초록 ▼

본 연구는 온라인 커뮤니티의 빅데이터를 분석·처리하고 인공지능에 의해 패턴을 해석하여 수난(水難) 발생 및 규모를 과학적으로 정량화하여 예측하는 기술개발을 목표로 하고 있다. 따라서 본 연구에서는 SNS 데이터를 활용하여 소규모 및 도심 하천 등에 대한 홍수예보의 한계점을 보완하고자 크라우드 소싱기반 홍수 탐지기를 개발하고자 하였다. 보다 빠른 소셜 네트워크 서비스 데이터 추출을 위하여 웹 스크래핑 알고리즘을 개발하였으며 대상 포털사이트 와 SNS 웹사이트에 대한 데이터 수집 및 분석을 수행하였다. 더불어 좀 더 정확한 데이터 추출

본 연구는 온라인 커뮤니티의 빅데이터를 분석·처리하고 인공지능에 의해 패턴을 해석하여 수난(水難) 발생 및 규모를 과학적으로 정량화하여 예측하는 기술개발을 목표로 하고 있다. 따라서 본 연구에서는 SNS 데이터를 활용하여 소규모 및 도심 하천 등에 대한 홍수예보의 한계점을 보완하고자 크라우드 소싱기반 홍수 탐지기를 개발하고자 하였다. 보다 빠른 소셜 네트워크 서비스 데이터 추출을 위하여 웹 스크래핑 알고리즘을 개발하였으며 대상 포털사이트 와 SNS 웹사이트에 대한 데이터 수집 및 분석을 수행하였다. 더불어 좀 더 정확한 데이터 추출을 위하여 정규 표현식을 활용한 자연어처리 모듈 고도화 알고리즘을 작성하였다. 특정 위기 이벤트 분석을 위해 웹 데이터 기반 데이터베이스를 구축하였으며 홍수탐지기(Flood-Finder)을 개발하였다.
홍수 탐지기의 성능을 시험 하고자 당해 연도에 발생한 홍수 사상과 비교·분석을 진행하였으며 지역 및 시간별 SNS 데이터의 양과 홍수로 인한 피해 규모가 유사한 패턴을 보였다. 향후 인공지능을 이용한 자연어 처리 고도화를 통해 데이터 수집 정확도를 향상 시킬 예정이며 수난을 예측을 통해 최적의 재난 대응 전략을 수립하는 플랫폼을 구축할 예정이다

(출처 : 서지자료 148p)

Abstract ▼

This research aims to develop a technology that scientifically quantifies and predicts occurrence and magnitude of water disaster by analyzing and processing big data of online community and interpreting patterns by artificial intelligence.
Therefore, in this study, we tried to develop flood dete

This research aims to develop a technology that scientifically quantifies and predicts occurrence and magnitude of water disaster by analyzing and processing big data of online community and interpreting patterns by artificial intelligence.
Therefore, in this study, we tried to develop flood detector based on crowd sourcing to supplement the limits of flood forecast for small scale and urban river by using SNS data. We have developed web scraping algorithm for extracting social network service data more quickly and analyzed collected data of the target portal site and SNS website. In addition, we have advanced a natural language processing module algorithm by using regular expressions for more accurate data extraction. We constructed a web data database for analyzing specific crisis events and developed a Flood-Finder. In order to test the performance of the flood detector, we compared and analyze the flood events in this year. The amount of SNS data by region and time showed a similar pattern with the scale of damage caused by the flood. In the future, we will improve the accuracy of data collection through advanced processing of natural language using artificial intelligence. Moreover, We plan to establish a platform to establish optimal disaster response strategy through predicting water disaster.

(출처 : Bibliographic Data 149p)

목차 Contents

• 표지 ... 1
• 제출문 ... 3
• 요약문 ... 4
• Summary ... 6
• 목차 ... 10
• 표목차 ... 12
• 그림목차 ... 13
• 제1장 서론 ... 16
• 1. 연구의 필요성 ... 16
• 2. 연구개발 목표 및 내용 ... 18
• 2.1 연구개발 목표 ... 18
• 2.2 대표 성과 및 성과물 ... 20
• 2.3 연구내용 ... 21
• 제2장 국내외 연구 현황 ... 24
• 1. 국내 현황 ... 24
• 2. 국외 현황 ... 28
• 제3장 클라우드 소싱 활용 수난 감시·모델링 기술 개발 ... 34
• 1. 데이터베이스 구축 환경 ... 34
• 2. 지역별 강수량 데이터베이스 구축 ... 36
• 2.1 강수량 추출 수집 방법 ... 36
• 2.2 시스템 지역명 보정 ... 39
• 2.3 강수량 데이터 추출을 위한 DB 고도화 ... 42
• 2.4 지역별 강수량 DB 구축 결과 ... 50
• 3. Convolution Neural Network 연구 ... 59
• 3.1 딥러닝 개요 ... 59
• 3.2 Convolution Layer ... 60
• 3.3 Pooling Layer ... 63
• 3.4 Activation Functions ... 65
• 3.5 CNN의 Back propagation Learning ... 68
• 제4장 클라우드 소싱 활용 홍수예측기(Flood-ANALYSER) 개발 ... 72
• 1. 알고리즘 개발 구축 환경 ... 72
• 2. 웹 서비스를 위한 환경 구축 ... 74
• 2.1 웹 서비스를 위한 DB 구축 과정 ... 74
• 2.2 웹 서비스 실행을 위한 환경 구축 ... 75
• 2.3 웹 서비스 설치 결과 ... 76
• 3. 워드 클라우드(Word Cloud) 서비스 개발 ... 77
• 3.1 워드 클라우드 개요 ... 77
• 3.2 워드 클라우드 개발 ... 79
• 4. 실시간 클라우드 소싱 데이터 기반 홍수예측기 개발 ... 83
• 4.1 실시간 웹 크롤러 기반 홍수예측기 기능 ... 83
• 4.2 실시간 웹 크롤러 기반 홍수예측기 테스트 분석 결과 ... 86
• 제5장 결론 ... 98
• 1. 결론 ... 98
• 2. 활용방안 ... 99
• 부록 1 ... 104
• 부록 2 ... 106
• 부록 3 ... 112
• 참고 문헌 ... 146
• 서지자료 ... 148
• Bibliographic data ... 149
• 끝페이지 ... 150