[KT AIVLE 4기] 2차 미니 프로젝트 - 2

리니·2023년 10월 30일

KT AIVLE

목록 보기

9/22

📌 2차 미니 프로젝트

⭐ 장애인 이동권 개선을 위한 장애인 콜택시 대기시간 예측
💡목표
장애인 콜택시를 이용하는 고객들의 불편사항을 개선하고 서비스의 품질을 높이기 위해 콜택시 운행이 종료된 시점에 다음 날의 기상 예보를 바탕으로 기상 상황에 따른 장애인 콜택시의 평균 대기 시간을 예측하고 예상 대기 시간을 제공할 수 있는 모델을 완성하여 교통약자의 이동 편의 증진에 기여한다.

1. 데이터 전처리

목표: 전날 저녁, 다음날 평균 대기시간을 예측

# 익일의 대기시간(waiting time)을 오늘의 데이터를 활용하여 예측 해야하는 대상(target)으로 설정

target = 'waiting_time'
data['waiting_time_1'] = data[target].shift(-1)

# target 변수에 NaN이 포함된 행 제거 -> 2022-12-31 행 제거
data.dropna(subset=['waiting_time_1'], axis=0, inplace=True)

날씨 데이터는 실제 측정값이지만, 다음 날에 대한 예보 데이터로 간주

# 익일의 실제 날씨 데이터를 전일에 발표된 예보데이터로 판단
weather['Date'] = weather['Date'].shift(1)  # 2012-01-02 -> 2012-01-01

장애인 이동 데이터를 기준으로 날씨 데이터 merge
data = pd.merge(data, weather, on='Date', how='inner')

새로운 feature 생성

날짜와 관련된 변수 추가 - 요일, 월, 계절, 연도

# 월을 기반으로 계절 분류
def assign_season(month):
    if month in [12, 1, 2]:
        return 'Winter'
    elif month in [3, 4, 5]:
        return 'Spring'
    elif month in [6, 7, 8]:
        return 'Summer'
    else:
        return 'Fall'

data['year'] = data['Date'].dt.year                          # 연도
data['season'] = data['Date'].dt.month.apply(assign_season)  # 계절


# Object로 만드는 방법1
import calendar
data['month'] = data['Date'].dt.month      # 월
data['month'] = data['month'].apply(lambda x: calendar.month_abbr[x])  # 월 이름으로 만들기 # Jan, Feb, ...
data['weekday'] = data['Date'].dt.weekday  # 요일
data['weekday'] = data['weekday'].apply(lambda x: calendar.day_abbr[x])  # 요일 이름으로 만들기 # Mon, Tue, ...

# categorical로 만들기
data['season'] = pd.Categorical(data['season'], categories=['Spring', 'Summer', 'Fall', 'Winter'])
data['month'] = pd.Categorical(data['month'], categories=['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'])
data['weekday'] = pd.Categorical(data['weekday'], categories = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'])  # ordered=True : 데이터프레임을 이 기준으로 정렬할건지

공휴일 정보
- workalender 패키지로 대한민국 공휴일 정보 추가
- 실제로 휴무일에 해당하지만 라이브러리에 없는 날짜 추가
  - 주말 추가!

# ex
from workalendar.asia import SouthKorea
cal = SouthKorea()

holiday = pd.DataFrame(cal.holidays(2023))

7일 이동평균 대기시간
data['waiting_time_MA7'] = data['waiting_time'].rolling(7, min_periods = 1).mean() # min_periods : 최소 데이터수
탑승률
data['ride_rate'] = data['ride_cnt'] / data['request_cnt']