서울시 데이터를 기반으로, 선택에 어려움을 겪는 커플들을 위해 최적의 데이트 코스를 추천하는 프로젝트입니다.
맛집, 카페, 놀거리 데이터를 분석하고, 이를 활용해 좋은 데이트 코스를 추천하는 서비스를 구현하였습니다.

서울시 25개 자치구 중 하나를 선택하여 데이트 코스 추천 범위를 설정할 수 있습니다.

선택한 자치구에 포함된 지하철역 중 하나를 선택할 수 있으며,
각 역에는 내부 분석을 바탕으로 산출된 데이트 선호도 점수가 함께 표시됩니다.

선호하는 음식 종류와 가격대를 설정할 수 있으며,
랜덤 추천 기능 선택 시 20대 여성의 외식 선호도 데이터를 기반으로 자동 추천됩니다.

날씨와 평가지표를 고려한 알고리즘을 통해 맛집, 카페, 놀거리를 추천하고,
선택한 장소 간의 거리 및 예상 도보 시간이 함께 제공됩니다.

2025년 3월 24일 ~ 2025년 3월 28일

분류	기술
개발 환경
언어
데이터 수집
데이터 분석 및 시각화
데이터베이스
UI 개발
형상 관리
협업 도구

• 원하는 지역에서 데이트 코스를 추천받고 싶다.
• 본인의 취향(음식 종류, 가격대)에 맞는 장소를 선택하고 싶다.
• 날씨를 반영해 데이트 코스를 추천받고 싶다.
• 여러 데이트 코스를 추천받고 싶다.
• 가까운 거리 내에 있는 데이트 장소들을 추천받고 싶다.

• 선호 요소 선택 기능 : 데이트 지역,음식 카테고리와 가격대 선택
• 날씨/맛집/카페/놀거리 정보 수집 및 저장 기능 : 실시간 날씨정보를 서울시 공공데이터API로,평점/리뷰수/평균가격 등 데이터를 네이버지도와 카카오맵으로 수집 및 DB에 저장 맛집/카페/놀거리 top10 추천 기능 : 사용자 입력과 내부 평가 지표를 기준으로 각 맛집/카페/놀거리별 상위 10개 추천
• 맛집/카페/놀거리 1개씩 선택 기능 : 각 분류에서 추천된 장소top10 중 각각 1개씩 선택
• 최적 동선 코스 생성 기능 : 선택된 장소들 총3개를 기반으로 최적 경로 자동 구성 및 시각화
• 지도 및 이동 정보 표시 기능 : 장소 위치, 이동 경로, 예상 시간 등 지도 기반 표시
• 저장/공유/후기/히스토리 기능 : 코스 저장,공유,후기 작성,과거 기록 보기 기능

• 주요 테이블: restaurant, cafe, enjoy, spot, score
• 크롤링/실시간 데이터 저장용 DB(spot,enjoy,cafe,restaurant)와 분석 결과 저장용 DB(score) 분리

본 프로젝트에서는 다양한 출처의 데이터를 통합하고, 사용자 맞춤형 데이트 코스 추천을 위한 지표를 산출하기 위해 다음과 같은 전처리 과정을 수행하였습니다.
전처리 과정은 DB에 저장된 원천 데이터 처리와 데이터프레임 기반 분석 처리로 나뉘며, 각 처리 단계는 다음과 같습니다.

1. 서울시 명소 데이터 →
2. 명소 기준 지하철역(station) 추출 →
3. 역 기반 주변 장소(cafe/restaurant/enjoy) 수집 →
4. 주소 기반 위경도 변환 (Google Maps API) →
5. DB 저장

• 서울시 도시데이터 API로부터 명소의 주소, 시간대별 인구, 기온, 습도, 풍속 등 정보를 수집
• 명소 기준으로 가장 가까운 지하철역(station)을 매핑하여 저장

• spot 테이블에서 추출한 지하철역 이름을 기반으로
  • 맛집/카페: 카카오맵
  • 놀거리: 네이버 지도
    에서 장소 정보를 크롤링하여 수집

• 크롤링된 장소들의 주소를 Google Maps API를 통해 위도/경도 정보로 변환

• 정제 및 변환된 데이터를 다음 테이블에 저장
  • restaurant: 맛집 정보
  • cafe: 카페 정보
  • enjoy: 놀거리 정보
  • spot: 명소 및 해당 지하철역 정보

DB에 저장된 원천 데이터를 기반으로, 사용자 맞춤형 추천을 위한 지표를 계산하고
이를 통해 역 단위 종합 점수를 산출하여 추천 우선순위를 설정합니다.

• 맛집 / 카페
  평가지수 = 평점 × log(리뷰 수 + 1)
• 맛집 추가 지표
  가성비 지수 = 평가지수 / 평균가격
• 놀거리
  리뷰 수 기준 지표 = log(리뷰 수 + 1)

• 각 지표를 0~100점 범위로 정규화
• 역 단위로 장소들의 평균 점수를 계산
• 맛집 + 카페 + 놀거리의 평균값을 종합하여 종합 점수 산출

• 분석된 역별 종합 점수 결과는 score 테이블에 저장
• 사용자 입력에 따라 상위 지역 및 장소를 추천하는 데 활용

1. 카페, 맛집, 놀거리 순으로 구성된 코스가 이상적이다.
2. 카페, 맛집, 놀거리는 리뷰 수, 평점이 높을수록 선호도가 높다.
3. 식당의 경우 가격까지 고려한 가성비 지수가 중요하다.
4. 불쾌지수가 높을 땐 실내 위주 놀거리 추천이 적절하다.

데이트 코스 구성 시 필수 고려 요소는 카페와 식당이다.

1위: 카페 (17.4%)
2위: 식당 (14.5%)
3위: 아파트 내 공터 (14.1%)

경제적 부담이 가장 큰 불만족 요소 → 데이트 코스 구성 시 가격이 매우 중요!

1위: 경제적 부담 (56.2%)
2위: 시간 부족 (24.2%)
3위: 체력 부족 (14.3%)

데이트 지출에서 가장 큰 비중은 식당! (1인 평균 1만원)

평균 여가 시간은 5.5시간 → 최소한 이 시간을 커버하는 데이트 코스가 필요 → 놀거리,카페,맛집 3종 코스로 커버

20대 여성은 고기요리 > 한식 > 일식 순으로 외식을 선호

가장 많이 소비하는 지역은 강남역, 건대입구역, 신촌역

불쾌지수 75 이상일 때는 실내 중심 놀거리 추천 필요

평가지표: log(리뷰 수 + 1)
순위 기준: 평가지표가 평균 이상인 놀거리의 수를 기준으로 역별 순위 도출
→ 결과: 경복궁역, 서울역, 동대문역사문화공원역 순

평가지표: 별점 × log(리뷰 수 + 1)
순위 기준: 평가지표가 평균 이상인 카페 수를 기준으로 역별 순위 도출
→ 결과: 합정역, 뚝섬역, 종로3가역 순

평가지표 1: 별점 × log(리뷰 수 + 1)
평가지표 2: 별점 × log(리뷰 수 + 1) ÷ 평균가격 (가성비 반영)
순위 기준: 평가지표가 평균 이상인 맛집 수를 기준으로 역별 순위 도출
→ 1차 기준 순위: 홍대입구 > 혜화 > 신사
→ 2차 기준 순위: 홍대입구 > 혜화 > 이태원

종합 점수 계산 방식:

1. 각 역에서 놀거리, 카페, 맛집 각각
   → 평균 이상 가게 수 기준으로 1등은 100점, 나머지는 0~100점으로 정규화

2. 세 항목의 점수 평균을 구해 종합 점수 원본 계산

3. 그 평균 점수를 기준으로 다시 정규화 →
   최종적으로 1등은 100점, 나머지는 0~100점으로 수치화한 종합 점수 도출

→ 결과: 합정역 > 혜화역 > 경복궁역

1. 카페 → 맛집 → 놀거리 순의 코스 구성은 이상적이다.
   → 여가생활 공간 이용 순위에서 카페와 식당이 상위에 위치하고, 평균 여가 시간이 5.5시간으로 확인되어 해당 구성이 사용자 생활 패턴과 부합함.

2. 리뷰 수와 평점이 높은 장소일수록 선호도가 높다는 가설은,
   → 본 프로젝트에서는 해당 요소를 기반으로 평가지표를 산정하였으며, 상위 지역이 주요 상권과 일부 일치하는 결과를 도출하였으나,
   실제 선호도(방문자 수, 매출 등)와의 직접적 검증은 이뤄지지 않아 후속 검토가 필요함.

3. 맛집의 경우, 가격을 반영한 가성비 지수가 중요하다는 가설에 따라
   → 가성비 지표를 통해 기존 순위와 다른 결과가 도출되었고, 가격이 평가에 영향을 줄 수 있다는 가능성을 확인함.
   다만 해당 지표가 실제 만족도나 방문 행동과 일치하는지는 검증되지 않음.

4. 불쾌지수가 높을 때는 실내 놀거리 추천이 적절하다.
   → 불쾌지수 75 이상인 날에 외부 활동 감소 경향이 관찰되어, 날씨 조건에 따라 실내 중심 코스를 추천할 필요성이 뚜렷함.

1. 평가지표의 실제 선호도 설명력 부족
   리뷰 수와 평점을 기반으로 평가지표를 설정하였으나, 실제 사용자 선호나 방문 행동과의 상관관계는 검증되지 않음.

2. 외부 실측 데이터와의 연계 부족
   방문자 수, 매출, 검색량 등 실제 사용자 행동 데이터를 활용한 교차 검증이 부족함.

3. 정성적 요소 미반영
   장소의 분위기, 서비스 품질, 이용자 리뷰의 감성 등 정성적 요소는 고려되지 않았음.

프로젝트 진행 중 크고 명확한 오류보다도, 여러 자잘한 이슈들이 반복적으로 발생하며 전체 개발 흐름의 난이도를 높였습니다.
이러한 문제들은 단독으로는 단순해 보이지만, 해결 과정에서 많은 시행착오와 기술적 트러블슈팅 경험을 쌓을 수 있는 기회가 되었습니다

지하철역 정보 누락

• 일부 명소 주변 지하철 정보 누락 → 누락된 명소만 가장 가까운 지하철역 정보를 Google Maps API로 습득

네이버 지도 iframe 구조
-놀거리 정보는 iframe 내부에 포함되어 있어, Selenium으로 바로 접근할 수 없음 → driver.switch_to.frame()을 사용해 iframe으로 전환 후 접근 가능

크롤링 시 요소 stale 문제

• 요소 클릭시 요소가 사라지거나 갱신되면서 StaleElementReferenceException 발생 → WebDriverWait과 예외 처리 로직 반복 삽입

1. 지역 범위의 제한

   • 본 프로젝트는 서울시 25개 자치구 내의 데이터만을 활용하여, 타 지역 사용자에게는 적용할 수 없는 제한이 존재함.

2. 최적 동선 지도 시각화 미구현

   • 장소 간 거리와 소요 시간 정보는 계산했으나, 실제 지도를 통한 동선 시각화 기능은 구현되지 않음.

3. 후기 및 히스토리 기능 미구현

   • 사용자 후기 작성, 코스 저장, 과거 기록 열람 등 일부 핵심 기능이 기획 단계에만 머물러 있고, 구현되지 못함.

4. 사용자 취향 기반 추천 기능의 한계

   • 음식 종류 및 가격대 필터는 적용했지만, 사용자 행동 데이터를 활용한 정교한 개인화 추천은 미구현 상태임.

감사합니다!
본 프로젝트는 선택이 어려운 커플들을 위한 작은 다리가 되고자 하는 마음에서 시작되었습니다.