프로젝트명 (Runner Way)

프로젝트 개요

이 프로젝트는 사용자가 기록한 러닝 데이터를 바탕으로 맞춤형 코스 추천 및 경로 시각화를 제공하는 시스템입니다. 각 사용자별로 달리기, 산책, 자전거 코스 등을 추천하고, 경로의 경사도를 분석하여 사용자에게 최적의 운동 경험을 제공합니다.

주요 기능

• 경로 추천: 사용자 기록을 기반으로 유사한 코스를 찾아 추천
• 경로 시각화: 지도 상에서 경로를 시각화하고 경사도와 함께 표시
• 경사도 분석: DEM 데이터를 사용해 경사도 계산 및 내리막 경사도 계산 및 코스 난이도화
• 사용자 기록 관리: 사용자의 운동 기록(거리, 칼로리, 경과 시간 등)을 저장 및 분석
• 대결 모드: 랭커 혹은 나와의 대결 모드

Flow Chart

기술 고도화

• 캐시 사용
  • real-time에 대해서 반복적인 update 발생
    • redis(cache)의 key-value를 이용하여 real-time(참여자 수) update를 하고 특정 기간 (24시간)마다 데이터베이스(mysql) 반영
  • 가변성이 적은 data 조회
    • 자주 변화하지 않는 data에 대해서 redis(cache)에 저장 후 조회 시 성능 향상
  • 캐싱 처리 전 성능
  • 캐싱 처리 후 성능 (대략 14.68배 차이)
• 추천 알고리즘
  • data 부족 시 CBF, 충분한 data가 쌓여 있을 시 CF알고리즘 이용하여 하이브리드 필터 적용 추천
  • Python LightFm 라이브러리 사용

• 경사도 계산 알고리즘

  • 국토지리정보원에서 제공하는 DEM(국도 이미지) 이용하여 고도를 불러오고 고도를 이용하여 경사도 계산
  • FastApi 사용

  

• GPS기반 주변 러닝 코스 목록 조회

  • 매번 움직일 때 마다 조회하는 것은 DB에 부담이 큼
  • 갱신하는 버튼을 추가해서 갱신
  • 조회 시 H3 라이브러리 사용 혹은 구역을 미리 지정 후 구역별 조회

개발 현황

• API 개발 90% 완료

• 배포 현황
  • 배포 완료
  • https://j11b304.p.ssafy.io/api/secret/swagger-of-chuchu/swagger-ui/index.html

• flutter 현황

  하단 바 개발 완료 및 gps 경로 그리기 완료

  

• 추천 알고리즘 구현

  • LightFM Library를 사용하여 CF(Collaborate Filtering), CBF(Content Based Filtering) 을 함께 사용하는 Hybrid Filtering 구현
  • 사용자의 데이터가 적으면 CBF 많다면 CF로 자동 적용

  

• Elastic Search 적용

  • 글자 단위 연관 검색 및 자동완성 기능

• FAST API 적용

  • WebClient를 사용해 FAST API 사용

• Front 개발 현황

  • 로그인 페이지

  • 회원가입 페이지

  • 검색 결과 입력 시 Elastic Search를 활용한 검색어 매칭

  • 검색 결과 리스트 조회 및 정렬/필터링 기능

  • 메인 페이지

  • 정렬/필터링 기능

  • 러닝 상세 조회 페이지

  • 리뷰 페이지

  • 리뷰 작성 페이지

추후 개발 현황

• 유사도 알고리즘 개발
• Front 개발 및 apk 추출
• Front - Back 연결