“모빌리티 빅데이터 기반 활동패턴/시간 분석”

국토硏, 국토정책Brief 제918호

□ 개인의 활동은 물리적 공간에서 시간적 연속성을 가지고 발생하므로 인간-시간-공간의 삼간(三間) 데이터가 하나로 결합될 때 개인의 활동패턴 파악이 가능하다.

 ◦ 위드라이브* 등 스타트업에서는 스마트폰 애플리케이션을 통해 개인의 시공간 이동정보를 빅데이터로 구축하고 있어 이를 활용한 개인 활동패턴 분석 가능

  * 위드라이브: 해당 앱 이용자(개인정보 비인식)의 위치정보로 운전습관 분석, 차량정비 위치안내 등의 정보를 제공하는 스타트업.

□ 국토연구원(원장직무대행 김태환) 김종학 연구위원은 국토정책Brief 제918호 “모빌리티 빅데이터 기반 활동패턴/시간 분석”에서 애플리케이션 기반 모빌리티 빅데이터 가공을 통해 개인 활동패턴을 유형화하고, 활동패턴/시간 분석에 대한 정책 활용방안을 제시했다.

□ 약 6만 8천 개의 개인 활동패턴을 분석하여 32개로 유형화한 결과, 상위 6개 활동패턴이 전체활동의 90% 이상을 점유했다.

 ◦ 단순활동패턴(SAP, 동일목적지 1회 방문) 비율은 81%, 복합활동패턴(CAP, 동일목적지 2회 방문) 비율은 19%로 단순활동패턴이 복합활동패턴보다 약 4배 높았음

□ 활동패턴별 활동시간을 분석한 결과, 주중 활동시간(귀가 후 시간 제외)은 10.3시간으로, 이동에 2.1시간, 체류에 8.2시간을 소비했다.

 ◦ 단순활동패턴의 경우 목적지 1회 증가 시 주중 활동시간은 25.1분, 주말 활동시간은 63.3분 증가해 주말이 주중보다 38.2분 더 많이 소비

□ 시도별 활동패턴을 분석한 결과, SAP1(예: 집-직장) 비율은 수도권이 53.8%로 다소 높았고, 제주특별자치도, 강원도, 세종특별자치시 등은 44.8~49.3%로 다소 낮았다.

 ◦ 시도별 주중(월-금) 누적활동시간 분석 결과, 울산광역시가 52.3시간으로 가장 높았고 가장 낮은 강원도가 46.5시간

□ 김종학 연구위원은 개인단위 모빌리티 빅데이터의 공익성 제고를 위한 분석방법 및 대시보드 등을 개발해 빅데이터의 정책적 활용가치를 제고할 필요가 있다고 설명하며, 두 가지 정책 활용방안을 제시했다.

 ◦ (지역활동 모니터링) 개인의 하루단위 활동형상을 파악할 수 있어 개인의 지역활동 모니터링 방안으로 활용 가능

 ◦ (사회여건변화 전후 활동변화) 전염병 확산, 경기 둔화 등에 따른 활동변화 파악 가능