위성항법시스템인 GPS는 본래 미국 국방부에서 폭격의 정확성을 높이기 위하여 군사용으로 개발된 시스템이지만 현재는 교량, 교차로 위치 및 정보 또는 항공기의 이용, 차량 네비게이션, 스마트 폰의 위치정보 서비스 등 수많은 분야에서 활용되고 있다[1,2]. 그 중 스마트 폰에서의 GPS 활용이 다른 분야에서보다 가장 높은 활용을 보이고 있는 추세이다[3]. GPS 기능을 스마트 폰에 본격적으로 탑재시킴으로써 이를 활용한 다양한 서비스를 제공하고 있다.

GPS의 시장 성장뿐만 아니라 최근에 각광 받는 기술은 빅 데이터이다. 빅 데이터란 기존의 DB의 데이터 수집, 저장, 관리, 분석 할 수 있는 역량을 넘어서 대량의 정형 또는 비정형 데이터 집합 및 이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술을 의미한다[4]. 현재 빅 데이터 활용 분야로는 석유공사의 국내 유가예보 서비스를 통한 비즈니스 최적화와 한국도로공사의 고객 목소리 분석 시스템을 통한 서비스 혁신이 있다[5,6]. 뿐만 아니라 Google의 실시간 자동 번역을 통한 의사소통의 불편해소 등 세계 여러 분야에 활용 되고 있다[7]. 이러한 빅 데이터가 지속적 발전을 하게 된다면 질병예방, 범죄예방, 실업예방, 날씨분석을 통한 재난 방지, 지진예측, 주가 분석 등의 미래 모든 부분의 핵심 기술로 자리 잡을 것이다[8].

그러므로 본 연구에서는 GPS를 이용한 어플리케이션을 사용하여 K대학교의 학생들의 이동 경로 및 패턴을 수집하고 수집된 데이터를 빅 데이터 기반으로 분석을 실시하였다. 학생들에게 자신의 스마트 폰을 이용하여 GPS위치 정보를 저장하는 어플리케이션을 설치하도록 하였으며 기본적으로 이름, 학년, 성별, 주소를 데이터를 입력 받는다. 이러한 저장된 데이터를 이용하여 학생들의 이동패턴을 분석 할 수 있다.

GPS 데이터를 수집하기 위하여 실험 군 K대학교의 학생 70명 (1학년 20명, 2학년 20명, 3학년 20명 4학년 10명)을 대상으로 수집기간 2013년 10월 7일부터 2013년 10월 20일 까지 약 14일간 Android GPS 수집 어플리케이션을 이용하여 데이터를 수집 하였다. 학생들은 기본적으로 이름, 성별, 학년, 주소 등을 기입하며 추가적으로 사용자행동을 입력한다. 수집된 데이터는 Database 형식의 파일로 저장되며 이를 Google map의 위성지도 서비스를 이용하여 이동패턴을 시각적으로 분석하였다.

방대한 양의 데이터를 분석하기 위하여 데이터를 각 목적에 맞게 분류해 내고 타 데이터와의 연계성을 파악하여 카테고리를 만들었다. 이렇게 작성된 카테고리를 이용하여 원하는 결과 값을 추출한다.

[그림 1.] 데이터 분석 카테고리

𝛼 = 선택항목 𝛽 = 상위 카테고리 1차 분류 : 비정형화된 빅 데이터를 날씨, 요일, 성, 학년별로 분류 2차 분류 : 1차 분류인해 분류된 데이터를 각 항목에 맞게 재분류 3차 분류 : 2차 분류로 분류된 데이터를 사용자행동별로 분류

그림 2는 K대 학생들의 전체적인 이동경로를 분석한 그림이다. 위에 보이는 지도는 K 대학교의 캠퍼스를 Google Map을 이용하여 찍은 위성사진이며 지도상에 보이는 선이 학생들의 주 이동경로를 나타낸 것이다. 선이 밀집한 부분은 많은 학생들의 이동을 나타낸다. 또한 이를 세분화하기 위해서 날씨별, 요일별, 성별, 학년별로 이동경로를 분석하였으며 학생들의 행동은 아래의 표와 같다.

[그림 2.] K대 학생들의 전체적인 이동 패턴

[표 1.] 학생들의 행동

학생들의 행동

그림 3은 학생들의 이동을 날씨별로 나타낸 그림으로 맑은 날씨와 비가 오는 날씨로 구분하였다. 첫 번째 그림은 맑은 날씨의 이동패턴을 파악한 것이며 학생들은 [행동 5]와 [행동 6]을 위하여 교내 잔디밭으로 이동을 많이 보이고 그 외 [행동 9] 와 [행동 14]를 위하여 운동장 이용이 많은 것으로 보인다. 맑은 날 일 경우 학생들의 이동 범위가 넓어지며 활동도 많아진다는 것을 알 수 있다. 그림 3의 두 번째 그림은 비 오는 날씨의 이동을 나타낸 것이며 학생들은 [행동 1] [행동 3][행동 4]을 하기 위한 단순한 이동을 보이고 있다. 또한 [행동 2]를 위하여 교내 식당으로의 이동과 [행동 11]을 위한 카페로의 이동 이외의 활동은 없는 것으로 보인다. 비오는 날인 경우 맑은 날과는 반대로 학생들의 이동범위가 눈에 띄게 줄어들며 활동도 작아진다는 것을 알 수 있다.

[그림 3.] 날씨별 이동 패턴

그림 4는 학생들이 이동을 요일별로 나타낸 그림이다. 첫 번째 그림은 월요일부터 금요일까지의 평일동안 이동을 나타낸 것으로 주로 [행동 1]을 위해 강의실로 이동하는 모습이 보인다. 또한 강의가 끝 난후 [행동 3]을 위한 이동과 [행동 4]를 위한 이동 패턴을 보이며 [행동 6]을 위한 교내 편의 시설을 이용하는 것을 볼 수 있다. 두 번째 그림은 토요일에서 일요일까지의 주말간의 이동을 나타낸 것으로 평일과 다르게 [행동 14]를 위한 운동장 이동이 많이 보이며 시외이동을 위한 [행동 15]를 하는 것으로 보인다. 주말인 경우는 학생들이 체육 활동과 여가 활동을 즐기며 많은 학생들이 교외로 나가는 모습을 볼 수 있다.

[그림 4.] 요일별 이동패턴

그림 5의 첫 번째 그림은 남학생들의 주 이동 패턴을 파악한 것으로 기본적으로 강의실 이동을 위한 이동이 보이며 그 외에 주로 [행동 14]를 하기위한 운동장 이용과 [행동 12]를 위한 교외 이동의 패턴을 보인다. 남학생들은 체육시설을 많이 이용하는 편이며 교외로의 이동이 많은 것을 알 수 있다. 반면 두 번째 그림 여학생인 경우를 나타낸 그림이며 [행동 7]을 위한 이동과 주로 [행동 11] [행동 13]을 위한 교내 카페를 많이 이용한다. 대부분의 여학생들은 운동장 및 기타 체육 시설 사용을 위한 움직임이 거의 없는 편이며 잔디밭이나 벤치 등에서 많은 시간을 보낸다.

[그림 5.] 성별 이동패턴

그림 6은 학생들은 학년별로 나누어 이동경로를 나타낸 그림이다. 첫 번째 1학년 그림을 보면 강의시간 이외에 주로 [행동 6]과 [행동 7]을 위한 이동이 많으며 [행동 9]를 위하여 산책로 이동이 많다. 두 번째는 2학년의 이동경로를 나타낸 것으로 1학년의 이동과 크게 차이는 없지만 추가적으로 [행동 8]을 위한 강의실 이동을 볼 수 있다. 1학년과 2학년은 여가활동 및 교제 활동에 많은 이동을 보이고 있다. 세 번째 그림은 3학년의 이동을 나타낸 것으로 주 이동패턴은 [행동 4] 과 [행동 8]을 위한 강의실 이동이 많으며 추가적으로 [행동 10]을 위한 이동이 많이 보인다. 네 번째 그림은 4학년의 이동패턴을 나타낸 것이며 3학년의 이동패턴과 비슷하게 이동을 하고 있지만 [행동 10]을 위한 이동이 많은 것을 볼 수 있다. 3학년과 4학년들은 주로 학업을 위한 강의실과 도서관등의 시설 이동이 많으며 4학년은 다른 학년에 비해 상담 시설이용이 많은 것을 알 수 있다.

[그림 6.] 학년별 이동패턴

본 논문에서는 GPS을 이용한 대학생의 이동 패턴을 파악하고 분석하는 연구를 진행하였다. 또한 단순한 이동 패턴 뿐만 아니라 학생들의 어떠한 행동을 위해 어느 곳으로 이동하는지와 날씨별, 요일별, 성별, 학년별로 이동 패턴에 대해서 연구를 하였다.

현재 GPS 이용과 관련 서비스가 점차 증가하는 추세이며 GPS 뿐 만 아니라 빅 데이터 또한 각광 받고 있는 기술 중 하나이다. 하지만 이러한 빅 데이터는 방대한 규모를 가지고 있기에 그 자료를 분석하기는 쉬운 일이 아니다. 그래서 본 연구는 데이터를 각 목적에 맞게 분류해 내고 타 데이터와의 연계성을 파악하여 카테고리를 만들어 분석을 실시하였다.

본 연구는 좀 더 나아가 향후 신뢰도 높은 데이터 결과를 위해 계절, 시간, 혈액형, 직업 등의 보다 많은 분야의 카테고리를 만들어 데이터를 수집 할 것이며 효과적인 분석에 대해서도 연구할 것이다.