missingfinder

Look Around

“잠깐, 주변을 한번 둘러봐주세요”.

한국인 대부분이라면 한 번쯤은 경보 문자를 받아보셨을 겁니다. 문자가 너무 많이 와서 불편함을 느낄 때도 있지만, 종종 어린 나이에 실종되는 경우를 볼 때면, 찾고 있을 가족들 생각에 안타깝기도 합니다.

SMS

과거 실종자 링크를 클릭해보았더니, 네이버 블로그가 나왔습니다. 전국민들에게 실종 문자를 보내는 것 치고는 개선의 여지가 있다는 생각이 들었습니다. “나라면 뭘 개선할 수 있을까?” 시민들이 이동 중일 때, 근처에 실종 신고된 사람이 있다면 앱 푸시 알림으로 알려주고, 신상정보를 토대로 주변을 살펴볼 수 있도록 만들면 매우 효율적일 것이라는 생각이 들었습니다. 한편으로는 “만들면 누가 쓸려나..? 서버비는 어떻게 하지..? 앱은 어떻게 만들지..?”라는 고민에 다시 일상으로 돌아갔습니다.

SMS

그러던 어느 날, 링크드인에서 비슷한 방향성의 고민을 하는 종원님의 글을 접하면서, “누군가도 나와 같이 어떻게 개선할 수 있을지 고민하고 있구나”라는 생각에 동기부여를 받았습니다. 마침 설날이 다가오기도 하여, 앱 개발자이신 강민님과 함께 빠르게 MVP를 제작하게 되었고, 이제 피드백을 받아보려고 합니다.

SMS

Look Around 앱은 사용자가 이동하는 동안, 백그라운드로 실행되어 주변에 신고된 실종자가 존재하면 이를 알려줍니다. 이 알림을 받은 사용자는 제공된 실종자 신상정보를 토대로 잠시 주변을 둘러보며 상황을 확인할 수 있도록 설계되었습니다.

만약 LookAround의 이 아이디어에 공감을 하신다면, 사용해보시고 피드백 주신다면 감사하겠습니다.

Worker Design

https://github.com/missingfinder/missingfinder

이 프로젝트는 실종자 데이터를 수집, 저장 및 조회하는 Cloudflare Workers 기반의 서비스입니다.

[자료 출처: 경찰청]
Note: Bearer token이 없을 경우, 사용불가합니다.
매일 03:00AM(UTC 18:00)에 DB가 refresh됩니다. (Currently lack of lock mechanism)

1. 실종자 데이터 저장 및 갱신 Worker

https://missingproxy.missingfinder-kr.workers.dev

작동 방식

경찰청 OpenAPI에서 실종자 데이터를 페이지네이션을 이용해 수집합니다.
- 제약사항: 하루 1000건의 요청 제한이 있으며, 데이터 갱신 여부를 알 수 있는 API가 제공되지 않습니다.
D1 데이터베이스에서 현재 저장된 실종자 데이터를 가져옵니다.
데이터 비교를 통해 다음과 같이 처리합니다.
- 새로운 데이터 (NewRows): API에서 새롭게 발견된 데이터
- 삭제할 데이터 (DeleteRows): API에서 더 이상 제공되지 않는 데이터
- 갱신할 데이터: 기존 데이터와 비교하여 변경이 감지된 경우 삭제 후 삽입
- 데이터 변경 여부를 판단하기 위해 data_hash 값을 사용합니다.
새로운 데이터는 주소 정보만 포함되어 있으므로, Kakao API를 이용하여 x, y 좌표를 가져옵니다.
- 좌표 조회 실패 시 기본값으로 청와대 좌표(126.9764, 37.5867)를 사용합니다.
데이터베이스 업데이트를 수행합니다.
- 제약사항: Cloudflare D1의 최대 SQL 문장 크기 제한(100KB)을 고려하여 BATCH_SIZE = 3으로 설정하여 데이터를 삽입합니다.

초기화 과정 (Init)

초기 실행 시 300~500명의 실종자 데이터가 존재할 수 있으며, Cloudflare Free Tier의 subrequest 제한 (최대 50 요청/Request)으로 인해 Cloudflare 내부에서 모든 데이터를 처리할 수 없습니다.
따라서 local에서 init.js를 사용하여 SQL 쿼리를 생성한 후, 배치 단위로 업로드해야 합니다.

for file in insert_missing_persons_*.sql; do
    yes | wrangler d1 execute missing_db --remote --file="$file"
done

2. 실종자 위치 기반 조회 Worker

https://geo-missing-lookup.missingfinder-kr.workers.dev

작동 방식

사용자가 x, y 좌표를 입력합니다.
D1 데이터베이스에서 Haversine 공식을 이용하여 반경 내에 포함된 실종자 데이터를 검색합니다.
최대 반환할 인원 수(max_people)를 기준으로 정렬하여 데이터를 반환합니다.

const x = parseFloat(url.searchParams.get("x"));
const y = parseFloat(url.searchParams.get("y"));
const max_people = parseInt(url.searchParams.get("max_people")) || 10;
const threshold_km = parseFloat(url.searchParams.get("threshold_km")) || 5;

Haversine 공식 (구면 코사인 법칙)

두 좌표 $({\phi_1}, {\lambda_1})$와 $({\phi_2}, {\lambda_2})$ 사이의 거리를 계산하는 공식은 다음과 같습니다.

\[d = R \cdot \cos^{-1} \left( \sin \phi_1 \sin \phi_2 + \cos \phi_1 \cos \phi_2 \cos (\lambda_2 - \lambda_1) \right)\]

변수 설명:

$d$: 두 지점 간 거리 (km)
$R$: 지구 반지름 (약 6371 km)
$\phi_1, \phi_2$: 위도 (radian)
$\lambda_1, \lambda_2$: 경도 (radian)

SQL 쿼리 (Haversine 공식 적용)

SELECT id, name, current_age, age_when_missing, incident_date, clothing_description, 
       person_type, gender, incident_location, incident_x, incident_y, additional_features, 
       photo_base64,
       (6371 * ACOS(
            COS(RADIANS(?)) * COS(RADIANS(incident_y)) * COS(RADIANS(incident_x) - RADIANS(?)) + 
            SIN(RADIANS(?)) * SIN(RADIANS(incident_y))
       )) AS distance
FROM missing_persons
WHERE (
    6371 * ACOS(
        COS(RADIANS(?)) * COS(RADIANS(incident_y)) * COS(RADIANS(incident_x) - RADIANS(?)) + 
        SIN(RADIANS(?)) * SIN(RADIANS(incident_y))
    )
) <= ?
ORDER BY distance ASC
LIMIT ?;

위 SQL 쿼리는 주어진 $(x, y)$ 좌표를 기준으로 특정 반경 내(threshold_km)에 위치한 실종자들을 검색하며, 가장 가까운 순으로 정렬하여 최대 max_people명의 데이터를 반환합니다.