🚲 LSTM모델을 이용한 따릉이 재고 예측

서울시 공공자전거 따릉이의 미래 재고수를 예측합니다.

아래를 클릭하여 PC환경의 데모 영상을 확인하실 수 있습니다.

장안동 사거리 대여소의 재고 예측 결과 예시입니다.
각각의 색이 다른 선은 5분~30분후의 예측 결과를 나타내며, 검정색 라인은 수집된 실제 재고수를 나타냅니다. 아래의 결과는 모델이 단 한번도 학습테이터로 사용되지 않은 데이터를 이용하였습니다.

디렉터리별 설명

각 디렉터리에 대한 설명입니다.

.
├── README.md              # README
├── dataset-collector      # 데이터 수집기
├── frontend               # 프론트 엔드 서버
├── images                 # 예시 이미지
└── predictor              # 재고 예측 모델 및 백엔드 서버

환경변수

데이터 수집기 & 재고 예측 모델 및 백엔드 서버

각 서버에서 아래에 명시된 환경변수를 가져야 합니다.

환경변수	환경변수 값
MYSQL_DATABASE	MYSQL DB명
MYSQL_HOST	MYSQL HOST 주소
MYSQL_USER	MYSQL 유저명
MYSQL_PASSWORD	MYSQL 비밀번호
API_KEY	따릉이 공공 API 인증키

실행 방법

데이터 수집기

데이터 수집기는 모델 학습과 예측을 위해 항시 작동하고 있어야합니다.

cd ./dataset-collector
npm install
npm build
npm start

모델 학습 & 백엔드 서버

가상환경 생성

cd ./predictor
virtualenv myvenv

가상환경 진입

source ./myvenv/bin/activate

패키지 설치

pip install --upgrade pip
pip install python-dotenv
pip install numpy
pip install pandas
pip install tensorflow
pip install keras
pip install matplotlib
pip install sklearn
pip install PyMySQL
pip install flask
pip install flask_cors
pip install apscheduler

모델 학습

이 과정은 각 대여소마다 일주일치 데이터를 이용한다고 가정하는 경우, NCP클라우드의 High CPU-g2 C8-g2 환경에서 6시간 30분 이상 소요됩니다.
높은 정확도를 위해서는 훨씬 더 많은 데이터를 이용해야 합니다. 이 경우 GPU의 사용을 권장합니다.

python train_models.py

백엔드 서버

서버 실행 후, 모델이 로드되고 시작되는데 까지 약 5분이 소요됩니다.

python server.py

프론트엔드

cd ./frontend
npm install
npm build
serve ./build -p 80

설정

• 아래의 설정 파일에 백엔드 주소를 설정합니다.
  /frontend/src/config/config.json

• 카카오맵 API 키를 발급받은 후, 아래의 파일 44번째 라인의 KAKAO_MAP_API_KEY를 발급받은 키로 대치합니다.
  카카오맵 API 발급후, 카카오맵 API 콘솔에서 프론트 앤드의 주소를 등록해주어야 합니다.
  /frontend/public/index.html