LITMUS

기술

데이터 인사이트

우리가 바라보는 위치

위치 자체를 불연속적인 점으로 보던 기존 방식과 달리 리트머스는 위치를 연속적인 사람의 이동의 흔적이라고 봅니다. 그 연속적인 좌표의 흐름에서 부족하거나 경계를 넘어서는 좌표를 인공지능 기술을 통해 보완하고 수정해 나가면서 그 안에 담긴 사람들의 실제 삶의 의미를 분석하고 추정합니다.

이동체류의 구분과 여정 구조 (Trip Chain) 생성

가장 먼저 리트머스는 연속적인 좌표의 흐름에서 이동과 체류의 시공간을 구분합니다. 연속적인 위치점은 생각보다 많은 의미를 내포하고 있습니다. 이를 시공간 단위로 군집화하는 AI 모델을 활용해 이동과 체류를 특성별로 분류합니다.

구분된 이동과 체류의 시공간은 연속적인 그래프의 요소가 됩니다. 매일, 매주, 매월 누적되어 연결되는 이동 체류의 연쇄를 트립 체인(Trip Chains)이라 부릅니다. 이는 마치 자연어와 같은 특성을 보이며 장기간 이어지는 개별 요소들의 관계성은 새로운 인사이트를 제공합니다.

리트머스는 이 트립 체인과 다양한 이동 특성, 네트워크 프로파일, 앱 프로파일, 사용자 프로파일, 건물 프로파일, 영역 프로파일, 공간 지오메트리 정보 등을 통합한 인공지능 모델을 통해 이동 수단과 이동 목적을 구분합니다.

체류 목적의 구분

리트머스가 구분하는 이동 목적은 귀가, 업무, 학업, 여행, 쇼핑여가, 기타 등이 있습니다. 이 중 가장 중요한 것은 귀가 목적의 구분이며 이는 트립체인의 기종점이기 때문입니다. 이를 기반으로 귀가와 연결성을 가지는 업무, 학업의 중요 특성을 구체화하여 개별 모델의 결과로 트립체인의 노드 특성을 추정합니다. 우리는 귀가와 업무 등의 중요 체류 목적을 구분할 때 기존의 서비스들의 방법 <정기적 야간 상주지는 집, 주간 상주지는 회사> 을 따르지 않습니다. 총 인구의 20% 가까이가 야간근무나 파트타임 근무 등을 영위하는 현대인의 삶을 정확히 반영할 수 없기 때문입니다. 우리는 트립체인 AI 분석을 통해 개개인의 여정 구간을 구분하며 이를 통해 주야간 상주에 무관하게 집과 회사의 위치를 정확하게 구분합니다.

이동수단의 구분

자차, 시내버스, 지하철, 철도, 시외버스, 항공, 택시, 화물, PM, 도보, 기타 등의 이동 수단을 구분합니다. 노선이 구체화되어 있는 이동 수단은 노선 정보 또한 제공하고 있습니다 (예: 시내버스 - 서울 143번). 지하철의 경우 지하철 구간을 담당하는 개별 기지국의 정보, 이동 속도, 이동 궤적 등을 모델의 입력으로 활용하며, 버스의 경우 정류장의 위치, 이동 패턴, 노선 궤적 등을 모델의 입력으로 활용하고 있습니다. 각각의 컨텐츠를 어떻게 구성하는지에 대한 인공지능 모델의 세부적인 기술 스택은 작성된 링크를 타고 리트머스 기술 문서로 이동하여 더 상세하게 살펴보실 수 있습니다.

이러한 추가 컨텍스트는 조합을 통해 다양한 새로운 컨텐츠로 재탄생 합니다. 통근 대중교통 이용 통계, 여행 수요, 대형 쇼핑 시설 혼잡도, 이동 편의성 지수 등 그 활용 분야와 범위는 지속 확장이 가능한 부분이 이러한 기술의 장점으로 볼 수 있습니다.

데이터 인사이트 요약

Column	Description
귀가, 집 위치 추정	사용자의 귀가 목적과 그에 따른 집의 위치를 추정합니다. 집 위치의 정확도는 최소 반경 100미터 최대 500미터 수준입니다
업무, 회사 위치 추정	사용자의 업무 목적과 그에 따른 업무 지역의 위치를 추정합니다. 업무 지역 위치의 정확도는 최소 반경 50미터 최대 500미터 수준입니다 - 업무의 경우 건물 단위 위치 추정이 일부 가능합니다
학업, 학교 위치 추정	사용자의 학업 목적과 그에 따른 학교의 위치를 추정합니다. 학교 위치의 정확도는 최소 반경 100미터 최대 500미터 수준입니다
쇼핑여가	사용자의 쇼핑여가 목적 체류를 추정합니다 - 쇼핑의 경우 건물 단위 이치 추정이 일부 가능합니다
레저	사용자의 레저 목적 체류를 추정합니다. 주요 아웃도어 활동에 대해 특화 합니다 (골프장 등)
관광	사용자의 관광 목적 체류를 추정합니다. 당일 여행 1박 이상의 여행 재방문 여부 구분이 가능합니다.
자동차	사용자의 이동 수단이 자동차인지 여부를 추정합니다. 경로를 재구성합니다.
시내버스	사용자의 이동 수단이 시내버스인지 여부를 추정합니다. 경로를 재구성합니다. 이용 노선 정보를 제공합니다
지하철	사용자의 이동 수단이 지하철인지 여부를 추정합니다. 경로를 재구성합니다. 이용 노선 정보를 제공합니다
시외버스	사용자의 이동 수단이 시외버스인지 여부를 추정합니다. 경로를 재구성합니다. 출도착 터미널 정보를 제공합니다
철도	사용자의 이동 수단이 철도인지 여부를 추정합니다. 경로를 재구성합니다. 출도착 역 정보를 제공합니다
항공	사용자의 이동 수단이 국내선 항공인지 여부를 추정합니다. 출도착 공항 정보를 제공합니다
화물차	사용자의 이동 수단이 화물차인지 여부를 추정합니다. 경로를 재구성합니다.
택시	사용자의 이동 수단이 택시인지 여부를 추정합니다. 경로를 재구성합니다.
PM (퍼스널 모빌리티)	사용자의 이동 수단이 PM인지 여부를 추정합니다.
이동 특성	출발지, 도착지, 출발 시간, 도착 시간, 이동 시간, 이동 수단, 이동 거리, 이동 경로 (차량 한정), 환승 여부, 퍼스트마일, 라스트마일 정보를 제공합니다
체류 특성	체류지, 체류 시작 시간, 체류 종료 시간, 체류 목적, 체류 건물 (일부) 정보를 제공합니다.
여정 연쇄 특성	연결된 전 후 체류 특성, 이동 특성 정보를 상호 연결관계를 포함하여 제공합니다.
프로파일 정보	성별, 연령등과 같은 기본 프로파일 정보를 제공합니다.

keyboard_double_arrow_left Back

keyboard_double_arrow_upTOP