← All Projects

03DIVE 2026 · 부가가치

2026.07.25 – 2026.07.26

부산 공공임대주택 맞춤 추천 서비스

부산도시공사 발제 해커톤 · 발제사 3위 · 서비스 개발 단독 담당 (데이터 분석 3 · 개발 1)

Next.js 16 · React 19 · TypeScript · Tailwind CSS · Zustand · Kakao Maps · Upstage Solar Pro 2 · Vercel

부가가치 대표 이미지 — 내 자격과 취향에 맞는 부산 공공임대주택 추천 서비스

Overview

부산도시공사 발제로 진행한 무박 2일 해커톤 결과물입니다. 내 자격으로 신청할 수 있는 공공임대주택을, 내 생활 취향에 맞춰 지도 위에서 찾아주는 서비스로, 데이터 분석 3명이 정리한 공공데이터를 받아 서비스 개발 전체를 단독으로 담당했습니다.

Problem

공공임대주택 정보는 공급자 중심의 모집 공고로 제공됩니다. 신청자는 자신이 어떤 유형에 해당하는지 판단하기 어렵고, 자격을 확인한 뒤에도 주변 생활 인프라는 주택마다 따로 검색해야 했습니다. 자격 판별과 생활권 탐색을 한 화면에서 끝내는 것이 목표였습니다.

Product

  • 공공임대 자격 확인 단계 화면
    자격 요건 필터링주택 소유 · 가구 · 소득/자산 · 지역을 단계별로 입력해 신청 가능한 유형만 남김
  • 생활 취향 설정과 추천 결과 지도 화면
    취향 기반 추천생활 취향 문항 응답을 반영해 필수·교육·취향 인프라 기준으로 주택을 추천
  • 지도에서 주변 생활 인프라를 확인하는 화면
    생활 인프라 확인주택별로 따로 검색하지 않고 지도에서 주변 상권·편의시설을 한눈에 확인
  • AI 챗봇과 대화하며 주택을 탐색하는 화면
    AI 주거 상담대화로 세부 조건을 좁히면 실제 주택 카드와 지도 마커로 연결

Recommendation

주택 추천은 생성형 AI가 아닌 Rule Engine + Hard Filter + Weighted Scoring으로 처리합니다. 공공임대는 자격 요건이 명확한 도메인이라, 추천 결과를 규칙으로 설명할 수 있어야 한다고 판단했습니다.

  1. User Input

    • Eligibility
    • Budget
    • Preferred Area
    • Lifestyle Preference

  2. Eligibility Rule Engine

    신청 가능 유형 판별

  3. Hard Filter

    • Budget
    • Area

  4. Weighted Scoring

    • Frequent Place Distance 30%
    • Living Infrastructure 25%
    • Childcare / School 20%
    • Preference Stores 15%
    • Quiet / Lively 10%

  5. Recommendation List

  6. Map Visualization

사용자가 응답하지 않은 항목은 가중치에서 제외하고 남은 항목을 100%로 재정규화합니다. 문항을 건너뛰어도 추천이 특정 축으로 치우치지 않게 하기 위한 처리입니다.

AI Chat

LLM은 추천 엔진이 아니라 대화형 탐색 UX에 사용했습니다. 응답에서 실제 주택 ID만 파싱해 서비스가 가진 주택 카드와 지도 마커에 연결하기 때문에, 존재하지 않는 주택이 답변에 등장하지 않습니다.

  1. Browser

  2. Next.js /api/chat

  3. Solar Pro 2

  4. Housing ID

  5. Housing Card · Map Marker

Vector DB, Embedding Search, RAG, Web Search는 사용하지 않았습니다. 355개 주택의 핵심 정보를 압축해 context로 전달하는 방식입니다.

Data

  • 주택 데이터 정합 과정을 정리한 자료
    주택 데이터팀이 정합한 마스터시트를 자격 필터링과 상세 페이지 DB로 사용
  • 상권 및 생활 인프라 데이터 구성을 정리한 자료
    인프라 데이터상권·생활·교육 인프라 데이터를 추천 점수 산출에 활용

  • Data Structure

    84,002행 원본에서 정합된 355 buildings · 9,022 units · 930 price conditions를 서비스 데이터로 사용

  • Coordinate System

    lon/lat처럼 보이던 값이 실제로는 EPSG:5181 평면좌표임을 확인하고 변환 후 거리 계산에 사용

  • Distance

    공원은 중심점이 아니라 경계까지의 거리를 기준으로 계산해 실제 접근성에 맞춤

Results

부산도시공사 발제사
3위부산도시공사 발제사
서비스 개발 단독
Solo서비스 개발 단독
Production 배포
VercelProduction 배포
시범 운영 제안
Pilot시범 운영 제안

수상 이후 부산도시공사로부터 청약센터 게시 및 시민 설문 기반 시범 운영을 제안받았습니다.

← Back to Portfolio