주요내용 ➊과거 설문조사 등으로 파악했던 개인의 하루 이동궤적을 최근에는 스마트폰의 GPS 기술이 적용된 앱(App)을 통해 빅데이터 형태로 수집 가능 ➋ 집과 직장만을 오가는 모빌리티 패턴을 MP1(Mobility Pattern 1, 집-직장)으로 규정하고 중간통행이 발생할 때마다 MP2, MP3 등으로 해당 패턴을 구분 ➌ 모빌리티 패턴 분석결과, MP1의 발생 비율이 36.8%로 가장 높았고, 주말발생 비율이 주중발생 비율보다 2.8%p 높았음 ➍ 모빌리티 빅데이터로 코로나 발생 이전(2020년 1월 6일~1월 12일)과 이후(2021년 3월 8일~3월 14일)의 총 통행량 비교 결과, 코로나 발생 이전에 비해 발생 이후의 통행량이 7.4% 감소했고 주말감소율이 주중보다 2.3배 높아 주중은 5.8%, 주말은 13.5% 감소한 것으로 나타났음 ➎ 코로나 발생 전후 모빌리티 패턴 변화는 코로나 발생 이후 MP1(예: 집-직장)의 주중 통행량만 3.1% 증가하였고 이외 모빌리티 패턴 통행량은 모두 감소한 것으로 나타남 (MP2: 주중 10.9% 감소, 주말 16.0% 감소 / MP3: 주중 10.9% 감소, 주말 17.3% 감소)

정책방안 ➊ 모빌리티 빅데이터의 정책활용방안 도출을 위해서는 기본적으로 일 단위 개인통행을 첫 통행(예: 출근), 중간통행(예: 업무), 마지막 통행(예: 퇴근)으로 구분하는 것이 중요함 ➋ 모빌리티 패턴 개념과 유형화 방안 등은 생활기반의 생활인구 개념 도입과 해당 인구규모 추정 등에 활용 가능 ➌ 모빌리티 패턴 시각화 자료는 GPS 기반의 위치정보로 다양한 공간위계별 정책수립 목적에 부합한 기초자료 구축에 활용 가능 ➍ 앱 기반의 모빌리티 빅데이터는 별도의 조사 없이 기종점 통행량 현황 등을 파악할 수 있어 국가교통DB, 예비타당성 조사, 광역교통개선대책 등의 보완자료로 활용 가능