Data Mastery: From Analysis to System De

시스템 방법론 본 시스템은 세 가지 주요 기능으로 구성되어 있습니다: 각 안전시설물 출력 기능, 순찰 경로 추천 기능, 그리고 순찰 경로 위험도 산출 기능입니다.안전시설물 출력 기능:시스템은 CCTV, 안전센터, 안전 시설물, 인구 밀도 등 다양한 안전시설물의 위치 데이터를 시각적으로 출력합니다. 이를 통해 사용자들은 도시 전역의 안전 인프라를 직관적으로 파악할 수 있습니다.순찰 경로 추천 기능:A* 알고리즘을 기반으로 최적의 순찰 경로를 추천합니다. 이 알고리즘은 각 격자의 위험도 점수와 목적지까지의 거리를 계산하여, 순찰 경로의 효율성과 효과성을 극대화합니다. 이로써 위험도가 높은 지역을 우선적으로 커버할 수 있습니다.순찰 경로 위험도 산출 기능:추천된 순찰 경로의 각 격자에 대해 안전센터, CCTV..

순찰 경로 추천 격자가 반환되었다면, 각 격자별로 얼마나 위험한지를 평가하여 위험도를 산출하는 알고리즘을 개발하겠습니다.위험도 산출 알고리즘# Handlingimport numpy as npimport json# Moduel from selectDatasetFluid import *def extract_optimized_path_data(optimal_path): # 1 데이터 프레임 리스트 dataframes = [] # 2. 서울 시 격자 순위 데이터 로드 data = get_dataframe_from_database_fluid('an_rank') # 3. 리스트 컴프리헨션을 이용한 ID 추출 ids_only = [item[2] for item in o..

서울 시 격자의 순위를 기반으로 순찰 경로 추천 알고리즘 및 위험도 산출 알고리즘을 개발하였습니다.  순찰 경로 추천 알고리즘 개발  1. 노드 활용 DB 생성class Node(Base): __tablename__ = 'nodes' id = Column(Integer, primary_key=True) lat = Column(Float) lon = Column(Float) rank = Column(Integer) g = Column(Float) f = Column(Float) parent_id = Column(Integer, ForeignKey('nodes.id')) parent = relationship("Node", remote_side=[id]..

서울 시의 각 격자(200 x 200)의 위험도 순위를 선정하기 위해 QGIS를 활용하여 체계적으로 분석하고 평가하였습니다.   격자 위험도 순위   1. 서울 시 격자   위험도를 선정하기 위해 서울 시를 200 x 200 크기의 격자로 나눈 후, 이를 서울 시 격자 데이터로 저장하였습니다.   2. 서울 시 안전 시설물    2.1 CCTV      2.2 안전 센터     2.3 데이터 적재  QGIS를 활용하여 각 안전시설물 데이터의 위치를 파악하고, 이를 적재하였습니다.   3. 거리 계산 거리 행렬을 이용한 격자와 안전 시설 간 거리 계산를 계산하였습니다. 데이터 수가 적은 안전 시설과 안전 비상벨의 경우, 각 격자마다 가장 가까운 두 지점(안전 시설, 안전 비상벨)을 지정하고 각 격자와의 거..

데이터 전처리안전시설물, CCTV, 인구밀도, 안전센터 등의 데이터를 열린 데이터 광장과 국토 정보 플랫폼에서 수집하여, 분석에 용이하도록 전처리한 후 자동으로 적재하는 알고리즘을 구현했습니다.# Handlingimport pandas as pd# Modulefrom loadDatabase import *from preprocessingPoint import *# gisimport geopandas as gpd# 그룹화 및 집계 함수 정의def most_frequent(series): return series.mode().iloc[0]grid_point = grid_point.groupby(['id','geometry']).agg({ 'left':most_frequent,'right':most_fr..

제안배경 도시의 안전과 보안을 강화하기 위해 효율적인 순찰 경로 설정은 필수적입니다. 그러나 현재의 순찰 방식은 주로 경험에 의존하거나 고정된 패턴을 따르며, 이는 제한된 인력과 자원을 최적화하지 못하는 결과를 초래할 수 있습니다. 이러한 비효율성은 범죄 예방과 대응 능력을 저해할 수 있으며, 더 나아가 시민들의 안전과 안심을 보장하는 데 한계를 드러냅니다.현대 기술의 발전은 이러한 문제를 해결할 수 있는 새로운 가능성을 제시합니다. 빅데이터 분석과 최적화 알고리즘, 그리고 GPS  기술의 융합을 통해 순찰 경로를 데이터 기반으로 재설계할 수 있습니다.  안전 시설물 데이터, 인구 밀도 데이터,  실시간 위치 정보, 환경적 요인 등을 종합적으로 분석함으로써, 위험 지역을 보다 효과적으로 커버할 수 있는 ..