서울 생활이동 현황
서울시 25개 구 간 생활이동 인구 분석 대시보드
0
0
0
0
좌측에서 구를 선택하면 상세 분석을 볼 수 있습니다
1. 데이터 개요
| 카테고리 | DB 테이블 | 건수 규모 | 상태 |
|---|---|---|---|
| 생활이동 원본 | livingMigration | ~1,200,000건/월 (총 31M+) | 등록완료 |
| 사전 집계 테이블 | livingMigrationAgg | ~16,000건/월 | 등록완료 |
| 시군구 코드 | sigunguCode | ~250건 | 등록완료 |
원본 데이터: 월 단위 CSV 업로드 (통계청 MDIS에서 전월 데이터 공개 후)
집계 테이블: CSV 업로드 후 자동 집계 또는 상단 "집계 실행" 버튼으로 수동 실행
관리 페이지: /0xadmin (CSV 업로드 섹션)
2. 원본 테이블 (livingMigration)
| 컬럼명 | 타입 | 설명 | 예시 |
|---|---|---|---|
id | BIGINT (PK) | 자동 증가 ID | 1, 2, 3... |
baseYm | VARCHAR(6) | 기준 연월 | 202412 |
dayOfWeek | VARCHAR(2) | 요일 (월~일) | 월, 화, 수... |
arrivalTime | INT | 도착 시간대 (0~23) | 0, 8, 18 |
departureSigunguCd | VARCHAR(5) | 출발 시군구 코드 | 11010 (종로구) |
arrivalSigunguCd | VARCHAR(5) | 도착 시군구 코드 | 11230 (강남구) |
gender | CHAR(1) | 성별 (M: 남성, F: 여성) | M, F |
age | VARCHAR(3) | 연령대 (5세 단위 시작 나이) | 10, 15, 20, 25... |
moveType | VARCHAR(2) | 이동 유형 코드 | HH, HE, EH, EE |
avgMoveTime | FLOAT | 평균 이동 시간 (분) | 32.5 |
population | FLOAT | 이동 인구 수 | 150.3 |
createdAt | DATETIME | DB 등록 시각 | 2026-02-27 10:00:00 |
| 인덱스명 | 컬럼 | 용도 |
|---|---|---|
| idx_baseym | baseYm | 월별 필터링 (필수 조건) |
| idx_departure | baseYm, departureSigunguCd | 출발구 기준 조회 |
| idx_arrival | baseYm, arrivalSigunguCd | 도착구 기준 조회 |
3. 집계 테이블 (livingMigrationAgg)
| 컬럼명 | 타입 | 설명 | 예시 |
|---|---|---|---|
id | BIGINT (PK) | 자동 증가 ID | 1, 2, 3... |
baseYm | VARCHAR(6) | 기준 연월 | 202412 |
departureSigunguCd | VARCHAR(5) | 출발 시군구 코드 | 11010 |
arrivalSigunguCd | VARCHAR(5) | 도착 시군구 코드 | 11230 |
gender | CHAR(1) | 성별 | M, F |
age | VARCHAR(3) | 연령대 (5세 단위) | 10, 15, 20... |
totalPopulation | BIGINT | 집계된 총 이동 인구 (SUM) | 48520 |
| 구분 | 원본 (livingMigration) | 집계 (livingMigrationAgg) |
|---|---|---|
| 행 수 / 월 | ~1,200,000건 | ~16,000건 |
| 집계 기준 | 시간대/요일/이동유형 포함 | 월/출발구/도착구/성별/연령만 |
| 용도 | 상세 분석, 시간대별 패턴 | 대시보드 요약, 구별 비교 |
| 응답 속도 | 수 초~수십 초 | 즉시 (~100ms) |
집계 테이블은 원본 데이터를 GROUP BY baseYm, departureSigunguCd, arrivalSigunguCd, gender, age로 합산한 결과입니다. 상단 "집계 실행" 버튼으로 갱신할 수 있습니다.
4. 이동유형 코드 (moveType)
| 코드 | 유형명 | 설명 |
|---|---|---|
HH | 집 → 집 | 거주지에서 다른 거주지로 이동 (생활 이동) |
HE | 집 → 직장 | 거주지에서 직장/학교로 이동 (출근/등교) |
EH | 직장 → 집 | 직장/학교에서 거주지로 이동 (퇴근/하교) |
EE | 직장 → 직장 | 직장에서 다른 직장으로 이동 (업무 이동) |
H = Home (거주지), E = Economy (직장/학교). 광고 타겟팅 시 HE/EH는 출퇴근 인구, HH는 생활 이동 인구를 파악하는 데 유용합니다.
5. 연령 그룹 매핑
| 표시 라벨 | 원본 age 값 | 설명 |
|---|---|---|
10대 | 10, 15 | 10세~19세 |
20대 | 20, 25 | 20세~29세 |
30대 | 30, 35 | 30세~39세 |
40대 | 40, 45 | 40세~49세 |
50대 | 50, 55 | 50세~59세 |
60대+ | 60, 65, 70 | 60세 이상 (65, 70 포함) |
6. 활용 시나리오
특정 구의 유입/유출 데이터를 분석하여 유동인구가 많은 지역을 파악하고, 옥외광고 매체(버스정류장, 전광판 등)의 최적 위치를 선정할 수 있습니다.
입력: 기준 월, 타겟 구 (예: 강남구)
결과: 유입 Top 10 구 → 강남구로 가장 많이 오는 지역 파악 → 해당 출발지에도 광고 배치
구별 이동 인구의 성별/연령 분포를 분석하여 광고주의 타겟 고객과 매칭되는 지역을 추천할 수 있습니다.
예시: 2030 여성 타겟 광고 → 해당 연령/성별 이동 비율이 높은 구 선별
활용: 연령별 바 차트 + 성별 도넛 차트로 시각적 비교
이동유형(HE/EH)을 활용하면 출퇴근 경로를 파악할 수 있습니다. 특정 구의 출근 인구가 어디에서 오는지, 퇴근 후 어디로 이동하는지를 분석하여 시간대별 광고 전략을 수립할 수 있습니다.
출근 시간대 (HE)
출발 구 → 도착 구(직장) 패턴 분석
퇴근 시간대 (EH)
직장 구 → 거주 구 복귀 패턴 분석
생활이동 데이터를 기존 버스/지하철 데이터 및 실시간 유동인구와 결합하면 종합적인 지역 분석이 가능합니다.
생활이동
구 간 인구 흐름 방향/규모
버스 승하차
정류장별 실제 승객 수
실시간 유동인구
해당 지역 현재 체류 인구