위치 선호도를 이용한 이동경로 예측

Abstract

스마트폰, GPS 장비, 위치 기반 소셜 네트워크의 발달로 방대한 이동경로 데이터 수집이 가능하게 됐다. 이를 통해 다양한 분야에서 이동경로 데이터를 가지고 사람의 이동성을 분석하고 POI를 예측하는 기회가 많아졌다. 실생활에서 사람의 이동성은 다양한 상황에 영향을 받지만, 실제 GPS 데이터는 위치, 시간 정보의 수준이다. 그러므로 다양한 상황을 내재하는 맥락 정보가 사람의 이동성 분석과 POI 예측에 필요하다. 본 논문에서는 이동 경로 예측에 적합한 이동 경로 데이터를 POI 시퀀스로 선정하고 데이터로부터 모든 사용자에게 공통적으로 적용되는 전반적인 맥락과 한명의 사용자 개인에게 적용되는 개인적인 맥락을 추출하여 실제 이동 경로의 맥락을 나타낼 수 있는지 평가했다. 이를 기반으로 지역 기반 POI의 순위, 개인별 POI 선호도 같은 맥락적 특징을 이용하여 이에 관련된 상황에 맞는 POI 시퀀스를 예측하는 Contextual LSTM 기반 딥 러닝 기법을 제안한다. Contextual LSTM은 사람의 이동성에 영향을 주는 시퀀스의 맥락적 특징을 모델에 통합하기 위해 LSTM을 확장한다. 제안 된 다양한 맥락적 특징을 통합한 Contextual LSTM 기반 딥러닝 모델을 통해 공공 데이터와 수집한 데이터로 평가한 결과, 공공 데이터에서는 기존 제안된 기법에 비해 약 15.6%의 성능 향상을 보였고, 수집한 데이터에서는 약 21.49% 더 높은 성능을 보였다.실험 데이터를 통해 사람의 이동성을 나타내는 맥락 정보를 이동경로 예측 모델에 사용하는 경우, 기존 모델에 비해 더욱 풍부한 정보를 인코딩하고 이를 통해 우수한 예측 성능을 나타냄을 확인할 수 있었다.