KR20180048828A - 셀룰라 데이터와 관련 이용에 의거하여 근본 혼잡 원인을 확인하고 그 완화책을 권고하는 방법과 시스템 - Google Patents

Abstract

본 발명은 특정 도로구간의 근본 혼잡원인을 분석하는 시스템과 방법에 관한 것으로, 다양한 교통 모드들을 이용해 이용자들을 구분하고, 주차과부하의 근본 원인을 분석하며, 특정 도로구간을 주행하는 사람들의 인구학적 분석을 실행하고, 이동통신망에서 받은 데이터를 이용하며, 실시간 분석과 비실시간 분석을 할 수 있다.

Description

셀룰라 데이터와 관련 이용에 의거하여 근본 혼잡 원인을 확인하고 그 완화책을 권고하는 방법과 시스템

본 발명은 셀룰라 데이터와 관련 이용에 의거하여 근본 혼잡 원인을 확인하고 그 완화책을 권고하는 방법과 시스템에 관한 것이다.

도로안내판으로 운전자에게 경로안내, 신호등 변경 타이밍, 램프미터링과 같은 실시간 조치로부터 차선이나 교량이나 통행료 시설과 같은 인프라 변화에 이르기까지 교통혼잡을 해결하고 줄이는 방법이 여러가지 있다. 도착지들 사이에 버스노선을 추가하거나 대중교통 횟수를 늘이는 등 다른 교통수단을 제공하는 등의 방법도 있다.

이런 모든 방법들은 판단하기에 적절한 데이터가 필요한데, 예를 들면 혼잡도에 관한 데이터, 대중교통에 관한 데이터, OD(origin-destination) 데이터 등이 있다. 교통혼잡으로 꽁꽁 묶인 사람들의 OD 데이터를 수집하는 기존의 방법들은 번호판을 읽고 면허증 등록 데이터베이스를 통해 이들의 집주소를 추적하는 방법을 이용했다. 이런 방법은 도착지가 집인 경우에만 맞고 직장이나 다른 장소일 경우 적절하지 않으며, 비용이 많이 들고 위험한 교통장애를 초래하는 현장장비의 배포와 유지관리를 요하고, 배포위치에 관한 데이터에 한정되는 문제가 있다. 또, 개인의 프라이버시를 해치고, 최신의 면허증/주소 데이터베이스가 필요한데, 이런 데이터베이스는 많은 국가에서 제때 업데이트되지 않으며 어떤 종류의 번호판에는 제기능을 하지 않기도 한다.

다른 방법으로는 도로 중간에 자동차를 세우고 출발지와 도착지를 물어보는 방법이 있는데, 이 방법은 아주 위험하기도 하고 통계적 중요성도 없으며, 전화조사 방법은 사람들의 기억에 의존하여 신뢰성이 아주 떨어진다.

어떤 회사들은 이 목적으로 셀룰라 OD 데이터를 이용하기도 하지만, 통신망을 통해 수동으로 추출되는 이런 데이터는 전화기가 이동중인 정확한 도로를 확인하기에는 부정확한데, 이는 대부분의 안테나탑이 하나 이상의 도로를 커버하여 특정 도로나 블록이나 교차로에 대한 OD 분석에 맞지 않기 때문이다.

US6947835와 US7783296에 소개된 방법은 이동통신망을 통한 수동 통신에 의거해 특정 루트에 전화기를 연관시켜 정확한 위치를 찾지만, 사용된 데이터가 기본적으로 지역적이어서 광범위한 OD 분석을 할 수 없다. 그러나, 이 방법은 전화기가 이동중인 정확한 도로에 전화기를 할당함으로써 본 발명에서 설명하는 방법에 필요한 빌딩블록을 제공한다.

특정 혼잡지에 묶인 사람들의 OD 분석을 하여 근본적인 혼합원인을 이해하고 해결하기 위한 좀더 범용적이고 비용효율적인 시스템과 방법이 필요하다.

본 발명은 근본 혼합 원인을 찾아내 이를 완화하기 위해 셀룰라 정보를 분석하는 방법을 제공하는 것을 목적으로 한다.

이동통신망에 연결하거나 모바일 핸드셋에서의 인터페이스 등을 통해 이동통신망에서 셀룰라 제어채널 데이터를 추출하고, 공지의 위치추적법으로 위치를 결정한다.

이 시스템은 관련 범위내의 모든 전화기에 대해 이동통신망으로부터 위치정보를 찾아 데이터베이스에 저장한다. 가능하다면, 이 시스템은 어떤 도로나 거리나 철도나 다른 교통수단에서의 특정 루트 구간을 주행중인 각각의 전화기에 연계한다.

이 시스템은 셀룰라 데이터를 분석하거나 외부 정보원에서 이 데이터를 받아 혼잡인 루트구간과 관련 시간을 확인한다.

이 시스템은 특정 혼합 루트구간에 있는 전화기들을 확인하고 위치 데이터베이스로부터 전화기들의 위치이력들을 추출한다.

이 시스템은 이런 위치이력들을 분석해 OD 및/또는 주행패턴을 찾는다. 이렇게 분석된 정보는 예컨대 인접구역, 작업공간, 방문한 쇼핑공간, 사용하는 교통 타입(뒤에 설명), 자신의 자동차로 이용하는 루트, 경로변경 옵션 등을 포함한다.

이엇, 이 시스템은 사람들이 자신의 구역으로부터 혼잡지역으로 가는 비율과(이 구역은 도로구간, 교차로, 인접구역, 공업지역, 쇼핑몰, 기타 분석시스템에 정의되는 다른 구역일 수 있음), 이들이 향하는 도착지의 분포도를 계산한다.

혼잡이 반복될 경우, 이런 분석을 통해 데이터를 동일한 혼잡이 일어나는 여러 데이터로 묶을 수 있다.

이 시스템은 OD 및 특정 출발지와 도착지의 조합에 관한 리스트를 제공할 수 있고, 이를 통해 대량의 자동차 및/또는 여행자들이 혼잡에 기여하는 비율(충격율)을 파악하고 이런 충격율에 맞게 리스트를 작성한다.

이 시스템은 이어서 이런 혼잡을 줄이거나 없애는데 이용할 수 있는 완화조치들을 찾을 수 있다. 이런 완화조치는 대중교통의 변화(정류장 위치, 새로운 라인, 빈도 등), 메인 교통루트의 혼잡제거를 위해 좁은 길에서의 신호등의 지연 등을 포함한다.

이 시스템은 혼잡시간대의 교통패턴 및/또는 OD 거동을 다른 시간대의 교통패턴 및/또는 OD 거동과 비교하고 그 차이를 분석해 근본 혼잡 원인을 확인할 수도 있다.

교통패턴 및/또는 OD 분석에 의거한 혼합완화의 예

1. 일요일 오전 11:00에서 11:30 사이에 루트구간 X의 혼잡구간에서 탐지된 자동차의 20%가 인접구역 Z에서 쇼핑몰 Y를 향할 경우, 시스템은 2 지점을 연결하는 버스노선이 있는지, 보행거리내에 정류장이 있는지를 점검하고, 있다면 이 시간대에 이 버스노선의 운행횟수가 늘어났는지를 점검할 것을 권고한다.

2. 버스 운행횟수가 적절하되 최대로 운행되지 않으면, 시스템은 사람들의 대부분이 Y 앞뒤의 다른 도착지 L을 향하는지 여부를 분석하고, 다른 도착지 L은 대중교통을 이용할 수 없거나 L과 Z 사이나 L과 Y 사이의 일부분에만 대중교통이 가능하여 개인 자동차를 필요로 한다.

3. 이럼 도착지 L이 발견되면, 시스템은 L과 Z 사이나 L과 Y 사이에 버스노선을 추가하거나 이런 도착지들 중의 하나 이상에서 버스노선을 나가기 위한 버스정류장을 추가 설치하는 등 대중교통을 적절히 바꿀 것을 권고할 수 있다.

4. 시스템은 X에서의 자동차량을 줄이기 위해 Z와 X 사이에 선택된 교차로에서 일요일 아침의 신호등 플랜을 바꾸고 동시간대에 Z의 사람들에게 버스를 이용할 것을 권장하는데, 이는 자동차는 주행시간이 늘어나고 버스에 비해 매력이 없기 때문이다.

5. 이런 해결책들은 버스노선 운행횟수 증가, 혼합구역에 진입하는 자동차량 감소를 위한 신호등 변경이나 혼합구역을 나가는 자동차수 증가와 같이 혼합 감지와 근본원인 분석에 의거해 실시간으로 완화조치를 취하는데도 적용될 수 있다. 버스정류장 추가와 같은 인프라 변경을 요하는 변화는 실시간으로 적용하기에 적절치 않고 본 발명에서는 이용하지 않는다.

비슷한 방법을 주차관리에 적용

산업단지나 소핑몰에서나 스포츠 행사나 페스티벌에서의 주차과부하와 같은 다른 종류의 문제에 동일한 분석을 적용할 수 있다. 이 경우, 주차할 곳을 찾아 부근을 원을 그리면서 운전하는 사람들에 의거하여 또는 도로에서 먼저 확인했다가 관련 장소 안에 있는 사람들을 확인하여 주차할 곳을 찾는 사람들을 확인할 수 있다.

주차장의 높은 수용율이나, 주차할 곳을 찾아 주변을 도는 자동차수나, 시설에 진입하기까지 적절한 장소에 도착하는데 걸리는 시간에 의거하여 주차과부하 이벤트를 검색할 수 있다. 모든 변수들을 다른 시간대에 비교해 일반적인 부하 시간과 과부하 시간을 확인할 수 있다.

주차장 수용율과 같은 외부데이터를 이용해 이동통신망으로부터 주차부하 정보를 보정할 수 있다.

대중교통과 신호등 조정을 이용한 전술한 해결책들은 이런 경우에도 완화책을 제시할 수 있다.

이 방법을 이용해 주차문제도 실시간으로 관리할 수 있다. 주차문제의 실시간 검색은 물론 주차부하를 넘어 특정 구역에 진입하는 자동차 수에 의거하여 주차문제를 관리한다.

이 시스템은 주차 과부하 시간대의 주행패턴 및/또는 OD 거동을 다른 시간대의 주행패턴 및/또는 OD 거동에 비교하고 그 차이를 분석해 주차과부하의 근본 원인을 확인하기도 한다.

교통 종류의 구분

근본 원인과 그 완화책을 확인하려면, 운송 모드와 종류를 구분하는 것이 중요하다. 본 발명은 이동통신망을 통해 추적한 운송모드들을 구분하는 방법을 구현한다. 이 방법은:

1. 이동통신망에서 신호데이터를 수집하는 단계;

2. 전화기들의 주행패턴들이 교통 종류를 구분하는 위치 및/또는 시간의 조합들을 확인하는 단계; 및

3. 관련 교통모드의 태그를 전화기에 할당하는 단계;로 이루어진다.

버스와 일반 교통을 구분하는 것은 도전적이지만 신뢰할 수 있는 방식으로 할 수 있다. 버스는 보통 많은 사람들을 운반하므로, 이동통신망이 모든 전화기와 통신을 하고 있어, 관련 전화기 모두를 동시에 그 지점에서 감지한다. 이런 지점들 2개를 이용해 이 버스가 95%로 관련이 있는 특정 버스노선을 식별할 수 있다.

이들 전화기들이 어떤 버스와 연계되고, 이 버스 루트가 공지되어 있으면, 이런 전화기들을 계속 추적해 이 루트에서의 버스의 위치를 감지할 수 있고, 그 위치에서 다른 전화기들을 이 버스와 연관시키며, 다른 전화기들을 통해서 이 버스를 계속 추적할 수 있다.

개인 자동차들과 대중교통의 유저들을 구분하는 다른 방법은 지하철이나 도로와 같이 대중교통만이 있는 지역의 전화기들과 대중교통이 허가된 방향들을 확인하는 것이다.

개인 자동차들과 대중교통의 유저들을 구분하는 또다른 방법은 유저들의 루트와 OD 및 최종 도착지를 분석하는 것이다. 통계에 의하면, 통근자들은 출발지와 도착지 사이의 가장 빠른 길을 이용하는데, 이는 대중교통 노선의 루트의 제한을 받기 때문이다.

개인 자동차들과 대중교통의 유저들을 구분하는 다른 방법은 유저들의 주행시간 동안의 원래 도착지에서 최종 도착지들까지의 주행시간 대 교통패턴들을 분석하는 것이다. 통계에 의하면, 통근자들은 자유운전 자동차보다 출발지에서 도착지에 도착하는데 더 많은 시간을 쓴다. 이 분석은 도로교통의 특성과 특정 버스노선과 열차속도와 같은 대중교통 특성을 고려해야 한다.

전화프로필이 생성되면 자동차나 트럭이나 대중교통 등 어떤 종류의 교통을 이용하든, 각각의 모드에 대한 시간과 조건내에서 전화기가 이동통신망에서 리포트할 때마다 특정 시간/루트에서 전화기가 이용하는 교통 모드의 확률에 맞게 전화기에 플래그가 할당된다.

나머지 이동으로부터의 데이터에 의거하여, 버스에서 데이터가 줄어드는 정류장과, 이 데이터가 다른 노선이나 모드로 바뀌는지 여부를 감지/계산할 수 있다. 첫번째 버스로 도착지에 도착했으면, 이런 데이터는 여러번 감지되고나서 도착한다. 이런 데이터가 다른 루트로 이어지면, 2개의 노선이 만나는 곳을 보고 변경 정류장을 확인할 수 있다.

카운팅

교통모드를 구분하면 자동차로부터 대중교통의 승객들를 카운트하여, 특정 도로구간에 관계된 전화기들이 개인 자동차로 주행중임을 또는 그 반대를 확인할 수 있다. 위치 영역들이 교차되는 장소와 감지된 모든 전화기들을 이용해 전체 전화기 수로 활성 전화기 수를 보정할 수 있고, 몇몇 필드 센서들을 이용해 승객들과 드라이버의 비율을 찾아 특정 지점을 통과하는 자동차량을 계산할 수 있다.

자동차 종류 구분

근본 원인과 그 완화책을 확인하는데 있어서, 차량의 종류를 구분하는 것이 중요하다. 한가지 방법은 OD 패턴을 추적하는 것이다. 상용차는 대부분의 시간을 집에서 직장으로 운행하는 통근자들과는 다른 패턴을 갖는다. 하루 대부분을 여러 도착지로 운행하는 자동차들을 상용차로 본다.

주간 주행시간에도 차이가 있는데, 예를 들면 사용차는 주로 야간과 이른 아침에 주행을 하고, 트럭은 주말과 휴일에는 일반적으로 주행하지 않는다.

이런 카테고리내에서 구분할 수 있는 여러 하위 카테고리가 있다:

본 발명은 이동통신망으로 추적할 수 있는 차량의 종류를 구분하는 방법을 구현한다. 이 방법은:

1. 이동통신망에서 신호데이터를 수집하는 단계;

2. 차량의 종류마다 운전패턴이 다른 위치 및/또는 시간의 조합을 확인하는 단계;

3. 특정 종류의 차량과 다른 차량들을 구분하도록 비슷한 특성들로 도로구간 및/또는 시간으로부터 신호데이터를 분석하는 단계;로 이루어진다.

차량 종류를 구분하는 한가지 방법, 예컨대 매일/매주 같은 도착지로 또는 공지의 순서의 도착지들로 향하는 차량들을 공급용 자동차일 확률이 높다. 특정 패턴 없이 매일 다수의 새로운 도착지들로 운전하고 도착지마다 잠깐동안 머무는 차량들은 서비스카일 것이다. "홈 도착지"에서 출발해 하룻동안 여러번 되돌아가는 차량은 배달차일 것이다. "홈 도착지"가 공업지역이나 대형트럭 주차장 안에 있으면 다른 표시일 것이다.

다른 구분법은 속도/가속도 패턴을 이용하는 것이다. 대형트럭은 도로에서의 제한속도가 다르고, 적색등 이후 가속이 느리다. 트럭이 무거울수록 긴 언덕을 오를 때 속도가 느려진다. 각각의 도로구간에서의 높은 속도변화를 이런 분석에 이용할지 여부의 기준으로 삼을 수 있다.

도착지 트럭주차장에서의 야간주차로 트럭을 확인할 수도 있다.

그와 동시에, (모터사이클이나 전기자전거와 같은) 2륜차를 속도패턴으로 구분할 수도 있다. 이런 이륜차는 적색등 이후 가속이 빠르면서, 도로에서 자유 운행시간중에는 일반 자동차보다 속도가 느리다. 2륜차는 혼잡시간대에 일반 교통수단보다 빠른데, 이는 적색등이 켜져있는 동안 자동차 사이로 움직여 맨 앞으로 이동할 수 있기 때문이다.

모터사이클은 신호등 이후 가속도가 빠르고 프리웨이에서 혼잡구역을 빠져나갈 수 있으며 도시의 교통밀집 거리를 평균속도로 주행하는 등 다른 특성을 갖는다. 모터사이클이 주행하는 도로를 기준으로 그 종류를 구분할 수도 있다. 예컨대, 시티 모터사이클은 프리웨이를 주행할 확률이 낮다.

일반 자전거는 언덕을 올라갈 때 평균속도가 낮고 극심한 혼잡구역에서 자동차보다 빠른 것으로 구분할 수 있다.

4륜차는 일반 자동차가 통과할 수 없는 오프로드 운전으로 구분할 수 있다.

또, 특정 종류의 차량의 주행이 특정 시간대에에나 온종일 금지된 도로나 도로구간도 있다. 예컨대, 시내 중심부나 러시아워 동안에 개인차량이나 상용차의 통행이 금지될 수 있다. 이런 제한을 이용해 차량 종류를 확인할 수도 있다.

이동전화기의 루트와 정확한 위치를 찾는 기능을 단독으로나 다른 정보와 함께 이용해 이동전화기 차량종류를 결정한다.

실시간 정보를 위해 교통과 차량의 분류 이용

일단 분류 태그 및/또는 OD 프로필이 전화기에 할당되면, 이를 실시간 분석과 리포팅에 이용할 수 있다. 예컨대, 교통이나 주행시간의 실시간 속도를 리포팅할 때, 트럭과 버스와 모터사이클을 계산으로부터 여과하거나 계산에서 별도로 처리하여, 예컨대 HOV 레인만 또는 정규 레인만 이용하는 버스노선이 있을 때 HOV 레인에서의 속도를 측정할 수 있다.

HOV 레인 구분

HOV 레인 구분이 근본 원인 분석에도 기여할 수 있다. 이 구분은 각각의 속도분포도를 기초로 한다. 정규 레인과 HOV(high occupancy lane) 사이의 평균 속도차에 있을 때, 정확한 위치와 속도 측정이 2세트의 속도분포를 드러낸다. 더 많은 수의 샘플들을 갖는 이런 분포는 정규 레인 분포로 확인되고, 그 반대도 마찬가지다.

HOV 레인의 자동차를 일반 교통과 분리하는 다른 방법은 HOV에 연결되지 않거나 HOV에만 연결되는 특수한 출입구를 이용하는 것이다.

도로마다의 실시간 수요분석

전술한 카운팅과 분류법을 결합해 실시간 근본원인 분석에 기초한 측정 일부를 문제가 생기기 전에 취할 수 있다.

이를 위해, 용량을 최적화하고 주행시간을 개선하도록 이들 루트에 우선권을 주기 위해 다양한 루트에 어떤 주행자들이 있는지 예측해야 한다. 이동통신망을 이용하면 전화기가 위치 영역들 사이를 가로지를 때 모든 전화기를 감지할 수 있다. 일반적인 OD 프로필과 각각의 익명의 전화기에 사용된 루트를 구축하면 위치 영역들 사이의 모든 교차에 대한 다른 인자들과 셀 ID가 포함된다. 이런 데이터를 실시간으로 수집하여 일반적인 루트를 특정 지점에서의 현재 교차와 비교하면, 다음 1시간내에 특정 도로구간에 몇대의 자동차가 도착할 지를 관리자가 예측할 수 있고, 이런 예측을 기반으로 신호등과 대중교통에 우선권을 설정할 수 있다.

예컨대, 자동차 A가 셀 X에서 아침마다 7:15에 위치영역 경계를 통과한 뒤 고속도로 1을 통해 직장으로 주행하면, 이런 모든 데이터가 데이터베이스에 수집된다. 이어서, 특정 일자에 7:25에 셀 B에서 위치영역을 통과하면, 교통상황이 같을 경우 10분 뒤에는 고속도로 1에 있을 것이고, 평소에 비해 새로운 시간에 일반적인 주행시간이 5분 변했으면 15분 뒤에 고속도로 1에 있을 것이라고 예측할 수 있다. 각각의 특정 일에서의 이동통신망내 모든 전화기에 대한 이런 분석에 의거하여, 각각의 특정 아침에 고속도로 1에서의 자동차수 변화와 교통상황과 진정조치들을 예측할 수 있다.

본 발명의 데이터베이스는 특정 네트웍 이벤트 시간에 모바일기기의 정확한 루트와 위치를 저장한다. 이런 네트웍 이벤트는 셀-ID, 위치영역, 서비스영역, 모바일기기의 위치나 영역 변화를 나타내는 다른 데이터를 포함한다.

모바일기기의 활동을 이동통신망 데이터를 포함한 여러 소스로부터 수집하고 실시간이나 비실시간으로 분석할 때, 셀룰라 이벤트나 이벤트 시퀀스를 이용해 모바일 루트 및/또는 위치 및/또는 주행방향을 감지한다.

이런 분석은 단독으로 진행되거나, 모바일기기 및/또는 차량 프로필에서의 추가 정보와 함께 진행된다.

예를 들어, 특정 모바일기기에 대해 이동통신망에서 수집된 정보가 이 차량에 대한 여러 루트와 위치들에 관한 전술한 데이터베이스에 일치하고 차량프로필로부터 버스라고 인식되면, 버스주행에 사용되는 루트만 포함한다고 위치가 좁혀진다.

전술한 개선된 분류법은 좀더 복잡한 분석에 도움이 된다.

기차역 도착시간과 대기시간

도로관리국이 알아야 할 것 중의 하나는 통근자가 기차역에 도착하는데 걸리는 시간과 기차 대기 시간과, 도착지에 도착하는데 걸리는 시간이다. 셀룰라 데이터가 연속적이 아니어서, 누군가가 집을 나와서 역에 도착하는 시간과 직장에서 집에 가는 시간을 알기가 아주 어렵다. 본 발명은 이동통신망에서 이런 데이터를 추출하는 방법도 구현한다. 이 분석은 아래와 같이 이루어질 수 있다: 기차에 있는 통근자를 추적할 때마다 이 기차가 역을 지날 때를 알아내기 위해 이 통근자를 추적하여, 기차에 타는 시간을 예측할 수 있다.

각각의 통근자에 대해 지난 몇일 동안 늦은 밤 동안에 통근자 부근의 셀에 의거하여 집주소를 확인할 수 있다.

이런 이벤트 각각에 대해, 이 사람이 이동통신망을 통해 집과 통신한 최종 시간을 알아내고, 이 시간과 기차에 탄 시간 사이의 간격을 측정할 수 있다.

이 사람에 대한 많은 이런 이벤트를 분석할 때, 이 사람이 집에서 기차에 도착하는 일반적인 최단 시간을 알아내고, 이를 집과 역 사이의 일반적인 이동시간으로 사용한다.

이어서, 집과 기차 사이의 시간 간격에서 일반 이동시간을 빼고, 역과 집에서의 대기시간의 분포를 구할 수 있다.

이런 시간 간격이 동일 노선의 2대의 기차 사이의 예정된 시간차보다 클 때는, 이 시간 간격을 걸러낸다.

나머지 측정에 대해서는, 역에서 대기하는 시간과 마지막 통신 이후 집에서 지연된 시간이 많은 측정치들의 평균을 계산했을 때의 만족도에 일치한다고 가정할 수 있다.

같은 빌딩블록에 거주하는 모든 사람들에 대해 이런 계산을 하여, 한 사람이 역에서 기차를 대기하는 평균 시간과 시간분포를 얻을 수 있다.

동일한 분석을 반대 방향으로 직장에서 집으로 퇴근할 때도 할 수 있다.

특정 도로구간에서의 이동의 인구학적 분석

새로운 교량위치나 회사의 분소에서 결정하거나, 영업소나 부동산 위치들을 비교하려면, 특정 시간에서 특정 도로구간을 통과하는 인구 유형과, 이들이 이용하는 교통 모드가 무엇인지 판단해야 한다.

Kaplan에 의하면 특정 도로에 자동차가 어떻게 연관되는지와, 그 위치가 상대적으로 정확하게 어떻게 결정되는지, 자동차/승객이 이동하는 정확한 거리를 어떻게 찾아내는지, 짧은 간격으로 이 거리에서의 정확한 위치를 어떻게 찾아내는지를 알 수 있다. 일상적인 장소들까지 가는 같은 자동차를 추적하면 각 개인에 대한 중요한 정보를 얻을 수 있다. 이 사람이 야간에 머무는 곳을 통해 집 주변을 결정할 수 있다. 주간에 머무는 장소로 직장 위치를 결정한다. 컨트리클럽, 극장, 식당 등에 대한 일상적인 방문도 확인할 수 있다. 이 사람이 방문하는 집 부근과 공업지역과 다른 장소들의 경제레벨은 그의 사회경제적 상태에 대해 양호한 정보를 제공한다. 또, 이런 데이터를 이사람 주변 사람들의 프로필과 매칭하면 사회경제적 상태의 방정식에 중요한 입력을 공급할 수 있다. 이런 모든 정보는 특정 거리 모퉁이나 특정 블록에서의 인구유동을 기초로 하여 잠재적 영업 수입을 평가하는데 사용할 수 있다.

이런 분석을 경쟁 영업들 사이의 비교와, 어느정도의 인구가 방문할지의 확인과, 어떤 마케팅 전략을 세울지, 최고의 이익을 얻을 수 있는 장소가 어딘지 등을 결정하는데에도 이용할 수 있다.

액티브 쿼리

주요 데이터를 잃은 장소에서, 시스템은 이 루트에 대해 좀더 연속적인 데이터를 받기 위해 특정 전화기들이 공지의 장소를 통과한 뒤 이 전화기에 액티브 쿼리를 생성할 수 있다. 이런 쿼리는 공백 SMS나 유저를 방해하지 않는 다른 수단으로 생성되고, 전화기의 ID를 암호화 상태로 유지하여 사생활침해가 일어나지 않도록 한다. 사용된 차량의 종류나 교통 모드를 유효화하기 위해 특정 전화기에 대한 데이터를 수집하는데에도 이런 쿼리를 이용할 수 있다.

시스템과 방법:

이상 설명한 방법은 시스템으로 구현될 수 있고, 그 반대도 가능하다. 이런 시스템은 이동통신망과 서버에 연결되어 이동통신망으로부터 신호데이터를 추출하고, 전술한 OD 데이터 및/또는 주행시간 패턴들을 분석하며, 이 시스템으로부터의 리포트와 권장사항들을 제공하도록 연결되기도 한다. 이런 시스템은 주차과부하의 경우 처럼 성능개선을 위해 외부 데이터를 받을 수도 있다.

Claims (18)

1. 특정 도로구간에서의 근본 혼잡원인을 분석하는 방법에 있어서:
   - 혼잡 시간중에 특정 루트구간으로 이동하는 사람들을 확인하는 단계;
   - 혼잡 시간중에 상기 루트구간에서 감지된 사람들을 추적해, 감지되기 전후의 이동패턴들을 확인하는 단계; 및
   - 상기 혼잡을 일으키는 대량의 자동차 및/또는 이동자들의 원인이 되는 출발지와 도착지 또는 이들의 조합을 확인하는 단계;를 포함하는 것을 특징으로 하는 혼잡원인 분석방법.
2. 제1항에 있어서, 이동통신망으로부터 데이터를 구하는 것을 특징으로 하는 혼잡원인 분석방법.
3. 제1항에 있어서, 혼잡 시간대의 이동패턴 데이터와 다른 시간대의 이동패턴 데이터를 비교하는 분석을 하여 경로변경을 유도하는 것을 특징으로 하는 혼잡원인 분석방법.
4. 제1항에 있어서, 실시간 혼잡 처리를 위해 상기 분석을 실시간으로 하는 것을 특징으로 하는 혼잡원인 분석방법.
5. 특정 도로구간에서의 근본 혼잡원인을 분석하는 방법에 있어서:
   - 이동통신망으로부터 신호데이터를 수집하는 단계;
   - 혼잡 시간동안 특정 루트구간을 이동하는 사람들을 확인하는 단계;
   - 혼잡 시간에 감지된 사람들을 추적하고, 감지되기 전후의 OD 데이터를 분석해 근본 혼잡원인을 확인하는 단계; 및
   - 상기 혼잡을 일으키는 대량의 자동차 및/또는 이동자들의 원인이 되는 출발지와 도착지 또는 이들의 조합을 확인하는 단계;를 포함하는 것을 특징으로 하는 혼잡원인 분석방법.
6. 제5항에 있어서, 이동통신망으로부터 데이터를 구하는 것을 특징으로 하는 혼잡원인 분석방법.
7. 제5항에 있어서, 혼잡 시간대의 OD 데이터와 다른 시간대의 OD 데이터를 비교하는 분석을 하는 것을 특징으로 하는 혼잡원인 분석방법.
8. 제5항에 있어서, 실시간 혼잡 처리를 위해 상기 분석을 실시간으로 하는 것을 특징으로 하는 혼잡원인 분석방법.
9. 아래 단계들에 의거하여 인구학적 계획을 결정 및/또는 권고하는 방법:
   - 교통패턴과 일상적인 전화기 장소(거주지, 직장, 쇼핑몰, 레크레이션 장소)를 확인하는 단계;
   - 비슷한 전화기들과 다른 전화기들에 대한 이런 데이터를 한 그룹내에서 비슷한 사회경제적 상태들을 갖는 그룹과 그룹들 사이에서 다른 사회경제적 상태들을 갖는 그룹으로 묶는 단계;
   - 다른 그룹들을 이용해 영업장, 마케팅 전략 특성을 포함한 인구학적 계획을 결정하는 단계.
10. 이동통신망에 의거하여 주차과부하를 감지하는 방법에 있어서:
    - 이동통신망으로부터 신호 데이터를 받는 단계;
    - 주행패턴에 의거하여 주차장을 찾는 자동차와 주차장을 찾는데 걸리는 시간을 확인하는 단계; 및
    - 주차장을 찾는데 걸리는 평균 시간이 정상적인 시간보다 크면 주차과부하라고 판단하는 단계;를 포함하는 것을 특징으로 하는 주차과부하 감지 방법.
11. 주차과부하의 근본 원인을 분석하는 방법에 있어서:
    - 이동통신망으로부터 신호 데이터를 받는 단계;
    - 특정 시간대에 특정 구역에서 주차장을 찾는 전화기들을 확인하는 단계; 및
    - 주차 이벤트에서 감지된 사람들을 추적하고, 이 사람들이 감지되기 전후의 주행패턴들 및/또는 OD 데이터를 분석하여 근본 원인을 확인하는 단계;를 포함하는 것을 특징으로 하는 주차과부하 근본원인 분석방법.
12. 제11항에 있어서, 주차과부하 시간대의 주행 패턴들 및/또는 OD 데이터와 다른 시간대의 주행 패턴들 및/또는 OD 데이터를 비교하는 분석을 하는 것을 특징으로 하는 주차과부하 근본원인 분석방법.
13. 대중교통 이용자들과 개인교통 이용자들을 구분하는 방법에 있어서:
    - 이동통신망으로부터 신호 데이터를 수집하는 단계; 및
    - 가장 빠르거나 가장 짧은 루트를 이용하지 않는 전화기 유저들을 확인해 대중교통 유저로 설정하는 단계;를 포함하는 것을 특징으로 하는 방법.
14. 대중교통 이용자들과 개인교통 이용자들을 구분하는 방법에 있어서:
    - 이동통신망으로부터 신호 데이터를 수집하는 단계; 및
    - 대중교통 전용 루트로 이동하는 전화기들을 확인하는 단계;를 포함하는 것을 특징으로 하는 방법.
15. 서비스불가 지하철에서 대중교통 이용자들과 개인교통 이용자들을 구분하는 방법에 있어서:
    - 이동통신망으로부터 신호 데이터를 수집하는 단계; 및
    - 서비스불가 지하철역 부근에서 나타났다가 사라지는 전화기들을 확인하는 단계;를 포함하는 것을 특징으로 하는 방법.
16. 대중교통, 개인교통, 상용차, 트럭, 기차, 모터사이클, 자전거를 포함한 다양한 교통모드를 이용하는 사용자들을 구분하는 방법에 있어서:
    - 이동통신망으로부터 신호 데이터를 수집하는 단계; 및
    - 주행 위치, 주행 시간, 도착지 수, 반복적인/다른 도착지들, 속도 및/또는 가속도 패턴, 혼잡 루트에서의 교통 패턴, HOV 레인을 갖는 루트에서의 교통 패턴 중의 하나 이상을 포함한 다른 교통 모드들 사이에서 서로 다른 교통 패턴들의 조합을 확인하는 단계;를 포함하는 것을 특징으로 하는 방법.
17. 제16항에 있어서, 다른 교통 모드들을 이용하는 전화기마다 다른 교통 패턴으로 표시되는 것을 특징으로 하는 방법.
18. 동시에 이동통신망에서 보고된 영역변경들에 의거하여 버스와 기차를 포함한 대중교통의 이용자들을 구분하는 것을 특징으로 하는 방법.