판별하는 연구가 활발한 시점에서 본 연구는 각 사용자의 국가별 소재일 수를 기준으로 거주지를 판별하는 새로운 방법을 제안하였고, 이 방법을 서울시 트위터 데이터 분석에 적용함으로써 유용성을 검증하였다. 또한 기존의 이동성 연구들이 도시, 지역, 국가 등 비교적 큰 공간에서의 사용자 이동성을 연구한 반면, 본 연구에서는 세밀한 공간(250미터 셀) 간의 이동성을 연구했다는 점이 주목할 만하다.

제안 방법

2) 전체 데이터에서 서울시 트윗 사용자가 트윗한 데이터를 추출하고 국가코드(country code)를 이용하여 모든 사용자의 일별 트윗 국가를 식별하였다.
4) 거주 국가를 판별하는 방법과 동일한 방법을 사용하여 대한민국에 거주하는 사용자를 서울시 거주자(Seoul resident)와 국내 관광객(Domestic tourist)으로 구분하였다.
각 셀의 중심 좌표에 대해 구글에서 제공하는 역 지오코딩(Reverse Geocoding)을 실시하여 각 셀을 서울시의 행정구역 주소와 매칭시켰다.
서울시에서 트윗을 한 사람은 서울에 거주하는 사람인지, 서울을 방문한 사람인지 분류되고, 후자는 다시 지방거주 내국인 방문자와 외국거주 외국인 방문자로 분류된다. 공간이동성 분석이라는 연구목적을 달성하기 위해 방문셀(cells visited) 분석, 인기 방문셀(POI cell) 분석, 공간이동성 지수 분석을 진행하였다.
트위터 사용자의 거주지를 판별하는데 있어서 ‘거주일 수 기준’이라는 새로운 방법을 사용하여 판별의 정확성을 높였고, 트윗 위치를 셀 단위(250미터×250미터)로 구성하여 다른 연구자들 보다 훨씬 조밀한 공간 단위로 사람들의 이동성을 분석하였다. 또한 유동인구의 이동성 지수를 개발하여 통계적으로 분석하고 시각화를 수행하였다. 분석대상 지역은 서울시로 한정하였다.
유동인구 분석이나 상권분석은 이 정도 상세한 공간에서 분석해야 의미가 있기 때문이다. 또한 트윗 위치를 셀 단위로 구성하여 평균 활동지수와 공간이동성 지수를 개발 하여 거주자와 방문자의 공간이동성을 정량적으로 비교하였다.
본 연구는 이상과 같은 기존 연구의 문제점을 해결하여 거주자와 방문자의 이동성을 정량적으로 비교하였다. 트위터 사용자의 거주지를 판별하는데 있어서 ‘거주일 수 기준’이라는 새로운 방법을 사용하여 판별의 정확성을 높였고, 트윗 위치를 셀 단위(250미터×250미터)로 구성하여 다른 연구자들 보다 훨씬 조밀한 공간 단위로 사람들의 이동성을 분석하였다.
그리고 트윗 위치를 셀로 재구성하여 집계함으로써 새로운 이동성 지표를 개발하였고, 이를 이용하여 거주자와 방문자의 이동성 비교가 가능함을 보여주었다. 본 연구에서 제안한 방법을 이용하면 도시개발과 관광 개발에 유용한 정보를 생성할 수 있다.
본 연구에서도 트윗 데이터를 사용하여 유동인구를 거주자와 방문자로 구분하고 이동성을 분석하였다. 본 연구에 사용한 데이터는 트윗 데이터 중 일부분인 지오트윗 데이터이다.
서울시 거주자에게 인기 있는 상위 10개의 주소지를 [Table 4]에 정리하였고, 상세 방문셀을 [Figure 1]에 250미터 그리드맵으로 표현하였다.
이 방법의 판별 정확성을 평가하기 위하여, 전체 사용자 중에서 100명을 무작위로 추출하여 판별 거주지와 트위터 홈페이지에 공개된 거주지를 비교하였다. 평가 결과에 의하면, 거주 국가의 정확성은 80%이고 서울시 거주의 정확성은 88%인 것으로 나타났는데, 판별의 정확성이 높은 것으로 판단된다.
트위터의 Public Streaming API를 이용하여 2015년 7월 14일부터 2015년 9월 1일까지 50일 동안 200,578,703건의 지오태그 트윗을 수집하였다. 이 소스데이터는 일련의 전처리 작업을 거쳐 구글 빅쿼리(Google BigQuery)라는 클라우드 데이터베이스에 저장하였다.
일반적으로 거주지는 일정 기간 동안 머무른 장소로 정의된다. 이 연구에서는 데이터 수집 기간 50일 중에서 가장 많은 일 수(number of days) 동안 머무른 장소를 거주 지역으로 정의하고, 구글 빅쿼리를 사용하여 다음 과정을 통해 각 사용자의 거주지를 판별하였다.
이동성을 정량적으로 집계하고, 시각화 효과를 최적화하기 위하여 서울시를 작은 셀로 분할하였다. 이 연구에서는 셀 크기를 가로, 세로 각각 250m로 설정하였고, 이에 따라 서울시를 17,400개의 셀로 분할하였다. 그런데 실제로 유동인구가 분포된 지역은 3,448개 셀 뿐인데, 그 이유는 실제로 사람이 갈 수 없거나 인적이 드문 숲, 강, 절벽 등이 있기 때문이다.
이동성을 정량적으로 집계하고, 시각화 효과를 최적화하기 위하여 서울시를 작은 셀로 분할하였다. 이 연구에서는 셀 크기를 가로, 세로 각각 250m로 설정하였고, 이에 따라 서울시를 17,400개의 셀로 분할하였다.
대부분의 연구자는 공간과 시간을 분리해서 이동성을 설명하는데 반해, Gao(2015)는 공간과 시간을 함께 묶어서 지표로 사용하는 연구를 진행한다. 즉, 공간 차원을 평면에 배치하고, 시간 차원을 그 위에 제3차원으로 배치하여 시간의 변화에 따른 공간의 변화를 입체적으로 시각화함으로써 시공간 데이터분석 연구에 새로운 인사이트를 제공하였다.
3) 2)의 과정에서 얻어진 데이터 셋에서 모든 사용자를 대상으로 국가별로 집계하여 국가별 소재일 수를 산출하였다. 최대 일 수의 국가를 해당 사용자의 거주국가로 판별하였다. 최대 소재일 수의 국가가 둘 이상인 경우에는 거주 국가를 특정할 수 없는 것으로 간주하였다.
트위터 사용자의 거주지를 판별하는데 있어서 ‘거주일 수 기준’이라는 새로운 방법을 사용하여 판별의 정확성을 높였고, 트윗 위치를 셀 단위(250미터×250미터)로 구성하여 다른 연구자들 보다 훨씬 조밀한 공간 단위로 사람들의 이동성을 분석하였다.
한편 활동성을 측정하기 위해 방문셀 수를 사용자 수로 나눠서 평균 활동지수를 계산하였다. 러시아인, 싱가포르인이 활동성이 좋고, 일본인, 인도네시아인, 미국인의 활동면적이 상대적으로 협소한 것으로 나타났다.

대상 데이터

본 연구에서도 트윗 데이터를 사용하여 유동인구를 거주자와 방문자로 구분하고 이동성을 분석하였다. 본 연구에 사용한 데이터는 트윗 데이터 중 일부분인 지오트윗 데이터이다. 여기에는 사용자가 트윗을 보낸 장소의 GPS 좌표 값이 포함되어 있어서 사용자의 공간 분포나 이동성 분석과 같은 연구를 하기에 적합하다.
또한 유동인구의 이동성 지수를 개발하여 통계적으로 분석하고 시각화를 수행하였다. 분석대상 지역은 서울시로 한정하였다. 즉, 일정기간에 서울시에서 발생한 트윗 데이터를 1차 데이터로 정하고, 여기서 사용자를 추출한 후 거주지 판별을 위해서는 2차 데이터(사용자가 같은 기간에 다른 국가에서 발생시킨 트윗 정보)를 이용하였다.
1) 전체 데이터에서 서울에서 트윗한 데이터를 추출하였다. 서울(위도 37.4314～37.7012, 경도 126.7782～127.1903)에서 11,620명의 고유 사용자가 작성한 125,050건의 트윗을 추출하였다.
본 연구는 사람의 이동성에 초점을 맞추고 있기 때문에 사람이 이동하면서 작성한 것으로 판단되는 트윗 만을 추출하고자 하였다. 이를 위하여 가급적 트윗봇이 사용하는 기기 또는 앱을 배제하고, 사람이 주로 사용하는 앱 중에서 이동성이 높은 앱 네 가지를 선정하였다. 즉, 안드로이드용 트위터(Twitter for Android), 아이폰용 트위터(Twitter for iPhone), 인스타그램(Instagram), 포스퀘어(Foursquare)를 사용하여 작성한 트윗 만을 분석에 사용하였다.
이를 위하여 가급적 트윗봇이 사용하는 기기 또는 앱을 배제하고, 사람이 주로 사용하는 앱 중에서 이동성이 높은 앱 네 가지를 선정하였다. 즉, 안드로이드용 트위터(Twitter for Android), 아이폰용 트위터(Twitter for iPhone), 인스타그램(Instagram), 포스퀘어(Foursquare)를 사용하여 작성한 트윗 만을 분석에 사용하였다.
분석대상 지역은 서울시로 한정하였다. 즉, 일정기간에 서울시에서 발생한 트윗 데이터를 1차 데이터로 정하고, 여기서 사용자를 추출한 후 거주지 판별을 위해서는 2차 데이터(사용자가 같은 기간에 다른 국가에서 발생시킨 트윗 정보)를 이용하였다.
트위터의 Public Streaming API를 이용하여 2015년 7월 14일부터 2015년 9월 1일까지 50일 동안 200,578,703건의 지오태그 트윗을 수집하였다. 이 소스데이터는 일련의 전처리 작업을 거쳐 구글 빅쿼리(Google BigQuery)라는 클라우드 데이터베이스에 저장하였다.

데이터처리

보다 정교한 이동성 분석을 위해서 사용자 1인당 일 평균 방문셀 수를 계산하였다. 이것은 한 사람이 하루 동안 평균적으로 방문한 셀 수이며, 이 값의 크기로 사용자 개개인이 활보한 정도를 가늠할 수 있다.

성능/효과

5) 최종적으로 11,620명의 사용자를 서울시 거주자 (7,271), 국내 관광객(1,365), 외국인 관광객(1,778), 거주지 불명자(1,206)로 구분하였다.
본 연구에서 제안한 거주지 판별 방법은 관련 방법들과 비교하여 정확성이 높고 구현이 용이하여 유용성이 높다고 판단된다. 그리고 트윗 위치를 셀로 재구성하여 집계함으로써 새로운 이동성 지표를 개발하였고, 이를 이용하여 거주자와 방문자의 이동성 비교가 가능함을 보여주었다. 본 연구에서 제안한 방법을 이용하면 도시개발과 관광 개발에 유용한 정보를 생성할 수 있다.
한편 활동성을 측정하기 위해 방문셀 수를 사용자 수로 나눠서 평균 활동지수를 계산하였다. 러시아인, 싱가포르인이 활동성이 좋고, 일본인, 인도네시아인, 미국인의 활동면적이 상대적으로 협소한 것으로 나타났다.
본 연구에서 제안한 거주지 판별 방법은 관련 방법들과 비교하여 정확성이 높고 구현이 용이하여 유용성이 높다고 판단된다. 그리고 트윗 위치를 셀로 재구성하여 집계함으로써 새로운 이동성 지표를 개발하였고, 이를 이용하여 거주자와 방문자의 이동성 비교가 가능함을 보여주었다.
4억 레코드(사용자 수 : 1300만 명)의 지오트윗 데이터를 사용하였는데, 국적 판별, 해외여행자 판별, 평균 해외여행거리 등 일련의 전처리를 거친 후, 국가별 해외여행 비율, 국가별 여행지 다양성, 자국민 출국-외국인 입국 비율 등을 계산하였다. 이들 수치를 국제관광 통계 데이터와 비교한 결과 매우 유사함을 발견하였고, 분석단위가 항공기인 기존의 항공교통 데이터 보다 분석단위가 사용자인 지오트윗 데이터가 훨씬 더 상세한 수준의 국가 간 이동패턴을 제공함을 입증하였다.
이 방법의 판별 정확성을 평가하기 위하여, 전체 사용자 중에서 100명을 무작위로 추출하여 판별 거주지와 트위터 홈페이지에 공개된 거주지를 비교하였다. 평가 결과에 의하면, 거주 국가의 정확성은 80%이고 서울시 거주의 정확성은 88%인 것으로 나타났는데, 판별의 정확성이 높은 것으로 판단된다.

후속연구

특히 셀의 크기는 인간의 이동성에 대한 중요한 함의를 내포하고 있을 가능성이 매우 높다. 향후에는 셀의 크기를 달리하면서 이동성 분석의 결과가 어떻게 변화하는 지를 살펴보는 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	트윗 데이터를 수집하는 방법은 무엇인가?	트위터는 소셜 네트워크 서비스 중에서 가장 적극적으로 데이터를 공개하고 있다. 학술 연구자와 기업 실무자는 트위터가 제공하는 REST, Streaming, Firehose 등과 같은 다양한 API(Application Programming Interface)를 선택적으로 이용하여 대용량의 트윗 데이터를 손쉽게 수집할 수 있다. 따라서 다양한 분야의 연구에서 트윗 데이터의 인기는 날로 높아지고 있으며, 이를 이용한 연구 논문이 눈에 띄게 증가하고 있는 추세이다.
	거주자와 방문자의 활동반경과 이동패턴이 다른 것을 보여주는 예는?	특정 지역의 거주자와 방문자는 활동반경과 이동패턴이 다르다. 예를 들어, Lenormand et al. (2016)에 의하면 현지인들은 평균 96개 장소를 방문하는데 반해 관광객들은 평균 260개 장소를 방문한다. 따라서 거주자와 방문자를 구분하여 이동성을 분석하는 것은 이론적으로 타당할 뿐만 아니라 실무적인 유용성을 높일 수 있다.
	거주자의 이동성과 방문자의 이동성을 분석하면 어떤 정보를 제공할 수 있나요?	따라서 거주자와 방문자를 구분하여 이동성을 분석하는 것은 이론적으로 타당할 뿐만 아니라 실무적인 유용성을 높일 수 있다. 거주자의 이동성을 분석하면 도시개발에 필요한 정보를 제공할 수 있고, 방문자의 이동성을 분석하면 관광개발에 유용한 정보를 제공할 수 있다.

참고문헌 (14)

Chandra, S., L. Khan, and F.B. Muhaya, "Estimating Twitter User Location using Social Interactions and Content Based Approach", Proceedings of IEEE SocialCom/PASSAT, IEEE Computer Society, 2011, 838-843.
Chang, H., D. Lee, M. Eltaher, and J. Lee, "@Phillies Tweeting from Philly? Predicting Twitter User Locations with Spatial Word Usage", Proceedings of the 2012 International Conference on Advances in Social Networks Analysis and Mining, IEEE Computer Society, 2012, 111-118.
Cheng, Z., J. Caverlee, and K. Lee, "You are Where you Tweet : A Content-based Approach to Geo-Locating Twitter users", Proceedings of the 19th ACM International Conference on Information and Knowledge Management, ACM, 2010, 759-768.
Frank, M.R., L. Mitchell, P.S. Dodds, and C.M. Danforth, "Happiness and the Patterns of Life : A Study of Geolocated Tweets", Scientific Reports, Vol.3, 2013, doi:10.1038/srep02625(Downloaded August 1, 2015).

상세보기
Gao, S., "Spatio-Temporal Analytics for Exploring Human Mobility Patterns and Urban Dynamics in the Mobile Age", Spatial Cognition and Computation, Vol.15, No.2, 2015, 86-114.

상세보기
Hawelka, B., I. Sitko, E. Beinat, S. Sobolevsky, P. Kazakopoulos, and C. Ratti, "Geo-located Twitter as Proxy for Global Mobility Patterns", Cartography and Geographic Information Science, Vol.41, No.3, 2014, 260-271.

상세보기
Hecht, B., L. Hong, B. Suh, and E.H. Chi, "Tweets from Justin Bieber's Heart : The Dynamics of the 'Location' Field in User Profiles", Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 2011, 237-246.
Kulshrestha, J., F. Kooti, A. Nikravesh, and K.P. Gummadi, "Geographic Dissection of the Twitter Network", Proceedings of the Sixth International AAAI Conference on Weblogs and Social Media, 2012, 202-209.
Lenormand, M., B. Goncalves, A. Tugores, and J.J. Ramasco, "Human diffusion and city influence", J. R. Soc, Interface, Vol.12, 2015, doi:10.1098/rsif.2015.0473(Downloaded July 23, 2016).

상세보기
Mahmud, J., J. Nichols, and C. Drews, "Home Location Identification of Twitter Users", ACM Transactions on Intelligent Systems and Technology, Vol.5, No.3, 2014. doi:10.1145/2528548(Downloaded May 1, 2015.)

상세보기
Morstatter, F., J. Pfeffer, H. Liu, and K.M. Carley, "Is the Sample Good Enough? Comparing Data from Twitter's Streaming API with Twitter's Firehose", Proceedings of the 7th International AAAI Conference on Weblogs and Social Media, 2013, 400-408.
Ryoo, K. and S. Moon, "Inferring Twitter User Locations With 10km Accuracy", Proceedings of the 23rd International Conference on World Wide Web, ACM, 2014, 643-648.
Ryoo, K., J. Jeong, and S. Moon, "Inferring sex, age, Location of Twitter users", Communications of the Korean Institute of Information Scientists and Engineer, Vol.32, No.7, 2014, 46-53. (류경민, 정지완, 문수복, "트위터 사용자의 성별, 나이, 위치 추론", 정보과학회지, 제32권, 제7호, 2014, 46-53.)
Zheng, Y.T., Z.J. Zha, and T.S. Chua, "Mining Travel Patterns from Geotagged Photos", ACM Transactions on Intelligent Systems and Technology, Vol.3, No.3, 2012, doi:10.1145/2168752.2168770(Downloaded July 21, 2015).

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증