Journal of Cadastre & Land InformatiX (지적과 국토정보)

LX Spatial Information Research Institute (한국국토정보공사 공간정보연구원)
권호 표지
DOI QR코드

DOI QR Code

System Design and Implementation for Building a Place Information based on Crowdsourcing Utilizing the Graph Data Model

그래프 데이터 모델을 활용한 크라우드 소싱 기반의 장소 정보 구축을 위한 시스템 설계 및 구현

  • 이재은 (서울대학교 건설환경공학부) ;
  • 노건일 (서울대학교 건설환경공학부) ;
  • 장한메 (서울대학교 건설환경공학부) ;
  • 유기윤 (서울대학교 건설환경공학부)
  • Received : 2016.04.29
  • Accepted : 2016.06.24
  • Published : 2016.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

The development of LBS(location-based services) due to the widespread mobile environment highlights the importance of POI(point of interest) information. The accurate and up-to-date POI has to be ensured to reflect the information of rapidly changing places. For the efficient construction of POI, here we propose the novel construction system for t he place information. This system is based on crowd-sourcing in which a great number of users participate. In addition, we utilize the graph data model to build the new concept of the place information covering the wide areas extending from the specific point. Moreover, the implementation of the new system applying the graph data model and crowd-sourcing is realized in this paper. That is, this study suggests the whole new concept of the place information and shows the clustering and the renewal of the place information through crowd-sourcing.

최근 모바일 환경의 보급에 따른 위치기반서비스의 발달로 POI 정보의 중요성이 더욱 부각되고 있다. 따라서 빠르게 변화하는 장소들의 정보를 반영하기 위해서는 POI의 최신성과 정확성이 담보되어야 한다. 본 연구에서는 POI 정보의 효율적인 구축을 위해 다수의 사용자가 정보를 구축하는 크라우드 소싱 기반의 장소 정보 구축 시스템을 제안한다. 또한 POI 정보를 넘어서서 영역 형태의 정보를 포함하는 장소 정보의 개념을 제시하고, 장소 정보의 구축을 위해 그래프 데이터 모델을 활용하였다. 그리고 그래프 데이터 모델과 크라우드 소싱을 활용한 시스템을 설계하고, 이를 실제로 구현하였다. 그 결과 단순 POI로부터 영역 형태를 포함하는 장소의 개념의 클러스터링이 가능하였고, 크라우드 소싱을 통해 정보의 구축 및 갱신이 가능하였다.

Keywords

References

  1. 김호숙, 임현숙, 용환승 (2002), 공간 데이터 마이닝에서 가중치를 고려한 클러스터링 알고리즘의 설계와 구현, 한국지능정보 시스템학회논문지, 한국지능정보시스템학회, 제8권, 제2호, pp.177-187
  2. 오성호 (2006), 인프라 21세미나-우리나라 POI 구축현황 및 향후 추진 방향, 국토 2006년 1월호, 국토연구원, pp.152-157.
  3. Alves, A. O., Rodrigues, F ., and Pereira, F. C (2011), Tagging Space from Information Extraction and Popularity of Points of Interest, Ambient Intelligence, Volume 7040 of the series Lecture Notes in Computer Science, pp.115-125.
  4. Chuang, H. M., Chang, C. H., Kao, T. Y., Cheng, C. T., Huang, Y. Y., and Cheong, K. P. (2016). Enabling maps/location searches on mobile devices: constructing a POI database via focused crawling and information extraction, International Journal of Geographical Information Science, Vol. 30, No. 7, pp.1-21.
  5. Goodchild, M. F (2007), Citizens as sensors: the world of volunteered geography, GeoJournal, Vol. 69, No. 4, pp.211-221. https://doi.org/10.1007/s10708-007-9111-y
  6. Ichien, S., Kaji, K., and Kawaguchi, N. (2014), Proposal of a platform integrating POI information. In Mobile Computing and Ubiquitous Networking (ICMU), 2014 Seventh International Conference on IEEE, pp.123-128.
  7. Kisilevich, S., Mansmann, F., and Keim, D. (2010), P-DBSCAN: a density based clustering algorithm for ex ploration and analysis of attractive areas using collections of geo-tagged photos, In Proceedings of the 1st international conference and exhibition on computing for geospatial research & application, ACM, pp.1-10.
  8. Pokorny, J. (2015), Graph Databases: Their Power and Limitations, Computer Information Systems and Industrial Management, Volume 9339 of the series Lecture Notes in Computer Science, pp.58-69.
  9. Rodrigues, F. (2010), POI Mining and Generation, Master's thesis, Faculty of Sciences and Technology, University of Coimbra, Portugal
  10. W3c POI core (2016), https://www.w3.org/2010/POI/documents/Core/core-20111216.html
  11. Zhou, M., Wang, M., and Hu, Q. (2013), A POI data update approach based on Weibo check-in data, 2013 21st International Conference on Geoinformatics, IEEE, pp.1-4.