The Journal of Bigdata (한국빅데이터학회지)

Korea Bigdata Society (한국빅데이터학회)
권호 표지
DOI QR코드

DOI QR Code

A Trip Mobility Analysis using Big Data

빅데이터 기반의 모빌리티 분석

  • 조범철 (한국교통연구원 빅데이터교통연구본부) ;
  • 김주영 (한국교통연구원 빅데이터교통연구본부) ;
  • 김동호 (한국교통연구원 빅데이터교통연구본부)
  • Received : 2020.11.19
  • Accepted : 2020.12.22
  • Published : 2020.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this study, a mobility analysis method is suggested to estimate an O/D trip demand estimation using Mobile Phone Signaling Data. Using mobile data based on mobile base station location information, a trip chain database was established for each person and daily traffic patterns were analyzed. In addition, a new algorithm was developed to determine the traffic characteristics of their mobilities. To correct the ping pong handover problem of communication data itself, the methodology was developed and the criteria for stay time was set to distinguish pass by between stay within the influence area. The big-data based method is applied to analyze the mobility pattern in inter-regional trip and intra-regional trip in both of an urban area and a rural city. When comparing it with the results with traditional methods, it seems that the new methodology has a possibility to be applied to the national survey projects in the future.

본 연구에서는 통신 데이터를 이용하여 기종점통행량 등 교통 모빌리티를 분석하는 방법론을 제안하였다. 모바일 기지국 위치정보 기반의 통신 데이터를 이용하여 개인의 통행사슬(Trip Chain) DB를 구축하고 일별 통행 패턴을 추출하여 통행 특성을 분석하였다. 분석의 신뢰성 제고를 위해서 기지국의 영향권을 맵 매칭하고, 통신 데이터가 가지는 Ping pong Handover 문제를 보정하는 로직을 개발하였으며, 기지국 영향권 내에서 Pass By와 Stay를 구분하는 분석기준을 제안하였다. 개발된 분석 방법을 활용하여 전국 지역 간 통행, 도시 및 지방 지역의 통행 발생과 분포를 추정하고 기존의 전통적인 분석방법론과 비교 검증하였다.

Keywords

Acknowledgement

이 논문은 한국교통연구원 2019년 기본연구 사업비 지원에 의해 연구되었음.

References

  1. 김주영, 조종석, "국가교통조사 및 DB구축사업 중 전국 여객 기종점 통행량 조사", 한국교통연구원, 2016. pp.9-33
  2. Colak, S., Alexander, L. P., Alvim, B. G., Mehndiratta, S. R., and Gonzalez, M. C., "Analyzing cell phone location data for urban travel: current methods, limitations, and opportunities", Transportation Research Record Journal of the Transportation Research Board, 2526(1), 2014, pp.126-135.
  3. Alexander, L., Jiang, S., Murga, M., and Gonzalez, M. C., "Origin-destination trips by purpose and time of day inferred from mobile phone data", Transportation research part c: emerging technologies, Volume 58, Part B, 2015, pp.240-250. https://doi.org/10.1016/j.trc.2015.02.018
  4. Janzen, M., Vanhoof, M., Axhausen, K. W., and Smoreda, Z., "Estimating long-distance travel demand with mobile phone billing data", in the 16th Swiss Transport Research Conference, 2016, Volume 16.
  5. Maldeniya, D., Lokanathan, S., and Kumarage, A., "Origin-Destination matrix estimation in Sri Lanka using mobile network big data", in Proceedings of the 13th International Conference on Social Implications of Computers in Developing Countries, Negombo, Sri Lanka, 2015, pp.786-794.
  6. Iqbal, M. S., Choudhury, C. F., Wang, P., and Gonzalez, M. C., "Development of origin-destination matrices using mobile phone call data", Transportation Research Part C: Emerging Technologies, Volume 40, 2014, pp.63-74. https://doi.org/10.1016/j.trc.2014.01.002
  7. Larijani, A. N., Olteanu-Raimond, A. M., Perret, J., Bredif, M., and Ziemlicki, C.(2015), "Investigating the mobile phone data to estimate the origin destination flow and analysis; case study: Paris region", Transportation Research Procedia, Volume 6, 2015, pp.64-78. https://doi.org/10.1016/j.trpro.2015.03.006
  8. 윤서연 외, "지역간 교통수요 예측의 신뢰성 제고를 위한 빅데이터 활용방안 연구", 국토연구원, 2015.