본 논문은 자전거 공유 네트워크와 같은 공유 모빌리티 시스템의 이상 탐지를 위한 해석 가능한 프레임워크를 제시합니다. 자전거 대여 기록, 기상 조건, 대중교통 이용 가능성 등 다양한 데이터 소스를 통합하여 Isolation Forest 알고리즘을 이용한 비지도 학습 기반 이상 탐지를 수행하고, Depth-based Isolation Forest Feature Importance (DIFFI) 알고리즘을 통해 해석 가능성을 높였습니다. 정류장 단위 분석을 통해 기상 악화나 대중교통 이용 제한과 같은 외부 요인의 영향을 강조하며, 공유 모빌리티 운영 의사결정 개선에 기여하는 결과를 보였습니다.
