KR102350534B1 - 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법 - Google Patents

인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법 Download PDF

Info

Publication number
KR102350534B1
KR102350534B1 KR1020200043197A KR20200043197A KR102350534B1 KR 102350534 B1 KR102350534 B1 KR 102350534B1 KR 1020200043197 A KR1020200043197 A KR 1020200043197A KR 20200043197 A KR20200043197 A KR 20200043197A KR 102350534 B1 KR102350534 B1 KR 102350534B1
Authority
KR
South Korea
Prior art keywords
disaster
keyword
module
keywords
message data
Prior art date
Application number
KR1020200043197A
Other languages
English (en)
Other versions
KR20210125702A (ko
Inventor
이종석
Original Assignee
가톨릭대학교 산학협력단
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 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020200043197A priority Critical patent/KR102350534B1/ko
Publication of KR20210125702A publication Critical patent/KR20210125702A/ko
Application granted granted Critical
Publication of KR102350534B1 publication Critical patent/KR102350534B1/ko

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

각종 탐지장치로부터 감지된 데이터를 활용하는 대신 인터넷을 통해 사람들 사이에 공유되는 SNS 메시지의 재난 키워드를 분석하여 재난을 예측할 수 있는 재난예측 시스템 및 방법이 개시된다. 이를 위하여 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 선택하는 메시지 선별모듈과, 상기 재난메시지 데이터를 기반으로 재난 키워드를 추출하는 키워드 추출모듈과, 상기 재난 키워드에 매칭된 재난 유형을 선정하고, 상기 재난 키워드를 재난 유형별로 분류하여 저장하는 키워드 분류모듈과, 미리 지정된 시간동안 재난 유형별로 수집된 재난 키워드의 가치 평가를 통해 재난 위험도를 산정하는 위험도 산정모듈, 및 상기 재난 위험도를 재난 유형별로 미리 지정된 임계값과 비교 분석하여 재난 위험도가 임계값을 초과하면 재난예측정보를 인터넷망을 통해 전파하는 재난예측 대응모듈을 포함하는 인공지능에 의한 빅데이터의 주요키워드 분석기술을 활용한 재난예측 방법을 제공한다. 본 발명에 의하면, 인터넷망을 통해 공개된 SNS 메시지 중 재난 키워드가 포함된 메시지를 수집하여 빅데이터를 구축하고, 이 빅데이터의 분석을 통해 건축물 붕괴 등의 재난을 실시간으로 감지할 수 있을 뿐만 아니라 미리 예측할 수도 있다.

Description

인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법{DISASTER PREDICTION SYSTEM AND METHOD USING MAJOR KEYWORD ANALYSIS TECHNOLOGY OF ARTIFICIAL INTELLIGENCE}
본 발명은 소셜 미디어에서 공개된 SNS 메시지를 분석하여 재난을 예측할 수 있는 재난예측 시스템 및 방법에 관한 것으로, 보다 상세하게는 각종 탐지장치로부터 감지된 데이터를 활용하는 대신 인터넷을 통해 사람들 사이에 공유되는 SNS 메시지로 빅데이터를 구축하고, 상기 빅데이터를 인공지능(AI)으로 분석하여 재난을 예측할 수 있는 재난예측 시스템 및 방법에 관한 것이다.
현대에는 지진, 해일, 태풍, 홍수, 폭우, 폭염, 가뭄, 강풍, 폭설, 미세먼지 등과 같은 각종 기후재난과 교통사고, 폭발사고, 항공사고, 해난사고, 조난사고, 테러 등의 인적재난과 산불사고, 불산유출과 같은 특이한 형태의 복합재난 등의 다양한 유형의 재난이 발생하고 있다.
특히 기후재난의 경우에는 재난의 전조가 확실하고 계절성 기후에 의한 재해가 많기 때문에 비교적 예측이 가능하고 대비가 가능하다. 하지만 인적재난과 같이 우발적이거나 과거 데이터에 연계되지 않은 새로운 재난에 대해서는 그 예측이나 실시간 감지가 쉽지 않은 실정이다.
예컨대, 대형 여객선의 침몰 사고와 같은 경우 재난에 초동 대처를 잘하지 못하면 큰 피해로 이어지기도 한다. 이러한 사고는 예측이 어렵기 때문에 무엇보다도 신속하게 그러한 사고를 인지하는 것이 중요하다.
그러나, 종래에는 주로 CCTV(closed circuit television)나 레이더(radar) 또는 사람의 유선 신고 등에 주로 의존하고 있으며, 이러한 전통적인 수단을 탈피하여 보다 빠르게 재난을 파악할 수 있는 방법은 없었다. 이에, 초기에 재난을 감지하지 못하는 경우에는 큰 피해를 피할 수 없다는 문제점이 있었다.
한편, 최근에는 소셜 미디어(social media)의 사용이 증가하고 있는데, 소셜 미디어는 개방, 참여, 공유의 가치로 요약되는 웹 2.0시대의 도래에 따라 소셜 네트워크의 기반 위에서 개인의 생각이나 의견, 경험, 정보 등을 서로 공유하고 타인과의 관계를 생성 또는 확장시킬 수 있는 개방화된 온라인 플랫폼을 의미하는데, 널리 사용 중인 소셜 미디어로는 블로그, 페이스북, 트위터 등이 있다.
이러한 소셜 미디어는 신문 등 기존 미디어들과는 달리 사용자들이 직접 참여하고 정보를 공유할 수 있도록 만들어진 것으로, 재난 발생시에도 사용자들은 소셜 미디어를 통해 재난 정보를 공유할 수 있게되는데, 불특정 다수의 사람들이 제공한 정보를 효과적으로 활용할 경우 재난 감지 및 예방에 효과적으로 이용할 수 있다.
특히, 소셜 미디어의 사용률은 모바일 기기의 사용량이 증가함에 따라 자연스럽게 증가하고 있다. 스마트폰을 비롯한 이동성을 지닌 모바일 기기로 인하여 재난이 일어난 현장에서 사람들이 소셜 미디어를 사용하여 재난이 발생했음을 알리고 재난과 관련된 중요한 정보를 전파하는 사례가 실제로 많이 증가하고 있는 현실이다.
또한, 전 세계적으로 재난을 소셜 미디어를 통해서 감지하고 대처하는 기술의 필요성은 계속해서 증가하고 있다. 특히 아이티 지진과 동일본 대지진은 재난이 발생하였을 경우에 소셜 미디어 사이트인 트위터를 통한 통신망 유지와 정보 전파가 원활하게 이루어졌으며, 소셜 미디어의 정보를 분석하여 구조 활동이 이루어지고 소셜 미디어를 통해서 많은 자원봉사자들의 도움으로 복구 작업이 이루어졌다는 것은 소셜 미디어와 재난 감지와 대처의 연관에 대한 중요한 사례라고 할 수가 있다.
더불어, 재난이 발생하였을 경우에 재난에 대한 대중의 여론을 직접적으로 알 수 있는 방법이 소셜 미디어를 분석하는 방법이다. 즉, 소셜 미디어의 모니터링을 통해서 재난의 감지뿐만이 아니라 재난 발생 이후에도 여론을 관찰할 수 있다. 이는 재난을 대처하는 관리자들에게 있어서 신속하게 재난을 감지하는 것뿐만 아니라 재난에 대처하는 것에도 도움을 줄 수 있다는 것이다.
그러나, 현재까지는 소셜 미디어에 있는 재난 관련 내용들을 체계적으로 수집 및 분석할 수 없었으므로, 사용자들에 의해 제공된 재난정보들이 실제적으로 재난 방지를 위해서는 유용하게 사용되지 못하고 있는 실정이다. 예컨대, 폭발사고가 발생한 경우 사고 현장에 있던 사람이 재난 발생 사실을 신문 등의 언론 미디어보다 빠르게 소셜 미디어에 공개하더라도, 재난을 대처하는 관리자는 이 사실을 감지할 수가 없는 것이다.
한편, 인공지능 개발 트렌드는 단순히 인지능력에서 벗어나，인지한 환경 속에서 최적의 답을 찾아내고，여기에 스스로 수행한 학습을 더해 추론 및 예측을 하며，향후에는 문제를 스스로 발견하고 해결하는 행동 단계에 이르기까지 다양한 분야의 연구와 투자가 활발히 진행되고 있다.
또한, 인공지능은 인간이 가진 지각，학습，추론，자연언어 처리 등의 능력을 컴퓨터가 실행할 수 있도록 프로그램으로 구현하는 기술로서，기계학습(머신러닝)，딥러닝，자연어 처리，음성인식，시각인식 등 첨단기술을 개발하는 방향으로 발전되고 있으며 안전，의료，국방，금융，복지 등 다양한 응용 분야에 특화된 소프트웨어와 머신러닝，클라우드，고성능 컴퓨터 기술 등을 포함하고 있다.
최근 인공지능 개발 트렌드는 단순히 인지능력에서 벗어나，인지한 환경 속에서 최적의 답을 찾아내고，여기에 스스로 수행한 학습을 더해 추론 및 예측을 하며，향후에는 문제를 스스로 발견하고 해결하는 행동 단계에 이르기까지 다양한 분야의 연구와 투자가 활발히 진행되고 있다.
이에 따라, 소셜 미디어를 활용하여 재난을 감지하고 대처하기 위해서는 소셜 미디어를 실시간으로 모니터링하여 재난을 감지하는 인공지능 기술이 필요하다. 특히, 우리나라와 같이 스마트폰의 보급률이 높고 IT 기반이 잘 구축되어 있는 환경에서는 소셜 미디어의 모니터링을 통한 재난을 감지하고 대처하는 인공지능 기술의 효용성과 활용성이 다른 나라에 비해서 상대적으로 높다.
대한민국 등록특허 제10-1685334호(2016.12.12 공고) 대한민국 등록특허 제10-1732819호(2017.05.08 공고) 대한민국 등록특허 제10-1612423호(2016.04.22 공고)
따라서, 본 발명의 제1 목적은 SNS 메시지의 숫자 대신 SNS 메시지의 내용에 따른 관련도 평가 기술을 도입한 최적화 예측모델을 통해 재난 전조를 탐지할 수 있는 재난예측 시스템을 제공하는데 있다.
또한, 본 발명의 제2 목적은 인터넷망을 통해 공개되는 SNS 메시지에 포함된 재난 키워드의 분석을 통해 재난을 예측하는 주요 키워드 분석기술을 활용한 재난예측 방법을 제공하는데 있다.
상술한 본 발명의 제1 목적을 달성하기 위하여, 본 발명의 일 실시예에서는 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 수집하여 빅데이터를 구축하는 메시지 수집모듈과, 자체 저장된 재난 키워드로 재난 키워드 분류모델을 생성하는 머신러닝모듈과, 상기 재난 키워드 분류모델로 상기 빅데이터를 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 선택하는 메시지 선별모듈과, 상기 재난메시지 데이터를 기반으로 재난 키워드를 추출하는 키워드 추출모듈과, 상기 재난 키워드에 매칭된 재난 유형을 선정하고, 상기 재난 키워드를 재난 유형별로 분류하여 저장하는 키워드 분류모듈과, 미리 지정된 시간동안 재난 유형별로 수집된 재난 키워드의 가치 평가를 통해 재난 위험도를 산정하는 위험도 산정모듈, 및 상기 재난 위험도를 재난 유형별로 미리 지정된 임계값과 비교 분석하여 재난 위험도가 임계값을 초과하면 재난예측정보를 인터넷망을 통해 전파하는 재난예측 대응모듈을 포함하는 인공지능의 주요 키워드 분석기술을 활용한 재난예측 시스템을 제공한다.
또한, 본 발명의 제2 목적을 달성하기 위하여, 본 발명의 일 실시예에서는 메시지 수집모듈이 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 수집하여 빅데이터를 구축하는 빅데이터 구축단계와, 메시지 선별모듈이 상기 빅데이터를 머신러닝모듈에 의해 생성된 재난 키워드 분류모델로 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 수집하는 재난메시지 수집단계와, 키워드 추출모듈이 수집된 재난메시지 데이터를 기반으로 재난 키워드를 추출하는 재난키워드 추출단계와, 키워드 분류모듈이 추출된 재난 키워드에 매칭된 재난 유형을 선정하고, 상기 재난 키워드를 재난 유형별로 분류하여 저장하는 재난유형 선정단계와, 위험도 산정모듈이 미w리 지정된 시간동안 재난 유형별로 수집된 재난 키워드의 가치 평가를 통해 재난 위험도를 산정하는 재난위험도 산정단계, 및 재난예측 대응모듈이 산정된 재난 위험도를 재난 유형별로 미리 지정된 임계값과 비교 분석하여 재난 위험도가 임계값을 초과하면 재난예측정보를 인터넷망을 통해 전파하는 재난예측 전파단계를 포함하는 주요 키워드 분석기술을 활용한 재난예측 방법을 제공한다.
본 발명에 의하면, 인터넷망을 통해 공개된 SNS 메시지 등의 비정형데이터를 수집하여 빅데이터를 구축하고, 이 빅데이터의 분석을 통해 건축물 붕괴 등의 재난을 실시간으로 감지할 수 있을 뿐만 아니라 미리 예측할 수도 있다.
또한, 본 발명은 개개인이 인터넷망을 통해 공유하는 SNS 메시지를 통해 재난과 관련된 정보를 수집할 수 있으므로, 재난 현장에 센싱장치가 미리 설치되거나 현장 요원이 미리 파견되지 않더라도 원격지에서 재난 상황을 파악할 수 있다.
아울러, 본 발명은 소셜 미디어를 사용하는 다수의 사람들을 재난 감시자로 활용할 수 있기 때문에 적은 비용으로 재난 발생 가능성을 재난 관리자에게 알려줄 수 있으며, 사람들이 작성한 SNS 메시지의 분석 결과로 재난예측정보를 제공할 수 있다.
도 1은 본 발명에 따른 재난예측 시스템을 설명하기 위한 구성도이다.
도 2는 본 발명의 일 실시예에 따른 SNS 메시지의 예시도이다.
도 3은 본 발명에 따른 재난예측 방법을 설명하기 위한 순서도이다.
이하, 첨부도면을 참조하여 본 발명의 바람직한 실시예들에 의한 인공지능에 의한 빅데이터의 주요키워드 분석기술을 활용한 재난예측 시스템(이하, '재난예측 시스템'이라 약칭함)을 상세하게 설명한다.
도 1은 본 발명에 따른 재난예측 시스템을 설명하기 위한 구성도이다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 수집하여 빅데이터를 구축하는 메시지 수집모듈(110)과, 자체 저장된 재난 키워드로 재난 키워드 분류모델을 생성하는 머신러닝모듈(120)과, 상기 빅데이터를 상기 재난 키워드 분류모델로 분석하여 재난과 관련된 재난메시지 데이터를 수집하는 메시지 선별모듈(130)과, 상기 재난메시지 데이터로부터 재난 키워드를 추출하는 키워드 추출모듈(140)과, 상기 재난 키워드를 재난 유형별로 분류하여 저장하는 키워드 분류모듈(150)과, 재난 키워드의 가치 평가를 통해 재난 위험도를 산정하는 위험도 산정모듈(160), 및 미리 지정된 임계값을 초과하는 재난 위험도를 갖는 재난에 대해 재난예측정보를 인터넷망을 통해 전파하는 재난예측 대응모듈(170)을 포함하며, 선택적으로 상기 재난메시지 데이터를 저장하는 저장모듈(미도시)을 더 포함할 수 있다.
이러한 소셜 미디어는 소셜 네트워크 기반에서 개인의 생각이나 의견, 경험, 정보 등을 서로 공유하고 타인과의 관계를 생성 또는 확장시킬 수 있는 개방화된 온라인 플랫폼을 의미하는 것으로, 특정 사이트에 제약을 받지 아니하고 다양한 종류가 사용될 수 있으며, 블로그, 페이스북, 트위터, 인스타그램, 카카오톡 등을 예로 들 수 있다.
그리고 메시지 수집모듈(110), 머신러닝모듈(120), 메시지 선별모듈(130), 키워드 추출모듈(140), 키워드 분류모듈(150), 위험도 산정모듈(160), 재난예측 대응모듈(170)은 단일의 관리서버(100)에 설치될 수도 있으며, 별도의 단말기로 구성될 수도 있다.
이하, 도면을 참조하여 각 구성요소별로 보다 구체적으로 설명한다.
도 2는 본 발명의 일 실시예에 따른 SNS 메시지의 예시도이다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 메시지 수집모듈(110)을 포함한다.
상기 메시지 수집모듈(110)은 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 수집하여 빅데이터를 구축하는 것으로, 인터넷망을 통해 소셜 네트워크 서비스를 제공하는 SNS 서버(10)에 접속하여 인터넷망을 통해 공개된 메시지 데이터를 수집한다.
이와 같이, 메시지 수집모듈(110)은 소셜 미디어에서 제공하고 있는 메시지 데이터를 선별해 재난예측 시스템에서 사용할 빅데이터를 구축한다.
이러한 메시지 수집모듈(110)은 수집된 재난메시지 데이터를 저장모듈에 저장할 수 있다. 여기서, 메시지 데이터는 개인이 소셜 미디어에서 공개한 문장 전체를 의미한다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 머신러닝모듈(120)을 포함한다.
상기 머신러닝모듈(120)은 자체 저장된 재난 키워드로 재난 키워드 분류모델을 생성하는 것으로, 관리자에 의해 저장모듈(미도시)에 저장된 재난 키워드를 사용할 수 있다.
또한, 머신러닝모듈(120)은 재난메시지 데이터를 분석하여 머신러닝을 통해 재난 키워드 분류모델을 업데이트할 수 있다. 이때, 재난 키워드 분류모델에서는 Logistic Regression 알고리즘, Random Forest 알고리즘, KNN(KNearest Neighbors) 알고리즘, Xgboost 알고리즘 및 Deep learning 알고리즘 중 적어도 하나를 사용할 수 있다.
상기 Logistic Regression 알고리즘은 선형 예측에 사용되는 Linear 모델에 Sigmoid 함수를 적용하여 분류 문제를 해결하는 알고리즘이고, Random Forest 알고리즘은 여러 개의 의사결정 트리(Decision Tree)들이 Froes를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화하는 알고리즘이며, KNN 알고리즘은 데이터로부터 거리가 가까운 K 개의 다른 데이터의 레이블을 참조하여 데이터를 분류하는 알고리즘이다. 그리고 Xgboost 알고리즘은 Random Forest의 Tree는 독립적이라면 Xgboost의 Tree는 결과를 다음 트리에 적용하는 boost 방식의 알고리즘이며, Deep learning 알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다.
특정 양태로서, 본 발명에 따른 머신러닝모듈(120)은 복수의 머신러닝 알고리즘 중 재난 키워드 분류의 정확도가 가장 높은 머신러닝 알고리즘을 적용할 수 있다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 메시지 선별모듈(130)을 포함한다.
상기 메시지 선별모듈(130)은 도 2와 같이 메시지 수집모듈(110)을 통해 구축된 빅데이터를 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 선별하는 것으로, 메시지 데이터로부터 재난과 관련성 있는 키워드가 포함된 재난메시지 데이터를 선별하기 위해 재난 키워드 분류모델을 사용한다.
필요에 따라, 메시지 선별모듈(130)은 장소 키워드가 더 포함된 메시지 데이터를 재난메시지 데이터로 선별할 수 있다. 다시 말해, 메시지 선별모듈(130)은 빅데이터를 분석하여 재난 키워드 및 장소 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 선별할 수 있다. 그리고 메시지 선별모듈(130)은 재난 키워드 및 대상 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 추출할 수 있다.
또한, 메시지 선별모듈(130)은 1차 선별과정을 통해 선별된 재난메시지 데이터 중 광고 키워드가 포함된 재난메시지 데이터를 삭제할 수 있다. 이는, 광고 키워드가 포함된 재난메시지 데이터는 광고를 위해 생성된 메시지이므로, 신뢰성을 확보할 수 없기 때문이다.
한편, 재난 키워드는 불안, 심각, 슬픔, 및 불만을 나타내는 감정 키워드를 포함할 수 있다.
예를 들면 '무섭다', '걱정 된다', '구조를 바란다', '기도 한다'와 같은 의미의 키워드를 불안을 나타내는 감정 키워드로 분류할 수 있다.
그리고 '심각하다', '악화되다', '위험하다', '구조가 어렵다'와 같은 의미의 키워드를 심각을 나타내는 감정 키워드로 분류할 수 있다.
또한 '안타깝다', '슬프다', '비극이다', '눈물이 난다'와 같은 의미의 키워드를 슬픔을 나타내는 감정 키워드로 분류할 수 있다.
아울러 '실망하다', '졸속이다', '엉망이다', '책임을 묻다'와 같은 의미의 키워드를 불만을 나타내는 감정 키워드로 분류할 수 있다.
본 발명에 따른 재난예측 시스템은 키워드 저장모듈을 더 포함할 수 있다.
상기 저장모듈은 상기 메시지 수집모듈(110)에 연결되어 메시지 수집모듈(110)을 통해 수집된 메시지 데이터를 저장하고, 메시지 선별모듈(130)에 연결되어 메시지 선별모듈(130)을 통해 수집되는 재난메시지 데이터를 저장하는 것으로, 다양한 메시지 데이터로 빅데이터를 구축한다.
이러한 저장모듈은 다양한 유형의 SNS 메시지로부터 선별된 재난메시지 데이터를 통합적으로 저장하고 관리하는 기능을 제공한다.
필요에 따라, 저장모듈은 재난별 대비요령정보가 저장되며, 재난예측 대응모듈(170)의 요청에 따라 재난별 대비요령정보를 재난예측 대응모듈(170)로 제공할 수 있다.
또한, 저장모듈은 키워드 추출모듈(140)에 연결되어 키워드 추출모듈(140)을 통해 추출된 재난 키워드를 저장할 수 있다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 키워드 추출모듈(140)을 포함한다.
상기 키워드 추출모듈(140)은 재난메시지 데이터를 기반으로 재난 키워드를 추출하는 것으로, 메시지 선별모듈(130)이나 저장모듈을 통해 제공된 재난메시지 데이터를 분석하여 재난 키워드를 추출한다.
제1 실시 양태로서, 본 발명에 따른 키워드 추출모듈(140)은 재난메시지 데이터를 기반으로 재난 키워드와 장소 키워드를 추출한다.
제2 실시 양태로서, 본 발명에 따른 키워드 추출모듈(140)은 재난메시지 데이터에 포함된 작성자 위치정보로부터 위치 키워드를 추출한다.
이와 같이, 키워드 추출모듈(140)은 재난메시지 데이터로부터 재난 키워드 이외에도 장소 키워드를 추출하거나 위치 키워드를 추출하거나 또는 이들 모두를 추출할 수 있다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 키워드 분류모듈(150)을 포함한다.
상기 키워드 분류모듈(150)은 상기 재난 키워드에 매칭된 재난 유형을 선정하고, 상기 재난 키워드를 재난 유형별로 분류하여 저장하는 것으로, 키워드 추출모듈(140)에 연결되어 키워드 추출모듈(140)로부터 제공된 재난 키워드를 재난 유형별로 분류한다.
구체적으로, 키워드 분류모듈(150)은 재난 키워드에 매칭된 재난 유형을 황사, 지진, 해일, 태풍, 홍수, 폭우, 폭염, 가뭄, 강풍, 폭설, 산불, 건축물 붕괴, 교통사고, 폭발사고, 항공사고, 해난사고, 조난사고, 테러, 유해물 유출 등으로 분류한다.
예를 들면, 키워드 분류모듈(150)은 재난 키워드에 침수, 강수량, 홍수, 호우, 장마, 폭우, 강우, 방류 등의 키워드가 존재하는 경우, 재난 유형을 홍수로 분류한 후 전술한 키워드를 홍수의 카테고리에 저장한다.
또한, 키워드 분류모듈(150)은 재난 키워드에 침수, 강수량, 폭풍우, 방류, 태풍, 풍속, 강풍 등의 키워드가 존재하는 경우, 재난 유형을 태풍으로 분류한 후 전술한 키워드를 태풍의 카테고리에 저장한다.
아울러, 키워드 분류모듈(150)은 재난 키워드에 먼지, 미세먼지, PM10, PM2.5, 스모그, 황사, 중국발, 마스크 등의 키워드가 존재하는 경우, 재난 유형을 황사로 분류한 후 전술한 키워드를 황사의 카테고리에 저장한다.
이와 같이, 키워드 분류모듈(150)은 1개의 재난 키워드를 여러 가지 재난 유형에 각각 저장할 수 있다.
제1 실시 양태로서, 본 발명에 따른 키워드 분류모듈(150)은 메시지 추출모듈을 통해 재난메시지 데이터로부터 장소 키워드가 추출된 경우에 장소 키워드와 매칭된 주요 지역을 선정하며 재난 키워드를 주요 지역의 재난 유형별로 분류하여 저장할 수 있다.
제2 실시 양태로서, 본 발명에 따른 키워드 분류모듈(150)은 메시지 추출모듈을 통해 재난메시지 데이터로부터 위치 키워드가 추출된 경우에 위치 키워드와 매칭된 주요 지역을 선정하며 재난 키워드를 주요 지역의 재난 유형별로 분류하여 저장할 수 있다.
제3 실시 양태로서, 본 발명에 따른 키워드 분류모듈(150)은 키워드 추출모듈(140)을 통해 재난메시지 데이터로부터 장소 키워드 및 위치 키워드가 추출된 경우 장소 키워드와 위치 키워드가 서로 상이하면 위치 키워드로 매칭된 주요 지역을 선정하며 상기 재난 키워드를 주요 지역의 재난 유형별로 분류하여 저장한다. 이는, 소셜 미디어를 통해 메시지 데이터를 생성한 개인이 장소 키워드를 부정확하게 기재할 수 있기 때문이다.
상기 키워드 분류모듈(150)이 선정한 주요 지역은 재난 유형에 따라 도, 시, 군, 구 단위의 행정구역으로 지정할 수 있다. 예컨대, 재난 유형이 황사, 지진, 해일, 태풍, 홍수, 폭우, 폭염, 가뭄, 강풍, 폭설 등의 기후재난인 경우에는 군 이상의 행정구역을 주요 지역으로 선정할 수 있으며, 건축물 붕괴, 교통사고, 폭발사고, 항공사고, 해난사고, 조난사고, 테러, 유해물 유출 등의 인적재난인 경우에는 구 이상의 행정구역을 주요 지역으로 선정할 수 있다. 한편, 키워드 분류모듈은 대상 키워드에 매칭된 대상품을 선정하고 상기 재난 키워드를 대상품의 재난 유형별로 분류하여 저장할 수 있다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 위험도 산정모듈(160)을 포함한다.
상기 위험도 산정모듈(160)은 미리 지정된 시간동안 재난 유형별로 수집된 재난 키워드의 가치 평가를 통해 재난 위험도를 산정하는 것으로, 단순히 재난 키워드가 포함된 SNS 메시지가 많이 발생하는지를 보는 것이 아니라 재난 키워드에 대해 시간 흐름에 따라 미리 지정된 시간동안 지속적으로 발생되는지를 판단한다.
또한, 위험도 산정모듈(160)은 재난 키워드가 SNS 메시지를 통해 많이 노출될수록 재난 위험도가 높은 것으로 판단하기 위한 구성으로, 이러한 재난 키워드가 포함된 SNS 메시지가 몇 명의 SNS 이용자들에게 생성되어 전파되는지에 따라 재난 위험도를 판단한다.
아울러, 위험도 산정모듈(160)은 동일한 재난 유형으로 분류된 재난 키워드라고 하더라도 재난 키워드의 종류에 따라 가중치를 부여하여 재난 위험도를 산정한다.
예컨대, 홍수의 카테고리로 분류된 재난 키워드가 침수, 강수량, 홍수, 호우, 장마, 폭우, 강우, 방류인 경우에 위험도 산정모듈(160)은 강수량, 강우, 호우, 장마, 강우를 1점으로 산정하고 침수, 폭우, 방류를 2점으로 산정하며 홍수를 3점으로 산정할 수 있다. 또한, 태풍의 카테고리로 분류된 재난 키워드가 침수, 강수량, 폭풍우, 방류, 태풍, 풍속, 강풍인 경우에 위험도 산정모듈(160)은 침수, 강수량, 풍속을 1점으로 산정하고 방류, 폭풍우를 2점으로 산정하며 태풍을 3점으로 산정할 수 있다. 아울러, 황사의 카테고리로 분류된 재난 키워드가 먼지, 미세먼지, 스모그, 황사, 중국발, 마스크인 경우에 위험도 산정모듈(160)은 먼지, 중국발, 마스크를 1점으로 산정하고 미세먼지, PM10, PM2.5를 2점으로 산정하며 스모그, 황사를 3점으로 산정할 수 있다.
도 1을 참조하면, 본 발명에 따른 재난예측 시스템은 재난예측 대응모듈(170)을 포함한다.
상기 재난예측 대응모듈(170)은 상기 재난 위험도를 재난 유형별로 미리 지정된 임계값과 비교 분석하여 재난 위험도가 임계값을 초과하면 재난예측정보를 인터넷망을 통해 전파하는 것으로, 재난 유형별로 분석된 위험도를 통해 재난 발생을 예측하거나 재난을 실시간으로 감지한다.]
또한, 재난예측 대응모듈(170)은 미리 예측할 수 없는 화재, 교통사고, 해난사고, 항공사고 등의 인적재난을 실시간으로 감지한다.
특정 양태로서, 본 발명에 따른 재난예측 대응모듈(170)은 재난 위험도가 상기 임계값의 90% 내지 100%이면, 동일한 유형의 재난에 대한 인근 지역의 재난 위험도를 분석하고 인근 지역의 재난 위험도가 임계값을 초과하는 경우에 상기 주요 지역의 재난예측정보의 추출한다.
필요에 따라, 재난예측 대응모듈(170)은 재난 위험도가 임계값을 초과한 재난에 대한 대비요령정보를 저장모듈로부터 추출하고, 대비요령정보를 재난예측정보에 첨가하며, 대비요령정보가 포함된 재난예측정보를 인터넷망을 통해 전파한다.
도 3은 본 발명에 따른 재난예측 방법을 설명하기 위한 순서도이다.
도 3을 참조하면, 본 발명에 따른 주요 키워드 분석기술을 활용한 재난예측 방법(이하, '재난예측 방법'이라 약칭함)은 소셜 미디어에서 공개된 메시지 데이터를 수집하여 빅데이터를 구축하는 빅데이터 구축단계(S100)와, 상기 빅데이터를 머신러닝모듈에 의해 생성된 재난 키워드 분류모델로 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 수집하는 재난메시지 수집단계(S200)와, 수집된 재난메시지 데이터를 기반으로 재난 키워드를 추출하는 재난키워드 추출단계(S300)와, 추출된 재난 키워드에 매칭된 재난 유형을 선정하고 상기 재난 키워드를 재난 유형별로 분류하여 저장하는 재난유형 선정단계(S400)와, 위험도 산정모듈(160)이 미리 지정된 시간동안 재난 유형별로 수집된 재난 키워드의 가치 평가를 통해 재난 위험도를 산정하는 재난위험도 산정단계(S500), 및 산정된 재난 위험도를 재난 유형별로 미리 지정된 임계값과 비교 분석하여 재난 위험도가 임계값을 초과하면 재난예측정보를 인터넷망을 통해 전파하는 재난예측 전파단계(S600)를 포함한다.
본 발명에 따른 빅데이터 구축단계(S100)에서는 메시지 수집모듈(100)이 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 수집하여 빅데이터를 구축한다.
이러한 빅데이터 구축단계(S100)에서는 메시지 수집모듈(100)이 인터넷망을 통해 소셜 네트워크 서비스를 제공하는 SNS 서버(10)에 접속하여 인터넷망을 통해 공개된 메시지 데이터를 수집하고, 상기 메시지 데이터를 저장모듈에 저장한다.
본 발명에 따른 재난메시지 수집단계(S200)에서는 메시지 선별모듈(130)이 상기 빅데이터를 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 수집한다.
이러한 재난메시지 수집단계(S200)에서는 재난 키워드 및 장소 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 수집할 수 있다.
보다 구체적으로, 상기 재난메시지 수집단계(S200)는 메시지 선별모듈(130)이 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 수집하는 1차 필터링 과정, 및 상기 1차 필터링 과정을 통해 수집된 재난메시지 데이터 중 광고 키워드가 포함된 재난메시지 데이터를 삭제하는 2차 필터링 과정이 포함된다.
본 발명에 따른 재난키워드 추출단계(S300)에서는 키워드 추출모듈(140)이 수집된 재난메시지 데이터를 기반으로 재난 키워드를 추출한다.
필요에 따라, 상기 재난키워드 추출단계(S300)는 재난메시지 데이터를 기반으로 재난 키워드와 함께 장소 키워드를 추출할 수도 있으며, 상기 메시지 데이터에 포함된 작성자 위치정보로부터 위치 키워드를 추출할 수도 있다.
본 발명에 따른 재난유형 선정단계(S400)에서는 키워드 분류모듈(150)이 추출된 재난 키워드에 매칭된 재난 유형을 선정하고, 상기 재난 키워드를 재난 유형별로 분류하여 저장한다. 이때, 키워드 분류모듈(150)은 재난 키워드를 저장모듈에 재난 유형별로 저장한다.
필요에 따라, 상기 재난유형 선정단계(S400)에서는 키워드 분류모듈(150)이 위치 키워드에 매칭된 주요 지역을 선정하며, 상기 재난 키워드를 주요 지역의 재난 유형별로 분류하여 저장할 수 있다.
또한, 상기 재난유형 선정단계(S400)에서는 키워드 분류모듈(150)이 장소 키워드에 매칭된 주요 지역을 선정하며, 상기 재난 키워드를 주요 지역의 재난 유형별로 분류하여 저장할 수 있다.
본 발명에 따른 재난위험도 산정단계(S500)에서는 위험도 산정모듈(160)이 미리 지정된 시간동안 재난 유형별로 수집된 재난 키워드의 가치 평가를 통해 재난 위험도를 산정한다. 이때, 위험도 산정모듈(160)은 동일한 재난 유형으로 분류된 재난 키워드라고 하더라도 재난 키워드의 종류에 따라 가중치를 부여하여 재난 위험도를 산정한다.
예컨대, 재난위험도 산정단계(S500)에서는 위험도 산정모듈(160)이 홍수의 카테고리로 저장된 재난 키워드인 침수, 강수량, 홍수, 호우, 장마, 폭우, 강우, 방류를 각각 가중치를 적용하여 위험도를 산정한다. 구체적으로 강수량, 강우, 호우, 장마, 강우를 1점으로 산정하고 침수, 폭우, 방류를 2점으로 산정하며 홍수를 3점으로 산정한다.
본 발명에 따른 재난예측 전파단계(S600)에서는 재난예측 대응모듈(170)이 산정된 재난 위험도를 재난 유형별로 미리 지정된 임계값과 비교 분석하여 재난 위험도가 임계값을 초과하면 재난예측정보를 인터넷망을 통해 전파한다.
필요에 따라, 재난예측 전파단계(S600)에서는 재난 위험도가 임계값의 90% 내지 100%이면, 재난예측 대응모듈(170)이 동일한 유형의 재난에 대한 인근 지역의 재난 위험도를 분석하고 인근 지역의 재난 위험도가 임계값을 초과하는 경우에 주요 지역의 재난예측정보의 추출한다. 그리고 재난예측 전파단계에서는 재난예측 대응모듈(170)이 재난예측정보를 인터넷망을 통해 전파한다.
필요에 따라, 재난예측 전파단계(S600)에서는 재난예측 대응모듈(170)이 재난 위험도가 임계값을 초과한 재난에 대한 대비요령정보를 저장모듈로부터 추출하고, 대비요령정보를 재난예측정보에 첨가하며, 대비요령정보가 포함된 재난예측정보를 인터넷망을 통해 전파할 수 있다.
이상에서 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 관리서버 110 : 메시지 수집모듈
120 : 머신러닝모듈 130 : 메시지 선별모듈
140 : 키워드 추출모듈 150 : 키워드 분류모듈
160 : 위험도 산정모듈 170 : 재난예측 대응모듈
10 : SNS 서버

Claims (14)

  1. 인터넷망을 통해 소셜 미디어에서 공개된 메시지 데이터를 수집하여 빅데이터를 구축하는 메시지 수집모듈;
    자체 저장된 재난 키워드로 재난 키워드 분류모델을 생성하는 머신러닝모듈;
    상기 재난 키워드 분류모델로 상기 빅데이터를 분석하여 재난 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 선택하는 메시지 선별모듈;
    상기 재난메시지 데이터를 기반으로 재난 키워드를 추출하는 키워드 추출모듈;
    상기 재난 키워드에 매칭된 재난 유형을 홍수, 태풍, 황사, 지진, 해일, 폭우, 폭염, 가뭄, 강풍, 폭설, 산불, 건축물 붕괴, 교통사고, 폭발사고, 항공사고, 해난사고, 조난사고, 테러, 유해물 유출로 분류하고, 상기 재난 키워드를 재난 유형별로 분류하여 저장하는 키워드 분류모듈;
    미리 지정된 시간동안 재난 유형별로 수집된 재난 키워드의 가치 평가를 통해 재난 위험도를 산정하는 위험도 산정모듈; 및
    상기 재난 위험도를 재난 유형별로 미리 지정된 임계값과 비교 분석하여 재난 위험도가 임계값을 초과하면 재난예측정보를 인터넷망을 통해 전파하는 재난예측 대응모듈을 포함하며,
    상기 메시지 선별모듈은 재난 키워드 및 장소 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 선택하고,
    상기 키워드 추출모듈은 재난메시지 데이터를 기반으로 재난 키워드와 장소 키워드를 추출하고, 재난메시지 데이터에 포함된 작성자 위치정보로부터 위치 키워드를 추출하며,
    상기 키워드 분류모듈은 상기 장소 키워드에 매칭된 주요 지역을 선정하고 상기 위치 키워드에 매칭된 주요 지역을 선정하되, 상기 장소 키워드와 위치 키워드가 서로 상이하면 위치 키워드로 매칭된 주요 지역을 선정하며, 상기 재난 키워드를 주요 지역의 재난 유형별로 분류하여 저장하는 것을 특징으로 하는 빅데이터의 주요키워드 분석기술을 활용한 재난예측 시스템.
  2. 제1 항에 있어서, 상기 머신러닝모듈은
    상기 재난메시지 데이터를 분석하여 머신러닝을 통해 재난 키워드 분류모델을 업데이트하는 것을 특징으로 하는 빅데이터의 주요키워드 분석기술을 활용한 재난예측 시스템.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1 항에 있어서, 상기 메시지 선별모듈은
    상기 재난메시지 데이터 중 광고 키워드가 포함된 재난메시지 데이터를 삭제하는 것을 특징으로 하는 빅데이터의 주요키워드 분석기술을 활용한 재난예측 시스템.
  7. 삭제
  8. 제1 항에 있어서, 상기 재난 키워드는
    불안, 심각, 슬픔, 및 불만을 나타내는 감정 키워드를 포함하는 것을 특징으로 하는 빅데이터의 주요키워드 분석기술을 활용한 재난예측 시스템.
  9. 제1 항에 있어서,
    상기 메시지 선별모듈은 재난 키워드 및 대상 키워드가 포함된 메시지 데이터를 재난메시지 데이터로 추출하고, 상기 키워드 분류모듈은 대상 키워드에 매칭된 대상품을 선정하고 상기 재난 키워드를 대상품의 재난 유형별로 분류하여 저장하는 것을 특징으로 하는 빅데이터의 주요키워드 분석기술을 활용한 재난예측 시스템.
  10. 제1 항에 있어서,
    재난별 대비요령정보가 저장된 저장모듈을 더 포함하며,
    상기 재난예측 대응모듈은 재난 위험도가 임계값을 초과한 재난에 대한 대비요령정보를 상기 저장모듈로부터 추출하여 재난예측정보에 첨가하는 것을 특징으로 하는 빅데이터의 주요키워드 분석기술을 활용한 재난예측 시스템.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
KR1020200043197A 2020-04-09 2020-04-09 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법 KR102350534B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200043197A KR102350534B1 (ko) 2020-04-09 2020-04-09 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200043197A KR102350534B1 (ko) 2020-04-09 2020-04-09 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20210125702A KR20210125702A (ko) 2021-10-19
KR102350534B1 true KR102350534B1 (ko) 2022-01-13

Family

ID=78228267

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200043197A KR102350534B1 (ko) 2020-04-09 2020-04-09 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102350534B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102643654B1 (ko) * 2021-12-16 2024-03-04 현대건설(주) 인공지능을 기반으로 한 건설 현장 안전 재해 예측 방법 및 시스템
KR102421904B1 (ko) * 2022-02-24 2022-07-20 대한민국 재난사고 원인분석의 고도화 방법
KR102601471B1 (ko) * 2022-08-24 2023-11-13 주식회사 프라임에듀넷 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템
KR102623120B1 (ko) * 2022-12-28 2024-01-10 대한민국 소셜 미디어 대상 재난 안전 관심 주제 탐지 시스템 및 방법
KR102617316B1 (ko) * 2023-09-07 2023-12-27 (주)바이브컴퍼니 딥러닝을 이용한 이벤트 기반의 재난 발생 탐지방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101732819B1 (ko) * 2015-12-07 2017-05-08 이동규 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101612423B1 (ko) * 2013-10-21 2016-04-22 대한민국 소셜미디어를 이용한 재난 감지 시스템
KR101685334B1 (ko) 2015-05-12 2016-12-12 대한민국 키워드 관련도 기반의 재난 이슈별 재난 탐지 기술 및 이를 이용한 재난대처 방법
KR101685335B1 (ko) * 2015-05-12 2016-12-12 대한민국 빅데이터 의미 기반 재난 감성분류방법
KR20170017439A (ko) * 2015-08-07 2017-02-15 엘지전자 주식회사 이동단말기 및 그 제어방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101732819B1 (ko) * 2015-12-07 2017-05-08 이동규 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법

Also Published As

Publication number Publication date
KR20210125702A (ko) 2021-10-19

Similar Documents

Publication Publication Date Title
KR102350534B1 (ko) 인공지능에 의한 빅데이터의 주요 키워드 분석기술을 활용한 재난예측 시스템 및 방법
Tan et al. Can we detect trends in natural disaster management with artificial intelligence? A review of modeling practices
Dong et al. An integrated physical-social analysis of disrupted access to critical facilities and community service-loss tolerance in urban flooding
Yao et al. Tracking urban geo-topics based on dynamic topic model
KR101612423B1 (ko) 소셜미디어를 이용한 재난 감지 시스템
US11295405B2 (en) Cognitive recommendations for first responders
KR101732819B1 (ko) 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법
KR20190077682A (ko) 공공 빅 데이터와 ｓｎｓ 데이터를 이용한 도시안전지수 분석 시스템 및 방법
Öztaysi et al. Fuzzy inference systems for disaster response
Tang et al. Research challenges in developing multimedia systems for managing emergency situations
Li et al. Data-driven investigations of using social media to aid evacuations amid Western United States wildfire season
WO2017033448A1 (ja) データ処理装置、データ処理方法、及びプログラム記録媒体
Subramanian et al. Crowd risk prediction in a spiritually motivated crowd
Gilbuena Jr et al. Fuzzy‐based gaps assessment of flood disaster risk reduction management systems in Metro Manila, Philippines
Fan et al. A graph-based approach for detecting critical infrastructure disruptions on social media in disasters
Kurkcu et al. Crowdsourcing incident information for disaster response using twitter
Cecilia et al. WATERSensing: A smart warning system for natural disasters in Spain
Zohar et al. Spatiotemporal analysis in high resolution of tweets associated with the November 2016 wildfire in Haifa (Israel)
Power et al. A Case Study for Monitoring Fires with Twitter.
Goyal et al. Intelligent Internet of Things based Flood Management System
KR102461822B1 (ko) 실시간 재난안전 뉴스 모니터링 시스템
KR102391612B1 (ko) 위기경보수준 관리방법 및 그 시스템
Nara et al. Learning dependence relationships of evacuation decision making factors from Tweets
Manliguez et al. GIS-based evacuation routing using capacity aware shortest path evacuation routing algorithm and analytic hierarchy process for flood prone communities
Lee Heterogeneous Data and Probabilistic System Model Analyses for Enhanced Situational Awareness and Resilience of Critical Infrastructure Systems

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right