스마트폰의 GPS 기능으로 애플리케이션을 통한 시공간 이동 정보를 활용해 개인 활동패턴 분석이 가능하게 되었다. 김종학 선임연구위원이 수행한 ｢위치기반 빅데이터를 활용한 시공간 활동패턴 분석연구｣는 시공간적 연속성이 확보된 활동패턴 유형의 구분방법을 제시하고 사례분석을 통해 그 유용성을 제시하고 있다. 

KRIHS: 이 연구를 수행하게 된 동기는?
김종학: 단순한 출발지와 도착지 통행만을 파악하는 것으로는 복잡한 사회현상을 설명하기에 부족하다고 생각하였다. 일상생활이 집에서 출발하여 집에서 끝나고 중간에 머무르거나 잠시 들르는 장소를 공간적·시간적으로 연속성 있게 파악하는 것이 지역발전, 정책 수립 등을 위해 필요하다고 생각되어 연구를 진행하게 되었다.

KRIHS: 이 연구의 의미는 무엇인가?
김종학: 기존에는 가구통행실태조사 자료로 파악하는 통행발생, 통행경유지 등을 모빌리티 빅데이터로 파악한다는 점에서 차별성이 있다. 이동통신사의 기지국 위치정보보다 위치정확도가 더 높은 앱 기반 위치정보로 통행의 시공간적 연속성 구현 알고리즘을 개발하였다. 특히, 다양한 개인의 활동패턴 구분을 링크, 노드, 경유지 3가지 요소로 구분해 학술적·정책적 활용도가 높을 것으로 기대된다.

KRIHS: 연구 수행과정에서 있었던 에피소드는?
김종학: 모빌리티 빅데이터 원시자료 자체로는 활동패턴을 구현할 수가 없다는 것을 여러 번 시행착오를 통해 알기까지 시간이 많이 걸렸다. 흙 속의 진주를 찾는 것처럼 많은 데이터 속에서 의미 있는 데이터를 골라내는 작업이 용이하지 않았다. 수치데이터만으로는 결과물의 신뢰도를 평가할 수 없어 시각화하는 작업을 병행하기 위해 고생한 것이 기억에 남는다.

KRIHS: 연구수행 시 보람을 느꼈거나 아쉬웠던 점은?
김종학: 이동과 체류에 대한 위치기반 정보를 어떻게 활용할 것인지에 대한 연구를 진행하였다는 점에서 개인적으로 보람이 있었다. 원시자료부터 최종결과물 도출까지 일련의 과정을 거치면서 쌓은 노하우들은 관련 연구를 진행하는 데 많은 도움이 될 것이라 생각된다. 다만, 분석데이터 기간이 짧았던 것은 아쉬움이 있다.

KRIHS: 앞으로 더 하고 싶은 연구가 있다면?
김종학: 빅데이터는 쌓아두는 것이 아니라 가공과 분석을 통해 우리 일상에 도움이 될 만한 정보들을 추출할 수 있어야 한다. 구글의 ‘코로나19 지역사회 이동성 보고서’, 애플의 ‘모빌리티 트렌드 리포트’와 같은 보고서처럼 다양한 일상의 현상들을 모빌리티 빅데이터로 파악하여 사회 발전에 이바지하는 연구를 하고 싶다.