데이터 기반으로 성남시 내 동물병원 및 약국의 최적 입지를 분석하는 AI 웹 애플리케이션
app
데이터 기반으로 하는 AI 웹 애플리케이션성남시 반려동물 인프라 분석 앱
petinfra-jfxvmwgzaqdoxkemzzyahv.streamlit.app
📌 앱 개요
이 애플리케이션은 성남시 동물병원·약국의 현황과 반려동물 등록 수를 분석하여 입지 선정 인사이트를 제공합니다.
K-Means 클러스터링을 활용한 병원·약국 입지 분석, 데이터 기반의 수요-공급 비교를 통해 수의사 및 약사분들이 최적의 개업 위치를 찾는 데 도움을 줍니다.
사용자는 데이터 기반으로 특정 지역의 동물병원 및 약국 부족 여부를 확인할 수 있습니다.
📀 사용 기술 및 라이브러리
| 웹 프레임워크 | Streamlit |
| 데이터 처리 | Pandas, Geopandas, MinMaxScaler |
| 머신러닝 모델 | Scikit-learn |
| 데이터 시각화 | Matplotlib, Plotly, Folium, streamlit_folium |
| 지도 데이터 | Folium, GeoJSON |
| 모델 저장 및 로드 | Joblib |
🍿 주요 기능
🗺 1. 성남시 동물병원·약국 지도 시각화
- 반려동물 등록 수 및 병원·약국 분포를 한눈에 확인
- 행정동 기준으로 데이터를 정리하여, 신흥1동·신흥2동 등은 '신흥동'으로 통합
- Google Maps API를 활용하여 위도·경도 정보를 추가하고, 지도 위에 마커 시각화
- GeoJSON 데이터를 활용해 성남시 행정구역 경계를 지도에 표시
📊 2. 반려동물 수 대비 병원·약국 개수 비교
- 각 동별 반려동물 수와 병원·약국 개수를 직관적으로 비교하는 그래프 제공
- 산점도 및 바 그래프로 지역별 밀집도를 확인 가능
- 병원·약국이 부족한 지역을 쉽게 식별하여 신규 개업 전략 수립에 도움
📍 3. K-Means 클러스터링을 통한 병원·약국 입지 분석
- 위도·경도, 반려동물 수, 병원·약국 개수를 기준으로 K-Means 클러스터링 수행
- 엘보우 메소드를 사용하여 최적의 클러스터 개수를 탐색
- 병원·약국·수요를 토대로 나눠진 클러스터를 지도 위에 색상별로 표시하여 쉽게 인사이트 도출
🏥 4. 신규 개업 입지 추천
- K-Means 클러스터링을 기반으로 반려동물 대비 병원·약국이 부족한 지역 분석
- 반려동물 수는 많지만 병원·약국이 부족한 지역 → 개업 추천 지역으로 선정
- 병원 개설 후 약국과의 협업 가능성도 고려할 수 있도록 병원, 약국 위치 시각적 데이터 제공
🚀 Streamlit 배포
1️⃣ 로컬 환경에서 앱 테스트 후 requirements.txt를 생성하여 패키지 관리
2️⃣ API 키 등 환경 변수는 .env 파일을 사용해 별도로 관리
3️⃣ GitHub에 애플리케이션 업로드
4️⃣ Streamlit Cloud를 활용하여 외부에서 접근 가능하도록 배포
🏗 개발 프로세스
📌 데이터 수집 및 전처리
- Kaggle 및 공공데이터포털에서 성남시 동물병원·약국·반려동물 등록 데이터 수집
- 행정동 기준 정리 (예: 신흥1동, 신흥2동 → 신흥동)
- 병원·약국 주소를 위도·경도로 변환
- 위례동의 반려동물 등록 수 데이터는 미확보, 추후 데이터 확보 시 추가 예정
📌 병원·약국 클러스터링 분석
- MinMaxScaler를 이용하여 데이터 스케일링 (위도·경도 좌표 유지)
- K-Means 클러스터링을 활용한 입지 분석
- 엘보우 기법을 사용하여 최적 클러스터 개수 탐색
- 병원, 약국의 위도와 경도(공간적 분포 고려), 반려동물 수(수요 분석), 병원·약국 개수(공급 측면 분석) 등을 기준으로 클러스터를 나눔
📌 신규 개업 입지 추천
- 병원당 반려동물 수, 약국당 반려동물 수를 계산하여 밀집도 분석
- 신규 개업 추천 지역을 시각화하여 보여줌
🎯 이 앱을 통해 기대할 수 있는 효과
✅ 데이터 기반으로 신규 병원·약국 개업 시 최적 입지를 선정 가능
✅ 경쟁이 적고 수요가 높은 지역을 식별하여 보다 전략적인 의사결정 지원
✅ 기존 병원·약국과의 협업 가능성 탐색 및 최적의 공급 네트워크 구축 지원
🚀 이제 데이터를 활용해 성남시에서 가장 유망한 입지를 찾아보세요! 😊
🔗 데이터 출처
