이언배 연구노트

소스가 다른 두 데이터를 주소 기반으로 병합해서 표기해보자. naver_place 의 데이터는포인트 geom, 이름, (도로명) 주소 등. permit_place 의 데이터는title, (도로명) 주소 + (동), (손실이 많은) 포인트 geom, 개업일 등.  우선,1. 지난번에 고생했던 인덱싱을 개선하기 위해 두 데이터 소스에 각기 다른 id column 이름과 id 를 부여한다.2. 주소를 기반으로 같은 건물에 있는 장소들을 분류한다.3. 이름이 비슷한 녀석이 있으면, 인허가 데이터를 DTP로 분류한다. 일단, id 먼저 부여하자.naver_place 의 아이디는 nid 로, permit_place 의 아이디는 pmid 로 column 을 지정하겠다.--------------------------S..

내 연구는 소중하다. Digi-Third-Place 데이터는 Naver 등록 여부를 중심으로인허가 데이터는 2023년 7월 기준으로 영업중인- Eating: 식품자동판매기업, 제과점, 단란주점, 유흥주점, 관광식당, 휴게음식점, 일반음식점총 165592 개의 Point. - Recreation: 무도학원업, 서울시 학원 교습소정보(인허가 아닌 학원 정보)4265개의 Point.댄스학원, 무도학원은 인허가에서 받아왔지만 전체 학원 데이터는 교육부 데이터. 그래서 중국어, 어학원, 컴퓨터학원 등이 포함되어 있다. 대신 입시 중심의 학원은 확실히 제거된 것으로 보인다. - Commercial: 미용업, 이용업32879개의 뷰티, 네일샵, 및 이발소.이발소의 경우, 끝에 '이용원', '이발관' 없이 '정릉', ..

우리는 총 53개의 Street 들 중 N = 49개의 training set, M = 4 개의 test street이 있으며,K = 16 개의 공간 속성 데이터를 부여하였고,T =24 시간을 추정하며,우리가 설정한 BNN의 layer 갯수 L = 3이다. Training 과정은 다음과 같다.각 도로 Sn (0 도시 공간 데이터 입력은 x_i 로 나타나고,여기에 one-hot encoding 을 적용한 시간 벡터를 합쳐 xit (0 각 도로 Sn 에 상응하는 hourly pedestrian volume 은 yit 로, training 의 output 이 된다. 기존 neural network 와 달리, BNN 은 각 layer 의 파라미터를 단일 숫자가 아닌 확률 분포의 형태로 가진다는 것이 특징이며, ..