: COCO는 개인과 중소기업이 탄소 배출량을 손쉽게 추적하고 관리할 수 있도록 돕고, 시계열 예측과 감축 시나리오 분석을 통해 보다 직관적이고 실천 가능한 탄소 관리 경험을 제공합니다.

본 레포지토리는 COCO 프로젝트의 프론트엔드, 백엔드, AI 분석 모듈을 포함하는 통합 코드베이스입니다.

• 본 프로젝트는 산학 연계 캡스톤 프로젝트로, 핵심 기능 구현을 마치고 현재 운영 중입니다.
• 개인/중소기업 대상 탄소 배출 입력·시각화·관리 기능이 구현되어 있습니다.
• 영수증 OCR 자동 인식(CLOVA OCR), AI 기반 배출량 예측(ARIMA), 감축 시나리오 추천(Claude API), ESG 리포트 자동 생성 기능이 구현되어 있습니다.
• AI 예측 정확도 및 시나리오 추천 로직은 지속적으로 고도화되고 있습니다.

• 데이터 입력: 전기 사용량, 교통, 음식·소비 등 생활 데이터를 입력합니다.
• 탄소 배출량 계산: 입력된 활동 데이터를 배출계수와 매핑하여 탄소 배출량을 산출합니다.
• 금전적 환산: 탄소 배출량을 금전적 가치로 시각화하여 사용자가 배출의 영향을 직관적으로 이해할 수 있도록 합니다.
• 절감 시나리오 추천: 대중교통 이용, 절전 습관 등 행동 변화에 따른 AI 기반 탄소 절감 시나리오를 추천합니다.
• 미션으로 실천하기: 선택한 시나리오를 미션으로 등록해 진행 상태(진행 중/완료)를 추적하며 실천을 유도합니다.

• 데이터 업로드: 생산·물류·에너지 데이터를 직접 또는 Excel 형식으로 업로드할 수 있습니다.
• 대시보드: 시각화된 ESG 데이터를 기반으로 내부 의사결정과 대외 보고 준비를 지원합니다.
• 탄소 배출 추적: 배출원별 탄소 배출량을 모니터링하고 이상치를 탐지합니다.
• 절감 시나리오 시뮬레이션: AI가 기업 프로필과 배출 데이터를 분석해 투자비용 대비 감축효과를 비교한 감축 시나리오(난이도·실행가능성·투자비용·회수기간)를 추천합니다.
• ESG 리포트 생성: ESG 대응에 필요한 월간·연간 기준의 탄소 배출 및 ESG 대응 보고서를 자동 생성합니다.

apps/
 ├─ AI     # AI 모델 및 분석 (시계열 예측, 절감 시뮬레이션)
 ├─ FE     # 프론트엔드 (React)
 ├─ BE     # 백엔드 (Spring Boot)
 └─ OCR    # 영수증 OCR 인식 서버 (Node.js, CLOVA OCR 연동)
demo/      # 데모 및 테스트 데이터
docs/      # 프로젝트 부가 설명 및 설계 문서

프로젝트의 설계 배경, 데이터 흐름, 탄소 배출 산정 및 절감 시나리오에 대한 부가 설명은 docs 폴더에 정리되어 있습니다.

https://d2mxshd66xjgyo.cloudfront.net

→ CLICK HERE

git clone cd Capstone

cd apps/FE/.env   # VITE_KAKAO_JAVASCRIPT_KEY / VITE_KAKAO_REST_KEY 입력
cd apps/BE/.env   # DB_URL / DB_USER / DB_PW / JWT_SECRET 입력
cd apps/AI/.env   # Claude API Key / CLOVA OCR Key API 키 입력
cd apps/OCR/.env  # Claude API Key / CLOVA_OCR_URL / CLOVA OCR Key API 키 입력

docker compose up --build

cd apps/FE
npm install
npm run dev

• Framework: React
• Language: TypeScript
• State Management: Zustand
• Styling: Tailwind CSS
• Charting: Recharts
• HTTP Client: Axios
• Linting & Formatting: ESLint, Prettier
• Deployment: Amazon S3 + CloudFront
• CI/CD: GitHub Actions

• Language: Java 17
• Framework: Spring Boot 3.x
• Security: Spring Security + JWT
• Data Access: Spring Data JPA
• Database: MySQL (Amazon RDS)
• File Processing: Apache POI (Excel 업로드/다운로드)
• Build Tool: Gradle
• Deployment: Amazon EC2
• CI/CD: GitHub Actions

• Language: Python
• Backend Framework: FastAPI
• Time-Series Forecasting: statsmodels, pmdarima (ARIMA)
• Anomaly Detection: Z-score 기반 통계 기법 (numpy)
• Data Processing: pandas, numpy, scipy
• Report Generation: reportlab, matplotlib, Pillow
• LLM: Claude API (Anthropic)

• Language: Node.js
• Framework: Express
• OCR Engine: Naver CLOVA OCR
• File Upload: Multer

(위 스택은 프로젝트 진행 상황에 따라 변경될 수 있습니다.)

Frontend	Backend	AI
조민주	이미소	정서윤