KR20190077682A - 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법 - Google Patents

공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법 Download PDF

Info

Publication number
KR20190077682A
KR20190077682A KR1020170179060A KR20170179060A KR20190077682A KR 20190077682 A KR20190077682 A KR 20190077682A KR 1020170179060 A KR1020170179060 A KR 1020170179060A KR 20170179060 A KR20170179060 A KR 20170179060A KR 20190077682 A KR20190077682 A KR 20190077682A
Authority
KR
South Korea
Prior art keywords
data
safety
analysis
sns
city
Prior art date
Application number
KR1020170179060A
Other languages
English (en)
Inventor
김창수
Original Assignee
부경대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부경대학교 산학협력단 filed Critical 부경대학교 산학협력단
Priority to KR1020170179060A priority Critical patent/KR20190077682A/ko
Publication of KR20190077682A publication Critical patent/KR20190077682A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 기계학습 알고리즘 기반의 안전지수 모델을 생성하여 사용자 위치 및 관심위치에 따라 안전 분야별 안전등급을 표출하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법에 관한 것으로, 설정된 안전 분야 항목의 안전 데이터를 수집하는 데이터 수집부;데이터 수집부에서 수집된 데이터를 필터링 및 가공하는 데이터 가공 및 필터링부;데이터 가공 및 필터링부에서 데이터 필터링 및 가공 단계를 거친 빅데이터를 저장하는 빅데이터 저장부;데이터별로 통계 및 연관성 분석을 거쳐서 기계학습 알고리즘으로 데이터 분류 작업과 SNS 데이터 분석 작업을 수행한 후 재난 안전 분야별로 도시안전 분석 모델을 생성하는 데이터 분석부;데이터 분석부에서 생성된 도시안전 분석 모델을 기반으로 웹 및 모바일 어플리케이션을 통하여 관심 위치에 따라 재난분류별로 등급을 지도 위에 표출하는 분석 서비스 제공부;를 포함하는 것이다.

Description

공공 빅 데이터와 ＳＮＳ 데이터를 이용한 도시안전지수 분석 시스템 및 방법{System and Method for Analysing Urban Safety Index using Public Big Data and ＳＮＳ Data}
본 발명은 도시안전 관리에 관한 것으로, 구체적으로 기계학습 알고리즘 기반의 도시안전 분석 모델을 생성하여 사용자 위치 및 관심위치에 따라 안전 분야별 안전등급을 표출하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법에 관한 것이다.
지진, 홍수, 해일과 같은 갑작스런 자연 재해뿐 만 아니라 화재, 교통사고와 같은 인공적인 재해는 많은 인명사고와 재산적인 피해를 발생시키고 있다.
이러한 재해의 유형과 위치는 매년 변경되기 때문에 재난 피해의 발생 빈도와 크기를 예측하기 어려운 실정이다.
한국에서는 안전진단시스템을 개발하여 도시의 취약 요소를 정의하고 재해와 사고를 예방하기 위한 지역적인 역량을 증가시키기 위해 지역안전지수(Regional Saftety Index :RSI)를 개발하였다.
국가 수준에서 각 시도, 구군별로 화재, 교통, 자연재해, 범죄, 안전사고, 자살, 감염병 등 7개 분야별로 5개의 등급으로 분류하여 제공하고 있다. 이러한 시스템은 지역별로 당면한 문제를 해결하기 우선 고려해야 할 안전계획을 수립하는 데 이용하고 있다.
국민안전처는 2015년 11월에 재난 및 안전관리 기본법에 근거하여 전국 시도, 시군구의 7개 분야에서 지역안전지수(Regional Safety Index : RSI)를 개발 및 공표하였다.
(지자체별 안전지수 등급 : http://www.safemap.go.kr/main/safeValue.do).
개발된 지역안전지수는 교통, 화재, 안전사고, 자살, 감염병, 범죄, 자연재해 등 7개 분야 별로 2010년에서 2014년까지 5년간 데이터를 수집하여 분석하였다.
이러한 분석결과는 지자체가 안전 환경을 효율적으로 지원하기 위한 기초자료로 활용하고 있다.
안전지수는 "100-위험도"로 계산하고 "위험도 = 위해지표 + 취약지표 - 경감지표"로 구성되어 있다.
위해 지표는 사망자와 발생건수와 관련 있는 지표를 선정하였고 화재, 교통, 교통, 자살, 감염병의 경우 치사율, 범죄 경우 5번째까지의 강력 범죄의 수, 안전사고의 경우는 발생수, 자살의 경우 자살수가 포함되고 있다.
취약지표는 각 분야별로 교통회사수, 병원수, 인구밀도, 노인인구수, 고용자수 등이 포함되며, 경감지표는 교통의 경우 의료기관수, 도시면적, 인구밀도 등이 포함된다.
이러한 통계자료를 바탕으로 전국 지자체 분야별 등급이 추출되어 도시 특성과 성격을 고려한 정책 계획에 활용하게 된다.
그러나 이러한 안전 지수는 도시와 지방의 특성을 반영하지 않고, 구군 단위의 넓은 영역 단위로 등급을 표출하고 있고, 년 단위로 갱신되는 등의 한계점을 가진다.
이와 같이 현재 제공되고 있는 지역안전지수는 넓은 범위이고 실시간의 데이터를 사용하지 않아서 일반 사용자들이 사용하기에는 부적합한 한계점을 가지고 있다.
특히, 종래 기술의 하나로 빅데이터를 이용한 범죄 위험도 추산 방법 및 이를 이용한 범죄 위험도 알림 시스템(대한민국 공개특허 제10-2016-0104221호)의 경우에는 데이터 수집 단계에서의 신뢰성에 문제가 있고, 제공되는 안전 관련 분야가 범죄 분야로 한정되어 있어 유용성 측면에서 한계가 있다.
따라서, 사용자 위치 및 관심위치에 따라 안전 분야별 안전등급을 표출하는 새로운 기술의 개발이 요구되고 있다.
대한민국 공개특허 제10-2016-0104221호 대한민국 등록특허 제10-1768953호 대한민국 공개특허 제10-2013-0113251호
본 발명은 이와 같은 종래 기술의 안전 관리 기술의 문제를 해결하기 위한 것으로, 기계학습 알고리즘 기반의 도시안전 분석 모델을 생성하여 사용자 위치 및 관심위치에 따라 안전 분야별 안전등급을 표출하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 빅데이터 기반에서 발생건수, 날씨, 미세먼지를 포함하는 공공 빅 데이터와 SNS 데이터를 사용하여 기계학습 알고리즘을 적용하여 연관성이 높은 변수를 추출한 후 도시안전 분석 모델을 생성하여 실시간 안전지수를 제공하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 도시안전 분석 모델을 개발하고 웹/모바일 어플리케이션을 구축하여 사용자들의 관심 지역에 대해 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 등 안전분야별로 실시간의 안전지수를 제공할 수 있도록 한 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 안전 분야별 발생건수, 기상, 미세먼지 데이터를 사용하여 기계학습 알고리즘 기반으로 등급을 예측하는 도시안전 분석 모델을 구축하고, SNS 데이터를 이용하여 실시간으로 현재 정보를 제공하고 등급을 조정할 수 있도록 한 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 국가에서 제공하는 RSI를 기본적으로 종속변수로 하고 공공에서 제공하고 있는 빅 데이터를 사용하여 도시안전 분석 모델을 구축하여 활용하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템은 설정된 안전 분야 항목의 안전 데이터를 수집하는 데이터 수집부;데이터 수집부에서 수집된 데이터를 필터링 및 가공하는 데이터 가공 및 필터링부;데이터 가공 및 필터링부에서 데이터 필터링 및 가공 단계를 거친 빅데이터를 저장하는 빅데이터 저장부;데이터별로 통계 및 연관성 분석을 거쳐서 기계학습 알고리즘으로 데이터 분류 작업과 SNS 데이터 분석 작업을 수행한 후 재난 안전 분야별로 도시안전 분석 모델을 생성하는 데이터 분석부;데이터 분석부에서 생성된 도시안전 분석 모델을 기반으로 웹 및 모바일 어플리케이션을 통하여 관심 위치에 따라 재난분류별로 등급을 지도 위에 표출하는 분석 서비스 제공부;를 포함하는 것을 특징으로 한다.
여기서, 설정되는 안전 분야 항목은, 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 항목의 어느 하나를 포함하는 것을 특징으로 한다.
그리고 데이터 수집부는, 안전 분야별로 발생 건수와 기상, 미세먼지 관련 안전 데이터를 수집하는 안전 데이터 수집부와,안전 분야 관련 SNS 데이터를 수집하는 SNS 데이터 수집부와,국가에서 제공하는 RSI를 입력하는 RSI 반영부를 포함하는 것을 특징으로 한다.
그리고 데이터 분석부는 안전분야별 기계학습 알고리즘 기반 도시안전 분석 모델을 구축하기 위하여, 데이터 수집부에서 데이터 입력이 이루어지면 통계 처리 및 연관성 탐색을 위한 처리를 하는 통계 및 연관성 탐색부와,SNS 데이터 분석 작업을 수행하는 SNS 데이터 분석부와,기계학습 알고리즘으로 데이터 분류 작업을 수행하는 데이터 분류 및 군집화부와,데이터 분석 및 분류 작업 결과를 이용하여 재난 안전 분야별로 도시안전 분석 모델을 생성하고 평가하는 통합 모델 생성 및 평가부를 포함하는 것을 특징으로 한다.
그리고 데이터 분석부는, 설정되는 안전 분야의 발생건수, 기상과 미세먼지와의 관련성 있는 속성을 추출하기 위해 로지스틱회귀, 다항로지스틱 회귀분석, 의사결정트리, 서포트벡트머신, 신경망의 기계학습 알고리즘들 중에서 선택되는 알고리즘을 사용하여 도시안전 분석 모델을 생성하는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법은 설정된 안전 분야 항목의 안전 데이터를 수집하는 데이터 수집 단계;데이터 수집 단계에서 수집된 데이터를 필터링 및 가공하는 데이터 가공 및 필터링 단계;데이터 필터링 및 가공 단계를 거친 빅데이터를 저장하는 빅데이터 저장 단계;데이터별로 통계 및 연관성 분석을 거쳐서 기계학습 알고리즘으로 데이터 분류 작업과 SNS 데이터 분석 작업을 수행한 후 재난 안전 분야별로 도시안전 분석 모델을 생성하는 데이터 분석 단계;데이터 분석 단계에서 생성된 도시안전 분석 모델을 기반으로 웹 및 모바일 어플리케이션을 통하여 관심 위치에 따라 재난분류별로 등급을 지도 위에 표출하는 분석 서비스 제공 단계;를 포함하는 것을 특징으로 한다.
여기서, 설정되는 안전 분야 항목은, 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 항목의 어느 하나를 포함하는 것을 특징으로 한다.
그리고 데이터 수집 단계는, 안전 분야별로 발생 건수와 기상, 미세먼지 관련 안전 데이터를 수집하는 안전 데이터 수집 단계와,안전 분야 관련 SNS 데이터를 수집하는 SNS 데이터 수집 단계와,국가에서 제공하는 RSI를 입력하는 RSI 반영 단계를 포함하는 것을 특징으로 한다.
그리고 데이터 분석 단계는 안전분야별 기계학습 알고리즘 기반 도시안전 분석 모델을 구축하기 위하여, 데이터 수집 단계에서 데이터 입력이 이루어지면 통계 처리 및 연관성 탐색을 위한 처리를 하는 통계 및 연관성 탐색 단계와,SNS 데이터 분석 작업을 수행하는 SNS 데이터 분석 단계와,기계학습 알고리즘으로 데이터 분류 작업을 수행하는 데이터 분류 및 군집화 단계와,데이터 분석 및 분류 작업 결과를 이용하여 재난 안전 분야별로 도시안전 분석 모델을 생성하고 평가하는 통합 모델 생성 및 평가 단계를 포함하는 것을 특징으로 한다.
그리고 데이터 분석 단계는, 설정되는 안전 분야의 발생건수, 기상과 미세먼지와의 관련성 있는 속성을 추출하기 위해 로지스틱회귀, 다항로지스틱 회귀분석, 의사결정트리, 서포트벡트머신, 신경망의 기계학습 알고리즘들 중에서 선택되는 알고리즘을 사용하여 도시안전 분석 모델을 생성하는 것을 특징으로 한다.
그리고 데이터 수집 단계는 행정기관별, 일자별로 기상과 미세먼지 정보를 수집하기 위하여, 위도,경도 기반 근접 기상 관측지 검색을 하여 년도별 구별 발생 건수를 수집하고, 측점별 기상자료, 기상관측지점 정보, 측점별 미세먼지 자료, 대기오염 관측지점 정보를 수집하여 기상정보,미세먼지 정보를 포함하는 년도별 구별 발생건수 데이터를 생성 및 집계하는 단계와, 행정기관 코드를 활용하여 위도,경도 기반 근접 동 코드 검색을 하여 위치별 동별 발생 건수를 수집하고, 위도,경도 기반 근접 기상관측지 검색 및 위도,경도 기반 근접 대기 관측지 검색을 하여 측점별 기상자료, 기상관측지점 정보, 측점별 미세먼지 자료, 대기오염 관측지점 정보를 수집하여 기상정보,미세먼지 정보를 포함하는 위치별 동별 발생건수 데이터를 생성 및 집계하는 단계를 수행하는 것을 특징으로 한다.
그리고 데이터 수집 단계는 SNS 자료 수집하기 위하여, 트위터 데이터를 수집하는, 실제 데이터를 수집해서 필터링하는 트위터 크롤러 단계와,재해 종류와 등급을 분류하는 자연어 분석 단계와,데이터를 저장하고 웹과 클라이언트로 전송하는 어플리케이션 단계를 수행하는 것을 특징으로 한다.
그리고 데이터 분석 단계는 도시안전 분석모델 생성을 위하여, 수집한 데이터를 사용하여 독립변수를 추출하고 해당 안전분야별 종속변수 값을 할당하는 단계와,독립변수는 각 독립변수와 종속변수간의 상관성이 높은 변수로 선정하는 단계와,종속변수로는 국가 지역안전지수와 일자별 발생되는 데이터 건수에 대한 발생유무에 대한 데이터를 종속변수로 지정하는 단계를 포함하는 것을 특징으로 한다.
그리고 데이터 분석 단계는 도시안전 분석모델의 결과 값에 따른 신뢰도가 설정한 임계치를 만족하지 않을 경우 알고리즘 관련 파라메터 변경 및 변수 선정을 위해 피드백을 수행하고, 임계치를 만족할 경우 최종 모델을 결정하여 테스트 데이터를 사용하여 최종 등급을 계산하는 것을 특징으로 한다.
그리고 데이터 분석 단계는 SNS의 트위터 데이터 스트림을 수집하여 키워드 분석을 수행하여 재난 유형별로 형태, 위치, 상황을 식별하여 각 상황에 대한 가중치를 정하는 것을 특징으로 한다.
그리고 분석 서비스 제공 단계에서 웹 및 모바일 어플리케이션을 통하여 제공되는 화면은, 테마분류 선택, 관심 안전분야 등록, 관심위치 등록에 관한 개인 관심정보를 등록할 수 있는 메뉴를 제공하고, 지도기반 검색화면으로 지도 위에서 RSI 정보와 도시안전 분석 모델을 선택하여 등급을 확인할 수 있는 화면을 포함하는 것을 특징으로 한다.
그리고 분석 서비스 제공 단계에서 웹 및 모바일 어플리케이션을 통하여 제공되는 화면은, 국가안전지수 검색화면, 국가안전지수 검색 결과 표시 화면, 사용자가 관심위치를 등록하기 위해 사용하는 지도기반의 키워드 검색 결과 표시 화면, 실시간 날씨 정보를 결과를 제공하는 화면을 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법은 다음과 같은 효과를 갖는다.
첫째, 기계학습 알고리즘 기반의 도시안전 분석 모델을 생성하여 사용자 위치 및 관심위치에 따라 안전 분야별 안전등급을 표출하여 사용자의 효율적인 안전 관리가 가능하다.
둘째, 빅데이터 기반에서 발생건수, 날씨, 미세먼지를 포함하는 공공 빅 데이터와 SNS 데이터를 사용하여 기계학습 알고리즘을 적용하여 연관성이 높은 변수를 추출한 후 도시안전 분석 모델을 생성하여 실시간 안전지수를 제공할 수 있다.
셋째, 도시안전 분석 모델을 개발하고 웹/모바일 어플리케이션을 구축하여 사용자들의 관심 지역에 대해 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 등 안전분야의 신뢰성 높은 실시간의 안전지수를 제공할 수 있다.
넷째, 안전 분야별 발생건수, 기상, 미세먼지 데이터를 사용하여 기계학습 알고리즘 기반으로 등급을 예측하는 도시안전 분석 모델을 구축하고, SNS 데이터를 이용하여 실시간으로 현재 정보를 제공하고 등급을 조정할 수 있도록 하여 정보의 신뢰성을 높일 수 있다.
다섯째, 국가에서 제공하는 RSI를 기본적으로 종속변수로 하고 공공에서 제공하고 있는 빅 데이터를 사용하여 도시안전 분석 모델을 구축하는 것에 의해 정보의 신뢰성을 높일 수 있다.
도 1은 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템의 구성도
도 2는 도시안전지수 분석 시스템의 데이터 분석부의 상세 구성도
도 3은 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법을 나타낸 플로우 차트
도 4는 안전 데이터 수집 과정을 나타낸 구성도
도 5는 SNS 자료 수집 과정을 나타낸 구성도
도 6은 도시안전 분석 모델 구성도
도 7a 내지 도 7d는 모바일 어플리케이션 설정 화면 구성도
도 8a 내지 도 8e는 모바일 어플리케이션 분석 화면 구성도
도 9a와 도 9b는 모바일 어플리케이션 검색 화면 구성도
이하, 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.
도 1은 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템의 구성도이고, 도 2는 도시안전지수 분석 시스템의 데이터 분석부의 상세 구성도이다.
본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법은 기계학습 알고리즘 기반의 도시안전 분석 모델을 생성하여 사용자 위치 및 관심위치에 따라 안전 분야별 안전등급을 표출할 수 있도록 한 것이다.
이하의 설명에서 본 발명이 적용되는 안전 분야를 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 등의 분야로 설명하였으나, 이로 한정되지 않고 다른 안전 분야 항목이 추가되거나 또는 더 세분화된 안전 분야 항목을 포함할 수 있음은 당연하다.
이와 같은 본 발명은 빅데이터 기반에서 발생건수, 날씨, 미세먼지를 포함하는 공공 빅 데이터와 SNS 데이터를 사용하여 기계학습 알고리즘을 적용하여 연관성이 높은 변수를 추출한 후 도시안전 분석 모델을 생성하여 실시간 안전지수를 제공하는 구성을 포함할 수 있다.
본 발명은 도시안전 분석 모델을 개발하고 웹/모바일 어플리케이션을 구축하여 사용자들의 관심 지역에 대해 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 등 안전분야의 실시간의 안전지수를 제공하는 구성을 포함할 수 있다.
본 발명은 안전 분야별 발생건수, 기상, 미세먼지 데이터를 사용하여 기계학습 알고리즘 기반으로 등급을 예측하는 도시안전 분석 모델을 구축하고, SNS 데이터를 이용하여 실시간으로 현재 정보를 제공하고 등급을 조정하는 구성을 포함할 수 있다.
본 발명은 국가에서 제공하는 RSI를 기본적으로 종속변수로 하고 공공에서 제공하고 있는 빅 데이터를 사용하여 도시안전 분석 모델을 구축하는 구성을 포함할 수 있다.
본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템은 도 1에서와 같이, 안전 분야별로 발생 건수와 기상, 미세먼지, 관련 안전 데이터를 수집하는 안전 데이터 수집부(10)와, 안전 분야 관련 SNS 데이터를 수집하는 SNS 데이터 수집부(20)와, 국가에서 제공하는 RSI를 입력하는 RSI 반영부(30)와, 안전 분야별로 발생 건수와 기상, 미세먼지, 관련 데이터 및 SNS 데이터를 수집한 후 데이터 필터 및 가공 단계를 수행하는 데이터 가공 및 필터링부(40)와, 데이터 필터 및 가공 단계를 거친 빅데이터를 저장하는 빅데이터 저장부(50)와, 데이터별로 통계 및 연관성 분석을 거쳐서 기계학습 알고리즘으로 데이터 분류 작업과 SNS 데이터 분석 작업을 수행한 후 재난 안전 분야별로 도시안전 분석 모델을 생성하는 데이터 분석부(60)와, 데이터 분석부(60)에서 생성된 도시안전 분석 모델을 기반으로 웹/모바일 어플리케이션을 통하여 관심 위치에 따라 재난분류별로 등급을 지도 위에 표출하는 분석 서비스 제공부(70)를 포함한다.
이와 같은 구성을 갖는 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템은 데이터 분석부(60)에서 영향력이 없는 속성은 제거되고 관련 데이터로 새로운 속성으로 변환하게 되고, 이와 같은 과정으로 생성된 도시안전 분석 모델을 기반으로 웹/모바일 어플리케이션을 통하여 관심 위치에 따라 재난분류별로 등급이 지도 위에 표출된다.
데이터 분석부(60)의 상세 구성은 도 2에서와 같이, 국가에서 제공하는 RSI를 기반으로 안전관련 발생건수, 기상, 미세먼지, 소셜네트워크 서비스를 이용하여 사용자 위치 기반 도시안전 분석 모델을 설계한다.
본 발명에 적용되는 도시안전관련 분야는 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 등이 될 수 있고, 제한되지 않는다.
데이터 분석부(60)는 안전분야별 기계학습 알고리즘 기반 도시안전 분석 모델을 구축하기 위하여, 안전 데이터 수집부(10)와 SNS 데이터 수집부(20)와 RSI 반영부(30)에서 데이터 입력이 이루어지면 통계 처리 및 연관성 탐색을 위한 처리를 하는 통계 및 연관성 탐색부(61)와, SNS 데이터 분석 작업을 수행하는 SNS 데이터 분석부(62)와, 기계학습 알고리즘으로 데이터 분류 작업을 수행하는 데이터 분류 및 군집화부(63)와, 데이터 분석 및 분류 작업 결과를 이용하여 재난 안전 분야별로 도시안전 분석 모델을 생성하고 평가하는 통합 모델 생성 및 평가부(64)를 포함한다.
데이터 분석부(60)는 각 분야의 발생건수, 기상과 미세먼지와의 관련성 있는 속성을 추출한다. 각 안전분야의 중요한 속성을 추출하기 위해 로지스틱회귀, 다항로지스틱 회귀분석, 의사결정트리, 서포트벡트머신, 신경망의 기계학습 알고리즘들 중에서 선택되는 알고리즘을 사용하여 도시안전 분석 모델을 생성한다.
이와 같이 교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 등의 분야에 대해 기계학습 기법 기반의 도시안전 분석 모델을 생성하여 예측된 결과를 웹/모바일 어플리케이션을 통하여 시각화하여 제공한다.
이와 같은 본 발명은 사용자 위치 및 관심지역에 대한 도시안전 분석 모델을 생성하기 위하여, 다음과 같은 절차를 수행한다.
도 3은 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법을 나타낸 플로우 차트이다.
먼저, 해당 안전 분야별로 발생 건수와 기상, 미세먼지, 관련 데이터(S301) 및 SNS 데이터를 수집한 후(S302) 데이터 필터 및 가공 단계를 거쳐(S303) 빅데이터 저장 시스템으로 저장한다.(S304)
다음 단계로 데이터 분석부에서 데이터별로 통계 및 연관성 분석을 거쳐서 기계학습 알고리즘으로 데이터 분류 작업과 SNS 데이터 분석 작업을 수행한 후 재난 안전 분야별로 도시안전 분석 모델을 생성한다.(S305)
이러한 과정에서 영향력이 없는 속성은 제거되고 관련데이터로 새로운 속성으로 변환하게 된다.
이와 같이 생성된 도시안전 분석 모델을 기반으로 웹/모바일에 관심 위치에 따라 재난분류별로 등급을 지도 위에 표출한다.(S306)
안전 분야 관련 발생 건수 및 기상 데이터 조합에 관하여 구체적으로 설명하면 다음과 같다.
도 4는 안전 데이터 수집 과정을 나타낸 구성도이다.
도 4는 안전분야별로 기상과 미세먼지와 연관성을 분석하기 위해 발생 건수, 기상, 미세먼지 데이터를 조합하는 과정이다.
발생건수는 위치별 또는 구별로 데이터가 생성 및 집계되어 공공 빅데이터에서 제공되고 있다. 지도에서 안전등급이 행정기관 단위로 표출됨으로 행정기관별, 일자별로 기상과 미세먼지 정보를 수집한다.
위도,경도 기반 근접 기상 관측지 검색을 하여 년도별 구별 발생 건수를 수집하고, 측점별 기상자료, 기상관측지점 정보, 측점별 미세먼지 자료, 대기오염 관측지점 정보를 수집하여 년도별 구별 발생건수(기상정보,미세먼지 정보 포함) 데이터를 생성 및 집계한다.
그리고 행정기관 코드를 활용하여 위도,경도 기반 근접 동 코드 검색을 하여 위치별 동별 발생 건수를 수집하고, 위도,경도 기반 근접 기상관측지 검색 및 위도,경도 기반 근접 대기 관측지 검색을 하여 측점별 기상자료, 기상관측지점 정보, 측점별 미세먼지 자료, 대기오염 관측지점 정보를 수집하여 위치별 동별 발생건수(기상정보,미세먼지 정보 포함) 데이터를 생성 및 집계한다.
그리고 SNS 자료 수집 과정을 구체적으로 설명하면 다음과 같다.
도 5는 SNS 자료 수집 과정을 나타낸 구성도이다.
현재 초당 생성되고 있는 수많은 SNS 데이터를 수집하고 분석하기 위한 소셜 네트워크를 사용한 재난 계획에 대한 연구가 진행되고 있다. 국립재난안전연구원에서는 쇼셜 빅 데이터 실시간 모니터링을 개발하여 재난 전조 감지 및 대응에 사용하고 있다.
본 발명의 일 실시 예에서는 SNS 데이터를 수집하기 위해 트위터 데이터를 예시로 하여 수집을 한다.
도 5에서와 같이, 트위터 데이터를 수집하는 과정을 3 단계로 분류한다.
먼저, 실제 데이터 수집해서 필터링하는 트위터 크롤러 단계, 재해 종류와 등급을 분류하는 자연어 분석 단계, 데이터를 저장하고 웹과 클라이언트로 전송하는 어플리케이션 단계를 포함하고, 각각의 단계는 다른 서버에 저장하면서 작업의 효율을 높일 수 있도록 한다.
본 발명에 따른 도시안전 분석 모델 생성에 관하여 구체적으로 설명하면 다음과 같다.
도 6은 도시안전 분석 모델 구성도이다.
도 6은 도시안전 분석 모델 생성 과정을 나타낸 것으로, 수집한 데이터를 정제한 데이터를 사용하여 독립변수를 추출하고 해당 안전분야별 종속변수 값을 할당한다.
독립변수는 각 독립변수와 종속변수간의 상관성이 높은 변수로 선정한다.
종속변수로는 국가 지역안전지수와 일자별 발생되는 데이터 건수에 대한 발생유무에 대한 데이터를 종속변수로 지정한다.
예를 들어, 구별로 발생건수 및 기상, 미세먼지 데이터를 조합하여 RSI 지수를 종속변수로 설정할 수 있다.
교통의 경우 일자별 위치별 사망 사건 데이터를 일자별 사고가 일어났을 경우 1, 아닐 경우 0로 설정할 수 있다.
정제된 트레인 데이터를 이용하여 로지스틱회귀, 다항로지스틱 회귀분석, 의사결정트리, 서포트벡트머신, 신경망 등의 기계학습 알고리즘을 적용한다.
모델의 결과 값에 따른 신뢰도가 설정한 임계치를 만족하지 않을 경우 알고리즘 관련 파라메터 변경 및 변수 선정을 위해 피드백을 수행한다.
임계치를 만족할 경우 최종 모델을 결정하여 테스트 데이터를 사용하여 최종 등급을 계산한다.
이때, SNS로부터 수집한 데이터를 이용하여 키워드를 추출하여 실시간 기반의 재난 등급을 표출할 수 있다.
SNS의 트위터 데이터 스트림을 수집하여 키워드 분석을 수행하여 재난 유형별로 형태, 위치, 상황등을 식별하여 각 상황에 대한 가중치를 정한다.
본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법에서 사용되는 웹/모바일 시스템에 관하여 구체적으로 설명하면 다음과 같다.
도 7a 내지 도 7d는 모바일 어플리케이션 설정 화면 구성도이고, 도 8a 내지 도 8d는 모바일 어플리케이션 분석 화면 구성도이고, 도 9a와 도 9b는 모바일 어플리케이션 검색 화면 구성도이다.
본 발명에 따른 웹/모바일 시스템은 사용자의 현재 위치 또는 관심영역의 안전 분야별 안전지수를 표출하기 위한 것이다.
도 7a는 초기 로딩 화면이고, 도 7b는 사용자의 로그인 화면이고 로그인에 따라 도 7c에서 테마분류 선택, 관심 안전분야 등록, 관심위치 등록에 관한 개인 관심정보를 등록할 수 있는 메뉴를 제공한다.
도 7d는 지도기반 검색화면으로 지도 위에서 기존 RSI 정보와 도시안전 분석 모델을 선택하여 등급을 확인할 수 있다.
일 예로, 등급은 1에서 5등급으로 1이 안전을 나타내고 2에서 5로 갈수록 위험한 등급을 나타내는 것으로 정할 수 있다.
도 8a는 국가안전지수 검색화면이고, 도 8b는 국가안전지수 검색 결과를 나타낸 것이다.
도 8c는 본 발명에 적용되는 안전 분야 항목의 하나인 교통을 예시로 하여 기계학습 기반과 공공데이터를 이용한 도시안전 분석 모델을 기반으로 분석한 동별 안전 등급 결과를 나타낸 것이다.
도 8d는 발생 건수 결과 검색에 대한 시각화를 제공하는 화면이다.
도 8e는 관심위치 또는 영역에서 선택한 안전분야에 대해 트위터 정보를 추출하여 화면에 표시한 것이다.
그리고 도 9a는 사용자가 관심위치를 등록하기 위해 사용하는 지도기반의 키워드 검색 결과이고, 도 9b는 실시간 날씨 정보를 결과를 제공하는 화면이다.
이상에서 설명한 본 발명에 따른 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템 및 방법은 기계학습 알고리즘 기반의 도시안전 분석 모델을 생성하여 사용자 위치 및 관심위치에 따라 안전 분야별 안전등급을 표출하는 것이다.
본 발명은 빅데이터 기반에서 발생건수, 날씨, 미세먼지를 포함하는 공공 빅 데이터와 SNS 데이터를 사용하여 기계학습 알고리즘을 적용하여 연관성이 높은 변수를 추출한 후 도시안전 분석 모델을 생성하여 실시간 안전지수를 제공하는 것이다.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10. 안전 데이터 수집부 20. SNS 데이터 수집부
30. RSI 반영부 40. 데이터 가공 및 필터링부
50. 빅데이터 저장부 60. 데이터 분석부
70. 분석 서비스 제공부

Claims (17)

  1. 설정된 안전 분야 항목의 안전 데이터를 수집하는 데이터 수집부;
    데이터 수집부에서 수집된 데이터를 필터링 및 가공하는 데이터 가공 및 필터링부;
    데이터 가공 및 필터링부에서 데이터 필터링 및 가공 단계를 거친 빅데이터를 저장하는 빅데이터 저장부;
    데이터별로 통계 및 연관성 분석을 거쳐서 기계학습 알고리즘으로 데이터 분류 작업과 SNS 데이터 분석 작업을 수행한 후 재난 안전 분야별로 도시안전 분석 모델을 생성하는 데이터 분석부;
    데이터 분석부에서 생성된 도시안전 분석 모델을 기반으로 웹 및 모바일 어플리케이션을 통하여 관심 위치에 따라 재난분류별로 등급을 지도 위에 표출하는 분석 서비스 제공부;를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템.
  2. 제 1 항에 있어서, 설정되는 안전 분야 항목은,
    교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 항목의 어느 하나를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템.
  3. 제 1 항에 있어서, 데이터 수집부는,
    안전 분야별로 발생 건수와 기상, 미세먼지 관련 안전 데이터를 수집하는 안전 데이터 수집부와,
    안전 분야 관련 SNS 데이터를 수집하는 SNS 데이터 수집부와,
    국가에서 제공하는 RSI를 입력하는 RSI 반영부를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템.
  4. 제 1 항에 있어서, 데이터 분석부는 안전분야별 기계학습 알고리즘 기반 도시안전 분석 모델을 구축하기 위하여,
    데이터 수집부에서 데이터 입력이 이루어지면 통계 처리 및 연관성 탐색을 위한 처리를 하는 통계 및 연관성 탐색부와,
    SNS 데이터 분석 작업을 수행하는 SNS 데이터 분석부와,
    기계학습 알고리즘으로 데이터 분류 작업을 수행하는 데이터 분류 및 군집화부와,
    데이터 분석 및 분류 작업 결과를 이용하여 재난 안전 분야별로 도시안전 분석 모델을 생성하고 평가하는 통합 모델 생성 및 평가부를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템.
  5. 제 1 항 또는 제 4 항에 있어서, 데이터 분석부는,
    설정되는 안전 분야의 발생건수, 기상과 미세먼지와의 관련성 있는 속성을 추출하기 위해 로지스틱회귀, 다항로지스틱 회귀분석, 의사결정트리, 서포트벡트머신, 신경망의 기계학습 알고리즘들 중에서 선택되는 알고리즘을 사용하여 도시안전 분석 모델을 생성하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 시스템.
  6. 설정된 안전 분야 항목의 안전 데이터를 수집하는 데이터 수집 단계;
    데이터 수집 단계에서 수집된 데이터를 필터링 및 가공하는 데이터 가공 및 필터링 단계;
    데이터 필터링 및 가공 단계를 거친 빅데이터를 저장하는 빅데이터 저장 단계;
    데이터별로 통계 및 연관성 분석을 거쳐서 기계학습 알고리즘으로 데이터 분류 작업과 SNS 데이터 분석 작업을 수행한 후 재난 안전 분야별로 도시안전 분석 모델을 생성하는 데이터 분석 단계;
    데이터 분석 단계에서 생성된 도시안전 분석 모델을 기반으로 웹 및 모바일 어플리케이션을 통하여 관심 위치에 따라 재난분류별로 등급을 지도 위에 표출하는 분석 서비스 제공 단계;를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  7. 제 6 항에 있어서, 설정되는 안전 분야 항목은,
    교통, 범죄, 감염병, 태풍, 화재, 홍수, 도로범람 항목의 어느 하나를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  8. 제 6 항에 있어서, 데이터 수집 단계는,
    안전 분야별로 발생 건수와 기상, 미세먼지 관련 안전 데이터를 수집하는 안전 데이터 수집 단계와,
    안전 분야 관련 SNS 데이터를 수집하는 SNS 데이터 수집 단계와,
    국가에서 제공하는 RSI를 입력하는 RSI 반영 단계를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  9. 제 6 항에 있어서, 데이터 분석 단계는 안전분야별 기계학습 알고리즘 기반 도시안전 분석 모델을 구축하기 위하여,
    데이터 수집 단계에서 데이터 입력이 이루어지면 통계 처리 및 연관성 탐색을 위한 처리를 하는 통계 및 연관성 탐색 단계와,
    SNS 데이터 분석 작업을 수행하는 SNS 데이터 분석 단계와,
    기계학습 알고리즘으로 데이터 분류 작업을 수행하는 데이터 분류 및 군집화 단계와,
    데이터 분석 및 분류 작업 결과를 이용하여 재난 안전 분야별로 도시안전 분석 모델을 생성하고 평가하는 통합 모델 생성 및 평가 단계를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  10. 제 6 항에 있어서, 데이터 분석 단계는,
    설정되는 안전 분야의 발생건수, 기상과 미세먼지와의 관련성 있는 속성을 추출하기 위해 로지스틱회귀, 다항로지스틱 회귀분석, 의사결정트리, 서포트벡트머신, 신경망의 기계학습 알고리즘들 중에서 선택되는 알고리즘을 사용하여 도시안전 분석 모델을 생성하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  11. 제 6 항에 있어서, 데이터 수집 단계는 행정기관별, 일자별로 기상과 미세먼지 정보를 수집하기 위하여,
    위도,경도 기반 근접 기상 관측지 검색을 하여 년도별 구별 발생 건수를 수집하고, 측점별 기상자료, 기상관측지점 정보, 측점별 미세먼지 자료, 대기오염 관측지점 정보를 수집하여 기상정보,미세먼지 정보를 포함하는 년도별 구별 발생건수 데이터를 생성 및 집계하는 단계와,
    행정기관 코드를 활용하여 위도,경도 기반 근접 동 코드 검색을 하여 위치별 동별 발생 건수를 수집하고, 위도,경도 기반 근접 기상관측지 검색 및 위도,경도 기반 근접 대기 관측지 검색을 하여 측점별 기상자료, 기상관측지점 정보, 측점별 미세먼지 자료, 대기오염 관측지점 정보를 수집하여 기상정보,미세먼지 정보를 포함하는 위치별 동별 발생건수 데이터를 생성 및 집계하는 단계를 수행하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  12. 제 6 항에 있어서, 데이터 수집 단계는 SNS 자료 수집하기 위하여,
    트위터 데이터를 수집하는, 실제 데이터를 수집해서 필터링하는 트위터 크롤러 단계와,
    재해 종류와 등급을 분류하는 자연어 분석 단계와,
    데이터를 저장하고 웹과 클라이언트로 전송하는 어플리케이션 단계를 수행하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  13. 제 6 항에 있어서, 데이터 분석 단계는 도시안전 분석모델 생성을 위하여,
    수집한 데이터를 사용하여 독립변수를 추출하고 해당 안전분야별 종속변수 값을 할당하는 단계와,
    독립변수는 각 독립변수와 종속변수간의 상관성이 높은 변수로 선정하는 단계와,
    종속변수로는 국가 지역안전지수와 일자별 발생되는 데이터 건수에 대한 발생유무에 대한 데이터를 종속변수로 지정하는 단계를 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  14. 제 13 항에 있어서, 데이터 분석 단계는 도시안전 분석모델의 결과 값에 따른 신뢰도가 설정한 임계치를 만족하지 않을 경우 알고리즘 관련 파라메터 변경 및 변수 선정을 위해 피드백을 수행하고,
    임계치를 만족할 경우 최종 모델을 결정하여 테스트 데이터를 사용하여 최종 등급을 계산하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  15. 제 13 항에 있어서, 데이터 분석 단계는 SNS의 트위터 데이터 스트림을 수집하여 키워드 분석을 수행하여 재난 유형별로 형태, 위치, 상황을 식별하여 각 상황에 대한 가중치를 정하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  16. 제 6 항에 있어서, 분석 서비스 제공 단계에서 웹 및 모바일 어플리케이션을 통하여 제공되는 화면은,
    테마분류 선택, 관심 안전분야 등록, 관심위치 등록에 관한 개인 관심정보를 등록할 수 있는 메뉴를 제공하고,
    지도기반 검색화면으로 지도 위에서 RSI 정보와 도시안전 분석 모델을 선택하여 등급을 확인할 수 있는 화면을 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
  17. 제 6 항에 있어서, 분석 서비스 제공 단계에서 웹 및 모바일 어플리케이션을 통하여 제공되는 화면은,
    국가안전지수 검색화면, 국가안전지수 검색 결과 표시 화면, 사용자가 관심위치를 등록하기 위해 사용하는 지도기반의 키워드 검색 결과 표시 화면, 실시간 날씨 정보를 결과를 제공하는 화면을 포함하는 것을 특징으로 하는 공공 빅 데이터와 SNS 데이터를 이용한 도시안전지수 분석 방법.
KR1020170179060A 2017-12-26 2017-12-26 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법 KR20190077682A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170179060A KR20190077682A (ko) 2017-12-26 2017-12-26 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170179060A KR20190077682A (ko) 2017-12-26 2017-12-26 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20190077682A true KR20190077682A (ko) 2019-07-04

Family

ID=67259517

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170179060A KR20190077682A (ko) 2017-12-26 2017-12-26 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20190077682A (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144261A (zh) * 2019-12-19 2020-05-12 无锡融合大数据创新中心有限公司 一种基于大数据的智能管理系统
CN113159473A (zh) * 2020-11-30 2021-07-23 北京泰豪智能工程有限公司 一种大数据关联指标智能推荐模型及建模方法和建模装置
CN113457145A (zh) * 2021-06-28 2021-10-01 网易（杭州）网络有限公司 游戏场景的天气控制方法、装置、设备及存储介质
CN113553365A (zh) * 2021-06-24 2021-10-26 南京信大卫星应用研究院有限公司 一种智慧城市数据指标系统及处理方法
KR102323153B1 (ko) * 2021-03-03 2021-11-10 주식회사 아이엠그루 고객의 무의식 영역에 기반하여 의사결정 지원자료를 제공하는 의사결정 지원서버 및 그 의사결정 지원방법
CN113920738A (zh) * 2021-10-26 2022-01-11 北京工业大学 一种基于不同国家合并数据的城市主干路安全分析模型迁移方法
WO2022034984A1 (ko) * 2020-08-14 2022-02-17 고려대학교 산학협력단 치안 및 공공 데이터 기반 범죄 신고 수 예측 장치 및 방법
CN116818685A (zh) * 2023-08-28 2023-09-29 福建榕基软件股份有限公司 一种基于大数据的环境监测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130113251A (ko) 2012-04-05 2013-10-15 주식회사 알에스엔 소셜네트워크 통합 분석을 위한 다중구조 데이터 규격화 처리시스템
KR20160104221A (ko) 2015-02-26 2016-09-05 광운대학교 산학협력단 빅데이터를 이용한 범죄 위험도 추산 방법 및 이를 이용한 범죄 위험도 알림 시스템
KR101768953B1 (ko) 2016-04-15 2017-08-22 대한민국 안전 지수 산출 방법, 이를 수행하는 안전 지수 산출 장치 및 이를 저장한 기록매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130113251A (ko) 2012-04-05 2013-10-15 주식회사 알에스엔 소셜네트워크 통합 분석을 위한 다중구조 데이터 규격화 처리시스템
KR20160104221A (ko) 2015-02-26 2016-09-05 광운대학교 산학협력단 빅데이터를 이용한 범죄 위험도 추산 방법 및 이를 이용한 범죄 위험도 알림 시스템
KR101768953B1 (ko) 2016-04-15 2017-08-22 대한민국 안전 지수 산출 방법, 이를 수행하는 안전 지수 산출 장치 및 이를 저장한 기록매체

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144261A (zh) * 2019-12-19 2020-05-12 无锡融合大数据创新中心有限公司 一种基于大数据的智能管理系统
WO2022034984A1 (ko) * 2020-08-14 2022-02-17 고려대학교 산학협력단 치안 및 공공 데이터 기반 범죄 신고 수 예측 장치 및 방법
CN113159473A (zh) * 2020-11-30 2021-07-23 北京泰豪智能工程有限公司 一种大数据关联指标智能推荐模型及建模方法和建模装置
CN113159473B (zh) * 2020-11-30 2024-05-14 北京泰豪智能工程有限公司 一种大数据关联指标智能推荐模型及建模方法和建模装置
KR102323153B1 (ko) * 2021-03-03 2021-11-10 주식회사 아이엠그루 고객의 무의식 영역에 기반하여 의사결정 지원자료를 제공하는 의사결정 지원서버 및 그 의사결정 지원방법
CN113553365A (zh) * 2021-06-24 2021-10-26 南京信大卫星应用研究院有限公司 一种智慧城市数据指标系统及处理方法
CN113457145A (zh) * 2021-06-28 2021-10-01 网易（杭州）网络有限公司 游戏场景的天气控制方法、装置、设备及存储介质
CN113457145B (zh) * 2021-06-28 2024-05-17 网易（杭州）网络有限公司 游戏场景的天气控制方法、装置、设备及存储介质
CN113920738A (zh) * 2021-10-26 2022-01-11 北京工业大学 一种基于不同国家合并数据的城市主干路安全分析模型迁移方法
CN113920738B (zh) * 2021-10-26 2023-04-21 北京工业大学 一种基于不同国家合并数据的城市主干路安全分析模型迁移方法
CN116818685A (zh) * 2023-08-28 2023-09-29 福建榕基软件股份有限公司 一种基于大数据的环境监测方法及系统
CN116818685B (zh) * 2023-08-28 2023-11-07 福建榕基软件股份有限公司 一种基于大数据的环境监测方法及系统

Similar Documents

Publication Publication Date Title
KR20190077682A (ko) 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법
Sun et al. Applications of artificial intelligence for disaster management
Dong et al. An integrated physical-social analysis of disrupted access to critical facilities and community service-loss tolerance in urban flooding
US20210216928A1 (en) Systems and methods for dynamic risk analysis
Nyimbili et al. Integration of GIS, AHP and TOPSIS for earthquake hazard analysis
Rashidi et al. Exploring the capacity of social media data for modelling travel behaviour: Opportunities and challenges
Mishra et al. Current trends in disaster management simulation modelling research
Ogie et al. Social media use in disaster recovery: A systematic literature review
JP6242651B2 (ja) 早期状況把握方法、および装置
Yuan et al. Mining social media data for rapid damage assessment during Hurricane Matthew: Feasibility study
Onan et al. An evolutionary multi-objective optimization approach to disaster waste management: A case study of Istanbul, Turkey
Yuan et al. Smart flood resilience: harnessing community-scale big data for predictive flood risk monitoring, rapid impact assessment, and situational awareness
KR102350534B1 (ko) 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법
Xing et al. Crowdsourced social media and mobile phone signaling data for disaster impact assessment: A case study of the 8.8 Jiuzhaigou earthquake
KR102517791B1 (ko) 지역사회재난 안전도 진단방법
Charlton et al. Volcanic unrest scenarios and impact assessment at Campi Flegrei caldera, Southern Italy
Mohd Shamsuddin et al. Identifying of potential crime area using analytical hierachy process (AHP) and geographical information system (GIS)
Hu et al. Prioritizing disaster mapping tasks for online volunteers based on information value theory
Yang et al. A federated pre-event community resilience approach for assessing physical and social sub-systems: An extreme rainfall case in Hong Kong
CN113987298A (zh) 针对地下空间突发事件的应急处置系统及方法
Lee et al. A hierarchical flood shelter location model for walking evacuation planning
KR102350252B1 (ko) 맵 라이브러리 데이터셋 구축 및 활용방법
Esmalian et al. Disruption Tolerance Index for determining household susceptibility to infrastructure service disruptions
Jiang et al. Data-driven tracking of the bounce-back path after disasters: critical milestones of population activity recovery and their spatial inequality
Bopp et al. Sorting the good from the bad smartphone applications to alert residents facing disasters-Experiments in France

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application