KR102347259B1 - 생활안전 통합 예측 방법 - Google Patents

생활안전 통합 예측 방법 Download PDF

Info

Publication number
KR102347259B1
KR102347259B1 KR1020190147422A KR20190147422A KR102347259B1 KR 102347259 B1 KR102347259 B1 KR 102347259B1 KR 1020190147422 A KR1020190147422 A KR 1020190147422A KR 20190147422 A KR20190147422 A KR 20190147422A KR 102347259 B1 KR102347259 B1 KR 102347259B1
Authority
KR
South Korea
Prior art keywords
risk
data
information
accident
situation
Prior art date
Application number
KR1020190147422A
Other languages
English (en)
Other versions
KR20210059966A (ko
Inventor
이현종
Original Assignee
주식회사 빅스터
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 빅스터 filed Critical 주식회사 빅스터
Priority to KR1020190147422A priority Critical patent/KR102347259B1/ko
Publication of KR20210059966A publication Critical patent/KR20210059966A/ko
Application granted granted Critical
Publication of KR102347259B1 publication Critical patent/KR102347259B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computing Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Alarm Systems (AREA)

Abstract

생활안전 통합 예측 시스템 및 이를 이용한 생활안전 통합 예측 방법이 개시된다. 생활안전 통합 예측 시스템은 사고 발생의 원인이 되는 위험 요인을 인식하고, 기발생한 사고가 확산 가능한 사고인지를 인식하는 위험인식모듈; 상기 위험인식모듈이 인식한 위험 요인의 위험 수준과 확산 가능한 사고에 대한 위험 수준을 설정하고, 설정된 위험 수준에 대한 대응방안을 도출할 것인지에 대해 판단하는 상황판단모듈; 및 상기 상황판단모듈이 판단한 상황판단 결과에 따른 대응방안을 생성하는 의사결정모듈;을 포함할 수 있다.

Description

생활안전 통합 예측 방법{METHOD FOR PREDICTING SAFETY}
본 개시는 생활안전 통합 예측 시스템 및 이를 이용한 생활안전 통합 예측 방법에 관한 것이다.
최근, 서울시에서는 자치구별 강우량과 침수 위험을 예측하는 침수 예측 시스템을 도입하여 시간 단위로 자치구별 침수 위험도를 예측하고 있다. 이와 관련하여, 대한민국 등록특허공보 제10-0922373호에는 홍수 재해를 예측하는 기술이 제시된 바 있다.
한편, 경기도에서는 빅데이터를 활용하여 전국 지자체 중 최초로 가뭄 피해를 예측할 수 있는 시스템을 구축하여 시범 운영 중에 있고, 이 외에도 화재 위험이나 유해가스 누출 등의 각 재난 발생시 일어날 수 있는 사고를 예측하고 피해를 최소화하기 위한 안전 시스템에 대한 기술들이 다양하게 개발되는 추세이다.
그런데, 기존에는 각 재난의 종류별로 특화되어 예측 모델이 개발되었기 때문에 보다 거시적이고 통합적인 관점에서 다양한 종류의 재난을 관리할 뿐만 아니라, 안전이 요구되는 다양한 상황에 대한 대책을 마련할 수 있는 새로운 기술의 개발의 필요성이 대두되고 있다.
아울러, 종래에는 사고 예방을 위해 행정안전부에서 국민들에게 긴급 재난 문자를 발송하였으나, 이것은 휴대폰을 소지한 사용자 모두에게 일괄적으로 전달되는 방식이므로 사용자의 특성을 고려한 위기 대처 및 사고 예방 기술이 필요한 실정이다.
본 개시의 기술적 사상은 상술한 문제점을 해결하기 위한 것으로, 안전이 요구되는 다양한 상황을 통합적으로 관리하고 각 상황별 대응방안을 제시할 수 있는 기술을 제공하는데 그 목적이 있다.
그리고, 본 개시의 기술적 사상은 사고가 일어나기 전에 사고 발생의 원인이 되는 위험 요인을 신속하게 감지하고 대처함으로써, 사고를 예방할 수 있는 기술을 제공하는데 다른 목적이 있다.
또한, 본 개시의 기술적 사상은 사용자 특성을 고려한 맞춤형 안전 대책 기술을 제공하는데 또 다른 목적이 있다.
본 발명이 해결하려는 과제는 전술한 과제로 제한되지 아니하며, 언급되지 아니한 또 다른 기술적 과제들은 후술할 내용으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이러한 목적을 달성하기 위하여 본 발명의 일 실시형태로서, 생활안전 통합 예측 시스템은 사고 발생의 원인이 되는 위험 요인을 인식하고, 기발생한 사고가 확산 가능한 사고인지를 인식하는 위험인식모듈; 상기 위험인식모듈이 인식한 위험 요인의 위험 수준과 확산 가능한 사고에 대한 위험 수준을 설정하고, 설정된 위험 수준에 대한 대응방안을 도출할 것인지에 대해 판단하는 상황판단모듈; 및 상기 상황판단모듈이 판단한 상황판단 결과에 따른 대응방안을 생성하는 의사결정모듈;을 포함할 수 있다.
그리고, 위험인식모듈은 관측정보가 포함된 관측값 데이터와 예측정보가 포함된 예측값 데이터를 수신하는 데이터 수신부; 상황별 시나리오를 생성하되, 상기 관측값 데이터와 예측값 데이터 중에서 각 상황의 종류에 따라 수집되어야 하는 데이터가 무엇인지를 규정하여 상기 상황별 시나리오를 생성하고, 사고의 종류에 따라 확산 가능 여부를 규정하여 상기 상황별 시나리오를 생성하는 조건설정부; 및 상기 상황별 시나리오에 규정된 데이터의 종류에 따라서 상기 관측값 데이터와 예측값 데이터를 수집하고, 상기 상황별 시나리오에 해당하는 관측값 데이터와 예측값 데이터의 수집을 통해 상기 위험 요인과 확산 가능한 사고를 인식하는 인식부;를 포함할 수 있다.
또한, 상황판단모듈은 상기 위험 수준을 복수의 등급으로 분류하기 위한 위험 수준별 구간값을 설정하는 구간값 설정부; 상기 대응방안의 도출 여부를 결정하기 위한 기준값을 설정하는 임계치 설정부; 상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 상기 임계치 설정부에 의해 사전에 설정된 임계치를 초과하는지에 대해 실시간으로 판단하는 위험판단부; 및 상기 기발생한 사고가 확산 가능한 사고에 해당할 경우에는 기저장된 분석 알고리즘을 이용하여 상기 기발생한 사고가 확산될 방향을 예측하는 확산위험 판단부;를 포함할 수 있다.
아울러, 의사결정모듈은 상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 상기 임계치 설정부에 의해 사전에 설정된 임계치를 초과하면, 상기 구간값 설정부에 의해 사전에 설정된 복수의 구간값을 확인하고, 상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 상기 복수의 구간값 중 어느 구간값에 해당하는지를 판단하고 그에 따른 대응방안을 생성하는 대응방안 생성부; 및 상기 데이터 수신부가 수신한 사용자 정보를 확인하고, 상기 사용자 정보의 종류 중에서 기설정된 조건에 해당하는 사용자 정보와 상기 대응방안을 매칭시켜 맞춤형 정보를 생성하는 맞춤형 정보 제공부;를 포함하고, 상기 사용자 정보는 상기 사용자의 위치정보, 연령정보, 성별정보, 직업정보, 장애정보 및 일행 동반여부에 대한 정보 중 적어도 어느 하나로 마련될 수 있다.
이러한 목적을 달성하기 위하여 본 발명의 다른 실시형태로서, 생활안전 통합 예측 시스템을 이용한 생활안전 통합 예측 방법은 컴퓨터 실행가능 명령어가 저장되는 메모리와, 상기 컴퓨터 실행가능 명령어를 실행하는 프로세서가 포함된 컴퓨터에 의해 구현되며, 생활안전 통합 예측 방법은 사고 발생의 원인이 되는 위험 요인을 인식하고, 기발생한 사고가 확산 가능한 사고인지를 인식하는 위험 인식 단계; 인식된 위험 요인의 위험 수준과 확산 가능한 사고에 대한 위험 수준을 설정하고, 설정된 위험 수준에 대한 대응방안을 도출할 것인지에 대해 판단하는 상황 판단 단계; 및 판단된 위험 수준에 따른 대응방안을 생성하는 의사결정 단계;를 포함할 수 있다.
그리고, 위험 인식 단계는 관측정보가 포함된 관측값 데이터와 예측정보가 포함된 예측값 데이터를 수신하는 데이터 수신 단계; 및 상황별 시나리오를 생성하되, 상기 관측값 데이터와 예측값 데이터 중에서 각 상황의 종류에 따라 수집되어야 하는 데이터가 무엇인지를 규정하여 상기 상황별 시나리오를 생성하고, 사고의 종류에 따라 확산 가능 여부를 규정하여 상기 상황별 시나리오를 생성하는 시나리오 생성 단계; 상기 상황별 시나리오에 해당하는 관측값 데이터와 예측값 데이터의 수집을 통해 상기 위험 요인과 확산 가능한 사고를 인식하는 인식 단계;를 포함할 수 있다.
또한, 상황 판단 단계는 상기 위험 수준을 복수의 등급으로 분류하기 위한 위험 수준별 구간값을 설정하는 구간값 설정 단계; 상기 대응방안의 도출 여부를 결정하기 위한 기준값을 설정하는 임계치 설정 단계; 상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 사전에 설정된 임계치를 초과하는지에 대해 실시간으로 판단하는 위험 판단 단계; 및 상기 기발생한 사고가 확산 가능한 사고에 해당할 경우에는 기저장된 분석 알고리즘을 이용하여 상기 기발생한 사고가 확산될 방향을 예측하는 확산위험 판단 단계;를 포함할 수 있다.
그리고, 의사결정 단계는 상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 상기 임계치 설정부에 의해 사전에 설정된 임계치를 초과하면, 상기 구간값 설정부에 의해 사전에 설정된 복수의 구간값을 확인하고, 상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 상기 복수의 구간값 중 어느 구간값에 해당하는지를 판단하고 그에 따른 대응방안을 생성하는 대응방안 생성 단계; 및 상기 데이터 수신부가 수신한 사용자 정보를 확인하고, 상기 사용자 정보의 종류 중에서 기설정된 조건에 해당하는 사용자 정보와 상기 대응방안을 매칭시켜 맞춤형 정보를 생성하는 맞춤형 정보 제공 단계;를 포함하고, 상기 사용자 정보는 상기 사용자의 위치정보, 연령정보, 성별정보, 직업정보, 장애정보 및 일행 동반여부에 대한 정보 중 적어도 어느 하나로 마련될 수 있다.
상술한 과제의 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
이상에서 설명한 바와 같이, 본 발명의 다양한 실시예에 의하면, 하나의 시스템에서 다양한 종류의 재난을 통합적으로 관리하며 각 재난별로 상황판단과 의사결정이 가능한 장점이 있다. 또한, 특정 재난에만 국한되지 않고, 안전이 요구되는 다양한 상황을 통합적으로 관리하고 각 상황별 대응방안을 제시함으로써 사용자의 안전을 보장할 수 있다.
아울러, 본 발명의 다양한 실시예에서는 관측값 데이터와 예측값 데이터를 직접 산출하지 않고 외부 서버에서 산출된 데이터를 받아오기 때문에 관측값 데이터나 예측값 데이터의 산출시 발생할 수 있는 시스템 부하 문제를 방지할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 사용자의 위치, 연령, 성별, 직업, 장애여부, 일행 동반여부 등을 고려하여 특정한 조건에 해당하는 사용자 정보를 대응방안과 매칭시켜 맞춤형 대응방안을 생성할 수 있다.
본 발명의 다양한 실시예에 따른 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도1은 본 발명의 일 실시예에 따른 생활안전 통합 예측 시스템의 각 구성을 개략적으로 도시한 블록도이다.
도2는 본 발명의 일 실시예에 따른 생활안전 통합 예측 방법을 개략적으로 도시한 흐름도이다.
본 발명의 바람직한 실시예에 대하여 첨부된 도면을 참조하여 더 구체적으로 설명하되, 이미 주지되어진 기술적 부분에 대해서는 설명의 간결함을 위해 생략하거나 압축하기로 한다.
본 명세서에서 본 발명의 "일" 또는 "하나의" 실시예에 대한 언급들은 반드시 동일한 실시예에 대한 것은 아니며, 이들은 적어도 하나를 의미한다는 것에 유의해야 한다.
이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다.
이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다른 의미를 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
어떤 실시예가 달리 구현 가능한 경우에 특정한 공정 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 공정은 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다. 즉, 본원 명세서에 기술된 방법의 각 단계는 명세서 상에서 달리 언급되거나 문맥상 명백히 상충되지 않는 한 임의의 순서로 적절하게 실시될 수 있다.
도면에서 나타난 각 구성은 설명의 편의를 위해 임의로 나타낸 것이므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
도1은 본 발명의 일 실시예에 따른 생활안전 통합 예측 시스템의 각 구성을 개략적으로 도시한 블록도이다. 도1을 참조하면, 일 실시예에 따른 생활안전 통합 예측 시스템(10)은 위험인식모듈(100), 상황판단모듈(200) 및 의사결정모듈(300)을 포함할 수 있다. 또한, 일 실시예에서 생활안전 통합 예측 시스템(10)은 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 적어도 하나의 통신 네트워크를 통해 통신하는 통신장치, 화면정보를 출력하는 디스플레이, 컴퓨터 실행가능 명령어가 저장되는 메모리 및 메모리와 전기적으로 연결된 프로세서를 포함할 수 있다.
일 실시예에서 위험인식모듈(100), 상황판단모듈(200) 및 의사결정모듈(300)은 컴퓨터 실행 가능 명령어의 형태로 메모리에 저장될 수 있고, 프로세서는 메모리에 저장된 명령어를 실행하여 각 모듈의 기능을 구현할 수 있다.
본 명세서에서 '위험 요인'이란 사고를 일으키는 원인을 의미하고, '사고'는 위험 요인이 발현되어 나타난 결과를 의미한다. 예를 들어, 위험 요인이 낙뢰라면, 낙뢰에 의해 발현된 산불은 사고에 해당될 수 있다. 본 명세서에서 '피해'는 생명, 신체, 재산 또는 건물 등에 대한 손해를 의미한다.
위험인식모듈(100)은 사고 발생의 원인이 되는 위험 요인을 인식하고, 기발생한 사고가 확산 가능한 사고인지를 인식할 수 있다. 위험인식모듈(100)은 데이터 수신부(110), 조건설정부(120) 및 인식부(130)를 포함할 수 있다. 데이터 수신부(110)는 관측정보가 포함된 관측값 데이터와 예측정보가 포함된 예측값 데이터를 외부 서버로부터 수신할 수 있다.
전술한 외부 서버는 관측값 데이터를 만드는 관측서버, 예측값 데이터를 산출하는 예측서버 또는 관측값 데이터와 예측값 데이터를 모두 산출하는 재난관리 서버로 적용될 수 있다. 본 명세서에서 관측값 데이터는 현재 시점에서 일어난 특정 현상(예를 들어, 낙뢰, 빙판, 기상)을 관측하여 생성된 정보이다. 일 실시예에서 관측값 데이터는 관측 센서에 의해 측정된 측정값 데이터(일 예로, 기상정보)로 적용될 수 있고, 외부의 데이터 저장 서버(일 예로, 소셜 네트워크 서비스 서버)에 업로드된 이미지 또는 텍스트 정보로 적용될 수도 있다.
관측값 데이터의 일 구체예로는 낙뢰관측소에서 측정된 낙뢰 관측 정보가 해당될 수 있다. 관측값 데이터의 다른 구체예로는, 빙판길을 촬영하여 소셜 네트워크 서비스(SNS) 서버에 업로드한 이미지 또는 SNS 서버에 업로드된 텍스트(일 예로, 빙판길) 정보가 해당될 수 있다.
본 명세서에서 예측값 데이터는 미래 시점에서 일어날 특정 현상(예를 들어, 홍수, 침수, 지진, 해일 등)을 컴퓨터 연산을 통해 예측하여 생성된 정보이다. 예측값 데이터에는 특정 사고 발생에 대한 가능성을 백분율로 환산한 정보뿐만 아니라, 현 시점보다 일정 시간 이후의 기상 상황을 예측하여 산출한 예상 기상정보도 포함될 수 있다. 예측값 데이터의 비제한적인 예로는, 기상청 서버에서 예측하여 생성한 1시간 뒤의 예상 강우량 또는 1시간 뒤 태풍의 예상 이동경로가 해당될 수 있다.
아울러, 데이터 수신부(110)는 외부의 사용자 정보 보관 서버로부터 사용자 단말기를 소유한 소유자의 사용자 정보를 수신할 수 있다. 일 실시예에서 사용자 정보는 사용자의 위치정보, 연령정보, 성별정보, 직업정보, 장애정보 및 일행 동반여부에 대한 정보 중 적어도 어느 하나로 마련될 수 있다.
조건설정부(120)는 상황별 시나리오를 생성할 수 있다. 상황별 시나리오 생성시 조건설정부(120)는 관측값 데이터와 예측값 데이터 중에서 각 상황의 종류에 따라 수집되어야 하는 데이터가 무엇인지를 규정하여 상황별 시나리오를 생성하고, 사고의 종류에 따라 확산 가능 여부를 규정하여 상황별 시나리오를 생성할 수 있다. 본 명세서에서 상황별 시나리오는 안전이 요구되는 다양한 상황에 대한 상황판단과 의사결정시 필요한 데이터의 종류를 미리 규정해 놓은 내용을 의미한다. 여기서, 안전이 요구되는 상황은 특정 상황에만 국한되지 않으며, 사전에 규정하기에 따라 매우 다양한 상황으로 적용될 수 있다.
예를 들어, 상황별 시나리오는 교통안전(예를 들어, 학교 주변 교통사고, 도로횡단 교통사고, 도로운행 교통사고 등), 재난안전(예를 들어, 화재발생, 산불발생, 붕괴발생, 지진발생, 태풍발생, 침수발생, 해일발생 등), 치안안전(예를 들어, 강력범죄, 절도, 폭력, 마약, 도박, 성폭력 등), 시설안전(예를 들어, 노후건물, 유해화학시설, 주유시설, 가스시설, 전기시설 등), 산업안전(예를 들어, 감전, 낙상, 질식, 시설물 자재의 낙하 등), 보건안전(예를 들어, 감염병, 초미세먼지, 미세먼지, 오존, 자살, 식중독, 가축전염병 등), 사고안전(예를 들어, 추락사고, 해양사고, 시설사고 등), 특정 대상에 특화된 맞춤 안전(예를 들어, 어린이, 여성, 노인 등) 등 각 상황의 종류에 따라 다양하게 세분화될 수 있다.
일 실시예에서 조건설정부(120)가 다양한 재난안전 종류 중 하나인 집중 호우에 대한 시나리오를 생성하는 경우, 조건설정부(120)는 집중 호우 시나리오 생성에 필요한 관측값 데이터가 시간별 강우량 정보와 지역별 강우량 정보라고 규정할 수 있고, 필요한 예측값 데이터가 1시간 뒤의 강우량 정보라고 규정할 수 있다.
인식부(130)는 상황별 시나리오에 규정된 데이터의 종류에 따라서 관측값 데이터와 예측값 데이터를 수집하고, 상황별 시나리오에 해당하는 관측값 데이터와 예측값 데이터의 수집을 통해 위험 요인과 확산 가능한 사고를 인식할 수 있다.
조건설정부(120)에 의해 규정된 정보들이 데이터 수신부(110)를 통해 수신되면, 인식부(130)는 해당 데이터들을 취합하여 위험 요인을 인식하게 된다. 일 실시예에서 인식부(130)는 위험 요인의 종류를 두 개의 그룹으로 분류하여 정의할 수 있다. 구체적으로, 위험 요인은 제1위험요인(이하, '기발생위험'이라 함)과 제2위험요인(이하, '미발생위험'이라 함)으로 분류되며, 기발생위험과 미발생위험은 서로 다른 종류로 구성될 수 있다.
여기서, 기발생위험은 관측값 데이터를 통해 인식되는 위험 요인이며, 미발생위험은 예측값 데이터를 통해 인식되는 위험 요인이다. 기발생위험의 비제한적인 예로는 빙판이 적용될 수 있고, 미발생위험의 비제한적인 예로는 집중 호우가 적용될 수 있다. 그러나, 기발생위험과 미발생위험은 전술한 예에만 국한되지 않고 다양한 종류의 위험 요인으로 적용될 수 있다.
일 실시예에서 조건설정부(120)가 빙판길에 대한 시나리오를 생성하는 경우, 조건설정부(120)는 빙판길을 관측하여 촬영한 사진 정보나 '빙판'이라는 텍스트 정보를 관측값 데이터로 규정하며, 규정된 정보들이 데이터 수신부(110)를 통해 수신되면, 인식부(130)는 빙판에 대한 관측값 데이터를 통해 기발생위험의 존재를 인식하게 된다.
다른 실시예에서 조건설정부(120)가 산불에 대한 시나리오를 생성하는 경우, 조건설정부(120)는 산불을 관측하여 촬영한 사진 정보나 '산불'이라는 텍스트 정보를 관측값 데이터로 규정하며, 조건설정부(120)는 산불이 확산 가능한 사고라고 시나리오 상에 규정할 수 있다. 조건설정부(120)에 의해 규정된 정보들이 데이터 수신부(110)를 통해 수신되면, 인식부(130)는 산불에 대한 관측값 데이터를 통해 확산 가능한 사고가 발생했다는 것을 인식하게 된다.
상황판단모듈(200)은 위험인식모듈(100)이 인식한 위험 요인의 위험 수준과 확산 가능한 사고에 대한 위험 수준을 설정하고, 설정된 위험 수준에 대한 대응방안을 도출할 것인지에 대해 판단할 수 있다. 상황판단모듈(200)은 구간값 설정부(210), 임계치 설정부(220), 위험판단부(230) 및 확산위험 판단부(240)를 포함할 수 있다.
구간값 설정부(210)는 위험 요인의 위험 수준 또는 확산 가능한 사고에 대한 위험 수준을 복수의 등급으로 분류하기 위한 위험 수준별 구간값을 설정할 수 있다.
예를 들어, 집중 호우 상황에 대한 시나리오일 경우, 구간값 설정부(210)는 시간별 강우량이 100~149mm인 경우를 주의 등급에 대한 구간값으로 설정하고, 시간별 강우량 150~199mm인 경우를 경보 등급에 대한 구간값으로 설정하고, 시간별 강우량 200mm 이상인 경우를 위험 등급에 대한 구간값으로 설정함으로써 각 등급별 구간값을 설정할 수 있다.
임계치 설정부(220)는 대응방안의 도출 여부를 결정하기 위한 기준값을 설정할 수 있다. 여기서, 기준값은 의사결정모듈이 대응방안을 도출하게 만드는 선결 조건으로서, 일종의 임계치로 적용될 수 있다. 즉, 일 실시예에서 관측값 데이터 또는 예측값 데이터가 임계치 설정부(220)에 의해 설정된 임계치 이하일 경우에는 의사결정모듈이 작동하지 않으며, 관측값 데이터 또는 예측값 데이터가 임계치를 초과할 경우에는 의사결정모듈(300)이 작동하여 대응방안을 생성할 수 있다.
또한, 안전을 요하는 각 상황에 따라서 필요한 관측값 데이터와 예측값 데이터의 종류가 상이하고, 대응방안의 도출 여부를 결정하는 임계치가 달라질 수 있다. 일 실시예에서는 임계치 설정부(220)에 의해 각 시나리오마다 하나의 임계치가 설정될 수 있다.
위험판단부(230)는 데이터 수신부(110)가 수신한 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 임계치 설정부(220)에 의해 사전에 설정된 임계치를 초과하는지에 대해 실시간으로 판단할 수 있다. 예를 들어, 임계치 설정부(220)에 의해 사전에 설정된 기준값(즉, 임계치)이 100mm이고, 집중 호우 상황시 데이터 수신부(110)가 수신한 관측값 데이터(일 예로, 시간별 강우량)가 110mm인 경우, 위험판단부(230)는 관측값 데이터가 임계치를 초과했다고 판단할 수 있다.
기발생한 사고가 확산 가능한 사고라고 상황별 시나리오 상에 규정되어 있는 경우, 확산위험 판단부(240)는 기저장된 분석 알고리즘(일 예로, 로지스틱 회귀분석)을 이용하여 기발생한 사고가 확산될 방향을 예측할 수 있다. 예를 들어, 산불 상황 시나리오, 전염병 상황 시나리오, 가스 유출사고 상황 시나리오에는 산불, 전염병, 가스 유출사고 등의 기발생한 사고가 확산 가능한 사고라고 미리 규정되어 있을 수 있다.
일 실시예에서 확산위험 판단부(240)는 데이터 수신부(110)가 수신한 관측값 데이터들 중에서 확산위험 판단에 필요한 관측값 데이터를 선정하고 이를 이용하여 확산 여부를 판단할 수 있다. 예를 들어, 산불이 발생했을 경우, 확산위험 판단부(230)는 풍향과 풍속에 대한 관측값 데이터와 분석 알고리즘을 이용하여 산불의 이동 경로와 이동 속도를 계산하여 확산 위험 반경을 예측하고, 산불이 확산될 것으로 예상되는 지역을 판단할 수 있다.
또한, 실시하기에 따라, 확산위험 판단부(240)는 기발생한 사고의 확산 여부를 일정한 주기마다 재검토하여 확산될 가능성을 판단할 수 있다. 예를 들어, 관측값 데이터로서 산불을 관측하여 촬영한 사진 정보가 1시간 전에 수신된 경우, 산불이 발생한 지역의 현재 풍향과 풍속에 대한 관측값 데이터를 기초로 하여 산불이 주변 지역으로 확산될 가능성이 없다고 확산위험 판단부(240)가 재판단할 수 있다.
의사결정모듈(300)은 상황판단모듈(200)이 판단한 상황판단 결과에 따른 대응방안을 생성할 수 있다. 의사결정모듈(300)은 대응방안 생성부(310) 및 맞춤형 정보 제공부(320)를 포함할 수 있다.
대응방안 생성부(310)는 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 임계치 설정부(220)에 의해 사전에 설정된 임계치를 초과하면, 구간값 설정부(210)에 의해 사전에 설정된 복수의 구간값을 확인하고, 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 복수의 구간값 중 어느 구간값에 해당하는지를 판단하고 그에 따른 대응방안을 생성할 수 있다. 예를 들어, 집중 호우 상황시 관측값 데이터(일 예로, 현재 강우량이 110mm)가 임계치(일 예로, 100mm)를 초과하면, 대응방안 생성부(310)는 구간값 설정부(210)에 의해 사전에 설정된 구간값을 확인하고, 관측값 데이터가 주의 등급에 해당됨을 확인한 후에 주의 등급에 해당하는 대응방안(예를 들어, 침수에 대비하여 가재도구를 가능한 높은 장소로 옮기기)을 생성할 수 있다.
맞춤형 정보 제공부(320)는 데이터 수신부(110)가 수신한 사용자 정보를 확인하고, 사용자 정보의 종류 중에서 기설정된 조건에 해당하는 사용자 정보와 대응방안을 매칭시켜 맞춤형 정보를 생성할 수 있다. 예를 들어, 집중 호우 발생시, 맞춤형 정보 제공부(320)는 침수지역, 산간 또는 계곡 등의 위험지역에 있는 사용자의 위치정보를 확인하고, 해당 위치정보와 대응방안(일 예로, 안전한 지역으로 대피하라는 메시지)을 매칭시켜 맞춤형 정보를 생성하고 사용자의 단말기로 맞춤형 정보를 전송 수 있다. 그리고, 실시하기에 따라서, 생성된 맞춤형 정보는 다양한 기관 및 주체간 활용을 위해 데이터베이스 관리 시스템(database management system, DBMS)에 저장되거나 오픈 API(Application Programming Interface)를 통해 데이터 유통도 가능하다.
도2는 본 발명의 일 실시예에 따른 생활안전 통합 예측 방법을 개략적으로 도시한 흐름도이다. 본 발명의 일 실시예에 따른 생활안전 통합 예측 방법에 대하여 도2에 도시된 흐름도를 따라 설명하고, 도1에 도시된 도면을 참조하여 설명하되, 편의상 순서를 붙여 설명하기로 한다.
1. 위험 인식 단계<S201>
본 단계에서는 위험인식모듈(100)이 사고 발생의 원인이 되는 위험 요인을 인식하고, 기발생한 사고가 확산 가능한 사고인지를 인식할 수 있다. 일 실시예에 따른 위험 인식 단계는 데이터 수신 단계, 시나리오 생성 단계 및 인식 단계를 포함할 수 있다.
1-1. 데이터 수신 단계<S2011>
본 단계에서는 관측정보가 포함된 관측값 데이터와 예측정보가 포함된 예측값 데이터를 데이터 수신부(110)가 외부 서버로부터 수신할 수 있다. 또한, 본 단계에서 데이터 수신부(110)는 외부의 사용자 정보 보관 서버로부터 사용자 단말기를 소유한 소유자의 사용자 정보 또는 특정 사이트에 가입된 사용자 정보를 수신할 수 있다.
1-2. 시나리오 생성 단계<S2012>
본 단계에서 조건설정부(120)는 상황별 시나리오를 생성하되, 단계 S2011에서 수신된 관측값 데이터와 예측값 데이터 중에서 각 상황의 종류에 따라 수집되어야 하는 데이터가 무엇인지를 규정하여 상황별 시나리오를 생성하고, 사고의 종류에 따라 확산 가능 여부를 규정하여 상황별 시나리오를 생성할 수 있다.
1-3. 인식 단계<S2013>
본 단계에서 인식부(130)는 상황별 시나리오에 해당하는 관측값 데이터와 예측값 데이터의 수집을 통해 위험 요인을 인식하고, 확산 가능한 사고를 인식할 수 있다.
2. 상황 판단 단계<S202>
본 단계에서는 단계 S201에서 인식된 위험 요인의 위험 수준과 확산 가능한 사고에 대한 위험 수준을 상황판단모듈(200)이 설정하고, 설정된 위험 수준에 대한 대응방안을 도출할 것인지에 대해 판단할 수 있다. 일 실시예에 따른 상황 판단 단계는 구간값 설정 단계, 임계치 설정 단계, 위험 판단 단계 및 확산위험 판단 단계를 포함할 수 있다.
2-1. 구간값 설정 단계<S2021>
본 단계에서 구간값 설정부(210)는 위험 수준을 복수의 등급으로 분류하기 위한 위험 수준별 구간값을 설정할 수 있다.
2-2. 임계치 설정 단계<S2022>
본 단계에서 임계치 설정부(220)는 대응방안의 도출 여부를 결정하기 위한 기준값을 설정할 수 있다. 예를 들어, 집중 호우 상황에 대한 시나리오일 경우, 임계치 설정부(220)는 현재 강우량이 100mm인 경우를 임계치로 설정할 수 있다
2-3. 위험 판단 단계<S2023>
본 단계에서 위험판단부(220)는 단계 S2011에서 수신된 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 단계 S2022에서 설정된 임계치를 초과하는지에 대해 실시간으로 판단할 수 있다. 예를 들어, 집중 호우 상황에 대한 시나리오일 경우, 데이터 수신부(110)가 수신한 관측값 데이터(일 예로, 시간별 강우량)가 110mm인 경우, 관측값 데이터가 기설정된 임계치를 넘었기 때문에 위험판단부(230)는 현재 시점에서 임계치를 초과했다고 판단할 수 있다.
2-4. 확산위험 판단 단계<S2024>
기발생한 사고가 확산 가능한 사고에 해당할 경우, 본 단계에서 확산위험 판단부(230)는 기저장된 분석 알고리즘을 이용하여 기발생한 사고가 확산될 방향을 예측할 수 있다.
예를 들어, 단계 S2012에서 생성된 시나리오가 산불 상황에 대한 시나리오라면, 확산위험 판단부(230)는 단계 S2011에서 데이터 수신부(110)가 수신한 관측값 데이터들 중에서 확산위험 판단에 필요한 관측값 데이터를 선정하고 이를 이용하여 산불의 확산 여부를 판단할 수 있다.
3. 의사결정 단계<S203>
본 단계에서 의사결정모듈(300)은 단계 S202에서 판단된 위험 수준에 따른 대응방안을 생성할 수 있다. 일 실시예에 따른 의사결정 단계는 대응방안 생성 단계 및 맞춤형 정보 제공 단계를 포함할 수 있다.
3-1. 대응방안 생성 단계<S2031>
관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 임계치 설정부에 의해 사전에 설정된 임계치를 초과하면, 본 단계에서 대응방안 생성부(310)는 구간값 설정부에 의해 사전에 설정된 복수의 구간값을 확인하고, 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 복수의 구간값 중 어느 구간값에 해당하는지를 판단하고 그에 따른 대응방안을 생성할 수 있다.
예를 들어, 집중 호우 상황시 관측값 데이터가 임계치를 초과하면, 대응방안 생성부(310)는 구간값 설정부(210)에 의해 사전에 설정된 구간값을 확인하고, 관측값 데이터가 주의 등급에 해당되는 것으로 판단된다면, 주의 등급에 해당하는 대응방안(예를 들어, 침수에 대비하여 가재도구를 가능한 높은 장소로 옮기기)을 생성할 수 있다.
3-2. 맞춤형 정보 제공 단계<S2032>
본 단계에서 맞춤형 정보 제공부(320)는 단계 S2011에서 데이터 수신부(110)가 수신한 사용자 정보를 확인하고, 사용자 정보의 종류 중에서 기설정된 조건에 해당하는 사용자 정보와 대응방안을 매칭시켜 맞춤형 정보를 생성할 수 있다.
본 발명의 다양한 실시예들은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다.
이해의 편의를 위하여, 전술한 구성요소들은 각각 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소 또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다.
상술한 바와 같이, 본 발명의 다양한 실시예에 따르면, 하나의 시스템에서 다양한 종류의 재난을 통합적으로 관리하며 각 재난별로 상황판단과 의사결정이 가능한 장점이 있다. 또한, 특정 재난에만 국한되지 않고, 안전이 요구되는 다양한 상황을 통합적으로 관리하고 각 상황별 대응방안을 제시함으로써 사용자의 안전을 보장할 수 있다. 즉, 상황별로 특화시켜 시나리오를 설정하며, 위험 요인을 3가지 부류(미발생위험, 기발생위험 및 확산 가능한 사고)로 세분화시켜 인식하므로 다양한 형태의 생활안전을 통합적으로 예측하고 관리할 수 있다.
본 발명의 다양한 실시예에 따르면, 위험인식모듈, 상황판단모듈 및 의사결정모듈은 각자 독자적으로 작동하면서도 임계치 및 위험 수준별 구간값에 따른 대응방안 생성에 의해 서로 긴밀하게 연계되어 단일화된 체계를 유지할 수 있다.
아울러, 본 발명의 다양한 실시예에서는 관측값 데이터와 예측값 데이터를 직접 산출하지 않고 기상청, 환경공단, 지방자치단체 등의 각 기관 서버별로 각자 관측하거나 예측하고 있는 관측값 데이터와 예측값 데이터를 오픈 API 등을 통해 통합적으로 수집하여 활용할 수 있으므로 관측값 데이터나 예측값 데이터를 직접 산출하면서 발생할 수 있는 시스템 부하 문제를 방지할 수 있다.
그리고, 본 발명의 다양한 실시예에 의하면, 대응방안의 도출 여부를 결정하기 위한 임계치를 설정하여 의사결정 단계로 진입하는 최소값을 각 시나리오마다 하나씩 부여할 수 있다. 즉, 임계치 설정을 통해 실제로 사고가 발생했다고 판단하는 기준이 명확해지면서 사고 발생에 대한 최소한의 인식이 가능하고, 조기 예측과 예방이 가능한 효과가 있다. 더욱이, 실시간으로 수신되는 관측값 데이터와 예측값 데이터가 임계치 미만일 경우에는 의사결정 단계로 바로 넘어가지 않고 상황 판단 단계에서 대기하게 되므로 리소스 사용량을 절감할 수 있고, 임계치를 넘어가는 것을 전제로 대응방안을 제공하게 되므로 의사결정시 대응방안의 내용을 최적화할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 사용자의 위치, 연령, 성별, 직업, 장애여부, 일행 동반여부 등을 고려하여 특정한 조건에 해당하는 사용자 정보를 대응방안과 매칭시켜 맞춤형 대응방안을 생성할 수 있다. 따라서, 사용자의 상황을 고려하지 않고 일괄적으로 대응방안을 문자 메시지 형태로 전송하던 기존의 재난 문자 방식에 비해 보다 유연한 상황대처가 가능한 장점이 있다.
아울러, 본 발명의 다양한 실시예에 의하면, 사고 발생의 원인이 되는 위험 요인을 인식하고, 인식된 위험 요인이 임계치를 초과하면 위험 요인에 대한 위험 수준을 판단하고 그에 따른 대응방안을 제시함으로써, 위험 요인이 사고로 발전하는 것을 방지할 수 있다. 따라서, 사고 발생 이후에 일어나는 사후 조치에 비해 조기에 사고 발생을 예방할 수 있으므로 다양한 상황에서 사용자의 안전을 보장할 수 있다.
위에서 설명한 바와 같이 본 발명에 대한 구체적인 설명은 첨부된 도면을 참조한 실시예에 의해서 이루어졌지만, 상술한 실시예는 본 발명의 바람직한 예를 들어 설명하였을 뿐이기 때문에, 본 발명이 상기의 실시예에만 국한되는 것으로 이해되어져서는 아니 되며, 본 발명의 권리범위는 후술하는 청구범위 및 그 균등개념으로 이해되어져야 할 것이다.
10 : 생활안전 통합 예측 시스템
100 : 위험인식모듈
110 : 데이터 수신부
120 : 조건설정부
130 : 인식부
200 : 상황판단모듈
210 : 구간값 설정부
220 : 임계치 설정부
230 : 위험판단부
240 : 확산위험 판단부
300 : 의사결정모듈
310 : 대응방안 생성부
320 : 맞춤형 정보 제공부

Claims (8)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 컴퓨터 실행가능 명령어가 저장되는 메모리와, 상기 컴퓨터 실행가능 명령어를 실행하는 프로세서가 포함된 컴퓨터에 의해 구현되는 생활안전 통합 예측 방법으로서,
    사고 발생의 원인이 되는 위험 요인을 인식하고, 기발생한 사고가 확산 가능한 사고인지를 인식하는 위험 인식 단계;
    인식된 위험 요인의 위험 수준과 확산 가능한 사고에 대한 위험 수준을 설정하고, 설정된 위험 수준에 대한 대응방안을 도출할 것인지에 대해 판단하는 상황 판단 단계; 및
    판단된 위험 수준에 따른 대응방안을 생성하는 의사결정 단계;를 포함하고,
    상기 위험 인식 단계는
    관측정보가 포함된 관측값 데이터와 예측정보가 포함된 예측값 데이터를 수신하는 데이터 수신 단계;
    상황별 시나리오를 생성하되, 상기 관측값 데이터와 예측값 데이터 중에서 각 상황의 종류에 따라 수집되어야 하는 데이터가 무엇인지를 규정하여 상기 상황별 시나리오를 생성하고, 사고의 종류에 따라 확산 가능 여부를 규정하여 상기 상황별 시나리오를 생성하는 시나리오 생성 단계; 및
    상기 상황별 시나리오에 해당하는 관측값 데이터와 예측값 데이터의 수집을 통해 상기 위험 요인과 확산 가능한 사고를 인식하는 인식 단계;를 포함하고,
    상기 상황 판단 단계는
    상기 위험 수준을 복수의 등급으로 분류하기 위한 위험 수준별 구간값을 설정하는 구간값 설정 단계;
    상기 대응방안의 도출 여부를 결정하기 위한 기준값을 설정하는 임계치 설정 단계;
    상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 사전에 설정된 임계치를 초과하는지에 대해 실시간으로 판단하는 위험 판단 단계; 및
    상기 기발생한 사고가 상기 시나리오 생성 단계에서 규정된 확산 가능한 사고에 해당할 경우에는 기저장된 분석 알고리즘을 이용하여 상기 기발생한 사고가 확산될 방향을 예측하는 확산위험 판단 단계;를 포함하는 것을 특징으로 하는
    생활안전 통합 예측 방법.
  6. 삭제
  7. 삭제
  8. 제5항에 있어서,
    상기 의사결정 단계는
    상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 상기 임계치 설정 단계에 의해 사전에 설정된 임계치를 초과하면, 상기 구간값 설정 단계에 의해 사전에 설정된 복수의 구간값을 확인하고, 상기 관측값 데이터 및 예측값 데이터 중 적어도 어느 하나가 상기 복수의 구간값 중 어느 구간값에 해당하는지를 판단하고 그에 따른 대응방안을 생성하는 대응방안 생성 단계; 및
    상기 데이터 수신 단계에서 수신한 사용자 정보를 확인하고, 상기 사용자 정보의 종류 중에서 기설정된 조건에 해당하는 사용자 정보와 상기 대응방안을 매칭시켜 맞춤형 정보를 생성하는 맞춤형 정보 제공 단계;를 포함하고, 상기 사용자 정보는 상기 사용자의 위치정보, 연령정보, 성별정보, 직업정보, 장애정보 및 일행 동반여부에 대한 정보 중 적어도 어느 하나인 것을 특징으로 하는
    생활안전 통합 예측 방법.
KR1020190147422A 2019-11-18 2019-11-18 생활안전 통합 예측 방법 KR102347259B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190147422A KR102347259B1 (ko) 2019-11-18 2019-11-18 생활안전 통합 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190147422A KR102347259B1 (ko) 2019-11-18 2019-11-18 생활안전 통합 예측 방법

Publications (2)

Publication Number Publication Date
KR20210059966A KR20210059966A (ko) 2021-05-26
KR102347259B1 true KR102347259B1 (ko) 2022-01-05

Family

ID=76137529

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190147422A KR102347259B1 (ko) 2019-11-18 2019-11-18 생활안전 통합 예측 방법

Country Status (1)

Country Link
KR (1) KR102347259B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101759916B1 (ko) 2016-05-20 2017-07-20 주식회사 세이프티아 공정 및 작업 위험도에 의한 위험지도 기반의 안전관리를 위한 서버, 시스템 및 방법
KR101973805B1 (ko) * 2018-09-07 2019-04-30 강원오픈마켓 주식회사 위해요소 회피 지원 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101740720B1 (ko) * 2015-11-17 2017-05-29 한국해양과학기술원 위험유해물질의 확산 예측 장치 및 방법
KR101944616B1 (ko) * 2017-05-26 2019-01-31 이화여자대학교 산학협력단 위성 영상을 이용한 재해 및 재난 경보 방법 및 그 방법을 수행하는 재해 및 재난 경보 서버

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101759916B1 (ko) 2016-05-20 2017-07-20 주식회사 세이프티아 공정 및 작업 위험도에 의한 위험지도 기반의 안전관리를 위한 서버, 시스템 및 방법
KR101973805B1 (ko) * 2018-09-07 2019-04-30 강원오픈마켓 주식회사 위해요소 회피 지원 시스템

Also Published As

Publication number Publication date
KR20210059966A (ko) 2021-05-26

Similar Documents

Publication Publication Date Title
Dong et al. An integrated physical-social analysis of disrupted access to critical facilities and community service-loss tolerance in urban flooding
US20210104001A1 (en) Methods and Systems for Security Tracking and Generating Alerts
US11295405B2 (en) Cognitive recommendations for first responders
Gai et al. Regional evacuation modeling for toxic-cloud releases and its application in strategy assessment of evacuation warning
Peng et al. Dynamic decision making for dam-break emergency management–Part 1: Theoretical framework
US20110077950A1 (en) Risk profiling system and method
KR102322427B1 (ko) 빅데이터 기반의 건축물 화재 예방 대응 시스템
JP6145000B2 (ja) 災害情報提供システム
KR102350534B1 (ko) 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법
Sättele et al. Quantifying the effectiveness of early warning systems for natural hazards
KR20190077682A (ko) 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법
US9622048B2 (en) SNS based incident management
Scherb et al. Probabilistic risk assessment of infrastructure networks subjected to hurricanes
Gwynne et al. Modeling and mapping dynamic vulnerability to better assess WUI evacuation performance
Chen et al. Modeling Road Network Vulnerability for Evacuees and First Responders in No‐Notice Evacuation
Meng et al. A dynamic emergency decision support model for emergencies in urban areas
KR102347259B1 (ko) 생활안전 통합 예측 방법
US8966503B1 (en) System and method for correlating anomalous events
Hong et al. Development and comparison of data mining-based prediction models of building fire probability
Islam et al. Predictive modelling of fuel shortages during hurricane evacuation: An epidemiological approach
Mijović et al. Ontology enabled decision support system for emergency management at airports
Hidayat et al. Exploring the interrelationships of variables in Australian road tunnel incidents using Bayesian networks
KR101935154B1 (ko) 범죄 위험도 분석 및 예측방법, 그리고 이를 포함하는 저장매체
Gerard Canisius et al. Fire Safety in Road Tunnels
Ali et al. An Automated Early Alert System for Natural Disaster Risk Reduction: A Review

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right