SlideShare a Scribd company logo
1 of 14
교통사고
주의 서비스
17010668 황창현
목차
1. 배경
2. 프로젝트 컨셉
3. 프로젝트 목표
4. 프로젝트 기능 및 디자인
5. 한계점과 기대효과
교통사고 개선과 사고감소에 적극적인 개입이
라고 할 수 없는 수동적인 정보 서비스에서 축적
된 데이터를 통한 기존의 사고 방식의 원인을 파
악하고 사고발생을 예측하는 서비스를 제공
1. 배경
서울시 광진구 내의 교통사고 데이터를 기반으로 위
치와 날씨, 시간대별로 교통사고 데이터를 분석하여
교통사고 발생 모델을 만들고, 이 모델을 활용하여
실시간 교통상황에 따른 교통사고 발생을 예측
2. 프로젝트 컨셉
교통사고
알림 서비스
빅데이터 분석으로 만들어진
모델에 실시간 데이터를 활
용하여 정확한 교통사고 예
측정보를 제공하는 체계구축
3. 프로젝트 목표
교통사고 발생예측 확률이
특정 퍼센트에 도달했는지를
알려주는 서비스
웹페이지를 통한 서비스 제
공.
기존 데이터의 분석 결과를
사용자에게 제공하고 수치와
KPI BANs를 통해 화면에 제공.
왼쪽 사이드바는 페이지를 나누기 위한 page navigation.
가운데 큰 title은 대쉬보드를 가리키며 최다 사고유형부터 최다사고날짜를 보여준다.
4. 프로젝트 기능 및 디자인
사고다발구역과 법규위반구역을 지도에 표현하여 광진구 내 위험지역 확인
사용 데이터를 알려줌으로써 신뢰성 확보.
4. 프로젝트 기능 및 디자인
지역은 선택함으로써 지역과 실시간 날씨에 대한 사고 확률 제공.
그 밑은 훈련 했을 때 얼만큼 잘 구분 할 수 있는지 confusion matrix를 통한 타당성 확보
4. 프로젝트 기능 및 디자인
schoolzone 공공데이터에서 위치를 파악한 후,도로
교통공단의 교통사고 사망 데이터와 거리를 비
교한 후 schoolzone 체크를 하는 코드.
4. 프로젝트 기능 및 디자인
수가 많이 적어진 데이터를 보강하기 위한
oversampling 기법 활용.
4. 프로젝트 기능 및 디자인
실시간으로 구글에서 지역에 대한 날씨 데이터를 가져올 수 있는 crawling 방법 사용.
4. 프로젝트 기능 및 디자인
예측 확률을 내기 위해 데이터 프레임을 만들고
예측하는 코드.
4. 프로젝트 기능 및 디자인
한계점
부족한 훈련 데이터 -> 이전 데이터 사용.
기대효과
실시간 교통 정보로 사고 예측 인지 및 사고확률 ▼
5. 한계점과 기대효과
감사합니다.

More Related Content

Similar to 소비자분석_광진구교통사고주의및예측서비스

Lh smartcity for_osgeo
Lh smartcity for_osgeoLh smartcity for_osgeo
Lh smartcity for_osgeossuser3b2776
 
권기훈_개인포트폴리오
권기훈_개인포트폴리오권기훈_개인포트폴리오
권기훈_개인포트폴리오Kihoon4
 
2018_ 디지털 사이니지 트랜드 소개
2018_ 디지털 사이니지 트랜드 소개2018_ 디지털 사이니지 트랜드 소개
2018_ 디지털 사이니지 트랜드 소개M&M Networks
 
인공지능 발전이 가져올 2030년의 삶
인공지능 발전이 가져올 2030년의 삶인공지능 발전이 가져올 2030년의 삶
인공지능 발전이 가져올 2030년의 삶봉조 김
 
환경영향평가 의사결정지원 시공간 표출기술
환경영향평가 의사결정지원 시공간 표출기술 환경영향평가 의사결정지원 시공간 표출기술
환경영향평가 의사결정지원 시공간 표출기술 SANGHEE SHIN
 
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델BOAZ Bigdata
 
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트김인규
 
Torque no look
Torque no lookTorque no look
Torque no looktjrwn2030
 
빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인
빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인
빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인Ji Lee
 
예측 분석 산업별 사례 147
예측 분석 산업별 사례 147예측 분석 산업별 사례 147
예측 분석 산업별 사례 147eungjin cho
 
2011년 5월_ 디지털 미디어 동향보고
2011년 5월_ 디지털 미디어 동향보고2011년 5월_ 디지털 미디어 동향보고
2011년 5월_ 디지털 미디어 동향보고DMC미디어
 
2. Smart Media M&M Networks vol1
2. Smart Media M&M Networks vol12. Smart Media M&M Networks vol1
2. Smart Media M&M Networks vol1M&M Networks
 
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료Sonia Lee
 
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료 2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료 D.CAMP
 
빅데이터로 진화하는 세상
빅데이터로 진화하는 세상빅데이터로 진화하는 세상
빅데이터로 진화하는 세상영훈 김
 
재난안전위험 사회와 정보소통14
재난안전위험 사회와 정보소통14재난안전위험 사회와 정보소통14
재난안전위험 사회와 정보소통14Han Woo PARK
 
월간 Im september 2015
월간 Im september 2015월간 Im september 2015
월간 Im september 2015M&M Networks
 
전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019
전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019
전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019M&M Networks
 

Similar to 소비자분석_광진구교통사고주의및예측서비스 (20)

Lh smartcity for_osgeo
Lh smartcity for_osgeoLh smartcity for_osgeo
Lh smartcity for_osgeo
 
권기훈_개인포트폴리오
권기훈_개인포트폴리오권기훈_개인포트폴리오
권기훈_개인포트폴리오
 
2018_ 디지털 사이니지 트랜드 소개
2018_ 디지털 사이니지 트랜드 소개2018_ 디지털 사이니지 트랜드 소개
2018_ 디지털 사이니지 트랜드 소개
 
인공지능 발전이 가져올 2030년의 삶
인공지능 발전이 가져올 2030년의 삶인공지능 발전이 가져올 2030년의 삶
인공지능 발전이 가져올 2030년의 삶
 
환경영향평가 의사결정지원 시공간 표출기술
환경영향평가 의사결정지원 시공간 표출기술 환경영향평가 의사결정지원 시공간 표출기술
환경영향평가 의사결정지원 시공간 표출기술
 
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
[분석] ITS와 유동인구 데이터를 활용한 교통 예측 모델
 
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
실시간 따릉이 잔여대수 예측을 통한 사용자 불만제로 프로젝트
 
Torque no look
Torque no lookTorque no look
Torque no look
 
빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인
빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인
빅데이터 분석 시각화 분석 : 4장 빅데이터와 시각화 디자인
 
예측 분석 산업별 사례 147
예측 분석 산업별 사례 147예측 분석 산업별 사례 147
예측 분석 산업별 사례 147
 
2011년 5월_ 디지털 미디어 동향보고
2011년 5월_ 디지털 미디어 동향보고2011년 5월_ 디지털 미디어 동향보고
2011년 5월_ 디지털 미디어 동향보고
 
금융산업의 빅데이터 활용 및 이슈
금융산업의 빅데이터 활용 및 이슈금융산업의 빅데이터 활용 및 이슈
금융산업의 빅데이터 활용 및 이슈
 
2. Smart Media M&M Networks vol1
2. Smart Media M&M Networks vol12. Smart Media M&M Networks vol1
2. Smart Media M&M Networks vol1
 
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
 
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료 2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
2015년 7월의 D.PARTY_오토팩토리 박신영 이사 발표 자료
 
[2020 시민안전확보] 경상남도 하동군
[2020 시민안전확보] 경상남도 하동군[2020 시민안전확보] 경상남도 하동군
[2020 시민안전확보] 경상남도 하동군
 
빅데이터로 진화하는 세상
빅데이터로 진화하는 세상빅데이터로 진화하는 세상
빅데이터로 진화하는 세상
 
재난안전위험 사회와 정보소통14
재난안전위험 사회와 정보소통14재난안전위험 사회와 정보소통14
재난안전위험 사회와 정보소통14
 
월간 Im september 2015
월간 Im september 2015월간 Im september 2015
월간 Im september 2015
 
전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019
전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019
전남. 광주 스마트 사이니지 서비스 활성화 보고서_2019
 

소비자분석_광진구교통사고주의및예측서비스

  • 2. 목차 1. 배경 2. 프로젝트 컨셉 3. 프로젝트 목표 4. 프로젝트 기능 및 디자인 5. 한계점과 기대효과
  • 3. 교통사고 개선과 사고감소에 적극적인 개입이 라고 할 수 없는 수동적인 정보 서비스에서 축적 된 데이터를 통한 기존의 사고 방식의 원인을 파 악하고 사고발생을 예측하는 서비스를 제공 1. 배경
  • 4. 서울시 광진구 내의 교통사고 데이터를 기반으로 위 치와 날씨, 시간대별로 교통사고 데이터를 분석하여 교통사고 발생 모델을 만들고, 이 모델을 활용하여 실시간 교통상황에 따른 교통사고 발생을 예측 2. 프로젝트 컨셉 교통사고 알림 서비스
  • 5. 빅데이터 분석으로 만들어진 모델에 실시간 데이터를 활 용하여 정확한 교통사고 예 측정보를 제공하는 체계구축 3. 프로젝트 목표 교통사고 발생예측 확률이 특정 퍼센트에 도달했는지를 알려주는 서비스 웹페이지를 통한 서비스 제 공. 기존 데이터의 분석 결과를 사용자에게 제공하고 수치와 KPI BANs를 통해 화면에 제공.
  • 6. 왼쪽 사이드바는 페이지를 나누기 위한 page navigation. 가운데 큰 title은 대쉬보드를 가리키며 최다 사고유형부터 최다사고날짜를 보여준다. 4. 프로젝트 기능 및 디자인
  • 7. 사고다발구역과 법규위반구역을 지도에 표현하여 광진구 내 위험지역 확인 사용 데이터를 알려줌으로써 신뢰성 확보. 4. 프로젝트 기능 및 디자인
  • 8. 지역은 선택함으로써 지역과 실시간 날씨에 대한 사고 확률 제공. 그 밑은 훈련 했을 때 얼만큼 잘 구분 할 수 있는지 confusion matrix를 통한 타당성 확보 4. 프로젝트 기능 및 디자인
  • 9. schoolzone 공공데이터에서 위치를 파악한 후,도로 교통공단의 교통사고 사망 데이터와 거리를 비 교한 후 schoolzone 체크를 하는 코드. 4. 프로젝트 기능 및 디자인
  • 10. 수가 많이 적어진 데이터를 보강하기 위한 oversampling 기법 활용. 4. 프로젝트 기능 및 디자인
  • 11. 실시간으로 구글에서 지역에 대한 날씨 데이터를 가져올 수 있는 crawling 방법 사용. 4. 프로젝트 기능 및 디자인
  • 12. 예측 확률을 내기 위해 데이터 프레임을 만들고 예측하는 코드. 4. 프로젝트 기능 및 디자인
  • 13. 한계점 부족한 훈련 데이터 -> 이전 데이터 사용. 기대효과 실시간 교통 정보로 사고 예측 인지 및 사고확률 ▼ 5. 한계점과 기대효과