관광분야 빅데이터 활용체계 및 실증분석 연구

첫째, 제주도 체류 관광객 인구분석과 관련하여 본 연구는 관광객의 분포, 관광객 증감에 따른 시 공간적 차이, 소비패턴, 관광객의 규모와 인구통계적 특성, 여행행태에 따라 분석방향을 설정하였다. 2013년 12월~2014년 6월, 6개월 동안 거주지가 제주도가 아닌 사람들의 일별 휴대폰 사용률, 유동인구, 유동인구의 중복률을 계산하여 일별․월별 관광객 인구 및 평균 체류일을 산출하였다. 또한 기간 중 관광객의 시 도별 구성비율과 주민등록 인구대비 월 평균 내국인 제주 관광객 비율을 분석하였다. 둘째, 제주도 관광객 패턴분석과 관련하여 본 사업은 관광객 분포, 구성패턴, 매출액과 업종 상관도를 분석하였다. 제주도 지역을 300m×300m의 Cell로 나누고 시간대별 유동인구를 Cell별로 집계한 후 월별/시간대별/날씨별/휴일전일/평일별로 GIS를 이용해 시각화하여 내도 관광객의 분포 및 구성패턴과 업종과의 상관관계를 분석하였다. 또한 제주도 관광지 별 관광객의 분포 가능 범위를 설정하여 성연령대별/거주지별 유동인구 데이터를 집계하여 월별 현황을 분석하였다. 그리고 추정매출액 정보는 도민 유동인구와 지역/업종별 추정매출 간의 업종 상관도 분석을 통계분석도구인 R을 이용하여 수행하였다. 본 연구에서 사용한 데이터는 국내 최초로 상용화 된 S사의 통신 빅데이터로서 하루 약 280테라바이트의 데이터가 생성되고 있다. 이러한 통신 트래픽 데이터는 하둡을 통한 추출·정제 및 수집·저장을 위한 프로세스 체계를 구축하여 분석에 활용되고 있다. 또한 S사의 무선 통식 방식에 따른 1X, 2G, 3G, 4G, LTE 등의 모든 사용자의 CDR (Action 기반) 데이터와 Signal (Location 기반) 데이터를 적용하고 있다. 집계방식은 사용 목적에 따라 내국인의 ① 인구유입량 데이터 ② OD 동선 데이터로 구분 할 수 있으며 외국인의 경우 로밍데이터를 활용하여 국적별 유입량 데이터와 OD 동선 데이터의 수집 및 확보가 가능하다. 내국인에 대한 OD 동선 데이터는 하루에 약 6억 6천만건의 원시자료가 생성되고 있으며. 그동안 OD 동선 데이터를 최근 3개월간 데이터에 대하여 보존해 오다가 2016년 10월 이후부터 데이터를 비식별화하고 DB로 구축하여 분석에 활용하고 있다. 하둡에서 제플린을 거쳐 추출되는 내국인 특성별 통신데이터 중 Last Location 데이터를 예로 들면 1일 기준 전국 450GB의 크기를 가진다. 여기에 기지국의 위치정보 좌표를 붙이는 Geocoding 프로세스를 거치면 크기는 약 100배로 커지게 되어 45TB의 크기로 커지게 된다. 한편, 전국의 유입지 또는 OD 매트릭스는 시군구 하나에 전국의 트래픽을 검색하여 생성되는데 시군구의 1차 OD는 256시군구×256시군구의 매트릭스 구조로 만들어진다. 그러나 15분, 1시간, 1일 등 연속성을 가지게 되면 차수를 거듭할수록 256시군구×256시군구 만큼의 매트릭스를 가지게 되므로 Peta 데이터 규모의 작업공간(Work Space)을 확보해야만 수행(Execution)이 가능하다. 따라서 통신 데이터는 공간, 시간, 인구의 3차원 데이터로서 각 축의 변동에 따라 조합된 다양한 데이터 추출이 가능하므로 분석을 위한 데이터 정의가 반드시 선행되어야 한다. 본 연구에서는 통신 빅데이터를 활용하여 국민 국내여행 총량을 추정할 수 있는 핵심지표인 국내여행 참가자수, 참가횟수, 이동총량에 대한 숙박여행과 당일여행에 대한 결과값을 도출하였다. 또한 도출된 지표를 바탕으로 관광인구 지수를 산정하여 이동총량을 기준으로 지역간 비교를 실시하였다. 국내여행 총량은 통신 빅데이터 활용에 대한 연구결과를 바탕으로 지역간 OD를 도출한 후 통근통학 인구 제외(거주지를 기준으로 주중에 주·야간(07-09시, 19시-21시) 일정한 패턴으로 움직이는 인구)하고 이를 바탕으로 교통연구원의 시군구간 관광목적별 이동비율을 적용하여 산정하였다. 관광목적별 이동비율은 업무, 여가오락친지방문, 쇼핑에 해당되는 비율(60%)을 적용하였다. 인바운드 관광객의 경우, 외래관광객실태조사와의 동일비교를 위해 통신사 로밍데이터를 기준으로 국가별×지역별 OD 통계를 생산하였다. 외국인 이동총량의 경우 법무부의 월별×국가별 입국자 수를 기준으로 가중치를 통한 최종값을 도출하였다. 다만 로밍데이터의 특성상 성연령별 특성파악이 어려우며 와이파이(WiFi) 사용하기 위해 핸드폰을 비정기적으로 on/off하는 특성이 있기 때문에 보다 면밀한 분석이 필요하다. 통신 빅데이터는 다이나믹한 인구의 이동 및 변화에 대하여 실시간적 결과를 보여준다. 이러한 인구는 관광/레저인 여행 형태이거나, 생활밀착형 통근·통학 등 여러 목적으로 이동한다. 관광을 광의의 개념으로 보면 친지방문에서 비즈니스 출장까지 거주지와 일터를 떠나는 것 일체를 의미한다. 통신 빅데이터의 특성상 이동의 경로를 명확히 알 수는 있지만 이동의 목적을 설명할 수는 없다. 기존 분석에서는 이러한 한계를 극복하기 위하여 한국교통연구원(국토교통부산하)에서 실시하는 교통수요 분석 기초조사 결과를 바탕으로 여가/오락/친지방문의 여행 목적별 비율을 반영하여 전체 인구 유입량에서 관광을 목적으로 하는 인구를 산정하였다. 본 연구에서는 1차적으로 교통수요분석 결과를 바탕으로 시도간 목적별 OD비율을 적용한 실증분석을 시도하였으나 향후 보다 시의성 있고 객관적인 자료 도출을 위해서는 국민여행실태조사와의 연계를 통한 관광차원의 활용방안 마련이 필요할 것이다. 통신 빅데이터는 많은 특장점과 함께 태생적 한계를 가지고 있다. 그럼에도 불구하고, 빅데이터의 활용 및 분석결과에서 가시적인 성과를 보이고 있는 분야는 통신 빅데이터 분야라고 할 수 있다. 특히 관광분야에서 관광주간 및 테마여행 10선, 축제방문객 분석, 부산 해운대 방문객 수 분석 등 괄목할 만한 업적을 낸 것은 주지의 사실이다. 관광객의 OD 통계의 생산은 기본적으로 인구구조에 기반한다. 우리나라의 인구가 5천만명이고, 2천 5백만명이 S사의 통신 단말기 서비스를 가입하였다고 하자. 수용률은 0.5라고 할 수 있다. 단순하게 한 기지국의 현재 단말기 수를 0.5로 나누어 해당 지역의 인구를 산출할 수 있으나 이는 통신가입자와 인구구조의 매칭작업을 고려하지 않고 기존에 이동량을 추정하기 위해 적용된 기준이다. S사의 통신 단말기의 수용률은 지역별, 연령 그룹별, 성별로 다양하여, 이러한 종류의 단순한 계산과정은 지역, 연령그룹, 성별에 따라 상당한 바이어스를 만들 수 있고, 인구통계로서 적합하지 않을 수 있다. 현재의 단말기 수로부터 인구를 적절하게 추정하기 위해서는 이러한 요소들을 충분히 고려할 필요가 있고 각 기지국에 의해서 커버되는 영역들은 유형에 따라 상이할 수 있는 점도 반영이 필요할 것으로 보인다. 상기 내용에서 센서스 데이터는 모든 사회분야의 벤치마킹 통계로서 표본조사의 모집단 및 표본틀을 제공하는 점에 주목할 필요가 있다. 즉 일부 통신 빅데이터를 활용한 유동인구 추정은 센서스의 모집단 및 표본틀을 활용하여 가중치를 계산하거나 향후 통신 빅데이터와 연계한 여행실태조사(survey) 검토를 위하여 반드시 필요한 과정이라고 볼 수 있다. 그런데 모바일 폰 사용자들은 가입당시 주소정보를 입력하지만 청구를 위하여 인터넷 또는 계좌이체 등의 방법으로 주소정보를 많이 활용하지 않고 있다. 더구나 번호이동 및 전입과 전출에 대한 갱신도 이루어지지 않고 있으므로 모바일 가입자의 실거주지를 파악하는 일은 모바일 가입자 명부로 불가능한 일이다. 따라서 기지국의 트래픽 정보의 다양한 분석을 통하여 실거주지 파악이 필요하다.