KR102249524B1 - 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법 - Google Patents
데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법 Download PDFInfo
- Publication number
- KR102249524B1 KR102249524B1 KR1020190174828A KR20190174828A KR102249524B1 KR 102249524 B1 KR102249524 B1 KR 102249524B1 KR 1020190174828 A KR1020190174828 A KR 1020190174828A KR 20190174828 A KR20190174828 A KR 20190174828A KR 102249524 B1 KR102249524 B1 KR 102249524B1
- Authority
- KR
- South Korea
- Prior art keywords
- civil
- data
- complaint
- civil complaint
- complaints
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012732 spatial analysis Methods 0.000 title claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 51
- 238000010219 correlation analysis Methods 0.000 claims abstract description 22
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims description 27
- 206010039203 Road traffic accident Diseases 0.000 claims description 15
- 238000007667 floating Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 25
- 238000007726 management method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 17
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010014357 Electric shock Diseases 0.000 description 1
- 206010016952 Food poisoning Diseases 0.000 description 1
- 208000019331 Foodborne disease Diseases 0.000 description 1
- 241000985630 Lota lota Species 0.000 description 1
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000008566 social perception Effects 0.000 description 1
- 230000032258 transport Effects 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
- 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
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Ecology (AREA)
- Mathematical Physics (AREA)
- Educational Technology (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법에 관한 것으로, 상기 장치는 특정 지역에 관한 민원데이터와 공공데이터를 수집하여 민원 발생 예측을 위한 민원 데이터 셋(data set)을 구축하는 데이터 셋 구축부, 상기 민원 데이터 셋에서 도출되는 민원 통계를 이용하여 민원 유형 별로 복수의 민원 발생요인들 및 민원 발생횟수 간의 상관분석을 통해 주요 발생요인을 각각 결정하는 주요 발생요인 결정부 및 민원 유형 별로 상기 주요 발생요인의 공간 분포에 따라 민원 예상지역을 결정하는 민원 예상지역 결정부를 포함한다.
Description
본 발명은 민원 발생 예측관리 기술에 관한 것으로, 보다 상세하게는 민원이 반복적으로 발생하는 위험 취약지를 도출하고 공간분석을 통한 민원 발생을 예측할 수 있는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법에 관한 것이다.
뿐만 아니라 소득이 증가함에 따라 예전에는 상대적으로 관심을 기울이지 못했던 위생, 복지, 환경 등에 대한 요구사항이 증가하여 다양한 분야의 민원 수요가 발생하였다. 이는 경제발전에 치중하지 않고 건강한 생활 여건이나 깨끗한 환경 보전의 가치를 중요시하는 사회적 인식의 변화 때문이다.
증가한 시민의 요구사항을 체계적으로 대응하기 위하여 다양한 방안들이 시도되고 있으나, 현장점검을 기반으로 모든 분야의 민원을 사전에 대응하는 것에는 한계가 존재하며, 민원 현황 파악과 시민 불편을 최소화하기 위하여 선제적 대응을 제공할 수 있는 기술의 개발이 요구되고 있다.
본 발명의 일 실시예는 민원이 반복적으로 발생하는 위험 취약지를 도출하고 공간분석을 통한 민원 발생을 예측할 수 있는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 누적되는 민원데이터를 분석하여 그 결과를 활용함으로써 민원 증감 현황과 발생원인을 파악하고 민원 발생 예측을 통해 최우선 행정력 배치를 통한 민원처리의 효율성을 확보할 수 있는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 민원 현황 모니터링을 강화하여 특정 지역, 시간, 기간에 집중 발생하는 민원에 대해 긴급대응체계를 마련하고 개선책 도출을 지원하며 민원 예상 지역에 대해 발생원인 및 현황을 관련 부서와 공유하여 선제적 대응을 지원할 수 있는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법을 제공하고자 한다.
실시예들 중에서, 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치는 특정 지역에 관한 민원데이터와 공공데이터를 수집하여 민원 발생 예측을 위한 민원 데이터 셋(data set)을 구축하는 데이터 셋 구축부, 상기 민원 데이터 셋에서 도출되는 민원 통계를 이용하여 민원 유형 별로 복수의 민원 발생요인들 및 민원 발생횟수 간의 상관분석을 통해 주요 발생요인을 각각 결정하는 주요 발생요인 결정부 및 민원 유형 별로 상기 주요 발생요인의 공간 분포에 따라 민원 예상지역을 결정하는 민원 예상지역 결정부를 포함한다.
상기 민원 발생 예측관리 장치는 상기 민원 예상지역에 대해 민원 발생을 예방하기 위한 선제적 대응 요청을 발생시키는 민원 대응 요청부를 더 포함할 수 있다.
상기 민원 데이터 셋 구축부는 상기 민원데이터로서 위치 정보를 포함하는 민원 유형별 민원 신고 데이터를 수집하여 저장하는 제1 단계, 상기 민원데이터를 기 설정된 민원 분류 체계로 재분류하는 제2 단계 및 상기 민원데이터의 주소값을 지오코딩(Geocoding)을 통해 좌표화 하는 제3 단계를 통해 상기 민원 데이터 셋의 구축을 위한 전처리를 수행할 수 있다.
상기 민원 데이터 셋 구축부는 상기 민원데이터를 연도 및 민원 유형 별로 각각 상기 특정 지역에 관한 공간 좌표계에 배치하고 상기 공간 좌표계를 고정 크기를 갖는 복수의 단위격자들로 분할하여 상기 복수의 단위격자들 각각에 대한 연도 및 민원 유형별 민원 발생 건수를 도출할 수 있다.
상기 민원 데이터 셋 구축부는 상기 공공데이터로서 도로, 교통량, 교통사고, 사업체수, 종사자수 및 유동인구에 관한 데이터를 수집하여 저장하고, 상기 주요 발생요인 결정부는 상기 민원 통계로부터 도출되는 민원 유형별 공간 분포에 따라 민원 유형 별로 상기 복수의 민원 발생요인들을 각각 결정할 수 있다.
상기 주요 발생요인 결정부는 상기 상관분석의 결과에 따라 상기 민원 발생횟수를 기준으로 양의 상관관계를 형성하는 민원 발생요인들을 상기 주요 발생요인으로서 결정할 수 있다.
상기 민원 예상지역 결정부는 민원 유형에 따라 상기 주요 발생요인에 관해 도로길이 당 분포수를 기준으로 상기 민원 예상지역을 결정할 수 있다.
실시예들 중에서, 데이터 기반 공간분석을 이용한 민원 발생 예측관리 방법은 특정 지역에 관한 민원데이터와 공공데이터를 수집하여 민원 발생 예측을 위한 민원 데이터 셋(data set)을 구축하는 단계, 상기 민원 데이터 셋에서 도출되는 민원 통계를 이용하여 민원 유형 별로 복수의 민원 발생요인들 및 민원 발생횟수 간의 상관분석을 통해 주요 발생요인을 각각 결정하는 단계, 민원 유형 별로 상기 주요 발생요인의 공간 분포에 따라 민원 예상지역을 결정하는 단계 및 상기 민원 유형별 민원 예상지역에 대해 민원 발생을 예방하기 위한 선제적 대응 요청을 발생시키는 단계를 포함한다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법은 누적되는 민원데이터를 분석하여 그 결과를 활용함으로써 민원 증감 현황과 발생원인을 파악하고 민원 발생 예측을 통해 최우선 행정력 배치를 통한 민원처리의 효율성을 확보할 수 있다.
본 발명의 일 실시예에 따른 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법은 민원 현황 모니터링을 강화하여 특정 지역, 시간, 기간에 집중 발생하는 민원에 대해 긴급대응체계를 마련하고 개선책 도출을 지원하며 민원 예상 지역에 대해 발생원인 및 현황을 관련 부서와 공유하여 선제적 대응을 지원할 수 있다.
도 1은 본 발명에 따른 민원 발생 예측관리 장치를 설명하는 블록도이다.
도 2는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 과정을 설명하는 순서도이다.
도 3은 도 1에 있는 민원 발생 예측관리 장치에서 데이터의 구조를 설명하는 도면이다.
도 4는 수집된 데이터의 재분류 과정에서 사용되는 민원 분류 체계의 일 실시예를 설명하는 도면이다.
도 5는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 지오코딩 과정을 설명하는 도면이다.
도 6은 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 데이터 전처리 과정을 설명하는 도면이다.
도 7 내지 9는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 민원 데이터 셋 구축 과정을 설명하는 도면이다.
도 10 내지 12는 도 1에 있는 민원 발생 예측관리 장치에서 사용하는 민원 통계의 일 실시예를 설명하는 도면이다.
도 13 및 14는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 상관분석 과정을 설명하는 도면이다.
도 15 내지 18은 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 민원 예상지역 결정 과정을 설명하는 도면이다.
도 2는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 과정을 설명하는 순서도이다.
도 3은 도 1에 있는 민원 발생 예측관리 장치에서 데이터의 구조를 설명하는 도면이다.
도 4는 수집된 데이터의 재분류 과정에서 사용되는 민원 분류 체계의 일 실시예를 설명하는 도면이다.
도 5는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 지오코딩 과정을 설명하는 도면이다.
도 6은 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 데이터 전처리 과정을 설명하는 도면이다.
도 7 내지 9는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 민원 데이터 셋 구축 과정을 설명하는 도면이다.
도 10 내지 12는 도 1에 있는 민원 발생 예측관리 장치에서 사용하는 민원 통계의 일 실시예를 설명하는 도면이다.
도 13 및 14는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 상관분석 과정을 설명하는 도면이다.
도 15 내지 18은 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 민원 예상지역 결정 과정을 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
민원 발생 예측관리 장치(100)는 민원데이터와 공공데이터를 수집 및 분석하여 민원 발생을 예측하여 선제적 대응을 제공할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 민원 발생 예측관리 장치(130)는 다양한 사용자 단말들과 블루투스, WiFi, 통신망 등을 통해 무선으로 연결될 수 있고, 네트워크를 통해 사용자 단말들과 데이터를 주고 받을 수 있다.
일 실시예에서, 민원 발생 예측관리 장치(100)는 데이터베이스와 연동하여 민원 발생 예측관리를 위해 필요한 데이터를 저장할 수 있다. 민원 발생 예측관리 장치(100)는 데이터베이스를 내부에 포함하여 구현될 수 있다. 또한, 민원 발생 예측관리 장치(100)는 프로세서, 메모리, 사용자 입출력부 및 네트워크 입출력부를 포함하여 구현될 수 있으며, 이에 대한 구체적인 설명은 생략한다.
데이터베이스는 민원 발생 예측관리 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 예를 들어, 데이터베이스는 수집된 민원데이터 및 공공데이터를 저장할 수 있고, 수집된 데이터들의 통계 정보와 데이터 분석을 통해 도출되는 민원 발생 예측 정보 등을 저장할 수 있다. 또한, 데이터베이스는 각 정보들을 저장 및 관리하기 위하여 복수의 데이터베이스 모듈들로 구성될 수 있으며, 각 데이터베이스 모듈들은 네트워크로 연결됨으로써 하나의 데이터베이스 그룹을 형성할 수 있다.
도 1은 본 발명에 따른 민원 발생 예측관리 장치를 설명하는 블록도이다.
도 1을 참조하면, 민원 발생 예측관리 장치(100)는 데이터 셋 구축부(110), 주요 발생요인 결정부(130), 민원 예상지역 결정부(150), 민원 대응 요청부(170) 및 제어부(190)를 포함할 수 있다.
데이터 셋 구축부(110)는 특정 지역에 관한 민원데이터와 공공데이터를 수집하여 민원 발생 예측을 위한 민원 데이터 셋(data set)을 구축할 수 있다. 여기에서, 민원데이터는 특정 지역의 거주자 또는 방문자들로부터 제기되는 민원들에 관한 정보에 해당할 수 있고, 공공데이터는 특정 지역에 대한 공공 정보로서 토지, 교통, 환경 등에 관한 정보에 해당할 수 있다. 한편, 민원 데이터 셋(data set)은 민원 발생 예측을 위하여 필요한 정보들을 모아 놓은 데이터 집합에 해당할 수 있다. 데이터 셋 구축부(110)는 다양한 데이터 소스(source)로부터 수집된 정보들을 분류하고 정제 및 가공하여 이후 민원 발생 예측 과정에서 효과적으로 사용될 수 있도록 지원할 수 있다.
또한, 데이터 셋 구축부(110)는 민원 데이터 셋을 복수의 데이터 그룹으로 분할하여 저장 및 관리할 수 있다. 예를 들어, 데이터 셋 구축부(110)는 민원데이터와 공공데이터를 독립적으로 저장 및 관리할 수 있고, 민원데이터 및 공공데이터를 각 유형에 따라 대분류, 중분류 및 소분류로 분류하여 유형 또는 분류 별로 각각 독립적으로 저장 및 관리할 수 있다.
일 실시예에서, 데이터 셋 구축부(110)는 민원데이터로서 위치 정보를 포함하는 민원 유형별 민원 신고 데이터를 수집하여 저장하는 제1 단계, 민원데이터를 기 설정된 민원 분류 체계로 재분류하는 제2 단계 및 민원데이터의 주소값을 지오코딩(Geocoding)을 통해 좌표화 하는 제3 단계를 통해 민원 데이터 셋의 구축을 위한 전처리를 수행할 수 있다.
보다 구체적으로, 데이터 셋 구축부(110)는 민원데이터로서 위치 정보를 포함하는 민원 유형별 민원 신고 데이터를 수집하여 저장할 수 있다. 특정 지역에 대한 민원 발생 예측을 위해서는 각 정보들이 위치 정보와 필수적으로 연관되어 있어야 한다. 따라서, 데이터 셋 구축부(110)는 위치 정보를 필수적으로 포함하는 다양한 민원 신고 데이터를 수집하여 저장할 수 있다.
한편, 민원 신고 데이터는 다양한 소스로부터 수집될 수 있으며, 예를 들어 안전신문고 민원데이터와 생활 불편 신고 민원데이터를 포함할 수 있다. 생활 주변의 안전 위험요인을 발견 시 국민은 안전신문고 홈페이지 또는 앱을 통해 신고할 수 있으며, 안전신문고는 이러한 과정을 통해 수집된 민원데이터에 해당할 수 있다.
안전신문고 민원 신고 유형은 생활안전(비상통로 확보, 등산로·산책로·전망대 등 생활시설물 안전확보), 교통안전(신호등 미점등, 도로파손, 교통안전시설(반사경, 차단봉, 가이드레일 등) 파손 및 설치 등), 시설안전(시설물 균열, 처짐, 뒤틀림, 파손, 흘러내림 등), 학교안전(통학로·스쿨존 안전확보, 학교시설 안전확보 등), 산업안전(감전위험, 가스저장 판매업소 안전기준 미이행 등), 사회안전(사이버 안전, 성폭력, 성매매, 식중독, 불량식품 등), 해양안전(불법접안, 여객시설 안전, 승객안전 등) 및 기타안전(안전의식 제고, 안전법규 검토 등)을 포함할 수 있다.
생활 불편 신고 서비스는 생활공감지도 서비스 및 공공데이터포털에서 제공하는 생활 불편 신고 Open API를 활용하여 일상생활 속 불편사항을 스마트폰을 이용하여 신고할 수 있는 서비스에 해당할 수 있고, 이러한 과정을 통해 수집되는 생활 불편 신고는 신고 유형 별로 불법주차, 불법정차, 장애인전용구역 불법주차, 불법광고물, 쓰레기 방치 및 투기, 도로/시설물 파손, 가로등/신호등 고장, 환경오염 행위, 자전거 불편, 도로/건물/지점번호판 훼손, 청소년 유해업소, 에너지 과소비 및 기타불편을 포함할 수 있다.
또한, 데이터 셋 구축부(110)는 민원데이터를 기 설정된 민원 분류 체계로 재분류할 수 있다. 다양한 소스로부터 수집되는 민원데이터는 그 출처에 따라 잘못된 정보를 포함할 수 있고, 서로 다른 형식으로 생성되어 통일화된 관리가 어려울 수 있다. 데이터 셋 구축부(110)는 민원 발생 예측 과정에서 효과적인 데이터 운용을 위하여 수집된 데이터들에 대한 전처리를 수행할 수 있다.
도 3은 도 1에 있는 민원 발생 예측관리 장치에서 데이터의 구조를 설명하는 도면으로서, 도 3을 참조하면, 민원데이터(또는 공공데이터)는 공통적인 데이터 구조로서 데이터명(310), 기간(330), 지역(350), 필드명(370) 및 공개데이터 여부(390)를 포함할 수 있다.
데이터 셋 구축부(110)는 해당 데이터 구조를 기초로 사전에 설정된 민원 분류 체계로 재분류 동작을 수행할 수 있으며, 이 때 사용되는 민원 분류 체계는 민원 발생 예측을 위하여 사전에 설정되어 데이터베이스에 보관될 수 있다.
도 4는 수집된 데이터의 재분류 과정에서 사용되는 민원 분류 체계의 일 실시예를 설명하는 도면으로서, 도 4를 참조하면, 민원 분류 체계는 특정 지역의 특성과 민원 발생 예측 과정을 고려하여 사전에 설정될 수 있다. 민원 분류 체계는 민원 유형에 따른 대분류로서 교통, 환경위생, 도시, 주택, 보건복지, 생태, 경제, 차량, 도로, 안전재난 및 기타로 분류될 수 있고, 각각의 대분류는 복수의 소분류들을 포함하여 정의될 수 있다.
또한, 데이터 셋 구축부(110)는 민원데이터의 주소값을 지오코딩(Geocoding)을 통해 좌표화 할 수 있다. 여기에서, 지오코딩(Geocoding)은 고유명칭(예를 들어, 주소값)을 위도와 경도의 좌표값으로 변환하는 기법에 해당할 수 있다.
도 5는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 지오코딩 과정을 설명하는 도면으로서, 도 5를 참조하면, 데이터 셋 구축부(110)는 민원데이터에 포함된 텍스트 형태의 주소값(510)을 지오코딩 툴(Tool)(또는 지오코딩 알고리즘)을 통해 위도(x)와 경도(y)의 좌표값(530)으로 변환할 수 있다.
한편, 데이터 셋 구축부(110)는 각 단계들을 독립적으로 처리하는 모듈들로 구성될 수 있다. 예를 들어, 데이터 셋 구축부(110)는 데이터 수집 모듈, 데이터 재분류 모듈 및 전처리 수행 모듈을 포함할 수 있다. 또한, 데이터 셋 구축부(110)는 각 모듈들의 독립적인 동작을 제어하고 모듈들 각각과 연결되어 동작하는 제어 모듈을 포함할 수 있다.
일 실시예에서, 데이터 셋 구축부(110)는 민원데이터를 연도 및 민원 유형 별로 각각 특정 지역에 관한 공간 좌표계에 배치하고 공간 좌표계를 고정 크기를 갖는 복수의 단위격자들로 분할하여 복수의 단위격자들 각각에 대한 연도 및 민원 유형별 민원 발생 건수를 도출할 수 있다. 여기에서, 공간 좌표계는 특정 지역에 관한 2차원 평면 좌표계에 해당할 수 있고, 해당 지역에 대응되는 전자지도 상에 매핑(mapping)될 수 있다. 따라서, 데이터 셋 구축부(110)는 민원데이터를 공간 좌표계에 배치함으로써 특정 지역에서의 민원 발생에 관한 공간 분포 정보를 구축할 수 있다.
한편, 데이터 셋 구축부(110)는 공간 좌표계를 고정 크기를 갖는 복수의 단위격자들로 분할할 수 있다. 예를 들어, 데이터 셋 구축부(110)는 공간 좌표계를 200 * 200 m의 크기를 갖는 단위격자들로 분할할 수 있고, 공간 좌표계상에 배치되는 정보를 기초로 각 단위격자들에 배치된 데이터 수를 카운팅(counting)할 수 있다. 데이터 셋 구축부(110)는 복수의 단위격자들 각각에 대해 연도별 민원 발생 건수와 민원 유형별 민원 발생 건수를 도출하여 민원 데이터 셋에 추가할 수 있다.
도 6은 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 데이터 전처리 과정을 설명하는 도면으로서, 도 6을 참조하면, 민원 발생 예측관리 장치(100)는 데이터 셋 구축부(110)를 통해 수집된 민원데이터에 관한 전처리 동작을 수행할 수 있다. 그림 (a)에서 데이터 셋 구축부(110)가 지오코딩한 연도별 민원데이터를 모델빌더(model builder)를 이용하여 전자지도 상에 매핑할 수 있고, 각 연도별 민원 유형별로 추출할 수 있다.
또한, 그림 (b)에서 데이터 셋 구축부(110)가 추출한 유형별 민원데이터를 200 * 200 m 크기의 단위격자에 배치하여 유형별로 민원 발생 건수를 추출한 후 공간 조인(Spatial Join)을 수행할 수 있다. 이후, 데이터 셋 구축부(110)는 민원 유형별로 공간 조인된 복수의 데이터들을 하나로 통합하기 위하여 테이블 조인(Table Join)을 수행할 수 있다. 데이터 셋 구축부(110)는 이러한 과정을 통해 연도별 민원 유형별 발생 건수를 200 * 200 m 크기의 단위 격자 별로 생성하여 민원 통계 및 분석을 위한 민원 데이터 셋에 추가할 수 있다.
일 실시예에서, 데이터 셋 구축부(110)는 공공데이터로서 도로, 교통량, 교통사고, 사업체수, 종사자수 및 유동인구에 관한 데이터를 수집하여 저장할 수 있다. 예를 들어, 도로 데이터는 도로명주소 부여를 위해 구축한 도로 DB로서 도로파손 민원에 대한 공간분석 기본단위로 사용될 수 있다. 도로 데이터는 세부 필드로서 시군구코드, 도로구간일련번호, 도로명, 도로명코드 등을 포함할 수 있다.
교통량 데이터는 세부 필드로서 연속시간 교통량, 방향별 교통량 등을 포함할 수 있다. 교통사고 데이터는 경찰·보험사·공제조합 등의 교통사고 자료를 수집 및 통합하여 구축한 교통사고 DB로서 도로 파손, 교통시설물 신설 개선 및 정비 민원 분석에 활용될 수 있고, 세부 필드로서 사고번호, 발생일시, 발생요일, 사고유형 등을 포함할 수 있다.
사업체수 데이터는 통계청에서 구축한 최소 통계 집계구역 단위의 데이터로써 해당 구역의 산업분류별(10차 대분류) 사업체수를 활용할 수 있고, 세부 필드로서 기준년도, 집계구 경계코드, 데이터 분류코드, 사업체수 등을 포함할 수 있다.
종사자수 데이터는 통계청에서 구축한 최소 통계 집계구역 단위의 데이터로써 해당 구역의 산업분류별(10차 대분류) 종사자수를 활용할 수 있고, 세부 필드로서 기준년도, 집계구 경계코드, 데이터 분류코드, 종사자수 등을 포함할 수 있다.
유동인구 데이터는 기지국과 이동통신 기기 간의 신호를 이용하여 추정한 유동인구 데이터로서 50 * 50 m 공간단위로 생성될 수 있고, 세부 필드로서, 기준년월, 기준년월일, 소지역코드, X좌표, Y좌표, 시간대코드, 남자10대인구, 여자10대인구 등을 포함할 수 있다.
도 7 내지 9는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 민원 데이터 셋 구축 과정을 설명하는 도면으로서, 도 7 내지 9를 참조하면, 민원 발생 예측관리 장치(100)는 데이터 셋 구축부(110)를 통해 공공데이터에 관한 민원 데이터 셋을 구축할 수 있다.
도로 데이터의 경우, 데이터 셋 구축부(110)는 광역도로에 대해 행안부, 시도, 시군구 도로 전체 데이터를 사용하고, 도로위계기능에 따라 고속도로, 주간선도로, 보조간선도로, 집산도로를 선택하며, 도로구간종속에 따라 주도로 데이터만을 추출하여 도로 데이터를 구축할 수 있다.
교통량 데이터의 경우, 데이터 셋 구축부(110)는 제한적인 도로 교통량 조사지점의 정보를 이용하여 도로 교통량을 추정함으로써 데이터를 구축할 수 있다. 데이터 셋 구축부(110)는 지오코딩을 통해 텍스트를 공간데이터화하고 속성정보를 입력하여 교통량 데이터를 포인트로 구축한 후 모든 도로에 교통량을 할당할 수 있다.
교통사고 데이터의 경우, 데이터 셋 구축부(110)는 교통사고 분석시스템(Traffic Accident Analysis System, TAAS)에서 웹 상의 교통사고 GIS분석지도를 바탕으로 교통사고 데이터를 포인트로 구축할 수 있다(도 7).
사업체수 및 종사자수의 경우, 데이터 셋 구축부(110)는 통계지리정보 시스템에서 수급한 산업분류별 사업체수(종사자수) 데이터를 분류체계코드 속성을 이용해 사업체수(종사자수)를 추출할 수 있고, 추출한 데이터를 200 * 200 m 크기의 단위격자에 사업체수(종사자수)를 할당할 수 있다(도 8).
유동인구의 경우, 데이터 셋 구축부(110)는 데이터 소스로부터 수집한 50 * 50 m 격자 단위의 데이터를 200 * 200 m 격자 단위로 변환하여 민원 데이터 셋에 추가할 수 있다(도 9).
주요 발생요인 결정부(130)는 민원 데이터 셋에서 도출되는 민원 통계를 이용하여 민원 유형 별로 복수의 민원 발생요인들 및 민원 발생횟수 간의 상관분석을 통해 주요 발생요인을 각각 결정할 수 있다.
여기에서, 민원 통계는 연도별 통계, 월별 통계 및 계절별 통계를 포함할 수 있다. 도 10 내지 12는 도 1에 있는 민원 발생 예측관리 장치에서 사용하는 민원 통계의 일 실시예를 설명하는 도면으로서, 도 10은 연도별 통계 중 대분류별 통계를 나타내고, 도 11은 월별 통계를 나타내며, 도 12는 계절별 통계를 나타낼 수 있다.
도 10에서, 연도별 민원 신청 건수의 차이로 인해 연도별 백분율로 재산정하여 대분류별 민원을 상대적으로 비교할 수 있다. 민원 유형 대분류별 통계를 살펴보면, 불법주정차, 불법개조 등의 차량 관련 민원이 최소 66% 이상으로 높은 부분을 점유하였으며, 불법광고물, 노점단속의 경제 분야 민원이 다음 순위를 차지한다. 한편, 연도별 통계는 대분류별, 소분류별 통계를 포함할 수 있다.
일 실시예에서, 주요 발생요인 결정부(130)는 민원 통계로부터 도출되는 민원 유형별 공간 분포에 따라 민원 유형 별로 복수의 민원 발생요인들을 각각 결정할 수 있다. 예를 들어, 민원 유형 별로 민원 통계를 통해 연도별 현황을 확인할 수 있고, 각 연도별 현황을 단위격자에 통합하여 격자별 민원 발생 현황을 확인할 수 있다. 복수의 민원 발생요인들은 민원 유형 별로 다르게 결정될 수 있고, 예를 들어, 도로 파손 민원의 경우 전체 차량 교통량, 트럭 교통량, 교통사고 건수, 제조업 사업체수, 제조업 종사자수를 민원 발생요인들로 결정할 수 있으며, 인도 관련 민원의 경우 불법주정차 신고내역, 유동인구를 민원 발생요인들로 결정할 수 있다.
일 실시예에서, 주요 발생요인 결정부(130)는 상관분석의 결과에 따라 민원 발생횟수를 기준으로 양의 상관관계를 형성하는 민원 발생요인들을 주요 발생요인으로서 결정할 수 있다.
도 13 및 14는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 상관분석 과정을 설명하는 도면으로서, 도 13에서 도포 파손 민원의 경우 주요 발생요인 결정부(130)는 민원 발생요인들로 결정된 전체 차량 교통량, 트럭 교통량, 교통사고 건수, 제조업 사업체수, 제조업 종사자수를 대상으로 도포 파손 민원 건수와의 상관성 분석을 수행할 수 있다. 이 때, 상관성 분석을 위해 통계 패키지 프로그램 R의 'corrplot' 패키지가 활용될 수 있다.
즉, 도로 파손 민원 건수를 기준으로 하는 영향요인별 상관분석 결과를 살펴보면, 유효한 양의 상관관계로 나온 요인은 교통사고 건수, 제조업 사업체수, 제조업 종사자수에 해당할 수 있다. 한편, 전체 차량 교통량, 트럭 교통량은 상관관계가 적은 것을 확인할 수 있다.
도 14에서, 인도 관련 민원의 경우 주요 발생요인 결정부(130)는 민원 발생요인들로 결정된 불법주정차 신고내역, 유동인구를 대상으로 인도 관련 민원 건수와의 상관성 분석을 수행할 수 있다. 이 때, 상관성 분석을 위해 통계 패키지 프로그램 R의 'corrplot' 패키지가 활용될 수 있다. 인도 관련 민원 건수를 기준으로 하는 영향요인별 상관분석 결과를 살펴보면, 두 요인 모두 유효한 양의 상관관계로 도출되었음을 확인할 수 있다.
민원 예상지역 결정부(150)는 민원 유형 별로 주요 발생요인의 공간 분포에 따라 민원 예상지역을 결정할 수 있다. 즉, 민원 예상지역 결정부(150)는 민원 유형 별로 상관성 높은 주요 발생요인이 결정되면 해당 주요 발생요인에 관한 공간 분포를 기초로 향후 민원이 다수 발생할 확률이 높은 민원 예상지역을 결정할 수 있다. 민원 예상지역은 단위격자에 해당하는 지역으로 결정될 수 있고, 경우에 따라서 단위격자 내에 포함된 특정 영역(예를 들어, 도로 영역)으로 제한되어 결정될 수 있다.
일 실시예에서, 민원 예상지역 결정부(150)는 민원 유형에 따라 주요 발생요인에 관해 도로길이 당 분포수를 기준으로 민원 예상지역을 결정할 수 있다. 도 15 내지 18은 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 민원 예상지역 결정 과정을 설명하는 도면으로서, 도 15 내지 18을 기초로 민원 예상지역 결정부(150)의 동작을 설명하는 다음과 같다.
도 15 및 16에서, 민원 예상지역 결정부(150)는 상관분석 결과 도로 파손에 영향을 미치는 요인으로 도출된 교통사고 건수와 제조업 사업체수를 이용하여, 현재는 민원 발생이 낮지만 두 가지 요인으로 인해 파손 위험이 있는 도로를 민원 예상지역으로 결정할 수 있다. 도 15의 경우, 총 6개 지역이 민원 예상지역으로 결정되었으며, 도 16의 경우 A 내지 F 지역 내의 특정 도로가 민원 예상지역으로 결정될 수 있다.
한편, 주요 발생요인 결정부(130)에 의한 상관분석 시에는 도로구간 데이터 전체 길이를 기준으로 수행된 반면, 민원 예상지역 결정부(150)에 의한 민원 예상지역 결정 과정에서는 도로 길이 당 교통사고 건수와 사업체수로 표준화시켜 민원 예상지역을 결정할 수 있다.
도 17 및 18에서, 민원 예상지역 결정부(150)는 상관분석 결과 인도 신설 및 개선 민원에 영향을 미치는 요인으로 도출된 불법주정차와 유동인구를 이용하여, 과거에 민원이 발생하지 않았지만 두가지 요인으로 인해 향후 민원 발생 위험이 있는 도로를 민원 예상지역으로 결정할 수 있다.
인도 관련 민원 발생 예상 지역을 상세히 살펴보면, 도 18에서, A지역은 서신동 동아한일아파트와 롯데백화점 주변 지역으로 주택가 및 상업지역이 혼재된 지역으로 불법주정차가 매우 높은 빈도로 발생하고 유동인구 역시 많은 지역에 해당할 수 있다.
그리고, B지역은 시청입구 사거리와 오거리 문화광장 인근으로 유동인구가 많으며 불법주정차도 매우 빈번한 지역에 해당할 수 있다. C지역은 객사 일원으로 젊은 연령층의 유동인구가 많은 지역에 해당하며, D지역은 인후초등학교 주변으로 불법주정차가 많이 발생하는 지역에 해당할 수 있다.
그리고, E지역은 인후동1가의 아중마을 부영6차아파트와 인봉초등학교 근처 주택가로 낮은 빌라가 밀집한 지역으로 불법주정차 문제가 심각한 지역에 해당할 수 있다. 마지막으로, F지역은 평화동2가 지시제와 소다배기로 사이로 인도 신설 및 개선 민원 발생이 예상되는 장소에 해당할 수 있다.
민원 대응 요청부(170)는 민원 예상지역에 대해 민원 발생을 예방하기 위한 선제적 대응 요청을 발생시킬 수 있다. 즉, 선제적 대응 요청은 민원이 다수 발생할 확률이 높은 지역에 대해 그 원인을 파악하여 사전 예방 조치를 요청하는 알림 메시지에 해당할 수 있고, 민원 대응 요청부(170)는 민원 예상지역 결정부(150)에 의해 결정된 민원 예상지역에 대해 선제적 대응 요청을 발생시킴으로써 민원 대응 시스템이 이를 처리하도록 유도할 수 있다.
한편, 민원 대응 요청부(170)에 의한 선제적 대응 요청의 발생은 시스템 상에서 다양한 인터페이스를 통해 제공될 수 있다. 예를 들어, 민원 대응 요청부(170)는 사전 등록된 관리자 또는 담당자에게 알림 메시지를 전송하거나 디스플레이 장치를 통해 알림 또는 경고 메시지를 표출할 수 있으며, 반드시 이에 한정되지 않고, 다양한 방식으로 구현된 선제적 대응 요청을 발생시킬 수 있다.
제어부(190)는 민원 발생 예측관리 장치(100)의 전체적인 동작을 제어하고, 데이터 셋 구축부(110), 주요 발생요인 결정부(130), 민원 예상지역 결정부(150) 및 민원 대응 요청부(170) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 2는 도 1에 있는 민원 발생 예측관리 장치에서 수행되는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 과정을 설명하는 순서도이다.
도 2를 참조하면, 민원 발생 예측관리 장치(100)는 데이터 셋 구축부(110)를 통해 특정 지역에 관한 민원데이터와 공공데이터를 수집하여 민원 발생 예측을 위한 민원 데이터 셋(data set)을 구축할 수 있다(단계 S210). 민원 발생 예측관리 장치(100)는 주요 발생요인 결정부(130)를 통해 민원 데이터 셋에서 도출되는 민원 통계를 이용하여 민원 유형 별로 복수의 민원 발생요인들 및 민원 발생횟수 간의 상관분석을 통해 주요 발생요인을 각각 결정할 수 있다(단계 S230).
또한, 민원 발생 예측관리 장치(100)는 민원 예상지역 결정부(150)를 통해 민원 유형 별로 주요 발생요인의 공간 분포에 따라 민원 예상지역을 결정할 수 있다(단계 S250). 민원 발생 예측관리 장치(100)는 민원 대응 요청부(170)를 통해 민원 예상지역에 대해 민원 발생을 예방하기 위한 선제적 대응 요청을 발생시킬 수 있다(단계 S270).
민원 발생 예측관리 장치(100)는 누적되는 민원데이터를 분석하여 그 결과를 활용함으로써 민원 증감 현황과 발생원인을 파악할 수 있다. 또한, 민원 발생 예측관리 장치(100)는 민원 발생 예측을 통해 최우선 행정력 배치를 통한 민원처리의 효율성을 확보할 수 있고, 민원 취약지역에 대한 근본적 원인을 해결함으로써 행정운영의 신뢰도 향상에 기여할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 민원 발생 예측관리 장치
110: 데이터 셋 구축부 130: 주요 발생요인 결정부
150: 민원 예상지역 결정부 170: 민원 대응 요청부
190: 제어부
310: 데이터명 330: 기간
350: 지역 370: 필드명
390: 공개데이터 여부
510: 주소값 530: 좌표값
110: 데이터 셋 구축부 130: 주요 발생요인 결정부
150: 민원 예상지역 결정부 170: 민원 대응 요청부
190: 제어부
310: 데이터명 330: 기간
350: 지역 370: 필드명
390: 공개데이터 여부
510: 주소값 530: 좌표값
Claims (8)
- 특정 지역에 관한 민원데이터와 공공데이터를 수집하여 민원 발생 예측을 위한 민원 데이터 셋(data set)을 구축하는 데이터 셋 구축부;
상기 민원 데이터 셋에서 도출되는 민원 통계를 이용하여 민원 유형 별로 복수의 민원 발생요인들 및 민원 발생횟수 간의 상관분석을 통해 상기 민원 발생횟수를 기준으로 양의 상관관계를 형성하는 민원 발생요인들을 주요 발생요인으로 각각 결정하는 주요 발생요인 결정부; 및
상기 민원 유형 중 상기 주요 발생요인이 도로와 연관된 경우 상기 주요 발생요인에 관해 도로길이 당 분포수를 기준으로 민원 예상지역을 결정하는 민원 예상지역 결정부를 포함하되,
상기 상관분석 시에는 도로구간 데이터 전체 길이를 기준으로 수행되고 상기 민원 예상지역의 결정 시에는 도로길이 당 분포수를 기준으로 수행되는 것을 특징으로 하는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치.
- 제1항에 있어서,
상기 민원 예상지역에 대해 민원 발생을 예방하기 위한 선제적 대응 요청을 발생시키는 민원 대응 요청부를 더 포함하는 것을 특징으로 하는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치.
- 제1항에 있어서, 상기 데이터 셋 구축부는
상기 민원데이터로서 위치 정보를 포함하는 민원 유형별 민원 신고 데이터를 수집하여 저장하는 제1 단계, 상기 민원데이터를 기 설정된 민원 분류 체계로 재분류하는 제2 단계 및 상기 민원데이터의 주소값을 지오코딩(Geocoding)을 통해 좌표화 하는 제3 단계를 통해 상기 민원 데이터 셋의 구축을 위한 전처리를 수행하는 것을 특징으로 하는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치.
- 제3항에 있어서, 상기 데이터 셋 구축부는
상기 민원데이터를 연도 및 민원 유형 별로 각각 상기 특정 지역에 관한 공간 좌표계에 배치하고 상기 공간 좌표계를 고정 크기를 갖는 복수의 단위격자들로 분할하여 상기 복수의 단위격자들 각각에 대한 연도 및 민원 유형별 민원 발생 건수를 도출하는 것을 특징으로 하는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치.
- 제1항에 있어서,
상기 데이터 셋 구축부는 상기 공공데이터로서 도로, 교통량, 교통사고, 사업체수, 종사자수 및 유동인구에 관한 데이터를 수집하여 저장하고,
상기 주요 발생요인 결정부는 상기 민원 통계로부터 도출되는 민원 유형별 공간 분포에 따라 민원 유형 별로 상기 복수의 민원 발생요인들을 각각 결정하는 것을 특징으로 하는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치.
- 삭제
- 삭제
- 민원 발생 예측관리 장치에서 수행되는 방법에 있어서,
특정 지역에 관한 민원데이터와 공공데이터를 수집하여 민원 발생 예측을 위한 민원 데이터 셋(data set)을 구축하는 단계;
상기 민원 데이터 셋에서 도출되는 민원 통계를 이용하여 민원 유형 별로 복수의 민원 발생요인들 및 민원 발생횟수 간의 상관분석을 통해 상기 민원 발생횟수를 기준으로 양의 상관관계를 형성하는 민원 발생요인들을 주요 발생요인으로 각각 결정하는 단계;
상기 민원 유형 중 상기 주요 발생요인이 도로와 연관된 경우 상기 주요 발생요인에 관해 도로길이 당 분포수를 기준으로 민원 예상지역을 결정하는 단계; 및
상기 민원 유형별 민원 예상지역에 대해 민원 발생을 예방하기 위한 선제적 대응 요청을 발생시키는 단계를 포함하되,
상기 상관분석 시에는 도로구간 데이터 전체 길이를 기준으로 수행되고 상기 민원 예상지역의 결정 시에는 도로길이 당 분포수를 기준으로 수행되는 것을 특징으로 하는 데이터 기반 공간분석을 이용한 민원 발생 예측관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190174828A KR102249524B1 (ko) | 2019-12-26 | 2019-12-26 | 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190174828A KR102249524B1 (ko) | 2019-12-26 | 2019-12-26 | 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102249524B1 true KR102249524B1 (ko) | 2021-05-11 |
Family
ID=75914792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190174828A KR102249524B1 (ko) | 2019-12-26 | 2019-12-26 | 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102249524B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102342192B1 (ko) * | 2021-06-25 | 2021-12-23 | (주)아인스에스엔씨 | 빅데이터 기반의 재난 발생 위험도 예측장치 및 방법 |
| WO2022210075A1 (ja) * | 2021-03-31 | 2022-10-06 | 株式会社トプコン | 情報処理装置および情報処理方法 |
| KR20230028663A (ko) * | 2021-08-20 | 2023-03-02 | (주)카탈로닉스 | 야간 조도 데이터 활용 방법 |
| KR20230060883A (ko) * | 2021-10-28 | 2023-05-08 | (주)한국융합아이티 | 상수도 민원 서비스 제공 서버 및 방법 |
| KR102693609B1 (ko) * | 2023-06-23 | 2024-08-08 | 주식회사 토이코스 | 분류 체계에 따라 분류된 민원 데이터를 이용한 상수도 사고 발생 예측 방법 및 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150054354A (ko) | 2013-11-12 | 2015-05-20 | 주식회사 제이디솔루션 | 모바일단말기에서의 지도를 이용한 민원 및 사고 관리방법 및 시스템 |
| KR101564074B1 (ko) | 2014-09-17 | 2015-10-29 | 주식회사 포스코건설 | Bim 기반 공동주택 하자/민원 접수·처리정보 구축 시스템 및 접수·처리정보 처리 방법 |
| KR20160075971A (ko) * | 2014-12-19 | 2016-06-30 | 케이웨어 (주) | 공공민원 데이터 서비스를 위한 빅 데이터 관리시스템 |
| KR20180131165A (ko) * | 2017-05-31 | 2018-12-10 | (주)아이티폴리스 | 빅 데이터를 활용한 단계별 방범 cctv 위치 선정 방법 |
-
2019
- 2019-12-26 KR KR1020190174828A patent/KR102249524B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150054354A (ko) | 2013-11-12 | 2015-05-20 | 주식회사 제이디솔루션 | 모바일단말기에서의 지도를 이용한 민원 및 사고 관리방법 및 시스템 |
| KR101564074B1 (ko) | 2014-09-17 | 2015-10-29 | 주식회사 포스코건설 | Bim 기반 공동주택 하자/민원 접수·처리정보 구축 시스템 및 접수·처리정보 처리 방법 |
| KR20160075971A (ko) * | 2014-12-19 | 2016-06-30 | 케이웨어 (주) | 공공민원 데이터 서비스를 위한 빅 데이터 관리시스템 |
| KR20180131165A (ko) * | 2017-05-31 | 2018-12-10 | (주)아이티폴리스 | 빅 데이터를 활용한 단계별 방범 cctv 위치 선정 방법 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022210075A1 (ja) * | 2021-03-31 | 2022-10-06 | 株式会社トプコン | 情報処理装置および情報処理方法 |
| KR102342192B1 (ko) * | 2021-06-25 | 2021-12-23 | (주)아인스에스엔씨 | 빅데이터 기반의 재난 발생 위험도 예측장치 및 방법 |
| KR20230028663A (ko) * | 2021-08-20 | 2023-03-02 | (주)카탈로닉스 | 야간 조도 데이터 활용 방법 |
| KR102618554B1 (ko) | 2021-08-20 | 2023-12-28 | (주)카탈로닉스 | 야간 조도 데이터 활용 방법 |
| KR20230060883A (ko) * | 2021-10-28 | 2023-05-08 | (주)한국융합아이티 | 상수도 민원 서비스 제공 서버 및 방법 |
| KR102617045B1 (ko) * | 2021-10-28 | 2023-12-27 | (주)한국융합아이티 | 상수도 민원 서비스 제공 서버 및 방법 |
| KR102693609B1 (ko) * | 2023-06-23 | 2024-08-08 | 주식회사 토이코스 | 분류 체계에 따라 분류된 민원 데이터를 이용한 상수도 사고 발생 예측 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102249524B1 (ko) | 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법 | |
| Huang et al. | A mobility network approach to identify and anticipate large crowd gatherings | |
| CN103116825B (zh) | 智慧城市管理系统 | |
| Pan et al. | Investigating the impacts of built environment on traffic states incorporating spatial heterogeneity | |
| Strulak-Wójcikiewicz et al. | Concept of a simulation model for assessing the sustainable development of urban transport | |
| Zhou et al. | Research on traffic situation analysis for urban road network through spatiotemporal data mining: a case study of Xi’an, China | |
| De Marco | Digital dashboards for smart city governance: a case project to develop an urban safety indicator model | |
| El-Adaway et al. | Identifying the most critical transportation intersections using social network analysis | |
| Freiria et al. | The multiscale importance of road segments in a network disruption scenario: A risk‐based approach | |
| Imai et al. | Origin-destination trips generated from operational data of a mobile network for urban transportation planning | |
| Ming et al. | A facility location and allocation model for cooperative fire services | |
| Lu et al. | Reliability analysis of centralized versus decentralized zoning strategies for paratransit services | |
| Kitchin et al. | Can smart city data be used to create new official statistics? | |
| Shakarami et al. | Spatial analysis of the impacts of the urban form on the energy consumption of Karaj over the Covid-19 era (2019-2022) | |
| Jamal et al. | A Generalized Accelerated Failure Time Model to Predict Restoration Time from Power Outages | |
| Zhang et al. | Effects of jobs–residence balance on commuting patterns: Differences in employment sectors and urban forms | |
| Sahebgharani et al. | Analyzing accessibility to fire stations: A floating catchment area model for stochastic transportation networks with travel time correlation | |
| CN110020799A (zh) | 一种基于时空基准的城管网格资源配置 | |
| Platos et al. | Population data mobility retrieval at territory of Czechia in pandemic COVID‐19 period | |
| Qian et al. | Forecasting external trips in small and medium cities based on local economic context | |
| Dimitriou et al. | Saving lives through faster emergency unit response times: Role of accessibility and environmental factors | |
| Mukherjee et al. | Do the mobility patterns for city taxicabs impact road safety? | |
| Mamdoohi et al. | An Analysis of Public Transit Connectivity Index in Tehran. The Case Study: Tehran Multi-Modal Transit Network | |
| Sun et al. | Identification of recurrent congestion in main trunk road based on grid and analysis on influencing factors | |
| Khani et al. | Identifying and Optimizing Electric Vehicle Corridor Charging Infrastructure for Medium and Heavy-Duty Trucks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |