통신 데이터를 활용한 서울시 도보관광코스 유동인구 추정 및 분석

Abstract

도보관광은 길을 따라 자연적 자원 또는 문화적 자원을 체험하고 감상하며 걷는 형태의 관광을 의미한다. 길을 통해 관광지의 집중을 낮출 수 있어 일반적인 관광지 형태의 단점을 보완해 줄 수 있는 특성을 가지기 때문에 서울시에서는 서울로 7017을 포함하여 지속적으로 새로운 도심도보관광길을 개발하고 있다. 관광 분야에서의 빅데이터의 활용은 현재의 문제 해결과 동시에 효과적인 관광 정책 수립을 도모할 수 있다는 것에 의의를 가진다. 특히, 통신 빅데이터의 경우 실시간으로 데이터가 수집되는 특성으로 인해 관광 분야에서 적극적으로 활용되어지고 있다. 이러한 배경을 바탕으로 본 연구는 통신 데이터를 통해 구축한 유동인구 데이터를 활용하여 서울시 도심도보관광코스 내 유동인구 특성을 파악하고 효과적으로 시각화하여 공간적인 맥락을 분석하는 것을 목적으로 한다. 이를 위해 도보관광과 관련된 선행연구와 통신 데이터를 관광 분야에 활용하여 수행된 연구에서의 연구 목적과 내용, 연구 방법론에 대해 고찰하였다. 또한, 도로에 따른 유동인구 추정을 위한 유동인구 데이터 정제 기법을 개발하였으며 이에 따라 도보관광코스별 유동인구 데이터를 구축하였다. 정제된 데이터를 바탕으로 서울도보관광 18개 코스별 유동인구 특성을 파악하고 커널 밀도, 핫스팟 분석 기법을 활용하여 공간적 패턴을 중심으로 분석하였다. 먼저, 격자 유동인구 데이터를 도보관광코스 분석에 적합한 형태로 분석하기 위해 도로에 따른 주변 유동인구 값을 고려한 유동인구 추정 기법 고안하여 본 연구에 활용하였다. 추정된 유동인구 데이터를 통해 도보관광코스 별 유동인구 데이터 할당 알고리즘을 구축하였다. 도보관광코스에 따라 결측치의 유무를 확인한 후 결측치의 발생 특성에 따라 도보관광코스 별 유동인구 데이터를 할당하였다. 마지막으로 도보관광코스에 따른 유동인구 데이터를 통해 서울도보관광 18개 코스의 유동인구 특성과 공간 패턴을 분석하였다. 이를 위해 커널 밀도 분석과 Getis-Ord G_i^*통계 핫스팟 분석을 적용하여 시각화하였으며 이를 통해 도보관광코스 별 주요 특성을 도출해낼 수 있었다. 각 코스별 성, 연령, 계절, 요일, 시간에 따른 특성을 밝혔으며 유동인구 속성에 따라 공간 패턴이 상이하게 나타나는 결과를 중심으로 해석하였다. 본 연구는 기존 도보관광코스를 방문하는 보행자를 대상으로 수행하는 질적연구, 설문조사를 통해 동기 및 감정, 선호도를 조사하였던 방법론에서 벗어나 통신 데이터로부터 수집된 유동인구 데이터를 통해 보행자의 도보관광코스 내 선호 구간을 파악할 수 있음을 밝히는 계기가 되었다. 또한, 유동인구 데이터를 활용한 관광 분야의 연구에서는 그리드나 행정구역과 같이 거시적인 공간 패턴 분석을 수행하였으나 본 연구에서는 유동인구 데이터를 도로에 따른 데이터 추정 기법을 개발하고 도보관광코스 분석에 적용한 것에 의의가 있다. 실시간으로 수집되는 통신 데이터를 활용하여 도보관광코스 내 유동인구 특성의 공간적 맥락을 해석함으로써 향후 코스 운영 및 개발에 기초자료로써 활용할 수 있다는 가능성을 제시하였다는 점에서 의미를 지닌다. ;Walking tourism refers to a tourism in the form of walking and experiencing natural or cultural resources along the way. Since walking tourism can lower the concentration of sightseeing spots through roads, it can supplement the weaknesses of general sightseeing forms. Therefore, the city of Seoul is continuously developing new urban walking tourism routes such as Seoullo 7017. Meanwhile, the use of Big Data in the field of tourism research is significant since it helps to establish effective tourism policy and solves the present problems. Especially, in the case of telecom big data, it is actively being utilized in the field of tourism research due to its characteristic of collecting data in real time. Based on this background, this study aims to analyze the spatial context by analyzing the flow characteristics of the walking tour course and visualizing effectively using the floating population data constructed through the communication data. For this research purpose, contents and research methodologies of previous research related to walking tourism and telecom data in the field of tourism was surveyed. In addition, this study conducted to develop a floating population data refinement algorithm for estimating the float population along the road and to construct floating population data for each walking tour courses. Based on the refined data, this study analyzed flood population characteristics of 18 walking courses in Seoul and analyzed spatial patterns using kernel density and hotspot analysis technique. First, this study developed a road - based refinement algorithm to analyze the grid-shaped floating population data in a form suitable for walking tourism course analysis. Next, a datamining algorithm for walking tour course was constructed according to the characteristics of the floating population data, the absence of missing values. Therefore, after confirming the absence of missing values according to the walking tour course, the flow population data for the walking tour course was refined according to the characteristics of the missing values. Finally, this study analyzed the flow characteristics and spatial patterns of 18 walking trails in Seoul through the floating population data according to walking tour course. To do this, the kernel density analysis and the Getis-Ord G_i^* statistical hotspot analysis were applied to visualize the main characteristics of each walking tour course. This study showed that it is possible to grasp the preference section within the walking tour course through the floating population data apart from conducting qualitative research, which investigated motivation, emotion, and preference and using questionnaire survey data of pedestrians who visited existing walking tour courses. Also, in the study of tourism, studies using the floating population data, macro pattern analysis such as grid or administrative area were carried out, but in this study, it is meaningful that the study has developed and applied the floating population data refining method according to the road. The analysis of the spatial context of the floating population characteristics in the walking tour course using the communication data collected in real time is also meaningful because it suggested the possibility that it can be utilized as basic data for future course operation and development.