• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.198-198
• /
• 2012

본 연구에서는 서울지방의 최근 10년간 우기시 강우자료를 이용하여 시공간패턴에 따른 강수의 변화를 분석하였다. 이를 위하여 GIS 기법, 강우사상 구분법 및 공간의 상관성 분석 등을 적용하였다. 본 연구의 대상지역인 서울은 북위 $37^{\circ}$34', 동경 $126^{\circ}$59' 부근에 위치하며 남북방향으로 30.3 km, 동서방향으로 36.8km에 걸쳐 있으며 그 면적은 약 $605.41km^2$이다. 또 서울 중앙에서는 한강이 동쪽에서 서쪽으로 흐르며 서울을 강북과 강남으로 양분하고 있으며, 서울을 관통하고 있는 한강으로 수많은 지천이 합류하고 있다. 이러한 지리적 특성들로 인하여 서울 지역의 기후는 매우 복잡한 양상을 나타내고 있다. 과거에는 서울지역에 강우관측소의 수가 매우 적어 이러한 현상을 분석하는데 한계가 있었으나 최근에 자동기상관측소(AWS)들의 확충으로 인하여 자료의 양이 넓어졌다. 본 연구에서는 이러한 자료들을 사용하여 강수의 시공간 패턴을 분석하고자 한다. 이를 위하여 강수의 사상을 구분하기 위한 방법인 IETD법(Inter Event Time Definition)을 적용하였으며, 요인분석 및 군집분석을 이용하여 서울의 강수 지역 구분 및 패턴 분석을 실시하였다. 이러한 분석을 통하여 최종적으로 최근 10년간 서울지방의 강수의 시공간 패턴을 제시하고자 하였다.

• Journal of Internet Computing and Services
• /
• v.10 no.5
• /
• pp.49-63
• /
• 2009

The performance of spatio-temporal moving pattern mining depends on how to analyze and process the huge set of spatio-temporal data due to the nature of it. The several method was presented in order to solve the problems in which existing spatio-temporal moving pattern mining methods[1-10] have, such as increasing execution time and required memory size during the pattern mining, but they did not solve properly yet. Thus, we proposed the STMP/MST method[11] as a preceding research in order to extract effectively sequential and/or periodical frequent occurrence moving patterns from the huge set of spatio-temporal moving data. The proposed method reduces patterns mining execution time, using the moving sequence tree based on hash tree. And also, to minimize the required memory space, it generalizes detailed historical data including spatio-temporal attributes into the real world scopes of space and time by using spatio-temporal concept hierarchy. In this paper, in order to verify the effectiveness of the STMP/MST method, we compared and analyzed performance with existing spatio-temporal moving pattern mining methods based on the quantity of mining data and minimum support factor.

• The Korean Journal of Applied Statistics
• /
• v.19 no.3
• /
• pp.599-617
• /
• 2006

Recently many LBS(Location Based Service) systems are issued in mobile computing systems. Spatial-Temporal Moving Sequence Pattern Mining is a new mining method that mines user moving patterns from user moving path histories in a sensor network environment. The frequent pattern mining is related to the items which customers buy. But on the other hand, our mining method concerns users' moving sequence paths. In this paper, we consider the sequence of moving paths so we handle the repetition of moving paths. Also, we consider the duration that user spends on the location. We proposed new Apriori_msp based on the Apriori algorithm and evaluated its performance results.

• The KIPS Transactions:PartD
• /
• v.16D no.2
• /
• pp.237-248
• /
• 2009

Recently, based on dynamic location or mobility of moving object, many researches on pattern mining methods actively progress to extract more available patterns from various moving patterns for development of location based services. The performance of moving pattern mining depend on how analyze and process the huge set of spatio-temporal data. Some of traditional spatio-temporal pattern mining methods[1-6,8-11]have proposed to solve these problem, but they did not solve properly to reduce mining execution time and minimize required memory space. Therefore, in this paper, we propose new spatio-temporal pattern mining method which extract the sequential and periodic frequent moving patterns efficiently from the huge set of spatio-temporal moving data. The proposed method reduces mining execution time of $83%{\sim}93%$ rate on frequent moving patterns mining using the moving sequence tree which generated from historical data of moving objects based on hash tree. And also, for minimizing the required memory space, it generalize the detained historical data including spatio-temporal attributes into the real world scope of space and time using spatio-temporal concept hierarchy.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.06a
• /
• pp.477-484
• /
• 2008

연쇄 살인과 같은 강력 범죄의 심각성이 사회적 이슈가 되면서 이에 대한 효과적인 과학 수사의 필요성이 증가되고 있다. 특히, 연쇄 범죄 데이타에 대한 공간 분석을 통해 범죄자의 거점 위치를 예측하는 지리적 프로파일링과 미래에 발생될 범행 장소의 위치, 즉 기존 범행에 이어 일어날 다음 범행 위치 예측에 관한 연구가 활발하다. 그러나, 이와 관련된 기존 연구는 물리적인 거리에 대한 통계적 기법을 적용하거나 단순한 공간적 분석만을 적용하므로 낮은 예측 정확도를 보이는 문제점이 있다. 본 논문에서는 이러한 문제를 해결하고 보다 효과적인 연쇄 범죄 수사를 지원하는 방법으로써 연쇄 범죄 발생에 대한 공간적 시간적 분포 특성에 따른 시공간 패턴을 기반으로 다양한 시공간 분석을 적용하는 거점 위치 예측 기법과 다음 범행 위치 예측 기법을 제안한다. 제안 기법은 중심축을 따라 나타나는 선형 분포의 연쇄 범죄에서도 정확도 높은 예측이 가능하고, 다수의 서로 다른 군집들에 대해 각 군집내 범행에 대한 지역적 예측과 대상 영역의 모든 범행에 대한 전역적 예측이 가능하다. 또한 방향 패턴을 활용하여 다음 범행 위치 예측 정확도도 개선하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.49-51
• /
• 2004

최근 GPS시스템, 감시 시스템, 기상 관측 시스템과 같은 다양한 응용 시스템으로부터 수집된 시공간 속성을 가진 데이터를 분석하고자 하는 시공간 데이터 마이닝에 대한 관심이 더욱 높아지고 있다. 기존의 시공간 데이터 마이닝에 대한 연구는 문자.숫자 데이터를 기반의 마이닝 기법을 그대로 적용하고 있기 때문에 데이터의 시공간 속성을 충분히 고려한 분석으로는 한계가 많은 것이 사실이다. 본 논문에서는 패턴 인식과 클러스터링 능력이 뛰어나다고 알려진 SOM을 기반으로 시공간 클러스터링 모듈을 개발하고, 개발된 모듈의 성능과 클러스터링 정확성에 대하여 K-means, 응집 계층 알고리즘(Average Linkage, Ward)과 비교함으로써 시공간 데이터 마이닝을 위한 각 알고리즘들의 성능을 분석하였다 또한 입력 데이터의 특성과 클러스터링 결과를 더욱 정확하게 나타내어 가시적인 분석을 도울 수 있도록 시공간 데이터 클러스터링을 위한 가시화 모듈을 개발하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.164-164
• /
• 2018

강우침식인자는 토양침식에 영향을 주는 한 인자이다. 강우침식인자는 강우강도, 강우량, 강우빈도 등과 같은 강우패턴으로 산정되는 값으로 기후변화로 인해 많은 지역에서 강우패턴의 변화가 관측되었기에 강우침식인자 또한 기후변화로 인한 변화가 예상된다. 한국의 강우의 시공간적인 변동성에 대한 연구는 많이 진행되었으나, 강우침식인자에 대한 연구는 아직까지 미흡한 상태이기 때문에 본 연구에서는 한국의 강우침식인자의 시공간적 변동성을 분석하였다. 강우강도, 강우량, 강우빈도, 강우지속기간 등 강우패턴을 결정하는 인자들 중 어떤 인자가 강우침식인자의 시간적인 변동성에 영향을 주는지 조사하였다. 시간적인 변동성을 조사하기 위해서 경향성 검사를 진행하였다. 적용된 경향성 검사는 Mann-Kendall test, 수정된 Mann-Kendall test, Block Bootstrapping Mann-Kendall test, T-test를 적용하였다. 검사결과 대부분의 지점에서는 강우침식인자에서는 경향성이 발견되지 않았다. 경향성이 발견된 지점에 대하여 경향성의 원인을 검토해본 결과, 복합적인 강우패턴 인자의 영향으로 인하여 강우침식인자의 경향성이 발생하는 것을 확인하였다. 강우패턴 인자 중에서는 유효강우사상의 강우량이 가장 큰 영향인자인 것을 확인 할 수 있었다.

• The KIPS Transactions:PartD
• /
• v.16D no.3
• /
• pp.307-316
• /
• 2009

In this paper, the spatiotemporal data mining methodology for detecting a cycle of power consumption pattern with the change of time and spatial was proposed, and applied to the power consumption data collected by GIS-AMR system with an aim to use its resulting knowledge in real world applications. First, partial clustering method was applied for cluster analysis concerned with the aim of customer's power consumption. Second, the patterns of customer's power consumption data which contain time and spatial attribute were detected by 3D cube mining method. Third, using the calendar pattern mining method for detection of cyclic patterns in the various time domains, the meanings and relationships of time attribute which is previously detected patterns were analyzed and predicted. For the evaluation of the proposed spatiotemporal data mining, we analyzed and predicted the power consumption patterns included the cycle of time and spatial feature from total 266,426 data of 3,256 customers with high power consumption from Jan. 2007 to Apr. 2007 supported by the GIS-AMR system in KEPRI. As a result of applying the proposed analysis methodology, cyclic patterns of each representative profiles of a group is identified on time and location.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.248-248
• /
• 2016

본 연구에서는 동아시아 가뭄에 대한 발생원인과 예측가능성을 진단하기 위하여 대기순환패턴과의 상관성 분석을 실시하였으며, 원격상관 패턴에 의한 동아시아 가뭄의 시공간적 변화특성을 분석하였다. 또한 통계적 기법인 EEMD(Ensemble Empirical Mode Decomposition) 분석을 적용하여 원격상관패턴과 동아시아 가뭄의 예측가능성을 검토하였다. 본 연구는 동아시아 가뭄특성을 진단하고 가뭄예측기법의 개발을 통하여 현실적인 적응전략 수립에 유용하게 활용 될 것으로 기대된다.

• Journal of Korean Society of Transportation
• /
• v.32 no.5
• /
• pp.522-530
• /
• 2014

Spatio-temporal congestion evolution pattern can be reproduced using the VDS(Vehicle Detection System) historic speed dataset in the TMC(Traffic Management Center)s. Such dataset provides a pool of spatio-temporally experienced traffic conditions. Traffic flow pattern is known as spatio-temporally recurred, and even non-recurrent congestion caused by incidents has patterns according to the incident conditions. These imply that the information should be useful for traffic prediction and traffic management. Traffic flow predictions are generally performed using black-box approaches such as neural network, genetic algorithm, and etc. Black-box approaches are not designed to provide an explanation of their modeling and reasoning process and not to estimate the benefits and the risks of the implementation of such a solution. TMCs are reluctant to employ the black-box approaches even though there are numerous valuable articles. This research proposes a more readily understandable and intuitively appealing data-driven approach and developes an algorithm for identifying congestion patterns for recurrent and non-recurrent congestion management and information provision.