인공지능 활용한 교통데이터 통행목적과 이용자특성 추정

[힘힘]

인공지능 활용한 교통데이터 통행목적과 이용자특성 추정

등록일 : 

2023.02.08

저자 : 

김승준, 양재환, 박세현

부서명 : 

도시인프라계획센터

분량/크기 : 

82Page

분류 : 

기초

분류번호 : 

2021-BR-41

다운로드

목차(309.19 KB)

요약(521.98 KB)

원본(7.93 MB)

교통데이터의 통행목적·이용자특성 파악해 AI모형 활용하면 O/D의 신뢰성 향상 가능

가구통행실태조사, 직접 조사 줄고 교통카드데이터 등의 활용요구 증대

가구통행실태조사로 구축되는 여객 기종점통행량(Origin to Destination, 이하 O/D)은 교통계획 및 사회간접자본의 타당성 평가에 활용되며 각종 교통통계지표를 산출하기 위한 핵심 기초자료이다.

가구통행실태조사는 일부 표본으로 전체 모집단을 대표하는 자료를 만들기 때문에 ‘전수화’ 과정을 거쳐야 한다. 하지만, 행정동 간 통행 표본이 부족하기 때문에 전수화 과정에서 필연적으로 오류가 발생하는데, 최근 조사비용이 축소되면서 표본율이 감소하여 이 문제가 더욱 심화되고 있다. 

표본율 감소에 따른 문제 해결을 위해 현장에서 수집되는 교통 빅데이터 활용이 논의되고 있다. 전수에 가까운 교통카드데이터와 택시데이터가 있음에도 불구하고, O/D 구축과정에서 이 데이터들의 구체적 활용방안은 여전히 미비한 실정이다.

교통데이터에 AI 방법론 적용해 통행목적·이용자특성 등 필요한 속성 추정

가구통행실태조사는 개인에 관한 풍부한 정보를 제공하지만, 극히 적은 표본이라는 단점이 있다. 반면, 교통카드데이터와 택시운행정보관리시스템(Taxi Operation Information Management System, 이하 TIMS) 데이터는 전수 통행데이터라는 엄청난 장점이 있지만 통행목적과 이용자특성에 대한 정보가 없다. 통신데이터인 생활이동데이터는 표본율이 가구통행실태조사 대비 높고 통행목적과 이용자특성에 대한 정보가 있지만, 교통수단이 구분되어 있지 않다.

이처럼 필요한 속성이 있는 표본 데이터와, 전수 데이터이지만 해당 속성이 없는 데이터가 존재하며, 각 데이터의 장점을 적절히 활용할 필요가 있다.

교통데이터의 통행목적과 이용자특성 추정에는 AI(Artificial Intelligence)모형 중 분류모형과 생성모형이 적용되고 있다. 분류모형과 생성모형은 가구통행실태조사에 포함된 통행정보, 통행목적, 이용자특성을 학습하여 교통카드데이터의 통행목적과 이용자특성을 추정한다. 기존 연구들에서도 유사한 방법론을 확인할 수 있었으며, 이 연구 또한 이를 참조하여 서울시 교통데이터 활용에 적합한 모형을 구축하였다.