[공모전] 낙후지표와 복지지표 기반 복지 컨트롤 타워 시스템

📌 프로젝트 개요

📑 프로젝트 내용

❓주제 선정 배경

1. 다방면의 지표를 기반하여 생성한 낙후지표와 복지지표를 지도에 시각화 함으로써 읍면동별 격차 파악

2. 각 지역에 필요한 복지 정책의 방향성을 제공

🔗 데이터 수집

🙋🏻‍♀️ 본인이 맡은 역할

⓵ 객관적 자료를 기반으로 복합적 지표 구성 제안

• 정의 : 변화 용이성이 상대적으로 낮은 인구/토지/교통 정보를 종합하여 구성한 지표

• 계산 : [인구지표 * 토지지표 * 교통지표]의 정규화 값
• 인구지표 : [읍면동별 인구 / 면적 ]의 정규화 값
• 교통지표 : [읍면동별 버스정류장 / 면적]의 정규화 값
• 토지지표 : [읍면동별 토지 구성 / 면적]의 정규화 값
→ 정규화는 MINMAX Scaler를 이용하여 0 ~ 1 사이의 값으로 계산하였습니다.

• 정의 : 변화 용이성이 상대적으로 높은 의료/복지/교육 정보를 종합하여 구성한 지표

• 계산 : [교육지표 + 복지시설지표 + 의료지표]의 정규화 값
• 의료지표 : [의료시설 개수(정규화), 인구대비 의료인 수(정규화), 인구대비 병상 수(정규화)]의 정규화 값
• 복지시설 지표 : 복지 대상별 복지시설 개수의 정규화 값
• 교육지표 : [학교 개수(정규화), 교원 수(정규화), 학생 수(정규화)]의 정규화 값
→ 정규화는 MINMAX Scaler를 이용하여 0 ~ 1 사이의 값으로 계산하였습니다.

⓶ 낙후지표(토지), 복지지표(의료) 데이터 전처리 및 지표 구성

• 데이터 명 : 천안시 행정구역별 지목별 총괄



1. 읍면동 내 ‘리’ 단위까지 구성된 지역이 있어, 읍면동 단위로 포괄
2. 총 28개로 이루어진 토지 지목을 7개의 구성으로 포괄하여 분류
: 전체에 대한 각 부문의 백분율로 계산

지역 분류	토지 지목
농업 지역	전, 답, 과수원, 목장용지, 임야, 광천지
산업 및 상업 지역	대, 공장용지, 주유소용지, 창고용지
교육 시설 지역	학교용지
교통 및 주차 시설 지역	주차장용지, 도로, 철도용지
자연 및 환경 관련 지역	방, 하천, 구거, 유지, 양어장, 수도용지
문화 시설 지역	공원, 체육용지, 유원지, 종교용지, 사적지
묘지 및 잡종 지역	묘지, 잡종지

3. 복지 시설이 많이 분포할 지역을 기준으로 높은 가중치를 주기 위해 가중치 부여할 역을 구분

가중치 0.7 토지 지역	산업 및 상업 지역, 교육 환경 지역, 문화 시설 지역
가중치 0.5 토지 지역	교통 및 주차 시설 지역, 자연 및 환경 관련 지역
가중치 0.3 토지 지역	농업 지역, 묘지 및 잡종 지역

4. 가중치가 구분된 지역별로 해당 가중치 만큼 계산

가중치 0.7 계산	0.7 * 가중치 0.7 토지 지역
가중치 0.5 계산	0.5 * 가중치 0.5 토지 지역
가중치 0.3 계산	0.3 * 가중치 0.3 토지 지역

5. 가중치 적용한 최종 점수

토지 최종 점수

가중치 0.7 계산 + 가중치 0.5 계산 + 가중치 0.3 계산

• 데이터 명 : 충청남도 의원 정보, 충청남도 병원 정보
1. 충청남도 의원/병원 정보 파일에서, 천안시에 해당하는 의료 기관 현황만을 추출
2. 필요한 컬럼만 추출

읍면동

구분

상세구분

상세이름

위도

경도

도로명주소

전화번호

의료인수

병상수

입원실수

진료과목내용명

3. 읍면동 별로 의료 정보 추출 및 정규화
1. 총 의료인 수

# 읍면동 별 총 의료인 수

doctor = a.groupby('읍면동')['의료인수'].sum().reset_index()
doctor

2. 총 병원 수

# 읍면동 별 총 병원 수

a['병원수'] = 1
a

hospital = a.groupby('읍면동')['병원수'].sum().reset_index()
hospital

# 읍면동 별 병원 수 정규화

scaler.fit(hospital)
df_scaled_3 = scaler.transform(hospital)
df_scaled_3 = pd.DataFrame(df_scaled_3, columns = ['점수정규화3'])
df_scaled_3

3. 의료인구 대비 의료인 수

# 읍면동 별 의료인구 대비 의료인 수

peo_doc = pd.merge(b, doctor, on='읍면동', how='outer')
peo_doc['의료인구 대비 의료인수'] = peo_doc['의료인수']/peo_doc['총계']
peo_doc = peo_doc.fillna(0)
peo_doc_scal = peo_doc[['의료인구 대비 의료인수']]
peo_doc_scal

# 읍면동 별 의료인구 대비 의료인 수 정규화

scaler.fit(peo_doc_scal)
df_scaled = scaler.transform(peo_doc_scal)
df_scaled = pd.DataFrame(df_scaled, columns = ['점수정규화'])
df_scaled

4. 의료인구 대비 병상 수

# 읍면동 별 의료인구 대비 병상 수

peo_bed = pd.merge(b, bed, on='읍면동', how='outer')
peo_bed['의료인구 대비 병상수'] = peo_bed['병상수']/peo_bed['총계']
peo_bed = peo_bed.fillna(0)
peo_bed_scal = peo_bed[['의료인구 대비 병상수']]
peo_bed_scal

# 읍면동 별 의료인구 대비 병상 수 정규화

scaler.fit(peo_bed_scal)
df_scaled_2 = scaler.transform(peo_bed_scal)
df_scaled_2 = pd.DataFrame(df_scaled_2, columns = ['점수정규화2'])
df_scaled_2

💡성과/의의

📍대시보드 인사이트

📍대시보드 의의

1. 객관적 자료를 기반으로 지표별 가중치를 통일화하여 낙후와 복지 지표를 복합적으로 구성
1. 연구자료와 공문을 바탕으로 세부 지표를 구성하였습니다.
2. 지표별 가중치를 통일화하기 위해 min-max 정규화로 최종 지표를 구성하였습니다.

2. 각 현황을 직관적으로 파악 가능하도록 종합지표를 지도에 시각화
1. 지표 개선이 필요한 읍면동을 빠르게 파악 가능합니다.



붉은색이 진할수록 낙후정도가 심하며, 녹색이 진할수록 낙후정도가 심하지 않음



붉은색이 진할수록 복지수준이 낮으며, 파란색이 진할수록 복지수준이 높음

3. 세부 지표별 데이터의 특성을 고려한 시각화 방법을 선정하여 각 지역의 현황을 세부적으로 파악 가능
1. 나이대별/성별 인구의 경우 두 집단의 비교가 용이한 버터플라이 차트 사용하였습니다.
2. 의료 시설 현황의 경우 평균과 지역별 상세 현황 비교가 용이한 이중 막대 차트 사용하였습니다.

📍아이디어 결론

컨트롤 타워 시스템을 총괄하는 부서 신설(복지 컨트롤 타워)을 제안

복지 컨트롤 타워는, 천안시 전체 복지 정책을 총괄/조정하는 역할을 수행하며, 복지 정책에 대한 복지자원(예산/인력/시설 등)을 읍면동별로 효율적으로 배분해서 빈틈없는 복지를 실현할 수 있도록 도와주고 조정하는 역할을 수행하게 됩니다.

WHY? ‘컨트롤타워’에 대한 전략을 세우고 있으나 세부 체계는 잡혀있지 않은 상황 토글을 누르면 근거자료 확인이 가능합니다.

→ 천안시 2023 주요업무계획 중, 복지정책과 사업 계획 참고

💡

[복지 컨트롤 타워 수행 과제 1] 읍면동별 적절한 정책 제안

각 지역별 낙후지표와 복지지표를 파악하여 현재 시행 중인 정책 구체화 방식 제안

---

낙후지표 대시보드에서 ‘동면’의 낙후지표가 높아 세부 지표별 현황 확인

→ 노인 인구 비중이 높고 교통이 타 지역에 비해 부족

복지지표 대시보드에서 ‘동면’의 복지수준이 낮아 세부 지표별 현황을 파악

→ 의료시설과 복지시설이 현저히 부족

‘동면’과 같이 지표가 낮은 지역에 초점을 맞춰 이동 진료 사업의 시행을 확대하거나 , 노인 복지 시설 건립 필요성 등을 파악할 수 있음

💡

[복지 컨트롤 타워 시스템 수행 과제 2] 추가 복지 정책 제안

낙후지표와 복지지표를 토대로 복지정책을 보완할 신규 정책을 제안하는 역할을 수행

---

수요응답형 대중교통(DRT) :

여객의 수요에 따라 노선/운행 구간/정류장을 탄력적으로 운행하는 여객운송서비스로, 공동화가 심한 지역의 이동권을 보장하기 위해 도입된 시스템

DRT 활성화 방안 예시

고령층은 일반 대중교통을 통한 복지시설 이용에 어려움이 있기 때문에,

1. 노령인구 대비 복지시설이 현저히 부족한 지역을 대시보드를 통해 파악하고,

2. 수신면(0개), 동면(1개), 광덕면(1개) 등을 우선적으로 선정하여 노인복지시설과 거주지 간의 DRT 도입을 통해 복지시설 접근 용이성을 마련할 수 있습니다.

→ 대시보드를 통해 신규 정책 제안을 빠르고 체계적으로 실행시킬 수 있습니다.

ex) 의료시설 혹은 교육시설 이용자의 이동권 보장을 위해 ‘찾아가는 의료 서비스’, ‘등하교 셔틀버스 마련’으로의 확장 가능성 기대

💬 회고

➕ 보완할 점

• 낙후지표와 복지지표에 더 다양한 분야를 추가한다면, 더욱 풍부하고 정확한 지표가 생성될 것이라 예상합니다.

• 막대차트, 파이차트 등에 국한되지 않고 더 다양한 차트로 표현한다면, 시각적으로 더욱 풍부한 대시보드가 될 것이라 예상합니다.

🚶🏻‍♀️‍➡️ 성장한 점

• 객관적인 논문을 참고하여, 직접 지표를 구성해 볼 수 있는 시간이 되었습니다.

• 데이터 시각화에 그치지 않고, 시각화를 바탕으로 한 인사이트 및 아이디어 제시까지 도달하는 시간이 되었습니다.