KR20170113255A

KR20170113255A - System and Method for Investigating Travel Experience for Transport Vulnerable based on Mobile Sensor data

Info

Publication number: KR20170113255A
Application number: KR1020170037917A
Authority: KR
Inventors: 유봉석; 양준모; 이욱수; 정문규; 김도현; 송정섭
Original assignee: 주식회사 엘비씨소프트
Priority date: 2016-03-24
Filing date: 2017-03-24
Publication date: 2017-10-12
Also published as: KR101955568B1

Abstract

본 발명은 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법을 제공한다. 상기 시스템은 모바일 데이터 수집 디바이스로부터 수집된 보행자의 보행 경로에 따른 GPS 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하고 공간정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 데이터 처리부와, 상기 보정한 보행 경험 데이터와 시설물 조사 데이터을 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 모델을 생성하는 데이터 마이닝부를 포함한다. The present invention provides a system and method for surveying mobile experience based on mobile sensor data. The system comprising: a traffic abbreviation type to which the pedestrian belongs based on GPS data and sensor data according to the pedestrian's walking path collected from the mobile data collection device; and an auxiliary device type for walking used by the pedestrian, The walk experience data and the facility survey data are classified according to at least one of the walking experience data and the facility survey data according to at least one of the following: And a data mining unit for generating a model for performing data mining based on the corrected gait experience data and facility survey data to determine the type of gait facilities on the gait path.

Description

TECHNICAL FIELD [0001] The present invention relates to a system and a method for investigating mobile experience based on mobile sensor data,

본 발명은 보행 네비게이션에 관한 것으로서, 더 구체적으로는 교통약자 특성을 고려한 이동 경험에 대한 정보를 수집, 가공 및 처리하는 시스템과 방법에 관한 것이다.The present invention relates to gait navigation, and more particularly, to a system and method for collecting, processing, and processing information about a mobile experience that takes into account traffic abbreviation characteristics.

교통 약자라 함은 「교통약자의 이동편의 증진법」 제2조 1항에서 장애인, 고령자, 임산부, 영유아를 동반한 사람, 어린이 등 일상생활에서 이동에 불편을 느끼는 사람으로 정의한다. 즉, 휠체어, 지팡이 등을 이용하는 장애인 또는 고령자뿐만 아니라 이동에 어려움이 있는 임산부 또는 영유아를 동반한 사람 등도 포함한다. The term "transportation weakness" is defined as a person who feels discomfort in moving in everyday life such as a disabled person, an elderly person, a pregnant woman, a person accompanying infants and children, or a child in Article 2 (1) of the Act on Promotion of Mobility Convenience. That is, it includes not only handicapped persons or elderly persons who use wheelchairs, canes, but also pregnant women who have difficulty in moving or persons accompanying infants and young children.

교통 약자는 일반인에 비해 보행에 많은 어려움을 겪기 때문에 이동 횟수가 적고 이동 경로 또한 제한적이다. 이는 보행시설물 및 보행도로의 기하구조로 인한 보행장애가 발생되며 교통 약자의 경우 사고 발생 위험이 일반인에 비해 높아지기 때문이다.Traffic abbreviations have more difficulty in walking than ordinary people, so there are fewer movements and limited travel routes. This is because pedestrian facilities and pedestrian obstacles are caused by the geometric structure of pedestrian roads and the risk of accidents is higher than that of the general public.

교통 약자들의 특성(예를 들어, 교통 약자 유형별 또는 보조 기구 유형)별로 장애 요소가 되는 보행 시설물 및 보행경로상 보행도로의 기하구조가 일반인과 차이가 크다. The geometrical structure of gait facilities and gait paths, which are obstacles to the characteristics of traffic weaknesses (for example, types of traffic weaknesses or auxiliary apparatus types), are larger than those of ordinary people.

기존 보행 네비게이션 시스템의 경우, 교통 약자의 특성에 적합하도록 교통약자의 보행에 필요한 정보(보행 도로의 기하 구조, 보행시설물 정보 및 선호시설물 정보)를 정확하게 제공하고 있지 못하며, 기존 보행 네비게이션 시스템 구축업체에 의해 지속적으로 업데이트가 되지 않는 경우 정확한 보행 정보를 제공하지 못하여 이용자들이 많은 불편을 겪게 된다.In the case of existing walking navigation systems, it is not possible to accurately provide the information necessary for pedestrian walking (geomorphic structure of pedestrian roads, walking facilities information, and preferred facilities information) to suit the characteristics of traffic weaknesses. The user can not provide the correct walking information and the user experiences a lot of inconvenience.

특히, 기존 보행 네비게이션 시스템의 경우, 교통 약자의 유형 뿐만 아니라 교통 약자의 보행 기구의 특성을 모두 고려하여 교통약자의 보행에 필요한 정보를 정확히 제공하지 못하고 있다. Especially, in case of existing walking navigation system, not only the type of traffic weak, but also the characteristics of the pedestrian mechanism of the traffic weak are not able to accurately provide the information necessary for walking.

또한, 기존 보행 네비게이션 시스템의 경우, 교통 약자들 간에 실제 보행 도로의 이동 경험(이동 소요시간등 이동 경험 데이터)을 다른 교통 약자들과 서로 공유할 수 없어 교통 약자들간의 정확한 보행 정보를 공유할 수 없었다.In addition, in the case of the existing walking navigation system, it is not possible to share the moving experience data of the actual walking road (the moving experience data such as the moving time) with other traffic weak persons among the traffic weak persons so that accurate walking information can be shared among the traffic weak persons There was no.

또한, 기존 보행 네비게이션 시스템의 경우, 보행 경로 안내에 대해 교통 약자입장에서 보행 경로 안내에 대한 평가를 반영한 정확한 보행 경로 안내를 제공하지 못하였다.In addition, in the case of the existing walking navigation system, it is not possible to provide an accurate gait route guidance reflecting the evaluation of the gait route guidance in terms of the gait route guidance for the gait route guidance.

교통약자 유형별로 제공되어야 될 보행도로의 기하정보와 보행시설물 정보가 기존 보행 네비게이션 시스템과 다르므로 교통약자가 자립보행을 위해서는 교통약자 유형별 도로 보행에 필요한 데이터를 수집, 가공 및 처리하는 기술이 요구된다.Since the geometrical information and the walking facilities information of the walking roads to be provided for each type of traffic weak are different from those of the existing walking navigation system, it is required to acquire, process and process the data necessary for the road walking by the traffic weak type for the transportation weak .

본 발명의 목적은 교통 약자에게 적합한 보행 경로와 보행에 필요한 정보(보행 도로의 기하 구조, 보행소요 시간, 보행시설물 및 선호시설물) 제공을 위하여 모바일 센서 데이터 기반으로 교통약자 유형별 보행 경험 데이터 및 보행 평가 데이터를 효율적으로 수집, 가공, 처리 및 공유하기 위한 시스템 및 방법을 제공하기 위한 것이다.The object of the present invention is to provide a pedestrian route suitable for a traffic weak person and a pedestrian experience data and a walking evaluation based on the mobile sensor data based on the mobile sensor data for providing the information necessary for walking (the geometric structure of the pedestrian road, walking time, walking facilities, It is intended to provide a system and method for efficiently collecting, processing, processing and sharing data.

본 발명의 일 측면에 따르면, 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템은 모바일 데이터 수집 디바이스로부터 수집된 보행자의 보행 경로에 따른 GPS(Global Positioning System) 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류하고 공간적 위치 정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 데이터 처리부와, 그리고 상기 보정한 보행 경험 데이터와 시설물 조사 데이터을 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 모델을 생성하는 데이터 마이닝부를 포함한다. According to an aspect of the present invention, a mobile sensor data-based traffic shaman-customized mobile experience research system is constructed such that, based on GPS (Global Positioning System) data and sensor data according to a walking path of a pedestrian collected from a mobile data collection device, The type of traffic abbreviation and the type of auxiliary equipment for walking used by the pedestrian, the auxiliary equipment comprising at least one of an electric wheelchair, a stroller, a cane, a walker, a manual wheelchair, And a data processing unit for classifying the facility survey data by type and generating gait experience data and facility survey data by correcting the spatial location information and data mining based on the corrected gait experience data and facility survey data, Gait Generating a model for determining the type, and includes a data mining.

본 발명의 다른 측면에 따르면, 이동 경험 조사 시스템에서 수행되는 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법은 보행자의 보행 경로에 따라 모바일 데이터 수집 디바이스로부터 수집된 GPS(Global Positioning System) 데이터와 센서 데이터를 기초로 상기 보행자가 속하는 교통약자 유형 및 상기 보행자가 사용하는 보행을 위한 보조 기구 유형-상기 보조기구는 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어 및 보조기구 없음 중 적어도 하나를 포함함- 중 적어도 하나에 따라 보행 경험 데이터와 시설물 조사 데이터를 유형별로 분류 및 공간적 위치 정보를 보정한 보행 경험 데이터와 시설물 조사 데이터를 생성하는 단계와, 그리고 상기 보정한 보행 경험 데이터와 시설물 조사 데이터를 기초로 데이터 마이닝을 수행하여 상기 보행 경로 상의 보행 시설물의 유형을 판단하는 단계를 포함한다.According to another aspect of the present invention, there is provided a mobile sensor data-based traffic simulator customized mobile experience survey method that is performed in a mobile experience survey system includes GPS (Global Positioning System) data collected from a mobile data collection device and sensor data A type of traffic abbreviation to which the pedestrian belongs and a type of auxiliary device for walking used by the pedestrian, the auxiliary device including at least one of an electric wheelchair, a stroller, a cane, a walker, a manual wheelchair, Generating walk experience data and facility survey data by classifying walk experience data and facility survey data according to at least one type and correcting spatial location information based on at least one of the walk experience data and facility survey data, Mining, And determining the type of the walking facilities on the route.

본 발명의 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법은 교통 약자 유형 및 보조 기구 유형별 GPS 및 센서 데이터를 기반으로 교통약자 유형별 보행 경로에 대하여 보행행태를 수집할 수 있고 보행경로에 대한 만족도(또는 보행경로 안내에 대한 만족도)를 평가할 수 있다.The mobile sensor data-based traffic abbreviated mobile experience research system and method according to the present invention can collect gait behaviors on the gait path of each type of traffic abbreviated on the basis of the traffic abbreviation type and the auxiliary instrument type and the GPS and sensor data, (Or satisfaction with walking guidance) can be evaluated.

또한. 본 발명의 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법에서는 데이터(보행 속도, GPS 데이터, 보행 만족도 데이터, 보행 링크 데이터)를 보행 링크 식별자(link ID) 별로 저장 및 관리하지 않고 데이터 군집화를 통해 군집 식별자(ID) 별로 저장 및 관리함으로써 보행자의 보행 데이터의 관리적인 측면에 있어서 적은 개수의 데이터 레코드 수로 처리가 가능하므므로 상당히 효율적으로 데이터를 관리할 수 있다.Also. The mobile sensor data-based traffic weakness personalized mobile experience research system and method according to the present invention can prevent data (walking speed, GPS data, walking satisfaction data, walking link data) from being stored and managed for each walking link identifier (link ID) (ID), the number of data records can be managed with a small number in the administrative aspect of the pedestrian's walking data, so that the data can be managed efficiently.

또한, 본 발명의 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템 및 방법에 의하면, 사용자가 모바일 보행 안내 어플리케이션을 사용하는 것만으로 교통약자의 보행 행태 또는 보행 경험에 대한 데이터를 수집할 수 있으며, 사용자가 보행 시설물 및 선호 시설물을 등록할 수 있는 간편한 수단을 제공함으로써 사용자 입장에서 보행 시설물을 조사하기 위한 조사 범위, 조사 시간, 조사 비용 등이 기존 보행 네비게이션 시스템에 비해 매우 낮아지며, 더욱이 보행 시설물의 잦은 변경에도 보행 시설물 정보의 업데이트가 정확히 반영될 수 있다. In addition, according to the mobile sensor data-based traffic shaman customized mobile experience survey system and method of the present invention, the user can collect data on the walking behavior or walking experience of the traffic abbreviated person only by using the mobile walking guidance application, The research scope, the investigation time, and the investigation cost for investigating the gait facilities are considerably lower than those of the existing gait navigation system by providing a simple means for registering the gait facilities and the preferred facilities. Further, It is possible to accurately reflect the update of the walking facility information.

도 1은 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템의 장치 구성도이다.
도 2a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통약자 맞춤형 보행 정보 조사 시스템의 동작을 설명하기 위한 블록 다이어그램이다.
도 2b는 표본 사용자(또는 교통 약자) 데이터 테이블을 나타내며, 도 2c는 도 2b의 표본 사용자(또는 교통 약자) 데이터 테이블에 군집 분석을 수행한 결과를 나타낸 테이블이며, 도 2d는 도 2c의 군집 분석 결과를 활용하기 위한 테이블을 나타낸다.
도 3a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 조사 및 데이터 마이닝 모델링의 순서도이다.
도 3b는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법 중 시설물 종류 예측 방법의 순서도이다.
도 3c는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법의 순서도이다.
도 3d는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 및 선호 시설물 등록과정을 설명하기 위한 순서도이다.
도 3e는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 시설물 상태 정보 변경 과정을 설명하기 위한 순서도이다.
도 4a 내지 도 4e는 본 발명의 일 실시 예에 따른 데이터 수집 디바이스(100)에 설치되어 실행되는 모바일 센서 기반 교통 약자 맞춤형 이동 경험 어플리케이션(이하 이동 경험 앱이라고 함)의 주요 화면이다.
도 5a 내지 도 5c는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 시설물 조사 어플리케이션(이하 시설물 조사 앱이라고 함)의 시설물 정보 입력 화면이다.FIG. 1 is a block diagram of an apparatus for searching for a mobile-sensor data-based traffic shaman-customized moving experience according to an embodiment of the present invention.
FIG. 2A is a block diagram for explaining an operation of the mobile sensor data-based traffic weakness customized walking information investigation system according to an embodiment of the present invention.
FIG. 2B is a table showing a sample user (or traffic abbreviation) data table, FIG. 2C is a table showing a result of performing a cluster analysis on the sample user (or abbreviation) data table of FIG. 2B, Represents a table to utilize the results.
FIG. 3A is a flow chart of gait facility survey and data mining modeling among mobile sensor data based movement experience surveying methods according to an embodiment of the present invention.
FIG. 3B is a flow chart of a method of predicting a facility type in a mobile sensor data-based traffic shaman-based mobile experience examination method according to an embodiment of the present invention.
3C is a flowchart of a mobile sensor data based movement experience survey method according to another embodiment of the present invention.
FIG. 3D is a flow chart for explaining a process of registering gait facilities and preferred facilities among the mobile sensor data based moving experience investigation methods according to another embodiment of the present invention.
FIG. 3E is a flow chart for explaining a process of changing the facility status information in the mobile sensor data-based moving experience examination method according to another embodiment of the present invention.
FIGS. 4A to 4E are main screens of a mobile sensor-based traffic simulator customized mobile experience application (hereinafter referred to as a mobile experience application) installed and executed in the data acquisition device 100 according to an embodiment of the present invention.
5A to 5C are facility information input screens of a mobile sensor data-based traffic anonymity facility survey application (hereinafter referred to as a facility survey application) according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It is to be understood, however, that the invention is not to be limited to the specific embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.

제1, 제2 등을 포함하는 용어가 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재 항목들의 조합 또는 복수의 관련된 기재 항목들 중의 어느 항목을 포함한다. The terms including the first, second, etc. may be used to describe various elements, but the elements are not limited to these terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component. The term " and / or " includes any combination of a plurality of related entry items or any of a plurality of related entry items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, but other elements may be present in between. On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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. The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, Should not be construed to preclude the presence or addition of one or more other features, integers, steps, operations, elements, parts, or combinations thereof.

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 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.

이하, 첨부한 도면들을 참조하여 본 발명에 바람직한 실시 예를 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성요소는 동일한 참조번호를 부여하고 이에 대해 중복되는 설명은 생략하기로 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to the preferred embodiments of the present invention, examples of which are illustrated in the accompanying drawings, wherein like reference numerals refer to the like elements throughout. The description will be omitted.

보행자는 시스템을 이용하여 길을 걷는 사람으로 정의하며 이용자, 사용자 그리고 교통약자를 포함할 수 있다. A pedestrian is defined as a person walking by using the system, and may include users, users, and traffic abbreviations.

교통 약자 유형은 예를 들어 고령자, 시각 장애인, 청각 장애인, 지체 장애인, 복합 장애인, 기타 등을 포함할 수 있다. The types of traffic weaknesses may include, for example, the elderly, the visually impaired, the deaf, the handicapped, the multiple handicapped, etc.

보행 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다. The walking aids may, for example, include an electric wheelchair, a stroller, a cane, a walker, a manual wheelchair, none, etc.

보행 정보는 보행에 필요한 정보로서 목적지 위치, 현재 위치, 보행 경로, 보행도로의 기하구조, 예상 소요시간, 보행 경로 상 보행시설물 및 선호시설물 위치, 등이 해당된다. The walking information is information necessary for walking, such as the location of the destination, the current location, the walking route, the geometry of the walking road, the estimated time, the walking facilities on the walking route, and the location of the preferred facilities.

보행경험 데이터는 목적지 위치, 출발지 위치, 보행 경로, 보행도로의 기하구조, 소요시간, 보행경로 상 보행시설물 및 선호시설물 위치 그리고 보행 경로에 대한 평가 데이터를 포함한다.The walking experience data includes evaluation data on the destination location, the starting location, the walking route, the geometry of the walking route, the time required, the walking facilities on the walking route, the location of the preferred facilities and the walking route.

보행 시설물은 보행자의 신체조건 및 처해진 상황에 따라 보행시 보행을 방해 또는 장애를 초래하거나, 보행시 이용이 불가능한 시설물 정보로서 예를 들어 육교, 횡단보도, 보도턱 낮춤, 계단 등 보행에 필요한 시설물 정보를 포함할 수 있다. The gait facilities are facilities information that obstructs or obstructs the gait when the gait is walked or can not be used when walking according to the pedestrian's physical condition and the circumstances in which the gait is walked. For example, the gait facilities include information of facilities necessary for walking such as overpass, crosswalk, . &Lt; / RTI >

선호시설물은 보행자에게 필요한 또는 도움이 되는 시설로서 보행자가 빈번하게 이용하는 공용 시설물로 정의하며, 예를들어 전동휠체어 충전소, 공중장애인 화장실, 관공서, 종교시설물 등과 같이 보행 경로와 직접적인 관여는 없으나 보행경로에 고려되는 주변 시설물 정보를 포함할 수 있다.Preferred facilities are defined as public facilities that are often used by pedestrians as a necessary or helpful facility for pedestrians. For example, they do not have direct involvement with walking pathways such as electric wheelchair filling stations, public toilets, public facilities, religious facilities, And may include surrounding facility information to be considered.

보행 평가 데이터는 보행자가 실제 보행한 경로에 대하여 만족도를 평가한 데이터를 포함할 수 있다. 또는 보행 안내 경로 평가 데이터는 보행자가 실제 보행 안내를 받은 경로에 대하여 만족도를 평가한 데이터를 포함할 수 있다.The pedestrian evaluation data may include data evaluating the degree of satisfaction with respect to the route that the pedestrian actually walked. Or the walking guidance route evaluation data may include data in which the degree of satisfaction is evaluated with respect to the route on which the pedestrian received the actual walking guidance.

모바일 센서 데이터 기반 보행 정보 조사 시스템Mobile sensor data base walking information investigation system

도 1은 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 시스템의 장치 구성도이다. 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 시스템은 사용자 네트워크로 연결된 데이터 수집 디바이스(100), WAS(Web Application Service) 및 GW(Gate Way) 서버(200), GIS(Geographic Information System) 및 RP(Route Planning) 서버(300), 데이터 마이닝 및 연산 서버(400)와 데이터 모니터링 및 관리 디바이스(500)를 포함한다.FIG. 1 is a block diagram of an apparatus for searching for a mobile-sensor data-based traffic shaman-customized moving experience according to an embodiment of the present invention. The mobile sensor data-based traffic weakness personalized walking information investigation system includes a data collection device 100, a WAS (Web Application Service) and a GW (Gate Way) server 200 connected to a user network, a Geographic Information System (GIS) Planning server 300, a data mining and computing server 400, and a data monitoring and management device 500.

상기 데이터 수집 디바이스(100)는 보행 시설물 조사 어플리케이션을 설치하고 실행할 수 있는 모바일 디바이스(예를 들어, 안드로이드 기반 OS)로 무선 통신 기능이 내장된 스마트폰, 태블릿 등을 포함할 수 있다. 상기 데이터 수집 디바이스(100)는 GPS 데이터 및 센서 데이터(가속 센서, 기압센서, 자이로센서를 포함)를 수집하여 네트워크(예를 들어, WiFi 포함)를 통해 WAS 및 GW 서버(200)로 수집된 데이터를 전송하는 장치이다.The data collection device 100 may include a smart phone, tablet, etc., with built-in wireless communication capabilities on a mobile device (e.g., an Android-based OS) that can install and run gait inspection applications. The data collection device 100 collects GPS data and sensor data (including acceleration sensors, barometric pressure sensors, gyro sensors) and provides the collected data to the WAS and GW server 200 via a network (e.g., WiFi) .

WAS 및 GW 서버(200)는 데이터 수집 디바이스(100)로부터 GPS 및 센서 데이터를 수집한다. 또한 WAS 및 GW 서버(200)는 수집된 데이터의 추출, 변환 및 로딩을 수행할 수도 있다. 또한, GIS 및 RP 서버(300)의 데이터 인터페이스 기능을 하며, 웹 서비스(데이터 모니터링 및 관리)와 데이터 간 수집시간 동기화를 수행할 수 있다. 또한, WAS 및 GW 서버(200)는 공간 매칭(맵 매칭) 알고리즘 연산을 수행할 수도 있다.The WAS and GW server 200 collects GPS and sensor data from the data collection device 100. The WAS and GW server 200 may also perform extraction, conversion, and loading of the collected data. In addition, it functions as a data interface of the GIS and RP server 300, and can perform synchronization of collection time between data and web service (data monitoring and management). In addition, the WAS and GW server 200 may perform a spatial matching (map matching) algorithm operation.

상기 GIS 및 RP 서버(300)는 수치 지도 및 위치 기반정보를 관리한다. 또한, 시설물 조사 시작 위치와 종료 위치에 대한 맵 매칭 데이터를 제공한다.The GIS and RP server 300 manages digital map and location-based information. In addition, map matching data for the facilities investigation start position and the end position are provided.

상기 데이터 마이닝 및 연산 서버(400)는 빅 데이터 마이닝 연산을 수행하며, 시설물 예측모델을 이용한 시설물 예측결과와 시설물 예측모델을 만들기 위한 시설물 조사 데이터를 관리한다. 상기 시설물 조사 데이터의 관리는 보행자 유형 및/또는 보행 보조기구 등에 따라 시설물 종류, 시설물 예측점수와 모바일 수집 데이터의 관리하는 기능을 포함한다. 상기 보행자 유형은 예를 들어, 교통 약자의 유형이 될 수 있다. The data mining and operation server 400 performs a big data mining operation and manages facilities survey data for making a facility prediction result and a facility prediction model using a facility prediction model. The management of the facility survey data includes the type of facility, the predicted facility score, and the function of managing the mobile collection data according to the pedestrian type and / or the walking aids. The pedestrian type may be, for example, a type of traffic abbreviation.

상기 데이터 모니터링 및 관리 디바이스(500)는 수집된 데이터 자료의 모니터링 및 관리를 수행한다. 또한 데이터 모니터링 및 관리 디바이스(500)는 빅 데이터 마이닝 연산의 수행을 모니터링하고 관리한다,The data monitoring and management device 500 monitors and manages the collected data. The data monitoring and management device 500 also monitors and manages performance of the Big Data Mining operations,

도 2a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통약자 맞춤형 보행 정보 조사 시스템의 동작을 설명하기 위한 블록 다이어그램이다. FIG. 2A is a block diagram for explaining an operation of the mobile sensor data-based traffic weakness customized walking information investigation system according to an embodiment of the present invention.

도 2a를 참조하면, 데이터 수집 디바이스(100)는 사용자 또는 교통약자에게 보행 안내를 제공하며, 사용자 또는 교통약자가 현재 위치에서 목적지까지 보행경로안내를 받아 보행을 할 경우 보행 경험 데이터를 수집할 수 있다. 사용자 또는 교통약자는 데이터 수집 디바이스(100)를 통하여 시설물 등록 및 조회를 할 수 있다. Referring to FIG. 2A, the data collection device 100 provides a walking guidance to a user or an abbreviated traffic person. When a user or a traffic abbrevator takes a walking route guidance from a current location to a destination, have. The user or the traffic weak can register and inquire facilities through the data collection device 100.

WAS 및 GW 서버(200)는 모바일 데이터 수집부를 포함한다. 모바일 데이터 수집부는 구체적으로 일반 교통 약자들로부터 GPS 데이터 및 센서 데이터등을 수집하는 일반 교통 약자 모바일 데이터 수집부(201a)와 일반 교통 약자들 중 소정 개수의 표준 교통 약자들로부터 GPS 데이터 및 센서 데이터등을 수집하는 표본 교통 약자 모바일 데이터 수집부(201b)를 포함할 수 있다. The WAS and GW server 200 include a mobile data collection unit. The mobile data collecting unit includes a general traffic weak mobile data collecting unit 201a for collecting GPS data and sensor data from general traffic weak persons and GPS data and sensor data from a predetermined number of standard traffic weak persons among general traffic weak persons And a sample transportation weak mobile data collection unit 201b for collecting the transportation data.

WAS 및 GW 서버(200)내의 모바일 데이터 수집부는 데이터 수집 디바이스(100)로부터 보행 경험 데이터와 시설물 조사 데이터를 수집한다. 또한, 모바일 데이터 수집부는 데이터 수집 디바이스(100)로부터 사용자의 보행 경로(GPS 및 센서 데이터), 사용자 정보(보행보조기구, 사용자 아이디 등), 그리고 보행 경로 평가 결과를 수집할 수 있다.The mobile data collection unit in the WAS and GW server 200 collects walking experience data and facility survey data from the data collection device 100. In addition, the mobile data collector may collect the user's walking path (GPS and sensor data), user information (walking aid, user ID, etc.), and gait path evaluation results from the data collection device 100.

보행 경로 평가는 모바일 어플리케이션을 이용하여 사용자 또는 교통 약자가 보행경로안내를 수행하고 목적지에 도착하여 보행경로안내가 종료될 때 안내된 보행경로에 대하여 사용자 또는 교통 약자가 평가를 할 수 있는 기능을 의미하며, 보행 경로에 대한 평가 점수 데이터를 보행 경로 평가 결과로 제공될 수 있다. 상기 보행 경로 평가 데이터는 리커트 5점 척도로 해당 경로가 빠른길(빠른 경로), 안전한길(안전한 경로), 편안한길(편안한 경로)인가를 평가하는 것이다. The gait path evaluation is a function that allows a user or a transportation weak person to evaluate a walking route that is guided when a user or a transportation weak person guides the gait route using the mobile application and arrives at the destination and the guiding route guidance ends, And evaluation score data on the gait path can be provided as the gait path evaluation result. The gait path evaluation data are evaluated on the basis of a recurring 5-point scale to determine whether the path is fast (fast path), safe path (safe path), or comfortable path (comfortable path).

여기서, 편안한 경로는 보행경로상 선호시설물 분포가 많고, 이동경로상 보행시설물 이용횟수의 비용(COST)가 적은 경로로서, 편안한 경로로의 보행 경로 안내는 보행도로가 직진성향이 있으며, 이면도로가 아닌 보행자 전용도로가 많이 분포한 지역으로 유도하며 사용자 평가 점수가 높은 구간으로 보행 경로 안내를 진행할 수 있다.Here, the comfortable path is a path with a preferential distribution of facilities in the walking path, COST of the number of times of using the walking facilities in the traveling path, and the walking path guide to the comfortable path has a tendency to straighten the walking road, The pedestrian route guidance route can be guided to a region where a lot of pedestrian-only roads are distributed, and a user evaluation score is high.

안전한 경로는 동일조건의 보행자가 이동한 경험이 많고, 평가점수가 높은 로드링크가 많이 포함된 경로로서, 안전한 경로로의 보행 경로 안내는 보행상 방법 CCTV의 분포가 많으며 유흥주점을 제외한 상권지역으로 보행자 전용도로가 많이 분포한 지역으로 보행 경로 안내를 진행할 수 있으며, 또한 사용자 평가 점수가 높은 구간으로 보행 경로 안내를 진행할 수 있다. The safe route is a route with many pedestrians who have the same condition and has many road links with high evaluation scores. The guiding route to the safe route is a pedestrian route CCTV has a lot of distribution. Walking route guidance can be performed in an area where a lot of pedestrian-only roads are distributed, and the walking route guidance can be performed in a section where the user's score is high.

빠른 경로는 현재 보행자 위치에서 목적지까지 거리 순으로 최단거리 경로로서, 빠른길 경로로의 보행 경로 안내는 현재 교통약자 위치에서 목적지까지의 최단 경로를 제공하나 교통약자의 보행보조기구에 따라 보행이 불가한 경로를 제외하도록 보행 경로 안내를 할 수 있으며, 또한 사용자 평가 점수가 높은 구간으로 보행 경로 안내를 진행할 수 있다.The fastest route is the shortest route from the current pedestrian position to the destination in the order of distance, and the route guidance to the fastest route provides the shortest route from the current traffic abbreviation position to the destination. However, The walking route can be guided to exclude one route, and the walking route guidance can be performed in a section where the user rating score is high.

모바일 어플리케이션 사용시 사용자 또는 교통 약자는 개인 ID를 등록하고 보행보조기구를 선택하여 해당 사용자의 교통약자 유형을 시스템 상에서 판단할 수 있는 데이터를 제공할 수 있다. 특히 개인 ID는 보행경험 데이터와 보행경로 평가 데이터등 데이터간 연결 키(PK : Primary Key) 역할을 한다.상기 시설물 조사 데이터는 데이터 마이닝의 모델링, 스코어링 및 평가 단계를 수행하기 위한 자료로서, 육교, 지하도 등의 보행 시설물에서의 GPS 및 센서 데이터를 수집하여 얻어질 수 있다. 상기 보행 시설물의 추가적인 상세 정보(예를 들어, 계단 손잡이 위치, 보도턱 높이, 보도 너비 등)는 데이터 수집 디바이스(100)에 설치된 보행 시설물 조사 어플리케이션을 통해 수동 또는 자동으로 입력될 수 있다(도 5a 내지 도 5c 참조). When the mobile application is used, the user or the transportation weak person can register the personal ID and select the walking aids to provide the data that can determine the traffic abbreviation type of the user on the system. Particularly, the personal ID serves as a primary key (PK) between data such as walking experience data and walking path evaluation data. The facility survey data are data for performing data mining modeling, scoring and evaluation steps, And can be obtained by collecting GPS and sensor data from gait facilities such as underpasses. Additional details of the gait facilities (e.g., stair handhold location, sidewalk height, sidewalk width, etc.) may be manually or automatically entered through the gait survey application installed in data acquisition device 100 5C).

보행 경험 데이터는 교통 약자가 시설물 조사 경로 이외의 지역에서 이동 시 수집되는 모바일 GPS 데이터 및 센서 데이터를 포함할 수 있으며. 데이터 마이닝을 통해 해당 지역의 시설물을 예측하는데 사용된다. 수집되는 시설물 조사 데이터 및 보행 경험 데이터는 경로 좌표(GPS WSG85) 및 센서(예를 들어, 가속도 센서, 자이로 센서, 기압 센서, 지자기 센서, 로테이션 센서 등) 데이터 등을 포함할 수 있다. 보행 경험 데이터는 사용자 또는 교통약자가 현재 위치에서 목적지까지 보행경로안내를 받아 보행을 할 경우에 수집되는 데이터로서, 보행안내 시작 시 자동으로 보행 경험 데이터는 모바일 단말기에 저장되었다가 WiFi 통신이 가능한 환경에서 WAS 서버로 데이터가 전송되도록 구현될 수 있다.The walking experience data may include mobile GPS data and sensor data collected when the transportation weak person is traveling in an area other than the facility survey route. It is used to predict facilities in the area through data mining. The collected facility survey data and walking experience data may include path coordinates (GPS WSG85) and sensors (e.g., acceleration sensor, gyro sensor, air pressure sensor, geomagnetic sensor, rotation sensor, etc.) data. Walking experience data is data collected when a user or a traffic weak is walking from the current location to the destination with walking guidance. The walking experience data is automatically stored at the start of the walking guidance, To the WAS server.

보행도로 네트워크 데이터(220)는 보행경로안내를 위한 기반 데이터로 노드(Node) 데이터와 링크(Link) 데이터로 구성될 수 있다. 교통약자의 보행경로안내에 필요한 중요 데이터는 노드 데이터 또는 링크 데이터 기준으로 구축될 수 있으며, 보행시설물 데이터, 표고 데이터, 및/또는 경사도 데이터 등을 포함할 수 있다. The walking road network data 220 may be composed of node data and link data as base data for guiding the walking route. The important data necessary for guiding the walking path of the weak in traffic can be constructed based on node data or link data, and can include gait data, elevation data, and / or tilt data.

보행도로 네트워크 데이터(220) 중 링크데이터는 라인기반의 공간데이터로 보행경로는 여러 개의 링크와 링크가 연결되어 한 개의 보행경로가 형성될 수 있다. 해당 단계의 링크 데이터는 표고와 경사도의 속성을 연결하는 데이터이다.Among the walking road network data 220, the link data is line-based spatial data, and a walking path is formed by connecting a plurality of links and links to form a walking path. The link data of the step is the data linking the properties of elevation and slope.

표고 데이터는 국토지리원 1:5000 원도에서 제공되며, 경사도 데이터는 표고와 등고 데이터를 3D 지형 모델로 1차 가공 후 수치고도모델(DEM) 생성하여 경사도를 추정하여 생성될 수 있다. 이때 링크에 해당하는 값을 추출하기 위하여 보행도로 네트워크 데이터와 경사도 데이터를 지오프로세싱(Geoprocessing)에서 클립(Clip)을 실시할 수 있다. 경사도는 교통약자가 보행에 어려움을 느끼는 중요한 요인으로 특히 휠체어장애인의 경우 7도 이상에서는 자립보행이 매우 어려워 해당 데이터를 활용한 경로안내가 필요하다. 따라서 해당 데이터를 이용하여 Link 데이터의 특성을 군집 관리할 수 있어야 된다.The elevation data is provided at 1: 5000 won by the Geographical Survey Institute, and the slope data can be generated by generating a digital elevation model (DEM) after first processing the elevation and contour data with the 3D terrain model and estimating the slope. At this time, in order to extract a value corresponding to the link, it is possible to clip the walkway network data and the gradient data by geoprocessing. The slope is an important factor for the traffic weak person to feel difficulty in walking. Especially in the case of wheelchair users, it is very difficult for the disabled person to walk more than 7 degrees. Therefore, it is necessary to manage the characteristics of Link data by using the corresponding data.

Link ID의 관리 그룹 코드(221)는 데이터 마이닝부(450)에서 군집 분석을 실시한 결과의 값으로 개인별 보행경험 데이터를 관리하는데 있어 관리 기준 코드 역할을 수행한다.The management ID code 221 of the link ID serves as a management reference code for managing the personal gait experience data as a result of the cluster analysis performed by the data mining unit 450.

데이터 마이닝 및 연산 서버(400a)는 데이터 처리부(410)와 데이터 마이닝부(450)를 포함한다. 데이터 처리부(410)는 데이터 ETL(Extract, Transform and Load)부로 구현될 수 있으며, 데이터 ETL부는 데이터 추출(Extract), 변환(Transform) 및 로드(Load)를 수행한다. The data mining and computing server 400a includes a data processing unit 410 and a data mining unit 450. [ The data processing unit 410 may be implemented as a data ETL (Extract, Transform and Load) unit, and the data ETL unit performs data extraction, transformation, and loading.

데이터 처리부는 데이터 마이닝 및 연산 서버(400a)내에 포함될수도 있고, 또는 WAS 및 GW 서버(200)에 포함될 수도 있다. The data processing unit may be included in the data mining and operation server 400a or may be included in the WAS and GW server 200. [

데이터 처리부(410)는 보행자(또는 교통약자) 및 보조기구별로 데이터(보행경험 데이터 및/또는 보행 평가 데이터)를 분류하고 공간 데이터의 클린징과 맵 매칭을 수행하여 보정한 보행경험 데이터 및/또는 보행 평가 데이터를 생성한다. 구체적으로, 데이터 처리부(410)는 보행 보조기구 유형에 따라 교통약자 유형을 구분하여 보행 경로 평가 데이터 및 GPS데이터를 1차 분류한다. GPS 데이터는 수신 위성위치 및 수량에 따라 GPS 측정 좌표가 달라지며 도심에서는 건물유리에 의하여 노이즈가 발생되어 정확한 보행속도와 보행시간 산출이 어렵다. 이에 대하여 GPS데이터를 보행 링크(link) 데이터에 포인트-투-커브(point to curve) 맵 매칭(공간적 데이터 매칭으로 GPS노이즈 데이터를 보정)을 실시한다.The data processing unit 410 classifies the data (walking experience data and / or walking evaluation data) by the pedestrian (or abbreviated traffic) and the auxiliary apparatus and performs cleaning data correction and map matching to correct the walking experience data and / And generates evaluation data. Specifically, the data processing unit 410 classifies the traffic abbreviation type according to the type of the walking aiding device, and classifies the walking path evaluation data and the GPS data into a primary classification. In GPS data, the GPS measurement coordinates are changed according to the position and quantity of the receiving satellite. In the city center, it is difficult to calculate accurate walking speed and walking time due to noise caused by building glass. In contrast, GPS data is subjected to point-to-curve map matching (correction of GPS noise data by spatial data matching) to the walking link data.

데이터 처리부(410)는 공간적으로 보정한 데이터를 기준으로 각 링크의 길이와 링크를 통과한 시간을 이용하여 정확한 보행속도를 산출할 수 있다.The data processing unit 410 can calculate the accurate walking speed using the length of each link and the time passed through the link based on the spatially corrected data.

또한, 데이터 처리부(410)는 보행평균 속도가 예를 들어 7m/sec를 초과하거나 또는 0.1m/sec 미만인 경우에 대해서 필터링을 실시한다.Further, the data processing unit 410 performs filtering for a case where the walking average speed is, for example, more than 7 m / sec or less than 0.1 m / sec.

더 구체적으로 설명하면 먼저, 데이터 처리부(410)는 상기 모바일 데이터 수집부(210a, 210b)에서 수집한 모바일 GPS 데이터 및 센서 데이터로부터 얻어진 보행 경험 데이터와 보행평가 데이터를 추출하여 데이터 처리부(410)에서 보행자의 사전 정보(예를 들어, 교통약자 유형, 보행 보조기구 유형 등)에 따라 경험 데이터와 보행평가 데이터를 분류한다. 그런 다음 GIS 및 RP 서버(300)와 연계하여 좌표(경로) 데이터 필터링, GPS 데이터 필터링, 센서 데이터 필터링 등을 수행한다. 이때 상기 GIS 및 RP 서버(300)는 수치 지도 및 경로 기반 데이터를 저장하고 있어 좌표 데이터의 필터링에 기준이 되는 정보를 제공한다. 이러한 필터링을 위해, 상기 데이터 처리부(410)는 좌표(경로) 필터링 모듈, 센서 데이터 필터링 모듈 및 시설 데이터 필터링 모듈을 포함할 수 있다.More specifically, the data processing unit 410 extracts the walking experience data and the walking evaluation data obtained from the mobile GPS data and the sensor data collected by the mobile data collecting units 210a and 210b, Classify the experience data and the walking evaluation data according to the pedestrian's advance information (for example, the type of the traffic abbreviation, the type of the walking aids, etc.). Then, coordinate (path) data filtering, GPS data filtering, sensor data filtering, and the like are performed in connection with the GIS and RP server 300. At this time, the GIS and RP server 300 stores the digital map and the path-based data, and provides the reference information for filtering the coordinate data. For this filtering, the data processing unit 410 may include a coordinate (path) filtering module, a sensor data filtering module, and a facility data filtering module.

데이터 처리부(410)는 전술한 필터링 작업을 통하여 데이터 변환 후 데이터(보행경험 데이터 및/또는 보행 평가 데이터를 분류, 보정, 필터링, 변환을 거쳐 '보정한' 보행경험 데이터 및/또는 보행 평가 데이터)를 로딩한다. 상기 데이터 처리부는 로딩한 보행 경험 데이터와 시설물 조사 데이터를 데이터 마이닝부(450)로 전달한다.The data processing unit 410 receives the post-data conversion data (the walking experience data and / or the walking evaluation data 'corrected' through the classification, correction, filtering, and transformation of the walking experience data and / or the walking evaluation data) Lt; / RTI > The data processing unit transmits the loaded walking experience data and facility survey data to the data mining unit 450.

상기 데이터 마이닝부(450)는 상기 로딩된 보정된 시설물 조사 데이터를 기반으로 판단/분류 모델을 생성하고 평가하여 판단/분류 모델을 개선한다. 데이터 마이닝부(450)는 모델링 모듈, 스코어링 모듈 및 평가 모듈을 포함할 수 있다.The data mining unit 450 generates and evaluates a judgment / classification model on the basis of the loaded revised facilities survey data to improve the judgment / classification model. The data mining unit 450 may include a modeling module, a scoring module, and an evaluation module.

데이터 마이닝부(450)는 개선된 판단/분류 모델을 이동 경험 데이터에 적용하여 시설물 종류를 판단한다. 모델링 모듈은 지도학습 방법으로 센서 데이터로 시설물 유형을 판단할 수 있는 모델을 형성한다. 스코어링 모듈은 센서 데이터로 시설물의 유형을 최종으로 판단하며 평가를 위한 검증용 지표 산출 기능을 수행한다. 평가 모듈은 상기 모델로 시설물 종류를 판별한 결과를 평가하여 모델 개선 유무를 판단하여 상기 모델의 개선을 수행한다. The data mining unit 450 applies the improved decision / classification model to the movement experience data to determine the facility type. The modeling module forms a model that can judge the type of facility by the sensor data by the map learning method. The scoring module will finally determine the type of facility with the sensor data and perform the verification indicator function for evaluation. The evaluation module evaluates the result of discriminating the type of the facility with the model and determines whether or not the model is improved to improve the model.

데이터 마이닝부(450)에서 수행되는 상세 작업들은 다음과 같다. 먼저, 상기 모델링 모듈이 상기 시설물 조사 데이터 중 일부를 훈련 데이터로 사용하여 판단/분류 모델을 생성한다. 그런 다음 나머지 일부를 테스트 데이터로 상기 판단/분류 모델에 적용하여 스코어링한 후 실제 시설물 종류 데이터와 비교하는 평가 단계를 거쳐 그 결과를 상기 예측 모델에 피드백으로 반영한다. 이와 같이 생성된 판단/분류 모델을 보행 경험 데이터에 적용하여 시설물의 종류(예를 들어, 계단, 엘리베이터, 보도턱, 육교, 지하도 등)를 예측한다. 예측된 시설물의 종류 및 위치 정보를 별도의 저장 수단에 저장한다.Detailed operations performed by the data mining unit 450 are as follows. First, the modeling module generates a judgment / classification model using part of the facility survey data as training data. Then, the remaining part is applied to the judgment / classification model as test data, scored and compared with actual facility type data, and the result is reflected as feedback to the prediction model. The judgment / classification model thus generated is applied to the gait experience data to predict the types of facilities (for example, stairs, elevator, pedestrian, pedestrian, underpass, etc.). And stores the predicted type and position information of the facility in a separate storage means.

또한, 데이터 마이닝부(450)는 군집분석(cluster analysis)을 수행하여 보행 경험과 보행 만족도 데이터를 관리할 수 있는 군집 식별자(ID)를 생성한다. In addition, the data mining unit 450 performs a cluster analysis to generate a cluster identifier (ID) capable of managing the walking experience and the walking satisfaction data.

데이터 마이닝부(450)는 보행 도로의 표고 및 보행도로의 경사도를 이용하여 군집 분석을 실시해 보행 경로상의 보행 링크의 링크 식별자(ID) 별로 군집 식별자(ID)-상기 군집 식별자는 상기 보행 도로의 표고 및 상기 보행도로의 경사도에 따라 상기 보행 도로를 소정의 군집으로 분류한 식별자임-를 부여할 수 있다. The data mining unit 450 performs a cluster analysis using the elevation of the walking road and the inclination of the walking road so that the cluster identifier (ID) for each link identifier (ID) of the walking link on the walking path, And an identifier that classifies the walking road into a predetermined group according to the inclination of the walking road.

구체적으로, 데이터 마이닝부(450)는 분류 군집 분석(군집의 신뢰성 확보가 계보적 군집분석 결과보다 더 선호됨)을 활용하기 위해서 초기 군집 수 k개의 결정이 필요하며 계보적 군집분석을 활용하여 초기 군집 수 k개를 결정한다.Specifically, the data mining unit 450 needs to determine k initial clusters in order to utilize classified clustering analysis (more reliable clustering reliability than clustering cluster analysis results) Determine k clusters.

계보적 군집분석(hierarchical clustering)에서는 Minkoski 거리족에서 m=2인 경우에 대하여 dij가 각 군집간 거리 총합이 최장인 군집 수 k를 결정한다. In hierarchical clustering, dij determines the number of clusters with the longest sum of the distance between the clusters for m = 2 in the Minkoski street group.

분류군집분석은 임의의 군집에 각 데이터가 할당될 경우 해당 군집평균과 할당된 데이터간의 오차자승합(Sum of Square Error)이 최소가 될 수 있도록 데이터를 할당한다. In the classification cluster analysis, when each data is allocated to an arbitrary cluster, data is allocated so that a sum of square error between the corresponding cluster average and the allocated data can be minimized.

군집에 대한 검증은 분산분석을 이용하여 해당 군집에 사용된 요인들에 대하여 통계적으로 유의한 차이가 있는지를 유의수준 5%하에서 검증을 실시하며 유의수준보다 p-value가 클경우 다시 계보적 군집분석을 실시한다. 이때 앞서 k개에서 최대 거리합을 제외한 k+1개 이상에서 최대 거리합을 찾는다. We used the ANOVA to test whether there was a statistically significant difference between the factors used in the cluster and whether the p-value was greater than the significance level. . At this time, the maximum sum of distances is searched for k + 1 or more, excluding the maximum sum of distances.

분류 군집분석 결과 각 데이터에 할당된 그룹 ID와 Link ID를 최종으로 사용한다. Finally, we use the group ID and the link ID assigned to each data as a result of classification cluster analysis.

도 2b는 표본 사용자(또는 교통 약자) 데이터 테이블을 나타내며, 도 2c는 도 2b의 표본 사용자(또는 교통 약자) 데이터 테이블에 군집 분석을 수행한 결과를 나타낸 테이블이며, 도 2d는 도 2c의 군집 분석 결과를 활용하기 위한 테이블을 나타낸다. FIG. 2B is a table showing a sample user (or traffic abbreviation) data table, FIG. 2C is a table showing a result of performing a cluster analysis on the sample user (or abbreviation) data table of FIG. 2B, Represents a table to utilize the results.

도 2b를 참조하면, 표본 사용자(또는 교통 약자) 데이터 테이블은 사용자 ID(202), Link ID(201), 보행속도(SPEED)(203), 편한길(EVAL_EASY)(205a), 안전한길(EVAL_SAFE)(205b), 빠른길(EVAL_SHRT)(205c), 만족도 평가 횟 수(N_EVAL)(205d)를 포함하여 구성될 수 있다.Referring to FIG. 2B, the sample user (or abbreviation) data table includes a user ID 202, a link ID 201, a walking speed SPEED 203, a comfortable road 205a, ) 205b, a fast path (EVAL_SHRT) 205c, and a number of times of satisfaction evaluation (N_EVAL) 205d.

표본 사용자 데이터 테이블에 군집분석에 사용될 변수에 대하여 충분통계량으로 데이터를 저장할 수 있다. 변수는 보행속도(SPEED)(203), 편한길(EVAL_EASY)(205a), 안전한길(EVAL_SAFE)(205b), 빠른길(EVAL_SHRT)(205c)에 대한 충분통계량 값을 도 2b에 도시된 바와 같이 각 Link ID(201)별로 저장할 수 있다. Data can be stored in the sample user data table with sufficient statistics for the variables used in the cluster analysis. The variables include a sufficient statistic value for the walking speed (SPEED) 203, the comfortable road (EVAL_EASY) 205a, the safe road (EVAL_SAFE) 205b and the fast road (EVAL_SHRT) 205c as shown in FIG. 2B Can be stored for each Link ID (201).

도 2c에 도시된 바와 같이, 군집 분석 결과를 활용하기 위하여 각 Link ID와 그룹 번호를 1:1 대응하는 매칭 테이블로 서버에 저장할 수 있다. 예를 들어, 서울시 동작구 보행 네트워크에 링크데이터 11,786개와 10개의 그룹 ID를 부여한 매칭테이블을 생성할 수 있다. As shown in FIG. 2C, each link ID and group number can be stored in a server as a matching table corresponding to 1: 1 in order to utilize the result of the cluster analysis. For example, a matching table in which 11,786 link data and 10 group IDs are assigned to a walking gait network in Dongyang City can be generated.

도 2c를 참조하면, 사용자 정보(보행자 정보), 보행도로의 표고 및/또는 경사도를 이용하여 군집분석을 실시하며 Link ID(201)별로 군집 번호(212)와 같은 군집 식별자를 부여 한다. 예를 들어, 군집은 보행 도로 정보(보행도로의 표고 및/또는 경사도), 보행 이동 경험 그리고 보행 만족도 데이터를 이용하여 유사한 보행도로들의 집단 묶음으로 정의될 수 있다. Referring to FIG. 2C, cluster analysis is performed using user information (pedestrian information), elevation and / or slope of the walking road, and a cluster identifier such as cluster number 212 is assigned to each Link ID 201. For example, the cluster may be defined as a group of similar walking roads using walking road information (height and / or slope of the walking road), walking experience, and walking satisfaction data.

도 2c에 도시된 바와 같이, 군집 번호(212)는 표고가 높지 않으나 상기 경사도가 높은 그룹을 나타내는 1번 군집, 표고가 높고 경사도가 높은 그룹을 나타내는 2번 군집, 경사도가 낮은 그룹을 나타내는 3번 군집을 포함할 수 있다. As shown in FIG. 2C, the cluster number 212 is a cluster No. 1 representing a group with a high elevation but a group with a high gradient, a cluster No. 2 representing a group with a high elevation and a high gradient, Clusters.

도 2c에 도시된 바와 같이, 데이터 마이닝부는 보행속도(SPEED)(203), 편한길(EVAL_EASY)(205a), 안전한길(EVAL_SAFE)(205b), 빠른길(EVAL_SHRT)(205c)과 같은 보행 링크 데이터를 Link ID 기준이 아닌 군집 번호(212)와 같은 군집 식별자를 기준으로 저장할 수 있다. 사용자별로 보행 링크 데이터를 모두 저장할 경우 데이터의 저장용량은 사용자 ID 수 X 보행 회차 X 보행네트워크 데이터의 Link 수가 되므로 해당 데이터는 무한히 증가될 수 있다. As shown in FIG. 2C, the data mining unit includes a walking link (walking) such as a walking speed (SPEED) 203, a comfortable road (EVAL_EASY) 205a, a safe road (EVAL_SAFE) 205b, The data can be stored based on the cluster identifier such as cluster number 212 instead of the Link ID reference. When all the walking link data is stored for each user, the storage capacity of the data is the number of user IDs X the number of walking times X the number of the walking network data, so that the data can be infinitely increased.

도 2b의 경우 사용자 수 X Link ID의 수만큼 데이터가 축적되는 반면, 도 2d와 같이 군집 식별자(군집 ID)를 이용할 경우 사용자 수 X 군집 식별자 개수만큼 사용함으로 데이터 관리적인 측면에 있어서 적은 개수의 데이터 레코드 수로 처리가 가능하므므로 상당히 효율적으로 데이터를 관리할 수 있다. 예를들어, 서울시 동작구의 보행 링크 데이터는 약 49,062개로 본 발명과 같이 보행 링크 데이터를 Link ID 기준이 아닌 군집 번호(212)와 같은 군집 식별자를 기준으로 저장 및 관리할 경우 20개 미만의 데이터 레코드 수로 처리가 가능한 효과가 있다. 2B, data is accumulated by the number of users X Link IDs. On the other hand, when the cluster ID (cluster ID) is used as shown in FIG. 2D, the number of user X cluster IDs is used, Since the number of records can be processed, data can be managed very efficiently. For example, when walking and linking data of the walking area of Dongjak-gu in Seoul is about 49,062, when the walking link data is stored and managed based on the cluster identifier such as the cluster number (212) instead of the Link ID reference, less than 20 data records There is an effect that water can be treated.

전술한 좌표(경로) 필터링 모듈은 추출된 GPS 데이터를 맵 매칭 및 GPS 데이터 노이즈 필터링 등을 통해 이동 경로 상의 정확한 위치 데이터로 변환시킨다. 전술한 센서 데이터 필터링 모듈은 센서 데이터의 노이즈를 필터링하고 구간 데이터의 대표 값을 추출한다. 상기 시설 데이터 필터링 모듈은 추출된 시설물 조사 데이터 중 시설물 종류 데이터를 좌표 및 이용 시점에 대해 필터링한다.The above-described coordinate (path) filtering module converts the extracted GPS data into accurate position data on the moving route through map matching, GPS data noise filtering, and the like. The sensor data filtering module filters the noise of the sensor data and extracts a representative value of the interval data. The facility data filtering module filters the facility type data among the extracted facility survey data with respect to the coordinates and the use time point.

데이터 모니터링 및 관리 디바이스(500)는 데이터 수집 및 시설물 평가/조사 결과에 대해 관리한다. 상기 모니터링 및 데이터 관리부는 데이터 수집 관리 모듈과 시설물 조사 데이터 관리 모듈을 포함한다.The data monitoring and management device 500 manages data collection and facility evaluation / survey results. The monitoring and data management unit includes a data collection management module and a facility survey data management module.

상기 데이터 수집 관리 모듈은 시설물 조사 데이터와 보행 경험 데이터의 원본 데이터를 조회하고 관리하는 기능을 수행한다. 상기 시설물 조사 데이터 관리 모듈은 데이터 마이닝으로 이동 경험 경로의 시설물 평가 결과 및 조사 자료를 조회하고 관리하는 기능을 수행할 수 있다.The data collection management module performs a function of inquiring and managing the facility survey data and the original data of the walking experience data. The facility survey data management module can perform a function of inquiring and managing facilities evaluation results and survey data of the mobile experience path through data mining.

데이터 모니터링 및 관리 디바이스(500)는 교통 약자 유형 및 보행 보조 기구에 따라 이동 경로의 보행 시설물의 종류를 조사하고 보행 시설물을 평가한 자료를 수집하여 관리하는 기능을 수행할 수 있다.The data monitoring and management device 500 may perform the function of collecting and managing the evaluation data of the gait facilities by examining the types of the gait facilities on the movement path according to the type of traffic weakness and the walking aids.

이상에서는 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 시스템에 관해 기술하였다. 이하에서는 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 방법에 대해 더 상세히 기술한다.In the above, mobile sensor data based traffic abbreviated walking information investigation system is described. Hereinafter, the mobile sensor data-based traffic abbreviated walking information search method will be described in more detail.

모바일 센서 데이터 기반 이동 경험 조사 방법Mobile sensor data based mobile experience survey method

도 3a는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 조사 및 데이터 마이닝 모델링의 순서도이다.FIG. 3A is a flow chart of gait facility survey and data mining modeling among mobile sensor data based movement experience surveying methods according to an embodiment of the present invention.

도 3a에서 데이터 수집 디바이스(100)와 다른 서버들 간 인터페이스 역할을 하는 WAS 및 GW 서버(200)는 도시되지 않았다. 데이터 수집 디바이스(100)와 다른 서버들 간 동작은 모두 WAS 및 GW 서버(200)를 통해 이루어진다. 3A, the WAS and GW server 200 serving as an interface between the data collecting device 100 and other servers is not shown. Operations between the data collecting device 100 and the other servers are both performed through the WAS and the GW server 200.

도 3a를 참조하면, 사용자는 데이터 수집 디바이스(100)에 설치된 시설물 조사 어플리케이션(이하 시설물 조사 앱이라 함)을 실행한다(S1). 시설물 조사 앱 실행시 사용자는 교통 약자 유형 및/또는 보행 보조 기구 등을 선택할 수 있다. 상기 보행 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다. Referring to FIG. 3A, the user executes a facility survey application (hereinafter referred to as a facility survey application) installed in the data collection device 100 (S1). When executing the facility survey application, the user can select the type of traffic weakness and / or a walking aids. The walking aid may include, for example, an electric wheelchair, a stroller, a cane, a walker, a manual wheelchair, none, etc.

GIS 및 RP 서버(300)는 데이터 수집 디바이스(100)에 공간지도를 제공한다(S2). 데이터 수집 디바이스(100)는 실시간 위치 정보를 수신하고 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬(local)로 저장한다(S3). The GIS and RP server 300 provides a spatial map to the data acquisition device 100 (S2). The data acquisition device 100 receives the real-time location information and stores the sensor data locally within the data acquisition device 100 (S3).

사용자는 시설물 조사 앱에서 보행 시작을 선택하고 보행을 시작한다(S4). 보행이 시작된 후에는 사용자의 위치 정보 및 센서 정보가 수집된다.The user selects start of walking in the facility survey app and starts walking (S4). After the start of the walk, the user's location information and sensor information are collected.

사용자는 보행 경로 상의 보행 시설물 정보를 입력하기 위해 보행 시설물의 유형을 선택한다(S5). 상기 보행 시설물 유형은 계단, 보도턱, 육교, 엘리베이터, 횡단보도 등을 포함할 수 있다.The user selects a type of gait facility to input gait information on the gait path (S5). The gait types may include stairs, sidewalks, overpasses, elevators, crosswalks, and the like.

보행 시설물의 유형이 선택되면 사용자는 보행 시설물의 사진을 촬영한다(S6).When the type of the walking facilities is selected, the user takes a photograph of the walking facilities (S6).

촬영된 보행 시설물 사진은 GIS 및 RP 서버(300)로 전송되고(S7), 수집된다(S8).The photographed gait facilities photographs are transmitted to the GIS and RP server 300 (S7) and collected (S8).

사용자는 시설물 조사 앱을 통해 시설물의 상세 정보를 입력한다(S9). 상기 상세 정보는 시설물의 높이, 길이 등의 물리적 정보와 조사 일자 등을 포함할 수 있다.The user inputs detailed information of the facility through the facility survey app (S9). The detailed information may include physical information such as the height, length, etc. of the facility and the survey date.

그런 다음 사용자는 해당 시설물을 통과하는 보행을 한다(S10). The user then makes a walk through the facility (S10).

데이터 수집 디바이스(100)는 사용자의 입력 및 센서 등에 의해 수집된 위치 데이터, 센서 데이터 및 시설물 정보를 포함한 데이터를 GIS 및 RP 서버(300)로 전송한다(S11). The data collecting device 100 transmits data including location data, sensor data, and facility information collected by the user's input and sensors to the GIS and RP server 300 (S11).

GIS 및 RP 서버(300)는 모바일 데이터 수집부에서 시설물 정보를 수집하고(S12), 맵 매칭 및 센서/좌표 데이터 필터링을 수행한다(S13). 상기 맵 매칭 작업 및/또는 센서/좌표 데이터 필터링은 WAS 및 GW 서버(200)(도 3a 에서 도시되지 않음) 또는 데이터 마이닝 및 연산 서버(400)에서 수행될 수도 있다. The GIS and RP server 300 collects the facility information from the mobile data collection unit (S12), and performs map matching and sensor / coordinate data filtering (S13). The map matching operation and / or the sensor / coordinate data filtering may be performed in the WAS and GW server 200 (not shown in FIG. 3A) or the data mining and operation server 400.

GIS 및 RP 서버(300)는 시설물 정보를 데이터 수집 디바이스(100)로 제공하여(S14) 사용자가 시설물 조사 앱을 통해 시설물 정보를 조회할 수 있도록 한다(S15). The GIS and RP server 300 provides the facility information to the data collection device 100 (S14) so that the user can inquire the facility information through the facility survey application (S15).

또한 GIS 및 RP 서버(300)는 필터링된 센서 및 좌표 데이터를 데이터 마이닝 및 연산 서버(400)로 전송한다(S16).In addition, the GIS and RP server 300 transmits the filtered sensor and coordinate data to the data mining and calculation server 400 (S16).

데이터 마이닝 및 연산 서버(400)는 상기 센서 및 좌표 데이터를 이용하여 데이터 마이닝 연산을 수행한다. 즉, 보행자(또는 교통약자) 유형 및 보조기구 유형 등에 따라 데이터(보행 경험 데이터와 시설물 조사 데이터)를 유형별로 그룹핑하고 스무딩(smoothing)작업을 통해 시설물 판단/분류 모델을 생성하여 데이터 모델링을 수행한다(S17). 그런 다음 데이터 마이닝 및 연산 서버(400)는 스코어링을 통한 시설물 예측을 수행하고(S18) 및 모델 검증 작업(S19)을 통해 최종 시설물 판단/분류 모델을 생성한다.상기 과정을 통해 수집된 시설물 종류, 위치 좌표, 스코어(score), 센서 데이터, 보행자(또는 교통약자) 유형, 보조기구 유형, 시설물 정보 등은 별도의 저장수단에 저장된다(S20).The data mining and calculation server 400 performs data mining operations using the sensor and the coordinate data. That is, the data (walking experience data and facility survey data) are grouped according to the type of pedestrian (or abbreviated traffic) and auxiliary equipment type, and grouped by type and smoothed to generate a facility judgment / classification model to perform data modeling (S17). Then, the data mining and calculation server 400 performs a facility prediction through scoring (S18) and generates a final facility judgment / classification model through a model verification operation S19. The location coordinates, the score, the sensor data, the pedestrian (or abbreviated) type, the auxiliary instrument type, and the facility information are stored in separate storage means (S20).

데이터 마이닝 및 연산 서버(S400)는 시설물 정보 수집 과정 수행을 통해 획득된 데이터 및 데이터 마이닝 연산 수행 정보를 포함한 데이터를 데이터 모니터링 및 관리 디바이스(500)로 전송한다(S21). The data mining and calculation server S400 transmits data including the data obtained by performing the facility information collection process and data mining operation execution information to the data monitoring and management device 500 (S21).

데이터 모니터링 및 관리 디바이스(500)는 상기 전송된 데이터(시설물 정보를 포함)를 관리자가 조회할 수 있도록 표시한다(S22). The data monitoring and management device 500 displays the transmitted data (including the facility information) so that the administrator can inquire (S22).

이상은 시설물 조사와 데이터 마이닝 모델링에 대해 설명하였다. 이하에서는 수집된 센서 데이터 및 생성된 판단/분류 모델을 활용하여 시설물의 종류를 예측하는 과정에 대해 설명한다.The above explains the facility survey and data mining modeling. Hereinafter, a process of predicting the type of facility using the collected sensor data and the generated judgment / classification model will be described.

도 3b는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 이동 경험 조사 방법 중 시설물 종류 예측 방법의 순서도이다. FIG. 3B is a flow chart of a method of predicting a facility type in a mobile sensor data-based traffic shaman-based mobile experience examination method according to an embodiment of the present invention.

도 3b에서 데이터 수집 디바이스(100)와 다른 서버들 간 인터페이스 역할을 하는 WAS 및 GW 서버(200)는 도시되지 않았다. 데이터 수집 디바이스와 다른 서버들 간 동작은 모두 WAS 및 GW 서버(200)를 통해 이루어진다. In FIG. 3B, the WAS and GW server 200 serving as an interface between the data collecting device 100 and other servers are not shown. Operations between the data collecting device and other servers are all performed through the WAS and GW server 200.

도 3b를 참조하면, 사용자는 데이터 수집 디바이스(100)의 이동 경험 어플리케이션(이하, 이동 경험 앱이라 함)을 실행한다(S101). 이동 경험 앱 실행시 사용자는 교통 약자 유형, 보조 기구 등을 선택한다. 상기 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다. Referring to FIG. 3B, the user executes a mobile experience application (hereinafter referred to as a mobile experience application) of the data acquisition device 100 (S101). When the mobile experience app is executed, the user selects the type of transportation weakness, auxiliary equipment, and the like. Such ancillary equipment may include, for example, an electric wheelchair, a stroller, a cane, a walker, a manual wheelchair, none, etc.

GIS 및 RP 서버(300)는 데이터 수집 디바이스(100)에 공간지도를 제공한다(S102). 데이터 수집 디바이스(100)는 실시간 위치 정보를 수신하고 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬(local)로 저장한다(S103). The GIS and RP server 300 provides a spatial map to the data acquisition device 100 (S102). The data acquisition device 100 receives the real-time location information and stores the sensor data locally in the data acquisition device 100 (S103).

사용자는 이동 경험 앱에서 보행 시작을 선택하고 보행을 시작하여 시설물들을 통과한다(S104). 보행이 시작된 후에는 사용자의 위치 정보 및 센서 정보가 수집된다.The user selects start of walking from the mobile experience app, starts walking, and passes through facilities (S104). After the start of the walk, the user's location information and sensor information are collected.

데이터 수집 디바이스(100)는 수집된 위치 데이터, 센서 데이터를 포함한 데이터를 GIS 및 RP 서버(300)로 전송한다(S105). The data collection device 100 transmits data including the collected position data and sensor data to the GIS and the RP server 300 (S105).

GIS 및 RP 서버(300)는 맵 매칭 및 센서/좌표 데이터 필터링을 수행한다(S106). 상기 맵 매칭 작업 및/또는 센서/좌표 데이터 필터링은 WAS 및 GW 서버(200)(도 3b 에서 도시되지 않음) 또는 데이터 마이닝 및 연산 서버(400)에서 수행될 수도 있다. The GIS and RP server 300 performs map matching and sensor / coordinate data filtering (S106). The map matching operation and / or the sensor / coordinate data filtering may be performed in the WAS and GW server 200 (not shown in FIG. 3B) or the data mining and calculation server 400.

GIS 및 RP 서버(300)는 필터링된 센서 및 좌표 데이터를 데이터 마이닝 및 연산 서버(400)로 전송한다(S107).The GIS and RP server 300 transmits the filtered sensor and coordinate data to the data mining and calculation server 400 (S107).

데이터 마이닝 및 연산 서버(400)는 판단/분류 모델을 상기 필터링된 센서 데이터에 적용한다(S108). The data mining and calculation server 400 applies the determination / classification model to the filtered sensor data (S108).

상기 판단/분류 모델 적용 결과 시설물의 종류가 예측된다(S109).As a result of applying the judgment / classification model, the type of facility is predicted (S109).

상기 과정을 통해 수집된 시설물 종류, 위치 좌표, 스코어, 센서 데이터, 보행자(교통약자) 유형, 보조기구 유형, 시설물 정보 등은 별도 저장수단에 저장된다(S110).The type of facility, location coordinates, score, sensor data, type of pedestrian (traffic abbreviation), auxiliary equipment type, facility information, etc. collected through the above process are stored in separate storage means (S110).

데이터 마이닝 및 연산 서버(400)는 센서 데이터 수집 과정 수행을 통해 획득된 데이터 및 판단/분류 모델 적용 수행 정보를 포함한 시설물 데이터를 데이터 모니터링 및 관리 디바이스(500)로 전송한다(S111). The data mining and calculation server 400 transmits the facility data including the data obtained through the sensor data collection process and the decision / classification model application performance information to the data monitoring and management device 500 (S111).

데이터 모니터링 및 관리 디바이스(500)는 전송된 데이터(시설물 정보를 포함)를 관리자가 조회할 수 있도록 표시한다(S112). The data monitoring and management device 500 displays the transmitted data (including the facility information) so that the manager can inquire (S112).

데이터 모니터링 및 관리 디바이스(500)에서는 예측된 시설물의 종류가 실제 시설물의 종류와 일치하는지 그 결과를 검증할 수 있다(S113).The data monitoring and management device 500 can verify whether the type of the predicted facility coincides with the type of the actual facility (S113).

데이터 마이닝 및 연산 서버(400)는 시설물 정보를 데이터 수집 디바이스(100)에 제공하여(S114), 사용자가 조회할 수 있도록 데이터 수집 디바이스(100)에 시설물 정보를 표시한다(S115). The data mining and calculation server 400 provides facility information to the data collection device 100 (S114), and displays the facility information on the data collection device 100 so that the user can inquire (S115).

도 3c는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법의 순서도이다. 3C is a flowchart of a mobile sensor data based movement experience survey method according to another embodiment of the present invention.

도 3c를 참조하면, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 어플리케이션(이하 모바일 보행 네비게이션 앱이라 함)을 실행한다(S31). 모바일 보행 네비게이션 앱 실행시 사용자는 교통 약자 유형 및/또는 보행 보조 기구 등을 선택하여 등록할 수 있다. 상기 교통 약자 유형은 예를 들어 고령자, 시각 장애인, 청각 장애인, 지체 장애인, 복합 장애인, 기타 등을 포함할 수 있다. 상기 보행 보조기구는 예를 들어, 전동 휠체어, 유모차, 지팡이, 보행기, 수동 휠체어, 없음, 기타 등을 포함할 수 있다. Referring to FIG. 3C, the user (or a traffic abbreviation) executes a mobile walking navigation application (hereinafter referred to as a mobile walking navigation application) installed in the data collecting device 100 (S31). When the mobile walking navigation application is executed, the user can select the type of traffic weakness and / or the walking aid or the like to register. The traffic abbreviation type may include, for example, an elderly person, a visually impaired person, a hearing impaired person, a handicapped person, a mixed handicap person, etc. The walking aid may include, for example, an electric wheelchair, a stroller, a cane, a walker, a manual wheelchair, none, etc.

WAS 및 GW 서버(200)에서는 사용자 정보(아이디, 비밀번호), 사용자에 의해 등록된 교통 약자 유형 및/또는 보행 보조 기구 등의 등록 정보를 저장한다(S32)In the WAS and GW server 200, registration information such as user information (ID, password), type of traffic weakness registered by the user, and / or a walking aid is stored (S32)

데이터 수집 디바이스(100)는 교통 약자 유형 및/또는 보행 보조 기구에 적합한 경로 탐색 및 경로 안내를 WAS 및 GW 서버(200)에 요청(S33)하고, GIS 및 RP 서버(300)는 WAS 및 GW 서버(200)로부터의 경로 탐색 및 경로 안내 요청(S34)에 따라서 RP 엔진 경로를 탐색한다(S35). The data acquisition device 100 requests the WAS and GW server 200 to perform path search and route guidance suitable for the type of the traffic abbreviation and / or the walking aids (S33), and the GIS and RP server 300 requests the WAS and GW server 200 The RP engine route is searched in accordance with the route search and the route guidance request S34 from the server 200 (S35).

WAS 및 GW 서버(200)는 RP 엔진에서 탐색된 경로를 기초로 교통약자 유형별 기본 경로 정보를 이용하여 현위치(출발지) 기준 목적지까지의 보행경로 정보를 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 앱에 제공하면(S36) 데이터 수집 디바이스(100)에서는 사용자(또는 교통약자)에게 보행 경로 안내를 제공하고 사용자는 보행을 개시한다(S37) The WAS and GW server 200 transmits the walking route information from the current position (origin) reference destination to the mobile walking navigation device installed in the data collecting device 100 using the basic route information for each type of traffic weak type, (S36), the data collecting device 100 provides the user with a walking route guidance to the user (or the traffic abbreviation), and the user starts walking (S37)

데이터 수집 디바이스(100)에서는 사용자(또는 교통약자)가 모바일 보행 네비게이션 앱을 이용하여 보행안내 시작 시 자동으로 GPS 및 센서 데이터를 수집하고, GPS 및 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬 저장수단에 1차로 저장(S38)하여 통신상태에 따라 발생할 수 있는 데이터 결손을 예방하고 무료 WiFi를 이용하여 사용자 통신요금 부담을 경감할 수 있다(사용자는 WiFi를 이용하여 데이터 전송할 수 있도록 사용자에게 선택 기능을 제공).The data collecting device 100 collects GPS and sensor data automatically at the start of the walking guidance using the mobile walking navigation app by the user (or a transportation abbreviation), stores the GPS and sensor data locally in the data collecting device 100 (S38), thereby preventing a data loss that may occur according to the communication state and reducing the burden of user communication charges by using a free WiFi (a user can select a function to transmit data using WiFi ).

데이터 수집 디바이스(100)에서는 보행이 완료된 후, 보행 경로 만족도 평가를 수행한다(S39). 표본으로 지정된 사용자들에 대해서 보행 경로 만족도 평가를 수행할 수 있다. 표본은 전체 등록된 사용자 중 교통약자 유형별로 무작위로 N명-예를 들어 N은 8-씩을 추출하여 일정 데이터 범위(DBMS가 지원하는 테이블 1개내 최대 row 용량) 내에서 표본 수를 결정할 수 있다(11,786개 보행 Link에 대해 mysql 기준 10만건)After the walking is completed, the data collecting device 100 performs the walking path satisfaction evaluation (S39). The pedestrian path satisfaction evaluation can be performed for the users designated as the sample. A sample can be randomly selected among the registered users by randomly selecting N (for example, N = 8) for each type of traffic weakness, and determine the number of samples within a certain range of data (maximum row capacity in one DBMS supported table) 11,786 pedestrian links for mysql based on 100 thousand)

WAS 및 GW 서버(200)는 GPS 데이터, 센서 데이터와 보행 경로 만족도를 조사한 보행 만족도 데이터를 저장한다(S40). 예를 들어, 표본으로 지정된 사용자에 대하여 보행 Link 단위로 GPS 데이터, 센서 데이터와 보행 만족도 데이터를 저장할 수 있다. The WAS and GW server 200 stores the GPS data, the sensor data, and the walking satisfaction data which is obtained by examining the satisfaction degree of the walking path (S40). For example, GPS data, sensor data, and walking satisfaction data can be stored in units of a walking link for a user designated as a sample.

GIS 및 RP 서버(300)에서는 보행 데이터(보행 네트워크 데이터)의 Link를 기준으로 포인트-투-커브(point to curve) 맵매칭 알고리즘을 이용하여 GPS 데이터의 노이즈를 공간적으로 보정하고 공간적인 데이터 매칭을 수행한다(S41). 상기 맵 매칭 및 공간적 보정은 데이터 마이닝 및 연산 서버(400)의 데이터 처리부(410)에서 수행될 수도 있다. 보행 평균 속도가 예를 들어 7m/sec를 초과하거나 또는 0.1m/sec 미만인 경우에 대해서 필터링을 실시할 수 있다. The GIS and RP server 300 spatially corrects the noise of GPS data using a point-to-curve map matching algorithm based on the link of the walking data (walking network data), and performs spatial data matching (S41). The map matching and spatial correction may be performed in the data processing unit 410 of the data mining and calculation server 400. For example, filtering can be performed when the walking average speed exceeds 7 m / sec or less than 0.1 m / sec.

WAS 및 GW 서버(200)는 교통 약자 유형별로 보행 속도를 산출한다(S42). GPS 데이터는 위성위치에 따라 GPS 측정 좌표가 달라지며 도심에서는 유리건물에 의하여 노이즈가 발생되어 정확한 보행속도 산출과 보행시간 산출이 어렵다. 따라서, 공간적으로 보정된 데이터를 기준으로 각 Link의 길이와 Link를 통과한 시간을 이용하여 정확한 보행속도를 산출할 수 있다. 상기 보행속도는 데이터 마이닝 및 연산 서버(400)의 데이터 처리부(410)에서 산출될 수도 있다.The WAS and GW server 200 calculate the walking speed for each type of traffic weakness (S42). In GPS data, the GPS measurement coordinates are changed according to the satellite position. In the city center, it is difficult to calculate the accurate walking speed and to calculate the walking time due to the noise caused by the glass building. Therefore, accurate walking speed can be calculated using the length of each link and the time passed through the link based on the spatially corrected data. The walking speed may be calculated by the data processing unit 410 of the data mining and calculation server 400.

데이터 마이닝 및 연산 서버(400)에서는 보행 데이터, 표고, 경사도 데이터를 군집화 하기 위하여 보행 데이터, 표고, 경사도 데이터에 대하여 군집 분석을 실시한다(S44). The data mining and calculation server 400 performs a cluster analysis on the walking data, elevation, and tilt data to cluster the walking data, elevation, and tilt data (S44).

경사도는 교통약자가 보행에 어려움을 느끼는 중요한 요인으로 특히 휠체어 장애인의 경우 7도 이상의 경사도에서는 자립보행이 매우 어려워 해당 경사도 데이터를 활용한 경로안내가 필요하다. 따라서 해당 경사도 데이터를 이용하여 Link 데이터의 특성을 군집 관리할 수 있어야 된다. The inclination is an important factor for the traffic weak person to feel difficulty in walking. Especially in the case of wheelchair users, it is very difficult to walk on the slope of 7 degrees or more. Therefore, it is necessary to manage the characteristics of Link data by using the gradient data.

군집은 보행 도로 정보(보행도로의 표고 및/또는 경사도)를 이용하여 유사한 보행도로들의 집단 묶음으로 정의될 수 있다. 예를 들어, 보행 링크 데이터를 표고가 높지 않으나 경사도가 높은 그룹을 나타내는 1번 군집, 표고가 높고 경사도가 높은 그룹을 나타내는 2번 군집, 경사도가 낮은 그룹을 나타내는 3번 군집으로 분류하여 관리할 수 있다.The cluster can be defined as a group of similar walking roads using the walking road information (height and / or slope of the walking road). For example, the walking link data can be managed by classifying the walking link data into # 1 clusters representing high-altitude groups but high-slope groups, # 2 clusters representing high altitude and high-slope groups, and # 3 clusters representing low-slope groups have.

데이터 마이닝 및 연산 서버(400)는 1차 계보적 군집분석에서, 중심화 연결법을 이용하여 최적의 군집수 k(기본으로 k=10으로 셋팅)를 결정한다. 이때 군집간 거리를 Minkoski 거리족에 m=2인 경우를 이용하며 dij가 군집간 거리합이 최장일 경우 군집간 이질성이 확보되며 재현성이 확보되므로 군집간 거리합이 최대일 경우의 군집수 k를 결정할 수 있다(S44).The data mining and computation server 400 determines the optimal number of clusters k (by default k = 10) using the centralized connection method in the first-order genealogical cluster analysis. In this case, we use m = 2 for Minkoski street group, and when dij is the longest distance between clusters, heterogeneity between clusters is ensured and reproducibility is ensured. (S44).

데이터 마이닝 및 연산 서버(400)는 2차 계보적 군집분석에서, 앞서 결정된 군집 수 k를 기준으로 k-means 군집분석을 실행하여 k개의 그룹(또는 군집)으로 데이터를 재분류한다(S44). In the second genealogical cluster analysis, the data mining and calculation server 400 performs k-means cluster analysis based on the determined number of clusters k to reclassify data into k groups (or clusters) (S44).

WAS 및 GW 서버(200)에서는 데이터 군집화를 통해 link ID별로 데이터(보행 링크 데이터)를 저장한다(S45). 구체적으로, k개 그룹(또는 군집)에 대한 그룹(또는 군집) 아이디를 해당 보행 링크 데이터의 link ID와 대응시켜 link ID별로 데이터(보행 링크 데이터)를 저장할 수 있다. 군집분석 결과를 활용하기 위하여 각 Link ID와 그룹 번호(또는 군집 번호)를 1:1 대응하는 매칭 테이블로 저장할 수 있다. 예를 들어, 서울시 동작구 보행네트워크에 링크데이터 11,786개와 10개의 그룹 ID(또는 군집 ID 또는 군집 번호)를 부여한 매칭테이블을 생성할 수 있다. In the WAS and GW server 200, data (walk link data) is stored for each link ID through data clustering (S45). Specifically, the group (or cluster) IDs for k groups (or clusters) can be associated with the link IDs of the corresponding walking link data, and data (walking link data) can be stored for each link ID. In order to utilize the result of cluster analysis, each link ID and group number (or cluster number) can be stored as a matching table corresponding to 1: 1. For example, a matching table in which 11,786 link data and ten group IDs (or cluster IDs or cluster numbers) are assigned to the walking gang network of the Seoul Metropolitan Government can be generated.

사용자가 보행을 계속 진행하는 경우, 데이터 수집 디바이스(100)에서는 신규 GPS 및 센서 데이터를 수집하고, 수집된 GPS 및 센서 데이터를 데이터 수집 디바이스(100) 내부에 로컬 저장수단에 저장한다(S50). If the user continues to walk, the data acquisition device 100 collects new GPS and sensor data, and stores the collected GPS and sensor data in a local storage means within the data acquisition device 100 (S50).

사용자가 보행을 계속 진행하다가 보행이 완료된 경우 보행 경로 만족도 평가를 수행하고(S51), WAS 및 GW 서버(200)는 GPS 데이터, 센서 데이터와 보행 경로 만족도를 조사한 보행 만족도 데이터를 임시 저장하며(S52), GIS 및 RP 서버(300)에서는 보행 데이터(보행 네트워크 데이터)의 Link를 기준으로 포인트-투-커브(point to curve) 맵매칭 알고리즘을 이용하여 GPS 데이터의 노이즈를 공간적으로 보정하고 공간적인 데이터 매칭을 수행하고(S54), WAS 및 GW 서버(200)는 교통 약자 유형별로 보행 속도를 산출하며(S54), WAS 및 GW 서버(200)에서는 GPS데이터 보정 후 데이터(보행 속도, 보행 만족도 데이터, 보행 링크 데이터)를 link ID 별로 저장하지 않고 전술한 데이터 군집화를 통해 군집 ID 별로 저장한다(S45). When the user completes the walking, the walking path satisfaction is evaluated (S51), and the WAS and GW server 200 temporarily stores the GPS data, the sensor data, and the walking satisfaction data investigating the walking path satisfaction (S52 The GIS and RP server 300 spatially corrects the noise of the GPS data using a point to curve map matching algorithm based on the link of the walking data (walking network data) The WAS and the GW server 200 calculate the walking speed according to the traffic abbreviated type at step S54 and the WAS and the GW server 200 calculate the data (walking speed, walking satisfaction data, Walking link data) is not stored for each link ID but is stored for each cluster ID through the above-described data clustering (S45).

GIS 및 RP 서버(300)는 교통 약자 유형별로 보행 경로(편한길, 안전한길, 빠른길) 가중값을 업데이트한다(S55). 그룹 ID 기준으로 안전한길, 빠른길 그리고 편안한 길이라고 평가한 결과를 평점으로 환산하여 경로탐색 시 해당 가중값을 참조할 수 있다. The GIS and RP server 300 updates the walking path (comfortable road, safe road, fast road) weight for each traffic abbreviation type (S55). Based on the group ID, it is possible to refer to the weighted value when the route is searched by converting the result of evaluating the safe road, the fast road, and the comfortable length into a rating.

데이터 수집 디바이스(100)에서는 경로 탐색 및 경로 안내 요청시 교통 약자 유형별로 보행 소요 시간과 보행 경로 옵션(편한길, 안전한길, 빠른길) 정보를 제공한다(S56). The data collection device 100 provides the walking time and the walking path options (comfort route, safe route, fast route) according to the type of the traffic abbreviation when the route search and route guidance are requested (S56).

도 3d는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 보행 시설물 및 선호 시설물 등록과정을 설명하기 위한 순서도이다. FIG. 3D is a flow chart for explaining a process of registering gait facilities and preferred facilities among the mobile sensor data based moving experience investigation methods according to another embodiment of the present invention.

도 3d를 참조하면, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 어플리케이션(이하 모바일 보행 네비게이션 앱이라 함)을 실행한다(S60). Referring to FIG. 3D, a user (or a traffic abbreviation) executes a mobile walking navigation application (hereinafter referred to as a mobile walking navigation application) installed in the data collecting device 100 (S60).

모바일 보행 네비게이션 앱 실행시 사용자는 모바일 보행 네비게이션 지도에서 등록하고자 하는 보행 시설물 위치를 먼저 선택한 후 시설물 등록을 실행한다(S61). When the mobile walking navigation application is executed, the user first selects the position of the walking facility to be registered in the mobile walking navigation map, and executes facility registration (S61).

WAS 및 GW 서버(200)는 사용자가 시설물 중복 등록을 방지하기 위하여 선택한 시설물 위치 인근에 등록되어 있는 시설물 정보를 조회(S62)해서 사용자에게 제공한다. The WAS and GW server 200 inquires the facility information registered in the vicinity of the location of the facility selected by the user in order to prevent the facility duplication registration (S62) and provides the information to the user.

사용자는 보행 네비게이션 지도에서 선택한 시설물 위치 인근에 등록된 시설물 정보를 확인하고 해당 시설물이 없을 경우 데이터 수집 디바이스(100)에서 보행 시설물의 신규등록을 진행한다(S63). 상기 시설물 정보는 예를 들어 보행 시설물 유형, 보행시설물의 좌표 및/또는 보행 시설물 리스트를 포함할 수 있다. 상기 보행 시설물 유형은 계단, 보도턱, 육교, 엘리베이터, 횡단보도 등을 포함할 수 있다. The user confirms the facility information registered near the facility location selected on the walking navigation map, and proceeds to register the new walking facility in the data collection device 100 when there is no corresponding facility (S63). The facility information may include, for example, type of gait facilities, coordinates of gait facilities and / or a list of gait facilities. The gait types may include stairs, sidewalks, overpasses, elevators, crosswalks, and the like.

사용자가 보행 네비게이션 지도에서 선택한 위치에 새로이 등록하고자 하는 보행 시설물 종류를 선택하고 보행 시설물 등록 방법을 선택하여 보행 시설물 컨텐츠를 등록한다(S64). 보행 시설물 컨텐츠는 사진, 음성 또는 문자 중에서 적어도 하나를 선택할 수 있다. The user selects a walking facility type to be newly registered at the location selected in the walking navigation map, and registers the walking facility contents by selecting the walking facility registration method (S64). The gait facility contents can select at least one of photograph, voice, or text.

등록하고자하는 보행시설물의 좌표, 보행시설물 컨텐츠를 WAS 및 GW 서버(200) 또는 WAS 서버에 저장한다(S65). The coordinates of the gait facility to be registered and the gait facilities contents are stored in the WAS and GW server 200 or the WAS server (S65).

GIS 및 RP 서버(300)는 등록한 보행 시설물 정보를 활용하여 보행 안내 시 활용되도록 해당 보행 시설물 위치를 보행 네트워크 데이터(또는 보행 데이터)인 Link에 맵 매칭을 실시한다(S66). 맵매칭 된 GPS 좌표 데이터, 보행 네트워크 데이터, 보행 link ID등 보행 네트워크 데이터 매칭 정보를 데이터베이스에 저장한다(S67).The GIS and RP server 300 map-maps the position of the gait facility to the link that is the gait network data (or walking data) so as to utilize the registered gait facility information in step S66. The walking network data matching information such as map-matched GPS coordinate data, walking network data, and walking link ID is stored in the database (S67).

데이터 수집 디바이스(100)에서는 사용자가 등록한 보행 시설물에 대하여 다른 사용자가 모바일 보행 네비게이션 앱에서 확인할 수 있도록 다른 사용자의 등록 시설물 정보 조회 요청(S68)시 해당 등록 시설물 정보를 사용자에게 제공한다. The data collection device 100 provides the registered facility information to the user when the registered facilities information inquiry request of another user is requested (S68) so that the other user can confirm the walking facilities registered by the user in the mobile walking navigation app.

데이터 모니터링 및 관리 디바이스(500)에서는 사용자가 등록한 보행 시설물에 대하여 다른 사용자가 웹(web) 상에서 확인할 수 있도록 다른 사용자의 등록 시설물 정보 조회 요청(S70)시 해당 등록 시설물 정보를 사용자에게 제공한다. The data monitoring and management device 500 provides the registered facility information to the user at the time of requesting the registered facility information inquiry of another user (S70) so that the other user can confirm the web on the gait facilities registered by the user.

즉, 사용자가 등록한 보행 시설물에 대하여 다른 사용자가 모바일 보행 네비게이션 앱 및 웹(web) 상에서 확인할 수 있도록 보행 시설물 등록 정보를 공유하며 보행 경로탐색 시 해당 보행 시설물 등록 정보를 반영한 보행경로 탐색을 실시한다.That is, the gait information registered by the user is shared by other users so that they can be confirmed on the mobile gait navigation app and the web, and the gait path search is performed reflecting the gait facility registration information when the gait path is searched.

또한, 사용자가 등록한 선호 시설물에 대하여 모바일 보행 네비게이션 앱 상에서 확인할 수 있도록 선호 시설물 등록 정보를 공유(S71 내지 S77)하며 보행 경로탐색 시 해당 선호 시설물 등록 정보를 반영한 보행경로 탐색을 실시한다.In addition, preference facility registration information is shared (S71 to S77) so that the user can check the preferred facilities registered on the mobile walking navigation app, and a walking path search is performed reflecting the corresponding preference facility registration information when searching for a walking route.

선호 시설물 등록과정을 설명하면, 먼저, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 앱을 실행하고(S71), 모바일 보행 네비게이션 앱 실행시 사용자는 모바일 보행 네비게이션 지도에서 등록하고자 하는 선호 시설물 위치를 먼저 선택한 후 선호 시설물 등록을 실행한다(S72). First, the user (or a traffic abbreviation) executes a mobile walking navigation application installed in the data collecting device 100 (S71), and when the mobile walking navigation application is executed, the user registers the desired facilities in the mobile walking navigation map The preferred facility location to be selected is first selected and the preferred facility registration is executed (S72).

WAS 및 GW 서버(200)는 사용자가 시설물 중복 등록을 방지하기 위하여 선택한 시설물 위치 인근에 등록되어 있는 선호 시설물 정보를 조회(S73)해서 사용자에게 제공한다. The WAS and GW server 200 inquires the preference facility information registered in the vicinity of the facility location selected by the user in order to prevent facility duplication registration (S73) and provides the information to the user.

사용자는 보행 네비게이션 지도에서 선택한 시설물 위치 인근에 등록된 선호 시설물 정보를 확인하고 해당 선호 시설물이 없을 경우 데이터 수집 디바이스(100)에서 선호 시설물의 신규등록을 진행한다(S74). 상기 선호 시설물 정보는 예를 들어 선호 시설물 종류, 선호 시설물의 좌표 및/또는 선호 시설물 리스트를 포함할 수 있다.The user confirms the favorite facility information registered near the selected facility location on the walking navigation map, and proceeds to register the preferred facility in the data collection device 100 (S74) if there is no corresponding preferred facility. The preferred facility information may include, for example, the type of preferred facility, the coordinates of the preferred facility, and / or the list of preferred facilities.

사용자가 보행 네비게이션 지도에서 선택한 위치에 새로이 등록하고자 하는 선호 시설물 종류를 선택하고 시설물 등록 방법을 선택하여 선호 시설물 컨텐츠를 등록한다(S75). 선호 시설물 컨텐츠는 사진, 음성 또는 문자 중에서 적어도 하나를 선택할 수 있다. The user selects a desired facility type to be newly registered at the location selected in the walking navigation map, and registers the preferred facility contents by selecting the facility registration method (S75). The preferred facility contents can select at least one of photograph, voice or text.

등록하고자하는 선호 시설물의 좌표, 선호 시설물 컨텐츠를 WAS 및 GW 서버(200) 또는 WAS 서버에 저장한다(S76). The coordinates of the preferred facilities to be registered, and the contents of the preferred facilities are stored in the WAS and GW server 200 or the WAS server (S76).

데이터 수집 디바이스(100)에서는 사용자가 등록한 선호 시설물에 대하여 다른 사용자 또는 본인이 모바일 보행 네비게이션 앱에서 확인할 수 있도록 다른 사용자 또는 본인의 등록 시설물 정보 조회 요청(S77)시 해당 등록된 선호 시설물 정보를 제공한다. The data collection device 100 provides the registered preferred facility information at the time of the request to view the registered facility information of another user or the user (S77) so that another user or the user can confirm the preferred facility registered by the user in the mobile walking navigation app .

즉, 사용자가 등록한 선호 시설물에 대하여 다른 사용자 또는 본인이 모바일 보행 네비게이션 앱 및 웹(web) 상에서 확인할 수 있도록 선호 시설물 등록 정보를 공유하며 보행 경로탐색 시 해당 선호 시설물 등록 정보를 반영한 보행경로 탐색을 실시한다.In other words, the preferred facility registered by the user is shared with other users or the user so that the user can confirm the preferred facility registration information on the mobile gait navigation application and web, and the gait path search is performed reflecting the preferred facility registration information when searching for the gait path do.

도 3e는 본 발명의 다른 실시 예에 따른 모바일 센서 데이터 기반 이동 경험 조사 방법 중 시설물 상태 정보 변경 과정을 설명하기 위한 순서도이다. FIG. 3E is a flow chart for explaining a process of changing the facility status information in the mobile sensor data-based moving experience examination method according to another embodiment of the present invention.

도 3e를 참조하면, 사용자(또는 교통 약자)는 데이터 수집 디바이스(100)에 설치된 모바일 보행 네비게이션 앱을 실행한다(S80).Referring to FIG. 3E, the user (or a traffic abbreviation) executes a mobile walking navigation application installed in the data acquisition device 100 (S80).

사용자가 보행 네비게이션 앱의 지도 위 아이콘에서 시설물 사용가능 유무를 등록하고자 하는 대상 시설물을 선택한다(S81).The user selects a target facility to register the availability of the facility from the icon on the map of the walking navigation app (S81).

WAS 및 GW 서버(200)에서는 사용자가 선택한 시설물에 대한 등록정보-예를 들어 사진, 음성 또는 문자-를 조회 한다(S82).In step S82, the WAS and GW server 200 inquires registration information (e.g., photograph, voice, or text) for the facility selected by the user.

데이터 수집 디바이스(100)에서는 WAS 및 GW 서버(200)로부터 사용자가 선택한 시설물에 대해 등록된 세부 정보를 제공받아 사용자가 확인할 수 있도록 출력한다(S83).The data collection device 100 receives detailed information about the facilities selected by the user from the WAS and GW server 200, and outputs the detailed information so that the user can check it (S83).

사용자는 시설물 사용가능 유무의 상태 값을 변경한다(S84). 상기 상태 값은 이용 가능 또는 이용 불가능을 나타낸다. The user changes the state value of whether the facility is available or not (S84). The status value indicates whether it is available or not available.

사용자는 시설물 이용불가 이유- 예를 들어 접근 불가 또는 시설물 사용 불가등-를 등록한다(S85). 상기 시설물 이용불가 이유로서 접근 불가의 경우 보행 보조 기구 유형별로 접근이 불가한 접근 경로임을 나타내며, 시설물 사용 불가의 경우 보행 보조 기구 유형과 무관하게 시설물 사용이 불가능함으로 나타낸다.The user registers the reason why the facility can not be used (for example, the inaccessibility or the facility can not be used) (S85). If it is not possible to use the facility, it means that it is an access route that can not be accessed by the type of the walking aids. If it is not possible to use the facilities, it means that it is impossible to use the facilities irrespective of the type of the walking aids.

WAS 및 GW 서버(200)에서는 사용자가 등록한 시설물 사용가능 유무에 대한 시설물 상태 변경 정보를 데이터베이스에 저장한다(S86). The WAS and GW server 200 stores the facility status change information on the availability of facilities registered by the user in the database (S86).

WAS 및 GW 서버(200)에서는 사용자가 시설물 상태 변경을 등록한 시설물의 종류가 보행시설물인지 또는 선호시설물인지를 판단하여 상기 시설물 상태가 변경된 시설물이 보행 시설물인 경우에는 RP 엔진 경로에 반영(S89)되도록 하고, 경로탐색 시 사용불가 정보 반영한 경로안내가 될 수 있도록 시설물 상태 변경 정보를 활용한다.In the WAS and GW server 200, it is determined whether the type of facilities registered by the user for changing the facility status is a walking facility or a preferred facility, and if the facility having the changed facility status is a walking facility, And uses the facility status change information so as to be a route guidance reflecting unusable information when searching for a route.

WAS 및 GW 서버(200)에서는 상기 시설물 상태가 이용 불가로 변경된 시설물이 선호 시설물인 경우에는 해당 선호 시설물은 이용불가로 등록한다. In the WAS and GW server 200, if the facility in which the state of the facility is changed to be unavailable is the preferred facility, the preferred facility is registered as unavailable.

WAS 및 GW 서버(200)에서는 상기 이용 불가로 상태가 변경된 시설물이 선호 시설물인 경우에는 이용불가 이유(접근 불가 또는 시설물 사용불가)에 따라 교통약자 유형별로 선호 시설물 노출 대상을 분류한다(S88). 예를 들어, 접근 불가인 경우 휠체어, 전동휠체어 등 보행보조기구 중 바퀴가 장착된 그룹에 시설물 사용 불가 상태값으로 표출한다. The WAS and GW server 200 classify the preference facility exposure object according to the type of traffic weakness according to the reason that the facility whose status is changed to the unavailable state is the preference facility (inaccessibility or facility is not available) (S88). For example, in case of inaccessibility, the wheelchair, the electric wheelchair, and other walking aids are displayed in the group of the wheels equipped with the disabled status of the facility.

데이터 수집 디바이스(100) 및 데이터 모니터링 및 관리 디바이스(500)는 상기 등록된 시설물 상태 정보를 사용자 또는 관리자가 자동으로 조회할 수 있도록 표시한다(S90, S91). 이상 모바일 센서 데이터 기반 교통 약자 맞춤형 보행 정보 조사 방법을 설명하였다. The data collection device 100 and the data monitoring and management device 500 display the registered facility status information so that the user or the manager can automatically inquire the registered facilities status information (S90, S91). The mobile sensor data-based traffic abbreviation personalized walking information investigation method is described above.

이하에서는 이동 경험 및 시설물 조사 어플리케이션의 사용자 인터페이스(UI)의 예를 설명한다.An example of a user interface (UI) of the mobile experience and facility survey application will be described below.

이동 경험 및 시설물 조사 Moving experience and facilities survey 어플리케이션application UI의 예 Example UI

도 4a 내지 도 4e는 본 발명의 일 실시 예에 따른 데이터 수집 디바이스(100)에 설치되어 실행되는 모바일 센서 기반 교통 약자 맞춤형 이동 경험 어플리케이션(이하 이동 경험 앱이라고 함)의 주요 화면이다. 이동 경험 앱의 처음 사용시에는 이용자 핸드폰 번호, 위치 정보 및 기반 서비스 이용약관 및 개인정보 수집 및 이용 동의에 관한 화면으로 시작될 수 있다. FIGS. 4A to 4E are main screens of a mobile sensor-based traffic simulator customized mobile experience application (hereinafter referred to as a mobile experience application) installed and executed in the data acquisition device 100 according to an embodiment of the present invention. When using the mobile experience app for the first time, it may start with a screen about the user's cell phone number, location information, base service usage terms, and personal information collection and usage agreement.

도 4a을 참조하면, 사용자는 교통약자 유형, 성별을 선택한다. 그런 다음 생년을 직접 또는 스크롤 후 선택하여 입력한다. 마지막으로 보행 보조기구를 선택한다. 교통약자 유형, 성별 및 생년은 변경되지 않는 사항이므로 처음에만 입력하는 것으로 할 수 있다. Referring to FIG. 4A, the user selects the type of transportation abbreviation and sex. Then select the birth year directly or by scrolling and selecting it. Finally, select a walking aids. The types of transportation weakness, gender, and birth year do not change, so they can be entered only for the first time.

도 4b를 참조하면, 사용자는 보행 목적을 선택한다. 보행 목적은 예를 들어, 출근, 귀가, 운동, 쇼핑, 친목, 취미, 복지관, 경로관 등을 포함할 수 있다. 도 4c를 참조하면, 사용자는 보행 시작 버튼을 누르고 보행을 시작한다. 도 4d를 참조하면, 사용자가 이동하는 경로가 실시간으로 지도상에 표시된다. 도 4e를 참조하면, 사용자는 보행 기록을 선택함으로써 시간, 거리 등의 현재 보행 기록을 조회할 수 있다. Referring to FIG. 4B, the user selects a walking purpose. Walking purposes may include, for example, going to work, home, exercise, shopping, socializing, hobbies, welfare centers, pathways, and the like. Referring to FIG. 4C, the user presses the walking start button and starts walking. Referring to FIG. 4D, the route on which the user moves is displayed on the map in real time. Referring to FIG. 4E, the user can inquire the current walking history such as time and distance by selecting the walking history.

도 5a 내지 도 5c는 본 발명의 일 실시 예에 따른 모바일 센서 데이터 기반 교통 약자 맞춤형 시설물 조사 어플리케이션(이하 시설물 조사 앱이라고 함)의 시설물 정보 입력 화면이다. 5A to 5C are facility information input screens of a mobile sensor data-based traffic anonymity facility survey application (hereinafter referred to as a facility survey application) according to an embodiment of the present invention.

도 5a를 참조하면, 사용자가 현재 위치를 확인하고 입력 버튼을 클릭하면 시설물 종류를 나열한 팝업 화면이 도 5b와 같이 뜬다. 상기 팝업 화면에서 입력하고자 하는 시설물의 종류를 선택하고 선택 버튼을 클릭하면 사진 촬영 및 상세 정보를 입력할 수 있는 화면(도시되지 않음)이 생성된다. 상세 정보는 수동으로 입력할 수 있고 일부 정보(길이, 높이, 경사 등)는 촬영된 사진으로부터 분석되어 자동으로 입력될 수도 있다. 사진 촬영 및 상세 정보 입력이 완료되면 도 5c에서와 같이 시설과 위치가 맞게 입력되어 있는지를 확인한 후 전송 버튼을 클릭하여 시설물 조사 데이터를 전송한다. Referring to FIG. 5A, when the user confirms the current location and clicks an input button, a pop-up screen listing the types of facilities is displayed as shown in FIG. 5B. If a type of facility to be input is selected on the pop-up screen and a selection button is clicked, a screen (not shown) for photographing and inputting detailed information is generated. Detailed information can be entered manually, and some information (length, height, slope, etc.) can be analyzed and automatically input from the photographed picture. When the photographing and the detailed information input are completed, it is confirmed whether or not the facility and the location are inputted as shown in FIG. 5C, and then the facility survey data is transmitted by clicking the transmission button.

본 발명의 다수의 실시 예들이 기술되었다. 그럼에도 불구하고, 전술한 설명은 예시를 위한 것이며 다음의 청구항들의 범위에 의해 정의되는 본 발명의 범위를 한정하는 것이 아닌 것으로 이해되어야 한다. 따라서 다른 실시 예들이 또한 다음 청구항들의 범위 내에 있다. 예를 들어, 다양한 변형이 본 발명의 범위를 벗어남 없이 만들어질 수 있다. 부가적으로, 전술된 단계들의 일부는 순서 독립적이므로 기술된 것과 다른 순서로 수행될 수 있다.A number of embodiments of the invention have been described. Nevertheless, it should be understood that the foregoing description is intended to be illustrative and not restrictive of the scope of the invention, which is defined by the scope of the following claims. Accordingly, other embodiments are also within the scope of the following claims. For example, various modifications may be made without departing from the scope of the present invention. Additionally, some of the steps described above may be performed in a different order than described, since they are order independent.

100: 데이터 수집 디바이스
200: WAS(Web Application Service) 및 GW 서버
300: GIS 및 RP(Route Planning) 서버
400: 데이터 마이닝 및 연산 서버
500: 데이터 모니터링 및 관리 디바이스(PC)100: Data collection device
200: Web Application Service (WAS) and GW Server
300: GIS and Route Planning (RP) server
400: Data Mining and Operations Server
500: Data monitoring and management device (PC)

Claims

In the mobile sensor data-based traffic abbreviated customized travel experience survey system, the traffic accident customized travel experience survey system
A traffic abbreviation type to which the pedestrian belongs based on GPS (Global Positioning System) data according to the pedestrian's walking path collected from the mobile data collecting device and a type of assistant for walking used by the pedestrian, The walking experience data and the facility survey data are classified according to at least one of an electric wheelchair, a stroller, a walking stick, a walker, a manual wheelchair, and no auxiliary equipment, A data processing unit for generating data; And
And a data mining unit that performs data mining based on the corrected gait data and facility survey data to generate a model for determining the type of gait facilities on the gait path.

2. The apparatus of claim 1, wherein the data processing unit
From the walking experience data and the facility survey data collected from the mobile data collection device, the walking experience data and the data type of the facility survey data according to at least one of the traffic abbreviation type to which the pedestrian belongs and the type of auxiliary equipment for walking used by the pedestrian The mobile sensor data-based traffic abbreviated mobile experience research system.

2. The apparatus of claim 1, wherein the data processing unit
Wherein the mobile experience data and the facility survey data are generated by performing map matching calculation and filtering on the basis of the walking experience data and the facility survey data classified by the type, system.

4. The apparatus of claim 3, wherein the data processing unit
Classifying the traffic abbreviated type according to the auxiliary device type to classify the evaluation data and the GPS data into a primary classification of the gait path, and to map the GPS data to a point-to-curve map And a spatial data matching is performed using a matching algorithm.

The apparatus of claim 1, wherein the data mining unit
A judgment / classification model is generated using part of the facility survey data as training data, the remaining part of the facility survey data is applied to the judgment / classification model as test data, scored, and compared with actual facility type data And the type of the facility, i.e., the type of the gait facilities, includes at least one of a staircase, an elevator, a pavement, a pedestrian, and an underpass, by applying the generated judgment / classification model to the gait experience data Mobile sensor data based traffic weakness customized mobile experience survey system.

The data mining system according to claim 1, wherein the data mining unit performs a cluster analysis using at least one of an elevation of a walking road and an inclination of a walking road to calculate a cluster ID (ID) Is an identifier that classifies the walking road into a predetermined group according to at least one of an elevation of the walking road and an inclination of the walking road.

7. The mobile terminal according to claim 6, wherein the cluster identifier includes a first group having a high elevation but a high inclination, a second group having a high elevation and a high inclination, and a third group having a low inclination, Sensor data based traffic abbreviated customized travel experience survey system.

7. The system of claim 6, wherein the data mining unit stores the walking link data for each of the cluster identifiers.

A mobile sensor data-based traffic weak-customized travel experience survey method performed in a travel experience survey system, the method comprising:
A type of traffic abbreviation to which the pedestrian belongs based on GPS (Global Positioning System) data and sensor data collected from the mobile data collecting device according to the pedestrian's walking path, and a type of assistant for walking used by the pedestrian, The walking experience data and the facility survey data are classified according to at least one of an electric wheelchair, a stroller, a walking stick, a walker, a manual wheelchair, and no auxiliary equipment, Generating data; And
And performing data mining based on the corrected gait data and facility survey data to determine the type of gait facilities on the gait path.

The method according to claim 9, wherein the step of classifying the walk experience data and the facility survey data by type
And sorting the walking experience data and the data type of the facility survey data according to at least one of the traffic abbreviated type to which the pedestrian belongs and the type of auxiliary equipment for walking used by the pedestrian from the collected walking experience data and facility survey data Based on the mobile sensor data base.

10. The method according to claim 9, wherein the step of generating the corrected walking experience data and the facility survey data comprises:
The mobile sensor data-based traffic simulator personalized gait experience information is generated by performing map matching calculation and filtering on the basis of the walking experience data and the facility survey data classified by the type, Survey method.

12. The method of claim 11, wherein the step of classifying the walking experience data and the facility survey data by type and generating the walking experience data and the facility survey data,
Classifying the traffic abbreviated type according to the auxiliary device type to classify the evaluation data and the GPS data into a primary classification of the gait path, and to map the GPS data to a point-to-curve map And performing a spatial data matching using the matching algorithm.

10. The method of claim 9, wherein determining the type of gait on the gait path
A judgment / classification model is generated using part of the facility survey data as training data, the remaining part of the facility survey data is applied to the judgment / classification model as test data, scored, and compared with actual facility type data And estimating a type of the facility, the type of the gait facilities including at least one of a staircase, an elevator, a pavement, a pedestrian, and a pedestrian by applying the generated determination / classification model to the gait experience data, Wherein the mobile sensor data based traffic ambiguity customized gait experience information search method comprises the steps of:

10. The method of claim 9,
(ID) based on the link identifiers (ID) of the walking link on the gait path, and the cluster identifiers are assigned to the elevation of the walking road and the walking road Wherein the step of assigning the mobile sensor data based on the mobile sensor data to the mobile terminal comprises the steps of:

15. The mobile terminal according to claim 14, wherein the cluster identifier includes a first group having a high degree of elevation but a high degree of inclination, a second group having a high elevation and a high degree of inclination, and a third group having a low degree of inclination Sensor data based traffic abbreviation Personalized walking experience information survey method.

15. The method of claim 14,
Further comprising the step of storing the walking link data for each of the cluster identifiers.