RiskMap-Project(교통사고 위험 분석 프로젝트)

서울시 교통사고 데이터를 기반으로 기상, 인구, 교통 데이터를 병합하여 사고 위험도를 분석 및 시각화하는 프로젝트입니다.

프로젝트 환경 및 버전

• Python 3.12.7
• OS: Windows 10
• Jupyter Notebook

사용 라이브러리

• Pandas 2.2.2
• NumPy 1.26.4
• Matplotlib 3.9.2 / Seaborn 0.13.2
• GeoPandas 1.0.1
• Shapely 2.1.1
• Folium 0.19.4
• Scikit-learn 1.5.1

데이터 설명

/data/raw_data 디렉토리

• Resident_population.csv : 분기별 자치구별 거주 인구 데이터 (2008. 1/4 ~ 2025. 1/4)
• Seoul_master_information.csv : 행정동별 코드, 시도 명칭
• Traffic_accident_month_2005.csv : 교통사고 자치구별 월별 데이터 (2005.01 ~ 2024.12)
• Traffic_accident_type.csv : 교통사고 자치구별 사고유형별 데이터 (1988 ~ 2023)
• Weather.csv : 기온, 강수량, 풍속 등 월별 기상 데이터 (2005.01 ~ 2023.12)
• Seoul_subway.csv : 행정동별 지하철 승차 승객수 (2021.11.30 ~ 2025.04.06)
• transportation.csv : 행정동별 대중교통 총 승차 승객수 정보
• Seoul_bus.csv : 행정동별 버스 총 승차 승객수 정보
• pedestrain.csv : 보행자 사고 원본 데이터
• hit_and_run.csv : 뺑소니 사고 원본 데이터
• bike.csv : 자전거 사고 원본 데이터
• Electric_shock_accident.xlsx : 감전사고 원본 데이터
• Disaster_Accident.csv : 재난사고 데이터
• fire_data.csv : 화재사고 원본 데이터
• weather_accident.csv : 기상상태별 교통데이터
• Traffic_accident_year_2005.csv : 교통사고 현황 연도별 데이터
• Traffic_accidents_vehicle.csv : 차종별 교통사고 데이터
• Resident_population_preprocessing.csv : 거주인구, 유동인구 병합 전처리 데이터

/data/first_processing_data 디렉토리

• bike_processing.csv : 자전거 사고 전처리 완료 데이터
• Bus_accident_total_data_preprocessing.csv : 버스사고 전처리 보정 데이터
• population_average_2005_2023.csv : 인구 연평균 전처리 데이터
• Disaster_Accident_preprocessing.csv : 재난사고 전처리 데이터
• Electric_shock_accident_preprocessing.csv : 감전사고 전처리 데이터
• fire_tidy_cases.csv : 화재사고 전처리 데이터
• fire_count.csv : 화재 소계 (방화, 실화, 기타불명 필터링)
• hit_and_run_processing.csv : 뺑소니 전처리 완료 데이터
• pedestrain_processing.csv : 보행자 전처리 완료 데이터
• Resident_population_preprocessing_year_sum.csv : 거주인구 연도별 합계
• Resident_population_preprocessing.csv : 월별 자치구별 거주 인구 전처리 데이터
• Seoul_bus_preprocessing.csv : 버스 이용량 전처리 데이터
• Seoul_subway_dong.csv : 자치구별 지하철 승객수 합계
• Subway_move_people.csv : 지하철 유동인구 월별 합계
• Total_average_month.csv : 인구 및 교통사고 월평균 데이터
• Traffic_accident_month_preprocessing.csv : 교통사고 월별 전처리 데이터
• Traffic_accident_type_preprocessing.csv : 교통사고 사고유형별 전처리 데이터
• Traffic_accidents_filtered_metrics.csv : 교통사고 인구10만/자동차1만대당 지표 추출 데이터
• Traffic_accidents_multi_metric_tidy.csv : 교통사고 지표 정제 데이터
• Traffic_accidents_vehicle_tidy.csv : 차량종류별 교통사고 데이터 전처리
• Transportation_preprocessing_month.csv : 대중교통 월별 전처리
• transportation_processing.csv : 대중교통 데이터 전처리 완료본
• weather_tidy_data.csv : 기상상태별 교통사고 초기 전처리
• weather_metrics_no_fog.csv : 안개 제거된 기상-사고 데이터
• Weather_preprocessing.csv : 기상 데이터 전처리 파일

/data/merged_data 디렉토리

• Basic_model.csv : 기본 모델용 병합 데이터
• Disaster_Electric_total_data.csv : 감전사고 + 재난사고 병합 데이터
• Bus_Accident_total_data_2017_2025.csv : 버스+사고 병합 데이터 (2017~2025)
• Bus_accident_total_data.csv : 버스+사고 병합 데이터 (2005~2025)
• Population_merged.csv : 거주인구 + 지하철 유동인구 병합
• Population_weather_merged.csv : 인구 + 기상 병합
• Total_data.csv : 자치구 월 통합 데이터
• Total_transportation_merged.csv : 대중교통 포함 통합 데이터
• Total_transportation_merged_preprocessing.csv : 대중교통 포함 통합 데이터 전처리
• Total_updated_data.csv : 교통사고 갱신 통합 데이터
• Accident_by_year_merged_hc.csv : 연도별 보행자/자전거/뺑소니 사고 통합
• merged_final.csv : 기상상태/화재/차량용도별 교통사고 연합본
• merged_result.csv : 연 종합 데이터 통합본
• merged_result_updated.csv : 연 종합 데이터 + 기본 모델 전처리 병합본
• merged_result_updated_last.csv : 결측값 보정된 병합본
• merged_result_with_metrics.csv : 교통사고 월별 평균 데이터 → 연도별로 대체된 최종 병합본

/data/regression_data 디렉토리

• regression_final.csv : 2005~2007 거주인구 선형회귀 보간 결과 (Accident_by_year_merged_hc 기반)
• passerger_data.csv : 최종 승객수 예측 데이터
• passenger_data_2017_2023.csv : 2017~2023 승객수 예측 결과
• Basic_model_preprocessing.csv : 기본 모델 입력 전처리 파일
• new_model.csv : 연 종합 데이터에서 2024~2026 선형회귀 예측 보간된 결과
• new_model_with_fire.csv : 화재_소계 항목의 2024~2026 선형회귀 예측 포함
• new_model_with_weather.csv : 기상상태별 교통사고 항목의 2024~2026 예측 포함
• new_model_final.csv : 차량용도별 교통사고 항목의 2024~2026 예측 포함

/data/map 디렉토리

• HangJeongDong.geojson : 서울시 자치구 경계 GeoJSON 파일

/heatmaps 디렉토리

• 구별 히트맵 : 자치구별 시각화 히트맵 이미지 또는 결과 파일

/result 디렉토리

• 서울시_자치구_위험지도1.html : 월별·자치구별 데이터로 모델링한 하이브리드 위험지수 지도 (테스트 버전)
• 서울시_자치구_위험지도_버전1.html : 월별·자치구별 데이터로 모델링한 하이브리드 위험지수 지도 (버전 1)
• 서울시_자치구_위험지도_버전2.html : 월별·자치구별 데이터로 모델링한 하이브리드 위험지수 지도 (버전 2)
• 서울시_자치구_위험지도_최대기여요인포함.html : 연도별·자치구별 데이터로 모델링한 위험지수 지도 (테스트 버전, 최대 기여 요인 포함)
• 서울시_자치구_위험지도_도메인가중치기반.html : 연+자치구 데이터 기반 도메인 가중치 모델. 각 항목을 0~1로 정규화 후 다음과 같은 가중치로 점수 계산:
  • 사망 관련 항목: 0.4
  • 사상자수 항목: 0.25
  • 부상 관련 항목: 0.15
  • 발생 건수 및 소계 항목: 0.1
  • 위험지수는 항목별 점수의 합산이며, 가장 큰 기여 항목은 최대 기여 요인으로 표시됨
• 서울시_자치구_위험지도_상호상관기반.html : 지표 간 상호 상관계수 기반 가중치와 도메인 가중치를 결합한 모델
• 서울시_자치구_위험지도_2024.html : 2024년 자치구별 사고 데이터를 선형회귀로 예측하여 모델링한 위험지수 지도
• 서울시_자치구_위험지도_2025.html : 2025년 자치구별 사고 데이터를 선형회귀로 예측하여 모델링한 위험지수 지도
• 서울시_자치구_위험지도_2026.html : 2026년 자치구별 사고 데이터를 선형회귀로 예측하여 모델링한 위험지수 지도

데이터 출처

• 서울열린데이터광장
• 공공데이터포털

주요 분석 내용

• 상관관계 분석: 인구, 교통, 기상 요인과 교통사고·재난사고 간의 관계를 파악하여 위험 요소 도출
• 결측값 처리: 사고 항목별로 연도 및 거주인구를 기반으로 선형회귀 모델을 활용해 누락 데이터를 보정
• PCA 분석: 자치구별 사고 항목 간 상관관계 데이터를 2차원으로 축소해 시각적 패턴 분석
• 군집화 분석: 상관계수 기반 벡터를 활용해 자치구별 위험 특성을 유형별로 분류
• 시계열 분석 및 예측: 자치구별 사고 데이터를 연도 및 인구 기반 선형회귀 모델로 학습하여 2024~2026년 위험 요소 예측
• 위험지수 설정:
  • 다양한 방식의 위험지수 모델링을 적용:
    1. 도메인 가중치 기반: 사고 지표별 중요도(사망 0.4, 사상자수 0.25, 부상 0.15, 발생 및 소계 0.1)를 부여해 정규화된 값과 곱하여 점수 산출
    2. 상호 상관계수 기반: 자치구 내 사고 지표 간의 평균 상관계수(절대값 기준)를 데이터 기반 가중치로 설정한 후, 도메인 가중치와 결합하여 최종 가중치 산출
    3. 하이브리드 모델 (월별): 기상 조건과 사고 간 상관계수를 기반으로 위험 점수를 계산하고, 회귀 예측 결과와 평균·표준편차 기반 z-score를 혼합하여 위험지수를 산출
    4. 미래 예측 기반: 연도별·자치구별 선형회귀 모델을 활용하여 향후 사고 데이터를 예측하고, 예측된 사고 지표에 도메인 가중치를 적용해 위험지수 생성

결과 활용

• 자치구별 사고 위험도 지수 시각화
• 향후 특정 조건(기상, 인구 등)에서 사고 위험이 높은 지역 예측
• 정책 수립, 캠페인 타겟 선정 등에 활용 가능