표제지
목차
주요 내용 및 정책 제안 4
요약 5
CHAPTER 1. 서론 23
1. 연구의 배경 및 목적 24
1) 연구의 배경 및 필요성 24
2) 연구의 목적 27
2. 연구의 범위 및 방법 27
1) 연구의 범위 및 정의 28
2) 연구 방법 29
3. 연구의 틀 30
4. 연구의 기대효과 32
5. 선행연구 검토 및 본 연구의 차별성 33
CHAPTER 2. 국내외 관련 연구 35
1. 개요 36
2. 모빌리티 빅데이터 37
1) 모바일 생활통행데이터 기반 도시 인구 규모별 생활권 분류 및 특성 파악 37
2) 빅데이터 기반 도시 모빌리티 패턴 분석 방법론 연구 38
3) A GIS-based time-geographic approach of studying individual activities and interactions in a hybrid physical-virtual space 39
3. 활동패턴 개념 40
1) 디지털시대에 대비한 사이버 국토 구축전략 연구 40
2) Understanding monthly variability in human activity spaces: A twelve-month study using mobile phone call detail records 42
3) WHAT ABOUT PEOPLE IN REGIONAL SCIENCE 43
4. 시사점 45
CHAPTER 3. 데이터 가공 및 활동패턴 대시보드 개발 46
1. 데이터 구축 및 검토 47
1) 원시자료 47
2) 데이터 취합 및 공간조인 50
3) 추가속성 정보 생성 52
4) 모빌리티 빅데이터 원시자료 특성 검토 54
2. 활동패턴 구현을 위한 오류 데이터 필터링 방안 60
1) 통행시간 기준 오류 데이터 필터링 60
2) 체류시간(stay time) 기준 검증 64
3) 데이터 정제 단계별 데이터 개수 변화 69
3. 집-기반 활동데이터 분석 방안 70
1) 분석개요 70
2) 출발ㆍ도착 분리를 통한 노드, 링크, 경유지(Link, Node, Stop over) 산정 74
3) 이격거리 기준 도착지/출발지 판단방안 77
4) 활동의 시공간적 연속성 판단방안 80
5) 미싱 데이터 복원방안 83
4. 활동패턴 대시보드 개발 84
1) 활동패턴 대시보드 개발 필요성 및 요구사항 정의 84
2) 개발과정 85
3) 대시보드 개발 결과 89
5. 소결 94
CHAPTER 4. 활동패턴 유형의 구분 및 분석 96
1. 활동패턴의 구분 및 유형화 방안 97
1) 활동패턴 파악을 위한 체류시간 선정 97
2) 활동패턴 구분 및 특징 100
2. 활동패턴 유형 분석 109
3. 활동패턴의 지역별 요일별 분석 123
1) 활동패턴의 요일별 점유율 124
2) 전체 활동패턴의 활동 시간 분석 127
3) SAP별 활동 시간 등 분석 129
4) CAP별 활동 시간 등 분석 137
5) 지역별 활동 시간 등 분석 140
4. 소결 144
CHAPTER 5. 시사점 및 결론 146
1. 시사점 147
1) 학술적 시사점 147
2) 정책적 시사점 153
2. 결론 156
1) 연구 종합 156
2) 연구의 의의 157
3) 한계 및 향후 과제 158
참고문헌 159
SUMMARY 161
판권기 164
표 1-1. 선행연구 요약 및 본 연구의 차별성 34
표 2-1. 경우의 수를 고려한 이동유형 구분 38
표 2-2. 정보기술의 발전에 따른 전산 환경의 변천 41
표 3-1. 데이터 구축 과정 50
표 3-2. 위드라이브 원시자료의 이용자 및 데이터 개수 54
표 3-3. 데이터 필터링(시간기준)에 따른 데이터 개수 변화 69
표 3-4. 출/도착지 위치 데이터 구축 과정 74
표 3-5. 데이터 구축 과정 75
표 3-6. 집 기반 분석 대안별 fs(첫 이동)와 le(마지막 이동)의 이격거리 78
표 3-7. 집 기반 분석 대안별 이용자 수 도출 결과 79
표 3-8. 중간 이동 포함 판단 논리구조 81
표 3-9. 활동패턴 검토를 위한 대시보드 개발 86
표 3-10. 활동패턴 대시보드 개발을 위한 입력 파일 가공작업 88
표 3-11. 원시자료의 개인별 3일간 총활동패턴 89
표 3-12. 지역별 원시데이터 표출 90
표 3-13. 활동패턴 검토 사례 1: 거주지 위치, 이동 연속성 91
표 3-14. 활동패턴 검토 사례 2: 거주지 위치, 이동 연속성 결측 92
표 4-1. 체류시간 기준별 활동패턴 비율 99
표 4-2. 링크(L)/노드(N)/경유지(S) 구분별 빈도수(예) 104
표 4-3. SAP 유형별 링크(L)/노드(N)/경유지(S) 간의 관계 106
표 4-4. CAP 유형별 링크(L)/노드(N)/경유지(S) 간의 관계 107
표 4-5. 링크(L), 노드(N), 경유지(S) 기준 활동패턴 구분 예시 109
표 4-6. 활동패턴 대구분 비율 112
표 4-7. 상위 활동패턴 6개 115
표 4-8. 활동패턴 32개 유형별 비중 116
표 4-9. AP1, SAP/CAP 활동패턴 개념도 117
표 4-10. AP2, SAP/CAP 활동패턴 개념도 118
표 4-11. AP3, SAP/CAP 활동패턴 개념도 119
표 4-12. AP4, SAP/CAP 활동패턴 개념도 120
표 4-13. AP5, SAP/CAP 활동패턴 개념도 121
표 4-14. AP6와 AP7, SAP/CAP 활동패턴 개념도 122
그림 1-1. 구글 지역사회 이동 추이 변화(2022년 5월 10일 한국 기준) 25
그림 1-2. 활동패턴(예시) 26
그림 1-3. 데이터 가공 및 시각화를 통한 연구 방향 설정 27
그림 1-4. 모빌리티 빅데이터 가공 29
그림 1-5. 활동패턴 대시보드 개발 29
그림 1-6. 연구의 구성과 흐름 31
그림 2-1. 서울특별시, 제천시 Multi-level 생활권 도출 37
그림 2-2. 모빌리티 패턴(MP) 개념도 39
그림 2-3. 시공간 경로상의 동적 활동 구분 40
그림 2-4. CDR 데이터 활용 일 단위 월 단위 활동공간 분포 42
그림 2-5. 일상 활동 영역 43
그림 2-6. 활동 궤적의 시공간 그룹 44
그림 3-1. 위드라이브(WEDRIVE) 앱 소개 48
그림 3-2/그림 3-3. 위드라이브 제공 요일별 원시자료 48
그림 3-3/그림 3-4. 데이터 공간조인 전후 51
그림 3-4/그림 3-5. 데이터 가공을 통한 속성정보 생성 52
그림 3-5/그림 3-6. 데이터 가공을 통한 속성정보 생성 53
그림 3-6/그림 3-7. 데이터 가공 결과 53
그림 3-7/그림 3-8. 국가교통 db의 1인당 통행발생량 변화 55
그림 3-8/그림 3-9. 서울특별시 중랑구 사례 56
그림 3-9/그림 3-10. 경기도 오산시 사례 57
그림 3-10/그림 3-11. 주거지 주변 배회형 58
그림 3-11/그림 3-12. 직장 주변 배회형 58
그림 3-12/그림 3-13. 서초구 고속버스 터미널(경부선) 개인 통행 시점 유형별 체류시간 분포 59
그림 3-13/그림 3-14. 익일 자정 이후 도착 통행(예시) 61
그림 3-14/그림 3-15. 국내 최장 통행 거리 가정 예시 61
그림 3-15/그림 3-16. 통행시간 오류 1 : 총 통행시간 600분 이상(예시) 62
그림 3-16/그림 3-17. 통행시간 오류 2 : 통행시간 음수 63
그림 3-17/그림 3-18. 통행시간 오류 2 : 통행시간(travel time) 음수 63
그림 3-18/그림 3-19. 체류시간 음수 65
그림 3-19/그림 3-20. 체류시간 1분 이하 66
그림 3-20/그림 3-21. 체류시간 기준 데이터 가공과정 67
그림 3-21/그림 3-22. 체류시간 기준 데이터 가공 매크로 작성 68
그림 3-22/그림 3-23. 국가교통 DB의 목적별 통행발생량(2016년) 70
그림 3-23/그림 3-24. 집 기반 활동 추출 대안별 알고리즘 72
그림 3-24/그림 3-25. home based 활동 판단 논리구조 73
그림 3-25/그림 3-26. 집 기반 활동 판단 알고리즘 76
그림 3-26/그림 3-27. 중간 이동의 연속성 확보 구분 방안(예시) 81
그림 3-27/그림 3-28. 노드(출/도착지) 포함 여부 논리구조 82
그림 3-28/그림 3-29. 활동패턴 미분류 데이터 복원 83
그림 3-29/그림 3-30. 대시보드 메뉴 구성항목 87
그림 3-30/그림 3-31. 활동패턴 검토 사례 3: 거주지 위치, 중간 이동 결측 93
그림 4-1. 성인의 시간 사용 98
그림 4-2. 체류시간 기준별 활동패턴 SAP, CAP 점유율 비율 차이 99
그림 4-3. 단순 활동패턴(SAP) 개념도 100
그림 4-4. 복합 활동패턴(CAP) 개념도 101
그림 4-5. 활동패턴의 구분과 구성요소 102
그림 4-6. 링크(L), 노드(N), 경유지(S) 기준 활동패턴 구분 예시 104
그림 4-7. 링크(L)/노드(N)/경유지(S) 기준 활동패턴 유형(60개) 105
그림 4-8. 단순/복합 활동패턴 비율 110
그림 4-9. AP 유형별 AP/SAP/CAP 비율 113
그림 4-10. AP 유형별 SAP/CAP의 점유율 차이 113
그림 4-11. 활동패턴 상위 10개 비율 114
그림 4-12. 활동패턴별 주중과 주말 총활동 시간(분) 분포도 124
그림 4-13. 활동패턴 SAP1, SAP2의 요일별 점유율 125
그림 4-14. 활동패턴 SAP1, SAP2의 요일별 점유율 126
그림 4-15. 전체 활동패턴의 가중 평균 주중 및 주말 체류 및 통행시간 127
그림 4-16. 활동패턴별 주중과 주말 총활동 시간 분포도 128
그림 4-17. SAP1의 주중 및 주말 체류 및 통행시간 130
그림 4-18. SAP1의 주중 및 주말 총통행 거리 비교 130
그림 4-19. SAP2의 주중 및 주말 체류 및 통행시간 131
그림 4-20. SAP2의 주중 및 주말 총통행 거리 비교 132
그림 4-21. SAP2와 SAP1의 활동 시간 차이(SAP2-SAP1) 133
그림 4-22. 주중과 주말 SAP별 총활동 시간과 차이 134
그림 4-23. SAP별(목적지 개수) 주중과 주말 총활동 시간 135
그림 4-24. 주중과 주말 SAP별 체류시간과 통행시간 차이 136
그림 4-25. CAP2_1의 주중/주말 체류 및 통행시간 137
그림 4-26. 주중과 주말 CAP별 총활동 시간과 차이 138
그림 4-27. CAP별(목적지 증가) 주중과 주말 총활동 시간 차이 139
그림 4-28. 시도별 활동패턴 점유율 비교 140
그림 4-29. 주중 시도별 누적 활동시간과 체류시간 141
그림 4-30. 주중 시도별 누적 체류시간의 비율 142
그림 4-31. 요일별 시도별 활동 시간 143
그림 5-1. 마지막 통행 도착지의 귀가 여부 판단 알고리즘 150
그림 5-2. 활동패턴 대시보드 개발 151
그림 5-3. 활동패턴 대시보드 개발을 위한 데이터 구분 ID 152
그림 5-4. 부산, 울산 지역 활동 연계성 검토 예시(3.14 월) 153
그림 5-5. 코로나 전후 모빌리티 활동패턴 변화(예시) 154
그림 5-6. 세종, 대전시 거주자 활동패턴(SAP2) 예시 155