[K-DIGITAL] 세미프로젝트1. 서울시 자전거사고 분석(2) 원인예측

멋쟁이사자처럼 X K-DIGITAL Training - 06.18

 

 

[github] likelion-kdigital/semi-project-1 https://github.com/ijo0r98/likelion-kdigital/tree/main/semi-project-1

ijo0r98/likelion-kdigital

 

[이전] 세미프로젝트1. 서울시 자전거사고 분석(1) 문제분석 

2021.06.18 - [python/K-Digital] - [K-DIGITAL] 세미프로젝트1. 서울시 자전거사고 분석(1) 문제분석

[K-DIGITAL] 세미프로젝트1. 서울시 자전거사고 분석(1) 문제분석

 

---

 

사고 발생건수가 가장 많은 영등포구와 송파구의 공통된 특징 분석

 

0. 구별 공공자전거 이용정보

http://data.seoul.go.kr/dataList/OA-15182/F/1/datasetView.do

서울특별시 공공자전거 대여이력 정보

데이터 전처리

bicycle_using_df = pd.read_excel('data/공공자전거 대여소별 이용정보_202006.csv', encoding='utf-8')

bicycle_using_df = bicycle_using_df.drop(['대여소 명', '대여 일자 / 월'], axis =1)
bicycle_using_df.rename(columns = {'대여소 그룹':'지역'}, inplace = True)
bicycle_using_df = bicycle_using_df.groupby(bicycle_using_df['지역']).sum()

대여 건수 기준 오름차순 정렬

bicycle_using_df.sort_values(by='대여 건수', ascending=False).head()

bicycle_using_df

 

 (구별 인구를 고려하지 않았을 때) 강서구, 영등포구, 송파구의 공공자전거 이용률이 가장 높음 

---

 

1. 사고다발지역의 특징

 

1) 서울시 자전거도로 현황 데이터

https://data-esrikrmkt.opendata.arcgis.com/datasets/0f753714a75142dfae93338cdbba8c27_0/explore?location=37.521532%2C126.991882%2C11.85 

서울시 자전거도로

geo_path = 'data/서울시자전거도로.geojson'
df_bic_road_geo = json.load(open(geo_path, encoding = 'utf-8'))

지도 시각화

map_bic_road = folium.Map(location=[37.5502, 126.982], zoom_start=11)

map_bic_road.choropleth(geo_data = df_bic_road_geo,
               line_color = 'black',
               line_weight=1.5,
               line_opacity=0.5,
               key_on = 'feature.id') 

map_bic_road

 

2) 자전거사고 다발지역 Open API

https://www.data.go.kr/data/15056681/openapi.do

도로교통공단_자전거사고다발지역정보서비스

서울시내 전체 구,군 코드

guGun_list2 = {
    '강남구': '680', '강동구': '740', '강북구': '305', '강서구': '500', '관악구': '620',
    '광진구': '215', '구로구': '530', '금천구': '545', '노원구': '350', '도봉구': '320',
    '동대문구': '230', '동작구': '590', '마포구': '440', '서대문구': '410', '서초구': '650',
    '성동구': '200', '성북구': '290', '송파구': '710', '양천구': '470', '영등포구': '560',
    '용산구': '170', '은평구': '380', '종로구': '110', '중구': '140', '중랑구': '260'
}

query param

service_key = '{api_key}'
base_url = 'http://apis.data.go.kr/B552061/frequentzoneBicycle/getRestFrequentzoneBicycle'
searchYearCd = '2015'
siDo = '11'
type = 'xml'
numOfRows = '100'
pageNo = '1'

API 호출

gu_nm = [] # 지역구명
spot_nm = [] # 장소명
lat = [] # 위도
lnd = [] # 경도
    
for key, guGun in guGun_list2.items():
    request_url = base_url + '?' + "serviceKey=" + service_key + '&searchYearCd=' + searchYearCd + '&siDo=' + siDo + '&guGun=' + guGun+ '&type=' + type + '&numOfRows=' + numOfRows + '&pageNo=' + pageNo
    
    try:
        response = requests.get(request_url)
        soup = BeautifulSoup(response.text, 'lxml-xml')

        for value in soup.find('body').find_all('lo_crd'):
            gu_nm.append(key)
            lnd.append(value.get_text())
        for value in soup.find('body').find_all('la_crd'):
            lat.append(value.get_text())
        for item in soup.find('body').find_all('item'):
            spot_nm.append(item.find('spot_nm').get_text())
    except:
        pass

데이터프레임으로 전환

df_acc_prone = pd.DataFrame({'구별': gu_nm, '장소명': spot_nm, 'lat': lat, 'lnd': lnd})

df_acc_prone

서울시 자전거도로 지도 위 사고다발지역 시각화

for n in df_acc_prone.index:
    folium.Circle(location=[float(df_acc_prone.lat[n]), float(df_acc_prone.lnd[n])], popup=df_acc_prone['장소명'][n], color='red').add_to(map_bic_road)

map_bic_road

 

 대부분의 경우 자전거 도로 위에서 사고 발생 

---

 

2. 자전거도로 수와 비율

 

1) 자전거도로 수

http://data.seoul.go.kr/dataList/276/S/2/datasetView.do

서울시 자전거도로 현황 통계

데이터 전처리

df_bic_road_csv = pd.read_excel('data/서울시_자전거도로현황.xlsx', encoding='utf-8')

df_bic_road_csv

- 필요없는 행과 열 삭제

del df_bic_road_csv['기간']
del df_bic_road_csv['자치구']
df_bic_road_csv.dropna(axis=0, inplace=True)
df_bic_road_csv.drop([2, 28, 29, 30, 31], inplace=True)

- 문자열 데이터(빈 값) 0으로 치환

df_bic_road_csv.replace('-', 0, inplace=True)

- 컬럼명 변경

# 기존 컬럼명 리스트
column_list = list(df_bic_road_csv.columns)

# 새 컬럼명 리스트
new_column_list = []
for index, value in enumerate(column_list):
    if value.startswith('Unnamed'):
        new_column_list.insert(index, column_list[index - 1] + ' 길이')
        new_column_list.insert(index - 1, column_list[index - 1] + ' 구간')
    elif value == '자치구(2)':
        new_column_list.insert(index, '구별')
        
# 컬럼명 변경에 쓰일 dict
column_dict = dict(zip(column_list,new_column_list))

# 컬럼명 변경
df_bic_road_csv.rename(columns=column_dict, inplace=True)

- 인덱스 변경

df_bic_road_csv.set_index('구별', inplace=True)

df_bic_road_csv

지도 시각화

geo_path = 'data/skorea_municipalities_geo_simple.json'
geo_str = json.load(open(geo_path, 'r', encoding = 'utf-8'))

map_road_cnt = folium.Map(location=[37.5502, 126.982], zoom_start=11, tiles='Stamen Toner')

map_road_cnt.choropleth(geo_data = geo_str,               
               data = df_bic_road_csv['합계 구간'],
               columns = [df_bic_road_csv.index, df_bic_road_csv['합계 구간']],
               fill_color = 'BuGn', 
               key_on = 'feature.id')

map_road_cnt

합계 기준 오름차순 정렬

df_bic_road_csv.sort_values(by='합계 구간', ascending=False).head(3)

df_bic_road_csv

 

 송파구와 영등포구, 강서구에 자전거도로가 가장 많음을 알 수 있음 

 

 

2) [인구 수 대비] 자전거도로 수

인구 수 데이터

popul_df

자전거도로 현황 데이터

df_bic_road_csv

두 데이터 JOIN

df_bic_road_csv = df_bic_road_csv.join(popul_df)

df_bic_road_csv

인구 수 대비 정규화

# 각 열의 최대값으로 나눔
weight_col = df_bic_road_csv[target_col].max()
bicycle_load_norm = df_bic_road_csv[target_col] / weight_col

# 인구수 대비 비율 계산
bicycle_load_ratio = bicycle_load_norm.div(df_bic_road_csv['인구수'] , axis=0 ) * 100000 
bicycle_load_ratio.sort_values(by='합계 구간', ascending=False).head()

bicycle_load_ratio

히트맵으로 시각화

plt.figure(figsize = (10,10))
sns.heatmap(bicycle_load_ratio.sort_values(by='합계 구간', ascending=False), annot=True, fmt='f', linewidths=.5, cmap='Greens')

plt.title('[인구 수 대비] 서울시 자전거 도로 현황')
plt.show()

bicycle_load_ratio

지도 시각화

geo_path = 'data/skorea_municipalities_geo_simple.json'
geo_str = json.load(open(geo_path, 'r', encoding = 'utf-8'))

map_road_cnt_popul = folium.Map(location=[37.5502, 126.982], zoom_start=11, tiles='Stamen Toner')

map_road_cnt_popul.choropleth(geo_data = geo_str,               
               data = df_bic_road_csv['합계 구간'],
               columns = [df_bic_road_csv.index, df_bic_road_csv['합계 구간']],
               fill_color = 'BuGn', 
               key_on = 'feature.id')

map_road_cnt_popul

합계 기준 오름차순으로 정렬

bicycle_load_ratio.sort_values(by='합계 구간', ascending=False).head(3)

bicycle_load_ratio

 

 인구 수에 대비했을 때 송파구와 종로구, 영등포구에 자전거도로가 가장 많음을 알 수 있음 

---

 

3. 자전거도로의 종류

 

송파구와 영등포구의 자전거도로 현황 데이터

road_list = ['자전거전용도로 구간', '자전거보행자겸용도로 구간', '자전거전용차로 구간', '자전거우선도로 구간']
df_bic_road_csv.loc[['종로구', '영등포구'], road_list]

df_bic_road_csv

종로구의 자전거도로 현황 파이차트

df_bic_road_csv.loc['종로구', road_list].plot(kind='pie', autopct='%.1f%%',figsize=(20, 15), fontsize=20, colormap='Set3')

df_bic_road_csv['종로구']

영등포구의 자전거도로 현황 파이차트

df_bic_road_csv.loc['영등포구', road_list].plot(kind='pie', autopct='%.1f%%',figsize=(20, 15), fontsize=20, colormap='Set3')

df_bic_road_csv['영등포구']

 

웹 스크랩핑으로 알아본 자전거도로의 종류

https://www.koroad.or.kr/kp_web/knTwoWheel3-03.do

도로교통공단

웹 스크랩핑

url = 'https://www.koroad.or.kr/kp_web/knTwoWheel3-03.do'

response = requests.get(url).content
source = BeautifulSoup(response, 'html.parser')

# 도로 종류
road_nm = []
for item in source.find_all('h4')[-5:]:
    road_nm.append(item.get_text())
    
# 도로 설명
road_info = []
for index, item in enumerate(source.find_all('ul', {'class': 'list2'})):
    road_info.append((item.find('li').get_text()).strip())

데이터프레임으로 전환

# 데이터프레임으로 전환
df_road_info = pd.DataFrame({'도로 종류': road_nm, '설명': road_info})

df_road_info

 

셀 최대 넓이 지정

pd.set_option('display.max.colwidth', 100)

 

 두 지역 모두 자동차와 함께 통행하는 자전거 우선도로, 전용차로의 비율이 가장 높음 

 자전거만 다닐 수 있는 비교적 안전한 자전거 전용도로의 비율이 적음을 알 수 있음 

---

 

자전거 교통사고 발생이 높은 곳의 특징

- 자전거 도로가 많다.

- 자전거 이용률(공공자전거 기준)이 높다.

- 자전거 우선도로와 전용차로의 비율이 높고 자전거 전용도로의 비율이 적다.

 

[원인 예측]

자전거 사고 발생 수는 자전거 도로 수, 자전거 이용률과 상관관계가 있을 것이다.

자전거 우선도로와 전용차로가 자전거 사고 발생에 주는 영향이 가장 클 것이다.

→ 자전거 도로 수와 이용률에 비해 자전거 전용도로의 비율이 적어 안전한 자전거 도로상황이 아니기 때문이라고 예상