earticle

영어

Purpose: This study builds a database by collecting and refining disaster occurrence data and real-time weather and atmospheric data. In conjunction with the public data provided by the API, we propose a service model for the Big Data-based Urban Safety Index. Method: The plan is to provide a way to collect various information related to disaster occurrence by utilizing public data and SNS, and to identify and cope with disaster situations in areas of interest by real-time dashboards. Result: Compared with the prediction model by extracting the characteristics of the local safety index and weather and air relationship by area, the regional safety index in the area of traffic accidents confirmed that there is a significant correlation with weather and atmospheric data. Conclusion: It proposed a system that generates a prediction model for safety index based on machine learning algorithm and displays safety index by sector on a map in areas of interest to users.

한국어

연구목적: 본 연구는 재난 발생 데이터와 실시간 기상·대기 관련 데이터를 수집하고 정제과정을 통하여 데이터베이스를 구축하고, API로 제공되는 공공 데이터와 연계하여 빅 데이터 기반의 도시안전지수의 서비스 모델을 제안하고자 한다. 연구방법: 재난 발생과 관련한 다양한 정보를 공공 데이터와 SNS를 활 용하여 수집하고, 기계학습 알고리즘으로 분석한 결과를 중심으로 이용자 관심지역의 재난상황을 실 시간 대시보드로 확인하고 대처하는 방법을 제공하고자 한다. 연구결과: 분야별 지역안전지수와 기상· 대기의 상관관계가 높은 속성을 추출하여 예측모델과 비교하면 교통사고 분야의 지역안전지수는 기 상·대기 데이터와 상당한 상관관계가 있음을 확인하였다. 결론: 기계학습 알고리즘 기반의 안전지수 예 측모델을 생성하여 이용자 관심 지역에 분야별 안전지수를 지도에 표시하는 시스템을 제안하였다.