PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

PURPOSES : We propose a framework to evaluate the reliability of integrating homogeneous or heterogeneous mobility data to produce the various data required for greenhouse gas emission estimation. METHODS : The mobility data used in the framework were collected at a fixed time from a specific point and were based on raster data. In general, the traffic volume for all traffic measurement points over 24 h can be considered raster data. In the future, the proposed framework can be applied to specific road points or road sections, depending on the presence or absence of raster data. RESULTS : The activity data required to calculate greenhouse gas emissions were derived from the mobility data analysis. With recent developments in information, communication, and artificial intelligence technologies, mobility data collected from different sources with the same collection purpose can be integrated to increase the reliability and accuracy of previously unknown or inaccurate information. CONCLUSIONS : This study will help assess the reliability of mobility data fusion as it is collected on the road, and will ultimately lead to more accurate estimates of greenhouse gas emissions.

2013년 공공데이터포털 서비스가 시작되어 현재까지 공공데이터 개방의 수준이 양적으로나 질적으로 비약적으로 확대되었으며, 공공데이터를 활용하여 수많은 어플리케이션에 제작되어 활용되고 있다. 행정데이터의 70～80% 이상은 위치와 관련된 정보이기 때문에 공공데이터 역시 위치정보를 가지고 있는 경우가 대부분이다. 본 연구에서는 파일데이터, 오픈API, 표준데이터 형식으로 제공되는 공공데이터포털의 자료를 전반적으로 분석하고, 이 중 특히 위치정보를 포함한 공공데이터포털 데이터의 문제점을 분석한 후, 이를 바탕으로 공공데이터포털의 발전방안을 제시하고자 한다. 현황분석을 통해, 공공데이터포털의 데이터 종류, 정보수준, 형식 등을 결정하는 체계가 확립되어야 하고, 데이터 관리주체의 다원화, 데이터에 적합한 제공형식 등에 대한 검토가 필요한 점을 제시하였다. 또한 공간정보의 이용측면에서는 위치참조체계에 대한 명확한 정보제공, 위치참조체계를 변환을 위한 통합적인 API 개발 및 특수한 위치참조체계에 대한 처리 방안의 모색 등이 강구되어야 함을 발전 방안으로 제시하였다.

목적 : 본 연구는 국가치매관리사업과 관련된 공공데이터를 수집하여 치매안심센터에서 시행되는 작업치료 의 비용편익분석을 통해 미래의 국가치매관리사업의 효율화 방안을 모색하고자 한다. 연구방법 : 2016년 1월부터 12월까지의 국가치매관리사업 관련 공공데이터를 정보공개 창구를 이용하여 수집하였다. 수집된 자료를 토대로 작업치료 비용편익분석을 위한 각종 변수를 정의하고, 빈도분석 및 산술계산으로 변수의 값을 산출했다. 결과 : 우리나라에서 서울은 모든 자치구에서 치매관리사업을 시행하고 있고, 사업수행인원 전원이 전담인력으로 배치되어 있다. 특히 작업치료 전담인력을 치매안심센터의 96.0%에 배치하여 치매안심센터 서비스에서 작업치료를 제공하고 있다. 치매안심센터에서 시행되는 작업치료의 순 편익은 작업치료 전담인력이 배치된 경우 서울에서 약 73억 원으로 산출되었다. 결론 : 서울과 같은 형태로 국가치매관리사업 사업을 확대하고, 작업치료 전담인력을 통한 프로그램 시행으로 치매관리비용을 절감하는 효과가 있을 것으로 기대된다. 치매 국가책임제 추진으로 치매관리사업이 국가 단위의 보건사업으로 발돋움하고 있는 지금 한정된 보건의료자원을 효율적으로 사용하기 위해서는 치매안심센터에서 작업치료의 확대가 필요할 것으로 보인다.

As The Fourth Industrial Revolution and Intelligent Information Age came into full-scale, the policy of open government data has become a hot topic for each country. The United States, the United Kingdom, and other countries are shifting policy direction to “creating value” of open government data. Also, in the age of the digital economy where the data market is soaring, open government data is gradually being recognized as a new raw material for new business and start-ups. In addition, Korea ranked first in the OECD open government data evaluation twice in a row, and was highly evaluated in the international evaluation. However, domestic firms are still lacking in qualitative openness of government data, data is dispersed among institutions, lack of public-private data linkage, and development of app-oriented development. This study attempts to analyze major national policies for the creation of a data ecosystem that considers data lifecycle, from production to storage, distribution and utilization of data. First, the target countries were the leading public data countries among the OGP member countries, the USA, the UK, Australia and Canada. The results of this study are as follows. As a result of analyzing the results and comparing Korea’s policies, it was concluded that most of Korea is superior in open government data policy. However, improvement of data quality, development of open data portal as an open platform, support for finding various users including apps and web development companies, and cultivation of open government data utilizing personnel are analyzed as policy issues. In addition, the direction of policy for the balanced ecosystem of Korea is presented together.

최근 GIS는 특정 소프트웨어를 사용하던 환경에서 오픈소스 환경으로 변화하고 있다. 특히 포털사이트의 지도 API는 인터넷 연결만 가능하다면 누구나 사용할 수 있기 때문에 널리 활용되고 있다. 지도API는 단순히 매쉬업(mash-up)하여 사용하는 사례가 많았으나, 최근 다양한 시각화 기능을 제공하는 방향으로 발전하면서 데이터를 분석할 수 있는 가능성이 제기되고 있다. 본 연구는 구글API를 이용하여 공공데이터를 지리적으로 시각화하는 방법을 모색하고자 한다. 이를 위하여 서울시 1인가구를 주제로 관련 공공데이터를 수집하고 구글의 맵, 차트, 퓨전테이블 API를 이용하여 지리적 시각화를 웹에서 구현하였다. 본 연구는 오픈 API를 활용하여 매쉬업에 그치지 않고 데이터를 지리적으로 시각화하고 탐색적으로 데이터의 의미를 찾아보는 탐색적 데이터 분석이 가능하도록 하였다는 점에서 의의가 있다. 오픈 API와 클라우드 환경을 이용한 데이터의 지리적 시각화는 일반 대중이나 컴퓨터 환경이 좋지 않은 학교 등에서 공공데이터를 활용할 수 있는 방안을 제시하였다는 점에서 의미를 지닌다.