Data Processing

서울시 고령보행자 교통사고 위험도 분석을 위한 데이터 수집 및 결합 작업 공간입니다. 도로명주소 도로구간 데이터에서 서울시 도로 포인트를 만들고, 각 포인트별 위험도와 앞으로 필요할 feature 들을 결합합니다.

팀원안내서.md 꼭 읽어주세요!!!!!!!

실행 방법

1. 저장소 클론

git clone <REPOSITORY_URL>
cd <REPOSITORY_NAME>

cd <PROJECT_DIR>

2. 데이터 파일 준비

Data 폴더에 데이터들을 넣어주십쇼 압축 푸시고 안에 내용물들을 Data 폴더에 복사붙여넣기 해주세요

Data/
├── (도로명주소)도로구간_서울
├── ITS_node_link
├── 소상공인시장진흥공단_상가(상권)정보_서울_202603.csv
├── 서울시_노인의료복지시설현황_geocoded.csv
├── 전통시장여부
├── 버스정류장개수
├── 과속방지턱개수
├── 교차로개수
├── 횡단보도개수
├── 횡단보도예고표시
├── 신호등설치여부
└── 국토통계_고령인구수

3. Python 가상환경 생성

Windows PowerShell:

python -m venv .venv
.\.venv\Scripts\Activate.ps1

macOS/Linux:

python -m venv .venv
source .venv/bin/activate

4. 패키지 설치

pip install -r requirements.txt

5. 노인의료복지시설 지오코딩 CSV 준비

데이터결합.ipynb는 Data/서울시_노인의료복지시설현황_geocoded.csv를 읽어 사회복지시설개수를 계산합니다. 이 파일은 test.ipynb에서 VWorld Geocoder API로 미리 생성합니다.

6. 사고 데이터 수집 노트북 실행

먼저 실행할 노트북:

노인보행사고데이터.ipynb

실행하면 Data 폴더에 csv 파일이 생성됩니다.

Data/seoul_old_pedestrian_individual_accidents_2020_2025.csv

이 노트북은 TAAS 웹 내부 요청을 사용하므로 인터넷 연결이 필요합니다.

7. 도로 포인트 및 feature 결합 노트북 실행

다음으로 실행할 노트북:

데이터결합.ipynb

실행하면 Data 폴더에 csv 파일이 생성됩니다.

Data/seoul_road_points.csv

이미 Data/seoul_road_points.csv가 있으면 기존 CSV를 읽어서 없는 feature 컬럼만 추가합니다. 도로 shapefile 로드, 25m 포인트 재생성, 이미 계산된 feature 결합은 건너뜁니다.

이 노트북은 다음 feature를 결합합니다.

feature	생성 방식
`POINT_ID`	서울시 도로 라인 위 25m 간격 포인트
`위도`, `경도`	`POINT_ID` 위치를 EPSG:4326으로 변환
`위험도`	50m 버퍼 내 고령보행자 사고 기반 계산
`제한속도`	ITS 표준노드링크 최근접 링크의 `MAX_SPD`
`고령인구수`	300m 반경 내 65세 이상 거주인구
`사회복지시설개수`	노인의료복지시설 지오코딩 CSV 기준 300m 반경 내 시설 개수
`전통시장여부`	50m 반경 내 전통시장 polygon 포함 여부
`버스정류장개수`	300m 반경 내 버스정류장 수, 가상정류장 제외
`과속방지턱개수`	50m 반경 내 과속방지턱 수
`교차로개수`	50m 반경 내 교차로 수
`횡단보도개수`	50m 반경 내 횡단보도 수
`횡단보도예고표시여부`	50m 반경 내 횡단보도예고표시 설치 여부
`신호등설치여부`	50m 반경 내 보행자신호등 설치 여부
상가 업종별 개수	300m 반경 내 서울시 상가 업종별 개수

8. 실행 순서 요약

1. 원천 데이터 파일을 Data/ 하위에 배치
2. pip install -r requirements.txt
3. test.ipynb로 Data/서울시_노인의료복지시설현황_geocoded.csv 준비
4. 노인보행사고데이터.ipynb 실행
5. 데이터결합.ipynb 실행
6. Data/seoul_road_points.csv 확인

주요 산출물

최종 산출 파일:

Data/seoul_road_points.csv

현재 최종 CSV 컬럼:

POINT_ID, 위도, 경도, 제한속도, 위험도, 고령인구수, 사회복지시설개수, 전통시장여부, 버스정류장개수, 과속방지턱개수, 교차로개수, 횡단보도개수, 횡단보도예고표시여부, 신호등설치여부, 상가 업종별 개수 85개

컬럼 설명:

컬럼	설명
`POINT_ID`	서울시 도로구간 라인 위에 25m 간격으로 생성한 포인트 ID
`위도`	POINT_ID 위치의 위도, EPSG:4326
`경도`	POINT_ID 위치의 경도, EPSG:4326
`제한속도`	ITS 표준노드링크에서 가장 가까운 링크의 `MAX_SPD` 값
`위험도`	50m 버퍼 내 고령보행자 사고 기반 위험도
`고령인구수`	국토정보플랫폼 250m 격자 인구 데이터 기준 300m 반경 내 65세 이상 거주인구
`사회복지시설개수`	노인의료복지시설 지오코딩 CSV 기준 300m 반경 내 시설 개수
`전통시장여부`	50m 반경 안에 전통시장 polygon이 닿으면 1, 아니면 0
`버스정류장개수`	300m 반경 안에 있는 실제 버스정류장 수, `정류소타입 == "가상정류장"` 제외
`과속방지턱개수`	50m 반경 안에 있는 과속방지턱 polygon 수
`교차로개수`	50m 반경 안에 있는 교차로 point 수
`횡단보도개수`	50m 반경 안에 있는 횡단보도 polygon 수
`횡단보도예고표시여부`	50m 반경 안에 횡단보도예고표시 point가 있으면 1, 아니면 0
`신호등설치여부`	50m 반경 안에 보행자신호등 point가 있으면 1, 아니면 0
상가 업종 컬럼	300m 반경 내 해당 업종 상가 수

위험도 계산식:

위험도 = 10 × 사고건수 × (사망자수 + 0.1168 × 중상자수 + 0.0068 × 경상자수)

디렉터리 구조

.
├── README.md
├── requirements.txt
├── 노인보행사고데이터.ipynb
├── 데이터결합.ipynb
├── src/
│   └── silverwalk/
│       ├── config.py
│       ├── roads.py
│       ├── features.py
│       ├── accidents.py
│       ├── speed.py
│       ├── business.py
│       ├── population.py
│       └── social_welfare.py
├── Data/
│   ├── (도로명주소)도로구간_서울/
│   │   └── TL_SPRD_MANAGE_11_202605.shp 외 부속 파일
│   ├── ITS_node_link/
│   │   └── MOCT_LINK.shp 외 부속 파일
│   ├── seoul_old_pedestrian_individual_accidents_2020_2025.csv
│   ├── 서울시_노인의료복지시설현황_geocoded.csv
│   ├── 전통시장여부/
│   ├── 버스정류장개수/
│   ├── 과속방지턱개수/
│   ├── 교차로개수/
│   ├── 횡단보도개수/
│   ├── 횡단보도예고표시/
│   ├── 신호등설치여부/
│   ├── 국토통계_고령인구수/
│   └── seoul_road_points.csv
└── example/

코드 구조

핵심 처리 함수는 src/silverwalk/로 분리되어 있고, 데이터결합.ipynb는 전체 결합 순서를 실행하는 파이프라인 역할을 합니다.

파일	역할
`src/silverwalk/config.py`	데이터 경로, 거리 기준, 최종 컬럼 목록
`src/silverwalk/roads.py`	도로 데이터 로드, 서울시 필터링, 25m 포인트, 50m 버퍼 생성
`src/silverwalk/features.py`	기본 좌표 feature 생성
`src/silverwalk/accidents.py`	사고 데이터 결합 및 위험도 계산
`src/silverwalk/speed.py`	ITS 표준노드링크 제한속도 결합
`src/silverwalk/business.py`	300m 반경 상가 업종별 개수 결합
`src/silverwalk/population.py`	300m 반경 65세 이상 거주인구 결합
`src/silverwalk/social_welfare.py`	300m 반경 노인의료복지시설 개수 결합
`src/silverwalk/traditional_market.py`	50m 반경 전통시장 포함 여부 결합
`src/silverwalk/bus_stops.py`	300m 반경 버스정류장 개수 결합
`src/silverwalk/speed_bumps.py`	50m 반경 과속방지턱 개수 결합
`src/silverwalk/intersections.py`	50m 반경 교차로 개수 결합
`src/silverwalk/crosswalks.py`	50m 반경 횡단보도 개수 결합
`src/silverwalk/crosswalk_warnings.py`	50m 반경 횡단보도예고표시 여부 결합
`src/silverwalk/traffic_signals.py`	50m 반경 보행자신호등 설치 여부 결합

입력 데이터

1. 도로명주소 도로구간 데이터

Data/(도로명주소)도로구간_서울/TL_SPRD_MANAGE_11_202605.shp

사용 내용:

서울시 필터: SIG_CD가 "11"로 시작
도로 클래스 필터: ROA_CLS_SE in {"3", "4"}
- 3: 로
- 4: 길
고속도로/대로는 제외합니다.
원본 좌표계: EPSG:5179

처리 결과:

서울시 도로 라인 위에 25m 간격 포인트 생성
각 포인트 주변 50m 버퍼 생성

2. 고령보행자 개별 교통사고 데이터

생성 파일:

Data/seoul_old_pedestrian_individual_accidents_2020_2025.csv

생성 노트북:

노인보행사고데이터.ipynb

수집 방식:

공공데이터포털 다발지역 API가 아니라 TAAS GIS 웹페이지 내부 Ajax 요청을 재현합니다.
TAAS 초기 페이지에서 CSRF 토큰과 세션 쿠키를 받은 뒤 selectAccidentInfo.do에 POST 요청합니다.
조회 조건:
- 지역: 서울시 11%
- 기간: 2020~2022, 2023~2025를 각각 조회 후 결합
- 간편조건 코드 42: 고령보행자 사고

주의:

이 방식은 공식 OpenAPI가 아니라 TAAS 웹앱 내부 JSON 요청 재현입니다.
TAAS 웹사이트 구조나 요청 파라미터가 바뀌면 코드 수정이 필요할 수 있습니다.

3. ITS 표준노드링크 데이터

Data/ITS_node_link/MOCT_LINK.shp

사용 컬럼:

컬럼	설명
`LINK_ID`	표준 링크 ID
`ROAD_NAME`	도로명
`MAX_SPD`	제한속도
`geometry`	링크 라인 geometry

처리 방식:

전국 링크 전체를 직접 최근접 결합하면 무거우므로, 서울시 도로 포인트 범위 주변 bbox로 먼저 자릅니다.
링크를 도로 포인트 좌표계인 EPSG:5179로 변환합니다.
각 POINT_ID에서 가장 가까운 링크 1개를 선택해 MAX_SPD를 제한속도로 부여합니다.
동거리 링크가 여러 개 잡히는 경우 POINT_ID, 거리, LINK_ID 기준으로 하나만 남깁니다.

4. 소상공인시장진흥공단 상가 정보 데이터

Data/소상공인시장진흥공단_상가(상권)정보_서울_202603.csv

사용 컬럼:

컬럼	설명
`시도명`	서울특별시 필터링
`상권업종대분류명`	상가 업종 대분류
`상권업종중분류명`	상가 업종 중분류
`경도`, `위도`	상가 위치, EPSG:4326

처리 방식:

시도명 == "서울특별시"만 사용합니다.
상가 좌표를 EPSG:4326에서 도로 포인트 좌표계로 변환합니다.
각 POINT_ID 기준 300m 반경 안에 있는 상가를 업종별로 집계합니다.
대분류 컬럼과 대분류_중분류 컬럼을 최종 CSV에 추가합니다.

5. 국토정보플랫폼 고령인구 격자 데이터

입력 폴더:

Data/국토통계_고령인구수/

사용 내용:

국토정보플랫폼에서 서울시 구별 250m 격자 고령 인구 수 데이터를 내려받습니다.
현재 코드의 기본 입력은 Data/국토통계_고령인구수/ 하위의 구별 nlsp_031001010.shp 파일들입니다.
국토통계 고령 인구 수 데이터의 기본 인구수 컬럼은 val입니다.

처리 방식:

데이터를 도로 포인트 좌표계로 변환합니다.
격자 polygon 데이터는 격자 대표점 기준으로 300m 버퍼 안 포함 여부를 판단합니다.
각 POINT_ID 기준 300m 반경 안에 포함된 격자의 val을 합산해 고령인구수 컬럼으로 추가합니다.

6. 서울시 노인의료복지시설 데이터

입력 파일:

Data/서울시_노인의료복지시설현황_geocoded.csv

처리 방식:

test.ipynb에서 VWorld Geocoder API로 생성한 지오코딩 CSV를 사용합니다.
지오코딩상태 == "OK"이고 경도, 위도가 있는 시설만 사용합니다.
지오코딩 실패 시설은 사회복지시설개수 계산에서 제외합니다.
각 POINT_ID 기준 300m 반경 안에 있는 시설 수를 사회복지시설개수 컬럼으로 추가합니다.

7. 서울시 전통시장 데이터

입력 파일:

Data/전통시장여부/서울시 상권분석서비스(영역-상권)_전통시장.shp

처리 방식:

서울시 상권분석서비스 영역 데이터 중 TRDAR_SE_1 == "전통시장"인 polygon을 사용합니다.
전통시장 polygon을 도로 포인트 좌표계로 변환합니다.
각 POINT_ID 기준 50m 버퍼가 전통시장 polygon과 닿으면 전통시장여부를 1로 둡니다.
반경 50m 안에 전통시장이 없으면 전통시장여부를 0으로 둡니다.

8. 서울시 버스정류장 데이터

입력 파일:

Data/버스정류장개수/서울시버스정류소위치정보(20241002).xlsx

사용 컬럼:

컬럼	설명
`NODE_ID`	정류장 ID
`X좌표`	정류장 경도, EPSG:4326
`Y좌표`	정류장 위도, EPSG:4326
`정류소타입`	정류장 유형

처리 방식:

정류소타입 == "가상정류장"인 행은 제외합니다.
정류장 좌표를 도로 포인트 좌표계로 변환합니다.
각 POINT_ID 기준 300m 반경 안에 있는 정류장의 NODE_ID 개수를 버스정류장개수 컬럼으로 추가합니다.

9. 서울시 과속방지턱 데이터

입력 파일:

Data/과속방지턱개수/A067_A.shp

사용 컬럼:

컬럼	설명
`MGRNU`	과속방지턱 객체 ID
`geometry`	과속방지턱 polygon geometry

처리 방식:

과속방지턱 polygon 데이터를 도로 포인트 좌표계로 변환합니다.
일부 polygon의 닫히지 않은 링은 읽는 과정에서 보정합니다.
각 POINT_ID 기준 50m 버퍼와 과속방지턱 polygon이 닿으면 해당 과속방지턱을 집계합니다.
각 POINT_ID별 고유 MGRNU 개수를 과속방지턱개수 컬럼으로 추가합니다.

10. 서울시 교차로 데이터

입력 파일:

Data/교차로개수/A008_P_20250814/A008_P/A008_P.shp

사용 컬럼:

컬럼	설명
`MGRNU`	교차로 객체 ID
`geometry`	교차로 point geometry

처리 방식:

교차로 point 데이터를 도로 포인트 좌표계로 변환합니다.
각 POINT_ID 기준 50m 버퍼 안에 포함된 교차로 point를 집계합니다.
각 POINT_ID별 고유 MGRNU 개수를 교차로개수 컬럼으로 추가합니다.

11. 서울시 횡단보도 데이터

입력 파일:

Data/횡단보도개수/횡단보도 위치 및 부착대 정보/A004_A_횡단보도/A004_A.shp

사용 컬럼:

컬럼	설명
`MGRNU`	횡단보도 객체 ID
`geometry`	횡단보도 polygon geometry

처리 방식:

횡단보도 polygon 데이터를 도로 포인트 좌표계로 변환합니다.
일부 polygon의 닫히지 않은 링은 읽는 과정에서 보정합니다.
각 POINT_ID 기준 50m 버퍼와 횡단보도 polygon이 닿으면 해당 횡단보도를 집계합니다.
각 POINT_ID별 고유 MGRNU 개수를 횡단보도개수 컬럼으로 추가합니다.

12. 서울시 횡단보도예고표시 데이터

입력 파일:

Data/횡단보도예고표시/A068_P(20250417)/A068_P.shp

사용 컬럼:

컬럼	설명
`MGRNU`	횡단보도예고표시 객체 ID
`geometry`	횡단보도예고표시 point geometry

처리 방식:

횡단보도예고표시 point 데이터를 도로 포인트 좌표계로 변환합니다.
각 POINT_ID 기준 50m 버퍼 안에 포함된 횡단보도예고표시 point를 확인합니다.
50m 안에 하나 이상 있으면 횡단보도예고표시여부를 1로 둡니다.
50m 안에 없으면 횡단보도예고표시여부를 0으로 둡니다.

13. 서울시 보행자신호등 데이터

입력 파일:

Data/신호등설치여부/서울특별시_보행자 신호등 분포도.csv

사용 컬럼:

컬럼	설명
`X좌표`	보행자신호등 X 좌표
`Y좌표`	보행자신호등 Y 좌표
`종류`	신호등 종류
`주소`	설치 주소

처리 방식:

CSV 인코딩은 cp949입니다.
X좌표, Y좌표는 EPSG:5186 좌표계로 읽습니다.
보행자신호등 point를 도로 포인트 좌표계로 변환합니다.
각 POINT_ID 기준 50m 버퍼 안에 보행자신호등 point가 하나 이상 있으면 신호등설치여부를 1로 둡니다.
50m 안에 없으면 신호등설치여부를 0으로 둡니다.

노트북 실행 순서

1. 사고 데이터 수집

노인보행사고데이터.ipynb

이 노트북을 실행하면 아래 파일이 생성됩니다.

Data/seoul_old_pedestrian_individual_accidents_2020_2025.csv

서울시 기준 수집 건수는 노트북 실행 후 출력되는 연도별 요약에서 확인합니다.

2. 도로 포인트 생성 및 feature 결합

데이터결합.ipynb

처리 흐름:

서울시 도로구간 로드
도로 클래스 3, 4만 필터링
도로 라인 위에 25m 간격 포인트 생성
각 포인트의 50m 버퍼 생성
사고 포인트가 버퍼 안에 들어오면 사고 피해 규모 집계
위험도 계산
ITS 표준노드링크에서 최근접 링크 제한속도 결합
300m 반경 내 상가 업종별 개수 결합
300m 반경 내 65세 이상 거주인구 결합
300m 반경 내 노인의료복지시설 개수 결합
최종 CSV 저장

최종 저장 파일:

Data/seoul_road_points.csv

서울시 기준 행 수는 데이터결합.ipynb 실행 후 출력되는 최종 저장 행 수에서 확인합니다.

Name		Name	Last commit message	Last commit date
Latest commit History 67 Commits
Data		Data
src/silverwalk		src/silverwalk
.gitignore		.gitignore
README.md		README.md
requirements.txt		requirements.txt
노인보행사고데이터.ipynb		노인보행사고데이터.ipynb
데이터결합.ipynb		데이터결합.ipynb
팀원안내서.md		팀원안내서.md

Folders and files

Latest commit

History

Repository files navigation

Data Processing

실행 방법

1. 저장소 클론

2. 데이터 파일 준비

3. Python 가상환경 생성

4. 패키지 설치

5. 노인의료복지시설 지오코딩 CSV 준비

6. 사고 데이터 수집 노트북 실행

7. 도로 포인트 및 feature 결합 노트북 실행

8. 실행 순서 요약

주요 산출물

디렉터리 구조

코드 구조

입력 데이터

1. 도로명주소 도로구간 데이터

2. 고령보행자 개별 교통사고 데이터

3. ITS 표준노드링크 데이터

4. 소상공인시장진흥공단 상가 정보 데이터

5. 국토정보플랫폼 고령인구 격자 데이터

6. 서울시 노인의료복지시설 데이터

7. 서울시 전통시장 데이터

8. 서울시 버스정류장 데이터

9. 서울시 과속방지턱 데이터

10. 서울시 교차로 데이터

11. 서울시 횡단보도 데이터

12. 서울시 횡단보도예고표시 데이터

13. 서울시 보행자신호등 데이터

노트북 실행 순서

1. 사고 데이터 수집

2. 도로 포인트 생성 및 feature 결합

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages