- 대구 수성구 카페 자영업자들을 위해 수성구 행정동별 카페 상권 정보와 분석을 제공하는 서비스
- 공공 데이터와 연계 기업(CSP mobile lab)에서 제공 받은 카페 판매 데이터를 분석하여 유의미한 결과를 도출하고, 이를 시각화하여 제공
- 2022.09 ~ 2022.12
- 개발도구 :
VSCode
- 서버 :
Google Cloud
를 통해docker
를 활용한mongoDB
,node.js
,Nginx
,Tensorflow
연동하여 배포 - 클라이언트 :
JavaScript
,React.js
김건준 | 신지송 | 이상협 | 조원영 |
---|---|---|---|
팀원 | 팀원 | 팀원 | 팀장 |
데이터 수집과 분석, 딥러닝 모델 제작 |
데이터 수집과 분석, 데이터 크롤링 |
데이터 수집과 분석, 데이터 크롤링, 서버 구축 |
데이터 수집과 분석, UI 설계, FE 구현 |
- 오늘과 내일의 수성구 날씨 정보를 적절한 아이콘과 함께 제공
- 이에 따른 메뉴별 판매 순위 예측해 나타냄
- 지도에서 동을 클릭하면 해당 동의 지도에 카페의 이름과 위치 마커로 표시
- 해당 동의 상권 정보 그래프로 제공
-
제공받은 판매 데이터 : 2022년 1월부터 8월 까지의 매스커피 범물점, 수성구청점의
하루 총 매출액
,시간당 매출액
,메뉴별 판매 개수
-
수집한 수성구 공공 데이터 중 상권과 관련있는 정보를 가공하여 행정동별로 정리해 최종 데이터 산출
-
행정동별 최종 상권 정보 :
남녀 비율(남/여)
,평균 연령
,연간 평균 유동인구(최근 3년 기준)
,업종별 평균 영업기간
-
크롤링 통해 수성구 소재의 요식업 업종별 위치 정보(
식당명
,도로명 주소
,지번 주소
,위도
,경도
)를 수집
- 수집한 공공 데이터 중에 판매 데이터와 규칙성 있는 관계를 보이는 기상 데이터를 활용
- Tensorflow 라이브러리로 딥러닝 모델 제작
- 입력값 : 2022년 1~8월 기상 데이터
- 결과값 : 2022년 1~8월 메뉴별 판매데이터
- 딥러닝 모델 제작을 위해 작성된 코드에서, 4개의 기상 데이터
shape: [4]
(최고기온
,최저기온
,전운량
,풍속
) 입력받음 - 그 값들이 2개의 은닉층 (layer1, layer2)을 거쳐
56개의 메뉴별 예측 판매량
units:56
를 도출하고 실제 판매량과 비교하여 오차를 줄이는 학습을 30000번epochs: 30000
반복 - 이 모델 서버에 저장해서 클라이언트에서 사용
- 위 사진은 딥러닝 학습 과정의 일부분으로,
epoch
옆 숫자는학습 횟수
,RMSE
은평균 제곱근 오차
의미 - 29999 번째에서의
평균 제곱근 오차
가 3.07 이고, 이는 이 딥러닝 모델이 예측한 각 메뉴별 판매량이 평균적으로 3개 정도의 오차를 가진다는 의미 - 이후의 학습에서는 오차가 3.07 밑으로 떨어지지 않았고, 이 정도의 오차를 가지는 모델은 신뢰할 수 있다고 판단
Google Cloud
플랫폼을 통해 linux기반 vm 인스턴스를 생성하여 서버 구성- 서버를 구축하면서 vm 인스턴스가 제대로 작동하지 않을 경우, 새로 구축하기 쉽게 하기 위해 docker-compose를 사용하여 각 도커 이미지들과의의 연동 및 이식성을 높여줌
node.js
로 서버 구축,Nginx
로 배포nginx
폴더에 서버 배포 관련 파일들이,nodejs
폴더에 서버 및 페이지 배포에 필요한 파일들이,menuPredict
폴더는 딥러닝 모델이 있음
기상청 단기예보 공공데이터 API
를 통해 오늘과 내일의 기상 정보를 받아와 이들 값과 시간을 고려해 아이콘과 배경을 다르게 하여 나타냄- 오늘과 내일의 기상 정보를 서버로 보내서 딥러닝 모델에 의해 예상된 판매량 상위 5가지 메뉴 받아와서 순위대로 나타냄
kakaomap API
통해 행정동별로 구분된 대구 수성구 지도 제공, 마우스 오버 시 채움색이 변하고 해당 동 이름 마우스 옆에 띄어줌- 동을 클릭하면 모달이 뜨고, 왼쪽에는 클릭한 동의 지도와 휴게음식점 위치를 마커로 표시
- 오른쪽에는 서버에서 받아온 해당 동의 상권 정보를
ApexCharts.js
라이브러리 활용해 시각화하여 나타냄
본 프로젝트에서는 공공 데이터와 판매 데이터를 활용하여 카페 상권 분석 시스템을 구축하였다. 카페 판매 데이터를 제공받아 카페 중심으로 상권 분석을 진행하였지만, 추후에 더 다양한 업종에서 다량의 데이터를 제공받는다면 다른 업종까지 시스템을 확장시킬 수 있을 것이다. 또한 현재 구축한 예상 판매 메뉴 모델에 판매 데이터를 추가하고 다양한 영향 요소를 추가해 정확도를 높인다면 더욱 신뢰성 있는 모델이 될 것이라 기대된다.
- UCWIT 2022 한국정보과학회 학술심포지엄 논문 기재
- 팀 노션 : https://fearless-daughter-e0c.notion.site/4-b5804aeb23fd4505a7b2343ea6cef846