제주 퇴근시간 버스승차인원 예측 (Dacon 공모전) 개요

Kaggle 분석

데이터사이엔티스트 2019. 11. 17. 20:49

제주도민의 급격한 증가와 외국인의 증가로 인해, 제주도의 교통체증이 심각한 문제로 떠오르고 있습니다.

제주도 버스의 효율적인 운행을 위해 퇴근시간 승차인원을 예측하는 모델을 만들어 봅시다!

2019년 11월 11일 ~ 2019년 12월 6일

총 3개의 데이터 테이블로 구성

1. 학습 / 테스트 데이터

2. 버스 승하차 정보

3. submission 제출 양식

1. 학습/ 테스트 데이터

변수명	데이터 설명
id	해당 데이터에서의 고유한 ID(train, test와의 중복은 없음)
date	날짜
bus_route_id	노선ID
in_out	시내버스, 시외버스 구분
station_code	해당 승하차 정류소의 ID
station_name	해당 승하차 정류소의 이름
latitude	해당 버스 정류장의 위도 (같은 정류장 이름이어도 버스의 진행 방향에 따라 다를 수 있음)
longitude	해당 버스 정류장의 경도 (같은 정류장 이름이어도 버스의 진행 방향에 따라 다를 수 있음)
6~7_ride	6:00:00부터 6:59:59까지 승차한 인원 수
7~8_ride	7:00:00부터 7:59:59까지 승차한 인원 수
8~9_ride	8:00:00부터 8:59:59까지 승차한 인원 수
9~10_ride	9:00:00부터 9:59:59까지 승차한 인원 수
10~11_ride	10:00:00부터 10:59:59까지 승차한 인원 수
11~12_ride	11:00:00부터 11:59:59까지 승차한 인원 수
6~7_takeoff	6:00:00부터 6:59:59까지 하차한 인원 수
7~8_takeoff	7:00:00부터 7:59:59까지 하차한 인원 수
8~9_takeoff	8:00:00부터 8:59:59까지 하차한 인원 수
9~10_takeoff	9:00:00부터 9:59:59까지 하차한 인원 수
10~11_takeoff	10:00:00부터 10:59:59까지 하차한 인원 수
11~12_takeoff	11:00:00부터 11:59:59까지 하차한 인원 수
18~20_ride	18:00:00부터 19:59:59까지 승차한 인원 수 (train data에만 존재)

2. 버스 승하차 정보

변수명	데이터 설명
user_card_id	해당 승객의 버스카드ID
bus_route_id	노선ID
vhc_id	차량ID
geton_date	해당 승객이 탑승한 날짜
geton_time	해당 승객이 탑승한 시간
geton_station_code	승차정류소의 ID
geton_station_name	승차정류소의 이름
getoff_date	해당 승객이 하차한 날짜 (하차태그 없는 경우, NaN)
getoff_time	해당 승객이 하차한 시간 (하차태그 없는 경우, NaN)
getoff_station_code	하차정류소의 ID (하차태그 없는 경우, NaN)
getoff_station_name	하차정류소의 이름 (하차태그 없는 경우, NaN)
user_category	승객 구분 (하단 표 참고)
user_count	해당 버스카드로 계산한 인원수 ( ex- 3은 3명 분의 버스비를 해당 카드 하나로 계산한 것)

bus_bts.csv의 user_category (승객 구분 유형)

3. submission 테이블

테스트 데이터는 18시부터 20시 승차 인원으로만 구성

다음 글에는 직접 분석한 내용을 공유드리겠습니다.