영상 상세
음성ㆍ문자 지원
2022 서울시 빅데이터 활용 · 분석 사례 우수사례 경진대회
(영상자막)2022 성루시
빅데이터
활용, 분석
우수사례
경진대회
일시 2022. 12. 9. (금) 14:00~17:00
장소 서소문청사 후생동 강당
(영상자막)라이브서울 2022. 12. 09 14:00
2022 서울시 빅데이터 활용
분석 사례 우수사례 경진대회
먼저 인사드리겠습니다 오늘 특별한 행사에 함께하게 되어서 영광으로 생각합니다 여러분 반갑습니다
네, 이번 2022년도 빅데이터 활용 및 분석
우수사례 경진대회는 서울시 직원을 대상으로
처음으로 실시하는 대회이다 보니
굉장히 의미가 더한 것 같습니다
이번 우수사례 성발에 제출된 15개의 사례 중에서
1차 심사평가를 통해서 6개의 사례가 선정이 되었고요
오늘 우수사례 발표를 하고
또 이 자리에서 최종 순위가 결정이 됩니다
오늘 전체 일정
먼저 간략하게 안내를 해드리도록 하겠습니다
심사평가위원님
그리고 내비 소개에 이어서 국장님 인사말씀,
우수사례 발표,
그리고 심사총평,
시상식, 기념사진 촬영 순으로 진행이 되겠습니다
그럼 2022년 제1회 빅데이터 활용 및 분석
우수사례 경진대회 본격적으로 시작하기 전에
오늘 함께 해주신
내빈 및 심사평가위원
여러분들을 먼저 소개하는 시간 갖도록 하겠습니다
한 분 한 분
소개해 드릴 때마다 여러분
큰 박수로 환영해 주시기 바랍니다
먼저 서울시 이혜경 디지털 정책관님 함께해 주셨습니다
큰 박수 부탁드립니다 다음은 서울시 김영준
스마트조치 명예시장님 함께해 주셨습니다 네 고맙습니다
대중에서 통계성 디테일터 통계과 김정은 김근식 과장님
함께해 주셨습니다
다음은 서울연구원
김상일 도시 모니터링센터
빅데이터 연구그룹 팀장님 함께해 주셨습니다 축하드립니다
다음은 환화시스템 데이터센터
황윤식 팀장님 함께해 주셨습니다 고맙습니다
바쁘신 일정에도 불구하고
오늘 행사에 함께해 주신 모든 분들 진심으로 환영합니다
의미에서 박수 한 번 보내주시기 바랍니다 고맙습니다
다음은 서울시 디지털 기반 행정과 정책
확산을 이끌고 계시는 서울시 이혜경
디지털 정책관님의 인사 말씀 드리겠습니다
앞쪽으로 모시겠습니다
안녕하세요 서울시 디지털 정책관 이혜경입니다
먼저 우리 시에서
직원 대상으로는 처음으로 대체를 하는데
제가 하루 분석을 시작하게 되었는데요 이
회사에 참여해주신 여러분께 감사드립니다
그리고 바쁘신 가운데
우리 심사위원회에서 참석해주신 심사위원님 여러분
감사드립니다
최근 디지털 기술을 통해서 사회를 확실하고
문제를 해결하는 그런 이슈가 많이 제거되고 있고요
공공부문에서도 데이터 기반으로
과학적으로 예진적으로 해야 된다는
그런 도입에 필요성이 강도가 있고
우리 서울시에서도 직관적으로는 할 수 없는 그런 어렵고
복잡한 도시 문제 해결을 위해서 그런
디지털 분석을 접촉을 하는 섬에 있고
디지털 전담국과도 만들었지만
어쨌든 인근과 협력해서
여러 분야의 디지털 수집과 분석을 함께 하고 있습니다
그리고 이런 교육도 많이 하고 있습니다
오늘 이 자리에서 올해 서울시의 각 시,
국가 자치부에서 이런 디지털을 활용하고
분석을 여러 사례들을 발표하기 위해서
더욱 뜻깊게 생각을 하고요
앞으로 이런 노력들을 마치고서
더욱 다학교에 입학할 행동이 될 수 있도록
같이 노력해주실 자존심과 인사를 말씀드리겠습니다
감사합니다 수고하셨습니다
감사합니다 이혜경
디지털 정책관님의 인사 말씀 함께 하셨습니다
다음엔 우수 사례 발표
대회를 본격적으로 시작을 해봐야 될 22년도
빅데이터 활용위 분석
우수 사례 선정을 위해서 서울시 전체 부서와
그리고 장치구
산하기관을 대상으로 우수 사례를 접수했습니다
1차 심사평가를 통해서
총 6개 기관의 우수 사례 선정이 됐고요
오늘 경진대회를 통해서 최종 순위 결정됩니다
오늘 경진대회 행사장에 대기하시는 6분의 발표자분
오늘도 일찍 오셔서 여설도 감정 받으셨는데요
아마 그동안 준비를 많이 하셨겠지만
긴장 제일 많이 되시는 분들일 것 같아요
온라인으로도 함께하고 계신 분들도 현장에 계시는 분들
우리 여섯 분의 발표자분들
잘하시라고 응원의 박수 한번 보내주시기 바랍니다
고맙습니다
단지 대회의 시작에 앞서서 발표 순서를요
우수 사례 제출 순으로 정해졌고요
제한 시간은 발표 10분
그리고 재료의 응답 시간 5분
그래서 총 15분의 시간이 주어지고요
발표 1분 전에 저희가 안내를 해드릴 테니까요
마무리 잘 해주시길 바랍니다 자
그럼 곧바로 첫 번째
발표자 문제를 모셔보도록 하겠습니다 발표 주제는요
지하철 5호선 한안구간 개통 이후
효율적 운행 개선을 위한 강동구 5호선
빅데이터 분석입니다
발표자는 강동구청의 강유진 주총관입니다
여러분 큰 박수 부탁드립니다
오늘의 주식가족은 최선을 다해 제가 가볼 주입니다
먼저 시작하겠습니다
저희 강동원의 지하철 5호선
6개의 분석을 지난 7월 자체적으로 수행하였습니다
이번 분석이 지하철 혼자문제를 다루고 있기 때문에
다중일치 말정관련한 주식시장의 위기 중
마음은 다소 무겁지만
또 실성있는 주제로 발표를 하게 되어 뜻깊게 생각합니다
그럼 5호선 한화구가 개통 이후에 효율적 분해
개선을 위한 강동구
5호선 기계 분석 발표를 시작하겠습니다
발표회는 개요, 분석 내용, 시작점인 결과
활용 순서로 진행하겠습니다
먼저 추진 배경부터 설명드리겠습니다
저희 강동구는 대규모 식객 정비 사업, 업무산업단 개발로
2019년 인구 43만 명에서
2023년에는 50만 명을 넘을 것으로 예상되며
인구가 지속적으로 증가하고 있습니다
특히 5호선 이용권인 고덕강의 산일봉 지역은 재건축과
신규 입주, 2019년과 비교해 거주 인구가 1
.5배 증가하였고
고덕 비지벌리는 업무
산업단지에는 11만 명이 조사하여 증가하는 등 분무
입주 또한 증가하게 되었습니다
2019년 이후
고덕강의 산일봉에는 2만 1천 세대 이상, 하나
미사지원은 3천 세대 이상이 입주하여 5호선 강동
한안 구간을 이용하는 전체적 이론인은
최근 더 큰 폭으로 증가하였습니다
5호선은 강동역에서 노선 중기에
상립동역 방역과 마천 방역으로 운행하였다가
2020년과 2021년 상립동역에서 한안 검단
상렬 구간을 2번에 걸쳐 대단히 개통하였습니다
노선 중기로 인해 운행시세는 절반, 배차경영은 2배,
즉 반쪽 운행이 되고 있었는데
개통 이후 특히 강도
하나도당의 이용객들은
운행시 부족과 긴 배차간격으로 불편함을 겪고 있습니다
최근 다중일체
만족관리에 대한 경각심이 높아지고 나오는데
저희 관내의 개통운영에서
강도운영보다는 하나도당 개통운영인 2021년부터 5호선
7배의 혼잣구간으로 꼽힌 이유인데요
이러한 이유로
5호선 관련 미원을 하나도당 개통 이후
593 %나 뽑지 않았고
출퇴근 시간대 다중위직은 안전 문제가 직결되기 때문에
저희 강동구에서는 5호선 문제를 전체
해결 현안으로 인식하게 되었습니다
강동구는 인천
헬리지 정책 중인 교통 분야를 최우선 과제로 선정하고
교통정책은 주요 사업의 16 %를
차지하는 등 높은 비중을 차지하고 있습니다
대표적인 과제는 지하철 9호선 조기 착공,
GTX -D, 5호선 직결화가 있으며
이번 분석은 교통문제를 해결하고
대중교통 정책을 지원하기 위해 추진하게 되었습니다
데이터는 서울시 열린데이터 공장,
그리고 서울교통공장, 강릉구 내부 자료로 활용하였으며
분석은 인구 이동 문화,
승하차 인원, 배차 간격,
혼잡도, 인원 분석 등 5개 항목으로 추진하였습니다
그럼 지금부터 5
.3비디에이터 구성 내용을 설명드리겠습니다
먼저 강동구의 생활 이동 분야입니다
서울시 열린베이터광장 생활 이동 인구 분석 결과
저희 관내 이동과 유출
인구는 2년 전과 비교해서 약 29
% 증가하였고
역내 역간 이동이 하열해져서
대중교통 수요가 증가하였음을 추측해 볼 수 있습니다
다음은 지하철 승용차 인원 분석입니다
5호선 강동역 분기 이후
2호선의 승하차 이용객은 2021년 기준
한옥구간이 마천지선보다 2배가량 많았습니다
역별 평균 이용객과 평일 1
.3배, 주말 1
.4배 더 많은 요소가 나타났습니다
시간대별 최대 승하차 이용객을 비교했을 때
2021년 강동하는 구간이 마천보다 평일 출근시 2
.1배, 퇴근시 1
.6배가 많았고 주말에도 1
.8대 더 많았습니다
2022년 5호선 전
구간에서 작년보다 일평균 순환 차이로
가장 많이 증가한 여부를 보면 상위 2,
3, 6, 7위가 강동
1구간의 지하철역으로
2구간 이용객이 많이 늘어난 것을 알 수 있었습니다
다음은 배차관계 분석입니다
서울교통공사와 동시에 문해수교는 노선 운행시각을 12시
2
.5분, 평시 7분
간격으로 공시하고 있는데요 이 하나가 맞춰놓은 노선
분기로 공시시간의 2배인 5분,
그리고 14분 간격으로 운행될 것으로 추정되었으나
실제 분석별로는 이와 차이가 있었습니다
평일 중 노선에 대체하는 환경은 각각 끝에서
두 번째 역인 하남시청역과 거영역을 기준으로 출발
시간대의 상행은 하남시청역 9분, 거영역은 시청 4분,
퇴근시간 때 하에는 흐름시점이 9
.9분, 더해역 7
.5분으로 두 노선 모두 최소 시각
5분보다 훨씬 긴 배차 경력으로 운행되고 있었으며
각도 하는 구간이 마첨대비 차량 횟수가 적고
배차 경력이 긴다는 점을 알 수 있었습니다
서울유통공사는 이러한 두 노선 간 차이를 보완하기 위해
3주 시간대
상해폭력에서 강폭력까지만 운행하는 상해
차량을 14대에 증차하였는데요
상인일체 간격이 일부 단축되었으나
상인동력에서 당동력까지만 운행되기 때문에
그 효과는 미미하였습니다
다음은 혼잡도 분석입니다
혼잡도는 기차 안의, 최근 이슈가 되셔서 잘 아시겠지만
혼잡도는 기차 안의 혼자를 나타내는 수치로서
적정 파츠인원인 60명으로
이때 혼잡도가 100 %입니다
80 %에서 130 %까지는 보통 130
% 이후부터는 주의로 변신합니다
서울교통공사는 지난 8월까지 지하철
혼잡도 사전 예보를 실시했는데
5호선 최대 혼잡구간은 오전에는 길동역에서 강동역,
오후에는 길동역에서 구근다교역으로 공시됐었습니다
실제 2021년까지 2년 동안 혼잡도를 분석한 결과
강동하는 구간이
평일 오전 8시,
도덕역에서 길동역까지가 100에서 132
% 정도로 매우 혼잡하게 나타났으며
2022년과
2021년은 코로나가 가장 상행했던 시기였기 때문에
현재는 혼잡도가 더 높을 것으로 추정되며
최근에 저희 교통부서에서도 출근시간
대회 측정에 의해서 나왔던 결과
출근시간 대회
최대 혼잡도는 200 %가 넘게 높게 없다고 합니다
반면 마천지선은 출근시간 대회 100
% 이상의 혼잡 구간은 없었습니다
두 구간의 한안개통
전후의 평일 혼잡도 변화를 보겠습니다
두 구간 모두 개통 전보다
개통 후에 혼잡도가 전반적으로 증가하였으나
특히 한안 구간 출근 상행이 전보다 52
% 퇴근 하행이 41 % 정도
크게 증가하였음을 알 수 있었습니다 다음은
민원 분석입니다 2019년부터 접수된 강동구의
바란다 2만 8천
건 중 4 .7 %가 5호선 관련 민원이었고
한안 구간 2차 연장 후에 563 %가 폭증하여
이용객들이 겪는 불편함이 커졌음을 알 수 있었습니다
이번 분석의 시작점이 결과 활용입니다
관내 5호선 빅데이터 분석 결과
강동 하남 구간은 마천지선보다
승하차 이용이 2배 많으나 운행 횟수가 적으며
배차 간격이 길고 객차 내부는 더 혼잡합니다
이에 첨두 시간대 강동
하남 본선 구간의 배차 증회와 운행
시격 축소 등 운행을 조정하는 방안이 필요합니다
두 번째는 5호선 직결화 추진입니다
5호선 직결화는 둔촌역에서 구분다리역을 연결해
두 지선 간 환승 불편함을 줄이는 방안으로써
이미 둔촌령에서
길동역까지 차량기지로
들어가는 단선이 놓여져 있기 때문에 추진이 용이하며
현재 서울시에서 국토부로
예비타당선 선정 검토를 요청하고 있는 상황으로
본격적인 추진이 필요합니다
세 번째는 GTX -D 원안 노선 추진입니다
현재 국토부에서 관련 용역이 추진 중으로 알고 있는데
김포, 하남 간 강동구를 경유하는 원안 노선을 추진하여
서울 중심부와 동남권을 연결해
대중교통부와 운전 문제를 해소할 수 있을 것 같습니다
저희 강동구는 이번 분석 결과를 유관기관
협의와 예비타당성
신청 등 근거 자료로써 활용하고 있습니다
이를 토대로
서울교통공사에는 5호선 운행과 관련하여
수차례 개선을 요구하였으며
교통공사로부터 올해 말
검토를 통해
운행에 반영하겠다는 답변을 얻어낸 바 있습니다
또한 국토교통부
대도시권광역교통위원회와 국토부
장관 면담을 통해 지하철 5호선
직결화 사업의 추진 필요성을 피력하였습니다
또한 서울시와는 이번 분석 결과를 활용하여
지난 8월 기재부를 대상으로
지하철 5호선
직결화를 위한 예비타당성
심의 신청을 함께 추진하였습니다
그리고 같은 5호선 이용권인 경기도
하남시와는 이번 분석 결과를 기반으로
5호선 운행 개선을 공동 대응하고 있습니다
앞으로도 저희 강동구는 부석 결과를 토대로
교통 문제를 지속적으로 개선해 나갈 예정이고요
또한 내년부터는 구정
주요 사업과 부서
사업 등 데이터 부석을 보다 다각도로 적용하고
정책 효과 파악, 개선사항 반영,
민원 해결 등 보다 체계적이고
과학적인 구정을 추진해 나갈 계획입니다
그럼 저희 강동구의 발표는 여기까지입니다
경청해 주셔서 감사합니다
네, 발표 잘 들었습니다 첫 번째 발표,
우리 강동구청의 강유진 주장입니다
주무관님께서 발표해 주셨는데요
지금부터는 5분간의 진행될 시간 갖도록 하겠습니다
우리 심사위원분들께서는 두세 분
정도만 질문을 해 주시기 바랍니다
질문 있으면 바로 부탁드립니다
안녕하십니까 자료도 잘 만들어져 있고
발표도 굉장히 잘하셔서 재미있게 들었습니다
특히 직결화 같은 경우는 굉장히 효과가 좋을 것 같은데
제가 5호선을 이용하거든요
여의도역에서 좀 자주 내리는데 이 문제를
지하철로만 바라보면 배차
간격을 조정하는 게 가장 쉬운 일이고
그다음에 직결하가 좋을 것 같은데
배차 간격을 줄이고 싶어도
승차장이 너무 비좁아서 내리고 타는데
시간이 오래 걸려서 배차
간격이 효율적으로 안 될 수도 있을 것 같아요
그래서 이걸 지하철로만 봐서
배차 간격을 조정하고 싶어도
혼잡도 때문에 내리고 타는데
오래 걸려서 배차
간격을 줄이지 못하는 경우도 있을 거고
또 이 지하철로만 하면 좀 이게 해결이 안 되고
유형 근무제라든지
버스 노선 또는 각 회사의 셔틀버스를 세정해서
좀 지원해 준다든지
다른 부서랑 협업을 해가지고
대체제를 찾지 않고 지하철만 갔을 때
이게 금방 해결될까
또는 직결하는 시간이나 예산이 많이 들니까
그런 부분을 한번 확대해서
이거 이후에 추가
연구를 하면
굉장히 좋은 효과가 나올 거라고 생각하시는데
의견을 듣고 싶습니다
네 말씀하신 대로 지하철 5호선 직결화나
그리고 5호선도 가용한 자원이 한계가 있기 때문에
저희가 무제한적으로 배차
간격 단축이나 차량 증예를 요청할 수는 없는 상황이고요
다만 이제 서울교통부서 측에서 운행
개선이 되지 않는 이유에
대해서 말씀하셨던 논리가 저희가 마천지선하고
강동 본선이 강동역에서 분기가 되는데
어쨌든 절반으로 나눠서 운행이 되다 보니까
가용한 자원의 한계가 있다
그리고 1대 1
정확하게 운행 간격을 똑같이 조정을 하고 있기 때문에
추가적인 조정이 어렵다
그리고 최소 시격이 2
.5분 이하로 내려가면
안전 문제에 위험이 있기 때문에 어렵다라는 입장이었는데
실질적으로 분석을 해보니까
교통공사의 입장과는 조금 다르게 결과가 나온 것이죠
배차 간격도 조금 더 단축을 할 수 있는 룸이 있었고
그리고 배차 증예도 지금
약간 셔틀처럼 상일동역에서 강동역까지만 운행하고 있지만
코로나 이전에는 그게 방어행까지 다 갔었거든요
그래서 그 코로나 이전으로
다시 원복을 해주십사 요청하고
있는 게 저 요청 사항인 거고
그 이외에 말씀하신 대로
이용근무제나 버스 노선을 따로 증설한다거나
이런 문제도
저희 강동구에서 검토해 볼 만한 문제라고 생각합니다
질문 있으시면 해주시기 바랍니다 질문 잘 들었고요
아마도 교통 노선과 관련돼서는 교통
전문가들이 또 있으니까
아마 그쪽으로 선이 넘어가서 진행이 될 것 같습니다
제가 이제 이 분석은
결과적으로는
문제를 정확하게 디파인하는 역할을 한 거잖아요
그래서 정책적인 대응이 가능하게끔 해주는
그런 분석 사례였던 것 같은데
약간 아쉬운 점이 있다면
강동구의 문제로만 지금 이걸 보고 있었어요
그러니까 다른 구나 다른 노선과 비교한다든지
아니면 하남이나 강동
인구가 늘기 전에
어떤 양상들과 비교를 한다든지 하면
문제를 좀 더 명확하고
더 강하게 제기하는 근거가 되지 않았을까
라는 생각이 좀 들어서 그 말씀 드리고 싶었습니다
네 잘 알겠습니다
네 질문이 없으면 여기서 마무리해도 괜찮을까요?
첫 번째 발표자 분께 박수 한번 보내주시기 바랍니다
네 잘 들었습니다 자
이어서 두 번째 발표 이어가도록 하겠습니다
두 번째 발표자는 보건환경연구원의 최예덕 주무관입니다
발표 주제는 빅데이터를 활용한 서울역
미세먼지 간이 측정망 구축과 횡단 전개입니다
다시 한 번 큰 박수로 맞아주시기 바랍니다 반갑습니다
서울시 보건환경연구원에 근무하고 있는 최예덕입니다
제가 오늘 발표할 주제는 인공지능과 미세먼지입니다
아마도 인공지능 하면 여러분
2016년에
알파고와 이세돌
구단과의 세 개의 대결을 많이 기억하실 것 같은데요
오늘 저는 지방자치단체 중 최초로 구축한 서울형
미세먼지 간이
측정망과 운영 사례에 대해서 소개해드리고자
오늘 이 자리에 섰습니다
옥찬은 보시는 바와 같구요
다음은 추진배경입니다
빅데이터는 단순히 대용량의 데이터
크기만을 의미하지는 않을 것 같습니다
데이터의 신속한 처리와
그리고 정확성을 바탕으로 해서
새로운 사회적 가치를 창출할 수 있을 때
비로소 우리는
빅데이터 라고 이야기할 수 있을 것 같습니다
2011년 보고된 맥힌지
보고서에는 기계학습이나 혹은 신경망
또 시각화와 같은
다양한 데이터 기법들이 빅데이터
분석 기법으로 포함되어 있습니다
서울시 보건환경연구원이 2021년 11월
설문조사한 결과를 보면
보건환경 위험요인 중에
위험 정도 측면에서는 미세먼지가 감염병에 이어서
두 번째로 높게 나타났고요
반면에 피해 경험 측면에서는 소음이나 악취
감염병보다도 더 높게 나타나서
실생활에서 우리 미세먼지가
미치는 영향이 대단히 큼을 확인할 수 있었습니다
미세먼지는 보통 입경에 따라 구분하는데
10마이크로 이하를 미세먼지, 2
.5마이크로미터 이하를 초미세먼지라 부릅니다
세계보건기구에서 규정하고 있는 1급
발암물질로 알려져 있는
미세먼지는 호흡기에서 걸러지지 않고
바로 폐포에 도달해서
인체에 아주
유해한 영향을 미치는 환경요인으로 알려져 있습니다
보통 머리카락의 굵기가 50에서
70마이크로미터라는 사실을 감안한다면
미세먼지의 크기가 대단히 작다는 사실입니다
사실 우리는 확인할 수 있습니다
서울시는 이러한 대기오염
측정망의 한계를 보완하기 위해서
2019년부터 미세먼지
간이 측정망을 도입해서 운영하고 있습니다
광산론법을 적용하는 미세먼지 간이
측정기는 베타선법에 비해서 가격이 저렴하고
또 실시간 분석이 가능하다는 장점이 있습니다만
반면에 습도에 취약해서 측정
정확도가 저하되는 문제점이 있습니다
다음은 미세먼지 간이 측정망 현황입니다
서울시는 현재
520대 규모의 미세먼지
간이 측정망을 운영하고 있습니다
비중을 보면 공사장이 199개소로서 가장 많고요
그 다음이 기타 배출원 152개소,
취약계층 보호지역 70개소입니다
실제 미세먼지 간이 측정망을 현장에 설치한 화면입니다
보시면 공사장이나 초등학교
또 공원 또 기타 배출원 등에 설치하고 있고요
특히 초등학교에 설치된 미세먼지
알림이 신호 등은
초등학교에서 개최되고 있는 야외활동이나
체육활동 여부를 결정하는 기준으로
많이 활용하고 있다고 합니다
저희가 실제 미세먼지를 한눈에 파악할 수 있는 상황
관제 화면이라고 볼 수 있습니다
보시면 시민들이 이해하기 쉽도록 미세먼지
등급을 4개 등급으로 해서 시각화해서 표현했고요
또한 배출원별 평균 농도나
혹은 고농도 지점을 한눈에 파악할 수 있도록 해서
현장 점검 및 선제적 대응이 가능하도록 구축하였습니다
실제 저희가
그 시스템을 어떻게 구조로 만들었는지를 보고 계시는데요
보통 대기 측정망과 미세 간이 측정망을 통해서 LTE
부선 통신망으로 해서 AP 서버로 전송이 되고요
다시 전송된 AP 서버는 DB 서버에 전송된 다음에
별도의 인공지능
서버를 통해서 미세먼지 데이터를 보정하게 됩니다
나중에는 이제 와스 서버를 통해서 실시간으로
미세먼지를 시민들께 적용하고 있는 거라고 볼 수 있고요
실제로 저희가 인공지능을 적용함에 있어서
보정 모델을 개발하는 과정을 보시고 계십니다
보시면 데이터
수집 및 전처리 단계가 1단계가 되고요 이 과정에서는
이제 데이터의 표준화나 혹은 정규화,
또 이상치 제거 등의 과정이 수반이 됩니다
두 번째는 4차 산업시대
핵심 기술로 알려져 있는 인공지능
즉 KNN이나 혹은 SVM, 디티션 트리와 같은 기계학습
또 ANN과 같은 딥러닝 등의 인공지능을 RMSE를
비교를 해서
오차를 비교해서
정확도를 통해서 최적의 보정 모델을 선정했고요
또 3단계에서는 선정된
KNN의 주요 매개변수인 K값과 예측의 가중
방법 등의 주요 매개변수를 선정해서 적용을 했습니다
알고리즘 성능
비교 결과를 보고 계십니다
보시면 KNN의 RSME 값이 가장 작게 나타났구요
물론 MA나 MSE도 똑같은 결과를 얻었습니다
또한 KNN의 가장 핵심적인 매개변수인
K 값을 구하기 위해서 1부터 200까지
시뮬레이션 했을 때
K가 20부터 정확도가 저하된다는 결론을 얻었기 때문에
저희가 K를 19로 결정했습니다
또한 최근접 이후 탐색 알고리즘은 오토
그리고 예측의 가중방법은 거리가 가까울수록
큰 가중치를 부여하는 디스턴스로 결정했습니다
이렇게 인공지능을 활용해서 보정 모델을 적용한 결과
측정된 보정 모델은 59
.3 %로 나타났고요
보정 후의 측정 정확도는 69
.8 %로 나타나서 평균 약 16
% 10
.5 %포인트 개선되는
효과를 얻을
수 있었습니다 또한 10마이크로에서
24마이크로 구간에서의 측정 정확도 개선 결과가
뚜렷하게 나타나는
것을 확인할
수 있었습니다
또한 배출연볼로 봤을
때도 비산먼지가 가장 많이 발생할 것으로 추정되는
공사장의 비산먼지가 약 15
.5마이크로그램으로 가장 높게 나타났고요
반면에 기타 배출원은 13
.0으로 가장 낮게 나타났습니다
또한 월별 미세먼지 결과를 보시면
3월에 가장 높게 나타났고요
이는 황사나
혹은 중국에서 불어오는
편소풀행의 영향인 것으로 추정이 되고요
반면에 9월
같은 경우는
가장 낮은 미세먼지가
나타나는 것을 확인할 수 있었습니다
미세먼지 계절관리제 같은 경우에는
보통 12월부터 다음에 3월까지 적용이 되는데
평상시에 비해서 약 1
.7배에서 2
.2배 평균 약 1
.9배 이상 높게 나타나는 것을 확인할 수 있었습니다
마지막으로 결론입니다
서울시는 각 지자체나
혹은 지방중앙정부의 발표 요청에 의해서
올해 하반기부터
각 지역에서 연차님이 간담회에 참석함으로써
서울시 운영 사례를 공유하고 발표하고 있습니다
이를 통해서 서울시의 선도적인 운영 사례를 통해서
다른 지방자치단체로 횡단 전개함으로써
서울시가 어떤 미세먼지
간이 측정기를
운영하는 롤모델을 제시하고 있다고 할 수 있고요
특히 경기도에서
내년에 미세먼지
간이 측정만 100대를 구축하기로 결정했는데
서울시 운영 사례를 다른 지방자치단체로
횡단 전개한 대표적인 운영 사례라고 할 수 있을 겁니다
또한 더 맑은 서울 2030
종합계획에도
공사장에서의 미세먼지
모니터링 구축 시스템이 포함됨으로써
아마도 더 맑은 공기로
서울 시민의 삶이 한층 더 개선될 수 있을 것으로
기대하고 있습니다 마지막으로 결론입니다
서울시는 전국 지자체 중 최초로 미세먼지
간이 측정망을 구축해서 서울 시민들께 더 정확하고
신뢰도 높은 미세먼지 정보를 제공하고 있습니다
특히 이 과정에서 정확도 높은
혹은 또 신뢰도 높은 미세먼지 정보를 제공하기 위해서
4차 산업시대
핵심 기술인 인공지능과
빅데이터를 적극 활용하고 있습니다
이를 통해 미세먼지의 취약한 계층 어린이나 노약자,
환자와 같은 사회적 약자에게
미세먼지 정보를 제공함으로써
미세먼지 정보에 대한 불안감과
불신을 해소할 수 있을 것으로 기대됩니다
4차 산업 시대의 핵심 기술이 인공지능과 빅데이터라면
4차 산업 시대의 핵심 가치이자
시대 정신은 바로 소통과 공감이 아닐까 생각됩니다
서울시 보건환경연구원은 미세먼지
간이 측정반과 같이
서울 시민들이 체감할 수 있는
다양한 소통의 채널과 플랫폼 구축을 통해
서울 시민의 안정과 건강을 지키는 건강
지킴으로서의 역할도 결리지 않겠습니다
아울러 오늘 이 자리를 통해서
과학적 기반의 행정서비스
플랫폼의 수준을 한 단계 올리고
데이터 기반의 행정이 활성화되는
신호탄이 될 수 있기를 바랍니다
긴 시간 경청해 주셔서 대단히 감사합니다
고맙습니다 네 발표 잘 들었습니다
두 번째 발표 함께 하셨고요
지금부터 질의응답 시간 갖도록 하겠습니다
역시 두세 분 정도만 질문하도록 하겠습니다
네 발표 잘 들었습니다
지금 말씀 들어보니까
결국 인공지능을 활용하시면서
기존의 센서의 정확도가 낮은 점을 보정하고
보완해서 정확도를 올리는 용도로 사용하셨는데
사실 인공지능
그것뿐만 아니라
좀 더 고도화가 충분히 가능하다고 생각이 들거든요
앞서 말씀해 주셨던 보시면
이제 실시간 미세먼지 정보를 파악하여서
현장 점검 선정 대응을 하시겠다 라고 얘기하셨는데
그런 부분들도 다 인공지능 처리 가능할 텐데
그런 고도화를 시키는 거나
그런 방면에 어떤 계획이 있으신지
앞으로 어떻게 더 발전시키실 예정이신지
그것이 좀 궁금합니다
예 사실 우리가 알기로는 인공지능이 도깨비
망망이처럼 많이 알려져 있는데
사실 제가 이렇게 운영을 하면서 보니까
인공지능이 사람 손이 굉장히 많은 거더라고요
사실 그래서 그런 부분에 대해서 어떤 인력이나 시간이나
이런 걸 소모하기 위해서는
그런 프로토콜 자체를 어떻게 보면 시스템화하는
혹은 자동화하는 작업이 굉장히 필요할 것 같아요
그래서 지금 현재 저희가 KNN을 활용하고 있지만
지금은 KNN과 아울러서 리치나
혹은 XGBoost나
이런 것들을 같이 좀 실시간으로 적용하면서
그때 가장 최적화된 보정 모델을 바꿔가면서
이렇게 적용할 수 있도록
그런 부분에 대해서 좀 고도화하고
또 알고리즘을 좀 더 다양화하는
그런 방법에 대해서 계속 노력을 하고 있는
그런 실정입니다
네, 저도 질문이 있는데요
지금 그 내용들은 아마도 그 값싼 간이
측정기가 가지고 있는 한계를 인공지능을 활용을 해서
더 좀 더 정확한 정보들을 전달할 수 있는데
활용한다는 게 포인트인 것 같은데
저는 사실 이 보정의 필요성이라고 하는 부분하고
보정을 할 때 결과적으로는 무엇이 참값이냐
어떤 것을 이상치로 받느냐에 대한 판단들이 명확하게
지금 언급이 된 것 같지가 않아서
이후에 어떤 센서가 바뀐다든지
아니면 센서망이 더 많아진다든지
이랬을 때 같은
인공지능 모델을 적용할 수 있는지에 대한 확신
같은 것들이 좀 없었어요
그래서 왜 보정을 무엇을 보정을 했어야 했는가 부분하고
그다음에 그 보정 과정에서 어떤 것이 이상치였는지
아니면 어떤 것이 틀린 값이라고 하는 것들을
어떻게 알았는지를 좀 여쭤보고 싶었습니다
먼저 저희가 서울시에서 미세먼지
간이 측정망을 구축하게 된 배경부터
다시 좀 설명을 드려야 될 것 같습니다
저희 기존에
서울시의 대기 측정망이 25개가 설치되어 있습니다
서울시의 25개
자치구당 하나씩 설치되어 있는 상황이고요
그러나 서울시의 인구나
혹은 서울시의 면적을 봤을 때는
그것만으로는
서울 시민들의 어떤 미세먼지에 대한
그런 불안감을 해소하기는 굉장히 부족하다는
그런 결론을 내렸습니다
예를 들어서
내가 살고 있는 집 주변에 공사장이 많이 있다거나
혹은 기타 배출원이 많이 있을 때에는
질문의 포인트는 그게 아니고요
그러니까 저 보정이 왜 필요했느냐라는 부분하고
그 보정 과정에서
어떤 것들을 이상치로 어떻게 알 수 있었느냐라는 겁니다
그래서 보정 같은 경우에는
저희가 값이 좀 싼 장비다 보니까
상대 습도가 높아짐에 따라서
상대 습도가 높아지면
정확도가 떨어지는 장비의 특성이 있습니다
그래서 그거를 바로잡기 위해서 보정을 했고요
두 번째 질문에 대한 답은
저희가 가장 정확하다고 알고 있는 대기
측정소의 값과 이 미세먼지가 아닌
측정기의 값을
동시에 같이 설치를 해 놓은 부분이 있습니다
그래서 해답 답이 되는 거는
대기 측정소의 미세먼지 값이 되는 거고요
미세먼지 간이 측정기로 측정한 값은 우리가
이제 보정을 해야 되는 그런 값이 되는 거죠
그래서 대기
측정망과 같이 비교를 했다라고 보시면 될 것 같습니다
같이 동시에 1M 차이로 저희가 설치를 하거든요
그래서 예 뭐
질문보다는 활용성 파급성 측면에서 아이디어인데
초등학교에 그렇게 얼굴 표정으로 야외활동이 가능한지
안 하는지를 밝혀서 활용하는 건 되게 좋은 것 같아요
그래서 결국에 이 결과가 어차피 좀 가격이 저렴하니까
공원도 물론 설치하셨겠지만
우리 시민들이 많이 다니는 둘레길
이런 데에 이런 걸 한눈에 볼 수 있게 한다면
오늘은 야외활동을 하거나
산책을 하거나 할 때 마스크를 써야겠다
안 써야겠다는 이런 걸 즉각적으로 알 수 있도록
그런 식으로 좀 향후에 활용을 많이 높였으면 좋겠습니다
예 알겠습니다 4
어 시간이 다 돼서 여기서 마무리 하도록 하겠습니다
두 번째 발표자
분께 다시 한번 박수 보내주시기 바랍니다 자
계속해서 세 번째 발표자 모시도록 하겠습니다
빅데이터를 활용
생활권 전기차 5분
충전망 효율적 구축 이라는 주제로
발표자는 친환경 차량과 이경주
그린카 충전
충전기획 팀장님 시입니다 무대로 보시겠습니다
네 역시 10분의 1시간 동안 발표
진행해 주시기 바랍니다
빅데이터를 활용한 생활권
전기차 5분 충전망에 대해서 발표드리도록 하겠습니다
발표드릴 때
저희 같은 경우는
빅데이터를 직접적으로 자료를 생산해서 관리하지는 않고요
실질적으로 빅데이터 담당과 협력을 통해서
활용 측면에서 이 보고서가 작성됐다고 봐주시면
될 것 같습니다
시작하겠습니다 목차입니다
추진 배경이고요
전 세계적으로 기후 변화의 위기가 매우 심각합니다
서울도 예외는 아닌데요
서울 같은 경우
평균 기온이 100년 사이에 2도 이상이 상승했습니다
특히 폭염과 열대야가 상대적 크게 증가한 측면이 있고
2018년도 같은 경우는 서울시의 평균기온이 기상청
관측일의 최고 온도인 39 .5도를 기록하기도 했습니다
이러한 기본의 원인이 되는 온실가스 배출량을 살펴보면
건물 부분에서 96 %로
어 전체적인 비중의 상당 부분을 차지합니다
그 다음으로는 교통분에서 19
% 가 차지하고 있습니다
그래서 온실가스
저감 할 하기 위해서는
교통 부분에 대한 저감도 매우 중요한 실정입니다
전 세계적으로 2000 이공
혹은 탄소 중지 분류에서 어
내연기관차 판매 중단 선하고
그 다음에 전기차 복을 그걸 확대 를 하고 있습니다
이러한 확대로 인해서
전기차에 대한 그 시장 가속도 고
전망 올라갈 것으로 전망하고 있습니다
시민 설문조사 결과
전기차 구입에 가장 큰 걸림돌을 생각하는 것은 충전소
부족 문제입니다
이러한 충전소 부족 문제에 대해서
충전기 확대를 통해서
전기차에 대한 전환을 앞당기려고 노력하고 있습니다
전기차 보급 계획입니다
2026년도까지 전기차 40만 대를 보급해서
전기차 10 % 시대를 실현하려고 하고 있습니다
먼저 선제적 충전기 보급을 통해서
2021년 2만기에서 26년까지 22만기
약 10배를 확대할 계획이고요 이 계획에 따라서
장소별로 맞춤형 급한속기
충전기를 보급하려고 하고 있습니다
예를 들어 주거지역에는 콘센트형이나 공중기세 완속
이런 집 직장
생활 거점에 대해서 맞춤형 충전기를 통해서 생활
충전원을 개축할 계획입니다
충전기 보급 방식에는 한계입니다
이전까지는 충전기 구축 과정에서
시민과 자치구의 참여가 전 부족했습니다
실질적으로 민간 보조사업자가 주도해서 보급하다 보니까
공공성 확보가 어려웠고요
또한 이용자 패턴이나 잠재수에 대한 고려를 하지 않고
입지를 선정하다 보니까
권역별로 자치구
별로 충전기 보급에 대한 불경이 초래하게 되었습니다
그 결과
실제 그 충전 수요와 공급이 일치하지 않아서
충전 이용에 대한 편차 크게 나타난 건 사실입니다
데이터 분석 뭐 이행에 대한 협업 체계입니다
어 서울 친환경 자랑과 에서는 전기차 등록 현황하고
충전량 정보 등을 열린 공공 데이터나 환경
무게용의 놀이집을 통해 수집하였고
그 다음에 저희하고
협업하고 있는 빅데이터의 담당관에서는
펠로쉽과 이 자료를 가지고서
최적 입지에 대한 제안을 하게 되었습니다
이걸 가지고서 충전기 설치에 활용하게 되었습니다
입지조건 데이터 과제는 빅데이터하고 시행하는 과정
총 3건입니다
그 중에서 제1과제인 전기차 충전 이용
현황 분석은 지난 5월달에 완료했고요
나머지 두 과제는 현재 진행 중에 있습니다
그래서 이 자리에서는 전기차
충전 이용 현황을 중심으로 설명드리도록 하겠습니다
서울시 400개 충전소를 봤을 때
사용량을 보면 양재 솔라스테이션이 13
,000회 상암 월드컵 경기장에 만회
아시아 공영 주차장에 9
,000회로 사용 횟수가 많은데
이건 설치 지점별로 편차가 되게 심합니다 이 지점
같은 경우는 생활 사용 횟수가 많은 이유는
상대적으로 차량에 대한 접근성이 용이하기 때문에
상대적으로 많은 걸로 분석됐습니다
다음은 자치구별 전기
승용차와 공영투자 간의 분포를 설명한 자료입니다
강동하고 강서 같은 경우는 전체적으로
전기 차량은 많지만
중구, 성동, 영등포, 마포에 비해서 충전기가 적습니다
이거는 자치구별로 불균형하고
편차가 심한 것을 보여주는 자료라 하겠습니다
이러한 원인은 기존에 그 충전사업자
민간의 주도하면서 충전기 설치하기 쉬운거
설치하다 보니까 이렇게 발생한 것 같고요
이에 따라서 미래 수요를 고려해 가지고
현재 적금성과 실사용 시점에서 사용량을 고려해야 어
적정한 충전기 설치가 가능할 것 같습니다
그래서 그와 동시에 시민과 시민과 주차
전기차 이용자 간에
시민 소요를 파악해서
수요자 중심의 설치가 필요하다고 생각이 됩니다
이건 특정 자치구를 대상으로
충전 이용을 분석한 자료인데요
강남구에 를 대상으로 했습니다
여기 동그란 보시면 보라색이 충전 횟수를 보여줍니다
보통 강남 같은 경우는 남단 쪽
대규모 아파트 단지가 있습니다 이 지역에 대해서
충전기가 이용률이 많을 걸로 저희는 예측을 했지만
실제로 빅데이터 분석을 한 결과
북단 쪽에 있는 노후 주거지역이나
노후 아파트
업무시설 지구에서
오히려 충전기 수요가 북단 쪽에 많았습니다
이걸로 저희가 판단해 봤을 때
노후 아파트나 주거지역은 인근
주차장에 있는 공용차를 활용할 경우에는 사각지대
해소나 충전
수요를 확보할 수 있도록 판단하게 되었습니다
이와 별도로
시민에 대한 시민신청 접수를 받아서
저희가 설치를 진행하고 있습니다
현재 10월달까지 했을 때
16000개의 시민신청이 들어왔고요
이걸 통해서 이거와 더불어 시민신청가도로
빅데이터를 활용해서 충전기 설치를 지원을 하고 있습니다
또한 전기차 이용자
주기전 간담회나 설문조사,
방문설명회 등을 통해 저희가 충전기 사각지대 해소하고
시민반족도를 향상하려고 하고 추진하고 있습니다
충전 부족과 별도로
더 불편사항이 다양하게 나오고 있는데요
그 중에 하나가 충전기 카드에 대한 5,
6개를 가지고 있다는 불편
또 충전기를 설치를 하면서
주차요금 비용에 대한 부담에 대한 부분이
저희가 대두가 됐습니다 이 부분에 대해서는
구축성과에서 다시 한 번 말씀드리도록 하겠습니다
개선방안하고는 말씀드리도록 하겠습니다
저희가 빅데이터를 활용한 저희 충전기 확충과 시설점은
먼저 차량이 접근이 용이한 곳에
다양한 충손대 보급이 확대가 필요하고
또 노후 아파트나 저층 주거지역처럼
충전기 설치
여건이 어려운 곳에서는 인근
공용 주차장을 활용한 충전기 확대가 필요합니다
이것과 추가적으로
미래의 접근성과
현 시점의 실사용 요소를 고려해서 시민이 참여하고
전문가들이 하는
시민소를 함께 고려해야 할 필요성이 있습니다
전기차 충전기는 접근성을 위해서
급속으로 많이 설치하고 있는데요
특히 노후 아파트나
단속주택에 대해서는 충전 여건이 매우 열악합니다
이런 부분에 대해서는 우선 설치가 필요한데
민간 사업자 같은 경우는
과다한 돈 투자를 위해서 꺼리고 있습니다
이런 부분에 대해서는
서울시가 직접 돈을 투자해서 하고 있고요
좌측 상단에
노후 아파트에 있는 가로등급속충전기 밑에 있는
복개천에 설치한 충전기사를 이에 해당합니다
또한 LPG 충전소나 택시
차고지 등 시민이
접근이 쉬운 곳에서 충전할 수 있도록 하고 있고요
새로운 체험할 수 있는 충전기나 확대하고 있습니다
이러한 대시민 서비스를 강화하기 위해서
휴대폰 하나로 충전할 수 있는 방안을 검토하고 있습니다
먼저 카드 제로
카드 없이 핸드폰 QR로 결제 방식을 도입하는 거고요
충전 대기 없이 예약을 할 수 있는 시스템
그리고 현재는 공용주차장 감면을 하고 있는데
민간에서도 충전할 수 있는 시스템을 저희가 업체하고
협의해서 모색 중에 있습니다
저희가 이런 다양한 충전 방식과 충궁
사각지대 해소를 통해서
전기차와 충전기가 증가를 하고 있고요
이러한 충전기 보급 정책으로 인해서
저희가 10대 뉴스 선정이나 적극 행정
최우수상 환경
대상을 등 대외 내역도 높은 평가를 받고 있습니다
끝으로 데이터 기반 수요 측을 통해서
시민 수요를 반영하고
입지 분석을 통해서 수요자
맞춤형 충전기를 보급을 통해서 자치구별
불균형을 완화하는 동시에 설치
우선 수지 도출로 인해서
한정된 예산을 효율적으로 사용하면서 충전 기반 충전
사업대 해소
및 등을 통해서 충전
환경을 조성하는 계기가 되었다고 생각됩니다
그 빅데이터 담당관과 연계를 통해서 충전 전기
충전 인프라 확충을 통해서
2026대까지 40만대 보급하고
온실가스 74만대 감축을 통해서
기후변화에 기여할 것으로 기대됩니다
이상으로 발표 마치겠습니다
네 발표 잘 들어왔습니다
이어서 바로 질의응답 시간 갖도록 하겠습니다
두세 분 정도 질문 부탁드리겠습니다
네 그 충전소 내지 충전기에
학사와 관련해서
수요자 중심으로 하신다는
굉장히 가장 핵심적인 원칙을 잘 세우신 것 같고
그런 부분에 대한 앞으로
비전들을 잘 설명해 주신 것 같습니다
근데 이제 지금
오늘 발표하신 내용은 충전기 이용 현황 분석 측면이고
향후 입지라든가
어떤 충전기에
충전기 설치에서 제일 핵심적인 것은 어느 위치에
즉 입지 부분과 그거를 완속
보통 급속 등
어떤 성능을 가진 것들을 잘 배합해서 하느냐
라는 것일 텐데요
그런 분석을 하는 데에는
많은 AI 기법들이 활용될 것으로 예상이 되는데
아직 하진 않으셨지만
앞으로 계획이나
이런 측면에서 어떤 기법들을 통해
이런 최적화 문제를 푸시려고 계획하고
계신지 좀 여쭤보고 싶습니다
오늘 저희가 발표한 자료에는 저희가 작년
2021년도에 있는 환경부의 무공해
누리집 자료를 가지고 했고요
여기에는 실질적으로 어떤 전기차나 이런 부분만 고려했지
실질적으로 어떤 차량이 있는지
영업용인지 이런 부분이 구분을 못하고 있고
시간대에 대한 자료도 지금 약간 부족한 상태입니다
그래서 저희가 설명하다가
지금 시간이 좀 더 돼서 저희가 지나갔는데요
저희가 충전 인프라 시스템을 구축하고 있습니다
여기에서 저희 서울시 지역 말고도 환경부,
민간에 있는 시스템까지 전부 다
충전 여력에 대한 시간을 가져와서
시간대별 언제 충전이 되고
어떻게 이루어지고
어떤 충전기 급속인지 완송인지 콘센트인지
어떤 형식에 따라서
충전이 되는지에 대한 것까지 확인할 수 있고요
그다음에 저희가 향후 계획하고 있는 거로는 모빌리티사나
충전사업자를 통해서
개인정보인 차량에 대한 정보가 없기 때문에
어떤 차량, 화물차가 했는지
이런 것까지도
단계적으로 분석에 대한 필요성이 있는 건 맞고요
그리고 말씀하신 것처럼
빅데이터를 통해서
저희가 자료가 적정하게
이게 최적의 위치에 선정됐는지를 검증하고
그것에 대해 보완해 나가서 계속하려고 노력하고 있습니다
발표 잘 들었습니다 말씀하신 내용은 다 공감이 가는데요
다만 한 가지 아쉬웠던 점이
시민들이 현재 전기차를 사용하는 것 중에
가장 꺼려하는 이유가 사실상 원인
불명의 화재 발생이거든요
그런 부분들이 좀 더 빅데이터적으로 분석이 되어서
거기에 대한 걸
좀 더 설득할 수 있는 근거가 나왔으면
좋았을 거라 생각이 드는데
그런 부분들을 혹시 파악을 하고 계신지
아니면 어떤 계획이 있으신지가 궁금합니다
저희가 지금
현재 전기차
화재에 대한 부분이 계속적으로 이슈화
되고 있는 건 맞습니다
그래서 저희도
그런 어떤 전기차에 대한 부분은
현재까지는 화재가 발생했을 때
열폭주나 예를 들어서
밧데리로 인해서
바로 끌 수 없는 상황이 존재하고 있어서
현재 저희가 어떤 충전기 설치하고
직접적인 화재에 대한 원인은 파악을 하지 못했고요
말씀 주신 것처럼
전기차 화재에 대한 부분은 계속 저희도 환경부나 산자부
아니면 자동차
제작사와 계속
협의를 통해서 최대한 들을 수 있는 방법이 어떤 건지
아니면 그런 부분을 좀 챙겨봐야 될 것 같고요
그래서 이 부분 같은 경우는 충전기
인프라 입지 선정이다 보니까
말씀하신 내용은 좀 포함이 안 될 것 같습니다
제가 말씀드리는 게 이제 화재를 막아야 된다가 아니고요
기본적으로 자동차에 대한 전기차를 사용을 할 때
화재 발생이 사실 많지 않거든요
퍼센트지로 따져보면 실질적으로 굉장히 낮게 나올 거예요
그런 근거들이 있어야지 입지를 설치를 할 때
신문들의 방해 라든지
혹은 이제 어제 반대 라든지
그런 내용도 좀 더 근거자로 사용할 수 있을텐데
그런 자료 좀 더 위비한 것 같다는 이제 뜻이거든요
예 참고로 하겠습니다
어 앞으로 이제 발전 가능성들이 되게 높은
앞으로 할 일들이 또 많이 남아있는
부분인 것 같습니다
제가 발표를 들으면서 좀 궁금했던 것은
어떤 충전소에서 충전이 많이 이루어졌다라고 하는 것이
그 자체로 충전
수요를 대표하는 것 같지 않다는 생각이 좀 들더라고요
지금 저기서
차량 대수와
충전소의 양 사이의 어떤 관계들을 보여주시면서
차량이 적은데도 충전량이 많은 이런 구들도 있었잖아요
예 그게 이제 과공급일 수도 있는데
어쩌면 그 지역을 활용해서 주변에 있는 도시나
주변의 차량들이 거기서
이제 충전을 할 수밖에 없는 상황들
다시 말하면 그 해당 지역이 아니라
그 해당 지역과 연접된
다른 지역의 충전 상황이 열악하다는 걸
대표할 수도 있잖아요
예 그래서 저 충전
양과 충전 수요를 갖다 직결 시키는 형태의 그 판단
들을 보다는
굉장히 여러가지
요소들을 함께 고려해야 될 필요성들이 좀 느껴지더라구요
그 상황에 대해서는 어떻게 좀 보시는지
좀 말씀을 말씀 주신거 공감하고 있구요
제가 전제로 말씀드린 것은 저희가 여기서 단순하게
지금 저희가 할 수 하는 단계는
제가 빅데이터 담당 협조를 받아서 진행했던 거고
저희 부서 하는 거는 높다
낮다 적다 많다에 대한 엑셀 자료에
거의 비교에 가깝거든요
그래서 저희가 이 기초
자료를 이 처음 자료를 통해서 하는 건
현재 상태에서
우리가 측정한
충전소들이 어느 정도 적정했는지에 대한 판단하는 거고요
말씀 주신 것처럼
현재 저희가 전기
화물차가 상당히 많은 걸로 알고 있습니다
그럼 그 지역이 아니고
다른 지역에 이동해서 충전하실 수도 있고
마찬가지로 경기도
경계에 대해서는
경기도 차량이 넘어와서 충전할 수 있는
이런 부분들이 있습니다
그래서 현재로서는 그런 정보에 대한 부분이 없기 때문에
우선 이렇게 작성을 한 거고
향후 저희가 충전 사업자나
저희가 추가적인 자료를 통해서
그런 정보, 화물이나 이런 정보가 있다면
서울 시내 실질적으로 어느 차가 운행하는지
이런 정보도 모르거든요
현재 제가 강남구에도 지금 충전
전기차가 많다고 표현했지만
실질적으로 허차나 호차량이 많습니다
원래대로라면
그 차량은 여기서 움직일 안 할 확률이 높죠
이런 부분에 대해서 구체적으로 충전기에 대한 어떻게
실태에 대한 부분은 차곡차곡
쌓아가야 될 부분이라고 생각합니다
그 부분은 저희가 추진하면서
적극적으로 검토하도록 하겠습니다
네, 여기까지 하도록 하겠습니다 제 인간 마치도록 하고요
세 번째 발표자
분께 다시 한 번 큰 박수 보내주시기 바랍니다
네 번째 발표 바로 이어가도록 하겠습니다
네 번째 발표자 분은 버스 전용차입니다
정책과의 김경수 주무관 님이 시고요
5 주제는 올빼미 버스
6개 노선 신설 통해 촘촘한 심야
버스 연결망 구축입니다
다시 한번 큰 박수로 맞아 주시기 바랍니다
네 안녕하세요 발표하겠습니다
버스 정책과 김경수 주무관입니다
일단은 저희가 이제 올빼미
버스 확대 운행 계획에 대해서 발표를 할 건데요
제가 미리 말씀을
드리자면은 이 오페리버스 확대 운행을 할 때
분석한 빅데이터 분석 과정에 제가
모든 과정에는 다 참석을 하지 않았어요
그래서 일부 설명이 조금
약간 좀 부정확한 설명이 있을 수는 있지만
제가 짧은 지식으로
나마 최대한 간단 명료하게 설명을 드리겠습니다
발표 시작하겠습니다
일단은 제가 생각하기에는 저희가 생각하기에는 2022년
서울시 교통정책을 가장 간단하게 설명하는
가장 큰 화두는 10년 시간대 교통 대란인 것 같습니다
교통 대란을 해소하기 위해서 저희 도시교통실에서는 버스,
지하철, 택시
여러 분야에서
모든 방안을 강구해서
교통 문제를 해소하고자 노력을 하고 있습니다만
저는 버스 정책과에서 버스 담당으로
저희가 직접적으로
업무를 수행한 신현버스에 대해서 발표를 하겠습니다
일단 우선적으로는 올해
이제 저희 신현버스에 대해서는 올해 상반기에 4월경에
코로나 그 식구가 끝나서
그 시점에 맞춰서 노선을 확대를 했고요
일단은 그 확대를 할 때 저희가 분석한 과정이 있어요
일단 첫 번째로는 주요 이용 하시는 승객들이
이제 자영업자나 이제 늦은 시간까지 일하는 회사원
아니면 학생
그리고 이제 새벽
이른 시간에 첫 차 시간 이전에
출근하시는 청소 근로자나
여러 가지 근로자분들이 계셨습니다
일단은 저희 심야 버스는 교통
사회적 약자
시민을 위한 교통복지 역할을 수행하는 노선이며
안전성, 이용하는 편리성, 비용
저렴성 이런 장점을 가지고 있는 교통수단입니다
일단은 저희
올빼미 버스는,
신년버스는 2013년부터 운행을 시작했고요
2013년 9월부터 시작해서
올해로 딱 10년 차 되는 노선입니다
이제 기존까지는 9개 노선으로 운행을 했는데요
5개 노선에 더해져서 14개 노선으로 확대를 했습니다
또 하루 평균 하루에 약 14
,000명 정도가 심리학버스를 이용하고 있습니다
오른쪽에 있는 큰 사진은 현재 저희 심리학버스
노선표고요
거의 서울시 전체 구간에
대부분 구간에 다 다닌다고 보시면 됩니다
그 다음에 저희가 심야시간 통행 신태를 분석을 했습니다
저희가 분석할 때는 서울 생활이동 데이터,
교통카드 데이터
등 약 2억억 건의 데이터를 분석을 했고요
그 다음에 이제 분석한 자료는 서울 내부 통행 기준이고
시간은 심야시간대 00시부터 04시
그 다음에 분석
기간은 아무래도 올해 연초 했던 거다 보니까
작년 이제 한 달 정도
위드 코로나라고 거리 두기가 완화됐던 시기가 있습니다
그때 시기를 기준으로 분석을 했고요
통신 데이터를 기반으로 서울 내부를 교통
폴리곤으로 구분하여 지역 간 유동 인구량을 산출했습니다
분석 방법은 데이터 통합 분석을 통해서 수요
집중 지역과 심려버스
사각지대를 파악하는 데에 중점을 뒀고요
버스 데이터, 택시 데이터,
서울 생활 이동 데이터를 고루 고루 고려했습니다
그리고 심야시간 이동 수요와 사각지대 운영
효율성 등을 고려해서 기본안을 도출했고요
그것에 대한 수요 추정과 최적인 운행
경로 파악으로 운행 경로를 수정
보완하는 과정을 통해 최종 노선을 도출했습니다
세부적으로 설명드리자면
서울을 8개의 권역으로 구분해서
권역별 유동인구 상위 노선을 선정하고요
그다음에 기존에 운행을 하였던 신용버스 운행
데이터 승객수, 과밀
혼잡도, 오디
데이터 등을 같이 활용해서
기존의 신용버스 노선을 보완하는 기능과 권역별 유동인구
상위 노선 그 기준을 서로서로
상호간 수요 검증과 확정을 통해서 노선을 도출했습니다
일단은 통행 시태 분석을 할 때
또 이동수단 비율에 대한 것도 같이 분석을 해봤는데요
10여 시간대에 10여 버스가 운행을 한다
해도 10여 버스의 10여 시간
교통수단의 이용
분담료는 상대적으로 많이 떨어지는 편입니다
아무래도 10여 버스가 운행을 하여도 택시나 도보나
아니면 최근에는 따릉이나
PM 같은 것들이 많이 확대되는 추세라서요
사람들이 신용버스 이용 비율이 아직은 많이 낮다
그리고 앞으로도 이 이용 비율을 올려야 되는 것이
저희 신용버스정책과의 과제라고 생각합니다
그리고 유동인구 분포도도 조사를 했는데요
일단은 주요 상업지역인 강남, 홍대,
여의도 종로
부근에 10년 시간대 이동 수요가 집중이 됐고요
대중교통 중단 시간 이후에 심리화
이동 수요가 하루에 약 34만 명 정도 발생을 했고
가장 크게 이용
수요가 발생하는 지역은 강남 지역이었습니다
그리고 주요 통행량 분석을 했을 때
서울시 주요 통행량은 지하철
2호선을 따라서 움직이는 경로로 발생을 했고요
홍대, 여의도, 종로, 강남구 4단
강남 잠실 이 선을 연결하면
지하철 2호선하고 유사한 선형이 나와요
그래서 그 선형의 통행량이 집중이 되었다
그리고 저희가
이제 신협버스 노선도가
나머지 구간은 다 신협버스가 다르지만
기존에 여의도와 4단
구간을 연결하는 신협버스가 없었어요
그래서 그 구간을
어떻게 연결시킬까라는 것에 대한 고민도 해봤습니다
그다음에 심야시간 이동
사각 지역을 중점적으로 저희가 분석을 했습니다
분석을 했는데
주로 이제 심야시간대에
이동하고자 하는 유동인구가 많으나
심야버스 노선이 없어서 발생했던 것을
저희가 이동 사각 지역이라고 명명을 했고요
첫 번째로 가장 많이 발생한 것 중에 하나가 동작
동작구와 강남을 연결하는 경로
그다음에 마포, 은평구와 홍대 입구 지역을 연결하는 경로
그다음에 종로
지역과 강북구
지역을 연결하는 경로였습니다 이
교통사각지대의 유동인구는 17만 명
정도로 추산이 됐고요 이 구간을 운행하는 10여
버스 노선 확대를 계획했습니다
그리고 이제 심려버스 교통 사각지역을 분석을 했대요
심려버스 이동
현재 운행하고 있는 심려버스
경로와 반경 700M 기준으로 잡았고요
그 700M를 벗어나는 지역에 대해서
사각지대라고 분석을 했습니다
그 다음에 이동 통행시태를 분석했을 때
시간대별 분석을 했습니다
일단은 저희가 앞서 설명을 했다시피
그 위드 코로나 작년 11월달에 승객수를 분석했는데요
수요일을 분석했는데
전체적으로 올빼미 버스의 승객수가
2021년도에는 코로나로 인해서 승객수가 적었는데
사회적 거리두기가 해제가 잠깐 됐을 시기에 거의 70
% 정도 정확히 68 %가 증가가 했고요
지금 현재 시점
2022년 12월 기준으로 따지면 더 많이 늘었습니다
더 많이 늘었고
점점 더 증가하는 추세에 있습니다
그다음에 저희가
이제 노선을
세부적으로 구축한 것을 좀 상세히 설명드리면
일단은 6개의 노선을 신설을 했고요
10여 시간 이동 사각 지역과 도심 강남간 동서축 연계
그다음에 한강을 중심으로 도심,
부도심 간 남북축
연계하는 노선망을 구축하는 것을 주요 목표로 삼았습니다
일단은 첫 번째 신미와 이동 사각 지역과 도심
강남간 동서축 연계하는 노선은 세 가지 노선인데요
일단은 N34, N64,
N72 이런 세 개의 노선이 나왔고
앞서 설명했던 이동 사각
지역들을 운행하는 노선을 도출했고요
여기서 특히 N34번과
N72번 같은 경우에는 빅데이터 분석으로
권역별 유동인구
상위 노선을 선정을 했을 때 나온 노선안이고요
그 노선안이 실제로 최종적인 노선 외에
거의 원형 그대로 확정이 돼서
운행하고 있는 형태라고 보시면 되겠습니다
그다음에 저희가
버스정책과에서
기존 신협버스 운행
데이터를 보완하면서 만든 노선들이 여기 설명드린 N32,
N51, N75 3개의 노선이고요
특히 N51번 같은 경우에는 신돌인과 당산을 연계해서
기존 16버스
망중에 2호선 라인이 운행되지 않는 단절
구간을 연결시켰고
그 다음에 N75번 같은 경우에는 한강
이남에서 강남역부터 신림까지 가는 구간이
기존의 16버스 중에 가장 혼잡했던 과밀
혼잡 구간입니다 그 구간을 해소를 한다
그 목적으로 운행하고 있습니다
어 뭐 요약을 하자면
은 이렇게 노선이 6개 노선이 만들어졌구요
어 진 2기 노선이 만들어진 지가 한
올해 4월 달부터 만들어졌으니까
한 8개월 정도 증에서 현재까지 운행 중에 있는데
많은 시민 분들이 이용하고 계십니다
기대효과 로는 그 최대 이용객이 5천명 증가한다
다음에 비용 부담이 완화되고
혼잡개선 동선 확대 등 이동 서비스가 향상이 된다
그 다음에 도심 부도심
주요 상권 연계 및 지역 경제를 활성화 하겠다
라는게 그 당시에 발표한 기대효과 인데요
실제적으로 지금 시점에서 사후적으로 검증해 본 바
어 이용객이 그
저 당시에는 예측 수요가 최대 2만 명 정도 잡았는데
예상보다 더 많이 이용을 해서
가장 많이 이용했을 때는 하루에 2만
5천 명 정도가 심협버스 이용을 한 것으로 나타났습니다
그래서 저희가 판단을 하건대
심협버스는 올해 초에 확대를 하면서
기대보다 이상으로
더 많은 분들이 이용하시는 정책으로
자리 잡았다라고 평가를 하고요
앞으로도 지금 더 보완을 해서 더 좋은 노선
고충망을 만들어 나가겠습니다
이상 발표 마치겠습니다
네 감사합니다 잘 들었습니다 시간이 다 됐고요
질의응답 들어가도록 하겠습니다
5분간의 질의응답 시작하겠습니다
질문 있으시면 질문해 주시면 되겠습니다
질문 드리겠습니다 굉장히 필요한 정책이라고 생각하는데
야간에 택시 잡기가 굉장히 힘들잖아요
다른 데로 다 많이 빠지시고
더군다나 심의할증이 굉장히 높아졌더라고요
최근에 그래서 이거를 확대를 더 많이 했으면 좋겠는데
그래도 전체적으로 수요는 많을 것 같은데
그 받아들이는 게
적은 이유가 배차 간격도 되게 영향이 클 것 같아요
노선을 확대하는 것도 좋은 정책인데
그거와 더불어 배차 간격을 조금 더 줄일 수 있다면
택시에서 불편한 수요들이 이쪽으로 몰릴 수 있지 않을까
해서 그 부분을 추가로 좀 분석을 해봤으면
하는 생각이 드는데
혹시 계획이 있으십니까? 말씀 주신 게 저희가 사실
지금 12월부터 10년 버스를 추가로 더 확대를 했어요
확대를 할 때
저희가 이제 10년
버스 개선안에 대해서
가장 기본적으로 방향을 잡은 것이 정확하게
기존에 다니던 배차 간격을 줄이자
그래서 앞서
상반기에는 새로운 노선망을 구축하는 것에
초점을 맞췄다면
이번에 하반기에 12월 달부터 37
때로 추가로 더 증찰 했는데
그 추가 증차 에는 기본적으로
기존 노선 들의 증차를 시켜서 배차 간격을 많이 줄이자
단축을 하자 이런 컨셉으로 증차를 해서 접근 했고요
어 최대 10분
15분 이상
배차 간격을 단축을 시켜서 지금 현재 운행하고 있습니다
4 혹시 질문 있으시면 질문 더 받도록 하겠습니다
4 질문이 없으면 여기서 마무리하도록 하겠습니다
수고하셨습니다
네 번째 발표자분의 발표 잘 들었고요
이어서 바로 다섯 번째 발표 순서입니다
다섯 번째 발표자분은 종로구청의 이강근 주무관님이시고요
발표 주제는 저출산 극복과 보육
환경 개선을 위한 보육 및 교육시설 접근성 분석입니다
네, 무대 쪽으로 올라와 주시고요
여러분 큰 박수로 맞아 주시기 바랍니다 예 반갑습니다
이번 발표를 맡게 된 종로구
스마트 도시가 이강근 주무관입니다
예 발표를 시작하도록 하겠습니다
발표 순서는 추진 배경 활용 데이터
그리고 주 추진 내역
빅데이터 분석 및 활용 기대효과 순으로 말씀드리겠습니다
저희가 이제 작년에
2021년에 어떤 빅데이터 분석을 할까
라는 고민 끝에
저희 부서들에서 의견을 좀 모아본 끝에
1인 가구와 저출산이 주요 현안으로 돼서
이거를 분석을 하게 되었고요
그 다음에 이 저출산 분석에서는 우리에게 현안이 어떠며
어떤 것들이 필요한지
이런 것들을 좀 파악을 해보게 되었습니다
감사합니다 전신이 다 나오게끔 감사합니다
그래서 이제 보면 종로구뿐만 아니라
국가적으로 저출산이란 건 다 문제인 건 알고
계실 건데요
종로구도 저출산이 심각하고
특히 25개 자치구 중에서 출생화 수는 가장 낮고
학계 출산윤도 24위를
2020년도 기준으로 라고 하고 있습니다
그래서 이런 것들을 효과적으로
정로구만에 맞춤형 저출산 정책을 수립하는데
어떻게 필요한지 이런 부분 때문에 진행을 하게 됐고
또 단순하게 출산장료뿐만 아니라
여기서 벗어나서 보육이라든지
생애 주기별로 발전할 수 있는
그런 부분들을 전환이 필요한다는 부분에서
분석을 하게 되었습니다
저희가 주출산 관련된 분석에 주로 썼던 것 중에
오늘 말씀드릴 주요 활용한 데이터는 인구 및 출산율
그리고 어린이집, 유치원,
초등학교 정보, 격자별 인구 데이터, 도로망도
그리고 서울 열린 데이터 광장에서 서울 생활
이동 인구를 활용하였습니다
주출산 관련해서 우선은 탐색적인 분석을 해봤는데요
인구 현황이라든지
변화 추이, 출생화성 후 변화
추이 이런 부분들을 좀 했고요
두 번째로는 저출산 환경
요인 분석을 좀 시작을 해봤습니다
그래서 환경 요인은 인구학적,
사회경제적, 문화가치적으로
세 가지 카테고리로 분류해서 이런 내용들을 분석을 했고
오늘 좀 말씀드릴 내용은 사회경제적 배경 중에
공공부역, 공급과
사각지대 존재에서 고육시설의 접근성이라든지
생활인동의 특성에 대해서 말씀드리도록 하겠습니다
방금 말씀드렸던 접근성과 생활인동 분석인데요
어린이집 유치원
초등학교에서 공방 분포를 기반으로
사각지대를 도출해봤고요
또 실제 이동거리 기반 접근 권역도를 구축을 하였습니다
그리고 이렇게 구축한 것은
정로구 내 업무 시스템인 스마트 공공
데이터 서비스라는 곳에 분석
결과를 시각화하여 활용할 수 있게 진행을 하였습니다
그리고 이제 아동들의 생활이동을 파악을 좀 해봤는데
실제 생활이동 데이터를 가지고
정로구의 0세부터 9세
아이들이 어떻게 이동을 하고 있는지
그런 부분들을 파악을 해 보았습니다
예 그럼 분석 내용 말씀드리도록 하겠습니다
분석을 하기 위해서
가장 먼저 0세부터 13세의 인구 격자를 만들었습니다
그래서 0세,
7세, 8세, 13세로 구분을 해서
인구 격자 100M 단위를 인구가 어느 정도 되는지
분포와 밀집 지역을 파악을 해봤습니다
그래서 지도에 보시다시피 어느 지역이 많이 있는지
이런 분포를 전체적으로 확인을 할 수가 있었습니다
그리고 그 기반으로 첫 번째 분석을 한 게 공간
분포 기반 사각지대 분석을 수행을 했습니다
그래서 어린이집 위치와 초등학교 분석에서 반경 500M
사각을 그려서
그 사이에 앞서 만든 인구 격자와 해서 어떻게 겹치고
어떤 인구들이 있는지
분포를 파악해서
좀 먼 데 500M 밖에 있는 거를
좀 주요 사각지대로 보면서 이렇게 파악을 해봤고
종로구 특성상 평창동이나 이제 부암동 이런 지역들
그리고 다른 기타 지역들이 사각지대로 많았는데
퍼센테이지가
이제 평창동과
부암동에 많이 있는
격자가 나온 것을 확인할 수가 있었습니다
그 다음 두 번째 분석은
이제 실제 이동거리 기반 접근성 분석을 해봤는데요
반경이나 직선거리가 아닌 도로망
데이터와 함께 이동거리 산출해서 접근
권역들을 구축해 보았습니다
그래서 방법은 공간정보인 인구격자, 보육시설 위치
도로망 데이터를 OD
매트릭에서 최단 경로의 거리를 뽑아보고
거기에 따른 접근 권역도를 도출해 보았습니다
이렇게 도출해 봤더니 어린이집,
유치원, 초등학교 같은 경우
마스크를 벗고 하겠습니다 해도 된다고 하셔서요
어 초등학교 유치원 초
그 그 보면 어
실제 이제 700 및 990M 이상인 지역
그 주황색과
또 1000M 가 넘는 빨간색
격자가 어떻게 되어있는지 주되게
이제 먼 지역으로 파악을 했구요
그 격자를 보면 평창동 66개
부암동은 32개인 걸로 나타났고
이렇게 이제 좀 멀게 실제 거리를 해서 했기 때문에 네
지금 해주면 이제 1000M
1100M 가 이상 초과 되는 경우는 도보로
어린아이들이 걸어 다니게
는 먼 지역이 라고 판단을 하고 파악을 좀 했습니다
예 초등학교 접근 권역도 또 따로 이제 만들어 봤는데요
예 죄송합니다
초등학교 접근 권역도 따로 만들어 봤는데요
역시 이야기
이제 먼지 여기 평창동 부암동
삼청도 사직동 들 1300M 이상
격자 들이 많이 도출이 되었습니다
평창동 부암동 은 거천
2000M 좀 넘는 거라든지 해서
배국의 24개인 것들을 격자 좀 됐구요
역시 초등학교 학생들이 안전하고
편하게 통학 거리라고 설정하고 있는 이제
그런 기준에서 좀 벗어나서
조금 멀리 접근성이 먼 지역으로
전체 개인 분포를 파악을 하고 있습니다
그리고 이렇게 먼 거리를 다니는데
그렇다면 실제 멀리 다니고
학생들이 어떻게 다니는지 궁금했습니다
특히 종로구에 있는 평창동에는 아까 봤지만
되게 넓은 지역이고
인구도 많은데 초등학교가 실질적으로 없습니다
그래서 여기서 질문을 시작했습니다 이
평창동에 있는 학생들은 어디로 지금 가는 것인가
그래서 그거를
서울생활인구데이터를 통해서 좀 파악을 해보게 됐습니다
그래서 0세부터 9세
그리고 시간대는 7시부터 9시까지로 해서
파악을 해 봤고요
공간적인 거는 이제 출발지를 종로구 평창동으로 하고
이제 다른 지역들을 도착
행정동을 파악을 해보게 됐습니다
그래서 어 이제 결과를 좀 파악해 보니
이제 각 출발지 동부터 도착지 동으로 파악을 했을 때
종로구에서 가
이제 가장 많이 이동하는 숫자가 나온 부분을
10개 지역을 파악을 해봤습니다 4
이제 파악을 해보니
종로구는 행정동 같은 행정동 내에서 이동하는 경우는
이제 상위 지역 중에 한 군데 였구요
관내 종로구 내의 다른 동으로 이동하는 게 3곳
또 아예 타 지역구로 이동하는 곳이 6곳이 되었습니다
그래서 여기 보면
타 지역구라고 해서 바로 옆에 있는 동으로 이동한다든지
그런 결과들을 확인하고 있었는데 이 학구도를 보면
이게 꼭 행정구역하고 일치하지 않기 때문에
학구도와 어느 정도
일치하는 정도의 결과들을 확인할 수가 있었습니다
그리고 그중에 아까 말씀드렸듯
평탕동의 특징을 한번 확인을 해봤는데요
평창동의 특징을 확인해보니
실제 동네 이동보다 동외 이동이 대략 한 50배 정도
더 많은 외관 이동으로 좀 하고 있었고요
그리고 독착지 기준으로 상위 3개의 이동을 하면 부암동,
도남이동, 진관동인데
성북구 도남동, 은평구 진관동이어서 관외가 되겠습니다
부암동 같은 경우에 있는 학교는 평창동에
이제 학군에 포함이 돼서
이건 너무나 당연하게
가장 많은 인구가 나오는 그런거라고 보는데
좀 특징은 송부구 도남동하고
은평구 진간동은 그래도 좀 초등학교가 다니기에는
조금 거리가 있는 거라고
생각이 돼서 좀 특징을 한번 살펴봤습니다
그랬더니 도남 2동에는 거기 이제 사립학교가 있는데
그 사립학교에서 셔틀폰 행을 운행을 하고 있습니다
셔틀버스 노선을 봤더니
평창동을 좀 가로지르는
이렇게 거쳐서 가는 셔틀버스가 운행해서
학생들이 다니고 있다는 생각이 들고요
진간동 같은 경우는 좀 특이한 경우인 것 같은데
거기는 대부분
주거지역에 있는 학교들도 있지만 이 한계학교가 인근
주거지역은 없고
군부대가 있는 지역에
학교가 좀 있는 것으로 파악이 됐습니다
그리고 이제 이 먼 지역이기 때문에
어린 아들만 다닐 수 없고
성인들도 같이 좀 다녀야 될 거란 생각에
성인인구 25세에서 44세 까지
좀 인구를 파악해 본 거에요 과 전체
이제 순위에서 진관동으로
평창동에서 진관동을 이동한 성인인구 중에
한 14위 정도로 나와서
어느 정도는 좀 연관성이 있지 않을까
이렇게 생각을 해보았습니다
예 근데 이제 이 생활인동
데이터에 좀 한계가 있었는데요
첫 번째는 데이터 범위입니다
데이터 범위가 5세 단위로 집계가 되고 있는데
초등학교 9학년 10에서
15세 기준으로 데이터가 나왔습니다
그래서 초등학교 9학년하고
중학생이 합쳐져 있어서 이 부분들은 중학생이
같은 동선에 포함이 되는 부분이어서
저희가 제외를 해서
0세부터 9세까지 아동에 대해서 일단 분석을 했고요
또 하나는 아무래도
이제 10세 이하에서는
휴대폰 사용률이 성인보다 좀 낮을 수가 있어서
좀 보정이나
이렇게 과다하게 될 수 있겠다는 생각을 했습니다
그래서 저희가 좀 확인을 해봤더니
2018년 기준으로 스마트폰 보급률이 한 37
% 초등학생들이 단지적인 걸로 나왔습니다
그래서 지금은 좀 더 늘었을 거라고 생각도 들고
어느 정도 좀 의미가 있지 않을까라는 판단을 하였습니다
예 그래서 이제 이런 분석 결과
가지고 기대 효과를 좀 찾아보려고 하는데요
저희가 이렇게 종로구 특성
좀 멀리 다니는 부분들이 학생들이 있는 학생들을 위해서
기본적으로 이제 통학 구역 조정이나
아니면 통학 차량 운행이라 배치
그 다음에 이제 추가하거나
실제 노선을 결정할 때
좀 더 고려해서 할 수 있겠다는 생각이 들고요
종로구도 많은 이제
그런 고민들을
어린이집들이나 하고 있는 부분들이 있습니다
이제 마무리 해주셔야 될 것 같습니다
그리고 마지막입니다
그래서 보이고 한 병 개선 부분이어서 예
실제 어 어떤 보유가 그 최적지를 선택할 때
이동 거리와
인구 등을 고민해서 확인할 수 있다고 생각이 됩니다
그래서 예를 들면
제 A 지역에 있던 기존의 있던 아동이 B
지점을 이동했을 때
얼마나 단축된 거리로 다닐 수 있는지
이런 것과 또 이 먼 거리에 다녔던 수계 어느 정도
인구가 이렇게 멀리 다니는지
이런 비율들을 통해서 통합한 개선에
확인을 할 수 개선할 때
참고를 할 수 있지 않을까 생각합니다
이상으로 발표 마치겠습니다 고맙습니다 발표 잘 들었고요
바로 질의응답 들어가도록 하겠습니다
5분의 1 시간 주어지고요
질문 있으면 지금 해주시기 바랍니다
네 데이터를 굉장히 다양하게 분석하고
고민을 많이 하신 것 같은데
일단은 뭐 저출산은 집값이나 이런 것 때문에
젊은 친구들이 결혼을 안 하니까 별도로 보고
교육시설 접근성 분석이잖아요
근데 여기서 굉장히 중요한 전제가 하나
정도 빠지지 않았을까 라는 우려가 있는데
그게 어떻게 고민이 됐는지
아니면 데이터가 없어서 못했는지 모르겠는데
그냥 평창동 누가 들어도 부자 동네죠
평균 임금이나 이런게 많을 것 같아요
집도 비싸고
그러면은 평창동에 가까운 곳에 좋은 학교가 없으면
굳이 거기를 안 보내고
좀 멀더라도 뉴타운 주변 아파트 단지나
아니면 사립학교로 보내는 거 같아요
그런 거를 고려해서 분석을 하시려고 했는지
아니면 약간 데이터가 없어서 못 하셨는지 궁금합니다
아
예 저희가 이제 아까 말씀드렸습니다
학군도라고 보면
일제 평창동과 다른 지역들도 다
학군에 의해서 배정이 되는데
평창동은 부안 쪽에 있는 세금정
초등학교라는 데 배정이 돼서
그쪽으로 마동에
학생들이 다니고 있는 거라고는 확인을 할 수 있었고요
그런데 말씀하셨듯이
저희가 못한 거는 이 부분이 어떤 다른 교통수단이나
그런 걸로 이동을 하거나
아예 이제 어느 말씀 다른 사이
그 이렇게 이도 생활 이동
인구 데이터로 만 아닌 다른 학교에 나
이런 대로 다니는 지까지는 전체적으로 다
이제 파악할 지는 좀 어려운 부분들은 있었습니다
그리고 어 셔틀버스 같은 경우도
이제 그 근처에 다니는 학교도 있지만
없는 경우들 리 있었는데
평창동 근처에 있는 셔틀버스가 다니는 학교는 없는
성명대학교의 사립학교는 다니는데
국립학교에서는 없는 것 정도
이렇게 파악을 하고 분석을 하였습니다
저도 질문이 하나 있는데요
지금 생활인구 이동에서 0세부터 9세의 이동과
주로는 초등학생들을
그 사람들을
초등학생으로 해석하는 경향들을 보이셨던 것 같은데
그 자료의 어떤 정확성 부분에 한계가 있을 것 같아서
지나치게 그 이후로
거기에 근거한 결론을 계속 유도하시거나
이런 것들이 지나칠 필요는 없다는 생각이 좀 들었었고요
다만 앞쪽에서 보면 그 이동 거리를 갖다가
이제 실 이동 거리를 계산을 하셨는데
저는 거기에 바로 대상 아동의 수를 곱해서 연 이동
인원 거리라는 지표를 가지고
어떤 사각지대 같은 것들을 도출했다면
그 지역 내에서 좀 더 유치원이나 초등학교
그러니까 유치원의 개설을 갖다 유도하거나
아니면 초등학교의 폐교를 막거나
이런 정책으로 연결될 수 있지 않을까라는
생각이 들었습니다
재미있게 들었습니다 감사합니다
네 질문 더 있을까요?
없으면 여기서 마무리하도록 하겠습니다
잘 들었습니다 고맙습니다
다섯 번째 발표자까지 발표 마무리했고
이제 마지막 발표자만 남겨놓고 있습니다
여섯 번째 발표자인데요
발표 주제는 빅데이터 프로젝트입니다
분석을 통한 진행형 CCTV
고도화 사업 개선 사례입니다
정보통신 보안 담당관
우리 신경철 사무관님께서 발표하시겠습니다
여러분 큰 박수로 맞아주시기 바랍니다 안녕하세요
서울시 정보통신 보안 담당관의 신경철입니다
발표에 앞서
저희가 말씀드릴 게
중간에 내용의 사업이 저희가 두 가지가 있는데요
그 내용 빅데이터 분석 사업이
사실은 작년에 시장님 오시면서
대학가 원룸천 주변에 그 ctb를 설치해서
어떻게 사각지역을 해소해보자
그래서 작년도에 한번 했었고요
그 다음에 올해 또 재취임하시면서 1인 가구
밀집지역을 한번 사각지역을 해소하자
그래서 올해 또 공약사업으로 내셨어요
그래서 두 가지를
저희가 빅데이터 분석한 사례를 발표하도록 하겠습니다
빅데이터 분석을 통한 진영
CCTV 고도화 사업 개선 사례를 발표하겠습니다
발표 순서로는 추진
배경부터 향후 계획 순으로 하겠습니다
먼저 추진 배경으로는
기존에는 민원 위주의 CCTV 설치로
안전 사각지역이 계속 상존한 상태였습니다
현재 12만 7천대의 CCTV가 설치되고 있지만은
사각지역은 항상 상존하다고 민원이 항상 발생했고요
저희가 민원 접수 현황을 조사를 해보니까
1년에 평균 한 3천 건 정도가 민원이 발생하고 있고
그중에 철회되어 있는 건은 약 1천 건, 한 33
% 정도만 처리되고
있는 상태였습니다
그래서 사실상 한정된 예상으로
전체 민원 처리를 대응하기에는 한계가 있는 상황이었고요
그 다음에 서울시에서 그 예산을 저희가 지원하고
있지만은 수요일 측이 불가해서
사실상 어떤 신속한 의사결정이나 정책 반영하는데
좀 어려운 점이 있고요
그 다음에 데이터 기반의 분석을 통해서 이번 기회로
이제 cctv 중장기 계획을 한번 세워 보자
그래서 저희가 분석을 시작하였습니다 추진목표입니다
어 데이터 기반 빅데이터 분석을 통한 ctb
최적의 이치를 선정해서 거기에 시정 정책을 반영하고
ctb 사각지역을 해소로 해서
사전에 범죄
예방과 함께 시민 안전 도모에 기여를 하는게 목표입니다
추진 경과로는 저희가
사실은 그 20년도 4월에 빅데이터 분석이 필요하다
그런 필요성을 느껴서
고도화 사업의 개선 방안을 수립했고요
그 다음에 범죄 발생률이나 1인
가구 등 자료 수집 과정이 있었고
그 다음에 전문가를 대상으로 지표별
가중치 점수를 매겨서 빅데이터 분석을 실시하였습니다
그리고 빅데이터 분석했다
그래서 그 지점이 꼭 필요하느냐
또 그게 아닙니다
현장을 가보면 CCTV를 설치할 수 있는 환경인지
그거를 현장 조사를 자치구와 시에
직원을 해서 합동으로 해서 저희가 현장 점검을 했고요
그래서 저희가 40개 대학교에
대학교 같은 경우는 40개 대학교에 202개소에
저희가 CCTV가 필요하다
그렇게 확정을 했고
올해 같은 1인 가구
밀집 지역에는 1040개소의 CCTV가 필요하다
사실상 이곳 뿐만 아니라 나머지 부분도 필요하지만
여기서는 우선적으로 설치해야 되겠다
그 부분을 저희가 분석을 한 부분입니다
그리고 실무자 의견 수렴을 했습니다
꼭 서울시만의 사업이 아니라
자치구에서도 필요한 부분이 있겠다
그래서 의견 수렴을 했는데
민원 해소를 위해서
자치구에서도 그런 부분에 지원해달라
그런 부분이 있었고요
그다음에 빅데이터 분석 교육을 자치구에서 하고 싶은데
정작 이런 교육 과정이 없기 때문에
그런 빅데이터 교육 과정을 좀 마련해달라
자료를 마련해달라고 해서
저희가 올해 과정을 2일에 걸쳐서 했습니다
그리고 추진계획과 실행을 했는데
사실상 대학가 주변에 202개소가 있는데
작년에 한 98개소 했고요
올해 202개소 전체로 해서 사업을 완료했습니다
그리고 1인 가구
밀집 지역은 올해 사업이 추진하다 보니까
83개소에 올해 추진하고요
나머지 한 900개소는 26년까지
저희가 계획을 세워서 추진하는 거로
그렇게 계획을 잡았습니다
빅데이터 분석입니다
상당히 좀 광범위합니다
저희가 활용한 데이터는 총 15종의 데이터를 활용했고요
그중에 이제 CCTV 설치 정부라든가 1인 세대 정부,
그 다음에 범죄 발생 현황,
그리고 유동인구 같은 8개 데이터를
6개의 지표로 산출을 했습니다
6개 지표로 산출했는데
ctb 감시
취약지수 같은 경우는
ctb가 필요 없는 지역을 우선적으로 하기 때문에
ctb가 설치된 부분을 제외하고
그 다음에 그중에서도 1인 세대지수 와 범죄 발생지수
그리고 5가지 로 해서 점수로 환산해서
그 점수가 제일 높은 데를
우선 설치 필요 지역으로 저희가 선정을 했습니다
그런데 빅데이터
분석하시는 우리 여기 참석하신 분도 있겠지만
사실 빅데이터 분석을 준비하는 과정에서
제일 어려운 게 자료를 수집하는 게 제일 어렵습니다
여기서 제일 어려웠던 것은 범죄 발생 지시였는데
사실 경찰청에서 공개되어 있는 자료는 아니거든요
그래서 경찰청에 제가 한 다섯 차례
여섯 차례 요청을 해서 과학수사 그 과가 있습니다
거기서 이제 프로파일로 만나가지고 팀장님도 만나고
그래가지고 어렵게
범죄 발생 지수를 굉장히 세밀하게 저희가 구했고요
그 다음에 1인
세대 지수 같은 경우는
개인정보라서 이 자료도 구하기 어려웠습니다
세대별로 해가지고
그걸 다 합해서
나중에 보여주겠다는
분포도 확보한다는 게 쉬운 게 아니었는데
법령을 찾아보니
기관의 장이 연구나 아니면 통계자료로 활용할 수 있다
그래서 그 문구를 따서
행자부에 요청을 해서 자료를 얻은 사례입니다
가중치 선정과 격저선정이 있는데요
가중치 선정에서 이 부분이 제일 중요합니다
사실 이 부분을 이 부분 때문에
아마 CCTV가 설치되는 장소가
최종적으로 선정되기 때문에
저희가 실무자 4분과 경찰 교수,
분석 전문가 3분을 통해서 10명이서
각 지수별로 점수를 환산했습니다
비공개 형식으로 해서 점수를 했는데
범죄 발생 지수의 37
.2 %가 나와서 1위가 차지했고요
그다음에 1인과 우지수 순으로 해서
토탈 100점이 나오게끔 저희가 공정성을 귀했고요
그 다음에 격자 선정입니다
서울시 전체 격자는 6만 1000개의 격자가 있습니다
그 중에서도 산 농가 사유지
대단지 아파트 그 부분을 제외하고
나머지 19000개의 격자에 대해서
저희가 분석을 했고요
분석한 결과
아까 첫 번째 대학가
주변에는 6300개 정도 격자가 생산 됐고
1인 가구 밀집지역에는
12000개 정도 격자가 생성됐습니다
그 부분에 대해서 제가 분석을 했고요
자, 지표별 분석 결과입니다 지금 예를 들었는데
건국대학교와 세종대학교 주변을 저희가 했습니다
대학교 분석했을 때는 저희가
대학교 주변 500M 이내로 해서 저희가 분석을 했고요
사실 음 CT 가 없는 지역을 하다 보니까
저기 등급별로 색상이 있는데
A 등급부터 디른 끝 디른 2등급 까지 있구요
2등급의 CT 가 없는 지역입니다
그리고 D 등급은 CT 가 걸쳐져 있는지
어 그러니까 장소는 있지만
옆에 시스템
CT 가 근접해 있는 지역을 D 등급으로 설정을 했구요
그래서 14 .9 % 가 2등급이 나왔습니다
그리고 1인 세대 밀집
지역 부분도
화양동 지역에 저희가 세대 분포도를 봐서
화양동 지역에
1인 가구가 밀집되어 있는 것을 볼 수 있습니다
범죄 발생 지역입니다
건대 입구 주변에 범죄율이 높다고 나왔는데요
저게 이제 상가가 굉장히 밀집되어 있습니다
유흥가라든가
그런 부분이 밀집되어 있어서
사실 저희가 범죄 데이터를 봤는데
경찰청에서 범죄 백서라는 것을
1년에 한 번씩 발간을 합니다
거기에 보니까
굉장히 좀 범죄율이 우발적인 범죄가 많이 일어나더라고요
보니까 굉장히 강도라나
그런 거는 약간씩 줄어들고 있는데
우발적인 범죄 유흥가 쪽에서 많이 발생하더라고요 보니까
그래서 현재 분포들을 보시면
유흥가 쪽에서 많이 나오는 것도 있고요
최종 결과 이 합산을 최종 결과를 봤을 때 인구라든가
범죄 발생 지역이라든가
그리고 자치구 수요 조사를 봤을 때
최종적으로 확정된 지역이 9개 정도 나왔습니다 나왔는데
사실 빨간색으로 되어 있는 이런 부분은 자치구의 아까
말씀드렸다시피
자치구의 수요조사를 반영해서 겹치는 부분도 있고요
그 부분은 정말 우선적으로 해야 되는 부분이고
그다음에 녹색 부분은 최종적으로 우선적으로 필요하다
그렇게 결과가 나왔습니다
이렇게 해서 서울시 전 지역을 분석한 결과
5등급으로 분류했는데
현재 386개 지역이 최우선적으로 CET가 필요하다
그렇게 나왔고요
그다음에 1297개소가 우선 필요하다
그래서 이번 사업의 목표는 저희가
E등급과 D등급을 합해서 1297개소로
저희가 26년까지 추진하는 걸로 했습니다
사실 이 1297개소는 금액으로 따지면
한 200억 정도 되는 사업이거든요
실무자 의견에 따라서
저희가 실무자 교육을 일일간 실시했습니다
사실 일일간으로는 부족하지만
그래도 실시하면서 입지 모델 분석 개념을 이해하고
그다음에 qgis 환경을 설정하는 방법과
그리고 ctb 나 아니면 인구 이동
어떤 활용 데이터를 적용하는 방법을
저희가 이수를 해 드렸구요
어이 기대 효과로는 자치구 환경에
자치구 마다
환경이 또 적용하는 그 데이터가 다를 수 있기 때문에
환경에 적용
저 돌출할 수 있도록
최적의 장소를 도출할 수 있도록
저희가 음 교육을 실시한 자료입니다 4
마무리 해주셔야 될 것 같습니다 자 개선 사항입니다
저희가 CETV 위치를 선정함으로써 신뢰도가 향상됐고요
그다음에 항상 자치구에서는 민원 해결하는데
충돌이 일어납니다
그런 부분을 이해
당사자 간의 설득 기준을 저희가 제시를 했고
그다음에 취약지역을 발굴해가지고
사전에 설치함으로써
범죄 예방을 사전 조치에 기여를 했고요
신속한 의사결정과 정책을 반영하여
중장기 계획을 수립할 수 있었습니다 이 부분은 저희가
올해 사업하고 있는데요
치매 어르신
예방 시스템이라고
올해 사업을 하고 있습니다 이 사업과 더불어
내년까지 추진하는 사업인데
여기에도 아마 CCTV가 분석해서 나오면
취약 지점이 발생할 거라고 생각해서 이 부분도
사업이 종료되면 더 CCTV가 추가할 곳이 있는지
한 번 더 분석해서
더 계속적인 빅데이터 분석을 추진하도록 하겠습니다
감사합니다 여기까지 하겠습니다
마지막 발표자분까지 발표를 마쳤고요
5분간의 질의응답 시간 갖도록 하겠습니다
질문 있으시면 바로 해주시기 바랍니다
흥미롭게 들었습니다
좀 여쭤보고 싶은 거는 범죄지수가 나와 있는 격자들하고
CCTV의 수하고의 상관관계를 한번 보셨는지 궁금해요
그 결과가 굉장히 좀 해석하기 어려운데
CCTV와 범죄지수가 비례한다면
CCTV 설치가 범죄를 막는데
큰 효과가 없다는 결론일 수도 있고요
반대로 CCTV가 있는 곳에서 범죄율이 낮다면
범죄율이 낮은 곳에는 더 이상
CCTV가 설치될 수 없는 결론으로 유도가 되잖아요
그 전체적인 분석에 방향들을 정할 때
꽤 중요한 것 같은데
그 결과를 갖다가 좀 소개해 주시거나
하실 수 있는지 좀 여쭤보고 싶어요
아 좋은 질문인데요
사실 그 제가 저도 CD 담당으로서
CG 를 설치함으로써
범죄가 추러 들여 된게 저도 저희 판단이거든요
사실 어 제가 그 경찰청에서 제공하는 범죄 발생
범죄 백서를 보면
사실 범죄는 줄어들지 않습니다 줄어들지 않는데
다만 서두에서 말씀드렸다시피
강도나 그런 범죄는 줄어들고 있어요
그런데 우발적인 범죄 아까
화양동 유흥가에서 발생하는 범죄 있지 않습니까
그런 우발적인 범죄는 사회적 여건에 따라서
사회적인 어떤 이슈에 따라서 굉장히 많이 발생하고
적게 발생합니다
그래서 참 안타깝지만
cctv를 설치했다 해서
전체적인 범죄 수량은 줄어들지 않았다는 걸
제가 얘기하고 싶습니다
그러면 전반적으로 봤을 때는 cctv의 추가
설치가 어떠한 문제를 해결할 수 없다는 뜻 아닌가요?
일단은 시민의 입장에서
신임인의 입장에서 아까 앞에서 말씀드린지
민원이 자꾸 발생하는데
사실상 자치구
지금 실행하는 입장에서는 민원들하고
충돌이 굉장히 많습니다
왜냐하면 자기 집 앞
어떤 사건이 발생하면
자기 집 앞에 CCTV 설치해달라고 그러거든요
사실 12년도 13년도에는 반대였습니다
그때는 자기 집에 설치하면 설치를 못하게 했어요
그런데 지금은 CCTV가 설치하면 안심을 하거든요
그러니까 꼭 범죄 예방도 있지만
어떤 안정감
시민에 대한 어떤 어떤 자기 자신에 대한 안정감
그런 쪽으로 바라와 주시면 될 것 같습니다
예 추가 질문 드리겠습니다
일단 보통 데이터 분석할 때
수집이 안 돼 가지고
실패를 하거나 유의미한 결과를 못 얻는 경우가 많은데
수집을 위해서 굉장히 많은 노력을 하셔 가지고
잘 분석을 하신 것 같고요
CCTV라고 하는 게 안정감도 있지만
중요 분재가 줄어든다는 건
뭔가 검거율을 높이는 데는 확실히 기여가 있을 수 있고
우발 범죄라는 건 아무래도 CCTV랑 상관없이 감정,
솔기운 이런 게 있을 수 있어서
좀 해석을 어떻게 하느냐에 따라 달라질 것 같은데
그건 좀 추가 연구가 필요해 보이는데
고생 많이 하신 것 같습니다
소외 같은 거 한번 들어보고 싶네요
수집을 하는 게 굉장히 실패해서
거기서 있는 데이터 가지고 하면
이상한 데이터가 나오거든요
그런데 수집 과정
좀 자세히 아
추진하는 입장에서 사실 그
저희 팀장 인도 계시지만 은 어
즉 이 과학 수사대
경찰청의 과학수사대 그 프로파일러 님이 계셨습니다
사실 그 프로파일러 님께서 많이 도와주셨는데
해피 좀 그때 또 대구 사건이 발생했어요
그때 여기 경찰청에서 투입이 돼 가지고
그 자료를 그쪽에서 한 달 부름 정도 상주하면서
그 사건 처리에 그 프로파일러가 들어가 있었거든요
그래서 자료를 봤는데 그 시간도 꽤 오래 있었고
저희 쪽에서는 답답하죠
솔직히 범죄 발생률이 없으면 나올 수 없는 데이터거든요
CETB하고 범죄율하고는 연관 관계가 있기 때문에
그래서 그런 부분을 서로가 이해를 하면서요
근데 그 자료를 받았을 때 기쁨은 이름 알 수 없죠
왜냐하면 제일 늦게
그 자료가 저희한테 전달돼서 그걸 넣고
항상 스탠바이 쪽으로 대기하고 있었기 때문에
아무튼 그 자료를 봤을 때 감회는 참 좋았습니다
네 여기까지 듣도록 하겠습니다 자
이렇게 모든 여섯 분의 발표자가 모두 발표가 끝났는데요
다시 한번 발표를 해주신 우리 발표자분들께 큰 박수
보내주시기 바랍니다
더불어 심사를 진행해주신
우리 심사위원분들께도 감사의 박수 부탁드립니다
고맙습니다
다음은 경진대회 평가위원장이신 김상일 서울연구원
도시모니터링센터
빅데이터 연구그룹 팀장님께서 총평을 해주시겠습니다
앞쪽으로 나오셔서 총평 부탁드리겠습니다
네 여러분 박수로 맞아주시기 바랍니다
그 저는 연구원에서 일하고 있기 때문에
분석이라는 것이
늘 제 업무와 따라 업무에 붙어 있는데요
지금 실무 일선에서 당면하고 계신, 들고
계신 여러 가지 문제들을 해결하기 위해서
이렇게 데이터와 분석의 결과들을 활용하시는 여러분들께
경의를 표합니다
이러한 일들이 시 내부에서 더 많아질수록
우리의 정책들이 훨씬 더 설명 가능하고
효과도 기대할 수 있지 않을까 이런 생각이 듭니다
오늘 발표하신 내용들을 보면서
이러한 일들이 계속 시 내부에서 계속돼야겠다
하는 그런 바램들도 가져봅니다 감사합니다
구체적인 문제들도 구체적이었고
풀고자 하는 실무진의 의지도 되게 단단해 보였고요
다만 이제 지금 가지고 있는 데이터의 여건이나
아니면 그걸 분석할 수 있는 그 역량의 부족함이나
이러한 부분들이 지금 자체로는
한계일 수 있지 모르겠지만
계속 진행이 되면서 훨씬 더 단단해지고
탄탄한 결론에 이를 거라고 생각을 했습니다
개별적인 건건에 대해서 별도로 말씀을 드리는 것은
지금 시간이 여의치 않은데
아무쪼록 주최하신 빅데이터 담당관
또는 그쪽에서
이러한 시도들을 계속해서
부스팅해 주시면 좋지 않을까 싶습니다
이상입니다 수고하셨습니다 수고하셨습니다 네, 좋은 말씀
감사합니다 자,
그럼 지금부터 약
20분간의 휴식 시간을 좀 갖도록 하겠습니다
그 전에 제일 중요한 겁니다
자리 뜨지 마시고 잠시만 집중해 주시기 바랍니다
오늘 이 심사가요 심사위원분들 80
% 그리고 현장에 계시고 온라인으로
함께 하시는 분들의 현장 투표가 20
% 반영이 됩니다 그래서
저희가 앞쪽에 그 화면에 띄워 드릴 거고요 그리고
여러분들 앉아 계신 분들
이쪽에 보면 포스터가 있을 거예요 이쪽에 있는
QR코드로도 여러분들 접속하셔서
오늘 너무 잘했다 생각하는
두 팀 한 명 아니고요 두 팀에게 여러분들
점수를 주시면
저희가 20분 안에 집계를 해서
저희가 최종 결과를 이따가 발표하도록 하겠습니다
바깥쪽에도 있어요
바깥쪽에도 포스터가 준비되어 있으니까 휴대폰 가지고
QR코드로 연결을 해서
지금 여러분들 평가 함께 해주시기 바랍니다
온라인으로 함께 하시는 분들 걸어드릴 거예요
20분 안에 꼭 여러분
두 팀에게 투표를 해주시기 부탁드리겠습니다
투표는 최종 직계를 위해서
단 20분 동안 진행이 되고요
투표하신 후에 휴식 시간을 가져주시길 부탁드리겠습니다
그럼 잠시 후
20분 뒤에 여러분 다시 뵙도록 하겠습니다
(영상자막)2022 성루시
빅데이터
활용, 분석
우수사례
경진대회
일시 2022. 12. 9. (금) 14:00~17:00
장소 서소문청사 후생동 강당
(영상자막)라이브서울 2022. 12. 09 14:00
2022 서울시 빅데이터 활용
분석 사례 우수사례 경진대회
계속 이어가도록 하겠습니다 행사장
밖에 계신 분들은
지금 모두 안쪽으로 이동해 주시기 부탁드리겠습니다
밖에 계신 분들은 모두 안쪽으로 이동 부탁드리겠습니다
본격적인 신상식 하기 전에
지금 이 시간에는 서울시 빅데이터 분석팀에서 간단하게
서울시 빅데이터 분석
서비스에 대해서
소개를 하는 시간을 조금 갖도록 하겠습니다
먼저 빅데이터 분석팀
강수영 주무관님께서 서울시
주요 빅데이터 및 시민참여
분석 사업에 대해서 소개를 먼저 해주시겠습니다
네 여러분 박수로 맞아주시기 바랍니다 안녕하세요
빅데이터 분석팀의 강수영이라고 합니다
지금 이제 평가 결과
나오기 전에
약간 막간 광고 시간이라고 할 수가 있겠는데요
마음 편하게 들어주시면 감사하겠습니다
저는 서울시
특히 저희 과에서 생산하고 있는
주요 빅데이터에 대해서 간단히 말씀을 드리고
또 올해 처음으로 시작한 데이터 펠로우십이라는 시민참여
분석 사업에 대해서 간단히 말씀드리고자 합니다
그래서 목차는 먼저
저희 과에서 하고 있는 분석
서비스에 대해서 말씀드리고요
그리고 빅데이터 개발 사례,
마지막으로는 시민참여 분석 사업에 대해 말씀드리겠습니다
먼저 저희 과에서 하고 있는 그 분석
서비스는 크게
세 가지 파트로 말씀을 드릴 수가 있을 것 같아요
먼저 앞서서 많은 분들께서 써주신 데이터들이기도 한데
생활인구, 이동,
그리고 택배
물류 데이터 이 민관
협력을 통한 빅데이터 개발을 하고 있고
시민들께 공개를 하고 있습니다
그리고 최근에는 이제 가면 결합을 활용한 융합
데이터들을 발굴을 하고 있거든요
여기에 대해서도 많은 기대를 해주시면 감사하겠습니다
두 번째는 이제 저희가 분석
과제를 발굴을 하고 분석하는 내용이 있는데요
그 연초에 수요 조사를 진행해서 분석을 하기도 하고
저희가 상시적으로 분석을 지원을 하기도 합니다
그래서 최근 3년간
주요 분석 사례가 68종 정도 되는데
여기에 관련해서는
이따가 나세윤
주임님께서 좀 더 자세하게 설명해 주실 것 같습니다
세 번째로는 이제 빅데이터 거버넌스 운영이 있는데요
지금 참여하고 계시는 빅데이터 분석
우수 사례 평가가 올해 처음으로 실시가 된 것이고
그리고 지지난주였던가요
그 서울 빅데이터 포럼,
저희 네 개
기관과 함께하는 그 포럼도 거버넌스의 일종이다
이렇게 말씀드릴 수 있겠습니다
그래서 오늘은 빅데이터 개발
관련해서 조금 더 말씀을 드릴 텐데요
먼저 많이들 사용을 하셨던 서울
생활인구 데이터가 있습니다 2018년도부터 개발이 됐고
그리고 2020년에 택배물류 데이터가 나왔고요
2021년에는 생활이동
그리고 올해에는 서울 시민생활 데이터
그리고 서울 실시간 도시 데이터가 개발이 됐습니다
실시간 도시
데이터 같은 경우에는
이따가 이원재
주임님께서 좀 더 자세하게 설명해 주실 예정입니다
일단 오늘 같은 경우는
그 3개의 데이터에 대해서 조금 더 설명을 드릴 건데요
먼저 생활 인구 같은 경우에는 그 서울의 특정 지역,
특정 시점에 존재하는 모든 인구를 의미를 합니다
예를 들어서 저희가 지금 중구에 4시에 있는데
이때 거기에 몇 명이나 있는지
이런 것들을 볼 수 있는
그런 자료라고 보시면 될 것 같고요 이
오른쪽 그림 같은 경우에는 Y축이 요일이고
월 ,하 ,수 ,목 ,금 ,토일이고요
여기는 가로축이 0시부터 23시까지입니다
보시면 주 ,중
,일과 때의 생활인구가
굉장히 집중되는 것을 볼 수가 있고요
이런 것들을 저희 데이터를 통해서 보실 수가 있고
열린 데이터 광장을 통해서 개방을 하고 있습니다
두 번째로 생활이동 같은 경우에는
아까 말씀드린 생활인구를 조금 더 발전시킨
그런 개념인데
특정 시점에 서울 내외의 이동 인구를 측정을 합니다
서울 내부에서 이동하는 것도 측정을 하고
서울과 서울 바깥 뭐 경기도에서 서울로 온다
든지 서울에서 제주도로 간다든지
이런 이동까지 측정을 하고 있는데요
오른쪽에 이제 그림 보시면은
저희가 2020년 1월부터 개방을 하고 있는데
어 그걸 뭐 예상하고 맞는 건 아니지만
어쨌든 코로나 시기에
사람들의 이동이 얼마나 바뀌는
지를 이 자료를 통해서 보실 수가 있습니다
그래서 제가 1차, 2,
3차 이런 식으로 유행 시기를 적어놨는데요
그 유행 시기에
따라서 사람들의 이동이 굉장히 감소하는
그런 경향성을 이 자료를 통해
보실 수가 있고 이 자료는 굉장히 좀 큽니다
그래서 그 공간 단위나 시간 단위에 따라서
열린 데이터 광장과 빅데이터
캠퍼스에 나눠서 개방되고 있습니다
그리고 이제 올해 개방된 서울
시민 생활 데이터 같은 경우에는 일단
그 1인 가구 수를 추정을 합니다
근데 그 수를
보통은 어떤 9
정도 단위에서 집계를 해왔는데 이 자료에서는 행정동,
성 연령별로 추정을 하고 있습니다
그래서 오른쪽 그림 지도와 같이 굉장히 자세하게
어떤 곳에 1인 가구가 많은지
이런 것들을 볼 수가 있고요
그리고 이제 통신 정보를 개방을 하고 있습니다
29개 통신 정보를 개방하는데
이제 거기에는 어떤 사람들이 어떤 행정동에 성
연령별로 배달 앱을 얼마나 사용하는지
이런 정보들을 좀 보실 수가 있습니다
그래서 이 자료 같은 경우에는
열린 데이터 광장을 통해서 개방을 하고 있습니다
그래서 말씀드린 대로
저희의 데이터는 열린 데이터 광장과 빅데이터
캠퍼스를 통해서 개방을 하고 있고요
오른쪽에 이 그림은 제가 지금 직접 캐쳐를 한 건데
여기 잠깐 가려서 안 보이긴 하는데
그 세 번째 서울 빅데이터 메뉴가 있거든요
여기 클릭하시면
지금 말씀드린 다양한
그런 데이터들을 직접 다운 받아 보실 수도 있고
매뉴얼도 보실 수가 있습니다
마지막으로는 올해 처음으로 실시하게 된 그 서울
데이터 펠로우십
에 대해서 간단히
말씀드리려고 합니다 이 사업은 어떻게 시작이 됐냐면
이제 계속해서 데이터 분석
필요성이 점점 증가하고 있는데
저희 내부의 인력도 부족하고
외부 전문가와의 데이터 분석
협력 체계가 계속해서 필요하다
이런 문제 제기로 만들어지게 됐습니다
그래서 출발 단계라고 보시면 될 것 같은데요
저희가 어떻게 올해 진행을 했냐면
올해 초에 보신 분들 있겠지만
실국대상 수요조사를 통해서 분석 과제를 발굴을 했고요
그리고 대학원생분들을 뽑았습니다
그래서 시의 데이터, 활동비,
자문 프로그램을 지원을 했고요
지금 11월 달에 분석 결과가 나왔고
이제 그 연구 결과를 수요부서와 함께
서울시 정책에 반영하는 그런 단계에 와 있습니다
그래서 올해 이제 분석과제 6개가 뽑혔구요
그중에 한 두 개만 말씀을 드리면
사실 아까 발표하신 내용 중에 한 두 개랑
좀 연관이 되는데
그 일단 첫번째는 그 서울시
도시범죄 취약지 분석 및 억제 반항 연구가 있습니다
이거는 그 공간정보 담당관에서 제시해 주신
그런 어 주제 인데요 이 주제에서
이제 결과로
결과적으로 이제 크게 두 가지의 결과가 나왔는데
골목길 인식에 있어서
노후도와 안전성보다는 유동성이 높고
청결도가 낮다고 인식할수록
범죄 발생이 더 높아졌다는 결과가 일단 나왔고요
그리고 두 번째 같은 경우에 아까 그 분석 결과
말씀하실 때 나왔던 것 같은데 이 분석 결과에 의하면
CCTV가 모든 범죄
감소와 영향이 있는 것으로 나타났고요
대신에 이제 보안등 같은 경우에는 야간 및 강력범죄
그리고 비상벨은 강력 및 재산 범죄에 영향을
특히 더 많이 미치는 것으로 나타났습니다
그래서 이 연구 결과에 따라서 범죄
유형별 취약지역 지도와 방범시설
설치 수요 지도를 만들었구요
오른쪽 같은 경우에는 그 충전망
더 촘촘한 충전망을 만들기 위해서
전기차 충전소의 최적 입지를 분석하는 것이었는데요
급속 충전기 충전망을 1키로 정도로 설정을 하고
보급 예정 급속 충전기를
300개 정도로 설정을 한 다음에
최적 를 입지 최적화를 했습니다
그래서 이 자료 같은 경우에는
그 기회가 대응과 에서 제시해 주셨는데
입지 선정에 참고자료 로 활용하실 예정입니다
어 그래서 마지막으로 광고를 하자면
저희가 올해도 같은 사업을 실시를 하거든요
이번 달 말에 또 수요 조사를 진행할 예정이고
거기에서 저희가 직접 분석할 수 있는 건 분석을 하고
펠로우십 사업에서 하면 좋겠다 라고 하는 그런 중장기
과제들은 여기서 같이 진행을 할 예정입니다
그래서 관심이 있으신
다른 실국 많은 분들께서 관심 가져주시고
지원해 주시면 감사하겠습니다
그리고 앞에 설명드린 저희가 저희
국에서 계속 생산하고 있는
데이터도 많은 관심을 부탁드립니다
네 그러면 이것으로 제 발표는 마치겠습니다
감사합니다 네 잘 들었습니다
빅데이터 분석팀 강수영 주무관님께서 서울시
주요 빅데이터 및 시민참여
분석 사업에 대해서 소개를 해주셨고요
이어서 빅데이터 분석팀
나세훈 주무관님께서는 서울시 데이터 분석
지원 사례에 대해서 말씀해 주시겠습니다
여러분 박수로 맞아주시기 바랍니다 안녕하세요
데이터 분석팀에서 일하고 있는 나세훈이라고 합니다
저는 실국에서
데이터 분석을 요청하게 되면은 지원을 해드리고 있는데
어떻게 요청을 하는지 안내해드리고
그 다음에 실제로 요청해서
받은 결과물들이 어떻게 돼 있고
그 다음에 그 받은 결과물로
어떻게 활용했는지를
사례를 통해서 간단하게 설명해 드리도록 하겠습니다
일단 데이터 분석 지원 프로세스라고 돼 있는데요
지금 저희 쪽으로
처음에는 분석팀에 전화를 걸어서 상담 전화를 해주시면
저희가 좀 안내를 해드릴 겁니다
이런이런 방법을 통해서 분석을 직접 하실 수도 있고
아니면은 좀
직접 하시기 어려운 기술적인 면이 필요하다고 하면은
저희 쪽으로 지금 오른쪽에 있는 여기
공문 서식에 보면 있는 거거든요
그래서 서식을 통해서 공문을 발송해 주시고
그다음에 분석
결과를 저희가 전달해 드리면은 이렇게 이렇게 활용했다고
저희 쪽으로
다시 한번 송부해 주면 되는 부분이라고 보시면 됩니다
저희가 다 도와드릴 수 있으면 참 좋겠는데
아무래도 저희 팀에서 자체적으로 분석을 하는 부분이다
보니까 분석 범위가 과업이 너무 크다고 하면은
서울연구원이나
디지털재단 등 쪽에 연결을 해드리기도 하고요
방금 앞서 소개해드린
펠로우쉽 사업 등을 통해서 좀 해결할 수 있도록
지원해 드리고 있습니다
그래서 간단하게 말씀드리면
그냥 전화해서 상담한 다음에 공문해 보내 주시면
은 도와드리고 있으니까
필요하시면 한번 확인해 보시면 좋을 것 같습니다
그럼 이제 다음에는 이제 뭐
실제 저희가 분석 요청을 받고 만든 이제
결과물들에 대한 사례를 좀 다양한 사례를 안내해
해드리려고 이렇게 뽑아왔는데요
일단 정보통신담당관에서 공공
와이파이 입지
분석을 위해서
좀 이런 시각화 요청을 한 부분이 있었어요
그래서 얘 같은 경우에는 이제 유동인구를 통해서
이렇게 어디에 사람이 몰려 있는지
히트맵을 그리고
그다음에 그
지도 위에 다양한 형태의 와이파이들이 있더라고요
그 와이파이들이
어떻게 분포되어 있는지를 시각해 놓은 결과라고 봅니다
이것 말고 예전에 따릉이 입지분석,
따릉이 정거장 입지분석을 한 적이 있었는데요
그때 앞서 발표해서 보셨던 것처럼
입지분석을 하기 위해서는
굉장히 많은 데이터들이 필요해요
그런 데이터들을 다 수집하고
전처리해서 실제
정답지에 맞춰서 상관관계가 어떻게 되는지
그래서 머신러닝 등을 통해서 어디에 설치하면
좋겠다라는 결과물이 나오면 그걸로 끝나는 게 아니라
사실 실제로
이러한 입주분석 결과를 통해서 이런 설치를 하게 되면
그 현실에 맞춰서 설치를 못하는 지역이 있고
할 수 있는 지역들이 있거든요
그런데 참고하는 자료로 쓸 수 있습니다
그리고 두 번째 같은 경우에는 이 카드 매출 데이터를
송파구 쪽에서 전통
시장 관련된 사업을 좀 하려고 하는데
카드 매출 데이터를 보고 싶다고 해가지고
지원을 해드렸던 내용입니다
그래서 뭐 요일별 매출이라든지 시간대별
그리고 저기 오른쪽에 동그라미 막 그려져 있는데
이런 거를 보통 심볼 맵이라고 부르거든요
그래가지고 어디에서 매출이 많이 발생하는지
지도를 통해서
좀 한눈에 파악할 수 있게 확인해 볼 수 있습니다
다음으로는 광화문 광장에서 이번에 광화문 광장
새로 열었는데
열기 전과 후
생활인구가 어떻게, 사람이 얼마나 더 오는지
확인을 하고 싶다는 요청이 와가지고
지원해 줬던 결과물입니다
왼쪽 같은 경우는 히트맵으로 표현을 했고
오른쪽은 이제 일반적인 그래프로 표현을 했는데
왼쪽 처음 봤을 때는 좀 약간 이상해 보이기도 하고
복잡해 보이기도 하지만
이게 사실 많은 정보를 좀 한 번에 표현할 수 있는
상당히 괜찮은 방법이거든요
예를 들어서
오른쪽 그래프처럼 표현을 하려면은 이제
저 그래프를 저 연령, 성별
뭐 20개 정도를 그려야 되는 건데
히트맵으로 표현하게 되면
저 성연령별이 이 시간대에 많이, 얼마나 많이 왔다
많이 있다는 것을 좀 확인할 수 있는 장점이 있는
결과물이라고 보시면 됩니다
그리고 세 번째는 소방재난본부
소방안전지수라는 거를 시각화한 결과물입니다
여기 같은 경우에
소방재난본부에서 이미 소방안전지수라는 걸 개발을 했는데
좀 효율적으로 시각화를 하고 싶은데
자기들이 직접 하기는 어려우니까
저희 쪽에 지원 요청이 왔었어요
그래서 그쪽에서 원하는 형태로
서로 계속 협의를 하면서
만들어진 결과물이라고 보면 됩니다
지금 이런 식으로 현황을 파악하는 걸 보통
대시보드라고 부르는데요
그래서 지금 현재 현황을 파악하고
지도를 통해서 어떻게 어디가 높고
낮고 정도를 파악할 수 있습니다
여기 토지관리과 부동산 실거래
분석 사례는 저희가 그쪽에서
먼저 저희 쪽으로 또 요청이 왔었어요
지금 현재 자기들이 보고서를 계속 계속 만들고 있는데
현재는 이러한 DB에 있는 데이터를 엑셀로 받아서
사람이 일일이 손으로
계속 반복적인 작업을 통해서 보고서를 작성하고 있다고
좀 어떻게 방법이 없겠냐는 고민을 얘기하셔가지고
지금 저희가 제공해 드리고 있는
파워비아이라는 솔루션을 통해서
좀 시각적으로 확인을 해보고
그 다음에 여기서
그 보고서에 활용할 수 있는 데이터를 직접 다운받아서
좀 손으로 굉장히 많은 시간을 투자했던 작업을 더
효율적으로 할 수 있는 결과물이라고 보시면 되고요
지금 여기 들어가 있는 데이터는 데이터를 엑셀
같은 걸 통해서 받아서 올리는 게 아니라
데이터베이스 연동을 통해서 항상 자동으로
여기 같은 경우에는
하루에 한 번씩 업데이트를 하고 있는데
뭐 필요하다고 하면은
더 실시간성이 요구되는 부분이라고 하면은 5분이 됐건
1시간이 됐건
더 빠르게 업데이트를 하면서
실제 데이터를 빠르게 확인할 수 있는 방법이라고
보시면 됩니다
그리고 분석물 결과에 대한 사례를 좀 안내를 해드렸는데
그 이외에도 민원 분석을 종종 요청을 해오시는데
민원 분석 같은 경우는 민원에 대한 텍스트를 받아서
자연어 처리를 통해서 단어로 분리를 해내고
해당 부분에 대한 어떤 얘기를 하고 있는지
워드 클라우드로 표현을 하고
또 어떤 주제로 이야기를 하고 있는지
토픽 분석을 하거나
아니면 네트워크
분석 등을 통해서 어떤 민원에 대한 얘기를 하고 있는지
안내를 해드리고 있습니다
그리고 이제는 그 분석 결과를 받고만 끝나는 게 아니라
보통 그 결과물을 어떻게 활용하고 있는지
그 사례를 말씀해 드릴 텐데
여기 외국인 다문화 담당관에서는 생활인구
분석을 좀 요청을 해왔었어요
그래서 분석을 해보니까 법무부에서 장기 체류
외국인이 이렇게 주소지로는 이렇게 확인이 됐었는데
알고 보니까
생활인구에서는 좀 더 고르게 분포를 해 있었고
그다음에 뭐 약간 언어권
별로 약간 집단
거주지를 이루고 있는 걸로 확인이 됐습니다
그래서 그 부분을
이제 차후 정책에 적용을 할 수 있어서
좋았다고 얘기를 했었고요
그다음에 아까 말씀드린 광화문
광장 사업가 쪽에서 요청했던 생활인구
분석 같은 경우에는
아무래도 사업을 진행하고 나서 성과를 측정해야 되는데
뭔가 근거라고 할 수 있는 데이터가 필요해서
생활인구를 활용했던 거였고요
그래서 그걸 근거를 보도자료를 냈었습니다
그리고 여기는 평가과에서 카드 분석을 요청,
신용카드 분석을 요청해왔었는데요
그래서 그 결과물을 통해서
제로페이와 신용카드에 사용되는 업종이
이렇게 다르다라는 식으로 활용했던 사례고요
그리고 이것도 아까 발표하셨던 내용이네요
교통정책과 쪽에서 올빼미
버스를 노선을 확대하려고 하는데
근거 데이터를 활용할 수 있는 생활 이동이라든지 인구,
신용카드 데이터 등을 분석해서 지원을 해줬었습니다
제가 말씀드린 사례는
그냥 이런 식으로 도움을 받을 수 있다
정도로만 알고 넘어가시면 될 것 같고요
혹시나 도움이 필요하시면
저희 팀으로 연락 주시기 바랍니다
감사합니다 네 고맙습니다
계속해서 다음은 서울
실시간 도시 데이터에 대해서 빅데이터 분석팀
이원재 증거관님께서 소개를 해주시겠습니다
큰 박수 부탁드립니다 안녕하세요
저는 데이터 분석팀 이원재 주무관입니다
우선 서울 실시간 도시
데이터에 대해서 조금 더 설명을 드리겠습니다
저희 서울 실시간 도시 데이터는 서울시 주요 장소
50곳에 대해서 분야별 실시간 인구, 도로교통,
대중교통 날씨 등
실시간 정보가 용합된 개방 데이터입니다
올해 9월에 최초로 오픈을 했고요
지금 열린데이터 광장을 통해서
API를 그대로 사용하실 수 있습니다
네, 우선 사업 배경입니다
서울시는 이미 교통이라든가
지하철, 미세먼지,
IoT 등 실시간 데이터를 개방을 하고 있고
시민분들은 이제 대중교통 스크린이라든가
이런 곳을 통해서 실시간 정보를 받아보고 계신데요
그 다음에 민간통신사에서도 코로나19로 인해서
저희 중앙정부와 지자체의 요구에 따라서 실시간 인구
혼잡에 대한 부분을 서비스를 하고 있습니다
대표적으로 KT와 해양수산부가 해수욕장
혼잡도 신호등이라는 것을 서비스하고 있고요
제주시와 SKT가 관광지
혼잡지도라는 서비스를 하고 있습니다
이렇게 저희가 실시간 데이터들을 많이
실시간 데이터와 관련된 서비스들이 많이 나오고 있는데요
저희가 관련돼서
사업 추진에 있어서 세 가지 좀 주안점을 두고 했습니다
우선 데이터 사용자분들은
데이터를 빠르게 쉽게 사용하시기를 원하시는데요
그래서 저희가 실시간
다양한 출처의 실시간 데이터를 통합해서
API 형태로 제공을 하고 있습니다
적어도 서울시 주요 장소에 대해서는 굳이 기상청, 교통,
다른 곳에서 별도로 신청하실 필요 없이
저희 한 곳을 통해서 받으실 수가 있고요
두 번째는 실시간 데이터를 분석해서 판단을 내리거나
행동에 옮길 수 있는
행동요령들을 같이 제공하자라는 부분이었습니다
그래서 실시간 인구를 분석해서
지금 현재의 혼잡도와
향후 12시간 인구의 측정보를 제공하고 있고요
날씨에 대해서 자외선 지수가 높다면 모자를 착용하시거나
자외선 차단제를 권고하고
그 밖에 마스크 착용,
그 다음에 기상특보에 따라서
외출자재 등 행동요령도
API에 같이 담아서 제공을 하고 있습니다
다음으로 세 번째는
수요자 중심의 실시간
정보가 제공이 필요한 영역을 정의하는 건데요
이거는 이제 간단하게 설명드리면
저희가 현재 위치에 대해서
어떤 측정 명소를 기준으로 설명하지 않습니까?
지금 여기도 어떻게 보면 이제 서울시청 주변이고
어디 행정동인 거는 저희도 모르죠
어떤 시민들이
보통 알고 있는 명칭 중심으로 정리를 했습니다
네 그래서 선정된 주요 장소들을 보시면은 뭐 잠실,
강남, 홍대 등 일부 거의 도심
지역이 거의 대부분 들어가 있고요
저희가 이 부분을 받을 때
이제 자치구로부터도 요청을 받았습니다
그래서 여기에 이제 수유동 먹자골목,
쌍문동 맛집거리
이런 곳 같은 경우에는 사실 다른 뭐 사당역이나 이수역
이런 쪽이 조금 더 인구가 많을지는 모르겠지만
자치구 쪽에서 꼭 필요하신 곳이다 라고 해서
좀 넣었고요
그 외 고국문화유산, 공원
인구 밀집지역
같은 경우에는 저희가 생활인구 분석을 통해서 넣었습니다
그래서 이러한 주요장소 50곳에 대해서 실시간 인구현황,
도로소통현황 대중교통현황,
환경현황을 모두 다 한꺼번에 제공을 합니다
간단하게 서비스에 대해서 설명을 드리면요
저희가 인구
혼잡도가 총
4단계 중에
분빔을 나타내고 있는 것을 보실 수가 있고요
그래서 잠실관광특구에는 현재 인구수가 6만 명에서 5만
8천 명이 있다를 보실 수가 있고
이제 경찰청 쪽
API를 통해서 가져오는 CCTV도 보실 수 있습니다
그 외에 이제 마스크 착용을 권고하는 부분
자외선 지수 해당 부분들을 보실 수가 있고요
저희가 이 부분은 이제 대시민 서비스이기 때문에
개방을 하고 있는데
자치구에서도
자체 홈페이지에 이 시각화면을
아이프레임이라는 기능을 통해서 그대로 따다가
자치구 홈페이지나
운영하시는 홈페이지에서 표시를 하실 수가 있습니다
그래서 지금
한강사업본부 쪽에서도 해당을 통해서 개발을 하고 있고요
강남구 쪽에서도 요청을 주셨는데
혹시 다른 자치구분들께서도 만약에 이 부분을 따다가
홈페이지에 서비스를 하시고 싶다
하시면 문의 주시면 감사하겠습니다
그리고 저희가 모바일 버전도
올해 11월에 오픈을 했는데요
자치구 쪽에서도 현장에서 어떤 일 처리를 하시거나
하실 때 모바일로 간단하게 접속하셔서
현장 정보를 조금 더 쉽게 보실 수 있을 것 같습니다
그래서 앞에 말씀드린 모든 데이터에 대해서 5개 분야
148개 항목에 대해서 한꺼번에
저희가 API 형태로 개방을 하고 있습니다
그래서 혹시 주변에 IT
개발자나 관련 어떤 민간 쪽에서 계시다고 하면
요즘 이런 데이터가 있다더라
실시간과 관련된 데이터를 서울시에서 개방한다더라 하면서
좀 입소문을 내 주시면 감사하겠습니다
네 그래서 민간 쪽에서는 지도나 관광
쪽 앱 개발자 분들이 활용하실 수 있을 것 같고요
메타버스나 이런 쪽에서도 가상 환경에서도 지금 사실
배경만 굉장히 실시간 있게 되는데
거기에 관련된 날씨라든가
교통, 인파라든가
이런 부분들도 실시간으로 구현된다면
좀 더 현실감이 있지 않을까 싶습니다
그밖에도 교육, 관련돼서도
많이 활용하실 수 있을 거라고 생각이 되고요
공공서비스 쪽에서도 저희가 대중교통
최적 앞에서도
이미 교통에서 많이 활용을 하고 있습니다만
조금 더 실시간 정보를 활용을 한다면
더 효율적으로 운영이 되지 않을까 싶고요
그 외 관광이라든가
공원 같은 시설
관리 쪽에서도 활용하실 수 있을 거라고 생각이 됩니다
마지막으로 조금 설명을 좀
저희가 지금
현재는 주요 장소
50곳에 대해서
모든 실시간
데이터들을 모아서 한꺼번에 제공하는 서비스인데요
지금은 현재 50곳이지만
내년에는 한 25곳 정도로 추가를 해서
추가적으로 서비스를 할 예정입니다
그래서 저희가 아마 자치구 쪽으로 공문을 보낼 텐데요
혹시 지금 선정된 장소 이외에 추가 장소가 있으시면
공문으로 회신 주시면 감사하겠습니다
네, 이상으로 발표를 마치겠습니다
감사합니다 네, 감사합니다
여기까지 우리 서울시
빅데이터 분석팀의 이야기 함께 하셨고요
앞으로 서울시 빅데이터를 통한 과학
행정 구현을 위해서 계속 앞장설 수 있도록 여러분
다시 한 번 큰 박수 보내주시기 바랍니다 고맙습니다
자, 이제 집계 결과가 완료가 됐고요
오늘 평가는 심사위원 평가 80
그리고 현장 투표 점수 20점이 합산이 됩니다
현장 투표는 오늘 온라인과 또
이렇게 현장에 계신 분들께서 함께 해주셨는데요
오늘 모두 254명이 참여해 주셨습니다
저희가 100분을 추첨을 해서
커피 쿠폰을 아마 드릴 건데요
참고해 주시기 바랍니다
오늘 정말 심사를 하신 분들도 현장에서 참여해
주신 분들 진심으로 감사드리고요
최우수 한 팀, 우수 두 팀, 장여상 세 팀 시상하겠습니다
시상은 장여상부터 하도록 하겠습니다
자 결과가 어떻게 나왔을지 여러분 기대가 되실 텐데요
자 그럼 먼저 시상식 이어가도록 하겠습니다
시상을 도와주실 분부터 모시도록 하겠습니다
시상은 서울시 스마트 도시 명예시장
김병준 님께서 도와주시겠습니다 앞쪽으로 모시겠습니다
가장 먼저 장여상 발표하도록 하겠습니다
호명되는 기관에서는
바로 무대 위로 올라와 주시기 바랍니다
장여상 첫 번째 수상자입니다
보건 환경 연구원입니다 여러분
큰 박수로 축하해 주시기 바랍니다 무대로 모시겠습니다
박수 서울시의
과학행정구현회
큰 박수로 축하해 주시기 바랍니다
상금으로 100만 원이 함께 전달되겠습니다
축하드립니다
두 분 앞쪽을 보시고
기념사진 촬영 함께 하겠습니다
상장이 잘 보일 수 있도록 펼쳐주실까요?
네 고맙습니다
네 축하드립니다
계속해서 장여상 시상 이어가도록 하겠습니다
두 번째 장여상입니다
친환경 친환경 네 친환경 촬영가입니다
네 큰 박수로 축하해 주시기 바랍니다
상장 장여상
친환경 촬영가 이하 소중한 내용 전달하겠습니다
네 역시 상장과 함께 꽃다발
그리고 백만원의 상금 함께 전달되겠습니다
축하드립니다
앞쪽을 보시고
기념사진 촬영 함께 하겠습니다
네 축하드립니다 자리해주시고요
세 번째 장여상 발표하도록 하겠습니다
장여상 수상팀은 종로구입니다
축하드립니다 네 천천히 앞쪽으로 이동해 주시기 바랍니다
상장 장여상
종로구 이하 소중한 내용 같습니다 전달하겠습니다
축하의 박수 부탁드립니다
역시 상장과 함께 꽃다발
그렇습니다 100만 원의 상금 함께 전달됐습니다
네, 꽃다발 준비하신 분
지금 전달해 주시면 되겠습니다
축하드립니다 네, 축하드립니다 자리해 주시고요
천천히 이동해 주시기 바랍니다
계속해서 다음은 우수상 시상하겠습니다 우수상 두 팀이죠
첫 번째 우수상
과연 어떤 팀이 받게 될지 우수상입니다
강동구입니다 축하드립니다 축하드립니다
기간은 서울시에서 주최한 2022년도
제1의 빅데이터 활용 및 분석 우수 사례
경진대회 서울시의 과학 행정 구현의 모범이 되고
데이터 역량 향상에 기여하여 이 상장을 수여 합니다
2022년 12월 9일
서울특별시장 오세훈 대독 전달하겠습니다
우수상에게 낸 상장과 꽃다발
그리고 200만 원의 상금이 함께 전달되겠습니다
축하의 박수 부탁드립니다 앞쪽을 보시고
기념사님 촬영 함께 촬영하겠습니다
네 진심으로 축하드립니다 자
이제 우수팀 한 팀과 최우수 한 팀이 남았습니다
두 팀만 남겨져 있죠
제가 심사 결과를 들었을 때
두 분의 점수가 거의 차이가 없었대요
그래서 소수점까지 가면서
굉장히 결과가 어렵게 남았는데요
저희가 최우수상을 먼저 호명을 하고
시상은 우수상부터 하도록 하겠습니다
2022 서울 빅데이터 활용 및 분석
우수사례 경진대회 최우수상입니다
최우수상은 버스 정책가입니다 축하드립니다 자
그럼 자동으로 정보통신보안 담당관은 우수상이 되겠습니다
앞쪽으로 오시겠습니다
우수상 먼저 시상하겠습니다
네 앞쪽으로 천천히 이동해 주시고요
네 상작 우수상
정보통신보안
담당관 이 기간을 서울시에서 주최한 2022년 제1회
빅데이터 활용 및 분석
우수사례 경진대회에서 과학행정 구현의 모범이 되고
데이터 역량 향상에 기여하여 이 상장을 수여합니다
2022년 12월 9일
서울특별시장 우세훈 전달하겠습니다 축하 부탁드립니다
역시 상장 200만 원
함께 전달이 됐습니다 드립니다 자리해 주시고요
마지막 최우수 팀
버스 정책가 팀 앞쪽으로 이동 부탁드리겠습니다
오늘 제1회 빅데이터 우수사례 경진대회
영광의 최우수상입니다
상장 최우수상
버스 정책과 기기관은 서울시에서 주최한 2022년도
제1회 빅데이터 활용 및 분석
우수사례 경진대회에
서울시의 과학행정 구현의 모범이 되고
데이터 역량 향상에 기여하여 이 상장을 수여합니다
2022년 12월 9일 서울특별시장
오세훈 대동 전달하겠습니다 축하의 박수 부탁드립니다
세우스상에게는 상장과 꽃다발
그리고 300만 원의 상금이 전달되겠습니다
축하드립니다
고맙습니다
여러분들 진심으로 축하드립니다
앞으로도 서울시의 희망차고 밝은 미래를 응원하며
함께해 주신 모든 분들의 건강과 행복을 기원하며
오늘 행사 여기서 마치도록 하겠습니다
2022년 제1회 빅데이터 우수사례 경진대회
시상식 함께해 주신 모든 분들 진심으로 감사합니다
여기서 마치도록 하겠습니다
고맙습니다
서울시
빅데이터
2022 서울시 빅데이터 활용 · 분석 사례 우수사례 경진대회
2022-12-09
13:50~17:00
서소문청사 후생동 강당
추천목록 담기
* 영상을 미리 담은 후에 추천목록을 만들어 보세요.
일시 : 2022년 12월 9일 (금) 14:00
장소 : 서소문청사 후생동 강당
라이브서울_ http://tv.seoul.go.kr
서울시 팟캐스트_http://www.podbbang.com/ch/13364
페이스북_ https://facebook.com/seoul.kr
인스타그램_ https://instagram.com/seoul_official
트위터_ https://twitter.com/seoulmania
카카오스토리_ https://story.kakao.com/ch/seoul