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.

The fishery compensation by marine spatial planning such as routeing of ships and offshore wind farms is required objective data on whether fishing vessels are engaged in a target area. There has still been no research that calculated the number of fishing operation days scientifically. This study proposes a novel method for calculating the number of fishing operation days using the fishing trajectory data when investigating fishery compensation in marine spatial planning areas. It was calculated by multiplying the average reporting interval of trajectory data, the number of collected data, the status weighting factor, and the weighting factor for fishery compensation according to the location of each fishing vessel. In particular, the number of fishing operation days for the compensation of driftnet fishery was considered the daily average number of large vessels from the port and the fishery loss hours for avoiding collisions with them. The target area for applying the proposed method is the routeing area of ships of Jeju outer port. The yearly average fishing operation days were calculated from three years of data from 2017 to 2019. As a result of the study, the yearly average fishing operation days for the compensation of each fishing village fraternity varied from 0.0 to 39.0 days. The proposed method can be used for fishery compensation as an objective indicator in various marine spatial planning areas.

최근 해상교통 환경의 변화가 다양해지고, 해상 교통량이 지속적으로 증가함에 따라 해상교통 분석에 대한 요구가 다양해지고 있다. 이러한 해상교통 분석 작업은 교통 특성에 대한 모델링이 선행되어야 하지만, 기존의 방법은 자동화되어 있지 않아 전처리 작업에 시간이 많이 소요되고, 분석 결과에 작업자의 주관적인 견해가 포함될 수 있는 문제점이 있었다. 이러한 문제점을 해결하고자 본 논문에서는 해상교통 분석을 위한 자동화된 교통 네트워크 생성 방법을 제안하였으며, 활용 가능성을 검토하기 위해 실제 목포항에서 수집된 6개월간의 항적 데이터를 이용한 실험을 수행하였다. 실험 결과, 대상 해역의 교통 특성을 반영한 교통 네트워크를 자동으로 생성할 수 있었으며, 대용량의 항적 데이터에도 적용할 수 있음을 확인하였다. 또한, 생성된 교통 네트워크는 시공간적 특징 분석이 가능하여 다양한 해상교통 분석에 활용될 수 있을 것으로 기대한다.

본 연구는 소셜 네트워크 서비스 중 한 유형인 플리커를 이용하여 궤적 데이터를 생성하고, 서울을 방문한 관광객의 이동 특성을 분석하였다. 연구에는 2015년 1월 1일 부터 2017년 12월 31일까지 서울을 방문한 1,476명 관광객이 게시한 플리커 사진 39,157건을 활용하였다. 연구기간 내 서울을 방문한 관광객은 1회 방문시 평균 5.12일을 체류하며, 약 1.27회 방문한 것으로 나타났다. 서울방문 관광객의 첫 방문지는 종로･남산, 신촌･홍대, 이태원 순으로 나타났으며, 주 목적지는 종로･남산이며 주로 인접 지역으로 이동하는 것으로 나타났다. 본 연구에서 활용한 데이터와 방법론은 관광행태 분석을 효율화하고, 다각적 분석을 가능하게 하는데 기여할 것으로 판단된다.

PURPOSES: The density in uninterrupted traffic flow facilities plays an important role in representing the current status of traffic flow. For example, the density is used for the primary measures of effectiveness in the capacity analysis for freeway facilities. Therefore, the estimation of density has been a long and tough task for traffic engineers for a long time. This study was initiated to evaluate the performance of density values that were estimated using VDS data and two traditional methods, including a method using traffic flow theory and another method using occupancy by comparing the density values estimated using vehicular trajectory data generated from a radar detector. METHODS: In this study, a radar detector which can generate very accurate vehicular trajectory within the range of 250 m on the Joongbu expressway near to Dongseoul tollgate, where two VDS were already installed. The first task was to estimate densities using different data and methods. Thus, the density values were estimated using two traditional methods and the VDS data on the Joongbu expressway. The density values were compared with those estimated using the vehicular trajectory data in order to evaluate the quality of density estimation. Then, the relationship between the space mean speed and density were drawn using two sets of densities and speeds based on the VDS data and one set of those using the radar detector data. CONCLUSIONS: As a result, the three sets of density showed minor differences when the density values were under 20 vehicles per km per lane. However, as the density values become greater than 20 vehicles per km per lane, the three methods showed a significant difference among on another. The density using the vehicular trajectory data showed the lowest values in general. Based on the in-depth study, it was found out that the space mean speed plays a critical role in the calculation of density. The speed estimated from the VDS data was higher than that from the radar detector. In order to validate the difference in the speed data, the traffic flow models using the relationships between the space mean speed and the density were carefully examined in this study. Conclusively, the traffic flow models generated using the radar data seems to be more realistic.