[논문]모바일 통신 자료와 O/D 통행량의 상관성 분석 - 대구광역시 사례를 중심으로

김근욱; 정연식

doi:10.12652/ksce.2019.39.5.0605

모바일 통신 자료와 O/D 통행량의 상관성 분석 - 대구광역시 사례를 중심으로
Correlation Analysis Between O/D Trips and Call Detail Record: A Case Study of Daegu Metropolitan Area 원문보기

대한토목학회논문집 = Journal of the Korean Society of Civil Engineers, v.39 no.5, 2019년, pp.605 - 612

김근욱 (부산시의회 입법정책담당관실) , 정연식 (영남대학교 도시공학과)

초록
AI-Helper

전통적으로 통행수요예측은 개별 면접조사를 통해 수집된 자료를 기반으로 수행되었으며, 통행수요 예측의 정확성은 이러한 문제로부터 지속적으로 제기되어 왔다. 최근 정보통신 기술의 발전에 따라 통행수요예측 연구에서 새로운 자료의 활용이 다루어지고 있다. 이러한 자료는 GPS기반 위치 자료, 휴대전화 신호의 자료, CDR (Call Detail Record) 자료 등으로 포함하며, 통행 수요예측의 오류를 줄이기 위한 활용과 관련한 연구가 진행되고 있다. 이를 바탕으로 본 연구의 목적은 통행수요예측의 기초자료로 CDR의 적용 가능성을 평가하는 것이다. 이를 위해 본 연구에서는 대구광역시 평일과 주말을 포함한 2017년 4월의 4일 동안 수집한 CDR 자료를 사용하였다. 즉, CDR 통신량과 기존 면접조사의 O/D 통행량 간의 상관성을 분석하였다. 그 결과, CDR과 전통적 방식에 의한 교통수요는 서로 상관성이 존재하는 것으로 나타났으며, 통행목적별 통행량 비교결과에서는 주말 첨두시 CDR이 비가정기반 쇼핑 여가 목적 통행량과 같은 선택적 통행에서 상관성이 높은 것으로 나타났다.

Abstract ▼ AI-Helper

Traditionally, travel demand forecasts have been conducted based on the data collected by a survey of individual travel behavior, and their limitations such as the accuracy of travel demand forecasts have been also raised. In recent, advancements in information and communication technologies are enabling new datasets in travel demand forecasting research. Such datasets include data from global positioning system (GPS) devices, data from mobile phone signalling, and data from call detail record (CDR), and they are used for reducing the errors in travel demand forecasts. Based on these background, the objective of this study is to assess the feasibility of CDR as a base data for travel demand forecasts. To perform this objective, CDR data collected for Daegu Metropolitan area for four days in April including weekdays and weekend days, 2017, were used. Based on these data, we analyzed the correlation between CDR and travel demand by travel survey data. The result showed that there exists the correlation and the correlation tends to be higher in discretionary trips such as non-home based business, non-home based shopping, and non-home based other trips.

주제어

표/그림 (10)

표 Table 1. Summary of Previous Studies on Correlation Analysis of Two O/Ds from Mobile Phone Data and from Traditional Survey Data
표 Table 2. CDR Data Format in this Study
표 Table 3. Definition of Comparison Datasets
표 Table 4. Comparison Result of Aggregated CDR and Total Production/Attraction
표 Table 5. Correlation Analysis Results of Aggregated CDR and Total Production/Attraction
표 Table 6. T-test Results of Aggregated CDR and Total Production/Attraction
표 Table 7. Correlation Analysis Results of CDR for Weekday Peak Periods and Mandatory Production/Attraction
표 Table 8. T-test Results of CDR AM/PM Peak and Mandatory Production/Attraction
표 Table 9. Correlation Analysis Results of CDR for Weekend Peak Periods and Discretionary Production/Attraction
표 Table 10. T-test Results of CDR AM/PM Peak and Discretionary Production/Attraction

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 분석을 위해 통행목적 여객 O/D를 적용하였는데, 이는 CDR이 개인 모바일 특성에 기초한 수집 자료라는 점에 착안한 결과이다. 즉, 수단 O/D를 적용할 경우, 재차인원 또는 교통량 등을 고려한 지표이어야 하지만, 실제 CDR은 사람의 이동에 바탕에 둔 개인의 통신 자료라는 의미에서 목적 O/D의 적용이 보다 합리적일 것이라는 판단에 근거하였다.
이러한 배경 하에, 본 연구는 모바일 통신 빅 데이터를 활용하여 교통수요 추정에 사용되는 기종점 통행량(origin-destination: O/D) 자료의 정확성을 높이기 위한 방법론을 제시하고자 수행되었다. 즉, 본 연구에서는 통행 수요를 추정하는 데 있어 기초자료로서 모바일 빅 데이터의 활용가능성을 살펴보기 위해 기존 O/D 통행량과 모바일 자료의 양적(量的) 상관성을 비교·분석하였다.
즉, 본 연구에서는 통행 수요를 추정하는 데 있어 기초자료로서 모바일 빅 데이터의 활용가능성을 살펴보기 위해 기존 O/D 통행량과 모바일 자료의 양적(量的) 상관성을 비교·분석하였다. 이를 기반으로 교통수요 예측을 위한 기초자료로서 모바일 통신 빅데이터의 기존 O/D 대체 혹은 보완 가능성 여부를 살펴보았다.

제안 방법

CDR은 구조 상 그 자체만으로는 통행목적을 알 수 없기 때문에 기존 O/D의 통행목적별 구분을 요일별, 시간대별 CDR과 비교함으로써, 행정동 기준으로 집계된 통행량(量)적인 측면에서 비교 분석하였다. 통행목적별 자료의 비교분석은 비교적 고정적이고 반복적인 통행 성격을 가진 통근, 통학과 같은 필수적 통행(mandatory trip)과 쇼핑, 여가, 기타 목적의 선택적 통행(discretionary trip)으로 구분하여 진행하였다.
CDR의 활용성 검증을 위해 O/D 자료와의 비교분석은 KTDB 제공 2016년도 대구광역시 행정동(139개 존) 여객 O/D의 통행목적별 통행발생·집중 통행량을 기준으로 CDR의 요일별·시간대별 자료를 추출하여 통행량에 대한 상관관계 분석을 시행하였다.
그러나 이 연구는 중존(경기도 시군)을 공간적 단위로 설정하여 통행유출입 (trip attraction & production)량을 도출하였다.
3 %의 점유율을 고려하여 보간법을 통해 행정동(소존) 단위의 통신량을 전수화시켜 도출하였다. 또한 통행 단위의 통일성을 기하기 위해 기준연도 O/D와 같이 일 단위 통행을 그대로 사용하되 통행목적별 통행량과 통행발생(production) 및 통행유입(attraction) 자료를 모두 활용하여 비교 분석하였다. 이는 CDR의 특성이 공간적 단위에서 집계되는 통신량이므로 이것이 통행발생인지 통행유입인지에 대한 정의가 모호함으로 이를 모두 적용시켜 O/D와 비교해 볼 필요가 있다고 판단하였다.
즉, 평일 오전 및 오후 첨두시 CDR은 필수적 통행으로, 주말 오전 및 오후 첨두시 CDR은 선택적 통행으로 간주하였다. 또한, 통행 목적별 O/D의 경우 가정기반 통근(home-based work: HBW), 통학 (home-based school: HBSc) 통행을 필수적 통행으로, 가정기반 쇼핑(home-based shopping: HBS) 및 가정기반 기타(home-based other: HBO), 비가정 기반 업무(non-home based business: NHBB), 쇼핑(non-home based shopping: NHBS), 여가(non-home based recreation: NHBR), 기타(non-home based other: NHBO) 통행은 선택적 통행으로 구분하여 CDR과 비교 분석하였다(Table 3).
이후 동일 모집단의 사전·사후점수의 평균을 비교할 때 주로 사용되는 대응표본 t-test 분석을 실시하였다. 서로 다른 두 자료의 직접 비교를 위해 CDR을 기존 2일 단위 제공치에서 1일 통행량 자료로 변환하고 자료 취득 당시 ㈜SK-T의 전국단위 44.3 %의 점유율을 고려하여 보간법을 통해 행정동(소존) 단위의 통신량을 전수화시켜 도출하였다. 또한 통행 단위의 통일성을 기하기 위해 기준연도 O/D와 같이 일 단위 통행을 그대로 사용하되 통행목적별 통행량과 통행발생(production) 및 통행유입(attraction) 자료를 모두 활용하여 비교 분석하였다.
선택적 통행과 관련하여 주말 오전·오후첨두시 CDR과 비가정기반 업무, 쇼핑, 여가, 기타 통행발생 및 유입량을 비교하여 통행목적별 상관성을 분석하였다.
이에 CDR 통신량과 O/D 통행발생·유입량을 기준으로 하여 통행량과의 비교를 통한 활용가능성 분석에만 한정하여 활용하였다.
즉, 본 연구에서는 통행 수요를 추정하는 데 있어 기초자료로서 모바일 빅 데이터의 활용가능성을 살펴보기 위해 기존 O/D 통행량과 모바일 자료의 양적(量的) 상관성을 비교·분석하였다.
CDR은 구조 상 그 자체만으로는 통행목적을 알 수 없기 때문에 기존 O/D의 통행목적별 구분을 요일별, 시간대별 CDR과 비교함으로써, 행정동 기준으로 집계된 통행량(量)적인 측면에서 비교 분석하였다. 통행목적별 자료의 비교분석은 비교적 고정적이고 반복적인 통행 성격을 가진 통근, 통학과 같은 필수적 통행(mandatory trip)과 쇼핑, 여가, 기타 목적의 선택적 통행(discretionary trip)으로 구분하여 진행하였다. 즉, 평일 오전 및 오후 첨두시 CDR은 필수적 통행으로, 주말 오전 및 오후 첨두시 CDR은 선택적 통행으로 간주하였다.
필수적 통행과 관련하여 평일 오전과 오후 첨두시간대 CDR과 가정기반 통근 및 통학에 대한 발생 및 유입 통행량을 비교하여 통행목적별 상관성을 평가하였다. Table 7에 제시된 바와 같이, 평일 오전 첨두시간대 CDR과 가정기반 통근 및 통학 통행(필수통행) 발생·유입량은 모두 0.

대상 데이터

본 연구에서 활용된 모바일 빅 데이터는 대구광역시 대상으로 2017년 4월 주중 2일(12일, 13일) 및 주말 2일(8일, 9일) 동안 ㈜SK-T 이용자들에 의해 수집된 자료를 포함한다. 이 자료는 10세 이상의 이용자들에 대하여 10세 단위로 연령이 구분되어 있으며, 통신자료 취득 당시 해당 통신사의 가입자 수는 대한민국 총 인구 55,332,064명 기준 24,511,118명으로 총인구대비 44.

데이터처리

이는 CDR이 실제 통행을 하고 있는 사람들의 활동을 나타내는 자료라는 점에서 기존 O/D가 일정 표본면접조사에 따른 가구 및 가구원 전수화계수를 통해 상대적으로 주거기능이 집중된 지역에서 통행량이 과대 추정되었음을 의미하는 것으로 해석된다. 또한, 각 통행목적별로 통행량을 구분하여 모형의 상관성을 나타내는 \(R^2\)와 대응표본 t-test 유의확률을 비교하여 가장 유사한 대안을 비교하였다. 그 결과, CDR 통행량은 상대적으로 O/D 통행발생량보다는 O/D 통행유입량과의 관계가 높은 것으로 나타났으며, 통행목적별로는 필수적 통행에서 평일 오전첨두시 CDR과 가정기반 통근, 통학 통행발생 및 유입량과의 관계가 존재하는 것으로 나타났다.
본 연구는 CDR 및 O/D 통행발생·유입량을 통행목적별로 집계하여 상관분석 및 대응표본 t-test를 통해 두 자료가 가진 차이점 및 상관성을 분석하였다.
이후 동일 모집단의 사전·사후점수의 평균을 비교할 때 주로 사용되는 대응표본 t-test 분석을 실시하였다.

성능/효과

CDR과 총통행유입량과의 비교 결과, 수성구, 남구의 경우 44.4~48.5 %의 높은 오차율을 보였으나, 북구와 동구의 경우 7.2~14.1 %로 비교적 낮은 오차율로 나타났다. 특히 수성구 범물1․2동, 고산3동과 같은 경우에는 총통행유입량이 CDR보다 높은 것으로 나타났으나, 남구 이천동, 대명11동의 경우 CDR이 총통행유입량보다 높은 것으로 나타났다.
4 %로 비교적 낮은 오차율로 나타났다. 구체적으로 행정동 단위로 살펴본 결과, 북구 국우동, 수성구 범물1․2동, 고산3동과 같은 경우에는 총통행발생량이 CDR보다 높았고, 남구 이천동, 대명2동의 경우 CDR이 총통행발생량보다 높게 나타났다. 즉, 대구광역시 중 대규모 공동주택단지가 밀집한 지역일수록 총통행발생량이 CDR보다 높게, 반대로 공동주택이나 주거지 밀집이 낮은 지역인 경우 CDR이 총통행발생량보다 높게 나타났다.
(2015)는 이동통신사((주)SK-T)에서 제공하는 수도권 지역의 성·연령별 유동인구 자료로부터 통행발생량을 산정하기 위한 방법을 제시하고 해당 지역의 O/D 통행발생량과의 상관성 분석을 통해 자료의 활용 가능성을 확인하였다. 그 결과 무선통신 자료를 이용한 통행발생량 추정은 기존의 국가교통 데이터베이스(Korea Transport Database: KTDB)에서 구축한 직접 조사 방식에 기반한 O/D 통행발생량 자료와 매우 높은 상관관계를 가지는 것으로 분석되었다. 그러나 이 연구는 중존(경기도 시군)을 공간적 단위로 설정하여 통행유출입 (trip attraction & production)량을 도출하였다.
(2016)의 연구에서는 휴대전화 이용자의 시간대별 기지국 위치정보를 기반으로 이용자의 이동경로를 추적하고, O/D를 추출한 가정기반 통행만을 대상으로 한 수도권 중심의 O/D를 구축하였다. 그 결과 행정동 단위로 변환한 이동통신자료 기반 O/D와 KTDB의 O/D가 높은 상관관계를 보이는 것으로 분석되었다.
또한, 각 통행목적별로 통행량을 구분하여 모형의 상관성을 나타내는 \(R^2\)와 대응표본 t-test 유의확률을 비교하여 가장 유사한 대안을 비교하였다. 그 결과, CDR 통행량은 상대적으로 O/D 통행발생량보다는 O/D 통행유입량과의 관계가 높은 것으로 나타났으며, 통행목적별로는 필수적 통행에서 평일 오전첨두시 CDR과 가정기반 통근, 통학 통행발생 및 유입량과의 관계가 존재하는 것으로 나타났다. 선택적 통행에서는 주말 오전첨두시 CDR과 비가정기반 업무, 쇼핑, 여가, 기타 통행 발생량과 비교적 관계가 있는 것으로 나타났지만, 다른 통행량과는 특별한 상관성이 파악되지 않았다.
따라서 본 연구에서 기준한 통신량 자료는 1일 단위로 해당 셀에서 통신한 사람의 수로서 엄밀히 말해 각 셀에서 통신(문자, 통신 수·발신, 자료 통신 기록 기준이며, wifi통신은 제외)한 휴대전화의 수라고 볼 수 있다.
본 연구는 CDR 및 O/D 통행발생·유입량을 통행목적별로 집계하여 상관분석 및 대응표본 t-test를 통해 두 자료가 가진 차이점 및 상관성을 분석하였다. 먼저 지역적으로 CDR과 O/D의 통행량을 비교한 결과, 주거지가 밀집된 지역에서는 CDR보다 O/D 통행량이 상대적으로 많은 것으로 나타났으며, 도심지역과 같은 경우에는 CDR이 O/D 통행량보다 많은 것으로 나타났다. 이는 CDR이 실제 통행을 하고 있는 사람들의 활동을 나타내는 자료라는 점에서 기존 O/D가 일정 표본면접조사에 따른 가구 및 가구원 전수화계수를 통해 상대적으로 주거기능이 집중된 지역에서 통행량이 과대 추정되었음을 의미하는 것으로 해석된다.
614의 높은 상관관계를 나타내었다. 반면, 주말 오후첨두시 CDR과O/D 비가정기반 업무, 쇼핑, 여가, 기타 통행발생 및 유입량은 각각 0.589과 0.572로 주말 오전첨두시 CDR과 통행발생 및 유입량보다는 상대적으로 낮은 상관관계를 나타냈다. 또한, Table 10에서 대응표본 t-test분석결과, 주말 오전·오후첨두시 CDR과 비가정기반 업무, 쇼핑, 여가, 기타 통행발생 및 유입량의 유의확률은 모두 0.
반면, 평일 오후 첨두시간대 CDR과 가정기반 통근 및 통학통행(필수통행) 발생·유입량은 각각 0.481과 0.479로 평일 오전첨두 시간대보다 낮은 상관관계를 보였다.
Table 5는 Table 4에 제시된 자료를 기반으로 CDR과 총통행방생 및 유입량에 대한 상관관계 분석 결과를 제시한 것이다. 분석 결과, 집계된 CDR과 총통행발생량은 0.666의 상관관계를 보였으며, 총통행유입량과는 0.673의 상관관계를 나타내었다. 한편, Table 6과 같이 집계된 CDR과 총통행발생 및 유입량의 평균 차이에 대한 대응표본 t-test 분석에서는 유의확률이 각각 0.
이처럼 모바일 빅 데이터를 활용한 다양한 국내외 선행연구 검토 결과, 대체적으로 모바일 빅 데이터가 인간의 활동, 즉 ‘통행’을 추정하는데 매우 유의미한 자료임을 입증해주고 있으며 본 연구에서도 이러한 관점의 연장선상에서 모바일 빅 데이터가 향후 O/D를 보완·대체할 수 있는 자료로서 활용 가능성을 입증하기 위한 차원의 기초 연구로 대구광역시로 한정하여 모바일 자료와 기존 O/D자료와의 상관성을 분석해보는 것에 의의를 가진다.
중존인 구·군단위로 집계된 결과에서는 수성구, 남구, 중구의 경우 44.8~49.7 %의 높은 오차율을 보였으나, 북구와 동구, 달성군의 경우 10.1~19.4 %로 비교적 낮은 오차율로 나타났다.
이러한 결과로부터 전통적 방식에 의한 통행수요 추정에서 쇼핑과 여가와 같은 불규칙적인 통행 수요 추정 시 면접 조사에 의한 수요 추정의 한계를 보완하기 위해 CDR 자료를 활용할 수 있는 가능성을 보여주었다. 즉, CDR은 O/D자료와 통행목적별로 통행량(量)적 상관성이 있는 것으로 나타났으며, 이를 통해 통행목적별 통행발생예측 모형 구축시 CDR을 주요 독립변수로 활용할 수 있을 것으로 판단된다. 또한, 본 연구의 결과는 기존 교통수요 관련 기반 정보가 존재하지 않는 지역에 대한 교통계획의 수립시 활용 가능성을 제시하고 있다.
구체적으로 행정동 단위로 살펴본 결과, 북구 국우동, 수성구 범물1․2동, 고산3동과 같은 경우에는 총통행발생량이 CDR보다 높았고, 남구 이천동, 대명2동의 경우 CDR이 총통행발생량보다 높게 나타났다. 즉, 대구광역시 중 대규모 공동주택단지가 밀집한 지역일수록 총통행발생량이 CDR보다 높게, 반대로 공동주택이나 주거지 밀집이 낮은 지역인 경우 CDR이 총통행발생량보다 높게 나타났다.
677로 나타나 차이가 없음으로 검증되었다. 즉, 집계된 CDR과 총통행발생 및 유입량의 두 집단 간 평균 차이는 없는 것으로 분석되었다.
Table 4는 집계된 CDR과 총통행발생량(total production)과 총통행유입량(total attraction)의 비교결과를 제시한 것이다. 행정동 단위로 집계된 CDR과 총통행발생량 합계를 비교한 결과, CDR은 6,137,942통행, 총통행발생량은 5,994,680통행으로 약 2.3 % 차이를 보이는 것으로 나타났다. 중존인 구·군단위로 집계된 결과에서는 수성구, 남구, 중구의 경우 44.

후속연구

즉, CDR은 O/D자료와 통행목적별로 통행량(量)적 상관성이 있는 것으로 나타났으며, 이를 통해 통행목적별 통행발생예측 모형 구축시 CDR을 주요 독립변수로 활용할 수 있을 것으로 판단된다. 또한, 본 연구의 결과는 기존 교통수요 관련 기반 정보가 존재하지 않는 지역에 대한 교통계획의 수립시 활용 가능성을 제시하고 있다. 즉, 전통적 방식을 통해 교통수요를 추정하기에 한계가 존재하는 교통계획 관련 기술 낙후 국가나 지역의 경우에도 스마트폰은 상당부분 보급된 것으로 보도되고있다.
이러한 결과로부터 전통적 방식에 의한 통행수요 추정에서 쇼핑과 여가와 같은 불규칙적인 통행 수요 추정 시 면접 조사에 의한 수요 추정의 한계를 보완하기 위해 CDR 자료를 활용할 수 있는 가능성을 보여주었다. 즉, CDR은 O/D자료와 통행목적별로 통행량(量)적 상관성이 있는 것으로 나타났으며, 이를 통해 통행목적별 통행발생예측 모형 구축시 CDR을 주요 독립변수로 활용할 수 있을 것으로 판단된다.
한편, 최근 이슈가 되고 있는 스마트 도시의 경우, 기존의 낙후된 도시 인프라에 스마트한 정보 통신이 가미하거나, 새로운 도시 건설시 처음부터 스마트한 도시로 계획하는 경우가 존재한다. 이러한 스마트한 정보 통신의 중심에 개인 스마트 기기가 중요한 역할을 담당하고 있으며, 결과적으로 개인 스마트 기기를 통한 CDR 자료의 활용 가능성을 지속적으로 증가할 것으로 판단되며, 이러한 추세를 비추어 볼 때, 본 연구의 결과는 향후 더 큰 관심을 받을 것으로 기대된다. 마지막으로 본 연구에서는 몇 가지 해결해야 하는 한계점도 드러났다.
특히, CDR 자료 활용 가능성 검증을 위해 사용된 O/D자료의 경우 서로 시간적으로 일치하지 않는 한계점이 존재했으며, CDR 자료와 O/D 자료와의 상관성 원인에 대한 구체적인 해석은 보다 과학적은 혹은 객관적인 증거를 기반으로 제시해야 하는 한계점이 드러났다. 이러한 한계점은 향후 연구를 통해 해결될 것으로 기대한다.
(2015)은 이동통신 자료를 이용해 평균 일일 O/D통행을 추정하는 방법을 제시하고 이동통신 자료의 관측 빈도에 따라 집, 근무지 또는 다른 지점들을 주중과 시간대별로 추론하는 과정을 거쳤다. 이렇게 제시된 방법론은 일시적이고 공간적인 통행 분포를 지역적이고 국가적인 조사를 검증해줄 수 있는 자료로 활용이 가능할 것으로 보았다. 이처럼 모바일 빅 데이터를 활용한 다양한 국내외 선행연구 검토 결과, 대체적으로 모바일 빅 데이터가 인간의 활동, 즉 ‘통행’을 추정하는데 매우 유의미한 자료임을 입증해주고 있으며 본 연구에서도 이러한 관점의 연장선상에서 모바일 빅 데이터가 향후 O/D를 보완·대체할 수 있는 자료로서 활용 가능성을 입증하기 위한 차원의 기초 연구로 대구광역시로 한정하여 모바일 자료와 기존 O/D자료와의 상관성을 분석해보는 것에 의의를 가진다.
마지막으로 본 연구에서는 몇 가지 해결해야 하는 한계점도 드러났다. 특히, CDR 자료 활용 가능성 검증을 위해 사용된 O/D자료의 경우 서로 시간적으로 일치하지 않는 한계점이 존재했으며, CDR 자료와 O/D 자료와의 상관성 원인에 대한 구체적인 해석은 보다 과학적은 혹은 객관적인 증거를 기반으로 제시해야 하는 한계점이 드러났다. 이러한 한계점은 향후 연구를 통해 해결될 것으로 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	교통수요 예측을 위한 전통적 방법은?	또 다른 한계는 적용되는 방법론의 문제이다. 교통수요 예측을 위한 전통적 방법은 통행발생(trip generation), 분포(trip distribution), 수단선택(modal choice), 배정(traffic assignment)의 4단계 수요추정 기법을 적용하는 것이다. 그러나 이 방법론은 각 단계별 추정결과(Output)가 다음 단계의 투입요소(Input)가 되는 순차적 수요추정의 문제로 오차의 누적전 이(error propagation)를 비롯하여 각 단계별 활용되는 모형에 대한 한계가 지속적으로 제기되어 왔다.
	2017년 기준 국내 모바일 통신 가입자 수는 몇 명인가?	, 2005). 특히, 국내의 경우 모바일 통신 가입자 수가 2017년 기준 63,658,688명2)으로 국내 전체 인구수가 5,136만명 수준임을 감안하면, 전체 인구수 보다 많은 가입자를 보유하고 있음을 알 수 있다. 다시 말해, 모바일 통신 자료를 활용하게 되면, 이론적으로 전 국민의 교통수요를 실시간 적으로 파악할 수 있다고 가정할 수 있다.
	휴대전화 이용자의 시간대별 기지국 위치정보를 기반으로 이용자의 이동경로를 추적하고, O/D를 추출한 가정기반 통행만을 대상으로 한 수도권 중심의 O/D를 구축하였을 때, KTDB와 어떤 관계를 보이는가?	(2016)의 연구에서는 휴대전화 이용자의 시간대별 기지국 위치정보를 기반으로 이용자의 이동경로를 추적하고, O/D를 추출한 가정기반 통행만을 대상으로 한 수도권 중심의 O/D를 구축하였다. 그 결과 행정동 단위로 변환한 이동통신자료 기반 O/D와 KTDB의 O/D가 높은 상관관계를 보이는 것으로 분석되었다.

참고문헌 (9)

Alexander, L., Jiang, S., Murga, M. and Gonzalez, M. (2015). "Origin-destination trips by purpose and time of day inferred from mobile phone data." Transportation Research Part C: Emerging Technologies, Vol. 58, pp. 240-250.

상세보기
Furletti, B., Gabrielli, L., Garofalo, G., Giannotti, F., Milli, L., Nanni, M., Pedreschi, D. and Vivio, R. (2014). "Use of mobile phone data to estimate mobility flows. measuring urban population and inter-city mobility using big data in an integrated approach." Proceedings of the 47th Meeting of the Italian Statistical Society, Cagliary, Italy.
Kim, K. T., Lee, I. M., Min J. H. and Kwak, H. C. (2015). "Trip generation analysis using mobile phone data." Journal of the Korean Society for Railway, KSR, Vol. 18, No. 5, pp. 481-488.

원문보기 상세보기
Kim, K. T., Oh, D. K., Lee, I. M. and Min, J. H. (2016). "Home-based OD matrix production and analysis using mobile phone data." Journal of the Korean Society for Railway, KSR, Vol. 19, No. 5, pp. 656-662.

원문보기 상세보기
Kim, S., You, B. and Kang, S. (2005). "Origin-destination estimation based on cellular phone's based station." Journal of Korean Society of Transportation, KST, Vol. 23, No. 1, pp. 93-102.
KTDB (2016). National Traffic Survey, Available at: https://www.ktdb.go.kr/www/contents.do?key15 (Accessed: August 10, 2019).
Ministry of Science and ICT (2018). December 2017 wireless service subscriber statistics, Available at: https://www.msit.go.kr/web/msipContents/contentsView.do?cateIdmssw11241&artId1384069 (Accessed: May 25, 2019).
Pappalardo, L., Smoreda, Z., Pedreschi, D. and Giannotti, F. (2015). "Using big data to study the link between human mobility and socio-economic development." 2015 IEEE International Conference on Big Data (Big Data), IEEE, Santa Clara, CA, USA.
Yoon, S., Lee, C., Kim, H., Yook, D. and Kim, S. (2015). A study on usability of big data to enhance reliability of regional travel demand forecasting. Korea Research Institute for Human Settlements (in Korean).

저자의 다른 논문 :

LOADING...

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