거주 인구와 유동 인구 함께 보기
결합 결과에서 거주 인구와 유동 인구를 비교하고 두 수치의 역할을 구분합니다.
이번 단계의 질문
그 지역에 사는 사람과 유동 인구를 왜 함께 봐야 할까요?
왜 지금 필요한가
거주 인구는 등록된 생활 인구의 규모를, 유동 인구는 특정 시점에 오가거나 머문 규모를 설명합니다. 업무·상업 지역은 두 값이 크게 다를 수 있어 하나만 보면 노출 맥락을 놓칩니다.
직접 해보기
파이프라인 목록에서 인구 데이터 결합 파이프라인, 시도 필터링 파이프라인, 시군구 필터링 파이프라인을 순서대로 실행합니다. 각 실행이 끝난 뒤 최근 실행 시각과 상태를 확인합니다.
컬렉션으로 돌아가 행정동 정보(region_dong)의 데이터 탭을 엽니다.
이 화면이 나오면 성공
각 행에 residents_population과 float_population이 함께 있고, 시도 필터 결과
(sido_filter)와 시군구 필터 결과(sigungu_filter)에도 최신 버전이 생기면 됩니다.
결과를 읽어 봅니다
예를 들어 거주 인구가 7,510이고 유동 인구가 5,154라면 “주민이 2,356명 더 많다”는 차이는 말할 수 있지만, 그 차이만으로 위험하다고 단정할 수는 없습니다. 다음 단계에서 환자·진료소·핫스팟이라는 보건 맥락을 더합니다.
두 수치는 다음처럼 읽으면 활용 방향이 선명해집니다.
| 관찰 패턴 | 가능한 해석 | 다음에 함께 볼 값 |
|---|---|---|
| 유동 인구가 거주 인구보다 크다 | 출퇴근·상업 활동처럼 외부 체류가 많은 지역일 수 있다 | 핫스팟 위치와 발생 시간대 |
| 거주 인구가 유동 인구보다 크다 | 생활권 중심 지역일 수 있다 | 거주 환자 수와 진료소 접근성 |
| 두 값이 모두 크다 | 많은 사람이 생활하고 이동하는 지역일 수 있다 | 인접 동 대비 환자·핫스팟 비율 |
| 한 값이 비어 있다 | 위험 신호가 아니라 데이터 품질 문제일 수 있다 | 원본 적재 시각과 누락 지역 |
중계4동 예제에서는 거주 인구가 유동 인구보다 약 46% 큽니다. 이 값은 “위험도가 46% 높다”는 뜻이 아니라, 등록 주민 규모에 비해 관찰된 유동 규모가 작다는 지역 특성입니다. 따라서 다음 질문은 “이 생활권에 연결된 환자와 핫스팟은 몇 개인가?”가 됩니다.
다음 판단
인구 차이가 의미 있는지 판단하려면 같은 동에 연결된 환자, 진료소, 동선 교차 지점을 함께 봅니다.