1. 기술의 개요

❖ 본 이전 기술은 시공간 데이터에 대해 머신 러닝 모델을 학습하고 이로부터 근사 질의에 사용할 수 있는 시공간 합성 데이터를

    생성하여 근사 질의 처리를 지원할 수 있는 기술임

❖ 본 이전 기술은 원본 데이터에 대한 집계 연산 결과에 가까운 근사 질의 결과를 산출하는 합성 데이터를 머신 러닝을 활용하여

    생성함으로써, 질의 처리 시 일정 수준의 질의 처리 응답 시간을 유지할 수 있게 해주는 기술임

2. 기술이전 내용 및 범위

기술이전 내용 및 범위

❖ 시공간 근사 질의 지원 머신 러닝 모델 라이브러리 SW 소스코드 1건
❖ 국내 특허 2건, 국제 특허 1건 (출원)

• 합성 데이터를 이용한 시공간 예측 분석 질의 처리 시스템 및 방법
• 근사 질의를 위한 혼합형 데이터 학습 장치 및 방법

❖ 기술 문서 6건

• 시공간 근사 질의 지원 머신 러닝 모델 라이브러리 요구사항정의서 / 설계서 / 시험절차및결과서
• 시공간 데이터에 대한 근사 질의 처리 방법 (in TrainDB)
• 확률 회로 개요 – 추론과 모델
• 시공간 질의와 확률 표현식

3. 경쟁기술과 비교

기술 특징

❖ AI/ML 기술을 활용하여 시공간 데이터를 학습하고 유사한 분포의 합성 데이터를 생성
❖ 모델을 학습한 이후에는 원본 데이터 없이 합성 데이터를 생성하여 데이터 분석을 지원

▣ 기존 경쟁기술 대비 개량된 부분
 

❖ 기술적 측면
 

• ML 모델 기반 신속한 시공간 데이터 분석, 시각화 가능
• 개인 정보 등 민감한 정보나 비공개 데이터를 포함하는 데이터 분석에 유용
• 오픈 소스 근사 질의 처리 엔진인 TrainDB와 연동 방식으로 사용 가능
 

❖ 사업적 측면
 

• 가격 경쟁력면: ESRI, CARTO 등 해외 제품 대비 가격 경쟁력 확보 가능
• 시장 환경면: AI, ML 기반 솔루션 증가에 따라 시장은 지속적 성장 예상

---------------------------------------------------------------------------------------------------------------------------------------------------------