희소한 GPS 데이터로부터 이동 창 SVM 분류를 이용한 하이브리드 운송 방식 추론

여행 행동과 여행 수요에 대한 이해는 세계 각국의 교통 분야 전문가들과 기관들에게 지속적으로 중요한 과제이다. 최근에는 전통적인 여행 일지 조사에 소요되는 시간과 예산을 크게 절감하기 위해, GPS 장치를 통해 수집된 위치 데이터를 활용하여 교통 수단을 자동으로 추론하는 시도가 이루어지고 있다. 그러나 기존 연구에는 데이터 수집(표본 크기, 연구 기간, 데이터의 세부 수준), 변수 선택(또는 변수 조합), 추론 방법(학습 시 사용할 교통 수단의 수) 등 여러 측면에서 한계가 존재한다. 본 논문은 이러한 추론 과정에서의 주요 요소들을 종합적으로 이해하고자 한다. 구체적으로는 GPS 데이터를 자동으로 자동차, 보행, 자전거, 지하철, 기차, 버스 등 다양한 교통 수단으로 분류하는 분류 문제를 해결하고자 한다. 먼저, 이러한 분류에 긍정적인 기여를 할 수 있는 변수들을 탐색하고, 통계적으로 그 구분 능력을 정량화한다. 이후 지지 벡터 기반 분류기(Support Vector Machines, SVMs)를 기반으로 한 새로운 추론 프레임워크를 제안한다. 이 프레임워크는 이전 연구에서 회피되어 왔던 저해상도의 GPS 데이터를 활용하여 검증되었으며, 높은 정확도 88%를 달성하였으며, 카파 지수(Kappa statistic)를 통해 거의 완전한 일치를 나타내어 매우 유망한 성과를 보였다.