도로의 이산화탄소 농도 예측 방법으로서,대상 지역 내의 복수의 정보 수집 영역으로부터, 국지 이산화탄소 농도 데이터 및 이산화탄소 농도에 영향을 주는 적어도 하나의 변수에 관한 관련 변수 데이터를 수집하는 단계;상기 국지 이산화탄소 농도 데이터 및 상기 관련 변수 데이터를 병합하여 병합 정보 데이터를 생성하는 단계;상기 병합 정보 데이터를 전처리하여 학습 데이터를 생성하는 단계;상기 학습 데이터를 기초로 이산화탄소의 농도 예측을 위한 예측 모델을 학습시키는 단계; 및학습된 상기 예측 모델을 통해, 상기 대상 지역 내의 도로에 위치하는 예측 지점에서의 실시간 이산화탄소 농도를 예측하는 단계를 포함하고,상기 예측 모델은 랜덤 포레스트(Random Forest) 모델이거나, 라쏘(Lasso) 모델 및 랜덤 포레스트 모델을 소정의 방식으로 앙상블한 앙상블 모델이고,상기 정보 수집 영역은, i) 상기 대상 지역 내의 도로에 배치된 복수의 교통 정보 수집 사이트, ii) 상기 복수의 교통 정보 수집 사이트와 각각 대응하도록 정의되는 복수의 이산화탄소 농도 측정 영역, iii) 상기 대상 지역이 소정의 공간 해상도를 갖도록 분할되어 형성된 복수의 격자 단위 영역 및 iv) 상기 대상 지역 내에 배치된 배경 정보 수집 사이트를 포함하고,상기 국지 이산화탄소 농도 데이터는 상기 이산화탄소 농도 측정 영역에서 측정되고,상기 관련 변수 데이터는, 상기 교통 정보 수집 사이트에 측정된 교통 정보 데이터, 상기 격자 단위 영역에서 측정된 기상 정보 데이터 및 상기 배경 정보 수집 사이트에서 측정된 배경 이산화탄소 농도 데이터를 포함하고,상기 국지 이산화탄소 농도 데이터는, 상기 이산화탄소 농도 측정 영역 내의 적어도 하나의 지점에서의 측정 시간, 측정 좌표 및 대기 중 이산화탄소 농도에 관한 정보를 포함하고,상기 교통 정보 데이터는, 상기 교통 정보 수집 사이트의 좌표, 상기 교통 정보 수집 사이트에서의 교통량, 교통 속도 및 측정 시간에 관한 정보를 포함하고,상기 기상 정보 데이터는, 상기 격자 단위 영역의 좌표, 상기 격자 단위 영역에서의 풍향, 풍속, 기온 및 측정 시간에 관한 정보를 포함하는, 방법.

삭제

제 1 항에 있어서,상기 이산화탄소 농도 측정 영역은, 상기 교통 정보 수집 사이트의 소정 거리 이내의 영역인, 방법.

제 1 항에 있어서,상기 병합 정보 데이터를 생성하는 단계에서, 상기 교통 정보 데이터는, 상기 교통 정보 데이터가 수집된 상기 교통 정보 수집 사이트와 대응하는 상기 이산화탄소 농도 측정 영역에서 측정된 상기 국지 이산화탄소 농도 데이터와 병합되고,상기 기상 정보 데이터는, 상기 기상 정보 데이터가 수집된 상기 격자 단위 영역과 대응하는 상기 이산화탄소 농도 측정 영역에서 측정된 상기 국지 이산화탄소 농도 데이터와 병합되는, 방법.

제 1 항에 있어서,상기 정보 수집 영역은, 상기 복수의 교통 정보 수집 사이트 사이에 배치된 적어도 하나의 교통 정보 근사 영역을 더 포함하고,상기 수집하는 단계에서, 상기 교통 정보 근사 영역에서 측정될 것으로 예측되는 근사 교통 정보 데이터를 더 수집하고,상기 근사 교통 정보 데이터는, 상기 근사 교통 정보 데이터를 예측한 상기 교통 정보 근사 영역과 인접한 복수의 상기 교통 정보 수집 사이트에서 측정된 복수의 상기 교통 정보 데이터로부터 추론되는, 방법.

제 5 항에 있어서,상기 병합 정보 데이터를 생성하는 단계에서,상기 근사 교통 정보 데이터는, 상기 근사 교통 정보 데이터가 예측된 상기 교통 정보 근사 영역과 대응하는 상기 이산화탄소 농도 측정 영역에서 측정된 상기 국지 이산화탄소 농도 데이터와 병합되는, 방법.

삭제

제 1 항에 있어서,상기 관련 변수 데이터는, 상기 교통 정보 수집 사이트, 상기 이산화탄소 농도 측정 영역 및 상기 격자 단위 영역 중 적어도 하나에서의 인구 밀도 및 식생 지수 중 적어도 하나에 관한 정보를 더 포함하는, 방법.

제 1 항에 있어서,상기 국지 이산화탄소 농도 데이터는, 상기 도로를 따라 이동하고, 이산화탄소 농도 측정 장치가 배치된 이동체로부터 측정되는, 방법.

제 9 항에 있어서,상기 학습 데이터를 생성하는 단계에서, 상기 국지 이산화탄소 농도 데이터 중 측정 시간에 관한 정보는, 상기 이산화탄소 농도 측정 장치에 의한 측정 지연 시간이 보정되는, 방법.

제 9 항에 있어서,상기 국지 이산화탄소 농도 데이터는, 상기 이산화탄소 농도 측정 장치와 인접하여 대형 이동체가 이동한 노이즈 시점에 관한 정보를 더 포함하고,상기 학습 데이터를 생성하는 단계에서, 상기 노이즈 시점에서의 상기 국지 이산화탄소 농도 데이터가 삭제되는, 방법.

제 11 항에 있어서,상기 학습 데이터를 생성하는 단계에서, 상기 노이즈 시점에서의 상기 국지 이산화탄소 농도 데이터가 삭제된 후, 대기 중 이산화탄소 농도가 기준 농도 이상인 경우에 관한 상기 국지 이산화탄소 농도 데이터가 더 삭제되는, 방법.

제 9 항에 있어서,상기 국지 이산화탄소 농도 데이터는 상기 이동체의 이동 속도에 관한 정보를 더 포함하고,상기 학습 데이터를 생성하는 단계에서, 상기 국지 이산화탄소 농도 데이터 중 상기 이동체의 이동 속도가 기준 속도 이하인 경우에 관한 데이터는 삭제되는, 방법.

제 1 항, 제 3 항 내지 제 6 항 및 제 8 항 내지 제 13 항 중 어느 한 항에 따른 방법을 실행하기 위하여 기록 매체에 저장된 컴퓨터 프로그램.

도로의 이산화탄소 농도 예측을 위한 컴퓨팅 장치로서,적어도 하나의 프로세서; 및상기 프로세서에 의해 실행 가능한 프로그램을 저장하는 메모리를 포함하고,상기 프로세서는, 대상 지역 내의 복수의 정보 수집 영역으로부터, 국지 이산화탄소 농도 데이터 및 이산화탄소 농도에 영향을 주는 적어도 하나의 변수에 관한 관련 변수 데이터를 수집하고, 상기 국지 이산화탄소 농도 데이터 및 관련 변수 데이터를 병합하여 병합 정보 데이터를 생성하며, 상기 병합 정보 데이터를 전처리하여 학습 데이터를 생성하고, 상기 학습 데이터를 기초로 이산화탄소의 농도 예측을 위한 예측 모델을 학습시키며, 학습된 상기 예측 모델을 통해, 상기 대상 지역 내의 도로에 위치하는 예측 지점에서의 실시간 이산화탄소 농도를 예측하고,상기 예측 모델은 랜덤 포레스트(Random Forest) 모델이거나, 라쏘(Lasso) 모델 및 랜덤 포레스트 모델을 소정의 방식으로 앙상블한 앙상블 모델이고,상기 정보 수집 영역은, i) 상기 대상 지역 내의 도로에 배치된 복수의 교통 정보 수집 사이트, ii) 상기 복수의 교통 정보 수집 사이트와 각각 대응하도록 정의되는 복수의 이산화탄소 농도 측정 영역, iii) 상기 대상 지역이 소정의 공간 해상도를 갖도록 분할되어 형성된 복수의 격자 단위 영역 및 iv) 상기 대상 지역 내에 배치된 배경 정보 수집 사이트를 포함하고,상기 국지 이산화탄소 농도 데이터는 상기 이산화탄소 농도 측정 영역에서 측정되고,상기 관련 변수 데이터는, 상기 교통 정보 수집 사이트에 측정된 교통 정보 데이터, 상기 격자 단위 영역에서 측정된 기상 정보 데이터 및 상기 배경 정보 수집 사이트에서 측정된 배경 이산화탄소 농도 데이터를 포함하고,상기 국지 이산화탄소 농도 데이터는, 상기 이산화탄소 농도 측정 영역 내의 적어도 하나의 지점에서의 측정 시간, 측정 좌표 및 대기 중 이산화탄소 농도에 관한 정보를 포함하고,상기 교통 정보 데이터는, 상기 교통 정보 수집 사이트의 좌표, 상기 교통 정보 수집 사이트에서의 교통량, 교통 속도 및 측정 시간에 관한 정보를 포함하고,상기 기상 정보 데이터는, 상기 격자 단위 영역의 좌표, 상기 격자 단위 영역에서의 풍향, 풍속, 기온 및 측정 시간에 관한 정보를 포함하는, 컴퓨팅 장치.