지오트래블 GPS 궤적으로 관광지 자동 발굴

초록

본 논문은 모바일 기기에서 수집된 GPS 궤적 데이터를 활용해 사용자가 선호할 만한 관광지(POI)를 자동으로 추출하고, 이를 기반으로 맞춤형 여행 일정 추천 서비스를 제공하는 시스템인 GeoTravel을 제안한다. 궤적의 정제·정지점 검출·밀도 기반 군집화를 통해 인기 장소를 도출하고, 사용자 프로파일과 결합해 여행지 선택을 지원한다. 실험 결과, 제안 방법이 기존 히스토리 기반 추천보다 높은 정확도와 다양성을 보였다.

상세 분석

GeoTravel 논문은 GPS 궤적 데이터를 “환경적 지리 발자국”으로 정의하고, 이를 대규모로 수집·공유함으로써 집단적 이동 패턴에서 의미 있는 관광지(POI)를 자동 추출하는 프레임워크를 설계한다. 먼저, 데이터 전처리 단계에서 GPS 좌표의 잡음 제거와 시간 동기화를 수행한다. 잡음 제거는 속도·방위 급변을 기준으로 이상치를 필터링하고, 시간 동기화는 동일 시간 간격으로 재샘플링해 분석의 일관성을 확보한다.

핵심 기술은 ‘정지점(stay point)’ 검출이다. 사용자가 일정 시간(보통 510분) 이상 동일 반경(200300 m) 내에 머무를 경우 이를 정지점으로 판단한다. 이때 거리와 시간 임계값을 동적으로 조정해 도보·자동차·대중교통 등 다양한 이동 모드에 대응한다. 정지점 집합은 이후 밀도 기반 군집화 알고리즘인 DBSCAN에 투입되어, 고밀도 영역이 자연스럽게 관광지 후보군으로 형성된다. DBSCAN의 ε와 최소 샘플 수(minPts)는 실험적으로 최적화되며, 군집의 형태와 크기에 따라 다중 스케일 클러스터링을 적용해 대형 공원·관광명소·상업지구 등을 구분한다.

군집이 형성되면 POI 점수화 단계가 이어진다. 점수는 (1) 방문 빈도, (2) 체류 평균 시간, (3) 방문자 다양성(고유 사용자 수) 등 세 가지 지표를 가중합해 산출한다. 가중치는 도메인 전문가 설문과 교차 검증을 통해 조정되며, 결과적으로 높은 점수를 받은 군집은 “핫스팟”으로 분류된다.

사용자 맞춤형 여행 일정 생성은 두 단계로 이루어진다. 첫째, 사용자의 과거 이동 기록과 명시적 선호(관심 카테고리)를 기반으로 개인 프로파일을 구축한다. 둘째, 프로파일과 POI 점수를 매칭해 유사도 기반 추천 리스트를 만든 뒤, 시간 제약·경로 최적화(다익스트라 변형) 알고리즘을 적용해 실시간 경로와 일정표를 자동 생성한다.

평가에서는 실제 모바일 사용자 1,200명으로부터 수집한 3개월치 GPS 로그(총 5.8 TB)를 활용했다. 정밀도·재현율, NDCG, 다양성 지표 등 다중 메트릭을 사용해 기존 히스토리 기반 추천(Top‑N)과 비교했으며, GeoTravel은 평균 정밀도 0.78, NDCG 0.84로 현저히 높은 성능을 보였다. 또한, 사용자 설문 결과 만족도 점수가 4.3/5점으로, 기존 시스템 대비 22 % 향상되었다.

한계점으로는 데이터 프라이버시·보안 문제, GPS 신호 결함이 심한 실내·도심 골목 지역에서의 정지점 검출 정확도 저하, 그리고 계절·특수 이벤트에 따른 일시적 군집 변동을 실시간으로 반영하기 어려운 점을 들었다. 향후 연구에서는 차등 프라이버시 기법 적용, 멀티센서(와이파이·블루투스) 융합, 그리고 강화학습 기반 동적 군집 업데이트 모델을 도입해 시스템의 견고성과 실시간성을 강화할 계획이다.