Smart city management systems try to apply and utilize artificial intelligence (AI) technology to detect urban events such as traffic accidents occurring in urban environments through sensor data from the deployed Internet of Things (IoT) sensor data. However, there is a problem of lack of high-quality training data with meaningful label related to urban events. To solve the problem, this study proposes a method of labeling IoT sensor data accumulated in a smart city environment so that it can be used within machine learning models, which are necessary to detect urban events. More specifically, firstly, I develop AI technology to detect urban events more accurately from geographically fine-grained urban sensor data. Then, I compare urban events, which are collected via a administrative agency, with the detected anomalous sensor data points. Finally, I utilize labels extracted from social media messages left by many people in the smart city environment to attach meaningful labels such as traffic accidents, road emergency works to the detected urban events.
스마트시티 관리 시스템들은 센싱 정보를 통해 도시 환경에서 발생하는 교통사고와 같은 이벤트를 탐지하기 위해 인공지능 기술을 도입하고자 한다. 그러나, 의미 있는 레이블 정보가 달린 고품질/대량 훈련데이터 부족 문제가 존재한다. 이 문제를 해결하기 위해, 본 연구에서는 스마트시티 환경 내 축적되고 있는 센서 데이터가 이벤트를 탐지하는 데 필요한 기계학습 모델에 활용될 수 있도록 레이블링하는 방법을 제안한다. 구체적으로, 지리적으로 더 세분화된 도시 지역 내 센서데이터로부터 도시 이벤트들을 탐지하는 기술을 개발하고, 이 센서데이터와 연관된 도시 이벤트들, 그리고 스마트시티 환경 내 많은 사람들이 동일 시공간에서 남기는 소셜 미디어 메시지에서 추출한 레이블 정보를 비교하여 센서데이터에 시공간적으로 매칭되는 의미 있는 레이블(교통사고, 도로 비상작업 정보 등)을 부착하는 방법을 제안한다.
