카탈로그, 활용
AI 생활인구 데이터
시민들의 다양한 삶을 반영하고 도시 및 외곽 전역을 아우르는 다양한 문제들을 해결하는 데 심도 있는 이동 데이터가 필요합니다. 기존 데이터는 단순히 이동 및 체류의 양과 시점을 중점으로 보았다면 리트머스 생활 인구는 이동의 목적, 수단, 각 이동 체류의 장시간 연결정보 등의 고도화된 구성을 추가하여 이동에 내포된 다양한 의미와 고객의 삶을 재구성 할 수 있는 데이터를 제공합니다.
주중 주말 이동 목적에 따른 이동 패턴은 매우 다릅니다. 특히 주말에는 쇼핑 목적을 위해 광역 도시 간 이동도 많이 발생합니다.
리트머스 생활인구 특장점
리트머스 생활인구는 아래 표와 같이 기존 생활인구 대비 더 고도화된 인사이트 데이터를 조합하여 새로운 유형의 통계 데이터를 제공할 수 있습니다. 이러한 조합은 굉장히 다양한 형태로 구성되며 조합하는 형태에 따라 새로운 유형의 인사이트가 생성되는 장점이 있습니다.
항목 | 리트머스 생활인구 | 기존 생활인구 |
이동 수단 연계 통계 | 이동 간 지하철, 버스, 차량, 택시, 화물, 항공, 도보 분담률 통계 | 불가 |
이동 목적 연계 통계 | 1박 이상 여행 주요 방문지 통계 및 전후 방문지 통계 | 불가 |
세부 이동 수단 통계(1) | 지하철 → 버스 환승 통계 | 불가 |
세부 이동 수단 통계(2) | 2호선 → 143번 버스 환승 통계 | 불가 |
목적이 복합된 통계 | 주말 레저 및 쇼핑 체류 통계 | 불가 |
여정, 목적, 수단이 연계된 통계 | 퇴근 후 쇼핑 목적으로 지하철 활용 방문 인구 | 불가 |
경로 통계 | A-B-C 경로 차량 이동 인구 통계 | 불가 |
이러한 데이터 통계의 특성은 아래와 같은 차별화된 이동 분석 모델의 결과로부터 나타납니다. 일부 데이터의 경우 단순히 정답지 특성의 통계화 (예를 들어 스마트 교통카드 데이터 통계를 통한 OD 간 버스 수단 분담률 등) 를 통해 제공될 수 있으나 리트머스는 그런 형태의 통계가 아니라 개별 이동 자체의 수단을 분석하기에 더 복잡한 문제를 해결해 낼 수 있습니다.
데이터 구성 항목 | 설명 |
언제 | 이동의 시작 시점 - 경유 시점 - 종료 시점을 모두 10분 단위로 제공할 수 있습니다 |
어디서 → … → 어디로 | 대표적 체류 지점인 이동의 시작 지점 - 경유 지점 - 종료 지점을 모두 제공 합니다. 추가로 이동 경로를 도로 링크와 매핑 시킨 경로 연속체도 통계 항목으로 제공 됩니다. |
어떻게 | 이동 수단을 제공 합니다. 차량 이동 (승합차, 영업용 차량 포함), 시내 버스, 지하철, 시외 버스, 철도, 국내선 항공 이동, 도보, 택시 (예정) 등의 수단을 제공합니다 |
왜 | 체류 목적을 제공 합니다. 귀가, 업무, 학교, 쇼핑, 여행, 레저, 의료 등의 목적을 제공 하며 체류 상태를 POI 로 구분할 수 있도록 일반화된 350여개의 카테고리를 추가로 제공 합니다. |
인구 집단 특성 | 성별, 연령 등과 같은 기본 정보로 통계화가 가능 합니다. |
통신 특성 | 휴대 전화 요금제, 데이터 사용량 등과 같은 요소도 통계화 가능한 항목에 포함 됩니다. |
기존 생활 인구는
[언제, 어디서, 어디로, 인구 집단 특성] 와 같은 기본적 이동 특성만 제공 합니다. 리트머스는 추가적으로 [어떻게, 왜, 여정 구성 특성] 와 과 같은 세부 이동 맥락 정보를 제공합니다. 이 정보의 차이로 발생하는 파생 데이터의 양과 질의 차이는 꽤 크게 나타납니다. 아래 그림과 같이 기존에 우리가 풀 수 있던 질문은아래와 같이 확장되며 [왜?, 어떻게?]의 추가적인 특성으로 시민의 이동과 삶에 대해서 더 깊은 이해가 가능합니다.
- [기존] 강남(어디서)에서 판교(어디로)로 오전 9시(언제)에 이동한 남자 30대(인구 집단 특성)는 몇 명인가?
- [현재] 강남에서 판교로 오전 9시에 출근을 목적(왜?)으로 지하철(어떻게)로 출근한 남자 30대는 몇 명인가?
리트머스 생활인구는 리트머스가 가지고 있는 다양한 기술력을 모두 활용하여 해상도가 높은 인구 이동 특성 데이터를 만들어내고 이를 통계화하여 장기적으로 추이를 확인하고 직접 제공이 가능한 형태로 적재합니다. 기존의 생활인구 데이터들이 행정동 단위의 통행량 등에 머무르는 반면 리트머스 생활인구 데이터는 H3 해상도 10 까지의 고해상도 이동 통행량 데이터, 행정동 관내 이동 데이터 등이 제공되며 각각의 통행, 체류가 가지는 세부적인 특징인 이동수단과 체류목적도 함께 제공됩니다. 우리는 단순한 생활인구, 서비스 인구, 유동인구, 유출입 통행량, OD 통행량이 아닌 더 구체화되고 정확한 통계 데이터를 통해 다양한 영역에 고객이 활용할 수 있도록 돕습니다.
체류통계
열 | Column | Description | Sample |
행정동 | hdong_cd | 유출 대상 행정동 코드 | 110313 |
날짜 | date | 수집 기준 날짜 | 20220922 |
시간 | time | 수집 기준 시간 (시작 시간, 1시간 동안 샘플링) | 12:00 |
성별 | gender | 남, 여 (0,1) | 550 |
연령 | age | 10 세 단위 (0,1,2,3,4,5,6,7,8) | 450 |
체류 목적 | purpose | 00 : 귀가 01 : 업무 02 : 학업 03 : 쇼핑여가 04 : 기타 05 : 여행 | |
결과 | 설명 | 샘플 | |
시군구코드 | sgg_cd | 행정동의 상위 시군구 코드 | 41234 |
전수화전 체류인원 | stay_raw_cnts | 시간 내 해당 행정동 내 Stay 양 (동일 서비스 아이디 중복 제거) | |
전수화후 체류인원 | stay_cnts | 시간 내 해당 행정동 내 Stay 양 (동일 서비스 아이디 중복 제거) | 150 |
인구 밀도 | pop_density | 체류 인원 / 행정동 면적 | 15 |
랭킹 | rank | 테이블 rows 내 stay_cnts 의 순위 | |
거주지 | resid_list | 체류 인원의 홈 H3 셀 빈도가 높은 순서로 나열한 데이터 (상위 10개) | 886b93103dfffff | 886b93101bfffff | ... |
거주지비율 | resid_ratio | 거주지 랭킹에 선정된 H3 셀 빈도의 비율 (해당셀카운트/전체체류인원수x100 %) (상위 10개) | 30|20|... |
통행통계
열 | Column | Description | Sample |
출발 행정동 | origin_hdong_cd | 출발 행정동 코드 | 1171056660 |
도착 행정동 | dest_hdong_cd | 도착 행정동 코드 | 1171056452 |
날짜 | date | 수집 기준 날짜 | 20220922 |
출발시간대 | start_time | 수집 기준 시간 (시작 시간, 1시간 동안 샘플링) | 12:00 |
도착시간대 | end_time | 수집 기준 시간 (도착 시간, 1시간 동안 샘플링) | 13:00 |
성별 | gender | 남, 여 (0,1) | 550 |
연령 | age | 10 세 단위 (0,1,2,3,4,5,6,7,8) | 450 |
통행 수단 | modal | 00 : 자가용 01 : 시내버스 02 : 지하철 03 : 도보 04 : 기타 05 : 철도 06 : 시외고속버스 07 : 항공 | 00 |
출발지 체류 목적 | origin_purpose | 00 : 귀가 01 : 업무 02 : 학업 03 : 쇼핑여가 04 : 기타 05 : 여행 | 00 |
도착지 이동 목적 | dest_purpose | 01 | |
열 | Column | Description | Sample |
출발 시군구 | origin_sgg_cd | 출발 행정동의 상위 시군구 코드 | 41234 |
도착 시군구 | dest_sgg_cd | 도착 행정동의 상위 시군구 코드 | 150 |
통행 거리 평균 | od_dist_avg | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 거리 평균 | 15 |
통행 시간 평균 | od_duration_avg | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 시간 평균 | 4500 |
통행 속도 평균 | od_speed_avg | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 속도 평균 | 55 |
통행 거리 분산 | od_dist_var | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 거리 분산 | 40 |
통행 시간 분산 | od_duration_var | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 시간 분산 | 5 |
통행 속도 분산 | od_speed_var | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 속도 분산 | 10 |
통행 거리 중간값 | od_dist_mid | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 거리 중간값 | 2 |
통행 시간 중간값 | od_duration_mid | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 시간 중간값 | 4200 |
통행 속도 중간값 | od_speed_mid | 시간 내 출발 행정동 > 도착 행정동인 트립의 이동 속도 중간값 | 50 |
전수화전 통행량 | od_raw_cnts | 시간 내 출발 행정동 > 도착 행정동인 트립의 양 | 1423 |
전수화후 통행량 | od_cnts | 시간 내 출발 행정동 > 도착 행정동인 트립의 양 | 1426 |
랭킹 | rank | 테이블 rows 내 od_cnts 의 순위 | 2 |