RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재

      도시 환경 센싱 데이터를 이용한 도시 내 특이 구역 탐색 = Discovering Outlying Regions in a City Using Urban Environmental Sensing Data

      한글로보기

      https://www.riss.kr/link?id=A104730585

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      다국어 초록 (Multilingual Abstract)

      Recently, as various sensing technologies for temperature, humidity, fine dust, air pollutant, and noise are developed, a lot of environmental sensing data for various regions in a city is being actively collected. In this paper, we propose a framework to find outlying regions in the city that show very different patterns from the other regions using urban environmental sensing data. To verify the effectiveness of the proposed framework, we also present a real example of finding outlying regions in Daejeon, Daegu, and Busan, where fine dust occurs very little or very high relative to the amount of air pollutant. We hope that outlying regions found by the proposed framework can provide useful information for improving the urban environment.
      번역하기

      Recently, as various sensing technologies for temperature, humidity, fine dust, air pollutant, and noise are developed, a lot of environmental sensing data for various regions in a city is being actively collected. In this paper, we propose a framewor...

      Recently, as various sensing technologies for temperature, humidity, fine dust, air pollutant, and noise are developed, a lot of environmental sensing data for various regions in a city is being actively collected. In this paper, we propose a framework to find outlying regions in the city that show very different patterns from the other regions using urban environmental sensing data. To verify the effectiveness of the proposed framework, we also present a real example of finding outlying regions in Daejeon, Daegu, and Busan, where fine dust occurs very little or very high relative to the amount of air pollutant. We hope that outlying regions found by the proposed framework can provide useful information for improving the urban environment.

      더보기

      국문 초록 (Abstract)

      최근 온도, 습도, 미세먼지, 대기오염물질, 소음 등 다양한 대상에 대한 센싱 기술이 발전하면서 도시 내 여러 구역에 대한 환경 센싱 데이터가 활발히 수집되고 있다. 본 논문에서는 이러한 도시 환경 센싱 데이터를 이용하여 도시 내에서 다른 구역과 매우 다른 패턴을 보이는 특이 구역을 탐색하는 프레임워크를 제안한다.
      또한 제안하는 특이 구역 탐색 프레임워크의 효용성을 검증하기 위해 실제로 대전, 대구, 부산에서 대기오염물질의 양에 비해 미세먼지가 매우 적게 혹은 매우 많이 발생하는 특이 구역을 탐색한 예를 제시한다. 제안 프레임워크로 탐색된 특이 구역들의 특성 또는 공통점을 파악하면 추후 도시 환경을 개선하는데 매우 유용한 정보를 얻을 수 있을 것으로 기대한다.
      번역하기

      최근 온도, 습도, 미세먼지, 대기오염물질, 소음 등 다양한 대상에 대한 센싱 기술이 발전하면서 도시 내 여러 구역에 대한 환경 센싱 데이터가 활발히 수집되고 있다. 본 논문에서는 이러한 ...

      최근 온도, 습도, 미세먼지, 대기오염물질, 소음 등 다양한 대상에 대한 센싱 기술이 발전하면서 도시 내 여러 구역에 대한 환경 센싱 데이터가 활발히 수집되고 있다. 본 논문에서는 이러한 도시 환경 센싱 데이터를 이용하여 도시 내에서 다른 구역과 매우 다른 패턴을 보이는 특이 구역을 탐색하는 프레임워크를 제안한다.
      또한 제안하는 특이 구역 탐색 프레임워크의 효용성을 검증하기 위해 실제로 대전, 대구, 부산에서 대기오염물질의 양에 비해 미세먼지가 매우 적게 혹은 매우 많이 발생하는 특이 구역을 탐색한 예를 제시한다. 제안 프레임워크로 탐색된 특이 구역들의 특성 또는 공통점을 파악하면 추후 도시 환경을 개선하는데 매우 유용한 정보를 얻을 수 있을 것으로 기대한다.

      더보기

      참고문헌 (Reference)

      1 문윤섭, "황사 발생 기간 동안 WRF-Chem 모델을 이용한 미세먼지 예측과 관련 기상장에 대한 민감도 분석" 한국지구과학회 35 (35): 1-18, 2014

      2 정진도, "아산지역의 황사/비황사시 PM2.5, PM10 농도특성에 관한 연구" 대한환경공학회 30 (30): 1111-1115, 2008

      3 김성연, "서울시 일부 지역의 대기 중 미세먼지에 관한 연구" 한국환경보건학회 31 (31): 301-308, 2005

      4 서영호, "상업지역의 초미세먼지(PM2.5) 발생특성 연구" 한국대기환경학회 31 (31): 97-104, 2015

      5 김철희, "부산 지역 미세먼지 농도의 시간변동 특성 및 기상인자 분석을 통한 먼지생성 해석" 한국환경과학회 16 (16): 1157-1167, 2007

      6 환경부, "미세먼지, 도대체 뭘까?"

      7 권춘근, "대구지역 대기 중 미세먼지(PM_10_)의 고농도 발생빈도와 특성 평가" 영남대학교 환경보건대학원 2008

      8 Ludwig Fahrmeir, "Regression: Models, Methods and Applications" Springer 2013

      9 M. Pal, "Random forest classifier for remote sensing classification" 26 (26): 217-222, 2007

      10 Peng Hao, "Modal Activity-Based Stochastic Model for Estimating Vehicle Trajectories from Sparse Mobile Sensor Data" 18 (18): 701-711, 2017

      1 문윤섭, "황사 발생 기간 동안 WRF-Chem 모델을 이용한 미세먼지 예측과 관련 기상장에 대한 민감도 분석" 한국지구과학회 35 (35): 1-18, 2014

      2 정진도, "아산지역의 황사/비황사시 PM2.5, PM10 농도특성에 관한 연구" 대한환경공학회 30 (30): 1111-1115, 2008

      3 김성연, "서울시 일부 지역의 대기 중 미세먼지에 관한 연구" 한국환경보건학회 31 (31): 301-308, 2005

      4 서영호, "상업지역의 초미세먼지(PM2.5) 발생특성 연구" 한국대기환경학회 31 (31): 97-104, 2015

      5 김철희, "부산 지역 미세먼지 농도의 시간변동 특성 및 기상인자 분석을 통한 먼지생성 해석" 한국환경과학회 16 (16): 1157-1167, 2007

      6 환경부, "미세먼지, 도대체 뭘까?"

      7 권춘근, "대구지역 대기 중 미세먼지(PM_10_)의 고농도 발생빈도와 특성 평가" 영남대학교 환경보건대학원 2008

      8 Ludwig Fahrmeir, "Regression: Models, Methods and Applications" Springer 2013

      9 M. Pal, "Random forest classifier for remote sensing classification" 26 (26): 217-222, 2007

      10 Peng Hao, "Modal Activity-Based Stochastic Model for Estimating Vehicle Trajectories from Sparse Mobile Sensor Data" 18 (18): 701-711, 2017

      11 Hadi Habibzadeh, "Large-Scale Distributed Dedicated-and Non-Dedicated Smart City Sensing Systems" 17 (17): 7649-7658, 2017

      12 "KISTI-dataset"

      13 "Google Maps"

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2026 평가예정 재인증평가 신청대상 (재인증)
      2020-01-01 평가 등재학술지 유지 (재인증) KCI등재
      2017-01-01 평가 등재학술지 유지 (계속평가) KCI등재
      2013-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2010-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      2009-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2007-01-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 0.02 0.02 0.01
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      0.02 0.02 0.183 0.03
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼