[논문 리뷰] OpenStreetCab: Exploiting Taxi Mobility Patterns in New York City to Reduce Commuter Costs

Vsevolod Salnikov, Renaud Lambiotte외 2명|arXiv (Cornell University)|2015. 03. 10.

Human Mobility and Location-Based Analysis참고 문헌 2인용 수 21

한 줄 요약

이 논문은 공개된 2013년 뉴욕 시티 택시 데이터와 우버의 API를 사용하여 뉴욕 시티의 노란 택시와 우버 X 간 실시간 택시 요금을 비교하는 모바일 애플리케이션인 OpenStreetCab을 제안한다. 분석 결과, 노란 택시는 평균적으로 우버 X보다 1.40달러 저렴하며, 특히 35달러 이하의 짧은 거리 이동에 있어 유리하다. 이는 우버의 요금 체계가 도시 이동 패턴에서 짧은 거리 이동의 빈도가 높다는 점을 악용하고 있음을 보여준다.

ABSTRACT

The rise of Uber as the global alternative taxi operator has attracted a lot of interest recently. Aside from the media headlines which discuss the new phenomenon, e.g. on how it has disrupted the traditional transportation industry, policy makers, economists, citizens and scientists have engaged in a discussion that is centred around the means to integrate the new generation of the sharing economy services in urban ecosystems. In this work, we aim to shed new light on the discussion, by taking advantage of a publicly available longitudinal dataset that describes the mobility of yellow taxis in New York City. In addition to movement, this data contains information on the fares paid by the taxi customers for each trip. As a result we are given the opportunity to provide a first head to head comparison between the iconic yellow taxi and its modern competitor, Uber, in one of the world's largest metropolitan centres. We identify situations when Uber X, the cheapest version of the Uber taxi service, tends to be more expensive than yellow taxis for the same journey. We also demonstrate how Uber's economic model effectively takes advantage of well known patterns in human movement. Finally, we take our analysis a step further by proposing a new mobile application that compares taxi prices in the city to facilitate traveller's taxi choices, hoping to ultimately to lead to a reduction of commuter costs. Our study provides a case on how big datasets that become public can improve urban services for consumers by offering the opportunity for transparency in economic sectors that lack up to date regulations.

연구 동기 및 목표

• 공개된 이동 및 요금 데이터를 활용하여 뉴욕 시티에서의 노란 택시와 우버 X의 비용 효율성을 비교하는 것.
• 우버의 요금 체계가 인간 이동 패턴, 특히 짧은 거리 이동의 빈도 높은 특성에 어떻게 악용되는지 조사하는 것.
• 실시간 가격 비교를 통해 승객이 가장 저렴한 택시 서비스를 선택할 수 있도록 실용적인 모바일 애플리케이션을 개발하는 것.
• 소비자가 정보에 기반한 결정을 내릴 수 있도록 개방형 데이터를 활용해 도시 교통 요금 투명성을 증진하는 것.
• 빅데이터가 어떻게 정보 기반 의사결정을 통해 도시 서비스를 향상시키고 통행비를 절감하는지 보여주는 것.

제안 방법

• 2013년 뉴욕 시티 노란 택시 이동 기록을 담은 종단적 데이터셋을 사용하며, 이는 출발지/도착지 좌표와 총 요금(팁 포함)을 포함한다.
• 각 이동에 대해, 동일한 출발지-도착지 쌍에 대해 우버의 API를 통해 우버 X 서비스의 예상 요금을 비교한다.
• 우버의 API는 가격 범위를 반환하며, 최소값과 최대값의 평균을 사용해 비교한다.
• 100m×100m 격자 셀을 활용한 공간 색인 시스템을 통해 사용자 쿼리에 대해 유사한 이동을 데이터셋에서 효율적으로 검색할 수 있다.
• OpenStreetCab 앱은 지리정보를 활용해 데이터셋 내 근처의 택시 이동을 찾고, API를 통해 해당 위치의 우버 X 요금 예측을 획득한다.
• 시스템은 실시간 가격 비교를 제공하며, 향후 시간대 및 교통 상황 고려 요금 예측 기능을 계획 중이다.

실험 결과

연구 질문

• RQ1 동일한 출발지-도착지 쌍에 대해, 뉴욕 시티의 노란 택시 요금과 우버 X 요금은 어떻게 비교되는가?
• RQ2 우버의 요금 체계는 짧은 거리 도시 이동 패턴의 통계적 규칙성에 얼마나 깊이 활용되는가?
• RQ3 실시간 택시 요금 비교가 가능한 모바일 애플리케이션이 도시 환경에서 통행비 절감에 기여할 수 있는가?
• RQ4 이력 택시 데이터와 실시간 API 쿼리를 기반으로 한 요금 예측 시스템의 정확성과 확장성은 어느 정도인가?
• RQ5 개방형 데이터는 도시 이동 서비스의 투명성과 경쟁을 증진하는 데 어떤 역할을 할 수 있는가?

주요 결과

• 중위 요금 비교를 바탕으로, 노란 택시는 동일한 이동에 대해 평균적으로 우버 X보다 1.40달러 저렴한 것으로 나타났다.
• 35달러 이하의 70% 이상의 이동에서 우버 X가 노란 택시보다 더 비싸며, 짧은 거리 이동에 있어 비용적 열세가 있음을 시사한다.
• 뉴욕 시티의 평균 이동 거리는 2.09킬로미터로, 도시 이동 패턴에서 짧은 거리 이동의 지배적 특성을 반영한다.
• 연구는 인간 이동 패턴이 이동 거리 분포가 긴 尾(heavy-tailed) 특성을 띠는 데서 비롯되며, 이는 짧은 거리에 대해 높은 기본 요금을 부과하는 우버의 요금 체계가 이를 유리하게 활용한다는 점을 확인한다.
• OpenStreetCab 프로토타입은 이력 택시 데이터와 실시간 우버 API 쿼리를 조합하여 실시간 요금 비교를 성공적으로 시연하였다.
• 이 애플리케이션은 모바일 플랫폼에 배포 가능하며, 통행비를 고려한 교통 수단 선택을 위한 기능적인 도구를 제공한다.