2016년 2월 1일 국토연구원(KRIHS)과 동경대학교 공간정보과학연구원의 국제 세미나가 여의도 국토연구원 콘퍼런스룸에서 열렸다. 세미나에서는 '공간 빅데이터를 활용한 지역문제 진단과 해결'을 주제로 한일 양국의 과학자 및 산업체 연구원들이 사례 발표와 토론의 시간을 가졌다.
첫 번째 세션은 지역사회문제 해결을 위한 공간 빅데이터의 활용에 대해 공경대학교의 시바사키 료스케 교수가 발표했다.
그는 뉴욕의 범죄율 감소에 대한 노력으로 공간 데이터를 통해 범죄 유발 가능 지역에 대한 밀착관리를 위한 경찰 인력의 효율적 재배치를 예로 들었다.
뉴욕 범죄율과 약물중독, 시민 10만 명당 죄수 비율, 비고용자 비율, 빈곤율 등 다양한 변수들과 상관성을 살펴봤으나 뚜렷한 사유로 이용할 수 없었다고 했다.
이후 2008년부터 부터 2010년까지 매주 단위 범죄 유형별 발생률과 공간 단위 근무인원 통계를 활용하여 범죄 유발률이 높은 지역(hot spot)에 경찰 인력을 추가 배치하는 방법론을 적용하였고, 뚜렷한 감소 효과를 확인할 수 있었다.
그는 상황에 대한 데이터를 활용한 센싱(sensing)은 비가시적인 것을 가시적으로 측량 가능하게 하며, 분석적이고, 예측 가능하며, 개선 증진이 가능한 것으로 정의하였다.
또한 2011년 후쿠시마 원전사고 당시 사고 지역 인구의 모바일 데이터 분석을 통해 평상 시 출퇴근 및 이동에 대한 경로 분석을 하였고,
이를 통해 주요 통제 지역과 비상 시 철수 혹은 후송을 사전에 준비하여야 하는 지역 반경을 정의하였다고 했다.
또한 이례적 이벤트 발생 시 집결한 인구에 대한 규모도 에도카와 불꽃놀이 축제 및 오다이바의 크리스마스 및 신녀맞이 축제 사례를 통해 모바일 데이터로 측정 가능함을 밝혔다.
또한 GPS 궤적을 분석하면 사람들의 이동 경로를 알 수 있으므로 교통 대책 효율화나 재난재해 발생 시 확산 경로에 대한 이해를 강화할 수 있음을 이야기 했다.
모바일 데이터를 활용한 주/야간 지역의 특정 거점을 뽑아내는 방식도 이야기했는데, 통신 이용 데이터를 활용하여 개인의 시간대별 주요 거점 데이터 확보 후 이를 다시 공간 지역 내 밀도 기반 클러스터와 함께 분석하면 주/야간 시간대별 거점 정보 혹은 체류 시간이 가장 긴 거점 정보 및 시간 관련 변곡점을 파악할 수 있다고 밝혔다.
그리고 일본에서 센서스 데이터와 모바일 공간 통계 데이터의 상관관계 및 추정 예측치에 대한 분석 결과 R 제곱 값이 0.8643에 달하는 것으로 나타났다고 했다.
R제곱 값은 모형의 설명력, 즉 선택된 독립변수가 종속변수를 설명하는 설명 정도를 나타낸다. 이것은 모바일 공간 통계 데이터가 일본 통계청에서 관리하는 실측 데이터인 인구통계 데이터와 매우 높은 상관성을 가짐을 나타내며,
실측 통계를 대체 가능하다는 점을 시사하고 있다.국내에서도 비슷한 분석을 통해 모바일 데이터를 상용화하고 있는 케이스가 있다.
바로 SK텔레콤의 지오비전 데이터다.
지오비전은 50mX50m의 피셀(p-cell) 단위 데이터를 15분 단위로 처리하므로 준 실시간에 가까운 모바일 공간 통계 데이터다. 다른 국내 통신사도 비슷한 데이터 제공이 가능하지만 SK텔레콤은 국내 가입자 점유율이 50%인데다 가장 적은 그리드(grid) 단위의 피셀 데이터 제공이 가능하므로 정확도가 가장 높다고 할 수 있다. 게다가 통신 데이터 이외의 상권 데이터 및 신용 카드 매출 정보 등이 매시업(mash-up)되어 제공 가능한 것이 특징이다.
- 데이터 과학 비즈니스, 김정선 -
Posted from my blog with SteemPress : http://www.letitbe.biz/wp/archives/2904