표제지
국문 초록
목차
제1장 서론 11
제1절 연구의 배경 및 목적 11
제2절 연구의 내용 및 수행과정 12
1. 연구의 내용 12
2. 연구의 수행과정 12
제2장 이론적 고찰 및 기존 연구 검토 14
제1절 이론적 고찰 14
1. 대기질과 보행량의 관계 14
2. AI 15
3. XAI 17
제2절 기존 연구 검토 19
1. 대기질 분석 19
2. 보행량 예측 20
3. AI 22
4. XAI 24
제3절 시사점 26
제3장 연구 방법론 및 모델 구축 27
제1절 연구 방법론 27
제2절 데이터 구축 28
1. 데이터 수집 28
2. 데이터 전처리 31
제3절 앙상블 모델 33
1. 사용 모델 33
2. 파라미터 설정 35
3. 모델 성능 평가 지표 36
제4절 SHAP 37
1. Global explanation 37
2. Local explanation 37
제5절 탐색적 데이터 분석 39
1. Python 39
2. GIS 40
제4장 분석 결과 42
제1절 보행량과 대기환경의 관계 해석 42
제2절 미세먼지에 따른 지역별 보행 특성 47
제5장 결론 및 활용방안 52
제1절 결론 52
제2절 활용방안 및 한계점 53
참고문헌 54
ABSTRACT 57
〈표 2-1〉 대기질 분석 선행 연구 20
〈표 2-2〉 보행량 예측 선행 연구 21
〈표 2-3〉 AI 선행 연구 23
〈표 2-4〉 XAI 선행 연구 25
〈표 3-1〉 서울 실시간 도시데이터 API 응답변수 28
〈표 3-2〉 주요 113 장소 목록 30
〈표 3-3〉 Notation 정리 32
〈표 3-4〉 사용 알고리즘 특징 34
〈표 3-5〉 모델별 주요 파라미터 선정 결과 35
〈표 4-1〉 미세먼지 등급 변화에 따른 지역별 보행량 증감율 48
〈표 4-2〉 대기환경 지표에 따른 보행량 추세선 기울기 49
〈표 4-3〉 미세먼지 등급 변화에 따른 보행량 감소율(보통-〉나쁨) 50
〈표 4-4〉 미세먼지 등급 변화에 따른 보행량 감소율(나쁨-〉매우나쁨) 50
〈표 4-5〉 공원 평일/황사 지점별 보행량 비교 51
〈그림 1-1〉 연구 수행과정 13
〈그림 2-1〉 인공지능, 머신러닝, 딥러닝의 범위 15
〈그림 2-2〉 머신러닝의 분류 16
〈그림 2-3〉 AI와 XAI의 비교 17
〈그림 3-1〉 연구 수행 방법론 27
〈그림 3-2〉 기지국별 실시간 인구 집계 방법 29
〈그림 3-3〉 SHAP plot 예시 38
〈그림 3-4〉 지점별 평균 보행량 39
〈그림 3-5〉 여의도 시간대별 평균 보행량 40
〈그림 3-6〉 보행량 핫스팟 지역 41
〈그림 3-7〉 미세먼지 핫스팟 지역 41
〈그림 4-1〉 보행량 예측 결과 42
〈그림 4-2〉 보행량 예측 모델 변수 중요도 43
〈그림 4-3〉 대기질 지수에 대한 dependence plot 44
〈그림 4-4〉 미세먼지 농도에 대한 dependence plot 44
〈그림 4-5〉 보행량이 많을 때 waterfall plot 45
〈그림 4-6〉 보행량이 적을 때 waterfall plot 45
〈그림 4-7〉 평일 waterfall plot 46
〈그림 4-8〉 주말 waterfall plot 46
〈그림 4-9〉 보행 특성 분석 Flowchart 47
〈그림 4-10〉 지역별 미세먼지에 따른 보행량 PDP 48
〈그림 4-11〉 공원 지점별 평균 시간대별 보행량 48
〈그림 4-12〉 미세먼지 농도에 따른 보행량 추세선 기울기 49
〈그림 4-13〉 공원 평일/황사 시간대별 보행량 51