공공자전거의 최적 위치를 수요와 리밸런싱을 고려하여 제시하였다.

Pandas, Maplotlib, Geopandas, Geojson, Seaborn, folium
반입/반출이 빈번하게 일어나는 공유 자전거의 최적 정류소 선정 과제
자전거 잠재 수요 발굴, 공공성 확보, Rebalancing 문제(정류소의 수요-공급 불균형 문제)로 분석 방향 설정
잠재수요 : EDA를 통해 상업지역, 주거지역에 정류장 배치가 되어 있음을 확인, 거치대 주변 200m 반경에 존재하는 주거용 건축물 수의 평균을 통해 상업지역, 주거지역 구분
공공성 확보 : 주변 사회 인프라 시설 분포를 기반으로 접근성 피쳐 생성, 미배치 지역 시각화
위의 피쳐를 기반으로 미배치 지역과 접근성이라는 두 개의 지표를 가지고 후보군을 선별
Rebalancing : 최종 정류장 입지를 선정하기 위해 두가지 지표 선정
- 절대 수요 : 반입량, 반출량의 절대적인 량 - 하나의 거치대에 방문하는 사용자의 총량
- 상대 수요 : 반입량 , 반출량의 차이 - 하나의 거치대에서 유입/유출되는 자전거의 변화량
Extra tree 모델을 사용하여 위의 두 지표 예측 - 일반화 성능을 보장하기 위해 선택, 낮은 loss 결과 확인
각각의 후보군의 절대 수요와 상대 수요를 기반으로 Rebalancing을 가장 잘 해소할 수 있는 정류장 선택
- 각각의 후보군에 절대 수요와 상대 수요를 평균으로 갖는 가우시안 분포 커널로 사용
- 특정 후보군의 Rebalancing 정도를 이 분포의 부피값으로 사용 (0~1)
- 각각의 행정동에서 발생하는 최적 후보군을 완전탐색하고 모든 행정동의 후보군을 최종답안으로 제출
기존 배치 정류장의 Rebalancing Metric 0.3, 제안 후보군의 Rebalancing Metric 0.08로 73% 감소