earticle

영어

This study aims to identify the optimal machine learning model for predicting monthly illegal parking frequencies in Dong-gu, Busan Metropolitan City, and analyze its performance against actual data. To accurately capture complex patterns in the data, we applied ensemble learning techniques including Random Forest, LightGBM, and XGBoost. After preprocessing the data, we predicted illegal parking frequencies using these three machine learning models. The models were evaluated using RMSE, %RMSE, and R-squared metrics, with XGBoost demonstrating the highest prediction accuracy. This research is expected to contribute to local governments' capabilities in developing efficient and proactive measures for various urban issues, particularly illegal parking problems, through the utilization of data-driven prediction models.

한국어

부산광역시 동구 불법 주정차 데이터를 활용하여 머신러닝을 통한 월별 불법 주정차 빈도를 예측하는 최적의 모델을 찾고 이를 실제 데이터와 비교 분석하는 것 을 목적으로 한다. 데이터의 복잡한 패턴을 정확히 포착하기 위해 랜덤 포레스트, LightGBM, XGBoost와 같은 앙상블 학습 기법을 적용하였다. 데이터는 모델 학습 에 적합한 형태로 전처리한 후 이를 기반으로 세 가지 머신러닝 모델을 통해 불법 주정차 빈도를 예측하였다. 모델의 성능은 RMSE, %RMSE, R-squared 지표를 사 용해 평가하였으며, 그 결과 XGBoost 모델이 가장 높은 예측 정확도를 나타냈다. 본 연구는 지방자치단체가 불법 주정차 문제뿐만 아니라 다양한 도시 문제에 대해 데이터 기반의 예측 모델을 활용하여 효율적이고 선제적인 대응 방안을 마련하는 데 기여할 것으로 기대된다.