상권 분석, 부동산 개발, 마케팅 전략 수립, 교통 수요 예측 등 실무에 활용되는 대표적 유동인구 관련 데이터 유형을 구조화한 표
# | 데이터 유형 | 주요 변수 | 설명 | 제공기관 | 공간 단위 | 시간 단위 | 접근성 | Download link | Dataset ID / 비고 |
1 |  모바일 기반 위치 데이터 | 생활인구(성별·연령·시간대) | 통신 3사 GPS 이동 | 서울시 빅데이터담당관 | 집계구·행정동·자치구 | 일·시간 | 무료 | 시각화 전용(파일 CSV 제공) | |
2 | 기지국 접속 데이터 | 월·일 평균 유동인구 | 휴대폰 기지국 접속 | 경기도·SKT | 시·군·구 | 월·일 | 무료 | 15077704 | |
3 | 상권 유입(길단위인구) | 방문자수·체류시간 | 카드·통신 기반 상권 유동 | 서울신용보증재단 | 상권 | 일·시간 | 무료 | OA-15568 | |
4 | 보행자 계수기 센서 | 보행자수·이동속도 | S-DoT IoT 센서 | 서울 스마트도시정책과 | 센서 위치 | 실시간 | 무료 | OA-15964 | |
5 | 실시간 승·하차 인구 | 역별 탑승·하차 | 교통카드 연계 실시간 인구 | 서울교통공사 | 역 | 실시간 | 무료 | OA-21778 | |
6 | 카드 매출·결제액 추정 | 업종별 매출액·방문객 | 추정매출 모델 결과 | 서울신보·BC카드 | 상권 | 일·시간 | 무료 | OA-15572 | |
7 | 상업시설 출입객 | 쇼핑몰·백화점 유입 | 대형 시설 출입계수 | 서울신보 | 상권 | 일·시간 | 무료 | OA-15568 (시설유입) | |
8 | SNS·리뷰 LBS | 게시물·리뷰·태그 | SNS·지도 리뷰 기반 체류 | 서울신보·民간 | 상권 | 일·시간 | 무료 | ― | 공개 API 미개방 |
9 | CCTV 영상 분석 | 보행자수·동선 | CCTV+AI 유동 분석 | 서울 시설안전과 | 센서 위치 | 실시간 | 무료 | OA-15964 (영상분석) | |
10 | 차량 GPS 이동 | 택시·물류 경로 | 실시간 차량 GPS | 서울시·국토부 | 도로링크 | 실시간 | 무료 | OA-21778 (차량이동) | |
11 | 10 분 생활인구 | 인구수·성별·연령 | S-DoT 센서 집계 | 서울 스마트도시정책과 | 센서 위치 | 10 분 | 무료 | OA-15964 (10 분) | |
12 | 임대료·공실률 | 권역·면적대 임대료·수익률 | 오피스빌딩 시장지표 | 서울시 도시관리과 | 권역·빌딩 | 분기 | 무료 | 10613 | |
13 | 점포 수·창업·폐업 | 업종별 점포·창업·폐업 | 상권별 점포 현황 | 서울신보 | 상권 | 분기 | 무료 | OA-15577 | |
14 | 대중교통 OD Matrix | 버스·지하철 O/D | 노선·행정동 이동 | 서울시 TOPIS | 행정동·노선 | 월 | 무료 | OA-20501 | |
15 | 상업시설 출입객 (POS 기반) | POS 방문·거래건수 | 카드 단말 원시 카운트 | 서울신보·BC카드 | 상권 | 일·시간 | 무료 | OA-15568 (POS) |
참고사항:
•
서울 생활인구 데이터는 KT의 LTE 시그널 데이터를 활용하여 시간대별, 성별, 연령별 유동인구를 제공합니다. 이는 상권 분석 및 도시 계획에 유용하게 활용될 수 있습니다. data.seoul.go.kr
•
경기도 시군별 유동인구 데이터는 SK텔레콤의 데이터를 기반으로 하며, 시군구 단위의 월별, 일별 유동인구 정보를 제공합니다.
•
서울시 상권분석서비스는 카드사 및 통신사 데이터를 활용하여 상권 단위의 유동인구, 소비 패턴 등을 분석할 수 있는 정보를 제공합니다.
•
*스마트서울 도시데이터 센서(S-DoT)**는 서울시 전역에 설치된 센서를 통해 실시간 유동인구 데이터를 수집하며, 이는 도시 관리 및 정책 수립에 활용됩니다.
•
서울시 실시간 인구데이터는 대중교통 승하차 정보, 차량 이동 데이터 등을 포함하여 실시간으로 인구 이동을 파악할 수 있는 데이터를 제공합니다.
실무 활용 팁
•
상업시설 입지 분석 시: 모바일 위치 + 카드 소비 데이터 조합
•
관광지 유입 추정 시: 주말/공휴일 기준 이동량 + 교통 데이터
•
주거지 수요 분석 시: 출퇴근 시간대 기준 유출입 흐름 분석 (통신사+대중교통)
•
교통 인프라 평가 시: 지하철·버스 승하차 + 기지국 유동 추이 비교
•
고객 맞춤 마케팅 시: 앱 기반 위치 로그 + SNS 핫스팟 크롤링
활용 가능한 공공 API 예시
데이터 | 제공기관 | API명 | URL |
모바일 기반 유동인구 | 통계청 | KOSIS 유동인구 데이터 | |
통신사 기반 유동인구 | KT | 지오비전 API | 별도 제휴 필요 |
대중교통 승하차 데이터 | 서울 열린데이터광장 | 교통카드 데이터 API | data.seoul.go.kr |
상권 분석 | 소상공인시장진흥공단 | 상권정보시스템 API | sgis.kostat.go.kr |
필요하시면 지역별·시간대별 분석 예시나 Python 기반 시각화 예제도 함께 드릴 수 있습니다. 추가로 궁금하신 점 있으신가요?
•
투자 의사결정·위험관리 관점 ‘10대 핵심 분석 주제’
1.
상권 생애주기 파악 : 점포수·개업·폐업 추이로 - 성장·성숙·쇠퇴 단계 구분 → 리스크·수익률 예측
2.
유동·상주·직장 인구 대비 점포 과밀도 분석 : 인구 1,000명당 점포수로 과포화/미개척 상권 식별
3.
폐업률 이상치(Outlier) 탐지 : IQR·Prophet 계절조정 → 구조적 문제 vs 일시적 충격 구분
4.
프랜차이즈 집중도와 매출 안정성 상관 : 프랜차이즈비중(%) 폐업률(%) 상관계수·비선형 회귀
폐업률(%) 상관계수·비선형 회귀5.
상권-행정동 인구 흐름 클러스터링 : K-means·DBSCAN으로 ‘직주근접형·관광형·업무복합형’ 3~5군 추출
6.
직장인구 × 야간유동 지수로 ‘퇴근 타깃’ 업종 추천 : 편의식·F&B·야간서비스 매출 탄성 계산
7.
유동인구 급증 vs 점포수 변화 지연 구간 탐색 : 크로스 코리드(Cross-Corr) → 선제 출점 타이밍 포착
8.
소상공인 지표와의 통합 리스크 맵 : 카드매출·임대료·LTV 데이터 결합 → GIS 히트맵 시각화
9.
정책·개발 호재 시나리오 모델링 : GTX, 재개발 구역 변수 Dummy → 다중 회귀로 임대료·점포가치 예측
10.
머신러닝 기반 매출·임대료 Forecast : XGBoost·LSTM 입력 → 상권별 6-12개월 ahead 예측 오차 비교
필요 시 각 주제별 데이터 전처리 스크립트·모델링 템플릿·시각화 샘플을 바로 만들어 드릴 수 있습니다. 원하는 항목을 지정해 주세요!
•
데이터 개요
◦
기간·기준: 2024 Q4 서울시 전 상권
◦
샘플 수(상권): 1,650개 / 변수: 40개
◦
주요 필드: ▲상권구분(골목·발달·전통시장·관광특구) ▲유동·상주·직장 인구 ▲점포·개폐업·프랜차이즈 비중 ▲법정·행정동·배후지 매핑 등
•
결측치 진단
◦
상권배후지명 560건(34%) 결측 → 행정·법정동 기반 배후지 재정의 필요
◦
인구 관련 세부 항목 9건씩 누락(동일 상권) → 공적 API 재수집 후 일괄 보간 권장
•
상권 분포
◦
골목상권 1,090(66%), 전통시장 305, 발달상권 249, 관광특구 6
◦
상권 유형별 평균 유동인구: 관광특구 > 발달상권 > 골목상권 > 전통시장 (세부값은 원본 참조)
•
Top 10 유동인구 상권
◦
①종로·청계 관광특구 (42.4 M) ②강남역 ③명동·남대문권 … ⑩연남동(홍대)
◦
바 차트로 시각화 → 핵심 상권의 ‘초고밀 유동’ 집중 확인
•
상관관계(핵심 지표)
◦
유동인구–점포수 r≈0.52 → 유동 집객이 점포 밀집도와 동행
◦
점포수–총 직장인구 r≈0.65 → 근로지 기반 상권은 서비스 공급(점포) 동시 확대
◦
유동/상주·점포수 대비 폐업률·프랜차이즈 비중 상관 약함 → 리스크 요인은 구조적 변수보다 상권 특성·매출 변동성 가능성 시사
•
후속 고급 분석 제안
1.
리스크 스코어링: 카드매출·임대시세·평균 LTV API 결합 → Z-score 표준화·가중 지수화(GIS 히트맵)
2.
클러스터링: K-means로 ‘소형 주거상권·오피스혼재형·관광특구형’ 등 4~6개 군집 → 투자·출점 전략 차별화
3.
시계열 예측: Prophet/XGBoost로 유동·매출 추세 예측, 정책·이벤트 시나리오 반영
4.
공간회귀(Spatial Lag/SEM): 인접 상권 파급효과 계량 → 상권 간 경쟁·보완 관계 파악
•
데이터 품질·SEO 최적화 관점 체크리스트
◦
누락 배후지 보정 후 법정동코드+분기 PK 부여 → 재현성↑
◦
링크·API 메타데이터 필드(source_url,api_path) 추가 → 콘텐트 검색성·자동화 편의↑
◦
변수 한글명·영문명 병기, 카테고리 표준화(upper-snake) → 검색 인덱싱 최적화
•
FAQ
1.
Q. 결측치 보간 방법?
•
동일 행정동 타 상권 평균값 또는 KNN-Imputer(거리=상권종합지수) 추천
2.
Q. 배후지 미정 상권은 어떻게 처리?
•
상권 중심점→500 m 버퍼 내 인구격자(통계청) 집계로 가상 배후지 생성
3.
Q. 카드매출·임대료 데이터는 어디서?
•
신한카드 소상공인 매출 빅데이터 API, 서울시 공공데이터 ‘상권 임대시세’ CSV
전체 테이블·시각화는 상단 인터랙티브 뷰어에서 직접 확인·복사해 활용하세요.
