1
빅데이터 활용한 공영주차장 분류와 주차수요 추정 방법론

연구진

요약

목차

01 연구의 개요
1_연구배경 및 목적 15
2_연구내용 및 방법 17

02 기존 연구 및 방법론 검
1_주차장 수요추정 방법론 검 20
2_빅데이터 활용 방법론 검토 25

03 빅데이터 수집 및 정제
1_주차실적 데이터 수집 및 정제 30
2_상권 데이터 수집 40
3_용도지역별 면적 데이터 수집 59
4_기타 영향권 데이터 수집 61

04 시계열 군집분석을 활용한 공영주차장 분류
1_시계열 군집분석 방법론 68
2_시계열 군집분석 수행 73
3_시계열 군집분석 결과 77
4_시계열 군집분석 결과의 타당성 검증 93

05 기계학습을 활용한 공영주차장 수요추정
1_기계학습 방법론 97
2_앙상블 기법과 분위수 회귀분석 수행 103
3_앙상블 기법과 분위수 회귀분석의 분석 결과 115

06 결론
1_주요 결과 118
2_정책 제언 및 기대효과 122
3_향후 연구 124

부록

참고문헌

Abstract

표 목차
[표 1-1] 사업추진 주체별 공영주차장 조성사업 실적 15
[표 2-1] 서울공공투자관리센터 공영주차장 수요추정 방법론 연구 20
[표 2-2] 주차장 수요추정 관련 기존 연구 22
[표 2-3] 빅데이터 활용 교통분야 연구 사례 25
[표 2-4] 빅데이터 활용 도시공간분야 연구 사례 27
[표 3-1] 실시간 입·출차 기록 데이터 예시 31
[표 3-2] 실시간 주차가능면수 데이터 예시 33
[표 3-3] 현장조사를 통한 주차실적 자료의 신뢰성 검증 예시 36
[표 3-4] 우리마을가게 상권분석 서비스의 대시민 서비스와 정책활용 서비스 41
[표 3-5] 서울신용보증재단 가상화공간의 GIS 목록 47
[표 3-6] 서울신용보증재단 가상화공간의 DM 목록 48
[표 3-7] 서울신용보증재단 가상화공간의 DW 목록 49
[표 3-8] 이 연구에서 활용할 서울신용보증재단 가상화공간의 데이터 목록 52
[표 3-9] 주차장 영향권 설정 관련 법령 59
[표 3-10] 주차장 영향권 내 용도지역별 면적 분포 현황 예시 60
[표 3-11] 영향권 내 대중교통 시설 분포 현황 예시 62
[표 3-12] 영향권 내 경쟁 주차장 분포 현황 예시 64
[표 3-13] 분석 대상 공영주차장 5분당 주차 요금 65
[표 4-1] 12번의 시계열 군집분석 결과 종합 89
[표 4-2] 4개 군집의 영향권 용도지역 평균 면적 93
[표 4-3] 군집별 세부 주거지역 면적 비율 94
[표 4-4] 군집별 세부 상업지역 면적 비율 94
[표 5-1] 기계학습 방법론별 설명력과 예측력 비교 115

그림 목차
[그림 1-1] 연구흐름도 18
[그림 3-1] 실시간 입·출차 기록 데이터 형식 변환 개념도 34
[그림 3-2] 시간대별 점유면수 비교 예시 35
[그림 3-3] 68개 주차장의 시간대별 주차점유면수 현황 그래프 예시(10분 단위, 1주일 간격) 38
[그림 3-4] 주차장별 분석 대상 기간 선정 예시 39
[그림 3-5] 정책활용서비스 항목 43
[그림 3-6] 우리마을가게 상권영향력분석 리포트(영향권 예시) 45
[그림 3-7] 우리마을가게 상권영향력분석 리포트(인구현황) 45
[그림 3-8] 서울신용보증재단 가상화 공간 접속 완료 페이지 46
[그림 3-9] 서울신용보증재단 가상화공간의 DW 데이터 변환 전 모습 53
[그림 3-10] R(위)과 Python(아래)을 이용하여 데이터를 변환하는 모습 53
[그림 3-11] R과 Python을 이용하여 변환된 DW 데이터의 최종 정리 모습 54
[그림 3-12] GIS 위에 68개 주차장에 대한 좌표 설정 55
[그림 3-13] 영향권 설정(좌) 및 영향권 내의 블록 교차영역 설정(우) 55
[그림 3-14] 추출된 블록의 적정성 확인(방음언덕형 공영주차장) 56
[그림 3-15] 추출된 블록의 적정성 확인(개포동공원 공영주차장) 56
[그림 3-16] QGIS에서 추출된 데이터 현황 57
[그림 3-17] 추출된 데이터 내용 58
[그림 3-18] 공영주차장 영향권 내 대중교통 시설 분포 현황 예시 62
[그림 3-19] 공영주차장 영향권 내 경쟁 주차장 분포 현황 예시 63
[그림 4-1] K-means 군집분석의 개념 70
[그림 4-2] 유클리디언 매칭과 DTW 매칭 비교 71
[그림 4-3] soft DTW의 개념 72
[그림 4-4] 군집분석 라이브러리 설치 및 데이터 로딩(예시) 73
[그림 4-5] 군집분석을 위한 데이터 형식 변환(예시) 74
[그림 4-6] 주차장별 주차실적 데이터 시각화(예시) 75
[그림 4-7] 군집분석 예시(Euclidean K-means, K=2) 76
[그림 4-8] Euclidean K-means 군집분석 결과(K=2) 77
[그림 4-9] DTW K-means 군집분석 결과(K=2) 78
[그림 4-10] soft DTW K-means 군집분석 결과(K=2) 79
[그림 4-11] K-shape 군집분석 결과(K=2) 80
[그림 4-12] Euclidean K-means 군집분석 결과(K=3) 81
[그림 4-13] DTW K-means 군집분석 결과(K=3) 82
[그림 4-14] soft DTW K-means 군집분석 결과(K=3) 83
[그림 4-15] K-shape 군집분석 결과(K=3) 84
[그림 4-16] Euclidean K-means 군집분석 결과(K=4) 85
[그림 4-17] DTW K-means 군집분석 결과(K=4) 86
[그림 4-18] soft DTW K-means 군집분석 결과(K=4) 87
[그림 4-19] K-shape 군집분석 결과(K=4) 88
[그림 4-20] Euclidean K-means의 SSE 90
[그림 4-21] Euclidean K-means(K=4) 군집분석을 통한 주차장 유형 구분 92
[그림 5-1] 데이터 불러오기(앙상블 기법) 103
[그림 5-2] 학습 데이터와 평가 데이터의 비율 지정(앙상블 기법) 104
[그림 5-3] 환경 설정(앙상블 기법) 104
[그림 5-4] 모델 비교(앙상블 기법) 105
[그림 5-5] 모델 튜닝(앙상블 기법) 106
[그림 5-6] 앙상블 기법 중 blend model 수행 107
[그림 5-7] 앙상블 기법 중 stack model 수행 107
[그림 5-8] 앙상블 기법의 best model 수행 107
[그림 5-9] 전체 학습 데이터에 대한 학습을 다시 진행(앙상블 기법) 108
[그림 5-10] 평가 데이터 평가(앙상블 기법) 108
[그림 5-11] 데이터 불러오기(분위수 회귀분석) 109
[그림 5-12] 학습 데이터와 평가 데이터의 비율 지정(분위수 회귀분석) 109
[그림 5-13] 환경설정(분위수 회귀분석) 110
[그림 5-14] 모델 설정(분위수 회귀분석) 111
[그림 5-15] 분위수 회귀분석(Quantile Regression) 수행 112
[그림 5-16] 전체 학습 데이터에 대한 학습을 다시 진행(분위수 회귀분석) 113
[그림 5-17] 최종 모델에 대한 Feature importance(분위수 회귀분석) 114
[그림 5-18] 평가 데이터 평가(분위수 회귀분석) 114
[그림 5-19] 앙상블 기법에 의한 주차수요 추정결과의 산점도 116
[그림 5-20] 분위수 회귀분석에 의한 주차수요 추정결과의 산점도 116