Earticle

최근 3년간 농업 관련 뉴스 및 동향에 따르면 양봉산업의 뿌리인 꿀 채밀량이 감소 추세에 있어 양봉산업 전체에 큰 손해가 있는 상황이다. 이러한 현상은 이상 기후에 대한 대응책 미비, 각종 해충과 질병의 발생 등이 원 인으로 제공되고 있는 것으로 보고되고 있다. 따라서, 본 논문에서는 벌꿀 생산량의 군집의 수, 군집 당 평균 수확 량, 총 생산량, 연도별 생산량의 변화에 따른 미래의 세계 양봉산업의 가능성을 예측하는 연구를 수행하였다. 이를 위해, 미국의 벌꿀 생산량에 대한 데이터의 종합적 통계를 구하고, 그룹별 생산량에 대한 군집 회귀 분석을 수행하 여 꿀벌 군집 소멸과의 상관성 분석을 수행하였다. 분석 결과, 기상 변화 데이터를 활용하여 평년 기온의 상승과 미국 내 벌꿀의 총생산량은 줄어들었음을 확인할 수 있었고 생존 군락이 점점 줄어드는 결론이 도출되었다.

According to agricultural news and trends for the past three years, the amount of honey harvested, which is the root of the beekeeping industry, is on the decline, causing great damage to the entire beekeeping industry. It is reported that this phenomenon is provided as the cause of the lack of countermeasures against abnormal climate and the occurrence of various pests and diseases. Therefore, in this paper, research was conducted to predict the future potential of the world's beekeeping industry according to the number of clusters of honey production, average yield per cluster, total production, and annual production. To this end, comprehensive statistics of honey production data in the United States were obtained, and cluster regression analysis was performed on production by group to analyze correlation with honey bee colony extinction. As a result of the analysis, it was confirmed that the average annual temperature increased and the total production of honey in the United States decreased by using the weather change data, and the conclusion was drawn that the surviving colony gradually decreased.

KBO리그는 경기수가 많아서 오랜 기간에 걸쳐서 진행되고 있다. 또한 우리나라는 다양하고 뚜렷한 기후를 가지고 있다. 이에 본 연구에서는 야구기록 중 홈런, 3루타, 2루타, 루타수, 장타율, 순장타율 등 장타력에 관한 기록과 일일 평균 기온과의 상관 관계를 분석하고 야구 기록 중 3차 기록을 정의하였다. 본 연구를 위하여 일일 평균 기온 데이터와 2019년 KBO 리그에서 규정타석에 진입한 타자를 대상으로 SEMMA 기법을 통하여 상관관계를 분석하였다. 본 연구 결과를 통하여 일일 평균 기온이 타자들의 장타력에 영향을 주었다는 것을 알 수 있었다. 특히 20.0도에서 24.9도 사이를 기록한 날에 타자들의 장타력이 낮아졌다는 것을 알 수 있었으며, 타자가 상대하는 투수의 몸 상태와 관련있다고 논의하였다. 이에 경기 외적인 조건을 통하여 야구 경기에서 선수, 코칭스태프, 프런트가 경기에 활용할 수 있음을 기대할 수 있다. 또한 차후 타격 기록 뿐만 아니라 투구, 주루, 수비 등의 기록을 함께 분석하면 더욱 유용한 분석 모델이 될 수 있을 것으로 기대한다.

The KBO League is held over a long period of time due to the large number of games. Also, Korea has a diverse and distinct climate. Therefore, this study analyzed the relationship between the daily average temperature and the record of batting power such as home runs, triples, doubles, number of bases, batting percentage, and net batting percentage, and a third baseball record was defined. For this study, the correlation between the daily average temperature data and the batter who entered the standard at-bat in the KBO League in 2019 was analyzed through the SEMMA method. From the results of this study, it was found that the average daily temperature had an effect on a batter’s hitting power. In particular, it was found that a batter’s hitting power decreased on the day of temperatures recorded between 20.0 degrees and 24.9 degrees, and it was discussed that this may have been related to the physical condition of the pitcher the batter was facing. Therefore, it can be expected that players, coaching staff, and the front desk can use them in the game through conditions outside the game. In addition, it is expected that it will be a more useful analysis model by analyzing the records of pitching, base running, and defense as well as subsequent batting records.

Nowadays, energy management and its optimization using smart devices are getting more attention due to their significant applications. Moreover, the applications used in these devices play a key role in developing smart cities that is only the way to solve urban problems. The potential of renewable energy sources like solar and wind power has been integrated in the smart grids to overcome the lack of supply via conventional fossil fuels and their environmental disputes that reduce operational cost. This review paper describes the significance of renewable power data that directly assists all the functions in smart cities such as the evolution of microgrids, renewable resources, energy forecasting, and power storage technologies. Furthermore, solar and wind power plants’ data with weather information as an additional cue is collected from different companies in South Korea. We aim to assist the researchers to develop artificial intelligence (AI)-based algorithms for power forecasting and establish its efficient management between suppliers and consumers.

기후변화로 인해 집중호우의 빈도와 강도가 증가하면서 홍수 피해가 매년 늘어나고 있다. 지역별 강수량 과 유출량의 변화, 도시화로 인한 불투수면적 증가로 자연재난 피해 범위와 규모도 확대되었다. 이러한 변화로 인해 정확한 유출량 산정 방법과 정밀한 홍수 분석 기술의 필요성이 커지고 있다. 기존 물리 모델은 입력 자료 구축이 복잡하고 사용자의 높은 이해도가 필요하며 매개변수 산정 등에서 사용자의 주관이 개입될 수 있다. 이에 반해 인공지능 모델은 관측자료만을 이용하고 이 중 LSTM 기반 예측 모델이 각광받고 있으며, 한강 잠수교 홍수위 예측을 위해 LSTM과 Bi-LSTM 모델을 적용하였다. 10분 단위 강우량과 팔당댐 방류량 데이터를 활용하여 모델을 학습시켰다. 기상청 AWS 관측소 8개 지점에서 강우량을 수집하고, 한강홍수통제소에서 잠수교 수위와 팔당댐 방류량을 수집하였다. 강동, 구리, 팔당댐 에는 2시간, 성동, 광진, 서초, 송파에는 1시간 지체시간을 적용하였다. 각 모델의 예측 결과를 비교·분석 하여 홍수위 예측의 정확성을 높이는 방안을 제시하였다.

Climate change has increased heavy rainfall frequency and intensity, leading to rising flood damage and expanding natural disaster impacts due to urbanization. This has created demand for accurate runoff estimation and flood analysis technologies. Traditional physical models require complex data and user expertise, while AI models using observational data, particularly LSTM-based prediction models, are gaining attention. LSTM and Bi-LSTM models were applied to predict flood levels at Jamsu Bridge on the Han River. The models were trained using 10-minute rainfall data from eight Korea Meteorological Administration AWS stations and Paldang Dam discharge data from the Han River Flood Control Office. Time delays of 2 hours were applied to Gangdong, Guri, and Paldang Dam data, while 1-hour delays were applied to Seongdong, Gwangjin, Seocho, and Songpa stations. By comparing model prediction results, researchers proposed methods to improve flood level prediction accuracy.

Demands of cosmetics are affected not only by the well-known elements such as brand, price, and customer's consumption capacity, but also by some latent factors, for example, weather and air environment. Due to complexity and dynamic changes of the above factors, their influences can hardly be estimated in an accurate way by the traditional approaches such as survey and questionnaires. Through modeling and statistical analysis of big data, this article studied the impacts of weather condition and air quality on customer flow and sales of the cosmetics distributors in China, and found several hidden influencing factors. It provided a big-data based method for the analysis of unconventional factors on cosmetics marketing in the changing weather condition and air environment.

In most studies of Chosŏn-period time and weather, researchers rely on quantitative data, focusing on known quantities and fixed points. But the majority of temporal and climatic information recorded in Chosŏn remains hidden within a network of experiences that are not easily quantifiable. A contextually sensitive understanding of time and weather is required to access information from qualitative sources. This article analyses Yi Sunsin’s Nanjung ilgi to understand experienced time and descriptive climatic information. Yi’s weather documentation not only contains climatic information, but also its direct connection to the spread of diseases, disruption of battle plans, and impacts on people. Ultimately a closer reading is required to help craft a more reliable understanding of the natural world and shows the limitations of modern text mining in the quantification of the past.

악천후 환경은 자율주행 객체 탐지 성능을 크게 저하시키는 주요 요인 중 하나이며, 이를 보완하기 위한 실제 악천후 데이터 수집과 정밀 라벨링에는 많은 시간과 비용이 소요된다. 이에 따라 맑은 날씨의 참조 이미지를 다양한 악천후 조건으로 변환하는 생성 기반 데이터 증강 기법이 주목받고 있다. 본 연구에서는 ACDC 기반 참조 주행 이미지를 입력으로 사용하여 비, 눈, 안개, 야간 조건의 악천후 이미지를 생성하고, Stable Diffusion, SDXL Img2Img, InstructPix2Pix, FLUX 2 4B의 성능을 비교 분석 하였다. 실험은 동일한 입력 이미지와 동일한 프롬프트 조건에서 수행되었으며, 정량 평가는 PSNR, SSIM, CLIP image similarity, CLIP text similarity를 사용하고, 정성 평가는 모델별 생성 결과 비교를 통해 수행하였다. 실험 결과, SDXL Img2Img는 평균 PSNR 24.5289, SSIM 0.9723으로 가장 높은 구조 보존 성능을 보였으며, Stable Diffusion은 이와 유사한 안 정적 특성을 나타냈다. InstructPix2Pix는 보다 직접적인 속성 편집 경향을 보였고, FLUX 2 4B는 CLIP text similarity 31.8468로 가장 높은 프롬프트 반영 능력을 보였으나 구조 보존 성능은 가장 낮았다. 이러한 결과는 악천후 데이터 생성 모델 이 구조 보존과 프롬프트 반영 능력 사이에서 서로 다른 trade-off를 가진다는 점을 보여주며, ITS 환경에서 합성 데이터를 활 용할 때 목적에 따라 적절한 생성 모델을 선택할 필요가 있음을 시사한다.

가속되고 있는 기후변화에 대응하여 세계의 철도 운영기관들은 안전한 열차운행을 위한 적응 대책을 강구하고 있다. 특히 여름철 혹서기와 겨울철 혹한기등 극한 기상현상에 의한 레일온도의 변화로 인해 발생하는 선로의 좌굴 혹은 단절과 같은 현상 은 열차운행에 심각한 위험을 유발하므로 한국철도공사도 이에 대한 운영세칙을 수립하고 따르고 있다. 이에 더해 데이터 기반 의 기후변화에 적응 대책 수립을 위해서는 레일온도검지 관측과 이를 활용한 예측 정보의 활용 기술이 필요하다. 본 연구에서는 레일온도 변화의 직접적인 원인되는 기온과 습도, 일사량, 강수등 기상 변인들이 레일온도의 상승에 끼치는 상관성을 분석하고 이들 기상 자료로부터 레일의 온도를 예측하는 통계기반 모델을 개발하였다. 본 연구에서 개발하고자 하는 모델은 기상요소들 로 부터 레일온도 상승을 예측하여 위험 발생을 사전감시하고 선로안전 조치를 시행하는 정보를 제공하는데 목적이 있으므로 선로 온도의 상승에 대한 예측 정보를 최대 36시간 이전에 예보할 수 있는 체계로 개발되었다. 이 과정에서 개발된 다중 회귀 모델로 실제 레일온도 검지 장치의 관측자료와 가장 가까운 기상 관측점의 자료를 활용한 모델과 1km 격자의 가상기상 관측소 를 복원한 기상자료를 적용한 모델 결과를 비교하여 제시하였으며, 예측에 활용된 기상자료는 기상청의 동네예보 자료이다. 모델의 예측 성능은 2019년 여름철 김천, 대구, 경주, 포항 지점의 한국철도 선로에 설치된 레일온도 검지장치 실관측 자료로 검증하였다. 특히 여름철 폭염에 의한 잦은 열차지연에 대한 예방과 운행 안전 확보를 위해 이러한 예측 정보를 활용하는 스마 트 안전 감시 기능은 한국철도공사를 비롯한 철도 회사들의 데이터 기반의 안전관리 역량을 확보하는데 적절한 기술로 활용 될 수 있을 것으로 기대한다.

최근 폭우와 같은 위험기상 상황은 도로 노면상태의 마찰력을 변화시켜 자동차의 미끄러짐에 영 향을 준다. 따라서 도로 노면상태 및 기상 빅데이터를 분석하여, 이들이 차량 안전성에 대한 관계를 연구할 필요가 있다. 본 연구에서는 기상 상태가 도로 노면상태의 상관성을 분석하고, 이에 따른 마찰 력 간 상관성을 규명함으로써, 차량 안전성에 기여할 수 있는 방법을 제시하고자 한다. 이를 위하여 차량에 노면상태 측정을 위해 노면센서를 장착하고, 도로 노면상태를 수집하였다. 수집된 데이터는 가 장 가까운 위치의 기상정보를 활용하여 기상 상태와 노면상태, 노면상태와 마찰력 간 상관성을 확인 하였다. 그 결과, 강우일 때 도로 노면상태 변화로 마찰력이 감소하고 차량 안전성이 떨어짐을 확인했 다. 이는 기상예측을 통해, 노면상태와 마찰력을 예측하고, 이 정보를 운전자에게 제공함으로써, 차량 안전성을 높여 사회적 비용 감소와 관련 시스템 개발에 활용할 수 있다.

It is necessary to study the interrelation between weather big-data and road surface condition because of the dangerous weather conditions, such as heavy rains, affect the safety of vehicle by changing the friction of the road surface. In this study, we propose a method to contribute to the vehicle safety by analyzing the correlation between the weather, the road surface condition and the friction. For this purpose, we installed the road sensor on the vehicle to aggregate the road surface condition. We analyzed the data with road surface condition and friction using the nearest location’s weather information. As a result, the road friction decreased and the safety of the vehicle decreased due to the change of the road surface condition during the rain. This can contribute to the reduction of social costs and system development by predicting the road surface condition through the weather prediction and providing this information to the driver.

본 연구에서는 고등학생들의 기상 데이터 분석 과정에서 나타나는 오류와 오류의 발생적 맥락에 대해 탐색하였다. 연구를 위해 A 고등학교 74명의 학생들이 제작한 222개의 기상 데이터 탐구 활동 내용을 수집하 고, 데이터 수집 및 해석, 데이터 표현, 데이터 해석 과정에서 나타난 세부 오류 유형을 탐색하였다. 연구의 결과로 데이터 해석 과정에서는 학생들이 기상요소의 계절적 변동과 주기적 패턴에 대한 이해가 다소 미흡 하다는 것을 확인하였다. 또한, 데이터 표현 과정에서 는 그래프의 단위 표현, 범례 설정, 추세선 활용 등에 서 다양한 유형의 오류가 있음을 확인하였다. 오류가 발생하는 원인으로는 저작 도구의 특징, 오개념과 인 지적 편향 등이 있었다. 연구 결과를 바탕으로 미래 사 회 과학 교육의 중요한 화두인 빅데이터 활용 교육에 대한 교육적 시사점을 도출하였다. 그리고 이와 관련 한 후속 연구를 제언하였다.

This study explored the errors and context occurred during high school students' data analysis processes. For the study, 222 data inquiry reports produced by 74 students from ‘A’ High School were collected and explored the detailed error types in the data analysis processes such as data collection and preprocessing, data representation, and data interpretation. The results of study found that in the data interpretation process, students had a somewhat insufficient understanding of seasonal variations and periodic patterns about weather elements. And, various types of errors were identified in the data representation process, such as basic unit in graphs, legend settings, trend lines. The causes of these errors are the feature of authoring tools, misconceptions related to weather elements, and cognitive biases, etc. Based on the study's results, educational implications for big data education, a significant topic in future science education, were derived. And related follow-up studies were suggested.

본 연구는 외생적으로 주어지는 날씨변수(강수 여부)를 활용하여 날씨가 시간사용에 미치는 영향을 분석함으로써 한국의 기간간 노동공급 탄력성을 추정하였다. 비오는 날은 맑은 날에 비해 사람들이 심리적으로 감성적이 되고, 실외 활동을 자제하게 된다는 자료들을 바탕으로 비오는 날에는 상대적으로 비생산적이고 제약이 작은 실내 활동에 더 많은 시간을 사용하게 될 것이라고 가정하고, 날씨로 인해 시간사용이 변화되는 모형을 구성하였다. 1999년, 2004년, 2009년 한국 생활시간조사와 날씨자료를 연계하여 모형을 분석한 결과, 비오는 날에는 남성의 경우 노동시간을 22분 줄이고 여가시간을 15분 늘리는 것으로 나타났으며, 여성의경우 노동시간을 16분 줄이고 여가시간을 8분 늘리는 것으로 나타났다. 이 결과를 바탕으로 한국의 기간간 노동공급 탄력성을 추정한 결과 남성은 -0.0055, 여성은 -0.00468로 추정되어 기간간 대체성이 거의 존재하지 않는 것으로 나타났다.

This purpose of this study is two-fold: the first is to analyze the impacts of weather on working men and women’s time use, the second is to estimate intertemporal substitution of labor in which the enjoyment of leisure is a function of the weather. Using Korea Time Use Survey data for 1999, 2004,and 2009 matched with weather reports, the impact of a rainy day on the time spent in work and leisure was examined. This study finds that men work 22minutes less and have an average of 15 minutes more leisure on rainy days. The findings for women show the same pattern, but variation is smaller. This effect varies greatly by cohorts and employment types, with 40s and self-employed showing the largest variation. I estimated intertemporal substitution of labor using exogenous variations in daily weather to see how time at work varies with rain. A rough estimate of the intertemporal elasticity of labor supply for men was computed, with a result of about -0.0055, which is extremely minimal.

The causes of climate change are natural and artificial. Natural causes include changes in temperature and sunspot activities caused by changes in solar radiation due to large-scale volcanic activities, while artificial causes include increased greenhouse gas concentrations and land use changes. Studies have shown that excessive carbon use among artificial causes has accelerated global warming. Climate change is rapidly under way because of this. Due to climate change, the frequency and cycle of infectious disease viruses are greater and faster than before. Currently, the world is suffering greatly from coronavirus infection-19 (COVID-19). Korea is no exception. The first confirmed case occurred on January 20, 2020, and the number of infected people has steadily increased due to several waves since then, and many confirmed cases are occurring in 2021. In this study, we conduct a study on climate change before and after COVID-19 using weather data from Korea to determine whether climate change affects infectious disease viruses through logistic regression analysis. Based on this, we want to classify before and after COVID-19 through a logistic regression model to see how much classification rate we have. In addition, we compare monthly classification rates to see if there are seasonal classification differences.

본 연구는 현재 운영 중인 자동기상관측장비인 ASOS와 AWS의 결측에 대해 안공신경망을 활용하여 주변 관측값을 기반으로 결측을 보완하기 위한 연구이다. 2011년부터 2015년까지 수집된 서울지역 기온, 습도, 풍속을 대상으로 학습데이터를 구성하고 인공신경망을 통해 학습모델을 구축하였으며, 서울관측소를 결측으로 가정하고 학습모델에 대한 검증을 수행하였다. 학습횟수 증가에 따른 민감도 실험 결과 초기종료는 학습횟수 2,000회에서 나타났다. 관측과 추정치의 상관관계는 모든 기상변수에서 0.6이상이었으며 기온과 습도의 경우 각각 0.9, 0.8 이상의 높은 상관성을 보였다. RMSE는 대부분 기상변수에 대해 학습횟수가 증가함에 따라 꾸준히 감소하지만 풍속의 경우 뚜렷한 증감 경향이 나타나지 않았다. 학습시간은 학습횟수가 증가할수록 지수함수적으로 증가하는 경향을 보였다. 학습횟수 40회의 ANN 성능은 초기종료 시점까지 향상된 결과에 80%이상의 효과를 볼 수 있으며 2초 내의 빠른 학습시간으로 신속한 결측 보완을 통해 보다 상세한 기상정보의 활용이 가능할 것으로 기대된다.

The purpose of this study is to make up for missing of weather informations from ASOS and AWS using artificial neural networks. We collected temperature, relative humidity and wind velocity for August during 5-yr (2011-2015) and sample designed artificial neural networks, assuming the Seoul weather station was missing. The result of sensitivity study on number of epoch shows that early stopping appeared at 2,000 epochs. Correlation between observation and prediction was higher than 0.6, especially temperature and humidity was higher than 0.9, 0.8 respectively. RMSE decreased gradually and training time increased exponentially with respect to increase of number of epochs. The predictability at 40 epoch was more than 80% effect on of improved results by the time the early stopping. It is expected to make it possible to use more detailed weather information via the rapid missing complemented by quick learning time within 2 seconds.

본 논문은 가상 기상관측소 자료를 활용하여 국지적인 이상기상현상이 발생하는 산악지역 고압송전선로의 빙설해 발생 환 경과 사고원인에 대해 분석하였다. 가상 기상관측소 자료는 기상관측소가 없는 산악지역에 대해 지형효과를 반영한 고해상도 관측 복원자료임으로 송전선로가 위치해 있는 곳의 기상 상황을 분석하기 위해 필수적인 자료이다. 본 자료를 활용하여 송전선 로에 빙설해가 발생하였을 때의 기상 상황과 착빙설 발생을 분석하였고 이를 토대로 사고원인을 추정하였다. 한국전력공사의 빙설해 보고서에 따르면 사고원인 파악이 불가하고 사고 발생 당시 기상 상황을 분석할 때 가장 가까운 기상관측소 자료를 사용 하여 정확도가 떨어진다는 단점이 있다. 본 연구 결과를 통해 빙설해 사고 원인에 대해 추정할 수 있고 나아가 상습 빙설해 지점 을 파악하여 추가 설비를 통해 빙설해 사고를 방지 할 수 있다.

최근 10년간 국내 화재발생 건수 및 인명 피해는 일정한 수준을 유지하고 있다. 화재는 다양한 원인에 의해 발생하지만, 기상 정보의 영향을 많이 받는다. 특히, 우리나라의 경우는 고온다습한 여름에 화재 발생 건수가 감소하고, 저온저습한 겨울철에는 화재 발생 건수가 증가하는 추세이다. 화재는 언제 어디서든지 발생할 수 있는 것으로 막대한 피해를 초래할 수 있기 때문에, 이에 대한 예측을 통해 피해를 최소화시킬 필요가 있다. 따라서, 본 논문에서는 화재 사고 원인 분석, 계절별 화재 발생률 등을 분석하고 기온, 풍향, 풍속, 습도와 같은 기상 정보와 화재 발생 건수와의 연관성을 분석하였다. 이를 통해, 기상 정보 입력으로 화재 발생 가능성을 예측하는 모델을 설계하였다. 최종적으로, 4개의 독립 변수(기온, 풍향, 풍속, 습도) 값을 입력하면 변수에 저장한 뒤 회귀 모델에 적용하여 최종 예측 모델을 설계하였다.

Over the past 10 years, the number of domestic fires and casualties has been maintained at a constant level. Although fires are caused by various causes, they are greatly influenced by weather information. In particular, in Korea, the number of fires decreases in hot and humid summer, and the number of fires increases in winter when low and low humidity. Since a fire can occur anywhere at any time and can cause enormous damage, it is necessary to minimize the damage through prediction. Therefore, in this paper, the cause of fire accidents and the rate of fire occurrence by season were analyzed. In addition, the correlation between weather information such as temperature, wind speed, wind direction, and humidity and the number of fires was analyzed. Through this, a model was designed to predict the possibility of fire by inputting meteorological information. Finally, when the values of four independent variables (temperature, wind direction, wind speed, humidity) are input, they are stored in the variables and then applied to the regression model to design the final predictive model.

본 연구는 2011년 1월1일부터 2014년 12월 31일까지의 기상변이에 관한 빅 데이터와 보건의료의 빅 데이터를 융합하여 식중독 발병률 변이에 기상요인이 어떤 영향을 주는지에 대한 분석을 시도하여 국민건강예방에 도움을 주고자한다. 분석도구 R을 이용하여 로지스틱 회귀와 Lasso 로지스틱 회귀 총 2가지 분석을 하였고, 식중독을 발생시키는 주 원인균을 분류하여 세균성 원인균과 바이러스성 원인균에 의한 식중독 발병률 변이를 확인하였다. 로지스틱 회귀 분석결과, 세균성 원인균에 의한 식중독 발병률에는 평균기온, 일조량편차, 기온편차가 유의미한 영향을 미치고, 바이러스성 원인균에 의한 식중독 발병률에 영향을 미치는 기상요인은 최소증기압, 일조량편차, 기온편차로 나타났다. 본 연구는 기상요인과 식중독 발병률이 상관성이 있음을 확인하였고, 두 가지 원인균에 의한 식중독 발병률이 같은 기상요인에 영향을 받더라도 원인균들의 특성에 따라 식중독 발병률에 반대의 영향을 미치는 것을 확인하였다.

This research attempts an analysis that fuses the big data concerning weather variation and health care from January 1, 2011 to December 31, 2014; it gives the weather factor as to what kind of influence there is for the incidence of food poisoning, and also endeavors to be helpful regarding national health prevention. By using R, the Logistic and Lasso Logistic Regression were analyzed. The main factor germ generating the food poisoning was classified and the incidence was confirmed for the germ of bacteria and virus. According to the result of the analysis of Logistic Regression, we found that the incidence of bacterial food poisoning was affected by the following influences: the average temperature, amount of sunshine deviation, and deviation of temperature. Furthermore, the weather factors, having an effect on the incidence of viral food poisoning, were: the minimum vapor pressure, amount of sunshine deviation and deviation of temperature. This study confirmed the correlation of meteorological factors and incidence of food poisoning. It was also found out that even if the incidence from two causes were influenced by the same weather factor, the incidence might be oppositely affected by the characteristic of the germs.

산업 기술이 발달함에 따라 편리함을 추구하게 되면서 교통수단 역시 발달하고 있다. 대도시에 거주하는 많은 사람들은 버스, 택시, 자가용 등의 교통수단을 이용하여 출퇴근을 하고 있고 여가를 즐기므로 이동시 발생하는 교통사고 의 피해를 줄이기 위한 연구가 필요하다. 본 연구는 실시간으로 도로단위 강우량을 추정하는 법을 다루고 있다. 이를 위해 기상청에서 제공하는 강우 관측 자료와 강우 레이더자료를 실시간으로 수집하여 통합 데이터베이스를 만들고 이를 크리깅 방법을 통해 도로단위 강우량으로 추정하였다. 이 외에도 도로의 실시간 교통소통정보도 강우정보와 융합하여 인터렉티브하게 시각화하는 연구를 수행하였다.

As industrial technology advances, convenience is also being developed. Many people living in big cities are commuting using transportation such as buses, taxis, cars, etc. and enjoy leisure, so research is needed to reduce the damages caused by traffic accidents. This study deals with estimating road-level rainfall in real-time. A rainfall observation data and radar data provided by the Korea meteorological administration were collected in real-time to create an integrated database, which was estimated as road-level rainfall by universal kriging method. Besides, we conducted a study to interactively visualization of mash-up road traffic information in real-time with integrating rainfall information.

지능형교통체계(ITS: Intelligent Transportation System)의 발전은 과거에 비해 보다 신뢰성 있고 폭넓은 교통자료 및 기상자료 등의 취득을 가능하도록 하였다. 이러한 첨단 시스템의 발전에 따라 수집된 자료를 이용하여 교통상황과 기상상황에 대한 다양한 연구가 활발히 진행되고 있다. 본 연구에서는 도로 기상정보 시스템(RWIS: Road Weather Information System)자료와 검지기 자료를 이용하여 강우량에 따른 속도 감소 패턴을 분석하고, 강우량에 따른 속도감소량 산출 결과를 통해 강우수준을 분류하는 기준을 제시하였다. 인공신경망을 이용하여 강우수준별 통행속도를 예측하였으며, 예측 결과를 비교하여 강우수준별 통행속도 예측 특성을 분석하였다. 분석결과, 강우수준 분류 기준은 0.4mm/5min, 0.8mm/5min으로 나타났으며, 강우수준별 속도와 교통량에 대한 분산분석 결과 강우수준별로 차이를 보이는 것으로 나타났다. 인공신경망을 통한 5분 단위의 통행속도 예측결과, 비강우인 경우에는 과거 5개 자료, 즉, 25분 동안의 속도자료를 사용하여 분석하는 것이 예측력이 높게 나타났으며, 강우가 발생하는 경우에는 과거 2~3개 자료, 즉, 10~15분 동안의 속도자료를 사용하는 것이 예측력이 높게 나타났다. 본 연구에서는 기상조건에 관계없이 신뢰성 있는 교통정보를 제공하기 위한 통행시간 예측 방법론을 제시함으로써 통행시간 정보 등의 교통정보 제공 시 보다 정확한 정보를 제공하여 교통상황 예측정보의 신뢰도 향상 및 교통상황 예측정보의 활용도를 증대시킬 수 있을 것으로 기대된다.

Intelligent transportation systems allow us to have valuable opportunities for collecting reliable wide-area coverage traffic and weather data. Significant efforts have been made in many countries to apply these data. This study identifies the critical points for classifying rain intensity by analyzing the relationship between rainfall and the amount of speed reduction. Then, traffic prediction performance by rain intensity level is evaluated using relative errors. The results show that critical points are 0.4mm/5min and 0.8mm/5min for classifying rain intensity (slight, moderate, and heavy rain). The best prediction performance is observable when previous five-block speed data is used as inputs under normal weather conditions. On the other hand, previous two or three-block speed data is used as inputs under rainy weather conditions. The outcomes of this study support the development of more reliable traffic information for providing advanced traffic information service.