KR102215998B1

KR102215998B1 - 화재 관제 장치 및 방법

Info

Publication number: KR102215998B1
Application number: KR1020200122697A
Authority: KR
Inventors: 심현주
Original assignee: 심현주
Priority date: 2020-09-23
Filing date: 2020-09-23
Publication date: 2021-02-15
Anticipated expiration: 2040-09-15

Abstract

본 발명은 화재를 감지하고, 소방 설비를 제어하는 화재 관제 장치 및 방법에 관한 것이다.
본 발명은 감지기의 오작동이 너무 빈번하여 평상시에도 감지기 또는 수신기를 꺼 놓을 수 밖에 없는 문제점을 다중 센서 및 통계적 검정을 통해 해결할 수 있다. 다중 센서 및 통계적 검정을 통해 센서의 오작동을 최소화하고, 보다 정확하게 비화재 여부를 판단할 수 있다.

Description

화재 관제 장치 및 방법{APPARATUS FOR FIRE CONTROL AND METHOD THEREFOR}

본 발명은 화재를 감지하고, 소방 설비를 제어하는 화재 관제 장치 및 방법에 관한 것이다.

화재 관제 시스템은 화재 경보 시스템을 통해 상황을 감지하고, 화재 상황을 판단할 수 있도록 소방 설비를 모니터링 및 제어하는 시스템이다. 그리고 화재 경보 시스템은 화재 발생 시 경보를 발생시켜 신속한 대피와 화재 진압을 유도하는 소방 설비이다. 도 1을 참조하면, 화재 경보 시스템은 화재를 감지하는 감지기, 감지기의 화재 감지 신호를 수신하는 수신기, 및 여러가지 신호 등을 통해 화재를 알리는 경보기를 포함한다. 일반적으로 화재 경보 시스템은 수동과 자동 방식으로 구분될 수 있다. 자동 화재 경보 시스템은 화재 경보가 자동적으로 발생하나, 수동 화재 경보 시스템은 경보기를 수동으로 조작해야 화재 경보가 발생한다.

사찰 및 문화재 등에서는 건축물 보존 등의 여러가지 제한으로 인해 자동 화재 경보 시스템과 화재 관제 시스템을 구축하기 어려운 경우가 많다. 수동 화재 경보 시스템은 수동으로 설비를 조작해야 하므로, 화재 발생 시 화재 상황을 신속하게 알기가 매우 어렵다. 더욱이, 화재 상황을 알고 나서도 사찰 및 문화재 등은 도시와 먼 위치에 있는 경우가 많아 화재를 진압하는데 더 많은 시간이 소요된다. 사찰 및 문화재 등에서는 이미 구축된 수동 화재 경보 시스템을 활용하면서도 화재 발생 시 자동으로 소방 설비를 작동시킬 수 있는 소방 관제 시스템이 절실한 상황이다.

더욱이, 사찰 및 문화재 등은 목조 건축물인 경우가 많다. 목조 건축물은 화재에 취약하므로 화재 발생 시 전소 수준의 피해가 발생할 수 있다. 특히, 목조 건축물은 재질적 특성으로 인해 인접한 건축물에게도 화재가 옮겨 붙을 가능성이 매우 높다. 그러므로 목조 건축물이 인접한 장소에서는 화재 발생 시 화재가 인접한 건축물에 옮겨 붙는 것을 우선적으로 막아야한다. 화재가 옮겨 붙으면 다른 건축물까지 전부 전소시킬 수 있고, 화재의 규모가 급속도로 커져 진압조차 어려워질 수 있기 때문이다.

사찰 및 문화재 등은 다른 건축물로부터 화재가 옮겨 붙는 것을 방지하여 원본을 보존하는 것 또한 매우 중요하다. 사찰 및 문화재 등은 문화적으로 높은 가치를 가지므로, 화재로 인해 한 번 소실되면 그 가치를 복구하는 것이 사실상 불가능하기 때문이다. 따라서 다른 건축물과 달리, 사찰 및 문화재 등에 대해서는 화재가 옮겨 붙는 것을 막는 것 자체가 화재 진압의 중요한 목적이라고 할 수 있다.

한편, 화재 경보 시스템 중 감지기는 화재를 감지하는 설비로서, 화재 발생 시 최초로 화재를 감지하는 역할을 한다. 감지기가 화재를 감지하면 수신기로 신호를 보내고, 수신기는 다른 소방 설비를 통해 대피와 화재 진압을 유도한다.

그러나 감지기가 열이나 먼지 등을 화재로 오인하거나 감지기의 오작동으로 인해 화재가 발생하지 않았음에도 불구하고 화재 경보가 발생하는 경우가 많았다. 일반적으로 화재 경보 시스템에서는 감지기가 최초로 화재를 감지하므로, 감지기가 오작동하면 화재 경보가 발생하게 되기 때문이다. 결국 빈번한 화재 경보로 인해 민원이 빗발치고, 관리자는 어쩔 수 없이 감지기 또는 수신기를 꺼버리는 상황까지 이어지게 되는 경우가 많다.

도 2와 같이, 감지기 또는 수신기를 꺼버리면 실제 화재가 발생할 때 화재 경보 시스템이 작동하지 않는 문제가 발생한다. 실제로 감지기 또는 수신기가 꺼진 상태에서 화재가 발생해 수많은 사람이 목숨을 잃은 사건들도 있었다. 이러한 사건들은 신속한 대피와 화재 진압이 이루어졌다면 큰 인명 피해는 막을 수 있었으나, 감지기 또는 수신기가 꺼져 있었기 때문에 결과적으로 큰 참사로 이어진 사건들이었다.

감지기 또는 수신기가 화재를 감지할 수 있다면, 화재 경보 시스템을 통해 화재 발생 상황에서 신속하게 대피와 화재 진압을 유도할 수 있다. 따라서 평상시에도 감지기 또는 수신기를 항상 켜놓을 수 있도록 유도하는 것이 무엇보다 중요한 과제이다. 감지기 또는 수신기를 켜놓는 것이 중요하다는 것은 누구나 공감하지만, 오작동으로 인해 발생하는 불편함이 감지기 또는 수신기를 끄게 만드는 중요한 원인이다.

대한민국 등록특허공보 제10-1439267호 '실시간 스마트형 무인 화재 관제 장치'

본 발명은 수동 화재 경보 시스템이 설치된 곳에서도 기존의 시스템을 교체하지 않고도 원격으로 화재 상황을 관제하여 자동으로 소방 설비를 작동시킬 수 있도록 한다.

본 발명은 화재에 취약한 목조 건축물의 특성으로 인해 화재 발생 시 다른 건축물로 화재가 옮겨 붙는 것을 예측하여 신속한 대피와 화재 진압을 유도하고자 한다.

또한, 본 발명은 감지기의 오작동이 너무 빈번하여 평상시에도 감지기 또는 수신기를 꺼 놓을 수 밖에 없는 문제점을 해결하고자 한다.

본 발명에 따른 화재 관제 장치는 수신기에 연결되는 제1장치, 관제 서버, 및 소화 설비 수동조작함에 연결되는 제2장치를 포함하는 화재 관제 장치로서, 제1장치는 수신기에서 화재 이벤트를 수신하면 관제 서버로 화재 데이터를 송신하는 화재 데이터 송신부를 포함하고, 제2장치는 관제 서버로부터 소화 설비의 제어 신호를 수신하는 제어 신호 수신부; 및 제어 신호에 따라 소화 설비를 제어하는 제어부를 포함한다.

본 발명에 따른 화재 관제 장치에서 관제 서버는 복수의 센서가 센싱하는 풍향 및 풍속 데이터를 수신하는 수신부; 관제 대상 영역의 지도 데이터 및 화재 발생 전후의 풍향 및 풍속 데이터를 저장하는 저장부; 및 화재 전이 가능 영역을 예측하는 영역 예측부를 포함한다.

본 발명은 수동 화재 경보 시스템이 설치된 곳이라도 화재 관제 장치를 통해 기존의 시스템을 교체하지 않고도 원격으로 화재 상황을 관제하여 자동으로 소방 설비를 작동시킬 수 있다.

또한, 본 발명은 다른 건축물로 화재가 옮겨 붙는 화재 전이 가능 영역을 예측함으로써 신속한 대피와 화재 진압을 유도할 수 있다. 화재 전이 가능 영역 예측 시 빅데이터와 인공신경망 학습을 통해 객관적인 데이터에 기반하면서도 지역적 중요도를 반영하여 관제 대상 영역별로 최적의 화재 대응 전략을 수립할 수 있다.

또한, 본 발명은 감지기의 오작동이 너무 빈번하여 평상시에도 감지기 또는 수신기를 꺼 놓을 수 밖에 없는 문제점을 다중 센서 및 통계적 검정을 통해 해결할 수 있다. 다중 센서 및 통계적 검정을 통해 센서의 오작동을 최소화하고, 보다 정확하게 비화재 여부를 판단할 수 있다.

여기에 직접적으로 기재되지 않은 효과라고 하더라도, 발명의 설명에 의해 예상되거나 기대되는 효과는 발명의 효과에 기재된 것으로 이해되어야 한다.

도 1은 화재 경보 시스템의 구성을 나타낸 도면이다.
도 2는 화재 경보 시스템에서 감지기 또는 수신기를 꺼놓은 상태를 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 화재 관제 장치의 구성을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 지도 데이터상에서 화재를 감지한 위치를 그래픽으로 표현한 도면이다.
도 6은 사용자가 디스플레이 모듈의 화면을 터치하는 모습을 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 화재 관제 장치의 구성을 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 화재 관제 방법의 구성을 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 도면이다.
도 10은 본 발명의 실시예에 따른 지도 데이터에 포함되는 관제 대상 영역의 지리적 정보를 시각적으로 나타낸 도면이다.
도 11은 본 발명의 실시예에 따른 영역 예측부가 좌표상에서 화재 전이 가능 영역을 예측하는 모습을 나타낸 도면이다.
도 12는 본 발명의 실시예에 따른 영역 예측부가 화재 발생 전후의 풍향 및 풍속 데이터의 확률변수에 대한 통계적 검정을 진행하는 흐름도를 나타낸 도면이다.
도 13은 본 발명의 실시예에 따른 영역 예측부가 화재 전이 가능 영역을 지도 데이터에 매핑한 모습을 나타낸 도면이다.
도 14는 본 발명의 실시예에 따른 영역 예측부가 화재 전이 영역 모델을 모델링하는 모습을 나타낸 도면이다.
도 15는 본 발명의 실시예에 따른 영역 예측부가 관제 대상 영역을 복수의 영역으로 분할하여 전이 속도를 추정하는 흐름도를 나타낸 도면이다.
도 16은 본 발명의 실시예에 따른 영역 예측부가 중요도에 따라 화재 전이 가능 영역을 복수의 영역으로 분할하는 모습을 나타낸 도면이다.
도 17은 본 발명의 실시예에 따른 경보 발생기의 경보 신호를 경보기가 출력하는 모습을 나타낸 도면이다.
도 18은 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 도면이다.
도 19는 본 발명의 실시예에 따른 화재 관제 장치에서 센서의 구성을 나타낸 도면이다.
도 20은 본 발명의 실시예에 따른 비화재 판단부가 불꽃을 감지한 위치를 원점으로 관제 대상 영역을 복수의 영역으로 분할하는 모습을 나타낸 도면이다.
도 21은 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 도면이다.
도 22는 시간에 따른 센서의 센싱값 변화를 그래프로 나타낸 도면이다.
도 23은 본 발명의 실시예에 따른 이벤트 변경부가 점검 신호에 따른 센싱 데이터의 확률변수에 대한 통계적 검정을 진행하는 흐름도를 나타낸 도면이다.
도 24는 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 도면이다.
도 25는 본 발명의 실시예에 따른 비화재 판단부가 비화재 판단 모델을 모델링하는 모습을 나타낸 도면이다.
도 26은 본 발명의 실시예에 따른 비화재 판단부가 회귀계수의 가중치를 조정하는 모습을 나타낸 도면이다.
도 27은 본 발명의 실시예에 따른 비화재 판단부가 화재 이벤트 발생 전후의 센싱 데이터의 확률변수에 대한 통계적 검정을 진행하는 흐름도를 나타낸 도면이다.

본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 형태로 다양하게 구현될 수 있다. 실시예는 본 발명의 개시가 완전하도록 하고, 이 분야의 기술자에게 발명의 범주를 알려주기 위해 제공되는 것이다.

발명의 설명에서 사용하는 용어는 실시예를 설명하기 위해 사용하는 것으로, 본 발명을 한정하려는 의도로 사용하는 것이 아니다. 발명의 설명에서 '포함하다'의 용어는 기재된 특징이 조합된 구성이 존재함을 지정하려는 것이다. 그러므로 하나 또는 그 이상의 다른 특징이나 이들을 조합한 구성의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.

이하에서는 이 분야의 기술자에게 자명한 사항으로서 본 발명의 특징을 불필요하게 흐릴 수 있다고 판단되는 경우, 공지된 구성이나 기능에 대한 그 상세한 설명을 생략한다.

본 발명은 관제 서버를 이용하여 화재를 관제하는 장치 및 방법에 관한 것이다. 사찰 및 문화재 등과 같이 화재에 약한 목조 건축물의 경우, 인접한 건축물에 또는 인접한 건축물로부터 화재가 옮겨 붙을 가능성이 높다. 본 발명은 화재 전이 가능 영역을 예측하여 신속한 대피와 화재 진압을 지원할 수 있다. 더욱이, 사찰 및 문화재 등은 문화적으로도 높은 가치를 가지므로 화재 전이 가능 영역을 예측하여 실시간으로 화재 상황에 따라 대응할 수 있다.

한편, 종래의 화재 경보 시스템에서는 감지기 또는 수신기 오작동으로 인해 화재 경보가 너무 빈번하게 발생하여, 감지기 또는 수신기를 꺼놓을 수 밖에 없는 경우가 많았다. 그러나 본 발명은 감지기 또는 수신기를 꺼놓지 않아도 센서의 오작동에 의한 비화재 여부를 판단하고, 비화재로 판단되는 경우 경보를 발생시키지 않는다. 그러므로 감지기 또는 수신기를 항상 켜 놓을 수 있도록 유도할 수 있다.

본 발명의 실시예에 따른 과제 관제 방법은 하나 이상의 컴퓨팅 디바이스(Computing Device)에서 수행될 수 있다. 다시 말해, 본 발명의 실시예에서 각각의 단계는 컴퓨팅 디바이스의 프로세서(Processor)에 의해 실행되는 하나 이상의 명령어들로 구현될 수 있다. 여기서, 컴퓨팅 디바이스는 컴퓨팅 기능이 구비된 모든 종류의 디바이스를 포함한다. 컴퓨팅 디바이스는 데이터를 처리하고, 네트워크를 통해 데이터를 송수신할 수 있다. 실시예에 따라서, 컴퓨팅 디바이스는 서버(Server)와 클라이언트(Client)로서 사용자가 요청한 작업을 수행할 수 있다.

이하에서는 설명의 편의상 각각의 단계에서 주어가 생략될 수 있다. 주어가 생략되는 경우, 각각의 단계는 컴퓨팅 디바이스에 의해 수행되는 것으로 이해될 수 있다. 또한, 이하에서는 설명의 편의상 실시예를 분리하여 설명하나, 실시예들은 서로 조합되어 실시될 수 있다.

제1실시예

도 3은 본 발명의 실시예에 따른 화재 관제 장치(1)의 구성을 나타낸 도면이다. 도 3을 참조하면, 본 발명의 실시예에 따른 화재 관제 장치(1)는 제1장치(100), 제2장치(200), 및 관제 서버(300)를 포함한다. 본 발명의 실시예에 따른 화재 관제 장치(1)는 화재 경보 시스템 또는 소화 설비를 수동으로 조작해야 하는 경우라도, 관제 서버(300)를 통해 소화 설비를 자동 또는 원격으로 제어할 수 있다. 본 발명에 따르면, 화재 경보 시스템 또는 소화 설비의 제한 없이 다양한 소화 설비를 자동으로 제어할 수 있고, 원격 관제 기능을 제공할 수 있다.

제1장치(100)는 수신기(20)에 연결된다. 제1장치(100)는 수신기(20)와 관제 서버(300)를 연결하는 역할을 한다. 즉, 제1장치(100)는 수신기(20)가 수신하는 신호 또는 데이터를 관제 서버(300)로 전달한다. 제1장치(100)는 수신기(20)에서 화재 이벤트를 수신하면 관제 서버(300)로 화재 데이터를 송신하는 화재 데이터 송신부(110)를 포함한다. 여기서, 화재 이벤트는 감지기(10)가 화재 상태를 감지하는 이벤트이다. 만약 감지기(10)가 아날로그식인 경우, 미리 설정된 값에 따라 화재 상태로 감지하는 이벤트일 수 있다. 화재 데이터는 화재를 감지한 감지기(10) 정보 및 화재 정보를 포함한다.

도 4는 본 발명의 실시예에 따른 관제 서버(300)의 구성을 나타낸 도면이다. 관제 서버(300)는 사용자 인터페이스를 통해 화재 관제 기능 및 서비스를 제공한다. 도 4를 참조하면, 관제 서버(300)는 수신부(310), 저장부(320), 처리부(330), 및 제어 신호 생성부(340)를 포함한다. 수신부(310)는 감지기(10) 또는 제1장치(100)로부터 데이터를 수신한다. 저장부(320)는 화재 관제에 필요한 데이터를 저장한다. 실시예에 따라서, 저장부(320)는 관제 대상 영역의 지도 데이터를 저장한다. 여기서, 관제 대상 영역은 관제 서버(300)로 화재를 관제하는 영역이다. 지도 데이터는 관제 대상 영역의 지리적 정보를 포함한다. 즉, 지도 데이터는 관제 대상 영역에 포함된 위치의 위도, 경도, 지리적 정보, 및 건축물 정보를 포함한다. 처리부(330)는 화재 데이터를 처리하고, 사용자가 쉽게 확인할 수 있는 정보로 가공한다. 이때, 처리부(330)는 저장부(320)의 지도 데이터를 이용하여 지도 데이터에 화재 데이터를 매핑할 수 있다. 도 5는 본 발명의 실시예에 따른 지도 데이터상에서 화재를 감지한 위치를 그래픽으로 표현한 도면이다. 도 5를 참조하면, 예를 들어, 어떤 위치에서 화재가 감지되었는지 사용자가 쉽게 확인할 수 있도록, 처리부(330)는 지도 데이터상에서 화재를 감지한 위치를 그래픽으로 표현할 수 있다. 사용자는 디스플레이 모듈을 통해 지도로 표현되는 관제 대상 영역에서 어떤 위치에 화재가 감지되었는지를 한 눈에 확인할 수 있다. 또한, 처리부(330)는 지도로 표현되는 관제 대상 영역에서 어떤 위치에 화재가 감지되었는지 표현하면서, 화재를 감지한 감지기(10)에 대한 비화재 확률을 동시에 표시할 수 있다. 특정 감지기(10)가 화재를 감지하더라도, 사용자는 동시에 표시되는 비화재 확률을 참조하여 소화 설비 작동 여부를 결정할 수 있다. 따라서 화재 관제 시스템에 대한 전문적인 지식이 없는 사용자라도 직관적으로 화재 상황을 판단할 수 있다.

제어 신호 생성부(340)는 사용자의 입력에 따라 특정 소화 설비를 제어하는 제어 신호를 생성한다. 제어 신호는 특정 소화 설비의 작동 신호 외에도 소화 설비에 따라 세부적인 제어를 위한 신호를 포함한다.

도 6은 사용자가 디스플레이 모듈의 화면을 터치하는 모습을 나타낸 도면이다. 관제 서버(300)는 사용자 편의성을 위해 다양한 사용자 인터페이스를 통해 데이터를 입력받을 수 있다. 도 6을 참조하면, 예를 들어, 사용자가 컴퓨팅 디바이스 조작에 미숙하더라도, 관제 서버(300)는 디스플레이 모듈의 화면을 터치하는 방식을 통해서도 데이터를 입력받을 수 있다. 이때, 관제 서버(300)는 관제 서버(300)에 연결된 입력 장치 뿐만 아니라 네트워크로 연결된 다른 컴퓨팅 디바이스를 통해서도 데이터를 입력받을 수 있다. 따라서 사용자가 관제 서버(300)를 조작할 수 없는 경우라도, 네트워크를 통해 원격으로 관제 서버(300)에 액세스할 수 있다.

제2장치(200)는 소화 설비 수동조작함(30)에 연결된다. 소화 설비(40)는 화재 진압에 사용되는 설비를 포함한다. 제2장치(200)는 관제 서버(300)와 소화 설비 수동조작함(30)을 연결하는 역할을 한다. 즉, 제2장치(200)는 관제 서버(300)의 제어 신호에 따라 소화 설비(40)를 제어한다. 제2장치(200)는 관제 서버(300)로부터 제어 신호를 수신하는 제어 신호 수신부(210)를 포함한다. 그리고 제2장치(200)는 제어 신호에 따라 소화 설비(40)를 제어하는 제어부(220)를 포함한다. 제어부(220)는 포트를 통해 소화 설비를 제어한다. 구체적으로, 제어 신호에 따라 제2장치(200)의 특정 포트에 연결된 소화 설비 수동조작함(30)을 제어할 수 있다. 실시예에 따라서, 제어부(220)는 제어 신호로 특정되는 포트의 소화 설비에 접점신호를 발생시킬 수 있다. 따라서 관제 서버(300)는 제2장치(200)를 통해 소화 설비 수동조작함(30)에 연결된 소화 설비를 원격으로 제어할 수 있다. 본 발명에 따르면, 이미 수동 소화 설비가 설치된 곳에도 소화 설비 수동조작함(30)에 제2장치(200)를 연결함으로써 관제 서버(300)를 통해 원격 또는 자동으로 소화 설비를 제어할 수 있다. 따라서 본 발명의 실시예에 따른 화재 관제 장치(1)는 기존의 수동 소화 설비(40)에 대한 호환성을 확보하면서도, 원격 제어 또는 자동 소화 설비를 설치할 수 없는 장소에도 소화 설비(40)의 자동 제어 기능을 제공할 수 있다.

도 7은 본 발명의 실시예에 따른 화재 관제 장치(1)의 구성을 나타낸 도면이다. 도 7을 참조하면, 제1장치(100)와 제2장치(200)는 스위치를 통해 관제 서버(300)와 연결될 수 있다. 스위치에 복수의 제1장치(100)와 복수의 제2장치(200)를 연결하여, 관제 서버(300)를 이용한 화재 관제 시스템의 규모를 탄력적으로 축소시키거나 확장시킬 수 있다. 사찰 또는 문화재 등의 건축물에는 다양한 제한 사항이 있으므로, 본 발명은 수신기(20)와 소화 설비 수동조작함(30)의 설치 조건에 따라 연결 방식을 유연하게 가져갈 수 있다. 실시예에 따라서 제1장치(100)와 제2장치(200)는 관제 서버(300)와 무선으로도 연결될 수 있다.

본 발명의 실시예에 따른 화재 관제 방법은 제1장치(100), 제2장치(200), 및 관제 서버(300)를 포함하는 컴퓨팅 디바이스에서 화재 관제 서비스를 제공하는 방법에 관한 것이다. 본 발명의 실시예에 따른 화재 관제 방법은 (1) 화재 데이터 송신 단계(단계 S1100), (2) 제어 신호 송신 단계(S1200), 및 (3) 소화 설비 제어 단계(S1300)를 포함한다.

도 8은 본 발명의 실시예에 따른 화재 관제 방법의 구성을 나타낸 도면이다. 도 8을 참조하면, 단계 S1100에서는 제1장치(100)가 수신기(20)에서 화재 이벤트를 수신하면 관제 서버(300)로 화재 데이터를 송신한다. 단계 S1200에서는 관제 서버(300)가 제2장치(200)로 소화 설비(40)의 제어 신호를 송신한다. 단계 S1300에서는 제2장치(200)가 제어 신호에 따라 소화 설비(40)를 제어한다. 이때, 단계 S1300에서는 제어 신호로 특정되는 포트를 통해 소화 설비(40)를 제어한다.

제2실시예

도 9는 본 발명의 실시예에 따른 관제 서버(300)의 구성을 나타낸 도면이다. 도 9를 참조하면, 본 발명의 실시예에 따른 관제 서버(300)는 수신부(310), 저장부(320), 및 영역 예측부(350)를 포함한다. 관제 서버(300)는 복수의 센서가 센싱하는 데이터를 이용하여 화재가 옮겨 붙을 수 있는 화재 전이 가능 영역을 예측한다. 따라서 관제 대상 영역에서 화재 발생 시 신속한 대피를 유도하고, 영역별 중요도에 따라 화재 진압 전략을 수립할 수 있다.

수신부(310)는 복수의 센서가 센싱하는 풍향 및 풍속 데이터를 수신한다. 또한, 수신부(310)는 센서 또는 수신기(20)로부터 화재 이벤트를 수신한다. 감지기(10)와 별도로, 센서는 건축물별로 설치되어 건축물별 및 시간별로 풍향 및 풍속을 센싱한다. 건축물별로 풍향 및 풍속을 개별적으로 센싱하면, 건축물마다 화재 전이에 영향을 미칠 수 있는 풍향 및 풍속을 정확하게 센싱할 수 있다. 따라서 건축물별 풍향 및 풍속 데이터를 수집하면, 화재가 발생한 건축물 및 그와 인접한 건축물별로 보다 정확하게 화재 전이 가능 영역을 예측할 수 있다. 또한, 센서는 시간에 따라 변화하는 풍향 및 풍속을 센싱한다. 풍향 및 풍속은 시간 및 계절 등의 다양한 요인에 따라 변할 수 있다. 따라서 시간별 풍향 및 풍속 데이터를 수집하면, 화재가 발생한 시간, 계절, 및 화재 규모 등에 따라 보다 정확하게 화재 전이 가능 영역을 예측할 수 있다.

센서는 풍향 및 풍속 외에도, 화재에 영향을 줄 수 있는 다양한 변수를 센싱할 수 있다. 센서는 열, 연기, 및 불꽃 외에 습도, 음향, 및 모션 등을 센싱할 수 있다. 센서는 건축물별로 설치되므로 특정 건축물에 대한 상황을 확인할 수 있다. 예를 들어, 특정 건축물 내에 사람이 있는지 여부를 확인하기 위해 열, 모션, 및 음향 센서가 활용될 수 있다.

도 10은 본 발명의 실시예에 따른 지도 데이터에 포함되는 관제 대상 영역의 지리적 정보를 시각적으로 나타낸 도면이다. 저장부(320)는 관제 대상 영역의 지도 데이터를 저장한다. 도 10을 참조하면, 지도 데이터는 관제 대상 영역의 지리적 정보를 포함한다. 즉, 관제 대상 영역에 포함된 위치의 위도, 경도, 지리적 정보, 및 건축물 정보를 포함한다. 건축물 정보는 건축물의 종류, 위치, 크기, 및 건축 도면을 포함한다. 지도 데이터는 관제 대상 영역과 매핑되는 3차원상의 3D 데이터 또는 평면상의 2D 데이터로 저장될 수 있다. 후술하는 화재 전이 가능 영역은 저장부(320)의 지도 데이터를 이용하여 좌표상에서 예측될 수 있다. 지도 데이터가 3D 데이터인 경우에는 X, Y, 및 Z 축의 좌표상에서, 2D 데이터인 경우에는 X 및 Y 축의 좌표상에서 화재 전이 가능 영역이 예측될 수 있다.

또한, 저장부(320)는 화재 발생 전후의 풍향 및 풍속 데이터를 저장한다. 센서가 센싱하는 풍향 및 풍속 데이터는 화재 전이 가능 영역을 예측하는 중요한 요소이다. 그러나 화재에 의해서도 주변의 풍향 및 풍속이 바뀔 수 있다. 화재 발생 후의 풍향 및 풍속을 센싱하면, 화재 발생 전후의 풍향 및 풍속 데이터를 비교하여 화재에 의해 변화된 풍향 및 풍속을 추정할 수 있다. 저장부(320)에는 실시간으로 건축물별 및 시간별로 화재 발생 전후의 풍향 및 풍속 데이터가 저장된다. 이러한 데이터는 영역 예측부(350)가 화재 전이 가능 영역을 예측하기 위한 데이터로 이용된다.

도 11은 본 발명의 실시예에 따른 영역 예측부(350)가 좌표상에서 화재 전이 가능 영역을 예측하는 모습을 나타낸 도면이다. 영역 예측부(350)는 화재 전이 가능 영역을 예측한다. 이때, 영역 예측부(350)는 발화 지점을 기준으로 화재 전이 가능 영역을 예측한다. 도 11을 참조하면, 실시예에 따라서는 발화 지점을 지도 데이터의 좌표에서 원점으로 치환하여 화재 전이 가능 영역을 예측할 수 있다. 화재 전이 가능 영역 예측 시, 발화 지점과의 상대적인 거리가 중요할 수 있기 때문이다. 영역 예측부(350)는 풍향 및 풍속 데이터를 이용하여 화재 전이 가능 영역을 예측한다. 그러나 화재 전이 가능 영역을 풍향 및 풍속 데이터만으로 예측하는 것은 아니며, 화재 전이에 영향을 줄 수 있는 다양한 변수에 대한 데이터가 포함될 수 있다.

영역 예측부(350)는 화재 발생 전후의 풍향 및 풍속 데이터를 비교하여 변화값을 연산한다. 화재 발생 전후의 풍향 및 풍속 데이터는 저장부(320)에 저장되며, 영역 예측부(350)는 저장부(320)에 저장된 풍향 및 풍속 데이터를 비교하여 변화값을 연산할 수 있다. 그리고 이러한 변화값을 시간별 및 건축물별 풍향 및 풍속 데이터에 반영하여 화재 전이 가능 영역을 예측한다. 화재에 의해서도 주변의 풍향 및 풍속 데이터가 변하므로, 영역 예측부(350)는 화재에 의한 영향을 반영하여 화재 전이 가능 영역을 예측할 수 있다. 화재 발생 전의 풍향 및 풍속과 화재 발생 후의 풍향 및 풍속이 유의미하게 다르다면, 화재 발생 후의 풍향 및 풍속으로 화재 전이 가능 영역을 예측할 수 있다. 또한, 화재 전후의 풍향 및 풍속 데이터의 변화값이 크다면, 주변 풍향 및 풍속을 변화시킬 정도로 화재의 규모가 크다는 것을 의미한다. 따라서 영역 예측부(350)는 화재 전이 속도와 화재 전이 가능 영역의 예측값보다 가중치를 부여하여 예측할 수 있다.

도 12는 본 발명의 실시예에 따른 영역 예측부(350)가 화재 발생 전후의 풍향 및 풍속 데이터의 확률변수에 대한 통계적 검정을 진행하는 흐름도를 나타낸 도면이다. 도 12를 참조하면, 영역 예측부(350)는 화재 발생 전후의 풍향 및 풍속 데이터의 확률변수에 대한 검정 후 P값에 따라 변화값 반영 여부를 결정한다. 여기서, P값은 화재 발생 전후의 풍향 및 풍속 데이터의 확률변수를 검증한 값인 검정통계량이다. 풍향 및 풍속의 확률변수는 일정한 확률분포를 따르게 된다. 이때, 데이터의 개수가 일정량을 넘어가면, 풍향 및 풍속의 확률분포는 중심극한정리에 따라 정규분포로 수렴한다.
본 발명은 화재 발생 전의 풍향 및 풍속 데이터(집단 1)와 화재 발생 후의 풍향 및 풍속 데이터(집단 2)를 분류한다. 화재 발생은 특수한 상황이므로, 일반적으로 화재 발생 전의 풍향 및 풍속 데이터(집단 1)가 훨씬 더 많이 누적된다. 따라서 화재 전이 가능 영역 예측 시에는 화재 발생 전의 풍향 및 풍속 데이터(집단 1)를 활용하는 것이 이미 누적된 다양한 환경 요인을 반영할 수 있다. 그러나 화재가 풍향 및 풍속을 유의미하게 변화시키는 경우에는 화재 발생 후의 풍향 및 풍속 데이터(집단 2)를 활용하는 것이 바람직하다. 반대로, 화재가 풍향 및 풍속을 유의미하게 변화시키지 않는다면, 화재 발생 전의 풍향 및 풍속 데이터(집단 1)를 활용하는 것이 화재 전이 가능 영역을 더 정확하게 예측할 수 있다. 본 발명에서는 화재 전이 가능 영역 예측 시 어떠한 데이터 집단을 선택하고 활용하는지에 대한 기준으로 검정통계량 P값이 활용될 수 있다.
예를 들어, 풍향 및 풍속은 매초마다 수집된다고 가정한다. 그러면 화재 발생 전의 풍향 및 풍속 데이터(집단 1) 및 화재 발생 후의 풍향 및 풍속 데이터(집단 2)는 모두 중심극한정리에 따라 정규분포를 따르게 된다. 이에 정규분포를 따르는 두 집단(집단 1 및 집단 2) 간의 평균에 차이가 있는지 여부를 P값을 통해 검정할 수 있다.
두 집단(집단 1 및 집단 2)의 비교 시, P값은 두 집단 간에 차이가 없다는 가정 하에서, 실제 수집된 두 집단의 평균 차이가 나타날 확률을 의미한다. 집단 1의 평균이 A, 집단 2의 평균이 B, 그리고 집단 1 및 집단 2 간의 평균 차이는 C라고 가정한다. 그러면 P값은 실제 수집한 두 집단의 평균 차이로서 C가 나타날 확률이라고 이해될 수 있다. 두 집단은 모두 정규분포를 따르므로, 평균에도 어느 정도 편차는 있을 수 있다. 그러나 두 집단 간에 차이가 없다면, C는 0에 가까울 것이다. 반대로, 두 집단 간에 차이가 있다면, C는 0과 멀어질 것이다. P값은 두 집단 간에 차이가 없다는 가정 하에서 두 집단의 평균 차이 C가 발생할 확률값이다. 따라서 P값이 매우 작다면, 평균 차이가 발생했음에도 그러한 차이가 나타날 확률이 매우 희박하다는 것을 의미한다. 두 집단 간에 차이가 없다는 가정 하에서 나타난 평균 차이가 매우 희박한 확률값을 가진다면, 두 집단 간에 차이가 없다는 가정을 포기하게 되는 근거가 된다. 즉, 실제 수집한 집단 1 및 집단 2의 각각의 데이터로부터 발생 확률이 매우 낮은 평균 차이가 나타난다면, 가정이 틀리다는 것을 통계적으로 지지하게 되는 것이다. 예를 들어, 검정통계량 P값이 0.01이라면, 실제로 수집된 화재 발생 전의 풍향 및 풍속 데이터(집단 1)와 화재 발생 후의 풍향 및 풍속 데이터(집단 2) 간의 평균 차이가 나타날 확률이 1%라는 것을 의미한다. 화재 발생 전후의 풍향 및 풍속 데이터에 차이가 없다는 가정 하에서, 실제 수집된 데이터로부터 평균 차이가 나타날 확률이 1%에 불과하다면, 가정이 틀리다는 것을 지지할 수 있다. 즉, 매우 작은 P값이 화재 발생 전후의 풍향 및 풍속 데이터 간에 유의미하게 차이가 있다는 것을 지지하는 근거가 된다.
영역 예측부(350)는 P값이 0 내지 미리 정해진 값 이하일 때, 변화값을 반영한다. 즉, 영역 예측부(350)는 화재 발생 전후의 풍향 및 풍속 데이터를 이용하여 화재 전이 가능 영역을 예측한다. P값이 1 이하 내지 미리 정해진 값을 초과하는 경우, 화재 발생 전후의 풍향 및 풍속 데이터는 통계적으로 유의미한 차이가 없다고 판단된다. 따라서 화재 전이 가능 영역 예측에 변화값을 반영하지 않고, 화재 발생 전의 풍향 및 풍속 데이터만을 이용하여 화재 전이 가능 영역을 예측한다. 풍향 및 풍속 변화에 화재로 인한 영향이 없다고 판단되므로, 화재 발생 전에 누적된 풍향 및 풍속 데이터를 이용하는 것이 화재 전이 가능 영역을 더 정확하게 예측할 수 있기 때문이다. 실시예에 따라서, 영역 예측부(350)는 변화값을 반영하는 경우, 화재 발생 후의 풍향 및 풍속 데이터에 대한 가중치를 부여하여 화재 전이 가능 영역을 예측할 수 있다. 풍향 및 풍속 변화에 화재로 인한 영향이 있다고 판단되므로, 화재 발생 후의 풍향 및 풍속 데이터에 가중치를 두어 이용하는 것이 화재 전이 가능 영역을 더 정확하게 예측할 수 있기 때문이다. 여기서, 미리 정해진 값은 사용자에 따라 다양하게 설정될 수 있다.

영역 예측부(350)는 화재 전이 가능 영역을 풍향 및 풍속 데이터의 확률분포 또는 기계학습을 이용하여 좌표상으로 예측한다. 중심극한정리에 따라, 풍향 및 풍속의 확률분포가 수렴하는 정규분포를 이용하여 화재 전이 가능 영역을 예측할 수 있다. 화재 전이 가능 영역은 풍향의 평균에 의해 방향이 특정되고, 풍속의 평균에 의해 길이가 특정된다. 그리고 풍향 및 풍속의 표준편차에 의해 범위가 예측된다. 그리고 이를 지도 데이터에 매핑하여 화재 전이 가능 영역을 좌표상의 영역으로 표현할 수 있다. 도 13은 본 발명의 실시예에 따른 영역 예측부(350)가 화재 전이 가능 영역을 지도 데이터에 매핑한 모습을 나타낸 도면이다. 도 13을 참조하면, 영역 예측부(350)에서 예측한 화재 전이 가능 영역은 지도 데이터와 매핑되어 디스플레이 모듈을 통해 지도 이미지로 시각적으로 표시될 수 있다. 따라서 화재 관제 시스템에 대한 전문적인 지식이 없는 사용자라도 지도와 매핑된 화재 전이 가능 영역을 통해 화재 상황과 예측되는 화재 상황을 모두 즉각적으로 확인할 수 있다.

도 14는 본 발명의 실시예에 따른 영역 예측부(350)가 화재 전이 영역 모델을 모델링하는 모습을 나타낸 도면이다. 도 14를 참조하면, 영역 예측부(350)는 발화 지점, 전이 속도, 풍향, 및 풍속을 입력 받고, 전이 지점 및 전이 시간을 출력하는 화재 전이 영역 모델을 학습한다. 화재 전이 영역 모델은 동일한 입력값 및 출력값을 학습 데이터로 이용하여 학습할 수 있다. 여기서, 발화 지점 및 전이 지점은 모두 지도 데이터상의 좌표값에 해당한다. 발화 지점을 원점으로 치환하는 경우, 전이 지점은 발화 지점과의 상대적인 좌표값으로 설정된다. 화재 전이 영역 모델은 화재 전이 영역 모델은 학습 데이터 사이의 상관 관계를 학습하여, 전이 지점 및 전이 시간을 출력할 수 있다. 학습 데이터의 양이 많아질수록 화재 전이 영역 모델에서 출력하는 전이 지점 및 전이 시간의 정확도는 높아진다. 전이 지점을 연결하면 화재 전이 가능 영역이 되며, 전이 지점별로 전이 시간이 예측되므로 전이 예상 경로를 확인할 수 있다.

도 15는 본 발명의 실시예에 따른 영역 예측부(350)가 관제 대상 영역을 복수의 영역으로 분할하여 전이 속도를 추정하는 흐름도를 나타낸 도면이다. 도 15를 참조하면, 영역 예측부(350)는 발화 지점을 원점으로 관제 대상 영역을 복수의 영역으로 분할하고, 화재가 다른 영역으로 전이되는 속도로 전이 속도를 추정할 수 있다. 복수의 영역은 균등한 거리로 분할될 수 있으며, 화재의 규모에 따라 분할되는 영역의 거리가 달라진다. 실시예에 따라서, 화재의 규모가 작을 경우 영역을 cm 단위로 분할하고, 화재의 규모가 큰 경우, 영역을 m 단위로 분할하여 전이 속도를 추정할 수 있다. 화재의 규모가 큰 경우 cm 단위로 영역을 분할하더라도 전이 속도를 제대로 추정할 수 없기 때문이다.

보다 구체적으로, 영역 예측부(350)는 화재 전이 가능 영역에 복수의 건축물이 포함되기 전까지는 발화 지점이 포함된 특정 건축물 내의 영역을 복수의 영역으로 분할한다. 발화 지점이 포함된 건축물에서 다른 건축물로 화재가 전이되기 전이라면, 발화 지점이 포함된 건축물 내부에서 전이 속도를 추정한다. 다른 건축물로 화재가 전이되기 전이라면, 화재 전이가 건축물 내부에서 이루어지기 때문이다. 건축물 내부의 화재 전이 가능 영역을 예측하기 위해, 영역 예측부(350)는 발화 지점이 포함된 건축물 내의 영역을 복수의 영역으로 분할한다. 그리고 이들 영역에서의 화재 전이를 통해 화재 전이 속도를 추정한다. 발화 지점이 포함된 건축물에서 다른 건축물로 화재가 전이되거나 전이가 예측된다면, 즉, 화재 전이 가능 영역에 복수의 건축물이 포함되면, 건축물 외부 영역에서 전이 속도를 추정한다. 관제 대상 영역의 전체 영역을 복수의 영역으로 분할하여 전이 속도를 추정한다. 다른 건축물로 화재가 전이되면, 화재 전이가 이루어지는 규모가 커져 분할되는 영역의 거리도 비례하여 증가해야 하기 때문이다.

이때, 화재가 전이되는 영역은 복수의 센서를 통해 감지될 수 있다. 이러한 센서는 차동식 센서, 정온식 센서, 광전식 센서, 불꽃 센서, 공기 순환식 센서, 카메라 모듈 등을 포함한다. 동일 위치에 복수로 설치된 센서와 복수의 위치에 설치된 센서를 통해 화재가 전이되는 위치와 시간을 센싱하면 화재가 다른 영역으로 전이되는 것을 센싱할 수 있다.

도 16은 본 발명의 실시예에 따른 영역 예측부(350)가 중요도에 따라 화재 전이 가능 영역을 복수의 영역으로 분할하는 모습을 나타낸 도면이다. 도 16을 참조하면, 영역 예측부(350)는 영역별로 미리 설정되는 중요도를 반영하여 화재 전이 가능 영역을 복수의 영역으로 분할한다. 저장부(320)의 지도 데이터는 관제 대상 영역에 대한 지리적 정보를 포함하고, 동시에 위치에 대한 중요도 정보도 포함한다. 사찰 및 문화재 등은 복구가 불가능한 가치를 가진다. 그리고 사찰 및 문화재 등은 일반적으로 목조 건축물에 해당하며, 화재가 발생하면 전소에 가까운 손해가 발생할 수 있다. 따라서 무엇보다 화재가 전이되지 않는 것이 중요하다. 또한, 건축물에 따라서는 사람이 거주하고 있을 수 있다. 이러한 건물 또한 화재가 전이되지 않도록 하거나 사람이 대피할 수 있는 시간을 벌 수 있도록 전이를 최대한 지연시켜야 한다. 화재 발생 시 화재 전이를 예측하여 중요 영역에 최우선적으로 대피를 도모하거나, 전이를 지연시킬 수 있다면 훨씬 효과적으로 화재를 진압할 수 있다. 경우에 따라서는 중요도가 낮은 영역보다 중요도가 높은 영역에 대해 화재 진압을 우선적으로 시도할 수 있다. 이와 같이 지도 데이터에 영역별로 중요도가 미리 설정되면, 화재 전이 가능 영역에 해당되는 영역의 중요도에 따라 화재에 탄력적으로 대응할 수 있다.

중요도는 척도에 따라 다양하게 설정될 수 있다. 이때, 중요도는 사람의 거주 여부, 문화재 보유 여부, 피해 복구 비용, 및 피해 복구 기간을 포함하는 피해 정보를 이용하여 설정된다. 이러한 피해 정보는 저장부(320)의 지도 데이터에 포함된 정보이다. 실시예에 따라서, 사람이 거주하고 있는 영역과 문화재를 보유하고 있는 영역은 가장 높은 중요도를 가질 수 있다. 이러한 영역이 화재 전이 가능 영역으로 예측되면, 해당 영역에 최우선으로 대피를 유도하거나 문화재를 보존하는 방향으로 화재 대응 전략을 수립할 수 있다. 예를 들어, 문화재를 옮길 수 있다면 문화재를 가지고 대피하도록 유도하는 경보 신호를 발생하거나, 문화재를 옮길 수 없다면 다른 곳보다 우선해서 화재 진압을 시작할 수 있다. 화재 진압을 시작하는 경우에도 화재 전이 가능 영역으로 예측되는 영역부터 화재 진압을 시도하여 화재 전이를 효과적으로 방지할 수 있다.

실시예에 따라서, 중요도는 복구 비용 함수에 의해 설정될 수 있다. 여기서, 복구 비용 함수는 피해 정보를 이용하여 화재 발생 시 면적 단위당 복구에 소요되는 비용을 출력하는 함수이다. 특정 영역이 화재 전이 가능 영역으로 예측되면, 그 영역의 피해 정보를 이용하여 복구 비용 함수에 의해 복구 비용이 산출된다. 복구 비용과 중요도는 비례 관계로 설정될 수 있다. 즉, 복구 비용이 높을수록 중요도를 높게 설정할 수 있다. 이러한 복구 비용 함수는 화재 진압 전략 수립 시 기준으로 활용될 수 있다. 예를 들어, 복구 비용 함수의 합계가 최소값이 되는 화재 전이 가능 영역을 유도할 수 있다.

제어 신호 생성부는 화재 전이 가능 영역에 포함되는 소화 설비를 제어하는 제어 신호를 생성한다. 화재 전이 가능 영역에 포함되는 소화 설비는 곧 전이될 화재를 진압하기 위해 사용된다. 제어 신호 생성부는 화재 전이 가능 영역에 대한 정보를 이용하여 화재가 전이되지 않도록 소화 설비를 효과적으로 제어할 수 있다. 실시예에 따라서, 제어 신호 생성부는 중요도에 따라 화재 전이 가능 영역에 포함되는 소화 설비를 화재 전이 전에 작동시킬 수 있다. 소화 설비를 미리 작동시키는 이유는 화재 전이를 막기 위함이다. 예를 들어, 화재가 일반 화재(A형)로 판단되고, 소화 설비가 스프링클러에 해당하는 경우, 화재 전이 전에 강제적으로 스프링클러를 작동시켜 미리 소화용수를 공급할 수 있다. 건축물에 미리 소화용수를 공급하면, 화재 전이를 조금이나마 더 늦출 수 있기 때문이다.

소화 설비는 화재 전이 가능 영역에 포함되는 건축물 외벽에 소화용수를 공급할 수 있다. 화재 전이가 예측되는 건축물 외벽에 소화용수를 공급하면 화재 전이를 늦출 수 있다. 특히, 건축물이 목조 건축물인 경우, 목재에 소화용수가 스며들어 목재에 화재가 전이되는 것을 늦출 수 있다. 화재 전이를 지연시킬 수 있다면, 그 사이에 대피를 유도하거나, 문화재 등을 옮기거나, 중요도가 높은 영역에 집중적으로 화재를 진압할 수 있다. 특히, 문화재 또는 사찰 등은 보존 등을 위해 건축물 내부에 스프링클러 설비를 설치하기가 매우 어렵다. 따라서 건축물 외부에서 소화용수를 공급하는 소화 설비를 구축할 수 있다. 실시예에 따라서, 건축물 외부에 파이프라인을 설치하여 건축물 외부에서 소화용수를 공급하는 것도 가능하다. 건축물 외벽에 소화용수를 공급하는 경우, 목조 건물의 화재 전이를 조금이라도 더 지연시킬 수 있으며, 본격적인 화재 진압이 시작되기까지의 시간을 벌 수 있다.

도 9를 참조하면, 화재 관제 서버(300)는 경보 발생부(360)를 더 포함할 수 있다. 경보 발생부(360)는 화재 전이 가능 영역별로 설치된 경보기에 서로 다른 경보 신호를 발생시킨다. 화재 전이 가능 영역은 곧 화재가 전이될 수 있는 영역에 해당한다. 영역 예측부(350)는 언제 화재가 전이될 것인지, 그리고 어떤 방향에서 전이될 것인지 예측할 수 있다. 따라서 화재 전이 가능 영역별로 해당 영역에 필요한 경보를 위한 정보를 제공할 수 있다. 경보 발생부(360)는 화재 전이 가능 영역에 대한 정보를 이용하여 경보 신호를 발생시키고, 경보기를 통해 대피와 화재 진압을 효과적으로 지원할 수 있다. 도 17은 본 발명의 실시예에 따른 경보 발생기의 경보 신호를 경보기가 출력하는 모습을 나타낸 도면이다. 도 17을 참조하면, 예를 들어, 화재 전이 가능 영역에 포함되고, 12시 방향에서 화재 전이가 예측되며, 화재 전이 시간이 5분 후로 예측되는 경우, 5분 내에 화재가 전이되는 방향과 반대 방향인 6시 방향으로 대피할 수 있도록 경보 발생부(360)는 경보 신호를 발생시킬 수 있다. 경보 신호는 화재 전이 방향 및 전이 시간을 변수로 받아 경보를 발생시킬 장소의 구체적인 상황을 반영하여 생성할 수 있다. 화재 전이 가능 영역에 설치된 경보기는 경보 신호를 수신하여 경보를 발생시킨다. 실시예에 따라서 제1장치 또는 제2장치는 경보기의 역할을 할 수도 있다.

경보 발생부(360)는 센서를 통해 화재 전이 가능 영역에 사람이 있다고 판단되는 경우, 사용자의 조작 없이도 자동적으로 화재 전이 가능 영역 정보 및 대피 정보를 포함하는 경보 신호를 발생시킬 수 있다. 따라서 경보 발생부(360)는 사용자가 관제 서버(300)를 통해 모든 영역에 대해 대응하지 못하더라도, 최소한 인명 피해를 막을 수 있도록 지원한다.

본 발명은 빅데이터와 기계 학습을 결합하여 객관적인 데이터에 기반해 높은 정확도로 화재 전이 가능 영역을 예측할 수 있다. 본 발명의 제어 신호 생성부(340)에 따르면, 화재 전이 가능 영역을 예측하고, 효과적으로 화재 진압 전략을 수립할 수 있다. 특히, 관제 대상 영역 및 화재 전이 가능 영역을 분할하여 영역의 중요도에 따라 효과적으로 화재에 대응할 수 있다. 본 발명은 위의 모든 과정을 하나의 유기적으로 통합된 서비스로 제공하며, 종합적인 화재 관제 서비스를 제공할 수 있다. 또한, 기존 소화 설비에 대한 호환성을 확보하면서도, 자동 소화 설비를 설치할 수 없는 장소에도 소화 설비의 자동 제어 기능을 제공할 수 있다.

본 발명의 실시예에 따른 화재 관제 방법은 제1장치(100), 제2장치(200), 및 관제 서버(300)를 포함하는 컴퓨팅 디바이스에서 화재 관제 서비스를 제공하는 방법에 관한 것이다. 본 발명의 실시예에 따른 화재 관제 방법은 (1) 관제 서버(300)가 풍향 및 풍속 데이터를 수신하는 단계(S2100), (2) 관제 서버(300)가 관제 대상 영역의 지도 데이터 및 화재 발생 전후의 풍향 및 풍속 데이터를 저장하는 단계(S2200), 및 (3) 관제 서버(300)가 화재 전이 가능 영역을 예측하는 단계(S2300)를 더 포함할 수 있다. 각각의 단계는 전술한 화재 관제 장치(1)의 구성에 대한 설명과 중복되므로, 그 자세한 설명은 생략한다.

제3실시예

도 18은 본 발명의 실시예에 따른 관제 서버(300)의 구성을 나타낸 도면이다. 도 18을 참조하면, 본 발명의 실시예에 따른 관제 서버(300)는 수신부(310), 저장부(320), 및 비화재 판단부(370)를 포함한다. 관제 서버(300)는 복수의 센서를 이용하여 센서에서 화재 이벤트를 감지하는 경우 비화재 여부를 판단한다. 본 발명은 센서의 오작동으로 인한 화재 경보(비화재보)를 최소화하여, 감지기(10) 또는 수신기(20)를 항상 켜놓을 수 있도록 유도할 수 있다.

수신부(310)는 복수의 센서가 센싱하는 센싱 데이터 및 화재 이벤트를 수신한다. 센싱 데이터는 센서가 센싱하는 데이터이다. 센싱 데이터는 센서가 센싱하는 대상에 따라 다양한 정보를 포함할 수 있다. 화재 이벤트는 센서가 화재라고 감지하는 이벤트로서, 화재를 감지하는 조건은 센서에 미리 설정될 수 있다. 아날로그 방식의 센서라면 센싱값이 미리 설정된 조건을 만족하는 경우가 화재 이벤트에 해당할 수 있다. 예를 들어, 온도가 70도 이상이면 화재 이벤트로 설정되고, 열 센서에서 감지된 온도가 75도인 경우라면 화재 이벤트에 해당한다.

도 19는 본 발명의 실시예에 따른 화재 관제 장치(1)에서 센서의 구성을 나타낸 도면이다. 센서는 서로 다른 종류의 센서를 포함한다. 도 19를 참조하면, 센서는 열을 감지하는 제1센서, 미립자를 감지하는 제2센서, CO 및 CO₂ 중 적어도 어느 하나를 감지하는 제3센서를 포함한다. 실시예에 따라서, 하나의 센서에 제1센서 내지 제3센서가 포함될 수 있으나, 개별적으로 설치된 제1센서 내지 제3센서를 하나의 센서 네트워크로서 구성할 수 있다. 본 발명에서는 서로 다른 종류의 제1센서 내지 제3센서를 이용하여 보다 정확하게 비화재 여부를 판단한다. 화재 시 나타나는 물리적인 현상은 매우 복잡하고 다양한 특성을 가진다. 그렇지만 그 중에서도 가장 중요한 요소는 열, 미립자, 및 CO 또는 CO₂의 방출이다. 따라서 3가지의 요소가 복합적으로 감지된다면, 확실하게 화재가 발생했다고 판단할 수 있다.

종래의 열 또는 연기 감지에 의한 화재 판단은 각각 저마다의 문제점이 있었다. 열에 의한 화재 판단은 화재 여부를 판단하기 쉽지만, 겨울철 실내에 위치하는 온열 기구 등으로 인해 비화재보를 발생시키는 문제점이 있었다. 연기에 의한 판단은 조기에 화재를 감지하는데 효과적이지만, 연기 감지의 원리로 인해 잦은 비화재보를 발생시키는 문제점이 있었다. 특히, 소방시설관리협회의 조사 자료에 따르면, 열 감지기에 비해 연기 감지기가 약 2배 정도의 높은 비화재보율을 나타내는 것으로 확인된다. 따라서 본 발명은 센서 종류에 따른 장점을 융합시키고, 단점을 보완하기 위해 3가지 종류의 센서를 조합하여 비화재 여부를 판단한다.

도 20은 본 발명의 실시예에 따른 비화재 판단부(370)가 불꽃을 감지한 위치를 원점으로 관제 대상 영역을 복수의 영역으로 분할하는 모습을 나타낸 도면이다. 도 20을 참조하면, 실시예에 따라서 비화재 판단부(370)는 화재 여부 판단 시 카메라 모듈을 통해 화면상에서 불꽃으로 판단되는 오브젝트의 면적이 증가하는지 여부를 더 판단할 수 있다. 구체적으로, 불꽃을 감지한 위치를 원점으로 복수의 영역으로 분할하고, 불꽃으로 판단되는 오브젝트의 면적이 다른 영역에 도달하는지 여부를 판단할 수 있다. 온열 기구 등을 사용하는 경우 순간적으로 열원이 감지될 수 있으나, 그 영역이 계속해서 증가하지는 않는다. 따라서 카메라 모듈을 이용하면 비화재보율을 더 낮출 수 있다. 카메라 모듈을 통한 화재 여부 판단 시 이미지를 통해 화재를 판단하게 된다. 이때, 기계학습을 통해 이미지로부터 화재를 검출할 수 있다. 실시예에 따라서 기계학습에서는 CNN(Convolutional Neural Network) 기법을 이용하여 판단 모델을 구성하고, 학습시킬 수 있다. 또한, 과적합을 해소하기 위해 이미지 오그멘테이션(Image Augmentation)을 통해 학습 데이터로 활용될 이미지를 증대시킬 수 있다. 그러나 기계학습에서의 모델링 기법은 전술한 실시예로 한정되는 것은 아니다.

저장부(320)는 센서 정보를 저장한다. 센서 정보는 센서의 고유값, 종류, 위치, 초기값, 및 화재 이벤트 발생 전후의 센싱 데이터를 포함한다. 고유값은 센서마다 가지는 고유한 값이다. 고유값을 매칭하면, 화재 이벤트 발생 시 어떤 센서가 화재 이벤트를 감지했는지 확인할 수 있다. 종류는 센서의 감지 방식에 대한 정보를 포함하며, 실시예에 따라서 제1센서 내지 제3센서에 해당하는 카테고리를 포함할 수 있다. 위치는 센서가 설치된 위치 정보를 포함한다. 이벤트 값은 센서에 화재가 발생했다고 감지하는 화재 이벤트로 설정된 값이다. 실시예에 따라서, 센서 정보는 이벤트 값의 초기값을 포함한다. 초기값을 이용하면, 추후 이벤트 값 변경 시 설치 환경에 따라 초기값 대비 어느 정도로 변경되었는지를 비교할 수 있다. 센싱 데이터는 센서가 센싱하는 데이터로서, 화재 이벤트 발생 전후를 구분한다. 실제 화재 발생 시 센서가 화재 이벤트를 감지할 수 있는지 검정하기 위해서는 화재 이벤트 발생 전후를 구분해야 하기 때문이다.

비화재 판단부(370)는 센서 정보를 이용하여 비화재 여부를 판단한다. 본 발명의 비화재 판단부(370)는 센서가 화재를 감지하면 무조건적으로 화재 경보를 발생시키지 않고, 비화재 판단부(370)에서 비화재 여부를 판단한다. 그리고 비화재라고 판단되는 경우, 경보를 발생시키지 않음으로써 비화재보를 현격하게 감소시킬 수 있다. 따라서 본 발명은 비화재보를 감소시켜 감지기 또는 수신기를 항상 켜놓을 수 있도록 유도한다.

도 21은 본 발명의 실시예에 따른 관제 서버(300)의 구성을 나타낸 도면이다. 도 21을 참조하면, 본 발명의 실시예에 따른 관제 서버(300)는 이벤트 변경부(380)를 더 포함한다. 이벤트 변경부(380)는 센서가 화재 이벤트로 감지하는 이벤트 값을 변경한다. 보다 구체적으로, 이벤트 변경부(380)는 센서의 센싱 데이터의 확률분포 또는 감도 출력이 변화할 때 변화율의 기울기를 이용한다. 센서는 계절의 변화, 먼지의 누적, 끽연, 안개, 및 체류가스 등으로 인해 민감도가 변하면서 감도 출력이 변화할 수 있다. 센서의 감도 출력이 변화한다면, 비화재 상태에서 다른 요인에 의해 발생된 변화를 화재로 감지할 수 있다. 도 22는 시간에 따른 센서의 센싱값 변화를 그래프로 나타낸 도면이다. 도 22를 참조하면, 예를 들어, 0 내지 100% 까지의 연기 농도를 측정할 수 있는 센서가 있고, 이 센서는 연기 농도가 50%가 되면 화재로 인식하도록 설정되어 있다고 가정한다. 도 22의 (A)와 같이, 새로운 센서는 오염 등이 없으므로 50%에 해당하는 연기가 센서의 챔버 안으로 들어오면 화재라고 감지한다. 그러나 도 22의 (B)와 같이, 먼지 등에 의해 센서가 오염되어 40%의 연기가 잔류하면 실제로는 10%의 연기 유입만으로 화재 이벤트를 감지하게 될 것이다. 이러한 오작동이 연기 센서의 대표적인 비화재보에 해당한다.

비화재 상태에서 센서의 감도 출력이 변화하는 패턴이 있다면, 그 패턴은 화재로 인한 것이 아니다. 따라서 이러한 패턴을 화재 이벤트로 감지하지 않도록 센싱값을 보상하거나 조정하여야 한다. 센서의 감도 출력이 변화하는 규칙적인 패턴은 통계적으로 추정될 수 있다. 그리고 센서의 감도 출력, 즉, 센싱값은 일정한 확률분포를 따르게 된다. 확률분포의 패턴을 추론하면 센서의 감도 출력이 변화하는 패턴을 추정할 수 있다. 이벤트 변경부(380)는 이러한 패턴 내의 감도 출력 변화를 보상할 수 있도록 센서의 이벤트 값을 변경할 수 있다.

도 23은 본 발명의 실시예에 따른 이벤트 변경부(380)가 점검 신호에 따른 센싱 데이터의 확률변수에 대한 통계적 검정을 진행하는 흐름도를 나타낸 도면이다. 도 23을 참조하면, 이벤트 변경부(380)는 점검 신호에 따른 센싱 데이터의 확률변수 검정 시 P값이 0 이상 내지 미리 정해진 값 이하인 경우, 이벤트 값을 변경한다. 점검 신호는 센서가 센서의 오작동 유무를 확인하기 위한 신호이다. 이벤트 변경부(380)는 센서가 화재 이벤트 감지 후, 비화재 상태가 확인된 상태에서 점검 신호를 발생시킬 수 있다. 점검 신호 발생 후의 센싱 데이터 검정 시 P값이 0 이상 내지 미리 정해진 값 이하이면, 점검 신호 발생 후의 센싱 데이터와 점검 신호 발생 전의 센싱 데이터가 통계적으로 유의미한 차이가 있다고 추정된다. 그러나 비화재 상태에서 센서가 화재 이벤트를 감지한 것이므로, 결과적으로는 센서가 오작동한 것이다. 센서는 설치된 환경 또는 시간에 따라 출력 감도가 변할 수 있다. 통계적으로는 점검 신호 전후 센서가 센싱한 센싱 데이터에 유의미한 차이가 있다고 추정되므로, 센서 자체의 오작동이라기보다는 출력 감도의 변화에 따라 센서가 화재 이벤트를 감지한 것으로 추정한다. 출력 감도 변화에 따라 센서에 의한 비화재보를 방지하기 위해서는 센서에 설정된 이벤트 값을 변경하여야 한다. 센서가 비화재 상태에서 화재 이벤트를 감지하고, 그 차이가 통계적으로 유의미하다고 판단되면, 추후 유사한 패턴에서 센서가 다시 화재 이벤트를 잘못 감지할 수 있다. 따라서 비화재 상태임에도 불구하고 센서가 화재 이벤트를 감지하지 않도록, 이벤트 변경부(380)는 센서의 이벤트 값을 변경한다.

도 24는 본 발명의 실시예에 따른 관제 서버(300)의 구성을 나타낸 도면이다. 도 24를 참조하면, 본 발명의 실시예에 따른 관제 서버(300)는 알람부(390)를 더 포함한다. 만약 P값이 미리 정해진 값을 초과하고 1이하라면, 통계적으로 유의미한 차이가 없다고 판단되므로 이벤트 값을 변경할 필요는 없다. 다만, 그럼에도 불구하고 센서가 화재 이벤트를 감지하였으므로 센서의 기능에 오류가 있을 수 있다. 따라서 해당 센서에 대한 점검을 진행하는 것이 바람직하다. 알람부(390)는 비화재 상태에서 화재 이벤트를 감지한 센서에 대한 정보를 표시한다. 따라서 점검이 필요한 센서를 특정하고, 해당 센서에 대해서만 점검을 진행하여 효율적으로 다수의 센서에 대한 유지보수를 수행할 수 있다.

이벤트 값은 N번의 점검 신호에 따른 N번의 검정 시 P값이 0 이상 내지 미리 정해진 값 이하인 경우가 N-M 이상인 경우, N번의 점검 신호에 따른 센싱 데이터의 평균에 표준편차를 더한 값을 초과하도록 설정된다. N번의 검정 시 P값이 0 이상 내지 미리 정해진 값 이하인 경우가 많다면, 통계적으로는 점검 신호 전후의 센싱 데이터의 차이가 유의미하다는 것을 의미한다. 센서의 감도 출력 변화에 따라 이벤트 값을 자동적으로 설정하기 위해서는 변화된 상태에서의 감도 출력을 고려하여야 한다. 이에 비화재 상태에서 유의미한 차이가 있다고 판단되는 N번의 센싱 데이터의 통계량으로 새롭게 이벤트 값을 설정할 수 있다. 다만, N번의 센싱 데이터의 평균으로 이벤트 값을 설정하는 경우, 평균에서 다소 변동이 있더라도 센서가 화재 이벤트를 감지할 수 있다. 따라서 N번의 센싱 데이터의 평균에 표준편차를 더한 값을 초과하는 값을 새로운 이벤트 값으로 설정한다. 새로운 이벤트 값은 N번의 센싱 데이터의 평균에 표준편차를 더한 값을 초과하는 범위에서 센서의 종류 및 환경을 고려하여 설정될 수 있다.

이벤트 값은 센서의 감도 출력이 변화했다고 확실하게 판단되는 경우에만 변경되는 것이 바람직하다. 따라서 N은 적어도 30 이상이고, M은 N의 0 이상 내지 0.3 이하에 해당하는 경우에 이벤트 값을 변경할 수 있다. N이 적어도 30 이상인 경우 센싱 데이터는 중심극한정리에 따라 정규 분포로 근사한다. 또한, 통계적으로 유의미한 차이가 80% 이상에 해당하는 경우, 센서의 감도 출력이 변화했다고 확실하게 추정할 수 있을 것이다. M이 0에 근사할수록 N-M은 N에 근사하므로, 통계적으로 유의미한 차이가 있다는 것이 강력하게 뒷받침된다. 따라서 이벤트 값을 보수적으로 변경하고자 할수록 M을 0에 가까운 값으로 설정할 수 있다.

비화재 판단부(370)는 화재 이벤트를 감지한 센서의 고유값을 이용하여 저장부(320)에서 센서 정보를 매칭한다. 그리고 비화재 판단부(370)는 센서와 미리 정해진 범위 내에 설치된 다른 센서의 센싱 데이터를 이용하여 비화재 확률을 판단한다. 비화재 판단부(370)는 서로 다른 센서를 이용하여 하나의 센서가 화재 이벤트를 감지했더라도 다른 센서를 통해 교차 검증을 시도한다. 따라서 본 발명에서는 특정 센서가 오작동을 하더라도 다른 센서를 이용해 화재 여부를 판단하여 비화재보를 감소시킬 수 있다.

비화재 판단부(370)는 어떤 센서가 화재 이벤트를 감지하면, 그 센서의 고유값을 이용하여 그 센서가 설치된 위치를 확인할 수 있다. 그리고 그 센서와 미리 정해진 범위 내에 설치된 센서의 고유값을 특정할 수 있게 된다. 이러한 센서의 고유값을 이용하면 화재 이벤트를 감지한 센서의 주변에 위치한 다른 센서의 센싱 데이터를 필터링할 수 있다. 여기서, 미리 정해진 범위는 설치 환경에 따라 다양하게 설정될 수 있다. 비화재 판단부(370)는 적어도 서로 다른 종류의 센서를 이용하여 비화재 여부를 판단한다. 실시예에 따라서 비화재 판단부(370)는 제1센서 내지 제3센서를 모두 이용하거나, 또는 다른 1개 종류의 센서를 이용할 수 있다. 센서 설치 위치의 특성상 미리 정해진 범위 내에 설치된 다른 종류의 센서가 제한되는 경우, 제한된 조건에 따라 판단해야 하기 때문이다.

도 25는 본 발명의 실시예에 따른 비화재 판단부(370)가 비화재 판단 모델을 모델링하는 모습을 나타낸 도면이다. 비화재 판단부(370)는 센싱 데이터의 확률분포 또는 기계학습을 이용하여 비화재 확률을 판단한다. 중심극한정리에 따라, 센싱 데이터의 확률분포가 수렴하는 정규분포를 이용하여 비화재 확률을 예측할 수 있다. 또한, 비화재 판단부(370)는 서로 다른 센서의 센싱 데이터를 입력 받고, 비화재 확률을 출력하는 비화재 판단 모델을 학습한다. 비화재 판단부(370)는 센서가 화재 이벤트를 감지한 후, 화재 또는 비화재로 판단된 데이터를 학습 데이터로 하여 비화재 판단 모델을 학습할 수 있다. 도 25를 참조하면, 비화재 판단 모델은 비화재 확률을 출력변수로 하는 모델로서 기계학습을 통해 학습될 수 있다. 비화재 판단 모델의 입력변수는 서로 다른 센서의 센싱 데이터를 포함할 수 있으나, 이에 한정되는 것은 아니다. 입력변수가 범주형 변수인 경우에는 가변수화된 값을 입력값으로 할 수 있다. 비화재 판단부(370)는 비화재 판단 모델에서 출력되는 비화재 확률이 미리 정해진 값 이상인 경우 화재라고 판단한다. 여기서 미리 정해진 값은 학습 결과에 따라 다양하게 설정될 수 있다.

비화재 판단부(370)는 환경에 따라 동적으로 서로 다른 센서에 대한 가중치를 조정하여 비화재 확률을 판단한다. 실시예에 따라서, 회귀 모델에서는 서로 다른 센서에 곱해지는 계수의 가중치를 조정하여 특정 종류의 센서가 가지는 중요도를 조정할 수 있다. 도 26은 본 발명의 실시예에 따른 비화재 판단부(370)가 회귀계수의 가중치를 조정하는 모습을 나타낸 도면이다. 도 26의 예시에서 독립변수 x1, x2, 및 x3는 각각 열 센서, 미립자 센서, 및 CO 또는 CO₂ 센서의 센싱값에 대한 변수라고 가정한다. 예를 들어, 겨울에는 온열 기구의 작동으로 급격한 온도 변화 시 열 센서에 의한 화재 판단의 정확도가 상대적으로 낮아질 수 있다. 그러면 비화재 판단부(370)는 겨울로 설정된 기간 내에서 열 센서의 센싱 데이터의 확률변수에 곱해지는 계수의 가중치를 의도적으로 낮출 수 있다. 반대로, 비화재 판단부(370)는 여름으로 설정된 기간 내에서는 열 센서의 센싱 데이터의 확률변수에 곱해지는 계수의 가중치를 의도적으로 높일 수도 있다.

도 27은 본 발명의 실시예에 따른 비화재 판단부(370)가 화재 이벤트 발생 전후의 센싱 데이터의 확률변수에 대한 통계적 검정을 진행하는 흐름도를 나타낸 도면이다. 도 27을 참조하면, 비화재 판단부(370)는 화재 이벤트 발생 전후의 센싱 데이터의 확률변수 검정 시 P값이 1 이하 내지 미리 정해진 값을 초과하는 경우 비화재로 판단한다. 특정 센서가 미리 설정된 이벤트 값에 따라 화재 이벤트를 감지했다 하더라도, P값이 1 이하 내지 미리 정해진 값을 초과하는 경우 통계적으로 화재 이벤트 발생 전후의 센싱 데이터에 유의미한 차이가 없다고 판단된다. 이러한 경우라면, 비화재 판단부(370)는 특정 센서가 화재 이벤트를 감지했다 하더라도 비화재로 판단할 수 있다. 이후 특정 센서는 이벤트 변경부(380)의 점검 신호에 따라 이벤트 값이 변경될 수 있을 것이다.

실시예에 따라서 비화재 판단부(370)는 P값이 1 이하 내지 미리 정해진 값을 초과하는 경우 비화재 판단 모델을 이용하지 않고도 비화재로 판단할 수 있다. 화재 이벤트 발생 전후의 센싱 데이터에 통계적으로 유의미한 차이가 없다고 판단되므로 해당 센서의 오작동 가능성이 높기 때문이다. 만약 실제 화재가 발생했다면, 해당 센서에 의한 화재 이벤트는 비화재로 판단될 수 있더라도 다른 센서에 의해서 화재 이벤트가 감지될 수 있을 것이다. 다른 센서가 감지한 화재 이벤트마저 비화재로 판단될 가능성은 극히 낮으므로, 비화재 판단부(370)는 화재 이벤트 발생 전후의 센싱 데이터에 통계적으로 유의미한 차이가 없다고 판단되면 비화재로 판단한다.

요약하면, 비화재 판단부(370)는 센서가 화재 이벤트 감지 시 화재 이벤트 발생 전후의 센싱 데이터에 통계적으로 유의미한 차이가 있다고 판단되지 않으면 비화재로 판단한다. 만약 통계적으로 유의미한 차이가 있다고 판단되면, 비화재 판단부(370)는 다른 센서의 센싱 데이터를 이용하여 비화재 확률을 연산한다. 비화재 판단부(370)는 통계적으로 유의미한 차이가 있는 경우에만 다른 센서의 센싱 데이터를 이용하므로, 비화재 여부를 판단하기 위한 연산량을 획기적으로 감소시킬 수 있다. 따라서 본 발명은 관제 서버(300)에 과도한 부하를 가중시키지 않으면서도 고속으로 비화재 여부를 판단할 수 있고, 비화재 확률 연산이 필요한 경우에만 리소스를 사용하므로 컴퓨팅 리소스를 효율적으로 사용할 수 있다.

본 발명의 실시예에 따른 화재 관제 방법은 제1장치(100), 제2장치(200), 및 관제 서버(300)를 포함하는 컴퓨팅 디바이스에서 화재 관제 서비스를 제공하는 방법에 관한 것이다. 본 발명의 실시예에 따른 화재 관제 방법은 (1) 관제 서버(300)가 센싱 데이터 및 화재 이벤트를 수신하는 단계(S3100), (2) 관제 서버(300)가 센서의 고유값, 종류, 위치, 이벤트 값, 및 화재 이벤트 발생 전후의 센싱 데이터를 포함하는 센서 정보를 저장하는 단계, (3) 관제 서버가 센서 정보를 이용하여 비화재 여부를 판단하는 단계(S3300)를 더 포함할 수 있다. 각각의 단계는 전술한 화재 관제 장치(1)의 구성에 대한 설명과 중복되므로, 그 자세한 설명은 생략한다.

전술한 실시예들은 단독으로 또는 서로 조합되어 실시될 수 있다. 즉, 원격 화재 관제 및 소화설비의 자동 제어가 이루어지는 제1실시예와, 화재 전이 가능 영역을 예측하는 제2실시예, 및 통계적 검정에 의한 센서의 이벤트 값 변경 및 다중 센서에 의한 비화재 여부를 판단하는 제3실시예는 서로 조합될 수 있다. 예를 들어, 제1실시예와 제2실시예, 제1실시예와 제3실시예, 및 제2실시예와 제3실시예가 서로 조합될 수 있다. 그리고 제1실시예 내지 제3실시예가 모두 조합될 수도 있다. 발명의 설명에 기재된 내용은 예시에 불과하며, 본 발명은 이 분야의 기술자에 의하여 다양하게 변형되어 실시될 수 있다. 따라서 본 발명의 보호범위는 설명된 실시예의 기재와 표현으로 제한되지 않는다.

1: 화재 관제 장치
10: 감지기
20: 수신기
30: 소화 설비 수동조작함
40: 소화 설비
100: 제1장치
110: 화재 데이터 송신부
200: 제2장치
210: 제어 신호 수신부
220: 제어부
300: 관제 서버
310: 수신부
320: 저장부
330: 처리부
340: 제어 신호 생성부
350: 영역 예측부
360: 경보 발생부
370: 비화재 판단부
380: 이벤트 변경부
390: 알람부

Claims

수신기에 연결되는 제1장치, 관제 서버, 및 소화 설비 수동조작함에 연결되는 제2장치를 포함하는 화재 관제 장치로서:
상기 제1장치는,
상기 수신기에서 화재 이벤트를 수신하면 상기 관제 서버로 화재 데이터를 송신하는 화재 데이터 송신부를 포함하고,
상기 제2장치는,
상기 관제 서버로부터 소화 설비의 제어 신호를 수신하는 제어 신호 수신부; 및
상기 제어 신호에 따라 상기 소화 설비를 제어하는 제어부를 포함하며,
상기 관제 서버는,
복수의 센서가 센싱하는 센싱 데이터 및 화재 이벤트를 수신하는 수신부;
상기 센서의 고유값, 종류, 위치, 이벤트 값, 및 화재 이벤트 발생 전후의 센싱 데이터를 포함하는 센서 정보를 저장하는 저장부;
상기 센서 정보를 이용하여 비화재 여부를 판단하는 비화재 판단부; 및
상기 이벤트 값을 변경하는 이벤트 변경부를 포함하고,
상기 이벤트 변경부는,
상기 센서의 센싱 데이터의 확률분포를 이용하는 것을 특징으로 하는, 화재 관제 장치.
청구항 1에 있어서,
상기 제어부는,
상기 제어 신호로 특정되는 포트를 통해 상기 소화 설비를 제어하는 것을 특징으로 하는, 화재 관제 장치.
삭제
삭제
삭제
청구항 1에 있어서,
상기 이벤트 변경부는,
점검 신호에 따른 센싱 데이터의 확률변수 검정 시 검정통계량 P값이 0 이상 내지 미리 정해진 값 이하인 경우, 이벤트 값을 변경하는 것을 특징으로 하는, 화재 관제 장치.
청구항 6에 있어서,
상기 이벤트 값은,
N번의 점검 신호에 따른 N번의 검정 시 P값이 0 이상 내지 미리 정해진 값 이하인 경우가 N-M 이상인 경우, N번의 점검 신호에 따른 센싱 데이터의 평균에 표준편차를 더한 값을 초과하도록 설정되는 것을 특징으로 하는, 화재 관제 장치.
청구항 7에 있어서,
상기 N은 적어도 30 이상이고,
상기 M은 상기 N의 0 이상 내지 0.3 이하에 해당하는 것을 특징으로 하는, 화재 관제 장치.
수신기에 연결되는 제1장치, 관제 서버, 및 소화 설비 수동조작함에 연결되는 제2장치를 포함하는 화재 관제 장치로서:
상기 제1장치는,
상기 수신기에서 화재 이벤트를 수신하면 상기 관제 서버로 화재 데이터를 송신하는 화재 데이터 송신부를 포함하고,
상기 제2장치는,
상기 관제 서버로부터 소화 설비의 제어 신호를 수신하는 제어 신호 수신부; 및
상기 제어 신호에 따라 상기 소화 설비를 제어하는 제어부를 포함하며,
상기 관제 서버는,
복수의 센서가 센싱하는 센싱 데이터 및 화재 이벤트를 수신하는 수신부;
상기 센서의 고유값, 종류, 위치, 이벤트 값, 및 화재 이벤트 발생 전후의 센싱 데이터를 포함하는 센서 정보를 저장하는 저장부; 및
상기 센서 정보를 이용하여 비화재 여부를 판단하는 비화재 판단부를 포함하고,
상기 비화재 판단부는,
화재 이벤트를 감지한 센서의 고유값을 이용하여 상기 저장부에서 센서 정보를 매칭하고, 상기 센서와 미리 정해진 범위 내에 설치된 다른 센서의 센싱 데이터를 이용하여 비화재 확률을 판단하는 것을 특징으로 하는, 화재 관제 장치.
청구항 9에 있어서,
상기 센서는,
열을 감지하는 제1센서;
미립자를 감지하는 제2센서; 및
CO 및 CO₂ 중 적어도 어느 하나를 감지하는 제3센서를 포함하는 것을 특징으로 하는, 화재 관제 장치.
청구항 9에 있어서,
상기 비화재 판단부는,
상기 센싱 데이터의 확률분포 또는 기계학습을 이용하여 비화재 확률을 판단하는 것을 특징으로 하는, 화재 관제 장치.
청구항 11에 있어서,
상기 비화재 판단부는,
상기 기계학습에서 서로 다른 센서의 센싱 데이터를 입력 받고, 비화재 확률을 출력하는 비화재 판단 모델을 학습하는 것을 특징으로 하는, 화재 관제 장치.
청구항 11에 있어서,
상기 비화재 판단부는,
환경에 따라 동적으로 서로 다른 종류의 센서에 대한 가중치를 조정하여 비화재 확률을 판단하는 것을 특징으로 하는, 화재 관제 장치.
청구항 12에 있어서,
상기 비화재 판단부는,
상기 화재 이벤트 발생 전후의 센싱 데이터의 확률변수 검정 시 P값이 1 이하 내지 미리 정해진 값을 초과하는 경우, 비화재로 판단하는 것을 특징으로 하는, 화재 관제 장치.
제1장치, 관제 서버, 및 제2장치를 포함하는 컴퓨팅 디바이스에서 화재 관제 서비스를 제공하는 방법으로서:
(1) 상기 관제 서버가 센싱 데이터 및 화재 이벤트를 수신하는 단계;
(2) 상기 관제 서버가 센서의 고유값, 종류, 위치, 이벤트 값, 및 화재 이벤트 발생 전후의 센싱 데이터를 포함하는 센서 정보를 저장하는 단계;
(3) 상기 관제 서버가 상기 센서 정보를 이용하여 비화재 여부를 판단하는 단계; 및
(4) 상기 관제 서버가 상기 이벤트 값을 변경하는 단계를 포함하고,
상기 단계 (4)는,
상기 센서의 센싱 데이터의 확률분포를 이용하는 것을 특징으로 하는, 화재 관제 방법.
제1장치, 관제 서버, 및 제2장치를 포함하는 컴퓨팅 디바이스에서 화재 관제 서비스를 제공하는 방법으로서:
(1) 상기 관제 서버가 센싱 데이터 및 화재 이벤트를 수신하는 단계;
(2) 상기 관제 서버가 센서의 고유값, 종류, 위치, 이벤트 값, 및 화재 이벤트 발생 전후의 센싱 데이터를 포함하는 센서 정보를 저장하는 단계; 및
(3) 상기 관제 서버가 상기 센서 정보를 이용하여 비화재 여부를 판단하는 단계를 포함하고,
상기 단계 (3)은,
화재 이벤트를 감지한 센서의 고유값을 이용하여 상기 단계 (2)에서 저장한 센서 정보를 매칭하고, 상기 센서와 미리 정해진 범위 내에 설치된 다른 센서의 센싱 데이터를 이용하여 비화재 확률을 판단하는 것을 특징으로 하는, 화재 관제 방법.