티스토리

이것저것

검색하기

블로그 홈

이것저것

sehi-story.tistory.com/m

세희홍 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

(8)결론 및 고찰_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 1. 분석 결과 해석 ➀ 쉘터형 버스 정류장 입지 선정 - 도로 재비산먼지 농도가 정상 기준을 초과하게 되면 해당 도로에 노출되는 보행자에게 위험도가 높고 사람들이 많이 이용하는 버스 정류장일수록 더 많은 사람이 위험에 노출될 수 있으므로 도로 재비산먼지 연평균 농도와 연간 버스 승·하차 인원수를 고려함 - 도로 재비산먼지 평균 농도가 150㎍/㎥을 초과하거나 연간 승·하차 인원수가 기준값(서울 100만, 인천 60만, 대구 25만) 이상인 버스 정류장을 최종 선정하여 시각화 - 서울 : 강서구청사거리·서울디지털대학교 등 41개 버스 정류장 - 인천 : 가정(루원시티)역 등 22개 버스 정류장 - 대구 : 2.28기념중앙공원건너1 등 33개 버스 정류장 ➁ 도로 재비산먼지 집중관리 도로구간 분류 - 버스.. 공감수 0 댓글수 0 2022. 7. 16.
(7)분석 결과_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 ➀ 쉘터형 버스 정류장 입지선정 및 시각화 ❍ 서울시 - 재비산먼지 평균 농도가 150(㎍/㎥) 초과인 도로 위에 있으면서 연간 승·하차 인원이 100만 명 이상인 41개 버스 정류장 선정 정류장명 ARS-ID 승·하차 인원 강서구청사거리.서울디지털대학교 16008 1,301,927 강서구청사거리.서울디지털대학교 16007 1,096,416 경찰청.동북아역사재단 2110 1,307,528 경찰청.동북아역사재단 13039 1,116,044 독립문역.한성과학고 13034 1,250,983 ... ... ... ❍ 인천시 - 재비산먼지 평균 농도가 150(㎍/㎥) 초과인 도로 위에 있으면서 연간 승·하차 인원이 60만 명 이상인 22개 버스 정류장 선정 정류장명 ARS-ID 승·하차 인원 가정(루원시티)역 8.. 공감수 0 댓글수 0 2022. 7. 16.
(6)데이터 분석 및 시각화_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 ① 쉘터형 버스 정류장 입지 선정 - 재비산먼지 평균 농도가 150(㎍/㎥)를 초과하고 연간 승·하차 인원이 기준값(서울 100만, 인천 60만, 대구 25만) 이상인 버스 정류장 선정 - QGIS를 활용하여 재비산먼지 평균 농도가 150(㎍/㎥) 초과인 도로와 연간 승·하차 인원이 기준값 이상인 버스 정류장과 교차하는 지점 탐색 - 서울 정류장명 ARS-ID 승·하차 인원 강서구청사거리.서울디지털대학교 16007 1,307,528 경찰청.동북아역사재단 13039 1,301,927 독립문역.한성과학고 13034 1,250,983 강서구청사거리.서울디지털대학교 16008 1,116,044 경찰청.동북아역사재단 2110 1,096,416 ... ... ... - 인천 정류장명 ARS-ID 승·하차 인원 가정.. 공감수 0 댓글수 0 2022. 7. 16.
(5)데이터 전처리 및 통계분석_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 ❍ 버스정류장별 승·하차 인원 분석 - 버스 정류장 승·하차 인원 데이터는 지역마다 집계 방식이 다르므로, 1개년도(2020년) 승·하차 인원의 총합으로 계산하여 사용 - 통계분석을 통해 이용 인원이 많은 버스 정류장 선별 - 파란색으로 표시한 ‘표준버스정류장 ID’를 기준으로 총 승·하차 인원 데이터와 버스 정류장의 위·경도 데이터를 결합하여 하나의 데이터셋으로 사용 - 지역 간에 버스 정류장 이용 인원수의 편차가 크기 때문에 지역별 전체 버스 정류장 이용 인원수의 약 30%*에 해당하는 정류장을 선별함. 서울시 연간 이용 인원수 1,000,000(일백만)명 이상인 512개 정류장, 인천시 연간 이용 인원수 600,000(육십만)명 이상인 177개 정류장, 대구시 연간 이용 인원수 250,000(이십오.. 공감수 0 댓글수 0 2022. 7. 16.
(4)분석 계획 수립 및 데이터 수집_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 1. 분석 계획수립 ❍ (분석항목 1) 서울·인천·대구시 승·하차 인원이 많은 버스 정류장 선별 - 서울·인천·대구시 버스정류장별 승·하차 데이터를 정제한 후 EDA와 통계분석을 통해 이용 인원이 많은 버스 정류장을 선별 ❍ (분석항목 2) 버스 정류장 위치 데이터 정비 - 분석항목 1에서 전처리한 버스 정류장 데이터와 서울·인천·대구시 버스 정류장 위치 정보(위·경도)를 결합하여 위치 데이터 정비, 통계분석을 통해 선별된 버스 정류장 시각화 ❍ (분석항목 3) 도로 재비산먼지 데이터 분석 - 서울·인천·대구시 도로 재비산먼지 데이터를 분석하여 필요한 통계적 데이터 추출 ※ 대구광역시는 재비산먼지 측정 데이터의 양이 서울과 인천에 비해 적으므로 2020년 6월부터 2021년 12월까지의 데이터를 사용 ❍.. 공감수 0 댓글수 0 2022. 7. 16.
(3)개요_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 1. 과제 배경 및 목적 ❍ 과제 배경 - 비산먼지1)는 전국 미세먼지(PM10) 배출량 중 50.2%로 가장 높은 비율을 차지함. 그 중, 도로 재비산으로 인한 미세먼지(PM10) 배출량은 40,319t으로 비산먼지 배출량의 36.7%이며, 전체 미세먼지(PM10) 배출량의 18.4%에 해당함 - 전국 미세먼지 배출원 중 비산먼지가 차지하는 비율이 가장 높고, 전국 비산먼지 배출원 중 도로 재비산이 차지하는 비율이 상당함을 알 수 있음 - 도로 재비산먼지2)는 Al, K, Ca 등의 지각물질에 기인하는 자연적인 성분 외에도 배출가스, 타이어, 브레이크 마모 등에 의해 발생하는 Cd, Pb, Cr 등 유해한 인위적 성분을 포함하며, 일반 먼지에 비하면 인체에 더욱 해로움 - 도로 재비산먼지는 입자가 미세.. 공감수 0 댓글수 0 2022. 7. 16.
(2)활용 데이터 및 세부 일정_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 - 활용 데이터 순번 수집데이터 데이터 세부 항목 데이터 건수 보유기관 비고 1 재비산먼지 측정 데이터 지역, 도로명, 재비산먼지 평균 농도 서울: 2,621건 인천: 1,707건 대구: 156건 한국환경공단 2 서울시 버스 정류장 승·하차 데이터 버스 정류장 ID, 역명, 승차 인원, 하차 인원 468,820건 서울특별시 일별 합계제공 3 인천시 버스 정류장 승·하차 데이터 버스 정류장 ID, 역명, 승차 인원, 하차 인원 6,156건 인천광역시 1년 합계제공 4 대구시 버스 정류장 승·하차 데이터 버스 정류장 ID, 역명, 승차 인원, 하차 인원 2,116,733건 대구광역시 일별 합계제공 5 도로구간 도로명 주소, 도로 GIS 서울: 67,643건 인천: 19,221건 대구: 24,381건 행정안전.. 공감수 0 댓글수 0 2022. 7. 16.
(1)과제 수행 인터뷰_도로 재비산먼지 저감을 위한 쉘터형 버스정류장 입지 및 집중관리 도로 선정 1. 인터뷰 개요 ❍ 일시 : 2021.12.29. 10:00~11:00 ❍ 장소 : 한국환경공단 빅데이터관리부 회의실 ❍ 참석자 : 한국환경공단 빅데이터관리부 청년인턴 이상언 2. 주요 내용 미세먼지 저감효과를 증대하기 위해 재비산먼지 데이터와 버스 승·하차 데이터를 분석하여 재비산먼지 농도가 높고 버스정류장 이용 인원도 많은 구역에 대한 쉘터형 버스 정류장 입지 선정 및 도로 관리 Q1. 재비산먼지 데이터는 환경데이터 포털에 있는 데이터를 이용하신 건가요? A1. 환경데이터 포털에도 올라와 있고 도로 재비산먼지 관리 시스템에도 있습니다. Q2. 재비산먼지 데이터, 버스 정류장 데이터, 도로 데이터를 어떤 방식으로 병합하였나요? A2. 각 데이터를 전처리한 이후에 도로명을 기준으로 결합하였습니다. Q3.. 공감수 0 댓글수 0 2022. 7. 16.
(7)결론 및 고찰_관로 노후화 의심구역 선정을 위한 수질정보 분석 1. 분석 결과 해석 ❍ 변동이 심한 다른 정수장에 비해 충청남도 ‘석성 정수장’에서부터 공급되는 수돗물이 관로를 통하면서 수질 데이터에 지속적인 변동이 관측됨 - ‘석성 정수장’에서 ‘철’, ‘아연’ 성분이 증가추세를 보임 - ‘석성 정수장’에서부터 관말 수도꼭지까지 연결된 관로를 노후 관로 중점관리지역으로 선정하여 지속적인 모니터링과 관리 필요 ❍ ‘아연’ 성분이 검출되는 빈도가 높음 - ‘아연’은 부식작용을 방지하기 위해 강철 제품에 도금할 때 사용되는 성분 중의 하나이며, 관로가 노후되면서 관로의 재질이 수돗물에 영향을 미칠 수도 있음. 2. 고찰 및 한계 ❍ 수집한 데이터(2015~2019년 정수장, 수도꼭지 수질 데이터)에 결측값, 이상값이 많아서 분석 정확성이 떨어질 수 있음. ❍ 측정된 수.. 공감수 0 댓글수 0 2022. 7. 16.
(6)데이터 분석 및 시각화_관로 노후화 의심구역 선정을 위한 수질정보 분석 4. 데이터 분석 ❍ 정수장 대비 수도꼭지 수질 데이터(암모니아성 질소, 망간, 아연, 구리, 철, 염소이온) 차이에 대한 경향성 분석 ❍ 항목별 수질 데이터의 차이가 증가 경향성인 경우를 선정 ❍ 분석한 6가지 항목(구리, 아연, 철, 염소이온, 암모니아성 질소, 망간) 중에서 구리, 아연, 철, 염소이온에서 유의미한 결과를 확인하였고, 암모니아성 질소, 망간은 변동이 거의 관측되지 않아 제외함 #암모니아성질소 시각화 코드 final = openpyxl.load_workbook(waterplant_num+watertab_name+".xlsx") fi = final.get_sheet_by_name("Sheet1") chart = openpyxl.chart.LineChart() chart.title = w.. 공감수 0 댓글수 0 2022. 7. 11.
(5)데이터 확인 및 전처리_관로 노후화 의심구역 선정을 위한 수질정보 분석 1. 데이터 확인(EDA) 및 전처리 ❍ 정수장 데이터 - 노후 관로에서 측정하는 항목(암모니아성 질소, 구리, 아연, 염소이온, 철, 망간)을 분석하기 위해 일반 수도꼭지를 제외하고 노후 수도꼭지 데이터만 추출 - 48개 이상의 수질 데이터를 보유한 수도꼭지 지역(150군데)에 수돗물을 공급한 정수장을 ‘시설물 코드’를 활용하여 추출 - 추출된 2015~2019년 월간 정수장 수질 데이터정수장(약 50여 군데)의 결측값(2018년도 대부분 등)을 분석항목(암모니아성 질소, 구리, 아연, 염소이온, 철, 망간)별로 각 항목의 전체 평균으로 대체 광역시도 시설물 번호 정수장명 정수장 주소 채수 년월일 수질검사기관 NH3-N Cu Zn Cl Fe Mn 전라남도 화순군 ○○○ 화순읍 ●●● 20190108 이.. 공감수 0 댓글수 0 2022. 7. 11.
(4)데이터 수집_관로 노후화 의심구역 선정을 위한 수질정보 분석 1. 분석수행 절차 ❍ 데이터 수집 - 2015~2019년도 월간 측정된 정수장 수질 데이터와 노후 수도꼭지 수질 데이터(구리, 아연, 철, 망간 등) 수집 ❍ 데이터 확인(EDA) 및 전처리 - 결측값과 이상값 처리 - 2015~2019년도까지 48개 이상의 수질 데이터가 있는 지점 선정 ❍ 데이터 분석 - 정수장 대비 수도꼭지 수질 데이터(구리, 아연, 철, 망간, 염소이온 등)의 차이를 경향성 분석 ❍ 분석 결과 시각화 - QGIS(지리정보체계 응용프로그램)를 활용하여 노후 관로로 인한 수질오염 구역 지역별 시각화 - 시각화 결과를 바탕으로 군집화하여 노후 관로 중점관리지역 선정 2. 데이터 수집 ❍ 정수장 데이터 - 2015~2019 전국 정수장 월간 수질 데이터 - 검사년도, 검사월, 광역시도,.. 공감수 0 댓글수 0 2022. 7. 11.
(3)개요_관로 노후화 의심구역 선정을 위한 수질정보 분석 1. 과제 추진 배경 ❍ 일반적으로 수돗물은 정수장으로부터 관로를 통해 가정 수도꼭지로 공급되는데, 상수도 공급 과정에서 노후 관로로 인해 수질오염이 발생하는 사례가 빈번 ❍ 노후 관로로 인해 누수, 적수, 이물질 검출 등의 문제 발생 ❍ 수돗물 유충, 녹물 등의 사태로 인해 국민의 수돗물에 대한 신뢰도 저하 ❍ 상수도 보급률이 95%가 넘는데도 불구하고 노후 배관과 수도관에 대한 불신으로 우리나라 수돗물의 음용률은 약 5% 2. 과제 개요 1) 과제 목적 ❍ 정수장으로부터 관로를 통해 가정의 수도꼭지로 물이 공급되는 과정에서 노후 관로에서만 측정하는 특정 수질 데이터(철, 구리, 아연, 망간, 염소이온 등)를 분석하여 지속해서 수질오염이 발생하는 지역 탐색 ❍ 앞서 탐색한 수질오염이 의심되는 구역에 대.. 공감수 0 댓글수 0 2022. 7. 11.
(2)활용 데이터 및 세부 일정_관로 노후화 의심구역 선정을 위한 수질정보 분석 분석 활용 데이터 목록 순번 수집데이터 데이터 세부 항목 데이터 건수 보유기관 형식 1 국가상수도정보 시스템 정수장 월별 법정 수질검사자료 27,451 한국수자원공사 (이관 전: 한국환경공단) CSV 2 국가상수도정보 시스템 수도꼭지 월별 법정 수질검사자료 364,566 한국수자원공사 (이관전: 한국환경공단) CSV 세부 추진 일정 공감수 0 댓글수 0 2022. 7. 11.
(1)과제 수행 인터뷰_관로 노후화 의심구역 선정을 위한 수질정보 분석 1. 인터뷰 개요 ❍ 일시 : 2021.10.12. 14:30~16:00 ❍ 장소 : 한국환경공단 빅데이터관리부 회의실 ❍ 참석자 : 환경기술연구소 토양폐기물분석부 전현선 대리 2. 주요 내용 정수장 및 수도꼭지의 월별 법정 수질 정보를 비교·분석하여 관로 구간에서의 수질변동 파악 Q1. 공공데이터로 확인할 수 있는 데이터에는 수도꼭지 수질 자료에 있는 위치 정보와 상세 측정값이 나와 있지 않습니다. 아이디어 기획 당시에 확인했던 데이터는 어떤 형태인지와 분석에 필요한 측정값(구리, 아연, 철, 망간 등)이 있는지 알고 싶습니다. A1. 우선, 수도꼭지 상세위치나 관로 위치에 대한 정보는 없습니다. 4가지 항목 (구리, 아연, 철, 망간)의 값들은 있습니다. ‘국가상수.. 공감수 0 댓글수 0 2022. 7. 11.
활용 방안 5. 활용 방안 5.1. 문제점 개선 방안 (현재 사업 개선) 유동 인구, 집객시설 등의 정보를 활용해 기존의 서비스보다 접근성을 높인 대여기 최적 위치 선정 (적절한 폭염 대응 정책 제공) 양산 대여기를 통해 시민들이 실제로 원하는 폭염 대응 정책인 야외공간 그늘을 제공함으로써 만족도 높은 서비스 제공 가능 (온열 질환 예방) 양산을 사용함으로써 폭염 시 발생하는 온열 질환을 쉽게 예방할 수 있고, 불쾌 지수를 낮춰 시민들의 삶의 질을 높일 수 있음 (의료 비용 절감 효과) 양산 활용을 통해 온열 질환을 사전에 예방함으로써 보건 의료 분야에 투입되는 비용 절감 가능 5.2. 업무 활용 방안 (공공 서비스 제공 확대) 접근성이 높은 위치에 설치된 양산 대여기를 활용하여, 폭염이 집중적으로 발생하는 여름철.. 공감수 0 댓글수 0 2022. 7. 4.
분석결과 시각화&인사이트 도출 4.3. 분석 결과 시각화 - 각 가중치 시나리오별로 진행한 분석 결과를 순위별로 시각화를 진행하였으며, 흰색에서 진한 빨간색으로 갈수록 높은 순위의 결과가 나온 것임 4.3.1. 동일형 시나리오 분석 결과 시각화 4.3.2. 교통 강조형 시나리오 분석 결과 시각화 4.3.3. 참조 강조형 시나리오 분석 결과 시각화 4.3.4. 인구 강조형 시나리오 분석 결과 시각화 4.3.5. 형평성 강조형 시나리오 분석 결과 시각화 4.4. 인사이트 도출 - 시나리오별 총점 순위를 계산한 결과, 앞서 제시한 시각화 자료와 같이 모든 시나리오에서 상위 입지 지역이 약수동, 청구동 일대로 분석됨 - 즉, 각 특성을 강조하여 가중치를 부여하더라도 총점의 순위가 큰 차이가 없는 것으로 나타남 - (동일형 시나리오 최종 선택.. 공감수 0 댓글수 0 2022. 7. 4.
분석 결과_상관분석&가중치 시나리오 4. 분석 결과 4.1. 상관분석 결과 - 유동 인구와의 상관분석을 진행한 결과 유의수준 0.001 이하에서 최고기온(max_temp), 공공와이파이 설치 대수(wifi), 공공자전거 설치 대수(bike_rental), 신호등 설치 대수(traffic_light), 인구 밀도(pl_density), 지하철 승차자 수(subway_in), 지하철 하차자 수(subway_out), 지하철 출구 개수(subway_num)의 변수가 귀무가설을 기각해 분석에 포함하기로 결정 - 그러나, 신호등 설치 대수(traffic_light)의 경우 도로의 교차로가 있는 곳에 항상 신호등이 설치돼있으며, 수집한 데이터가 보행자용이 아닌 차량용 신호등까지 모두 포함되어 있어 분석에 활용하기 부적절하다고 판단함 - 한편, 고령화.. 공감수 0 댓글수 0 2022. 7. 4.
분석 프로세스 3. 분석 프로세스 분석의 전체적인 프로세스는 KDD(Knowledge Discovery in Databases)를 참고하여, ‘데이터 선택(수집)’, ‘데이터 정제(전처리)’, ‘분석’, ‘시각화 및 인사이트 도출’ 순으로 진행 3.1. 분석 프로세스 3.1.1. 데이터 수집 및 정제 - 양산 대여기의 설치 기준이 될 수 있는 요인을 ‘날씨’, ‘공간 정보’, ‘유동 인구’, ‘교통’, ‘취약 계층’, ‘시설’로 구분하여 관련 데이터를 수집 - 계절의 영향을 받는 변수는 6월부터 8월까지의 시점을 기준으로 데이터를 탐색하였으며, 이 외 변수는 가장 최신의 데이터를 선택 - Q-GIS를 통한 분석이 가능하도록 주소 데이터를 모두 위·경도 데이터로 변환하고, 분석 단위인 격자에 각 속성값을 결합 3.1.2.. 공감수 0 댓글수 0 2022. 7. 4.
데이터 정제_데이터셋 생성&데이터 클렌징 2.3.6. 데이터 세트(Data Set) 생성 - 최종적으로 결합 완료한 레이어의 속성 목록과 속성 테이블은 다음과 같음 - 최종 결합 SHP 파일을 CSV로 변환하여 데이터 세트(Data Set)를 구성함 2.3.7. 데이터 클렌징(Data Cleansing) : 파이썬(Python) 활용 - 본 분석에 들어가기에 앞서, 파이썬을 활용하여 데이터 세트의 클렌징을 진행함 - 기존의 데이터는 ‘지하철승차’, ‘지하철하차’, ‘버스승차’, ‘버스하차’의 값이 존재하지 않는 경우 NULL의 값이 들어가 있었는데, 이를 모두 0으로 변환하였음 - 또한, 분석의 용이함을 위해 데이터를 파이썬 Pandas 패키지의 데이터프레임(DataFrame) 형태로 전환하고, 속성(열) 이름을 영문으로 변경함 - 이러한 과정.. 공감수 0 댓글수 0 2022. 7. 4.
데이터 정제_동 데이터 격자 데이터에 결합&격자별 속성 결합 2.3.4. 동 데이터 격자 데이터에 결합 - 동별 기온 등과 같은 단일 값들은 해당 동에 해당하는 격자데이터에 모두 동일한 값을 부여하였으며, 인구 데이터는 해당 동별 격자 개수로 나눠서 각각의 격자 데이터에 할당하였음 격자 데이터에 할당 대상 데이터 격자 데이터에 할당 대상 데이터 종로구, 중구 기온 행정동별 유동인구 서울시 지하철호선별 역별 승하차 인원 정보 서울특별시_버스노선별 정류장별 승하차 인원 정보 서울시 고령자현황 / 서울시 인구밀도 서울시 관광거리 정보 서울시 종로구 관광데이터 서울시 중구 문화관광 정보 서울시 신호등 관련 정보 서울특별시 종로구, 중구 공공와이파이 서비스 위치 정보 공공자전거 대여소 정보 중구, 종로구 사회복지시설 목록 2.3.5. 격자별 속성 결합 - 격자 대비 유동 .. 공감수 0 댓글수 0 2022. 7. 4.
데이터 정제_주소데이터 위·경도로 변환&격자 내 속성 개수 계산 2.3.2. 주소데이터 위·경도로 변환 - 도로명 주소만 제공되고 있는 데이터들을 변환 가능한 주소 양식으로 전처리한 후, 구글 스프레드시트의 부가 기능인 ‘Geocode by awesome table’을 활용하여 도로명 주소를 위·경도 값으로 변환함 2.3.3. 격자 내 속성 개수 계산 - 지점 데이터의 경우, Q-GIS를 활용하여 격자별로 격자 내의 해당 속성 개수를 계산하여 결합하였음 공감수 0 댓글수 0 2022. 7. 4.
데이터 정제_격자 생성 2.3.1. 격자 생성 - 대한민국 전체 지도 데이터에서 서울시를 추출한 후 종로구 중구의 지도 데이터 추출 진행 - 종로구, 중구 데이터(.shp)를 행정동 기준으로 구분 - 격자(50m×50m)를 만든 후, 종로구, 중구 행정동(.shp) 데이터에 위치로 선택 기능을 사용하여 종로구, 중구 격자를 생성 - 환경 경지 생태 자연도 데이터(.shp) 기반으로 업무지역, 주거지역 외의 격자를 제거하고, 접근 불가 지역 격자를 수기로 제거함 - 도로 데이터를 활용하여 종로구, 중구 도로 레이어에 버퍼 20m를 적용하여 도로에 인접한 격자 선택 이러한 과정을 통해, 분석에 활용할 최종 격자(6,936개)를 다음과 같이 생성함 공감수 0 댓글수 0 2022. 7. 4.
데이터 상세 설명 2.2.1. 날씨 - (종로구 기온, 중구 기온 / csv) 기상청에서 제공하는 자료로, 행정동별로 자료가 제공되고 있음. 2020년 6월부터 8월까지의 날짜, 시간대별 기온 데이터가 포함되어 있음 - (서울시 기온 / csv) 기상청에서 제공하는 자료로 전국의 AWS(자동기상관측소)에서 측정한 기온을 서울시 구 단위 시간대별 자료로 제공. 2020년 6월부터 8월까지의 날짜, 시간대별 기온 데이터가 포함되어 있음 2.2.2. 공간 정보 - (대한민국 최신 행정 구역 / shp) 대한민국 행정 구역의 시도, 시군구, 읍면동에 대한 공간 데이터임 - (환경경지_생태자연도 / shp) 국가공간정보포털에서 제공하는 자료로, 산, 하천, 도시 등에 대하여 자연환경을 생태적 가치, 자연성, 경관적 가치 등에 따라.. 공감수 0 댓글수 0 2022. 7. 4.
분석 데이터 목록&상세 설명 2. 분석 데이터 2.1. 분석 데이터 목록 분석 데이터 목록 구분 분석 데이터 내·외부 제공기관 날씨 종로구 기온 외부 기상청 중구 기온 외부 서울시 기온 외부 기상자료 개방 포털 공간 정보 대한민국 최신 행정구역 외부 지오서비스 환경경지_생태자연도 외부 국가공간정보포털 도로 경계 외부 유동 인구 행정동별 유동 인구 외부 상권정보 홈페이지 서울시 종로구 관광데이터 내부 서울열린데이터광장 서울시 중구 문화 관광 정보 내부 서울시 관광거리 정보 내부 교통 서울시 지하철호선별 역별 승하차 인원 정보 내부 서울특별시_버스노선별 정류장별 승하차 인원 정보 내부 취약 계층 서울시 고령자현황 (동별) 통계 내부 중구 사회복지시설 목록 내부 종로구 사회복지시설 목록 내부 시설 서울시 신호등 관련 정보 내부 공공자전거.. 공감수 0 댓글수 0 2022. 7. 4.
양산 대여기 최적입지 선정_개요 1. 분석 개요 1.1. 분석 배경 및 개요 - (폭염 피해의 심각성 증대) 최근 9년(2011~2019년)간 폭염으로 인한 온열 질환 사망자가 500명에 육박하였으며, 연령대별 온열 질환 사망자를 보면 피해가 60대 이상의 고령 인구에 집중된 것으로 확인됨 - 올해(2021년)는 2018년의 최악 열돔 현상과 유사한 폭염 피해가 예측되는 실정이고, 연구에 따르면 갈수록 기온이 높아지고 있어 폭염 관련 인명사고는 점점 더 커질 것으로 예상돼 효과적인 대책 마련이 요구되는 실정임 * 기상청에서는 21세기 후반기에는 서울의 평균 일 최고기온이 40℃에 다다르고, 여름일수 146.2일, 열대야일수 72일, 폭염일수 73.4일에 이를 것으로 전망하는 등 서울의 여름기온이 지속 상승하고 폭염도 빈번하게 발생할 것.. 공감수 0 댓글수 0 2022. 7. 4.
binomial random variable 2. Write codes to generate a binomial random variable (Binomial ~ (n,p)) by extending the code from the problem 1. (1) Setting p=0.5 and n=10, generate 1024 samples from the code and plot a histogram showing the frequencies of each k value. Compare your result with Figure 4.5 (Ross). import numpy as np import matplotlib.pyplot as plt num = 1024 head = [[0] for i in range(num)] count = [0 for i i.. 공감수 0 댓글수 0 2022. 6. 23.
uniform distribution 1. Write codes to simulate tossing a coin to see how the law of large numbers works. You may use any random number generator (using any programming language) as long as it follows a uniform distribution. (1) Assuming a fair coin where P(HEAD)=P(TAIL)=0.5, plot a graph showing the proportions of heads with respect to the number of coin tosses ranged from 1 to 100. 코드를 8번 시행한 결과 다음과 같은 결과가 나왔다. X축.. 공감수 0 댓글수 0 2022. 6. 23.
Iris flower identification using Bayesian Classifier - 3 2. Visualize the data in 2D space to show the distribution of the attributes. You should show all possible combinations of pairs of attributes, six cases in total. Find your optimal decision boundary in each case to minimize the costs. Report your analysis about the result. (1) Visualize the data in 2D space (2) Find your optimal decision boundary in each case to minimize the costs. for i in myr.. 공감수 0 댓글수 0 2022. 6. 23.
Iris flower identification using Bayesian Classifier - 2 1. For four different features, show four separate histograms where each shows three classes in different colors. Find your optimal decision boundaries to minimize the costs. Report your analysis about the result. (1) 기본값 설정 데이터를 그래프화 하기 위해 각 Iris-setosa, Iris-vesicolor, Iris-virginica 세 종류의 클래스를 각각 sepal length, sepal width, petal length, petal width의 빈도 순으로 정리를 하여 분류하였다. 결과적으로 총 12개의 텍스트 파일을 만.. 공감수 0 댓글수 0 2022. 6. 23.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.