빅데이터 캠퍼스 컨퍼런스 자료집(2016.7.14)

Contents
행사 개요 3
세션1 빅데이터를 활용한 서울시 혁신 사례
<발표1> 서울시 빅데이터 분석 활용 사례 5
<발표2> 빅데이터 분석결과를 활용한 교통시설 개선 19
세션2 빅데이터 재사용
<발표1> 빅데이터 프로젝트의 성공을 위한 가이드라인 47
<발표2> 사회혁신을 위한 창업 기업에의 빅데이터 기술 지원 사례 63
<발표3> 시각적인 방법을 통한 공공 빅데이터 활용 사례 89
세션3 빅데이터캠퍼스 활용
<발표1> 캠퍼스를 활용한 분석(캠퍼스 소개 및 데이터 설명) 105
<발표2> 빅데이터 자치구 과제분석 사례발표 123
3
행사개요
프로그램
(캠퍼스소개및데이터설명)

서울시
빅데이터 분석
활용 사례
김기병
서울시 통계데이터 담당관
- 현)서울시 통계데이터담당관
- 휴렛패커드 수석컨설턴트,마케팅매니저
- LG전자 그룹장, 수석연구원
[세션1] 빅데이터를 활용한
서울시 혁신 사례
발표1

7
0 / 21
김기병
빅데이터 기반의 공공 서비스 혁신
- 서울시 사례를 중심으로 -
2016. 7. 14
서울특별시 통계데이터담당관
e-mail: pskbkim@gmail.com
1 / 21
Contents
1. Introduction
2. Big data story of Seoul
- Data to communication
- Communication to collaboration
- Collaboration to innovation
3. What Seoul has learned
4. Direction

8 9
5 / 21
분야 과제 기간 목표 성과/예상성과
교통 심야버스 노선 수립 `13.1H 노선 수립, 최적화
최적노선 기반, 주간 대비 1% 이하의
버스 투입으로 시민 수요 42% 대응
(daytime buses >7,000)
교통
어린이,노약자보호를
위한 교통사고 분석
`14.2H 교통사고 감소 정책 수립
3년간 교통사고 50% 줄이기
교통사고 선제적 대응(성북구)
교통 택시 분석 `14.2H 증차 없이 택시 승차 기회 확대
증차 없이 심야시간 택시 공급
5% 확대
복지
인생이모작센터
입지분석
`14.1H 인생이모작센터 최적입지 선정 최적 입지 선정(활용도 제고)
복지
노인여가복지시설
입지분석
`14.1H
노인여가복지시설 최적입지
선정
최적 입지 선정(활용도 제고)
복지 장애인콜택시 분석 `14.2H 장애인 콜택시 대기시간 감소
증차없이 콜택시 대기시간 10% 감소
(27분 -> 23분)
행정 시정홍보물 위치 선정 `14.1H 시정홍보물 효율 및 효과 확대 홍보물,홍보부스 활용률 확대
행정
무인민원발급기
입지선정
`14.2H 무인민원발급기 활용도 제고
제한된 무인민원발급기 설치로
활용도 극대화
관광
외국인관광객 유동인구
분석
`14.1H 외국인관광객 확대 외국인 관광객 방문 확대
서울시 빅데이터 분석 성과/예상 성과(일부)
3
2013
1
2015
15
2014
10
빅데이터 분석 추진 경과
2016.1H
23
• Analytics
• Transportation
• Understanding
• Predictive analysis
• Safety, Welfare, Economy
• Innovation
2 / 21
https://www.youtube.com/watch?v=5qAqrY0qGGg
4 / 21
서울시의 빅데이터 분석 과제들
심야버스 노선 최적경로 분석
‘13.06~
‘13.07
인생이모작지원센터 입지 분석
‘13.10~
’14.02
노인여가복지시설 입지분석
‘13.10~
’14.02
시정홍보물 위치 분석
‘13.10~
’14.02
관광객 소비패턴 분석
‘13.10~
’14.02
무인 민원 발급기 입지분석
‘14.11~
’15.02
택시 운행 데이터 분석
‘14.07~
‘15.02
교통약자를 위한 교통사고 분석
‘14.07~
‘15.03
장애인 콜택시 운영 컨설팅
‘14.07~
‘15.07
우리마을 가게상권 분석서비스
‘14.10~
‘15.10
공공WiFi 적정위치 분석
‘15.04~
‘15.07
지역축제 효과분석
‘15.10~
‘16.05
장애인 이동권 분석
‘15.10~
‘16.05
결핵환자 특성분석
‘15.10~
‘16.05
마을버스 노선 최적화 분석
‘15.10~
‘16.05
교통안전 표지판 효과성 분석
‘15.10~
‘16.05
교통사고 다발지역 분석
‘15.10~
‘16.05
주정차 문제 분석
‘15.10~
‘16.05
‘ 신촌 물총축제 분석
‘15.10~
‘16.05
1
1
1
1
1
1
1
1
1
2
2
2
2
2
3
4
3
3
3
1
2
3
4
교통, 안전
입지분석
경제,소상공인보호
의료,환경,복지
Predictive analysis

10 11
9 / 21
Demand driven communication based on Citizen’s needs
데이터를 통한 시민 협업
IoTtoopenAPI(real timedata)
7 / 21
데이터 기반의 소통
1
- Open documents
- Open data
- Integration & visualization
2
3 Deploy by data
-Late night bus routes
-Taxi analysis
-Reduction of car accidents
Listen to the citizen
Open information
-m Voting, mobile complaint app
-“120” call center
-Big data analysis
6 / 21
Data to Communication
8 / 21
Communication to Collaboration

12 13
13 / 21
(Case) Bus problems  Data problems
1. Where are the passengers
in the mid-night?
2. Where do they want to go?
Data problemsNight bus problems
3 billion mobile call data
Set-up night bus routes for
high demand area
Check # of calls and
call location – home location
11 / 21
Response of the City
No public transportation
in 01:00 AM ~ 05:00 AM
Subway Bus Taxi
“Buses don’t run by the
time I get off work. I
don’t have a car.
I hope there will be
buses available at late
night..!!”
@gu****
Big data story of Seoul
Let’s set-up Late night bus routes
Facing Problems
1.Limited resources
– bus, drivers, budget
2. Where is traffic demand?
Why Late-night bus?
10 / 21
Collaboration to Innovation
12 / 21
접근 방법 – 행정의 문제를 데이터의 문제로 변환
Big data problem definition Modeling Analysis
Night bus routes Routes optimization Finalized routes
Admin. problem(big problem)  Big data problem(small, manageable problem)
Set-up mid-night buses with limited resources Floating population and moving directions of 1,252 cells

14 15
17 / 21
(Case) Festival problems  Data problems
Data problemsFestival Problems
Create more benefit from festivals
(business, participants, brands, etc.)
Effective zones of festivals?
Zone by walking time &
Proper action of each zones
15 / 21
(Case) Taxi for disabled problems  Data problems
1.Reduce waiting time without
increasing no. of taxis
2. Increase utilization of taxis
Data problemsTaxi Problems
-시간대별 가용차량의 활용도 여부를 공급계수 산출 통해 정량적 판단
-교통상황 등 다양한 변수에 의해 처리 시간, 가변적인 건수를 정량화
Reduce waiting time
(more chance to take taxis)
without increasing no. of taxis
Increase supply factor
최소 콜처리 =
승차희망건수(시간별)
투입차량수(시간별)
실제 콜처리 =
𝟔𝟔𝟔𝟔분
평균콜처리 시간
Supply factor = 실제콜처리수 - 최소콜처리수
14 / 21
(Case) Taxi problems  Data problems
1.Provide more taxis without
increasing no. of taxis
2. Increase utilization of taxis
Data problemsTaxi Problems
Vacant rate =
𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 𝒓𝒓𝒓𝒓𝒓𝒓 (𝒕𝒕𝒕𝒕 𝒕𝒕𝒕𝒕 𝒐𝒐𝒐𝒐 𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅)
𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻 𝒓𝒓𝒓𝒓𝒓𝒓(𝒕𝒕𝒕𝒕 𝒕𝒕𝒕𝒕 𝒐𝒐𝒐𝒐 𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅)
Hired rate =
𝑯𝑯𝑯𝑯𝑯𝑯𝑯𝑯𝑯𝑯 𝒓𝒓𝒓𝒓𝒓𝒓(𝒕𝒕𝒕𝒕 𝒕𝒕𝒕𝒕 𝒐𝒐𝒐𝒐 𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅)
𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻 𝒓𝒓𝒓𝒓𝒓𝒓(𝒕𝒕𝒕𝒕 𝒕𝒕𝒕𝒕 𝒐𝒐𝒐𝒐 𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅𝒅)
Provide more taxis
(more chance to take taxis)
without increasing no. of taxis
Decrease vacant rate &
increase hired rate
16 / 21
(Case) Traffic accident problem  Data problems
Data problemsAccident problems
Reduce traffic accident
Decrease accident by 50% in 3 years
유동인구
지하철
입구 유무
횡단보도
유무
교차로
유무
버스정류
장 유무
유동인구
교차로 유무
보행자 교통사고
발생 빈도
.000003***
(β : .214301)
Y(보행자 교통사고 발생빈도)
=상수(.017763) + 유동인구*.000003 + 지하철입구
유무*1.613135 + 횡단보도 유무*.273635 +
교차로유무*.269702 + 버스정류장 유무*.221077
지하철 입구 유무
성북구 보행자 교통사고 발생 영향은 유동인구의 영향이 가장 크며,
다음으로 지하철 역 입구, 횡단보도, 교차로, 버스정류장 유무 순으로 크게 나타남.
교통속도 및 기상의 경우 자료 형식의 한계로 예측 모형에 적용 불가함
.269702***
(β : .096908)
1.613135***
(β :.195819)
버스정류장 유무
횡단보도 유무
.273635***
(β : .146340)
교통속도
기상
.221077***
(β : .091393)

16 17
21 / 21
민관산학을 위한 서울시 빅데이터 캠퍼스
Big Data Analysis Platform`Big Data Cloud
B.D. Collaboration Lab. of Seoul Metropolitan Government
Citizen Research
Institute
Start-up
Duplicate
Virtualization
Partners
Integrated
Analysis
Trans.
16
Facilities 10
Pop. 12
Company 6
Spending
6
Env. 4
Complaint 2
R. est. 4
Loc. 2
Income 1
Big Data
collected by SMG
Closed collaboration space
for Citizen
19 / 21
1.Problem definition is important!
- Try to find problems by analysis? Good question makes good analysis
2. Objective of analysis?
- Quest for pearl in a grain of sand? Analysis without objectives may lead wrong direction
3. Administration problems into data problems
- Much better to analysis data based transformed problem
4. How to model data?
- Analysis raw data? Better to analysis with simplified but problem oriented model/data
5. Focused only on big data analysis?
- Good insights are sometimes coming from traditional data analysis.as well as big data
6. Apply analyzed results
- Provide analyzed results to proper departments. They will demonstrate results, not by you
서울시 빅데이터 사례 - 경험과 교훈
*Bus route problem
-> floating population & direction problem
*Floating population
-> population of hexagons with 500 m radius
-> 605km2 of Seoul -> 1,252 cells
Learning & Direction
20 / 21
1. Preparation of data
2. Sharing data/
analysis results
Big Data Campus
Integrated
Analysis
빅데이터 eco-system
Transportation
Administration
-Cell phone data
-Sensors, IoT
-Community mapping
-Masking & aggregation
3. Private/Public
collaboration
Floating
population
Share & Collaboration

18
22 / 21
감사합니다 빅데이터
분석결과를 활용한
교통시설 개선
김욱경
서울시 교통운영과
- 현)교통운영과 주무관
- 교통안전기본계획 수립
- 교통안전관련 제도개선 업무 총괄
- 서울대 토목공학과 및 동 대학원
[세션1] 빅데이터를 활용한
서울시 혁신 사례
발표2

22 23
3
[Analysis]
교통사고 내역 `11년 ~ `13년 도로교통공단
DTG(위험운전행동) `12년 ~ `13년 교통안전공단
교통안전시설물 `12년 ~ `13년 서울시
도로별 차량속도 `12년 서울시
유동인구 `14년 SKT
기상정보 `13년 ~ `14년 서울시/기상청
[Data]
BI QlikView
GIS ArcGIS
QGIS/SAGA
상관분석 R
Hadoop Map/Reduce
Pig
Flamingo
[Tool]
통계분석 데이터 마이닝
Data Drilling/Ad-Hoc
회귀분석/군집분석 등
시각화
공간분석 Buffer/Near
Spatial Join
Kernel Density Analysis
데이터 패턴 정책
데이터 분석을 통해 문제해결 방법을 찾았습니다.
인사이트
2
서울시 교통사고 실태는 이렇습니다.
세계주요도시와비교해
2~4배의교통사고 사망자발생
OECD국가중
보행사망자비율최고
(전체교통사고사망자중보행사망자비율)
국내시도중사망자대비부상자
비율이현저하게높음
1.0 1.4 1.6
2.4
4.8
코펜하겐 베를린 도쿄 런던 서울 (`09년, 인/10만명)
10.7
19.8
37.6
뉴
질
랜
드
네
덜
란
드
호
주
프
랑
스
미
국
독
일
이
탈
리
아
덴
마
크
스
페
인
스
위
스
영
국
헝
가
리
폴
란
드
일
본
대
한
민
국
평균 16.5
(`12년, %)
20%
10%
서울 부산 대구 인천 광주 대전 경기 강원 충북 충남 전북 전남 경북 경남
부상자 사망자
(`13년, %)
5
서울시 교통사고 빅데이터 분석 모델 - 위험운전행동
4
서울시 교통사고 빅데이터 분석 모델 - 메인화면

24 25
7
서울시 교통사고 빅데이터 분석 모델 - 유동인구 분석
6
서울시 교통사고 빅데이터 분석 모델 - 중앙버스전용차로 사고 분석
9
분석주제 선정 배경
서울시는 빅데이터 분석을 교통사고 분야에 적용하여 패턴과 인사이트를 도출하고자 하였고, 교통사고 내역, 날씨,
유동인구, 위험운전행동, 차량속도 등의 다양한 데이터를 마이닝함으로써 여러 가지 분석결과들을 얻었습니다.
그 중 교통약자인 어린이 및 어르신 보행자 교통사고와 중앙 버스정류소, 음주운전, 위험운전행동 등 5가지 주제를
집중분석하여 그 결과를 토대로 대책을 마련하였습니다.
1. 어린이 보행자 교통사고
- 어린이들을 교통사고로부터 보호하기 위한 다양한 정책들이 시행되어 왔으며 특히 2003년부터 어린이보호구역을 지정하여
중점관리하고 있으나, 여전히 많은 사고가 어린이보호구역과 그 인근에서 발생하고 있음
2. 어르신 보행자 교통사고
- 고령화 사회에 진입함에 따라 노령 인구가 지속적으로 늘어나고 있는데, 어르신들은 다른 계층에 비해 돌발상황에 대한 대응력
저하로 일단 사고를 당하면 중상 이상의 피해를 입게 되기 때문에 중점 관리가 필요함
3. 중앙 버스전용차로 정류소 교통사고
- 2004년부터 설치된 중앙버스전용차로 인근의 교통사고는 매년 지속적으로 증가하고 있으며, 특히 횡단보도와 그 인근의
무단횡단사고가 다른 곳에 비해 많이 발생하고 있음
4. 음주운전 사고
- 지속적으로 사회적 이슈가 되어온 음주운전 사고는 일반 사고보다 중상 이상의 치명적인 사고를 유발하고 있어 보다 적극적인
대응방안이 필요함
5. 위험운전행동 분석
- 급감속, 급정지, 급진로변경 등의 위험운전행동은 교통사고와 매우 밀접한 관련이 있는 것으로 알려져 왔으며, 위험운전행동이
많이 발생하는 곳을 분석해 보면 도로구조나 시설미비 등의 사고 유발요인을 찾을 수 있음
1. 분석개요

26 27
11
[어린이 보행자 교통사고 – 초등학교 반경 300m 내 사고건수(3년)]
초등학교
반경 300m
초등학교 발생건수 (3년간)
A 초등학교 13
B 초등학교 12
C 초등학교 12
D 초등학교 11
E 초등학교 11
F 초등학교 11
G 초등학교 11
H 초등학교 11
I 초등학교 10
J 초등학교 10
[어린이 보행자 교통사고 발생건수 Top10]
 어린이 보행자 교통사고의
58%는 초등학교 중심
반경 300m 이내에서
발생
 초등학교별 발생건수는
연 평균 1.0건
어린이 보행자 교통사고의 58%는 초등학교 반경 300m 이내에서 발생
1. 어린이 보행자 교통사고 / 1.2 분석결과
10
어린이 보행자 교통사고는
 사고의 58%가 초등학교 반경 300m 이내에서 발생
- 어린이보호구역과 그 인접지역 중심으로 Hot Spot 발생
 일괄적으로 지정된 어린이 보호구역 내에서도 특별히
위험한 지점들이 존재
 초등학교 저학년 남자 어린이들에게 가장 많이 발생
 신학기인 봄에, 특히 5월에 가장 많이 발생
 등하교시간, 특히 방과후 활동 시간에 집중 발생
1. 어린이 보행자 교통사고 / 1.1 요약
 과속방지턱 설치를 통한 교통안전 환경
조성
 초등학교 저학년 대상 교통안전 교육 시행
 교통안전 모범학교 선정, 우수사례 공유
전파
분석결과 대책
13
 초등학교에 갓 입학하는 만 7세 어린이의
사고비중이 13.2%로서 가장 높음
 초등학교 저학년에 해당하는 만 7~9세
비중은 38.4%
 남녀 비율은 62 : 38로 남자 어린이의
사고비중이 높음
(성인의 경우 남녀 비율이 49.6 : 50.4)
어린이 보행자 교통사고는 초등학교 저학년 남자 어린이들에게 가장 많이 발생
 어린이는 만 13세 미만 (도로교통법 제2조)
남
61.8%
여
38.2%
남
49.6%
여
50.4%
[어린이 보행자 교통사고 성비] [성인 보행자 교통사고 성비]
(연령)
(구성비)
[어린이 보행자 교통사고 연령 분포]
12
[어린이 보호구역과 어린이 보행자 교통사고 온도지도 예시]
어린이보호구역
 어린이 보행자 교통사고는 초등학교 반경 300m 이내에서 58.0%, 400m 이내에서는 71.9%가 발생
 하지만 초등학교마다 일괄적으로 동일한 어린이 보호구역 정책을 적용하는 것은 한계가 있음
일괄적으로 지정된 어린이 보호구역 내에서도 특별히 위험한 지점들이 존재

28 29
15
13세미만
13세이상
어린이 보행자 교통사고는 등하교시간, 특히 방과후 활동 시간에 집중 발생
 어린이 보행자 교통사고는 등하교시간에 많이 발생되는데 특히 방과후 활동 시간인 오후 2시에서 저녁 7시
사이에 집중 발생
(등교시간은 이동시간이 짧고 녹색어머니 등의 교통지도 효과)
[어린이 보행자 교통사고 시간대별 분포]
(구성비)
01 02 03 04 05 06 07 08 09 10 11 12 13 15 16 17 18 19 20 21 2214 2300
(시)
14
어린이 보행자 교통사고는 신학기인 봄에, 특히 5월에 가장 많이 발생
 어린이 보행자 교통사고는
주로 학기 중에 일어나고 가을보다는
신학기인 봄에, 특히 5월에 12.1%로
가장 많이 발생
(성인의 경우 표준편차 0.6%로 연중
고른 분포를 보임)
(월)
(구성비)
[어린이 보행자 교통사고 월별 분포]
[성인 보행자 교통사고 월별 분포]
(월)
(구성비)
17
과속방지턱
어린이 보행자
교통사고
[A 초등학교 인근 어린이 보행자 사고 및 과속방지턱 분포]
 어린이보호구역 내에는 과속방지턱이
비교적 많이 설치되어 있으나,
 어린이 보행자 교통사고가 많이 발생하는
지점들 중에는 대개 과속방지턱이 충분히
설치되어 있지 않음
어린이 보행자 교통사고가 많이 발생하는 곳에는 과속방지턱이 부족
[어린이 보호구역내 규정속도 준수정도 (설문조사)]
전혀 그렇지
않다, 14.4%
별로 그렇지
않다, 47.7%
다소 그렇다,
32.7%
매우 그렇다,
4.2%
무응답, 1.1%
그렇지 않다
(62.1%)
그렇다
(36.8%)
16
 청소년층 (만 13~19세) :
등교시간 외에 하교시간인 오후
3시부터 밤 11시까지 지속 발생
<야간 학원수강>
 청년층 (20~30대) :
출근시간 외에 오후 6시 퇴근시간
이후 심야까지 지속 증가
<심야시간대 활동>
 장년층 (40~50대) :
청년층과 비슷하나 청년층 대비
새벽시간대는 더 적게
야간시간대에 더 많이 발생
<야간시간대 활동>
 노년층 (60대 이상) :
오전 9시부터 저녁 8시 사이에
주로 발생
<주간시간대 활동>
[참고] 보행자 교통사고로 살펴본 연령대별 외부활동 패턴
청년
장년
청소년
노인
어린이
[연령대별 보행자 교통사고]
(구성비)
(시)
01 02 03 04 05 06 07 08 09 10 11 12 13 15 16 17 18 19 20 21 2214 2300

30 31
19
 초등학교 저학년 대상 교통안전 교육 시행
 서울시 맞춤형 교사용 지도서, 영상컨텐츠, 수업 교구 제작 (2015~2016)
 ` 15년 초등학교 1~2학년 대상 교재 제작, `16년 초등학교 3~4학년 대상 교재 제작 중
 `15년 2학기부터 창의적 체험활동시간 등 활용, 교육시행
 연중시행 → 신학기초(3~4월) 집중교육 시행
[영상컨텐츠]
과속방지턱 신규설치 과속방지턱 설치를 통한 교통안전 환경 조성
 교통사고 핫스팟, 교통안전시설 위치 분석 (교통사고 발생 상위 50개 초등학교)
 과속방지턱 등 교통안전시설 설치 시행
 교통안전 모범학교 선정, 우수사례 공유 전파
 어린이 교통사고 줄이기 우수학교에 ‘ 교통안전 모범학교 지정’
 서울시 표창 등 시행, 교통사고 줄이기 노하우 홍보 및 공유
대책1. 어린이 보행자 교통사고 / 1.3 대책
18
`
[참고] 과속방지턱의 교통사고 예방 효과 : 과속방지턱 10개당 연간 교통사고 1.6건 감소
[서울시 과속방지턱 분포]
[`12년 신설 과속방지턱 인근 사고건수 변화]
과속방지턱
교통사고
2012년 신설
전체사고
0
5
10보행자사고
0
5
10
15
20
건수
중상
경상
[과속방지턱/교통사고 공간검색]
30m
2011
2013
 `12년 한해 동안 서울시에는 총 62개의 과속방지턱이 신규
설치되었으며, 해당 지점들 반경 30m 이내에서 `11년과 `13년에
발생한 교통사고 건수를 비교하였을 때,
 전체 교통사고는 60%, 보행자 사고는 80%가 감소하였으며,
 과속방지턱 10개당 연간 교통사고 1.6건이 감소한 효과
21
[노인보호구역 및 어르신 보행자 사고 온도지도(영향반경 200m)]
노인보호구역
현행 노인보호구역은 어르신 보행자 사고 다발지점과 관련성이 낮음
 현행 노인보호구역은
노인종합복지관, 경로당,
요양원 인근으로 지정되어
있으나,
 어르신 보행자 사고
다발지점과의 관련성이
떨어지는 곳이 많음
2. 어르신 보행자 교통사고 / 2.2 분석결과
20 어르신(노인)은 만 65세 이상 (도로교통법 제11조)
어르신 보행자 교통사고는
 현행 노인보호구역은 어르신 보행자 사고 다발지점과
관련성이 낮음
 전통시장이나 공원 인근에서 많이 발생
 중상 이상의 상해가 65%로 일반적인 경우의 1.5배
- 일반 보행자 교통사고의 중상 이상 비율은 42.3%
 새벽 4시 이후 급증한 후 주간시간대에 꾸준히 발생
 74세 이하가 64% 차지, 여성이 남성보다 1.8배 취약
 어르신 보행자 교통사고 다발지점들에
대해 시설 개선 추진
 어르신 맞춤형 교육 홍보 시행
 노인보호구역 지정 요건 변경 중앙정부
건의
분석결과 대책
2. 어르신 보행자 교통사고 / 2.1 요약

32 33
23
[비노인/노인 보행자 사고 – 상해정도]
어르신 보행자 교통사고는 중상 이상의 상해가 65%로 일반적인 경우의 1.5배
 어르신을 제외한 일반 보행자 교통사고의 중상 이상 비율은 42.3%인 반면,
 어르신의 경우는 중상 이상의 상해를 입는 경우가 65.4%로서 일반적인 경우보다 1.5배
 대응력이 떨어지는 어르신들은 일단 사고가 발생하면 일반인보다 더 큰 상해를 당함
(구성비)
 어르신(노인)은 만 65세 이상 (도로교통법 제11조)
22
불광시장
경동시장
신림6동시장
신신림시장
청량리도매시장
[불광역 인근 – 어르신 보행자 사고] [신신림시장 인근 – 어르신 보행자 사고]
[청량리역 인근 – 어르신 보행자 사고]
제일시장
[일반] [일반]
[일반]
탑골공원
종묘공원
[일반]
[종묘공원 주변 – 어르신 보행자 사고]
 전통시장이나 공원
인근에서는 다른 연령대에
비해 어르신 보행자
교통사고가 많이 발생
 어르신 사고 다발지역
중심으로 노인보호구역
추가 지정이 필요함
전통시장이나 공원 인근에서 어르신 보행자 교통사고가 많이 발생
25
[어르신 보행자 사고 성비]
[어르신 보행자 교통사고 연령대별 분포]
[일반(어르신제외) 보행자 사고 성비]
어르신 보행자 교통사고는 74세 이하가 64% 차지, 여성이 남성보다 1.8배 취약
 어르신 보행자 교통사고는 만
65~69세가 33.3%, 70~74세가
30.9%로서,
 총 64.2%가 만 65~74세
이하에서 발생
 어르신 보행자 교통사고의 성비는
65 : 35
 즉, 여성의 사고비율이 1.8배 높아
여성 어르신이 보행자 교통사고에
더 취약한 것으로 파악됨
(서울시 노인인구의 성비는 56 :
43으로 여성이 1.2배)
(구성비)
여
64.8%
남
35.1%
남
53.7%
여
46.2%
24
[어르신 보행자 교통사고 시간대별 분포]
어르신 보행자 교통사고는 새벽 4시 이후 급증한 후 주간시간대에 꾸준히 발생
 어르신을 제외한 일반 보행자 교통사고는 출근시간대에 급증했다가 낮부터 심야까지 지속적으로 증가하지만,
 어르신 보행자 사고는 새벽 4시 이후 한차례 급증한 후 출근시간이 끝나는 오전 9시 이후에 다시 급증하여
지속되다가 저녁 8시 이후 차츰 감소
(구성비)
01 02 03 04 05 06 07 08 09 10 11 12 13 15 16 17 18 19 20 21 2214 2300
(시)
65세이상
65세미만

34 35
27
[무단횡단금지시설]
 어르신 보행자 교통사고 다발지점에 시설개선 추진
 무단횡단 금지시설 설치 (전통시장, 공원 등)
 보행신호 음성안내 보조장치 시범설치 경찰과 협의 후 추진
 노인보호구역 지정요건 변경 중앙정부 건의
[보행신호 음성안내 보조장치]
 찾아가는 3D 교통안전 체험형 홍보관 운영 확대 (2015.3~)
- 2014년 5,800명, 2015년 5,998명, 2016년 4,514명 대상 시행
- 어르신 안전수칙 등 집중 홍보 (무단횡단 금지, 야간에 밝은 옷 입기 등)
 어르신 맞춤형 교육 홍보 시행
대책2. 어르신 보행자 교통사고 / 2.3 대책
26
[어르신 보행자 교통사고 온도지도(영향반경 1km)][일반 보행자 교통사고 온도지도]
 어르신 보행자 교통사고는
은평구, 서대문구, 동대문구,
송파구 등에 좀 더 집중된
양상을 보임
어르신 보행자 교통사고는 일반 사고 대비 은평구, 서대문구, 동대문구 등에 더 집중
29
정류소
유 형
정류소 수
무단횡단
사고 건수
1개소당 무단횡단
사고 건수
중앙 버스정류소 340 275 0.81
가로변 버스정류소 10,196 1,491 0.15
[버스정류소 유형별 무단횡단 사고 (’11~’13)]
중앙 버스전용차로 정류소 무단횡단 사고는 가로변 정류소에 비해 5.4배 더 많이 발생
 3년간(`11~ `13) 중앙 버스전용차로 정류소 1개소당 무단횡단 교통사고 발생건수는 0.81건으로, 일반
가로변 정류소에 비해 5.4배 더 많이 발생
텍스트 마이닝
분석셀 (50m × 50m)
 분석방법
- 중앙버스전용차로정류소 분석셀선정
- 분석셀내교통사고추출
- 텍스트마이닝을통해 무단횡단여부확인
3. 중앙 버스전용차로 정류소 교통사고 / 3.2 분석결과
28
중앙 버스전용차로 정류소 교통사고는
 무단횡단 사고가 가로변 정류소에 비해 5.4배 더
많이 발생
- 중앙 정류소 1개소당 무단횡단 교통사고 발생건수는
0.81건(3년간)
 횡단보도나 그 인근에서 무단횡단사고가 많이 발생
- 중앙 정류소 무단횡단 사고 42%가 횡단보도와 그
인근에서 발생 (가로변 정류소의 2배)
 모든 중앙정류소에 무단횡단금지시설 설치
 버스 운수종사자 의견 등 반영하여
위험구간 선제적 개선
분석결과 대책
3. 중앙 버스전용차로 정류소 교통사고 / 3.1 요약

36 37
31
[차대차]
중앙 버스전용차로 정류소 관련 사고 온도지도
[차대사람]
[유턴]
[무단횡단]
30
[정류소 유형별 무단횡단 사고 – 발생위치]
중앙 버스전용차로 정류소 무단횡단 사고는 횡단보도 인근에서 주로 발생
 중앙 버스전용차로 정류소 무단횡단 사고의 42%는 횡단보도와 횡단보도부근에서 발생하며 이는 가로변
정류소의 2배
 중앙 버스전용차로 정류소는 횡단보도가 있음에도 불구하고 신호위반 무단횡단을 유발하는 요인으로 작용
(구성비)
33
대책3. 중앙 버스전용차로 정류소 교통사고 / 3.3 대책
 중앙버스 정류소 보행자 방호울타리 추가설치 : 17년까지 22개 정류소
 미드블럭형 중앙버스정류소 중 보행자방호울타리
미설치 지점 22개소 설치 추진
 무단횡단금지시설 설치 : 17년까지 6개 정류소
 중앙버스 정류소 집중설치 : 등촌역 등 6개소
 야간보행자 안전시설 설치 : 17년까지 15개 정류소
 횡단보도 집중조명 및 LED바 설치
 야간사고 발생 정류장 : 구 성산회관앞 등 15개 정류소
 사망사고 지점 현장조사 및 시설개선, 사고지점 헌화
 시, 경찰, 도로사업소, 구청, 양 공단 등 합동점검
 사고지점에 헌화하여 조의 및 안전의식 제고
32
 청량리역 중앙 버스전용차로
정류소 주변에서 3년간 총
26건의 사고가 발생했고 이중 약
30%가 중상 이상의 상해
- 유발요인 1 : 지하철 출입구와
버스정류소 횡단보도가 매우
인접
- 유발요인 2 : 횡단도로 협소
중앙 버스전용차로 정류소 무단횡단 다발지점 분석 – 청량리역 인근

38 39
35
[음주운전 교통사고 사망자 유형] [전체 교통사고 사망자 유형]
가해자
51.6%
피해자
33.3%
제3자
15.5%
가해자
28.3%
피해자
64.5%
제3자
7.3%
음주운전 교통사고의 경우 가해자 자신이 사망하는 경우가 51%
 일반적인 교통사고에서는 피해자의 사망률이 64.5%로 가해자 28.3%에 비해 압도적으로 높으나,
 음주운전 사고의 경우 가해자 사망률이 51.6%로 가해자 자신이 사망하는 비중이 일반사고 대비
1.8배
4. 음주운전 교통사고 / 4.2 분석결과
34
음주운전 교통사고는
 가해자 자신이 사망하는 경우가 51%
- 일반 사고에서는 피해자가 64.5%, 가해자는 28.3%
 가해자 연령대는 30대가 33%로 가장 많고 그 중
절반은 5년 이하 경력
 사망 피해자 연령대는 60대가 37%로 가장 많음
 사망사고의 18%는 일요일 새벽시간에 발생
 사고 4건 중 1건은 이면도로에서 발생, 차대사람
비중이 간선도로의 4.5배
 음주운전 교통사고 안전지도 작성
 안전지도 경찰 공유 및 데이터 기반
음주단속 지원
분석결과 대책
4. 음주운전 교통사고 / 4.1 요약
37
[음주운전 피해자 연령 분포]
음주운전 교통사고로 인한 피해자 사망의 37%가 60대 이상
 음주운전 사고의 피해자 역시 30대가 가장 많으나,
 사망사고만을 놓고 보면 60대 이상이 36.5%로 가장 많음
(구성비)
36
[음주운전 사고 가해자 연령 분포]
[30대 음주운전 가해자 운전면허경력]
5년 이하
49.9%
15년
13.8%
10년
36.2%
 일반적인 교통사고는 50대가 가장
많은 사고를 일으키나, 음주운전의
경우 30대가 가장 많은 사고를
일으킴(32.8%)
 30대 음주운전사고자 중 49.9%가
5년 이하의 운전면허경력
 즉, 전체 사고의 16.4%를 5년 이하
경력의 30대가 일으킴
(구성비)
음주운전 교통사고 가해자는 30대가 33%로 가장 많고 그 중 절반은 5년 이하 경력

40 41
39
음주운전 사고 4건 중 1건은 이면도로에서 발생, 차대사람 비중이 간선도로의 4.5배
이면도로
25.1%
지선도로
50.3%
간선도로
24.5%
 음주운전 사고는 간선도로에서
24.5%, 지선도로에서 50.3%,
이면도로에서 25.1% 발생
 즉, 음주운전 사고 4건 중 1건은
이면도로에서 발생
• 간선도로 : 도로폭 20m 이상
• 지선도로 : 도로폭 9m 이상 ~ 20m 미만
• 이면도로 : 도로폭 9m 미만이거나
표준노드링크에 맵핑되지 않은 경우
[음주운전 사고 도로유형별 분포]
[이면도로 음주운전 사고유형 분포] [간선도로 음주운전 사고유형 분포]
 이면도로 음주운전 사고유형 중
차대사람 비중은 19.5%로서
간선도로 대비 4.5배
38
[음주운전 사고 – 요일별 추이]
[음주운전 사망사고 – 요일별 추이]
 음주운전 사고는 토요일에 19.4%로
주중 대비 1.8배가 증가함
 반면 음주운전 사망사고는 일요일이
22.5%로 가장 높고 그 중
78.6%가 0시~7시 사이에 발생
 즉, 일요일 새벽에 전체 음주운전
사망사고의 17.7%가 발생
음주운전 사망사고의 18%는 일요일 새벽시간에 발생
(구성비)
(구성비)
41
이면도로 음주운전 사고는 홍대입구, 신천역, 까치산역 인근 등에서 많이 발생
 이면도로 음주운전 사고는
간선/지선도로 다발지점과는
다른 분포를 보이며,
 강남일대 외에 홍대입구,
신천역, 까치산역, 대림역,
사가정역, 강동역 인근
등에서 많이 발생
[이면도로 음주운전 교통사고 온도지도]
[간선/지선도로 음주운전 교통사고 온도지도]
40
음주운전 사고의 13.2%가 강남구에서 발생
 음주운전 사고는
강남구에서
압도적으로 많이
발생하며(13.2%),
 그 외 마포구, 서초구,
관악구, 송파구,
광진구 등에서도 집중
양상을 보임

42 43
43
 위험운전행동 데이터는 교통사고를 유발하는 잘못된
운전습관의 기록
 위험운전행동 중에서도 급앞지르기, 급정지, 급감속
유형이 교통사고와 높은 상관관계
 교통사고 유형을 분석하여 맞춤형 시설개선
시행
 택시 운수종사자 교통안전 교육 강화
분석결과 대책
5. 위험운전행동 데이터 분석 / 5.1 요약
42
[홍대입구 이면도로 음주운전 사고]
[간선/지선] [간선/지선]
[간선/지선] [간선/지선]
[신천역 이면도로 음주운전 사고]
[까치산역 이면도로 음주운전 사고] [사가정역 이면도로 음주운전 사고]
 간선/지선/이면도로 등
도로유형별로 음주운전
교통사고 다발지점을 일선
경찰서에 배포하여 데이터
기반의 단속지점 선정 지원
 특히 까치산역이나 사가정역,
홍대입구, 신천역 인근 등의
이면도로 음주운전 사고
안전지도를 바탕으로
단속을 피해 다니는
음주운전자들을 단속
 음주운전 교통사고 다발지점 경찰 공유, 데이터 기반 음주단속 지원
대책4. 음주운전 교통사고 / 4.3 대책
45
[시간대별 위험운전행동건수/사고건수 추이][위험운전행동 유형별 상관관계-시간대별]
위험운전행동은 교통사고의 전조현상
 50m단위 Cell에 교통사고와
위험운전행동을 맵핑하였을 때
위험운전행동건수 600회까지는
사고건수가 증가한 후 횡보
 위험운전행동과 사고건수의
시간대별 추이에서 두 데이터
간의 상관계수는 0.83
 위험운전행동 중에서도 특히
급앞지르기, 급정지, 급감속
유형이 교통사고와 상관관계가
높은 것으로 파악됨
(사고건수)
(위험운전행동
건수)
100미만 100~200 200~300 300~400 400~500 500~600 600~700 700~800 800~900 900~1000 1000이상
(Cell당
사고건수)
(Cell당
위험운전행동 건수)
[Cell당 위험운전행동건수/사고건수 추이]
(시)
5. 위험운전행동 데이터 분석 / 5.2 분석결과
44
디지털운행기록장치
(DTG; Digital Tachograph)
...
운송사업자
 위험운전행동 의 종류
 과속 : 도로 제한속도보다 20km/h 초과
 급가속 : 초당 11km/h 이상 가속 운행
 급출발 : 정지 상태에서 출발하여 초당 11km/h 이상 가속 운행
 급감속 : 초당 7.5km/h 이상 감속 운행
 급정지 : 초당 7.5km/h 이상 감속하여 속도가 0이 된 경우
 급좌회전/급우회전 : 2초 안에 좌우측(60~120도)으로 급회전
 급유턴 : 2초 안에 좌측 또는 우측(160~180도)으로 유턴
 급앞지르기 : 좌측 또는 우측(30~60도)으로 앞지르기한 경우
 급진로변경 : 좌측 또는 우측(15~30도)으로 가감속
위험운전행동 데이터는 교통사고를 유발하는 잘못된 운전습관의 기록
위험운전행동 데이터
(교통안전공단)
 디지털운행기록장치 란?
 자동차의 속도·RPM·브레이크·GPS를 통한
위치·방위각·가속도·주행거리 및 교통사고 상황 등을
자동으로 기록하는 전자식 기억장치
 장착대상
- 「여객자동차 운수사업법」에 따른 여객자동차 운송사업자
- 「화물자동차 운수사업법」에 따른 화물자동차 운송사업자 및
화물자동차 운송가맹사업자

44 45
47
 Cell 당
위험운전행동건수를
X축, Cell 당
사고건수를 Y축으로
하여 Quadrant Chart
로 표현
 위험운전행동 빈도수가
높으면서 교통사고가
다발하는 지점을 파악할
수 있음
위험운전행동 빈도수가 높으면서 교통사고가 다발하는 지점은?
(셀당 사고건수)
(위험운전행동수)
46
[서울시 교통사고 온도지도] [서울시 위험운전행동 온도지도]
위험운전행동과 교통사고의 지역적 분포 비교
49
 DTG 활용 운수종사자 맞춤형 교육 시행
 사고 및 법규위반 다발업체 컨설턴트 지원 교육
※ 교통안전공단 공동 시행
 택시회사 경영평가에 DTG 활용 교육여부 반영
 교통사고 유형을 분석하여 맞춤형 시설개선 시행
 지점별 위험운전 행동, 사고유형을 정밀 분석
 지점별 맞춤형 시설개선 시행
(횡단보도 설치, 미끄럼방지포장, 신호기조정
등)
 택시 운수종사자 교통안전 교육 강화
대책5. 위험운전행동 데이터 분석 / 5.3 대책
48
[논현역]
[회현사거리]
[강남을지병원사거리]
[강남역][뱅뱅사거리][신사역][청담사거리]
[건대입구역][르네상스호텔][강동성심병원][광평교사거리]
[동묘앞역]
위험운전행동 빈도수가 높으면서 교통사고가 다발하는 지점은?

46
빅데이터 프로젝트의
성공을 위한 가이드
라인
고한석
빅토리랩 대표
- (주)사회디자인연구소 초대소장
- 중국 커뮤니티사이트 'ViaFriend' 대표
- 삼성네트웍스 글로벌사업추진팀장
- SK China IT/인터넷 사업개발 팀장
[세션2] 빅데이터 재사용
발표1

62
사회혁신을 위한
창업 기업에의
빅데이터 기술
지원 사례
유성준
세종대학교 교수
- 현) 세종대학교 빅데이터산업진흥센터 센터장
- 현) 세종대학교 컴퓨터공학과
- (주)서치캐스트 연구소장
- 한국전자통신연구원 정보검색연구팀장
발표2

66 67
빅데이터에 관한 9가지 미신과 진실
김현곤, “빅데이터시대 전망과 국가미래전략“, 2012. 10. 17
빅데이터에 관한 9가지 미신과 진실
김현곤, “빅데이터시대 전망과 국가미래전략“, 2012. 10. 17
기업매출 증대효과

68 69
데이터의 종류
빅데이터 활용 사례 Ⅰ
빅데이터 활용 사례 Ⅱ
빅데이터산업의현황
(출처: 엔코어 김옥기, “데이터경제”, 2016. 6)

70 71
빅데이터산업의현황
(출처: 엔코어 김옥기, “데이터경제”, 2016. 6)
빅데이터산업진흥센터소개
지원내용
빅데이터 관련 서버 임대 빅데이터 관련 정보전략기획
(Information Strategy Planning)
교육 기타

72 73
빅데이터산업진흥센터현황
빅데이터산업진흥
센터 설립
유성준 센터장
빅데이터산업진흥센터 개소식
Http://nbic.or.kr
빅데이터 서버 임대
빅데이터 기술 컨설팅
성과 도출중
“빅데이터산업진흥센터”에
대한 인지도 높아지고 있음
센터인프라현황
서버 인프라
커뮤니티 인프라
임대형태
중소기업 및 스타트 기업을 대상으로 저렴한 비용의 서버(장비) 임대

74 75
서버활용사례–㈜굿모닝아이텍
사물인터넷과 빅데이터를 위한 고사양의 장비와 네트워크 인프라 구축
내부 통신을 위한 100Mbps 성능의 빅데이터 네트워크 인프라 제공
실시간 서비스를 위한 고사양 서버와 장애 대응을 위한 전문 인력 제공
• 100Mbps 성능의 네트워크 지원
• 실시간 서비스를 위한 고사양 서버 지원
• 장애 대응을 위한 전담인력(관리자) 제공
• Parstream 성능 검증을 위한 파일 컨텐츠
및 테스트 케이스 제공
• Parstream 안정화를 위한 장비 및 전문인
력 지원
• Cloudera 모듈 연동 및 성능 검증을 위한
빅데이터 관련 정보 제공
• 멀티-테이블 성능 테스트를 위한 데이터
베이스 아키텍처 설계 및 구축
Parstream
인프라 환경 구축 및 연동 테스트
Cloudera
기능 연동 검증 및 성능 테스트

76 77
기술지원통계및시사점
“Big Data 보다는 Small Data”
“Internal Data 분석이 주류”
“공공데이터 분석은 미미”
통계
0 5 10 15 20 25 30 35 40
서비스 개발 기획 및 서비스 구현 지원
텍스트 데이터 분석 및 마이닝
ROI 향상을 위한 로그데이터분석
온라인 데이터 수집 및 추출
수요예측 및 데이터마이닝
데이터시각화
공공데이터 활용 서비스 개발
인프라구축 지원
기타
건수
지원기술

78 79
참여연구진및해당분야이력
유성준 백성욱 노재춘
최준연 장 윤 우종필
마케팅데이터수집및분석
모바일 서비스 이용자의 이탈 예측 방법 이탈 징후별 시각화 방법
접속과 결제와의 연관관계 가설 검증을 위한 실험 설계
LTV 예측 모델 수립을 위한 사용자 행태 분석 LTV 예측 모델 수립

80 81
텍스트데이터수집및분석
텍스트데이터수집및분석
서비스 페이지와 접속 로그 관계 분석 사용자 행위 모델링 방법 지원
사용자의의도/행위를파악하기 위한 접속 로그 설계

82 83
로그데이터분석지원
온라인데이터수집및추출지원
2015 대한민국 TOP 브랜드 대상 수상(파이낸
셜신문-금융)
2014 고객이 신뢰하는 브랜드” 대상 수상(한
경비지니스-대상)
온라인데이터수집및추출지원
수요예측지원

84 85
수요예측지원
고객분석기반화장품추천
성과
시각화지원

86 87
빅데이터및소셜미디어데이터기반질병발생상관관계분석시스템
Flowmap
소셜빅데이터분석을통한소셜데이터분석및가시화처리시스템
MOU 체결을 통한 산학협력체계 구축
MOU 체결명 대상기관 MOU 체결명 대상기관
빅데이터 분석 솔루션 지원 협력 굿모닝아이텍(주) 빅데이터 통합분석 플랫폼 개발 협력 (주)애드잇
국방ICT부분 업무 제휴
(재)한국군사
문제연구원
동산 시세조회시스템 구축 협력 하나스(주)
전력 수요 예측 시스템 개발
공동 협력
(주)두드림
서울시 빅데이터 캠퍼스 참여 및
공동 협력
서울특별시
오픈소스 플랫폼 지원 및 빅데이터 교
육 컨텐츠 공동 제작 및 활용
시엠아이코리아
프린지존 운영 서비스의 빅데이터 관
련 기술지도 및 공동개발
프린지존
패션 분야 빅데이터 관련 상호협력
피타
크리에이티브
뷰티 및 건강 빅데이터를 활용한
서비스 및 연구개발
플러스메이㈜
빅데이터 기술적 교류 및제품 컨설팅 ㈜이지서티
빅데이터를 활용한 자동차 스타일링
ALL(카피플) 개발
㈜씨에스에이코리아

88
시각적인 방법을
통한 공공 빅데이터
활용 사례
임준원
뉴스젤리 대표
- 현) 뉴스젤리 공동대표
- LG전자
- 한양대학교 기술경영전문대학원 박사과정
발표3

91
시각적인 방법을 통한
공공 빅데이터 활용 사례
Why Data Visualization?
DATA, MONEY?
No, Insight is money

92 93
Data Insight, 데이터가 가치가 되는 과정
Problem is ‚ROI(return on investment)‛
Small return on Huge investment
어떤 데이터가
가치가 있을까?
데이터를 어떻게
통합하면 좋을까?
데이터로부터
발견한 사실은?
사실기반 의사결정
비즈니스 가치창출!
Data Insight, 데이터가 가치가 되는 과정
프로파일링
Case 1. 소비재 기업 : 구매 심리 예측해 판매량 올리는 개인화 추천
Case 2. 식품회사 : 정확한 수요 예측으로 시장 경쟁력 확보
Case 3. 제조사 : 다양한 고객 불만 분석해 렌탈 해지율 감소
Case 4. 제조사 : 고객의 삶을 이해하는 신제품 개발
예측 생산성
- 광고, 마케팅,
신규 서비스 제공
- 신상품 기획/개발,
상권분석
- 운영 효율성 증대
시각화, 데이터를 프리미엄으로 만들다
- 공간, 지역, 도로의 혼잡
정도를 파악할 수 있도록
데이터를 시각화하여
도로망 지도를 제작
- 로데이터로 이해하기 힘든
교통데이터를 실시간으로
파악할 수 있는 시각화
서비스 제공
→ 시민들의 실시간 확인
→ 다양한 지도 앱, 네비게이션
앱 등의 서비스 창출
도로교통상황,
시각화로 쉽게 확인하다
- 한 사안에 각 변수가
미치는 영향을 한 눈에
간파할 수 있는 시각화
차트
- 군 당국에 야전병원 군인의
사망요인을 설명하는 데
폴라에어리어차트를
만들어 설득
→ 야전병원 군 사망률은
42%에서 2%로 떨어짐
→ 군 당국은 의료교육기관과
통계부서를 신설
‘영국군의 건강, 능률, 병원 운영에 관한 견해’
나이팅게일,
시각화로 군인을 살리다

94 95
- 전력 공급, 홍수, 산사태 등
각종 자연/사회재난사고의
발생이 높은 도시
- 도시의 총체적인 움직임을
24시간 365일 모니터링할
수 있는 시각화 시스템
운영
→ 리우데자네이루의
응급시간에 대한 대응시간은
30% 이상 개선
→ 경범죄 검거률은
2011년보다 16% 증가, 범죄에
의한 사망자수는 10% 감소
브라질,
시각화로 도시를
운영하다
01 서울시, 음식점 흥망성쇠 50년
http://data.seoul.go.kr/visual/foodseoul
01 서울시, 음식점 흥망성쇠 50년
실제 데이터 일부 ➢

96 97
02 민생경제과, VOC 데이터 인터랙티브
실제 데이터 일부 ➢
project.newsjel.ly/seoul-consumer-report/
• 핚국소비자원 소비자 피해 민원 통계 데이터를 서울시 기준으로
품목별 피해 발생 유형에 대해 탐색핛 수 있는 인포맵 콘텐츠
• 사용데이터 : 서울시 소비자 피해 현황(2015, 핚국소비자원 제공)
• 특이사항 : 가장 피해건수가 많은 5개 품목 위주로 구성되있으며
서울시 구별 피해현황을 지도모드와 순위모드로 쉽게 확인핛 수 있음
03 중앙일보, 당싞의 금배지 확률은?
• 1대부터 19대까지 국회의원 후보 및 당선인 인적정보를 통계화하여
사용자가 자싞의 조건과 유사핚 후보, 당선인 정보를 확률로 확앆
• 사용데이터 : 중앙선거관리위원회 후보자, 당선자 현황 통계
• 특이사항 : 14대 이후부터 자료가 디지털화 되어있어, 1대부터
14대까지 직접 핸드아웃 문서를 디지털화 수작업 수집 과정을 거침
http://votegame.joins.com/
project.newsjel.ly/seoul-consumer-report/

98 99
http://votegame.joins.com/
▽ 실제 데이터 일부
회귀붂석 차트 예시
01
• 2개 이상의 지표(데이터) 갂의 관계를 파악하기 위해 시각화를 활용핛 수 있음
• scatter chart, lin chart 등을 활용하여 데이터가 갖고 있는 수치적 패턴의 관계를 파악
지표 갂 상호관계 파악
Visual Analytics
Case Study

100 101
출처 통계청 | http://contents.newsjel.ly/issue/subway_air_quality/
01
예시2) 지하철 일일 승하차객 수와 라돈 농도 비교
• 라돈 농도가 높은 상위 5개 역의 라돈 오염 농도 수치와 일일 승하차객 수의 비교
• 승하차객 수가 많을 수록 라돈의 오염 농도가 높은 것으로 나타남 → 상관관계 파악
출처 통계청
01
예시1) 인구 규모에 따른 범죄 발생률 비교
• 도시의 인구 규모(인구 수 100만 기준)와 범죄 발생률을 scatter chart를 활용하여 시각화
• 도시 인구가 많은 대도시 일 수록 범죄 발생률이 선형의 관계가 있는 것으로 나타남( 회귀선 추정 )
출처 http://comm20.tistory.com/20
02
• 통계학적으로 평균에서 크게 벗어난 수치, 정상적 붂포를 벗어난 데이터(이상치,
아웃라이어)를 시각화를 통해 발견, 문제의 원인을 파악핛 수 있음
• Histogram, scatter chart, line chart, column chart 등 다양핚 차트를 통해 데이터 확인
아웃라이어 파악을 통한 상세 분석

102 103
02
예시2) 지하철 역의 승하차객 수와 미세먼지 농도 비교
• 그러나 시청역, 동대문역, 충무로역의 경우 승하차객 수는 강남역의 절반 수준이나 미세먼지농도는
오히려 더 높은 것으로 나타남 → 공기 질 개선의 필요성
출처
http://contents.newsjel.ly/issue/su
bway_air_quality/
02
예시2) 지하철 역의 승하차객 수와 미세먼지 농도 비교
• 지하철 승하차객 수와 미세먼지 농도를 비교
• 대체적으로 승하차객 수가 적을 수록 미세먼지 농도도 낮은 것으로 보임
출처
http://contents.newsjel.ly/issue/su
bway_air_quality/
03
예시1) 서울시 음식 자영업 50년 개업/폐업 현황 시각화
• 서울시 자치구별, 업종별 개업/폐업 현황에 대핚 시각적인 표현
• 자치구별 붂포 정도, 업종별 개업 대비 폐업률 정도를 파악핛 수 있음
공갂적 패턴 / 시계열 트렌드 파악
출처 http://data.seoul.go.kr/visual/foodseoul
03
• 시계열적, 카테고리의 범위가 큰 데이터의 경우 데이터의 이해를 위해 시각화가 필수
• 컬러, 기울기 등을 활용하여 데이터의 밀집 정도, 증감 비율 등을 효과적으로 붂석 가능
• map, area chart, scatter chart 등을 활용하여 데이터의 패턴을 이해핛 수 있음
출처 http://www.educateautism.com/

104
03
예시2) 국내 지진 발생 현황 시각화
• 지도 시각화를 통해 지짂이 빈번하게 발생하는 짂원 지역의 공갂적 붂포를 파악핛 수 있음
• 시계열 차트를 통해 지짂 발생 빈도의 시계열적 변화에 대핚 데이터를 이해핛 수 있음
출처
http://contents.newsjel.ly/issue/public_earthquake/
캠퍼스를 활용한
분석
(캠퍼스 소개 및
데이터 설명)
곽호진
서울시 빅데이터캠퍼스
[세션3] 빅데이터캠퍼스 활용
발표1

122
빅데이터 자치구
과제분석
사례발표
박경채
지어소프트 이사
- 현) (주)지어소프트 이사
- SKC&C, 웨이버스
- 서울시 빅데이터 2014, 2015년 프로젝트 수행
- 빅데이터 분석방법론 개발
- 뉴욕주립대 Techno MBA과정
- 서울대 해양학과
[세션3] 빅데이터캠퍼스 활용
발표2

126 127
6
• 관악구 마을버스의 요일 및 시간대별 각 노선의 최종수요 산출
• 신림역을 지나는 관악08 노선의 수요가 가장 높게, 주택가를 지나는 관악05와 관악11에서 수요가 가장 낮게 나타남
서울형 빅데이터 공유∙활용 플랫폼 고도화
Ⅰ. 마을버스 심야운행 확대를 위한 빅데이터 분석
마을버스 수요산출
마을버스 수요 산출 결과
요일
구분
시간대
관악구 마을버스 노선 최종수요
관악01 관악02 관악03 관악04 관악05 관악06 관악07 관악08 관악10 관악11
평일
00:00~00:30 22 22.58 38 17 5 33 20 119 41 5
00:30~01:00 14 14 23 12 2 14 15 39 27 3
01:00~01:30 14 12.5 29 16 4 21 14 74 30 4
01:30~02:00 12 11 27 13 4 17 12 66 28 4
토
00:00~00:30 19 16.58 43 21 5 32 16 122 49 6
00:30~01:00 13 7 27 13 2 13 13 44 32 4.5
01:00~01:30 15.5 11 41 18 4 26.5 14.5 108.5 44.5 4
01:30~02:00 15 10 36.5 17 5 25.5 14 106 46 5
일
(공휴일)
00:00~00:30 14 10.29 28 13 3 19 12 76 31.5 3
00:30~01:00 7 4 17 8 1 7.5 7 27 18 3
01:00~01:30 9 6 22 10 3 15.5 9 61 26.5 3
01:30~02:00 8 5 21 8 3 13 7.5 54 22 3
▶▶ 관악구 마을버스 노선별 최종수요 산출결과 ▶▶ 관악11노선 도로현황
▶▶ 관악05노선 도로현황
 최종 수요 Data Set
5
분석 흐름도
택시 GPS 정보
버스정류장 정보
KB교통카드
헥사곤
(공간영역)
헥사곤-택시
연계
헥사곤-버스
연계
헥사곤기준
택시 승·하차 내역
버스노선 별
택시 수요 산출
수요산출
Table
버스노선 별
교통카드 수요 산출
마을버스
표준운송원가
최적노선
선정
마을버스
최종수요 산출
마을버스
사각지대 산출
연장노선 선정
배차간격 설정
대중교통 이용정보
비중적용
Location join
Location join
join
join
merge
버스정류장
반경500m
join
데이터 전처리 최적노선 분석 마을버스 수요산출 최종 Data
4
분석 목표
• 본 분석에서는 타 대중교통수단의 막차시간 이후인 02:00까지 마을버스를 연장 운행할 경우를 가정,
• 마을버스 노선별 예상수요량을 산출하고, 심야연장운행가능 여부 및 배차간격을 제시하고자 함
심야 연장운행을 위한 마을버스 노선별 예상수요량 산출
심야 연장운행 가능노선 탐색 및 가능노선의 배차간격 산출
심야 대중교통 이용 현황
심야 대중교통
목적지
시민
대안 ?
지하철
시내버스
택시 도보
선택 가능 교통 수단
심야 대중교통
목적지
시민
마을버스
지하철
시내버스
택시 도보
선택 가능 교통 수단
3
분석 배경
• 현재 마을버스의 막차시간은 12시 전후로 지하철보다 약 1시간 정도 빠름
• 관악구 내 운행하는 지하철(2호선)의 경우, 마을버스보다 커버할 수 있는(도보로 이동 가능한) 영역이 제한적임
→ 지하철 정류장에서 목적지가 먼 하차 승객들의 경우, 택시를 이용할 수 밖에 없는 실정임
AM 00:00 AM 01:00
마을버스 지하철

128 129
10
Ⅱ.교통사고다발지역분석을통한예방정책마련
서울형 빅데이터 공유활용 플랫폼 고도화
9.1%
6.5%
5.5%
5.1%
4.7%
4.4% 4.4% 4.3%
4.1%
3.9% 3.9% 3.8% 3.6% 3.6% 3.5% 3.5% 3.5% 3.4%
3.1% 3.1% 2.9%
2.7% 2.6% 2.6% 2.4%
.0%
1.0%
2.0%
3.0%
4.0%
5.0%
6.0%
7.0%
8.0%
9.0%
10.0% • 서울시 전체 보행자 교통사고의 자치구 별 평균 비율은 4.0%임
• 성북구의 보행자 교통사고 비율은 3.9%로 평균에 근접하며, 전체 25개 자치구 중 10위에 해당함
• 교통사고 비율과 순위로 미루어 서울시 자치구 기준 중간 정도에 해당하는 사고율임
서울시 평균 4.0% (SD: 0.01)
 성북구 보행자 교통사고 건수는 서울시 자치구 기준 평균에 근접함
분석 배경
서울시 전체 보행자 교통사고 자치구 별 사고건수 현황 (2011-2013 전체)
9
8
마을버스 사각지대 산출
• 사각지대 조건을 충족하는 택시 하차수요 113건 이상이며, 인근 버스정류장 거리 295.04m 이상인 헥사곤 추출
• 주요 5개 사각지대 구역 산출 : 기존 마을버스 노선 연장 및 신규노선 신설 가능 여부 확인
택시 하차수요
헥사곤
Join
Distance
마을버스정류장
관악08
관악02
관악04
관악03
관악05
관악10
관악06
관악01
관악07
관악11
1구역
2구역
3구역
4구역
5구역
 사각지대 헥사곤 공간정보 결과 Data Set
마을버스 사각지대 산출
7
최종 분석결과
관악06 평일 토 일
00:00~00:30
03:00~01:00 - - -
01:00~01:30 - - -
01:30~02:00 - - -
• 관악구 마을버스가 00:00~02:00까지 연장 운행될 경우를 가정, 노선별 운행가능시간 및 배차간격 산출결과
00:00~00:30 - - -
03:00~01:00 - - -
01:00~01:30 - - -
01:30~02:00 - - -
00:00~00:30
03:00~01:00
01:00~01:30
01:30~02:00
00:00~00:30 - - -
03:00~01:00 - - -
01:00~01:30 - - -
01:30~02:00 - - -
00:00~00:30
03:00~01:00 -
01:00~01:30 -
01:30~02:00 -
00:00~00:30
03:00~01:00
01:00~01:30
01:30~02:00
00:00~00:30 - -
03:00~01:00 - - -
01:00~01:30 - - -
01:30~02:00 - - -
00:00~00:30
03:00~01:00 -
01:00~01:30 -
01:30~02:00 -
00:00~00:30
03:00~01:00 - - -
01:00~01:30 - - -
01:30~02:00 - - -
00:00~00:30 - -
03:00~01:00 - - -
01:00~01:30 - - -
01:30~02:00 - - -
관악08
관악02
관악04
관악03
관악05관악10
관악06
관악01
관악07
관악11
버스(1대) [ 관악구 마을버스 심야 연장노선 분석 최종 결과 ]
 관악구 마을버스 최종 분석결과 Data Set
분석 결과

130 131
14
• 유치원/어린이집 기준 거리 별 사상자를 면적 당 기준으로 분석한 결과 시설물과 가까울수록 영유아 보행자 교통사고
위험성이 급증하는 패턴이 나타남을 확인함
• 시설물 중심 반경 100-200m 내 보행자 사고는 절대적인 빈도로는 낮게 보이지만 면적 당 사고빈도로 파악한 위험성은
높게 나타나므로 시설물과 가까운 위치일수록 영유아 보행자 교통사고에 대한 주의가 필요한 것으로 사료됨
시사점
유치원/어린이집 기준 거리 별 사상자를 면적 당 기준으로 분석한 결과 시설물과 가까울수록 영유아 보행자
교통사고 위험성이 급증하는 것으로 분석되어 시설물과 가까운 위치일수록 사고에 대한 주의가 필요한 것으로 보임
유치원/어린이집 주변 vs. 이외구역 보행자 교통사고
* 100m당 면적 : PI * 반경^2 - 제외할 면적, 면적 당 사고 수 : 해당 범위 사고 수 / 해당 범위 면적
유치원/어린이집기준 거리 별 발생건수 비교 (면적기준)
(단위 : 명, ㎢)
9
12
17
11
5
2
286.5
127.3
108.2
50.0
17.7
5.8
-
2
4
6
8
10
12
14
16
18
-
50.0
100.0
150.0
200.0
250.0
300.0
350.0
100m 200m 300m 400m 500m 600m
사고수
면적당사고수
어린이 보행자 교통사고 분석
13
어린이
성인
어린이 vs. 성인 보행자 교통사고 사상자 수 시간대 별 추이
• 초등학생의 보행자 교통사고 빈도는 등하교 시간에 집중되는 패턴을 보이며, 등교시간보다는 초등학교 하교시간인 3시
이후 시간대에 더 많은 사고가 집중되는 것으로 관찰됨
• 성인 집단과 비교해보면 출근 시간대에 사고가 집중되는 패턴은 동일하나 퇴근 이후인 19시부터 사고가 집중되는데,
등교/출근 시간보다 하교/퇴근 시간대 교통사고에 취약하다는 점은 성인 집단과 유사한 패턴으로 사료됨
시사점
초등학생 집단은 등교 시간대와 하교 시간대에 사고가 집중되며, 하교 시간대에 더 많은 사고가 발생하고, 등교
시간대에 비해 하교 시간대에서 더 많은 사고가 발생하는 패턴은 성인 집단과 유사한 것으로 사료됨
1 1 1 2 3
8
2
5
11
4 5 5 3 3 21 2
18
4 5
9 11 12
29
24 26
17
14
11
5
1
0
10
20
30
40
0시 1시 2시 3시 4시 5시 6시 7시 8시 9시 10시 11시 12시 13시 14시 15시 16시 17시 18시 19시 20시 21시 22시 23시
영유아
초등학생
87
76
46
30 35 36 36
48
86
54 52
42
49
58 57 63
72 69
76
93
109
84
110
90
-
20
40
60
80
100
120
(단위 : 명)
12
어린이 연령별 보행자 교통사고 사상자 수
초등학생 vs. 성인 연령대 별 보행자 교통사고 사상자 수
(단위 : 명)
영유아 집단은 부모 동행의 영향으로 보행자 사고 빈도가 낮은 편이며, 초등학교 입학 연령부터 사고 빈도가
급증하는 것으로 나타나고, 남아의 사고 빈도가 여아 대비 크게 높아 초등학생 남아가 사고 취약 계층으로 파악됨
5 5
9 7
16 14
29
34 34
26
37
29
-
5
10
15
20
25
30
35
40
1세 2세 3세 4세 5세 6세 7세 8세 9세 10세 11세 12세
117
72
남성
여성
799759
남성
여성
초등학생 성인
시사점
• 영유아 집단은 상대적으로 초등학생
대비 절반 이하의 낮은 보행자 사고
빈도를 보이며 이는 부모 동행의 영향이
큰 것으로 사료됨
• 12세 이하 어린이 집단의 연령대 별
보행자 사고는 초등학교 1학년에
해당하는 7세 연령 이상부터 급증하는
패턴이 나타나며, 초등학교 등하교
과정에서 도보이동 시 영유아 집단과는
달리 부모의 동행이 없는 경우가
많아지기 때문으로 보임
• 초등학생 기준 남아의 사고 빈도가
여아를 크게 앞서는 것으로 나타나며,
남아의 활동성 및 아동기 인지 발달
속도의 성차에 기인하는 것으로 추정됨
(단위 : 명)
11
성북구 보행자 교통사고 사고건수 현황 (2011-2013 전체)
 성북구 자치구 내 어린이 집단, 노인 집단을 대상으로 중점 분석 진행함
5.1%
10.3%
16.0%
13.7%
14.8%
17.6%
22.5%
5.9%
12.8%
15.2%
11.0%
14.4%
15.1%
25.7%
.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
10대미만 10대 20대 30대 40대 50대 60대이상
서울시 사고건수
성북구 사고건수
• 성북구 보행자 교통사고는
어린이를 포함한 10대 이하
집단과 노인을 포함한 60대
이상에서 서울시 평균보다
높은 것으로 나타남
• 어린이 집단과 노인 집단에
대한 중점 분석 필요
분석 배경

132 133
18
17
노인
성인
노인 vs. 성인 보행자 교통사고 사상자 수 시간대 별 추이
• 노인 집단의 보행자 교통사고 발생은 오전 9시경부터 오후 8시경까지 고르게 발생하는 것으로 관찰되며, 등하교 또는
출퇴근 시간의 영향을 받는 타 연령대와는 달리 영향을 줄 외부 요인이 약하기 때문에 나타나는 현상으로 사료됨
• 노인 보행자 교통사고는 주간 기준 특별한 취약 시간대 없이 대부분의 주간 시간대에서 사고가 비슷하게 발생하므로
시간적 요인을 부여하기 어려움
시사점
노인 보행자 교통사고는 오전 9시경부터 오후 8시경까지 주간 시간대에서 특별한 취약 시간대 없이 사고가
비슷하게 발생하는 것으로 나타나며, 등하교 또는 출퇴근 시간과 같은 외부 영향요인이 약하기 때문으로 보임
(단위 : 명)
87
76
46
30 35 36 36
48
86
54 52
42 49
58 57 63
72 69 76
93
109
84
110
90
-
50
100
150
5 2 2
10
15
11
16 19
33 35 35 32
22
40
31
35
43
29 29 31
15
9 9
-
20
40
60
평균 22.1 건
(SD 12.8)
평균 64.9 건
(SD 23.4)
어르신 보행자 교통사고 분석
16
175
333
남성
여성
어르신 보행자 교통사고 분석
노인 보행자 연령별 보행자 교통사고 사상자 수
노인 연령대 성별 보행자 교통사고 사상자 수 비교
(단위 : 명)
노인 집단은 자연적인 인구감소로 인해 연령에 따라 사고빈도가 줄어드는 반비례 관계가 나타나고, 노인 여성
집단의 남성 대비 사고 빈도가 인구통계 인구 수를 감안해도 높은 것으로 분석되어 사고 취약 계층으로 파악됨
노인
시사점
• 노인 집단의 보행자 교통사고 발생
빈도는 연령 증가와 반비례하는 것으로
관찰되며 단순히 자연 인구감소의
영향으로 인한 현상으로 파악됨
• 노인 여성 집단은 남성보다 더 많은
사고빈도를 보이며, 성북구 인구통계
기준 노인 성비(여성 56.9%)와 비교해도
노인 여성 집단의 사고율이 남성보다 더
높게 나타나므로(여성 65.6%) 노인 여성
집단의 남성 대비 보행자 교통사고 다발
현상은 인구통계적 남녀 성비의 차이를
감안해도 높은 것으로 분석됨
• 노인 여성 집단은 초등학생 저학년 남성
집단과 함께 가장 높은 사고 빈도를
보이는 교통 약자 계층으로 분석됨
(단위 : 명)
186
146
96
46
28
6
0
50
100
150
200
65-69세 70-74세 75-79세 80-84세 85-89세 90-94세
성별 남성 여성
100명당
인구 수
1,205 1,589
비율(%) 43.1% 56.9%
* 2010 - 2014년 성북구 연령별 인구 현황 : 경찰청 제공
성북구 인구통계 기준 노인 성비
15
• 초등학교 기준 거리 별 사상자를 면적 당 기준으로 분석한 결과 시설물과 가까운 200m 이내 구역에서 초등학생 보행자
교통사고 위험성이 가장 높은 패턴이 나타남을 확인함
• 시설물 중심 반경 100-200m 내 보행자 사고는 절대적인 빈도로는 낮게 보이지만 면적 당 사고빈도로 파악한 위험성은
높게 나타나므로 시설물과 가까운 위치일수록 초등학생 보행자 교통사고에 대한 주의가 필요한 것으로 사료됨
시사점
초등학교 기준 거리 별 사상자를 면적 당 기준으로 분석한 결과 시설물 반경 200m 이내 구역에서 초등학교 보행자
교통사고 위험성이 가장 높은 것으로 나타나 시설물과 가까운 위치일수록 사고에 대한 주의가 필요한 것으로 보임
초등학교 주변 vs. 이외구역 보행자 교통사고
* 100m당 면적 : PI * 반경^2 - 제외할 면적, 면적 당 사고 수 : 해당 범위 사고 수 / 해당 범위 면적
초등학교 기준 거리 별 발생건수 비교 (면적기준)
(단위 : 명, ㎢)
15
46 47
39
20 20
477.5 488.1
299.2
177.3
70.7 57.9
-
100.0
200.0
300.0
400.0
500.0
600.0
-
10
20
30
40
50
100m 200m 300m 400m 500m 600m
사고수
면적당사고수

134 135
22
Ⅲ. 빅데이터를 활용한 주차문제 해소방안 모색Ⅲ. 빅데이터를 활용한 주차문제 해소방안 모색
주차수요 재정의
유동
수요
불법 주정차 단속정보를 바탕으로 해당 구역에 대한 유동수요를 추정
고정 수요
해당 자동차가 등록된(번호가 부여된) 지점 또는
현재 주로 자동차를 사용(주차)하고 있는 지점에 대한 등록차량정보
부설주차장의 허용한도 대비
해당 부설주차장에 등록된 자동차등록대수의 비교수치
자동차
등록정보
부설
초과수요
21
주차장 공급현황
주차면수 현황 - 전체
High
Low 순위 분석구역
전체주차장
(면수)
공영주차장
(면수)
민영주차장
(면수)
부설주차장
(면수)
1 1 15,046 151 140 14,745
2 45 6,218 0 0 6,218
3 16 5,593 460 100 4,654
4 21 5,547 0 0 5,547
5 8 5,398 135 0 5,263
6 47 5,283 251 0 5,001
7 40 4,874 246 0 4,553
8 35 4,623 592 36 3,948
9 34 4,622 448 0 4,118
10 36 4,326 1,654 64 2,505
▶▶ 전체주차장 주차면수 상위 10개 구역
 분석구역별 주차시설현황 및 등록대수 현황 Data Set
20
분석 흐름도
Ⅲ. 빅데이터를 활용한 주차문제 해소방안 모색
원시데이터 Data Set 구축 시각화결과 산출
부설주차장
차량본거지
불법주정차 단속정보
주차시설 현황
자동차 등록대수
Raw Data
Aggregation Data
수요공급 현황
부설초과수요
유동수요
주차장확보율
분석구역별 유형분류
유형별 대책(안) 매칭
수요공급 현황
19
Ⅲ. 빅데이터를 활용한 주차문제 해소방안 모색
분석배경
불법주정차
발생
불법 주정차 문제로 인한 사회적∙경제적 비용 발생

136 137
26
(신규방식 적용)주차장확보율 현황
순위 분석구역 주차장확보율
총 공급
(면수)
총 수요
(대수)
1 13 32.15% 1,011 3144.24
2 31 42.50% 585 1376.60
3 52 50.40% 478 948.50
4 48 56.36% 1,099 1950.11
5 10 61.55% 1,528 2482.58
6 2 65.81% 1,594 2422.07
7 32 66.39% 602 906.82
8 28 67.21% 1,539 2289.80
9 9 71.82% 731 1017.81
10 7 74.41% 712 956.85
▶▶ 주차장확보율 하위 10개 구역Low
High
 분석구역별 주차장확보율 산출 Data Set
주차장확보율 분석
25
주차장확보율 재정의
해당지역에서 주차관련 차량수요에 대응될 수 있는 주차공급면수의 비율을 의미
주차장확보율의 정의1
주차장확보율의 산출목적2
주차장확보율의 산출방식3
전체 주차면수 대비 고정수요와 유동수요를 합산한 수요의 비율(%)로 산출
유동수요까지 반영된 신규산출방식제시
주차관련 수요공급의 판단기준으로 활용목적
유동수요 미 반영(고정수요로만 국한)
기존 방식
24
유동수요 현황
High
Low
주차수요 분석
23
High
Low
주차수요 분석
자동차 등록대수 현황 부설 초과수요 현황
Low
High

138 139
30
Ⅳ. 신촌 크리스마스축제 효과 분석
축제 행사구역
신촌 크리스마스 거리축제 행사구역 및 비교지역 측정영역 정의
1
2
3
4
신촌 축제 행사구역
신촌 축제 행사 주변구역
신촌 축제 행사 주변 상부도로
신촌 축제 행사 주변 하부도로
1
2
3
4
29
신촌 크리스마스
축제 빅데이터
분석 목적
• 문화예술 및 매출 위주의 기존 축제 평가를 데이터 기반으로 객관성과 경제성 측면
보완
• 축제 분석결과를 바탕으로 차년도 축제 계획 수립 시 개선 방향성과 근거 제시
• 궁극적으로 신촌 크리스마스 축제 시행목적을 달성할 수 있도록 일조
지역경제 활성화
문화/관광 활성화
시민들의 교류 진작
자체 수익 개선
신촌 크리스마스 축제 시행목적 달성
• 데이터 기반의 객관적 평가
- 축제 참여 인구 특성
- 축제 영향권 범위
- 매출 영향 업종
- 긍/부정 경향성
- 관련 민원사항
• 객관성 보완
• 경제성 보완
개선 방향성과 근거
분석 개요
28
27
주거지역
불법 주정차 다수 발생
부설주차장 잉여면수 有
상업지역
불법 주정차 다수 발생,
부설주차장 잉여면수 有
100% 미만
0 미만
중위수 이상
0 이상
중위수 이하
주거지역
상업지역
주거상업
공통
불법 주정차 다수 발생,
부설주차장 잉여면수 없음
불법 주정차 적게 발생하나,
주차장확보율은 낮음
부설주차장 잉여면수 없음
주차장
확보율
부설
초과수요
유동수요
구역용도
구분
유형분류
유형
2
유형
3
유형
4
유형
1
 중위수(The Median) : 통계 자료에서 변량을 크기 순서대로 늘어놓았을 때 그들의 한가운데 있는 값
주차구역 유형 분류

140 141
34
• 신촌 중심부에 위치한 [미니스톱 연대점 앞 삼거리 인근], [GS25 편의점 앞 삼거리 인근], [종로유학원 앞 교차로 인근]
등 지역에서 방문객 분포가 상대적으로 집중됨
• [엠플레이 인근], [국민은행 신촌점 인근] 등 지역에서도 방문객 분포가 상대적으로 높게 나타남
시사점
신촌 중심부에 위치한 [미니스톱 연대점 앞 삼거리 인근], [GS25 편의점 앞 삼거리 인근], [종로유학원 앞 교차로
인근] 등 지역과 [엠플레이 인근], [국민은행 신촌점 인근] 등 지역에서 방문객 분포가 상대적으로 높게 나타남
축제 기간 평균 방문객 분포
순위 위치
일 평균
방문객 수
1
미니스톱 연대점
앞 삼거리 인근
1,708
2
GS25 편의점
앞 삼거리 인근
1,578
3 엠플레이 인근 1,558
4
종로유학원
앞 교차로 인근
1,388
5 국민은행 신촌점 인근 1,332
축제 기간 방문객 분포 Top 5
1 2
3
4
5
(단위 : 명)
축제 Hot Place
32
행사구역은 여성 방문객이 남성보다 많고, 축제 이전 대비 인원 증가는 남녀 차이가 없으며, 남녀 모두 20대 이하
연령대 집단에서만 축제 이전 대비 증가 추세가 관찰됨
• 행사구역은 여성 방문객이 남성보다 많으며, 축제 이전 대비 인원 증가는 남녀 차이가 없는 것으로 나타남
• 남녀 모두 20대 이하 연령대 집단에서만 축제 이전 대비 증가 추세가 관찰됨
시사점
축제 전후 기간 성별 방문자 수 - 행사구역 축제 전후 기간 성/연령대 별 방문자 수 - 행사구역
남
성
여
성
3.3
1.5
1.1 0.9 0.6
4.4
1.5
1.1 0.9 0.6
3.5
1.3
0.9 0.7 0.5
4.8
1.7
1.3 1.2 0.9
0.0
2.0
4.0
6.0
20대이하 30대 40대 50대 60대이상
축제이전
축제기간
축제이후
전년동기
3.8
1.3 1.2 1.0 0.7
4.7
1.3 1.2 1.0 0.7
3.6
1.1 1.0 0.9 0.6
5.1
1.5 1.2 1.0
0.5
0.0
2.0
4.0
6.0
20대이하 30대 40대 50대 60대이상
축제이전
축제기간
축제이후
전년동기
(단위 : 만명)
7.4
7.9
8.4
8.9
7.0 7.1
10.0
9.3
0.0
2.0
4.0
6.0
8.0
10.0
12.0
14.0
남성 여성
축제이전 축제기간
축제이후 전년동기
유동인구 분석
31
행사구역 방문자 수는 축제 이전 대비 증가하였으며, 특히 20대 이하 연령대 집단에서 증가 추세가 두드러져
축제로 인한 방문객의 대부분은 20대 이하로 나타나고, 전년 축제 기간과 비교하여 낮은 방문자 수가 관찰됨
• 행사구역 방문자 수는 축제 이전 대비 증가하였으며, 특히 20대 이하 연령대 집단에서 증가 추세가 두드러지나, 타
연령집단에서는 증가 패턴이 나타나지 않으므로 축제로 인한 방문객의 대부분은 20대 이하로 나타남
• 전년 축제 기간과 비교하여 전체 연령대에서 전반적으로 낮은 방문자 수가 관찰됨
시사점
축제 전후 기간 전체 방문자 수 - 행사구역 축제 전후 기간 연령대 별 방문자 수 - 행사구역
유동인구 분석
15.3
17.3
14.1
19.3
-
5.0
10.0
15.0
20.0
25.0
축제이전 축제기간 축제이후 전년동기
7.1
2.8
2.3
1.9
1.3
9.1
2.8
2.3
1.9
1.3
7.1
2.4
1.9
1.6
1.1
9.9
3.2
2.5
2.2
1.5
0.0
2.0
4.0
6.0
8.0
10.0
12.0
20대이하 30대 40대 50대 60대이상
축제이전
축제기간
축제이후
전년동기
(단위 : 만명) (단위 : 만명)

142 143
37
행사구역 외국인 매출은 축제이전 대비 증가하며, 전년 동기에 비해서도 높게 나타나고, 국가 별 매출은 중국 >
미국 > 일본 순으로 높으며, 중국 방문객의 매출이 66.5%로 전체 외국인 매출 중 절반 이상으로 나타남
• 행사구역 외국인 매출은 축제이전 대비 증가하며, 전년 동기에 비해서도 높게 나타남
• 국가 별 매출은 중국 > 미국 > 일본 등의 순서로 나타나며, 중국 방문객의 매출이 66.5%로 외국인 매출 중 절반 이상임
• 중국, 일본, 홍콩 방문객의 매출은 축제 이전 대비 증가하였으나 미국, 대만 방문객의 매출은 감소한 것으로 나타남
시사점
축제전후기간외국인전체매출액-행사구역 축제 전후 기간 외국인 국가 별 매출액 - 행사구역
(단위 : 매출액(백만원), 합계) (단위 : 매출액(백만원), 합계)
1,128
1,260
1,220
712
-
200
400
600
800
1,000
1,200
1,400
713
119
49 32 49
165
837
107
72 54 42
148
785
116
75
26
56
163
441
71
30 24 34
112
66.5%
8.5%
5.7% 4.3% 3.3%
11.7%
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
-
100
200
300
400
500
600
700
800
900
CHINA UNITED
STATES
JAPAN HONG KONG TAIWAN 기타
축제이전
축제기간
축제이후
전년동기
점유율
외국인 매출 분석
36
시사점
• 20대 이하 연령대 집단은 [음식 및
숙박서비스], [문화 및 기타서비스],
[패션(섬유 및 가죽제품)] 등 축제
관련 업종과 연관이 높음
• 30대 집단은 축제 관련 업종과 함께
[부동산 및 임대], [전기 및 전자기기]
업종과 연관 높음
• 40대-50대 집단은 [건설],
[도소매서비스], [교육서비스]와 연관
높음
• 60대 이상 집단은 [보건 및
사회복지서비스]와 연관 높음
2015년 행사기간 내국인 연령 업종별 연관성 (MCA분석)
20대 이하, 30대 집단에서만 축제 관련 업종인 [음식 및 숙박서비스], [문화 및 기타서비스], [패션(섬유 및
가죽제품)] 업종군에 대한 연관성이 높은 것으로 나타남
 20대 이하, 30대 집단에서 축제
관련 업종에 대한 연관성 발생
* MCA분석 해석 : 대상과 가까운 지점에 찍힌 항목들이 대상을 가장 잘 설명해 줄 수 있는 변수
매출 분석
35
행사구역 매출은 축제이전 대비 증가하며, 전년 동기에 비해서도 높게 나타나며, 20대 이하 연령대에서 가장 높은
매출 증가가 나타나며, 30-40대에서도 소폭의 증가가 관찰됨
• 행사구역 매출은 축제이전 대비 증가하며, 전년 동기에 비해서도 높게 나타남
• 20대 이하 연령대에서 축제이전 대비 가장 높은 매출 증가가 나타나며, 30-40대에서도 소폭의 증가가 관찰됨
시사점
축제 전후 기간 전체 매출액 - 행사구역 축제 전후 기간 연령대 별 매출액 - 행사구역
(단위 : 매출액(백만원), 합계) (단위 : 매출액(백만원), 합계)
5,355
6,041
4,640
4,986
-
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
10,000
2,667
639
965
866
218
3,306
691
1,113
773
158
2,481
585
757 699
118
2,583
583
1,070
624
126
-
500
1,000
1,500
2,000
2,500
3,000
3,500
4,000
20대이하 30대 40대 50대 60대이상
축제이전 축제기간
축제이후 전년동기
연령대 20대이하 30대 40대 50대 60대이상
매출증가액
비중(%)
93.2% 7.6% 21.6% -13.6% -8.8%
매출 분석

빅데이터 캠퍼스 컨퍼런스 자료집(2016.7.14)

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to 빅데이터 캠퍼스 컨퍼런스 자료집(2016.7.14)

Similar to 빅데이터 캠퍼스 컨퍼런스 자료집(2016.7.14) (20)

More from bigdatacampus

More from bigdatacampus (17)

빅데이터 캠퍼스 컨퍼런스 자료집(2016.7.14)