LSTM Time-Series Model for Seoul Public Bike Rentals

이 프로젝트는 서울시 공공 자전거 대여 데이터와 기상청의 날씨 데이터를 활용하여 LSTM(Long Short-Term Memory) 모델을 학습하고, 자전거 대여 수요를 예측하는 시스템을 구축하는 것을 목표로 합니다.

---

📋 프로젝트 개요

• 데이터:
  • 서울시 공공 자전거 대여 데이터: 시간대별 대여 수, 대여소 위치 등.
  • 기상청 날씨 데이터: 시간대별 온도, 강수량, 습도 등.
• 모델:
  • LSTM 기반의 시계열 예측 모델.
  • 데이터를 시계열 형태로 전처리하여 과거 데이터를 바탕으로 미래의 자전거 대여 수를 예측.

---

🔧 데이터 전처리

1. 서울시 공공 자전거 대여 데이터

   • 불필요한 열 제거 및 이상치 처리.
   • 시간대별 대여 수로 데이터를 집계.

2. 기상청 날씨 데이터

   • 시간대별 데이터로 변환.
   • 결측치 보정 및 이상치 처리.

3. 통합 데이터셋 생성

   • 대여 데이터와 날씨 데이터를 시간대별로 결합.
   • 모델 입력값(피처)과 출력값(타겟) 정의.

---

🧠 모델 학습

• 모델 구조

  • LSTM 레이어: 시계열 데이터를 학습.
  • Dense 레이어: 최종 출력값 예측.

• 손실 함수 및 옵티마이저

  • 손실 함수: MSE(Mean Squared Error).
  • 옵티마이저: Adam.

• 학습 과정

  • 학습 데이터와 검증 데이터로 나누어 모델 학습.
  • 하이퍼파라미터 최적화.

---

🛠️ 모델 사용 방법

1. 환경 설정

   • 필수 라이브러리 설치:

     pip install -r requirements.txt

2. 모델 실행

   • 예측 스크립트 실행:

     python predict.py --input <input_file_path>

   • 예: --input에 사용자가 예측하고자 하는 CSV 파일 경로를 지정.

3. 입력 데이터 형식

   • 시간대별 날씨 정보(온도, 강수량, 습도 등)와 이전 대여 데이터를 포함한 CSV 파일.

4. 출력

   • 예측 결과는 오로지 숫자 데이터로만 제공됩니다. 이를 API로 활용하였습니다(별도 repo 활용)

---

📜 참고 자료

1. 서울시 공공 자전거 대여 데이터 (공공 데이터 포털).
2. 기상청 날씨 데이터 (기상청 공식 사이트).

---