- 프로젝트 개요
- 기술 스택
- 프로젝트 목적 / 필요성
- 요구사항 정의 (UR / SR)
- 데이터베이스 구성 및 출처
- EDA (탐색적 데이터 분석)
- 기능 설명
- 모델 설명 및 성능 평가
- 한계점
- 디렉토리 구조
- 팀 소개
이 프로젝트는 탐색적 데이터 분석(EDA) 을 기반으로, 서울시 공공자전거 서비스인 따릉이의 수요 예측과 신규 대여소 설치 위치 추천 기능을 구현하기 위한 데이터 분석 프로젝트입니다.
📅 프로젝트 기간: 2025.03.24 ~ 2025.03.27
서울시 따릉이는 현재 서울시민 10명 중 4명이 이용할 정도로 일상에 깊숙이 자리 잡은 교통수단이지만, 대여소별 자전거 부족 문제는 여전히 해결되지 않은 과제로 남아 있습니다.
따릉이는 One-Way 방식으로 운영되어, 사용자가 어디서든 대여하고 다른 곳에 반납할 수 있습니다. 이러한 구조로 인해 특정 대여소에서는 공급 부족, 다른 대여소에서는 자전거 과잉 문제가 반복적으로 발생합니다.
| 운영상 문제점 | 설명 |
|---|---|
| 자전거 부족 | 수요 대비 공급이 항상 모자란 대여소 |
| 자전거 과잉 | 자전거가 반납만 되고 회수되지 않는 대여소 |
| 급변 대응 한계 | 특정 시간대 수요 폭증 시 실시간 대응 불가 |
현재는 수량 기준 초과/미달 상황에 따라 자전거를 회수하거나 옮기는 사후적 대응 방식으로만 운영되고 있으며, 이는 예측이 없는 수동적 운영이기 때문에 실시간 수요 변화에 선제적으로 대응하기 어려운 구조입니다.
| 분류 | 기술 | 배지 |
|---|---|---|
| 개발환경 | Linux (Ubuntu) VS Code Jupyter Notebook |
   |
| 언어 | Python |  |
| 데이터 분석 | Pandas Matplotlib Seaborn GeoPandas |
    |
| 모델링 | XGBoost scikit-learn |
  |
| DB | MySQL AWS RDS |
  |
| 시각화 | Folium |  |
| UI | PyQt5 |  |
| 형상 관리 | Git / GitHub |   |
| 협업 도구 | Confluence Jira Slack |
   |
🕒🚲 필요한 시간에, 필요한 곳에
서울시 따릉이 운영의 비효율 문제를 해결하기 위해서는 데이터 기반 수요 예측 모델링과 이를 바탕으로 한 운영 전략 수립이 필요합니다.
- 다양한 요인(기상, 고도, 인구, 교통 등)을 반영한 정교한 수요 예측 모델 구축
- 이를 바탕으로 다음 기능 구현:
- 시간대별·대여소별 수요 예측 → 선제적 자전거 재배치
- 장소 기반 수요 예측 → 신규 대여소 설치 위치 추천
🎯 궁극적인 목표 : "어디에, 언제 자전거가 필요할지"를 예측하여 공공자전거 운영을 더 효율적으로 만드는 것
분석된 User Requirement (UR) 를 바탕으로, 시스템이 구현해야 할 System Requirement (SR) 를 정의하였습니다. 각 SR은 본 프로젝트의 핵심 기능으로 구현되며, 이후 기능 설명 및 모델 설계의 기반이 됩니다.
| User Requirement (UR) | 설명 |
|---|---|
| UR_01 | 특정 대여소의 시간대별 대여량을 예측받을 수 있어야 한다. |
| UR_02 | 신규 대여소 설치에 적합한 위치를 추천받을 수 있어야 한다. |
| System Requirement (SR) | 설명 |
|---|---|
| SR_01 | 시간 및 환경 정보를 기반으로 특정 대여소의 시간대별 대여량을 예측하는 기능 |
| SR_02 | 공간 및 위치 정보를 바탕으로 설치가 필요한 위치를 추천하는 기능 |
서울시 공공자전거 수요에 영향을 미치는 시공간적 요인을 정량적으로 분석하기 위해, 다양한 출처의 데이터를 수집하고 통합하였습니다. 해당 데이터는 EDA, feature 도출, 가설 검증, 모델 input 구성 전반에 직접 활용됩니다.
데이터 수집은 아래와 같은 주요 공공·외부 리소스를 기반으로 진행되었습니다:
- 서울시 열린데이터광장: 따릉이 대여 이력, 생활인구, 상권 정보, 소득 수준, 등고선 데이터
- 기상청 데이터 포털 및 API: 기온, 강수량, 풍속 등 날씨 정보
- 공공데이터포털: 지하철·버스 등 대중교통 이용량
- Google API: 대여소별 고도 정보
데이터베이스는 기능별 분석 목적에 맞춰 모듈형 테이블 구조로 설계되었으며,
예측 모델 학습 및 EDA 분석에 필요한 시점에는 테이블 간 조인 및 전처리를 통해 통합하여 활용합니다.
데이터는 다음과 같이 네 가지 주요 영역으로 분류됩니다:
- 위치 정보: 자치구, 행정동, 대여소 위치 좌표 등
- 수요 데이터: 따릉이 대여량 (월별, 일별, 시간별)
- 시간 기반 feature: 날짜, 요일, 시간대, 공휴일 여부, 기온·강수량 등 날씨 정보
- 공간 기반 feature: 생활인구, 대중교통 접근성, 산업체 수, 고도, 상권 정보 등
수집된 모든 데이터는 AWS RDS MySQL 서버에 저장되며, 그 중에서도 rental 테이블은 2024년 한 해 동안의 전체 이용기록 44,543,263건을 담고 있는 핵심 원천 데이터입니다.
기상, 인구, 교통, 상권 등 외부 데이터 역시 서버 내 별도 테이블로 저장되어 있으며, 각 데이터는 분석 목적에 따라 SQL 쿼리로 개별 추출됩니다.
EDA 분석과 모델 학습에 필요한 데이터는 각 테이블을 SQL로 호출한 뒤 Pandas 기반 DataFrame으로 변환하고, 분석 단계에서 병합 · 전처리 · feature 생성 작업을 수행합니다.
한편, 학습용 데이터셋은 MySQL 서버 내부에서 SQL로 별도로 구축한 학습용 테이블을 활용하며, 이 테이블은 [대여 시각, 대여소 ID]를 Primary Key로 하고, 주요 feature가 전처리된 상태로 포함되어 있어 모델 학습 단계에서는 단순 쿼리 호출만으로 활용이 가능합니다.
📌
rental테이블은 EDA 분석과 학습용 데이터셋 구성의 출발점이며, 전체 분석에서 수요 패턴 이해와 예측 모델 설계의 기반이 되는 중심 테이블입니다.
앞서 정리한 통합 데이터셋(2024년 한 해 동안의 이용 기록 44,543,263건)을 바탕으로, 본 프로젝트에서는 공공자전거 수요에 영향을 주는 요인을 식별하고자 탐색적 데이터 분석(EDA)을 수행하였습니다.
이 과정은 예측 모델링의 기반이 되는 feature selection의 출발점이자, 실제 수요 변화에 영향을 미치는 주요 요인을 확인하기 위한 가설 검증 단계이기도 합니다.
분석은 크게 다음 두 축의 가설로 나누어 진행되었습니다:
“공공자전거의 이용량은 다음과 같은 요인들에 의해 결정될 것이다.”
- 시간 및 환경 feature: 시간대, 기온, 강수량, 습도 등
- 공간 및 위치 feature: 고도, 교통 접근성, 주변 인구, 상업시설 수 등
| 시간 및 환경 특성 | 공간 및 위치 특성 |
|---|---|
| 시간 | 대중교통 근접성 |
| 공휴일 | 대중교통 승하차량 |
| 요일 | 생활인구 |
| 기온 | 산업 및 고용 환경 |
| 강수량 | 소득 |
| 습도 | 상권(주변 점포 수) |
| 풍속 | 자전거 인프라(자전거 도로) |
| 일사량 | 여가 인프라(공원) |
가설에 대한 분석을 통해 수요 예측에 유의미한 features를 도출할 수 있었습니다. 예를 들어, 기온과 강수량은 수요 변화에 큰 영향을 미쳤으며, 고도와 교통 접근성 또한 중요한 features로 확인되었습니다.
이 과정에서 수행된 EDA는 feature selection의 핵심 기준이 되었으며, 도출된 features는 예측 모델의 입력 변수로 활용되었습니다.
XGBoost 모델은 feature 중요도(Feature Importance) 를 자동으로 평가하여, 학습 과정에서 중요도가 낮은 feature를 제거하고 핵심 feature에 집중할 수 있도록 설계되어 있습니다. EDA 단계에서 도출된 feature를 기반으로 학습이 이루어지며, 이는 예측 성능의 최적화에 기여합니다.
- Feature Importance: 각 feature의 중요도를 수치화하여, 불필요한 feature는 자동으로 제외하고 핵심 feature만을 학습합니다. 이를 통해 예측 성능을 극대화할 수 있습니다.
- 모델 해석 가능성: 어떤 feature가 예측 결과에 영향을 미쳤는지를 확인할 수 있어, 결과 해석과 의사결정에 유용합니다.
EDA와 XGBoost는 상호 보완적인 관계에 있습니다. EDA를 통해 도출한 중요한 feature를 기반으로 XGBoost가 학습되며, 이는 예측 정확도 향상에 직접적으로 연결됩니다.
- 시간대, 날씨 등의 feature는 SR_01에서 핵심 입력으로 사용되며, 시간대별 수요 예측의 정밀도를 높이는 데 기여합니다. 예를 들어, 특정 대여소의 시간대별 수요 예측에는 기온, 강수량, 요일, 풍속 등의 feature가 함께 사용되어, 기상 조건 변화에 따른 수요 급감/급증 패턴을 정밀하게 반영할 수 있습니다.
- 고도, 교통 접근성, 생활 인구 등의 공간 기반 feature는 SR_02의 설치 위치 예측 모델에 반영되어, 지역별 상대적 수요 예측을 가능하게 합니다. 예를 들어, 고도가 낮고 대중교통 접근성이 높은 지역은 예측 수요가 높게 나타나는 경향이 있으며, 이는 실제 설치 전략 수립에 활용될 수 있습니다.
- 시간대, 요일, 월별 수요 집계
- 출퇴근 시간, 금요일, 봄/가을에 수요 집중
- 출근(7-9시), 퇴근(17-19시) 시간대에 수요 급등
- 평일 > 주말, 금요일 집중
- 봄/가을 > 여름/겨울
→ SR_01 기능의 주요 feature로 채택
- 기온, 강수량, 습도, 일사량별 수요 변화 분석
- 날씨 API 연동 가능성 검토
- 기온 22도 전후에서 최적 수요
- 강수량 발생 시 수요 급감
- 일사량↑ → 수요↑ / 습도 80%↑ → 수요↓
→ SR_01 기능의 주요 feature로 채택
- 대여소별 고도와 평균 대여량 비교
- 고도↑ → 수요↓
→ SR_02 feature로 채택
- 대여소 ↔ 최근접 대중교통 거리 측정 및 그룹 분석
- 거리↑ → 수요↓
→ SR_02 feature로 채택
- 대여소별 최근접 지하철/버스의 승하차량과 수요 비교
- 가까운 대중교통 이용량↑ → 수요↑
→ SR_02 feature로 채택
- 자치구별 생활인구와 대여소 수요 매핑
- 생활인구↑ → 수요↑
→ SR_02 feature로 채택
- 자치구별 공원 수와 대여량 비교
- 공원 수↑ → 수요↑
→ SR_02 feature로 채택
- 사업체 수, 종사자 수 vs 대여량 (자치구/행정동 단위 분석)
- 산업체 밀집 지역일수록 수요↑
→ SR_02 feature로 채택
- 자치구별 자전거도로 노선 수와 대여량 비교
- 자전거도로↑ → 수요↑
→ SR_02 feature로 채택
- XGBoost 기반 회귀 모델 사용
- 입력: 대여소 ID, 날짜, 시간, 기온, 풍속 등
→ ※ 기상청 API를 통해 오늘 / 내일 / 모레의 예보 데이터를 자동 수집하여 예측에 반영 - 출력: 예상 대여량 숫자 (GUI로 실시간 확인 가능)
- 학습 데이터셋 규모: 8022개 샘플
- 지정된 좌표 범위 내 격자 후보지 생성
- 위치 특성 기반 수요 예측 모델 적용
- 예측값 상위 후보지를 지도에 마커로 시각화
- 입력 예시:
[Input] right_bottom = (37.5600, 126.9700), left_top = (37.5700, 126.9800), limit = 200, n = 3 - 학습 모델: 3-Stage XGBoost 회귀 (저수요 / 중간 / 고수요 구간별 분리 학습)
본 프로젝트는 시간 기반 수요 예측 기능(SR_01) 과 공간 기반 설치 위치 추천 기능(SR_02) 을 중심으로 구성되며,
각 기능의 구현을 위해 XGBoost 기반 예측 모델을 설계하고 학습하였습니다.
예측 성능 평가는 RMSE, MAE, (S)MAPE, R² 등의 지표를 기준으로 수행하였으며, 다음과 같은 결과를 얻었습니다.
해당 기능은 대여소별, 시간대별 수요를 사전에 예측함으로써 자전거의 선제적 재배치를 가능하게 합니다.
이를 구현하기 위해 XGBoost 회귀 모델을 활용하였으며, 다양한 시간 및 환경 feature를 입력 변수로 사용하였습니다.
- 사용한 예측 모델: XGBoost 회귀
- 입력 변수: 날짜, 시간, 기온, 풍속, 강수량, 습도, 고도, 요일 등
- 예측 대상: 시간대별 대여량
| 지표 | 값 |
|---|---|
| RMSE | 9.60 |
| MAE | 6.66 |
| MAPE | 23.24% |
| R² | 0.835 |
- 전체 구간 기준 R² = 0.835, 특히 실수요 구간(실제 대여량 > 10)에서는 R² = 0.860까지 도달
- 주요 시간 및 날씨 feature가 수요 변동을 충분히 설명함을 입증
- 해당 모델은 SR_01 기능을 실현하기에 충분한 수준의 예측 성능을 확보하였으며, 실시간 운영 판단에 활용 가능
해당 기능은 신규 대여소 설치 후보지 중 수요가 높을 것으로 예상되는 위치를 추천하는 기능입니다.
공간 특성 기반의 예측 모델을 활용하여, 각 후보 위치의 상대적 수요 수준을 추정합니다.
- 사용한 예측 모델: 3-Stage XGBoost 회귀 (수요 구간별 분리 학습)
- 입력 변수: 위도, 경도, 고도, 주변 인구, 유동 인구, 교통 접근성, 상업시설 수 등
- 예측 대상: 일 평균 대여 수요 예측값
| 지표 | 값 |
|---|---|
| RMSE | 20.49 |
| MAE | 12.60 |
| MAPE | 41.59% |
| SMAPE | 33.96% |
| R² | 0.761 |
- 3-Stage 구조로 수요 구간(저·중·고)을 분리하여 학습하였으나, 고수요 구간에서는 예측 정확도가 낮은 편
- 특히 특수 입지 조건을 가진 지역은 일반 feature들만으로 설명되기 어려움
- 절대 수요 예측에는 한계가 있으며, 후보지 간 상대적 수요 경향을 비교하는 보조 지표로서 제한적으로 활용 가능
- 입지 전략 수립을 위한 1차적 필터링 지표 또는 참고 자료 수준의 기능을 수행하기에 적합함
Note
그럼에도 불구하고 R² = 0.761이라는 수치는 복잡한 외부 요인을 배제하고도 공간 기반 feature만으로 일정 수준의 수요 분포를 설명할 수 있음을 보여줍니다. 이 결과는 본 모델이 설치 위치 추천 기능의 기반으로서 활용 가능성을 지니고 있으며, 이후 고수요 지역 특성을 보완하거나 민간 데이터를 추가하는 방식으로 정밀도 향상을 기대할 수 있습니다.
👉 이어지는 9. 한계점 에서는 이러한 예측 한계의 원인을 보다 구체적으로 분석하겠습니다.
프로젝트 수행 과정에서 다음과 같은 구조적 한계가 확인되었으며, 이는 모델 성능 및 활용 가능성에 영향을 미쳤습니다.
- 고수요 대여소는 여러 feature가 결합되었을 때 특정 임계치를 초과하며 수요가 급증하는 특성을 보이는 경우가 많음
- 본 프로젝트에서는 XGBoost와 같이 비선형 모델을 사용하였음에도, 이러한 급격한 변화 패턴은 예측에 한계가 존재
- 이는 feature 간 상호작용이 매우 복잡하거나, 데이터 외적 요인(랜드마크, 이벤트 등)이 작용하기 때문일 수 있음
📌 시사점:
고수요 대여소의 수요를 정밀하게 예측하기 위해서는 기존 feature 외에도 장소 특수성을 반영할 수 있는 외부 요인(POI, 이벤트, 인지도 등) 을 추가하거나, 복합적인 패턴을 더 효과적으로 학습할 수 있는 고차원 모델 구조가 필요할 수 있음
- 공공 API는 시간·공간 해상도가 낮은 경우가 많음
- 이로 인해 세밀한 위치 기반 패턴 분석 및 시간대별 변화 감지에 제약 발생
- 의도했던 ‘행정동 단위’ 수준의 분석이 어려워 자치구 단위로 분석 수준을 낮춰야 했던 사례 존재
- 다양한 데이터 간 좌표계 불일치, 행정동 코드 매핑 오류 등으로 인해
데이터 병합 및 정제가 자동화되지 않고 수작업 보정이 많이 요구됨
- 유동 인구, 상권, 통행량 등 공공데이터는 민간에 비해 해상도와 최신성이 떨어지는 경우 많음
- 이는 예측 정밀도를 떨어뜨리는 요소로 작용
- 민간 API(카카오, Tmap, SKT 유동인구 등)와의 연계를 통한 보완이 필요
📌 시사점:
본 프로젝트의 예측 성능 및 분석 정밀도는 공공데이터 품질과 해상도에 직접적으로 영향을 받습니다. 향후에는 민간 데이터 연계 및 공공데이터 고도화를 통해 정밀도를 향상시킬 필요가 있습니다.
본 프로젝트는 기능 단위로 다음과 같은 3개 상위 디렉토리로 구성되어 있으며,
각 디렉토리는 데이터 수집, 분석, 서비스 구현이라는 주요 흐름에 따라 역할이 분리되어 있습니다.
📦 Project Root
├── data_collection # 공공데이터 수집 및 전처리 스크립트
├── data_analysis # 데이터 탐색, feature 분석, EDA 시각화
├── service # 예측 모델 학습 및 사용자 기능 구현 (SR_01 / SR_02)
공공데이터 및 외부 API를 활용한 데이터 수집과 전처리 코드가 포함된 폴더입니다.
수요 패턴 분석, 시각화, feature selection 등 탐색적 분석(EDA)을 위한 코드가 포함되어 있습니다.
실제 예측 모델 학습은service폴더에서 별도로 수행됩니다.
예측 모델 학습, 추론, 사용자 기능(SR_01, SR_02) 구현을 포함하는 핵심 실행 디렉토리입니다.
📌 전체 프로젝트는 데이터 수집 → 탐색적 분석 → 기능 구현 및 학습의 흐름으로 구성되어 있으며, 기능별 유지보수와 역할 분리가 용이하도록 설계되어 있습니다.
| 이름 | GitHub | 역할 |
|---|---|---|
| 장진혁 |
|
프로젝트 기획 및 총괄 DB 설계, 구축, 관리 실시간 수요 예측 시스템 개발 (SR_01) 설치 위치 추천 시스템 개발 (SR_02) |
| 이름 | GitHub | 역할 |
|---|---|---|
| 김대인 |
|
날씨 데이터 수집·분석·시각화 DB 시각화, 관리 보완 백엔드 기능 개발: SQL, 고도/거리 계산, API 연동 |
| 김민수 |
|
대중교통 접근성 지표 설계 교통 이용량 분석 및 상관관계 검증 문서 통일, 코드 정리, 배포 전 검토 |
| 김범진 |
|
분석 가설 수립 공공데이터 수집 및 정제 데이터 분석 및 시각화 |