스마트폰 GPS 궤적의 시공간 맥락정보 벡터 임베딩을 활용한 생활 패턴 탐색 프레임워크 (Exploring Life Patterns using Spatiotemporal Contextual Embedding of Smartphone GPS Trajectories)

서지정보

· 발행기관 : 대한공간정보학회
· 수록지 정보 : 대한공간정보학회지 / 31권 / 3호 / 27 ~ 36페이지
· 저자명 : 김지연, 강영옥

초록

본 연구의 목적은 스마트폰 global positioning system(GPS) 궤적 데이터로부터 체류 지점의 시공간 맥락정보를 생성하고, 이를 활용하여 사용자들의 생활 패턴을 분석하는 프레임워크를 제시하는 것이다. 공간을 중심으로 정보를추출하는 기존 연구와 달리 체류 지점을 추출한 후, 시간을 10분 단위로 나누고 각 시간대에 해당하는 poi(point of interest) 정보를 입력하는 방식을 통해 시공간적 맥락정보를 생성하였다. 생성된 시공간 정보를 벡터로 임베딩한 후 고차원의 정보를 딥러닝 기반 표현학습의 일종인 오토인코더(auto-encoder)와 t-distributed stochastic neighbor embedding(t-SNE)를 통해 저차원으로 축소한 후 최종목표인 사용자 그룹화를 위해 hierarchical density-based spatial clustering of applications with noise(HDBSCAN)을 활용하는 프레임워크을 제안하였다. 안양시 거주민 49명으로부터 수집한 스마트폰 GPS 데이터를 활용하여 본 연구에서 제시한 프레임워크로 생활패턴을 분석하였다. 이를 통해 시공간적 맥락을 기반으로 생활패턴이 유사한 집단을 구별해낼 수 있었다.

영어초록

The objective of this study was to generate spatial-temporal contextual information of stay points using smartphone GPS trajectory data and present a framework for analyzing users' life patterns. Unlike previous research focused solely on spatial information, our study extracted stay points, divided time into 10-minute intervals, and associated point-of-interest (POI) information with each interval to generate spatial-temporal contextual information. To reduce the dimensionality of the generated information, we employed auto-encoders, which are deep learning-based representation learning techniques, and t-distributed stochastic neighbor embedding(t-SNE). Finally, for the purpose of user grouping, we applied hierarchical density-based spatial clustering of applications with noise(HDBSCAN), a clustering algorithm. Our approach demonstrated efficient dimensionality reduction and improved clustering performance. To validate the framework, we applied it to smartphone GPS data collected from 49 residents in Anyang City. Through this, it was possible to distinguish groups with similar life patterns based on the spatiotemporal context.

참고자료

· 없음