KR101513098B1 - Method for forecasting cbr hazard and system thereof - Google Patents
Method for forecasting cbr hazard and system thereof Download PDFInfo
- Publication number
- KR101513098B1 KR101513098B1 KR1020130165736A KR20130165736A KR101513098B1 KR 101513098 B1 KR101513098 B1 KR 101513098B1 KR 1020130165736 A KR1020130165736 A KR 1020130165736A KR 20130165736 A KR20130165736 A KR 20130165736A KR 101513098 B1 KR101513098 B1 KR 101513098B1
- Authority
- KR
- South Korea
- Prior art keywords
- cbr
- detection
- pollutant
- source location
- detection information
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0057—Specially adapted to detect a particular component for warfare agents or explosives
Abstract
Description
본 발명은 탐지신호를 이용하여 화생방(CBR, chemical, biological, and radiological) 위험예측 방법 및 그 시스템에 관한 것이다.The present invention relates to a CBR (chemical, biological, and radiological) risk prediction method and system thereof using a detection signal.
화생방전이나 화생방테러가 발생하였을 때 작용제의 방출원점 정보(source information)를 조기에 확보하지 못하는 경우가 있다. 특히 공격 형태를 사전에 인지하기 어려운 방어자의 입장에서 투발무기의 형태나 작용제의 종류와 투발량 등의 원점정보를 정확하게 적시에 확보하는 것은 쉽지 않을 것이다. 이러한 상황에서 화생방 위험상황의 전개를 합리적으로 예측할 수 있는 방법의 필요성이 대두되었다.In case of CBR or CBR terrorism, it is not possible to obtain the source information of the agent at an early stage. Especially, it is not easy to accurately and timely obtain the origin information such as the type of the shooting weapon, the type of the agitator, and the amount of the shot in terms of the defender who is difficult to recognize the attack form in advance. In this situation, there is a need for a method that can reasonably predict the evolution of the CBR hazard situation.
본 발명은 화생방 탐지센서를 이용하여 화생방 방출원점 정보를 획득하고, 이를 토대로 화생방 위험을 예측할 수 있는 방법 및 그 시스템을 제공하는 데 목적이 있다.An object of the present invention is to provide a method and a system for predicting the CBR hazard based on the acquisition of the source information of the CBR by using the CBR detection sensor.
본 명세서에 개시된 실시예에 따른 화생방 위험예측 방법은, 다수의 화생방 탐지 센서로부터 검출 정보를 수집하는 단계; 상기 수집한 검출 정보에 포함된 오염물 검출 정보 및 오염물 불검출 정보를 분리하는 단계; 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 검출 정보를 발생한 탐지 센서의 위치를 근거로 역확산 모델을 이용하여 오염물의 제1 배출원 위치의 확률 분포를 시간별로 추정하는 단계; 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 불검출 정보를 발생한 탐지 센서의 위치를 근거로 상기 역확산 모델을 이용하여 상기 오염물의 제2 배출원 위치의 확률 분포를 시간별로 추정하는 단계; 상기 제1 배출원 위치에서 상기 제2 배출원 위치를 배제시킴으로써 시간대별 최적의 배출원 위치를 추정하는 단계; 상기 추정된 최적의 배출원 위치를 이용하여 화생방위험을 예측하는 단계를 포함하며, 상기 오염물은 화생방에 대응하는 오염물일 수 있다. The method of predicting a CBR according to an embodiment of the present invention includes collecting detection information from a plurality of NBR sensors; Separating the pollutant detection information and the pollutant non-detection information included in the collected detection information; Estimating a probability distribution of the first source position of the pollutant by time using a despreading model based on the position of the detection sensor that generates the pollutant detection information among the plurality of the CBR sensors; Estimating a probability distribution of the second source location of the pollutant by time using the despreading model based on the location of the detection sensor that has generated the pollutant non-detection information among the plurality of the CBR sensors; Estimating an optimal source location by time zone by excluding the second source location at the first source location; And predicting a CBR hazard using the estimated optimal source location, wherein the contaminant may be a contaminant corresponding to the CBR.
본 명세서에 개시된 실시예에 따른 화생방 위험예측 시스템은, 오염물을 검출하는 다수의 화생방 탐지 센서로 구성된 탐지부와; 상기 다수의 화생방 탐지 센서로부터 검출 정보를 수집하고, 상기 수집한 검출 정보에 포함된 오염물 검출 정보 및 오염물 불검출 정보를 분리하고, 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 검출 정보를 발생한 탐지 센서의 위치를 근거로 역확산 모델을 이용하여 오염물의 제1 배출원 위치의 확률 분포를 시간별로 추정하고, 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 불검출 정보를 발생한 탐지 센서의 위치를 근거로 상기 역확산 모델을 이용하여 상기 오염물의 제2 배출원 위치의 확률 분포를 시간별로 추정하고, 상기 제1 배출원 위치에서 상기 제2 배출원 위치를 배제시킴으로써 시간대별 최적의 배출원 위치를 추정하고, 상기 추정된 최적의 배출원 위치를 이용하여 화생방위험을 예측하는 예측부를 포함하며, 상기 오염물은 화생방에 대응하는 오염물일 수 있다.The CBR risk prediction system according to the embodiments disclosed herein includes a detection unit configured with a plurality of CBR sensors for detecting contaminants; The method of claim 1, further comprising: collecting detection information from the plurality of NBC detection sensors, separating the pollution detection information and the pollutant non-detection information included in the collected detection information, Estimating a probability distribution of the first source position of the pollutant by time using a despreading model and estimating a probability distribution of the first source location of the pollutant by using the despreading model based on the position of the detection sensor generating the non- Estimating a probability distribution of the second source location of the pollutant by time, estimating an optimal source location by time zone by excluding the second source location at the first source location, and using the estimated optimal source location And a prediction unit for predicting a CBR hazard, Which may be a contaminant corresponds to.
본 발명의 실시예에 따른 화생방 위험예측 방법 및 그 시스템은, 화생방전이나 화생방 테러가 발생하였을 때 화생방 탐지 센서를 이용하여 작용제의 방출원점 정보(source information)를 획득할 수 있고 이를 토대로 화생방 위험 예측정보를 제공할 수 있다. The method and system for predicting the CBR according to the embodiment of the present invention can acquire the source information of the agent using the CBR sensor when the CBR or CBR terrorism occurs, Information can be provided.
도 1은 본 발명의 실시예에 따른 화생방 위험예측 시스템을 나타낸 도이다.
도 2는 오염원으로 추정되는 대상 영역을 표시한 도이다.
도 3은 S1 탐지시점 10분전 방출가정 경우 방출원 분포 확률을 보여주는 개념도이다.
도 4는 S1 탐지시점 30분전 방출가정 경우 방출원 분포 확률을 보여주는 개념도이다.
도 5는 S1 탐지시점 60분전 방출가정 경우 방출원 분포 확률을 보여주는 개념도이다.
도 6 내지 도 8은 탐지 센서 S2와 S3의 비탐지 정보를 토대로 역추적한 결과를 나타낸 도이다.
9는 방출원점에 방출원을 설정하여 화생방 위험을 예측한 결과를 나타낸 도이다.1 is a diagram illustrating a CBR risk prediction system according to an embodiment of the present invention.
Fig. 2 is a diagram showing a target region estimated as a contamination source.
FIG. 3 is a conceptual diagram showing the probability of the emission source distribution assuming that the emission is 10 minutes before S1 detection time.
4 is a conceptual diagram showing the probability of the emission source distribution assuming that the emission is 30 minutes before the detection time of S1.
FIG. 5 is a conceptual diagram showing the probability of the emission source distribution assuming that the emission is 60 minutes before S1 detection time.
FIGS. 6 to 8 are diagrams showing results of backward tracking based on the non-detection information of the detection sensors S2 and S3.
9 shows the result of predicting the CBR risk by setting the emission source at the emission origin.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세하게 설명하기 위하여, 본 발명의 실시 예가 첨부된 도면을 참조하여 설명한다. 하지만, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고, 도면에서 본 발명을 명확하게 설명하기 위해 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통해 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings so that those skilled in the art can easily carry out the technical idea of the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly explain the present invention, parts not related to the description are omitted, and like parts are denoted by similar reference numerals throughout the specification.
일반적인 대기확산모델링이 배출원(방출원점)에서 시작하여 화생방(오염물)의 오염농도를 산정하는 과정이라면, 오염농도(탐지정보)를 기반으로 배출원(방출원점 정보)을 산정하는 과정을 편의상 역추적 대기확산모델링(역확산 모델)으로 정의한다.If the general air diffusion modeling is a process of estimating the contamination concentration of the CBR (pollutant) starting from the emission source (emission origin), the process of calculating the emission source (emission origin information) based on the pollution concentration (detection information) Diffusion modeling (despreading model).
임의의 위치에서 계측된 화생방에 따른 오염물의 농도정보를 토대로 배출량과 배출시점을 계산하는 문제는 무한히 많은 답을 가진다. 이는 역추적 대기확산모델링 문제의 본질이기 때문에 어떤 기법을 사용하든지 우회할 수가 없다. 배출원의 위치와 배출량을 구하기 위해서는 배출시점이 주어져야 한다. 혹은, 배출시점을 구하기 위해서는 배출원의 위치와 배출량이 주어져야 한다. The problem of calculating the emission amount and the emission time point based on the concentration information of the pollutant according to the measured CBR at an arbitrary position has an infinite number of answers. This is the essence of the backtrace air diffusion modeling problem, so it can not be bypassed by any technique. Emission timing should be given to determine the location and emissions of the source. Alternatively, the source location and emissions should be given in order to determine the time of discharge.
역추적 대기확산모델링의 절차는 배출시점을 변경해가면서(즉, 현재부터 과거 특정시점까지 역순으로 시간을 변경해가면서), 각 배출시점에 대한 배출원 위치와 배출량을 계산하는 것이 자연스럽다. 배출시점을 확정하면, 예컨대 1시간 전으로 확정하면, 그 시각의 배출원의 위치와 배출량은 이론적으로는 정확하게 결정할 수 있다. 그러나 현실적으로는 필요한 정보의 부족으로 인해 정확하게 결정하는 것이 어렵다. 정확한 계산을 위해서는 1시간 전부터 탐지시점까지 탐지위치에 도달하는 기류의 궤적이 완전하게 주어져야 하기 때문이다. 현재의 기술로는 어떤 방법으로도 화생방모델링 규모의 기류의 궤적을 정확하게 알아내는 것은 측정 혹은 계산을 막론하고 어렵다.It is natural that the procedure of backtrace air diffusion modeling is to calculate the source location and emissions for each time point of discharge, while changing the time of discharge (ie, changing the time from the present to the past specific time). When the discharge time point is determined, for example, one hour before the discharge time point, the position and the discharge amount of the discharge time point at that time point can be theoretically determined accurately. However, in reality, it is difficult to determine accurately due to a lack of necessary information. For the accurate calculation, the trajectory of the air current arriving at the detection position from 1 hour before detection must be completely given. With current technology, it is difficult to accurately determine the airflow trajectory of a CBR modeling scale in any way, regardless of measurement or calculation.
이러한 현실의 불확실성은 대기확산 모델링에서는 무작위성으로 표출된다. 그 결과, 주어진 배출시점에 대한 역추적모델링으로써 배출원의 정확한 위치 대신 위치에 대한 확률만을 구할 수 있다.This uncertainty of reality is expressed as randomness in atmospheric diffusion modeling. As a result, backtracking modeling for a given emission point can be used to obtain only the probability of location instead of the exact location of the source.
도 1은 본 발명의 실시예에 따른 화생방 위험예측 시스템을 나타낸 도이다.1 is a diagram illustrating a CBR risk prediction system according to an embodiment of the present invention.
도 1에 도시한 바와 같이, 본 발명의 실시예에 따른 화생방 위험예측 시스템(100)은,1, a CBR
오염물(화생방)을 검출하는 다수의 화생방 탐지 센서(제1 내지 제N 탐지 센서)로 구성된 탐지부(10)와;A
상기 다수의 화생방 탐지 센서로부터 검출 정보를 수집하고, 상기 수집한 검출 정보에 포함된 오염물 검출 정보 및 오염물 불검출 정보를 분리하고, 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 검출 정보를 발생한 탐지 센서의 위치를 근거로 역확산 모델을 이용하여 오염물의 제1 배출원 위치(방출원점 정보(source information))의 확률 분포를 시간별로 추정하고, 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 불검출 정보를 발생한 탐지 센서의 위치를 근거로 상기 역확산 모델을 이용하여 상기 오염물의 제2 배출원 위치의 확률 분포를 시간별로 추정하고, 상기 제1 배출원 위치에서 상기 제2 배출원 위치를 배제시킴으로써 시간대별 최적의 배출원 위치를 추정하고, 상기 추정된 최적의 배출원 위치를 이용하여 화생방위험을 예측(추정)하는 예측부(추정부)(20)를 포함한다.The method of claim 1, further comprising: collecting detection information from the plurality of NBC detection sensors, separating the pollution detection information and the pollutant non-detection information included in the collected detection information, And estimates the probability distribution of the first source location (source information) of the pollutant by time using a despreading model based on the location of the detection sensor that generated the pollutant non-detection information among the plurality of C / Estimating a probability distribution of the second source location of the pollutant by time using the despreading model, estimating an optimal source location by time zone by excluding the second source location from the first source location, An example of predicting (estimating) a CBR risk using an estimated optimal source location And a unit (estimating unit) 20.
본 발명의 실시예에 따른 화생방 위험예측 시스템(100)은 상기 추정된 최적의 배출원 위치를 화면상에 표시하고, 상기 예측된 화생방위험을 나타내는 정보를 화면상에 표시하는 표시부(30)를 더 포함할 수 있다.The CBR
도 2는 오염원으로 추정되는 대상 영역을 표시한 도로서, 3개의 화생방 탐지센서(오염물 탐지센서)(예를 들면, 제1 화생방 탐지센서(S1), 제2 화생방 탐지센서(S2), 제3 화생방 탐지센서(S3))가 각각 설치되고, 남풍계열이 우세한 시뮬레이션 상황이고, S1지점에서 오염물질이 감지되고 S2, S3 지점에선 감지되지 않은 상황을 가정하여 나타낸 도이다.FIG. 2 is a view showing an area to be estimated as a source of contamination; three NBC detection sensors (a contamination detection sensor) (for example, a first NBC detection sensor S1, a second NBC detection sensor S2, (S3)), respectively, and a case where a southerly wind system is predominant and a pollutant is detected at S1 and S2 and S3 are not detected.
상기 역확산 모델을 이용하여 추정한 S2지점에 오염물이 탐지될 수 있는 지점의 확률은 탐지시점 10분전, 30분전, 60분전 일 때 도 3 내지 5와 같다. The probabilities of points at which contamination can be detected at the S2 point estimated using the despreading model are as shown in Figs. 3 to 5 when 10 minutes before, 30 minutes before, and 60 minutes before detection.
도 3는 S1 탐지시점 10분전 오염물 방출가정 경우 방출원 분포 확률을 보여주는 개념도이다.3 is a conceptual diagram showing the probability of the emission source distribution assuming that the pollutant is released 10 minutes before the detection of S1.
도 4는 S1 탐지시점 30분전 오염물 방출가정 경우 방출원 분포 확률을 보여주는 개념도이다.FIG. 4 is a conceptual diagram showing the probability of the emission source distribution assuming that the pollutant is released 30 minutes before the detection of S1.
도 5는 S1 탐지시점 60분전 오염물 방출가정 경우 방출원 분포 확률을 보여주는 개념도이다. 오염원 분포확률을 색분포로 표시하였다. 빨간색은 높은 확률을 의미하고, 노란색, 초록색, 파란색 순서로 확률이 낮아진다.5 is a conceptual diagram showing the probability of the emission source distribution assuming that the pollutant is emitted 60 minutes before the detection of S1. The probability distribution of pollution source is represented by color distribution. Red means high probability, yellow, green and blue are less probable.
정상적으로 동작하는 탐지 센서에 작용제가 검출되지 않았다는 정보(S2, S3 지점)에 대해서도 동일하게 역추적이 가능하다. 작용제가 검출되지 않았다는 사실 자체도 유용한 정보가 될 수 있다. The same can be traced back to the information (S2 and S3) that no agent was detected in the normally operating detection sensor. The fact that no agent has been detected can also be useful information.
도 6 내지 도 8은 탐지 센서 S2와 S3의 비탐지 정보를 토대로 역추적한 결과로, 10분전, 30분전, 1시간전에 대한 오염원 분포확률을 흑백분포로 표시하였다. 탐지기 S2에는 오염물이 탐지되지 않았기 때문에, 여기서 표시된 면적은 비오염지역을 의미한다. 칼라분포가 오염추정지역을 표시하는 것에 반해, 여기서 흑백분포는 오염원이 위치할 수 없는 확률정도를 표시한다. 이러한 비탐지정보에 대한 역추적을 추가로 고려할 경우, S1에 의한 탐지정보만을 토대로 역추적한 경우에 비해서 훨씬 좁게 오염지역의 추정면적을 훨씬 더 줄이는 것이 가능하다. 도 5는 S1에 의한 탐지정보만을 토대로 1시간 전의 오염추정지역을 산정한 결과이다. 도 8은 탐지기 S1 외에도 탐지기 S2, S3에 대한 역추적모델링(역확산 모델) 결과를 추가로 반영한 결과이다. 탐지되지 않은 탐지기 S2와 S3에 대한 역추적모델링은 비오염지역, 곧 오염지역이 될 수 없는 곳을 찾아준다. 탐지기 3개에 대한 역추적모델링 결과를 중첩할 경우, 1시간 이전에 대한 오염추정지역의 면적이 크게 줄어들게 된다. 6 to 8 show the probability distribution of pollution sources for 10 minutes before, 30 minutes before, and 1 hour before, based on the non-detection information of the detection sensors S2 and S3. Since no contaminants were detected in detector S2, the area indicated here refers to the non-contaminated area. Whereas the color distribution indicates the area where the pollution is estimated, the monochrome distribution indicates the degree of probability that the pollutant can not be located. Considering further backtracking of the non-detection information, it is possible to reduce the estimated area of the contaminated area much more narrowly than in the case of back tracking based only on the detection information by S1. 5 is a result of estimating the contamination estimation area 1 hour before based on the detection information by S1. 8 is a result of addition of backscatter modeling (despreading model) results for detectors S2 and S3 as well as detector S1. Backtracking modeling for undetected detectors S2 and S3 finds non-contaminated areas, ie, places that can not be polluted. When overlay modeling results for three detectors are superimposed, the area of the estimated contamination area before 1 hour is greatly reduced.
본 발명의 일 실시예에 따른 탐지신호를 이용하여 화생방 위험을 예측하는 방법은 다음과 같다. 앞서 설명한 방법을 이용하여 방출원점을 획득하여 화생방 위험을 예측한다. 도 9는 앞서 설명한 방법을 이용하여 방출원점에 방출원을 설정하여 화생방 위험을 예측한 결과로서, 사건 이후 1시간 경과한 시점의 노출량분포를 표시한 것이다. 역추적모델링이 제대로 이루어졌다면 1시간 후에 탐지기 S1에는 경보가 들어와야 하고, 나머지 탐지기는 아무른 검출신호가 없어야 할 것이다. S1탐지기는 오염물을 탐지하였고, 나머지 두 탐지기는 탐지하지 않은 것으로 표시된다.A method of predicting a CBR risk using a detection signal according to an embodiment of the present invention is as follows. Using the method described above, the emission origin is obtained to predict the CBR hazard. FIG. 9 is a graph showing the distribution of the amount of exposure at one hour after the event, as a result of setting the emission source at the emission origin using the method described above and estimating the risk of the Cyanobacteria. If traceback modeling is successful, detector S1 should be alerted after one hour, and the rest of the detectors should have no detectable signal. The S1 detector detects the contaminant, and the remaining two detectors are marked as not detected.
본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the embodiments disclosed in the present invention are intended to illustrate rather than limit the scope of the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.
Claims (3)
다수의 화생방 탐지 센서로부터 검출 정보를 수집하는 단계;
상기 수집한 검출 정보에 포함된 오염물 검출 정보 및 오염물 불검출 정보를 분리하는 단계;
상기 다수의 화생방 탐지 센서 중에서 상기 오염물 검출 정보를 발생한 탐지 센서의 위치를 근거로 역확산 모델을 이용하여 오염물의 제1 배출원 위치의 확률 분포를 시간별로 추정하는 단계;
상기 다수의 화생방 탐지 센서 중에서 상기 오염물 불검출 정보를 발생한 탐지 센서의 위치를 근거로 상기 역확산 모델을 이용하여 상기 오염물의 제2 배출원 위치의 확률 분포를 시간별로 추정하는 단계;
상기 제1 배출원 위치에서 상기 제2 배출원 위치를 배제시킴으로써 시간대별 미리 특정되지 않은 최적의 배출원 위치를 추정하는 단계;
상기 추정된 최적의 배출원 위치를 이용하여 화생방위험을 예측하는 단계를 포함하며, 상기 오염물은 화생방에 대응하는 오염물인 것을 특징을 하는 화생방 위험예측 방법.A method for predicting CBR risk using a CBR sensor when a CBR or CBR terrorism occurs,
Collecting detection information from a plurality of NBC detection sensors;
Separating the pollutant detection information and the pollutant non-detection information included in the collected detection information;
Estimating a probability distribution of the first source position of the pollutant by time using a despreading model based on the position of the detection sensor that generates the pollutant detection information among the plurality of the CBR sensors;
Estimating a probability distribution of the second source location of the pollutant by time using the despreading model based on the location of the detection sensor that has generated the pollutant non-detection information among the plurality of the CBR sensors;
Estimating an optimal source location that is not previously specified by time zone by excluding the second source location at the first source location;
And predicting a CBR hazard using the estimated optimal source location, wherein the contaminant is a contaminant corresponding to the CBR.
오염물을 검출하는 다수의 화생방 탐지 센서로 구성된 탐지부와;
상기 다수의 화생방 탐지 센서로부터 검출 정보를 수집하고, 상기 수집한 검출 정보에 포함된 오염물 검출 정보 및 오염물 불검출 정보를 분리하고, 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 검출 정보를 발생한 탐지 센서의 위치를 근거로 역확산 모델을 이용하여 오염물의 제1 배출원 위치의 확률 분포를 시간별로 추정하고, 상기 다수의 화생방 탐지 센서 중에서 상기 오염물 불검출 정보를 발생한 탐지 센서의 위치를 근거로 상기 역확산 모델을 이용하여 상기 오염물의 제2 배출원 위치의 확률 분포를 시간별로 추정하고, 상기 제1 배출원 위치에서 상기 제2 배출원 위치를 배제시킴으로써 시간대별 미리 특정되지 않은 최적의 배출원 위치를 추정하고, 상기 추정된 최적의 배출원 위치를 이용하여 화생방위험을 예측하는 예측부를 포함하며, 상기 오염물은 화생방에 대응하는 오염물인 것을 특징을 하는 화생방 위험예측 시스템.A system for predicting a CBR hazard using a CBR sensor when a CBR or CBR terrorism occurs,
A detection unit configured of a plurality of NBC detection sensors for detecting contaminants;
The method of claim 1, further comprising: collecting detection information from the plurality of NBC detection sensors, separating the pollution detection information and the pollutant non-detection information included in the collected detection information, Estimating a probability distribution of the first source position of the pollutant by time using a despreading model and estimating a probability distribution of the first source location of the pollutant by using the despreading model based on the position of the detection sensor generating the non- Estimating a probability distribution of the second source location of the pollutant over time and excluding the second source location at the first source location to estimate an optimal source location that is not previously specified by time zone, And a predictor for predicting the CBR risk using the location, Wherein the pollutant is a pollutant corresponding to the CBR.
상기 추정된 최적의 배출원 위치를 화면상에 표시하고, 상기 예측된 화생방위험을 나타내는 정보를 화면상에 표시하는 표시부를 더 포함하는 것을 특징을 하는 화생방 위험예측 시스템.3. The method of claim 2,
Further comprising a display unit for displaying the estimated optimal source location on a screen and displaying information indicating the predicted CBR hazard on a screen.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130165736A KR101513098B1 (en) | 2013-12-27 | 2013-12-27 | Method for forecasting cbr hazard and system thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130165736A KR101513098B1 (en) | 2013-12-27 | 2013-12-27 | Method for forecasting cbr hazard and system thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101513098B1 true KR101513098B1 (en) | 2015-04-17 |
Family
ID=53053492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130165736A KR101513098B1 (en) | 2013-12-27 | 2013-12-27 | Method for forecasting cbr hazard and system thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101513098B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101775824B1 (en) * | 2016-04-14 | 2017-09-11 | 국방과학연구소 | Metric Optimization Method and Apparatus in Inverse Simulation by Genetic Algorithm |
| KR20210139055A (en) * | 2020-05-13 | 2021-11-22 | 국방과학연구소 | Method and apparatus for simulating response plans against nbc hazards and recording medium thereof |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130121313A (en) * | 2012-04-27 | 2013-11-06 | (주)웹솔루스 | Tracking system using emission source data |
-
2013
- 2013-12-27 KR KR1020130165736A patent/KR101513098B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130121313A (en) * | 2012-04-27 | 2013-11-06 | (주)웹솔루스 | Tracking system using emission source data |
Non-Patent Citations (4)
| Title |
|---|
| 김주연. "동적 베이지안 추론에 의한 대기확산 모델 변수의 역추적에 관한 연구". 한양대학교 대학원 박사학위 논문, 2009.02. * |
| 김주연. "동적 베이지안 추론에 의한 대기확산 모델 변수의 역추적에 관한 연구". 한양대학교 대학원 박사학위 논문, 2009.02.* |
| 유숙현. "신경망과 비음최소자승법을 이용한 대기질 예보 및 냄새원추적 기법". 안양대학교 대학원 박사학위 논문, 2011.02. * |
| 유숙현. "신경망과 비음최소자승법을 이용한 대기질 예보 및 냄새원추적 기법". 안양대학교 대학원 박사학위 논문, 2011.02.* |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101775824B1 (en) * | 2016-04-14 | 2017-09-11 | 국방과학연구소 | Metric Optimization Method and Apparatus in Inverse Simulation by Genetic Algorithm |
| KR20210139055A (en) * | 2020-05-13 | 2021-11-22 | 국방과학연구소 | Method and apparatus for simulating response plans against nbc hazards and recording medium thereof |
| KR102383091B1 (en) | 2020-05-13 | 2022-04-05 | 국방과학연구소 | Method and apparatus for simulating response plans against nbc hazards and recording medium thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101774871B1 (en) | System and method for prediction of environmental pollution | |
| EP2317311A2 (en) | Sensing network and method | |
| US20100094565A1 (en) | Method and system for detecting and monitoring emissions | |
| CN101010958A (en) | Apparatus and method for camera calibration | |
| DE602006009766D1 (en) | METHOD AND DEVICE FOR PERFORMING A SENSOR FUSION FOR PROVIDING A POSITION OF AN INTERESTING TARGET | |
| JP6278228B2 (en) | NAVIGATION DEVICE AND NAVIGATION METHOD | |
| KR101513098B1 (en) | Method for forecasting cbr hazard and system thereof | |
| KR20100060705A (en) | System for forecasting geomagnetic storm using coronal mass ejection phenomenon and method thereof | |
| Zaidan et al. | Intelligent air pollution sensors calibration for extreme events and drifts monitoring | |
| JP2007187575A (en) | Device and method of monitoring water quality | |
| CN116157813A (en) | Environment prediction method, device, program and electronic equipment based on target availability model | |
| CN104931989A (en) | Method and device for detecting abnormal point in movement locus | |
| WO2019150721A1 (en) | Weather prediction correction method and weather prediction system | |
| JP2007024773A (en) | Track correlation integrating device | |
| KR20180069237A (en) | System and method for mobile object detection | |
| KR101574176B1 (en) | Method for detecting fire regions removed error and method for fire suppression | |
| JP6870442B2 (en) | Source analyzer and source analysis system | |
| US7961137B2 (en) | System and method for detecting performance of a sensor field at all points within a geographic area of regard | |
| CN109547764A (en) | Image depth sensing method and image depth sensing device | |
| JP2007178390A (en) | Method and device for estimating corrosion of electric wire | |
| JP2013167476A (en) | Target tracking processor and target tracking processing method | |
| JPWO2014087494A1 (en) | Calculation system | |
| KR101564519B1 (en) | Method of searching for unsteady dust source position of dustfall | |
| JP2014106203A (en) | Diffusate diffusion state prediction device, method of the same and program | |
| JP2015040814A (en) | Radioactive material moving path estimation method and decontamination method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20180409 Year of fee payment: 4 |