동대문구 공유 텀블러 수거함 최적 입지 선정

🌍 프로젝트 소개

이 프로젝트는 서울 동대문구 내에서 공유 텀블러 수거함을 설치하기 위한 최적의 위치를 선정하는 것을 목표로 합니다. 일회용 컵 사용을 줄이기 위해 공유 텀블러 제도를 도입하기로 하였고, 이를 통해 동대문구에서 일회용 컵 문제를 해결하고자 합니다. 광주 등의 사례를 통해 수거함의 접근성이 공유 텀블러 제도의 성공 여부에 큰 영향을 미친다는 사실을 확인하고, 데이터를 기반으로 한국외대 주변에서 가장 적합한 설치 위치를 찾아보았습니다.

📖 배경

일회용 컵 문제의 심각성

교내 쓰레기통에서 많은 양의 일회용 컵이 분리수거 없이 버려지는 모습을 쉽게 목격할 수 있습니다. 이를 해결하기 위해 일회용 컵 재활용과 사용량 감소를 고려해 보았습니다. 하지만 재활용이 효과적이지 않다는 사실을 확인한 후, 일회용 컵의 절대적인 사용량 감소가 필요하다고 판단하게 되었습니다. 이에 따라, 사용량을 줄일 수 있는 방법으로 공유 텀블러 제도를 생각하게 되었습니다.

공유 텀블러 도입

제주도의 성공적인 사례를 참고하여 동대문구에서도 공유 텀블러 제도를 도입하기로 결정했습니다. 그러나 광주에서의 사례를 통해 수거함의 접근성이 좋지 않으면 제도가 실패할 수 있다는 점을 인식했습니다. 따라서 이 프로젝트에서는 공유 텀블러 수거함의 최적 입지를 선정하는 것을 주요 목표로 삼았습니다.

🎯 이용 타겟층 선정

• 20~30대 타겟층을 중심으로, 공유 텀블러 이용을 쉽게 만들 수 있는 위치를 선정했습니다.
  • 일회용 컵을 많이 사용하는 층과 텀블러 사용에 익숙한 층이 주 타겟으로 20~30대가 해당합니다.
    • 1. 일회용 컵 사용량: 커피 전문점에서 주로 소비되며, 이들 소비자의 대다수가 20~30대입니다.
    • 2. 텀블러 사용 의지: 20~30대가 텀블러 사용 경험은 많지만, 세척 등의 문제로 자주 사용하지 않음.
    • 3. 공유 텀블러의 잠재적 효과: 개인이 세척할 필요가 없어 텀블러 사용 빈도를 높일 가능성이 큽니다.

🔍 데이터와 분석

데이터 수집

1. 유동인구 데이터

   • 도로를 10m 단위로 나누어 연령대별 유동인구 정보를 수집하고, 20~30대 데이터를 필터링하여 사용했습니다.

2. 카페 위치 데이터

   • 카카오 지도 API를 활용하여 동대문구 내 카페 데이터를 직접 수집했습니다.

3. 법인 사업체 데이터

   • 국민연금공단 가입사업장 내역 데이터를 활용했습니다.

데이터 전처리

1. 유동인구 데이터

   • 공간 정보 결합: 유동인구 데이터를 도로 기반 위치 정보와 결합했습니다.
   • 필터링: 타겟층인 20~30대 유동인구만 선별했습니다.
   • 클러스터링 대상 데이터 축소: 유동인구 데이터의 상위 분위만 사용했습니다.

2. 카페 위치 데이터

   • 동대문구 위도와 경도에서 벗어나는 데이터를 필터링했습니다.

3. 법인 사업체 데이터

   • 동대문구에 등록된 사업체를 고려하였으며, 여러 지역에 사업장이 있는 경우 보험 가입자 수는 고려하지 않고 단순히 사업체 등록 사실만 반영했습니다.

🧩 분석 및 시각화

클러스터링 방법

1. K-means

   • 초기 클러스터링 방법으로 사용하고, 엘보우 메소드를 통해 최적의 클러스터 개수(K값)를 도출했습니다.

2. DBSCAN

   • 밀도 기반 클러스터링 알고리즘을 사용하여, 가장 높은 실루엣 계수를 보이는 하이퍼파라미터를 선택했습니다.

시각화 기법

• 컨케이브 헐(Concave Hull)
  • 기존의 컨벡스 헐보다 실제 데이터 경계를 더 잘 표현하는 방식을 사용했습니다.

🗺️ 최적 입지 선정 과정

1. 20~30대 유동인구 핫스팟 확인

   • 클러스터링 및 시각화를 통해 유동인구 데이터의 밀집 구역을 파악했습니다.

2. 카페 및 법인 데이터와의 교집합 분석

   • 유동인구와 카페, 법인이 겹치는 지점을 중심으로 후보지를 선정했습니다.

3. 최종 선정

   • 로드뷰를 통해 현장 적합성을 확인하고, 한국외대 정문 기준 반경 1km 내에서 9개의 최적 수거함 위치를 선정했습니다.

🗺️ 최종 최적 입지

• "서울 동대문구 경희대로 20"
• "서울 동대문구 휘경로 8"
• "대한민국 서울특별시 동대문구 회기로"
• "서울 동대문구 망우로20길"
• "서울 동대문구 망우로 120"
• "서울 동대문구 이문로12길"
• "서울 동대문구 이문로 69"
• "서울 동대문구 회기로"
• "서울 동대문구 이문로 107"

📌 한계점과 개선 방향

• 경험적 요소 의존
  최종 입지 선정 과정에서 데이터 외에 경험적 판단이 많이 반영되었습니다.

• 확장성 부족
  한국외대 주변 1km 범위에 국한되어 있어, 동대문구 전체로 확장하려면 추가적인 연구가 필요합니다.

🛠️ 기술 스택

• 데이터 수집: 카카오 지도 API
• 데이터 분석 및 시각화: Pandas, Matplotlib, Folium
• 클러스터링: K-means, DBSCAN
• 클러스터링 시각화: alphashape

👥 팀 소개

전인섭	손단하	최보미	최유진
동대문구 카페 및 법인 데이터 수집, 유동인구 데이터 전처리, 유동인구 DBSCAN 및 시각화	정량자료 수집, 최적입지 선정, 발표	DBSCAN 결과 전체 시각화, 최적입지 선정	카페 및 법인 데이터 전처리, 카페 및 법인 데이터 DBSCAN 및 시각화
GitHub	GitHub	GitHub	GitHub