KR102126677B1 - 교통수요분석을 위한 통신빅데이터 기반 db 구축 방법 - Google Patents

교통수요분석을 위한 통신빅데이터 기반 db 구축 방법 Download PDF

Info

Publication number
KR102126677B1
KR102126677B1 KR1020190128202A KR20190128202A KR102126677B1 KR 102126677 B1 KR102126677 B1 KR 102126677B1 KR 1020190128202 A KR1020190128202 A KR 1020190128202A KR 20190128202 A KR20190128202 A KR 20190128202A KR 102126677 B1 KR102126677 B1 KR 102126677B1
Authority
KR
South Korea
Prior art keywords
stay
residence
time
base station
record
Prior art date
Application number
KR1020190128202A
Other languages
English (en)
Inventor
송태진
이해선
김주영
김동호
Original Assignee
한국교통연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국교통연구원 filed Critical 한국교통연구원
Priority to KR1020190128202A priority Critical patent/KR102126677B1/ko
Application granted granted Critical
Publication of KR102126677B1 publication Critical patent/KR102126677B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2219—Large Object storage; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2291—User-Defined Types; Storage management thereof
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 통신빅데이터 기반 DB 구축 방법에 관한 것이다. 상기 통신빅데이터 기반 DB 구축 방법은, (a) 사용자단말기와 기지국 사이의 송수신이력을 포함하는 원천데이터를 수신하는 단계, (b) 상기 사용자단말기에 부여된 고객식별번호, 데이터의 생성일자, 상기 사용자단말기의 체류시작시간 및 체류종료시간을 기준으로, 상기 원천데이터에 포함된 복수의 레코드에 순번을 부여하여 체류순서를 도출하는 단계, (c) 상기 체류시작시간 및 상기 체류종료시간의 차인 체류시간과, 상기 사용자단말기의 체류빈도를 기초로 상기 레코드의 체류특성을 구분하는 단계, (d) 상기 기지국에 대한 체류위치, 상기 체류시간이 속한 체류시간범위, 및 미리 정해진 기간 동안의 상기 체류빈도를 기초로 상기 레코드의 체류목적을 구분하는 단계, (e) 이전 레코드의 제1 기지국과 현재 레코드의 제2 기지국 사이의 거리 및 시간 차를 기초로 계산된 이동속도와, 교통시설물과 상기 제2 기지국 사이의 위치관계를 기준으로 이동수단을 구분하는 단계 및 (f) 상기 레코드에 부여된 상기 체류순서, 상기 체류특성, 상기 체류목적 및 상기 이동수단을 기초로, 사용자들에 대한 교통수요를 집계하는 단계를 포함한다.

Description

교통수요분석을 위한 통신빅데이터 기반 DB 구축 방법{Method for making database based on communication big data for traffic demand analysis}
본 발명은 교통수요분석을 위한 통신빅데이터 기반 DB 구축 방법에 관한 것이다.
지능형 교통 시스템(ITS: Intelligent Transportation Systems)은 점점 가속화되고 있는 정보화 사회에 알맞은 신속, 안전, 쾌적한 차세대 교통체계를 구현하기 위한 시스템이다. 이러한 지능형 교통 시스템은 통신 인프라를 이용하여 도로상에 차량 특성, 속도 등의 교통 정보를 감지하고, 이를 분석하여 사용자에게 실시간으로 최적의 교통 이용 서비스를 제공한다.
예컨대, 지능형 교통 시스템은 교통 여건, 도로 상황, 출발지에서 목적지까지의 최단 경로, 소요 시간 등 각종 교통정보를 분석하여 차량단말기 및 사용자단말기 등을 통해 사용자에게 신속, 정확하게 교통 서비스를 제공할 수 있다.
또한, 최근 '초연결성'을 지향하는 4차 산업혁명의 방향성에 따라 통신 빅데이터와 타 데이터간의 연결성을 향상시키기 위한 연구가 활발히 이루어지고 있다. 이렇게 수집된 통신 빅데이터는 교통수요분석과 같은 교통정보분석을 위한 데이터로 가공되어 이용될 수 있다.
예컨데, 종래에는 가구통행실태조사(인력식 조사)를 기반으로 교통수요를 추정하였다. 다만, 이러한 방식은 소규모 표본(1~2%)으로 전체 수요를 추정하는 방식이기 때문에 정확도가 높지 않았으며, 읍면동 단위보다 작은 단위의 교통수요를 산출할 수 없다는 단점이 있었다.
따라서, 최근에는 읍면동 단위보다 세밀하고 정확하게 교통수요를 산출할 수 있도록, 통신빅데이터를 활용하여 교통수요를 산출하는 방법에 대한 니즈가 증가되고 있다.
본 발명은 전국민이 사용하는 휴대폰의 기록(즉, 통신빅데이터)을 교통수요 분석의 기반데이터로 활용함으로써, 기존보다 세밀한 단위의 교통수요를 산출할 수 있는 통신빅데이터 기반 DB 구축 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은 의미없이 나열된 통신빅데이터(원천데이터)에서 통행정보(기점과 종점의 속성 정보, 통행목적, 이동수단)를 추출함으로써, 통신빅데이터의 활용도를 높일 수 있는 통신빅데이터 기반 DB 구축 방법을 제공하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 방법의 일 측면(aspect)은, (a) 사용자단말기와 기지국 사이의 송수신이력을 포함하는 원천데이터를 수신하는 단계, (b) 상기 사용자단말기에 부여된 고객식별번호, 데이터의 생성일자, 상기 사용자단말기의 체류시작시간 및 체류종료시간을 기준으로, 상기 원천데이터에 포함된 복수의 레코드에 순번을 부여하여 체류순서를 도출하는 단계, (c) 상기 체류시작시간 및 상기 체류종료시간의 차인 체류시간과, 상기 사용자단말기의 체류빈도를 기초로 상기 레코드의 체류특성을 구분하는 단계, (d) 상기 기지국에 대한 체류위치, 상기 체류시간이 속한 체류시간범위, 및 미리 정해진 기간 동안의 상기 체류빈도를 기초로 상기 레코드의 체류목적을 구분하는 단계, (e) 이전 레코드의 제1 기지국과 현재 레코드의 제2 기지국 사이의 거리, 및 상기 제1 기지국의 체류종료시간과 상기 제2 기지국의 체류시작시간 간의 차이를 기초로 계산된 이동속도와, 교통시설물과 상기 제2 기지국 사이의 위치관계를 기준으로 이동수단을 구분하는 단계 및 (f) 상기 레코드에 부여된 상기 체류순서, 상기 체류특성, 상기 체류목적 및 상기 이동수단을 기초로, 사용자들에 대한 교통수요를 집계하는 단계를 포함한다.
또한, 상기 (b) 단계는 상기 고객식별번호 및 상기 원천데이터의 생성일자를 기준으로, 상기 복수의 레코드를 그룹핑하고, 상기 그룹핑된 레코드 내에서 상기 체류시작시간 또는 상기 체류종료시간을 기준으로, 상기 레코드에 순번을 부여하는 것을 포함할 수 있다.
또한, 상기 체류특성은, 경로(pass-by), 주상주지역(stay area) 및 잠재활동지역(potential stay area) 중 어느 하나로 구분되고, 상기 (c) 단계는 미리 정해진 기준시간보다 상기 체류시간이 작은 경우, 해당 레코드의 상기 체류특성을 상기 경로로 설정하고, 상기 기준시간보다 상기 체류시간이 긴 경우, 해당 레코드의 상기 체류특성을 상기 주상주지역 또는 상기 잠재활동지역으로 설정하는 것을 포함할 수 있다.
또한, 상기 체류목적은 휴식, 수면, 근무, 수업, 종교활동 및 기타 중 어느 하나로 구분되고, 상기 (d) 단계는 상기 체류특성이 상기 주상주지역 및 상기 잠재활동지역인 레코드에 대하여, 상기 체류위치, 상기 체류시간범위, 및 상기 체류빈도를 기초로 상기 체류목적을 구분하여 상기 레코드에 값을 설정하는 것을 포함할 수 있다.
또한, 상기 이동수단은, 철도, 버스, 승용차, 및 기타 중 어느 하나로 구분되고, 상기 (e) 단계는 상기 이동속도가 미리 정해진 기준속도보다 작은 경우, 상기 이동수단을 기타로 설정하고, 상기 이동속도가 상기 기준속도보다 큰 경우, 상기 체류위치와 최인접한 교통시설물을 기초로 상기 이동수단을철도, 버스 및 승용차 증 어느 하나로 설정하는 것을 포함할 수 있다.
또한, 상기 (a) 단계와 상기 (b) 단계 사이에, 상기 원천데이터에 대한 데이터 전처리를 수행하는 것을 더 포함하되, 상기 데이터 전처리는 상기 기지국의 좌표가 식별되지 않은 레코드, 서로 다른 기지국에서 상기 사용자단말기의 상기 체류시작시간과 상기 체류종료시간이 동일하게 나타나는 레코드, 또는 서로 다른 둘 이상의 상기 기지국의 좌표가 미리 정해진 시간 내에서 번갈아가며 나타나는 레코드를 삭제하는 것을 포함할 수 있다.
본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 방법의 다른 측면은, (a) 사용자단말기와 기지국 사이의 송수신이력을 포함하는 원천데이터를 수신하는 단계, (b) 상기 원천데이터 중 상기 기지국의 좌표가 식별되지 않은 레코드 또는 신호 송수신 과정에서 발생하는 핸드오버가 발생한 레코드를 삭제하는 데이터 전처리를 수행하는 단계, (c) 상기 원천데이터에 포함된 복수의 레코드에 순번을 부여하여 체류순서를 도출하는 단계, (d) 상기 사용자단말기의 체류시간 및 체류빈도를 기초로, 상기 레코드의 체류특성 및 체류목적을 구분하여, 해당 레코드에 할당하는 단계, (e) 상기 사용자단말기의 상기 레코드간 '시간 차'를 기초로 계산된 이동속도와, 상기 사용자단말기와 최인접한 교통시설물의 종류를 기초로 이동수단을 구분하여, 해당 레코드에 할당하는 단계 및 (f) 상기 복수의 레코드에 부여된 상기 체류순서, 상기 체류특성, 상기 체류목적 및 상기 이동수단을 기초로, 복수의 사용자들에 대한 교통수요를 집계하는 단계를 포함한다.
또한, 상기 체류특성은, 경로(pass-by), 주상주지역(stay area) 및 잠재활동지역(potential stay area) 중 어느 하나로 구분되고, 상기 (d) 단계는 미리 정해진 기준시간보다 상기 체류시간이 작은 경우, 해당 레코드의 상기 체류특성을 상기 경로로 설정하고, 상기 기준시간보다 상기 체류시간이 긴 경우, 해당 레코드의 상기 체류특성을 상기 주상주지역 또는 상기 잠재활동지역으로 설정하는 것을 포함할 수 있다.
또한, 상기 체류목적은 휴식, 수면, 근무, 수업, 종교활동 및 기타 중 어느 하나로 구분되고, 상기 (d) 단계는 상기 체류특성이 상기 주상주지역 및 상기 잠재활동지역인 레코드에 대하여, 상기 체류위치, 상기 체류시간범위, 및 상기 체류빈도를 기초로 상기 체류목적을 구분하여 상기 레코드에 값을 설정하는 것을 포함할 수 있다.
또한, 상기 이동수단은, 철도, 버스, 승용차, 및 기타 중 어느 하나로 구분되고, 상기 (e) 단계는 상기 이동속도가 미리 정해진 기준속도보다 작은 경우, 상기 이동수단을 기타로 설정하고, 상기 이동속도가 상기 기준속도보다 큰 경우, 상기 체류위치와 최인접한 교통시설물을 기초로 상기 이동수단을 철도, 버스 및 승용차 중 어느 하나로 설정하는 것을 포함할 수 있다.
본 발명의 기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.
본 발명의 통신빅데이터 기반 DB 구축 방법은, 통신빅데이터를 교통수요 분석의 기반데이터로 활용함으로써, 기존보다 세밀한 단위의 교통수요를 산출할 수 있고, 교통분석의 활용도 및 정확도를 향상시킬 수 있는 새로운 효과를 지닌다.
또한, 본 발명은 교통분석의 수요처가 다양하게 점차 늘어나고 있으며, 보다 세밀한 교통분석의 니즈가 커지는 상황에서, 통신 빅데이터를 활용하여 이용자들의 통행정보(기점과 종점의 속성 정보, 통행목적, 이동수단)를 추출함으로써 데이터베이스 운용에 대한 활용도 및 수익성을 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 시스템의 개략도이다.
도 2는 본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 방법에 대한 순서도이다.
도 3은 도 2의 통신빅데이터 기반 DB 구축 방법에 의해 생성된 데이터베이스를 나타내는 도면이다.
도 4는 통신빅데이터에서 추출가능한 교통 수요 정보를 나타낸다.
도 5 및 도 6은 도 2의 S110 단계를 설명하기 위한 도면이다.
도 7은 도 2의 S120 단계를 설명하기 위한 도면이다.
도 8은 도 2의 S130 단계를 설명하기 위한 도면이다.
도 9는 도 2의 S140 단계를 설명하기 위한 도면이다.
도 10 및 도 11은 도 2의 S150 단계를 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
통신 빅데이터 기반 DB란, 기지국으로 수신되는 통신 빅데이터(즉, 원천데이터)를 교통수요 산출에 적합한 형태의 데이터베이스(DB) 형태로 가공한 것을 의미한다.
기존에는 교통수요파악을 위하여, 가구통행실태조사(인력식 조사)를 기반으로 교통수요를 추정하였다. 다만, 가구통행실태조사 방식의 경우, 소규모 표본(예를 들어, 전체의 1~2%)으로 전체 수요를 추정하는 방식이기 때문에 정확도가 높지 않았고, 읍면동 단위보다 작은 단위의 교통수요는 산출할 수 없었다.
반면, 전국민(약 97%)이 사용하는 휴대폰의 기록(통신 빅데이터)을 교통수요 분석의 기반데이터로 활용하는 경우, 전수값을 통해 교통수요를 파악할 수 있어 교통수요판단의 정확도를 높일 수 있다. 또한, 기록된 기지국의 위치 정보를 통해 교통수요 산출 단위를 세분할 수 있어, 기존보다 섬세한 단위로 교통수요를 산출할 수 있다.
본 발명은 통신 빅데이터를 교통수요분석의 기반 DB로 활용할 수 있도록 의미없이 나열된 통신 빅데이터(즉, 원천데이터)에서 통행 정보(기점과 종점의 속성 정보, 통행목적, 이동수단)를 추출하는 방법에 관한 것이다.
이하에서는, 교통수요분석을 위한 통신빅데이터 기반 DB 구축 시스템 및 방법에 관하여 도 1 내지 도 11를 참조하여 상세하게 설명하도록 한다.
도 1은 본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 시스템의 개략도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 시스템은, 통신 빅데이터를 수신하는 데이터베이스 운영 서버(100)를 포함한다. 데이터베이스 운영 서버(100)(이하, 운영 서버)는 전술한 통신 빅데이터 기반 DB 구축 방법을 수행하는 수행주체로서 동작한다.
여기에서, 통신 빅데이터는 기지국 단위로 수신되는 원천데이터를 나타낸다. 원천데이터는 사용자단말기(300)와 기지국(200) 사이의 송수신이력을 포함한다.
구체적으로, 원천데이터는 사용자단말기(300)에 부여된 고객식별번호, 원천데이터의 생성일자, 특정 기지국(200)에서 사용자단말기(300)의 체류시작시간 및 체류종료시간을 포함하는 복수의 레코드로 구성된다. 또한, 원천데이터는 사용자단말기(300)를 이용하는 사용자의 개인정보(나이, 성별, 가입지역 등)에 대한 정보도 포함할 수 있다. 다만, 이는 하나의 예에 불과하고, 원천데이터는 다양한 구성요소로 구성될 수 있다.
운영 서버(100)는 네트워크(400)를 통해 복수의 기지국(200)으로부터 통신 빅데이터(즉, 원천데이터)를 수신한다.
여기에서, 네트워크(400)는 복수의 전자기기 간에 미리 설정된 통신 프로토콜을 이용하여 데이터를 전송할 수 있다. 미리 설정된 통신 프로토콜은, TCP/IP 프로토콜, IEEE 802.11에 따르는 프로토콜 및 WAP 프로토콜 중 어느 하나일 수 있다. 다만, 이는 하나의 예시에 불과하고, 본 발명이 이에 한정되는 것은 아니다.
기지국(200)은 통신사에서 통신 중계장비를 통신탑 등에 설치한 것을 의미한다. 기지국(200)은 통신전파를 주고 받으면서 유선/무선으로 통신회사에 연결될 수 있다. 기지국(200)은 특정 반경을 갖는 셀 커버리지 내에서 통신서비스를 제공할 수 있다.
이때, 기지국(200)에 최초 기록된 데이터는 휴대폰 신호를 감지한 순간이 기록된 밀리세컨 단위의 닷(dot) 데이터 형태이나, 본 발명의 운영 서버(100)는 이러한 포인트들을 시간 순서에 따라 연결한 분 단위의 선분 이력으로 구성된 데이터를 원천데이터로 이용할 수 있다.
사용자단말기(300)의 위치가 변경됨에 따라, 사용자단말기(300)가 이용하는 기지국(200)은 변경된다. 이때, 각각의 기지국(200)은 고유의 식별코드를 가지며, 운영 서버(100)는 기지국(200)의 식별코드를 이용하여 사용자단말기(300)의 위치정보를 획득할 수 있다. 여기에서, 기지국(200)의 위치정보는 X축 및 Y축으로 나타낼 수 있으나, 이는 하나의 예시일 뿐, 기지국(200)의 위치를 나타내는 방법은 다양하게 변형되어 실시될 수 있다.
사용자단말기(300)와의 데이터 송수신이력은 각각의 기지국(200)에서 수집된다. 각각의 기지국(200)에서 수집된 원천데이터는 운영 서버(100)로 전송된다. 운영 서버(100)는 원천데이터를 분석하여, 각각의 레코드에 체류순서, 체류특성, 체류목적, 및 이동수단에 대한 필드를 추가한다.
이를 통하여, 운영 서버(100)에서 제공하는 데이터베이스(DB)는 교통수요 분석에 필요한 필수정보를 포함하게 된다..
예를 들어, 운영 서버(100)는 기점 정보(출발 일자, 출발지 위치 및 특성, 출발시간), 종점 정보(도착 일자, 도착지 위치 및 특성, 도착시간), 통행목적, 이동수단, 통행자 정보(성, 연령)를 포함하는 데이터베이스를 생성할 수 있다.
위 데이터베이스를 기초로, 운영 서버(100)는 통행 특성별 통행량을 집계할 수 있으며, 교통수요에 대한 예측을 수행할 수 있다. 이때, 운영 서버(100)에서 수행하는 교통수요예측은 종래의 가구통행실태조사 방식보다 높은 정확도와 세밀한 산출단위를 가질 수 있다
또한, 운영 서버(100)는 생성된 데이터베이스를 교통수요 분석이 필요한 다른 서버(미도시)에 제공할 수 있다. 다만, 이하에서는 설명의 편의를 위하여 운영 서버(100)가 직접 데이터베이스를 이용하여 교통수요 분석을 수행하는 것을 예로 들어 설명하도록 한다.
이하에서는, 운영 서버(100)에서 수행되는 통신빅데이터 기반 DB 구축 방법에 대해 자세히 설명하도록 한다.
도 2는 본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 방법에 대한 순서도이다. 도 3은 도 2의 통신빅데이터 기반 DB 구축 방법에 의해 생성된 데이터베이스를 나타내는 도면이다. 도 4는 통신빅데이터에서 추출가능한 교통 수요 정보를 나타낸다.
도 2를 참조하면, 본 발명의 실시예에 따른 통신빅데이터 기반 DB 구축 방법에 있어서, 우선 운영 서버(100)는 각 기지국(200)으로부터 수신된 통신빅데이터(즉, 원천데이터)에 대한 데이터 전처리를 수행한다(S110).
여기에서, 데이터 전처리는 이상치 제거 및 왜곡데이터 보정과 같은 동작을 통하여, 노이즈에 해당하는 불필요한 레코드를 제거하는 과정을 수행한다. 이때, 이상치 제거는 기지국의 좌표가 널(null) 값이거나, 또는 행정동 정보가 매칭되지 않은 데이터를 제거하는 것을 의미한다. 왜곡데이터 보정은 사용자단말기(300)가 핸드오버(HandOver) 되는 과정에서 기지국 간의 거리, 송신 설정의 차이 등으로 인해 발생하는 왜곡데이터를 보정하는 것을 의미한다.
데이터 전처리에 대한 구체적인 내용은 이하에서 도 5 및 도 6을 참조하여 후술하도록 한다.
또한, 본 발명의 다른 실시예에서, S110 단계의 데이터 전처리 과정은 생략되어 실시될 수 있으나, 이하에서는 데이터 전처리 과정을 수행하는 것을 예로 들어 설명하도록 한다.
이어서, 도 2 및 도 3을 참조하면, 운영 서버(100)는 원천데이터에 포함된 복수의 레코드에 각각 체류순서를 부여한다(S120). 여기에서 체류순서는 사용자단말기(300)를 이용하는 사용자의 이동궤적을 형성하기 위한 것이다.
운영 서버(100)는 사용자단말기(300)에 부여된 고객식별번호, 데이터의 생성일자, 사용자단말기(300)의 체류시작시간 및 체류종료시간을 기준으로 원천데이터에 포함된 복수의 레코드에 순번을 부여하여 체류순서를 도출할 수 있다. 이에 대한 자세한 설명은 도 7을 참조하여 후술하도록 한다.
이어서, 운영 서버(100)는 원천데이터에 포함된 복수의 레코드에 대한 체류특성을 구분하여, 해당 레코드에 체류특성을 할당한다(S130).
여기에서, 체류특성은, 특정 기지국(200)에 대한 사용자단말기(300)의 체류시간(체류시작시간과 체류종료시간의 차)과, 사용자단말기(300)의 체류빈도를 기초로 구분될 수 있다. 이때, 체류특성은 경로(pass-by), 주상주지역(stay area) 및 잠재활동지역(potential stay area) 중 어느 하나로 구분될 수 있다. 이에 대한 자세한 설명은 도 8을 참조하여 후술하도록 한다.
이어서, 운영 서버(100)는 원천데이터에 포함된 복수의 레코드에 대한 체류목적을 구분하여, 해당 레코드에 체류목적을 할당한다(S140). 이때, 운영 서버(100)는 기지국(200)에 대한 체류위치, 미리 정해진 기간 동안의 사용자단말기(300)의 체류시간범위, 및 체류빈도를 기초로 해당 레코드의 체류목적을 구분하여 할당할 수 있다. 이에 대한 자세한 설명은 도 9를 참조하여 후술하도록 한다.
이어서, 운영 서버(100)는 원천데이터에 복수의 레코드에 대한 이동수단을 구분하여, 해당 레코드에 이동수단을 할당한다(S150).
여기에서, 운영 서버(100)는 이전 레코드의 기지국과 현재 레코드의 기지국 사이의 거리(즉, 기지국 사이의 거리) 및 이전 레코드의 기지국에서의 체류종료시간과 현재 레코드의 기지국에서의 체류시작시간의 차이를(즉, 시간차 정보) 기초로 사용자단말기(300)의 이동속도를 계산한다. 이어서, 운영 서버(100)는, 교통시설물과 현재 기지국 사이의 위치관계와 이동속도를 기초로 이동수단을 판단하여 해당 레코드에 할당한다. 이때, 이동수단은 철도, 버스, 승용차, 및 기타 중 어느 하나로 구분될 수 있다. 이에 대한 자세한 설명은 도 10 및 도 11을 참조하여 후술하도록 한다.
이를 통해, 도 3을 참조하면, 운영 서버(100)는 원천데이터에 '체류순서, 체류특성, 체류목적 및 이동수단'의 필드를 추가할 수 있다. 즉, 운영 서버(100)에서 생성된 데이터베이스(DB)는 시간순서로 정렬된 복수의 레코드에 '체류순서, 체류특성, 체류목적 및 이동수단'의 필드가 추가된 형태로 구성될 수 있다.
이어서, 도 2를 참조하면, 운영 서버(100)는 원천데이터에 포함된 '체류순서, 체류특성, 체류목적 및 이동수단'의 내용을 기초로 교통수요 분석을 수행한다(S160).
구체적으로, 원천데이터에 전술한 필드(즉, 체류순서, 체류특성, 체류목적 및 이동수단)가 추가되는 경우, 운영 서버(100) 통신 빅데이터로부터 교통수요 분석에 필요한 대부분의 정보를 취득할 수 있게 되며, 이를 기반으로 통행 특성별 통행량을 집계할 수 있게 된다.
예를 들어, 도 4를 참조하면, 원천데이터의 각각의 레코드는 사용자단말기(300)의 ID(즉, 고객식별번호), 해당 레코드를 기록한 기지국(200)의 위치정보, 기록일자(즉, 데이터의 생성일자), 기록시작시간(즉, 체류시작시간), 기록종료시간(즉, 체류종료시간), 총 기록시간(즉, 체류시간), 및 단말기 고객정보(사용자의 성별 및 연령 포함)를 포함한다.
운영 서버(100)는 이러한 복수의 레코드를 분석함으로써, 기점 정보(출발 일자, 출발지 위치 및 특성, 출발시간), 종점 정보(도착 일자, 도착지 위치 및 특성, 도착시간), 통행목적, 이동수단, 통행자 정보(성, 연령)을 추출할 수 있다.
구체적으로, 운영 서버(100)는 기록 기지국의 위치정보를 기초로 출발위치(예를 들어, 해당 교통폴리곤의 ID) 및 도착위치(예를 들어, 해당 교통폴리곤의 ID)를 도출하고, 기록일자를 기초로 출발일자 및 도착일자를 도출하고, 기록시작시간 및 기록종료시간을 기초로 출발시간대 및 도착시간대를 도출하고, 총 기록시간(즉, 체류시간)을 기초로 출발지 트립타입 및 도착지 트립타입을 도출하고, 복수의 레코드를 기초로 특정 지역에 대한 통행량을 도출하고, 통행수단과 통행자 정보(성, 연령)까지도 추출할 수 있다. 다만, 이는 하나의 예에 불과하고 본 발명이 이에 한정되는 것은 아니다.
이러한 운영 서버(100)의 동작에 의하여, 통신빅데이터는 교통수요 분석의 기반데이터로 활용될 수 있다. 이를 통해, 운영 서버(100)(또는, 생성된 DB를 이용하는 다른 서버)는 기존보다 세밀한 단위의 교통수요를 산출할 수 있고, 교통분석의 활용도 및 정확도를 향상시킬 수 있다.
또한, 교통분석의 수요처가 다양하게 점차 늘어나고, 이전보다 세밀한 교통분석의 니즈가 커지는 상황에서, 전술한 통신빅데이터 기반 DB 구축 방법으로 생성된 데이터베이스는, 데이터 활용도 및 수익성 측면에서 향상된 효과를 가져올 수 있다.
이하에서는 도 5 내지 도 11를 참조하여, S110 내지 S150 단계에 대한 설명을 구체적으로 기술하도록 한다.
도 5 및 도 6은 도 2의 S110 단계를 설명하기 위한 도면이다. 이때, S110 단계는 데이터 전처리 과정을 의미한다.
여기에서, 데이터 전처리는 1) 이상치 제거 및 2) 왜곡데이터 보정을 통하여, 노이즈에 해당하는 불필요한 레코드를 제거하는 과정을 의미한다.
우선, 복수의 레코드에서 이상치를 제거하는 방법으로, 널(null)값을 포함하는 레코드를 제거하는 방법이 있다.
구체적으로, 운영 서버(100)는 기지국 좌표가 널(null)값으로 표기된 레코드를 삭제할 수 있다. 예를 들어, <표 1>은 이상치를 가진 레코드를 나타낸다.

기준일
(yyyymmdd)
고객식별번호		 가상기지국 체류
시작시간
(hhmm)		 체류
종료시간
(hhmm)		 연령대 체류
시간
x좌표 y좌표
20160525 16027050 /N /N 1037 1037 65 1
20160525 16027050 /N /N 1037 1037 65 1
여기에서, "/N"은 기지국 좌표가 널(null) 값인 것을 의미한다.
또한, 운영 서버(100)는 행정동 정보가 매칭되지 않은 레코드를 삭제할 수 있다. 구체적으로, 대한민국 영토에 사각형 경계를 설정하고 이 영역 안에 위치한 기지국에만 행정동 코드를 부여하고 있어, 기지국이 경계 밖에 위치하는 경우 행정동 코드가 매칭되지 않을 수 있다. 이때, 운영 서버(100)는 행정동 정보가 매칭되지 않은 레코드를 삭제함으로써, 이상치를 갖는 데이터를 삭제할 수 있다.
예를 들어, <표 2>은 행정동 정보가 매칭되지 않은 레코드를 포함하는 테이블을 나타낸다.

기준일
(yyyymmdd)
고객식별번호
가상기지국
체류
시작시간
(hhmm)
체류
종료시간
(hhmm)

연령대
체류
시간
행정동
x좌표 y좌표

20160523
4867381
126.266
33.115
1213
1213
35
1
NA

20160526
6563051
126.269
33.117
1035
1035
45
1
NA

20160526
10579125
131.870
37.239
1348
1353
20
6
NA
여기에서, "NA"는 행정동 정보가 널(null)값을 갖는 것을 의미한다.
한편, 이상치를 제거하는 다른 방법에는 왜곡 데이터를 보정하는 방법이 있다. 구체적으로, 운영 서버(100)는 사용자단말기(300)가 '통행'하는 과정에서 기록된 데이터가 아니라 '핸드오버(HandOver; HO)' 되는 과정에서 기지국 간의 거리, 송신 설정의 차이 등으로 인해 발생하는 왜곡데이터를 삭제할 수 있다.
여기에서, 핸드오버란, 휴대폰 사용 중 기지국과의 거리가 멀어지거나, 수신영역을 벗어나는 경우 신호가 약해지거나 서비스가 중단될 수 있으므로, 이를 방지하기 위해 인근의 기지국 신호를 계속해서 탐색하여 적합한 기지국으로 신호를 전환하는 과정을 의미한다.
이때, 왜곡데이터는 '필요 이상의 핸드오버로 인한 데이터(Unnecessary Handover)로 인한 데이터'와, '핑퐁 핸드오버(Ping-pong Handover)로 인한 데이터'로 구분될 수 있다.
도 5를 참조하면, '필요 이상의 핸드오버로 인한 데이터'는 서로 다른 기지국(2개 이상)에서 사용자단말기(300)의 로그 기록 시작시간(즉, 체류시작시간)과 로그 기록 종료시간(즉, 체류종료시간)이 동일하게 나타나는 것을 의미한다.
예를 들어, 이동속도가 빠른 교통수단(예를 들어, KTX 또는 승용차 등)을 이용하는 경우, 기지국 간의 핸드오버 속도가 빨라져, 밀리세컨단위로 기록되어 있는 원천데이터 상에서는 구분되지만, 분 단위로 변환한 선분 형태의 데이터 상에서는 마치 동시에 기록된 것처럼 나타날 수 있다.
이때, 운영 서버(100)는 '필요 이상의 핸드오버 데이터'를 포함하는 레코드를 구분하여 삭제하는 데이터 전처리를 수행할 수 있다.
한편, 도 6을 참조하면, '핑퐁 핸드오버로 인한 데이터'란, 기지국 간의 거리에 비해 기록된 데이터간의 시간차가 매우 짧아 실제 '이동'하는 과정에서 기록된 데이터로 볼 수 없는 데이터를 의미한다.
이때, 핑퐁 데이터'로 간주되는 데이터의 경우, 운영 서버(100)는 가장 먼저 기록된 핑퐁 데이터와 가장 마지막에 기록된 핑퐁 데이터를 중심으로 주 기지국을 추출하여 체류시간을 보정할 수 있다.
구체적으로, 체류시간을 보정한다는 것은, 가장 먼저 기록된 핑퐁 데이터의 체류시작시간과 가장 마지막에 기록된 핑퐁 데이터의 체류종료시간의 차이를 산출하여 주 기지국의 체류시간 정보로 입력한다는 것을 의미한다.
여기에서, 주 기지국은 체류시간이 가장 길게 기록된 기지국을 의미하며, 체류시간이 동일한 경우 기록 빈도가 높은 기지국이 주 기지국이 될 수 있다. 또한, 운영 서버(100)는 한 달 단위로 데이터 보정을 수행할 수 있다.
더욱 구체적으로, 운영 서버(100)가 핑퐁 데이터를 추출하기 위한 조건은 다음과 같다.
우선, 제1 조건으로, 데이터 기록 순으로 나열했을 때 현재 기록된 기지국 좌표(x, y)를 기준으로 바로 이전에 기록된 기지국 좌표(x0, y0)와 바로 다음에 기록된 기지국 좌표(x1, y1)가 일치하는 경우(즉, x0=x1 및 y0=y1)가 있다.
핑퐁 현상은 통행자의 실제 위치한 기지국으로 신호가 송신되다가 신호 강도 변화로 인해 잠시 동안 다른 기지국으로 신호가 송신되는 현상이다. 이 경우, 신호는 곧 본래 통행자가 실제 위치한 기지국으로 송신된다. 따라서, 핑퐁 현상이 기록된 데이터는 시간 순으로 데이터를 나열하였을 때 동일한 기지국 좌표가 어떤 한 다른 기지국 좌표를 사이에 두고 연달아 나타나게 된다.
다음, 제2 조건으로, 이전에 기록된 기지국에서의 체류시작시간과 체류종료시간의 시간차(즉, 체류시간)가 미리 정해진 시간(예를 들어, 1분)보다 길고 현재 기록된 기지국에서의 체류시간이 미리 정해진 시간(예를 들어, 1분) 이내인 경우이다. 핑퐁 현상은 신호 강도의 변화 등으로 발생되는 오류 데이터이기 때문에 체류시간이 미리 정해진 시간(예를 들어, 1분)을 초과하여 나타나지 않는다.
정리하면, 운영 서버(100)는 전술한 제1 조건 또는 제2 조건을 만족하는 경우, 해당 데이터를 핑퐁 현상으로 인한 데이터로 분류하여, 체류시간을 보정할 수 있다.
이어서, 운영 서버(100)는 복수의 레코드에 체류순서(도 7의 F1)의 필드를 추가하는 S120 단계의 동작을 수행할 수 있다.
도 7은 도 2의 S120 단계를 설명하기 위한 도면이다.
도 7을 참조하면, 운영 서버(100)는 개인별 이동궤적을 형성하기 위해 체류순서(F1)에 해당하는 필드를 추가할 수 있다.
구체적으로, 운영 서버(100)는 사용자단말기(300)의 고객식별번호, 데이터의 생성일자(즉, 기준일), 체류시작시간, 체류종료시간을 기준으로 로그 기록 순서에 따라 개인별 데이터를 정렬하여 체류순서(F1)를 도출할 수 있다. 이때, 체류순서(F1)는 고유의 ID(f11) 및 그룹넘버(f12)로 구성될 수 있다.
운영 서버(100)는 복수의 레코드에 고유의 ID(f11)를 부여할 수 있다. 이어서, 운영 서버(100)는 사용자단말기(300)의 고객식별번호가 동일한 사용자 중 데이터의 생성일자가 동일한 레코드를 대상으로, 체류시작시간 또는 체류종류시간을 기준으로 오름차순 정렬하여 그룹넘버(f12)를 부여할 수 있다. 이때, 운영 서버(100)는 체류시작시간이 빠른 레코드 순으로 정렬하여 그룹넘버(f12)를 부여할 수 있다.
예를 들어, 고객식별번호가 동일한 제1번부터 제18번 레코드는 체류시작시간에 따라 정렬되어, 고유의 ID(f11) 및 그룹넘버(f12)가 오름차순으로 부여될 수 있다.
이어서, 운영 서버(100)는 복수의 레코드에 체류특성(도 8의 F2)의 필드를 추가하는 S130 단계의 동작을 수행할 수 있다.
도 8은 도 2의 S130 단계를 설명하기 위한 도면이다.
도 8을 참조하면, 운영 서버(100)는 사용자단말기(300)가 특정 기지국(200)에 머무른 체류시간(즉, 체류시작시간 및 체류종료시간의 차)과, 미리 정해진 기간 내에서의 체류빈도를 기초로 레코드의 트립타입(이하, 체류특성(F2))을 구분하여 할당할 수 있다.
여기에서, 체류특성(F2)은 '경로(pass-by)', '주상주지역(stay area)' 및 '잠재활동지역(potential stay area)' 중 어느 하나로 구분될 수 있다.
이때, 체류특성(F2)을 구분하는 기준은 하기 [표 3]의 테이블과 같다.
구분 구분 기준
경로
(pass-by)		 체류시간이 25분 미만인 경우
주상주지역
(stay area)		 체류시간 25분 이상, 3시간 이상 체류한 기록이 주 3회 이상 반복
잠재활동지역 (potential stay area) 체류시간 25분 이상, 주상주지역으로 구분되지 않은 로그 기록
여기에서, '경로'는 사용자단말기(300)가 이동 중인 것을 의미한다. '주상주지역'은 사용자단말기(300)가 평소 반복적으로 방문하는 기지국이면서 현재 해당 기지국에 체류 중인 것을 의미한다. '잠재활동지역'은 사용자단말기(300)가 자주 방문하는 기지국은 아니지만, 현재 해당 기지국에 체류 중인 것을 의미한다.
다만, [표 3]에 기재된 기준시간(25분)과 기준빈도(주 3회 이상 반복)은 하나의 예시에 불과하며, 기준시간과 기준빈도는 얼마든지 다르게 변형되어 실시될 수 있다.
정리하면, 해당 레코드의 체류시간이 미리 정해진 기준시간(예를 들어, 25분)보다 작은 경우, 운영 서버(100)는 해당 레코드의 체류특성(F2)을 '경로'로 설정한다.
한편, 해당 레코드의 체류시간이 미리 정해진 기준시간(예를 들어, 25분)보다 큰 경우, 운영 서버(100)는 해당 레코드의 체류특성(F2)을 '주상주지역' 또는 '잠재활동지역'으로 설정한다.
이어서, 체류 빈도가 미리 정해진 빈도보다 높은 경우, 운영 서버(100)는 해당 레코드의 체류특성(F2)을 '주상주지역'으로 설정하고, 그외 레코드의 체류특성(F2)은 '잠재활동지역'으로 설정한다.
이때, 체류특성(F2)은 서로 중복되지 않도록 '경로', '주상주지역', '잠재활동지역' 순으로 해당 레코드에 할당될 수 있다. 다만, 이는 하나의 예에 불과하며, 체류특성(F2)의 부여 순서는 때에 따라 다르게 변형되어 실시될 수 있다.
이어서, 운영 서버(100)는 복수의 레코드에 체류목적(도 9의 F3)의 필드를 추가하는 S140 단계의 동작을 수행할 수 있다.
도 9는 도 2의 S140 단계를 설명하기 위한 도면이다.
도 9를 참조하면, 운영 서버(100)는 기지국(200)에 대한 체류위치(즉, 기지국의 좌표), 체류시간이 속한 체류시간범위, 및 미리 정해진 기간 동안의 체류빈도를 기초로 각 레코드의 체류목적(F3)을 구분한다.
여기에서, 체류목적(F3)은 S130 단계에 구분한 체류특성(F2)의 정보를 더욱 세분화한 것에 해당한다. 이때, 체류목적(F3)은 '휴식 또는 수면(집)', '휴식 또는 수면(집 이외의 장소)', '근무', '수업', '종교활동', '기타' 중 어느 하나로 구분될 수 있다.
구체적으로, 운영 서버(100)는 체류특성(F2)이 '주상주지역'과 '잠재활동지역'으로 구분된 레코드에 대하여, 체류시간범위, 체류시간, 및 체류빈도를 기준으로, 한 달 단위로 식별하여 하기 [표 4]와 같이 6가지 유형으로 세분화할 수 있다.
구분 체류특성 통행자 연령 비고 체류
목적
체류시작시간/ 체류종료시간 체류
시간		 체류빈도
주상주지역 심야
시간대
주상
주지역		 집 오후 9시 ~ 오전 7시 3시간 이상 주 3회 이상 기록된 주가
월 3회 이상		 - - 휴식/수면
집
이외 		오후 9시 ~
오전 7시		 3시간 이상 주 1회 - 집과의 거리가 5km, 이상인 경우, 모두 집 이외 주체류지로 식별, 5km미만인 경우 심야시간대 마지막에 등장한 기지국을 집 이외 주체류지로 식별 휴식/수면
낮시간대
주상주지역		 회사 오전 9시 ~
오후 6시		 3시간 이상 주 2회 이상(주말 제외) 기록된 주가 월 3회 이상 20세 이상 20세 이상 25세 미만 연령의 경우 방학기간 (7~8월, 1~2월)에도 위 기준이 충족될 경우 회사로 간주 근무
학교 오전 9시 ~
오후 6시		 3시간 이상
주 2회 이상(주말 제외) 기록된 주가 월 3회 이상		 25세 미만 20세 이상 25세 미만 연령의 경우 방학기간 (7~8월, 1~2월)에 위 기준이 충족되지 않는 경우 회사로 간주 수업
잠재활동지역 종교
집회장소 		오전 8시 ~
오후 14시/
오전 9시 ~
오후 16시		 1시간 이상 주 1회 이상 기록된 주가 월 2회 이상 - '토요일 또는 일요일'에 기록된 로그에
한 함		 종교활동
기타 집, 집 이외 심야시간대 주체류지, 회사, 학교, 종교집회장소로 구분되지 않은 그 외의 체류지 기타
다만, [표 4]에 기재된 체류시간범위(오후 9시 ~ 오전 7시), 체류시간(3시간 이상), 및 체류빈도(주 n회 이상)는 하나의 예에 불과하며, 체류시간범위, 체류시간, 및 체류빈도는 실시예마다 다르게 변형되어 실시될 수 있다.
이때, 체류지는 서로 중복되지 않도록 '심야시간대 주 체류지 중 집', '낮시간대 주체류지(회사, 학교)', '심야시간대 주체류지 중 집 이외 주체류지' , '잠재체류지(종교집회장소, 기타)' 순으로 해당 레코드에 할당될 수 있다. 다만, 이는 하나의 예에 불과하며, 체류특성(F2)의 부여 순서는 때에 따라 다르게 변형되어 실시될 수 있다.
또한, 운영 서버(100)는 체류위치(즉, 기지국(200)의 위치정보)를 추가적으로 참조하여 체류목적(F3)을 구분할 수 있다.
정리하면, 운영 서버(100)는 체류특성이 '주상주지역' 및 '잠재활동지역'인 레코드에 대하여, '체류위치', '체류시간범위', '체류시간' 또는 '체류빈도'를 기초로 체류목적(F3)을 구분하여 해당 레코드에 값을 할당할 수 있다.
추가적으로, 운영 서버(100)는 체류목적(F3)과 관련된 체류지 상세구분(f31), 출발도착구분(f32), 통행목적(f33)에 대한 필드를 각각의 레코드에 추가할 수 있다. 각각의 레코드는 해당되는 항목에 대한 값만을 가질 수 있다. 다만, 이는 하나의 실시예에 불과하며, 상세구분(f31), 출발도착구분(f32), 통행목적(f33)의 필드 중 일부는 생략될 수 있다.
이어서, 운영 서버(100)는 복수의 레코드에 이동수단(도 10의 F4)의 필드를 추가하는 S150 단계의 동작을 수행할 수 있다.
도 10 및 도 11은 도 2의 S150 단계를 설명하기 위한 도면이다.
도 10 및 도 11을 참조하면, 운영 서버(100)는 '경로'로 구분된 데이터를 기준으로 이동속도(f41)를 추정하고, 이를 타 데이터(예를 들어, 교통시설물의 위치좌표)와 융합하여 지역간 이동에 대한 이동수단(F4)을 도출할 수 있다. 도출된 이동수단(F4)은 해당 레코드에 할당될 수 있다.
구체적으로, 운영 서버(100)는 이동속도(f41)와, 현재 레코드에 대한 기지국 및 교통시설물 사이의 위치관계(즉, 교통시설 매칭여부(f42))를 기준으로 이동수단(F4)을 구분하여 해당 레코드에 할당할 수 있다. 여기에서, 이동속도(f41)는 이전 레코드의 제1 기지국과 현재 레코드의 제2 기지국 사이의 거리와 이동시간을 기초로 산출될 수 있다.
즉, 운영 서버(100)는 기지국간의 거리와, 시간차 정보를 활용하여 추정한 이동속도(f41)와, 기록된 기지국의 위치 속성 자료(예를 들어, 교통시설 매칭여부(f42))를 활용하여 이동수단(F4)을 구분할 수 있다. 이때, 이동수단(F4)은 '철도', '버스', '승용차', 및 '기타'(도보, 자전거 등) 중 어느 하나로 구분될 수 있다.
더욱 구체적으로, 운영 서버(100)는 특정 레코드의 이동속도(f41)가 미리 정해진 기준속도보다 작은 경우, 이동수단(F4)을 '기타'로 설정할 수 있다. 반면, 이동속도(f41)가 기준속도보다 큰 경우, 운영 서버(100)는 체류위치와 최인접한 교통시설물을 기초로 이동수단(F4)을 '철도', '버스' 및 '승용차' 중 어느 하나로 설정할 수 있다.
여기에서, 기준속도는 예를 들어 8km/h가 될 수 있다. 이는 RU(Radio Unit) 간의 전환 및 핸드오버 타이밍에 의한 평가속도에 오차를 반영한 수치로써, 사람의 보행속도 기준 5km/h에서 3km/h의 오차여유를 두고 산정한 속도가 될 수 있다. 다만, 이는 하나의 예시일 뿐, 기준속도는 상황에 따라서 다르게 설정될 수 있다.
이어서, 운영 서버(100)는 교통시설과의 매칭여부(f42)를 기초로, 이동수단(F4)을 '철도', '버스' 및 '승용차' 중 어느 하나로 설정할 수 있다.
예를 들어, 도 11의 <A>를 참조하면, 운영 서버(100)는 기점과 종점의 위치가 KTX 역사와 일치하면서 사용자단말기(300)의 위치이동이 철도노선을 따라 기록된 경우, 해당 이동수단(F4)을 '철도(KTX)'로 설정할 수 있다.
또한, 도 11의 <B>를 참조하면, 운영 서버(100)는 기점과 종점의 위치가 터미널과 일치하면서 사용자단말기(300)의 위치이동이 도로를 따라 기록된 경우, 해당 이동수단(F4)을 '버스'로 설정할 수 있다.
또한, 도 11의 <C>를 참조하면, 운영 서버(100)는 이동수단(F4)이 '철도(KTX)'와 '버스'로 구분되지 않으면서, 사용자단말기(300)의 위치이동이 도로를 따라 기록된 경우, 해당 이동수단(F4)을 '승용차'로 설정할 수 있다.
다만, 이는 하나의 예시에 불과하며, 이동수단(F4)의 구분기준 및 구분방법은 다양하게 변형되어 수행될 수 있다.
이를 통해, 운영 서버(100)에서 제공하는 데이터베이스는 체류순서, 체류특성, 체류목적 및 이동수단에 대한 필드를 포함할 수 있다.
이러한 운영 서버(100)의 데이터베이스 생성을 통하여, 통신빅데이터는 교통수요 분석의 기반데이터로 이용될 수 있다. 이에 따라, 운영 서버(100) 또는 해당 데이터베이스를 제공받는 다른 서버들은, 생성된 데이터베이스를 활용하여 기존보다 세밀한 단위의 교통수요를 산출할 수 있으며, 교통분석의 활용도 및 정확도를 향상시킬 수 있다.
또한, 교통분석의 수요처가 다양하게 점차 늘어나고, 이전보다 세밀한 교통분석의 니즈가 커지는 상황에서, 전술한 통신빅데이터 기반 DB 구축 방법으로 생성된 데이터베이스는, 데이터 활용도 및 수익성 측면에서 향상된 효과를 가져올 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
100: 데이터베이스 운영 서버
200: 기지국
300: 사용자단말기

Claims (10)

  1. 기지국 단위로 수신되는 원천데이터를 기초로 교통수요분석용 데이터베이스(DB)를 생성하기 위한 통신빅데이터 기반 DB 구축 방법에 있어서,
    (a) 사용자단말기와 기지국 사이의 송수신이력을 포함하는 원천데이터를 수신하는 단계;
    (b) 상기 사용자단말기에 부여된 고객식별번호, 데이터의 생성일자, 상기 사용자단말기의 체류시작시간 및 체류종료시간을 기준으로, 상기 원천데이터에 포함된 복수의 레코드에 순번을 부여하여 체류순서를 도출하는 단계;
    (c) 상기 체류시작시간 및 상기 체류종료시간의 차인 체류시간과, 상기 사용자단말기의 체류빈도를 기초로 상기 레코드의 체류특성을 구분하는 단계;
    (d) 상기 기지국에 대한 체류위치, 상기 체류시간이 속한 체류시간범위, 및 미리 정해진 기간 동안의 상기 체류빈도를 기초로 상기 레코드의 체류목적을 구분하는 단계;
    (e) 이전 레코드의 제1 기지국과 현재 레코드의 제2 기지국 사이의 거리 및 상기 제1 기지국의 체류종료시간과 상기 제2 기지국의 체류시작시간 간의 차이를 기초로 계산된 이동속도와, 교통시설물과 상기 제2 기지국 사이의 위치관계를 기준으로 이동수단을 구분하는 단계; 및
    (f) 상기 레코드에 부여된 상기 체류순서, 상기 체류특성, 상기 체류목적 및 상기 이동수단을 기초로, 사용자들에 대한 교통수요를 집계하는 단계를 포함하되,
    상기 이동수단은, 철도, 버스, 승용차, 및 기타 중 어느 하나로 구분되고,
    상기 (e) 단계는,
    상기 이동속도가 미리 정해진 기준속도보다 작은 경우, 상기 이동수단을 기타로 설정하고,
    상기 이동속도가 상기 기준속도보다 큰 경우, 상기 체류위치와 최인접한 교통시설물을 기초로 상기 이동수단을 철도, 버스 및 승용차 증 어느 하나로 설정하되,
    상기 체류위치가 미리 저장된 철도역의 위치를 포함하고, 도출된 위치이동이 철도노선을 따라 기록된 경우 상기 이동수단을 철도로 설정하고,
    상기 체류위치가 미리 저장된 터미널의 위치를 포함하고, 도출된 위치이동이 도로를 따라 기록된 경우 상기 이동수단을 버스로 설정하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  2. 제1 항에 있어서,
    상기 (b) 단계는,
    상기 고객식별번호 및 상기 원천데이터의 생성일자를 기준으로, 상기 복수의 레코드를 그룹핑하고,
    상기 그룹핑된 레코드 내에서 상기 체류시작시간 또는 상기 체류종료시간을 기준으로, 상기 레코드에 순번을 부여하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  3. 제1 항에 있어서,
    상기 체류특성은, 경로(pass-by), 주상주지역(stay area) 및 잠재활동지역(potential stay area) 중 어느 하나로 구분되고,
    상기 (c) 단계는,
    미리 정해진 기준시간보다 상기 체류시간이 작은 경우, 해당 레코드의 상기 체류특성을 상기 경로로 설정하고,
    상기 기준시간보다 상기 체류시간이 긴 경우, 해당 레코드의 상기 체류특성을 상기 주상주지역 또는 상기 잠재활동지역으로 설정하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  4. 제3 항에 있어서,
    상기 체류목적은 휴식, 수면, 근무, 수업, 종교활동 및 기타 중 어느 하나로 구분되고,
    상기 (d) 단계는,
    상기 체류특성이 상기 주상주지역 및 상기 잠재활동지역인 레코드에 대하여, 상기 체류위치, 상기 체류시간범위, 및 상기 체류빈도를 기초로 상기 체류목적을 구분하여 상기 레코드에 값을 설정하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  5. 제1 항에 있어서,
    상기 (c) 단계는,
    상기 체류시간 및 상기 체류빈도와 함께, 상기 기지국의 위치정보를 추가적으로 참조하여 체류목적을 구분하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  6. 제1 항에 있어서,
    상기 (a) 단계와 상기 (b) 단계 사이에, 상기 원천데이터에 대한 데이터 전처리를 수행하는 것을 더 포함하되,
    상기 데이터 전처리는,
    상기 기지국의 좌표가 식별되지 않은 레코드, 서로 다른 기지국에서 상기 사용자단말기의 상기 체류시작시간과 상기 체류종료시간이 동일하게 나타나는 레코드, 또는 서로 다른 둘 이상의 상기 기지국의 좌표가 미리 정해진 시간 내에서 번갈아가며 나타나는 레코드를 삭제하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  7. 기지국 단위로 수신되는 원천데이터를 기초로 교통수요분석용 데이터베이스(DB)를 생성하기 위한 통신빅데이터 기반 DB 구축 방법에 있어서,
    (a) 사용자단말기와 기지국 사이의 송수신이력을 포함하는 원천데이터를 수신하는 단계;
    (b) 상기 원천데이터 중 상기 기지국의 좌표가 식별되지 않은 레코드 또는 미리 정한 기준보다 많은 핸드오버가 발행한 레코드를 삭제하는 데이터 전처리를 수행하는 단계;
    (c) 상기 원천데이터에 포함된 복수의 레코드에 순번을 부여하여 체류순서를 도출하는 단계;
    (d) 상기 사용자단말기의 체류시간 및 체류빈도를 기초로, 상기 레코드의 체류특성 및 체류목적을 구분하여, 해당 레코드에 할당하는 단계;
    (e) 상기 사용자단말기의 상기 체류시간을 기초로 계산된 이동속도와, 상기 사용자단말기와 최인접한 교통시설물의 종류를 기초로 이동수단을 구분하여, 해당 레코드에 할당하는 단계; 및
    (f) 상기 복수의 레코드에 부여된 상기 체류순서, 상기 체류특성, 상기 체류목적 및 상기 이동수단을 기초로, 복수의 사용자들에 대한 교통수요를 집계하는 단계를 포함하되,
    상기 미리 정한 기준보다 많은 핸드오버가 발행한 레코드는,
    서로 다른 둘 이상의 기지국에서 체류시작시간과 체류종료시간이 동일하게 나타나는 레코드와,
    데이터 기록 순으로 나열하는 경우, 특정 기지국을 기준으로, 바로 이전에 기록된 제1 기지국과 바로 다음에 기록된 제2 기지국이 일치하는 제1 조건과, 상기 제1 기지국에서의 체류시간이 미리 정해진 시간보다 길고 상기 특정 기지국의 체류시간이 미리 정해진 시간 이내인 제2 조건을 만족하는 레코드를 포함하는
    통신빅데이터 기반 DB 구축 방법.
  8. 제7 항에 있어서,
    상기 체류특성은, 경로(pass-by), 주상주지역(stay area) 및 잠재활동지역(potential stay area) 중 어느 하나로 구분되고,
    상기 (d) 단계는,
    미리 정해진 기준시간보다 상기 체류시간이 작은 경우, 해당 레코드의 상기 체류특성을 상기 경로로 설정하고,
    상기 기준시간보다 상기 체류시간이 긴 경우, 해당 레코드의 상기 체류특성을 상기 주상주지역 또는 상기 잠재활동지역으로 설정하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  9. 제8 항에 있어서,
    상기 체류목적은 휴식, 수면, 근무, 수업, 종교활동 및 기타 중 어느 하나로 구분되고,
    상기 (d) 단계는,
    상기 체류특성이 상기 주상주지역 및 상기 잠재활동지역인 레코드에 대하여, 상기 기지국에 대한 체류위치, 상기 체류시간이 속한 체류시간범위, 및 상기 체류빈도를 기초로 상기 체류목적을 구분하여 상기 레코드에 값을 설정하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
  10. 제7 항에 있어서,
    상기 이동수단은, 철도, 버스, 승용차, 및 기타 중 어느 하나로 구분되고,
    상기 (e) 단계는,
    상기 이동속도가 미리 정해진 기준속도보다 작은 경우, 상기 이동수단을 기타로 설정하고,
    상기 이동속도가 상기 기준속도보다 큰 경우, 상기 기지국에 대한 체류위치와 최인접한 교통시설물을 기초로 상기 이동수단을 철도, 버스 및 승용차 중 어느 하나로 설정하는 것을 포함하는
    통신빅데이터 기반 DB 구축 방법.
KR1020190128202A 2019-10-16 2019-10-16 교통수요분석을 위한 통신빅데이터 기반 db 구축 방법 KR102126677B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190128202A KR102126677B1 (ko) 2019-10-16 2019-10-16 교통수요분석을 위한 통신빅데이터 기반 db 구축 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190128202A KR102126677B1 (ko) 2019-10-16 2019-10-16 교통수요분석을 위한 통신빅데이터 기반 db 구축 방법

Publications (1)

Publication Number Publication Date
KR102126677B1 true KR102126677B1 (ko) 2020-06-25

Family

ID=71400522

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190128202A KR102126677B1 (ko) 2019-10-16 2019-10-16 교통수요분석을 위한 통신빅데이터 기반 db 구축 방법

Country Status (1)

Country Link
KR (1) KR102126677B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102264225B1 (ko) * 2020-12-03 2021-06-11 한국교통연구원 모바일통신 데이터 기반의 통행 데이터 산출 시스템 및 방법
KR102580359B1 (ko) * 2022-12-13 2023-09-20 한국교통연구원 도시계획시설 및 근린생활시설 이용분석 기반의 생활권 계획 지원 서버 및 그 방법
KR102591908B1 (ko) * 2022-11-30 2023-10-23 한국교통연구원 항공교통이용자 선별 및 OD(Origin-Destination) 분석 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090087745A (ko) * 2008-02-13 2009-08-18 에스케이 텔레콤주식회사 과금 데이터를 이용한 위치 기반 서비스 제공 방법, 위치기반 서비스 시스템 및 서비스 데이터 제공 서버
JP2015082800A (ja) * 2013-10-24 2015-04-27 株式会社Ｎｔｔドコモ 滞留位置推定装置および滞留位置推定方法
KR20150096565A (ko) * 2014-02-14 2015-08-25 에스케이플래닛 주식회사 교통 정보 수집 시스템, 그 시스템에서의 유효 표본을 관리하기 위한 방법 및 장치
JP2016048529A (ja) * 2014-08-28 2016-04-07 株式会社Ｋｄｄｉ研究所 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法
JP2017143472A (ja) * 2016-02-12 2017-08-17 Kddi株式会社 ユーザの移動対象物を推定する装置、プログラム及び方法
JP2017163439A (ja) * 2016-03-11 2017-09-14 日本電気株式会社 ネットワーク管理装置、無線基地局、省電力制御方法及びプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090087745A (ko) * 2008-02-13 2009-08-18 에스케이 텔레콤주식회사 과금 데이터를 이용한 위치 기반 서비스 제공 방법, 위치기반 서비스 시스템 및 서비스 데이터 제공 서버
JP2015082800A (ja) * 2013-10-24 2015-04-27 株式会社Ｎｔｔドコモ 滞留位置推定装置および滞留位置推定方法
KR20150096565A (ko) * 2014-02-14 2015-08-25 에스케이플래닛 주식회사 교통 정보 수집 시스템, 그 시스템에서의 유효 표본을 관리하기 위한 방법 및 장치
JP2016048529A (ja) * 2014-08-28 2016-04-07 株式会社Ｋｄｄｉ研究所 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法
JP2017143472A (ja) * 2016-02-12 2017-08-17 Kddi株式会社 ユーザの移動対象物を推定する装置、プログラム及び方法
JP2017163439A (ja) * 2016-03-11 2017-09-14 日本電気株式会社 ネットワーク管理装置、無線基地局、省電力制御方法及びプログラム

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102264225B1 (ko) * 2020-12-03 2021-06-11 한국교통연구원 모바일통신 데이터 기반의 통행 데이터 산출 시스템 및 방법
KR102591908B1 (ko) * 2022-11-30 2023-10-23 한국교통연구원 항공교통이용자 선별 및 OD(Origin-Destination) 분석 방법
KR102580359B1 (ko) * 2022-12-13 2023-09-20 한국교통연구원 도시계획시설 및 근린생활시설 이용분석 기반의 생활권 계획 지원 서버 및 그 방법

Similar Documents

Publication Publication Date Title
KR102126677B1 (ko) 교통수요분석을 위한 통신빅데이터 기반 db 구축 방법
CN111681421B (zh) 基于手机信令数据的对外客运枢纽集疏空间分布分析方法
CN108055645A (zh) 一种基于手机信令数据的路径识别方法及系统
CN101836084B (zh) 用于产生地图数据的方法及机器以及用于使用地图数据确定路线的方法及导航装置
CN109376207A (zh) 从手机信令数据中提取高速列车乘客常住地的方法
CN109190685A (zh) 融合空间聚类和基站序列规则的轨道出行特征提取方法
CN106651108A (zh) 一种根据航班动态的机场用车调度方法
CN101620785B (zh) 一种基于手机信号数据识别机动车与非机动车的方法
CN110472999B (zh) 基于地铁和共享单车数据的客流模式分析方法及装置
CN114390458B (zh) 一种应用手机信令数据辨识个体地铁乘候车行为的方法
CN106384022B (zh) 出行行为预测方法及装置
CN110392341A (zh) 一种高铁移动网络用户识别方法和系统
CN108882177A (zh) 基于手机信令数据的机场轨道旅客识别方法
Holleczek et al. Traffic measurement and route recommendation system for mass rapid transit (mrt)
CN111931079A (zh) 推荐网约车上车点的方法及系统
García et al. Big data analytics for a passenger-centric air traffic management system
CN116913073A (zh) 道路拥堵预测方法、装置、设备及计算机存储介质
CN109087219B (zh) 一种旅游云计算系统及方法、终端
CN113573238A (zh) 一种基于手机信令的联程旅客出行链识别方法
CN110650431A (zh) 基于邻接矩阵和信令触发规则的轨道出行特征提取方法
CN110704745A (zh) 一种车载终端的信息搜索方法和装置
CN114007186B (zh) 定位方法及相关产品
CN117528423B (zh) 基于手机信令的地铁乘客实时乘车状态计算方法及系统
CN112866934A (zh) 地铁用户识别方法与系统
KR102085303B1 (ko) 통신 빅데이터 기반 db 분석맵 구축 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant