README.md

🥬 개요

---

쉬우면서 전문적인 상권 분석 📊

🥬 요식업 맞춤 골목상권 분석 앱 상추 🥬

"새로운 사업을 위해, 어디에 나의 가게를 차리는 것이 좋을까?"

사업은 인생을 바꿀만큼 큰 돈이 오가는 만큼, 그 무엇보다 시작점이 중요합니다.

그러므로 상권에 대한 올바른 분석이 사업의 성공을 가릅니다.
우리는 서울시에서 음식점을 창업하고자 하는 자영업자들을 위한 상권 분석 및 추천 서비스를 제공합니다.

직접 사용해보세요. (App store)

---

🥬 서비스 소개

---

🥬 상추 서비스 홍보 영상

서울시 상권 Top 10 추천 (메인화면)

• 서울시에서 떠오르는 골목상권 순위를 10위까지 보여줍니다.

서울시 골목 상권 추천

• 직관적인 점수로 최고의 상권을 추천합니다.

상권 지표 그래프

• 인구, 인프라, 매출 관련 다양한 정보들을 그래프로 비교 분석할 수 있습니다.

자치구와 업종별 분석

• 창업을 원하는 자치구와 업종을 고려하여 분석할 수 있습니다.

  

북마크와 메모, 공유 기능

• 마음에 드는 상권을 북마크에 저장할 수 있습니다.

• 사진과 함께 메모를 저장하고 이를 카카오톡으로 공유할 수 있습니다.

  

상권 지도 및 길찾기

• 상권 영역을 직접 지도로 확인할 수 있습니다.
• 찾아가고 싶다면 길찾기 기능을 활용할 수 있습니다.

---

🥬 기술 스택

---

1) 모바일

언어: Swift 5.10
프레임워크: SwiftUI 5.10
라이브러리: Alamofire 5.5, swiftui-image-viewer 1.0.0
개발환경: XCode 15.3, CocoaPods 1.15.2
그 외: Figma

2) 백엔드

언어: Java 17, Python 3.11.5
프레임워크: Springboot 3.2.3, SpringSecurity 6.2.2, JPA 3.2.3
라이브러리: Lombok 1.18.22, Swagger 4.15.5, pandas 2.2.1, redis 5.0.3, scikit-learn 1.4.1.post1, SQLAlchemy 2.0.29
개발환경: IntelliJ 17.0.9+7-b1087.9 amd64, PyCharm Community Edition 2023.3.3
그 외: ERDCLOUD

3) 협업 툴

이슈 관리 : JIRA
형상 관리 : Gitlab, Docker 25.0.4
커뮤니케이션 : Notion, Mattermost, Gerrit

4) 인프라

서버 환경: Amazon EC2 Ubuntu 20.04.6 LTS
웹 서버: Nginx 1.18.0

5) CI/CD

배포 자동화 파이프라인: Jenkins jdk17
아티팩트 저장소: Sonatype Nexus 3.66.0
정적 분석: SonarQube 4.4.1
동적 분석: Jmeter 5.6.3
유저 메트릭 수집: Prometheus 2.51.1
분석 정보 시각화: Grafana 10.3.5

6) Database

PostgreSQL 16.2, Redis 7.2.4

---

🥬 ERD

---

• PostgreSQL 내부 Data셋

• PostgreSQL Data Table 연관관계

---

🥬 데이터 분석 모델

---

1. 선형회귀

• 한 개 또는 그 이상의 변수들(독립변수)에 대하여 다른 변수(종속변수) 사이의 관계를 선형 모형을 이용하여 설명하고 예측하는 분석기법

• 독립변수들을 정규화해서 사용했지만 변수들의 값이 선형과는 거리가 멀다는 것을 알 수 있다
• RMSE, MAE를 살펴봤을 때, 오차의 범위가 커서 모델 변경하기로 결정

2. 랜덤 포레스트 모델

• 의사결정나무에 배깅이라는 앙상블 학습을 적용한 모델로, 여러 개의 결정 트리를 조합하여 더 강력한 분류 모델을 구축하는 방법

• 과접합을 줄이고 분산을 감소시켜 정확도가 높고 예측 성능을 향상시키는 데 효과적

  • 랜덤 포레스트 적용 전

  

  • 랜덤 포레스트 적용 후

  

  MSE와 MAE 값이 많이 줄어듬을 볼 수 있다

3. 하이퍼 파라미터 튜닝

• 랜덤 포레스트 모델은 16개의 하이퍼 파라미터를 갖는다

• 이 하이퍼 파라미터의 값을 변경함에 따라 모델의 성능이 달라진다

• 최적의 하이퍼 파라미터 값을 찾아 랜덤 포레스트 모델의 성능을 개선시킨다

• Tree에서 제일 중요한 트리의 개수, 트리의 최대 깊이를 결정하는 하이퍼 파라미터를 설정해 Grid Search 알고리즘을 통해 최적의 하이퍼 파라미터 조합을 찾아낸다

  

• 이 하이퍼 파라미터 값들을 랜덤 포레스트 모델에 적용하여 찾아낸 최종 결과

---

🥬 팀 소개

---

👑 박영규

• 팀장(PM), 발표
• Backend Springboot 점수 기반 상권 추천 서비스, 인프라 및 인구 관련 지표와 그래프 REST API
• Infra 및 CI/CD 전반

🍏 안상준

• 모바일 리더, Swift
• Alamofire 기반 API 통신, 차트 및 지도 뷰, 공유기능
• 노션 문서화 작업 및 서기

🍎 양희태

• 모바일 Swift, 디자인
• Alamofire 기반 차트 및 랭킹 API 통신, 북마크 및 카메라 해시태그, 전체 디자인

📊 윤정인

• 빅데이터 모델 개발
• Backend REST API 리팩토링

👩‍💻 김희주

• Backend 리더, 디자인
• Backend Springboot 매출 그래프 REST API, 디버그, 리팩토링
• 데이터 그래프 시각화

🎈 안성재

• 데이터 전처리
• Backend 그래프 API 레디스 적용
• 빅데이터 모델 개발 보조
• 문서화 작업 및 서기

👥 팀 관리

Jira를 이용한 일정 관리

• 총 755개의 이슈

Gerrit을 이용한 코드 리뷰

---

🥬 관련 문서

---

🥬 금쪽유치원 Team Notion
🥬 프로젝트 소개 PPT