KR101955568B1 - 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험조사 시스템 및 방법 - Google Patents

Abstract

본 발명은 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법을 제공한다. 상기 시스템은 모바일 데이터 수집 디바이스로부터 수집된 보행자의 보행 경로에 따른 GPS 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하고 공간정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 데이터 처리부와, 상기 보정한 보행 경험 데이터와 시설물 조사 데이터을 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 모델을 생성하는 데이터 마이닝부를 포함한다.

Description

모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험조사 시스템 및 방법{System and Method for Investigating Travel Experience for Transport Vulnerable based on Mobile Sensor data}

본 발명은 보행 네비게이션에 관한 것으로서, 더 구체적으로는 교통약자 특성을 고려한 이동 경험에 대한 정보를 수집, 가공 및 처리하는 시스템과 방법에 관한 것이다.

교통 약자라 함은 「교통약자의 이동편의 증진법」 제2조 1항에서 장애인, 고령자, 임산부, 영유아를 동반한 사람, 어린이 등 일상생활에서 이동에 불편을 느끼는 사람으로 정의한다. 즉, 휠체어, 지팡이 등을 이용하는 장애인 또는 고령자뿐만 아니라 이동에 어려움이 있는 임산부 또는 영유아를 동반한 사람 등도 포함한다.

교통 약자는 일반인에 비해 보행에 많은 어려움을 겪기 때문에 이동 횟수가 적고 이동 경로 또한 제한적이다. 이는 보행시설물 및 보행도로의 기하구조로 인한 보행장애가 발생되며 교통 약자의 경우 사고 발생 위험이 일반인에 비해 높아지기 때문이다.

교통 약자들의 특성(예를 들어, 교통 약자 유형별 또는 보조 기구 유형)별로 장애 요소가 되는 보행 시설물 및 보행경로상 보행도로의 기하구조가 일반인과 차이가 크다.

기존 보행 네비게이션 시스템의 경우, 교통 약자의 특성에 적합하도록 교통약자의 보행에 필요한 정보(보행 도로의 기하 구조, 보행시설물 정보 및 선호시설물 정보)를 정확하게 제공하고 있지 못하며, 기존 보행 네비게이션 시스템 구축업체에 의해 지속적으로 업데이트가 되지 않는 경우 정확한 보행 정보를 제공하지 못하여 이용자들이 많은 불편을 겪게 된다.

특히, 기존 보행 네비게이션 시스템의 경우, 교통 약자의 유형 뿐만 아니라 교통 약자의 보행 기구의 특성을 모두 고려하여 교통약자의 보행에 필요한 정보를 정확히 제공하지 못하고 있다.

또한, 기존 보행 네비게이션 시스템의 경우, 교통 약자들 간에 실제 보행 도로의 이동 경험(이동 소요시간등 이동 경험 데이터)을 다른 교통 약자들과 서로 공유할 수 없어 교통 약자들간의 정확한 보행 정보를 공유할 수 없었다.

또한, 기존 보행 네비게이션 시스템의 경우, 보행 경로 안내에 대해 교통 약자입장에서 보행 경로 안내에 대한 평가를 반영한 정확한 보행 경로 안내를 제공하지 못하였다.

교통약자 유형별로 제공되어야 될 보행도로의 기하정보와 보행시설물 정보가 기존 보행 네비게이션 시스템과 다르므로 교통약자가 자립보행을 위해서는 교통약자 유형별 도로 보행에 필요한 데이터를 수집, 가공 및 처리하는 기술이 요구된다.

본 발명의 목적은 교통 약자에게 적합한 보행 경로와 보행에 필요한 정보(보행 도로의 기하 구조, 보행소요 시간, 보행시설물 및 선호시설물) 제공을 위하여 모바일 센서 데이터 기반으로 교통약자 유형별 보행 경험 데이터 및 보행 평가 데이터를 효율적으로 수집, 가공, 처리 및 공유하기 위한 시스템 및 방법을 제공하기 위한 것이다.

본 발명의 일 측면에 따르면, 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템은 모바일 데이터 수집 디바이스로부터 수집된 보행자의 보행 경로에 따른 GPS(Global Positioning System) 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하고 공간적 위치 정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 데이터 처리부와, 그리고 상기 보정한 보행 경험 데이터와 시설물 조사 데이터을 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 모델을 생성하는 데이터 마이닝부를 포함한다.

본 발명의 다른 측면에 따르면, 이동 경험 조사 시스템에서 수행되는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법은 보행자의 보행 경로에 따라 모바일 데이터 수집 디바이스로부터 수집된 GPS(Global Positioning System) 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류 및 공간적 위치 정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 단계와, 그리고 상기 보정한 보행 경험 데이터와 시설물 조사 데이터를 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 단계를 포함한다.

본 발명의 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법은 교통 약자 유형 및 보조 기구 유형별 GPS 및 센서 데이터를 기반으로 교통약자 유형별 보행 경로에 대하여 보행행태를 수집할 수 있고 보행경로에 대한 만족도(또는 보행경로 안내에 대한 만족도)를 평가할 수 있다.

또한. 본 발명의 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법에서는 데이터(보행 속도, GPS 데이터, 보행 만족도 데이터, 보행 링크 데이터)를 보행 링크 식별자(link ID) 별로 저장 및 관리하지 않고 데이터 군집화를 통해 군집 식별자(ID) 별로 저장 및 관리함으로써 보행자의 보행 데이터의 관리적인 측면에 있어서 적은 개수의 데이터 레코드 수로 처리가 가능하므므로 상당히 효율적으로 데이터를 관리할 수 있다.

또한, 본 발명의 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법에 의하면, 사용자가 모바일 보행 안내 어플리케이션을 사용하는 것만으로 교통약자의 보행 행태 또는 보행 경험에 대한 데이터를 수집할 수 있으며, 사용자가 보행 시설물 및 선호 시설물을 등록할 수 있는 간편한 수단을 제공함으로써 사용자 입장에서 보행 시설물을 조사하기 위한 조사 범위, 조사 시간, 조사 비용 등이 기존 보행 네비게이션 시스템에 비해 매우 낮아지며, 더욱이 보행 시설물의 잦은 변경에도 보행 시설물 정보의 업데이트가 정확히 반영될 수 있다.

도 1은 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템의 장치 구성도이다.
도 2a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통약자 맞춤형 보행 정보 조사 시스템의 동작을 설명하기 위한 블록 다이어그램이다.
도 2b는 표본 사용자(또는 교통 약자) 데이터 테이블을 나타내며, 도 2c는 도 2b의 표본 사용자(또는 교통 약자) 데이터 테이블에 군집 분석을 수행한 결과를 나타낸 테이블이며, 도 2d는 도 2c의 군집 분석 결과를 활용하기 위한 테이블을 나타낸다.
도 3a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 조사 및 데이터 마이닝 모델링의 순서도이다.
도 3b는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법 중 시설물 종류 예측 방법의 순서도이다.
도 3c는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법의 순서도이다.
도 3d는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 및 선호 시설물 등록과정을 설명하기 위한 순서도이다.
도 3e는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 시설물 상태 정보 변경 과정을 설명하기 위한 순서도이다.
도 4a 내지 도 4e는 본 발명의 일 실시 예에 따른 데이터 수집 디바이스(100)에 설치되어 실행되는 모바일 센서 기반 교통 약자 맞춤형 이동 경험 어플리케이션(이하 이동 경험 앱이라고 함)의 주요 화면이다.
도 5a 내지 도 5c는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 시설물 조사 어플리케이션(이하 시설물 조사 앱이라고 함)의 시설물 정보 입력 화면이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등을 포함하는 용어가 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재 항목들의 조합 또는 복수의 관련된 기재 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 첨부한 도면들을 참조하여 본 발명에 바람직한 실시 예를 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성요소는 동일한 참조번호를 부여하고 이에 대해 중복되는 설명은 생략하기로 한다.

보행자는 시스템을 이용하여 길을 걷는 사람으로 정의하며 이용자, 사용자 그리고 교통약자를 포함할 수 있다.

교통 약자 유형은 예를 들어 고령자, 시각 장애인, 청각 장애인, 지체 장애인, 복합 장애인, 기타 등을 포함할 수 있다.

보행 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다.

보행 정보는 보행에 필요한 정보로서 목적지 위치, 현재 위치, 보행 경로, 보행도로의 기하구조, 예상 소요시간, 보행 경로 상 보행시설물 및 선호시설물 위치, 등이 해당된다.

보행경험 데이터는 목적지 위치, 출발지 위치, 보행 경로, 보행도로의 기하구조, 소요시간, 보행경로 상 보행시설물 및 선호시설물 위치 그리고 보행 경로에 대한 평가 데이터를 포함한다.

보행 시설물은 보행자의 신체조건 및 처해진 상황에 따라 보행시 보행을 방해 또는 장애를 초래하거나, 보행시 이용이 불가능한 시설물 정보로서 예를 들어 육교, 횡단보도, 보도턱 낮춤, 계단 등 보행에 필요한 시설물 정보를 포함할 수 있다.

선호시설물은 보행자에게 필요한 또는 도움이 되는 시설로서 보행자가 빈번하게 이용하는 공용 시설물로 정의하며, 예를들어 전동휠체어 충전소, 공중장애인 화장실, 관공서, 종교시설물 등과 같이 보행 경로와 직접적인 관여는 없으나 보행경로에 고려되는 주변 시설물 정보를 포함할 수 있다.

보행 평가 데이터는 보행자가 실제 보행한 경로에 대하여 만족도를 평가한 데이터를 포함할 수 있다. 또는 보행 안내 경로 평가 데이터는 보행자가 실제 보행 안내를 받은 경로에 대하여 만족도를 평가한 데이터를 포함할 수 있다.

모바일 센서 데이터 기반 보행 정보 조사 시스템

도 1은 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템의 장치 구성도이다. 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 시스템은 사용자 네트워크로 연결된 데이터 수집 디바이스(100), WAS(Web Application Service) 및 GW(Gate Way) 서버(200), GIS(Geographic Information System) 및 RP(Route Planning) 서버(300), 데이터 마이닝 및 연산 서버(400)와 데이터 모니터링 및 관리 디바이스(500)를 포함한다.

상기 데이터 수집 디바이스(100)는 보행 시설물 조사 어플리케이션을 설치하고 실행할 수 있는 모바일 디바이스(예를 들어, 안드로이드 기반 OS)로 무선 통신 기능이 내장된 스마트폰, 태블릿 등을 포함할 수 있다. 상기 데이터 수집 디바이스(100)는 GPS 데이터 및 센서 데이터(가속 센서, 기압센서, 자이로센서를 포함)를 수집하여 네트워크(예를 들어, WiFi 포함)를 통해 WAS 및 GW 서버(200)로 수집된 데이터를 전송하는 장치이다.

WAS 및 GW 서버(200)는 데이터 수집 디바이스(100)로부터 GPS 및 센서 데이터를 수집한다. 또한 WAS 및 GW 서버(200)는 수집된 데이터의 추출, 변환 및 로딩을 수행할 수도 있다. 또한, GIS 및 RP 서버(300)의 데이터 인터페이스 기능을 하며, 웹 서비스(데이터 모니터링 및 관리)와 데이터 간 수집시간 동기화를 수행할 수 있다. 또한, WAS 및 GW 서버(200)는 공간 매칭(맵 매칭) 알고리즘 연산을 수행할 수도 있다.

상기 GIS 및 RP 서버(300)는 수치 지도 및 위치 기반정보를 관리한다. 또한, 시설물 조사 시작 위치와 종료 위치에 대한 맵 매칭 데이터를 제공한다.

상기 데이터 마이닝 및 연산 서버(400)는 빅 데이터 마이닝 연산을 수행하며, 시설물 예측모델을 이용한 시설물 예측결과와 시설물 예측모델을 만들기 위한 시설물 조사 데이터를 관리한다. 상기 시설물 조사 데이터의 관리는 보행자 유형 및/또는 보행 보조기구 등에 따라 시설물 종류, 시설물 예측점수와 모바일 수집 데이터의 관리하는 기능을 포함한다. 상기 보행자 유형은 예를 들어, 교통 약자의 유형이 될 수 있다.

상기 데이터 모니터링 및 관리 디바이스(500)는 수집된 데이터 자료의 모니터링 및 관리를 수행한다. 또한 데이터 모니터링 및 관리 디바이스(500)는 빅 데이터 마이닝 연산의 수행을 모니터링하고 관리한다,

도 2a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통약자 맞춤형 보행 정보 조사 시스템의 동작을 설명하기 위한 블록 다이어그램이다.

도 2a를 참조하면, 데이터 수집 디바이스(100)는 사용자 또는 교통약자에게 보행 안내를 제공하며, 사용자 또는 교통약자가 현재 위치에서 목적지까지 보행경로안내를 받아 보행을 할 경우 보행 경험 데이터를 수집할 수 있다. 사용자 또는 교통약자는 데이터 수집 디바이스(100)를 통하여 시설물 등록 및 조회를 할 수 있다.

WAS 및 GW 서버(200)는 모바일 데이터 수집부를 포함한다. 모바일 데이터 수집부는 구체적으로 일반 교통 약자들로부터 GPS 데이터 및 센서 데이터등을 수집하는 일반 교통 약자 모바일 데이터 수집부(201a)와 일반 교통 약자들 중 소정 개수의 표준 교통 약자들로부터 GPS 데이터 및 센서 데이터등을 수집하는 표본 교통 약자 모바일 데이터 수집부(201b)를 포함할 수 있다.

WAS 및 GW 서버(200)내의 모바일 데이터 수집부는 데이터 수집 디바이스(100)로부터 보행 경험 데이터와 시설물 조사 데이터를 수집한다. 또한, 모바일 데이터 수집부는 데이터 수집 디바이스(100)로부터 사용자의 보행 경로(GPS 및 센서 데이터), 사용자 정보(보행보조기구, 사용자 아이디 등), 그리고 보행 경로 평가 결과를 수집할 수 있다.

보행 경로 평가는 모바일 어플리케이션을 이용하여 사용자 또는 교통 약자가 보행경로안내를 수행하고 목적지에 도착하여 보행경로안내가 종료될 때 안내된 보행경로에 대하여 사용자 또는 교통 약자가 평가를 할 수 있는 기능을 의미하며, 보행 경로에 대한 평가 점수 데이터를 보행 경로 평가 결과로 제공될 수 있다. 상기 보행 경로 평가 데이터는 리커트 5점 척도로 해당 경로가 빠른길(빠른 경로), 안전한길(안전한 경로), 편안한길(편안한 경로)인가를 평가하는 것이다.

여기서, 편안한 경로는 보행경로상 선호시설물 분포가 많고, 이동경로상 보행시설물 이용횟수의 비용(COST)가 적은 경로로서, 편안한 경로로의 보행 경로 안내는 보행도로가 직진성향이 있으며, 이면도로가 아닌 보행자 전용도로가 많이 분포한 지역으로 유도하며 사용자 평가 점수가 높은 구간으로 보행 경로 안내를 진행할 수 있다.

안전한 경로는 동일조건의 보행자가 이동한 경험이 많고, 평가점수가 높은 로드링크가 많이 포함된 경로로서, 안전한 경로로의 보행 경로 안내는 보행상 방법 CCTV의 분포가 많으며 유흥주점을 제외한 상권지역으로 보행자 전용도로가 많이 분포한 지역으로 보행 경로 안내를 진행할 수 있으며, 또한 사용자 평가 점수가 높은 구간으로 보행 경로 안내를 진행할 수 있다.

빠른 경로는 현재 보행자 위치에서 목적지까지 거리 순으로 최단거리 경로로서, 빠른길 경로로의 보행 경로 안내는 현재 교통약자 위치에서 목적지까지의 최단 경로를 제공하나 교통약자의 보행보조기구에 따라 보행이 불가한 경로를 제외하도록 보행 경로 안내를 할 수 있으며, 또한 사용자 평가 점수가 높은 구간으로 보행 경로 안내를 진행할 수 있다.

모바일 어플리케이션 사용시 사용자 또는 교통 약자는 개인 ID를 등록하고 보행보조기구를 선택하여 해당 사용자의 교통약자 유형을 시스템 상에서 판단할 수 있는 데이터를 제공할 수 있다. 특히 개인 ID는 보행경험 데이터와 보행경로 평가 데이터등 데이터간 연결 키(PK : Primary Key) 역할을 한다.상기 시설물 조사 데이터는 데이터 마이닝의 모델링, 스코어링 및 평가 단계를 수행하기 위한 자료로서, 육교, 지하도 등의 보행 시설물에서의 GPS 및 센서 데이터를 수집하여 얻어질 수 있다. 상기 보행 시설물의 추가적인 상세 정보(예를 들어, 계단 손잡이 위치, 보도턱 높이, 보도 너비 등)는 데이터 수집 디바이스(100)에 설치된 보행 시설물 조사 어플리케이션을 통해 수동 또는 자동으로 입력될 수 있다(도 5a 내지 도 5c 참조).

보행 경험 데이터는 교통 약자가 시설물 조사 경로 이외의 지역에서 이동 시 수집되는 모바일 GPS 데이터 및 센서 데이터를 포함할 수 있으며. 데이터 마이닝을 통해 해당 지역의 시설물을 예측하는데 사용된다. 수집되는 시설물 조사 데이터 및 보행 경험 데이터는 경로 좌표(GPS WSG85) 및 센서(예를 들어, 가속도 센서, 자이로 센서, 기압 센서, 지자기 센서, 로테이션 센서 등) 데이터 등을 포함할 수 있다. 보행 경험 데이터는 사용자 또는 교통약자가 현재 위치에서 목적지까지 보행경로안내를 받아 보행을 할 경우에 수집되는 데이터로서, 보행안내 시작 시 자동으로 보행 경험 데이터는 모바일 단말기에 저장되었다가 WiFi 통신이 가능한 환경에서 WAS 서버로 데이터가 전송되도록 구현될 수 있다.

보행도로 네트워크 데이터(220)는 보행경로안내를 위한 기반 데이터로 노드(Node) 데이터와 링크(Link) 데이터로 구성될 수 있다. 교통약자의 보행경로안내에 필요한 중요 데이터는 노드 데이터 또는 링크 데이터 기준으로 구축될 수 있으며, 보행시설물 데이터, 표고 데이터, 및/또는 경사도 데이터 등을 포함할 수 있다.

보행도로 네트워크 데이터(220) 중 링크데이터는 라인기반의 공간데이터로 보행경로는 여러 개의 링크와 링크가 연결되어 한 개의 보행경로가 형성될 수 있다. 해당 단계의 링크 데이터는 표고와 경사도의 속성을 연결하는 데이터이다.

표고 데이터는 국토지리원 1:5000 원도에서 제공되며, 경사도 데이터는 표고와 등고 데이터를 3D 지형 모델로 1차 가공 후 수치고도모델(DEM) 생성하여 경사도를 추정하여 생성될 수 있다. 이때 링크에 해당하는 값을 추출하기 위하여 보행도로 네트워크 데이터와 경사도 데이터를 지오프로세싱(Geoprocessing)에서 클립(Clip)을 실시할 수 있다. 경사도는 교통약자가 보행에 어려움을 느끼는 중요한 요인으로 특히 휠체어장애인의 경우 7도 이상에서는 자립보행이 매우 어려워 해당 데이터를 활용한 경로안내가 필요하다. 따라서 해당 데이터를 이용하여 Link 데이터의 특성을 군집 관리할 수 있어야 된다.

Link ID의 관리 그룹 코드(221)는 데이터 마이닝부(450)에서 군집 분석을 실시한 결과의 값으로 개인별 보행경험 데이터를 관리하는데 있어 관리 기준 코드 역할을 수행한다.

데이터 마이닝 및 연산 서버(400a)는 데이터 처리부(410)와 데이터 마이닝부(450)를 포함한다. 데이터 처리부(410)는 데이터 ETL(Extract, Transform and Load)부로 구현될 수 있으며, 데이터 ETL부는 데이터 추출(Extract), 변환(Transform) 및 로드(Load)를 수행한다.

데이터 처리부는 데이터 마이닝 및 연산 서버(400a)내에 포함될수도 있고, 또는 WAS 및 GW 서버(200)에 포함될 수도 있다.

데이터 처리부(410)는 보행자(또는 교통약자) 및 보조기구별로 데이터(보행경험 데이터 및/또는 보행 평가 데이터)를 분류하고 공간 데이터의 클린징과 맵 매칭을 수행하여 보정한 보행경험 데이터 및/또는 보행 평가 데이터를 생성한다. 구체적으로, 데이터 처리부(410)는 보행 보조기구 유형에 따라 교통약자 유형을 구분하여 보행 경로 평가 데이터 및 GPS데이터를 1차 분류한다. GPS 데이터는 수신 위성위치 및 수량에 따라 GPS 측정 좌표가 달라지며 도심에서는 건물유리에 의하여 노이즈가 발생되어 정확한 보행속도와 보행시간 산출이 어렵다. 이에 대하여 GPS데이터를 보행 링크(link) 데이터에 포인트-투-커브(point to curve) 맵 매칭(공간적 데이터 매칭으로 GPS노이즈 데이터를 보정)을 실시한다.

데이터 처리부(410)는 공간적으로 보정한 데이터를 기준으로 각 링크의 길이와 링크를 통과한 시간을 이용하여 정확한 보행속도를 산출할 수 있다.

또한, 데이터 처리부(410)는 보행평균 속도가 예를 들어 7m/sec를 초과하거나 또는 0.1m/sec 미만인 경우에 대해서 필터링을 실시한다.

더 구체적으로 설명하면 먼저, 데이터 처리부(410)는 상기 모바일 데이터 수집부(210a, 210b)에서 수집한 모바일 GPS 데이터 및 센서 데이터로부터 얻어진 보행 경험 데이터와 보행평가 데이터를 추출하여 데이터 처리부(410)에서 보행자의 사전 정보(예를 들어, 교통약자 유형, 보행 보조기구 유형 등)에 따라 경험 데이터와 보행평가 데이터를 분류한다. 그런 다음 GIS 및 RP 서버(300)와 연계하여 좌표(경로) 데이터 필터링, GPS 데이터 필터링, 센서 데이터 필터링 등을 수행한다. 이때 상기 GIS 및 RP 서버(300)는 수치 지도 및 경로 기반 데이터를 저장하고 있어 좌표 데이터의 필터링에 기준이 되는 정보를 제공한다. 이러한 필터링을 위해, 상기 데이터 처리부(410)는 좌표(경로) 필터링 모듈, 센서 데이터 필터링 모듈 및 시설 데이터 필터링 모듈을 포함할 수 있다.

데이터 처리부(410)는 전술한 필터링 작업을 통하여 데이터 변환 후 데이터(보행경험 데이터 및/또는 보행 평가 데이터를 분류, 보정, 필터링, 변환을 거쳐 '보정한' 보행경험 데이터 및/또는 보행 평가 데이터)를 로딩한다. 상기 데이터 처리부는 로딩한 보행 경험 데이터와 시설물 조사 데이터를 데이터 마이닝부(450)로 전달한다.

상기 데이터 마이닝부(450)는 상기 로딩된 보정된 시설물 조사 데이터를 기반으로 판단/분류 모델을 생성하고 평가하여 판단/분류 모델을 개선한다. 데이터 마이닝부(450)는 모델링 모듈, 스코어링 모듈 및 평가 모듈을 포함할 수 있다.

데이터 마이닝부(450)는 개선된 판단/분류 모델을 이동 경험 데이터에 적용하여 시설물 종류를 판단한다. 모델링 모듈은 지도학습 방법으로 센서 데이터로 시설물 유형을 판단할 수 있는 모델을 형성한다. 스코어링 모듈은 센서 데이터로 시설물의 유형을 최종으로 판단하며 평가를 위한 검증용 지표 산출 기능을 수행한다. 평가 모듈은 상기 모델로 시설물 종류를 판별한 결과를 평가하여 모델 개선 유무를 판단하여 상기 모델의 개선을 수행한다.

데이터 마이닝부(450)에서 수행되는 상세 작업들은 다음과 같다. 먼저, 상기 모델링 모듈이 상기 시설물 조사 데이터 중 일부를 훈련 데이터로 사용하여 판단/분류 모델을 생성한다. 그런 다음 나머지 일부를 테스트 데이터로 상기 판단/분류 모델에 적용하여 스코어링한 후 실제 시설물 종류 데이터와 비교하는 평가 단계를 거쳐 그 결과를 상기 예측 모델에 피드백으로 반영한다. 이와 같이 생성된 판단/분류 모델을 보행 경험 데이터에 적용하여 시설물의 종류(예를 들어, 계단, 엘리베이터, 보도턱, 육교, 지하도 등)를 예측한다. 예측된 시설물의 종류 및 위치 정보를 별도의 저장 수단에 저장한다.

또한, 데이터 마이닝부(450)는 군집분석(cluster analysis)을 수행하여 보행 경험과 보행 만족도 데이터를 관리할 수 있는 군집 식별자(ID)를 생성한다.

데이터 마이닝부(450)는 보행 도로의 표고 및 보행도로의 경사도를 이용하여 군집 분석을 실시해 보행 경로상의 보행 링크의 링크 식별자(ID) 별로 군집 식별자(ID)-상기 군집 식별자는 상기 보행 도로의 표고 및 상기 보행도로의 경사도에 따라 상기 보행 도로를 소정의 군집으로 분류한 식별자임-를 부여할 수 있다.

구체적으로, 데이터 마이닝부(450)는 분류 군집 분석(군집의 신뢰성 확보가 계보적 군집분석 결과보다 더 선호됨)을 활용하기 위해서 초기 군집 수 k개의 결정이 필요하며 계보적 군집분석을 활용하여 초기 군집 수 k개를 결정한다.

계보적 군집분석(hierarchical clustering)에서는 Minkoski 거리족에서 m=2인 경우에 대하여 dij가 각 군집간 거리 총합이 최장인 군집 수 k를 결정한다.

분류군집분석은 임의의 군집에 각 데이터가 할당될 경우 해당 군집평균과 할당된 데이터간의 오차자승합(Sum of Square Error)이 최소가 될 수 있도록 데이터를 할당한다.

군집에 대한 검증은 분산분석을 이용하여 해당 군집에 사용된 요인들에 대하여 통계적으로 유의한 차이가 있는지를 유의수준 5%하에서 검증을 실시하며 유의수준보다 p-value가 클경우 다시 계보적 군집분석을 실시한다. 이때 앞서 k개에서 최대 거리합을 제외한 k+1개 이상에서 최대 거리합을 찾는다.

분류 군집분석 결과 각 데이터에 할당된 그룹 ID와 Link ID를 최종으로 사용한다.

도 2b는 표본 사용자(또는 교통 약자) 데이터 테이블을 나타내며, 도 2c는 도 2b의 표본 사용자(또는 교통 약자) 데이터 테이블에 군집 분석을 수행한 결과를 나타낸 테이블이며, 도 2d는 도 2c의 군집 분석 결과를 활용하기 위한 테이블을 나타낸다.

도 2b를 참조하면, 표본 사용자(또는 교통 약자) 데이터 테이블은 사용자 ID(202), Link ID(201), 보행속도(SPEED)(203), 편한길(EVAL_EASY)(205a), 안전한길(EVAL_SAFE)(205b), 빠른길(EVAL_SHRT)(205c), 만족도 평가 횟 수(N_EVAL)(205d)를 포함하여 구성될 수 있다.

표본 사용자 데이터 테이블에 군집분석에 사용될 변수에 대하여 충분통계량으로 데이터를 저장할 수 있다. 변수는 보행속도(SPEED)(203), 편한길(EVAL_EASY)(205a), 안전한길(EVAL_SAFE)(205b), 빠른길(EVAL_SHRT)(205c)에 대한 충분통계량 값을 도 2b에 도시된 바와 같이 각 Link ID(201)별로 저장할 수 있다.

도 2c에 도시된 바와 같이, 군집 분석 결과를 활용하기 위하여 각 Link ID와 그룹 번호를 1:1 대응하는 매칭 테이블로 서버에 저장할 수 있다. 예를 들어, 서울시 동작구 보행 네트워크에 링크데이터 11,786개와 10개의 그룹 ID를 부여한 매칭테이블을 생성할 수 있다.

도 2c를 참조하면, 사용자 정보(보행자 정보), 보행도로의 표고 및/또는 경사도를 이용하여 군집분석을 실시하며 Link ID(201)별로 군집 번호(212)와 같은 군집 식별자를 부여 한다. 예를 들어, 군집은 보행 도로 정보(보행도로의 표고 및/또는 경사도), 보행 이동 경험 그리고 보행 만족도 데이터를 이용하여 유사한 보행도로들의 집단 묶음으로 정의될 수 있다.

도 2c에 도시된 바와 같이, 군집 번호(212)는 표고가 높지 않으나 상기 경사도가 높은 그룹을 나타내는 1번 군집, 표고가 높고 경사도가 높은 그룹을 나타내는 2번 군집, 경사도가 낮은 그룹을 나타내는 3번 군집을 포함할 수 있다.

도 2c에 도시된 바와 같이, 데이터 마이닝부는 보행속도(SPEED)(203), 편한길(EVAL_EASY)(205a), 안전한길(EVAL_SAFE)(205b), 빠른길(EVAL_SHRT)(205c)과 같은 보행 링크 데이터를 Link ID 기준이 아닌 군집 번호(212)와 같은 군집 식별자를 기준으로 저장할 수 있다. 사용자별로 보행 링크 데이터를 모두 저장할 경우 데이터의 저장용량은 사용자 ID 수 X 보행 회차 X 보행네트워크 데이터의 Link 수가 되므로 해당 데이터는 무한히 증가될 수 있다.

도 2b의 경우 사용자 수 X Link ID의 수만큼 데이터가 축적되는 반면, 도 2d와 같이 군집 식별자(군집 ID)를 이용할 경우 사용자 수 X 군집 식별자 개수만큼 사용함으로 데이터 관리적인 측면에 있어서 적은 개수의 데이터 레코드 수로 처리가 가능하므므로 상당히 효율적으로 데이터를 관리할 수 있다. 예를들어, 서울시 동작구의 보행 링크 데이터는 약 49,062개로 본 발명과 같이 보행 링크 데이터를 Link ID 기준이 아닌 군집 번호(212)와 같은 군집 식별자를 기준으로 저장 및 관리할 경우 20개 미만의 데이터 레코드 수로 처리가 가능한 효과가 있다.

전술한 좌표(경로) 필터링 모듈은 추출된 GPS 데이터를 맵 매칭 및 GPS 데이터 노이즈 필터링 등을 통해 이동 경로 상의 정확한 위치 데이터로 변환시킨다. 전술한 센서 데이터 필터링 모듈은 센서 데이터의 노이즈를 필터링하고 구간 데이터의 대표 값을 추출한다. 상기 시설 데이터 필터링 모듈은 추출된 시설물 조사 데이터 중 시설물 종류 데이터를 좌표 및 이용 시점에 대해 필터링한다.

데이터 모니터링 및 관리 디바이스(500)는 데이터 수집 및 시설물 평가/조사 결과에 대해 관리한다. 상기 모니터링 및 데이터 관리부는 데이터 수집 관리 모듈과 시설물 조사 데이터 관리 모듈을 포함한다.

상기 데이터 수집 관리 모듈은 시설물 조사 데이터와 보행 경험 데이터의 원본 데이터를 조회하고 관리하는 기능을 수행한다. 상기 시설물 조사 데이터 관리 모듈은 데이터 마이닝으로 이동 경험 경로의 시설물 평가 결과 및 조사 자료를 조회하고 관리하는 기능을 수행할 수 있다.

데이터 모니터링 및 관리 디바이스(500)는 교통 약자 유형 및 보행 보조 기구에 따라 이동 경로의 보행 시설물의 종류를 조사하고 보행 시설물을 평가한 자료를 수집하여 관리하는 기능을 수행할 수 있다.

이상에서는 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 시스템에 관해 기술하였다. 이하에서는 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 방법에 대해 더 상세히 기술한다.

모바일 센서 데이터 기반 이동 경험 조사 방법

도 3a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 조사 및 데이터 마이닝 모델링의 순서도이다.

도 3a에서 데이터 수집 디바이스(100)와 다른 서버들 간 인터페이스 역할을 하는 WAS 및 GW 서버(200)는 도시되지 않았다. 데이터 수집 디바이스(100)와 다른 서버들 간 동작은 모두 WAS 및 GW 서버(200)를 통해 이루어진다.

도 3a를 참조하면, 사용자는 데이터 수집 디바이스(100)에 설치된 시설물 조사 어플리케이션(이하 시설물 조사 앱이라 함)을 실행한다(S1). 시설물 조사 앱 실행시 사용자는 교통 약자 유형 및/또는 보행 보조 기구 등을 선택할 수 있다. 상기 보행 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다.

GIS 및 RP 서버(300)는 데이터 수집 디바이스(100)에 공간지도를 제공한다(S2). 데이터 수집 디바이스(100)는 실시간 위치 정보를 수신하고 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬(local)로 저장한다(S3).

사용자는 시설물 조사 앱에서 보행 시작을 선택하고 보행을 시작한다(S4). 보행이 시작된 후에는 사용자의 위치 정보 및 센서 정보가 수집된다.

사용자는 보행 경로 상의 보행 시설물 정보를 입력하기 위해 보행 시설물의 유형을 선택한다(S5). 상기 보행 시설물 유형은 계단, 보도턱, 육교, 엘리베이터, 횡단보도 등을 포함할 수 있다.

보행 시설물의 유형이 선택되면 사용자는 보행 시설물의 사진을 촬영한다(S6).

촬영된 보행 시설물 사진은 GIS 및 RP 서버(300)로 전송되고(S7), 수집된다(S8).

사용자는 시설물 조사 앱을 통해 시설물의 상세 정보를 입력한다(S9). 상기 상세 정보는 시설물의 높이, 길이 등의 물리적 정보와 조사 일자 등을 포함할 수 있다.

그런 다음 사용자는 해당 시설물을 통과하는 보행을 한다(S10).

데이터 수집 디바이스(100)는 사용자의 입력 및 센서 등에 의해 수집된 위치 데이터, 센서 데이터 및 시설물 정보를 포함한 데이터를 GIS 및 RP 서버(300)로 전송한다(S11).

GIS 및 RP 서버(300)는 모바일 데이터 수집부에서 시설물 정보를 수집하고(S12), 맵 매칭 및 센서/좌표 데이터 필터링을 수행한다(S13). 상기 맵 매칭 작업 및/또는 센서/좌표 데이터 필터링은 WAS 및 GW 서버(200)(도 3a 에서 도시되지 않음) 또는 데이터 마이닝 및 연산 서버(400)에서 수행될 수도 있다.

GIS 및 RP 서버(300)는 시설물 정보를 데이터 수집 디바이스(100)로 제공하여(S14) 사용자가 시설물 조사 앱을 통해 시설물 정보를 조회할 수 있도록 한다(S15).

또한 GIS 및 RP 서버(300)는 필터링된 센서 및 좌표 데이터를 데이터 마이닝 및 연산 서버(400)로 전송한다(S16).

데이터 마이닝 및 연산 서버(400)는 상기 센서 및 좌표 데이터를 이용하여 데이터 마이닝 연산을 수행한다. 즉, 보행자(또는 교통약자) 유형 및 보조기구 유형 등에 따라 데이터(보행 경험 데이터와 시설물 조사 데이터)를 유형별로 그룹핑하고 스무딩(smoothing)작업을 통해 시설물 판단/분류 모델을 생성하여 데이터 모델링을 수행한다(S17). 그런 다음 데이터 마이닝 및 연산 서버(400)는 스코어링을 통한 시설물 예측을 수행하고(S18) 및 모델 검증 작업(S19)을 통해 최종 시설물 판단/분류 모델을 생성한다.상기 과정을 통해 수집된 시설물 종류, 위치 좌표, 스코어(score), 센서 데이터, 보행자(또는 교통약자) 유형, 보조기구 유형, 시설물 정보 등은 별도의 저장수단에 저장된다(S20).

데이터 마이닝 및 연산 서버(S400)는 시설물 정보 수집 과정 수행을 통해 획득된 데이터 및 데이터 마이닝 연산 수행 정보를 포함한 데이터를 데이터 모니터링 및 관리 디바이스(500)로 전송한다(S21).

데이터 모니터링 및 관리 디바이스(500)는 상기 전송된 데이터(시설물 정보를 포함)를 관리자가 조회할 수 있도록 표시한다(S22).

이상은 시설물 조사와 데이터 마이닝 모델링에 대해 설명하였다. 이하에서는 수집된 센서 데이터 및 생성된 판단/분류 모델을 활용하여 시설물의 종류를 예측하는 과정에 대해 설명한다.

도 3b는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법 중 시설물 종류 예측 방법의 순서도이다.

도 3b에서 데이터 수집 디바이스(100)와 다른 서버들 간 인터페이스 역할을 하는 WAS 및 GW 서버(200)는 도시되지 않았다. 데이터 수집 디바이스와 다른 서버들 간 동작은 모두 WAS 및 GW 서버(200)를 통해 이루어진다.

도 3b를 참조하면, 사용자는 데이터 수집 디바이스(100)의 이동 경험 어플리케이션(이하, 이동 경험 앱이라 함)을 실행한다(S101). 이동 경험 앱 실행시 사용자는 교통 약자 유형, 보조 기구 등을 선택한다. 상기 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다.

GIS 및 RP 서버(300)는 데이터 수집 디바이스(100)에 공간지도를 제공한다(S102). 데이터 수집 디바이스(100)는 실시간 위치 정보를 수신하고 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬(local)로 저장한다(S103).

사용자는 이동 경험 앱에서 보행 시작을 선택하고 보행을 시작하여 시설물들을 통과한다(S104). 보행이 시작된 후에는 사용자의 위치 정보 및 센서 정보가 수집된다.

데이터 수집 디바이스(100)는 수집된 위치 데이터, 센서 데이터를 포함한 데이터를 GIS 및 RP 서버(300)로 전송한다(S105).

GIS 및 RP 서버(300)는 맵 매칭 및 센서/좌표 데이터 필터링을 수행한다(S106). 상기 맵 매칭 작업 및/또는 센서/좌표 데이터 필터링은 WAS 및 GW 서버(200)(도 3b 에서 도시되지 않음) 또는 데이터 마이닝 및 연산 서버(400)에서 수행될 수도 있다.

GIS 및 RP 서버(300)는 필터링된 센서 및 좌표 데이터를 데이터 마이닝 및 연산 서버(400)로 전송한다(S107).

데이터 마이닝 및 연산 서버(400)는 판단/분류 모델을 상기 필터링된 센서 데이터에 적용한다(S108).

상기 판단/분류 모델 적용 결과 시설물의 종류가 예측된다(S109).

상기 과정을 통해 수집된 시설물 종류, 위치 좌표, 스코어, 센서 데이터, 보행자(교통약자) 유형, 보조기구 유형, 시설물 정보 등은 별도 저장수단에 저장된다(S110).

데이터 마이닝 및 연산 서버(400)는 센서 데이터 수집 과정 수행을 통해 획득된 데이터 및 판단/분류 모델 적용 수행 정보를 포함한 시설물 데이터를 데이터 모니터링 및 관리 디바이스(500)로 전송한다(S111).

데이터 모니터링 및 관리 디바이스(500)는 전송된 데이터(시설물 정보를 포함)를 관리자가 조회할 수 있도록 표시한다(S112).

데이터 모니터링 및 관리 디바이스(500)에서는 예측된 시설물의 종류가 실제 시설물의 종류와 일치하는지 그 결과를 검증할 수 있다(S113).

데이터 마이닝 및 연산 서버(400)는 시설물 정보를 데이터 수집 디바이스(100)에 제공하여(S114), 사용자가 조회할 수 있도록 데이터 수집 디바이스(100)에 시설물 정보를 표시한다(S115).

도 3c는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법의 순서도이다.

도 3c를 참조하면, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 어플리케이션(이하 모바일 보행 네비게이션 앱이라 함)을 실행한다(S31). 모바일 보행 네비게이션 앱 실행시 사용자는 교통 약자 유형 및/또는 보행 보조 기구 등을 선택하여 등록할 수 있다. 상기 교통 약자 유형은 예를 들어 고령자, 시각 장애인, 청각 장애인, 지체 장애인, 복합 장애인, 기타 등을 포함할 수 있다. 상기 보행 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다.

WAS 및 GW 서버(200)에서는 사용자 정보(아이디, 비밀번호), 사용자에 의해 등록된 교통 약자 유형 및/또는 보행 보조 기구 등의 등록 정보를 저장한다(S32)

데이터 수집 디바이스(100)는 교통 약자 유형 및/또는 보행 보조 기구에 적합한 경로 탐색 및 경로 안내를 WAS 및 GW 서버(200)에 요청(S33)하고, GIS 및 RP 서버(300)는 WAS 및 GW 서버(200)로부터의 경로 탐색 및 경로 안내 요청(S34)에 따라서 RP 엔진 경로를 탐색한다(S35).

WAS 및 GW 서버(200)는 RP 엔진에서 탐색된 경로를 기초로 교통약자 유형별 기본 경로 정보를 이용하여 현위치(출발지) 기준 목적지까지의 보행경로 정보를 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 앱에 제공하면(S36) 데이터 수집 디바이스(100)에서는 사용자(또는 교통약자)에게 보행 경로 안내를 제공하고 사용자는 보행을 개시한다(S37)

데이터 수집 디바이스(100)에서는 사용자(또는 교통약자)가 모바일 보행 네비게이션 앱을 이용하여 보행안내 시작 시 자동으로 GPS 및 센서 데이터를 수집하고, GPS 및 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬 저장수단에 1차로 저장(S38)하여 통신상태에 따라 발생할 수 있는 데이터 결손을 예방하고 무료 WiFi를 이용하여 사용자 통신요금 부담을 경감할 수 있다(사용자는 WiFi를 이용하여 데이터 전송할 수 있도록 사용자에게 선택 기능을 제공).

데이터 수집 디바이스(100)에서는 보행이 완료된 후, 보행 경로 만족도 평가를 수행한다(S39). 표본으로 지정된 사용자들에 대해서 보행 경로 만족도 평가를 수행할 수 있다. 표본은 전체 등록된 사용자 중 교통약자 유형별로 무작위로 N명-예를 들어 N은 8-씩을 추출하여 일정 데이터 범위(DBMS가 지원하는 테이블 1개내 최대 row 용량) 내에서 표본 수를 결정할 수 있다(11,786개 보행 Link에 대해 mysql 기준 10만건)

WAS 및 GW 서버(200)는 GPS 데이터, 센서 데이터와 보행 경로 만족도를 조사한 보행 만족도 데이터를 저장한다(S40). 예를 들어, 표본으로 지정된 사용자에 대하여 보행 Link 단위로 GPS 데이터, 센서 데이터와 보행 만족도 데이터를 저장할 수 있다.

GIS 및 RP 서버(300)에서는 보행 데이터(보행 네트워크 데이터)의 Link를 기준으로 포인트-투-커브(point to curve) 맵매칭 알고리즘을 이용하여 GPS 데이터의 노이즈를 공간적으로 보정하고 공간적인 데이터 매칭을 수행한다(S41). 상기 맵 매칭 및 공간적 보정은 데이터 마이닝 및 연산 서버(400)의 데이터 처리부(410)에서 수행될 수도 있다. 보행 평균 속도가 예를 들어 7m/sec를 초과하거나 또는 0.1m/sec 미만인 경우에 대해서 필터링을 실시할 수 있다.

WAS 및 GW 서버(200)는 교통 약자 유형별로 보행 속도를 산출한다(S42). GPS 데이터는 위성위치에 따라 GPS 측정 좌표가 달라지며 도심에서는 유리건물에 의하여 노이즈가 발생되어 정확한 보행속도 산출과 보행시간 산출이 어렵다. 따라서, 공간적으로 보정된 데이터를 기준으로 각 Link의 길이와 Link를 통과한 시간을 이용하여 정확한 보행속도를 산출할 수 있다. 상기 보행속도는 데이터 마이닝 및 연산 서버(400)의 데이터 처리부(410)에서 산출될 수도 있다.

데이터 마이닝 및 연산 서버(400)에서는 보행 데이터, 표고, 경사도 데이터를 군집화 하기 위하여 보행 데이터, 표고, 경사도 데이터에 대하여 군집 분석을 실시한다(S44).

경사도는 교통약자가 보행에 어려움을 느끼는 중요한 요인으로 특히 휠체어 장애인의 경우 7도 이상의 경사도에서는 자립보행이 매우 어려워 해당 경사도 데이터를 활용한 경로안내가 필요하다. 따라서 해당 경사도 데이터를 이용하여 Link 데이터의 특성을 군집 관리할 수 있어야 된다.

군집은 보행 도로 정보(보행도로의 표고 및/또는 경사도)를 이용하여 유사한 보행도로들의 집단 묶음으로 정의될 수 있다. 예를 들어, 보행 링크 데이터를 표고가 높지 않으나 경사도가 높은 그룹을 나타내는 1번 군집, 표고가 높고 경사도가 높은 그룹을 나타내는 2번 군집, 경사도가 낮은 그룹을 나타내는 3번 군집으로 분류하여 관리할 수 있다.

데이터 마이닝 및 연산 서버(400)는 1차 계보적 군집분석에서, 중심화 연결법을 이용하여 최적의 군집수 k(기본으로 k=10으로 셋팅)를 결정한다. 이때 군집간 거리를 Minkoski 거리족에 m=2인 경우를 이용하며 dij가 군집간 거리합이 최장일 경우 군집간 이질성이 확보되며 재현성이 확보되므로 군집간 거리합이 최대일 경우의 군집수 k를 결정할 수 있다(S44).

데이터 마이닝 및 연산 서버(400)는 2차 계보적 군집분석에서, 앞서 결정된 군집 수 k를 기준으로 k-means 군집분석을 실행하여 k개의 그룹(또는 군집)으로 데이터를 재분류한다(S44).

WAS 및 GW 서버(200)에서는 데이터 군집화를 통해 link ID별로 데이터(보행 링크 데이터)를 저장한다(S45). 구체적으로, k개 그룹(또는 군집)에 대한 그룹(또는 군집) 아이디를 해당 보행 링크 데이터의 link ID와 대응시켜 link ID별로 데이터(보행 링크 데이터)를 저장할 수 있다. 군집분석 결과를 활용하기 위하여 각 Link ID와 그룹 번호(또는 군집 번호)를 1:1 대응하는 매칭 테이블로 저장할 수 있다. 예를 들어, 서울시 동작구 보행네트워크에 링크데이터 11,786개와 10개의 그룹 ID(또는 군집 ID 또는 군집 번호)를 부여한 매칭테이블을 생성할 수 있다.

사용자가 보행을 계속 진행하는 경우, 데이터 수집 디바이스(100)에서는 신규 GPS 및 센서 데이터를 수집하고, 수집된 GPS 및 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬 저장수단에 저장한다(S50).

사용자가 보행을 계속 진행하다가 보행이 완료된 경우 보행 경로 만족도 평가를 수행하고(S51), WAS 및 GW 서버(200)는 GPS 데이터, 센서 데이터와 보행 경로 만족도를 조사한 보행 만족도 데이터를 임시 저장하며(S52), GIS 및 RP 서버(300)에서는 보행 데이터(보행 네트워크 데이터)의 Link를 기준으로 포인트-투-커브(point to curve) 맵매칭 알고리즘을 이용하여 GPS 데이터의 노이즈를 공간적으로 보정하고 공간적인 데이터 매칭을 수행하고(S54), WAS 및 GW 서버(200)는 교통 약자 유형별로 보행 속도를 산출하며(S54), WAS 및 GW 서버(200)에서는 GPS데이터 보정 후 데이터(보행 속도, 보행 만족도 데이터, 보행 링크 데이터)를 link ID 별로 저장하지 않고 전술한 데이터 군집화를 통해 군집 ID 별로 저장한다(S45).

GIS 및 RP 서버(300)는 교통 약자 유형별로 보행 경로(편한길, 안전한길, 빠른길) 가중값을 업데이트한다(S55). 그룹 ID 기준으로 안전한길, 빠른길 그리고 편안한 길이라고 평가한 결과를 평점으로 환산하여 경로탐색 시 해당 가중값을 참조할 수 있다.

데이터 수집 디바이스(100)에서는 경로 탐색 및 경로 안내 요청시 교통 약자 유형별로 보행 소요 시간과 보행 경로 옵션(편한길, 안전한길, 빠른길) 정보를 제공한다(S56).

도 3d는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 및 선호 시설물 등록과정을 설명하기 위한 순서도이다.

도 3d를 참조하면, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 어플리케이션(이하 모바일 보행 네비게이션 앱이라 함)을 실행한다(S60).

모바일 보행 네비게이션 앱 실행시 사용자는 모바일 보행 네비게이션 지도에서 등록하고자 하는 보행 시설물 위치를 먼저 선택한 후 시설물 등록을 실행한다(S61).

WAS 및 GW 서버(200)는 사용자가 시설물 중복 등록을 방지하기 위하여 선택한 시설물 위치 인근에 등록되어 있는 시설물 정보를 조회(S62)해서 사용자에게 제공한다.

사용자는 보행 네비게이션 지도에서 선택한 시설물 위치 인근에 등록된 시설물 정보를 확인하고 해당 시설물이 없을 경우 데이터 수집 디바이스(100)에서 보행 시설물의 신규등록을 진행한다(S63). 상기 시설물 정보는 예를 들어 보행 시설물 유형, 보행시설물의 좌표 및/또는 보행 시설물 리스트를 포함할 수 있다. 상기 보행 시설물 유형은 계단, 보도턱, 육교, 엘리베이터, 횡단보도 등을 포함할 수 있다.

사용자가 보행 네비게이션 지도에서 선택한 위치에 새로이 등록하고자 하는 보행 시설물 종류를 선택하고 보행 시설물 등록 방법을 선택하여 보행 시설물 컨텐츠를 등록한다(S64). 보행 시설물 컨텐츠는 사진, 음성 또는 문자 중에서 적어도 하나를 선택할 수 있다.

등록하고자하는 보행시설물의 좌표, 보행시설물 컨텐츠를 WAS 및 GW 서버(200) 또는 WAS 서버에 저장한다(S65).

GIS 및 RP 서버(300)는 등록한 보행 시설물 정보를 활용하여 보행 안내 시 활용되도록 해당 보행 시설물 위치를 보행 네트워크 데이터(또는 보행 데이터)인 Link에 맵 매칭을 실시한다(S66). 맵매칭 된 GPS 좌표 데이터, 보행 네트워크 데이터, 보행 link ID등 보행 네트워크 데이터 매칭 정보를 데이터베이스에 저장한다(S67).

데이터 수집 디바이스(100)에서는 사용자가 등록한 보행 시설물에 대하여 다른 사용자가 모바일 보행 네비게이션 앱에서 확인할 수 있도록 다른 사용자의 등록 시설물 정보 조회 요청(S68)시 해당 등록 시설물 정보를 사용자에게 제공한다.

데이터 모니터링 및 관리 디바이스(500)에서는 사용자가 등록한 보행 시설물에 대하여 다른 사용자가 웹(web) 상에서 확인할 수 있도록 다른 사용자의 등록 시설물 정보 조회 요청(S70)시 해당 등록 시설물 정보를 사용자에게 제공한다.

즉, 사용자가 등록한 보행 시설물에 대하여 다른 사용자가 모바일 보행 네비게이션 앱 및 웹(web) 상에서 확인할 수 있도록 보행 시설물 등록 정보를 공유하며 보행 경로탐색 시 해당 보행 시설물 등록 정보를 반영한 보행경로 탐색을 실시한다.

또한, 사용자가 등록한 선호 시설물에 대하여 모바일 보행 네비게이션 앱 상에서 확인할 수 있도록 선호 시설물 등록 정보를 공유(S71 내지 S77)하며 보행 경로탐색 시 해당 선호 시설물 등록 정보를 반영한 보행경로 탐색을 실시한다.

선호 시설물 등록과정을 설명하면, 먼저, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 앱을 실행하고(S71), 모바일 보행 네비게이션 앱 실행시 사용자는 모바일 보행 네비게이션 지도에서 등록하고자 하는 선호 시설물 위치를 먼저 선택한 후 선호 시설물 등록을 실행한다(S72).

WAS 및 GW 서버(200)는 사용자가 시설물 중복 등록을 방지하기 위하여 선택한 시설물 위치 인근에 등록되어 있는 선호 시설물 정보를 조회(S73)해서 사용자에게 제공한다.

사용자는 보행 네비게이션 지도에서 선택한 시설물 위치 인근에 등록된 선호 시설물 정보를 확인하고 해당 선호 시설물이 없을 경우 데이터 수집 디바이스(100)에서 선호 시설물의 신규등록을 진행한다(S74). 상기 선호 시설물 정보는 예를 들어 선호 시설물 종류, 선호 시설물의 좌표 및/또는 선호 시설물 리스트를 포함할 수 있다.

사용자가 보행 네비게이션 지도에서 선택한 위치에 새로이 등록하고자 하는 선호 시설물 종류를 선택하고 시설물 등록 방법을 선택하여 선호 시설물 컨텐츠를 등록한다(S75). 선호 시설물 컨텐츠는 사진, 음성 또는 문자 중에서 적어도 하나를 선택할 수 있다.

등록하고자하는 선호 시설물의 좌표, 선호 시설물 컨텐츠를 WAS 및 GW 서버(200) 또는 WAS 서버에 저장한다(S76).

데이터 수집 디바이스(100)에서는 사용자가 등록한 선호 시설물에 대하여 다른 사용자 또는 본인이 모바일 보행 네비게이션 앱에서 확인할 수 있도록 다른 사용자 또는 본인의 등록 시설물 정보 조회 요청(S77)시 해당 등록된 선호 시설물 정보를 제공한다.

즉, 사용자가 등록한 선호 시설물에 대하여 다른 사용자 또는 본인이 모바일 보행 네비게이션 앱 및 웹(web) 상에서 확인할 수 있도록 선호 시설물 등록 정보를 공유하며 보행 경로탐색 시 해당 선호 시설물 등록 정보를 반영한 보행경로 탐색을 실시한다.

도 3e는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 시설물 상태 정보 변경 과정을 설명하기 위한 순서도이다.

도 3e를 참조하면, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 앱을 실행한다(S80).

사용자가 보행 네비게이션 앱의 지도 위 아이콘에서 시설물 사용가능 유무를 등록하고자 하는 대상 시설물을 선택한다(S81).

WAS 및 GW 서버(200)에서는 사용자가 선택한 시설물에 대한 등록정보-예를 들어 사진, 음성 또는 문자-를 조회 한다(S82).

데이터 수집 디바이스(100)에서는 WAS 및 GW 서버(200)로부터 사용자가 선택한 시설물에 대해 등록된 세부 정보를 제공받아 사용자가 확인할 수 있도록 출력한다(S83).

사용자는 시설물 사용가능 유무의 상태 값을 변경한다(S84). 상기 상태 값은 이용 가능 또는 이용 불가능을 나타낸다.

사용자는 시설물 이용불가 이유- 예를 들어 접근 불가 또는 시설물 사용 불가등-를 등록한다(S85). 상기 시설물 이용불가 이유로서 접근 불가의 경우 보행 보조 기구 유형별로 접근이 불가한 접근 경로임을 나타내며, 시설물 사용 불가의 경우 보행 보조 기구 유형과 무관하게 시설물 사용이 불가능함으로 나타낸다.

WAS 및 GW 서버(200)에서는 사용자가 등록한 시설물 사용가능 유무에 대한 시설물 상태 변경 정보를 데이터베이스에 저장한다(S86).

WAS 및 GW 서버(200)에서는 사용자가 시설물 상태 변경을 등록한 시설물의 종류가 보행시설물인지 또는 선호시설물인지를 판단하여 상기 시설물 상태가 변경된 시설물이 보행 시설물인 경우에는 RP 엔진 경로에 반영(S89)되도록 하고, 경로탐색 시 사용불가 정보 반영한 경로안내가 될 수 있도록 시설물 상태 변경 정보를 활용한다.

WAS 및 GW 서버(200)에서는 상기 시설물 상태가 이용 불가로 변경된 시설물이 선호 시설물인 경우에는 해당 선호 시설물은 이용불가로 등록한다.

WAS 및 GW 서버(200)에서는 상기 이용 불가로 상태가 변경된 시설물이 선호 시설물인 경우에는 이용불가 이유(접근 불가 또는 시설물 사용불가)에 따라 교통약자 유형별로 선호 시설물 노출 대상을 분류한다(S88). 예를 들어, 접근 불가인 경우 휠체어, 전동휠체어 등 보행보조기구 중 바퀴가 장착된 그룹에 시설물 사용 불가 상태값으로 표출한다.

데이터 수집 디바이스(100) 및 데이터 모니터링 및 관리 디바이스(500)는 상기 등록된 시설물 상태 정보를 사용자 또는 관리자가 자동으로 조회할 수 있도록 표시한다(S90, S91). 이상 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 방법을 설명하였다.

이하에서는 이동 경험 및 시설물 조사 어플리케이션의 사용자 인터페이스(UI)의 예를 설명한다.

이동 경험 및 시설물 조사 어플리케이션 UI의 예

도 4a 내지 도 4e는 본 발명의 일 실시 예에 따른 데이터 수집 디바이스(100)에 설치되어 실행되는 모바일 센서 기반 교통 약자 맞춤형 이동 경험 어플리케이션(이하 이동 경험 앱이라고 함)의 주요 화면이다. 이동 경험 앱의 처음 사용시에는 이용자 핸드폰 번호, 위치 정보 및 기반 서비스 이용약관 및 개인정보 수집 및 이용 동의에 관한 화면으로 시작될 수 있다.

도 4a을 참조하면, 사용자는 교통약자 유형, 성별을 선택한다. 그런 다음 생년을 직접 또는 스크롤 후 선택하여 입력한다. 마지막으로 보행 보조기구를 선택한다. 교통약자 유형, 성별 및 생년은 변경되지 않는 사항이므로 처음에만 입력하는 것으로 할 수 있다.

도 4b를 참조하면, 사용자는 보행 목적을 선택한다. 보행 목적은 예를 들어, 출근, 귀가, 운동, 쇼핑, 친목, 취미, 복지관, 경로관 등을 포함할 수 있다. 도 4c를 참조하면, 사용자는 보행 시작 버튼을 누르고 보행을 시작한다. 도 4d를 참조하면, 사용자가 이동하는 경로가 실시간으로 지도상에 표시된다. 도 4e를 참조하면, 사용자는 보행 기록을 선택함으로써 시간, 거리 등의 현재 보행 기록을 조회할 수 있다.

도 5a 내지 도 5c는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 시설물 조사 어플리케이션(이하 시설물 조사 앱이라고 함)의 시설물 정보 입력 화면이다.

도 5a를 참조하면, 사용자가 현재 위치를 확인하고 입력 버튼을 클릭하면 시설물 종류를 나열한 팝업 화면이 도 5b와 같이 뜬다. 상기 팝업 화면에서 입력하고자 하는 시설물의 종류를 선택하고 선택 버튼을 클릭하면 사진 촬영 및 상세 정보를 입력할 수 있는 화면(도시되지 않음)이 생성된다. 상세 정보는 수동으로 입력할 수 있고 일부 정보(길이, 높이, 경사 등)는 촬영된 사진으로부터 분석되어 자동으로 입력될 수도 있다. 사진 촬영 및 상세 정보 입력이 완료되면 도 5c에서와 같이 시설과 위치가 맞게 입력되어 있는지를 확인한 후 전송 버튼을 클릭하여 시설물 조사 데이터를 전송한다.

본 발명의 다수의 실시 예들이 기술되었다. 그럼에도 불구하고, 전술한 설명은 예시를 위한 것이며 다음의 청구항들의 범위에 의해 정의되는 본 발명의 범위를 한정하는 것이 아닌 것으로 이해되어야 한다. 따라서 다른 실시 예들이 또한 다음 청구항들의 범위 내에 있다. 예를 들어, 다양한 변형이 본 발명의 범위를 벗어남 없이 만들어질 수 있다. 부가적으로, 전술된 단계들의 일부는 순서 독립적이므로 기술된 것과 다른 순서로 수행될 수 있다.

100: 데이터 수집 디바이스
200: WAS(Web Application Service) 및 GW 서버
300: GIS 및 RP(Route Planning) 서버
400: 데이터 마이닝 및 연산 서버
500: 데이터 모니터링 및 관리 디바이스(PC)

Claims (16)

1. 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템에 있어서, 상기 교통 약자 맞춤형 이동 경험 조사 시스템은
   모바일 데이터 수집 디바이스로부터 수집된 보행자의 보행 경로에 따른 GPS(Global Positioning System) 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하고 공간정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 데이터 처리부; 및
   상기 보정한 보행 경험 데이터와 시설물 조사 데이터을 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 모델을 생성하는 데이터 마이닝부;
   상기 데이터 마이닝부는 보행 도로의 표고 및 보행도로의 경사도 중 적어도 하나를 이용하여 군집 분석을 실시해 보행 경로상의 보행 링크의 링크 식별자(ID) 별로 군집 식별자(ID)-상기 군집 식별자는 상기 보행 도로의 표고 및 상기 보행도로의 경사도 중 적어도 하나에 따라 상기 보행 도로를 소정의 군집으로 분류한 식별자임-를 부여하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템.
2. 제1항에 있어서, 상기 데이터 처리부는
   상기 모바일 데이터 수집 디바이스로부터 수집된 보행 경험 데이터와 시설물 조사 데이터로부터 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터의 데이터 유형을 분류하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템.
3. 제1항에 있어서, 상기 데이터 처리부는
   상기 유형별로 분류된 보행 경험 데이터와 시설물 조사 데이터를 기초로 맵 매칭 연산 및 필터링을 수행하여 상기 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템.
4. 제3항에 있어서, 상기 데이터 처리부는
   상기 보조기구 유형에 따라 상기 교통약자 유형을 구분하여 보행경로를 평가 데이터 및 GPS 데이터를 1차 분류하며, 상기 GPS 데이터를 보행 링크(link) 데이터에 대하여 포인트-투-커브(point to curve) 맵 매칭 알고리즘을 이용하여 공간적인 데이터 매칭을 수행하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템.
5. 제1항에 있어서, 상기 데이터 마이닝부는
   상기 시설물 조사 데이터 중 일부를 훈련 데이터로 사용하여 판단/분류 모델을 생성하고, 상기 시설물 조사 데이터 중 나머지 일부를 테스트 데이터로 상기 판단/분류 모델에 적용하여 스코어링한 후 실제 시설물 유형 데이터와 비교하여 평가하고, 상기 생성된 판단/분류 모델을 상기 보행 경험 데이터에 적용하여 상기 시설물의 유형-상기 보행 시설물의 유형은 계단, 엘리베이터, 보도턱, 육교 및 지하도 중 적어도 하나를 포함함-을 예측하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템.
6. 삭제
7. 제 1 항에 있어서, 상기 군집 식별자는 상기 표고가 높지 않으나 상기 경사도가 높은 제 1 그룹, 상기 표고가 높고 상기 경사도가 높은 제 2 그룹, 상기 경사도가 낮은 제 3 그룹을 포함하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템.
8. 제 1 항에 있어서, 상기 데이터 마이닝부는 상기 군집 식별자별로 보행 링크 데이터를 저장하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템.
9. 이동 경험 조사 시스템에서 수행되는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법에 있어서, 상기 방법은
   보행자의 보행 경로에 따라 모바일 데이터 수집 디바이스로부터 수집된 GPS(Global Positioning System) 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하고 공간정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 단계; 및
   상기 보정한 보행 경험 데이터와 시설물 조사 데이터를 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 단계;
   보행 도로의 표고 및 보행도로의 경사도 중 적어도 하나를 이용하여 군집 분석을 실시해 보행 경로상의 보행 링크의 링크 식별자(ID) 별로 군집 식별자(ID)-상기 군집 식별자는 상기 보행 도로의 표고 및 상기 보행도로의 경사도 중 적어도 하나에 따라 상기 보행 도로를 소정의 군집으로 분류한 식별자임-를 부여하는 단계를 더 포함하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법.
10. 제 9항에 있어서, 상기 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하는 단계는
    상기 수집된 보행 경험 데이터와 시설물 조사 데이터로부터 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터의 데이터 유형을 분류하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법.
11. 제 9항에 있어서, 상기 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 단계는
    상기 유형별로 분류된 보행 경험 데이터와 시설물 조사 데이터를 기초로 맵 매칭 연산 및 필터링을 수행하여 상기 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법.
12. 제11항에 있어서, 상기 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하고 공간 정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 단계는
    상기 보조기구 유형에 따라 상기 교통약자 유형을 구분하여 보행경로를 평가 데이터 및 GPS 데이터를 1차 분류하며, 상기 GPS 데이터를 보행 링크(link) 데이터에 대하여 포인트-투-커브(point to curve) 맵 매칭 알고리즘을 이용하여 공간적인 데이터 매칭을 수행하는 단계를 포함하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법.
13. 제9항에 있어서, 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 단계는
    상기 시설물 조사 데이터 중 일부를 훈련 데이터로 사용하여 판단/분류 모델을 생성하고, 상기 시설물 조사 데이터 중 나머지 일부를 테스트 데이터로 상기 판단/분류 모델에 적용하여 스코어링한 후 실제 시설물 유형 데이터와 비교하여 평가하고, 상기 생성된 판단/분류 모델을 상기 보행 경험 데이터에 적용하여 상기 시설물의 유형-상기 보행 시설물의 유형은 계단, 엘리베이터, 보도턱, 육교 및 지하도 중 적어도 하나를 포함함-을 예측하는 단계를 포함하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법.
14. 삭제
15. 제 9 항에 있어서, 상기 군집 식별자는 상기 표고가 높지 않으나 상기 경사도가 높은 제1 그룹, 상기 표고가 높고 상기 경사도가 높은 제2 그룹, 상기 경사도가 낮은 제3 그룹을 포함하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법.
16. 제 9 항에 있어서, 상기 방법은
    상기 군집 식별자별로 보행 링크 데이터를 저장하는 단계를 더 포함하는 것을 특징으로 하는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법.
    

Images