Skip to content

문화 불균형 해소를 위한 인프라 탐색 (도시 재생 지표를 활용한)

Notifications You must be signed in to change notification settings

soohyunme/Explore_Urban_Regeneration_Infra

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

서울시 문화 불균형해소를 위한 인프라 탐색 - 도시재생 지표를 활용한

팀 소개

공공 빅데이터 청년 인턴십 프로젝트

박주원 김명훈 김수현 신민경 엄현빈 이현지 하지민

분석 배경 및 목적

  • 도시재생은 지역의 특색 있는 자원을 활용해 역량과 잠재력을 끌어내는 것을 목표로 한다.
  • 특히 문화는 지역의 특성을 대표하는 중요한 변수로 여겨진다. 최근에는 문화적 관점에서 공간과 도시를 재구성하는 등, 도시의 패러다임이 변화하면서 그 중요성이 더욱 부각된다.
  • 현재 도시재생 사업은 지원 방식에 있어 지역적 특성을 적절히 반영하지 못하는 것이 문제점으로 대두되고 있다.
  • 이에 본 프로젝트에서는 문화의 측면에서 각 지역별 도시재생 사업을 공간적으로 파악하고, 클러스터링과 같은 데이터 기반 방법론을 활용해 도시재생 사업의 맹점을 보완하고자 한다.

목차

  1. Directory
  2. 분석 프로세스
  3. 데이터 수집
  4. 데이터 전처리
  5. 활성화 필요지역 선정 - Clustering
  6. 문화 취약 지역 선정 및 Target 지역 선정
  7. 인프라 선정
  8. 수요지 선정
  9. 인프라 제안

1. directory

├─Data : 프로젝트에 사용되는 데이터 모음  
│ ├─Processing : 전처리 데이터  
│ ├─Rawdata  
│ └─Result : 모델 결과 데이터  
├─Location : 수요지 선정을 위한 파일 모음  
│ ├─QGIS : QGIS 데이터 & 수요지 선정용 코드  
│ │ ├─Administrative_area : 행정동 경계 데이터  
│ │ │ └─Demand_Singil 3,4 : 최종 수요 후보지 데이터  
│ │ ├─Demand : 수요 후보지 도출을 위한 데이터  
│ │ ├─Infra : 영등포구 인프라 데이터  
│ │ └─Population : 총인구수 격자 데이터 (2020. 10)  
├─Model_code : 클러스터링 코드  
└─Processing_code : 전처리 코드  

2. 분석 프로세스

1) 지역 선정

① 도시재생 활성화 진단지표를 활용하여 도시재생 사업이 필요한 지역을 Clustering 결과 비교를 통해 선정

② 문화생활에 대한 만족도를 통해 '만족 대비 불만족 비율'인 '개선효용도'가 상대적으로 낮은 문화 개선이 필요한 지역을 탐색

③ ①과 ②를 만족하는 분석 대상 지역(행정동) 선정

2) 인프라 선정 및 입지 선정

- 카테고리 선정

① 히트맵을 기반으로 대상 지역의 문화, 휴식, 운동 중 부족한 인프라 파악

② 대분류 인프라의 하위 카테고리 중 생활 밀접도를 기반으로 구체적인 문화 인프라 선정

- 수요지 선정

① 대상 자치구의 총인구 상위 지역에 해당하는 격자 도출

  • 공간가중행렬(Spatial weights matrix)의 Queen contiguity를 통해 격자별 인근 값의 가중합 사용

② 기존 문화시설의 영향 범위(500m 버퍼)를 제외한 문화 취약 격자 집합 도출

③ ①과 ②를 만족하는 문화 인프라 수요지(설치 후보지) 선정

- 최적 개수 및 입지 제안

① 후보지 중 Minimum Vertex Cover 알고리즘을 통해 최적 입지 개수 선정

② 최종 입지에 적합한 문화 인프라 선정 및 제안

3) 분석 프로세스 흐름도

3. 데이터 수집

분석을 위하여 아래 데이터를 수집했다.

서울시 활성화 지표 - 도시재생종합정보체계

서울시 기초생활 수급자 통계 - 서울 열린 데이터 광장

서울시 고령자현황 - 서울 열린 데이터 광장

행정구역코드 - 행정안전부

서울시 문화환경 만족도 - 서울 열린 데이터 광장

⑥. 영등포구 총인구수 - 국토정보맵, 서울특별시 영등포구 총 인구 수 100M 격자(2020.10)

4. 데이터 전처리

전처리 : Processing_code 내부 ipynb 참조

전처리 과정

1) 행정동 코드 통일

  • 행정동 코드 통일 : 활성화 지표를 기준으로 읍면동명 변경

2) 활성화 지표 생성

  • 서울특별시 활성화 지표 추출 : 전국 데이터 정보를 가지고 있는 도시쇠퇴현황에서 서울특별시와 관련된 활성화 지표만 추출
  • 추가 변수 생성 : 국민기초생활보장 수급자, 고령자현황 데이터를 이용하여 비율 변수 생성
  • 변수를 추가한 활성화 지표 생성 : 활성화 지표, 추가 변수, 행정동 코드 병합하여 새로운 활성화 지표 생성

5. 활성화 필요지역 선정 - Clustering

활성화 지표를 이용하여 Clustering을 진행, Cluster별 특징을 분석해 활성화가 필요한 지역을 선정


Clustering

Model_code 내부 ipynb 참조

GMM

① 필요 라이브러리 import
② 군집 개수별 aic, bic를 비교하여 최적의 n 선정
③ Cluster별 데이터 분포를 분석하여 Target cluster 선정

K-Medoids

① 필요 라이브러리 import
② Elbow chart를 통해 최적의 n 선정
③ Cluster 데이터 분포를 분석하여 Target cluster 선정

K-Means

① 필요 라이브러리 import
② Elbow chart를 통해 최적의 n 선정
③ Cluster 데이터 분포를 분석하여 Target cluster 선정

Final Target

① 필요 라이브러리 import
② 3개의 Target cluster에 모두 포함되는 행정동을 활성화 필요 지역으로 선정
③ 선정된 지역들과 전체 지역의 활성화 지표 특징 추출
④ 선정된 지역들과 전체 지역의 활성화 지표 특징 비교/분석


6. 문화 취약 지역 선정 및 Target 지역 선정

1) 문화 취약 지역 선정

  • 서울시 25개 자치구에 대한 문화생활 만족도 조사를 이용, '만족 대비 불만족 비율'인 개선효용도를 도출
  • 개선효용도를 통하여 문화 개선이 필요한 자치구 선정

2) Target 지역 선정

  • 활성화 필요 지역(행정동)과 문화 취약 지역(자치구)에 동시에 해당하는 지역

  • 도출된 결과 7개 행정동 중 42%를 차지하는 영등포구의 신길3동, 신길4동, 신길5동을 Target 지역으로 선정

7. 인프라 선정

1) 카테고리별 현황 분석

  • 히트맵을 이용하여 Target 지역의 카테고리(문화, 휴식, 체육)별 시설 현황 분석
  • 분석 결과 문화 카테고리가 Target 지역에 부족하다는 것을 확인

2) 최종 문화 시설 선정

  • 문화 카테고리 중 타요소들에 비해 생활 밀집도가 높은 도서관, 문화센터를 최종 문화 시설로 선정
  • 도보 생활권은 지점에서 걸어서 10분 즉, 500m 반경 내에 있는 범위를 의미
  • 생활 밀접도는 근거리(도보 생활권)에서 자주 이용할 정도로 생활에 밀접한 관련이 있다는 것을 의미
  • 따라서 생활 밀접도가 높은 시설은 높은 도보 생활권에 있어서 밀접하게 이용할 수 있는 시설을 의미

8. 수요지 선정

1) 가설 설정

수요지 선정을 위하여 아래 두 가지 가설을 만족하는 지역을 수요지 후보로 선정

  • 총인구수가 많은 곳이 인프라의 수요가 많을 것임
  • 문화 시설의 영향을 받지 못하는 곳이 인프라의 수요가 많을 것임

2) 인구 격자 재구성

인구는 한 곳에 머물러 있는 것이 아니라 유동적인 지표이기 때문에 공간가중행렬(Spatial weights matrix)의 Queen contiguity를 이용하여 격자별 인근 값으로 가중합을 구함


공간가중행렬(Spatial weights matrix)

Location 내부 spatial weights matrix.ipynb 참조

① 라이브러리 설치 및 import
② 가중합 = 기준 격자 값 + 인접한 8개 격자의 평균값(Queen contiguity) 계산
③ 새로운 인구 격자 생성


  • 생성된 격자에서 총인구 상위 지역 격자 선정

3) 문화시설 현황 분석

  • 기존 문화시설로부터 500m 버퍼를 생성해 격자에 적용
  • 버퍼에 해당하지 않는 부분을 문화 시설이 없는 곳으로 가정

4) 수요 후보지 선정

  • 총인구수 상위 지역과 문화 시설이 없는 곳을 수요 후보지로 선정
  • 선정된 수요 후보지들 중 신길3, 4, 5동 기준으로 500m 영향권 안에 있는 수요 후보지 추출

5) 최적 입지 선정 - 문화 시설 개수 및 위치 도출

수요 후보지들 중 최적의 입지 선정을 위해 Minimum vertex cover 알고리즘을 이용


Minimum vertex cover

Location 내부 Vertex_Cover.ipynb 참조

① 라이브러리 설치 및 import
② 인접행렬 정의
③ Minimum vertex cover 알고리즘 적용
④ 축소된 수요 후보지 도출


  • Minimum vertex cover 알고리즘을 통해 13개의 수요 후보지를 6개로 축소
  • 축소된 6개 중에서 모든 수요 후보지를 포함할 수 있는 3곳을 최종으로 선정

9. 인프라 제안

공공도서관과 국립도서관, 문화센터의 입지 현황을 히트맵으로 파악했을 때 신길3동, 신길4동, 신길5동에 속한 최적 입지 현황 분석 진행

  • 현황 분석 결과, 신길3동의 경우 문화센터가 적합하다고 판단하여 문화센터를 제안
  • 신길4동, 신길5동의 경우 도서관이 적합하다고 판단하여 도서관을 제안

About

문화 불균형 해소를 위한 인프라 탐색 (도시 재생 지표를 활용한)

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 100.0%