궤적 데이터 마이닝 연구 동향: 응용 분야와 분석 방법론을 중심으로

서지정보

· 발행기관 : 한국지도학회
· 수록지 정보 : 한국지도학회지 / 22권 / 3호
· 저자명 : 김지연, 이도현, 이지윤, 조주연, 강영옥

목차

요약
Abstract
I. 서론
II. 궤적 데이터 활용 분야
1. 교통
2. 도시계획
3. 소셜서비스
4. 기타
III. 활용가능한 궤적 데이터
IV. 궤적 데이터 분석 방법론
1. 분류(Classification)
2. 클러스터링(Clustering)
3. 패턴 마이닝(Pattern mining)
4. 이상치 탐지(Outlier detection)
5. 추천시스템
6. 예측
V. 결론
註
참고문헌

초록

최근 GPS에 기반한 위치 수집 기술의 발전과 스마트폰과 같은 GPS를 탑재한 디바이스의 폭발적인 증가로 사람, 차량, 선박, 항공체와 같은 움직이는 물체의 지리적 위치에 대한 엄청난 양의 데이터가 실시간으로 수집되고 있다. 이는 사물의 움직임과 관련된 중요한 학문적 및 실용적 가치를 가지고 있다. 이와 같은 데이터를 분석하기 위한 데이터 마이닝 방법 또한 함께 발전하고 있으며 연구자들은 궤적 데이터를 활용하여 도시에서 일어나는 이동 현상과 도시를 구성하는 장소 간의 관계 등을 탐색함으로써 다양한 도시 문제에 대한 해결방안을 제시하고 있다. 궤적은 다양한 물체의 움직임을 추적할 수 있는 만큼 그 활용 분야와 목적 역시 매우 다양하여 도시 계획, 교통, 행동생태학, 공공안전, 이상 및 위반 탐지, 감시 등과 같은 분야에서 널리 활용되고 있다. 특히 최근 데이터 마이닝 방법론과 딥러닝 기술의 발전으로 궤적 데이터 분석에 다양한 분석방법이 융합적으로 접목되어 의미 있는 연구결과 도출되고 있어 이에 대한 체계적 분석이 필요하다. 이러한 배경하에 본 연구는 궤적 데이터를 활용한 국내외 약 150여 편의 연구를 응용분야 및 활용방법론 별로 구분하고, 응용분야별, 궤적 데이터 분석 방법론별 최근 동향을 분석하였다. 이는 향후 궤적 데이터에 적용가능한 방법론 탐색, 궤적 데이터 분석과 관련된 구체적 사례 탐색, 궤적 데이터를 활용한 응용서비스 도출의 자료로 활용될 수 있을 것으로 사료된다.

영어초록

With the recent development of technology to collect locations based on GPS and the explosion of devices equipped with GPS such as smartphones, an enormous amount of data related to the geographical location of moving objects such as people, vehicles, ships, and aircraft have been collected in real time. It has important academic and practical values related to the movement of things. Data mining methods for analyzing such data are also developing, and researchers are using trajectory data to explore the relationship between moving phenomena in cities and places that make up the city, suggesting solutions to various urban problems. As the trajectory can track the movement of various objects, so its application fields and purposes are also very diverse and it is widely used in areas such as urban planning, transportation, behavioral ecology, public safety, anomaly and violation detection, monitoring and so on. In particular, with the recent development of data mining methodology and deep learning technology, various analysis methods are fused to analyze trajectory data to derive meaningful research results, which requires systematic analysis. Under this background, this study classified about 150 domestic and foreign studies using trajectory data by application field and utilization methodology, and analyzed recent trends by application field and trajectory data analysis methodology. It is considered that this study can be used in the future to explore methodologies applicable to trajectory data, to explore specific cases related to trajectory data analysis, and to derive application services using trajectory data.

참고자료

· 없음