Article

Journal of Korean Society of Transportation. December 2020. 473-490
https://doi.org/10.7470/jkst.2020.38.6.473

ABSTRACT


MAIN

  • 서론

  • 관련 문헌 고찰

  •   1. DCAT(Data Catalog Vocabulary) 및 데이터 분류

  •   2. 국내 공공데이터 포털의 카탈로그 및 데이터맵 화면 검토

  •   3. 교통 데이터 특성

  •   4. 시사점 도출

  • 교통 데이터 특성을 반영한 DCAT 기반 데이터 카탈로그 작성

  •   1. 데이터 유형 구분

  •   2. DCAT 기반 교통 데이터 카탈로그 작성 표준(DCAT-CIPTS) Class와 속성 정의

  •   3. DCAT-CIPTS 기반 데이터 맵 작성

  • 교통 데이터 카탈로그 실증을 위한 서비스 화면 구상

  •   1. 서비스 화면 정의

  •   2. 서비스 화면 구상 및 개발

  • 결론 및 향후 연구과제

서론

오늘날 데이터들이 다양하게 존재하나, 이들의 품질, 유용성, 가시성 등의 명확한 목적없이 데이터를 수집하고 있다. 이로 인해 필요한 데이터를 찾고 이해하는데 너무 많은 시간을 소비하고 이미 존재하는 데이터셋을 다시 만드는 등 불필요한 작업들을 수행하고 있다. 데이터에 대한 이해가 부정확하다면 분석을 위한 데이터셋을 잘못 만들게 되고, 이는 분석 결과의 오류로 나타나기 때문에 데이터의 체계적인 분석은 매우 중요하다.

교통부문에서는 ITS 산업이 활발해지고, 해당 정보를 가공하여 시민들에게 차량 속도 및 버스 운행정보를 제공하기 위해 데이터웨어하우스 개념이 등장하면서부터 데이터관리를 수행하였다. 이 때 주로 사용한 개념은 논리 및 물리아키텍처로 기술자/관리자 중심의 데이터 관계도이다(Figure 1 참조). 앞서 설명한 공공데이터 포털에서는 다음과 같이 데이터맵을 제공하고 있으나, 교통에 대한 이해 없이 개발되어 의미있는 정보를 추출하기 어렵다(Figure 2 참조).

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F1.jpg
Figure 1

data relationship diagram focused on technicians (example) (source: Sejong City internal data.)

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F2.jpg
Figure 2

Data map provided in meaningless form (example) (source: Public data portal site, https://www.data.go.kr/.)

방대한 데이터를 효율적으로 관리하는 것은 데이터 관리자 및 이용자 모두에게 중요하다. 관리자는 수집 또는 생산하는 데이터의 무엇인지, 갱신 주기는 어떻게 되는지, 공간 및 시간특성이 어떻게 되는지 체계적으로 관리할 수 있어야 데이터의 품질을 유지할 수 있다. 반면 이용자 측면에서는 어떤 데이터가 제공되는지, 데이터의 주제(theme)와 속성(property)은 무엇인지, 어떤 형식으로 제공되는지 등이 중요하다. 이런 작업은 데이터베이스(Database, DB)의 데이터 카탈로그(Data Catalogue)를 체계적으로 작성하므로서 이루어질 수 있다(Shin et al., 2019).

데이터 카탈로그란 사용 가능한 데이터의 목록과 관련 메타데이터를 제공하여 데이터관리와 검색을 용이하게 하는 도구이다(Wells, 2019). 이용자 측면에서 데이터 카탈로그가 존재하지 않는 경우 이용자는 원하는 데이터를 찾기 위해 검색과 데이터 검증을 위한 단계를 반복하여야 하고, 이로 인한 많은 시간과 노력을 소모하게 된다. 그러나 데이터 카탈로그가 존재한다면 데이터 카탈로그에 이미 데이터에 대한 상세한 정보가 기록되어 있고, 각 데이터간 관계 확인이 가능하기 때문에 분석에 적합한 데이터를 찾기 위한 반복 작업 단계를 줄일 수 있는 이점이 있다(Figure 3 참조).

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F3.jpg
Figure 3

Analysis without and with a data catalog (source: Wells (2019), What Is a Data Catalog?, Alaton.)

이는 데이터 유통활성화 및 활용을 위해서는 사용자들의 데이터 이해가 전제되어야 하며, 이는 곧 실제 데이터 이해를 위한 데이터 카탈로그 정의 및 데이터 맵 작성이 필요하다는 것을 의미한다.

교통분야 역시 데이터의 개방과 활용이라는 측면과 자율주행과 협력주행(Connected and Automated Vehicles, CAV)이 활성화된 환경 하에서 방대해지는 데이터의 효율적인 관리를 위해 데이터 관련 표준 작성이 중요하다. 교통분야 데이터베이스의 효율적인 관리와 전국에서 개별 지자체 및 기관별로 수집되는 데이터를 효과적으로 공유하기 위해서는 데이터 카탈로그의 표준을 만들고 표준에 맞춰 데이터 카탈로그를 만들어야 한다. 이는 메타데이터를 관리하는데 효율성을 제공하고, 다양한 데이터를 공공에 노출하고 융합과 활용하는 측면에서 이득이다(Shin et al., 2019).

본 연구는 데이터 카탈로그를 구체화하고, 이를 기반을 데이터 맵을 작성한 후 이용자에게 제공하는 서비스에 대해 구상하는 것을 목적으로 한다. 이 때 대상지는 세종시로 한정하였으며, 세종시에서 수집되는 교통 정보(ITS(Intelligent Transport Systems)/BIS(Bus Information System), C-ITS(Cooperative Intelligent Transport Systems), DTG(Digital Tacho Ggraph), C-IPTS(Cooperative Intelligent Public Transportation Systems))를 대상으로 연구를 진행하였다. 본 논문의 구성은 다음과 같다. 관련 문헌 고찰을 통해 연구 방법론을 설명하고, 데이터 카탈로그 작성 표준에 대해 상세 정의를 진행한 후 이를 바탕으로 데이터맵을 작성하였다. 작성된 데이터맵을 바탕으로 이용자가 실제 교통 데이터를 활용할 경우 데이터 카탈로그 기반의 서비스 화면 구성과 표출 결과 등에 대해 제시하였으며, 마지막으로 결론 및 향후 연구방향에 대해 작성하였다.

관련 문헌 고찰

1. DCAT(Data Catalog Vocabulary) 및 데이터 분류

데이터는 이용자 또는 생산자 입장에서 같은 종류의 데이터라 할지라도 생산된 기관에 따라 서로 다른 형식과 구조를 가지고 있다. 같은 주제의 데이터가 표준화된 형식과 구조를 가진다면 그 활용가치가 더 높겠으나, 현실적으로 일치하지 않는 경우가 다수이며 이를 억지로 일치시키는 것 역시 많은 시간과 노력을 요구한다. 따라서 데이터의 형식을 억지로 일치시키기보다 데이터를 설명하는 메타데이터(metadata)를 표준화하여 기록 및 정리하는 것이 시간과 비용, 노력 측면에서 더 유리하다(Shin et al., 2019). 데이터 카탈로그는 서로 다른 속성을 가진 데이터를 유기적으로 연계시켜주는 기술로 기존에는 DB 전문가만이 데이터 속성을 알고 접근했다면, 데이터 카탈로그를 통해 일반인 또한 데이터를 쉽게 검색할 수 있고, 구조 파악이 가능하여 정확한 분석이 가능하다.

DCAT은 이러한 메타데이터의 표준을 의미하며, 웹상에서 메타데이터의 상호 호환을 위해 개발되었다(Figure 4 참조). 기존 데이터 포털은 서로 다른 메타데이터 형식을 가지고 있어 데이터가 파편화되고 원하는 데이터를 찾기 어려워지는 문제를 갖고 있다. DCAT은 서로 다른 메타데이터 형식은 인정하면서 DCAT 표준으로 데이터 카탈로그(메타데이터 카탈로그)를 작성하고 배포함으로서 상호 운용성을 높이는 방법이라 할 수 있다(Jung, 2019).

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F4.jpg
Figure 4

Analysis without and with a data catalog (source: Jung (2019), Standards of Metadata Catalogue and Service Structure for Big Data Trades, Journal of TTA, 182.)

데이터 카탈로그에는 Figure 5와 같이 누가 사용할 것인지(Peaple), 데이터를 검색할 수 있도록 태그 및 키워드를 지정하고(Searching), 데이터 수명주기를 통해 관리될 때 적용되는 변환, 또는 파생되도록 처리하고(Processing), 외부에서 연계되는 자료의 경우 라이선스 제약, 소스 등에 대해 제시(Suppliers)한다(Figure 5 참조).

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F5.jpg
Figure 5

Data catalog metadata subjects (source: Wells (2019), What Is a Data Catalog?, Alaton.)

Figure 6은 DCAT 2.0의 주요 클래스간의 관계를 나타낸 스키마(Schema)이다. DCAT 2.0은 6개의 핵심 클라스(main class)와 부가 클라스(optional class)로 구성되어 있다(W3C, 2020). 핵심 클라스의 정의를 살펴보면, 먼저 dcat:Catalog는 Dataset에 포함되어 있는 개별 데이터의 메타데이터 기록이다. dcat:Resource는 데이터 카탈로그에 포함되어 있는 개별 데이터의 데이터명, 생성주기, 관리자 및 기간 등을 정의한다. dcat:Dataset은 생산 ‧ 제공할 데이터의 모음으로 수집주기, 배포방법, 시 ‧ 공간적 범위를 정의한다. dcat:Distribution은 데이터를 제공하는 방법과 형태 등을 정의하며, 데이터의 라이센스, 권한, 다운로드 URL, 사이즈 등을 정의한다. dcat:Distribution은 dcat:DataService를 통해 제공되는데, 제공되는 데이터 목록과 엔드포인트(Endpoint, 서버, 스마트폰, 노트북 등 네트워크에 연결할 수 있는 모든 기기)의 URL(Uniform Resource Locator) 등을 정의한다. 마지막으로 dcat:Catalog Record는 데이터 카탈로그에 등록된 데이터의 등록정보와 변경 정보를 정의한다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F6.jpg
Figure 6

Overview of DCAT model, showing the classes of resources that can be members of a catalog, and the relationships between them (source: W3C(2020), Data Catalog Vocabulary(DCAT) - Version 2, https://www.w3.org/TR/2020/REC-vocab-dcat-2-20200204/.)

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F7.jpg
Figure 7

Schema of DCAT for transportation data

Shin et al.(2019)은 데이터 카탈로그 작성 분야의 표준 언어인 DCAT을 활용하여, 교통 데이터의 특성에 적합한 카탈로그 작성 표준을 제시하였다. 본 DCAT-Trans는 기존 DCAT에서 공간특성, 데이터간의 관계, 데이터의 분류를 중점적으로 개선하기 위해 Location, Relationship, Taxonomy 클라스와 하위 속성을 제안하였다. 이 세 개의 클라스를 통해 교통 데이터의 특징인 데이터 활용에 필수적인 기초자료를 함께 관리할 수 있으며, 지역 및 위치별 조회를 위한 방안, 상세한 데이터 구분이 가능하다. 이는 데이터 관리 측면뿐만 아니라 이용자 입장에서 연관된 자료를 함께 검색하여 다운로드 받을 수 있는 편리함을 제공하고 있다. 또한 체계적인 데이터 관리는 여러 기관 또는 지역에서 수집되는 동일 또는 유사한 데이터를 미리 표준에 의해 메타데이터를 작성함으로써 보다 쉽게 통합할 수 있는 장점이 있다.

Won(2019)은 스마트시티 분야를 대상으로 오픈 데이터 분류체계와 메타데이터 관리에 대해 제시하였다. 데이터 셋의 카탈로그는 분류체계와 맵핑이 되고, 데이터 셋은 분류체계에 속한 카테고리에 맵핑되어 관리된다(Figure 8 참조).

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F8.jpg
Figure 8

Open data management model

Figure 9는 분류체계의 카테고리와 각 카테고리의 메타데이터 스키마 구성 과정을 나타낸다. 데이터 서비스 카테고리는 다양한 데이터 서비스 endpoint의 메타데이터 항목을 포함하고 있으며, Figure 10Figure 9의 분류체계와 카테고리를 기반으로 구축된 스마트시티 카탈로그와 데이터 셋의 예시로 데이터서비스 카테고리에 외부 시스템에 제공하는 Open Api가 등록된 예를 보여준다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F9.jpg
Figure 9

Classification system and metadata schema of categories (example)

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F10.jpg
Figure 10

Smart city catalog configuration (example)

이를 토대로 구성된 여러 분야의 분류체계, 카탈로그, 데이터 셋의 메타데이터간 관계를 도식화하면 Figure 11과 같다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F11.jpg
Figure 11

Smart city open data management model application (example) (source: Won (2019), Open data circulation reference model and data circulation platform technology, TTA Journal 182, Telecommunication Technology Assocication, 37.)

2. 국내 공공데이터 포털의 카탈로그 및 데이터맵 화면 검토

기상 자료개발 포털사이트에서 제공하는 카탈로그는 데이터 분류체계, 데이터명, 관련 이미지, 요소, 지점, 자료생산주기, 제공형식 및 제공경로, 이용방법 등이다.

공공데이터 포털에서는 분류체계, 서비스 유형, 제공기관, 태그, 확장자에 따라 정보를 검색할 수 있으며, 검색한 주제에 대해 파일 데이터 정보(분류체계, 제공기관, 관리부서명, 관리부서 전화번로, 업데이터 주기, 수집 방법, 매체 유형, 확장자 등)를 제공하고 있다.

공공데이터 포털에서는 데이터맵(Figure 12 참조), 각 데이터간 연계도(Figure 13 참조)도 제공하고 있다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F12.jpg
Figure 12

Transportation logistics related data map (example) (source: 공공데이터 포털 사이트, https://www.data.go.kr/.)

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F13.jpg
Figure 13

Road data relationship diagram (example) (source: 공공데이터 포털 사이트, https://www.data.go.kr/.)

3. 교통 데이터 특성

교통데이터는 수집자료(교통량 및 속도)를 기초자료(노드-링크 정보, 도로 정보 등)와 맵핑하여 가공 후 활용하는 방식으로 교통데이터는 타 데이터와 달리 다양한 기초데이터가 연계되어 있고, 분석 및 시각화에 GIS 정보를 맵핑해야 원하는 결과값이 도출된다. Figure 14와 같이 세종시 ITS/BIS 데이터를 이용하여 데이터 분류를 속도, 교통량, 버스로 구분하여 관련 테이블을 구분한 결과 관련 데이터 테이블, 기초 및 마스터 테이블, 코드 테이블로 분류된다. 데이터 테이블은 속도, 교통량, 버스 등의 교통 데이터 제공을 위해 필요한 것을 의미하며, 기초 및 마스터 테이블은 노드-링크 정보, 도로 정보, 정보제공구간, 버스 노선 정보, 버스 정류장 정보 등 데이터 테이블 가공 후 해당 자료의 위치 및 관계를 파악하는 테이블이다. 코드 테이블은 해당 테이블 내 세부 항목에 대한 정의라 할 수 있다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F14.jpg
Figure 14

Sejong city ITS/BIS data and table relationship (source: Sejong City internal data)

4. 시사점 도출

교통 데이터는 수집 지점, 차량간 이동 등을 나타내기 때문에 단일 데이터만을 제공하는 경우 정보 가공 및 분석을 수행할 수 없다. Figure 14에 교통정보가 제공되지만 해당 정보가 어느 도로 정보인지 데이터 테이블만으로는 확인이 불가하며, 기초 및 마스터테이블, 코드테이블과 함께 연계해야 활용 가능한 교통정보가 산출된다. 따라서 타 분야에서 활용한 방식을 그대로 활용하기 어렵고 교통 데이터만의 카탈로그를 정의하여 데이터 제공시 다양한 연계 정보(분석시 필요 테이블간 연계 정보 등)를 제공해야 한다. 이를 위해서는 데이터맵에서는 자료간 연계도를 나타내어 이용자가 쉽게 해당 데이터를 분석할 수 있도록 해야 하며, 해당 자료 이외 추천 자료를 제공하여 다양한 분석 관점으로 이용자가 접근할 수 있도록 해야 할 것으로 보인다. 마지막으로 국내 대부분의 데이터 제공은 가공된 자료로 배포하는데 교통데이터의 경우 다양한 분석을 수행할 수 있기 때문에 원시데이터에 대한 자료도 함께 제공하고 이용자의 데이터 이해도를 향상시켜 데이터 분석의 질을 높일 수 있도록 해야 할 것으로 판단된다.

교통 데이터 특성을 반영한 DCAT 기반 데이터 카탈로그 작성

1. 데이터 유형 구분

세종시에는 ITS/BIS, C-ITS, DTG, C-IPTS 데이터가 존재한다(Figure 15 참조). 해당 데이터 또한 차량 센서의 운행기록 데이터와 연계된 시설/위치/지도 자료와 버스 운영 자료 등이 동시에 제공되어야 활용 가능하다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F15.jpg
Figure 15

C-IPTS data

2. DCAT 기반 교통 데이터 카탈로그 작성 표준(DCAT-CIPTS) Class와 속성 정의

DCAT 표준은 원칙적으로 웹상에서 메타데이터의 상호 호환을 위해 개발되었다. DCAT 표준으로 데이터 카탈로그를 작성함으로서 데이터 카탈로그의 호환이 가능하며 이는 서로 다른 곳에 존재하는 데이터라도 상호 검색 및 공유를 가능하게 해준다. 기존 데이터 포털은 서로 다른 메타데이터 형식을 가지고 있다. 이로 인해 데이터가 파편화되고 원하는 데이터를 찾기 어려워지는 현실적 문제에 직면하고 있다. 이를 해결하기 위해 DCAT은 서로 다른 메타데이터 형식은 인정하면서 DCAT 표준으로 데이터 카탈로그(메타데이터 카탈로그)를 작성하고 배포함으로서 상호 운용성을 높이고자 한다(Jung, 2019). DCAT은 현재 대표적인 오픈데이터 관리 프로그램인 CKAN과 유럽연합 포털에서 메타데이터 관리를 위한 표준 도구로 사용하고 있다(Shin et al., 2019).

DCAT 기반 교통 데이터 카탈로그 작성 표준(DCAT-CIPTS) Class(Taxonomy, Relationship, Location)은 Figures 16과 같으며, 해당 Class를 교통 분야 데이터를 위해 확장해야 한다. Taxonomy, Relationship Class는 Figures 17, 18과 같다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F16.jpg
Figure 16

DCAT-CIPTS Class

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F17.jpg
Figure 17

Taxonomy class definition

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F18.jpg
Figure 18

Relationship class definition

3. DCAT-CIPTS 기반 데이터 맵 작성

앞서 제시한 DCAT-CIPTS을 기반으로 교통데이터 관계도를 작성하면 Figure 19와 같다. 일반 시민이 해당 데이터를 활용할 수 있도록 분야를 도로, 교차로, 차량, 대중교통, 보행, 주차 등으로 구분하고 이들을 수집하는 장비, 수집되는 데이터, 수집 단위 등에 대해 정의하였다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F19.jpg
Figure 19

Traffic data relationship diagram

그리고 해당 데이터들을 분석하기 위해 필요한 테이블들은 Figure 20과 같이 정의하여 이 모든 관계가 통일되도록 하였다. 이를 토대로 최종적으로 이용자가 서비스 화면에서 데이터를 선택하면 데이터 분석을 위해 필요한 데이터를 판단할 수 있는 데이터별 관계도는 Figure 21과 같다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F20.jpg
Figure 20

Traffic data lineage

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F21.jpg
Figure 21

Relationship diagram by data (volume)

교통 데이터 카탈로그 실증을 위한 서비스 화면 구상

1. 서비스 화면 정의

본 서비스 화면은 교통 데이터 중 DTG(digital tacho graph) 데이터를 활용하였다. DTG는 차량의 운행기록을 실시간으로 저장하는 기기로 차량의 위험운전행동을 판단할 수 있는 자료이다. 위험운전행동이란 각종 교통사고를 유발할 수 있는 위험한 운전행태로 운전자의 운전 습관, 안전운전 불이행, 돌발상황 등 여러 요인에 의해 발생하게 되며, 이것에 의해 발생하는 차량의 운전행태는 가속, 감속, 차로변경, 선회 등으로 나타날 수 있다. 한국교통안전공단에서는 DTG 자료를 활용하여 판단 가능한 위험운전행동을 차종별 과속, 급감속, 급가속, 급진로변경, 급회전 등으로 구분하였다(Korea Transportation Safety Authority, 2013).

본 연구에서는 한국교통안전공단의 분류 기준1)을 준수하여 분석을 수행하였으며(Table 1 참조), 교통 데이터 카탈로그를 활용하여 이용자에게 제공하는 화면 유형은 데이터 조회, My data 서비스, 통계 서비스 등 총 3개로 정의하였다. 이들은 교통 데이터 검색, 데이터간 계통 파악, 개인 차량에 대한 위험운전 관리시 활용 가능하다(Figure 22 참조).

1)https://etas.ts2020.kr/etas/frtl0401/pop/goList.do

Table 1.

Classification of dangerous driving behavior (buses)

11 dangerous driving behaviors Evaluation standard(Bus)
Speeding type Speeding Driving more than 20km/h than the road speed limit
Long-term speeding Driving for 3 minutes or more exceeding the road speed limit by 20km/h
Rapid
acceleration type
Rapid acceleration Accelerating 6km/h per second at higher than 6km/h speed
Rapid start Starting lower than 5km/h speed and accelerating 8km/h per second
Rapid
deceleration type
Rapid deceleration Decelerating 9km/h per second at higher than 6km/h speed
Rapid stop Decelerating at higher than 9km/h speed and becoming 5km/h speed
Rapid lane
change type
(rotation angle
per second)
Rapid lane change Changing the lane recording more than 8°/sec(left or right side) at higher than
30km/h speed
Cumulative angle is less than ±2°/sec and acceleration/decelerating is higher
than 2km/h during 5 seconds
Rapid overtaking Changing the lane recording more than 8°/sec(left or right side) at higher than
30km/h speed
Cumulative angle is less than ±2°/sec and acceleration is higher than 3km/h
during 5 seconds
Rapid turn type
(cumulative
rotation angle)
Rapid turn
(60~120˚)
Turing left or right rapidly with cumulative turn angle ranging from 60° to
120° during 4 seconds at higher than 25km/h speed
Rapid U-turn
(160~180˚)
Turing with cumulative turn angle ranging from 160° to 180° during 8 seconds
at higher than 20km/h speed

source: Korea Transportation Safety Authority, eTAS, https://etas.ts2020.kr/etas/frtl0401/pop/goList.do.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F22.jpg
Figure 22

Definition user interface for data catalog service

2. 서비스 화면 구상 및 개발

본 연구에서 개발한 서비스 화면은 총 4개로 데이터 조회 서비스 2개 화면, My Data 서비스, 그리고 통계정보 서비스이다. 이는 앞서 정의한 교통 분야의 분류체계, 카탈로그, 데이터 셋의 메타데이터간 관계를 도식화한 것을 이용자가 검색하여 이용하기 쉽도록 제시한 것이다. 이용자는 검색 방법을 필터 또는 맵으로 조회 가능하다. Figure 23은 데이터 검색 방법의 화면 예시로 데이터 선택시 기초 데이터와 연관 데이터도 함께 표출한다. Figure 24는 맵을 이용하여 데이터를 검색하는 방법으로 선택한 데이터들의 유기적인 관계에 대한 확인 가능하다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F23.jpg
Figure 23

Data search method (using filters)

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F24.jpg
Figure 24

Data search method (using map)

My Data 서비스는 DTG 데이터를 이용하여 개별 차량(택시, 버스 등)의 위험운전 구간 정보를 지도에 표현한 것으로 개인 차량에 대한 위험 운전 관리시 활용 가능하다. Figure 25는 세종시 시내버스 중 특정 차량번호의 위험운전행동(급좌우회전)의 분포를 나타낸 것이다. 색깔이 진할수록 위험운전행동이 많이 발생했다는 것을 의미한다. 해당 차량은 조치원(고려대 조치원캠퍼스 부근)에서 해당 위험운전행동을 많이 하는 것으로 분석되었다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F25.jpg
Figure 25

My data service (example: intra-city bus rapid overtaking)

통계정보 서비스는 세종시 전역의 위험운전유형별 발생 분포를 표출하는 화면으로 차종별, 위험운전 유형별 발생 분포 확인이 가능하다. Figure 26은 비 첨두시(07-09시, 18-20시 제외 시간)시의 택시의 위험운전행동(급가속)에 대해 분석한 결과이다. 택시는 주로 세종시 도심부(조치원, 행복도시)에서 급가속이 발생하는 것으로 나타났다.

/media/sites/kst/2020-038-06/N0210380605/images/kst_38_06_05_F26.jpg
Figure 26

Statistics service (example: taxi rapid acceleration)

결론 및 향후 연구과제

본 연구는 기존의 관리자 측면에서 수행된 데이터에 대해 이용자 측면에서 보다 용이하게 이용 가능하고, 데이터에 대한 이해도를 향상시킬 수 있도록 DCAT 기반 교통 데이터 카탈로그 작성 표준(DCAT-CIPTS)을 제시하고 그에 대한 상세 정의를 수행하였다. 더불어 세종시에서 수집 가능한 교통 데이터를 활용하여 DCAT 기반 교통 데이터 카탈로그에 대해 실증 연구를 수행하였다. 이에 대한 연구 결과로 교통 데이터 카탈로그를 활용하여 이용자 측면에서의 서비스 화면을 DTG 데이터를 이용하여 구상 및 개발하였다. DTG는 차량의 운행기록을 실시간으로 저장하는 기기로 차량의 위험운전행동을 판단할 수 있는 자료이다. 위험운전행동은 한국교통안전공단의 유형분류 기준을 활용하였다.

이용자에게 제공하는 화면은 데이터 조회, My data 서비스, 통계 서비스 등 총 3개로 교통 데이터 검색, 데이터간 계통 파악, 개인 차량 또는 세종시 전 지역에 대한 위험운전 관리시 활용 가능하다.

향후 C-IPTS 데이터가 수집된다면 이를 통해 이용자를 위한 추가적인 서비스 화면 구상 및 개발이 가능할 것으로 판단되며, 보다 정확한 데이터로의 분석이 가능할 것으로 보인다. 또한 현재에는 차량 구분에 따른 정보 제공을 제안하였지만, 향후 노선별, 지역별, 도로별 등 다양한 측면에서의 서비스 화면에 대한 개발을 추진하고 나아가 통계 및 집계 정보를 제공한다면 세종시 교통 및 도로 관련 공무원의 교통 서비스 개선의 기초자료로 활용할 수 있을 것이다.

Funding

This work was supported by the Ministry of Land, Infrastructure, and Transport (MOLIT, KOREA) (20TLRP-B146733-03).

알림

본 논문은 대한교통학회 제93회 학술발표회(2020.10.30.)에서 발표된 내용을 수정 ‧ 보완하여 작성된 것입니다.

References

1
Jung U. H. (2019), Standards of Metadata Catalogue and Service Structure for Big Data Trades, Journal of TTA, 182, 22-27.
2
Korea Transportation Safety Authority (2013), Establishment of Dangerous Driving Behavior Management System of Driving Record Analysis System: Focused on Classification of Characteristics and Types (운행기록분석시스템의 위험운전행동 관리체계 구축: 특성 및 유형 분류 중심으로).
3
Korea Transportation Safety Authority Dangerous Driving Behaviors (한국교통안전공단 위험운전행동 기준), https://etas.ts2020.kr/etas/frtl0401/pop/goList.do, 2020.11.29.
4
Public Data Portal Website (공공데이터 포털 사이트), https://www.data.go.kr/, 2020.11.29.
5
Sejong City ITS/BIS Data (세종시 ITS/BIS 데이터), http://bis.sejong.go.kr:9090/ingecep/launcher/dashboard/, 2020.11.29.
6
Shin D. K., Lee S. H., Kang J. H., Park E. M. (2019), Data Catalogue Standards Based on DCAT for Transportation Data: DCAT-Trans, J. Korean Soc. Transp., 37(5), Korean Society of Transportation, 430-444. 10.7470/jkst.2019.37.5.430
7
W3C(2020), Data Catalog Vocabulary(DCAT) - Version 2, https://www.w3.org/TR/2020/REC-vocab-dcat-2-20200204/.
8
Wells D. (2019), Introduction to Data Catalogs, Alaton, 5-6.
9
Won H. S. (2019), Open Data Circulation Reference Model and Data Circulation Platform Technology, TTA Journal 182, Telecommunication Technology Assocication, 36-38.
페이지 상단으로 이동하기