KR101774871B1 - 환경 오염 예측 시스템 및 방법 - Google Patents
환경 오염 예측 시스템 및 방법 Download PDFInfo
- Publication number
- KR101774871B1 KR101774871B1 KR1020150017827A KR20150017827A KR101774871B1 KR 101774871 B1 KR101774871 B1 KR 101774871B1 KR 1020150017827 A KR1020150017827 A KR 1020150017827A KR 20150017827 A KR20150017827 A KR 20150017827A KR 101774871 B1 KR101774871 B1 KR 101774871B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- environmental pollution
- satellite image
- learning
- target area
- Prior art date
Links
- 238000003912 environmental pollution Methods 0.000 title claims abstract description 283
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000010191 image analysis Methods 0.000 claims abstract description 65
- 238000007405 data analysis Methods 0.000 claims abstract description 35
- 238000013480 data collection Methods 0.000 claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000003915 air pollution Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 239000005431 greenhouse gas Substances 0.000 claims 2
- 230000007613 environmental effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 3
- 229930002868 chlorophyll a Natural products 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- DNJIEGIFACGWOD-UHFFFAOYSA-N ethanethiol Chemical compound CCS DNJIEGIFACGWOD-UHFFFAOYSA-N 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/20—Adaptations for transmission via a GHz frequency band, e.g. via satellite
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Astronomy & Astrophysics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
위성 영상 및/또는 소셜 네트워크 서비스에 게시된 게시물로부터 환경 오염을 예측할 수 있는 환경 오염 예측 시스템 및 방법이 개시된다. 본 발명의 일 측면에 따르면, 소정의 수집 기간 동안 각각의 단위 시간 별로 대상 지역의 지표면을 촬영한 복수의 위성 영상 데이터를 수집하는 위성영상데이터 수집모듈, 상기 복수의 위성 영상 데이터 각각에 대하여, 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성하고, 생성된 상기 복수의 위성 영상 분석 데이터를 포함하는 위성 영상 분석 데이터 세트를 생성하는 위성영상데이터 분석모듈, 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 실측데이터 수집모듈, 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 환경 오염 데이터 세트를 생성하는 실측데이터 분석모듈, 상기 위성 영상 분석 데이터 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습모듈 및 상기 위성 영상 데이터 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상으로부터 예측 환경 오염 데이터를 생성하는 예측모듈을 포함하는 환경 오염 예측 시스템이 제공된다.
Description
본 발명은 환경 오염 예측 시스템 및 방법에 관한 것이다. 보다 상세하게는 위성 영상 및/또는 소셜 네트워크 서비스에 게시된 게시물로부터 환경 오염을 예측할 수 있는 환경 오염 예측 시스템 및 방법에 관한 것이다.
본 발명은 "환경 재난 재해의 조기 감지를 위한 다형 영상 및 복합 센서 데이터 기반의 분석 예측 기술 개발" 사업에서 수행하는 "국토환경 공간스캐닝 모니터링 기술"의 개발 과정에서 도출된 것이다.
최근 환경에 대한 관심이 높아지고, 우리의 생활에 직접적인 영향을 줄 수 있다는 인식이 높아짐에 따라 수질 오염이나 대기오염과 같은 각종 환경 오염을 정확하게 측정하고 예측할 필요성이 높아지고 있다.
종래에는 측정 대상이 되는 지역에 환경 오염과 관련된 데이터를 수집할 수 있는 센서(예를 들면, 녹조센서, 대기센서 등)를 다수 배치하고 배치된 센서를 통해 수집된 정보를 통해 환경 요인을 판단하는 방법이 이용되고 있었다. 하지만, 이러한 방법은 수집 당시의 환경 요인을 분석, 판단할 수 있는 방법에 불과하며, 향후에 환경 요인이 어떻게 변화할지에 대한 결과는 제시하지 못한다는 문제점이 있다.
또한, 환경 요인 분석에 대한 정확도를 높이기 위해서는 다수의 센서가 배치되어야 하는데, 여기에 매우 비용이 많이 소요된다는 문제점도 있으며, 지역의 특성에 따라서는 센서를 배치하기 어려운 경우도 많다.
따라서, 비교적 간단한 방법으로 데이터를 수집할 수 있는 위성 영상이나 최근 많이 이용하고 있는 SNS을 통해 환경 오염을 예측하는 방법에 대한 요구가 대두되고 있는 상황이다.
본 발명이 해결하고자 하는 과제는 위성 영상 및/또는 소셜 네트워크 상에서 사용자들이 게시하는 게시물로부터 환경 오염을 정확하게 예측할 수 있는 시스템을 제공하는 것이다.
본 발명의 일 측면에 따르면, 소정의 수집 기간 동안 각각의 단위 시간 별로 대상 지역의 지표면을 촬영한 복수의 위성 영상 데이터를 수집하는 위성영상데이터 수집모듈, 상기 복수의 위성 영상 데이터 각각에 대하여, 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성하고, 생성된 상기 복수의 위성 영상 분석 데이터를 포함하는 위성 영상 분석 데이터 세트를 생성하는 위성영상데이터 분석모듈, 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 실측데이터 수집모듈, 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 환경 오염 데이터 세트를 생성하는 실측데이터 분석모듈, 상기 위성 영상 분석 데이터 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습모듈 및 상기 위성 영상 데이터 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상으로부터 예측 환경 오염 데이터를 생성하는 예측모듈을 포함하는 환경 오염 예측 시스템이 제공된다.
일 실시예에서, 상기 학습모듈은, 상기 수집 기간 동안의 각각의 단위 시간 별로 해당 단위 시간의 위성 영상 분석 데이터 및 해당 단위 시간의 환경 오염 데이터에 대한 기계학습을 수행하여, 상기 위성 영상 분석 데이터 세트와 상기 환경 데이터 세트 간의 연관관계 정보를 생성할 수 있다.
일 실시예에서, 상기 환경 오염 데이터는 상기 대상 지역에 위치하는 하천의 수질 데이터이며, 상기 센서는 녹조 센서일 수 있다.
일 실시예에서, 상기 위성영상데이터 분석모듈은, 상기 위성 영상 데이터에 나타난 하천 부분의 색상을 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성할 수 있다.
일 실시예에서, 상기 환경 오염 데이터는 상기 대상 지역의 대기 오염도 데이터이며, 상기 센서는 대기 센서일 수 있다.
일 실시예에서, 상기 위성영상데이터 분석모듈은, 상기 위성 영상 데이터의 투명도를 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성할 수 있다.
일 실시예에서, 상기 환경 오염 예측 시스템은, 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역의 대기환경 데이터를 수집하는 대기환경데이터 수집모듈을 더 포함하고, 상기 위성영상데이터 분석모듈은, 상기 위성 영상 데이터가 촬영된 단위 시간에 상응하는 대기환경 데이터에 기초하여 상기 위성 영상 데이터를 보정한 후 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성할 수 있다.
일 실시예에서, 상기 환경 오염 예측 시스템은, 상기 수집 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 환경 오염 관련 키워드 세트를 생성하는 키워드 수집모듈을 더 포함하되, 상기 학습모듈은, 상기 위성 영상 분석 데이터 세트 및 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성하고, 상기 예측모듈은, 상기 위성 영상 데이터 세트 및 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상 및 상기 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 상기 예측 환경 오염 데이터를 생성할 수 있다.
일 실시예에서, 상기 학습모듈은, 상기 수집 기간 동안의 각각의 단위 시간 별로 해당 단위 시간의 위성 영상 분석 데이터, 해당 단위 시간의 환경 오염 관련 키워드 및 해당 단위 시간의 환경 오염 데이터에 대한 기계학습을 수행하여, 상기 위성 영상 분석 데이터 세트 및 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성할 수 있다.
일 실시예에서, 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물은, 상기 대상 지역 또는 상기 대상 지역으로부터 일정 범위 내의 지역에 위치하는 사용자의 단말이 상기 소셜 네트워크 서비스에 게시한 게시물일 수 있다.
본 발명의 다른 일 측면에 따르면, 소정의 수집 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 환경 오염 관련 키워드 세트를 생성하는 키워드 수집모듈, 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 센서데이터 수집모듈, 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 환경 오염 데이터 세트를 생성하는 실측데이터 분석모듈, 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습모듈 및 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성하는 예측모듈을 포함하는 환경 오염 예측 시스템이 제공된다.
본 발명의 다른 일 측면에 따르면, 환경 오염 예측 시스템이, 소정의 수집 기간 동안 각각의 단위 시간 별로 대상 지역의 지표면을 촬영한 복수의 위성 영상 데이터를 수집하는 위성영상데이터 수집단계, 상기 환경 오염 예측 시스템이, 상기 복수의 위성 영상 데이터 각각에 대하여, 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성하고, 생성된 상기 복수의 위성 영상 분석 데이터를 포함하는 위성 영상 분석 데이터 세트를 생성하는 위성영상데이터 분석단계, 상기 환경 오염 예측 시스템이, 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 센서데이터 수집단계, 상기 환경 오염 예측 시스템이, 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 환경 오염 데이터 세트를 생성하는 실측데이터 분석단계, 상기 환경 오염 예측 시스템이, 상기 위성 영상 분석 데이터 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습단계 및 상기 환경 오염 예측 시스템이, 상기 위성 영상 데이터 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상으로부터 예측 환경 오염 데이터를 생성하는 예측단계를 포함하는 환경 오염 예측 방법이 제공된다.
일 실시예에서, 상기 환경 오염 데이터는 상기 대상 지역에 위치하는 하천의 수질 데이터이며, 상기 센서는 녹조 센서일 수 있다.
일 실시예에서, 상기 위성영상데이터 분석단계는, 상기 위성 영상 데이터에 나타난 하천 부분의 색상을 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 환경 오염 데이터는 상기 대상 지역의 대기 오염도 데이터이며, 상기 센서는 대기 센서일 수 있다.
일 실시예에서, 상기 위성영상데이터 분석단계는, 상기 위성 영상 데이터의 투명도를 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 환경 오염 예측 방법은, 상기 수집 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 환경 오염 관련 키워드 세트를 생성하는 키워드 수집단계를 더 포함하되, 상기 학습단계는, 상기 위성 영상 분석 데이터 세트 및 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 단계를 포함하고, 상기 예측단계는, 상기 위성 영상 데이터 세트 및 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상 및 상기 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 상기 예측 환경 오염 데이터를 생성하는 단계를 포함할 수 있다.
본 발명의 다른 일 측면에 따르면, 환경 오염 예측 시스템이, 소정의 수집 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 환경 오염 관련 키워드 세트를 생성하는 키워드 수집단계, 상기 환경 오염 예측 시스템이, 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 센서데이터 수집단계, 상기 환경 오염 예측 시스템이, 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 환경 오염 데이터 세트를 생성하는 실측데이터 분석단계, 상기 환경 오염 예측 시스템이, 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습단계 및 상기 환경 오염 예측 시스템이, 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성하는 예측단계를 포함하는 환경 오염 예측 방법이 제공된다.
본 발명의 다른 일 측면에 따르면, 데이터 처리장치에 설치되며 상술한 방법을 수행하기 위해 기록매체에 저장된 컴퓨터 프로그램이 제공된다.
본 발명의 다른 일 측면에 따르면, 환경 오염 예측 시스템으로서, 프로세서 및 상기 프로세서에 의하여 실행되는 컴퓨터 프로그램을 저장하는 메모리를 포함하며, 상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 환경 오염 예측 시스템이, 상술한 방법을 수행하도록 하는 환경 오염 예측 시스템이 제공된다.
본 발명의 일 실시예에 따르면, 위성 영상으로부터 환경 오염을 정확하게 예측할 수 있다. 또한 소셜 네트워크 상에서 사용자들이 게시하는 게시물로부터 환경 오염을 정확하게 예측할 수 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시예에 따른 환경 오염 예측 시스템의 구동환경을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 환경 오염 예측 시스템의 구성을 개략적으로 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 환경 오염 예측 방법을 나타낸 흐름도이다.
도 4는 본 발명의 다른 일 실시예에 따른 환경 오염 예측 방법을 나타낸 흐름도이다.
도 5는 본 발명의 다른 일 실시예에 따른 환경 오염 예측 방법을 나타낸 흐름도이다.
도 1은 본 발명의 일 실시예에 따른 환경 오염 예측 시스템의 구동환경을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 환경 오염 예측 시스템의 구성을 개략적으로 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 환경 오염 예측 방법을 나타낸 흐름도이다.
도 4는 본 발명의 다른 일 실시예에 따른 환경 오염 예측 방법을 나타낸 흐름도이다.
도 5는 본 발명의 다른 일 실시예에 따른 환경 오염 예측 방법을 나타낸 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에 있어서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예들을 중심으로 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 환경 오염 예측 시스템의 구동환경을 개략적으로 나타내는 도면이다. 본 발명의 일 실시예에 따른 환경 오염 예측 방법이 구현되기 위하여 환경 오염 예측 시스템(100)이 구비될 수 있다.
상기 환경 오염 예측 시스템(100)은 환경 오염의 예측 대상이 되는 특정 지역(이하, '대상 지역'이라고 함)의 환경 오염을 예측할 수 있다.
도 1에 도시된 바와 같이, 상기 환경 오염 예측 시스템(100)은 상기 대상 지역의 상공에 있는 위성(200)이 촬영한 상기 대상 지역의 지표면에 대한 위성 영상 데이터를 수집할 수 있다.
또한, 상기 환경 오염 예측 시스템(100)은 소정의 소셜 네트워크 서비스 제공 서버(300)에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드를 수집할 수 있다. 상기 환경 오염 관련 키워드는 예를 들어, "냄새", "오염" 등 미리 지정된 키워드일 수 있다.
한편, 상기 대상 지역에 상응하는 게시물이라고 함은 상기 대상 지역과 관련된 키워드로서, 예를 들어 상기 대상 지역의 지명 혹은 상기 대상 지역으로부터 일정 범위 내에 있는 지역의 지명 등일 수 있다.
또한, 상기 대상 지역에 상응하는 게시물이라고 함은 상기 대상 지역의 인근에 위치하고 있는 사용자가 게시한 게시물 일 수 있다. 즉, 상기 대상 지역 또는 상기 대상 지역으로부터 일정 범위 내의 지역에 위치하는 사용자의 단말이 상기 소셜 네트워크 서비스에 게시한 게시물일 수도 있다.
또한 상기 환경 오염 예측 시스템(100)은 상기 대상 지역에 설치된 복수의 센서(400-1 내지 400-M)가 측정한 실측 데이터를 수집할 수 있다. 상기 실측 데이터는 환경 오염의 정도를 확인할 수 있는 데이터로서, 녹조센서, 미세먼지센서, 클로로필-a센서, 탁도센서 등을 포함할 수 있다.
상기 환경 오염 예측 시스템(100)은 일정한 기간(수집 기간)동안 각각의 단위 시간 별로, 위상 영상 데이터, 환경 오염 관련 키워드 및 실측 데이터를 수집할 수 있다. 즉, 상기 환경 오염 예측 시스템(100)은 상기 수집 기간 동안 매 단위 시간에 될 때마다 위상 영상 데이터, 환경 오염 관련 키워드 및 실측 데이터를 수집할 수 있다. 따라서, 특정 단위 시간에 상응하는 위상 영상 데이터, 환경 오염 관련 키워드 및 실측 데이터는 동일한 시간(즉, 상기 특정 단위 시간)에 수집된 데이터일 수 있다.
한편, 상기 환경 오염 예측 시스템(100)은 상기 수집 기간이 경과한 후의 일정 시점(이하, '예측 시간'이라고 함)에서 환경 오염의 정도를 예측할 수 있다. 상기 환경 오염 예측 시스템(100)은 상기 예측 시간에서 예측된 환경 오염의 정도를 나타내는 예측 환경 오염 데이터를 생성할 수 있다.
보다 상세하게는 상기 환경 오염 예측 시스템(100)은 상기 수집 기간 내의 매 단위 시간마다 수집되는 복수의 위성 영상 데이터 각각을 분석하여, 해당 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성할 수 있으며, 생성된 복수의 위성 영상 분석 데이터를 포함하는 위성 영상 분석 데이터 세트를 생성할 수 있다.
또한, 상기 환경 오염 예측 시스템(100)은 상기 수집 기간 내의 매 단위 시간마다 수집되는 환경 오염 관련 키워드를 포함하는 환경 오염 키워드 세트를 생성할 수 있다.
또한, 상기 환경 오염 예측 시스템(100)은 상기 수집 기간 내의 매 단위 시간마다 수집되는 복수의 실측 데이터 각각을 분석하여, 해당 실측 데이터에 상응하는 환경 오염 데이터를 생성할 수 있으며, 생성된 복수의 환경 오염 데이터를 포함하는 환경 오염 데이터 세트를 생성할 수 있다.
한편, 상기 환경 오염 예측 시스템(100)은 생성된 상기 위성 영상 데이터 세트 및/또는 상기 환경 오염 관련 키워드 세트와 생성된 상기 환경 오염 데이터 세트간의 연관관계 정보를 생성할 수 있으며, 이후 생성된 연관관계 정보를 이용하여 소정의 예측 시간에 수집된 위성 영상(예측 대상 위성 영상) 및/또는 상기 예측 시간에 상기 소셜 네트워크 제공 시스템(300)이 제공하는 SNS에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성할 수 있다. 즉, 상기 예측 환경 오염 데이터는 소정의 예측 시간에 수집된 위성 영상(예측 대상 위성 영상) 및/또는 상기 예측 시간에 상기 소셜 네트워크 제공 시스템(300)이 제공하는 SNS에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측되는 환경 오염 정도에 관한 정보일 수 있다.
이하에서는 도 2를 참조하여, 상기 환경 오염 예측 시스템(100)의 세부 고성에 대하여 보다 상세하게 설명하기로 한다. 도 2는 본 발명의 일 실시예에 따른 환경 오염 예측 시스템의 구성을 개략적으로 나타내는 도면이다.
도 2에 도시된 바와 같이, 상기 환경 오염 예측 시스템(100)은 위성 영상 데이터 수집모듈(110), 위성영상데이터 분석모듈(120), 실측데이터 수집모듈(130), 실측데이터 분석모듈(140), 학습모듈(150), 예측모듈(160), 대기환경데이터 수집모듈(170), 키워드 수집모듈(180)을 포함할 수 있다.
본 발명의 실시예에 따라서는, 상술한 구성요소들 중 일부 구성요소는 반드시 본 발명의 구현에 필수적으로 필요한 구성요소에 해당하지 않을 수도 있으며, 또한 실시예에 따라 상기 환경 오염 예측 시스템(100) 이보다 더 많은 구성요소를 포함할 수도 있음은 물론이다. 예를 들어 상기 환경 오염 예측 시스템(100)은 상기 환경 오염 예측 시스템(100)의 다른 구성 요소(예를 들면, 위성 영상 데이터 수집모듈(110), 위성영상데이터 분석모듈(120), 실측데이터 수집모듈(130), 실측데이터 분석모듈(140), 학습모듈(150), 예측모듈(160), 대기환경데이터 수집모듈(170) 및/또는 키워드 수집모듈(180))의 기능 및/또는 리소스를 제어할 수도 있는 제어모듈(미도시)을 더 포함할 수 있다.
상기 환경 오염 예측 시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 필요한 하드웨어 리소스(resource) 및/또는 소프트웨어를 구비할 수 있으며, 반드시 하나의 물리적인 구성요소를 의미하거나 하나의 장치를 의미하는 것은 아니다. 즉, 상기 환경 오염 예측 시스템(100) 은 본 발명의 기술적 사상을 구현하기 위해 구비되는 하드웨어 및/또는 소프트웨어의 논리적인 결합을 의미할 수 있으며, 필요한 경우에는 서로 이격된 장치에 설치되어 각각의 기능을 수행함으로써 본 발명의 기술적 사상을 구현하기 위한 논리적인 구성들의 집합으로 구현될 수도 있다. 또한, 상기 환경 오염 예측 시스템(100) 은 본 발명의 기술적 사상을 구현하기 위한 각각의 기능 또는 역할별로 별도로 구현되는 구성들의 집합을 의미할 수도 있다. 예를 들면, 상기 위성 영상 데이터 수집모듈(110), 위성영상데이터 분석모듈(120), 실측데이터 수집모듈(130), 실측데이터 분석모듈(140), 학습모듈(150), 예측모듈(160), 대기환경데이터 수집모듈(170) 및/또는 키워드 수집모듈(180)은 서로 다른 물리적 장치에 위치할 수도 있고, 동일한 물리적 장치에 위치할 수도 있다. 또한, 구현 예에 따라서는 상기 위성 영상 데이터 수집모듈(110), 위성영상데이터 분석모듈(120), 실측데이터 수집모듈(130), 실측데이터 분석모듈(140), 학습모듈(150), 예측모듈(160), 대기환경데이터 수집모듈(170), 키워드 수집모듈(180) 등 각각의 개별 모듈을 구성하는 세부요소들 역시 서로 다른 물리적 장치에 위치하고, 서로 다른 물리적 장치에 위치한 세부요소들이 서로 유기적으로 결합되어 각각의 개별 모듈이 수행하는 기능을 실현할 수도 있다.
또한, 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예를 들면, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.
상기 위성영상데이터 수집모듈(110)은 소정의 수집 기간 동안 각각의 단위 시간 별로 대상 지역의 지표면을 촬영한 복수의 위성 영상 데이터를 수집할 수 있다. 상술한 바와 같이, 상기 위성 영상 데이터는 상기 대상 지역의 상공에 있는 위성(200)에 의해 촬영되는 영상 데이터일 수 있다. 상기 위성영상데이터 수집모듈(110)은 매 단위 시간마다 상기 위성(200)에 의해 촬영되는 상기 대상 지역의 지표면에 대한 위성 영상 데이터를 수집할 수 있으며, 상기 수집 기간 동안 위성 영상 데이터를 수집할 수 있다.
도 3은 위성 영상 데이터의 일 예를 나타내는 도면이다. 도 3에 도시된 바와 같이, 상기 위성 영상 데이터에는 하천부분이 포함될 수 있다. 즉 도 3의 예시에서 상기 대상 지역은 하천을 포함할 수 있다.
한편, 상기 위성영상데이터 분석모듈(120)은 상기 복수의 위성 영상 데이터 각각에 대하여, 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성하고, 생성된 상기 복수의 위성 영상 분석 데이터를 포함하는 데이터군(이하, '위성 영상 분석 데이터 세트'라고 함)을 생성할 수 있다.
상기 위성영상데이터 분석모듈(120)이 각각의 위성 영상 데이터를 분석하는 방법은 상기 환경 오염 예측 시스템(100)이 예측하는 오염의 종류에 따라 달라질 수 있다. 실시예에 따라 상기 위성영상데이터 분석모듈(120)은 각각의 위성 영상 데이터의 색상이나 투명도 등을 분석할 수 있으며, 보다 구체적인 방법에 대하여는 후술하기로 한다.
한편, 상기 실측데이터 수집모듈(130)은 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서(400-1 내지 400-M)로부터 감지된 복수의 실측 데이터를 수집할 수 있다. 상기 센서(400-1 내지 400-M)은 상기 상기 환경 오염 예측 시스템(100)이 예측하는 오염의 종류에 따라 달라질 수 있으며, 예를 들어, 상기 상기 환경 오염 예측 시스템(100)이 하천의 수질을 예측하는 시스템인 경우, 상기 센서(400-1 내지 400-M)는 수질의 정도를 파악할 수 있는 수질 감지 센서(예를 들면, 탁도 센서, 녹조 센서, 클로로필-a 센서)일 수 있다. 또는 상기 상기 환경 오염 예측 시스템(100)이 대기 오염도를 예측하는 시스템인 경우, 상기 센서(400-1 내지 400-M)는 대기 오염도를 예측할 수 있는 센서(예를 들면, 미세먼지 센서 등)일 수 있다.
한편, 상기 실측데이터 분석모듈(140)은 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 데이터군(이하, '환경 오염 데이터 세트'라고 함)을 생성할 수 있다.
일 실시예에서, 상기 환경 오염 데이터는 상기 대상 지역에 위치하는 하천의 수질 데이터일 수 있으며, 상기 센서(400-1 내지 400-M)은 상기 하천의 수질을 확인할 수 있는 수질 감지 센서일 수 있다. 예를 들면, 상기 수질 감지는 녹조 센서, 클로로필-a 감지 센서 및/또는 탁도 센서일 수 있다. 이 경우, 상기 위성영상데이터 분석모듈(120)은 상기 위성 영상 데이터에 나타난 하천 부분의 색상을 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성할 수 있다. 하천의 수질에 따라 상기 하천 부분의 색상이 달리 결정될 수 있기 때문이다. 본 실시예에서, 상기 위성영상데이터 분석모듈(120)에 의해 생성되는 각 위성 영상 데이터의 분석 결과는 해당 위성 영상 데이터에 나타난 하천 부분에 포함된 각 픽셀 혹은 일정한 픽셀군 마다 부여되는 수치 값(예를 들면, 각 픽셀의 색상 값 등)일 수도 있으며, 각 픽셀 혹은 일정한 픽셀군 마다 부여되는 수치 값에 결정되는 소정의 수치 값(예를 들면, 평균 값 등)일 수도 있다.
다른 일 실시예에서, 상기 환경 오염 데이터는 상기 대상 지역의 대기 오염도 데이터이며, 상기 센서(400-1 내지 400-M)는 상기 대상 지역의 대기 오염도를 확인할 수 있는 대기 센서일 수 있다. 예를 들면 상기 대기 센서는 미세 먼지 센서일 수 있다. 이 경우, 상기 위성영상데이터 분석모듈(120)은 상기 위성 영상 데이터의 투명도를 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성할 수 있다. 상기 대상 지역의 대기 오염도에 따라 상기 대상 지역을 촬영한 영상의 투명도가 달리 결정될 수 있기 때문이다. 본 실시예에서, 상기 위성영상데이터 분석모듈(120)에 의해 생성되는 각 위성 영상 데이터의 분석 결과는 해당 위성 영상 데이터에 포함된 각 픽셀 혹은 일정한 픽셀군 마다 부여되는 수치 값(예를 들면, 각 픽셀의 투명도 등)일 수도 있으며, 각 픽셀 혹은 일정한 픽셀군 마다 부여되는 수치 값에 결정되는 소정의 수치 값(예를 들면, 평균 값 등)일 수도 있다.
한편, 상기 위성(200)이 촬영한 상기 대상 지역의 지표면을 촬영한 위성 영상은 상기 대상 지역의 대기 환경(예를 들면, 습도, 구름, 풍향 등)에 따라 달라질 수 있다. 따라서, 일 실시예에서, 상기 위성영상데이터 분석모듈(120)은 상기 복수의 위성 영상 데이터 각각을 보정한 후 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성할 수 있다. 이를 위하여, 상기 대기환경데이터 수집모듈(170)은 상기 수집 기간 동안 각각의 단위 시간 별로 상기 대상 지역의 대기환경 데이터를 수집할 수 있으며, 상기 위성영상데이터 분석모듈(120)은 상기 위성 영상 데이터가 촬영된 단위 시간에 상응하는 대기환경 데이터에 기초하여 상기 위성 영상 데이터를 보정할 수 있다.
상기 대기환경데이터 수집모듈(170)은 소정의 대기환경 데이터 제공 서버(예를 들면, 기상청 서버 등)로부터 상기 대상 지역의 대기 환경 데이터를 수집할 수 있으며, 상기 대기환경 데이터는 상기 대상 지역의 대기 환경을 나타내는 데이터(예를 들면, 습도, 강우량, 강설량, 풍량, 구름의 정도 등)를 포함할 수 있다.
상기 위성영상데이터 분석모듈(120)은 특정 단위 시간의대기 환경 데이터에 기초하여 상기 단위 시간의 위성 영상 데이터의 명도나 색상, 채도 등을 보정할 수 있다.
한편, 상기 키워드 수집모듈(180)은 상기 수집 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 환경 오염 관련 키워드 세트를 생성할 수 있다. 상기 키워드 수집모듈(180)은 상기 소셜 네트워크 서비스 제공 서버(300)로부터 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드를 수집할 수 있다.
상기 환경 오염 관련 키워드는 환경 오염과 관련된 미리 지정된 키워드 중의 하나로서, 예를 들어, "냄새", "오염", "녹조", "악취", "부유물" 등 일 수 있다. 한편, 상기 대상 지역에 상응하는 게시물이라고 함은 상기 대상 지역과 관련된 키워드로서, 예를 들어 상기 대상 지역의 지명 혹은 상기 대상 지역으로부터 일정 범위 내에 있는 지역의 지명 등일 수 있다.
일 실시예에서, 상기 대상 지역에 상응하는 게시물이라고 함은 상기 대상 지역의 인근에 위치하고 있는 사용자가 게시한 게시물 일 수 있다. 즉, 상기 대상 지역 또는 상기 대상 지역으로부터 일정 범위 내의 지역에 위치하는 사용자의 단말이 상기 소셜 네트워크 서비스에 게시한 게시물일 수도 있다. 본 실시예에서는 상기 대상 지역의 인근에 위치하고 있는 사용자가 게시 당시에 경험한 내용을 SNS에 게시하게 되므로 상기 대상 지역에 상응하는 게시물은 게시 당시의 대상 지역의 오염 상황을 나타내는 자료가 될 수 있다.
한편, 상기 학습모듈(150)은 상기 위성 영상 분석 데이터 세트 및/또는 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성할 수 있다. 즉, 실시예에 따라, 상기 학습모듈(150)은 상기 위성 영상 분석 데이터 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보, 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보 및/또는 상기 위성 영상 분석 데이터 세트 및 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보를 생성할 수 있다.
일 실시예에서, 상기 학습모듈(150)은 각 세트에 포함되어 있는 개별 데이터를 입력 값으로 하는 기계학습을 수행하여 상기 연관관계 정보를 생성할 수 있다.
상기 위성 영상 분석 데이터 세트, 상기 환경 오염 관련 키워드 세트 및 상기 환경 오염 데이터 세트에 포함되어 있는 데이터는 모두 상기 수집 기간 내의 특정 단위에 수집된 데이터이므로 상기 위성 영상 분석 데이터 세트, 상기 환경 오염 관련 키워드 세트 및 상기 환경 오염 데이터 세트에 포함된 각각의 데이터는 모두 특정 단위 시간에 대응될 수 있다. 상기 학습모듈(150)은 상기 수집 기간 내의 각각의 단위 시간 별로, 상기 단위 시간에 상응하는 위성 영상 데이터 및/또는 상기 단위 시간에 상응하는 환경 오연 관련 키워드와 상기 단위 시간에 상응하는 환경 오염 데이터를 입력 값으로 하는 기계학습을 수행할 수 있다.
상기 학습모듈(150)은 예를 들어, 상기 학습모듈(150)은 결정트리학습법, 연관규칙학습법, 인공신경망, 서포트벡터머신, 클러스터링 등 공지된 다양한 기계학습 알고리즘을 수행할 수 있다.
한편, 상기 학습모듈(150)에 의해 상기 학습모듈(150)은 상기 위성 영상 분석 데이터 세트 및/또는 상기 환경 오염 관련 키워드 세트와 상기 환경 오염 데이터 세트 간의 연관관계 정보가 생성된 후, 상기 예측모듈(160)은 생성된 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상 및/또는 상기 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성할 수 있다.
이와 같이 생성된 예측 환경 오염 데이터는 상기 대상 지역에 설치된 센서로부터 측정된 데이터가 아니라, 상기 예측 시간에 수집된 위성 영상(예측 대상 위성 영상) 및/또는 상기 예측 시간에 상기 소셜 네트워크 제공 시스템(300)이 제공하는 SNS에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측되는 환경 오염 정도에 관한 정보일 수 있다. 따라서, 상술한 본 발명의 기술적 사상에 따르면, 상기 대상 지역에 센서가 구비되지 않은 상황에서도 위성 영상 및/또는 SNS에 게시된 게시물로부터 상기 대상 지역의 환경 오염 정도를 정확하게 예측할 수 있는 효과가 있다.
도 4는 본 발명의 일 실시예에 따른 환경 오염 예측 방법을 나타내는 흐름도이다. 도 4는 위성 영상 데이터로부터 환경 오염 데이터를 예측하는 방법을 나타내는 도면이다.
도 4를 참조하면, 상기 환경 오염 예측 시스템(100)은 S100 단계를 수행하여, 위성 영상 분석 데이터 세트(SI) 및 환경 오염 데이터 세트(SP)를 생성할 수 있다.
S100 단계에서, 상기 환경 오염 예측 시스템(100)은 매 단위 시간 Ti(1<=i<=N)마다 S101 내지 S108 단계를 수행할 수 있다. 도 4에서, 상기 위성 영상 데이터 및 실측 데이터를 수집하는 총 수집 시간은 (Ti+1-Ti)*N일 수 있다.
S101 단계에서, 상기 환경 오염 예측 시스템(100)은 단위 시간 Ti에서 대상 지역의 지표면을 촬영한 위성 영상 데이터 Ii를 수집할 수 있다.
S102 단계에서, 상기 환경 오염 예측 시스템(100)은 단위 시간 Ti에서 측정한 대기환경 데이터 Ei를 수집하고, S103 단계에서, 대기환경 데이터 Ei에 기초하여 위성 영상 데이터 Ii를 보정할 수 있다.
S104 단계에서, 상기 환경 오염 예측 시스템(100)은 위성 영상 데이터 Ii를 보정한 결과물을 분석하여 위성 영상 분석 데이터 Ai를 생성할 수 있으며, S105 단계에서, 생성된 위성 영상 분석 데이터 Ai를 위성 영상 분석 데이터 세트 SI에 추가할 수 있다.
한편, S106 단계에서, 상기 환경 오염 예측 시스템(100)은 상기 대상 지역에 설치된 센서(400-1 내지 400-M)로부터 단위 시간 Ti에 감지된 실측 데이터 Di를 수집할 수 있으며, S107 단계에서, 실측 데이터 Di를 분석하여, 환경 오염 데이터 Pi를 생성하고, S108 단계에서, 환경 오염 데이터 Pi를 환경 오염 데이터 세트 SP에 추가할 수 있다.
위와 같은 방법으로 수집 기간 동안 매 단위 시간 마다 수집된 데이터를 포함하는 위성 영상 분석 데이터 세트 SI와 환경 오염 데이터 세트 SP가 생성되면, S110 단계에서, 상기 환경 오염 예측 시스템(100)은 기계학습을 통하여 상기 위성 영상 분석 데이터 세트 SI와 상기 환경 오염 데이터 세트 SP간의 연관관계 정보 R을 생성할 수 있다.
연관관계 정보 R이 생성되면, S120 단계에서 상기 환경 오염 예측 시스템(100)은 소정의 예측 시간에 촬영된 예측 대상 위성 영상으로부터 예측 환경 오염 데이터를 생성할 수 있다. 보다 상세하게는 상기 환경 오염 예측 시스템(100)은 상기 예측 시간에 측정된 대기환경 데이터에 기초하여 상기 예측 대상 위성 영상을 보정한 후 이로부터 예측 위성 영상 분석 데이터를 생성하고, 상기 연관관계 정보 R을 이용하여 상기 예측 위성 영상 분석 데이터에 상응하는 환경 오염 데이터인 상기 예측 환경 오염 데이터를 생성할 수 있다.
도 5는 본 발명의 다른 일 실시예에 따른 환경 오염 예측 방법을 나타내는 흐름도이다. 도 5는 SNS에 게시된 게시물로부터 환경 오염 데이터를 예측하는 방법을 나타내는 도면이다.
도 5를 참조하면, 상기 환경 오염 예측 시스템(100)은 S200 단계를 수행하여, 환경 오염 관련 키워드 세트(SK) 및 환경 오염 데이터 세트(SP)를 생성할 수 있다.
S20 단계에서, 상기 환경 오염 예측 시스템(100)은 매 단위 시간 Ti(1<=i<=N)마다 S21 내지 S105단계를 수행할 수 있다. 도 5서, 상기 환경 오염 키워드 및 실측 데이터를 수집하는 총 수집 시간은 (Ti+1-Ti)*N일 수 있다.
S201 단계에서, 상기 환경 오염 예측 시스템(100)은 단위 시간 Ti에서 SNS에 게시된 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드 Ki를 수집할 수 있으며, S202 단계에서, 상기 환경 오염 예측 시스템(100)은 환경 오염 관련 키워드 세트 SK에 환경 오염 관련 키워드 Ki를 추가할 수 있다.
한편, S103 단계에서, 상기 환경 오염 예측 시스템(100)은 상기 대상 지역에 설치된 센서(400-1 내지 400-M)로부터 단위 시간 Ti에 감지된 실측 데이터 Di를 수집할 수 있으며, S204 단계에서, 실측 데이터 Di를 분석하여, 환경 오염 데이터 Pi를 생성하고, S205 단계에서, 환경 오염 데이터 Pi를 환경 오염 데이터 세트 SP에 추가할 수 있다.
위와 같은 방법으로 수집 기간 동안 매 단위 시간 마다 수집된 데이터를 포함하는 환경 오염 관련 키워드 세트 SK와 환경 오염 데이터 세트 SP가 생성되면, S210 단계에서, 상기 환경 오염 예측 시스템(100)은 기계학습을 통하여 상기 환경 오염 관련 키워드 세트 SK와 상기 환경 오염 데이터 세트 SP간의 연관관계 정보 R을 생성할 수 있다.
연관관계 정보 R이 생성되면, S220 단계에서 상기 환경 오염 예측 시스템(100)은 소정의 예측 시간에 상기 SNS에 게시된 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성할 수 있다.
도 6은 본 발명의 또 다른 일 실시예에 따른 환경 오염 예측 방법을 나타내는 흐름도이다. 도 6은 위성 영상 데이터 및 SNS에 게시된 게시물로부터 환경 오염 데이터를 예측하는 방법을 나타내는 도면이다.
도 6을 참조하면, 상기 환경 오염 예측 시스템(100)은 S100 단계를 수행하여, 위성 영상 분석 데이터 세트(SI) 및 환경 오염 데이터 세트(SP)를 생성할 수 있다.
S300 단계에서, 상기 환경 오염 예측 시스템(100)은 매 단위 시간 Ti(1<=i<=N)마다 S301 내지 S308 단계를 수행할 수 있다. 도 6에서, 상기 위성 영상 데이터, 상기 환경 오염 관련 키워드 및 실측 데이터를 수집하는 총 수집 시간은 (Ti+1-Ti)*N일 수 있다.
S301 단계에서, 상기 환경 오염 예측 시스템(100)은 단위 시간 Ti에서 대상 지역의 지표면을 촬영한 위성 영상 데이터 Ii를 수집할 수 있다.
S302 단계에서, 상기 환경 오염 예측 시스템(100)은 위성 영상 데이터 Ii를 분석하여 위성 영상 분석 데이터 Ai를 생성할 수 있으며, S303 단계에서, 생성된 위성 영상 분석 데이터 Ai를 위성 영상 분석 데이터 세트 SI에 추가할 수 있다. 물론 구현 예에 따라서는 상기 환경 오염 예측 시스템(100)은 도 4의 실시예에서와 같이 위성 영상 데이터 Ii를 보정 한 후, 보정된 위성 영상 데이터를 분석할 수도 있다.
한편, S304 단계에서, 상기 환경 오염 예측 시스템(100)은 단위 시간 Ti에서 SNS에 게시된 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드 Ki를 수집할 수 있으며, S305 단계에서, 상기 환경 오염 예측 시스템(100)은 환경 오염 관련 키워드 세트 SK에 환경 오염 관련 키워드 Ki를 추가할 수 있다.
한편, S306 단계에서, 상기 환경 오염 예측 시스템(100)은 상기 대상 지역에 설치된 센서(400-1 내지 400-M)로부터 단위 시간 Ti에 감지된 실측 데이터 Di를 수집할 수 있으며, S307 단계에서, 실측 데이터 Di를 분석하여, 환경 오염 데이터 Pi를 생성하고, S308 단계에서, 환경 오염 데이터 Pi를 환경 오염 데이터 세트 SP에 추가할 수 있다.
위와 같은 방법으로 수집 기간 동안 매 단위 시간 마다 수집된 데이터를 포함하는 위성 영상 분석 데이터 세트 SI, 환경 오염 관련 키워드 세트 SK와 환경 오염 데이터 세트 SP가 생성되면, S30 단계에서, 상기 환경 오염 예측 시스템(100)은 기계학습을 통하여 상기 위성 영상 분석 데이터 세트 SI 및 상기 환경 오염 관련 키워드 세트 SK와 상기 환경 오염 데이터 세트 SP간의 연관관계 정보 R을 생성할 수 있다.
연관관계 정보 R이 생성되면, S120 단계에서 상기 환경 오염 예측 시스템(100)은 소정의 예측 시간에 촬영된 예측 대상 위성 영상 및 상기 예측 시간에 상기 SNS에 게시된 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성할 수 있다.
한편, 구현 예에 따라서, 상기 환경 오염 예측 시스템(100)은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함할 수 있다. 상기 프로세서는 싱글 코어 CPU혹은 멀티 코어 CPU를 포함할 수 있다. 메모리는 고속 랜덤 액세스 메모리를 포함할 수 있고 하나 이상의 자기 디스크 저장 장치, 플래시 메모리 장치, 또는 기타 비휘발성 고체상태 메모리 장치와 같은 비휘발성 메모리를 포함할 수도 있다. 프로세서 및 기타 구성 요소에 의한 메모리로의 액세스는 메모리 컨트롤러에 의해 제어될 수 있다. 여기서, 상기 프로그램은, 프로세서에 의해 실행되는 경우, 본 실시예에 따른 환경 오염 예측 시스템(100)으로 하여금, 상술한 환경 오염 예측 방법을 수행하도록 할 수 있다.
한편, 본 발명의 실시예에 따른 환경 오염 예측 방법은 컴퓨터가 읽을 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 저장될 수 있으며, 본 발명의 실시예에 따른 제어 프로그램 및 대상 프로그램도 컴퓨터로 판독 가능한 기록 매체에 저장될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
기록 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터로 읽을 수 있는 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (20)
- 소정의 학습 기간 동안 각각의 단위 시간 별로 대상 지역의 지표면을 촬영한 복수의 위성 영상 데이터를 수집하는 위성영상데이터 수집모듈;
상기 복수의 위성 영상 데이터 각각에 대하여, 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성하고, 생성된 상기 복수의 위성 영상 분석 데이터를 포함하는 학습용 위성 영상 분석 데이터 세트를 생성하는 위성영상데이터 분석모듈;
상기 학습 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 실측데이터 수집모듈;
상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 학습용 환경 오염 데이터 세트를 생성하는 실측데이터 분석모듈;
상기 학습용 위성 영상 분석 데이터 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습모듈; 및
상기 학습용 위성 영상 데이터 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상으로부터 예측 환경 오염 데이터를 생성하는 예측모듈을 포함하는 환경 오염 예측 시스템.
- 제1항에 있어서,
상기 학습모듈은,
상기 학습 기간 동안의 각각의 단위 시간 별로 해당 단위 시간의 위성 영상 분석 데이터 및 해당 단위 시간의 환경 오염 데이터에 대한 기계학습을 수행하여, 상기 학습용 위성 영상 분석 데이터 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 환경 오염 예측 시스템.
- 제1항에 있어서,
상기 환경 오염 데이터는 상기 대상 지역에 위치하는 하천의 수질 데이터이며, 상기 센서는 녹조 센서인 것을 특징으로 하는 환경 오염 예측 시스템.
- 제3항에 있어서,
상기 위성영상데이터 분석모듈은,
상기 위성 영상 데이터에 나타난 하천 부분의 색상을 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성하는 환경 오염 예측 시스템.
- 제1항에 있어서,
상기 환경 오염 데이터는 상기 대상 지역의 대기 오염도 데이터이며, 상기 센서는 대기 센서인 것을 특징으로 하는 환경 오염 예측 시스템.
- 제5항에 있어서,
상기 위성영상데이터 분석모듈은,
상기 위성 영상 데이터의 투명도를 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성하는 환경 오염 예측 시스템.
- 제1항에 있어서,
상기 환경 오염 예측 시스템은,
상기 학습 기간 동안 각각의 단위 시간 별로 상기 대상 지역의 대기환경 데이터를 수집하는 대기환경데이터 수집모듈을 더 포함하고,
상기 위성영상데이터 분석모듈은,
상기 위성 영상 데이터가 촬영된 단위 시간에 상응하는 대기환경 데이터에 기초하여 상기 위성 영상 데이터를 보정한 후 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성하는 환경 오염 예측 시스템.
- 제1항에 있어서,
상기 환경 오염 예측 시스템은,
상기 학습 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 학습용 환경 오염 관련 키워드 세트를 생성하는 키워드 수집모듈을 더 포함하되,
상기 학습모듈은,
상기 학습용 위성 영상 분석 데이터 세트 및 상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하고,
상기 예측모듈은,
상기 학습용 위성 영상 데이터 세트 및 상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상 및 상기 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 상기 예측 환경 오염 데이터를 생성하는 환경 오염 예측 시스템.
- 제8항에 있어서,
상기 학습모듈은,
상기 학습 기간 동안의 각각의 단위 시간 별로 해당 단위 시간의 위성 영상 분석 데이터, 해당 단위 시간의 환경 오염 관련 키워드 및 해당 단위 시간의 환경 오염 데이터에 대한 기계학습을 수행하여, 상기 학습용 위성 영상 분석 데이터 세트 및 상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 환경 오염 예측 시스템.
- 제8항에 있어서,
상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물은,
상기 대상 지역 또는 상기 대상 지역으로부터 일정 범위 내의 지역에 위치하는 사용자의 단말이 상기 소셜 네트워크 서비스에 게시한 게시물인 것을 특징으로 하는 환경 오염 예측 시스템.
- 소정의 학습 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 학습용 환경 오염 관련 키워드 세트를 생성하는 키워드 수집모듈;
상기 학습 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 센서데이터 수집모듈;
상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 학습용 환경 오염 데이터 세트를 생성하는 실측데이터 분석모듈;
상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습모듈; 및
상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성하는 예측모듈을 포함하는 환경 오염 예측 시스템.
- 환경 오염 예측 시스템이, 소정의 학습 기간 동안 각각의 단위 시간 별로 대상 지역의 지표면을 촬영한 복수의 위성 영상 데이터를 수집하는 위성영상데이터 수집단계;
상기 환경 오염 예측 시스템이, 상기 복수의 위성 영상 데이터 각각에 대하여, 상기 위성 영상 데이터를 분석하여 그에 상응하는 위성 영상 분석 데이터를 생성하고, 생성된 상기 복수의 위성 영상 분석 데이터를 포함하는 학습용 위성 영상 분석 데이터 세트를 생성하는 위성영상데이터 분석단계;
상기 환경 오염 예측 시스템이, 상기 학습 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 센서데이터 수집단계;
상기 환경 오염 예측 시스템이, 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 학습용 환경 오염 데이터 세트를 생성하는 실측데이터 분석단계;
상기 환경 오염 예측 시스템이, 상기 학습용 위성 영상 분석 데이터 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습단계; 및
상기 환경 오염 예측 시스템이, 상기 학습용 위성 영상 데이터 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상으로부터 예측 환경 오염 데이터를 생성하는 예측단계를 포함하는 환경 오염 예측 방법.
- 제12항에 있어서,
상기 환경 오염 데이터는 상기 대상 지역에 위치하는 하천의 수질 데이터이며, 상기 센서는 녹조 센서인 것을 특징으로 하는 환경 오염 예측 방법.
- 제13항에 있어서,
상기 위성영상데이터 분석단계는,
상기 위성 영상 데이터에 나타난 하천 부분의 색상을 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성하는 단계를 포함하는 환경 오염 예측 방법.
- 제12항에 있어서,
상기 환경 오염 데이터는 상기 대상 지역의 대기 오염도 데이터이며, 상기 센서는 대기 센서인 것을 특징으로 하는 환경 오염 예측 방법.
- 제15항에 있어서,
상기 위성영상데이터 분석단계는,
상기 위성 영상 데이터의 투명도를 분석하여 상기 위성 영상 데이터에 상응하는 위성 영상 분석 데이터를 생성하는 단계를 포함하는 환경 오염 예측 방법.
- 제12항에 있어서,
상기 환경 오염 예측 방법은,
상기 학습 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 학습용 환경 오염 관련 키워드 세트를 생성하는 키워드 수집단계를 더 포함하되,
상기 학습단계는,
상기 학습용 위성 영상 분석 데이터 세트 및 상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 단계를 포함하고,
상기 예측단계는,
상기 학습용 위성 영상 데이터 세트 및 상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 대상 지역을 촬영한 예측 대상 위성 영상 및 상기 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 상기 예측 환경 오염 데이터를 생성하는 단계를 포함하는 환경 오염 예측 방법.
- 환경 오염 예측 시스템이, 소정의 학습 기간 동안 각각의 단위 시간 별로 소정의 소셜 네트워크 서비스에 게시된 대상 지역에 상응하는 게시물로부터 환경 오염 관련 키워드를 수집하고, 수집된 상기 단위 시간 별 환경 오염 관련 키워드를 포함하는 환경 오염 관련 키워드 세트를 생성하는 키워드 수집단계;
상기 환경 오염 예측 시스템이, 상기 학습 기간 동안 각각의 단위 시간 별로 상기 대상 지역 내에 설치된 센서로부터 감지된 복수의 실측 데이터를 수집하는 센서데이터 수집단계;
상기 환경 오염 예측 시스템이, 상기 복수의 실측 데이터 각각에 대하여, 상기 실측 데이터를 분석하여 그에 상응하는 환경 오염 데이터를 생성하고, 생성된 복수의 상기 환경 오염 데이터를 포함하는 학습용 환경 오염 데이터 세트를 생성하는 실측데이터 분석단계;
상기 환경 오염 예측 시스템이, 상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 생성하는 학습단계; 및
상기 환경 오염 예측 시스템이, 상기 학습용 환경 오염 관련 키워드 세트와 상기 학습용 환경 오염 데이터 세트 간의 연관관계 정보를 이용하여, 소정의 예측 시간에 상기 소셜 네트워크 서비스에 게시된 상기 대상 지역에 상응하는 게시물에 포함된 환경 오염 관련 키워드로부터 예측 환경 오염 데이터를 생성하는 예측단계를 포함하는 환경 오염 예측 방법.
- 데이터 처리장치에 설치되며 제12항 또는 제18항에 기재된 방법을 수행하기 위해 기록매체에 저장된 컴퓨터 프로그램.
- 환경 오염 예측 시스템으로서,
프로세서; 및
상기 프로세서에 의하여 실행되는 컴퓨터 프로그램을 저장하는 메모리를 포함하며,
상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 환경 오염 예측 시스템이, 제12항 또는 제18항에 기재된 방법을 수행하도록 하는 환경 오염 예측 시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150017827A KR101774871B1 (ko) | 2015-02-05 | 2015-02-05 | 환경 오염 예측 시스템 및 방법 |
| PCT/KR2015/001320 WO2016125941A1 (ko) | 2015-02-05 | 2015-02-10 | 환경 오염 예측 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150017827A KR101774871B1 (ko) | 2015-02-05 | 2015-02-05 | 환경 오염 예측 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160096332A KR20160096332A (ko) | 2016-08-16 |
| KR101774871B1 true KR101774871B1 (ko) | 2017-09-05 |
Family
ID=56564269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150017827A KR101774871B1 (ko) | 2015-02-05 | 2015-02-05 | 환경 오염 예측 시스템 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101774871B1 (ko) |
| WO (1) | WO2016125941A1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220068766A (ko) * | 2020-11-19 | 2022-05-26 | 한국해양과학기술원 | 해양쓰레기 모니터링 장치 및 방법 |
| KR20240028036A (ko) | 2022-08-24 | 2024-03-05 | 연세대학교 산학협력단 | 적정 훈련-검증 데이터세트 선정부를 구비한 기계학습 기반의 녹조발생 예측시스템 및 예측방법 |
| KR102660079B1 (ko) * | 2023-11-30 | 2024-04-24 | 한국해양과학기술원 | 인공위성 영상 기반 해수 탁도 산출 시스템 및 방법 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018137103A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于多源遥感数据的流域污染检测方法及系统 |
| KR102363948B1 (ko) * | 2018-12-10 | 2022-02-17 | 이화여자대학교 산학협력단 | 열대성 뇌우 발생 예측 방법 |
| KR102186942B1 (ko) * | 2019-05-13 | 2020-12-04 | 숭실대학교산학협력단 | 초미세먼지 정보 예측 방법 및 장치 |
| KR102366544B1 (ko) * | 2019-12-13 | 2022-02-23 | 한국건설기술연구원 | 딥러닝을 활용한 영상 기반의 강수 정보 제공 시스템 및 방법 |
| KR102386150B1 (ko) * | 2020-03-25 | 2022-04-12 | 경일대학교산학협력단 | 모니터링 장치 및 모니터링 방법 |
| CN112580898B (zh) * | 2020-12-30 | 2023-11-03 | 成都佳华物链云科技有限公司 | 一种污染预测方法以及污染预测模型训练方法 |
| KR102326208B1 (ko) * | 2021-08-11 | 2021-11-16 | 한국건설기술연구원 | 영상 인식 기반 3차원 미세 먼지 정보를 구축하기 위한 시스템 및 그 방법 |
| KR102379390B1 (ko) * | 2021-08-11 | 2022-03-29 | 한국건설기술연구원 | 영역 크기 가변이 가능한 3차원 미세 먼지 정보를 구축하기 위한 시스템 및 그 방법 |
| CN114417613B (zh) * | 2022-01-20 | 2023-03-24 | 国家海洋环境预报中心 | 物理生态联合作用下的黄海浒苔发展趋势预报系统及方法 |
| KR102569406B1 (ko) * | 2022-10-06 | 2023-08-22 | 주식회사 아쎄따 | 다분광 카메라를 이용하는 녹조·적조 모니터링 시스템 및 서버 그리고 이에 대한 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100799602B1 (ko) * | 2007-03-19 | 2008-02-01 | 주식회사 코아 에프앤티 | 통합 환경오염분석방법 |
| JP2012168700A (ja) * | 2011-02-14 | 2012-09-06 | Toshiba Corp | 環境監視支援装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020010947A (ko) * | 2000-07-31 | 2002-02-07 | 김진수 | 인터넷을 이용한 위성영상과 지아이에스 응용자료 및고급정보 전자상거래 방법 |
-
2015
- 2015-02-05 KR KR1020150017827A patent/KR101774871B1/ko active IP Right Grant
- 2015-02-10 WO PCT/KR2015/001320 patent/WO2016125941A1/ko active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100799602B1 (ko) * | 2007-03-19 | 2008-02-01 | 주식회사 코아 에프앤티 | 통합 환경오염분석방법 |
| JP2012168700A (ja) * | 2011-02-14 | 2012-09-06 | Toshiba Corp | 環境監視支援装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220068766A (ko) * | 2020-11-19 | 2022-05-26 | 한국해양과학기술원 | 해양쓰레기 모니터링 장치 및 방법 |
| KR102426627B1 (ko) * | 2020-11-19 | 2022-07-28 | 한국해양과학기술원 | 해양쓰레기 모니터링 장치 및 방법 |
| KR20240028036A (ko) | 2022-08-24 | 2024-03-05 | 연세대학교 산학협력단 | 적정 훈련-검증 데이터세트 선정부를 구비한 기계학습 기반의 녹조발생 예측시스템 및 예측방법 |
| KR102660079B1 (ko) * | 2023-11-30 | 2024-04-24 | 한국해양과학기술원 | 인공위성 영상 기반 해수 탁도 산출 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20160096332A (ko) | 2016-08-16 |
| WO2016125941A1 (ko) | 2016-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101774871B1 (ko) | 환경 오염 예측 시스템 및 방법 | |
| Willers et al. | Safety concerns and mitigation approaches regarding the use of deep learning in safety-critical perception tasks | |
| US20190095877A1 (en) | Image recognition system for rental vehicle damage detection and management | |
| US9229132B2 (en) | Meteorological parameter forecasting | |
| Escobar-Wolf et al. | Unmanned aerial vehicle (UAV)-based assessment of concrete bridge deck delamination using thermal and visible camera sensors: A preliminary analysis | |
| Mohammadi et al. | Possibility investigation of tree diversity mapping using Landsat ETM+ data in the Hyrcanian forests of Iran | |
| JP6277766B2 (ja) | 害虫発生予測システム、端末装置、サーバ装置、および害虫発生予測方法 | |
| JP2013139671A (ja) | 路面調査プログラム及び路面調査装置 | |
| Arslan et al. | Automated webcam monitoring of fractional snow cover in northern boreal conditions | |
| EP3706068A1 (en) | Land use determination system, land use determination method and program | |
| JP6158967B1 (ja) | 環境汚染予測システム及び方法 | |
| Tang et al. | Geospatial interpolation analytics for data streams in eventshop | |
| US20140141823A1 (en) | Communication device, comunication method and computer program product | |
| KR102366544B1 (ko) | 딥러닝을 활용한 영상 기반의 강수 정보 제공 시스템 및 방법 | |
| KR101744940B1 (ko) | 디지털 사이니지 시스템에서 상황인지형 컨텐츠 추천장치 | |
| CN108732313A (zh) | 城市空气污染物浓度智能观测系统 | |
| JP4722178B2 (ja) | 天候変化検出装置、天候変化検出方法及び天候変化検出プログラム | |
| EP3665512B1 (en) | Real-time computation of an atmospheric precipitation rate from a digital image of an environment where an atmospheric precipitation is taking place | |
| KR20230060605A (ko) | 폐기물 정보 분석 시스템 및 방법 | |
| CN113344906A (zh) | 车路协同中相机评估方法、装置、路侧设备和云控平台 | |
| KR20220138698A (ko) | 강우량 계산 방법 및 장치 | |
| US20200322435A1 (en) | Server apparatus, odor sensor data analysis method, and computer-readable recording medium | |
| Yu et al. | Efficient statistical validation of autonomous driving systems | |
| US20230370570A1 (en) | Data transmission device, data transmission method, information processing device, information processing method, and program | |
| KR101556462B1 (ko) | 열대 저기압에 대한 지역별 예측 오차의 2차원 표출 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |