포스트 코로나 시대의 대중교통 운영을 위한 도시교통 수요 변화의 시공간적 데이터 분석

• 대구광역시 2020년 상반기 사례를 중심으로

목차

1. 주제 선정 배경
2. 활용 데이터
3. 분석 목표
4. 분석 시각화 및 설명
5. 해석 및 결론

팀원 및 역할

• 김진우
  • 데이터 분석
  • 시각화
  • 데이터 전처리
• 강민경
  • 데이터 분석
  • 시각화
  • 문서 작업
• 이윤우
  • 데이터 분석
  • 시각화
  • 발표
• 성아연
  • 통계처리
  • PPT
  • 데이터 분석

개발환경

• 운영체제
  • window 10
• 개발도구
  • anconda
• 개발언어
  • python
• 라이브러리
  • numpy, pandas (전처리), seaborn, matplobli, folium (시각화), sklearn(모델)

1. 주제 선정 배경

• 브레인 스토밍을 통한 아이디어 구상 및 자료 서칭

2. 활용 데이터

• 국도교통정보 교통카드
  • 시도코드, 시간, 시군구코드, 읍면동코드, 이용지역코드, 발생통행인원
• 코로나19 데이터
  • 감염경로, 환자정보, 정책
• 대구광역시 지역별 건축물 데이터
  • 소매점, 사무소, 종교집회장
• 인구수 데이터
  • 주민등록번호, 나이대, 인구수
• 국토굥정보 교통카드 데이터는 프로그램에서 메모리 부족으로 코드를 실행하지 못하자 데이터를 읽어와서 모두 저장하는 접근 하는 것이 아니라 데이터를 한 줄씩 접근(메모리에 적재할 필요 x)
  • 읽은 데이터 중에서 대구광역시 데이터만 새로운 파일에 저장

3. 분석 목표

• 코로나로 인해 대중교통 이용량이 전박적으로 감소했는데, 동네 특성별, 시간대별로 이용량의 변화가 다르게 나타났을 것이다.(가설)
  • 분석 방법 설정 : 동별, 시간대별 대중교통 이용변화량 확인

4. 분석 시각화 및 설명

5. 해석 및 결론