All Issue

2026 Vol.15, Issue 3 Preview Page

Research Article

30 September 2026. pp. 573~589
Abstract
This study examines consistency among floating population datasets derived from the same underlying mobile network data using different aggregation criteria and identifies considerations for their use. Hourly, day-of-week, and sex- and age-specific datasets on a 50m×50m grid for 2019–2023 in Danyang-gun and Cheongsong-gun were used to analyze spatial coverage, regional totals, discrepancies in cell-level values, and their relationships with local characteristics. The findings were as follows. First, regional totals were broadly similar across the three datasets, but the day-of-week dataset had the widest spatial coverage, and the proportion of cells with positive values only in this dataset generally increased over time. Second, pairwise comparisons restricted to cells with positive values in both datasets showed that the hourly and day-of-week datasets had relatively similar value distributions, whereas differences involving the sex- and age-specific dataset were more pronounced. Relative discrepancies among the three datasets were greater in cells with lower floating population estimates and exhibited positive spatial autocorrelation. Third, associations between relative discrepancies and local characteristics weakened or changed direction after controlling for floating population size. These findings highlight the need to distinguish between spatial coverage and differences in values when using these datasets according to the purpose of the analysis.
본 연구는 동일한 이동통신 원자료에서 집계 기준을 달리하여 산출된 유동인구 자료 간 일관성을 검토하고, 자료 활용 시 고려해야 할 사항을 제시하는 것을 목적으로 한다. 이를 위해 단양군과 청송군의 2019~2023년 50m×50m 격자 기반 시간대별, 요일별, 성·연령대별 자료를 활용하여 유동인구의 공간적 분포 범위와 지역 단위 총량, 셀 단위 값의 편차 및 지역 특성과의 관계를 분석하였다. 분석 결과, 첫째, 세 자료의 지역 단위 총량은 대체로 유사하였으나, 요일별 자료의 공간적 분포 범위가 가장 넓었으며, 이 자료에서만 양의 값을 갖는 셀의 비중이 전반적으로 증가하였다. 둘째, 자료쌍별로 두 자료 모두 양의 값을 갖는 셀의 값 분포를 비교하면, 시간대별과 요일별 자료가 상대적으로 유사하고 성·연령대별 자료와의 차이가 두드러졌다. 또한 세 자료 간 상대편차는 유동인구 규모가 작을수록 높았으며, 양의 공간적 자기상관을 보였다. 셋째, 상대편차와 지역 특성 간 관계는 유동인구 규모를 통제하면 약화되거나 방향이 바뀌었다. 이러한 결과는 분석 목적에 따라 유동인구의 공간적 분포 범위와 값의 차이를 구분하여 자료를 활용할 필요가 있음을 보여준다.
References
  1. 강영옥, 2023, “GeoAI 활용 분야와 연구 동향,” 대한지리학회지, 58(4), 395-418.
  2. 곽호찬·송지영·엄진기·김경태, 2018, “이동통신 자료를 활용한 대도시 유동인구 영향요인 분석,” 한국도시철도학회논문집, 6(4), 373-381. 10.24284/JKOSUR.2018.12.6.4.373
  3. 국토연구원, 2014, 「스마트 셀 기반 활동인구의 공간정책 활용방안 연구」, 안양: 국토연구원.
  4. 김가은·전광희, 2020, “시계열자료 구축을 위한 인구센서스의 일관성 검토,” 사회과학연구, 31(3), 103-125. 10.16881/jss.2020.07.31.3.103
  5. 김경태·이인묵·곽호찬·민재홍, 2015a, “유동인구 추정 시 통신 자료의 활용에 관한 연구,” 서울도시연구, 16(3), 177-187.
  6. 김경태·이인묵·민재홍·곽호찬, 2015b, “무선통신 자료를 활용한 통행발생량 분석,” 한국철도학회논문집, 18(5), 481-488. 10.7782/JKSR.2015.18.5.481
  7. 김경태·이인묵·곽호찬·민재홍, 2016, “이동통신 자료 전수화를 통한 존재인구 산정 방안,” 대한교통학회지, 34(3), 222-233. 10.7470/jkst.2016.34.3.222
  8. 김의명·홍송표·박진이, 2019, “연속수치지도와 유동인구를 이용한 범죄취약 추정지역 추출,” 한국지도학회지, 19(1), 59-68. 10.16879/jkca.2019.19.1.059
  9. 김재훈·손지훈·박한우, 2022, “통신사 빅데이터를 활용한 코로나 전염병 전후 대구 대학가 유동인구 분석: 서울과의 비교를 중심으로,” 한국콘텐츠학회논문지, 22(3), 62-70.
  10. 김해·이환필·권철우·박성호·박상민·윤일수, 2018, “유동인구 빅데이터 기반 고속도로 휴게소 혼잡지표 개발 연구,” 한국ITS학회논문지, 17(4), 99-111.
  11. 박예림·강영옥, 2019, “통신 데이터를 활용한 도보관광코스 유동인구 추정 및 분석,” 지적과 국토정보, 49(1), 181-195.
  12. 박진홍·강민규, 2022, “사물인터넷 기반 도시데이터 센서를 활용한 서울시 유동인구의 측정 및 입지 특성에 관한 기초연구,” 국토계획, 57(5), 40-56. 10.17208/jkpa.2022.10.57.5.40
  13. 배준수·김미경·유수홍·허준·손홍규, 2019, “유동인구 데이터와 유전자 알고리즘을 이용한 지진해일 대피소 선정,” 한국측량학회지, 37(3), 157-165.
  14. 변미리·서우석, 2011, “도시 거리의 주간활동인구 측정과 해석: 서울시 유동인구 조사 사례,” 조사연구, 12(2), 27-50.
  15. 심규원·장진, 2019, “통신사 가입자 위치정보를 활용한 계룡산국립공원 탐방객 이동경로 분석,” 국립공원연구지, 10(2), 258-265.
  16. 심원섭·최승묵·심창섭, 2018, “관광 빅데이터 분석의 주요 쟁점: 이동통신 및 신용카드 데이터를 중심으로,” 관광연구논총, 30(3), 3-22. 10.21581/jts.2018.08.30.3.3
  17. 안은희·안정국, 2021, “관광 빅데이터 기반의 용인시 관내 관광 활성화 방안: 이동통신과 신용카드 데이터를 결합한 지리정보시스템 분석을 중심으로,” 한국융합학회논문지, 12(4), 207-216.
  18. 유현진·이건원, 2025, “유동인구 설명을 위한 분석단위 크기 효과 분석: 종로구 서촌 일대를 중심으로,” 한국생태환경건축학회 논문집, 25(3), 65-76. 10.12813/kieae.2025.25.3.065
  19. 이광섭·엄진기·성명언·이준·문대섭, 2019, “통신량 자료를 활용한 시간대별 대중교통 이용지수 분석 및 서비스 인구 추정: 수도권을 중심으로,” 한국철도학회논문집, 22(12), 1008-1017. 10.7782/JKSR.2019.22.12.1008
  20. 이유진·최명섭, 2018, “노인 인구 밀집지역의 시공간적 분포와 결정요인 분석: 서울 생활인구 빅데이터의 활용,” 서울도시연구, 19(4), 149-168.
  21. 이주영·박헌진, 2023, “유동인구를 활용한 ConvLSTM AutoEncoder 기반 핫플레이스 탐지,” 한국빅데이터학회지, 8(2), 97-107.
  22. 이지윤·강정은, 2022, “빅데이터를 활용한 고령층 활동 공간 패턴 및 특성 분석: 청장년층과 비교를 중심으로,” 국토계획, 57(3), 161-173. 10.17208/jkpa.2022.06.57.3.161
  23. 정재훈·남진, 2019, “위치기반 빅데이터를 활용한 서울시 활동인구 유형 및 유형별 지역 특성 분석,” 국토계획, 54(3), 75-90. 10.17208/jkpa.2019.06.54.3.75
  24. 정헌규·최용복, 2024, “공간 빅데이터 분석을 활용한 COVID-19 전후 제주도 관광지의 유동인구 분포 변화,” 한국지리정보학회지, 27(1), 12-28. 10.32431/kace.2024.27.1.019
  25. 조월·하재현·이수기, 2021, “서울시 생활인구의 시간대별 혼합수준에 영향을 미치는 요인 분석,” 국토계획, 56(1), 22-38. 10.17208/jkpa.2021.02.56.1.22
  26. 조형욱·김다솜·이삼수, 2022, “코로나19 전후 대구광역시 도시공간의 유동인구 분포 변화: 핫스팟 분석을 중심으로,” 국토계획, 57(2), 5-17. 10.17208/jkpa.2022.04.57.2.5
  27. 카마타 요코·남광우, 2023, “도시활력 측정을 위한 생활인구 특성 분석: 이동통신 빅데이터를 중심으로,” 한국지리정보학회지, 26(4), 173-187.
  28. 홍성인·임저스틴희준·최영준·이제승, 2025, “유동인구 데이터를 활용한 한강공원의 이용 패턴과 특성 연구,” 한국조경학회지, 53(3), 31-47. 10.9715/KILA.2025.53.3.031
  29. Kim, E. K., Yoon, S., Jung, S. U., and Kweon, S. J., 2024, Optimizing urban park locations with addressing environmental justice in park access and utilization by using dynamic demographic features derived from mobile phone data, Urban Forestry & Urban Greening, 99, 128444. 10.1016/j.ufug.2024.128444
  30. Kim, Y. J., Lee, D. K., and Kim, C. K., 2020, Spatial tradeoff between biodiversity and nature-based tourism: Considering mobile phone-driven visitation pattern, Global Ecology and Conservation, 21, e00899. 10.1016/j.gecco.2019.e00899
  31. Lee, W. K., Sohn, S. Y., and Heo, J., 2018, Utilizing mobile phone-based floating population data to measure the spatial accessibility to public transit, Applied Geography, 92, 123-130. 10.1016/j.apgeog.2018.02.003
  32. Moran, P. A., 1950, Notes on Continuous Stochastic Phenomena, Biometrika, 37(1/2), 17-23. 10.1093/biomet/37.1-2.17
  33. Saluveer, E., Raun, J., Tiru, M., Altin, L., Kroon, J., Snitsarenko, T., Aasa, A., and Silm, S., 2020, Methodological framework for producing national tourism statistics from mobile positioning data, Annals of Tourism Research, 81, 102895. 10.1016/j.annals.2020.102895
  34. United Nations, 2017, Principles and Recommendations for Population and Housing Censuses, Revision 3, New York: United Nations.
  35. 통계청, 2023(접속일: 2026. 09. 20): 「2023년 인구주택총조사(등록센서스 방식)」, 국가통계포털(KOSIS), https://kosis.kr/statisticsList/statisticsListIndex.do?vwcd=MT_ZTITLE&menuId=M_01_01#content-group
  36. 관광지식정보시스템, 2023(접속일: 2026. 09. 20): https://know.tour.go.kr/stat/visitStatDis/table.do
  37. 단양군청, 2026(접속일: 2026. 09. 20): https://www.danyang.go.kr/dy21/29
  38. 청송군청, 2026(접속일: 2026. 09. 20): https://www.cs.go.kr/cheongsong/00003086/00003122.web
Information
  • Publisher :The Association of Korean Geographers
  • Publisher(Ko) :한국지리학회
  • Journal Title :Journal of the Association of Korean Geographers
  • Journal Title(Ko) :한국지리학회지
  • Volume : 15
  • No :3
  • Pages :573~589