�ݺ�ߣ

스마트시티 빅데이터 플랫
폼 시범서비스 구축
2018. 8.

LH 스마트시티빅데이터플랫폼시범서비스구축
Ⅰ
시범분석서비스
구축 개요
Ⅱ
시범분석서비스
구성도
Ⅲ
과제별 추진 현황
Ⅳ
추진일정
CONTENTS

LH 스마트시티빅데이터플랫폼 시범서비스구축1. 시범분석서비스 구축 개요
채널 저장 분석
Spatial Hadoop
(HDFS)
데이터 채널
데이터
연계/복재
RDBMS
(EDB)
빅데이터 분석
라이브러리 분석모델링
GIS기반분석
공간연산 공간통계
빅데이터 운영관리
Fnc
LH 공간정보통합운영환경 공동활용
 Open Source 기반의 플랫폼(Hadoop)을 기준
으로 관련 S/W들을 활용하고 향후 상호운용성
및 확장성을 고려하여 구성함
 빅데이터 분석의 기본 기능에 공간분석기능을
통합하여 도시 환경 분석을 위한 다양한 분석
기능 제공 및 활용이 될 수 있도록 구성함
시범서비스 분석 모델 설계 방안 시범서비스 구축 플랫폼
협력사 인프라 이용 민간 클라우드 이용
보행약자 보호 및 안전확보를
위한 횡단보도 보행시간 최적화
 도시시설 입지 및 거주 특
성을 고려한 횡단보도 보
행시간 산정 및 분석
생활금융데이터기반의
도시양극화 공간패턴 및 지수산정
 생활금융데이터(소득)기
반의 도시양극화 공간적
분리 지수를 도출하여 영
향요인 등을 분석
도시 내 활동별
탄소발생량 분석
 도시내 활동별(산업부문,
수송부문, 가계부문, 폐기
물부문, 흡수부문) 배출원
및 흡수원 산정 및 분석
도시 가로수
canopy cover 기반의
그린 뷰 인덱스 생성 및 분석
 세계경제포럼에서의
Google 스트리트뷰(GSV)
이미지를 기반으로 컴퓨
터비전기술을 활용한
Green View Index(GVI)
산정방식을 국내 도시에
적용하여 거리를 걷는 동
안의 도시 식생의 그린 캐
노피량 산정 및 분석
CCTV 영상기반 딥러닝
객체인식 기술 적용을 통한
차량 통행량 분석
 교통 CCTV 영상의 객체
인식을 통해 특정지점에
서의 시간대별 차종별 통
행량 산정 및 분석
업무분석 및 프로세스 도출 분석 컴포넌트 구성 분석모델 적용
분석 채널
객체 분석
데이터 생성
지자체와의 협의를 통해 스마트시티의 5개의 시범분석모델에 대한 업무분석 및 프로세스별 분석알고리
즘 정의, 분석컴포턴트 구성, 분석프로세스모델링을 통하여 향후 가능성을 분석모델을 설계, 구현함

LH 스마트시티빅데이터플랫폼 시범서비스구축2. 시범분석서비스 구성도
딥러닝 분석을 위한 GPU 기반 워크스테이션과, 시스템 운영을 위한 퍼블릭 클라우드 기반의 시스템을
구성하여 고성능과, 확장성을 추구함
시범서비스 분석 모델 구성도
Public Cloud Machine Learning System
Spatial Big Data Object Detection OS
JavaScript Framework JavaScript Library Web Map

스마트시티빅데이터플랫폼시범서비스구축
Ⅱ. 과제별 추진현황
1. 보행약자 보호 및 안전확보를 위한
횡단보도 보행시간 최적화
2. 생활금융 데이터 기반의 소득격차
공간패턴 및 지수산정
3. 도시 내 활동 별 탄소 발생량 분석
3. 도시 가로수 canopy cover기반의
그린뷰 인덱스 생성 및 분석
5. CCTV 영상기반의 딥러닝 객체인식
기술적용을 통한 차량통행량 분석

LH 스마트시티빅데이터플랫폼 시범서비스구축3. 과제별 추진 현황
분석과제 1.보행약자 보호 및 안전확보를 위한 횡단보도 보행시간 최적화
주 요
내 용
• 담당자가임의로정하는보행신호등시간→ 도시시설 입지 공간 분석을 통한 의사결정 지
원
• 보행약자지원이힘든보행신호등시간설정→ 공간적 거주/사고 특성을 통해 지원체계 마
련

시나리오
• 지역 횡단보도 사고 와 인근 지역 초등학교 및 미취약 학생 분포, 장애인, 노약자 분포등을 종합 분석하여
최적화된 보행시간을 제시
• 무단횡단 사고가 많은 지역과 시간을 확인하여 보행시간 가감 요소로서 제시
• 합리적 근거를 가진 보행시간 설정으로 인해 향후 보행신호등 관련 민원 제기에 대한 근거 도출
데이터수집
모델개발
• 무단횡단/횡단보도 교통사고 공간 정보(TAAS 온라인 자료)
• 교통시설 정보(지자체로부터 제어기 정보 수급하여 직접 생성)
• 어린이집, 유치원, 학교, 학원, 교습소 정보(지자체로부터 수급)
• 장애인 시설 정보(지자체로부터 수급)
• 거주인구(KCB에서 수급)
• 사용자가 선택한 보행 신호등 시간 조절 요소(학교, 장애인시설, 교통사고 지역) 등에 대해 일정 거리에 공간
buffer 연산 이행
• 상기에 생성된 버퍼에 중첩되는 보행 신호등에 대해 진입시간 7초와 이동시간 1초/0.8m로 시간 계산
• 버퍼에 중첩되지 않는 경우 진입시간 7초와 이동시간 1초/1m로 시간 계산
시나리오 데이터수집 모델개발 분석 및 개발 시각화 홍보(인포그래픽)

분석 및 개발
1. 제어기 데이터 확인
2. 해당 제어기 위치의 로드뷰에서 보행 신호등 확인
3. 다음 지도와 중첩된 지점에 보행신호등 위치 정보 입력
시나리오 데이터수집 모델개발 시각화 홍보(인포그래픽)분석 및 개발

작업상 문제
1. 보행신호 시간 산정을 위해 보행신호등 데이터가 있어야 하나, 제어기 데이터만 있고, 신호등 데이터는
존재하지 않음
2. 제어기 데이터의 경우도 좌표 정보가 정확하지 않아 로드뷰등을 통해 직접 찾아서 위치 보정을 해 준 후에
서야 사용 할 수 있음(2,358개)
3. 모든 신호등 데이터를 직접 입력하여 구축하여 화성시에 제공함(
4. 사고 정보와, 사고 다발 지역 등 모든 데이터가 각각 다른 곳에 있고, 각각의 좌표계도 달라 좌표 확인 후
변환을 해서 사용해야 했음
5. 인구 데이터의 경우 셀 단위로 제공키로 하였으나, 자체 보안 문제로 프로젝트 기간 마지막쯤 제공 불가
통보 하여, KCB 데이터의 20~60대의 인구 집계와 화성시 각 읍면동별 미성년자 인구 비율과 노인 인구
비율로 곱하여 역산정해 사용해야 했음
6. TAAS 데이터 수집에 있어서, 개별 사고의 경우 지도상에 표출은 되나 실제 데이터는 없어 직접 지도에
입력하여 데이터 구축해 활용함

분석결과(1/4): 보행신호등 보행시간 설정시 연관 요소 시각적 확인
주 요
내 용
• 담당자가보행신호등시간설정에영향을주는요소들에대한시각적확인
• 보행신호등의설치지역및실폭도로의시각적확인

분석결과(2/4): 보행신호등 보행시간 분석을 위한 인자 설정
주 요
내 용
• 담당자가보행신호등보행시간설정에영향을주는인자들을선택
• 선택된인자들의영향범위등을직접입력

분석결과(3/4): 보행신호등 보행시간 분석을 위한 대상 확인
주 요
내 용
• 담당자가보행신호등보행시간분석을이행할대상을확인
• 분석대상보행신호등의거리를분석된값을이용하거나,직접입력

분석과제 2. 생활금융 데이터 기반의 소득격차 공간패턴 및 지수산정
주 요
내 용
• 도시소득격차공간패턴및지수도출→ 양극화 완화 및 사회적 통합을 위한 정책 수립 지
원
• 공간적특성을고려한소득격차사전대응방안마련→ 효율적인 정책 수립 및 지원체계 마
련

시나리오
• 지자체마다 신도시 개발 확산으로 구도심과 심도시의 소득격차 현상이 뚜렷해지고 있음
• 경제성장이 둔화되고 고착되면서 양극화 문제가 국가적 문제의 핵심 사항으로 대두 되고 있음
• 이전의 소득격차 분석은 공간적 고려가 적용되지 못하여 정확한 정책을 내기 어려움이 있음
• 국토 연구원 김동한 박사 선행 연구 내용 참조하여 구현, 향후 OpenSource 이용하여 자체 패키징 필요.
데이터수집
모델개발
• 지자체 영역(시군구, 읍면동) 공간정보(공간정보 포털에서 수급)
• 50M 셀별 연령별 거주인구, 직장인구, 자영업, 수입, 지출, 카드사용, 대출 등의 금융정보(KCB에서 수급)
• 50m 셀(KCB에서 수급)
• 50m 셀 공간데이터와 금융정보를 매핑
• 금융정보의 공간적 특성을 분석해 공간적 분리 지수 산정
• 셀별, 읍면동별 소득격차 공간적 분리지수 분석 수행

분석 및 개발
○ 비유사성 지수는 공간적 현상의 균일성(evenness) 또는 군집성(clustering) 패턴을 측정할 수 있게 하며,
공간적 분리지수는 공간 내특정 집단의 노출성(exposure) 또는 분리성(isolation) 패턴을 측정할수 있게
하는데, 각각 0-1 사이의 값을 가짐
○ 비유사성 지수의 수치가 높을수록 상위소득과 하위소득의 공간적 분리 정도가 높다고 할 수 있으며,
공간적 분리지수의 수치가 높을수록 해당 소득 계층의 분리도가 높다고 할 수 있음

작업상 문제
1. KCB 데이터 수급시 인구 비율등이 맞지 않아 여러 번 KCB에 재 요청하여 데이터 오류 검출 및 적용
2. 김동한 박사의 논문을 이용하였으나, 지수 산정에 수식이 정확히 나타나지 않아, 국내외 여러 논문을
확인하여 수식 적용(Measures of Spatial Segregation – Sean F. Reardon, David O’Sullivan)

분석결과(1/3): 생활금융 데이터 기반의 소득격차 셀별 공간패턴
주 요
내 용
• 공간적(셀)소득분포확인
• 시간의흐름에따른소득분포의변경확인
화성시 동탄지구 셀별 소득의 시간적 변화
2014년 1분기 2014년 2분기 2014년 3분기 2014년 4분기 2015년 1분기 2015년 2분기 2015년 3분기 2015년 4분기

분석결과(2/3): 생활금융 데이터 기반의 소득격차 상하위 20% 공간패턴
주 요
내 용
• 상하위20%의공간적분포확인
• 시간의흐름에따른상하위20%의변경확인
화성시 동탄지구 상하위 20%의 시간적 변화

주 요
내 용
• 상위20%의공간적분포확인
• 시간의흐름에따른상위20%의변경확인
화성시 동탄지구 상위 20%의 시간적 변화

주 요
내 용
• 하위20%의공간적분포확인
• 시간의흐름에따른하위20%의변경확인
화성시 동탄지구 하위 20%의 시간적 변화

분석결과(3/3): 생활금융 데이터 기반의 분리지수 확인
주 요
내 용
• 각단위별소득에따른공간적분리지수확인
• 시간의흐름에따른공간적분리지수의변경확인

분석과제 3. 도시 내 활동 별 탄소 발생량 분석
주 요
내 용
• 지역별Co2발생요인분석→ 탄소 배출 저감 조치계획 수립 지원
• 분석데이터를 기반으로 건물별 탄소 발생량 예측 → 저탄소 도시 조성 지표로 활용
데이터 수집
• CO2 발생량 산출
• 건물별에너지소모량,거주인구,
차량등록현황,용도지역지구,폐
기물발생현황등데이터수집
탄소배출량 예측 결과해석 및 검증
• CO2 발생에 영향을 미치는
환경적 요인을 분석
• 지역별 탄소배출현황 및 영
향요인 확인
• 탄소배출 저감대상지역 선정
및 조치계획 수립 지원

시나리오
• 부문별 온실가스 감축 목표를 효율적으로 달성하기 위해서는 체계적인 접근이 필요
• 그러기 위해 산업부문, 수송부분, 가계부문, 폐기물부문, 흡수부문 등의 체계적 분석 필요
• 지자체로부터의 데이터와, 세움터의 건물별 에너지 사용량, 공공 데이터등을 이용해 분석
• 토지주택 연구원 황하진 박사 선행 연구를 참조하여 구현
데이터수집
모델개발
• 건물별 에너지 사용량(건축데이터 민간 개방 시스템에서 수급)
• 건물 공간 데이터(국가 공간정보 포털에서 수급)
• 토지이용현황 (국가 공간정보 포털에서 수급)
• 차량 등록 현황(DATA.GO.KR에서 수급)
• 폐기물 발생 및 처리 현황(지자체에서 수급)
• 건물별 에너지 소모량을 취합하여 면적당 탄소 배출량 산출
• 각 행정 단위의 산업부문, 수송부문, 가계부문, 폐기물 부문, 흡수부문별 탄소 배출량 산출
• 위에서 얻어진 값을 집계하여 행정 단위의 활동별 탄소 배출량 시각화 및 분석

분석 및 개발
○ 토지용도별 예측 CO2 발생량(산업부문)
셀면적(50X50)X셀의 토지용도 탄소배출원단위
구분 탄소배출
원단위
셀당
배출양
구분 탄소배출
원단위
셀당
배출양
상
업
업
무
용
지
업무복합용지 0.092 230 공
공
시
설
용
지
공공시설 0.019 47.5
문화복합용지 0.092 230 학교 0.015 37.5
상업시설용지 0.03 75 유치원 0.015 37.5
주상복합용지 0.092 230 커뮤니티센터 0.286 715
유통업무시설용지 1.637 4092.5 문화시설 0.286 715
업무시설용지 0.092 230 체육시설 0.286 715
복합환승센터 0.03 75 의료시설 0.027 67.5
지원시설용지 0.236 590 종교시설 0.286 715
전기공급시설 0.874 2185
수도용지 0.874 2185

분석 및 개발
○ 차종별 예측 CO2 발생량(수송부문)
셀별 인구X읍면동별 1인당 차종별 보유대수X탄소배출원단위
○ 가정 에너지 사용양에 따른 예측 CO2 발생량(가정부문)
전기: 셀 내 건물의 전기 에너지 사용량(kwh)X0.229
가스: 셀 내 건물의 가스 에너지 사용량(N㎥) X1.029
○ 폐기물 발생량에 따른 예측 CO2 발생량(폐기물부문)
셀별 인구/4*세대별 소각 폐기물 발생량(0.96)X탄소배출원단위(tCO2/ton – 0.42)
○ 토지 용도에 따른 예측 CO2 흡수량(흡수부문)
녹지 및 공원 셀의 면적(50X50)*탄소흡수원단위(tCO2/ha – 8.272)=2,680
차종 탄소배출
원단위
승용차 4.271
택시 33.08
승합차 4.717
버스 64.917
화물차 8.959
N㎥

작업상 문제
1. 초기 CO2 분석의 경우 개별 가정에 CO2 발생량을 나타나게 해달라는 요구가 있었으나, 개인정보 보호의
문제와 개별 데이터 획득의 문제가 있어 과업 기간 내에 구축할 수 없는 요구사항이었음.
=> 읍면동, 셀별 CO2 발생량 산출로 변경
2. 도시내 CO2 발생량 분석에서 폐기물 정보를 제공키로 하였으나, 폐기물 종류별(산업, 가정, 건설) 집계가
상이하고, 읍면동 단위의 집계가 되지 않아 폐기물협회 연보 데이터를 활용함
3. 건물별 에너지 사용량의 경우 2016년 8월을 기준으로 값이 갑자기 올라가는데, 자료 제공처
(건축데이터 민간개방 시스템)에서 데이터의 문제를 확인 중이나 아직까지 원인을 찾지 못하고 있음

분석결과(1/3): 건물별 에너지 사용량 공간 분포
주 요
내 용
• 건물별에너지(전기/가스)사용량확인
• 시간의흐름에따른건물에너지사용량의변경확인
세종시 조치원읍 건물별 전기 에너지 사용량의 시간적 변화

분석결과(2/3): 읍면동 CO2 발생량 공간 분포
주 요
내 용
• 읍면동CO2발생량(산업,가정,수송,폐기물,흡수)확인
• 시간의흐름에따른읍면동CO2발생량(산업,가정,수송,폐기물,흡수)의변경확인
세종시 읍면동 CO2 발생량의 시간적 변화
2014년 전반기 2014년 후반기 2015년 전반기 2015년 후반기
2016년 전반기 2016년 후반기 2017년 전반기 2017년 후반기

분석결과(3/3): 셀별(50m) CO2 발생량 공간 분포
주 요
내 용
• 셀별CO2발생량(산업,가정,수송,폐기물,흡수)확인
• 시간의흐름에따른셀별CO2발생량(산업,가정,수송,폐기물,흡수)의변경확인
세종시 조치원읍 셀별 전체 CO2 발생량의 시간적 변화

분석과제 4. 도시 가로수 canopy cover기반의 그린 뷰 인덱스 생성 및 분석
주 요
내 용
• 삶의질을개선하는수단으로지표개발이진행되고있음→ 기존에 제공되지 못한 지표 제공
• 세계 경제 포럼 (WEF)의 GAC (Global Agenda Council)은 도시의 미래에 관한 그린뷰 인덱
스(GVI)를 포함 → 도시 녹지화에 대한 설계 및 실행에 반영 할 수 있는 지표 제시
데이터 수집 탄소배출량 예측 결과해석 및 검증
향요인 확인

시나리오
• 현재 MIT에서 Green View Index 생성 방식을 공개하고 조사중이나 한국의 도시는 그 대상에 없음
• 실제 시민이 체감할 수 있는 지표로서 사용자가 거리에서 실제로 나무를 얼마나 보는지에 대한 지표는
기존에 없었음
• 구글의 Street View 오픈 이미지를 이용하여 Visioning 기술을 이용해 도출
데이터수집
모델개발
• 표준형 노드링크(지능형 교통체계 관리 시스템에서 수급)
• 거리영상(Google Street View에서 취득)
• 가로수 공간정보 (지자체에서 수급 – 필수 데이터는 아님)
• 도로 중심선 데이터를 이용해 지정거리마다 포인트 데이터 생성
• Google Open API를 이용하여 각 점의 수평 360도, 수직 180도의 영상 취득
• 이미지를 MeanShift 알고리즘을 이용하여 색상 군집 단순화
• 이미지의 모든 픽셀의 R,G,B 각각의 값 취득하고 G-R, G-B의 값을 취득
• 위에서 얻어진 두 개의 값을 곱하여 해당 픽셀이 나무 영역인지 판별하여 전체 이미지 대비 양으로 지수 구함

분석 및 개발
1. 표준 노드링크를 이용하여 관측점 선정
1. Google StreetView를 통해 360도 이미지 추출
1. 우측의 알고리즘을 이용하여 이미지상 Green 검출
N㎥

작업상 문제
1. 세종시의 경우나 화성시의 동탄 일부 지역의 경우 도로 및 기반시설이 건설된 것이 2015년 이후인 경우가
많은데 녹시율 산정시 기반이 되는 Google Street View가 2015년 기준이 최신이라 빠진 부분이 많이
있음.

분석결과(1/3): 계절의 변화에 따른 세종시 녹시율의 변화
주 요
내 용
• 측정된녹시율을그래프형태로확인
• 계절범위의변경에따른거리의녹색비율이달라짐을확인
세종시 녹시율의 시기 범위에 따른 변화

분석결과(2/3): 실제 녹시율 산출에 대한 확인
주 요
내 용
• 측정된녹시율을그래프형태로확인
• MeanShift알고리즘으로변경된중간의이미지와,최종녹색판정이미지의시각적확인
세종시 녹시율의 측정점들의 확인
녹시율: 28.44% 녹시율: 2.35%
녹시율: 4.59% 녹시율: 23.89%

분석결과(3/3): 기 측정된 세계 도시들과의 녹시율 비교 확인
주 요
내 용
• MIT에서기측정한세계도시의녹시율측정값과의비교확인

분석과제 5. CCTV 영상기반의 딥러닝 객체인식기술적용을 통한 차량통행량 분석
주 요
내 용
• 교통CCTV 영상의객체인식을통해특정지점에서의시간대별차종별통행량산정및분석
• 기존에는버려지고있는빅데이터(CCTV 영상)를딥러닝객체인식이라는신기술을이용해새로운
의미있는데이터를생성해지자체에제공
데이터 수집 탄소배출량 예측 결과해석 및 검증
향요인 확인

시나리오
• 기존 CCTV의 영상은 그 크기로 인해 적재 하지 못하고 벼려짐 으로서 의미 있는 데이터로 존재하기 어려움
• 기존 통행량 측정은 CCTV와 센서 등의 복합적인 장비를 이용해 산정함으로 도로공사를 해야 하는 등의
소요 비용이 큼
• 기존 빅데이터(CCTV 영상)를 이용해 새로운 의미 있는 데이터(시간대별 차종별 통행량 등)를 생성해
지자체에 제공
데이터수집
모델개발
• CCTV 공간 데이터(국가 공간정보 포털에서 수급)
• CCTV 영상 데이터(지자체나, 신도시 센터에서 수급)
• CCTV 영상 접속하여 1분마다 이미지 캡쳐
• 딥러닝 이미지 객체 분석 서버를 이용해 이미지 내 객체 확인(YOLO –You Only Look Once- 라이브러리 활용)
• DB에 분석 내용 저장, 지도상에 CCTV 위치 자료 표출
• 표출 기한을 선정하여 분석 이미지 시계열 표출

분석 및 개발
N㎥
○ YOLO(You Only Look Once)
YOLO는 각 이미지를 S x S 개의 그리드로 분할하고, 그리드의 신뢰도를 계산한다. 신뢰도는 그리드 내 객체
인식 시 정확성을 반영한다. 다음 그림과 같이 처음에는 객체 인식과는 동떨어진 경계 상자가 설정되지만,
신뢰도를 계산하여 경계 상자의 위치를 조정함으로써, 가장 높은 객체 인식 정확성을 가지는 경계 상자를
얻을 수 있다.
그리드에 객체 포함 여부를 계산하기 위해, 객체 클래스 점수를 계산한다. 이 결과로 총 S x S x N 객체가
예측된다. 이 그리드의 대부분은 낮은 신뢰도를 가진다. 신뢰도를 높이기 위해 주변의 그리드를 합칠 수 있다.
이후, 임계값을 설정해 불필요한 부분은 제거할 수 있다. 아래 그림과 같이 30% 신뢰도를 설정하면, 많은
그리드는 제외된다.

작업상 문제
1. 세종시에서 고해상도의 교통 CCTV를 제공키로 하였으나, 제공된 싸이트가 주중에는 트래픽이 몰려 정상
적으로 영상을 추출해 낼 수가 없었음. 그래서 ITS 저해상도 영상을 이용하여 추출함

분석결과(1/3): 지도상에 검출량 표출
주 요
내 용
• 지도상에딥러닝을통한CCTV 영상차량분석결과표출
• 히트맵형태로나타나교통증가구간을시각적으로확인

분석결과(2/3): CCTV 영상 개체인식 확인
주 요
내 용
• 각CCTV의 원본영상과개체검출영상을동시에확인
• 차종(승용차,버스,트럭)에따른분류검출확인

분석결과(3/3): 시간의 흐름에 따른 영상 검출 결과 확인
주 요
내 용
• 시간의흐름에따른영상검출결과확인
• 그래프와텍스트를이용한시각적표출
7시 00분 7시 30분
12시 25분 12시 55분
18시 25분 18시 55분

�ݺ�ߣ

LH Smartcity for osgeo

Recommended

More Related Content

What's hot (10)

Similar to LH Smartcity for osgeo (20)

LH Smartcity for osgeo

Editor's Notes