대한민국 소멸위험도 분석 앱

공공데이터포털 API 인증키를 활용한 정보·데이터과학 프로젝트

1. 프로젝트 개요

이 앱은 시군구별 인구 변화, 청년 인구, 출생률, 사망률 데이터를 분석하여 지역 소멸위험도를 계산하고 10년 후 인구 변화를 예측하는 학습용 웹앱입니다.

분석 대상
시군구별 인구 감소
핵심 지표
청년 인구, 고령 인구, 출생·사망
예측 목표
10년 후 인구와 위험도
결과 활용
정책 제안, 지도 시각화

2. 사용 가능한 공공데이터 API

API활용 데이터분석 목적
통계청 KOSIS인구, 출생률, 사망률, 고령화율장기 인구 추세 분석
주민등록인구통계시군구별 주민등록 인구지역별 인구 감소 파악
지방행정인허가 데이터상권, 병원, 학교, 생활시설생활 인프라 변화 분석
수업용 안내: 실제 API 호출은 인증키와 세부 URL이 필요하므로, 이 HTML은 기본적으로 샘플 데이터로 작동합니다. 인증키를 입력하면 프로젝트 설계서에 활용할 수 있습니다.

3. 소멸위험도 분석 앱

분석 버튼을 누르면 결과가 표시됩니다.

4. 지난 30년 + 앞으로 10년 추세선

※ 실제 수업에서는 KOSIS 또는 주민등록인구통계 API에서 연도별 데이터를 받아 이 그래프에 연결합니다.

5. 분석 결과에 따른 정책 제안

청년 정착 정책

청년 주거비 지원, 지역 창업 공간, 원격근무 거점센터 조성

교육·돌봄 정책

소규모 학교 연계형 돌봄센터, 방과후 AI·SW 교육 확대

생활 인프라 정책

응급의료, 대중교통, 공공 와이파이, 문화시설 접근성 개선

스마트 농촌 정책

스마트팜, 지역 데이터센터, 농산물 온라인 유통 플랫폼 구축

핵심 인사이트

청년 유출고령화 심화출생률 감소생활 인프라 축소

6. 파이썬 분석 예시 코드

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 예시 데이터: 실제 수업에서는 공공데이터 API 결과로 대체
 years = list(range(1996, 2027))
population = [42000,41000,39800,39000,38200,37500,36800,36000,35200,34500,
              33800,33100,32500,31800,31200,30600,30000,29400,28800,28200,
              27600,27100,26600,26200,25800,25500,25200,24900,24600,24300,24000]

df = pd.DataFrame({'year': years, 'population': population})

X = df[['year']]
y = df['population']
model = LinearRegression()
model.fit(X, y)

future_years = pd.DataFrame({'year': list(range(2027, 2037))})
future_pred = model.predict(future_years)

plt.rcParams['font.family'] = 'Malgun Gothic'
plt.rcParams['axes.unicode_minus'] = False
plt.plot(df['year'], df['population'], marker='o', label='실제 인구')
plt.plot(future_years['year'], future_pred, marker='x', linestyle='--', label='예측 인구')
plt.title('지역 인구 변화와 10년 후 예측')
plt.xlabel('연도')
plt.ylabel('인구')
plt.legend()
plt.grid(True)
plt.show()

# 소멸위험지수 = 20~39세 여성 인구 / 65세 이상 인구
young_women = 2300
old_people = 9800
risk_index = young_women / old_people
print('소멸위험지수:', round(risk_index, 3))