숨길 개발 보고서

위에서 아래로 앞 단계의 결과가 다음 단계의 입력이 된다. "언제·얼마나"는 공개 실측으로 AI까지 끝냈고, 남은 것은 "어느 골목"을 가르는 공간 실측과 그걸로 하는 보정이다.

이전 버전은 지우지 않고 남긴다. 공유 링크 sumgil.pages.dev(Cloudflare Pages)의 첫 화면이 최신 버전(v17)이고, 첫 화면은 서울 전체(#seoul), 수도권 핵심 구역은 #capital, 서초 검증 구역은 #seocho. 공개 중인 이전 버전은 v1.html, v2.html, v3.html, v4.html, v5.html, v6.html, v7.html, v11.html, v14.html, v15.html, v16.html. v8–v10(옛 표현이 남음)과 v12(v13과 로고만 다름)는 공개에서 빼 보관만 한다. 현장 채집 지도는 sampling.html.

꽃가루가 어디서 얼마나 나오고(발생량), 바람을 타고 어디로 가는지(확산)를 계산한다. 절대 농도가 아니라 0–100 상대 위험도이며, 그날의 전체 수준은 기상청 꽃가루농도위험지수로 맞춘다.

발생량   나무 1그루  P̂ = (기울기 × 줄기단면적 + 절편) × 방출 보정 × 알레르기 가중치 × 이달 개화도   Katz 2020 · 방출 보정은 서울 실측 비교
         숲 25 m 칸  그루 수(수관점유율 ÷ 수관면적) × P̂ × 숲 보정 0.5                  임상도 수종·경급·밀도
         잡초 25 m 칸 물가 10 · 나지 8 · 초지 4 (상대값) × 8–10월 개화도                토지피복
확산     바람 아래쪽으로 길게(60 + 40 × 풍속 m), 위쪽으로 짧게(25 m) 퍼지는 타원 + 바로 옆 몫
건물     바람 위쪽 5H 안에 건물 → 멀리서 오는 몫 최대 −50%   협곡(H/W) → 나란하면 +15%, 수직이면 안쪽 몫 +30%
지형     바람 약한 밤·아침, 기울기 4% 이상 비탈의 숲 꽃가루가 아래로 150 m 흘러내림
점수     배경(기상청 지수 단계) + 폭(단계) × √(국지 분포)   → 0–100

건물·지형을 넣었더니 서리풀공원 서쪽 비탈 아래 방배동 골목은 올라가고(산풍), 공원 동쪽의 건물 빽빽한 서초동은 내려갔다(바람 그늘). 도로 2,953구간 중 3점 넘게 바뀐 곳은 155개로, 판도는 유지되고 건물·산 주변만 달라진다. 효과의 크기는 모두 가정값이라 봄 실측으로 다시 맞춘다.

버즘나무는 서울 가로수 1위인데 어느 서울 관측에서도 상위 8종에 들지 않는다. 방출을 1/50(0.02)로 낮춰 다시 계산했다: 서초 봄 절정 평균 위험도 35.9 → 33.9, 도로 649구간이 3점 넘게 내려갔다(방배중앙로 37.5 → 27.0). 9월('지금')은 버즘나무 개화기가 아니라 그대로다. 같은 비교에서 은행나무는 네 곳 모두 모델이 낮게 잡았다(×2–8). 암수·식재 연령 자료가 생기면 다시 본다. 소나무는 서울 밖에서 멀리 날아오는 몫이 커서 이 방식으로는 보정하지 않는다.

같은 공기라도 오르막에서는 숨을 더 많이 쉰다. 그래서 v8부터 "위험한 길이"가 아니라 오르막 호흡까지 반영한 꽃가루 노출 점수로 경로를 비교한다. 점수는 상대 위험도(0–100) × 거리 × 호흡비로, 숨길이 나무·바람·도로를 보고 미리 계산한 비교용 예상이다. "노출 점수 8% 낮음"은 모델 안에서의 비교이며, 현장에서도 차이가 나는지는 봄 경로 쌍 실측(11)으로 확인한다.

비용 = 걸리는 시간 + λ × 노출 점수

걸리는 시간 = 길이 ÷ (75 m/분 × 속도비(경사))          Tobler 1993
노출 점수 = 길이 × 상대 위험도 × 호흡비(경사)          Minetti 2002
호흡비 = 경사별 보행 에너지 ÷ 평지 에너지 (2.5 J/kg/m)
λ = 꽃가루를 얼마나 피하고 싶은가 (사용자 설정)

공공데이터는 형식·인코딩·좌표계가 제각각이다. 데이터마다 정리 규칙을 설정 파일 한 곳(pipeline/datasets.json)에 적어 두고, 같은 명령으로 몇 번이든 똑같이 다시 만든다. 새 데이터가 들어와도 규칙 한 줄을 더하면 된다.

1. 진단 preprocess.py inspect 파일형식, 한글 인코딩, 컬럼별 결측·예시값, 경위도·투영좌표 후보, 좌표계(.prj·좌표 범위)를 보고하고 정리 단계 초안을 제안
2. 등록 datasets.json에 규칙 추가이름 바꾸기 → 숫자 변환 → 범위 밖 값 비우기 → 점 만들기 → EPSG:5186 → 시범 구역 자르기 → 중복 제거 → 전용 단계
3. 실행 preprocess.py run결과는 data/_processed/<id>.parquet, 단계별 행 수와 품질검사는 qc/<id>.json
4. 전체 재생성 pipeline/run_all.py전처리 → 위험도 모델 → 특성 표 → 분석 → 채집 설계 → 현장 지도 → 앱, 약 1.5분

좌표계는 추측하지 않는다. 서울시 비오톱을 처음엔 EPSG:5186이라고 적었는데, 진단 결과 원본은 EPSG:5174(구 중부원점)였다. 그대로 썼다면 비오톱 전체가 약 100 km 어긋났을 것이다. 그래서 새 데이터는 반드시 진단부터 한다.

AI가 바로 읽을 수 있게 격자 20 m 칸 24,320개와 보행 도로 2,953구간마다 같은 특성을 붙였다. 특성마다 단위·설명·출처를 data_dictionary.csv에 남긴다. 풍향에 따라 달라지는 건물 그늘은 8방위를 모두 만들어 두고, 학습할 때 관측 당시 풍향에 맞는 값을 고른다.

어떤 AI를 쓸지는 데이터 모양이 정한다. 정답이 몇 개인지, 값이 얼마나 치우쳤는지, 가까운 칸끼리 얼마나 닮았는지를 먼저 쟀다.

정답이 있는 유일한 자료: 건보공단 비염 진료 (서울 25개 구 × 240개월)

음이항 GLM (월·구·최근흐름)이 가장 정확했다. 표본이 적고 구조(계절·지역)가 뚜렷하면 설명 가능한 통계 모델이 트리 모델보다 낫다. 그래서 숨길은 데이터 양에 맞춰 모델을 고르고, 딥러닝은 데이터가 충분히 쌓인 뒤에 쓴다.

구 단위로는 신호가 약하다. 서울 25개 구에서 "공원 참나무 비율"과 "4월 진료 증가율(여름 대비)"의 순위상관은 0.387 (p = 0.056)로 예상 방향이지만 약하고, 꽃가루와 무관한 겨울(12월)에서도 비슷한 크기의 상관이 나왔다. 검정을 30번 했으니 우연일 수 있다. 구처럼 넓은 단위에서는 차이가 묻힌다는 뜻이고, 숨길이 골목 단위를 보는 이유이기도 하다.

국립기상과학원이 구리(한양대구리병원)에서 매일 잰 13개 분류군 꽃가루를 로그인 없이 공개하고 있었다. 게시글 1,081건과 시즌별 엑셀을 모아 2019–2026년 14,005건을 정리하고, 같은 날 기상(재분석)과 묶어 2026년 한국 연구(Environmental Research)와 같은 구조의 LightGBM을 학습했다.

읽는 법. 숨길 AI는 8개 분류군 모두에서 오차가 가장 작다. 순위상관은 참나무(0.81)·소나무(0.81)·가을 잡초(0.70)에서 높다. 내일 예보도 거의 같은 수준이다(참나무 0.80). 참나무는 해마다 0.81–0.89다. 가을 잡초의 고농도일 맞힘(F1 0.39)은 아직 약해서 개선 대상이다.

숫자를 고친 이유. 이전 보고서의 참나무 0.85는 "어제 관측이 항상 있다"고 보고 채점한 값이었다. 실제로는 주말·연휴에 관측이 늦게 올라와 약 절반의 날은 어제 값이 없다. 예보 날 아침에 볼 수 있던 값만 쓰도록 모델을 다시 학습하고 같은 조건으로 채점했더니 0.81가 됐다. 발표에는 이 운영 조건 숫자를 쓴다.

오늘(2026-10-02) 숨길 AI 예보: 환삼덩굴 8개 낮음, 돼지풀 4개 낮음. 구리 관측 2026-10-02까지 반영, 기상은 Open-Meteo 예보 + ERA5 재분석. 이 단계가 앱 '지금 날씨'의 꽃가루 수준을 정하고, 기상청 지수는 옆에 비교용으로 보여 준다.

개화 달력을 실측으로 교체

물리 모델의 월별 개화도는 가정값이었다. 구리 실측의 월평균(가장 많은 달 = 1)으로 바꿨다. 관측이 4월 1일에 시작하므로 3월이 절정인 오리나무·측백나무과·느릅나무는 기존 값을 둔다. 가장 큰 차이는 참나무 5월(0.60 → 0.16)이다. 참나무는 5월 초에 거의 끝나고, 5월의 주인공은 소나무다.

한계. 구리 한 지점이라 서울 도심과 차이가 있을 수 있고(서초에서 약 15 km), 관측이 4–10월만 있다. 서울 지점 자료는 기상청에 요청 중이다. 위험 단계 기준(참나무 높음 ≈ 하루 100개, 매우 높음 ≈ 200개 등)은 게시글 측정의견에서 거꾸로 뽑은 것이라 공식 기준과 다를 수 있다.

서초 한 곳을 한 파일에 담던 방식은 서울(면적 약 135배)부터 막힌다. 계산과 앱을 둘 다 바꿨다. 서초는 검증 구역으로 남기고, 서울은 서비스 구역으로 같은 엔진에서 만든다.

새 엔진으로 서초를 다시 만들어 v9와 비교하면 도로 구간 위험도 상관이 4월 0.92, 9월 0.95다. 차이는 계산이 아니라 입력에서 온다(잡초 서식지를 폴리곤 대신 5 m 래스터 + OSM 물길로). 앱에서 광화문역 → 서울역 경로는 조각 15개(도로 약 4.2만 구간)만 받아 0.1초에 계산한다.

건물 그늘이 몇 % 줄이는지를 가중치로 고정하면 우리 가정을 AI에 다시 강요하는 셈이다. 효과의 크기는 실측에서 배우고, 물리적으로 확실한 방향만 강제한다.

최종 예측 = 물리 모델(v8) × 보정계수(건물·지형·주변 특성)

손실 = Σ (log 실측 − log 예측)²                     실측에 맞추기
     + α × Σ max(0, ∂예측/∂건물그늘)²              그늘이 세지는데 농도가 오르면 벌점
     + α × Σ max(0, −∂예측/∂바람아래쪽 숲)²        숲 바람 아래쪽인데 농도가 내리면 벌점
     + β × Σ (log 보정계수)²                        실측 없는 곳은 물리 모델을 따르게

AI가 건물·지형 효과를 배우려면 측정 지점이 그 차이를 골고루 담아야 한다. 보행 도로 후보 2,093곳을 특성 7개(물리 위험도, 가로수 발생량, 참나무 숲, 도로 협곡, 북서풍 건물 그늘, 지형 위치, 물가 잡초) 공간에서 군집으로 나누고, 군집마다 대표 한 곳과 특성별 극단 한 곳씩, 서로 200 m 이상 떨어지게 39곳을 골랐다.

설계가 무작위보다 나은가

후보 전체를 얼마나 잘 대표하나(가까운 선정 지점까지 평균 거리, 작을수록 좋음): 1.151 vs 무작위 1.354. 특성 범위를 덮는 비율: 100% vs 무작위 98%.

협곡 16건물 그늘 15산기슭 아래 3참나무 숲 가까이 7가로수 발생원 많음 10물가 잡초 2대조군 6

쌍두 경로 동시 걷기시간 차이 5분 이하, 노출 점수 차이가 큰 쌍

	출발 → 도착	최단	추천	노출 점수
P1	서초중앙로 → 반포대로37길	28분	29분	−37%
P2	서초중앙로 → 명달로15길	22분	22분	−16%
P3	도구로 → 신반포로	45분	45분	−11%

측정 순서

1. 4월 중순~5월 초 참나무 절정기, 맑고 바람 약한 날 5–10일
2. 지점마다 Rotapollen 채집기 1.5 m 높이, 오전 7–10시 3시간
3. 같은 시간 기상(S-DoT 가까운 센서) 기록
4. 경로 쌍은 두 사람이 동시에 출발해 휴대용 채집기로 걷기 측정
5. 슬라이드 현미경 계수 → grains/m³ → 물리 모델 예측과 비교해 보정계수 학습

1차 평가 지표는 골목 농도의 정확도가 아니라 "두 경로 중 덜 노출되는 쪽을 맞히는가"다. 경로 쌍 측정이 그대로 앱의 효과 검증이 된다.

서비스 구역을 수도권 핵심 (서울 + 맞닿은 도시)로 넓히면서 위험도와 길찾기를 고쳤다. 나무가 없는 길까지 '보통'으로 칠하던 점수를 바로잡고(위험도 v4), 잡초를 계절에 맞게 넣고(위험도 v5), 사람이 걸을 수 없는 차 전용 길을 길찾기에서 뺐고(보행망 v5), 그 자료로 앱이 실제로 어떤 결과를 보여 주는지 다시 셌다.

두 점 사이 가장 빠른 길이 이미 괜찮거나 더 나은 길이 없으면 앱은 세 길을 비교하지 않고 한 장으로 알려 준다. 그래서 위 숫자는 앱이 세 길을 나란히 보여 준 경우(둘 다 켬: 약 4쌍 중 1쌍)의 가운데값이다. 소개 사이트의 '약 7%'는 이 값이다. 모두 숨길이 나무·바람·도로를 보고 미리 계산한 꽃가루 노출 점수의 상대 비교이며, 현장 차이는 봄 경로 쌍 실측(11)으로 확인한다.

1. 안드로이드 앱 플레이스토어 출시 준비 — 지금 베타 0.10.14남은 것: 릴리스 서명 키 보관 방법, 개인정보처리방침(위치 권한을 쓰므로 필수), 스토어 등록 문구·화면, 태블릿 실기기 확인, 자료 자동 갱신(스케줄러), 데이터 이용 허락(서울시 가로수·기상)
2. 길찾기 규칙 점검 — 지하차도를 빼서 크게 돌아가는 곳(철길·고속도로 밑)거리뷰로 실제 보도가 있는지 보고, 있으면 이름으로 되살린다
3. 산림청 임상도 서울 전체 신청 → 서울 숲을 실제 수종으로지금은 토지피복 활엽수림을 참나무 55%로 가정
4. 서울 전체 날씨를 기상청 격자별로지금은 서초 한 지점 바람을 서울 전체에 씀
5. 서울 지점 꽃가루 실측 요청 — 정보공개청구 + 공공데이터 제공신청 (기상청 동작 2007– · 2013–15 수도권 시간별 · 자동관측)보고서로 자료가 있다는 것을 확인했다. 시간별 자료면 출퇴근 시간대 예보와 밤·새벽 산풍 검증도 가능
6. 가을 잡초 고농도일 맞힘 개선F1 0.39 → 돼지풀·환삼덩굴 따로, 강수 뒤 반등·일사량 변수 보강
7. 기상청 ASOS 활용신청 (공공데이터포털)Open-Meteo 재분석은 비상업 무료 → 상용화 전에 공식 관측으로 교체
8. 채집기(Rotapollen) 제작·시험 측정 (2027년 3월 전)설계도 공개, 10대째 $48
9. 앱: 주소 검색(브이월드 지오코더), 내 알레르기 선택, 고속터미널 지하상가 통로시연 완성도
10. 국토지리정보원 DEM으로 표고 교체지금 표고는 건물 높이가 섞여 매끄럽게 펴서 쓰는 중

로그인·신청 없이 받을 수 있는 것은 모두 받았다. 남은 것은 팀이 직접 신청해야 받을 수 있는 자료다. 받으면 data/_raw_inbox/에 넣고 "정리해줘"라고 하면 된다.

가르는 기준은 꽃가루를 바람에 날리는가(풍매화), 곤충이 옮기는가(충매화)다. 풍매화가 알레르기의 주범이다. 서울 가로수의 대부분(은행나무·벚나무·이팝나무)은 위험이 낮고, 주요 원인 수종은 공원·산림·하천변에 몰려 있다.

검증 전 초안. 위험 등급은 일반 지식 기준이며 문헌으로 하나씩 대조하지 않았다. 모델 입력으로 쓰기 전에 홍천수, 「한국에서 꽃가루 알레르기를 일으키는 식물」로 수종별 근거를 확인하고, 사업계획서에 쓸 때는 그 논문을 인용한다.

범주 번호는 01의 모델 구조에서 쓴 번호와 같다. 접근 방식은 네 가지로 표시했다. 추가 표시는 v2·v3에서 더 찾아 넣은 출처, 확보는 이미 받아 전처리 파이프라인에 들어간 데이터다.

없는 값은 그럴듯한 값으로 메우지 않는다. 지금 확인된 공백과 메울 방법이다.

모델의 각 부분에 어떤 논문을 쓰는지 정리했다. 바로 사용은 숫자나 식을 그대로 가져오는 것, 방법 참고는 구조만 빌리는 것, 근거 인용은 사업계획서·발표에 인용하는 것, 경쟁 사례는 차별화해야 할 기존 연구다.

P̂ (10억 개) = 423.56 × B + 36.20        B = 줄기 단면적(m²) = π × (직경/2)²   R² = 0.78  (Quercus rubra)

직경 40 cm 참나무 → B = π × 0.20² = 0.126 m²
                  → P̂ = 423.56 × 0.126 + 36.20 ≈ 89.4 → 약 894억 개 / 년

버즘나무  P̂ = 1066.75 × B + 1.26    (R² 0.65)
자작나무  P̂ = 561.16 × B + 5.03     (R² 0.94)
참나무(Q. palustris)  P̂ = 327.20 × B + 14.90  (R² 0.51)

확인 범위. 수치는 검색 요약과 공개 전문(PMC)에서 가져왔다. Katz 2023(개체 나무 모델), Cariñanos 2014, 거리 감쇠 2017 논문은 본문을 직접 읽지 않았으므로 식·계수를 쓰기 전에 원문을 확인한다.

숨길은 아래 자료를 써서 만들었다. 출처를 밝혀야 하는 자료(CC BY 등)는 이 절이 출처 표시다. 웹앱·안드로이드 앱의 '자료 출처'가 이 절로 연결된다. 자료마다 받는 법·해상도는 부록 B 데이터 출처에 있다.

1. 잡초 관찰 기록 (GBIF) — 위험도 v6 잡초 서식지 모델

환삼덩굴·돼지풀·단풍잎돼지풀·쑥 관찰 기록으로 '잡초가 자라기 쉬운 곳' 모델을 학습했다. 학습에는 이용 조건이 넓은 CC0·CC BY 기록만 썼고 (수도권 전체 모델 학습 관찰 211건, qc/weed_habitat_model.json), 이 가운데 출처 표시가 필요한 CC BY 기록 36건을 아래 표에 모두 적는다. 권리자 이름은 기록에 권리자(rightsHolder)로 적힌 경우(21건)만 싣고, 나머지 15건은 기록 링크로 출처를 밝힌다.

인용: GBIF.org (2026-09-30) GBIF Occurrence Search, taxonKey 2984537,8002952,3110588,3120641, lat 37.3–37.8, lon 126.66–127.3, hasCoordinate=true. https://www.gbif.org/occurrence/search (검색 날짜 2026-09-30, GBIF 검색 API 결과라 다운로드 DOI 없음)

2. 날씨 — Open-Meteo.com

Weather data by Open-Meteo.com · 이용 조건 CC BY 4.0. 무료 API 는 비상업 용도만 쓸 수 있어, 상용 출시 전에는 유료 이용이나 기상청 공식 관측으로 바꾼다. 과거 날씨의 원자료는 ERA5 재분석(Copernicus 기후변화 서비스·ECMWF)이다.

3. 공공데이터·지도

이용 조건은 받을 때 확인해 pipeline/datasets.json·data/데이터 목록.md에 적어 둔 그대로다. 서울시 가로수(공공누리 제4유형)처럼 상업 이용이 막힌 자료는 상용화 전에 기관의 이용 허락을 받는다.

숨길 작업을 할 때마다 이 문서를 고치고 여기에 남긴다. 최신이 위.

• 2026-10-02
  • 발표 보고서에 부록 E '자료 출처와 이용 조건'(#sources) 추가: 위험도 v6 잡초 서식지 모델 학습에 쓴 GBIF CC BY 관찰 36건 표(데이터셋·권리자·라이선스·기록 링크, CC BY-NC 는 검증에만), GBIF 인용 문장, Open-Meteo.com 날씨(예보·ERA5 과거·과거 예보, CC BY 4.0), 공공데이터·지도 15종 이용 조건. 웹 v17·안드로이드 앱의 '자료 출처' 링크 대상. AI_모델.md 에 '자료 출처' 절
• 2026-10-01
  • README·발표 숫자를 위험도 v5 자료(intro_numbers_deployed_v5e)로: 앱이 세 길을 비교해 보여 준 경우 25.9%(약 4쌍 중 1쌍), 가운데값 꽃가루 약 7% 덜(7.1%)·+1.3분·차 많은 큰길 약 330 m 덜(334.2 m, v5d 344.1 m), 꽃가루만 켜면 약 13%(13.5%), 예시 마곡나루역→발산역 약 12%(11.6%)·성의교정→뒷벌공원 약 8%·성심교정→역곡역 약 13%. 발표 보고서에 위험도 v5(바닥값 나무만, 잡초는 8–10월만, 경지정리가 된 밭 바로잡기, 강기슭 잡초) · 예보 신뢰도 3단 설명, 버전 표 v15(경로 이름 '빠른 길'·'균형 길'·'숨길 추천')
  • 웹앱 v16: 가운데 길 이름 '균형 길' → '조금 도는 길' (사용자 결정, 안드로이드 0.10.12 와 같게, 경로 계산식은 v15 와 같음). 안드로이드 베타 0.10.12: 길찾기 응답 태블릿 약 0.17→0.08초, 큰 글씨 1.3배 정리, 출발·도착 바꾸기·뒤로 가기·오늘 예상 신뢰도
• 2026-09-30
  • 안드로이드 앱 v0.10.7-beta3: 출시 전 문제 수정 (캐시 파일이 깨졌을 때 다시 받기, 임시 파일·도로 조각을 다 쓴 뒤 바꾸기, 경로 말풍선 그리기 스레드) → GitHub 베타 릴리스. 폰 화면 캡처 새로 찍음
  • 소개 사이트 시안 B 숫자를 v5d 로 교체: 약 7%·+1.3분·큰길 약 340 m ('앱이 세 길을 비교해 보여 준 경우'로 뜻을 정확히), 예시 마곡나루역→발산역·성의교정→뒷벌공원·성심교정→역곡역
  • GitHub README v3: 흐름도를 직접 그린 그림(밝게·어둡게)으로, 앱 README 는 화면·코드 구조·경로 계산 중심으로
  • 숨길 팀 사무실 (tools/team_office): 팀별로 일하는 모습을 픽셀 사무실 화면으로 보기
  • 발표 아티팩트 게시 멈춤 (편집 권한 없음). 발표 문서는 build_report.py 로 만들어 sumgil.pages.dev/presentation/ 로만 공개
  • 문서 정리: 작업 지침에 위험도 v4·보행망 v5 설명, 발표 보고서에 '수도권 서비스' 절 (위험도 v4 비교·길찾기에서 뺀 길·앱이 보여 주는 결과·앱 베타), 버전 표 v12–v14
  • 팀원 시작 안내서 (prototype/docs/팀원_시작_안내서.md): 상민·성원이 설치 → clone → Claude 앱 Code 탭 연결 → 일 시키기 → 팀 사무실·본사 게시판까지 따라 하는 한 파일, README 팀원 처음 설정이 이 파일을 가리킴
• 2026-09-29
  • 위험도 v4: 나무가 없는 길까지 '보통'으로 칠하던 배경값을 낮춤 (수도권 4월 '보통' 이상 도로 길이 83.8% → 33.0%). '잠재 위험' 바닥값은 지역마다 달라지던 상대값 대신 '다 자란 참나무 몇 그루 몫'이라는 같은 잣대로. 이전 계산은 risk_fft_v3.py 로 보존
  • 경로 비용 권장안 D (앱 v0.8·웹): 꽃가루·미세먼지를 둘 다 켜도 추천 길이 가장 빠른 길보다 꽃가루 노출 점수가 높아지지 않게 (높으면 '꽃가루만' 길로 바꿈). 0.5% 넘게 높으면 '덜' 대신 '비슷해요'로 표시
  • 보행망 규칙 v2–v5: 길찾기에서 사람이 걸을 수 없는 길을 뺌 — 자동차전용도로·중앙버스전용차로·그 연결로(v2), '옆 보도를 쓰라'는 길은 다시 허용·짧은 연결로는 크게 돌아갈 때만 남김·공원 위치를 공원 안 보행로로 보정(v3), 표시가 빠진 제2자유로·우면산로·일산대교, 차 전용 지하차도·고가차도, 300 m 넘는 국도 터널(v4), 지하차도·고가차도는 예외 없이 제외(v5). 수도권 6,199구간·1,236 km. 지도 색·위험도는 그대로. 단계마다 품질 검사 뒤 sumgil.pages.dev 배포
  • 웹앱 v12 (화면 문구를 쉬운 말로), v13 (새 아이콘 F), v14 (아이콘 I '걷는 ㅅ' 로고·favicon). 옛 표현이 남은 v8–v10 은 공개에서 빼 보관
  • 안드로이드 앱 v0.8–v0.10.6: 경로 말풍선이 겹치지 않게, 아이콘 I, 경로 결과 시트 B (가장 빠른 길과 비교 막대), 브랜드 캐릭터 '숨이' (첫 실행 안내·불러오는 중·오류), 설정 화면·'안내 다시 보기', 시작 화면 I 로고, 베타 빌드(코드 최적화 R8 켜기, 켜지는 시간 약 1초) → GitHub 베타 릴리스
  • 소개 사이트 숫자 다시 셈 (보행망 v5 자료 + 앱과 같은 계산식, 무작위 498쌍·4월·둘 다 켬): 앱이 세 길을 비교해 보여 준 경우 25.1% (약 4쌍 중 1쌍), 그 가운데값 꽃가루 노출 점수 7.2% 낮음·+1.3분. 추천 길이 가장 빠른 길보다 점수가 높은 쌍 0
  • GitHub Olive-Bio 조직에 비공개 저장소 2개 (soomgil = 웹·엔진·파이프라인, soomgil-android = 앱), README·CONTRIBUTING·PR 양식, 인수인계판(작업현황.md). 담당 팀 나누기 (데이터·AI연구·앱개발·디자인·웹·배포·품질·기획·발표·마케팅)
  • 발표 문서·공개 웹앱에서 꽃가루 양처럼 읽히는 옛 표현을 '꽃가루 노출 점수'로 바꾸고, 배포 전 금지 표현 검사를 하위 폴더까지 넓힘
• 2026-09-28
  • 꽃가루 시간 AI v2: 예보 날 아침까지 게시판에 올라온 관측만 입력으로 쓰도록 다시 학습 (평일만 게시·주말분 월요일·연휴 지연을 게시일 기록 1,014건으로 반영)
  • 같은 조건으로 다시 채점: 참나무 순위상관 0.85(어제 값 항상 있다고 본 v1) → 0.81(운영 조건), 내일 예보 0.80. 8개 분류군 모두 여전히 기후값·최근 공개값·날씨만보다 오차가 작음
  • 앱 v11: 경로 비교 표기를 '꽃가루 노출 점수'로 바꿈 (상대 점수임을 명시). v10은 v10.html로 보존
  • 바로잡음: 관측이 늘 2–3일 늦다고 했던 것은 틀림 — 9/25 공백은 추석 연휴 게시 중단. 평소엔 아침 예보 때 어제 관측이 있는 날이 약 53%
  • 안드로이드 앱(플레이스토어 배포용) 시작: Kotlin·Compose·네이버 지도 SDK. 웹앱과 같은 서버 자료를 읽고 경로 엔진을 옮김 — 단위 테스트에서 웹앱과 같은 답(서리풀공원→서래마을 노출 점수 36.0% 낮음). 위험도 지도는 네이버 SDK 에 타일 레이어가 없어 지상 오버레이로 표시. 디버그 APK 빌드 성공
  • 배포를 Netlify(드래그 업로드 실패) → Cloudflare Pages 로 옮김: https://sumgil.pages.dev (파일 4,268개, 웹앱 서울 경로 계산 확인). run_all.py --deploy 로 갱신, 안드로이드 앱 자료 주소도 이 주소
  • 가톨릭대 캠퍼스: 성의교정(반포)은 서울 자료로 이미 포함 확인. 성심교정(부천)은 서울 가로수 자료 밖이라 경기데이터드림 가로수길(길 단위)로 부천 가로수 4,983그루를 OSM 같은 이름 도로에 추정 배치 (그중 3,035그루는 그루 수가 없어 10 m 간격 가정)
  • 시나리오 3개로: 4월(참나무) · 9월(가을 잡초, 새로 추가) · 지금 날씨 — 서울·서초 지도 다시 계산해 Cloudflare 배포
  • 안드로이드 앱 v0.3 (네이버 지도 앱 배치 참고): 시작 애니메이션, 끌어 올리는 시트, '얼마나 돌아가도 괜찮나요?' 3단계(버튼마다 +N분·노출 −X%), 구간 안내, 장소 글자 눌러 출발/도착, 실시간 내 위치, 새 아이콘, 말풍선 핀, 화살표 경로선. git 태그로 백업 지점(v0.2, v0.3)
  • 앱 v0.3.1: 켜면 내 실시간 위치 중심, 출발지 = 내 위치 자동
  • 미세먼지 함께 고려: 도로마다 '큰길 매연 지수'(큰길에서 떨어진 거리·도로 등급, 도로변 감쇠 연구 근거)를 서버 자료에 추가하고, 앱에 꽃가루·미세먼지 토글 — 오늘 에어코리아 등급(좋음~매우 나쁨)으로 큰길을 피하는 강도 조절. 앱 v0.4
  • 안내 문구를 쉬운 말로: '노출 점수' → '꽃가루를 약 X% 덜 만나요', '차 많은 큰길을 Y m 덜 걸어요', 안내 '숨길이 나무·바람·도로를 보고 미리 계산한 예상'
  • 앱 v0.5 (네이버 지도 길찾기 화면 참고): 경로가 나오면 '내 위치 → 도착지' 한 줄 바, 전체경로 버튼, 경로 위 말풍선(누르면 선택), 출발지·도착지와 경로 끝을 잇는 회색 점선, 경로 카드 3장(시간·거리·걸음·꽃가루·큰길·횡단보도·계단), [구간 안내][안내 시작] — 안내 중엔 지도가 내 위치를 따라가며 지금 길·남은 거리·다음 길 표시, 나침반 방향 화살표
  • 앱 v0.5.1–v0.6: 세 길이 같으면 '이미 숨쉬기 편한 길이에요!' 한 장 — 단, 꽃가루 보통 이상 30 m·큰길 100 m 미만일 때만. 아니면 '돌아가도 더 나은 길이 없어요 + 마스크' 주의 카드. 지도 색 범례
  • 위험도 v3: 지도 색을 앱 단계와 같은 절대 기준으로 (예전엔 '동네보다 높은 곳' 상대값이라 낮음인 날에도 노랗게 보였음). '잠재 위험' 바닥값 — 알레르기 나무가 모인 곳 주변은 계절과 무관하게 최소 위험 (서초 지금: 보통 이상 도로 0% → 7.7%)
  • 수도권 핵심 구역(capital) 추가: 서울 + 부천·광명·안양·과천·의왕·성남·하남·구리·남양주·의정부·고양·김포 일부 (733만 칸, 도로 61만 구간, 건물 87만 동 반영). 경기 7개 시 가로수길 → 추정 가로수 5.5만 그루. 계산 9분, Cloudflare 배포(파일 1만 개). 앱 v0.7 은 이 구역을 기본으로
• 2026-09-26
  • 꽃가루 실측 탐색: 기상자료개방포털·환경보건포털은 위험지수만, KoPAIF 과거 현황은 접근 제한(요청 필요). 서울 채집 스테이션 2곳(동작구 기상청, 한양대 서울병원) 확인
  • 서울 도심 실측 확보: 2015–2016 안암동·대림동 수종별 연간 농도(Asia Pacific Allergy 2017, CC BY-NC) → 모델 위험 점수 비 1.29배 vs 실측 참나무 1.15–1.22배로 비슷
  • 발견: 서울 가로수 1위 버즘나무는 옥상 채집기에 연 7–130개(0.2% 이하)만 잡힘 → 가중치 재검토 필요
  • 서울 실측 원자료 요청 초안 3건 (기상청 정보공개청구 · KoPAIF · 논문 교신저자)
  • 버즘나무 방출 보정 0.02 (species_weights.csv에 emission_calib 열) → 전체 파이프라인 다시 실행: 서초 봄 절정 평균 35.9 → 33.9, 649구간 3점 넘게 하락
  • 보정 교차검증: 국립기상과학원 2015년도 보고서의 전국 12개 지점 연평균 상위 8종 표를 CSV로 확보 → 서울 기상청·학회 지점 모두 버즘나무가 8위 밖 (보정 상한 0.19–0.45, 0.02와 모순 없음)
  • 연구보고서 9건·기상청 2026 연구개발 계획 확보: 2013–15 수도권 3시간·1시간 관측과 꽃가루 자동관측 자료가 있다는 근거 → 청구 대상을 정확히 적은 요청 초안 v2 (기상청 서울 지점 위치 바로잡음: 동작구 신대방동)
  • 데이터 확보 방법 총정리 (docs/데이터_확보방법.md): 공개·신청·요청·자체 측정·안 되는 경로
  • 에어코리아 거친 먼지 대리지표: 2024 파일이 60 MB에서 끊기고 서버가 접속을 막아 중단. 10월 조각으로 시험 → 구리 14일 ρ −0.47 (대리지표 가능성 낮음)
• 2026-09-25
  • 전처리 파이프라인: 공공데이터 10종 자동 정리·품질검사 (좌표계 진단으로 비오톱 EPSG:5174 확인)
  • AI 특성 표: 20 m 격자 24,320칸 · 도로 2,953구간 × 특성 61개
  • 데이터 특성 분석과 모델 비교 (건보공단 비염: 음이항 GLM이 가장 정확)
  • v8: 경로 목적함수 = 걸리는 시간 + λ × 꽃가루 노출 점수 (오르막 호흡량·보행속도)
  • 건물 데이터를 처리 범위 전체 22,912동으로 확대
  • 내년 봄 채집 설계: 39곳 + 두 경로 동시 걷기 3쌍, 현장 지도
  • Claude 작업 지침(CLAUDE.md)·데이터 추가 스킬, 이 문서를 '숨길 개발 보고서'로 확대
  • 국립기상과학원 구리 꽃가루 일별 실측 2019–2026 수집·정리 (게시글 1,081건 + 시즌별 엑셀, 13,875건)
  • ① 시간 예측 AI 학습: 연도별 교차검증에서 8개 분류군 모두 오차 최소, 참나무 순위상관 0.85
  • v9: '지금 날씨' 꽃가루 단계를 숨길 AI 오늘·내일 예보로, 개화 달력을 구리 실측으로 교체
  • 추가 데이터: Open-Meteo 과거 기상, 서울 가로수 25개 구 270,163그루(은행나무 암나무 14,938그루 구분), S-DoT 센서, 서울 꽃가루 달력
  • 구 단위 건강 분석: 공원 참나무 비율과 4월 진료 증가율 약한 상관(ρ 0.39, p 0.056) — 구 단위로는 신호가 묻힘
  • 서울 전체 데이터 수집: 건물 858,784동(브이월드), 토지피복 5 m 래스터(범례 색 복원, 폴리곤과 95% 일치), 표고, OSM 한국 추출본(Geofabrik) → 보행 도로 416,827구간·장소 2,924곳, 공원수목 178,361그루
  • FFT 계산 엔진: 서초에서 기존과 값 상관 0.9997·경로 98% 일치·300배 빠름, 서울 1 km 구역 실측 비교 상관 1.000 · 서울 전체 시나리오당 약 8초(기존 방식 추정 131분)
  • v10 확장형 앱: 위험도 타일 + 2 km 도로 조각을 경로 주변만 불러옴, 장소 검색, 서울 전체(#seoul)·서초 검증(#seocho)
• 2026-09-24
  • 데이터 폴더를 기관·데이터명별로 정리, 폴더마다 API정보.txt
  • v5: 산림청 임상도 1:5000(수종·경급·밀도)으로 숲, 환경부 토지피복지도로 가을 잡초 서식지
  • v6: 위험도 지도가 구역 전체를 사각형으로 칠하던 문제 수정 (동네보다 높은 곳만 표시)
  • v7: 건물 바람 그늘·도로 협곡, 산비탈 산풍(표고), 보행 지하도
• 2026-09-23
  • 데이터 지도 v1–v4: 공공데이터 출처 47개, 문헌 21편 정리
  • 프로토타입 v1–v4: OSM 숲 가정 → 서울시 가로수·공원수목, 휴대폰 바텀시트, '지금 날씨'(기상청 실황), 꽃가루 지수·미세먼지·오존
  • 창업동아리 신청서 작성, 서비스 화면·시스템 구조 이미지