Machine Learning Mid-Project

주제 : 수도권 지하철 이용자 및 만 65세 이상 이용자에 의한 운임 수입 및 운임 손실 예측

---

• 배경
  • 노령 인구의 증가 및 청, 장년층 인구 감소에 따라 만 65세 이상 노령 인구에 대해 지하철 무임승차에 의한 적자를 방지하기 위한 대책 마련
    
    
• 사용된 기술
  • Scikit-Learn을 이용한 Linear Regression, Polynomial Regression
  • Python 3.10
  • Anaconda, Pandas, Numpy, etc.
    
    
• 동작구조
  • Input Data : 2018년부터 2021년까지 1달 단위의 서울교통공사에 속하는 노선별(1호선 ~ 9호선) 전체 이용객 수와 만 65세 이상의 우대권 이용자 수
    • 데이터 개수 : 4(년) X 12(달) X 9(노선 개수) = 432(개)
  • Target Data : 2018년부터 2021년까지 매년 운송 수입 및 총 적자에 대한 데이터
    • Target Data의 경우 통계 기준이 1년 단위로, 월별 전체 이용객수에 비례하도록 운임 수입과 운임 손실을 나눔
    • 데이터 개수 : 4(년) X 12(달) X 9(노선 개수) = 432(개)
  • 전체 이용자와 우대권 이용자를 각각 운임 수입과 운임 손실에 Mapping
    • 이때 사용된 ML 기술은 Polynomial Regression
    • 전체 이용객과 우대권 이용개의 2가지 특성을 각각 수입과 손실에 Mapping
      
      
• 한계점
  • Coivd - 19
    • 2020년 총 적자 약 1조 1000억, 2021년 약 9600억
    • 데이터상으로 확인하면, 2019년 대비 2020년 적자 약 2배수 이상 증가(2019년 약 5800억)
    • 정확도 감소 및 예측 정확도가 낮음(아래 학습 및 예측 결과 Screenshot 첨부)
      
      • 위에서부터 Train Score, Test Score, 예측 적자액, 실제 적자액
        
        
• 해결 방안
  • 데이터 삭제
    • Covid - 19에 영향이 있었던 2020년과 2021년 데이터 삭제 후 재학습
      
      
• 파일 설명
  • Data 폴더는 현재 사용되는 Excel File
    • All_Population.xlsx 는 사용되지 않음
  • Dividing_Function_Revenue(Loss).py 는 운임 수입 및 적자액을 월별, 호선별 전체 이용자수에 비례해 나눈 후 2차원 List로 생성해주는 파일
    • 뒤에 Covid 는 코로나 이전 데이터만 불러올 경우에 대한 파일
  • Subway_Poly_Loss_Final.py 는 Linear Regression과 Polynomial Regression을 이용하여 학습시키는 파일
    • 뒤에 Covid 는 위와 마찬가지로 코로나 이전 데이터를 이용해서만 학습
  • FinalProgram.py 는 최종 결과를 보여주기 위한 파일
    
    

---

• 결론
  • Screenshot 첨부
    • 운임 수입액은 약 6000만원 ~ 7000만원 정도의 오차
    • 운임 적자액은 약 8000만원 정도의 오차
      
      

---

• Contributors
  • Beom
  • Soyun
  • jin-altf4