Upload app.py

app.py

@@ -3,14 +3,10 @@ import pandas as pd
 import numpy as np
 import folium
 from streamlit_folium import st_folium
-import math
 import requests
 
-st.set_page_config(page_title="심야 대중교통 최적화 대시보드 (Real Data)", layout="wide")
+st.set_page_config(page_title="심야 대중교통 최적화 대시보드", layout="wide")
 
-# ==========================================
-# 1. Fetch Real Data from OSM (Overpass API)
-# ==========================================
 @st.cache_data
 def fetch_osm_data_v4():
     bbox = "37.491,127.020,37.505,127.035"
@@ -37,32 +33,27 @@ def fetch_osm_data_v4():
         st.error(f"데이터를 불러오는 중 오류가 발생했습니다: {e}")
         data = {'elements': []}
         
-    bus_stops = []
-    amenities = []
-    safety_infra = []
-    real_bus_routes = []
-    
+    bus_stops, amenities, safety_infra, real_bus_routes = [], [], [], []
     for element in data.get('elements', []):
         if element['type'] == 'node':
-            lat = element['lat']
-            lon = element['lon']
+            lat = float(element['lat'])
+            lon = float(element['lon'])
             tags = element.get('tags', {})
-            
             if 'highway' in tags and tags['highway'] == 'bus_stop':
-                bus_stops.append({'lat': lat, 'lon': lon, 'stop_id': element['id'], 'name': tags.get('name', '정류장')})
+                bus_stops.append({'lat': lat, 'lon': lon, 'stop_id': str(element['id']), 'name': str(tags.get('name', '정류장'))})
             elif 'amenity' in tags:
                 amenities.append({'lat': lat, 'lon': lon})
             elif 'highway' in tags or 'man_made' in tags:
                 safety_infra.append({'lat': lat, 'lon': lon})
         elif element['type'] == 'relation':
             tags = element.get('tags', {})
-            ref = tags.get('ref', 'N버스')
-            name = tags.get('name', ref)
+            ref = str(tags.get('ref', 'N버스'))
+            name = str(tags.get('name', ref))
             coords = []
             for member in element.get('members', []):
                 if member['type'] == 'way' and 'geometry' in member:
                     for pt in member['geometry']:
-                        coords.append([pt['lat'], pt['lon']])
+                        coords.append([float(pt['lat']), float(pt['lon'])])
             if coords:
                 real_bus_routes.append({'name': name, 'ref': ref, 'coords': coords})
                 
@@ -70,9 +61,6 @@ def fetch_osm_data_v4():
 
 stops_df, amenities_df, safety_df, real_bus_routes = fetch_osm_data_v4()
 
-# ==========================================
-# 2. Grid Generation & Feature Calculation
-# ==========================================
 @st.cache_data
 def create_grid_features(_stops, _amenities, _safety):
     lats = np.linspace(37.492, 37.504, 20)
@@ -86,26 +74,22 @@ def create_grid_features(_stops, _amenities, _safety):
     for lat in lats:
         for lon in lons:
             point = np.array([lat, lon])
-            demand = np.sum(np.sqrt(np.sum((amenity_coords - point)**2, axis=1)) < 0.002) if len(amenity_coords) > 0 else 0
-            deficit = np.min(np.sqrt(np.sum((stop_coords - point)**2, axis=1))) if len(stop_coords) > 0 else 0
-            safety_count = np.sum(np.sqrt(np.sum((safety_coords - point)**2, axis=1)) < 0.002) if len(safety_coords) > 0 else 0
-            grid_data.append({'lat': lat, 'lon': lon, 'raw_demand': demand, 'raw_deficit': deficit, 'raw_safety_count': safety_count})
+            demand = int(np.sum(np.sqrt(np.sum((amenity_coords - point)**2, axis=1)) < 0.002)) if len(amenity_coords) > 0 else 0
+            deficit = float(np.min(np.sqrt(np.sum((stop_coords - point)**2, axis=1)))) if len(stop_coords) > 0 else 0.0
+            safety_count = int(np.sum(np.sqrt(np.sum((safety_coords - point)**2, axis=1)) < 0.002)) if len(safety_coords) > 0 else 0
+            grid_data.append({'lat': float(lat), 'lon': float(lon), 'raw_demand': demand, 'raw_deficit': deficit, 'raw_safety_count': safety_count})
             
     df = pd.DataFrame(grid_data)
-    df['base_demand'] = df['raw_demand'] / df['raw_demand'].max() if df['raw_demand'].max() > 0 else 0
-    df['base_deficit'] = df['raw_deficit'] / df['raw_deficit'].max() if df['raw_deficit'].max() > 0 else 0
-    df['base_risk'] = 1 - (df['raw_safety_count'] / df['raw_safety_count'].max()) if df['raw_safety_count'].max() > 0 else 1.0
-        
+    df['base_demand'] = df['raw_demand'] / df['raw_demand'].max() if df['raw_demand'].max() > 0 else 0.0
+    df['base_deficit'] = df['raw_deficit'] / df['raw_deficit'].max() if df['raw_deficit'].max() > 0 else 0.0
+    df['base_risk'] = 1.0 - (df['raw_safety_count'] / df['raw_safety_count'].max()) if df['raw_safety_count'].max() > 0 else 1.0
     return df
 
 grids_df = create_grid_features(stops_df, amenities_df, safety_df)
 
-# ==========================================
-# 3. Classify Stops & DRT Loop Logic
-# ==========================================
-nbus_coords = np.array([pt for route in real_bus_routes for pt in route['coords']])
-if not stops_df.empty and len(nbus_coords) > 0:
-    stops_df['min_dist_to_nbus'] = stops_df.apply(lambda r: np.min(np.sqrt((nbus_coords[:,0]-r['lat'])**2 + (nbus_coords[:,1]-r['lon'])**2)), axis=1)
+if not stops_df.empty and len(real_bus_routes) > 0:
+    nbus_coords = np.array([pt for route in real_bus_routes for pt in route['coords']])
+    stops_df['min_dist_to_nbus'] = stops_df.apply(lambda r: float(np.min(np.sqrt((nbus_coords[:,0]-r['lat'])**2 + (nbus_coords[:,1]-r['lon'])**2))), axis=1)
     stops_df['is_nbus_stop'] = stops_df['min_dist_to_nbus'] < 0.001
 else:
     stops_df['is_nbus_stop'] = False
@@ -113,61 +97,33 @@ else:
 nbus_stops = stops_df[stops_df['is_nbus_stop']]
 blind_stops = stops_df[~stops_df['is_nbus_stop']]
 
-# ==========================================
-# 4. Sidebar & Interactivity (Dynamic Time Logic)
-# ==========================================
-st.sidebar.header("⚙️ 시뮬레이션 설정 (OSM Data)")
+st.sidebar.header("⚙️ 시뮬레이션 설정")
 selected_time = st.sidebar.select_slider("시간대 선택", options=[f"{str(h).zfill(2)}:{str(m).zfill(2)}" for h in [22, 23, 0, 1, 2, 3, 4] for m in [0, 30]] + ["05:00"], value="23:30")
 time_idx = [f"{str(h).zfill(2)}:{str(m).zfill(2)}" for h in [22, 23, 0, 1, 2, 3, 4] for m in [0, 30]].index(selected_time) if selected_time != "05:00" else 14
 
-# [NEW] 시간에 따른 수요(상업지) vs 주거(안전) 가중치 동적 변환
-if time_idx <= 3: # 22:00 ~ 23:30 (상업지구 핫스팟 중심)
-    dyn_alpha = 0.8
-    dyn_gamma = 0.0
-elif time_idx <= 7: # 00:00 ~ 01:30 (주거지 이동기)
-    dyn_alpha = 0.4
-    dyn_gamma = 0.4
-else: # 02:00 ~ 05:00 (심야 주거지구 중심)
-    dyn_alpha = 0.1
-    dyn_gamma = 0.8
+if time_idx <= 3:
+    dyn_alpha, dyn_gamma = 0.8, 0.0
+elif time_idx <= 7:
+    dyn_alpha, dyn_gamma = 0.4, 0.4
+else:
+    dyn_alpha, dyn_gamma = 0.1, 0.8
 
 dyn_beta = 0.2
 
-st.sidebar.markdown(f"""
-**⏰ 시간대 자동 반영 가중치**
-- 🍺 상업/유흥(α): **{dyn_alpha:.1f}**
-- 🚶‍♂️ 정류장결핍(β): **{dyn_beta:.1f}**
-- 🏠 주거/안전(γ): **{dyn_gamma:.1f}**
-""")
-
-st.sidebar.caption("시간이 늦어질수록 번화가(상업지)에서 어두운 골목(주거지)으로 타겟팅이 자동 이동하며 루프 형태가 달라집니다.")
-
-alpha = dyn_alpha
-beta = dyn_beta
-gamma = dyn_gamma
-
+st.sidebar.markdown(f"**⏰ 가중치**\n- 상업/유흥(α): {dyn_alpha:.1f}\n- 정류장결핍(β): {dyn_beta:.1f}\n- 주거/안전(γ): {dyn_gamma:.1f}")
 drt_budget = st.sidebar.number_input("투입 가능 DRT 차량 수", min_value=1, max_value=20, value=5)
 
-# ==========================================
-# 5. Risk Score & DRT Routing Calculation
-# ==========================================
 current_grids = grids_df.copy()
-# time_factor removed since dynamic alpha/gamma physically moves the hotspot
-current_grids['demand'] = current_grids['base_demand']
-current_grids['deficit'] = current_grids['base_deficit']
-current_grids['risk'] = current_grids['base_risk']
-current_grids['risk_score'] = alpha * current_grids['demand'] + beta * current_grids['deficit'] + gamma * current_grids['risk']
+current_grids['risk_score'] = dyn_alpha * current_grids['base_demand'] + dyn_beta * current_grids['base_deficit'] + dyn_gamma * current_grids['base_risk']
 
-threshold = current_grids['risk_score'].quantile(0.85)
-drt_targets = current_grids.nlargest(50, 'risk_score') # 광역 루프를 만들기 위해 대상을 50개로 대폭 확대
+threshold = float(current_grids['risk_score'].quantile(0.85))
+drt_targets = current_grids.nlargest(50, 'risk_score')
 
-# N버스가 없는 사각지대 정류장 매칭
 drt_assignments = []
 for idx, grid_row in drt_targets.iterrows():
     if not blind_stops.empty:
         distances = np.sqrt((blind_stops['lat'] - grid_row['lat'])**2 + (blind_stops['lon'] - grid_row['lon'])**2)
-        nearest_stop = blind_stops.loc[distances.idxmin()]
-        drt_assignments.append(nearest_stop)
+        drt_assignments.append(blind_stops.loc[distances.idxmin()])
 
 unique_blind_stops = pd.DataFrame(drt_assignments).drop_duplicates('stop_id')
 
@@ -180,7 +136,7 @@ def ccw(p1, p2, p3):
 
 def get_convex_hull(points):
     if len(points) <= 3: return points
-    points = sorted(points, key=lambda p: (p[0], p[1]))
+    points = sorted(points, key=lambda p: (float(p[0]), float(p[1])))
     lower = []
     for p in points:
         while len(lower) >= 2 and ccw(lower[-2], lower[-1], p) <= 0: lower.pop()
@@ -191,118 +147,83 @@ def get_convex_hull(points):
         upper.append(p)
     return lower[:-1] + upper[:-1]
 
-# 사각지대 정류장 + [환승 공유 구간 3개]로 DRT Loop 생성
 if not unique_blind_stops.empty and not nbus_stops.empty:
-    centroid_lat = unique_blind_stops['lat'].mean()
-    centroid_lon = unique_blind_stops['lon'].mean()
+    centroid_lat = float(unique_blind_stops['lat'].mean())
+    centroid_lon = float(unique_blind_stops['lon'].mean())
     
-    # 사각지대 중심에서 가장 가까운 N버스 정류장을 3개 찾아 '환승 공유 구간'��로 설정
     dist_to_hub = np.sqrt((nbus_stops['lat'] - centroid_lat)**2 + (nbus_stops['lon'] - centroid_lon)**2)
     closest_hubs = nbus_stops.loc[dist_to_hub.nsmallest(3).index]
-    
-    # 환승 구간 시각화를 위해 경도 순으로 정렬 (일직선 형성)
-    transfer_pts = closest_hubs[['lat', 'lon']].values.tolist()
-    transfer_coords = sorted(transfer_pts, key=lambda x: x[1])
+    transfer_coords = sorted(closest_hubs[['lat', 'lon']].values.tolist(), key=lambda x: x[1])
     
     loop_stops = pd.concat([unique_blind_stops, closest_hubs]).drop_duplicates('stop_id')
-    
-    # Convex Hull(외곽선) 알고리즘으로 크고 깔끔한 루프 도출
     coords = loop_stops[['lat', 'lon']].values.tolist()
     hull_coords = get_convex_hull(coords)
     
-    hull_lats = [pt[0] for pt in hull_coords]
-    hull_lons = [pt[1] for pt in hull_coords]
+    hull_lats = [float(pt[0]) for pt in hull_coords]
+    hull_lons = [float(pt[1]) for pt in hull_coords]
     unique_blind_stops = unique_blind_stops[unique_blind_stops.apply(lambda r: any(abs(r['lat'] - hl) < 1e-6 and abs(r['lon'] - hlon) < 1e-6 for hl, hlon in zip(hull_lats, hull_lons)), axis=1)]
     
-    hull_coords.append(hull_coords[0]) # 루프 닫기
-    loop_coords = hull_coords
+    hull_coords.append(hull_coords[0])
+    loop_coords = [[float(pt[0]), float(pt[1])] for pt in hull_coords]
 
-# ==========================================
-# 6. Main Dashboard UI
-# ==========================================
 st.title("🚌 심야 대중교통 N버스-DRT 통합 대시보드")
-st.markdown("시간대에 따라 변화하는 핫스팟(상업지 → 주거지)을 따라 순환 노선이 자동 변경되며, N버스와 **환승 구간(Transfer Zone)** 을 공유합니다.")
 
 col1, col2 = st.columns([2, 1])
 
 with col1:
     m = folium.Map(location=[37.498, 127.027], zoom_start=15, tiles="CartoDB dark_matter")
     
-    # 격자
     for idx, row in current_grids.iterrows():
-        if row['risk_score'] > 0.3:
+        rs = float(row['risk_score'])
+        if rs > 0.3:
             folium.CircleMarker(
-                location=[row['lat'], row['lon']], radius=4,
-                color=None, fill=True, fill_color="red" if row['risk_score'] > threshold else "orange", fill_opacity=row['risk_score'],
-                popup=f"Risk: {row['risk_score']:.2f}"
+                location=[float(row['lat']), float(row['lon'])], radius=4,
+                color="red" if rs > threshold else "orange", weight=0, fill=True, 
+                fill_color="red" if rs > threshold else "orange", fill_opacity=float(rs),
+                popup=str(f"Risk: {rs:.2f}")
             ).add_to(m)
             
-    # 사각지대 정류장 (흰색)
     for idx, row in blind_stops.iterrows():
         folium.CircleMarker(
-            location=[row['lat'], row['lon']], radius=2, color="gray", fill=True, fill_color="gray", tooltip="일반 정류장 (심야버스 미운행)"
+            location=[float(row['lat']), float(row['lon'])], radius=2, color="gray", weight=0, fill=True, fill_color="gray", tooltip="일반 정류장"
         ).add_to(m)
         
-    # 실제 N버스 노선 (PolyLine)
     colors = ['cyan', 'lime', 'yellow']
     for i, route in enumerate(real_bus_routes):
         if route['coords']:
             folium.PolyLine(
-                locations=route['coords'], dash_array="15, 20",
-                color=colors[i % len(colors)], weight=4, opacity=0.6,
-                tooltip=f"실제 심야버스 노선: {route['name']}"
+                locations=[[float(pt[0]), float(pt[1])] for pt in route['coords']], dash_array="15, 20",
+                color=str(colors[i % len(colors)]), weight=4, opacity=0.6, tooltip=str(f"N버스: {route['name']}")
             ).add_to(m)
 
-    # DRT 루프 노선 (PolyLine - 보라색)
     if loop_coords:
         folium.PolyLine(
             locations=loop_coords, dash_array="10, 15",
-            color='purple', weight=5, opacity=0.9,
-            tooltip="🔥 사각지대 타겟 DRT 순환 노선"
+            color='purple', weight=5, opacity=0.9, tooltip="DRT 루프"
         ).add_to(m)
         
-        # [NEW] 환승 공유 구간 (Transfer Zone - 오렌지색 굵은 선)
         if len(transfer_coords) >= 2:
             folium.PolyLine(
-                locations=transfer_coords, dash_array="1, 10",
-                color='orange', weight=8, opacity=1.0,
-                tooltip="🔄 N버스 ↔ DRT 환승 구역 (Transfer Zone)"
+                locations=[[float(pt[0]), float(pt[1])] for pt in transfer_coords], dash_array="1, 10",
+                color='orange', weight=8, opacity=1.0, tooltip="환승 구역"
             ).add_to(m)
         
-        # DRT 정류장 마커
         for idx, row in unique_blind_stops.iterrows():
             folium.Marker(
-                location=[row['lat'], row['lon']], popup=f"DRT 승하차: {row['name']}",
+                location=[float(row['lat']), float(row['lon'])], popup=str(f"승하차: {row['name']}"),
                 icon=folium.Icon(color="purple", icon="bus", prefix="fa")
             ).add_to(m)
             
-    # 환승 거점 (N버스 정류장 3곳)
     if not closest_hubs.empty:
         for idx, row in closest_hubs.iterrows():
             folium.CircleMarker(
-                location=[row['lat'], row['lon']], radius=7, color="gold", fill=True, fill_color="orange", fill_opacity=0.8,
-                tooltip=f"🔄 환승 정류장: {row['name']}"
+                location=[float(row['lat']), float(row['lon'])], radius=7, color="gold", weight=2, fill=True, fill_color="orange", fill_opacity=0.8,
+                tooltip=str(f"환승: {row['name']}")
             ).add_to(m)
 
-    st_folium(m, width=800, height=500)
+    # st_folium 호출 시 직렬화 에러를 방지하기 위해 returned_objects=[] 옵션 추가
+    st_folium(m, width=800, height=500, returned_objects=[])
 
 with col2:
-    st.subheader("💡 다이내믹 루프 & 환승 시나리오")
-    st.info(f"현재 선택된 시간: **{selected_time}**\n\n시간대에 따른 가중치 변화로 타겟 지역이 상업지구와 주거지구 사이를 자연스럽게 넘나듭니다.")
-    
-    if not closest_hubs.empty:
-        hub_names = ", ".join(closest_hubs['name'].tolist())
-        st.warning(f"**🔥 환승 공유 구역 (Transfer Zone)**\n\nN버스 노선의 **'{hub_names}'** 정류장들을 DRT 루프가 그대로 따라 주행하며 겹칩니다. (지도 상 **빛나는 금색/오렌지색 선**)\n\n승객은 이 구역 내 아무 곳에서나 내려 N버스로 편하게 갈아탈 수 있습니다.")
-
-st.divider()
-st.subheader("📈 배차간격(대기 시간) 개선 효과")
-col_b, col_a, col_diff = st.columns(3)
-
-base_n_interval = 40
-drt_interval = max(5, 30 - drt_budget * 4)
-
-col_b.metric("사각지대 기존 배차간격", "운행 없음 (∞)", delta=None)
-col_a.metric("DRT 도입 후 사각지대", f"약 {drt_interval} 분", delta="-∞ 분 (신규 서비스 창출)", delta_color="normal")
-col_diff.metric("기존 N버스 배차간격 (간선)", f"약 {base_n_interval} 분", delta="유지", delta_color="off")
-
-st.markdown("> **결과**: 지도 상 빛나는 금색 선구간(환승 구역)에서 대기시간 없이 부드럽게 N버스로 갈아탈 수 있으며, 시간대에 맞춰 최적의 경로로 굽이치는 똑똑한 루프를 형성합니다.")
+    st.subheader("💡 시나리오")
+    st.info(f"선택 시간: **{selected_time}**")