당신은 주제를 찾고 있습니까 “교통 빅 데이터 – 교통빅데이터플랫폼-ViewT 소개영상“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 한국교통연구원 이(가) 작성한 기사에는 조회수 2,076회 및 좋아요 20개 개의 좋아요가 있습니다.
교통 빅 데이터 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 교통빅데이터플랫폼-ViewT 소개영상 – 교통 빅 데이터 주제에 대한 세부정보를 참조하세요
VIew T는 사람과 차량 등 개별 객체 단위 통행경로 데이터를 기반으로 국가 전역의 ‘통행지표’와 객체의 통행 행태와 특성을 시공간적으로 분석할 수 있는 ‘분석도구’ 를 제공하는 서비스입니다.
ViewT홈페이지(https://viewt.ktdb.go.kr )에 방문하셔서 우리나라 통행의 움직임을 새로운 눈으로 바라보시기 바랍니다.
교통 빅 데이터 주제에 대한 자세한 내용은 여기를 참조하세요.
교통카드 빅데이터 시스템
2022년 교통카드빅데이터 통합정보시스템 사용자 만족도 조사를 실시합니다. 2020년 대중교통 이용 분석 결과…대중교통 이용 27% 감소; 권역별로 해당 지자체 범위는 …
Source: stcis.go.kr
Date Published: 3/9/2022
View: 4252
교통 빅데이터엔 시간-공간 정보 가득,’스마트시티 구축 전략’에 …
Article at a Glance교통 분야 공공 데이터는 ‘데이터 수집의 용이성’ ‘정보 공유의 용이성’ ‘반복성과 대표성’ ‘인과관계보다 현 상황에 대한 이해 위주’ 등의 이유로 …
Source: dbr.donga.com
Date Published: 6/14/2021
View: 8831
교통 빅데이터의 가치와 이슈 – 네이버 블로그
대표적인 민간의 교통 빅데이터에는 내비게이션, 통신, 교통카드 데이터 등이 있다. 이런 민간 데이터와 공공 데이터를 플랫폼을 통해 결합한다면 새로운 …
Source: m.blog.naver.com
Date Published: 10/21/2022
View: 3434
교통AI 빅데이터 플랫폼 구축
교통AI 빅데이터 플랫폼 구축. ※ 공단 보유 데이터를 수집‧분석하여 정책 및 제도를 혁신하고, 객관적 경영활동 자료제공 및 과학적 행정 문화를 확산‧정착하여 교통 …
Source: www.koroad.or.kr
Date Published: 3/9/2022
View: 5091
교통 빅데이터 플랫폼 구축 및 활용
교통부문 빅데이터 연구의 필요성. 정보통신기술의 비약적인 발전은 교통부문에 새로운 데이터 활용 가능성을. 높이고 있다. 스마트폰 기반의 내비게이션 정보, …
Source: www.koti.re.kr
Date Published: 5/1/2022
View: 8410
교통 빅데이터의 필요성과 활용(월간교통 2019년 7월호)
한국교통연구원은 본 고에서 최근의 도시문제 해결은 데이터, 인공지능 분석, 컴퓨팅을 기반으로 하며, 교통 데이터는 스마트시티의 성공 열쇠를 가진 핵심 데이터로서 …
Source: eiec.kdi.re.kr
Date Published: 4/7/2021
View: 3276
국토교통 빅데이터 온라인 해커톤 경진대회 – DACON
국토교통 빅데이터 온라인 해커톤 경진대회에 오신 것을 환영합니다. 국토교통 데이터와 코로나 데이터 등을 융합분석하여, 국민의 안전한 이동을 위한 새로운 통찰과 …
Source: dacon.io
Date Published: 9/15/2021
View: 7004
교통부분 빅데이터 활용 현황
빅데이터. • 전국 도로 교통량 및 통행속도 DB. • 교통부분 사회적비용 (혼잡비용,환경비용). • 전국 시군구별 접근성지표 (편의시설, 교통시설).
Source: data.kostat.go.kr
Date Published: 12/30/2021
View: 2563
주제와 관련된 이미지 교통 빅 데이터
주제와 관련된 더 많은 사진을 참조하십시오 교통빅데이터플랫폼-ViewT 소개영상. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 교통 빅 데이터
- Author: 한국교통연구원
- Views: 조회수 2,076회
- Likes: 좋아요 20개
- Date Published: 2019. 7. 11.
- Video Url link: https://www.youtube.com/watch?v=hPRzR-dlavM
교통 빅데이터엔 시간-공간 정보 가득,‘스마트시티 구축 전략’에 필수적
Article at a Glance
미국의 실업률 증가는
누가 가장 먼저 예측했을까?
교통정보의 특성: 일기예보와 교통 예측
교통 분야에서 데이터 분석과 활용이 활발했던 이유와 최근 나타난 문제점
만약 ‘구간 A-E’가 폐구간이었다면 도착지 E의 통과자만 조사하면 된다. 하지만 개구간에서는 E를 통과한 사람이 어떤 경로로 도달했는지를 중간 지점마다 역추적해야 한다. 이 경우 데이터 수집 방법은 크게 조사자(또는 조사장치)가 표본과 함께 이동하거나 혹은 조사자(또는 장치)를 경로상에 촘촘히 배치하는 등의 새로운 방법을 모색해야 한다. 이 두 방식 모두 데이터 수집 비용의 급증을 가져온다.
예를 들어 통행자 데이터와 운행수단 데이터를 통합할 때 통행자 데이터는 ‘분 단위’로, 운행수단은 ‘12시간 단위’로 취합됐다면 정보 통합 과정에서 문제가 발생한다. 설사 데이터 구조가 표준화돼 있더라도 상이한 데이터를 통합하기 위해서는 특정한 연결고리가 필요하다. 그런데 교통정보의 경우 ‘개인정보’가 그 연결고리가 될 가능성이 상당히 높다. 그런데 개인정보보호 관련 규정 등으로 인해 정보 확보나 활용이 어려운 상황이 생길 수 있다.
DBR mini box I
교통정보 빅데이터 활용을 위한 선행 과제
우리나라는 1994년 고속도로 지능형교통체계(이하 ITS) 시범사업을 시작한 이래 2001년부터 약 10년간 2조 원이 넘는 돈을 투자해 전국적으로 공공 부문 ITS 구축사업을 수행했다. 그 결과 인구 10만 명 이상의 도시 대부분에서 교통과 관련한 빅데이터 수집이 이뤄지고 있다. 하지만 서울시 등의 극히 일부 사례를 제외하면 현재 교통상황을 보여주는 것 이외에 공공 부문에서 이를 활용한 사례는 거의 없는 것도 사실이다. 앞서 언급했던 주요 사례를 기반으로 교통 부문에서 성공적인 빅데이터 활용을 위한 시사점을 정리하면 다음과 같다.
첫 번째, 데이터의 정책 활용 측면에서의 접근을 강화해야 한다. 초기 ITS 도입 목적이 ‘이용자에게 실시간 교통정보를 제공하는 것’에 있었기에 최근 각광받는 방식으로 빅데이터를 분석하고 이를 관리할 수 있는 운영 시스템을 갖추는 데는 다소 어려움을 겪고 있다. 장기적으로는 교통정보 제공 기능 외에도 이를 분석해 정책적으로 활용하는 역량 확보(구체적으로는 교통 데이터를 기반으로 시사점을 도출하고 전문적으로 분석하고 활용할 수 있는 인력 확보와 이를 가능케 하는 소프트웨어에 대한 투자 등)가 필요하다. 특히 교통 정책에 기본적인 데이터가 되는 가구통행실태조사는 5년을 주기로 1%의 표본을 추출해 하루 동안의 교통수단 이용 내역과 행선지에 대한 설문조사를 수행한다. 그리고 이러한 표본의 대표성, 비용 투입의 필요성, 결과의 정확성 등에 대해서는 많은 논란이 벌어지는 것도 사실이다. 우리나라뿐만 아니라 미국에서도 유사한 형태의 논란이 벌어졌는데 현재 생산되는 교통 빅데이터를 활용할 경우 ‘표본의 문제’를 해결할 가능성이 높아지는 것으로 나타나 활발한 연구가 진행되고 있다.
두 번째, 빅데이터 취합·저장·관리에 대한 표준 확립이 필요하다. 서울시가 대중교통 체계를 개편할 수 있었던 가장 큰 이유는 분절돼 있던 이용자와 공급자 간 데이터를 통합해 새로운 가치를 찾아냈기 때문이다. 이렇게 통합할 수 있었던 것은 취합되는 데이터의 주기와 그 내용 측면에서 일정 수준 이상 유사성을 확보했기 때문이다. 미국의 경우 국가표준을 설정해 ITS 자료를 관리하고 있는 반면 우리나라는 자료 처리·저장·관리에 대한 명시적 표준지침이 존재하지 않는다. 따라서 현재 각 지자체가 구축하고 있는 분석 시스템 간의 상호 연계를 통한 국가 차원의 자료 수집 분석 시에는 장애가 발생할 가능성이 높다. 특히 현재까지는 지역 단위로 ‘실시간 교통정보 제공’ 및 ‘폐구간’ 중심의 분석이 주로 이뤄졌고 지자체들은 자체적 판단에 의해 짧은 기간(15일∼6개월)의 데이터만 보관하고 있다. 국가 차원의 정책 입안을 위해서 지자체에서의 폐구간 조건을 완화할 필요가 있으며 연 단위 DB로 통합이 이뤄져야 한다. 또 장기적으로는 공공과 민간 데이터 공유를 위한 데이터 표준화 방안까지도 생각해볼 필요가 있다.
교통 데이터, 어떻게 활용되고 있는가?
미국에서는 고속도로 자동 수납 시스템에서 수집된 정보를 활용해 시점과 종점 분석을 수행하는 동시에 번호판 인식 시스템을 통해 진출입 기록을 확보해 보완적 정보를 얻고 있다. 또 자동 수납 시스템 이용자를 대상으로 온라인 설문을 수행하는 등 통행자의 특성을 수집하는 노력도 병행하고 있다. 이를 통해 구간별로 어디에서 어떤 형태의 통행량이 많은지, 정체를 해소하기 위해 어떤 구간에 대안을 마련해야 하는지 등을 파악한다.
영국의 런던교통국은 오이스터카드(교통카드) 정보, 시내 교통 상황 정보, 인프라 정보 및 교통국을 팔로하는 시민들의 소셜미디어 기록 등을 통합해 데이터베이스화한 후 이를 교통 정책 개선에 활용한다. 예를 들어 교량 보강작업을 수행할 경우 해당 교량 통제로 인해 영향을 받을 것으로 예상되는 시민들을 대상으로 대안 경로를 안내하거나 지하철 이용객 특성을 분석해 첨두시간 수요를 분산하기 위한 정보를 제공한다. 이를 통해 시민의 불편을 최소화하고 있다. 싱가포르교통부 역시 대중교통의 수요-공급이 불일치한 지점을 선별해 노선을 신설하거나 첨두시간에만 운영하는 셔틀을 추가함으로써 수요와 공급을 일치시킨다. 또 택시가 승객 없이 배회하는 시간을 줄이기 위해 승객이 택시를 필요로 하는 지역과 택시가 승객을 찾아 운행할 수 있도록 정보를 제공해 ‘승객의 편의’와 ‘교통수단의 운영효율’을 높이는 효과를 얻었다.
DBR mini box II
대중교통 체계 개선 성공 요인
서울·런던·싱가포르가 대중교통 체계 개선과 관련한 성공 사례를 확보한 것은 다음 세 가지 이유와 관련이 있다. 첫 번째, 정책당국이 모수에 가까운 이용자 및 공급자 데이터를 확보하고 있었기 때문이다. 서울 버스의 98.7%, 지하철의 100%는 교통카드로 결제되는데 이를 통해 승하차 정류장 및 이용 시간, 이동경로 등과 같은 수요자의 대중교통 활용 정보를 실시간으로 확보할 수 있었다. 그뿐만 아니라 2004년부터 버스정보시스템을 도입·운영함으로써 개별 버스의 정류장 출발·도착 시간 정보를 20초 단위로 확보하고 있었다. 또한 택시 민원에 대응해 택시운행정보 통합관리시스템을 2012년부터 구축·운영하면서 위치·속도·차량의 움직임에 대한 정보 역시 10초 단위로 축적하는 등 순도 높은 공급자 데이터를 확보하고 있었기에 효과적인 개편을 수행할 수 있었다. 이와 같이 모수에 가까운 이용자 및 공급자 데이터 수집과 관리는 런던과 싱가포르 역시 크게 다르지 않았다.
두 번째, 데이터 간 통합을 통해 기존에 없었던 새로운 가치를 창출할 수 있었다. 서울시는 앞에서 언급한 두 데이터를 통합함으로써 교통 분야의 미충족 수요를 해결한다는 새로운 가치를 창출했다. 구체적으로는 대중교통 소외지역 파악, 심야버스 노선 개발, 대중교통 서비스 개선, 환승 거점센터 선정 등에 성공했다. 세 번째, 원데이터에 가까운 데이터를 확보했더라도 데이터 통합 과정에서 나타날 수 있는 보유 정보의 오류를 최소화하기 위해 별도의 방안을 활용해 검증했다. 서울시의 경우 통신사의 통화기록 등을 활용해 유동인구 밀집지역과 대중교통 소외지역을 파악했으며, 런던의 경우 오이스터카드를 승차 시에만 태그함에 따라 하차 지점을 알 수 없다는 문제를 해결하기 위해 하차지점을 추론하는 알고리즘을 개발해 적용하기도 했다. 이를 통해 데이터 통합에서 발생할 수 있는 오류를 최소화하고 새로운 가치 창출 가능성을 높였다.
얼핏 보면 평범한 ‘길 안내’ 서비스 같지만 속을 들여다보면 한 차원 높은 데이터 전략이 숨어 있음을 알 수 있다. 국내에도 교통정보 빅데이터 분석을 통한 길 안내 서비스는 많지만 블루시그널처럼 교통 흐름과 사고 위험까지 예측해주는 경우는 없다. 기존 내비게이션 서비스는 길이 막히는 곳을 피하도록 알려주고 최단시간, 최소거리 등 경로를 알려주지만 블루시그널 예측 엔진은 단순한 길 안내 서비스를 넘어 가장 안전하고 편리한 주행경로를 예측해 주는데 국내 고속도로 교통사고 ‘예측’ 정확도는 98%에 이른다. 글로벌 자동차 회사에 예측 엔진 탑재 계약을 성사시켰고, 최근에는 자율주행차 센서 분야에도 도전하고 있다. 4
교통 분야 빅데이터의 미래
교통 빅데이터의 가치와 이슈
민간부문에서는 상당한 비용을 들여 수집한 데이터를 공개하는데 거부감을 가질 수 있다. 특히 공개된 민간 데이터를 통해 누군가 상당한 부가가치를 발생시키는 비즈니스 모델을 개발할 경우 그 수익금의 얼마만큼을 데이터 제공자가 가질 수 있는지에 대한 명확한 가이드라인이 존재하지 않는다. 하지만 공공이 민간데이터를 적정 댓가를 지급하고 구입한 후 이를 일반에 공개하는 방안은 적극 찾을 필요가 있다. 특히 민간의 빅데이터가 공공의 이익을 증진하는데 도움이 된다면 데이터의 공개를 적극 유도해야 한다. 우버가 최근 Uber Movement라는 플랫폼을 통해 데이터를 공개하는 이유도 도시 및 교통 등 공공정책에 도움을 주기 위해서이다.
한편 민간의 빅데이터라 할지라도 대부분은 특정한 사업을 위하여 부가적으로 수집한 것이 대부분이다. 가령 내비게이션 데이터는 내비게이션 서비스를 제공하다 얻게 된 데이터다. 우버가 최근 Uber Movement라는 플랫폼을 통해 제공하는 데이터도 마찬가지다. 따라서 데이터를 공공이 구입한다 하더라도 수집에 들어간 실제 비용을 모두 계상할 필요는 없을 것이다. 또한 데이터는 시간이 지날수록 가치가 일반적으로 줄어들기 때문에 실시간 공유는 아니더라도 일정시간 지난 데이터의 경우는 공익을 위해 적은 가격으로 공유될 수 있는 가능성도 있다. 이런 측면에서 민간의 빅데이터 거래를 활성화하는 측면에서 데이터 상거래 시장을 운영할 수도 있다. 이 경우에는 원시 빅데이터를 가공한 2차 빅데이터도 거래될 수 있다면 개인도 빅데이터 거래에 참여할 수 있을 것이다.
사생활 침해
빅데이터의 광범위한 활용이 항상 환영받는 것은 아니다. 이에 대한 우려도 크다. 가장 큰 우려로는 사생활 침해를 들 수 있다. 생산되고 저장되는 데이터의 양이 급증하고, 사람들이 자신이 인지하지 못하는 동안에 자신과 관련된 데이터가 수집될 수 있다는 가능성을 알게 되자 이러한 우려는 더욱 커지고 있다. 심지어 익명화된 데이터조차도 상호참조와 같은 데이터 융합 과정을 거치면 특정 개인에 대한 신원 식별이 가능한 경우도 발생하고 있다. 가령 우리가 매일 접속하는 포털에서도 이용자가 조회하는 키워드나 특정 페이지를 토대로 맞춤형 뉴스나 광고를 내보낸다. Google이나 facebook 같은 대형 IT기업에게 의혹의 시선이 가는 이유도 같은 맥락이다.
한편 개인정보보호는 양면성을 지니고 있다. 사생활 침해를 이유로 개인정보보호를 강화하면 데이터 활용가능성은 낮아지게 될 것이다. 데이터로 발굴해낼 수 있는 가치는 줄어들 수밖에 없다. 반면 지나친 규제완화는 앞선 사례와 같이 사생활 침해의 가능성을 높인다. 빅데이터 시대에는 개인정보를 보호함과 동시에 데이터의 활용가능성도 높일 수 있는 해법이 마련되어야 할 것이다. 데이터의 활용수준이 경쟁력과 직결된다면 데이터 사용에 따른 책임과 의무를 강화하는 방안도 고려할 수 있다.
빅데이터 해석의 오류 가능성
빅데이터의 활용과 관련한 또 다른 우려는 지나친 결과 중심의 빅데이터 분석이 확대되면 상관관계를 인과관계로 오해할 가능성도 커질 수 있다. 가령 빅데이터 분석을 통해 번잡한 도시부 도로 인근에 거주하는 사람들의 조기사망률이 비교집단의 사람들보다 높게 나타났다고 가정해보자. 이 경우에 표면적으로 드러난 상관관계만을 고려하면 도로의 소음이나 자동차 배기가스로 인해 거주자들의 조기사망률이 증가했다고 가정할 수 있다. 그러나 실제로는 해당 지역에 거주하는 사람들의 소득이 상대적으로 낮고, 식생활이 건전하지 못했기 때문에 조기사망률이 높을 수도 있다. 이렇듯 높은 조기사망률에 대해 정확한 진단을 내리지 못하고 빅데이터 분석을 통해 드러난 표면적인 상관관계만을 맹신하면, 정책집행자는 소음이나 배기가스를 줄이는 노력이 반드시 도로 인근 주민의 조기사망률 감소로 이어지지 않는다는 실망스러운 결과만을 확인하게 될 것이다. 빅데이터 분석에서도 허위상관의 가능성은 존재한다. 빅데이터 시대에도 분석결과에 대한 해석은 인간의 판단에 맡길 수밖에 없다.
교통AI 빅데이터 플랫폼 구축
※ 공단 보유 데이터를 수집‧분석하여 정책 및 제도를 혁신하고, 객관적 경영활동 자료제공 및 과학적 행정 문화를 확산‧정착하여 교통안전, 교통교육, 교통방송, 운전면허 등 주요사업부문 데이터 융‧복합으로 대국민 新서비스 모델을 창출, 교통환경 관련 빅데이터 플랫폼 서비스를 개방‧제공할 계획입니다.
데이터기반행정 활성화 및 교통AI 빅데이터 플랫폼 구축을 위한 4대 전략, 11개 과제 추진
추진전략 추진과제 데이터 통합기반 구축으로
데이터 공동활용 1. 전사적 공동활용 데이터 발굴·관리
2. 데이터 통합관리 플랫폼 구축
3. 분야별 데이터 플랫폼 구축 및 연계 데이터기반행정의
활성화를 위한 제도 확립 1. 데이터기반행정의 제도적 기반 마련
2. 사업별 데이터기반행정 과제 발굴‧추진 지능형 서비스 제공을 위한
데이터 분석‧지원 1. 국민체감형 분석과제 발굴
2. 전사 정책과제 분석 및 분석품질 관리
3. 비정형 데이터 분석기반 조성 데이터기반의
일하는 방식으로 혁신 1. 데이터 관점의 행정 프로세스 혁신
2. 데이터기반 혁신역량 강화
3. 데이터기반 과학적 행정 문화 확산
국토교통 빅데이터 온라인 해커톤 경진대회
1.배경
안녕하세요 여러분!🙌 국토교통 빅데이터 온라인 해커톤 경진대회에 오신 것을 환영합니다.
국토교통 데이터와 코로나 데이터 등을 융합분석하여, 국민의 안전한 이동을 위한 새로운 통찰과 창의적 아이디어 도출할 필요성이 있습니다.
국토교통 데이터 활용 저변을 넓히고 국민적 관심도를 제고하고자 합니다.
교통빅데이터 플랫폼을 통한 데이터 이용 활성화 하고자 합니다.
2.목적
국토교통 데이터와 코로나 데이터 등을 융합분석
3.주최 / 주관
주최 : 국토교통부
주관 : 한국도로공사, 한국철도공사, 한국교통안전공단, 한국교통연구원
데이터 협조 : KT
운영 : 데이콘
4.참가 대상
일반인, 학생 등 누구나
(외국인 참가자는 심사 대상에서 제외됩니다)
단, 2인 이상 5인 이하 팀으로 참가
키워드에 대한 정보 교통 빅 데이터
다음은 Bing에서 교통 빅 데이터 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 교통빅데이터플랫폼-ViewT 소개영상
- 한국교통연구원
- 내비게이션데이터
- 교통빅데이터
- 시공간데이터
- 경로데이터
- 교통량
- 속도
- 교통혼잡
- 차량주행거리
- 기종점통행량
- 고령자통행
- 여성통행
- 통행경로분석
- 핫플레이스분석
교통빅데이터플랫폼-ViewT #소개영상
YouTube에서 교통 빅 데이터 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 교통빅데이터플랫폼-ViewT 소개영상 | 교통 빅 데이터, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.