✎ 야간버스_노선_수립을_위한_빅데이터_분석

추적:

*Enterprise-IoT
*Smart Machine 사례연구
*Middleware 사례연구
*AI·Big Data 사례연구
*IoT 사례연구
*Smart Thinks 사례연구
*정부정책동향 사례연구
*K-SmartFactory
*Hidden Champion
*카드뉴스
*국내외 동향 리포트

이 문서는 읽기 전용입니다. 원본을 볼 수는 있지만 바꿀 수는 없습니다. 문제가 있다고 생각하면 관리자에게 문의하세요.

==== 야간버스 노선 수립을 위한 빅데이터 분석 도입 ====

서울시는 새롭게 시범 운영되는 심야버스 노선를 확정하는 데에 빅데이터를 활용했다. 처음에는 수익이 발생할 지의 여부와 졸음 운전에 따른 사고발생 가능성 등 우려가 많아 2개 노선만을 40분 배차간격으로 운영했고 운임 또한 적은 1050원으로 동결했다. 그러나 이와 같은 우려에도 불구하고 이용자들의 반응은 호의적이었다. 

늦게 퇴근하는 직장인은 물론 새벽에 출근해야 하는 출근자들과 특히 늦은 시간대에 유동인구가 많은 대학가의 경우 누적 이용객이 12만명을 넘는 등 호황을 누렸다. 이에 탄력을 받아 서울시는 심야버스 노선을 7개를 더 늘려 운영하기 시작했다. 심야버스 노선을 맞닿게 하여 환승이 가능하도록 했고 요금도 시범기간보다 800원 올린 1850원으로 올려 받고 있다. 또한 심야시간대인 만큼 시속 70km이하로 운행하도록 과속방지장치를 장착하고 운전자를 취객으로부터 보호하기 위한 격벽도 설치하는 등 차량 내 안전에 대해서도 신경을 많이 썼다. 

이러한 심야버스의 성공에는 빅데이터를 이용한 데이터마이닝이 큰 도움이 되었다. 서울시는 심야버스 노선을 구상하면서 KT와의 협업을 통해 유동인구 데이터, 심야시간 통화 기지국 위치데이터와 스마트카드를 통한 택시 승하차 지점 등을 분석했다. 자정부터 새벽 5시까지 심야시간대에 사용한 휴대폰 데이터 30억여 건과 시민들이 이용한 심야택시 승ㆍ하차 데이터 500만 건의 빅데이터를 융합한 결과 휴대폰 통화량이 많은 지역은 홍대 앞, 강남, 남부터미널 등이었다. 또한 여기서 심야택시를 가장 많이 타는 지역은 강남, 건대입구, 영등포 등이었다. 

이 과정을 통해 도출해 낸 노선은 검토중인 노선과 90%이상의 일치를 보였고 서울시는 이 노선을 최종적으로 확정할 수 있었다. 이러한 빅데이터의 활용은 나중에 인정받아 안전행정부가 주최한 제30회 지방행정정보화 연찬회에서 대통령상을 수상하기도 했다. 이를 통해 서울시는 빅데이터 활용 기법을 심층 확대해서 ‘재난 재해 예측 및 조기 감지 대응’과 ‘자살 방지 데이터 분석’, 빅데이터 큐레이터 양성 등도 계획하고 있어 주목된다.

야간버스_노선_수립을_위한_빅데이터_분석_도입.txt · 마지막으로 수정됨: 2015/09/18 13:23 저자 wikiadmin

문서 보기 이전 판 역링크

뒤로 미디어 관리자 맨 위로