핸드셋 기반 서비스 이용의 시공간 상관관계 분석

초록

본 연구는 124명의 스마트폰 사용자를 16개월간 추적한 위치·서비스 이용 로그를 바탕으로, 사용자의 이동 경로에서 의미 있는 장소(집·직장·기타)를 자동 추출하고, 각 장소가 전화, 문자, 앱, 웹 등 서비스 이용 패턴에 미치는 영향을 정량적으로 분석한다. 시간대별 이용 패턴은 주간 주기에 강하게 얽혀 있으면서도 서비스별 피크 시간이 다르게 나타나며, 통신 서비스(통화·문자) 후에 비통신 서비스(앱·웹)가 연속적으로 사용되는 순서성이 발견된다. 또한, 이용 패턴 기반으로 구축한 행동 중첩 네트워크는 실제 통신 네트워크와 구조적으로 유사함을 보인다.

상세 분석

이 논문은 모바일 로그 데이터를 활용한 인간 행동 분석의 메서드론을 제시한다. 먼저, 124명의 사용자를 대상으로 16개월에 걸친 GPS 좌표와 서비스 이용 기록(통화, SMS, 모바일 애플리케이션 실행, 웹 브라우징)을 수집하였다. 위치 데이터는 시간 간격이 일정하지 않은 점을 고려해 이동 구간을 ‘스테이 포인트(stay point)’로 집계하고, 각 사용자의 스페이스-타임 트레젝터리를 구축하였다. 이후, 스테이 포인트의 밀도와 체류 시간을 기반으로 K‑means와 DBSCAN을 혼합한 클러스터링을 수행해 ‘집’, ‘직장’, ‘그 외’ 등 의미 있는 컨텍스트를 자동 라벨링하였다.

컨텍스트별 서비스 이용 빈도는 정규화된 이용률(usage rate)과 엔트로피(Shannon entropy)로 정량화하였다. 결과적으로, ‘집’에서는 비통신 서비스(앱·웹)의 이용률이 높고, ‘직장’에서는 통화·SMS가 상대적으로 낮으며, ‘그 외’에서는 이동 중에 짧은 통화가 집중되는 패턴이 드러났다. 시간적 측면에서는 주간 주기(월·화·수·목·금)와 주말 주기가 뚜렷하게 구분되었으며, 각 서비스는 피크 시간이 서로 다르게 나타났다. 예를 들어, 통화는 오전 10시오후 2시 사이에, 앱 사용은 오후 6시밤 10시 사이에 집중되는 경향을 보였다.

시간 순서성 분석에서는 조건부 확률 P(서비스 B|서비스 A, Δt) 를 계산해 서비스 A가 발생한 후 Δt 내에 서비스 B가 발생할 확률을 추정하였다. 통화·SMS와 같은 커뮤니케이션 서비스가 발생한 직후(Δt ≤ 5분) 비통신 서비스(앱·웹)의 발생 확률이 유의하게 상승함을 확인했으며, 이는 사용자가 통화 후 정보를 검색하거나 엔터테인먼트를 소비하는 행동 흐름을 반영한다는 해석이 가능하다.

마지막으로, 각 사용자의 시간대별 서비스 이용 패턴을 벡터화하고, 코사인 유사도 기반 클러스터링을 수행해 ‘행동 중첩 네트워크’를 구축하였다. 이 네트워크의 연결 강도는 실제 통신 네트워크(통화·SMS 기반)의 연결 강도와 높은 상관관계를 보였으며, 사회적 관계와 행동 양식이 서로 연관되어 있음을 시사한다.

전반적으로, 위치 기반 컨텍스트 추출, 엔트로피 기반 다양성 측정, 조건부 확률을 이용한 시간 순서성 분석, 그리고 행동 중첩 네트워크 구축이라는 네 가지 핵심 방법론을 결합함으로써, 모바일 데이터가 인간의 일상적 행동과 사회적 연결을 동시에 드러낼 수 있음을 입증하였다.