실제로 귀하의 위치를 파악하기 위해 귀하의 도시에서 귀하의 위치를 공유할 필요는 없습니다. 귀하가 거는 모든 전화와 귀하가 보내는 모든 메시지는 조용히 근처의 네트워크 안테나에 연결됩니다. 이제 매일 같은 일을 하는 수백만 명의 사람들에게 이를 곱하면 결과적으로 얻을 수 있는 것은 단순한 데이터가 아니라 도시가 실제로 어떻게 작동하는지에 대한 생생하고 움직이는 그림입니다. 코르도바 대학교(University of Córdoba)의 연구자들이 이러한 패턴을 해석하기 위해 고안된 새로운 도구를 활용한 것이 바로 이것이었습니다.
실제로 보지 않고도 지켜보는 도구
MAPLID(장소 식별을 위한 다중 라벨 접근 방식) 개인을 추적하지 않습니다. 실제로 시간이 지남에 따라 장소가 실제로 어떻게 행동하는지 보여주는 집계된 익명화된 신호인 패턴을 살펴봅니다. 지역이 주거 지역에서 상업 지역으로 언제 이동하는지, 산업 지역으로 이어지는 도로가 언제 교통량이 가장 많은지, 단일 대규모 이벤트가 어떻게 전체 지역의 리듬을 조용히 방해할 수 있는지를 밝힐 수 있습니다.
이를 눈에 띄게 만드는 것은 장소를 단 하나의 정의로 강요하지 않는다는 것입니다. 예를 들어, 대학 캠퍼스는 단순한 직장이 아닙니다. 하루 중 시간에 따라 집이 될 수도 있고, 사회적 공간이 될 수도 있고, 대중교통 경로가 될 수도 있습니다. 대부분의 매핑 도구는 하나의 레이블을 선택하고 이를 고수하는 경향이 있습니다. 반면 MAPLID는 해당 레이어를 모두 한 번에 캡처합니다.
연구가 실제로 어떻게 작동하는지
이 모델은 박사과정 연구의 일환으로 개발되었습니다. 마누엘 멘도사 우르타도동료들과 함께 후안 A. 로메로 델 카스티요 그리고 도밍고 오르티즈 보이어 컴퓨터 과학 및 인공 지능학과 출신.
원시 위치 추적으로 작업하는 대신 시스템은 레이어에 대한 이해를 구축합니다. 이는 콘텐츠 자체가 아니라 장치가 네트워크 안테나와 상호 작용할 때 등록되는 연결 지점인 위치가 지정된 통화 및 메시지 메타데이터로 시작됩니다. 여기에서 이러한 신호가 며칠, 몇 주에 걸쳐 어떻게 반복되는지 추적하여 꾸준한 루틴과 일회성 움직임을 구별하는 데 도움이 됩니다. 그런 다음 해당 행동 계층은 오픈 소스 지리 데이터베이스인 OpenStreetMap에 매핑됩니다. 이는 거리 유형, 랜드마크, 건물 카테고리와 같은 실제 상황을 추가하여 추상적인 신호 패턴을 도시 분석에 훨씬 더 기초적이고 유용한 패턴으로 전환합니다.
이 과정에서 나오는 것은 시간 경과입니다. 같은 거리 블록을 다른 시간에 보면 완전히 다른 이야기를 할 수 있습니다. 오전 7시는 오후 7시와 전혀 다르게 보입니다. 모델을 테스트하기 위해 팀은 크기와 구조가 크게 다른 두 이탈리아 도시인 밀라노와 트렌토에서 모델을 실행하여 비교하기에 이상적이었습니다. 개인 정보 보호 제한으로 인해 스페인 모바일 데이터를 사용할 수 없었기 때문에 연구원들은 대신 Telecom Italia에서 과학 연구를 위해 발표한 데이터 세트를 사용했습니다. 수백만 개의 일일 데이터 포인트가 도시 지도에 계층화되어 있음에도 불구하고 모델은 두 도시 모두에서 일관되게 유지되어 단일 유형의 도시 환경에 국한되지 않음을 시사합니다.
이 연구는 국제지리정보과학저널.
그렇다면 실제로 보고 있는 사람은 누구일까요?
현재는 아직 공식적으로 사용하는 사람이 없습니다. 연구원의 다음 단계는 이 도구를 지방 정부와 도시 계획자에게 직접 제공하는 것입니다. 그리고 사용 사례는 매우 명확합니다. 실제 이동 패턴을 기반으로 버스 일정을 조정하고, 실제로 교통 흐름이 정체되는 곳의 교통 흐름을 개선하며, 심지어 오래된 가정에 의존하는 대신 실제로 필요한 장소에 청소 직원을 파견하는 것까지 포함합니다.
흥미로운 점은 도시가 항상 이런 종류의 정보를 생산해 왔다는 것입니다. 그것은 결코 누락되지 않았습니다. 빠진 것은 실제로 의미 있고 사용 가능한 방식으로 해석하는 방법입니다. 이 도구는 이를 변화시키는 단계일 수 있습니다.
이 주제에 대해 더 알고 싶다면 아래를 참고하세요