KR102645876B1 - 유사한 환경의 선행 데이터를 이용한 인공지능 기반의 환경영향평가 방법, 장치 및 시스템 - Google Patents
유사한 환경의 선행 데이터를 이용한 인공지능 기반의 환경영향평가 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102645876B1 KR102645876B1 KR1020230125979A KR20230125979A KR102645876B1 KR 102645876 B1 KR102645876 B1 KR 102645876B1 KR 1020230125979 A KR1020230125979 A KR 1020230125979A KR 20230125979 A KR20230125979 A KR 20230125979A KR 102645876 B1 KR102645876 B1 KR 102645876B1
- Authority
- KR
- South Korea
- Prior art keywords
- evaluation
- data
- model
- environmental
- score
- Prior art date
Links
- 230000007613 environmental effect Effects 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013473 artificial intelligence Methods 0.000 title abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 489
- 238000007781 pre-processing Methods 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims abstract description 76
- 238000013210 evaluation model Methods 0.000 claims abstract description 65
- 238000000605 extraction Methods 0.000 claims abstract description 35
- 238000003860 storage Methods 0.000 claims abstract description 30
- 238000011161 development Methods 0.000 claims description 70
- 230000008859 change Effects 0.000 claims description 52
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 44
- 238000013136 deep learning model Methods 0.000 claims description 40
- 238000004088 simulation Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 10
- 238000005065 mining Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 8
- 235000019645 odor Nutrition 0.000 description 17
- 239000005431 greenhouse gas Substances 0.000 description 16
- 238000012545 processing Methods 0.000 description 11
- 239000000809 air pollutant Substances 0.000 description 10
- 231100001243 air pollutant Toxicity 0.000 description 10
- 238000003911 water pollution Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000002689 soil Substances 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- -1 gravel Substances 0.000 description 3
- 230000009931 harmful effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 239000010791 domestic waste Substances 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002420 orchard Substances 0.000 description 2
- 239000005022 packaging material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 229910018503 SF6 Inorganic materials 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000002655 kraft paper Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
Abstract
인공 지능에 기반한 환경 영향 평가 장치, 환경 영향 평가 방법 및 환경 영향 평가 시스템이 개시된다. 일실시예에 따른 환경 영향 평가 장치는 평가 항목 및 평가 자료를 입력받는 입력부; 상기 평가 항목, 평가 자료, 복수의 템플릿, 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 저장하는 저장부; 상기 평가 자료를 텍스트 데이터, 비디오 데이터 및 이미지 데이터로 분류하고, 상기 전처리 모델을 이용하여 상기 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 전처리부; 상기 평가 항목을 평가 분야 별로 분류하고, 상기 평가 분야에 대응되는 상기 환경 평가 모델을 이용하여 평가 항목별 예측 값을 출력하고, 상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하고, 결정된 가중치에 따라 상기 평가 항목 점수를 연산하여 환경 평가 점수를 산출하고, 상기 대안 추출 모델을 이용하여 상기 전처리된 평가 자료 및 상기 환경 평가 점수에 기초한 적어도 하나의 대안을 출력하고, 상기 보고서 작성 모델을 이용하여 상기 복수의 템플릿 중 하나를 결정하고, 상기 템플릿에 상기 평가 항목, 상기 평가 자료, 상기 환경 평가 점수 및 상기 적어도 하나의 대안을 배치하여 보고서를 생성하는 산출부; 및 상기 환경 평가 점수, 상기 적어도 하나의 대안 및 상기 보고서 중 적어도 하나를 표시하는 출력부를 포함한다.
Description
아래 실시예들은 인공지능에 기반한 환경 영향 평가 기술에 관한 것이다. 보다 상세하게는, 유사한 환경의 선행 데이터를 이용하여 환경 영향 평가를 수행하도록 학습된 머신 러닝 모델을 이용한 환경 영향 평가 방법, 장치 및 시스템에 관한 것이다.
환경 영향 평가는 개발 사업 계획을 수립하기 전에 개발 사업의 경제성, 기술성, 및 환경성을 종합적으로 고려하여 환경적으로 건전한 개발 사업을 수행하기 위해 수행된다. 환경 영향 평가를 통해 개발 사업이 환경에 미치는 해로운 영향을 예측 및 분석하여 개발 사업이 환경에 미치는 해로운 영향을 최소화하는 방안을 모색하고, 사업 계획에 반영하여 환경적으로 건전한 개발 사업을 수행할 수 있다.
현재 우리나라는 전략 환경 영향 평가, 환경 영향 평가 및 소규모 환경 영향 평가로 나누어 평가를 수행하고 있다. 전략 환경 영향 평가, 환경 영향 평가 및 소규모 환경 영향 평가는 사업의 종류, 범위 및 규모에 따라 시행되며, 환경 영향 평가 대상 사업에 대하여는 사후 환경 영향 조사도 수행된다.
전략 환경 영향 평가는 환경에 영향을 미치는 상위계획을 수립할 때 관할 법 및 환경 보전 계획과 부합하는지를 확인하고, 대안을 마련함으로써 환경적 측면에서 해당 계획의 적정성 및 입지의 타당성 등을 검토하기 위해 수행된다. 전략 환경 영향 평가는 도시의 개발, 산업입지 및 산업단지의 조성, 에너지 개발, 항만의 건설, 도로의 건설, 수자원의 개발, 철도의 건설, 공항의 건설, 하천의 이용 및 개발, 개간 및 공유수면의 매립, 관광단지의 개발, 산자의 개발, 특정 지역의 개발, 체육시설의 설치, 폐기물 처리시설의 설치, 국방.군사 시설의 설치, 토석.모래.자갈.광물 등의 채취, 환경에 영향을 미치는 시설로서 대통령령으로 정하는 시설의 설치에 관한 계획을 대상으로 한다.
환경 영향 평가는 개발 사업 또는 개발 계획의 인허가 이전에 개발 사업이 환경에 영향이 없는 것을 확인하거나, 해로운 환경영향을 피하거나 제거 또는 감소시킬 수 있는 방안을 마련하기 위해 수행된다. 환경 영향 평가는 계획의 수립이나 사업의 시행으로 영향을 받게 되는 지역으로서 환경영향을 과학적으로 예측 및 분석한 자료에 따라 그 범위가 설정된 지역을 대상으로 한다.
소규모 환경 영향 평가는 환경보전이 필요한 지역이나 난개발이 우려되어 계획적 개발이 필요한 지역에서 개발 사업을 시행할 때 입지의 타당성 및 환경에 미치는 영향을 사전에 조사하고, 예측 및 평가함으로써 환경에 미치는 영향을 감축시키기 위해 수행된다. 주로 보전이 필요한 지역과 난개발이 우려되어 환경보전을 고려한 계획적 개발이 필요한 지역으로서 대통령령으로 정하는 지역에서 시행되는 개발사업, 또는 환경 영향 평가 대상사업의 종류 및 범위에 해당하지 아니하는 개발사업으로서 대통령령으로 정하는 개발사업을 대상으로 한다.
환경 영향 평가는 대기환경, 수환경, 토지환경, 자연생태환경, 사회경제환경, 생활환경의 6대 분야에 대해 평가하고, 총 21개의 평가항목이 존재한다. 종래에는 현장 조사를 통해 현장 자료가 수집하고, 수집된 현장 자료를 바탕으로 6개 분야에 대하여 일일이 환경에 미치는 영향을 평가함에 따라 평가 시간이 오래 걸리는 문제가 있었다. 또한, 상기 평가에 기초하여 환경에 미치는 영향을 최소화하는 대안을 도출하였으나 빅 데이터에 기반하여 대안책을 마련하는 것과 비교하여 한계가 있었다. 그에 따라, 본 명세서에서는 인공지능을 활용하여 환경 영향 평가를 더 빠른 시간안에 효율적으로 수행하고, 최적의 대안을 제시하며 이를 활용하여 보고서 초안을 작성하는 기술에 대하여 청구하고자 한다.
실시예들은 인공지능에 기반하여 정량적인 지표로서 환경 평가 점수를 산출하고, 환경 평가 점수에 기반한 환경에 영향을 미치는 영향이 적은 적어도 하나의 대안 및 환경 평가 보고서 중 적어도 하나를 제공함으로써 환경 영향 평가를 통합 관리하고 사용자의 업무 효율성을 향상시키 위한 장치, 방법 및 시스템을 제공하는 데 그 목적이 있다.
본 발명의 일 실시예에 따르면, 환경 영향 평가 장치는 평가 항목 및 평가 자료를 입력받는 입력부, 상기 평가 항목, 평가 자료, 복수의 템플릿, 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 저장하는 저장부, 상기 평가 자료를 텍스트 데이터, 비디오 데이터 및 이미지 데이터로 분류하고, 상기 전처리 모델을 이용하여 상기 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 전처리부, 상기 평가 항목을 평가 분야 별로 분류하고, 상기 평가 분야에 대응되는 상기 환경 평가 모델을 이용하여 평가 항목별 예측 값을 출력하고, 상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하고, 결정된 가중치에 따라 상기 평가 항목 점수를 연산하여 환경 평가 점수를 산출하고, 상기 대안 추출 모델을 이용하여 상기 전처리된 평가 자료 및 상기 환경 평가 점수에 기초한 적어도 하나의 대안을 출력하고, 상기 보고서 작성 모델을 이용하여 상기 복수의 템플릿 중 하나를 결정하고, 상기 템플릿에 상기 평가 항목, 상기 평가 자료, 상기 환경 평가 점수 및 상기 적어도 하나의 대안을 배치하여 보고서를 생성하는 산출부, 및 상기 환경 평가 점수, 상기 적어도 하나의 대안 및 상기 보고서 중 적어도 하나를 표시하는 출력부를 포함한다.
또한, 상기 전처리부는, 상기 평가 자료가 텍스트 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 텍스트 마이닝을 수행하고, 상기 평가 자료가 비디오 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 일부를 수행하고, 상기 평가 자료가 이미지 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 일부를 수행하여 상기 평가 자료를 전처리한다.
또한, 상기 전처리부는, 상기 평가 자료가 이미지 데이터로 분류된 지도인 경우, 상기 지도의 스케일을 기 설정된 값으로 변경하는 동작, 상기 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 상기 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 하나를 더 수행하여 상기 평가 자료를 전처리한다.
또한, 산출부는, 상기 평가 항목 별 예측 값을 대응되는 평가 항목의 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출하고, 상기 추출된 평가 항목별 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 표준화하고, 상기 표준화된 평가 항목별 변화량은 상기 기준 범위의 최댓값으로 뺀 값을 상기 평가 항목 점수로 결정한다.
또한, 상기 산출부는, 상기 전처리된 평가 자료에 기초하여 개발 계획 종류 및 개발 대상을 추출하고, 상기 개발 계획의 종류 및 개발 대상에 기초하여 평가 분야 별 가중치를 결정한다.
또한, 상기 산출부는, 상기 저장부에 저장된 데이터들의 통계에 기초하여 기준 점수를 결정하고, 상기 환경 평가 점수가 상기 기준 점수 이상일 때 사업이 적절한 것으로 판단한다.
또한, 상기 산출부는, 상기 대안 추출 모델을 이용하여 상기 적어도 하나의 대안을 시뮬레이션함으로써 시뮬레이션에 따른 환경 평가 점수를 산출하고, 상기 시뮬레이션에 따른 환경 평가 점수가 상기 기준 점수 미만인 경우, 상기 대안 추출 모델을 이용하여 다른 대안을 출력하고, 상기 시뮬레이션에 따른 환경 평가 점수가 상기 기준 점수 이상인 경우, 상기 적어도 하나의 대안을 출력한다.
또한, 상기 평가 분야는, 대기 환경 분야, 수 환경 분야, 토지 환경 분야, 자연 생태 환경 분야, 사회 경제 환경 분야, 및 생활 환경 분야 중 적어도 일부를 포함한다.
또한, 상기 환경 평가 모델은, 상기 평가 분야 각각에 대응되는 대기 환경 평가 모델, 수 환경 평가 모델, 토지 환경 평가 모델, 자연 생태 환경 평가 모델, 사회 경제 환경 평가 모델, 및 생활 환경 평가 모델 중 적어도 일부를 포함한다.
또한, 상기 대기 환경 평가 모델은, 상기 전처리된 평가 자료를 이용하여 상기 대기 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이다.
또한, 상기 수 환경 평가 모델은, 상기 전처리된 평가 자료를 이용하여 상기 수 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이다.
또한, 상기 토지 환경 평가 모델은, 상기 전처리된 평가 자료를 이용하여 상기 토지 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이다.
또한, 상기 자연 생태 환경 평가 모델은, 상기 전처리된 평가 자료를 이용하여 상기 자연 생태 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이다.
또한, 상기 사회 경제 환경 평가 모델은, 상기 전처리된 평가 자료를 이용하여 상기 사회 경제 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이다.
또한, 상기 생활 환경 평가 모델은, 상기 전처리된 평가 자료를 이용하여 상기 생활 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이다.
본 발명의 일 실시예에 따르면, 환경 영향 평가 방법은, 평가 항목 및 평가 자료를 입력받는 단계, 상기 평가 항목, 평가 자료, 복수의 템플릿, 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 저장하는 단계, 상기 평가 자료를 텍스트 데이터, 비디오 데이터 및 이미지 데이터로 분류하는 단계, 상기 전처리 모델을 이용하여 상기 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 단계, 상기 평가 항목을 평가 분야 별로 분류하는 단계, 상기 평가 분야에 대응되는 상기 환경 평가 모델을 이용하여 평가 항목별 예측 값을 출력하는 단계, 상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하는 단계, 결정된 가중치에 따라 상기 평가 항목 점수를 연산하여 환경 평가 점수를 산출하는 단계,ㅠ상기 대안 추출 모델을 이용하여 상기 전처리된 평가 자료 및 상기 환경 평가 점수에 기초한 적어도 하나의 대안을 출력하는 단계, 상기 보고서 작성 모델을 이용하여 상기 복수의 템플릿 중 하나를 결정하는 단계, 상기 템플릿에 상기 평가 항목, 상기 평가 자료, 상기 환경 평가 점수 및 상기 적어도 하나의 대안을 배치하여 보고서를 생성하는 단계 및 상기 환경 평가 점수, 상기 적어도 하나의 대안 및 상기 보고서 중 적어도 하나를 표시하는 단계를 포함한다.
또한, 상기 전처리 모델을 이용하여 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 단계는, 상기 평가 자료가 텍스트 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 텍스트 마이닝을 수행하는 단계, 상기 평가 자료가 비디오 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 일부를 수행하는 단계 및 상기 평가 자료가 이미지 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 일부를 수행하는 단계를 포함한다.
또한, 상기 전처리 모델을 이용하여 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 단계는, 상기 평가 자료가 이미지 데이터로 분류된 지도인 경우, 상기 지도의 스케일을 기 설정된 값으로 변경하는 동작, 상기 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 상기 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 하나를 수행하는 단계를 더 포함한다.
또한, 상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하는 단계는, 상기 평가 항목 별 예측 값을 대응되는 평가 항목의 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출하는 단계, 상기 추출된 평가 항목별 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 표준화하는 단계 및 상기 표준화된 평가 항목별 변화량은 상기 기준 범위의 최댓값으로 뺀 값을 상기 평가 항목 점수로 결정하는 단계를 포함한다.
또한, 상기 결정된 가중치에 따라 평가 항목 점수를 연산하여 환경 평가 점수를 산출하는 단계는, 상기 전처리된 평가 자료에 기초하여 개발 계획 종류 및 개발 대상을 추출하는 단계 및 상기 개발 계획의 종류 및 개발 대상에 기초하여 평가 분야 별 가중치를 결정하는 단계를 포함한다.
또한, 상기 환경 영향 평가 방법은, 저장된 데이터들의 통계에 기초하여 기준 점수를 결정하는 단계 및 상기 환경 평가 점수가 상기 기준 점수 이상일 때 사업이 적절한 것으로 판단하는 단계를 더 포함한다.
또한, 상기 환경 영향 평가 방법은, 대안 추출 모델을 이용하여 상기 적어도 하나의 대안을 시뮬레이션함으로써 시뮬레이션에 따른 환경 평가 점수를 산출하는 단계, 상기 시뮬레이션에 따른 환경 평가 점수가 상기 기준 점수 미만인 경우, 상기 대안 추출 모델을 이용하여 다른 대안을 출력하는 단계 및 상기 시뮬레이션에 따른 환경 평가 점수가 상기 기준 점수 이상인 경우, 상기 적어도 하나의 대안을 출력하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면, 환경 영향 평가 시스템은, 상기 평가 항목, 평가 자료, 복수의 템플릿, 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 저장하는 메모리, 상기 평가 자료를 텍스트 데이터, 비디오 데이터 및 이미지 데이터로 분류하고, 상기 전처리 모델을 이용하여 상기 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 프로세서 및 상기 평가 항목을 평가 분야 별로 분류하고, 상기 평가 분야에 대응되는 상기 환경 평가 모델을 이용하여 평가 항목별 예측 값을 출력하고, 상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하고, 결정된 가중치에 따라 상기 평가 항목 점수를 연산하여 환경 평가 점수를 산출하고, 상기 대안 추출 모델을 이용하여 상기 전처리된 평가 자료 및 상기 환경 평가 점수에 기초한 적어도 하나의 대안을 출력하고, 상기 보고서 작성 모델을 이용하여 상기 복수의 템플릿 중 하나를 결정하고, 상기 템플릿에 상기 평가 항목, 상기 평가 자료, 상기 환경 평가 점수 및 상기 적어도 하나의 대안을 배치하여 보고서를 생성하는 서버를 포함한다.
또한, 상기 프로세서는, 상기 평가 자료가 텍스트 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 텍스트 마이닝을 수행하고, 상기 평가 자료가 비디오 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 일부를 수행하고, 상기 평가 자료가 이미지 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 일부를 수행하고, 상기 평가 자료가 이미지 데이터로 분류된 지도인 경우, 상기 지도의 스케일을 기 설정된 값으로 변경하는 동작, 상기 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 상기 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 하나를 더 수행하여 상기 평가 자료를 전처리한다.
또한, 상기 서버는, 상기 평가 항목 별 예측 값을 대응되는 평가 항목의 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출하고, 상기 추출된 평가 항목별 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 표준화하고, 상기 표준화된 평가 항목별 변화량은 상기 기준 범위의 최댓값으로 뺀 값을 상기 평가 항목 점수로 결정하고, 상기 전처리된 평가 자료에 기초하여 개발 계획 종류 및 개발 대상을 추출하고, 상기 개발 계획의 종류 및 개발 대상에 기초하여 평가 분야 별 가중치를 결정한다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
본 발명에 따른 실시예들은 평가 분야에 대응되는 딥러닝 모델 및 전처리된 평가 자료를 이용하여 환경 영향 평가 결과를 점수화함으로써 사용자에게 정량적 지표를 제공할 수 있다. 그에 따라, 효율적으로 환경 영향 평가를 수행할 수 있다.
본 발명에 따른 실시 예들은 딥러닝 모델을 이용하여 환경에 미치는 영향이 적은 대안들을 제공할 수 있고, 대안에 대하여 시뮬레이션함으로써 최적의 대안을 결정할 수 있다.
도 1은 일실시예에 따른 환경 영향 평가 장치를 설명하기 위한 도면이다.
도 2는 일실시예에 따른 환경 영향 평가 방법을 설명하기 위한 도면이다.
도3는 일실시예에 따른 환경 영향 평가 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 환경 영향 평가 방법을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 환경 영향 평가 시스템을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 환경 영향 평가 방법을 설명하기 위한 도면이다.
도3는 일실시예에 따른 환경 영향 평가 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 환경 영향 평가 방법을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 환경 영향 평가 시스템을 설명하기 위한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 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 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 환경 영향 평가 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 환경 영향 평가 장치(10)는 입력부(11), 저장부(12), 전처리부(13), 산출부(14) 및 출력부(15)를 포함할 수 있다.
입력부(11)는 사용자로부터 평가 항목 및 평가 자료를 입력받을 수 있다. 평가 항목은 기상, 대기질, 악취, 온실가스, 수질, 지질, 토양, 생태 환경, 동물상, 식물상, 소음, 진동, 경관, 위생, 전파 장해, 일조 장해, 인구, 주거 및 산업 중 적어도 일부를 포함할 수 있다. 그러나 이에 제한되지 않으며 평가 항목은 본 명세서에 기재된 항목들 이외의 다양한 항목들을 더 포함할 수 있다.
예를 들어, 평가 항목은 평가 분야로 구분될 수 있다. 예를 들어, 평가 분야는 대기환경, 수환경, 토지환경, 자연생태환경, 사회경제환경 및 생활환경 분야 중 적어도 일부를 포함할 수 있다. 예를 들어, 기상, 대기질, 악취 및 온실가스 항목은 대기 환경 분야로 구분될 수 있다. 지표 및 지하의 수질, 수리, 수문, 해양 환경의 수질, 물리 및 지질 항목은 수 환경 분야로 구분될 수 있다. 토지 이용, 토양, 지형 및 지질 항목은 토지 환경 분야로 구분될 수 있다 육상 및 해양의 동, 식물상 및 자연 환경 자산은 자연 생태 환경 분야로 구분될 수 있다. 친환경적 자원순환, 소음, 진동, 위락, 경관, 위생, 공중보건, 전파장해 및 일조장해 항목은 생활 환경 분야로 구분될 수 있다. 인구, 주거 및 산업 항목은 사회 및 경제환경 분야로 구분될 수 있다. 그러나 본 발명이 이에 제한되는 것은 아니며, 다른 실시 예에서 본 발명의 평가 항목은 다른 분야들로 구분될 수 있다.
평가 자료는 개발 구역의 지도, 토지 현황도, 토지 이용 계획도, 조성 계획도, 시설물 또는 구조물 배치 계획도, 교통 시설 배치도, 조감도, 지역 개황도, 개발 사업 계획서, 평가 대상 지역, 평가 범위 정보, 문헌 조사 자료 및 현지 조사 자료 중 적어도 일부를 포함할 수 있다.
저장부(12)는 환경 영향 평가를 위한 정보들 및 인공지능 모델을 저장할 수 있다. 저장부(12)는 입력부(11)를 통해 입력되는 평가 항목 및 평가 자료, 인터넷을 통해 공중에 게재된 환경 영향 평가 보고서, 대한민국의 지도, 대한민국의 토지 현황도, 대한민국의 지역 개황도 및 각종 조사 자료 등을 저장할 수 있다. 저장부(12)에 저장되는 데이터들은 딥러닝 모델의 학습을 위해 사용될 수 있다.
저장부(12)는 인공지능 모델을 저장할 수 있다. 인공지능 모델은 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 포함할 수 있다. 실시 예에 따라, 환경 평가 모델 및 대안 추출 모델은 인공 신경망을 이용하는 딥러닝 모델일 수 있다.
전처리 모델은 데이터 타입별로 입력된 평가 자료를 전처리하는 인공지능 모델일 수 있다. 전처리 모델은 평가 자료를 인공지능 모델이 학습 및 분류하기에 적절하도록 전처리하는 인공지능 모델일 수 있다. 전처리 모델은 텍스트 데이터의 전처리를 위한 언어 모델 및 비디오 및 이미지 데이터의 전처리를 위해 학습된 딥러닝 모델을 포함할 수 있다.
전처리 모델은 텍스트 데이터에 대하여 텍스트 마이닝을 이용한 전처리를 수행함으로써 텍스트 데이터로부터 의미있는 단어를 출력할 수 있고, 문서를 기계 학습과 통계 분석에 적합한 형태로 변환하는 인공지능 모델을 포함할 수 있다. 전처리 모델은 텍스트 데이터를 전처리함으로써 접속사와 같이 의미 없는 단어들을 제거하고 분석을 위한 구조화된 데이터를 생성하는 인공지능 모델을 포함할 수 있다.
전처리 모델은 비디오 데이터에 대하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 하나를 수행하도록 학습된 인공지능 모델을 포함할 수 있다.
전처리 모델은 이미지 데이터에 대하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 하나를 수행하도록 학습된 인공지능 모델을 포함할 수 있다. 이미지 데이터가 지도인 경우, 전처리 모델은 지도의 스케일을 기 설정된 값으로 변경하는 동작, 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 일부를 더 수행하도록 학습된 인공지능 모델을 포함할 수 있다.
환경 평가 모델은 평가 항목 및 전처리된 평가 자료에 기초하여 평가 항목별 예측 값을 산출하는 인공지능 모델일 수 있다. 환경 평가 모델은 전처리된 평가 자료에 기초하여 개발 사업이 환경에 미치는 영향을 예측하도록 학습된 딥러닝 모델일 수 있다. 환경 평가 모델은 기 전처리된 평가 자료들 및 기 진행된 개발 사업이 현재 환경에 미치는 영향 정도를 학습한 딥러닝 모델일 수 있다. 환경 평가 모델은 평가 항목에 따라 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 환경 평가 모델은 각 평가 항목의 최근 10년간 데이터를 종합하여 분석하고 평균 값에 기초하여 예측값을 출력할 수 있다.
환경 평가 모델은 대기 환경 평가 모델, 수 환경 평가 모델, 토지 환경 평가 모델, 자연 생태 환경 평가 모델, 사회 경제 환경 평가 모델, 및 생활 환경 평가 모델 중 적어도 일부를 포함할 수 있다. 대기 환경 평가 모델은 전처리된 평가 자료를 이용하여 대기 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 수 환경 평가 모델은 전처리된 평가 자료를 이용하여 수 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 토지 환경 평가 모델은 전처리된 평가 자료를 이용하여 토지 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 자연 생태 환경 평가 모델은 전처리된 평가 자료를 이용하여 자연 생태 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 사회 경제 환경 평가 모델은 전처리된 평가 자료를 이용하여 사회 경제 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 생활 환경 평가 모델은 전처리된 평가 자료를 이용하여 생활 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 대기 환경 평가 모델, 수 환경 평가 모델, 토지 환경 평가 모델, 자연 생태 환경 평가 모델, 사회 경제 환경 평가 모델, 및 생활 환경 평가 모델은 서로 같거나 다른 평가 자료를 이용하여 학습되되 출력되는 값이 다르도록 학습된 딥러닝 모델일 수 있다.
대안 추출 모델은 평가 항목, 평가 자료 및 환경 평가 점수에 기초하여 적어도 하나의 대안을 추출하도록 학습된 딥러닝 모델일 수 있다. 대안 추출 모델은 출력한 대안을 시뮬레이션하고, 그에 따라 환경 평가 점수를 산출하는 인공지능 모델일 수 있다. 대안 추출 모델은 시뮬레이션에 따른 환경 평가 점수가 기준 점수 미만인 경우 다른 대안을 출력하고, 기준 점수 이상인 경우 시뮬레이션이 종료된 대안을 출력하도록 학습된 딥러닝 모델일 수 있다. 산출부(14)는 대안 추출 모델을 이용하여 적어도 하나의 대안을 출력할 수 있고, 기준 점수 이상인 대안이 복수개인 경우 복수의 대안들을 출력할 수 있다.
보고서 작성 모델은 저장부(12)에 저장된 샘플 보고서들을 학습하여 보고서를 생성하는 인공지능 모델일 수 있다. 보고서 작성 모델은 평가 항목에 기초하여 가장 적절한 템플릿을 선정하는 인공지능 모델일= 수 있다. 보고서 작성 모델은 선정된 템플릿에 평가 항목, 평가 자료, 환경 평가 점수 및 적어도 하나의 대안을 적절히 배치함으로써 보고서를 생성하는 인공지능 모델일 수 있다.
전처리부(13)는 입력된 평가 자료를 데이터 타입별로 분류할 수 있다. 예를 들어, 전처리부(13)는 입력된 평가 자료를 텍스트, 비디오, 이미지 중 하나로 구분할 수 있다. 전처리부(13)는 이미지 데이터를 지도 데이터와 사진 데이터로 더 구분할 수 있다.
전처리부(13)는 저장부(12)에 저장된 전처리 모델을 이용하여 데이터 타입별로 평가 자료를 전처리할 수 있다. 전처리부(13)는 전처리 모델을 이용하여 평가 자료를 인공지능 모델이 학습 및 분류하기에 적절하도록 전처리할 수 있다.
산출부(14)는 환경 평가 모델을 이용하여 환경 평가 점수를 산출할 수 있다. 산출부(14)는 평가 항목을 평가 분야 별로 분류할 수 있고, 환경 평가 모델을 이용하여 평가 항목 별로 개발 사업이 환경에 미치는 영향을 예측할 수 있다. 산출부(14)는 평가 항목에 대응되는 평가 모델을 이용하여 평가 항목별 예측 값을 출력할 수 있다.
평가 항목이 대기 환경 분야에 포함되는 경우, 산출부(14)는 대기 환경 평가 모델을 이용하여 평가 대상 지역에 대기 오염 물질 발생원, 악취 발생원 및 온실 가스 배출원 중 적어도 하나가 포함되는 지를 확인할 수 있다. 대기 오염 물질 발생원, 악취원 및 온실 가스 배출원 중 적어도 하나가 포함되는 지 여부는 토지 현황도 및 토지 이용 계획도에 기초하여 판단될 수 있다. 평가 대상 지역에 대기 오염 물질 발생원, 악취원 및 온실 가스 배출원 중 적어도 하나가 포함되는 경우, 대기 환경 평가 모델은 전처리된 평가 자료를 이용하여 대기 오염 물질 발생원, 악취원 및 온실 가스 배출원 중 적어도 하나에 기초한 평가 항목별 예측 값을 출력할 수 있다.
평가 항목이 수 환경 분야에 포함되는 경우, 산출부(14)는 수 환경 평가 모델을 이용하여 평가 대상 지역에 습지 또는 수질 오염원이 포함되는 지를 확인할 수 있다. 습지 또는 수질 오염원이 포함되는 지 여부는 토지 현황도 및 토지 이용 계획도에 기초하여 판단될 수 있다. 평가 대상 지역에 습지 또는 수질 오염원이 포함되는 경우, 수 환경 평가 모델은 전처리된 평가 자료를 이용하여 습지 또는 수질 오염원에 기초한 평가 항목별 예측 값을 출력할 수 있다.
평가 항목이 토지 환경 분야에 포함되는 경우, 산출부(14)는 토지 환경 평가 모델을 이용하여 평가 대상 지역에 관심 영역을 설정할 수 있다. 관심 영역은 토양 오염이 예상되는 지역일 수 있다. 토지 환경 평가 모델이 설정한 관심 영역은 전, 답, 과수원, 임야, 목장, 공원, 유원지, 하천, 학교, 도로, 공장, 철도 중 적어도 하나를 포함하는 영역일 수 있다. 토지 환경 평가 모델은 전처리된 평가 자료를 이용하여 관심 영역에 기초한 토지 오염 예측 값을 출력할 수 있다. 토지 오염 예측 값은 생활 폐기물량, 분뇨량, 폐유 발생량, 철거 폐기물 발생량 중 적어도 일부에 대한 값일 수 있다.
평가 항목이 자연 생태 환경 분야에 포함되는 경우, 산출부(14)는 자연 생태 환경 평가 모델을 이용하여 평가 대상 지역에 관심 영역을 설정할 수 있다. 관심 영역은 자연 생태 환경 변화가 예상되는 지역일 수 있다. 자연 생태 환경 평가 모델이 설정한 관심 영역은 식물상에 따른 분포 지역 및 동물상에 따른 분포 지역 중 적어도 하나를 포함할 수 있다. 자연 생태 환경 평가 모델은 전처리된 평가 자료를 이용하여 관심 영역에 기초한 자연 생태 예측 값을 출력할 수 있다. 자연 생태 예측 값은 식생 보전 등급, 식생 훼손 면적, 훼손 수목량, 및 영향이 예측되는 법정 보호종의 개체수 중 적어도 일부에 대한 값일 수 있다.
평가 항목이 생활 환경 분야에 포함되는 경우, 산출부(14)는 자연 생태 환경 평가 모델을 이용하여 평가 대상 지역에 소음 발생원 및 조망점 중 적어도 하나가 포함되는 지를 확인할 수 있다. 소음 발생원 및 조망점은 토지 현황도 및 토지 이용 계획도에 기초하여 판단될 수 있다. 평가 대상 지역에 소음 발생원 및 조망점 중 적어도 하나가 포함되는 경우, 생활 환경 평가 모델은 전처리된 평가 자료를 이용하여 소음 발생원 및 조망점 중 적어도 하나에 기초한 평가 항목별 예측 값을 출력할 수 있다.
평가 항목이 사회 및 경제 환경 분야에 포함되는 경우, 산출부(14)는 사회 및 경제 환경 평가 모델을 이용하여 인구, 주거 및 산업 항목 중 적어도 하나의 예측 값을 출력할 수 있다.
산출부(14)는 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출할 수 있다. 산출부(14)는 평가 항목 별 예측 값을 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출할 수 있다. 산출부(14)는 추출된 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 추출된 변화량을 표준화할 수 있다. 기준 범위는 사용자에 의해 입력되는 값일 수 있다. 산출부(14)는 저장부(12)에 저장된 평가 항목별 변화량 데이터들 중 최솟값과 최댓값을 평가 항목별 변화량의 범위로 결정할 수 있다. 산출부(14)는 기준 범위의 최댓값에서 표준화된 변화량을 뺀 값으로 평가 항목 점수를 결정할 수 있다. 그에 따라, 평가 항목 점수가 높을수록 사업이 평가 항목별 환경에 미치는 영향이 작을 수 있다. 산출부(14)는 평가 항목 점수를 저장부(12)에 저장할 수 있다.
산출부(14)는 평가 분야 별 가중치를 결정할 수 있다. 산출부(14)는 개발 계획 종류 및 개발 대상에 따라 평가 분야 별 가중치를 결정할 수 있다. 가중치의 결정에 있어서, 산출부(14)가 결정하도록 기재하였으나 이에 제한되는 것은 아니며, 실시 예에 따라 사용자에 의해 입력된 가중치를 이용할 수도 있다.
산출부(14)는 결정된 가중치에 따라 평가 항목 점수들을 연산함으로써 환경 평가 점수를 산출할 수 있다. 환경 평가 점수가 높을수록 개발 사업이 환경에 미치는 영향이 작을 수 있다. 산출부(14)는 환경 평가 점수가 기준 점수 이상일 때 개발 사업이 적합하다고 판단할 수 있다. 산출부(14)는 저장부(12)에 저장된 데이터들의 통계에 기초하여 기준 점수를 결정할 수 있다. 산출부(14)는 저장부(12)에 저장된 개발 계획 이전의 데이터와 개발 계획 이후의 데이터를 비교하여 기준 점수를 결정할 수 있다. 그러나 이에 제한되지 않으며, 기준 점수는 사용자에 의해 입력된 값일 수도 있다.
산출부(14)는 대안 추출 모델을 이용하여 출력한 대안을 시뮬레이션하고, 그에 따라 환경 평가 점수를 산출할 수 있다. 산출부(14)는 대안 추출 모델을 이용하여 시뮬레이션에 따른 환경 평가 점수가 기준 점수 미만인 경우 다른 대안을 출력하고, 기준 점수 이상인 경우 시뮬레이션이 종료된 대안을 출력할 수 있다. 산출부(14)는 대안 추출 모델을 이용하여 적어도 하나의 대안을 출력할 수 있고, 기준 점수 이상인 대안이 복수개인 경우 복수의 대안들을 출력할 수 있다.
산출부(140)는 보고서 작성 모델을 이용하여 저장부(12)에 저장된 복수의 템플릿 중 평가 항목에 기초하여 가장 적절한 템플릿을 선정할 수 있다. 산출부(140)는 보고서 작성 모델은 선정된 템플릿에 평가 항목, 평가 자료, 환경 평가 점수 및 적어도 하나의 대안을 적절히 배치함으로써 보고서를 생성할 수 있다. 실시 예에 따라, 보고서는 사용자의 요청에 따라 생성될 수 있다.
출력부(150)는 환경 평가 점수, 적어도 하나의 대안 및 보고서 중 적어도 하나를 표시할 수 있다. 실시 예에 따라, 출력부(150)는 사용자의 요청에 따라 환경 평가 점수, 적어도 하나의 대안 및 보고서 중 적어도 하나를 표시할 수 있다.
도 2 내지 도 4는 일실시예에 따른 환경 영향 평가 방법을 설명하기 위한 도면이다.
도 2를 참조하면, 환경 영향 평가 방법(S100)은 단계들(S110~S150)을 포함할 수 있다. 이하에서는 도 1의 환경 영향 평가 장치(10)를 참조하여 설명하나, 본 발명의 실시 예가 이에 제한되는 것은 아니다.
단계(S110)에서, 입력부(11)는 평가 항목 및 평가 자료를 입력받을 수 있다.
평가 항목은 기상, 대기질, 악취, 온실가스, 수질, 지질, 토양, 생태 환경, 동물상, 식물상, 소음, 진동, 경관, 위생, 전파 장해, 일조 장해, 인구, 주거 및 산업 중 적어도 일부를 포함할 수 있다. 그러나 이에 제한되지 않으며 평가 항목은 본 명세서에 기재된 항목들 이외의 다양한 항목들을 더 포함할 수 있다.
예를 들어, 평가 항목은 평가 분야로 구분될 수 있다. 예를 들어, 평가 분야는 대기환경, 수환경, 토지환경, 자연생태환경, 사회경제환경 및 생활환경 분야 중 적어도 일부를 포함할 수 있다. 예를 들어, 기상, 대기질, 악취 및 온실가스 항목은 대기 환경 분야로 구분될 수 있다. 지표 및 지하의 수질, 수리, 수문, 해양 환경의 수질, 물리 및 지질 항목은 수 환경 분야로 구분될 수 있다. 토지 이용, 토양, 지형 및 지질 항목은 토지 환경 분야로 구분될 수 있다 육상 및 해양의 동, 식물상 및 자연 환경 자산은 자연 생태 환경 분야로 구분될 수 있다. 친환경적 자원순환, 소음, 진동, 위락, 경관, 위생, 공중보건, 전파장해 및 일조장해 항목은 생활 환경 분야로 구분될 수 있다. 인구, 주거 및 산업 항목은 사회 및 경제환경 분야로 구분될 수 있다. 그러나 본 발명이 이에 제한되는 것은 아니며, 다른 실시 예에서 본 발명의 평가 항목은 다른 분야들로 구분될 수 있다.
평가 자료는 개발 구역의 지도, 토지 현황도, 토지 이용 계획도, 조성 계획도, 시설물 또는 구조물 배치 계획도, 교통 시설 배치도, 조감도, 지역 개황도, 개발 사업 계획서, 평가 대상 지역, 평가 범위 정보, 문헌 조사 자료 및 현지 조사 자료 중 적어도 일부를 포함할 수 있다.
단계(S120)에서, 전처리부(13)는 입력된 평가 자료를 전처리할 수 있다. 도 3을 참조하면, 단계(S120)는 단계들(S121, S122)을 포함할 수 있다.
단계(S121)에서, 전처리부(13)는 입력된 평가 자료를 데이터 타입별로 분류할 수 있다. 예를 들어, 전처리부(13)는 입력된 평가 자료를 텍스트, 비디오, 이미지 중 하나로 구분할 수 있다. 전처리부(13)는 이미지 데이터를 지도 데이터와 사진 데이터로 더 구분할 수 있다.
단계(S122)에서, 전처리부(13)는 전처리 모델을 이용하여 데이터 타입별로 평가 자료를 전처리할 수 있다. 전처리부(13)는 전처리 모델을 이용하여 평가 자료를 인공지능 모델이 학습 및 분류하기에 적절하도록 전처리할 수 있다. 전처리 모델은 텍스트 전처리, 비디오 전처리 및 이미지 전처리 중 적어도 하나를 수행할 수 있다.
예를 들어, 데이터 타입이 텍스트인 경우, 전처리부(13)는 전처리 모델을 이용하여 텍스트 마이닝을 수행할 수 있다. 전처리부(13)는 텍스트 마이닝을 이용한 전처리를 수행함으로써 문서를 기계 학습과 통계 분석에 적합한 형태로 변환할 수 있다. 전처리부(13)는 텍스트 마이닝을 통해 텍스트 데이터로부터 의미있는 단어를 출력할 수 있다. 전처리부(13)는 텍스트 타입의 데이터를 전처리함으로써 접속사와 같이 의미 없는 단어들을 제거하고 분석을 위한 구조화된 데이터를 생성할 수도 있다.
예를 들어, 데이터 타입이 비디오인 경우, 전처리부(13)는 전처리 모델을 이용하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 하나를 수행할 수 있다. 실시 예에 따라, 전처리부(13)는 사용자의 요청에 따라 상기 동작 중 어느 하나를 수행할 수도 있다.
예를 들어, 데이터 타입이 이미지인 경우, 전처리부(13)는 전처리 모델을 이용하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 하나를 수행할 수 있다. 이미지 데이터가 지도인 경우, 전처리부(13)는 전처리 모델을 이용하여 지도의 스케일을 기 설정된 값으로 변경하는 동작, 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 일부를 더 수행할 수 있다. 실시 예에 따라, 전처리부(13)는 사용자의 요청에 따라 상기 동작 중 어느 하나를 수행할 수도 있다.
다시 도 2를 참조하면, 단계(S130)에서, 산출부(14)는 환경 평가 모델을 이용하여 환경 평가 점수를 산출할 수 있다. 환경 평가 모델은 평가 항목 및 전처리된 평가 자료에 기초하여 평가 항목별 예측 값을 산출하는 인공지능 모델일 수 있다. 환경 평가 모델은 전처리된 평가 자료에 기초하여 개발 사업이 환경에 미치는 영향을 예측하도록 학습된 딥러닝 모델일 수 있다. 도 4를 참조하면, 단계(S130)는 단계들(S131, S132)을 포함할 수 있다.
단계(S131)에서, 산출부(14)는 평가 항목을 평가 분야 별로 분류할 수 있다. 평가 분야는 대기 환경 분야, 수 환경 분야, 토지 환경 분야, 자연 생태 환경 분야, 사회 경제 환경 분야, 생활 환경 분야 중 적어도 일부를 포함할 수 있다. 예를 들어, 평가 항목으로 수질이 입력된 경우, 산출부(14)는 수 환경 부야로 분류할 수 있다. 평가 항목별로 분류된 분야는 저장부(12)에 저장될 수 있다.
단계(S132)에서, 산출부(14)는 환경 평가 모델을 이용하여 평가 항목 별로 개발 사업이 환경에 미치는 영향을 예측할 수 있다. 환경 평가 모델은 기 전처리된 평가 자료들 및 기 진행된 개발 사업이 현재 환경에 미치는 영향 정도를 학습한 딥러닝 모델일 수 있다. 환경 평가 모델은 평가 항목에 따라 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 환경 평가 모델은 각 평가 항목의 최근 10년간 데이터를 종합하여 분석하고 평균 값에 기초하여 예측값을 출력할 수 있다.
환경 평가 모델은 대기 환경 평가 모델, 수 환경 평가 모델, 토지 환경 평가 모델, 자연 생태 환경 평가 모델, 사회 경제 환경 평가 모델, 및 생활 환경 평가 모델 중 적어도 일부를 포함할 수 있다. 대기 환경 평가 모델은 전처리된 평가 자료를 이용하여 대기 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 수 환경 평가 모델은 전처리된 평가 자료를 이용하여 수 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 토지 환경 평가 모델은 전처리된 평가 자료를 이용하여 토지 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 자연 생태 환경 평가 모델은 전처리된 평가 자료를 이용하여 자연 생태 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 사회 경제 환경 평가 모델은 전처리된 평가 자료를 이용하여 사회 경제 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 생활 환경 평가 모델은 전처리된 평가 자료를 이용하여 생활 환경 분야의 평가 항목을 예측하여 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델일 수 있다. 대기 환경 평가 모델, 수 환경 평가 모델, 토지 환경 평가 모델, 자연 생태 환경 평가 모델, 사회 경제 환경 평가 모델, 및 생활 환경 평가 모델은 서로 같거나 다른 평가 자료를 이용하여 학습되되 출력되는 값이 다르도록 학습된 딥러닝 모델일 수 있다. 산출부(14)는 평가 항목에 대응되는 평가 모델을 이용하여 평가 항목별 예측 값을 출력할 수 있다.
평가 항목이 대기 환경 분야에 포함되는 경우, 산출부(14)는 대기 환경 평가 모델을 이용하여 평가 대상 지역에 대기 오염 물질 발생원, 악취 발생원 및 온실 가스 배출원 중 적어도 하나가 포함되는 지를 확인할 수 있다. 대기 오염 물질 발생원, 악취원 및 온실 가스 배출원 중 적어도 하나가 포함되는 지 여부는 토지 현황도 및 토지 이용 계획도에 기초하여 판단될 수 있다. 평가 대상 지역에 대기 오염 물질 발생원, 악취원 및 온실 가스 배출원 중 적어도 하나가 포함되는 경우, 대기 환경 평가 모델은 전처리된 평가 자료를 이용하여 대기 오염 물질 발생원, 악취원 및 온실 가스 배출원 중 적어도 하나에 기초한 평가 항목별 예측 값을 출력할 수 있다.
대기 환경 평가 모델은 평가 대상 지역에 도로, 산업단지, 대규모 댐, 대형 화력 발전소, 발전소 및 대형 산업단지 중 적어도 하나가 포함되는 경우 해당 영역을 대기 오염 물질 발생원으로 결정할 수 있다. 대기 환경 평가 모델은 결정된 대기 오염 물질 발생원에 기초하여 대기질 예측 값을 출력할 수 있다. 대기질 예측 값은 PM10, PM2.5, SO2, CO, NO2, O3, Pb 및 벤젠 및 적어도 일부에 대한 값일 수 있다.
대기 환경 평가 모델은 평가 대상 지역에 크래프트 펄트 제조업장, 석유 정제업장, 화학 비료 제조업장, 폐수 처리장, 폐수 취급장, 화제장, 어장골 처리장, 배합 비료 공장, 폐기물 처리장, 시뇨 처리장 및 하수 처리장 중 적어도 하나가 포함되는 경우 해당 영역을 악취원으로 결정할 수 있다. 대기 환경 평가 모델은 악취 발생원에 기초하여 악취 예측 값을 출력할 수 있다. 악취 예측 값은 암모니아, 황화수소, 메틸메르캅탄 및 복합 악취 중 적어도 일부에 대한 값일 수 있다.
대기 환경 평가 모델은 전처리된 평가 자료에 기초하여 평가 대상 지역에 도로, 발전소, 변전소, 저유소, 저탄장, 도시가스 공급시설, 집단 에너지 공급시설, 에너지 다소비업체, 도시가스 및 집단 에너지 공급 배관망 중 적어도 하나가 포함되는 경우 해당 영역을 온실 가스 배출원으로 결정할 수 있다. 대기 환경 평가 모델은 온실 가스 배출원에 기초하여 온실 가스 예측 값을 출력할 수 있다. 온실가스 예측 값은 이산화 탄소, 메탄, 이산화질소, 수소불화탄소, 과불화탄소 및 육불화황 중 적어도 일부에 대한 값일 수 있다.
평가 항목이 수 환경 분야에 포함되는 경우, 산출부(14)는 수 환경 평가 모델을 이용하여 평가 대상 지역에 습지 또는 수질 오염원이 포함되는 지를 확인할 수 있다. 습지 또는 수질 오염원이 포함되는 지 여부는 토지 현황도 및 토지 이용 계획도에 기초하여 판단될 수 있다. 평가 대상 지역에 습지 또는 수질 오염원이 포함되는 경우, 수 환경 평가 모델은 전처리된 평가 자료를 이용하여 습지 또는 수질 오염원에 기초한 평가 항목별 예측 값을 출력할 수 있다.
수 환경 평가 모델은 평가 대상 지역에 주거지, 산업 단지, 농지, 축산지, 광산 중 적어도 하나가 포함되는 경우 해당 지역을 수질 오염원으로 결정할 수 있다. 수 환경 평가 모델은 결정된 습지 또는 수질 오염원에 기초하여 수질 예측 값을 출력할 수 있다. 수질 예측 값은 우수 유출량, 토사 유출량, 생활 용수량, 오수 발생량, 수질 평가 지수 중 적어도 일부에 대한 값일 수 있다.
평가 항목이 토지 환경 분야에 포함되는 경우, 산출부(14)는 토지 환경 평가 모델을 이용하여 평가 대상 지역에 관심 영역을 설정할 수 있다. 관심 영역은 토양 오염이 예상되는 지역일 수 있다. 토지 환경 평가 모델이 설정한 관심 영역은 전, 답, 과수원, 임야, 목장, 공원, 유원지, 하천, 학교, 도로, 공장, 철도 중 적어도 하나를 포함하는 영역일 수 있다. 토지 환경 평가 모델은 전처리된 평가 자료를 이용하여 관심 영역에 기초한 토지 오염 예측 값을 출력할 수 있다. 토지 오염 예측 값은 생활 폐기물량, 분뇨량, 폐유 발생량, 철거 폐기물 발생량 중 적어도 일부에 대한 값일 수 있다.
평가 항목이 자연 생태 환경 분야에 포함되는 경우, 산출부(14)는 자연 생태 환경 평가 모델을 이용하여 평가 대상 지역에 관심 영역을 설정할 수 있다. 관심 영역은 자연 생태 환경 변화가 예상되는 지역일 수 있다. 자연 생태 환경 평가 모델이 설정한 관심 영역은 식물상에 따른 분포 지역 및 동물상에 따른 분포 지역 중 적어도 하나를 포함할 수 있다. 자연 생태 환경 평가 모델은 전처리된 평가 자료를 이용하여 관심 영역에 기초한 자연 생태 예측 값을 출력할 수 있다. 자연 생태 예측 값은 식생 보전 등급, 식생 훼손 면적, 훼손 수목량, 및 영향이 예측되는 법정 보호종의 개체수 중 적어도 일부에 대한 값일 수 있다.
평가 항목이 생활 환경 분야에 포함되는 경우, 산출부(14)는 자연 생태 환경 평가 모델을 이용하여 평가 대상 지역에 소음 발생원 및 조망점 중 적어도 하나가 포함되는 지를 확인할 수 있다. 소음 발생원 및 조망점은 토지 현황도 및 토지 이용 계획도에 기초하여 판단될 수 있다. 평가 대상 지역에 소음 발생원 및 조망점 중 적어도 하나가 포함되는 경우, 생활 환경 평가 모델은 전처리된 평가 자료를 이용하여 소음 발생원 및 조망점 중 적어도 하나에 기초한 평가 항목별 예측 값을 출력할 수 있다.
생활 환경 평가 모델은 주거 지역이 소음 발생원으로부터 일정 범위 내에 위치하는 경우 소음 및 진동이 발생하는 것으로 판단하고, 소음 예측값 및 진동 예측 값을 출력할 수 있다. 일정 범위는 주거 지역으로부터 반경 1km이내를 의미할 수 있으나 이에 제한되는 것은 아니다. 생활 환경 평가 모델은 전처리된 평가 자료를 이용하여 소음 발생원으로부터 이격 거리에 따른 소음 예측값 및 진동 예측값을 출력할 수 있다. 생활 환경 평가 모델은 건설 장비 가동시 발생하는 소음 또는 진동의 합성 소음값 및 진동도를 산출한 후, 거리 감쇠식을 이용하여 이격 거리에 따른 소음 예측값 및 진동 예측값을 출력할 수 있다.
생활 환경 평가 모델은 조망점 선정 기준에 따라 평가 대상 지역에 조망점이 포함되는지 판단할 수 있다. 조망점 선정 기준은 법률 또는 심의 지침에 따라 결정되는 기준일 수 있다. 예를 들어, 상기 기 설정된 기준은, 기 설정된 수보다 많은 인구가 거주하거나 기 설정된 수보다 많은 이용객이 방문하는 지역을 의미할 수 있다. 평가 대상 지역에 조망점이 포함되는 경우, 생활 환경 평가 모델은 가시 영역을 추출할 수 있다. 생활 환경 평가 모델은 전처리된 평가 자료를 이용하여 결정된 조망점 및 가시 영역에 기초한 경관 변화를 예측할 수 있다.
평가 항목이 사회 및 경제 환경 분야에 포함되는 경우, 산출부(14)는 사회 및 경제 환경 평가 모델을 이용하여 인구, 주거 및 산업 항목 중 적어도 하나의 예측 값을 출력할 수 있다.
단계(S133)에서, 산출부(14)는 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출할 수 있다.
산출부(14)는 평가 항목 별 예측 값을 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출할 수 있다. 예를 들어, 대기 환경 평가 모델에 의해 출력된 대기질 예측 값이 10이고, 최근 10년 동안의 평균 대기질 값이 8인 경우, 산출부(14)는 대기질 변화량을 2로 추출할 수 있다.
산출부(14)는 추출된 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 추출된 변화량을 표준화할 수 있다. 기준 범위는 사용자에 의해 입력되는 값일 수 있다. 산출부(14)는 저장부(12)에 저장된 평가 항목별 변화량 데이터들 중 최솟값과 최댓값을 평가 항목별 변화량의 범위로 결정할 수 있다. 예를 들어, 저장부(12)에 저장된 대기질 변화량의 최솟값이 0이고, 최댓값이 10인 경우, 산출부(14)는 대기질 변화량의 범위를 0 이상 10 이하로 결정할 수 있다. 기준 범위가 0이상 100 이하인 경우, 산출부(14)는 추출된 대기질 변화량을 비율에 따라 2에서 20으로 변경할 수 있다. 그에 따라, 표준화된 대기질 변화량은 20으로 결정될 수 있다.
산출부(14)는 기준 범위의 최댓값에서 표준화된 변화량을 뺀 값으로 평가 항목 점수를 결정할 수 있다. 예를 들어, 대기질에 관한 평가 항목 점수는 기준 범위의 최댓값100에서 표준화된 대기질 변화량인 20을 A 80이 된다. 그에 따라, 평가 항목 점수가 높을수록 사업이 평가 항목별 환경에 미치는 영향이 작을 수 있다. 산출부(14)는 평가 항목 점수를 저장부(12)에 저장할 수 있다.
단계(S134)에서, 산출부(14)는 평가 분야 별 가중치를 결정할 수 있다. 산출부(14)는 개발 계획 종류 및 개발 대상에 따라 평가 분야 별 가중치를 결정할 수 있다. 예를 들어, 산출부(14)는 테마 공원 조성에 관한 개발 계획인 경우, 토지 환경 분야 및 자연 생태 환경 분야의 가중치를 다른 평가 분야보다 높게 결정할 수 있다. 산출부(14)는 하천 정비를 위한 개발 계획인 경우 수 환경 분야의 가중치를 다른 평가 분야보다 높게 결정할 수 있다. 산출부(14)는 도로 관리 개발 계획인 경우 대기 환경 분야 및 생활 환경 분야의 가중치를 다른 평가 분야보다 높게 결정할 수 있다. 가중치의 결정에 있어서, 산출부(14)가 결정하도록 기재하였으나 이에 제한되는 것은 아니며, 실시 예에 따라 사용자에 의해 입력된 가중치를 이용할 수도 있다.
단계(S135)에서, 산출부(14)는 결정된 가중치에 따라 평가 항목 점수들을 연산함으로써 환경 평가 점수를 산출할 수 있다. 환경 평가 점수가 높을수록 개발 사업이 환경에 미치는 영향이 작을 수 있다. 산출부(14)는 환경 평가 점수가 기준 점수 이상일 때 개발 사업이 적합하다고 판단할 수 있다.
산출부(14)는 저장부(12)에 저장된 데이터들의 통계에 기초하여 기준 점수를 결정할 수 있다. 산출부(14)는 저장부(12)에 저장된 개발 계획 이전의 데이터와 개발 계획 이후의 데이터를 비교하여 기준 점수를 결정할 수 있다. 그러나 이에 제한되지 않으며, 기준 점수는 사용자에 의해 입력된 값일 수도 있다.
다시 도 2를 참조하면, 단계(S140)에서, 산출부(14)는 대안 추출 모델을 이용하여 적어도 하나의 대안을 추출할 수 있다. 대안 추출 모델은 평가 항목, 평가 자료 및 환경 평가 점수에 기초하여 적어도 하나의 대안을 추출하도록 학습된 딥러닝 모델일 수 있다.
산출부(14)는 대안 추출 모델을 이용하여 출력한 대안을 시뮬레이션하고, 그에 따라 환경 평가 점수를 산출할 수 있다. 산출부(14)는 대안 추출 모델을 이용하여 시뮬레이션에 따른 환경 평가 점수가 기준 점수 미만인 경우 다른 대안을 출력하고, 기준 점수 이상인 경우 시뮬레이션이 종료된 대안을 출력할 수 있다. 산출부(14)는 대안 추출 모델을 이용하여 적어도 하나의 대안을 출력할 수 있고, 기준 점수 이상인 대안이 복수개인 경우 복수의 대안들을 출력할 수 있다.
단계(S150)에서, 산출부(140)는 보고서 작성 모델을 이용하여 보고서를 생성할 수 있다. 보고서 작성 모델은 저장부(12)에 저장된 샘플 보고서들을 학습하여 보고서를 생성하는 인공지능 모델일 수 있다. 산출부(140)는 보고서 작성 모델을 이용하여 저장부(12)에 저장된 복수의 템플릿 중 평가 항목에 기초하여 가장 적절한 템플릿을 선정할 수 있다. 산출부(140)는 보고서 작성 모델은 선정된 템플릿에 평가 항목, 평가 자료, 환경 평가 점수 및 적어도 하나의 대안을 적절히 배치함으로써 보고서를 생성할 수 있다. 보고서는 저장부(120)에 저장될 수 있다. 실시 예에 따라, 보고서는 사용자의 요청에 따라 생성될 수 있다.
단계(S160)에서, 출력부(150)는 환경 평가 점수, 적어도 하나의 대안 및 보고서 중 적어도 하나를 출력할 수 있다. 실시 예에 따라, 출력부(150)는 사용자의 요청에 따라 환경 평가 점수, 적어도 하나의 대안 및 보고서 중 적어도 하나를 출력할 수 있다.
도 5는 일실시예에 따른 환경 영향 평가 시스템을 설명하기 위한 도면이다.
환경 영향 평가 시스템(100)은 입출력 장치(110), 메모리(120), 서버(130) 및 프로세서(140)를 포함할 수 있다. 입출력 장치(110), 메모리(120), 서버(130) 및 프로세서(140)는 네트워크를 통해 서로 연결될 수 있다.
입출력 장치(110)는 도 1의 입력부(11) 및 출력부(15)를 포함하는 구성일 수 있다. 입출력 장치(110)는 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)와 연결되고, 데이터를 교환하는 장치를 의미할 수 있다.
메모리(120)는 도 1의 저장부(12)를 포함하는 구성일 수 있다. 메모리(120)는 전술한 방법과 관련된 정보를 저장하거나 전술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리는 프로그램 명령을 저장할 수 있다. 메모리(120)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
서버(130)는 근거리 통신망에서 집약적인 처리 기능을 제공하는 시스템으로, 서버(130)는 도 1의 산출부(14)를 포함할 수 있다. 서버(130)는 한개 또는 복수개일 수 있고, 서버(130)가 복수인 경우 도 2의 단계(S130 내지 S150)를 나누어 처리할 수 있다. 서버(130)는 환경 평가 점수, 적어도 하나의 대안 및 보고서를 생성하여 프로세서(140)로 전송할 수 있다.
프로세서(140)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써 메모리(120)에 저장된 프로그램 명령을 처리할 수 있다. 프로세서(140)는 도 1의 전처리부(13)를 포함할 수 있다. 프로세서(140)는 전처리된 평가 자료를 서버(130)로 전송할 수 있다. 프로세서(140)는 서버(130)로부터 수신한 환경 평가 점수, 적어도 하나의 대안 및 보고서를 사용자의 요청에 따라 입출력 장치(110)를 통해 표시할 수 있다. 프로세서(140)는 한개 또는 복수개일 수 있고, 복수개인 경우 일부 동작들을 나누어 처리할 수 있다.
실시 예에 따라, 서버(130)가 도1의 전처리부(13) 및 산출부(14)를 모두 포함하거나 프로세서(140)가 도1의 전처리부(13) 및 산출부(14)를 모두 포함할 수도 있다. 실시 예에 따라, 서버(130)가 메모리(120)를 포함할 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 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 실시예를 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 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
10: 환경 영향 평가 장치
11: 입력부
12: 저장부
13: 전처리부
14: 산출부
15: 출력부
11: 입력부
12: 저장부
13: 전처리부
14: 산출부
15: 출력부
Claims (15)
- 평가 항목 및 평가 자료를 입력받는 입력부;
상기 평가 항목, 평가 자료, 복수의 템플릿, 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 저장하는 저장부;
상기 평가 자료를 텍스트 데이터, 비디오 데이터 및 이미지 데이터로 분류하고, 상기 전처리 모델을 이용하여 상기 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 전처리부;
상기 평가 항목을 평가 분야 별로 분류하고, 상기 평가 분야에 대응되는 상기 환경 평가 모델을 이용하여 평가 항목별 예측 값을 출력하고, 상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하고, 결정된 가중치에 따라 상기 평가 항목 점수를 연산하여 환경 평가 점수를 산출하고, 상기 대안 추출 모델을 이용하여 상기 전처리된 평가 자료 및 상기 환경 평가 점수에 기초한 적어도 하나의 대안을 출력하고, 상기 보고서 작성 모델을 이용하여 상기 복수의 템플릿 중 하나를 결정하고, 상기 템플릿에 상기 평가 항목, 상기 평가 자료, 상기 환경 평가 점수 및 상기 적어도 하나의 대안을 배치하여 보고서를 생성하는 산출부; 및
상기 환경 평가 점수, 상기 적어도 하나의 대안 및 상기 보고서 중 적어도 하나를 표시하는 출력부를 포함하는 환경 영향 평가 장치.
- 제1 항에 있어서,
상기 전처리부는,
상기 평가 자료가 텍스트 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 텍스트 마이닝을 수행하고,
상기 평가 자료가 비디오 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 일부를 수행하고,
상기 평가 자료가 이미지 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 일부를 수행하여 상기 평가 자료를 전처리하는 환경 영향 평가 장치.
- 제2 항에 있어서,
상기 전처리부는,
상기 평가 자료가 이미지 데이터로 분류된 지도인 경우, 상기 지도의 스케일을 기 설정된 값으로 변경하는 동작, 상기 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 상기 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 하나를 더 수행하여 상기 평가 자료를 전처리하는 환경 영향 평가 장치.
- 제1항에 있어서,
상기 평가 분야는,
대기 환경 분야, 수 환경 분야, 토지 환경 분야, 자연 생태 환경 분야, 사회 경제 환경 분야, 및 생활 환경 분야 중 적어도 일부를 포함하고,
상기 환경 평가 모델은,
상기 평가 분야 각각에 대응되는 대기 환경 평가 모델, 수 환경 평가 모델, 토지 환경 평가 모델, 자연 생태 환경 평가 모델, 사회 경제 환경 평가 모델, 및 생활 환경 평가 모델 중 적어도 일부를 포함하고,
상기 대기 환경 평가 모델은,
상기 전처리된 평가 자료를 이용하여 상기 대기 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이고,
상기 수 환경 평가 모델은,
상기 전처리된 평가 자료를 이용하여 상기 수 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이고,
상기 토지 환경 평가 모델은,
상기 전처리된 평가 자료를 이용하여 상기 토지 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이고,
상기 자연 생태 환경 평가 모델은,
상기 전처리된 평가 자료를 이용하여 상기 자연 생태 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이고,
상기 사회 경제 환경 평가 모델은,
상기 전처리된 평가 자료를 이용하여 상기 사회 경제 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델이고,
상기 생활 환경 평가 모델은,
상기 전처리된 평가 자료를 이용하여 상기 생활 환경 분야의 평가 항목의 예측 값을 출력하도록 학습된 딥러닝 모델인 환경 영향 평가 장치.
- 제1 항에 있어서,
산출부는,
상기 평가 항목 별 예측 값을 대응되는 평가 항목의 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출하고, 상기 추출된 평가 항목별 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 표준화하고, 상기 표준화된 평가 항목별 변화량은 상기 기준 범위의 최댓값으로 뺀 값을 상기 평가 항목 점수로 결정하는 환경 영향 평가 장치.
- 평가 항목 및 평가 자료를 입력받는 단계;
상기 평가 항목, 평가 자료, 복수의 템플릿, 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 저장하는 단계;
상기 평가 자료를 텍스트 데이터, 비디오 데이터 및 이미지 데이터로 분류하는 단계;
상기 전처리 모델을 이용하여 상기 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 단계;
상기 평가 항목을 평가 분야 별로 분류하는 단계;
상기 평가 분야에 대응되는 상기 환경 평가 모델을 이용하여 평가 항목별 예측 값을 출력하는 단계;
상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하는 단계;
결정된 가중치에 따라 상기 평가 항목 점수를 연산하여 환경 평가 점수를 산출하는 단계;
상기 대안 추출 모델을 이용하여 상기 전처리된 평가 자료 및 상기 환경 평가 점수에 기초한 적어도 하나의 대안을 출력하는 단계;
상기 보고서 작성 모델을 이용하여 상기 복수의 템플릿 중 하나를 결정하는 단계;
상기 템플릿에 상기 평가 항목, 상기 평가 자료, 상기 환경 평가 점수 및 상기 적어도 하나의 대안을 배치하여 보고서를 생성하는 단계; 및
상기 환경 평가 점수, 상기 적어도 하나의 대안 및 상기 보고서 중 적어도 하나를 표시하는 단계를 포함하는 환경 영향 평가 방법.
- 제6 항에 있어서,
상기 전처리 모델을 이용하여 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 단계는,
상기 평가 자료가 텍스트 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 텍스트 마이닝을 수행하는 단계;
상기 평가 자료가 비디오 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 일부를 수행하는 단계; 및
상기 평가 자료가 이미지 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 일부를 수행하는 단계를 포함하는 환경 영향 평가 방법.
- 제7 항에 있어서,
상기 전처리 모델을 이용하여 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 단계는,
상기 평가 자료가 이미지 데이터로 분류된 지도인 경우, 상기 지도의 스케일을 기 설정된 값으로 변경하는 동작, 상기 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 상기 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 하나를 수행하는 단계를 더 포함하는 환경 영향 평가 방법.
- 제6항에 있어서,
상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하는 단계는,
상기 평가 항목 별 예측 값을 대응되는 평가 항목의 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출하는 단계;
상기 추출된 평가 항목별 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 표준화하는 단계; 및
상기 표준화된 평가 항목별 변화량은 상기 기준 범위의 최댓값으로 뺀 값을 상기 평가 항목 점수로 결정하는 단계를 포함하는 환경 영향 평가 방법.
- 제6항에 있어서,
상기 결정된 가중치에 따라 평가 항목 점수를 연산하여 환경 평가 점수를 산출하는 단계는
상기 전처리된 평가 자료에 기초하여 개발 계획 종류 및 개발 대상을 추출하는 단계; 및
상기 개발 계획의 종류 및 개발 대상에 기초하여 평가 분야 별 가중치를 결정하는 단계를 포함하는 환경 영향 평가 방법.
- 제6항에 있어서,
저장된 데이터들의 통계에 기초하여 기준 점수를 결정하는 단계; 및
상기 환경 평가 점수가 상기 기준 점수 이상일 때 사업이 적절한 것으로 판단하는 단계를 더 포함하는 환경 영향 평가 방법.
- 제11항에 있어서,
상기 대안 추출 모델을 이용하여 상기 적어도 하나의 대안을 시뮬레이션함으로써 시뮬레이션에 따른 환경 평가 점수를 산출하는 단계;
상기 시뮬레이션에 따른 환경 평가 점수가 상기 기준 점수 미만인 경우, 상기 대안 추출 모델을 이용하여 다른 대안을 출력하는 단계; 및
상기 시뮬레이션에 따른 환경 평가 점수가 상기 기준 점수 이상인 경우, 상기 적어도 하나의 대안을 출력하는 단계를 포함하는 환경 영향 평가 방법.
- 평가 항목, 평가 자료, 복수의 템플릿, 전처리 모델, 환경 평가 모델, 대안 추출 모델 및 보고서 작성 모델을 저장하는 메모리;
상기 평가 자료를 텍스트 데이터, 비디오 데이터 및 이미지 데이터로 분류하고, 상기 전처리 모델을 이용하여 상기 텍스트 데이터, 비디오 데이터 및 이미지 데이터 각각에 대한 전처리를 수행하는 프로세서; 및
상기 평가 항목을 평가 분야 별로 분류하고, 상기 평가 분야에 대응되는 상기 환경 평가 모델을 이용하여 평가 항목별 예측 값을 출력하고, 상기 평가 항목별 예측 값을 이용하여 평가 항목 점수를 산출하고, 결정된 가중치에 따라 상기 평가 항목 점수를 연산하여 환경 평가 점수를 산출하고, 상기 대안 추출 모델을 이용하여 상기 전처리된 평가 자료 및 상기 환경 평가 점수에 기초한 적어도 하나의 대안을 출력하고, 상기 보고서 작성 모델을 이용하여 상기 복수의 템플릿 중 하나를 결정하고, 상기 템플릿에 상기 평가 항목, 상기 평가 자료, 상기 환경 평가 점수 및 상기 적어도 하나의 대안을 배치하여 보고서를 생성하는 서버를 포함하는 환경 영향 평가 시스템
- 제13항에 있어서,
상기 프로세서는,
상기 평가 자료가 텍스트 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 텍스트 마이닝을 수행하고,
상기 평가 자료가 비디오 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 비디오의 해상도를 기 설정된 값으로 조절하는 동작, 비디오의 색상을 기 설정된 색상 값으로 변경하는 동작, 비디오에서 평가가 필요한 영역 또는 객체만 분류하는 동작, 비디오에서 분석이 필요한 영역을 관심 영역으로 지정하는 동작, 및 비디오에서 초당 프레임들 중 중복부분의 개수를 낮추는 동작 중 적어도 일부를 수행하고,
상기 평가 자료가 이미지 데이터로 분류된 경우, 상기 전처리 모델을 이용하여 이미지의 해상도를 기 설정된 값으로 조절하는 동작, 이미지의 색상을 기 설정된 색상 값으로 변경하는 동작, 및 이미지의 색상 표현 방식을 RGB로 통일하는 동작 중 적어도 일부를 수행하고,
상기 평가 자료가 이미지 데이터로 분류된 지도인 경우, 상기 지도의 스케일을 기 설정된 값으로 변경하는 동작, 상기 지도에서 평가가 필요한 영역을 관심 영역으로 분류하는 동작, 및 상기 관심 영역 이외의 부분를 잘라내는 동작 중 적어도 하나를 더 수행하여 상기 평가 자료를 전처리하는 환경 영향 평가 시스템.
- 제13항에 있어서,
상기 서버는,
상기 평가 항목 별 예측 값을 대응되는 평가 항목의 최근 10년 동안의 평균 값과 비교하여 평가 항목 별 변화량을 추출하고, 상기 추출된 평가 항목별 변화량을 기준 범위 및 평가 항목별 변화량의 범위를 이용하여 표준화하고, 상기 표준화된 평가 항목별 변화량은 상기 기준 범위의 최댓값으로 뺀 값을 상기 평가 항목 점수로 결정하고, 상기 전처리된 평가 자료에 기초하여 개발 계획 종류 및 개발 대상을 추출하고, 상기 개발 계획의 종류 및 개발 대상에 기초하여 평가 분야 별 가중치를 결정하는 환경 영향 평가 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230125979A KR102645876B1 (ko) | 2023-09-21 | 2023-09-21 | 유사한 환경의 선행 데이터를 이용한 인공지능 기반의 환경영향평가 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230125979A KR102645876B1 (ko) | 2023-09-21 | 2023-09-21 | 유사한 환경의 선행 데이터를 이용한 인공지능 기반의 환경영향평가 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102645876B1 true KR102645876B1 (ko) | 2024-03-11 |
Family
ID=90248865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230125979A KR102645876B1 (ko) | 2023-09-21 | 2023-09-21 | 유사한 환경의 선행 데이터를 이용한 인공지능 기반의 환경영향평가 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102645876B1 (ko) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002000450A1 (fr) | 2000-06-29 | 2002-01-03 | Societe De Technologie Michelin | Roue pour vehicule a assemblage sous siege |
| KR20020084240A (ko) * | 2001-01-23 | 2002-11-04 | 소니 가부시끼 가이샤 | 환경 영향 평가 방법과 환경 영향 평가 시스템 |
| KR20140035660A (ko) | 2012-09-14 | 2014-03-24 | 한국전자통신연구원 | 객체 영역 추출 방법 및 그 장치 |
| KR20150112151A (ko) * | 2014-03-27 | 2015-10-07 | 부산대학교 산학협력단 | 환경영향평가를 이용한 다수의 하수처리시설에 대한 슬러지 통합관리 시스템 및 그 방법 |
| KR101830104B1 (ko) * | 2017-01-02 | 2018-02-20 | 한양대학교 에리카산학협력단 | 지수를 이용한 건축물 전과정 지속가능성 평가 장치, 방법 및 그 방법을 기록한 기록매체 |
| KR20180078647A (ko) * | 2016-12-30 | 2018-07-10 | 한양대학교 산학협력단 | 환경 영향 평가를 수행하는 방법 |
| KR102166964B1 (ko) | 2020-02-07 | 2020-11-02 | 주식회사 삼우씨엠건축사사무소 | 건축물 전과정 환경영향평가 방법 및 건축물 전과정 환경영향평가 장치 |
| KR102222817B1 (ko) * | 2020-06-01 | 2021-03-05 | 주식회사 에이투엠 | 환경영향평가를 고려한 풍력발전단지 시뮬레이터 |
| KR20230053080A (ko) * | 2021-10-14 | 2023-04-21 | 정우주 | 환경영향 평가정보 제공 시스템 및 방법 |
-
2023
- 2023-09-21 KR KR1020230125979A patent/KR102645876B1/ko active IP Right Grant
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002000450A1 (fr) | 2000-06-29 | 2002-01-03 | Societe De Technologie Michelin | Roue pour vehicule a assemblage sous siege |
| KR20020084240A (ko) * | 2001-01-23 | 2002-11-04 | 소니 가부시끼 가이샤 | 환경 영향 평가 방법과 환경 영향 평가 시스템 |
| KR20140035660A (ko) | 2012-09-14 | 2014-03-24 | 한국전자통신연구원 | 객체 영역 추출 방법 및 그 장치 |
| KR20150112151A (ko) * | 2014-03-27 | 2015-10-07 | 부산대학교 산학협력단 | 환경영향평가를 이용한 다수의 하수처리시설에 대한 슬러지 통합관리 시스템 및 그 방법 |
| KR20180078647A (ko) * | 2016-12-30 | 2018-07-10 | 한양대학교 산학협력단 | 환경 영향 평가를 수행하는 방법 |
| KR101830104B1 (ko) * | 2017-01-02 | 2018-02-20 | 한양대학교 에리카산학협력단 | 지수를 이용한 건축물 전과정 지속가능성 평가 장치, 방법 및 그 방법을 기록한 기록매체 |
| KR102166964B1 (ko) | 2020-02-07 | 2020-11-02 | 주식회사 삼우씨엠건축사사무소 | 건축물 전과정 환경영향평가 방법 및 건축물 전과정 환경영향평가 장치 |
| KR102222817B1 (ko) * | 2020-06-01 | 2021-03-05 | 주식회사 에이투엠 | 환경영향평가를 고려한 풍력발전단지 시뮬레이터 |
| KR20230053080A (ko) * | 2021-10-14 | 2023-04-21 | 정우주 | 환경영향 평가정보 제공 시스템 및 방법 |
Non-Patent Citations (6)
| Title |
|---|
| "인공지능 기반 환경영향평가 통합 의사결정 지원모델 개발", 2020년도 환경기술개발사업 보고서, 마인즈랩, 2021.01.31. * |
| "환경영향예측모델 활용지침 마련을 위한 연구", 환경부, 한국환경정책평가연구원, 2007.11.30. * |
| "환경영향평가서 작성 및 검토 매뉴얼", 한국환경정책평가연구원, 2017.12.31. * |
| "환경영향평가서등의 작성 등에 관한 안내서", 환경부, 환경영향평가정보지원시스템(EIASS), 2023.01.31. * |
| 강휘호, "개발사업 환경영향평가 및 예측에 AI 활용한다", 대한전문건설신문, 2020.11.26. * |
| 신상희, "환경영향평가 의사결정 검토지원모델결과 시공간 표출 기술", 가이아쓰리디, 2021.11.10. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Deierlein et al. | A cloud-enabled application framework for simulating regional-scale impacts of natural hazards on the built environment | |
| Wang et al. | Analysis on urban densification dynamics and future modes in southeastern Wisconsin, USA | |
| Rodriguez et al. | Selection and placement of best management practices used to reduce water quality degradation in Lincoln Lake watershed | |
| Bekele et al. | Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms | |
| Ahmed et al. | How will Dhaka grow spatially in future?-Modelling its urban growth with a near-future planning scenario perspective | |
| Bordbar et al. | Meta-heuristic algorithms in optimizing GALDIT framework: A comparative study for coastal aquifer vulnerability assessment | |
| Hoover et al. | CostMAP: an open-source software package for developing cost surfaces using a multi-scale search kernel | |
| Walker et al. | Modeling spatial decisions with graph theory: logging roads and forest fragmentation in the Brazilian Amazon | |
| Abdullahi et al. | City compactness: Assessing the influence of the growth of residential land use | |
| Bielecka et al. | Hybrid expert system aiding design of post-mining regions restoration | |
| Davey et al. | Optimal road design through ecologically sensitive areas considering animal migration dynamics | |
| Tercan et al. | A GIS-based multi-criteria evaluation for MSW landfill site selection in Antalya, Burdur, Isparta planning zone in Turkey | |
| Ahmed | Modelling spatio-temporal urban land cover growth dynamics using remote sensing and GIS techniques: A case study of Khulna City | |
| Lu et al. | Surrogate global optimization for identifying cost‐effective green infrastructure for urban flood control with a computationally expensive inundation model | |
| Beucher et al. | Artificial neural network for mapping and characterization of acid sulfate soils: Application to Sirppujoki River catchment, southwestern Finland | |
| Wong et al. | Exploring the long‐term economic and social impact of green infrastructure in New York City | |
| Zhang et al. | A surrogate-based optimization design and uncertainty analysis for urban flood mitigation | |
| Han et al. | Study on Ecological Risk Evaluation and Optimum Selection of Desert Expressway Schemes Based on the Two‐Dimensional Cloud Model | |
| Vlková et al. | An ecological network for large carnivores as a key tool for protecting landscape connectivity in the Carpathians | |
| Akyol et al. | Environmental urbanization assessment using gis and multicriteria decision analysis: a case study for Denizli (Turkey) municipal area | |
| KR102645876B1 (ko) | 유사한 환경의 선행 데이터를 이용한 인공지능 기반의 환경영향평가 방법, 장치 및 시스템 | |
| Zhou | Application of artificial intelligence in geography | |
| Glendell et al. | A systems approach to modelling phosphorus pollution risk in Scottish rivers using a spatial Bayesian Belief Network helps targeting effective mitigation measures | |
| Seelbach et al. | Aquatic conservation planning: using landscape maps to predict ecological reference conditions for specific waters | |
| Sharma et al. | Applications of GIS in management of water resources to attain zero hunger |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |