2023 춘천시 빅데이터 분석 경진대회 우수상
춘천시의 생활폐기물 불법투기 문제를 주제로 공공데이터 기반의 CCTV 설치·집중단속 검토 후보지를 제안했고, 2023 춘천시 빅데이터 분석 경진대회에서 우수상을 수상했습니다.
왜 이 프로젝트를 시작했는가
컴퓨터공학과 2학년이 되어 자료구조와 선형대수학을 비롯한 전공 과목을 본격적으로 배우면서, 데이터를 단순히 저장하는 것만큼 어떤 기준으로 정리하고 필요한 정보를 끌어내는지가 중요하다는 생각을 하게 되었습니다. 그러던 중 춘천시가 공개한 공공데이터를 활용하여 지역의 문제를 직접 정의하고 분석 결과를 제안하는 경진대회를 알게 되었습니다.
정답이 정해진 과제가 아니라 서로 다른 실제 데이터를 결합하여 의미 있는 결과를 만들어야 한다는 점에서 도전할 가치가 있다고 느꼈습니다. 수업에서 배운 내용을 현실의 문제에 적용해보고, 데이터가 실제 의사결정의 근거로 바뀌는 과정을 경험하고자 참가했습니다.
PROJECT OVERVIEW
항목 | 내용 |
기간 | 2023.06.25–2023.10.27 |
수행 형태 | 3인 팀 공동 분석·정책 제안 , 팀명 : 그린플래닛 |
문제 | 증가하는 불법투기에 대응해 한정된 CCTV·단속 자원의 우선 검토 지역 선정 |
데이터 | 1인 가구, 행정동 면적, 생활폐기물 배출장소, 인구·세대, CCTV 운영 현황 |
분석 단위 | 주요 행정동 6곳 비교 → 퇴계동 배출장소 173곳의 공간분석 |
결과 | 관리 공백 후보지 8곳, 행동인식 CCTV 활용 방안, 우수상 |
춘천시의 쓰레기 불법투기 과태료 부과 건수는 2020년 1,017건에서 2022년 1,645건으로 약 61.8% 증가했습니다. 모든 지역을 동일하게 관리하기보다, 기존 공공데이터를 이용해 관리 수요가 큰 지역과 그 내부의 관리 공백을 단계적으로 좁힐 수 있는가를 핵심 질문으로 삼았습니다.
Project flow
단계 | 판단 기준 | 산출물 |
1. 데이터 결합 | 서로 다른 데이터의 공통 단위를 행정동으로 통일 | 행정동별 CCTV·인구·면적·배출장소 테이블 |
2. 우선지역 선정 | 절대 개수가 아닌 CCTV·배출장소 한 곳당 관리 부담 비교 | 퇴계동을 세부 분석지역으로 선정 |
3. 지역 내부 분석 | 배출장소 반경 50m에 포함되지 않는 공간 확인 | 현장 검토 후보지 8곳 |
4. 정책 연결 | 제한된 인력으로 확인이 필요한 장면을 선별 | 행동인식 CCTV 적용 방안 |
ROLE
Data Analyst · Geospatial Analyst- 정량 분석 — 행정동별 공공데이터를 비교하고, CCTV 1대당 1인 가구 수·배출장소 수 등 지역별 관리 부담을 나타내는 5개 파생지표를 계산했습니다.
- 데이터 시각화 — 행정동별 분석 결과와 퇴계동 내 관리 공백을 그래프와 지도로 표현했습니다.
- 협업 및 결과 통합 — 팀원들과 데이터 선정, 비교 기준, 결과 해석 방향을 논의하고 정량 분석과 공간분석 결과가 최종 정책 제안으로 연결되도록 조율했습니다.
TECH STACK
Python MY WORK
1. 서로 다른 공공데이터 결합
데이터 | 분석에서의 역할 |
1인 가구 수 | 생활폐기물 관리 수요를 추정하는 대리변수 |
행정동 면적 | CCTV와 배출장소의 공간적 관리 부담 계산 |
생활폐기물 배출장소 | 행정동별 개수와 위치 기반 서비스권역 분석 |
인구·세대 | 지역별 인구 특성 확인 |
CCTV 운영 현황 | 기존 감시 인프라 수준 파악 |
데이터마다 기준 시점과 구조가 달라
행정동을 공통 분석 단위로 정하고 필요한 값을 집계했습니다. 1인 가구 수는 실제 폐기물 배출량을 직접 나타내는 값이 아니라 생활폐기물 관리 수요를 탐색적으로 비교하기 위한 대리변수로 사용했으며, 실제 배출량과의 관계는 별도로 검증하지 못했습니다. 이 프로젝트에서 빅데이터 분석의 핵심은 데이터 규모 자체보다, 서로 다른 목적으로 생성된 데이터를 하나의 행정 의사결정 문제로 변환하는 과정이었습니다.2. 관리 부담 파생지표 설계
지표 | 계산 | 해석 |
CCTV 1대당 1인 가구 | 1인 가구 수 ÷ CCTV 수 | 잠재적인 생활폐기물 관리 수요 |
CCTV 1대당 관할 면적 | 면적 ÷ CCTV 수 | 공간적 감시 부담 |
CCTV 1대당 배출장소 | 배출장소 수 ÷ CCTV 수 | 한 대가 관리해야 하는 지점 수 |
배출장소 1곳당 관할 면적 | 면적 ÷ 배출장소 수 | 배출장소 사이의 공간적 간격 |
배출장소 1곳당 1인 가구 | 1인 가구 수 ÷ 배출장소 수 | 배출장소 이용 수요 |
행정동별 관리 부담 파생지표 비교
3. 공간분석 대상 선정
강남동은 CCTV가 0대이므로 CCTV 1대당 지표를 계산할 수 없고, 다른 행정동과 같은 방식으로 수치 순위를 비교할 수 없습니다. 또한 강남동과 신사우동은 산지가 포함된 넓은 행정구역의 영향으로 면적 기반 관리 부담이 실제 생활권보다 크게 나타날 가능성이 있었습니다. 이에 CCTV 인프라 부재와 면적 영향을 별도로 확인하고, 단일 지표의 순위를 그대로 따르지 않고 도시형 주거밀집지역끼리 여러 지표를 함께 비교했습니다.
퇴계동 핵심 값 | 결과 |
기초 데이터 | CCTV 3대 · 1인 가구 6,192가구 · 면적 4.19km² · 배출장소 173곳 |
CCTV 1대당 1인 가구 | 약 2,064가구 |
CCTV 1대당 관할 면적 | 약 1.40km² |
CCTV 1대당 배출장소 | 약 57.7곳 |
배출장소 1곳당 1인 가구 | 약 35.8가구 |
퇴계동은 하나의 지표만 높은 것이 아니라 도시형 비교 대상 안에서 여러 관리 부담 지표가 동시에 높았습니다. 이에 퇴계동을 세부 공간분석 대상으로 선정했습니다.
4. 후보지 8곳 도출
퇴계동의 배출장소 173곳을 지도에 표시하고 각 지점을 중심으로 반경 50m를 적용했습니다. 어느 배출장소의 50m 반경에도 포함되지 않는 구역을 접근성이 낮을 가능성이 있는 공간으로 확인했습니다. 이때 50m는 공식 설치 기준이나 최적 거리로 검증된 값이 아니라, 배출장소 주변의 서비스권역을 탐색적으로 비교하기 위해 설정한 가정값입니다.
서비스권역 밖 공간 가운데 지도상 주거지와 도로에 인접한 구역을 직접 가서 육안으로 검토 및 로드뷰로 검토하여 대표 지점 8곳을 표시했습니다.
퇴계동 배출장소 50m 서비스권역과 관리 공백 후보
RESULTS
- 공공데이터 5종을 행정동 단위로 결합했습니다.
- 5개 관리 부담 파생지표로 주요 행정동 6곳을 비교했습니다.
- 지역 특성과 여러 지표를 함께 검토해 퇴계동을 세부 분석지역으로 선정했습니다.
- 배출장소 173곳에 50m 서비스권역을 적용해 검토 후보지 8곳을 도출했습니다.
- CCTV 설치·집중단속 우선순위와 행동인식 CCTV 활용 방안을 제안했습니다.
- 분석 과정과 활용 가능성을 인정받아 경진대회 우수상을 수상했습니다.
배운 점과 다음 단계
이 프로젝트는 처음으로 팀원들과 하나의 목표를 두고 약 4개월 동안 진행한 장기 프로젝트였습니다. 역할을 나누는 것만큼 분석 기준과 중간 결과를 지속적으로 공유하고, 각자의 작업을 하나의 결론으로 연결하는 과정이 중요하다는 점을 배웠습니다.
기술적으로는 Python을 활용해 서로 다른 공공데이터를 전처리·결합하고, 파생지표와 그래프·지도로 결과를 표현하는 과정을 익혔습니다. 선형대수학을 공부하면서는 각 행정동을 여러 변수로 이루어진 특성 벡터로, 전체 데이터를 하나의 행렬로 바라보는 관점을 갖게 되었습니다. 실제 분석은 파생지표 계산과 시각화를 중심으로 진행했지만, 단위와 범위가 다른 변수를 비교하려면 변환과 정규화 기준이 중요하다는 점을 이해했습니다.
가장 큰 배움은 비교 대상, 분모, 거리 기준처럼 분석자가 선택한 기준에 따라 결과가 달라질 수 있다는 점이었습니다. 분석의 객관성과 재현 가능성을 높이려면 이러한 가정을 명확히 공개하고, 다른 기준에서도 결론이 유지되는지 확인해야 합니다. 다시 분석한다면 전체 행정동을 대상으로 변수의 단위와 범위를 정규화하고 지표별 가중치의 영향을 비교하겠습니다. 또한 30m·50m·100m 기준의 민감도 분석을 수행하고, 데이터 처리 과정과 판단 근거를 기록하여 분석의 신뢰성을 높이고자 합니다.