WeatherCall119 – 날씨 빅데이터 기반 119 신고 건수 예측 시스템

"기상 데이터로 응급상황을 예측하다"

2025 날씨 빅데이터 콘테스트 (2025.05.07 ~ 06.27)

개발 기간 2025-06-20 ~ 2025-06-27 (7 일)

주제 119 구급·화재 신고건수 일별 예측(연속값 → RMSE 평가)

최종 LB 1.15 (RMSE, 6 월 25 일 20:37 제출 – 이미지 참고)

개발 환경 Win-11 노트북(i7-12700H / 32 GB RAM)·Python 3.11·scikit-learn 1.4·xgboost 2.0

🎯 Executive Summary

문제: 기상청이 119 신고 건수 예측을 통한 응급의료 자원 배치 최적화 필요

해결: 날씨 빅데이터와 머신러닝 앙상블을 통한 지역별 119 신고 건수 예측 시스템

결과: XGBoost 모델 RMSE 0.5479, Ridge 모델 RMSE 0.7256, 스태킹 앙상블 최적화 완료

다음 단계: N/A

⏱ 일정·마일스톤 요약

Day 주요 산출 내부 RMSE

① 6 / 20 Ridge baseline, 전처리 함수화 1.39

② 6 / 21 주소 merge rule·lag feature 1.30

③ 6 / 22 XGB (one-hot) 1.27

④ 6 / 23 RF + 결측 Imputer 1.25

⑤ 6 / 24 모델별 리더보드 제출 · 스태킹 설계 LB 1.30/1.27

⑥ 6 / 25 Manual Stacking(RidgeCV) 완성 1.18 → LB 1.15

⑦ 6 / 27 코드 리팩터링·최종 보고 LB 1.39 (실험)

Day	주요 산출	내부 RMSE
① 6 / 20	Ridge baseline, 전처리 함수화	1.39
② 6 / 21	주소 merge rule·lag feature	1.30
③ 6 / 22	XGB (one-hot)	1.27
④ 6 / 23	RF + 결측 Imputer	1.25
⑤ 6 / 24	모델별 리더보드 제출 · 스태킹 설계	LB 1.30/1.27
⑥ 6 / 25	Manual Stacking(RidgeCV) 완성	1.18 → LB 1.15
⑦ 6 / 27	코드 리팩터링·최종 보고	LB 1.39 (실험)

1. 배경·목표

사용자/페르소나: 기상청, 소방청, 119 구급대 관제센터 운영진
성공 기준(KPI): RMSE 기반 예측 정확도 최소화
범위(Out of scope): 실시간 예측 시스템 구축, 웹 인터페이스 개발 제외

2. 핵심 기능

날씨 데이터 전처리

지역난방 열수요와 날씨 빅데이터 통합 분석

결측치 보간 및 이상치 처리 시스템

시계열 특성 추출(주말, 계절성 등)

머신러닝 앙상블 모델

Ridge, XGBoost, RandomForest 다중 모델 훈련

스태킹 앙상블로 모델 결합 및 성능 향상

Cross-validation 기반 하이퍼파라미터 최적화

예측 및 제출 시스템

지역별 119 신고 건수 예측 생성

다양한 모델별 제출 파일 자동 생성

2023년 홀드아웃 검증 및 성능 평가

3. 기술 스택

언어: Python 3.10
ML 라이브러리: scikit-learn, XGBoost, TensorFlow
데이터 처리: pandas, numpy, category-encoders
통계 분석: statsmodels, scipy