top of page

Anomaly Detection In Train Traffic

Detail information is not included code due to confidential issue.

COVID-19으로 인해 기존에 사용하던 수송량 지표의 무효화, COVID시대에 맞는 새로운 지표가 필요.

DT를 추진하며 승객의 급격한 변화들을 추정하고자 원인 파악을 하고자 하였다.
원인을 파악하고자 하는 날을 추정하기 위해 수송 이상치를 찾았다.

기간 : 2020.11~2021.01

인원 : 2명

데이터 : Univariate Time Series

​모델 : TBATS

   - Exponential Smoothing

   - Box cox transformation

   - Multi-Seasonality

역할 : 모델링 / Daily batch / 커뮤니케이션

사용한 스킬 : SQL, Python, Bash

느낀점 :

  DT팀과, 시각화 팀과의 커뮤니케이션을 하여 커뮤니케이션 역량을 향상할 수 있었다.

커뮤니케이션의 사전적 정의를 보았을 때 이해가 되지 않았으나 이 프로젝트를 하며 느낀 커뮤니케이션은 나의 역량이 어디서부터 어디까지인지 인지를 한 상태에서 일정 시간 내에 어디까지 일을 진행할 수 있는지 상대방과 조율을 하는 것, 또한 내가 이해하고 있는 바를 상대방에게 이해를 시키고, 같은 선(line)에서 이야기를 진행하는 것임을 배웠다.

기획에 크게 이바지하지 하지 못하였지만, 옆에서 배울 기회가 있었고, 기획부터 데일리 배치까지 적용해볼 수 있는 기회였다. 

Bash를 구글링을 통해 처음 접하여 어려움이 있었으나 빠른 습득력으로 잘 마무리 하였다.

아래 그림은 기억에 의존하여 재구성한 그림입니다.

© 2023 Proudly created with Wix.com

bottom of page