KR102313767B1 - 위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법 - Google Patents

위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법 Download PDF

Info

Publication number
KR102313767B1
KR102313767B1 KR1020200021800A KR20200021800A KR102313767B1 KR 102313767 B1 KR102313767 B1 KR 102313767B1 KR 1020200021800 A KR1020200021800 A KR 1020200021800A KR 20200021800 A KR20200021800 A KR 20200021800A KR 102313767 B1 KR102313767 B1 KR 102313767B1
Authority
KR
South Korea
Prior art keywords
information
environmental
user
environmental information
learning
Prior art date
Application number
KR1020200021800A
Other languages
English (en)
Other versions
KR20210106816A (ko
Inventor
김예지
배주호
Original Assignee
김예지
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 김예지 filed Critical 김예지
Priority to KR1020200021800A priority Critical patent/KR102313767B1/ko
Publication of KR20210106816A publication Critical patent/KR20210106816A/ko
Application granted granted Critical
Publication of KR102313767B1 publication Critical patent/KR102313767B1/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은, 복수의 장소로부터 수신한 각 장소의 환경정보, 상기 장소의 위치 정보 그리고 상기 환경정보를 수집한 시간(날짜 정보 포함)과 기상청으로부터 일반 환경정보를 이용하여 인공지능 예보 모델을 생성하고, 이후 사용자가 제공하는 사용자의 위치 그리고 시간(날짜) 정보와 사용자 주변 장소의 환경정보를 상기 인공지능 예보 모델에 적용함으로써, 특정 장소의 환경정보를 수신하지 못하더라도 특정 장소와 가까운 다른 장소의 환경정보를 이용하여 사용자가 위치하는 장소의 현재 또는 미래의 환경정보를 생성하여 서비스하는 환경예보 서비스서버 및 서비스방법을 제안한다.

Description

위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법 {A service server and service method for environment forecasting using location and circumstances information}
본 발명은 사용자의 위치 정보를 이용하여 사용자가 위치하는 장소의 현재 또는 미래의 환경의 예측 서비스를 받을 수 있는 시스템에 관한 것으로, 특히, 복수의 장소로부터 수신한 각 장소의 환경정보, 상기 장소의 위치 정보 그리고 상기 환경정보를 수집한 시간(날짜 정보 포함)과 기상청으로부터 일반 환경정보를 이용하여 인공지능 예보 모델을 생성하고, 이후 사용자가 제공하는 사용자의 위치 그리고 시간(날짜) 정보와 사용자 주변 장소의 환경정보를 상기 인공지능 예보 모델에 적용함으로써, 특정 장소의 환경정보를 수신하지 못하더라도 특정 장소와 가까운 다른 장소의 환경정보를 이용하여 사용자가 위치하는 장소의 현재 또는 미래의 환경정보를 생성하여 서비스하는 위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버(이하 환경예보 서비스서버) 및 상기 환경예보 서비스서버를 사용하여 환경정보를 서비스하는 환경예보 서비스방법(이하 환경예보 서비스방법)에 관한 것이다.
현재 기상청은 지역 단위(시, 구, 동)로 미세먼지 농도를 공개하고 있으나, 해당 정보의 정확성과 변수들로 인한 오류의 보완은 담보되지 않고 있다. 일반인들은 기상 정보를 이용하여 자신과 가족의 건강을 위해서 조치를 취하게 되는데, 만일 오류가 포함된 정보를 이용한다면 이러한 노력이 물거품이 될 것이다. 특히, 학교 근처 도로, 공공 운동장 및 어린이 공원 등 각종 야외 시설들에 대한 기상정보가 부정확하다면 사회적으로도 큰 문제가 발생할 수 있다. 그렇지만, 기상정보의 정확도를 보증할 수 있는 방법이 전혀 없기 때문에, 일반인의 두려움과 걱정을 가중시키고 있다.
기상정보를 수집하는 환경정보 측정소는, 그 설치위치가 서로 다르고 주변 환경도 다르기 때문에 환경정보 측정소에서 측정하여 제공하는 환경정보를 일반인이 신뢰하지 못하는 경우가 다반사다. 특히, 실제 측정기의 동작 및 운영을 작업자가 수행하기 때문에, 측정소에서 제공하는 환경정보의 약 18%가 누락된다는 보고도 공개된 바 있다. 대기 오염 정보 수집 센서가 정상적인 정보를 제공하는 비율이 현저하게 낮고, 심지어 임의로 정보를 수정하여 제공하는 상황도 고발되고 있다.
특히, 특정 측정소의 특정 환경수집 센서가 고장이 발생하게 되면, 해당 센서가 수집하던 정보를 더 취득할 수 없어, 해당 센서가 수리될 때까지 해당 환경정보를 활용하는 것은 불가능하게 된다.
대한민국 등록특허: 제10-2061184호(2019년12월24일)
본 발명이 해결하고자 하는 기술적 과제는, 복수의 장소로부터 수신한 각 장소의 환경정보, 상기 장소의 위치 정보 그리고 상기 환경정보를 수집한 시간(날짜 정보 포함)과 기상청으로부터 일반 환경정보를 이용하여 인공지능 예보 모델을 생성하고, 이후 사용자가 제공하는 사용자의 위치 그리고 시간(날짜) 정보와 사용자 주변 장소의 환경정보를 상기 인공지능 예보 모델에 적용함으로써, 특정 장소의 환경정보를 수신하지 못하더라도 특정 장소와 가까운 다른 장소의 환경정보를 이용하여 사용자가 위치하는 장소의 현재 또는 미래의 환경정보를 생성하여 서비스하는 환경예보 서비스서버를 제공하는 것에 있다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 상기 환경예보 서비스서버를 이용하여 특정 장소의 환경정보를 수신하지 못하더라도 특정 장소와 가까운 다른 장소의 환경정보를 이용하여 사용자가 위치하는 장소의 현재 또는 미래의 환경정보를 생성하여 서비스하는 환경예보 서비스방법을 제공하는 것에 있다.
상기 기술적 과제를 달성하기 위한 본 발명에 따른 환경예보 서비스서버는, 입출력장치, 저장장치 및 연산장치를 포함한다. 상기 입출력장치는 사용자 및 복수의 환경정보 측정서버와 환경정보를 송수신한다. 상기 저장장치는 상기 입출력장치를 통해 수신한 대기오염정보, 일반환경정보, 그리고 상기 대기오염정보와 일반환경정보를 제공한 환경정보 측정서버의 위치 정보 및 상기 환경정보 측정서버가 상기 대기오염정보와 일반환경정보를 제공한 날짜 정보를 포함하는 서버분류정보를 저장한다. 상기 연산장치는 구글에서 제안한 언어표시모델인 Bidirectional Encoder Representation from Transformers (이하 BERT)를 이용하여, 상기 AI 예보 모델을 생성하는 학습단계와 상기 AI 예보 모델을 이용하여 사용자의 요청에 대응하는 환경정보를 생성하여 서비스하는 예보단계를 수행한다. 상기 학습단계에서는 상기 대기오염정보, 상기 일반환경정보 및 상기 분류정보가 임베딩 된 데이터 셋을 복수의 레코드로 변환하여 상기 저장장치에 저장하고, 상기 레코드를 이용하여 사전 학습 및 세부 학습을 수행하여 상기 AI 예보 모델을 생성하며, 상기 AI 예보 모델이 생성된 후에 진행하는 예보단계에서는, 상기 입출력장치를 통해 수집한 사용자의 위치 정보 및 요청 날짜 정보를 포함하는 사용자분류정보와 사용자의 위치 주변의 상기 환경정보 측정서버에서 측정한 환경정보를 상기 AI 예보 모델에 적용하여 최종 예측 결과물을 생성하고, 이를 변환하여 사용자에게 서비스한다.
상기 다른 기술적 과제를 달성하기 위한 본 발명에 따른 환경예보 서비스방법은, 청구항 제2항에 기재된 환경예보 서비스서버를 이용하여 수행하는 환경예보 서비스방법으로써, 구글에서 제안한 언어표시모델(language Representation Model)인 Bidirectional Encoder Representation from Transformers(이하 BERT)를 사용하여 수행하며, 학습단계 및 예보단계를 수행한다. 상기 학습단계에서는 상기 대기오염정보, 상기 일반환경정보 및 상기 분류정보가 임베딩 된 데이터 셋을 복수의 레코드로 변환하여 상기 저장장치에 저장하고, 상기 레코드를 이용하여 사전 학습 및 세부 학습을 수행하여 상기 AI 예보 모델을 생성한다. 상기 예보단계에서는 상기 AI 예보 모델이 생성된 후에 진행하는 것으로, 상기 입출력장치를 통해 수집한 사용자의 위치 정보 및 요청 날짜 정보를 포함하는 사용자분류정보와 사용자의 위치 주변의 상기 환경정보 측정서버에서 측정한 환경정보를 상기 AI 예보 모델에 적용하여 최종 예측 결과물을 생성하고, 이를 변환하여 사용자에게 서비스한다.
상술한 바와 같은, 본 발명에 따른 환경예보 서비스서버 및 환경예보 서비스방법은, 복수의 장소로부터 수신한 각 장소의 환경정보, 상기 장소의 위치 정보 그리고 상기 환경정보를 수집한 시간(날짜 정보 포함)과 기상청으로부터 일반 환경정보를 이용하여 인공지능 예보 모델을 생성하고, 이후 사용자가 제공하는 사용자의 위치 및 시간(날짜) 정보를 상기 인공지능 예보 모델에 적용함으로써, 사용자가 위치하는 장소와 가장 근접한 장소의 주변환경 정보를 수신하는 경우는 물론 사용자가 위치하는 장소와 가장 근접한 장소의 주변환경 정보를 수신하지 못하더라도, 해당 장소 주변의 환경정보를 이용하여 사용자가 위치하는 장소의 현재 또는 미래의 환경정보를 서비스할 수 있는 장점이 있다.
도 1은 환경예보 시스템의 일 실시 예이다.
도 2는 본 발명에 따른 환경예보 서비스방법의 일 실시 예를 설명한다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 예시적인 실시 예를 설명하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 환경예보 시스템의 일 실시 예이다.
도 1을 참조하면, 환경예보 시스템(100)은, 사용자 단말(110), 복수의 환경정보 측정서버(120) 및 환경예보 서비스서버(130)를 포함한다. 사용자 단말(110)은 사용자 개인이 휴대하는 전자 통신 기기를 의미하며, 예를 들면, 스마트폰, 노트북은 물론 데스크 탑 컴퓨터를 포함한다. 복수의 환경정보 측정서버(120)는 후술하겠지만, 기존에 각 지역에 설치되어 해당 지역의 환경정보를 수집하는 모든 수단을 포함한다. 이들 중 환경예보 서비스서버(130)의 기능에 본 발명의 핵심 아이디어가 포함되어 있다.
사용자 단말(110)은 사용자가 환경예보 서비스서버(130)에 접속하여 사용자가 위치하는 곳의 현재 또는 미래의 환경정보를 요청하고, 사용자의 요청에 상응하는 환경 정보를 환경예보 서비스서버(130)로부터 수신하는 수단이 된다. 사용자가 사용자 단말(110)을 이용하여 환경예보 서비스서버(130)로부터 환경정보를 얻기 위해서는, 사용자가 요청하는 시간 및 위치에 대한 정보(이하, 사용자분류정보)를 환경예보 서비스서버(130)에 전송하여야 할 것이다. 시간 및 장소에 대한 정보는 사용자가 수동으로 입력할 수도 있지만, 사용자 단말(110)이 환경예보 서비스서버(130)에 접속하기만 하면 사용자 단말(110)에서 자동으로 환경 예보 시스템(100)에 전송하도록 하는 실시 예도 가능할 것이다.
복수의 환경정보 측정서버(120)는 복수의 지역에 분산 설치되어 해당 지역의 대기오염정보를 측정하는 환경정보 측정소서버(121) 및 해당 지역의 일반환경정보를 측정하는 기상청 서버(122)를 포함하며, 측정된 환경정보는 환경예보 서비스서버(130)에 전송한다. 여기서 대기오염정보는 미세먼지 농도, 이산화황 농도, 일산화탄소 농도 및 오존 농도를 포함하여, 일반환경정보는 온도 및 습도를 포함한다. 각각의 환경정보 측정소서버(121)는, 환경정보를 실제 측정하는 측정센서(미도시), 측정한 환경정보를 저장하는 저장수단(미도시), 외부와 정보를 송수신하는 통신수단(미도시) 및 측정한 환경정보를 가공하는 프로세서(미도시)를 포함하게 될 것이다.
환경예보 서비스서버(130)는, 필요한 환경정보를 수집, 가공 및 학습을 거쳐 인공지능 예보 모델(이하 AI 예보 모델)을 생성하고, AI 예보 모델을 이용하여 사용자의 요청에 상응하는 환경정보를 생성하여 서비스하는 입출력장치(131), 저장장치(132) 및 연산장치(133)를 포함한다.
입출력장치(131)는 사용자 단말(110) 및 복수의 환경정보 측정서버(120)와 환경정보를 포함하는 여러 정보를 송수신한다. 입출력장치(131)는 사용자 단말(110)로부터 환경정보를 요청하는 사용자의 위치 및 요청 당시의 시간(날짜 포함) 사용자분류정보(C)를 수신하고, 복수의 환경정보 측정서버(120)로부터 대기오염정보(A) 및 일반환경정보(B)를 수신하고, 복수의 환경정보 측정서버(120)가 위치하는 장소에 대한 정보 및 정보를 수신한 날짜정보(시간)를 포함하는 서버분류정보(C)도 함께 수신한다. 또한, 입출력장치(131)는 사용자 단말(110)로부터 수신한 정보와 복수의 환경정보 측정서버(120)로부터 수신한 정보를 AI 예보 모델에 적용하여 생성한 최종 예측 결과물을 사용자 단말(110)에 전달한다. 이하의 설명에서는 사용자분류정보와 서버분류정보를 구분하지 않고 부재C로 동일하게 표시할 것이다.
저장장치(132)는 한편으로는 입출력장치(131)를 통해 수신한 대기오염정보(A), 일반환경정보(B) 및 사용자분류정보 및 서버분류정보를 포함하는 분류정보(C)를 저장한다. 다른 한편으로는 후술하는 연산장치(133)에서 생성한 데이터 셋을 순서대로 정리한 레코드 및 인공지능 예보 모델을 저장한다.
연산장치(133)는 AI 예보 모델을 생성하는 학습단계와 AI 예보모델을 이용하여 사용자의 요청에 대응하는 환경정보를 생성하여 서비스하는 예보단계를 수행한다.
먼저, 학습단계에서는 대기오염정보(A), 일반환경정보(B) 및 분류정보(C)가 임베딩(embedding) 된 데이터 셋(Data set)을 생성하고, 데이터 셋을 이용하여 사전 학습(Pre-training)을 수행하고, 세부 학습(Fine-tuning)을 수행하여 AI 예보모델을 생성한다. 후술하겠지만, 사전 학습(Pre-training)에서는 저장장치(132)에 저장된 레코드를 순차적으로 MASK 및 시퀀스 학습을 수행하고, 세부 학습(Fine-tuning)에서는 2개의 레코드를 Q-A(Question & Answer)의 형태로 학습시킨다.
AI 예보모델이 생성된 후에 진행하는 예보단계에서는, 사용자의 날짜와 위치정보 수집하고, 사용자분류정보와 사용자의 위치에 근접한 환경정보 측정서버(120)에서 측정된 정보(A, B, C(서버분류정보))를 AI 예보 모델에 적용하여 최종 예측 결과물을 생성하고, 이를 변환하여 사용자에게 서비스한다. AI 예보 모델에 적용할 때, 사용자의 예보 답변 부분은 MASK 처리(후술)하는 것이 바람직하다.
이하에서는, 도 1에 도시된 본 발명에 따른 환경예보 서비스서버(130)를 이용하여 환경을 예보하는 서비스방법에 대해 설명한다.
도 2는 본 발명에 따른 환경예보 서비스방법의 일 실시 예를 설명한다.
도 2를 참조하면, 본 발명에 따른 환경예보 서비스방법(200)은, 도 1에 도시한 환경예보 서비스서버(130)에서 실행하며, 학습단계(210) 및 예보단계(250)를 수행하여 사용자가 요청하는 환경정보를 서비스한다.
학습단계(210)에서는 환경정보 수집단계(220), 데이터 셋 생성단계(230) 및 모델 훈련단계(240)를 수행한다.
본 발명에서는 학습단계(210)를 구글에서 새롭게 제안한 언어표시모델(language Representation Model)인 Bidirectional Encoder Representation from Transformers(이하 BERT)를 사용할 것을 제안한다. BERT는 큰 코르푸스(Corpus)를 이용하여 범용적 목적의 언어이해모델을 사전학습(Pre-training)시키고, 사전 학습 된 모델을 이용하여 실제로 해결하고자 하는 주제의 내용을 다시 학습시키는 세부학습(Fine-tuning)을 수행한다. BERT 모델은 이미 공개되어 사용되고 있으므로, 여기서는 자세하게 설명하지 않는다. 여기서 코르푸스는 문어체 또는 구어체 글(texts)을 복수 개 수집한 것으로 언어 연구(language research)에 사용되는 것이다.
환경정보 수집단계(220)에서는 대기오염정보(A), 일반환경정보(B) 및 분류정보(C)를 수집한다. 여기서 분류정보(C)는 날짜정보(C1)와 위치정보(C2)를 포함한다. 날짜정보(C1)는 사용자가 사용자 단말(110)을 통해 환경예보 서비스서버(130)에 환경정보를 요청하는 날짜 또는 시간에 대한 정보와 환경정보 측정서버(120)에서 대기오염정보(A) 및 일반환경정보(B)를 수집한 날짜 또는 시간에 대한 정보를 포함한다. 위치정보(C2)는 사용자의 위치에 대한 정보 및 환경정보 측정서버(120)가 설치된 위치에 대한 정보를 포함한다.
데이터 셋 생성단계(230)에서는 대기오염정보(A), 일반환경정보(B) 및 분류정보(C)를 임베딩 한 데이터 셋을 생성하여 저장한다. 데이터 셋은, 예를 들어, <시간(C1), 위치(C2), 환경정보(A & B)>의 형태가 되도록 할 것을 제안한다. 여기서 시간(C1)은 실시 예에 따라서는 날짜(C1)가 될 수도 있으며, 시간(C1) 및 위치(C2)는 일반적으로 수치(numbers)가 될 것이다. 본 발명에서는 복수의 자리 수(digit)를 가지는 수치를 2 디지트(digits) 단위로 나누어 임베딩 할 것을 제안한다. 예를 들어, 소수점 5자리 수치인 45.12345는 45│12│34│50으로 나누어 임베딩 하자는 것이다. 이후 포지셔널 인코딩 벡터(positional encoding vector)를 더하여 각 순서에 대한 정보를 같이 포함시켜 사용한다.
복수의 데이터 셋은 생성되는 순서대로 하나의 레코드로 저장장치(132)에 저장된다. 예를 들어 <시간 1, 위치 1, 환경정보 1>, <시간 2, 위치 2, 환경정보 2> … <시간 n, 위치 n, 환경정보 n>의 데이터 셋이 생성된 때에는 각각 제1레코드, 제2레코드 … 제n레코드로 저장장치(132)에 저장될 것이다. 여기서 n은 자연수이다.
모델 훈련단계(240)에서는 저장장치(132)에 저장된 레코드를 이용하여 사전학습(Pre-training)과 세부학습(Fine-tuning)을 수행한다.
사전학습(Pre-training)단계에서는 저장장치(132)에 저장된 레코드를 순차적으로 MASK & 시퀀스 학습을 수행하고, 세부학습(Fine-tuning)단계에서는 질문과 대답형식(이하, Q-A 형식)으로 두 개의 레코드를 하나의 셋으로 설정하여 학습을 수행한다. 상기의 설명에서, MASK의 사용, 시퀀스 학습 및 Q-A 형식의 학습은, 상술한 BERT를 수행할 때 사용하는 용어이므로, 여기서는 자세하게 설명하지 않는다. 다만, 사전학습(Pre-training)과 세부학습(Fine-tuning)에서 레코드를 활용하는 방식이 서로 다르다는 것은 분명하다.
세부학습(Fine-tuning)에서 수행하는 Q-A 형식의 학습의 예를 아래에 설명한다.
실시 예 1: 특정 지역(A)의 측정소에서 측정한 환경정보를 활용하여, 동일시간, 타 지역(B)의 환경정보를 예측하는 예.
<시간 1, 위치 A, 환경정보 A>와 <시간 1, 위치 B, 환경정보 B>를 하나의 셋으로 학습함으로써, A 측정소의 센서 값을 토대로, 동일한 시각(시간 1) B 위치의 센서 값으로 학습을 수행한다.
이러한 학습을 거친 후에 생성되는 AI 예보 모델은, 특정 시간 위치 B에서의 환경정보를 예측할 수 있다. 이때, 레코드에서 환경정보 B를 MASK 하면 AI 예보 모델이 예측한 위치 B에서의 예측 환경정보를 생성하게 될 것이다.
실시 예2: 특정 지역(A)의 측정소에서 측정한 환경정보를 활용하여, M(자연수) 시간 이후, 동일 지역(A)의 환경정보를 예측하는 예.
<시간 1, 위치 A, 환경정보 A>와 <시간 (1+M), 위치 A, 환경정보 A>를 하나의 셋으로 학습함으로써, M 시간 후에 동일 지역(A)에서의 환경정보를 예측할 수 있다. 이때, 두 번째 레코드의 환경정보 A를 MASK 하면 AI 예보 모델이 예측한 M 시간 후의 위치 A에서의 예측 환경정보를 생성하게 된다는 것은 실시 예1과 동일하다.
실시 예3: 특정 지역(A)의 측정소에서 측정한 환경정보를 활용하여, M 시간 이후, 타 지역(B)의 환경정보를 예측하는 예.
<시간 1, 위치 A, 환경정보 A>와 <시간 (1+M), 위치 B, 환경정보 B>를 하나의 셋으로 학습함으로써, A 위치에서 측정한 환경정보 A를 이용하여, M 시간 경과 후의 B 위치에서의 환경정보 B를 예측할 수 있다. 위의 2개의 실시 예와 마찬가지로, 두 번째 레코드의 환경정보 B를 MASK 하면 AI 예보 모델이 예측한 M 시간 후의 위치 B에서의 예측 환경정보를 생성하게 된다.
상기의 실시 예에는, 확인하고자 하는 지역의 환경정보를 예측할 때 타지역의 환경정보를 이용하기 때문에, 확인하고자 하는 지역의 환경정보 측정서버(120)에서 측정한 정보에 오류가 있거나 환경정보 측정서버(120)가 전혀 동작을 하지 않는 경우에도, 원하는 지역의 환경정보를 얻을 수 있다는 것을 알 수 있다.
물론, 사용자가 위치한 지역의 환경정보 측정서버(120)를 활용할 수 있다면, 본 발명에 따른 위치 정보와 주변 환경 정보를 이용한 환경 예보 시스템(100) 및 환경예보 서비스방법(200)은 활용하지 않거나, 환경정보 측정서버(120)에서 제공한 환경정보를 확인 또는 비교하는데 사용할 수도 있을 것이다.
예보단계(250)에서는 사용자정보 수집단계(260), 질의 단계(270) 및 답변 단계(280)를 수행한다.
사용자정보 수집단계(260)에서는 사용자가 사용자 단말(110)을 이용하여 수동으로 또는 자동으로 사용자의 위치(C2) 및 요청 시간(C1)을 환경예보 서비스서버(130)에 제공함으로써 수행된다.
질의 단계(270)에서는 사용자가 사용자 단말(110)을 통해 요청한 시간 및 위치의 환경정보를 AI 예보 모델에 적용하여 요청한 정보에 대응하는 예측 환경정보를 생성한다. 요청에 따른 생성과정에 사용자의 예보 답변부분을 MASK 처리한다는 것에 대해서는 위에 설명한 3개의 실시 예에서 이미 설명하였다.
답변 단계(280)에서는 AI 예보 모델에서 예측한 최종 예측 결과물(예측 환경정보)을 사용자가 모니터할 수 있는 데이터로 변환하여 서비스를 제공한다. 설명의 편의를 위하여, 도 1에는 사용자 단말(110)이라고 기재하였지만, 사용자 단말(110)의 종류 및 사용 가능 데이터는 다르기 때문에 단말의 종류에 따라 필요하면 예측 환경정보를 가공하여야 할 것이다.
이상에서는 본 발명에 대한 기술사상을 첨부 도면과 함께 서술하였지만 이는 본 발명의 바람직한 실시 예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 기술자라면 누구나 본 발명의 기술적 사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방 가능함은 명백한 사실이다.
110: 사용자 단말
120: 복수의 환경정보 측정서버
121: 환경정보 측정소서버 122: 기상청 서버
130: 환경예보 서비스서버
131: 입출력장치 132: 저장장치
133: 연산장치
210: 학습단계
220: 환경정보 단계 230: 데이터 셋 생성단계
240: 모델 훈련단계
250: 예보단계
260: 사용자정보 수집단계 270: 질의 단계
280: 답변 단계

Claims (7)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 사용자 및 복수의 환경정보 측정서버와 환경정보를 송수신하는 입출력장치, 상기 입출력장치를 통해 수신한 대기오염정보, 일반환경정보, 그리고 상기 대기오염정보와 일반환경정보를 제공한 환경정보 측정서버의 위치 정보 및 상기 환경정보 측정서버가 상기 대기오염정보와 일반환경정보를 제공한 날짜 정보를 포함하는 서버분류정보를 저장하는 저장장치 및 구글에서 제안한 언어표시모델(language Representation Model)인 Bidirectional Encoder Representation from Transformers (이하 BERT)를 이용하여, AI 예보 모델을 생성하는 학습단계와 상기 AI 예보 모델을 이용하여 사용자의 요청에 대응하는 환경정보를 생성하여 서비스하는 예보단계를 수행하는 연산장치를 포함하며,
    상기 대기오염정보는 미세먼지 농도, 이산화황 농도, 일산화탄소 농도 및 오존 농도를 포함하여, 상기 일반환경정보는 온도 및 습도를 포함하는 환경예보 서비스서버를 이용하여 수행하는 환경예보 서비스방법으로써,
    구글에서 제안한 언어표시모델(language Representation Model)인 Bidirectional Encoder Representation from Transformers(이하 BERT)를 사용하여 수행하며,
    상기 대기오염정보, 상기 일반환경정보 및 상기 분류정보가 임베딩 된 데이터 셋을 복수의 레코드로 변환하여 상기 저장장치에 저장하고, 상기 레코드를 이용하여 사전 학습 및 세부 학습을 수행하여 상기 AI 예보 모델을 생성하는 학습단계: 및
    상기 AI 예보 모델이 생성된 후에 진행하는 것으로, 상기 입출력장치를 통해 수집한 사용자의 위치 정보 및 요청 날짜 정보를 포함하는 사용자분류정보와 사용자의 위치 주변의 상기 환경정보 측정서버에서 측정한 환경정보를 상기 AI 예보 모델에 적용하여 최종 예측 결과물을 생성하고, 이를 변환하여 사용자에게 서비스하는 예보단계; 를
    수행하는 환경예보 서비스방법.
  5. 제4항에서, 상기 학습단계는,
    상기 대기오염정보, 상기 일반환경정보, 상기 서버분류정보를 수집하는 환경정보 수집단계;
    상기 대기오염정보, 상기 일반환경정보 및 상기 서버분류정보를 임베딩 한 데이터 셋을 생성하고 이를 레코드로 변형하여 상기 저장장치에 저장하는 데이터 셋 생성단계; 및
    상기 저장장치에 저장된 상기 레코드를 이용하여 사전학습과 세부학습을 수행하여 상기 AI 예보 모델을 생성하는 모델 훈련단계; 를 수행하며,
    상기 데이터 셋을 생성할 때,
    상기 서버분류정보에 포함되며 복수의 자리 수로 표시되는 시간정보 및 위치정보는, 각각 2개의 자리 수로 분할한 후, 포지셔널 인코딩 벡터(positional encoding vector)를 더하여 각 순서에 대한 정보를 같이 포함하여 임베딩하는 환경예보 서비스방법.
  6. 제5항에서,
    상기 사전학습단계에서는 상기 저장장치에 저장된 레코드를 순차적으로 MASK & 시퀀스 학습을 수행하고,
    상기 세부학습단계에서는 질문과 대답형식(이하, Q-A 형식)으로 두 개의 레코드를 하나의 셋으로 설정하여 학습을 수행하는 환경예보 서비스방법.
  7. 제4항에서, 상기 예보단계는,
    사용자로부터 자의 위치정보 및 요청 시간정보를 포함하는 사용자분류정보를 수집하는 사용자정보 수집단계;
    상기 사용자분류정보를 AI 예보 모델을 이용하여 최종 예측 결과물(예측 환경정보)을 생성하는 질의 단계; 및
    상기 질의 단계에서 생성하는 상기 예측 환경정보를 사용자가 모니터할 수 있는 데이터로 변환하여 서비스하는 답변 단계; 를
    수행하며,
    상기 질의 단계에서는 사용자의 예보 답변부분을 MASK 처리하는 환경예보 서비스방법.
KR1020200021800A 2020-02-21 2020-02-21 위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법 KR102313767B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200021800A KR102313767B1 (ko) 2020-02-21 2020-02-21 위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200021800A KR102313767B1 (ko) 2020-02-21 2020-02-21 위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법

Publications (2)

Publication Number Publication Date
KR20210106816A KR20210106816A (ko) 2021-08-31
KR102313767B1 true KR102313767B1 (ko) 2021-10-19

Family

ID=77489596

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200021800A KR102313767B1 (ko) 2020-02-21 2020-02-21 위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법

Country Status (1)

Country Link
KR (1) KR102313767B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180372914A1 (en) * 2017-06-23 2018-12-27 Bloomsky, Inc. Local weather forecast

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102061184B1 (ko) 2018-12-14 2019-12-31 조선대학교산학협력단 Iot 장치를 이용한 환경정보 모니터링 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180372914A1 (en) * 2017-06-23 2018-12-27 Bloomsky, Inc. Local weather forecast

Also Published As

Publication number Publication date
KR20210106816A (ko) 2021-08-31

Similar Documents

Publication Publication Date Title
Alías et al. Review of wireless acoustic sensor networks for environmental noise monitoring in smart cities
Jaech et al. Real-time prediction of the duration of distribution system outages
Ratcliffe Geocoding crime and a first estimate of a minimum acceptable hit rate
JP2020527788A (ja) 疾患予測方法および装置、コンピューター装置及び可読記憶媒体
JP7087946B2 (ja) 救急需要予測装置、救急需要予測方法およびプログラム
US11830099B2 (en) Machine learning modeling for protection against online disclosure of sensitive data
CN110659433B (zh) Poi价值评估的方法、装置、设备和计算机存储介质
CN112541852A (zh) 城市人流监控方法、装置、电子设备及存储介质
CN110930176B (zh) 预测方法、装置、电子设备及存储介质
JP3818931B2 (ja) 気象予報システム
CN112862604B (zh) 卡证发行机构的信息处理方法、装置、设备及存储介质
KR102313767B1 (ko) 위치 정보와 주변 환경 정보를 이용한 환경예보 서비스서버 및 환경예보 서비스방법
WO2021084742A1 (ja) 情報処理方法、記憶媒体、及び情報処理装置
CN116341877A (zh) 基于TransGPT的综合交通运行服务系统和方法
CN116501846A (zh) 开放式对话方法、装置、电子设备及介质
CN112308263A (zh) 学位资源预测方法、装置、存储介质和芯片
CN115907082A (zh) 区域人流量分析方法、装置、设备及存储介质
CN115129858A (zh) 试题分类模型的训练方法、装置、设备、介质及程序产品
CN114020774A (zh) 多轮问答语句的处理方法、装置、设备及存储介质
Petrova et al. Method of audio interaction with indoor navigation systems
KR102020857B1 (ko) 공공 체육 시설 관리 시스템
Paganin et al. Knowledge management and resilience of urban and territorial systems
Xiaolin Intelligent educational cyber‐physical systems for college English course
CN113255352A (zh) 一种街道信息确定方法、装置及计算机设备
Paganin et al. Knowledge management e resilienza dei sistemi urbani e territoriali

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant