[논문 리뷰] Micromobility in Smart Cities: A Closer Look at Shared Dockless E-Scooters via Big Social Data

Yunhe Feng, Dong Zhong외 5명|arXiv (Cornell University)|2020. 10. 28.

Human Mobility and Location-Based Analysis참고 문헌 11인용 수 25

한 줄 요약

이 연구는 2018년 10월부터 2020년 3월까지 580만 건의 지리적 태그가 부착된 스쿠터 관련 트윗과 144,197장의 이미지를 활용하여 스마트 시티에서의 공유형 도킹이 없는 전기 스쿠터 사용에 대해 대규모이고 다차원적인 분석을 수행한다. 빅데이터 소셜 데이터 분석을 통해 공간-시간적 사용 패턴을 분석하고, 주요 이해관계자(이용자, 급작스러운 노동자, 기업)를 특정하며, 부상 및 주차 행동을 조사하고 정서 분석을 수행한 결과, 남성 이용자가 65.14%, 여성 이용자가 34.86%로 성별 격차가 확인되었으며, 부적절한 주차 비율이 62.61%에 이르렀고, 안전 우려에도 불구하고 주로 긍정적인 대중의 정서가 드러났다.

ABSTRACT

The micromobility is shaping first- and last-mile travels in urban areas. Recently, shared dockless electric scooters (e-scooters) have emerged as a daily alternative to driving for short-distance commuters in large cities due to the affordability, easy accessibility via an app, and zero emissions. Meanwhile, e-scooters come with challenges in city management, such as traffic rules, public safety, parking regulations, and liability issues. In this paper, we collected and investigated 5.8 million scooter-tagged tweets and 144,197 images, generated by 2.7 million users from October 2018 to March 2020, to take a closer look at shared e-scooters via crowdsourcing data analytics. We profiled e-scooter usages from spatial-temporal perspectives, explored different business roles (i.e., riders, gig workers, and ridesharing companies), examined operation patterns (e.g., injury types, and parking behaviors), and conducted sentiment analysis. To our best knowledge, this paper is the first large-scale systematic study on shared e-scooters using big social data.

연구 동기 및 목표

• 실시간 소셜 미디어 데이터를 활용하여 주요 도시에서 공유형 도킹이 없는 전기 스쿠터 사용의 공간적·시간적 역학을 이해하기 위해.
• 소셜 미디어 참여를 통해 이용자, 급작스러운 노동자, 라이드셰어링 기업을 포함한 주요 이해관계자를 식별하고 프로파일링하기 위해.
• 공동체에서 수집한 데이터를 통해 부상 유형, 주차 행동, 규제 문제와 같은 운영 과제를 조사하기 위해.
• 텍스트, 시각적 자료, 이모티콘 신호를 활용하여 전기 스쿠터 공유 서비스에 대한 대중 인식에 대한 종합적인 정서 분석을 수행하기 위해.
• 빅데이터 소셜 데이터를 활용한 첫 대규모 체계적 연구를 제공하여 도시 계획가 및 정책 입안자에게 실질적인 통찰을 제공하기 위해.

제안 방법

• 2018년 10월부터 2020년 3월까지 트위터 스트리밍 API를 통해 '스쿠터' 또는 스쿠터 이모티콘을 포함한 영어 트윗 580만 건을 수집하였다.
• 도시 수준과 시간대 수준에서 트윗 분포에 대해 다중 해상도 지리공간 및 시간 분석을 수행하여 사용 추세를 식별하였다.
• 주제 모델링(LDA)과 해시태그 분석을 적용하여 규제, 부상, 시장 점유율 등을 포함한 12개의 주요 토론 주제를 추출하고 분류하였다.
• 컴퓨터 비전 및 이미지 인식 기술을 활용하여 사용자가 업로드한 144,197장의 이미지에서 전기 스쿠터 브랜드 로고를 탐지하여 시장 점유율을 추정하고 주차 및 훼손 행동을 평가하였다.
• 텍스트 블롭의 정서 점수, 얼굴 이모티콘, 이모티콘을 사용하여 정서 분석을 수행하여 대중 정서를 긍정, 중립, 부정으로 분류하였다.
• 앱 스크린샷 분석을 텍스트 및 GPS 데이터와 결합하여 평균 이동 시간과 비용을 추정하고, 부상 유형 및 주차 위치를 분류하였다.

실험 결과

연구 질문

• RQ1 트윗 수와 지리적 분포 측면에서 스쿠터 사용 패턴은 도시 간 및 시간에 따라 어떻게 다를까?
• RQ2 소셜 미디어에서 공유형 스쿠터에 대해 소비되는 주요 토론 주제는 무엇이며, 이해관계자, 운영, 감정과는 어떤 관련이 있는가?
• RQ3 소셜 미디어 자가 보고 기반으로 스쿠터 이용자의 성별 구성은 어떻게 되며, 정의와 접근성에 어떤 함의를 지닌다?
• RQ4 사용자가 보고한 주요 부상 유형과 주차 행동은 무엇이며, 지역에 따라 어떻게 다를까?
• RQ5 전반적인 대중 정서는 어떠한가, 언어적 신호(단어, 이모티콘, 이모티콘)는 긍정적 또는 부정적 인식을 어떻게 반영하는가?

주요 결과

• 미국, 뉴질랜드, 호주에서는 스쿠터 관련 트윗 수가 감소하는 추세를 보였고, 캐나다와 인도는 사용 증가 추세를 보였으며, 영국은 안정된 수준을 유지하였다.
• 소셜 미디어 데이터 기반으로 스쿠터 이용자의 성별 격차가 확인되었으며, 남성 이용자가 65.14%, 여성 이용자가 34.86%였다.
• 전체 스쿠터의 62.61%가 부적절하게 주차되었으며, 이 중 34.78%는 보도를 차단했고, 17.39%는 다른 잘못된 지역에 주차되었고, 5.65%는 훼손되었으며, 4.78%는 실내에 주차되었다.
• 가장 흔한 부상 부위는 다리와 발(49.67%)이었고, 뒷부분과 손(27.45%)이 뒤를 이었고, 두통(22.88%)이 세 번째로 많았으며, 얼굴에 부상당한 경우는 5.88%였다.
• 대중 정서는 주로 긍정적이었으며, 부정적 정서 점수보다 긍정적 정서 점수의 사용 빈도가 3.48배 높았고, 가장 자주 사용된 얼굴 이모티콘은 눈물 흘리는 기쁨의 이모티콘(😂)이었다.
• 스쿠터 앱 스크린샷 데이터 분석을 통해 평균 이동 비용은 3.00달러, 평균 이동 시간은 12.5분으로 추정되었다.