KR102249726B1 - 재난 관련 키워드 검색과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 - Google Patents
재난 관련 키워드 검색과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR102249726B1 KR102249726B1 KR1020200027830A KR20200027830A KR102249726B1 KR 102249726 B1 KR102249726 B1 KR 102249726B1 KR 1020200027830 A KR1020200027830 A KR 1020200027830A KR 20200027830 A KR20200027830 A KR 20200027830A KR 102249726 B1 KR102249726 B1 KR 102249726B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- disaster
- web
- analysis
- layer
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004590 computer program Methods 0.000 title claims abstract description 5
- 238000012358 sourcing Methods 0.000 title abstract description 7
- 238000013480 data collection Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims description 52
- 238000012800 visualization Methods 0.000 claims description 40
- 238000007405 data analysis Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 23
- 239000000284 extract Substances 0.000 claims description 7
- 230000035807 sensation Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 9
- 238000001556 precipitation Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000009193 crawling Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 재난(災難) 관련 키워드를 웹 서버에서 검색하여 웹 데이터를 수집하는 데이터 수집부 및 검색된 웹 데이터를 기반으로 시각화된 데이터를 생성하는 데이터 생성부를 포함하며, 크라우드 소싱을 통해 수집된 빅데이터를 분석 및 시각화한 정보를 재난 발생시 사용자에게 효율적으로 제공하여, 재해 및 재난 사각지역으로부터 사용자들을 보호할 수 있는 "재난 관련 키워드 검색과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램"에 관한 것이다.
Description
본 발명은 크라우드 소싱을 활용한 재난 모니터링 시스템 및 방법에 관한 것으로서, 구체적으로는 재난(災難) 관련 키워드를 웹 서버에서 검색하여 웹 데이터를 수집하는 데이터 수집부 및 검색된 웹 데이터를 기반으로 시각화된 데이터를 생성하는 데이터 생성부를 포함하며, 크라우드 소싱을 통해 수집된 빅데이터를 분석 및 시각화한 정보를 재난 발생시 사용자에게 효율적으로 제공하여, 재해 및 재난 사각지역으로부터 사용자들을 보호할 수 있는 “크라우드 소싱을 활용한 재난 모니터링 시스템 및 방법”에 관한 것이다.
오늘날의 재해, 재난은 단일 재난 형태가 아닌 2차, 3차 재난을 야기하는 복합 재난의 형태로 빈번히 발생하고 있다. 이에 국가 및 지자체별로 CCTV, 계측기 및 센서 등의 다양한 방법으로 재난 발생의 모니터링 서비스를 운영하고 있다. 그러나 이러한 장비 등을 이용한 종래의 재난 발생의 모니터링 서비스는 장비들이 설치된 위치에 국한하여 모니터링이 수행되며, 모든 지역에 이러한 모니터링 장치를 배치하는 것은 과도한 비용이 발생할 수 있다. 따라서 종래의 모니터링 장치에 기반한 모니터링 시스템은 필연적으로 모니터링의 사각 지대가 존재하게 되며, 이러한 미계측 지역과 같은 재해, 재난 사각지역들을 대상으로 하는 모니터링 서비스의 발굴이 필요한 실정이다.
최근 4차 산업과 함께 빅데이터(big-data)가 IT 뉴스의 핵심 키워드로 부상하고 있다. 빅데이터란 대용량 데이터 활용 분석을 통해 가치 있는 정보를 추출하고, 이를 바탕으로 대응 방안 도출 또는 변화를 예측하기 위한 정보화 기술을 말한다. 빅데이터의 활용은 점차 다양한 분야로 확산되고 웹 데이터가 매년 기하급수적으로 증가하면서, 최근 웹 데이터는 재난 대응 미디어로써 매우 중요한 역할을 하고 있다. 일례로, 2011년 3월 11일 도호쿠 일본대지진에서, 유선 전화, 무선 전화가 불통이 된 상황에서 SNS는 특유의 점강 효과(Crescendo Effect)를 보이며, 지진에 관한 살아있는 정보들을 실시간으로 세계 각지로 전파하는 ‘보완 미디어’로서의 역할을 수행하였다.
그러나 종래의 빅데이터와 관련 기술은 정보를 효과적으로 추출하는 데에 취중 하였으며, 수집된 정보의 이용자들에게 효과적으로 전달하는 부분은 다소 미흡하였다. 즉, 빅데이터 정보의 추출로 치우친 플랫폼 개발보다는 사용자들이 추출과 동시에 분석 및 시각화를 통해 이를 효율적으로 이용할 수 있는 빠른 정보 제공이 가능한 시스템이 요구되고 있는 실정이다.
본 발명은 위와 같은 종래 기술의 한계를 극복하기 위하여 개발된 것으로서, 구체적으로 크라우드 소싱을 통해 수집된 빅데이터를 분석 및 시각화한 정보를 재난 발생시 사용자에게 효율적으로 제공하여, 재해 및 재난 사각지역으로부터 사용자들을 보호할 수 있는 크라우드 소싱을 활용한 모니터링 시스템 및 방법을 제공하는 것을 목적으로 한다.
위와 같은 과제를 달성하기 위하여 본 발명에서는, 일 실시예로서 크라우드 소싱을 활용한 재난 모니터링 시스템이 제공된다. 상기 재난 모니터링 시스템은 데이터를 저장하는 스토리지 레이어, 데이터를 수집하고 분석하는 데이터 시스템 레이어, 수집된 데이터 및 분석 데이터를 기초로 재난 상황을 시각화하여 제공하는 서비스 레이어를 포함하며, 상기 데이터 시스템 레이어는, 적어도 하나 이상의 웹 서버에서 키워드를 검색하여 웹 데이터를 수집하고, 검색된 웹 데이터를 파싱하여 적어도 하나 이상의 태그 정보를 추출하는 데이터 수집부; 상기 수집된 웹 데이터에 대한 필터링을 수행하여 데이터를 선별하는 데이터 선별부; 및 상기 서비스 레이어로부터 입력되는 태그 정보에 대한 선택 조건에 따라 상기 선별된 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성하는 데이터 분석부를 포함한다.
다른 실시예에서, 재난 모니터링 시스템의 크라우드 소싱을 활용한 재난 모니터링 방법이 제공된다. 상기 재난 모니터링 시스템은 데이터를 저장하는 스토리지 레이어, 데이터를 수집하고 분석하는 데이터 시스템 레이어, 수집된 데이터 및 분석 데이터를 기초로 재난 상황을 시각화하여 제공하는 서비스 레이어를 포함하며, 상기 재난 모니터링 방법은: 상기 데이터 시스템 레이어가, 적어도 하나 이상의 웹 서버에서 키워드를 검색하여 웹 데이터를 수집하는 단계; 상기 데이터 시스템 레이어가, 검색된 웹 데이터를 파싱하여 적어도 하나 이상의 태그 정보를 추출하는 단계; 상기 데이터 시스템 레이어가, 상기 수집된 웹 데이터에 대한 필터링을 수행하여 데이터를 선별하는 단계; 상기 데이터 시스템 레이어가, 상기 서비스 레이어로부터 입력되는 태그 정보에 대한 선택 조건에 따라 상기 선별된 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성하는 단계; 및 상기 서비스 레이어가, 상기 생성된 시각화 분석 데이터를 제공하는 단계를 포함한다.
또 다른 실시예에서, 하드웨어와 결합되어 상기 크라우드 소싱을 활용한 재난 모니터링 방법을 실행하도록 매체에 저장된 컴퓨터 프로그램이 제공된다.
상기한 본 발명에서, 상기 웹 데이터는 개방형 소셜 네트워킹 채널에서 상기 키워드를 검색하여 도출되는 웹 문서이며; 상기 태그 정보는 상기 웹 문서의 본문, 제목, URL, 게시일 및 지역 중 하나 이상에 대한 정보를 포함할 수 있고, 상기 데이터 수집부는 지역명 사전을 포함하며; 상기 지역명 사전은 대한민국의 행정 구역 단위를 기준으로 구성되고, 상기 데이터 수집부는 상기 지역명 사전에 포함된 지역명과 대응하는 지역명을 상기 웹 문서에서 추출하여 지역 태그 정보를 생성하게 될 수도 있다.
특히, 상기한 본 발명에서 상기 데이터 선별부는 수집된 웹 데이터에 대해 정규 표현식을 통해 필터링을 수행하되, 상기 데이터 선별부는, 상기 키워드와 조사의 관계를 고려하여 수집된 데이터에 대한 적극적 필터링을 수행하고, 상기 키워드와 무관한 특정 단어를 포함하는 수집된 데이터에 대해 제한적 필터링을 수행할 수 있다. 또한 상기 데이터 수집부는 상기 웹 데이터가 이미지를 포함하는 경우, 상기 이미지를 더 수집하며, 상기 데이터 선별부는 상기 수집된 이미지에 대한 이미지 분석을 수행하여 상기 키워드와 무관한 이미지를 포함하는 웹 데이터에 대한 제한적 필터링을 수행할 수 있으며. 상기 키워드는 재난과 관련된 키워드이며, 상기 시각화 분석 데이터는 상기 재난에 대한 체감 정도를 용이하게 인식할 수 있도록 시각화된 데이터일 수도 있고, 상기 시각화 분석 데이터는 상기 키워드의 빈도를 나타내는 통계 그래프로 표시하는 것을 포함할 수도 있다.
또한 본 발명에서 상기 시각화 분석 데이터는 상기 키워드의 빈도를 지역에 따라 도시한 제1 재난 지도 및 외부 시설이나 외부 기관에서 측정된 데이터에 기초하여 재난 상황을 지역에 따라 표시하는 제2 재난 지도를 포함할 수도 있고, 상기 시각화 분석 데이터는 상기 선별된 데이터에서 명사를 추출하고, 추출된 명사를 빈도수에 따라 도시하는 워드 클라우드를 포함할 수도 있다.
본 발명의 실시예에 따른 재난 모니터링 시스템 및 방법은 웹 서버에 접속이 가능한 모든 사용자들이 시민 관측소(Citizen Observatory; CO)가 되어, 이들로부터 수집된 빅데이터에 기초하여 동작되므로, 미계측 지역과 같은 재해, 재난 사각지역들에 모니터링 기능을 제공할 수 있다.
즉, 본 발명의 실시예에 따른 재난 모니터링 시스템 및 방법은 더욱 공간적으로 정밀하고 신뢰도 있는 예보를 제공할 수 있으므로, 재난 상황에 대한 피해가 더욱 최소화될 수 있다.
도 1은 본 발명의 일 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 시스템의 개략적인 시스템 아키텍처를 도시한다.
도 2는 데이터 시스템 레이어의 구성을 도시한 블록도이다.
도 3은 데이터 수집부에서 수난과 관련된 키워드를 지정하여 수집된 결과 데이터를 예시적으로 도시한 것이다.
도 4 및 도 5는 각각 서비스 레이어에서 제공하는 재난 모니터링 시스템의 구동 화면을 예시적으로 도시한 것이다.
도 6은 본 발명의 다른 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 방법의 개략적인 순서도를 도시한다.
도 2는 데이터 시스템 레이어의 구성을 도시한 블록도이다.
도 3은 데이터 수집부에서 수난과 관련된 키워드를 지정하여 수집된 결과 데이터를 예시적으로 도시한 것이다.
도 4 및 도 5는 각각 서비스 레이어에서 제공하는 재난 모니터링 시스템의 구동 화면을 예시적으로 도시한 것이다.
도 6은 본 발명의 다른 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 방법의 개략적인 순서도를 도시한다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 분석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 분석되지 않는다.
도 1은 본 발명의 일 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 시스템(10)의 개략적인 시스템 아키텍처를 도시한다. 본 발명의 실시예에 따른 재난 모니터링 시스템(10)은 재난 상황과 관련된 빅데이터를 수집하고, 이를 분석 및 시각화하여 사용자에게 재난 상황을 효율적으로 제공하여, 사용자를 2차, 3차 재난으로부터 보호할 수 있다. 여기서, 재난은 태풍, 홍수, 호우, 폭풍과 같은 수난(水難)에 해당할 수 있으나, 본 발명의 재난 상황이 수난에 국한되는 것은 아니며, 본 발명의 재난은 지진, 가뭄, 황사, 폭설 등과 같은 자연현상을 포함할 수도 있다. 재난 모니터링 시스템(10)에서 재난 상황에 대한 데이터 수집 및 데이터베이스 구축은 재난 상황에 관련된 키워드에 기초하여 수행된다. 따라서, 각 재난 상황에 관련된 키워드에 따라 모니터링되는 재난 상황이 달라질 수 있다.
구체적으로, 도 1을 참조하면, 크라우드 소싱을 활용한 재난 모니터링 시스템(10)은 3개의 레이어(Layer), 예컨대, 스토리지 레이어(100), 데이터 시스템 레이어(110) 및 서비스 레이어(120)로 구성된다.
최하위 레이어인 스토리지 레이어(100)는 수집 또는 분석된 정보를 스토리지에 분산하여 저장하고, 조회된 정보를 제공하는 기능을 수행한다. 이러한 스토리지 레이어를 구성하는 저장 시스템은 데이터가 저장된 복수의 저장 장치들을 포함할 수 있다. 이때, 저장 장치는 물리적으로 데이터를 저장하는 복수의 스토리지들(예컨대, 로컬 스토리지, 네트워크 스토리지 등)을 포함할 수 있고, 각 저장 장치는 복수의 저장 위치를 포함할 수 있다.
데이터 시스템 레이어(110)는 데이터를 수집하고, 데이터를 분석하고 추론하여 분석정보를 생성한다. 또한, 데이터 시스템 레이어(110)는 스토리지를 관리(주관)하고, 서비스 레이어 내의 서비스 서버 등의 요청을 받아 분석 정보를 취합하여 전달하는 게이트웨이 기능을 수행하는 하나 이상을 모듈(부)로 구성될 수 있다. 데이터 시스템 레이어(110)를 구성하는 복수의 모듈(부)들 중 일부는 서비스 레이어(120)의 적어도 하나의 구성에 연결될 수 있고, 복수의 모듈(부)들 중 다른 일부는 전술한 스토리지 레이어(100)의 적어도 하나의 구성에 연결될 수 있다.
최상위 레이어인 서비스 레이어(120)는 웹, 서버, API 등을 통해 분석정보에 기초한 다양한 서비스를 제공하는 기능을 수행한다. 서비스 레이어(120)는 수집된 데이터 및 분석된 데이터를 기초로 재난 상황에 대한 정보를 사용자에게 전달하는 서비스를 제공할 수 있다. 즉, 서비스 레이어(120)를 구성하는 서비스 시스템은 사용자의 요청에 따라 데이터 분석에 기반한 다양한 서비스를 고객에게 제공할 수 있다. 서비스 레이어(120)는 상기 사용자의 입력을 수신할 수 있는 입력부(미도시) 및 서비스를 출력하기 위한 출력부(미도시) 등을 더 포함하도록 구성될 수 있다.
이하, 데이터 시스템 레이어(110)의 구성을 중심으로, 본 발명의 일 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 시스템(10)이 크라우드 소싱을 통해 정보를 수집하고, 이를 분석 및 시각화하며, 시각화된 데이터를 사용자에게 제공하는 과정을 더욱 상세히 설명한다.
도 2는 데이터 시스템 레이어의 구성을 도시한 블록도이다. 도 2를 참조하면, 데이터 시스템 레이어(110)는 데이터 수집부(111), 데이터 선별부(112) 및 데이터 분석부(113)를 포함한다.
실시예들에 따른 데이터 시스템 레이어(110) 및 이를 구성하는 각각의 장치 또는 부(unit)는, 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 데이터 시스템 레이어(110)의 각각의 구성요소는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭한다. 하드웨어는 CPU(Central Processing Unit) 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다. 예를 들어, 데이터 수집부(111)는, 인터넷 웹상의 분포하고 있는 데이터를 수집하기 위한 하드웨어 및 이를 위한 소프트웨어의 조합을 지칭할 수 있다. 예를 들어, 데이터 수집부(111)는 웹 사이트에서 데이터를 자동적으로 추출할 수 있는 웹 스크래핑, 웹 크롤러(Web Crawler) 프로그램을 포함할 수 있다. 또한, 본 명세서에서 데이터 시스템 레이어(110)를 구성하는 각 모듈은 분산 컴퓨팅 환경 하에서 서로 통신 가능하게 연결될 수 있으며, 반드시 물리적으로 구분되는 별개의 구성요소를 지칭하는 것으로 의도되는 것은 아니다.
데이터 수집부(111)는 적어도 하나 이상의 웹 서버(S)에서 웹 데이터 검색을 통해 재난 관련 빅데이터, 웹 데이터를 검색할 수 있다. 여기서, 웹 서버(S)는 오픈 API를 제공하는 서버일 수 있으며, 많은 이용자를 확보하고 있는 포털 사이트 및 소셜 네트워킹 서비스 채널일 수 있다. 또한, 웹 서버(S)는 게시된 콘텐츠에 대한 접근이 자유로운 개방형 소셜 네트워킹 채널일 수 있다. 예를 들어, 웹 서버(S)는 국내 주요 포털 사이트인 Naver와 Daum, 많은 사용자를 확보하고 있고 개방형 소셜 네트워킹 채널인 Twitter, Instagram 등을 포함할 수 있다. 이러한 웹 서버(S)를 이용하는 많은 사용자들은 재난이나 환경 모니터링 상황에서 시민 관측소(Citizen Observatory; CO)를 구축할 수 있으며, 재난 상황과 관련된 다양한 정보를 게시 및 공유할 수 있다. 이러한 정보는 신문 기사뿐만 아니라 극박한 재난 상황에 직면한 사용자의 목소리일 수 있다. 따라서 시민 관측소로부터 제공되는 정보는 방대하고 빠르며 저렴하지만 정확한 특성을 가지고 있기 때문에 수난과 같은 급박한 재난 상황의 파악과 위험의 시공간적인 전이를 예측하는데 매우 유용하게 활용될 수 있고 예측의 정확도의 향상을 기대할 수 있다. 데이터 수집부(111)는 이러한 시민 관측소 역할을 수행하는 사용자들이 공유, 게시하는 글, 사진 등을 웹 검색을 통해 수집할 수 있다.
데이터 수집부(111)에서 수행하는 웹 데이터 수집은 검색 키워드와 관련된 웹 문서로부터 적어도 하나 이상의 태그 정보를 추출하는 것을 포함할 수 있다. 데이터 수집부(111)는 웹 크롤링을 통해 재난 상황에 대한 분석을 위한 기초 자료를 수집할 수 있다. 데이터 수집부(111)는 웹 서버(S)에 재난 관련 키워드를 입력하여 웹 데이터 검색을 수행하고, 검색 결과 페이지에 대한 소스를 확인한 후, 각 웹문서에 대한 파싱(Parsing)을 통해 필요한 정보만을 추출할 수 있다. 여기서, 파싱은 문장을 이루고 있는 구성 성분을 분리하여 성분 간의 분석을 통해 원하는 데이터를 추출하는 것을 의미한다. 데이터 수집부(111)는 검색된 웹 문서의 종류에 따라 XML 파싱 기법인 DOM, JSON 파싱 기법 또는 Html 파싱 기법 등을 수행할 수 있다.
데이터 수집부(111)에서 추출되는 태그 정보는 수집되는 빅데이터를 분류하기 위한 기준이 되는 정보일 수 있다. 예를 들어, 데이터 수집부(111)는 웹 문서의 본문, 제목, URL, 게시일, 지역 중 적어도 하나에 대한 정보를 태그 정보로 수집할 수 있다. 데이터 수집부(111)는 웹 문서에서 지역명을 추출하기 위한 대한민국 모든 시군구명 사전, 지역명 사전을 포함할 수 있다. 구체적으로, 지역명 사전은 대한민국의 행정 구역 단위를 기준으로 구성될 수 있다. 즉, 행정 구역 단위 중 최소 행정 구역 단위인 읍,면,리까지 포함하도록 지역명 사전은 구성될 수 있다. 상기 지역명 사전에 포함된 지역명과 대응하는 지역명을 웹 문서에서 추출하여 지역 태그 정보를 수집할 수 있다. 즉, 데이터 수집부(111)에서 수집되는 지역에 대한 정보는 종래의 모니터링 장치가 설치되지 않은 지역, 미계측 지역까지 포함될 수 있다. 즉, 재난 발생을 모니터링하는 장치가 설치되지 않은 모니터링 사각 지대에 해당하는 지역에 대한 재난 정보까지 웹 서버의 검색을 통해 수집될 수 있다. 도 3은 데이터 수집부(111)에서 수난(홍수, 침수, 폭우, 태풍 등)과 관련된 키워드를 지정하여 수집된 결과 데이터를 예시적으로 도시한 것이다. 도 3을 참조하면, 키워드를 포함하는 각각의 웹 문서에서 검색이 수행된 웹 서버, 제목, URL, 게시일, 본문, 지역명, 검색된 키워드에 대한 태그 정보가 추출되어 저장된 상태임을 확인할 수 있다. 키워드 검색에 따른 웹 데이터가 이미지를 포함하는 경우, 데이터 수집부(111)는 해당 이미지를 더 수집할 수 있다. 또한, 키워드와 관련된 이미지에 대한 검색을 데이터 수집부(111)가 수행할 수 있으며, 이러한 이미지를 수집할 수도 있다.
데이터 선별부(112)는 데이터 수집부(111)에서 수집된 데이터를 선별할 수 있다. 데이터 수집부(111)에서 수집된 데이터는 키워드를 통하여 파싱한 것으로, 타깃(Target) 데이터가 아닌 무관한 거짓(Fake) 데이터가 혼재된 상태일 수 있다. 예를 들어, 단어의 글자는 같으나 뜻이 다른 동음이의어는 함께 추출되어 거짓 데이터가 될 수 있다. 데이터 선별부(112)는 이러한 거짓(Fake) 데이터를 필터링하여 수집된 데이터를 선별할 수 있다.
데이터 선별부(112)는 수집된 데이터에 대해 정규 표현식(Regular Expression)과 같은 자연어 처리를 수행하여 필터링을 수행할 수 있다. 구체적으로, 데이터 선별부(112)는 키워드와 조사의 관계를 고려하여 웹 문서에 대해서는 적극적 필터링(Positive Filtering)을 수행할 수 있다. 예를 들어, 데이터 선별부(112)는 홍수라는 키워드가 단독으로 쓰이거나, 홍수로, 홍수 때문에, 홍수가, 홍수는, 홍수를, 홍수와 같은 조사와 함께 쓰이는 수집된 웹 데이터는 삭제하지 않고 포함시키는 적극적 필터링을 수행할 수 있다. 또한, 데이터 선별부(112)는 검색 키워드와 전혀 무관한 특정 단어를 선정하여 해당 단어를 포함하는 웹 문서에 대해서는 제한적 필터링(Negative Filtering)을 수행할 수 있다. 예를 들어, 재난 관련 정보와 전혀 무관한 연예인의 이름 또는 정보를 포함하는 수집 데이터를 제거될 수 있다.
데이터 선별부(112)는 수집된 데이터 중 본문 태그에 이러한 필터링을 적용할 수 있다. 또한, 데이터 선별부(112)는 웹 문서에 포함된 이미지에 대한 이미지 분석을 수행할 수 있다. 데이터 선별부(112)는 이미지 분석을 수행할 수 있는 학습된 CNN(Convolutional Neural Network) 기반의 학습 모델을 포함할 수 있으며, 이러한 학습 모델을 통해 검색 키워드(재난 키워드)와 무관한 이미지를 포함하는 웹 문서에 대해 제한적 필터링(Negative Filtering)을 수행할 수 있다. 즉, 데이터 선별부(112)는 키워드와 무관한 이미지를 포함하는 웹 문서를 제거할 수 있다.
데이터 선별부(112)에서 선별된 결과 데이터는 스토리지 레이어(100)에 저장될 수 있으며, 데이터베이스화될 수 있다. 즉, 크롤링을 통해 수집되고, 정규 표현식과 같은 필터링을 통해 선별된 재난 관련 빅데이터가 스토리지 레이어(100)에 저장될 수 있다.
데이터 분석부(113)는 스토리지 레이어에 축적된 재난 관련 빅데이터에 대한 분석을 수행할 수 있다. 데이터 분석부(113)에서 수행되는 분석은 추출된 태그 정보를 기준으로 수행될 수 있다. 데이터 분석부(113)는 서비스 레이어(120)로부터 태그 정보를 선택하는 입력(선택 조건)을 수신할 수 있으며, 이러한 선택 조건에 따라 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성할 수 있다. 또한, 데이터 분석부(113)는 선택된 태그 정보에 대응하는 데이터베이스를 생성하여 서비스 레이어(120)로 제공할 수도 있다.
데이터 분석부(113)에서 수행하는 데이터 분석은 종래 스토리지 레이어(100)에 구축된 데이터에 기초하여 수행될 수 있다. 다만, 서비스 레이어(120)에서의 입력이 스토리지 레이어(100)에 구축된 범위를 벗어나는 경우에는, 선택된 조건으로 데이터를 더 수집하는 과정이 진행될 수 있다. 즉, 데이터 수집부(111) 및 데이터 선별부(112)를 통해 신규한 조건의 데이터를 더 수집하고 선별하는 과정이 더 수행될 수 있다.
서비스 레이어(120)로부터 태그 정보를 선택하는 입력은 키워드의 선택, 지역 선택 및 기간 선택 등을 포함할 수 있다. 예를 들어, 데이터 분석부(113)는 선택된 키워드가 선택된 기간 내에 빈도, 키워드가 검색되는 웹 문서의 수를 선택된 지역에 따라 분석할 수 있다. 또한, 데이터 분석부(113)는 선택된 키워드의 지역별 검색 횟수를 기간 별로 분석을 수행할 수 있다. 이러한 키워드의 빈도(키워드가 검색되는 웹 문서의 수)는 재난 키워드와 관련된 일반 대중의 관심사, 재난에 대한 체감 정도를 나타낼 수 있다.
데이터 분석부(113)는 분석된 결과를 시각화한 시각화 분석 데이터를 생성할 수 있다. 시각화 분석 데이터는 재난에 대한 체감 정도를 용이하게 인식할 수 있도록 시각화된 데이터에 해당한다. 이러한 시각화 분석 데이터를 통해 해당 지역의 사용자가 아닌 다른 사용자들도 재난 상황의 위험성을 즉각적으로 인식할 수 있다. 또한, 상술한 바와 같이, SNS 등과 같은 크라우드 소싱에 기초하여 미계측 지역까지 포함하여 이러한 위험도가 생성되는 바, 시각화 분석 데이터를 통해 사용자들은 재난 상황의 위험도를 실시간으로 인식할 수 있으며, 미계측 지역에 대한 위험도까지 파악할 수 있어, 즉각적인 대처 및 피난이 가능할 수 있다.
여기서, 시각화 분석 데이터는 통계 그래프 또는 지역에 따른 영향을 쉽게 확인할 수 있는 재난 지도(Crisis map) 형태로 제공될 수 있다. 재난 지도는 키워드의 빈도를 지역에 따라 도시한 제1 재난 지도 및 외부 시설이나 외부 기관에서 측정된 데이터에 기초하여 재난 상황을 지역에 따라 표시하는 제2 재난 지도를 포함할 수 있다. 즉, 제1 재난 지도는 사용자의 재난에 대한 체감 정도를 도시할 수 있다. 제2 재난 지도는 강수량, 미세 먼지 농도, 지진 발생 상황, 강설량 등을 도시하는 지도일 수 있다. 예를 들어, 데이터 분석부(113)는 선택된 지역에 대한 강수량 데이터를 기상청 서버(예를 들어, 기상청 날씨누리와 같이 도시별 현재 날씨 지상관측자료를 수집할 수 있는 서버)로부터 수집할 수 있으며, 수집된 데이터를 기초로 상기 제2 재난 지도를 생성할 수 있다.
또한, 시각화 분석 데이터는 상기 선별된 데이터에서 명사를 추출하고, 추출된 명사를 빈도수에 따라 도시하는 워드 클라우드를 포함할 수 있다. 워드 클라우드는 웹 데이터에서 많은 빈도를 나타내는 복수의 명사들을 사용자들이 인식하기 용이하게 도시하는 시각화 분석 데이터일 수 있다. 데이터 분석부(113)는 웹 데이터에서 명사를 추출하고, 추출되는 빈도에 따라 정렬하여 많은 빈도를 나타내는 명사들로 워드 클라우드를 생성할 수 있다. 데이터 분석부(113)는 많은 빈도를 나타내는 명사가 사용자에게 더욱 용이하게 인식되도록 글자의 크기를 더 크게 설정하여 워드 클라우드를 생성할 수 있다.
데이터 분석부(113)는 생성된 시각화 분석 데이터를 서비스 레이어(120)에 출력할 수 있다.
도 4 및 도 5는 각각 서비스 레이어(120)에서 제공하는 재난 모니터링 시스템의 구동 화면을 예시적으로 도시한 것이다. 도 4 및 도 5를 참조하면, 본 실시예에 따른 모니터링 시스템(10)은 사용자에 의해 키워드, 기간, 지역을 선택할 수 있는 기능을 제공할 수 있다. 또한, 본 실시예에 따른 모니터링 시스템(10)은 선택된 조건에 따라 생성되는 데이터베이스를 확인하고 데이터베이스를 파일 형태로 다운받을 수 있는 기능, 선택된 조건에 따라 시각화 분석 데이터를 표시하는 기능을 제공을 제공할 수 있다.
도 4는 선택된 지역과 선택된 키워드에 관련된 웹 문서의 수(키워드의 빈도)와 일 강수량을 선택된 기간에 따라 도시한 것이다. 도 4에서 선택된 키워드는 폭우(붉은색 막대그래프), 호우(푸른색 막대그래프)이며, 실제 강수량(초록색 그래프)이 증가한 것과 같이 폭우, 호우를 포함하는 빅데이터가 증가한 것을 알 수 있다. 즉, 키워드의 빈도는 재난 상황에 대한 사용자들의 체감 정도를 나타내는 것뿐만 아니라, 실제 재난 상황의 피해 정도와 밀접한 관계를 가지며, 모니터링의 기초 자료로 충분히 활용될 수 있음을 알 수 있다.
또한, 도 5는 제1 재난 지도, 제2 재난 지도 및 워드 클라우드를 표시한 것이다. 재난 지도에서 표시된 색상이 진할수록 문서의 수와 강수량이 많은 것을 알 수 있다. 사용자의 재난에 대한 체감 정도를 도시하는 제1 재난 지도와 실제 강수량(재난 상황)이 직접적으로 표시된 제2 재난 지도는 비슷한 형태로 구성되는 것을 확인할 수 있다. 즉, 실제 재난 상황을 도시하는 제2 재난 지도와 시민 관측소(Citizen Observatory; CO)를 통해 구축되는 제1 재난 지도는 밀접한 관계를 가지며, 모니터링의 기초 자료로 충분히 활용될 수 있음을 알 수 있다. 또한, 도 5에 도시된 워드 클라우드를 통해 사용자들은 어떤 재난이 발생하였는 지, 재난과 관련된 키워드를 용이하게 인식할 수 있다.
본 실시예에 따른 시각화 분석 데이터는 종래의 재난 모니터링 시스템의 비교 데이터로써 충분히 활용될 수 있고, 더욱 효율적인 재난 모니터링을 제공할 수 있다.
여기서, 제1 재난 지도는 인터넷이 가능한, 즉, 웹 서버에 접속이 가능한 모든 사용자들로부터 수집되는 정보에 기초하여 생성되며, 제2 재난 지도는 특정 지역에 설치된 장치들로부터 수집되는 정보에 기초하여 생성되므로, 제1 재난 지도가 표시 및 커버하는 지역은 제2 재난 지도가 표시 및 커버하는 지역보다 많을 수 있다. 즉, 제1 재난 지도는 더욱 공간적으로 정밀하고 신뢰도 있는 예보를 제공할 수 있으며, 이에 따라 재난 상황에 따른 피해가 더욱 최소화될 수 있다. 또한, 공간적으로 더욱 정밀한 제1 재난 지도에 의해 재난 상황의 예방 또는 피해 복구 차원의 시설 정비 계획을 더욱 정확히 수립할 수 있어, 피해 및 피해 복구비를 절감할 수 있다.
이하, 본 발명의 다른 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 방법에 대해 설명하도록 한다.
도 6은 본 발명의 다른 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 방법의 개략적인 순서도를 도시한다. 상기 방법은 도 1의 시스템에서 수행될 수 있고, 본 실시예에 설명을 위해 도 1 내지 도 5가 참조될 수 있다.
도 6을 참조하면, 본 발명의 다른 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 방법은 적어도 하나 이상의 웹 서버에서 키워드를 검색하여 웹 데이터를 수집하는 단계(S100); 검색된 웹 데이터를 파싱하여 적어도 하나 이상의 태그 정보를 추출하는 단계(S110); 상기 수집된 웹 데이터에 대한 필터링을 수행하여 데이터를 선별하는 단계(S120); 상기 서비스 레이어로부터 입력되는 태그 정보에 대한 선택 조건에 따라 상기 선별된 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성하는 단계(S130); 및 상기 생성된 시각화 분석 데이터를 제공하는 단계(S140)를 포함한다.
본 실시예에 따른 크라우드 소싱을 활용한 재난 모니터링 방법은 상술한 크라우드 소싱을 활용한 재난 모니터링 시스템(10)에서 수행되며, 재난 모니터링 시스템(10)은 3개의 레이어(Layer), 예컨대, 스토리지 레이어(100), 데이터 시스템 레이어(110) 및 서비스 레이어(120)로 구성된다. 여기서, 단계(S100) 내지 단계(S130)은 데이터 시스템 레이에서 수행되고, 단계(S140)은 서비스 레이어(120)에서 수행될 수 있다.
먼저, 데이터 시스템 레이어가, 적어도 하나 이상의 웹 서버에서 키워드를 검색하여 웹 데이터를 수집한다(S100).
데이터 시스템 레이어(110)의 데이터 수집부(111)는 적어도 하나 이상의 웹 서버(S)에서 웹 데이터 검색을 통해 재난 관련 빅데이터, 웹 데이터를 검색할 수 있다. 여기서, 웹 서버(S)는 오픈 API를 제공하는 서버일 수 있으며, 많은 이용자를 확보하고 있는 포털 사이트 및 소셜 네트워킹 서비스 채널일 수 있다. 데이터 수집부(111)는 웹 서버(S)에서 시민 관측소 역할을 수행하는 사용자들이 공유, 게시하는 글, 사진 등을 웹 검색을 통해 수집할 수 있다.
다음으로, 상기 데이터 시스템 레이어가, 검색된 웹 데이터를 파싱하여 적어도 하나 이상의 태그 정보를 추출한다(S110).
데이터 시스템 레이어(110)의 데이터 수집부(111)는 검색된 웹 문서로부터 적어도 하나 이상의 태그 정보를 추출하는 것을 포함할 수 있다. 데이터 수집부(111)는 웹 크롤링을 통해 재난 상황에 대한 분석을 위한 기초 자료를 수집할 수 있다. 데이터 수집부(111)는 웹 문서의 본문, 제목, URL, 게시일, 지역 중 적어도 하나에 대한 정보를 태그 정보로 수집할 수 있다. 데이터 수집부(111)는 웹 문서에서 지역명을 추출하기 위한 대한민국 모든 시군구명 사전, 지역명 사전을 포함할 수 있다. 지역명 사전은 대한민국의 행정 구역 단위를 기준으로 구성될 수 있다. 즉, 행정 구역 단위 중 최소 행정 구역 단위인 읍,면,리까지 포함하도록 지역명 사전은 구성될 수 있다. 상기 지역명 사전에 포함된 지역명과 대응하는 지역명을 웹 문서에서 추출하여 지역 태그 정보를 수집할 수 있다. 즉, 데이터 수집부(111)에서 수집되는 지역에 대한 정보는 종래의 모니터링 장치가 설치되지 않은 지역, 미계측 지역까지 포함될 수 있다. 즉, 재난 발생을 모니터링하는 장치가 설치되지 않은 모니터링 사각 지대에 해당하는 지역에 대한 재난 정보까지 웹 서버의 검색을 통해 수집될 수 있다.
다음으로, 상기 데이터 시스템 레이어가, 상기 수집된 웹 데이터에 대한 필터링을 수행하여 데이터를 선별한다(S120).
데이터 시스템 레이어(110)의 데이터 선별부(112)는 데이터 수집부(111)에서 수집된 데이터를 선별할 수 있다. 데이터 선별부(112)는 수집된 데이터에 대해 정규 표현식(Regular Expression)과 같은 자연어 처리를 수행하여 필터링을 수행할 수 있다. 구체적으로, 데이터 선별부(112)는 키워드와 조사의 관계를 고려하여 웹 문서에 대해서는 적극적 필터링(Positive Filtering)을 수행할 수 있다. 또한, 데이터 선별부(112)는 검색 키워드와 전혀 무관한 특정 단어를 선정하여 해당 단어를 포함하는 웹 문서에 대해서는 제한적 필터링(Negative Filtering)을 수행할 수 있다. 데이터 선별부(112)는 수집된 데이터 중 본문 태그에 이러한 필터링을 적용할 수 있다. 또한, 데이터 선별부(112)는 웹 문서에 포함된 이미지에 대한 이미지 분석을 수행할 수 있다. 데이터 선별부(112)는 이미지 분석을 수행할 수 있는 학습된 CNN(Convolutional Neural Network) 기반의 학습 모델을 포함할 수 있으며, 이러한 학습 모델을 통해 검색 키워드(재난 키워드)와 무관한 이미지를 포함하는 웹 문서에 대해 제한적 필터링(Negative Filtering)을 수행할 수 있다. 즉, 데이터 선별부(112)는 키워드와 무관한 이미지를 포함하는 웹 문서를 제거할 수 있다. 데이터 선별부(112)에서 선별된 결과 데이터는 스토리지 레이어(100)에 저장될 수 있으며, 데이터베이스화될 수 있다. 즉, 크롤링을 통해 수집되고, 정규 표현식과 같은 필터링을 통해 선별된 재난 관련 빅데이터가 스토리지 레이어(100)에 저장될 수 있다. 즉, 상술한 단계(S100) 내지 단계(S120)을 통해 재난 키워드와 관련되어 수집된 빅데이터가 데이터베이스로 구축될 수 있다.
상기 데이터 시스템 레이어가, 상기 서비스 레이어로부터 입력되는 태그 정보에 대한 선택 조건에 따라 상기 선별된 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성한다(S130).
데이터 분석부(113)는 스토리지 레이어에 축적된 재난 관련 빅데이터에 대한 분석을 수행할 수 있다. 데이터 분석부(113)는 서비스 레이어(120)로부터 태그 정보를 선택하는 입력(선택 조건)을 수신할 수 있으며, 이러한 선택 조건에 따라 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성할 수 있다. 또한, 데이터 분석부(113)는 선택된 태그 정보에 대응하는 데이터베이스를 생성하여 서비스 레이어(120)로 제공할 수도 있다. 데이터 분석부(113)에서 수행하는 데이터 분석은 종래 스토리지 레이어(100)에 구축된 데이터에 기초하여 수행될 수 있다. 다만, 서비스 레이어(120)에서의 입력이 스토리지 레이어(100)에 구축된 범위를 벗어나는 경우에는, 선택된 조건으로 데이터를 더 수집하는 과정이 진행될 수 있다. 즉, 상기 단계(S100) 내지 단계(S120)이 더 수행될 수 있다.
데이터 분석부(113)는 분석된 결과를 시각화한 시각화 분석 데이터를 생성할 수 있다. 시각화 분석 데이터는 재난에 대한 체감 정도를 용이하게 인식할 수 있도록 시각화된 데이터에 해당한다. 이러한 시각화 분석 데이터를 통해 해당 지역의 사용자가 아닌 다른 사용자들도 재난 상황의 위험성을 즉각적으로 인식할 수 있다. 여기서, 시각화 분석 데이터는 통계 그래프 또는 지역에 따른 영향을 쉽게 확인할 수 있는 재난 지도(Crisis map) 형태로 제공될 수 있다. 재난 지도는 키워드의 빈도를 지역에 따라 도시한 제1 재난 지도 및 외부 시설이나 외부 기관에서 측정된 데이터에 기초하여 재난 상황을 지역에 따라 표시하는 제2 재난 지도를 포함할 수 있다. 즉, 제1 재난 지도는 사용자의 재난에 대한 체감 정도를 도시할 수 있다. 제2 재난 지도는 강수량, 미세 먼지 농도, 지진 발생 상황, 강설량 등을 도시하는 지도일 수 있다. 예를 들어, 데이터 분석부(113)는 선택된 지역에 대한 강수량 데이터를 기상청 서버(예를 들어, 기상청 날씨누리와 같이 도시별 현재 날씨 지상관측자료를 수집할 수 있는 서버)로부터 수집할 수 있으며, 수집된 데이터를 기초로 상기 제2 재난 지도를 생성할 수 있다.
또한, 시각화 분석 데이터는 상기 선별된 데이터에서 명사를 추출하고, 추출된 명사를 빈도수에 다라 도시하는 워드 클라우드를 포함할 수 있다. 워드 클라우드는 웹 데이터에서 많은 빈도를 나타내는 복수의 명사들을 사용자들이 인식하기 용이하게 도시하는 시각화 분석 데이터일 수 있다. 데이터 분석부(113)는 웹 데이터에서 명사를 추출하고, 추출되는 빈도에 따라 정렬하여 많은 빈도를 나타내는 명사들로 워드 클라우드를 생성할 수 있다. 데이터 분석부(113)는 많은 빈도를 나타내는 명사가 사용자에게 더욱 용이하게 인식되도록 글자의 크기를 더 크게 설정하여 워드 클라우드를 생성할 수 있다. 즉, 글자의 크기가 클수록 웹 데이터에서 많이 언급되는 명사에 해당한다.
상기 서비스 레이어가, 상기 생성된 시각화 분석 데이터를 제공한다(S140).
서비스 레이어(120)는 생성된 시각화 분석 데이터를 사용자들에게 제공한다. 서비스 레이어(120)는 사용자에 의해 키워드, 기간, 지역을 선택할 수 있는 기능, 선택된 조건에 따라 생성되는 데이터베이스를 확인하고 데이터베이스를 파일 형태로 다운받을 수 있는 기능, 선택된 조건에 따라 시각화 분석 데이터를 표시하는 기능을 제공을 제공할 수 있다. 상술한 바와 같이, 시각화 분석 데이터는 통계 그래프, 지역에 따른 영향을 쉽게 확인할 수 있는 재난 지도(Crisis map) 형태 및 워드 클라우드 중 적어도 하나로 제공될 수 있다. 여기서, 제1 재난 지도는 인터넷이 가능한, 즉, 웹 서버에 접속이 가능한 모든 사용자들로부터 수집되는 정보에 기초하여 생성되며, 제2 재난 지도는 특정 지역에 설치된 장치들로부터 수집되는 정보에 기초하여 생성되므로, 제1 재난 지도가 표시 및 커버하는 지역은 대한민국의 모든 행정 구역 단위를 포함하는 지역명 사전을 통해 검색된 데이터에 기초하여 생성된 것으로 제2 재난 지도가 표시 및 커버하는 지역보다 많을 수 있다. 즉, 제1 재난 지도는 더욱 공간적으로 정밀하고 신뢰도 있는 예보를 제공할 수 있으며, 이에 따라 재난 상황에 따른 피해가 더욱 최소화될 수 있다. 또한, 공간적으로 더욱 정밀한 제1 재난 지도에 의해 재난 상황의 예방 또는 피해 복구 차원의 시설 정비 계획을 더욱 정확히 수립할 수 있어, 피해 및 피해 복구비를 절감할 수 있다. 그리고 워드 클라우드를 통해 사용자들은 어떤 재난이 발생하였는 지, 재난과 관련된 키워드를 용이하게 인식할 수 있다.
이상에서 설명한 실시예들에 따른 크라우드 소싱을 활용한 재난 모니터링 방법에 의한 동작은, 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 크라우드 소싱을 활용한 재난 모니터링 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서는 실시예들을 참조하여 설명하였지만 본 발명은 이러한 실시예들 또는 도면에 의해 한정되는 것으로 분석되어서는 안 되며, 해당 기술분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 크라우드 소싱을 활용한 재난 모니터링 시스템
100: 스토리지 레이어
110: 데이터 시스템 레이어
111: 데이터 수집부
112: 데이터 선별부
113: 데이터 분석부
120: 서비스 레이어
100: 스토리지 레이어
110: 데이터 시스템 레이어
111: 데이터 수집부
112: 데이터 선별부
113: 데이터 분석부
120: 서비스 레이어
Claims (3)
- 크라우드 소싱을 활용한 재난 모니터링 시스템으로서,
데이터를 저장하는 스토리지 레이어와, 데이터를 수집하고 분석하는 데이터 시스템 레이어와, 수집된 데이터 및 분석 데이터를 기초로 재난 상황을 시각화하여 제공하는 서비스 레이어를 포함하며;
상기 데이터 시스템 레이어는,
하나 이상의 웹 서버에서 키워드를 검색하여 웹 데이터를 수집하고, 검색된 웹 데이터를 파싱하여 하나 이상의 태그 정보를 추출하는 데이터 수집부;
상기 수집된 웹 데이터에 대한 필터링을 수행하여 데이터를 선별하는 데이터 선별부; 및
상기 서비스 레이어로부터 입력되는 태그 정보에 대한 선택 조건에 따라 상기 선별된 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성하는 데이터 분석부를 포함하며;
상기 데이터 수집부에서 웹 데이터를 수집할 때 검색하는 상기 키워드는 재난과 관련된 키워드이며;
상기 데이터 분석부에서 생성하는 상기 시각화 분석 데이터는 상기 재난에 대한 체감 정도를 용이하게 인식할 수 있도록 시각화된 데이터로서, 상기 시각화 분석 데이터는 상기 선별된 데이터에서 명사를 추출하고, 추출된 명사를 빈도수에 따라 도시하는 워드 클라우드를 포함하는 것을 특징으로 하는 크라우드 소싱을 활용한 재난 모니터링 시스템. - 재난 모니터링 시스템의 크라우드 소싱을 활용한 재난 모니터링 방법으로서,
상기 재난 모니터링 시스템은 데이터를 저장하는 스토리지 레이어와, 데이터를 수집하고 분석하는 데이터 시스템 레이어와, 수집된 데이터 및 분석 데이터를 기초로 재난 상황을 시각화하여 제공하는 서비스 레이어를 포함하며;
상기 데이터 시스템 레이어는, 데이터 수집부와, 데이터 선별부와, 데이터 분석부를 포함하며;
상기 재난 모니터링 방법은,
상기 데이터 시스템 레이어의 데이터 수집부가, 하나 이상의 웹 서버에서 키워드를 검색하여 웹 데이터를 수집하는 단계;
상기 데이터 시스템 레이어의 데이터 수집부가, 검색된 웹 데이터를 파싱하여 하나 이상의 태그 정보를 추출하는 단계;
상기 데이터 시스템 레이어의 데이터 선별부가, 상기 수집된 웹 데이터에 대한 필터링을 수행하여 데이터를 선별하는 단계;
상기 데이터 시스템 레이어의 데이터 분석부가, 상기 서비스 레이어로부터 입력되는 태그 정보에 대한 선택 조건에 따라 상기 선별된 데이터를 분석하고 시각화하여 시각화 분석 데이터를 생성하는 단계; 및
상기 서비스 레이어가, 상기 생성된 시각화 분석 데이터를 제공하는 단계를 포함하며;
상기 데이터 수집부에서 웹 데이터를 수집할 때 검색하는 상기 키워드는 재난과 관련된 키워드이며;
상기 데이터 분석부에서 생성하는 상기 시각화 분석 데이터는 상기 재난에 대한 체감 정도를 용이하게 인식할 수 있도록 시각화된 데이터로서, 상기 시각화 분석 데이터는 상기 선별된 데이터에서 명사를 추출하고, 추출된 명사를 빈도수에 따라 도시하는 워드 클라우드를 포함하는 것을 특징으로 하는 크라우드 소싱을 활용한 재난 모니터링 방법. - 하드웨어와 결합되어 청구항 제2항에 따른 크라우드 소싱을 활용한 재난 모니터링 방법을 실행하도록 매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200027830A KR102249726B1 (ko) | 2020-03-05 | 2020-03-05 | 재난 관련 키워드 검색과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200027830A KR102249726B1 (ko) | 2020-03-05 | 2020-03-05 | 재난 관련 키워드 검색과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190163896A Division KR102124935B1 (ko) | 2019-12-10 | 2019-12-10 | 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102249726B1 true KR102249726B1 (ko) | 2021-05-10 |
Family
ID=75918320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200027830A KR102249726B1 (ko) | 2020-03-05 | 2020-03-05 | 재난 관련 키워드 검색과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102249726B1 (ko) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120070926A (ko) * | 2010-12-22 | 2012-07-02 | 아시아나아이디티 주식회사 | 스마트폰을 이용한 재난정보 관리 방법 |
KR20150046793A (ko) * | 2013-10-21 | 2015-05-04 | 대한민국(국민안전처 국립재난안전연구원장) | 소셜미디어를 이용한 재난 감지 시스템 |
KR101625147B1 (ko) | 2015-07-31 | 2016-06-07 | 주식회사 디케이이앤씨 | 재난 예측 경보 시스템 및 방법 |
KR101732819B1 (ko) * | 2015-12-07 | 2017-05-08 | 이동규 | 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법 |
-
2020
- 2020-03-05 KR KR1020200027830A patent/KR102249726B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120070926A (ko) * | 2010-12-22 | 2012-07-02 | 아시아나아이디티 주식회사 | 스마트폰을 이용한 재난정보 관리 방법 |
KR20150046793A (ko) * | 2013-10-21 | 2015-05-04 | 대한민국(국민안전처 국립재난안전연구원장) | 소셜미디어를 이용한 재난 감지 시스템 |
KR101625147B1 (ko) | 2015-07-31 | 2016-06-07 | 주식회사 디케이이앤씨 | 재난 예측 경보 시스템 및 방법 |
KR101732819B1 (ko) * | 2015-12-07 | 2017-05-08 | 이동규 | 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Social sensing in disaster city digital twin: Integrated textual–visual–geo framework for situational awareness during built environment disruptions | |
Landwehr et al. | Using tweets to support disaster planning, warning and response | |
Laylavi et al. | Event relatedness assessment of Twitter messages for emergency response | |
Wang et al. | Spatiotemporal and semantic information extraction from Web news reports about natural hazards | |
Yao et al. | Towards resilient and smart cities: A real-time urban analytical and geo-visual system for social media streaming data | |
JP4896071B2 (ja) | キーワード比較を用いた広告評価方法、広告評価システム、記録媒体 | |
KR102124935B1 (ko) | 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 | |
Nguyen et al. | TrafficWatch: Real-time traffic incident detection and monitoring using social media | |
CN103902889A (zh) | 一种恶意消息云检测方法和服务器 | |
Zhang et al. | A topic model based framework for identifying the distribution of demand for relief supplies using social media data | |
Azhar et al. | Detection and prediction of traffic accidents using deep learning techniques | |
Asif et al. | Automatic analysis of social media images to identify disaster type and infer appropriate emergency response | |
Weber et al. | Incidents1M: a large-scale dataset of images with natural disasters, damage, and incidents | |
Chen et al. | Enhancing situational assessment of critical infrastructure following disasters using social media | |
KR20150059208A (ko) | 소셜 웹 미디어의 이벤트 시공간 연관성 분석 장치 및 그 방법 | |
Khaleq et al. | Twitter analytics for disaster relevance and disaster phase discovery | |
Dittrich et al. | Is this twitter event a disaster? | |
Chachra et al. | Detecting damaged buildings using real-time crowdsourced images and transfer learning | |
KR101972660B1 (ko) | 팩트체크 시스템 및 방법 | |
Fernandes et al. | Automated disaster news collection classification and geoparsing | |
KR102249726B1 (ko) | 재난 관련 키워드 검색과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 | |
KR102246712B1 (ko) | 수집된 웹 데이터에 대한 적극적 필터링과 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램 | |
Sánchez-Ávila et al. | Detection of barriers to mobility in the smart city using Twitter | |
Power et al. | A Case Study for Monitoring Fires with Twitter. | |
KR20160032599A (ko) | 사회 이슈에 대한 은폐를 탐지하는 방법 및 판단 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |