[논문]공유자전거 데이터 분석 및 활용방안 연구 세종특별자치시 공유자전거 어울링의 데이터를 적용하여

안세윤; 주한나; 김소연; 조민준; 김성환

doi:10.5392/jkca.2021.21.07.259

공유자전거 데이터 분석 및 활용방안 연구 세종특별자치시 공유자전거 어울링의 데이터를 적용하여
A Study on Analysis and Utilization of Public Sharing Bike Data - By applying the data of Ouling, Public Sharing Bike System in Sejong City 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.21 no.7, 2021년, pp.259 - 270

안세윤 (국립한밭대학교 산업디자인학과) , 주한나 (국립한밭대학교 UCRC 연구소) , 김소연 (국립한밭대학교 UCRC 연구소) , 조민준 (국립한밭대학교 모바일융합공학과) , 김성환 (국립한밭대학교 기초과학부)

초록
AI-Helper

최근 친환경 교통수단에 대한 관심과 바이러스로부터의 안전성을 고려하여 도시 공간 내 공유자전거 활용에 대한 관심이 높아지고 있다. 정보통신기술의 발달로 데이터를 수집하고 저장하는 기술이 향상되면서, 시민들의 공유자전거 사용에 따라 수집·저장되는 데이터를 활용한 도시 공간 내 이동성(Mobility)에 대한 연구도 활발히 진행되고 있다. 따라서, 본 논문은 문헌고찰을 통해 도시 공간 내 공유자전거 시스템을 통해 수집되는 데이터의 속성과 활용사례를 분석하여, 고찰·분석한 결과를 바탕으로 국내 공유자전거 시스템 중 하나인 세종특별자치시 어울링의 데이터 분석에 적용함으로써, 공유자전거 데이터 활용방안을 모색하였다. 분석대상으로 선정한 문헌은 GIS데이터, O-D데이터, 대여 및 반납 이력, 대여소 위치정보 및 주변정보, 날씨정보 등을 활용하여 GIS 네트워크 분석기법, 방정식 및 비율 분석, 소셜 네트워크 분석, 통계 및 네트워크 분석 등의 방법을 사용하였다. 데이터 분석을 통해 공유자전거 시스템의 현황 및 문제점을 파악하여 해결방안을 제안, 공유자전거 사용의 확장 및 활성화 방안 도출, 효율적인 공유자전거 관리 및 운영방안 도출을 위한 기초자료를 마련하였다. 궁극적으로, 데이터 분석을 통해 공유자전거를 활용하여 도시 공간 내 이동성(Mobility)을 향상시킬 수 있는 방안을 모색할 수 있을 것이다.

Abstract ▼ AI-Helper

Recently, interests in the use of Sharing Bike is increasing in consideration of eco-friendly transportation and safety from viruses. As the technology for collecting and storing data is improved with the development of ICTs, research on mobility using the Sharing Bike Data is also actively progressing. Therefore, this paper analyzes the properties of Sharing Bike Data and cases of researches on it through literature review, and based on the results of the review, data of Eoulling, the Sharing Bike System of Sejong City is analyzed as a way to utilize Sharing Bike Data. Most of the selected literature used structured data, and analyzed it through statistical methods or data mining. Through data analysis, it identified the current status, found out problems of the Sharing Bike System, proposed a solution to solve them, developed plans to activate the use of Sharing Bike. This provides basic data for efficient management and operation plans for Sharing Bike System. Ultimately, it will be possible to explore ways to improve mobility in urban spaces by utilizing Sharing Bike Data.

주제어

표/그림 (16)

표 표 1. O'Brien(1991)의 데이터 속성
표 표 2. Wang&Strong(1996)의 데이터 속성
표 표 3. PSP/ IQ (BK Kahn et al., 2002) 모델
표 표 4. Gartner(2013)의 빅데이터 속성
표 표 5. 데이터 유형 분류[2]
표 표 6. 국내의 공유자전거 데이터 활용[8-13]
표 표 7. 해외의 공유자전거 데이터 활용[14-18]
표 표 8. 어울링 데이터 분석과정
그림 그림 1. 성별(좌) 및 연령(우)에 따른 공유자전거 사용
그림 그림 2. 연령 및 성별에 따른 공유자전거 사용
그림 그림 3. 연령에 따른 공유자전거 사용 비율
그림 그림 4. 세종특별자치시 공유자전거 대여소 위치 현황
그림 그림 5. Origin이 127.24788, 36.5120인 자전거 이동경로
표 표 9. 공유자전거 사용빈도와 거리 간의 관계 분석
표 표 10. Origin 127.24788, 36.5120인 자전거 O-D 빈도
그림 그림 6. 요일별 공유자전거 사용

AI 본문요약
AI-Helper

문제 정의

이를 통해 도시 공간 내 향상된 이동성(Mobility)을 도모하고자 한다. 또한, 궁극적으로 공유자전거 데이터의 분석을 통한 활용성에 대해 논의한다. 데이터를 활용하여 도시 공간 내 이동성(Mobility)을 향상 시키는 것은 도시의 이동 효율성을 증가시켜 스마트시티로의 연결을 도모할 수 있을 것이다.
본 논문은 도시 공간 내 제공되는 공유자전거 시스템을 통해 수집되는 데이터의 속성, 분석방법과 활용사례를 고찰한다. 특히, 실제 세종특별자치시의 공유자전거 시스템인 어울링 데이터에 적용하여 공유자전거 시스템 데이터의 활용 방법을 검증한다.
이외에 빅데이터의 속성에 대한 정리는 다양하게 찾아볼 수 있지만, 기본적인 틀은 2001년 Gartner에서 정리한 내용의 일부인 V3를 바탕으로 하고 있다. 본 논문은 빅데이터의 속성에 더하여 데이터를 실질적으로 분석할 수 있는 방법을 모색하고자 한다. 그에 따라, 형태 관점에서 데이터의 유형을 고찰하였다.
본 논문은 최근 가치와 활용이 증가하고 있는 형태의 데이터 활용방안을 모색하기 위해, 위에서 구분한 데이터의 속성에 더하여 빅데이터의 속성을 고찰하였다. 공유자전거 시스템을 통해 수집할 수 있는 데이터는 기존에 구분한 데이터의 속성을 포함하는 동시에, 최근 발전하고 있는 정보통신 기술을 활용하여 수집되는 빅데이터의 속성도 포함하고 있기 때문이다.
본 논문의 목적은 도시 공간 내 공유자전거 시스템을 통해서 수집되는 데이터를 활용하여, 도시 공간 내 이동성(Mobility)를 향상시킬 수 있는 방안을 모색하는 것이다. 이를 위해, 문헌고찰을 통해 데이터의 기본적인 속성과 유형, 분석방법을 고찰하고, 선행연구를 통해 실제 공유자전거 시스템 데이터의 활용사례를 분석하였다.
앞서 고찰한 데이터와 빅데이터의 속성, 빅데이터의 유형을 바탕으로, 수집된 데이터를 실질적으로 분석하고 활용할 수 있는 방안을 모색하고자 하는 것이 본 논문의 목적이다. 이를 위해서는 먼저, 공유자전거 시스템을 통해 수집된 데이터가 데이터 및 빅데이터의 기본적인 속성을 만족시키는 지에 대한 확인이 필요하다.

제안 방법

그리고, ‘공유자전거’, ‘sharing bikes in urban area’, ‘sharing mobility in urban area’ 등 키워드로 검색하여 수집한 논문을 통해 도시 공간 내 공유자전거 데이터의 활용사례를 분석한다.
둘째, 국내의 세종특별자치시 공유자전거 시스템인어울링 데이터를 python, excel, arcgis pro 등을 활용하여 분석 및 시각화하여 앞서 고찰·분석한 공유자전거 데이터 분석방법을 검증한다.
본 장에서는 앞서 고찰한 데이터의 속성에 따른 분석과정·국내외 공유자전거 데이터 활용사례를 통해 도출한 데이터 분석방법을, 세종특별자치시 공유자전거인 어울링 데이터에 적용하여 활용성을 검증한다
세종특별자치시의 공유자전거 시스템인 어울링 데이터를 적용하여 데이터 분석 및 활용방안 도출함으로써 앞서 고찰·분석한 내용을 검증하였다
셋째, 앞서 고찰한 내용과 분석한 결과를 종합하여 도시 공간 내 이동성(Mobility) 향상을 위한 방안과 공유자전거 데이터의 활용성을 논의한다.
본 논문의 목적은 도시 공간 내 공유자전거 시스템을 통해서 수집되는 데이터를 활용하여, 도시 공간 내 이동성(Mobility)를 향상시킬 수 있는 방안을 모색하는 것이다. 이를 위해, 문헌고찰을 통해 데이터의 기본적인 속성과 유형, 분석방법을 고찰하고, 선행연구를 통해 실제 공유자전거 시스템 데이터의 활용사례를 분석하였다. 세종특별자치시의 공유자전거 시스템인 어울링 데이터를 적용하여 데이터 분석 및 활용방안 도출함으로써 앞서 고찰·분석한 내용을 검증하였다.
본 논문은 도시 공간 내 제공되는 공유자전거 시스템을 통해 수집되는 데이터의 속성, 분석방법과 활용사례를 고찰한다. 특히, 실제 세종특별자치시의 공유자전거 시스템인 어울링 데이터에 적용하여 공유자전거 시스템 데이터의 활용 방법을 검증한다. 이를 통해 도시 공간 내 향상된 이동성(Mobility)을 도모하고자 한다.

대상 데이터

사용자의 일반적 특성은 2019년 1년 간 세종특별자치시에 공유자전거를 사용하는 사람들의 수, 나이, 성별을 분석한 결과이다. 먼저, 2019년 1년 동안 세종특별자치시의 공유자전거인 어울링의 사용건수는 1,044,284건이다. 사용자의 성별은 남성 701명, 여성 166명으로, 여성보다 남성 사용자의 빈도가 훨씬 높았다.
본 연구에서는 정보통신기획평가원의 지원을 받아 수행한 과제의 일환으로 한국전자통신연구 원(ETRI)로부터 제공받은 세종특별자치시 공유자전거 어울링 사용내역 중 2019년 1년간의 데이터를 활용하였다. 총 1,044,284건의 어울링 사용내역을 활용하였다.
사용자의 일반적 특성은 2019년 1년 간 세종특별자치시에 공유자전거를 사용하는 사람들의 수, 나이, 성별을 분석한 결과이다. 먼저, 2019년 1년 동안 세종특별자치시의 공유자전거인 어울링의 사용건수는 1,044,284건이다.
어울링 데이터를 분석하기 위해 사용한 변수는 사용자의 정보(사용자의 아이디, 성별, 나이), 어울링의 기본정보(정류소 주소, 정류소 아이디, 정류소의 위치정보), 어울링 사용정보(대여날짜, 반납날짜, 대여요일, 사용 시간, 사용거리)이다[표 8].
사용자 성별, 사용자 나이, 대여 날짜, 반납날짜, 대여요일, 사용시간, 사용거리 변수는 2개 이상의 변수를 사용하여 두 변수 간의 상관관계를 분석한다. 자전거의 이동경로를 파악하기 위해서는 자전거의 반납날짜와 대여날짜를 이용하여 O-D(Origin-Destination) 데이터를 구성한다. 이를 통해 자전거 사용현황을 파악한다.
본 연구에서는 정보통신기획평가원의 지원을 받아 수행한 과제의 일환으로 한국전자통신연구 원(ETRI)로부터 제공받은 세종특별자치시 공유자전거 어울링 사용내역 중 2019년 1년간의 데이터를 활용하였다. 총 1,044,284건의 어울링 사용내역을 활용하였다.

데이터처리

(분석방법) 변수종류와 분석목적에 적합한 분석방법을 선택하여 분석값을 도출한 뒤(Coding), (분석결과) 분석결과를 해석·검증·시각화 등을 통해 표현한다(Interpretation, Confirmation, Presentation).
공유자전거의 사용빈도와 거리 간의 상관관계를 분석하기 위해 “공유자전거의 출발정류소와 도착정류소의 거리는 공유자전거 사용빈도에 부(-)의 영향을 미칠 것이다”라는 가설을 설정하고 회귀분석을 실시하였다
데이터 분석방법은 변수의 분석 단위에 따라 분류 할 수 있다. 단일변수는 기술통계를 사용하여 각 변수의 일반적인 특징(빈도수, 평균 등)을 분석한다. 또한, Clustering, GIS 분석 등을 통해 도시 공간 정보와 결합하여 변수 별 자전거 사용지역을 도출한다.
이와 같은 목적을 달성하기 위해 사용한 데이터의 종류는 자전거 사용 경로 (O-D 데이터), 정류소 정보(위치, 수 등), 자전거 사용날짜 및 시간, 도시 지리정보 등을 활용한다. 데이터를 분석하기 위한 방법은 기술통계, 클러스터링, 데이터 마이닝, Spatial Temporal Analysis, 수학적 최적화 (Mathematical Optimization), Intelligent Data Analysis 등을 활용한다.
단일 & 다중변수는 단일변수로도 데이터 분석이 가능하지만, 다른 변수와 결합하여 다중변수로서 회귀분석, 상관분석 등을 통해 두 변수 간의 관계성을 파악한다. 또는, Spatial Temporal, Clustering, 예측모델을 적용한 분석, (순차)패턴분석을 한다.

성능/효과

또한, 본 논문은 문헌과 선행연구를 바탕으로 한 연구로, 분석 내용이 검토한 자료에 한정되어 있다는 한계를 갖는다. 검토한 자료에서 활용한 데이터는 모두 정형데이터이며, 선행연구에서 활용한 분석방법도 제한적이었다. 공유자전거 시스템의 활성화를 도모하기 위해서는 시스템 자체를 통해 수집·저장되는 데이터 외에도 사용자를 통해 획득할 수 있는 비정형 데이터가 있다.
최종적으로, 공유자전거 데이터를 분석·활용하여 시스템 활성화 방안을 마련할 수 있는 방법을 제시하였다. 다양한 분석 방법 고찰을 통해 계획적 분석을 위해 수집된 데이터뿐 만 아니라, 비의도적으로 수집된 데이터 활용의 확장을 도모할 수 있다.
이와 같은 일련의 과정을 통해 1) 자전거의 사용 빈도 및 이동경로를 분석하는 등 공유자전거의 사용현황 및 문제점을 파악하여 해결방안을 도출하거나, 2) 주변 교통수단과의 연계, 혹은 예측을 통해 공유자전거의 활성화 방안을 도출하거나, 3) 자전거를 재배치하거나 관련 시설 고장 패턴을 분석하여 대비하는 등 공유자전거를 효율적으로 관리하고 운영할 수 있는 방안 도출 등 공유자전거 데이터를 분석하고 활용할 수 있는 방안을 제안하였다.
최종적으로, 공유자전거 데이터를 분석·활용하여 시스템 활성화 방안을 마련할 수 있는 방법을 제시하였다

후속연구

또한, 본 논문은 문헌과 선행연구를 바탕으로 한 연구로, 분석 내용이 검토한 자료에 한정되어 있다는 한계를 갖는다. 검토한 자료에서 활용한 데이터는 모두 정형데이터이며, 선행연구에서 활용한 분석방법도 제한적이었다.
예를 들어, 텍스트 혹은 이미지 기반의 소셜 미디어(SNS)를 통해 수집·저장할 수 있는 실질적인 사용자의 불편함이나 공유자전거 관련 시설 이용의 선호 등이 있다. 보다 다양한 유형의 데이터를 활용하여 새로운 분석 방법을 시도한다면 공유자전거 시스템 활성화를 위해 보다 다양한 방법이 도출될 것이다.
이를 위해서는 먼저, 공유자전거 시스템을 통해 수집된 데이터가 데이터 및 빅데이터의 기본적인 속성을 만족시키는 지에 대한 확인이 필요하다. 이후, 수집된 데이터의 유형을 확인하여 활용 가능한 분석 방법을 통해 유의미한 결과를 도출할 수 있는 방안을 계획해야 한다.

참고문헌 (23)

E. Come, N. A. Randriamanamihaga, L. Oukhellou, and P. Aknin, "Spatio-temporal analysis of dynamic origin-destination data using latent dirichlet allocation: Application to velib'bike sharing system of paris," In TRB 93rd Annual meeting (p. 19p). TRANSPORTATION RESEARCH BOARD, p.2, 2014.
미래창조과학부, 빅데이터 활용 단계별 업무절차 및 기술 활용 매뉴얼 (Version 1.0), 2014.
민금영, 빅데이터 속성이 재난대응 의사결정에 미치는 영향에 관한 연구, 동국대학교, 박사학위논문, pp.26-27, 2013.
B. K. Kahn, D. M. Strong, and R. Y. Wang, "Information quality benchmarks: product and service performance," Communications of the ACM, Vol.45, No.4, pp.184-192, 2002.

상세보기
Gartner's Big Data Definition Consists of Three Parts, Not to be Confused with Three "V"s, https://blogs.gartner.com/svetlana-sicular/gartnersbig-data-definition-consists-of-three-parts-not-to-be-confused-with-three-vs/
하연편집부, 빅데이터와 DBMS 시장전망, 하연출판사, 2012.
B. B. Kawulich, "Data analysis techniques in qualitative research," Journal of research in education, Vol.14, No.1, pp.96-113, 2004.
김형배, GPS와 GIS 데이터를 이용한 자전거 도로의 노선 적합성 연구, 경북대학교 과학기술대학원, 석사학위논문, 2013.
이문섭, 서울시 공공자전거 무인대여소의 이용특성 분석, 서울시립대학교, 석사학위논문, 2016.
박현규, 녹색교통으로서 통근통학 시간대의 서울시 공공자전거 따릉이 이용특성 분석, 서울시립대학교, 석사학위논문, 2018.
서다윤, 대전.세종시 공공자전거시스템 데이터 분석을 통한 운영효율성 제고, 한밭대학교, 석사학위논문, 2018.
사경은, 서울시 공공자전거 이용에 영향을 미치는 물리적 환경 요인에 관한 연구, 한양대학교, 석사학위논문, 2019.
이창환, 군집분석을 통한 서울시 자전거 공유 시스템 수요 예측, 서울과학기술대학교, 석사학위논문, 2020
P. Borgnat, E. Fleury, C. Robardet, and A. Scherrer, "Spatial analysis of dynamic movements of Velo'v, Lyon's shared bicycle program," In ECCS'09. Complex Systems Society, 2009
J. E. Froehlich, J. Neumann, and N. Oliver, "Sensing and predicting the pulse of the city through shared bicycling," In Twenty-First International Joint Conference on Artificial Intelligence, 2009.
P. Borgnat, P. Abry, P. Flandrin, C. Robardet, J. B. Rouquier, and E. Fleury, "Shared bicycles in a city: A signal processing and data analysis perspective," Advances in Complex Systems, Vol.14, No.3, pp.415-438, 2011.

상세보기
N. Lathia, S. Ahmed, and L. Capra, "Measuring the impact of opening the London shared bicycle scheme to casual users". Transportation research part C: emerging technologies, Vol.22, pp.88-102, 2012.

상세보기
P. Vogel, "Service network design of bike sharing systems," In Service Network Design of Bike Sharing Systems, Springer, Cham, pp.113-135, 2016.
J. Wang, C. H. Tsai, and P. C. Lin, "Applying spatial-temporal analysis and retail location theory to public bikes site selection in Taipei," Transportation Research Part A: Policy and Practice, Vol.94, pp.45-61, 2016.

상세보기
S. Maas, P. Nikolaou, M. Attard, and L. Dimitriou, "Spatial and temporal analysis of shared bicycle use in Limassol, Cyprus," Journal of Transport Geography, Vol.93, 103049, 2021.

상세보기
X. Yang, Introduction to mathematical optimization, From linear programming to metaheuristics, 2008.
유옥길, IT 기술을 기반으로 하는 공유경제 비즈니스 모델 비교 연구 : 한국과 중국을 중심으로, 건국대학교, 석사학위논문, 2019.
최은진, 공유경제의 지속가능 경영 요인에 관한 연구: 중국 공유자전거 산업을 중심으로, 인하대학교, 석사학위논문, 2020.

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