안녕하세요 저번 개인 프로젝트 소개에 이어
다시 돌아온
브라이틱스 서포터즈 3기 이상민입니다.
먼저 주제를 바꿔 죄송하다는 점을 말씀 드리고 싶고,
다른 주제를 진행하게 되어 양해를 구합니다 ㅠㅠ
저번에 제가 설정한 주제는
카도소비 데이터를 활용한 고객 세분화 및
재구매주기 예측인데요.
카드 데이터를 확보함에 있어서
개인의 인적정보를 활용하여
침해할 수 있기에 카드 데이터는
공공연하게 쓸 수 없을 것 같습니다.
이에 따라 개인의 정보를 침해하지 않는 선에서
진행할 수 있는 주제를 다시 정해보았는데요.
그럼 주제를 다시 알아보러 가볼까요?
주제 소개
제주 테크노파크 제주도 도로 교통량 예측
해당 주제는 데이콘에서 진행중인데요.
요즘 자동차의 이용량이 많아지고,
관광객들의 증가로 제주도의 교통 문제점이 부각되고 있습니다.
실제로 제주도에서 렌트를 빌렸을 때,
예전에 비해 교통체증이 심하다는 것을 느꼈는데요.
이에 따라 교통량을 예측하는 모델을 만들어,
교통 문제점을 해소하는 프로젝트를 진행하고자 합니다.
더불어 AI분야에서 데이콘은 많은 사람들이 참여하고 있는데요.
코드를 공유하고 정보를 알리는 시스템이 있어,
이 점을 브라이틱스로 활용해서 모델을 구현해 나간다면
브라이틱스를 많은 사람들에게 더 많이 알릴 수 있다고 생각합니다.
데이터 소개
먼저 데이터를 살펴보자면
위와 같은 변수들이 설정되어 있습니다.
여기서 예측값은 평균속도인데요.
이 평균속도에 영향을 주는 변수들을 만들고
수치형 변수이기 때문에 회귀 모델을 구현해서
검증을 진행하고자 합니다.
자료조사
해당 주제는 도로 교통 및 속도에 영향을 주는
유의미한 변수들을 만드는 것이 생명인데요.
이 점을 파악하고자
기본적인 자료조사를 진행했습니다.
출처 : UTIS 자료를 활용한 도로구간 통행속도 예측 모형 개발
실제 통행속도에 유의미한 영향을 주는 변수들을 살펴보아을 때,
중앙분리시설과 같은 시설에 대해 유의미한
상관관계를 보였는데요.
이 점을 착안하면 좋을 것 같다고 생각하였습니다.
또한 딥러닝의 기본모델인
CNN과 LSTM을 활용해서
5분단위로 예측한 모델인데요.
시계열적인 특성을 활용하는 것이 핵심 포인트인 것 같습니다.
뿐만 아니라 교통속도라는 것이
사고에 밀접한 영향이 있을 것 같다는 뉴스를 보았는데요.
이 점들을 총체적으로 합하여
도로교통속도를 예측하는 모델을 구현해보고자 합니다.
분석 일정
앞서 세운 프로젝트의 일정을
살짝 변동시켜서 다시 세워보았는데요.
최대한 해당 주차에 기본적으로 끝내고
유동적으로 변화를 주면서
진행해 나가고자 합니다.
10월 5일 ~ 10월 11일 : 주제 선정 및 데이터 확보
10월 12일 ~ 10월 18일 : 데이터 전처리 및 통합
10월 19일 ~ 10월 25일 : 자료조사 및 변수 생성
10월 26일 ~ 11월 1일 : 예측 모델 구현 및 실험 걸증
11월 2일 ~ 11월 8일 : 활용방안 제시 및 결과 정리
11월 9일 ~ 11월 15일 : 제출 및 평가
위와 같이 세워보았습니다.
주제가 바뀐만큼
더욱 열심히 프로젝트에 참여하여
유의미한 결과를 내고
브라이틱스 스튜디오를
많은 사람들한테 알리도록 하겠습니다.
지금까지 삼성 SDS Brightics 서포터즈 3기 이상민이었습니다!
귀한 시간 내어 읽어주셔서 감사합니다.
* 본 포스팅은 삼성SDS Brightics 서포터즈 3기 활동의 일환으로 작성하였습니다.
'삼성 SDS Brightics' 카테고리의 다른 글
최근댓글