KR101900777B1 - 도시환경분석서버 및 그 동작 방법 - Google Patents

도시환경분석서버 및 그 동작 방법 Download PDF

Info

Publication number
KR101900777B1
KR101900777B1 KR1020170181529A KR20170181529A KR101900777B1 KR 101900777 B1 KR101900777 B1 KR 101900777B1 KR 1020170181529 A KR1020170181529 A KR 1020170181529A KR 20170181529 A KR20170181529 A KR 20170181529A KR 101900777 B1 KR101900777 B1 KR 101900777B1
Authority
KR
South Korea
Prior art keywords
urban environment
value
sensing data
environment sensing
unit
Prior art date
Application number
KR1020170181529A
Other languages
English (en)
Inventor
김태홍
이용
최남식
정한민
성원경
Original Assignee
한국과학기술정보연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술정보연구원 filed Critical 한국과학기술정보연구원
Priority to KR1020170181529A priority Critical patent/KR101900777B1/ko
Application granted granted Critical
Publication of KR101900777B1 publication Critical patent/KR101900777B1/ko

Links

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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Sampling And Sample Adjustment (AREA)

Abstract

본 발명은 사물인터넷(Internet of Things, IoT) 기술을 기반으로, 도시 내 미세먼지와 미세먼지를 유발하는 대기오염물질을 측정한 도시환경센싱데이터를 분석하여 도시 내에서 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색함으로써, 탐색된 특이 구역들의 특성 또는 공통점을 파악하는 방식을 통해서 추후 도시 환경 개선에 매우 유용한 정보를 획득할 수 있는 도시환경분석서버 및 그 동작 방법에 관한 것이다.

Description

도시환경분석서버 및 그 동작 방법{SERVER FOR CITY ENVIROMENTAL ANALYSIS, AND CONTROL METHOD THEREOF}
본 발명은 사물인터넷(Internet of Things, IoT) 기술을 기반으로, 도시 내 환경 요소를 측정한 도시환경센싱데이터를 분석하여 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색할 수 있는 프레임워크에 관한 것이다.
최근 헬스케어, 원격검침, 스마트홈, 스마트카, 스마트팜 등 다양한 분야에서 생활 속의 사물을 유무선 네트워크로 연결해 정보를 공유하는 사물인터넷(IoT) 기술이 등장하여 주목 받고 있다.
특히, 이러한 사물인터넷 기술은, 도시 환경 개선 분야에도 도입되어, 예컨대, 온도, 습도, 미세먼지, 대기오염물질, 휘발성유기화학물질, 소음, 진동 등 다양한 환경 요소에 대한 환경 센싱 데이터(이하, '도시환경센싱데이터'라 칭함)를 수집하는 데에도 크게 일조하고 있다.
더욱이 최근에는 모바일 센싱 기술의 발전으로 버스, 택시, 자가용 등 도시를 주행하는 차량들을 이용하여 도시 내 여러 구역에 대한 도시환경센싱 데이터를 수집하는 것이 가능해졌다.
헌데, 지금까지는 이처럼 사물인터넷(IoT) 기술과 모바일 센싱 기술의 발전 등에 힘입어 도시환경센싱데이터를 수집할 수 있는 다양한 환경이 마련되고 있는 반면, 실제 수집된 도시환경센싱데이터를 분석하여 그 분석 결과를 실제 도시 환경을 개선하는데 적극 반영할 수 있는 방안은 부재한 실정이다.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 사물인터넷(Internet of Things, IoT) 기술을 기반으로, 도시 내 환경 요소를 측정한 도시환경센싱데이터를 분석하여 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색할 수 있는 프레임워크를 제안하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 도시환경분석서버는, 도시 내 다수의 대기질측정기기로부터 미세먼지 및 상기 미세먼지의 유발과 관련된 대기오염물질을 측정한 도시환경센싱데이터가 수집되면, 상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시환경센싱데이터를 단위 구역 별로 분할하는 전처리부; 상기 단위 구역별로 분할된 도시환경센싱데이터를 각 단위 구역에 대해 요약한 요약데이터에 기초하여 상기 요약데이터 내 대기오염물질을 독립변수로 하며, 상기 요약데이터 내 미세먼지를 종속변수로 하는 회귀모델을 결정하는 결정부; 및 실시간 수집되는 도시환경센싱데이터를 상기 회귀모델에 반영하여 예측되는 미세먼지 예측값과 실시간 수집된 도시환경센싱데이터에 근거한 미세먼지 실측값을 기초로 단위 구역 중 특이 구역을 판정하는 판정부를 포함하는 것을 특징으로 한다.
구체적으로, 상기 전처리부는, 상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시 내에서 상기 도시환경센싱데이터가 측정된 최대 범위에 해당하는 탐색영역을 결정하며, 상기 탐색영역에 해당하는 전체 영역을 동일한 크기 영역을 가지는 다수의 단위 구역으로 분할할 수 있다.
구체적으로, 상기 탐색영역은, 상기 도시환경센싱데이터가 측정된 최대 경도/위도 좌표와, 최소 경도/위도 좌표를 연결한 정방형으로 그 영역이 결정될 수 있다.
구체적으로, 상기 요약데이터는, 상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 통계값이며, 상기 통계값은, 상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 평균값, 중앙값, 최대값, 최소값, 및 사분위수 중 적어도 하나를 포함할 수 있다.
구체적으로, 상기 판정부는, 상기 단위 구역 별로 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이를 확인하며, 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이가 임계치 이상으로 확인되는 단위 구역을 상기 특이 구역으로 판정할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 도시환경분석서버의 동작 방법은, 도시 내 다수의 대기질측정기기로부터 미세먼지 및 상기 미세먼지의 유발과 관련된 대기오염물질을 측정한 도시환경센싱데이터를 수집하는 수집단계; 상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시환경센싱데이터를 단위 구역 별로 분할하는 전처리단계; 상기 단위 구역별로 분할된 도시환경센싱데이터를 각 단위 구역에 대해 요약한 요약데이터를 생성하는 생성단계; 상기 요약데이터 내 대기오염물질을 독립변수로 하며, 상기 요약데이터 내 미세먼지를 종속변수로 하는 회귀모델을 결정하는 결정단계; 및 실시간 수집되는 도시환경센싱데이터를 상기 회귀모델에 반영하여 예측되는 미세먼지 예측값과 실시간 수집된 도시환경센싱데이터에 근거한 미세먼지 실측값을 기초로 단위 구역 중 특이 구역을 판정하는 판정단계를 포함하는 것을 특징으로 한다.
구체적으로, 상기 전처리단계는, 상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시 내에서 상기 도시환경센싱데이터가 측정된 최대 범위에 해당하는 탐색영역을 결정하는 경계결정단계; 및 상기 탐색영역에 해당하는 전체 영역을 동일한 크기 영역을 가지는 다수의 단위 구역으로 분할하는 분할단계를 포함할 수 있다.
구체적으로, 상기 탐색영역은, 상기 도시환경센싱데이터가 측정된 최대 경도/위도 좌표와, 최소 경도/위도 좌표를 연결한 정방형으로 그 영역이 결정될 수 있다.
구체적으로, 상기 요약데이터는, 상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 통계값이며, 상기 통계값은, 상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 평균값, 중앙값, 최대값, 최소값, 및 사분위수 중 적어도 하나를 포함할 수 있다.
구체적으로, 상기 판정단계는, 상기 단위 구역 별로 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이를 확인하며, 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이가 임계치 이상으로 확인되는 단위 구역을 상기 특이 구역으로 판정할 수 있다.
이에, 본 발명의 도시환경분석서버 및 그 동작 방법에서는, 도시 내 미세먼지와 미세먼지를 유발하는 대기오염물질을 측정한 도시환경센싱데이터를 분석하여 도시 내에서 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색함으로써, 탐색된 특이 구역들의 특성 또는 공통점을 파악하는 방식을 통해서 추후 도시 환경 개선에 매우 유용한 정보를 획득할 수 있는 환경이 마련될 수 있다.
도 1은 본 발명의 일 실시예에 따른 도시 환경 분석 시스템을 설명하기 위한 개략적인 구성도.
도 2는 본 발명의 일 실시예에 따른 도시환경분석서버의 구성을 설명하기 위한 구성도.
도 3은 본 발명의 일 실시예에 따른 도시환경센싱데이터의 저장 형태를 설명하기 위한 예시도.
도 4는 본 발명의 일 실시예에 따른 탐색영역 및 단위 구역을 설명하기 위한 예시도.
도 5는 본 발명의 일 실시예에 따른 전처리 과정을 통해 각 단위 구역별로 분할된 도시환경데이터를 설명하기 위한 예시도.
도 6은 본 발명의 일 실시예에 따른 요약데이터를 설명하기 위한 예시도.
도 7은 본 발명의 일 실시예에 따른 도시 전체의 요약데이터를 설명하기 위한 예시도.
도 8은 본 발명의 일 실시예에 따른 특이 구역을 설명하기 위한 예시도.
도 9는 본 발명의 일 실시예에 따른 도시환경분석서버의 동작 방법을 설명하기 위한 순서도.
이하, 첨부된 도면을 참조하여 본 발명이 일 실시예에 대하여 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 도시 환경 분석 시스템을 보여주고 있다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 도시 환경 분석 시스템은, 도시 내 환경 요소를 측정하는 다수의 대기질측정기기(10), 및 대기질측정기기(10)에서 환경 요소를 측정한 도시환경센싱데이터를 수집하여 분석하는 도시환경분석서버(20)를 포함하는 구성을 가질 수 있다.
대기질측정기기(10)는 센서 기반으로 도시 내 환경 요소 중 하나인 미세먼지 양과 이러한 미세먼지를 유발할 수 있는 대기오염물질을 측정하여 측정 결과를 포함한 도시환경센싱데이터를 유무선네트워크를 통해 도시환경분석서버(20)로 전송할 수 있다.
여기서, 미세먼지는, 대기 중에 떠다니는 고체이성 입자로서 특히 지름이 2.5μm이하인 먼지인 PM2.5에 해당할 수 있으며, 이러한 미세먼지를 유발하는 대기오염물질로는, 대기 중에 기체 상태로 존재하는 오염물질로서 O3, NH3, CO, NO2, VOC(volatile organic compound)와 같이 대기 중에 기체 상태로 존재하는 오염물질을 포함할 수 있다.
이러한, 대기질측정기기(10)는 이동 여부에 따라 이동형방식과, 고정형방식으로 구분될 수 있다.
여기서, 이동형방식의 경우, 예컨대, 지역(예: 시, 도, 군) 별 대중교통수단(예: 택시의 갓등)에 탑재되는 방식을 일컫는 것으로서, 이 경우 대기질측정기기(10)는 대기 속성을 측정한 센서값을 상용이동통신망(예: LTE)을 통해 도시환경분석서버(20)로 전송할 수 있다.
구체적으로는, 대기질측정기기(10)는 환경 요소를 측정한 도시환경센싱데이터를 대중교통수단에 구비된 중앙단말(예: 네비게이션)로 예컨대, 시리얼(Serial) 방식으로 전송하고, 중앙단말은 대기질측정기기(10)로부터 수신되는 센서값을 상용이동통신망(예: LTE)을 통해 도시환경분석서버(20)로 전송할 수 있는 것이다.
이때, 도시환경센싱데이터에는, 미세먼지 양과, 이를 유발하는 대기오염물질에 대한 측정값 이외에, 도시환경센싱데이터가 측정된 시점정보와, 위치정보(위도/경도)가 더 포함된다.
참고로, 본 발명의 일 실시예에서 대기질측정기기(10)를 이동형방식으로 채택하는 것은, 도시 환경에 대한 정밀 분석을 위해 지역마다 조밀한 간격으로 대기질측정기기(고정형)를 설치하는 경우에 발생될 수 있는 많은 비용과 시간 소요의 문제점을 해결하기 위함으로 이해될 수 있다.
한편, 고정형방식의 경우, 전술한 이동형방식과는 달리 실내 고정된 위치에 대기질측정기기(10)를 위치시킨 방식을 일컫는 것으로서, 이 경우 대기 속성을 측정한 센서값을 사물인터넷(Internet of Things, IoT) 네트워크를 이용하여 대기질관제서버(20)로 전송할 수 있다.
여기서, 사물인터넷 네트워크에는, 저속 전송(<1kbps) 및 저 전력을 지원하는 소량 데이터 전송에 특화된 사물인터넷 기술인 LoRa(Long Range)가 활용될 수 있다.
도시환경분석서버(20)는 대기질측정기기(10)로부터 수집되는 도시환경센싱데이터를 분석하여 도시 환경을 분석하는 서버를 일컫는다.
이러한, 도시환경분석서버(20)는 예컨대, 웹 서버, 데이터베이스 서버, 프록시 서버 등의 형태로 구현될 수 있으며, 네트워크 부하 분산 메커니즘, 내지 서비스 장치가 인터넷 또는 다른 네트워크 상에서 동작할 수 있도록 하는 다양한 소프트웨어 중 하나 이상이 설치될 수 있으며, 이를 통해 컴퓨터화된 시스템으로도 구현될 수 있다. 또한, 네트워크는 http 네트워크일 수 있으며, 전용 회선(private line), 인트라넷 또는 임의의 다른 네트워크일 수 있고, 또한 본 발명의 일 실시예에 따른 시스템 내 각 구성 간의 연결은, 데이터가 임의의 해커 또는 다른 제3자에 의한 공격을 받지 않도록 보안 네트워크로 연결될 수 있다.
그리고, 도시환경분석서버(20)는 대기질측정기기(10)로부터 도시환경센싱데이터를 수집함에 있어서 대기질측정기기(10)에 도시환경센싱데이터를 요청하여 이를 수신하는 풀(Pull) 방식을 따를 수 있으며, 이에 제한되는 것이 아닌, 대기질측정기기(10)가 도시환경분석서버(20)로부터의 요청과는 별도로 측정된 도시환경센싱데이터를 자체적으로 전송하는 푸시(Push) 방식 또한 적용할 수 있음은 물론이다.
한편, 이러한 도시환경센싱데이터는, 그 분석을 통해서 실제 도시 환경 개선에 반영할 수 있는 중요한 리소스로서 활용될 수 있다.
이에, 본 발명의 일 실시예에서는 이러한 도시 환경의 개선 취지에서 도시 내 여러 구역에서 수집되는 도시환경센싱데이터의 활용 방안을 제안하고자 하며, 이하에서는 이를 실현하기 위한 도시환경분석서버(20)의 구체적인 구성을 설명하기로 한다.
도 2에는 본 발명의 일 실시예에 따른 도시환경분석서버(20)의 구성을 보여주고 있다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 도시환경분석서버(20)는 도시환경센싱데이터를 수집하는 수집부(21), 도시환경센싱데이터에 대한 전처리를 수행하는 전처리부(22), 도시환경센싱데이터에 대한 요약데이터를 생성하는 생성부(23), 도시 환경 분석을 위한 회귀모델을 결정하는 결정부(24), 및 도시 특이 구역을 판정하는 판정부(25)를 포함하는 구성을 가질 수 있다.
이상의 수집부(21), 전처리부(22), 생성부(23), 결정부(24), 및 판정부(25)를 포함하는 도시환경분석서버(20)의 전체 구성 내지는 적어도 일부는 하드웨어 모듈 형태 또는 소프트웨어 모듈 형태로 구현되거나, 하드웨어 모듈과 소프트웨어 모듈이 조합된 형태로도 구현될 수 있다.
여기서, 소프트웨어 모듈이란, 예컨대, 도시환경분석서버(20) 내에서 연산을 제어하는 프로세서에 의해 실행되는 명령어로 이해될 수 있으며, 이러한 명령어는 도시환경분석서버(20) 내 메모리에 탑재된 형태를 가질 수 있을 것이다.
한편, 본 발명의 일 실시예에 따른 도시환경분석서버(20)는 전술한 구성 이외에, 대기질측정기기(10)와의 실질적인 통신 기능을 담당하는 RF 모듈인 통신부(26)의 구성을 더 포함할 수 있다.
여기서, 통신부(26)는 예컨대, 안테나 시스템, RF 송수신기, 하나 이상의 증폭기, 튜너, 하나 이상의 발진기, 디지털 신호 처리기, 코덱(CODEC) 칩셋, 및 메모리 등을 포함하지만 이에 제한되지는 않으며, 이 기능을 수행하는 공지의 회로는 모두 포함할 수 있다.
결국, 본 발명의 일 실시예에 따른 도시환경분석서버(20)는 사물인터넷(Internet of Things, IoT) 기술을 기반으로, 미세먼지와 미세먼지를 유발하는 대기오염물질을 측정한 도시환경센싱데이터를 분석하여 도시 내에서 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색할 수 있는데, 이하에서는 이를 실현하기 위한 도시환경분석서버(20) 내 각 구성에 대해 보다 구체적으로 설명하기로 한다.
수집부(21)는 도시환경센싱데이터를 수집하는 기능을 수행한다.
보다 구체적으로, 수집부(21)는 도시 내 여러 구역에 위치하는 대기질측정기기(10)로부터 미세먼지와 이러한 미세먼지를 유발하는 대기오염물질을 측정한 도시환경센싱데이터를 수집하게 된다.
여기서, 도시환경센싱데이터를 측정하는 대기질측정기기(10)의 경우, 앞서 언급한 바와 같이, 지역(예: 시, 도, 군) 별 대중교통수단(예: 택시의 갓등)에 탑재되는 방식인 이동형방식과 도시 내 특정 지역에 고정된 고정형방식을 모두 포함할 수 있음은 물론이다.
이렇게 수집된 도시환경센싱데이터는, 예컨대, 도 3에서와 같이 테이블 형태의 포맷으로 저장될 수 있다.
여기서, LA와 LO는 각각 측정이 이루어진 곳의 위도(latitude)와 경도(longitude)를 나타내며, X1, ..., Xn은 각각 대기오염물질인 O3, NH3, CO, NO2 등의 측정값에 해당하며, Y는 미세먼지인 PM2.5의 측정값에 해당한다.
한편, Z1, ..., Zm은센싱된 값들 중 특이 구역 탐색에 사용되지 않는 값들을 나타낸다.
전처리부(22)는 수집된 도시환경센싱데이터에 대한 전처리 기능을 수행한다.
구체적으로, 전처리부(22)는 도시 내 여러 구역에 위치하는 대기질측정기기(10)로부터의 도시환경센싱데이터에 대한 수집이 완료되면, 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시환경센싱데이터를 단위 구역 별로 분할하기 위한 전처리를 수행하게 된다.
이때, 전처리부(22)는 특이 구역 탐색에 사용되지 않는 Z1, ..., Zm 값 및 비정상 데이터 제거(예: 센서가 정상 작동하기 전 측정값, 센서 고장으로 인한 비정상 측정값 등)를 실시하며, 도시환경센싱데이터가 측정된 위치정보 즉, 최소 경도, 최대 경도, 최소 위도, 최대 위도 값 추출하여 이를 연결한 탐색영역을 결정하게 된다.
또한, 전처리부(22)는 탐색영역이 결정되면, 탐색영역이 가지는 전체 영역을 상자를 동일한 크기의 정사각형 구역 들로 분할(예: 100m×100m)하는 방식을 통해, 탐색영역을 다수의 단위 구역으로 분할하고, 각 단위 구역별로 도시환경센싱데이터가 측정된 위치정보를 기초로 수집된 도시환경센싱데이터를 각 단위 구역별로 분할함으로써, 도시환경센싱데이터에 대한 전처리를 완료한다.
이와 관련하여, 도 4에는 본 발명의 일 실시예에 따라 결정되는 탐색영역과 이러한 탐색영역을 분할한 단위 구역을 예시적으로 보여주고 있으며, 도 5에는 이러한 전처리 과정을 통해 각 단위 구역별로 분할된 도시환경데이터를 예시적인 형태를 보여주고 있다.
생성부(23)는 각 단위 구역에 대한 요약데이터를 생성하는 기능을 수행한다.
보다 구체적으로, 생성부(23)는 도시환경데이터에 대한 전처리가 완료되면, 단위 구역별로 분할된 도시환경센싱데이터를 각 단위 구역에 대해 요약한 요약데이터를 생성하게 된다.
이때, 생성부(23)는 각 단위 구역에서 측정된 도시환경센싱데이터(X1, ..., Xn, Y)의 값들을 요약하기 위한 통계값을 계산하게 되는데, 이러한 목적의 통계값으로는 평균값, 중앙값, 최대값, 최소값, 및 사분위수 등이 포함될 수 있다.
이와 관련하여, 도 6에는 각 단위 구역별 통계값을 이용하여 요약데이터를 생성하는 과정을 예시적으로 보여주고 있으며, 도 7에는 도시 전체 즉 탐색영역 전체에 대한 요약데이터의 정리된 형태를 예시적으로 보여주고 있다.
여기서, 도 7의 Region은 각 단위 구역의 ID를 나타내며, X1, X2, ..., Xn, Y는 각각 해당 구역 내에서 해당 측정값에 대한 요약데이터를 나타낸다.
한편, 본 발명의 다른 실시예에서는 각 단위 구역별 통계값을 이용하여 요약데이터를 생성하는 것과 관련하여, 단위 구역 별로 분리된 도시환경센싱데이터 내 측정 값간의 편차를 반영하여 보정한 보정값을 통계값 대신의 요약데이터로서 생성할 수 있다.
참고로, 본 발명의 다른 실시예를 따르는 경우에 있어서, 측정값 간의 편차를 반영한 보정값을 요약데이터로 생성하는 구체적인 방식을 설명하면 다음과 같다.
즉, 특정 단위 구역에 대해 분리된 동일한 요소의 측정값에 대한 평균값, 최대값, 및 최소값을 구하고, 평균값과 최대값 간의 차이에 해당하는 제1편차값에 대해서, 평균값과 최소값 간의 차이에 해당하는 제2편차값이 가지는 비율을 센서대칭률로서 계산한다.
여기서, 센서대칭률은 수집된 측정값들이 서로 일치되는 정도 또는 반대로 수집된 측정값들이 서로 떨어진 정도로 해석될 수 있다.
이러한, 센서대칭률 계산 방식은 예컨대, 아래 [수식 1]과 같이 정의될 수 있다.
[수식 1]
Figure 112017130062251-pat00001
여기서, avgt는 평균값, Max(valt[])는 최대값, Max(valt[])는 최소값을 의미한다.
예를 들어, 5개의 센서로부터 [31,30,29,28,5]의 측정값이 수집된 경우를 가정하면, 평균값은 24.6, 최대값은 31, 최소값은 5로 센서대칭률은 위 [수식 1]에 따라 3.0625로 계산될 수 있다.
또한, 측정값이 수집되는 센서의 개수 즉, 대기질측정기기(10) 개수 변동과는 무관하게 특정 범위 이내(0 ~ 1)의 값으로 유지될 수 있도록, 제1편차값에 대해서 제2편차값이 가지는 비율에 따른 계산값에 대해 센서의 개수를 기초로 한 정규화 처리를 수행하게 된다.
이러한, 정규화 처리 과정은 예컨대, 아래 [수식 2]와 같이 정의될 수 있다.
[수식 2]
Figure 112017130062251-pat00002
여기서, n은 센서값이 수집되는 센서의 개수를 의미한다.
예를 들어, 5개의 센서로부터 [31,30,29,28,5]의 측정값이 수집된 경우를 가정하면 센서대칭률에 대한 정규화 처리 결과는 위 [수식 2]에 따라 0.10204082가 되며, 5개의 센서로부터 [31,30,29,28,27]의 측정값이 수집된 경우라면 센서대칭률에 대한 정규화 처리 결과는 마찬가지로 위 [수식 2]에 따라 1이 된다.
나아가, 센서대칭률이 계산되면, 측정값 각각에 대해 중요도가중치를 적용하여, 중요도가중치를 적용한 결과를 기초로 특정 단위 구역에서 측정된 측정값에 대한 보정값을 산출한다.
이때, 중요도가중치는 예컨대, 아래 [수식 3] 및 [수식 4]에서와 같이 측정값 각각에 대해서, 센서대칭률과 각각의 측정값이 가지는 중앙 값과의 편차를 이용하여 계산될 수 있다.
[수식 3]
Figure 112017130062251-pat00003
여기서, datat[i]는 i번째 측정값, MEDIAN(datat[])는 중앙값을 의미한다.
[수식 4]
Figure 112017130062251-pat00004
여기서, weightt는 중요도가중치를 의미한다.
또한, 중요도가중치를 적용한 결과를 이용하여 보정값을 산출하는 방식은 예컨대, 아래 [수식 5]와 같이 정의될 수 있다.
[수식 5]
Figure 112017130062251-pat00005
결정부(24)는 도시 환경 분석을 위한 회귀모델을 생성하는 기능을 수행한다.
보다 구체적으로, 결정부(24)는 도시 전체 즉, 탐색영역 전체의 요약데이터에 대한 생성이 완료되면, 요약데이터 내 대기오염물질을 독립변수로 하며, 요약데이터 내 미세먼지를 종속변수로 하는 도시 전체에 대한 회귀모델을 결정하게 된다.
여기서의 회귀모델은 아래 [수식 6]과 같은 형태로 표현될 수 있으며, 이러한 회귀모델로는 예컨대, 다중 선형회귀, 서포트 벡터 머신(support vector machine), 랜덤 포레스트(random forest), 다층 신경망 등 다양한 모델을 사용할 수 있다.
[수식 6]
Y= f(X1, X2, ..., Xn)
판정부(25)는 특이 구역을 판정하는 기능을 수행한다.
보다 구체적으로, 판정부(25)는 도시 전체 즉, 탐색영역 전체에 대한 회귀모델이 결정되면, 회귀모델 결정 이후 실시간 수집되는 도시환경센싱데이터를 회귀모델에 반영하여 예측되는 미세먼지 예측값과 실시간 수집된 도시환경센싱데이터에 근거한 미세먼지 실측값을 기초로 단위 구역 중 특이 구역을 판정하게 된다.
이를 위해, 판정부(25)는 회귀모델을 통해 예측되는 미세먼지 예측값과, 미세먼지 실측값 간의 차이를 확인하며, 이때 확인된 미세먼지 예측값과 미세먼지 실측값 간의 차이가 임계치 이상으로 확인되는 단위 구역을 특이 구역으로 판정할 수 있다.
예를 들어, 도 8에 도시한 바와 같이 본 발명의 일 실시예에 따른 탐색영역을 n × m개의 단위 영역으로 분할한 것을 가정할 수 있다.
이때, A와 P를 n × m 크기의 2차원 배열로서, A[i][j]는 탐색영역의 i번째 행, j번째 열에 해당하는 단위 구역에 대한 미세먼지 실측값이며, P[i][j]는 해당 단위 구역에 대해 회귀모델로 예측한 미세먼지 예측값이라고 가정하면, 해당 단위 구역의 잔차 ei,j는 아래 [수식 7]과 같이 정의될 수 있다.
[수식 7]
ei,j = A[i][j] - P[i][j]
결국, 본 발명의 일 실시예에 따른 특이 구역은 ei,j의 크기가 다른 구역에 비해 상대적으로 큰 구역으로 정의될 수 있는 것이며, 모든 단위 구역에 대해 위 [수식 7]에 따른 잔차를 계산한 뒤, 이들 중 잔차의 크기가 가장 큰 top-k 구역을 특이 구역으로 출력할 수 있다.
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 도시환경분석서버(20)의 구성에 따르면, 사물인터넷(Internet of Things, IoT) 기술을 기반으로 도시 내 미세먼지와 미세먼지를 유발하는 대기오염물질을 측정한 도시환경센싱데이터를 분석하여 도시 내에서 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색함으로써, 탐색된 특이 구역들의 특성 또는 공통점을 파악하는 방식을 통해서 추후 도시 환경 개선에 매우 유용한 정보를 획득할 수 있는 환경이 마련될 수 있다.
예를 들어, 미세먼지 예측값보다 미세먼지 실측값이 지가 크게 적은 곳은 주로 나무가 많은 곳 주변(공원, 산기슭 등), 강 또는 도시하천 주변이었으며, 이것은 물의 미세먼지 흡착효과 또는 나무의 미세먼지 흡수효과로 추측할 수 있으며, 따라서 미세먼지 감소를 위해서는 가로수 확대, 도시 하천 정비가 도움을 줄 수 있을 것으로 예상할 수 있다. 한편 미세먼지 예측값보다 미세먼지 실측값이 크게 많은 곳은 주로 교통량이 많은 대로 4거리, 자동차 매매시장, 운전학원 등 차량 이동이 잦은 곳 주변일 수 있으며, 이것은 자동차 배기가스로 인한 1차적 미세먼지가 많이 발생한 결과임을 추측할 수 있으므로, 따라서, 이러한 곳은 1차적 미세먼지의 직접적 원인을 줄이는 것이 도시 환경 개선에 중요한 사안인 것으로 판단할 수 있다.
이상 본 발명의 일 실시예에 따른 도시환경분석서버(20)의 구성에 대한 설명을 마치고, 이하에서는 도 9를 참조하여 도시환경분석서버(20)의 동작 방법에 대한 설명을 이어 가기로 한다.
도 9는 본 발명의 일 실시예에 따른 도시환경분석서버(20)의 동작 방법을 설명하기 위한 순서도이다.
먼저, 수집부(21)는 도시 내 여러 구역에 위치하는 대기질측정기기(10)로부터 미세먼지와 이러한 미세먼지를 유발하는 대기오염물질을 측정한 도시환경센싱데이터를 수집한다(S10).
여기서, 도시환경센싱데이터를 측정하는 대기질측정기기(10)의 경우, 앞서 언급한 바와 같이, 지역(예: 시, 도, 군) 별 대중교통수단(예: 택시의 갓등)에 탑재되는 방식인 이동형방식과 도시 내 특정 지역에 고정된 고정형방식을 모두 포함할 수 있음은 물론이다.
이렇게 수집된 도시환경센싱데이터는, 예컨대, 앞서 예시한 도 3에서와 같은 테이블 형태의 포맷으로 저장될 수 있다.
여기서, LA와 LO는 각각 측정이 이루어진 곳의 위도(latitude)와 경도(longitude)를 나타내며, X1, ..., Xn은 각각 대기오염물질인 O3, NH3, CO, NO2 등의 측정값에 해당하며, Y는 미세먼지인 PM2.5의 측정값에 해당한다.
한편, Z1, ..., Zm은센싱된 값들 중 특이 구역 탐색에 사용되지 않는 값들을 나타낸다.
그리고 나서, 전처리부(22)는 도시 내 여러 구역에 위치하는 대기질측정기기(10)로부터의 도시환경센싱데이터에 대한 수집이 완료되면, 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시환경센싱데이터를 단위 구역 별로 분할하기 위한 전처리를 수행한다(S20).
이때, 전처리부(22)는 특이 구역 탐색에 사용되지 않는 Z1, ..., Zm 값 및 비정상 데이터 제거(예: 센서가 정상 작동하기 전 측정값, 센서 고장으로 인한 비정상 측정값 등)를 실시하며, 도시환경센싱데이터가 측정된 위치정보 즉, 최소 경도, 최대 경도, 최소 위도, 최대 위도 값 추출하여 이를 연결한 탐색영역을 결정하게 된다.
또한, 전처리부(22)는 탐색영역이 결정되면, 탐색영역이 가지는 전체 영역을 상자를 동일한 크기의 정사각형 구역 들로 분할(예: 100m×100m)하는 방식을 통해, 탐색영역을 다수의 단위 구역으로 분할하고, 각 단위 구역별로 도시환경센싱데이터가 측정된 위치정보를 기초로 수집된 도시환경센싱데이터를 각 단위 구역별로 분할함으로써, 도시환경센싱데이터에 대한 전처리를 완료한다.
이와 관련하여, 앞서 예시한 도 4에서는 본 발명의 일 실시예에 따라 결정되는 탐색영역과 이러한 탐색영역을 분할한 단위 구역을 예시적으로 보여주고 있으며, 도 5에는 이러한 전처리 과정을 통해 각 단위 구역별로 분할된 도시환경데이터를 예시적인 형태를 보여주고 있다.
그런 다음, 생성부(23)는 도시환경데이터에 대한 전처리가 완료되면, 단위 구역별로 분할된 도시환경센싱데이터를 각 단위 구역에 대해 요약한 요약데이터를 생성한다(S30).
이때, 생성부(23)는 각 단위 구역에서 측정된 도시환경센싱데이터(X1, ..., Xn, Y)의 값들을 요약하기 위한 통계값을 계산하게 되는데, 이러한 목적의 통계값으로는 평균값, 중앙값, 최대값, 최소값, 및 사분위수 등이 포함될 수 있다.
이와 관련하여, 앞서 예시한 도 6에서는 각 단위 구역별 통계값을 이용하여 요약데이터를 생성하는 과정을 예시적으로 보여주고 있으며, 도 7에서는 도시 전체 즉 탐색영역 전체에 대한 요약데이터의 정리된 형태를 예시적으로 보여주고 있다.
나아가, 결정부(24)는 도시 전체 즉, 탐색영역 전체의 요약데이터에 대한 생성이 완료되면, 요약데이터 내 대기오염물질을 독립변수로 하며, 요약데이터 내 미세먼지를 종속변수로 하는 도시 전체에 대한 회귀모델을 결정한다(S40).
여기서 회귀모델로는 예컨대, 다중 선형회귀, 서포트 벡터 머신(support vector machine), 랜덤 포레스트(random forest), 다층 신경망 등 다양한 모델을 사용할 수 있다.
이후, 판정부(25)는 도시 전체 즉, 탐색영역 전체에 대한 회귀모델이 결정되면, 회귀모델 결정 이후 실시간 수집되는 도시환경센싱데이터를 회귀모델에 반영하여 예측되는 미세먼지 예측값과 실시간 수집된 도시환경센싱데이터에 근거한 미세먼지 실측값을 기초로 단위 구역 중 특이 구역을 판정한다(S50).
이를 위해, 판정부(25)는 회귀모델을 통해 예측되는 미세먼지 예측값과, 미세먼지 실측값 간의 차이를 확인하며, 이때 확인된 미세먼지 예측값과 미세먼지 실측값 간의 차이가 임계치 이상으로 확인되는 단위 구역을 특이 구역으로 판정할 수 있다.
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 도시환경분석서버(20)의 동작 방법에 따르면, 사물인터넷(Internet of Things, IoT) 기술을 기반으로, 도시 내 미세먼지와 미세먼지를 유발하는 대기오염물질을 측정한 도시환경센싱데이터를 분석하여 도시 내에서 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색함으로써, 탐색된 특이 구역들의 특성 또는 공통점을 파악하는 방식을 통해서 추후 도시 환경 개선에 매우 유용한 정보를 획득할 수 있는 환경이 마련될 수 있다.
예를 들어, 미세먼지 예측값보다 미세먼지 실측값이 지가 크게 적은 곳은 주로 나무가 많은 곳 주변(공원, 산기슭 등), 강 또는 도시하천 주변이었으며, 이것은 물의 미세먼지 흡착효과 또는 나무의 미세먼지 흡수효과로 추측할 수 있으며, 따라서 미세먼지 감소를 위해서는 가로수 확대, 도시 하천 정비가 도움을 줄 수 있을 것으로 예상할 수 있다. 한편 미세먼지 예측값보다 미세먼지 실측값이 크게 많은 곳은 주로 교통량이 많은 대로 4거리, 자동차 매매시장, 운전학원 등 차량 이동이 잦은 곳 주변일 수 있으며, 이것은 자동차 배기가스로 인한 1차적 미세먼지가 많이 발생한 결과임을 추측할 수 있으므로, 따라서, 이러한 곳은 1차적 미세먼지의 직접적 원인을 줄이는 것이 도시 환경 개선에 중요한 사안인 것으로 판단할 수 있다.
한편, 여기에 제시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 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. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.
본 발명에 따른 도시환경분석서버 및 그 동작 방법에 따르면, 사물인터넷(Internet of Things, IoT) 기술을 기반으로, 도시 내 환경 요소를 측정한 도시환경센싱데이터를 분석하여 다른 구역과 매우 다른 패턴을 보이는 특이 구역(outlying region)을 탐색할 수 있는 프레임워크를 제안하고 있다는 점에서, 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
10: 대기질측정기기
20: 도시환경분석서버
21: 수집부 22: 전처리부
23: 생성부 24: 결정부
25: 판정부

Claims (11)

  1. 도시 내 다수의 이동형 대기질측정기기로부터 미세먼지 및 상기 미세먼지의 유발과 관련된 대기오염물질을 측정한 도시환경센싱데이터가 수집되면, 상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시환경센싱데이터를 단위 구역 별로 분할하는 전처리부; 및
    상기 단위 구역별로 분할된 도시환경센싱데이터를 각 단위 구역에 대해 요약한 요약데이터에 기초하여 회귀모델이 결정되면, 실시간 수집되는 도시환경센싱데이터를 상기 회귀모델에 반영하여 예측되는 미세먼지 예측값과 실시간 수집된 도시환경센싱데이터에 근거한 미세먼지 실측값을 기초로 단위 구역 중 특이 구역을 판정하는 판정부를 포함하며,
    상기 요약데이터는,
    상기 단위 구역 별로 도시환경센싱데이터의 평균값과 최대값 간의 차이에 해당하는 제1편차값 대비 평균값과 최소값 간의 차이에 해당하는 제2편차값이 가지는 비율인 센서대칭률에 대해서 단위 구역 내 이동형 대기질측정기기의 개수를 반영한 정규화 처리가 수행되면,
    상기 단위 구역 별로, 상기 정규화 처리된 센서대칭률과 각 도시환경센싱데이터의 측정값이 중앙값과 가지는 편차를 이용하여 결정되는 중요도가중치를 각각의 도시환경센싱데이터에 반영한 보정값으로 생성되는 것을 특징으로 하는 도시환경분석서버.
  2. 제 1 항에 있어서,
    상기 전처리부는,
    상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시 내에서 상기 도시환경센싱데이터가 측정된 최대 범위에 해당하는 탐색영역을 결정하며, 상기 탐색영역에 해당하는 전체 영역을 동일한 크기 영역을 가지는 다수의 단위 구역으로 분할하는 것을 특징으로 하는 도시환경분석서버.
  3. 제 2 항에 있어서,
    상기 탐색영역은,
    상기 도시환경센싱데이터가 측정된 최대 경도/위도 좌표와, 최소 경도/위도 좌표를 연결한 정방형으로 그 영역이 결정되는 것을 특징으로 하는 도시환경분석서버.
  4. 제 1 항에 있어서,
    상기 요약데이터는,
    상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 통계값을 포함하며,
    상기 통계값은,
    상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 평균값, 중앙값, 최대값, 최소값, 및 사분위수 중 적어도 하나를 포함하는 것을 특징으로 하는 도시환경분석서버.
  5. 제 1 항에 있어서,
    상기 판정부는,
    상기 단위 구역 별로 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이를 확인하며, 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이가 임계치 이상으로 확인되는 단위 구역을 상기 특이 구역으로 판정하는 것을 특징으로 하는 도시환경분석서버.
  6. 도시 내 다수의 이동형 대기질측정기기로부터 미세먼지 및 상기 미세먼지의 유발과 관련된 대기오염물질을 측정한 도시환경센싱데이터를 수집하는 수집단계;
    상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시환경센싱데이터를 단위 구역 별로 분할하는 전처리단계; 및
    상기 단위 구역별로 분할된 도시환경센싱데이터를 각 단위 구역에 대해 요약한 요약데이터에 기초하여 회귀모델이 결정되면, 실시간 수집되는 도시환경센싱데이터를 상기 회귀모델에 반영하여 예측되는 미세먼지 예측값과 실시간 수집된 도시환경센싱데이터에 근거한 미세먼지 실측값을 기초로 단위 구역 중 특이 구역을 판정하는 판정단계를 포함하며,
    상기 요약데이터는,
    상기 단위 구역 별로 도시환경센싱데이터의 평균값과 최대값 간의 차이에 해당하는 제1편차값 대비 평균값과 최소값 간의 차이에 해당하는 제2편차값이 가지는 비율인 센서대칭률에 대해서 단위 구역 내 이동형 대기질측정기기의 개수를 반영한 정규화 처리가 수행되면,
    상기 단위 구역 별로, 상기 정규화 처리된 센서대칭률과 각 도시환경센싱데이터의 측정값이 중앙값과 가지는 편차를 이용하여 결정되는 중요도가중치를 각각의 도시환경센싱데이터에 반영한 보정값으로 생성되는 것을 특징으로 하는 도시환경분석서버의 동작 방법.
  7. 제 6 항에 있어서,
    상기 전처리단계는,
    상기 도시환경센싱데이터가 측정된 위치정보를 기초로 상기 도시 내에서 상기 도시환경센싱데이터가 측정된 최대 범위에 해당하는 탐색영역을 결정하는 경계결정단계; 및
    상기 탐색영역에 해당하는 전체 영역을 동일한 크기 영역을 가지는 다수의 단위 구역으로 분할하는 분할단계를 포함하는 것을 특징으로 하는 도시환경분석서버의 동작 방법.
  8. 제 7 항에 있어서,
    상기 탐색영역은,
    상기 도시환경센싱데이터가 측정된 최대 경도/위도 좌표와, 최소 경도/위도 좌표를 연결한 정방형으로 그 영역이 결정되는 것을 특징으로 하는 도시환경분석서버의 동작 방법.
  9. 제 6 항에 있어서,
    상기 요약데이터는,
    상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 통계값을 포함하며,
    상기 통계값은,
    상기 단위 구역별로 분할된 도시환경센싱데이터에 대한 평균값, 중앙값, 최대값, 최소값, 및 사분위수 중 적어도 하나를 포함하는 것을 특징으로 하는 도시환경분석서버의 동작 방법.
  10. 제 6 항에 있어서,
    상기 판정단계는,
    상기 단위 구역 별로 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이를 확인하며, 상기 미세먼지 예측값 및 상기 미세먼지 실측값 간의 차이가 임계치 이상으로 확인되는 단위 구역을 상기 특이 구역으로 판정하는 것을 특징으로 하는 도시환경분석서버의 동작 방법.
  11. 제 6 항 내지 제 10 항 중 어느 한 항에 따른 방법의 각 단계를 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체.
KR1020170181529A 2017-12-27 2017-12-27 도시환경분석서버 및 그 동작 방법 KR101900777B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170181529A KR101900777B1 (ko) 2017-12-27 2017-12-27 도시환경분석서버 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170181529A KR101900777B1 (ko) 2017-12-27 2017-12-27 도시환경분석서버 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR101900777B1 true KR101900777B1 (ko) 2018-09-20

Family

ID=63719799

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170181529A KR101900777B1 (ko) 2017-12-27 2017-12-27 도시환경분석서버 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR101900777B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102025044B1 (ko) * 2019-04-18 2019-11-04 최철 측정기 모니터링 시스템 및 방법
KR20200047103A (ko) * 2018-10-26 2020-05-07 광주과학기술원 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법
CN111862104A (zh) * 2019-04-26 2020-10-30 利亚德照明股份有限公司 一种基于大规模城市夜景的视频切割方法及系统
KR20200135012A (ko) * 2019-05-24 2020-12-02 주식회사 엠원인터내셔널 생활권역별 환경안전 실시간 모니터링 시스템
KR102221904B1 (ko) 2020-08-18 2021-03-03 한국원자력안전기술원 사이언스로라를 이용한 환경방사선 자료 전송 시스템
KR20220064349A (ko) 2020-11-11 2022-05-18 한국과학기술원 거리 이미지를 사용한 도시의 성장-쇠퇴 분석 시스템 및 그 방법
KR20220072884A (ko) * 2020-11-23 2022-06-03 영진기술 주식회사 미세먼지 저감을 위한 IoT 기반의 배출사업장 모니터링 시스템
CN115876964A (zh) * 2023-01-31 2023-03-31 北方工业大学 一种城市街区气候环境与碳排放移动监测预警方法及系统

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200047103A (ko) * 2018-10-26 2020-05-07 광주과학기술원 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법
KR102250795B1 (ko) * 2018-10-26 2021-05-11 광주과학기술원 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법
KR102025044B1 (ko) * 2019-04-18 2019-11-04 최철 측정기 모니터링 시스템 및 방법
CN111862104A (zh) * 2019-04-26 2020-10-30 利亚德照明股份有限公司 一种基于大规模城市夜景的视频切割方法及系统
KR20200135012A (ko) * 2019-05-24 2020-12-02 주식회사 엠원인터내셔널 생활권역별 환경안전 실시간 모니터링 시스템
KR102247894B1 (ko) 2019-05-24 2021-05-04 주식회사 엠원인터내셔널 생활권역별 환경안전 실시간 모니터링 시스템
KR102221904B1 (ko) 2020-08-18 2021-03-03 한국원자력안전기술원 사이언스로라를 이용한 환경방사선 자료 전송 시스템
KR20220064349A (ko) 2020-11-11 2022-05-18 한국과학기술원 거리 이미지를 사용한 도시의 성장-쇠퇴 분석 시스템 및 그 방법
KR20220072884A (ko) * 2020-11-23 2022-06-03 영진기술 주식회사 미세먼지 저감을 위한 IoT 기반의 배출사업장 모니터링 시스템
KR102449341B1 (ko) * 2020-11-23 2022-10-06 영진기술 주식회사 미세먼지 저감을 위한 IoT 기반의 배출사업장 모니터링 시스템
CN115876964A (zh) * 2023-01-31 2023-03-31 北方工业大学 一种城市街区气候环境与碳排放移动监测预警方法及系统
CN115876964B (zh) * 2023-01-31 2024-01-23 北方工业大学 一种城市街区气候环境与碳排放移动监测预警方法及系统

Similar Documents

Publication Publication Date Title
KR101900777B1 (ko) 도시환경분석서버 및 그 동작 방법
Mariniello et al. Structural damage detection and localization using decision tree ensemble and vibration data
US10268198B2 (en) System and method for tracking pollution
US10317226B2 (en) System and method for pollution mapping from variations data
JP4861154B2 (ja) 情報サービス提供システム、対象行動推定装置、対象行動推定方法
Khan et al. Integration of structural health monitoring and intelligent transportation systems for bridge condition assessment: Current status and future direction
US9229133B2 (en) Meteorological parameter forecasting
Aly et al. Accurate and energy-efficient GPS-less outdoor localization
US20130131976A1 (en) Position accuracy testing system
US10579961B2 (en) Method and system of identifying environment features for use in analyzing asset operation
KR20200009496A (ko) 실시간 업데이트된 환경모니터링 정보를 기반으로 대기오염물질의 농도를 제공하는 방법 및 시스템
Matarazzo et al. Crowdsourcing bridge dynamic monitoring with smartphone vehicle trips
KR20140024541A (ko) 대기 모델링 서비스 제공 시스템
Lyu et al. An integrated cyberGIS and machine learning framework for fine-scale prediction of Urban Heat Island using satellite remote sensing and urban sensor network data
US11343636B2 (en) Automatic building detection and classification using elevator/escalator stairs modeling—smart cities
WO2019224545A2 (en) A system for detecting air pollution
Sakhare et al. Reliable corridor level travel time estimation using probe vehicle data
Chen et al. Local path searching based map matching algorithm for floating car data
Duc et al. A robust method for collecting and processing the on-road instantaneous data of fuel consumption and speed for motorcycles
Singh et al. Wireless sensor networks for bridge structural health monitoring: A novel approach
Firdhous et al. A framework for IoT-enabled environment aware traffic management
Rajyalakshmi et al. Detection of car parking space by using Hybrid Deep DenseNet Optimization algorithm
Singh et al. Road pothole detection from smartphone sensor data using improved LSTM
He et al. An enhanced weight-based real-time map matching algorithm for complex urban networks
CN108764518B (zh) 一种基于物联网大数据的交通资源动态优化方法

Legal Events

Date Code Title Description
AMND Amendment
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant