Update: git ignore 수정. 문서 수정.

README.md

@@ -22,18 +22,26 @@
 
 ## 1. 프로젝트 구성
 
-    ∟ arduino
-        ∟ code
+      ∟ arduino
+         ∟ code
             ∟ main_inside
             ∟ main_outside
-        ∟ info.md
-    ∟ client
-    ∟ server
-        ∟ (data)
-        ∟ src
+         ∟ info.md
+      ∟ client
+         ∟ public
+         ∟ src
+            ∟ components
+            ∟ pages
+            ∟ utils
+      ∟ server
+         ∟ data
+            ∟ admAddressCode.csv( 출처 : https://sgis.kostat.go.kr›upload›census›adm_code)
+         ∟ config
+         ∟ src
             ∟ controllers
             ∟ data_processing
-            ∟ rdb_setting
+            ∟ db
+            ∟ models
             ∟ routers
             ∟ views
 
@@ -76,76 +84,83 @@ git clone https://github.com/dorakang612/EUE.git
    > - 이미 설치를 해두셨다면 바로 아래부터 진행합니다.
    >
    > - 최근에는 Arduino에서 Online IDE를 서비스해주는 것 같습니다. 아두이노를 많이 다루지 않아도 되므로, 필요에 따라 IDE설치 보다 Online IDE를 사용하는 것을 고려해보시기 바랍니다.(해당 내용은 추후 서비스 사용 후 수정 예정)
-   >   <br>
+
+<br>
 
 2. 프로젝트에서 다음의 두 파일을 수정합니다.
 
-   - arduino/code/main_inside/main_inside.io
-   - arduino/code/main_outside/main_outside.io
+   1. arduino/code/main_inside/main_inside.io
+   2. arduino/code/main_outside/main_outside.io
 
-   위의 두 파일에 대해 본인의 상황에 맞게 다음의 것들을 수정합니다.
+   - 수정할 것.
+     1. SSID (공유기의 이름)
+     2. SSPW (공유기의 비밀번호)
+     3. EUEIP (웹사이트 아이피주소)
+     4. EUEPORT (웹사이트 포트번호)
 
-   1. SSID (공유기의 이름)
-   2. SSPW (공유기의 비밀번호)
-   3. EUEIP (웹사이트 아이피주소)
-   4. EUEPORT (웹사이트 포트번호)
-      <br>
+<br>
 
 3. 아두이노 메인보드를 PC에 연결합니다.
-   <br>
+
+<br>
 
 4. 실내용 아두이노 보드에는 main_inside.io를 업로드합니다.
-   <br>
+
+<br>
 
 5. 외부용 아두이노 보드에는 main_inside.io를 업로드합니다.
 
 > 프로젝트를 진행하는데 있어 사용한 모듈 정보는 arduino/info.md를 참고하시면 됩니다.
+>
+> 모듈 정보를 참고하여 RTC 모듈의 시간을 현재 시간으로 설정합니다.
+
+> 2021.08.09 현재 데이터 수집기 동작이 원활하지 않아, 향후 보완 예정입니다.
 
 <br>
 
 ### 3-2. Client (React)
 
-<br>
+1. /client 경로로 이동하여 다음의 명령어를 실행합니다.
 
-### 3-3. Server (Express.js)
+   ```console
+   npm install
+   ```
 
 <br>
 
-1. /server 경로상으로 이동한 뒤 다음의 명령어를 실행합니다.
+2. /client 경로에서 다음의 명령어를 실행하여 Client를 동작시킵니다.
 
    ```console
-   npm install
+   npm start
    ```
 
-   위의 명령어를 통해 프로젝트가 사용하는 모든 node module들을 설치합니다.
-
 <br>
 
-2. Mysql을 통해 Database를 생성합니다.
-
-   각자의 OS에 맞는 방법으로 MySQL 서버에 접속해 주신 뒤, DataBase를 생성해줍니다.
+### 3-3. Server (Express.js)
 
 <br>
 
-3. 생성된 Database 상에서 다음의 명령어를 입력해 Relation들을 생성합니다.
+1. /server 경로상으로 이동한 뒤 다음의 명령어를 실행합니다.
 
    ```console
-   mysql> source server/src/rdb_setting/eue.sql
+   npm install
    ```
 
+   위의 명령어를 통해 프로젝트가 사용하는 모든 node module들을 설치합니다.
+
 <br>
 
-4. /server 경로상으로 이동한 뒤 rdb_setting/dbsetting.js를 다음의 명령어로 실행합니다.
+2. PostgreSQL을 통해 Database를 생성합니다.
 
-   ```console
-   npx babel-node rdb_setting/dbsetting.js
-   ```
+   각자의 OS에 맞는 방법으로 PostgreSQL 서버에 접속해 주신 뒤, DataBase를 생성해줍니다.
+
+<br>
 
-   위의 명령어를 통해 Location에 관련된 Relation들에 data가 입력됩니다.
+3. /server/config 경로에 있는 config_public.js를 복사하여 config.js를 생성하고, 자신의 환경에 맞도록 변수들의 값을 입력합니다.
 
 <br>
 
-5. /server 경로상에서 다음을 입력해 서버를 시작합니다. (개발용 서버 동작)
+4. /server 경로상에서 다음을 입력해 서버를 시작합니다. (개발용 서버 동작)
 
    ```console
    npm run dev:server

server/.gitignore

@@ -7,7 +7,7 @@ package-lock.json
 config/config.js
 
 # Project Data
-/data
+/data/init.sql
 
 # Python Cache
 __pycache__

server/API명세서.md

@@ -48,7 +48,7 @@
       user_info : — 사용자 정보 —,
       weather_out : — 실외 날씨 데이터 —,
       weather_in : — 실내(사용자 개인) 날씨 데이터 —,
-      weather_predict : - 사용자 날씨 데이터를 통한 예측 값 -,
+      weather_predict : — 사용자 날씨 데이터를 통한 예측 값 —,
       error: — 에러 —,
    }
 }

server/Data명세서.md

@@ -71,6 +71,8 @@ PostgreSQL DB를 이용하여, 날씨 데이터와 분석 결과를 저장합니
 | :------: | :----------: | :-------: | :-------: | :---: | :--------: | :-------: | :-------: | :----: |
 | Contents | 날짜 및 시각 | 실외 온도 | 실외 습도 | 기압  |    풍속    | 실내 온도 | 실내 습도 |  광도  |
 
+<br>
+
 ## File Format (2021.08.04 - 진행)
 
 데이터 분석용 파일의 형식은 csv이며 내용은 다음과 같습니다.
@@ -83,7 +85,20 @@ PostgreSQL DB를 이용하여, 날씨 데이터와 분석 결과를 저장합니
 
 ## Preprocessing
 
-1. 사용자 정보(email, loc_code, using_aircon)를 검색합니다.
-2. 사용자의 수 만큼 데이터 분석을 반복합니다.
-3. 사용자 한명에 대해 날씨 정보를 담은 csv파일을 생성합니다.
+1. 사용자의 외부와 내부 날씨 데이터를 DB에서 검색합니다.
    - 날씨 정보는 약 20,000 개의 데이터를 사용하기 위해 5개월 단위를 검색해 사용합니다.
+2. 검색된 날씨 정보들을 바탕으로 csv파일을 생성합니다.
+3. csv파일을 pandas를 통해 dataframe으로 변경한 뒤, z-score로 변환 합니다.
+4. z-score, 평균(mean), 표준편차(std)를 반환하며 종료합니다.
+
+<br>
+
+## Main Process
+
+<br>
+
+## Save Result
+
+1. 전처리 과정에서 발생한 평균과 표준편차를 json 형태로 변환합니다.
+2. 데이터 분석결과 발생한 모델과 가중치 파일을 blob 형태로 변환합니다.
+3. json & blob 데이터들을 DB에 저장합니다.