KR102353545B1 - 재난대응 추천방법 및 그 장치 - Google Patents

Abstract

본 실시예는 화재 등 재난 발생 시 신고자로부터의 신고 내용을 자동으로 분석하여 사고 접수자에게 제공함으로써 사고 접수자가 신고자로부터 취득해야 하는 재난 상황정보를 보다 체계적이고 용이하게 취득할 수 있도록 하면서도, 분석된 재난 상황정보에 따른 최적의 대응 메뉴얼을 선별하여 재난 대응자에게 제공함으로써 사고의 대응력을 향상 가능토록 하는 재난대응 추천방법 및 그 장치에 관한 것이다.

Description

재난대응 추천방법 및 그 장치{Method and Apparatus for Recommending Disaster Response}

본 실시예는 재난대응 추천방법 및 그 장치에 관한 것이다. 더욱 상세하게는, 추천 알고리즘을 활용한 인공지능 재난대응 추천방법 및 그 장치에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.

최근 ICT 기술의 발달에 힘입어, 재난에 대한 예측 및 대응에 대한 기술에 대한 개발 및 적용이 늘어나고 있다. 재난 대응 예측 및 대응에 대한 기술에 있어서 특히 최근에는 스마트 홈 등의 기술 개발과 함께 원격에서 재난 여부에 대한 모니터링을 수행하고, 이를 예측하며, 이에 대한 대응 시나리오를 제공하여 효율적인 재난 대응이 가능하도록 하는 기술에 대한 연구가 이루어지고 있다.

그러나 현존하는 재난 대응 기술은 결국 재난을 목격한 신고자가 소방서 등 재난 대응 기관에 신고를 수행하고, 신고를 접수한 기관 담당자, 즉 접수자가 신고 내용을 종합하여 재난 현장에 출동해야 하거나 출동 중인 대응자에게 출동 지령을 내리는 흐름으로 이루어지고 있다.

이때 접수자는 신고자 정보, 재난현장 상태, 재난 발생 위치 등에 대한 정보를 수기로 작성하며, 이렇게 수집된 자료를 바탕으로 출동 위치, 출동 인원, 배차 여부 등을 결정한다. 수기로 작성하는 구간 접수자는 정확하지 않은 내용에 대해 신고자에게 몇 차례 질문을 하기도 하며, 주소 등을 수동으로 검색하는 등 시간이 지체되는 일이 발생한다. 이후 환자에 대한 응급처치, 추가 신고 등에 대한 추가 출동 등 필요에 따른 추가 대처를 실시하기도 한다.

접수자는 긴급구조 표준 시스템이라 하는 종래의 시스템을 활용하여, 반자동으로 출동, 무전 등의 업무를 실시한다. 허나, 사고 내용의 정리, 판단은 수동으로 이루어져야 하므로 업무간 시간의 지연, 휴먼 에러 등이 발생한다

본 실시예는, 화재 등 재난 발생 시 신고자로부터의 신고 내용을 자동으로 분석하여 사고 접수자에게 제공함으로써 사고 접수자가 신고자로부터 취득해야 하는 재난 상황정보를 보다 체계적이고 용이하게 취득할 수 있도록 하면서도, 분석된 재난 상황정보에 따른 최적의 대응 메뉴얼을 선별하여 재난 대응자에게 제공함으로써 사고의 대응력을 향상시키고자 하는 데 그 목적이 있다.

본 실시예는, 신고자의 음성정보를 수집하고, 상기 음성정보를 텍스트 정보로 변환하여 제공하는 음성 인식부; 상기 텍스트 정보를 형태소 단위로 분리하고, 분리된 형태소를 재난 대응 관련하여 기 정의된 복수의 키워드 중 대응되는 키워드 상에 태깅시켜 키워드별 태깅정보를 생성하는 자연어 처리부; 상기 재난 대응 관련하여 수집된 빅데이터에 대한 학습결과를 토대로 생성된 적어도 하나 이상의 재난대응용 기계학습 모델을 저장하는 학습 모델부; 및 상기 키워드별 태깅정보 및 상기 재난대응용 기계학습 모델을 기반으로 재난 상황에 대한 세부 분석결과를 자동 추출하고, 추출한 세부 분석결과에 따른 대응 메뉴얼 정보를 제시하는 재난대응 추천부를 포함하는 것을 특징으로 하는 재난대응 추천장치를 제공한다.

또한, 본 실시예의 다른 측면에 의하면, 재난대응 추천장치의 재난대응 추천방법에 있어서, 신고자의 음성정보를 수집하고, 상기 음성정보를 텍스트 정보로 변환하여 제공하는 과정; 상기 텍스트 정보를 형태소 단위로 분리하고, 분리된 형태소를 재난 대응 관련하여 기 정의된 복수의 키워드 중 대응되는 키워드 상에 태깅시켜 키워드별 태깅정보를 생성하는 과정; 및 상기 재난 대응 관련하여 수집된 빅데이터에 대한 학습결과를 토대로 생성된 적어도 하나 이상의 재난대응용 기계학습 모델 및 상기 키워드별 태깅정보를 기반으로 재난 상황에 대한 세부 분석결과를 자동 추출하고, 추출한 세부 분석결과에 따른 대응 메뉴얼 정보를 제시하는 과정을 포함하는 것을 특징으로 하는 재난대응 추천방법을 제공한다.

본 실시예에 따르면, 화재 등 재난 발생 시 신고자로부터의 신고 내용을 자동으로 분석하여 사고 접수자에게 제공함으로써 사고 접수자가 신고자로부터 취득해야 하는 재난 상황정보를 보다 체계적이고 용이하게 취득할 수 있도록 하면서도, 분석된 재난 상황정보에 따른 최적의 대응 메뉴얼을 선별하여 재난 대응자에게 제공함으로써 사고의 대응력을 향상시킬 수 있는 효과가 있다.

도 1은 본 실시예에 따른 재난대응 추천방법을 활용한 신고접수 시스템의 개념도이다.
도 2는 본 실시예에 따른 재난대응 추천장치를 개략적으로 나타낸 블록 구성도이다.
도 3은 본 실시예에 따른 재난대응 추천방법을 설명하기 위한 흐름도이다.
도 4는 본 실시예에 따른 재난대응용 기계학습 모델을 설명하기 위한 개념도이다.
도 5는 본 실시예에 따른 재난대응 추천방법과 관련하여 수집된 학습 데이터를 예시한 예시도이다.
도 6은 본 실시예에 따른 재난대응 추천방법에 따른 출력 화면을 예시한 예시도이다.
도 7은 본 실시예에 따른 재난대응 추천방법을 설명하기 위한 순서도이다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

신속성과 정확성은 효과적인 재난 대응을 위해 가장 중요한 요소들이다. 주어진 상황의 정보를 통해 최대한 신속하게 분석하되, 정확하게 분류해야 재난 시 발생하는 피해를 최소화할 수 있다. 허나, 재난을 대응하는 인원의 경험차이로 인해 언제나 신속하고 정확한 판단을 내리기에는 어려움이 있다. 현장 경험이 적은 대원은 재난 발생 시 대응하는 속도가 숙련된 대원에 비해 느리며, 정확도 또한 낮다.

본 실시예의 경우 이러한 숙련 대원의 경험을 데이터화 하여 추천 알고리즘을 통해 학습시키고 학습된 모델을 활용하여 재난대응의 질을 높이는, 추천 알고리즘을 활용한 인공지능 재난대응 추천방법을 제안한다.

도 1은 본 실시예에 따른 재난대응 추천방법을 활용한 신고접수 시스템의 개념도이다.

종래의 신고접수 시스템의 구성에 의하는 경우 반자동으로 출동, 무전 등의 업무를 실시하기는 하나 사고 내용의 정리, 판단은 수동으로 이루어져야 함으로 업무간 시간의 지연, 휴먼 에러 등이 발생할 수 있다는 한계가 존재한다.

이러한, 업무 시간의 지연, 휴먼 에러 발생의 방지를 위해 본 실시예에서는 추천 알고리즘을 활용한 인공지능 재난대응 추천 시스템을 제공한다. 본 시스템은 신고자의 신고 내용을 분석하여 사고 내용, 사고 발생 위치, 사고자 개인정보(전화번호, 병력 등) 등의 상세한 재난 상황정보를 자동 수집하고, 이를 사고 접수자에게 시각화하여 제공한다. 이는, 업무 효율 증대, 골든 타임 확보(대응 시간 단축) 등의 효과를 야기할 수 있다.

본 시스템은 신고 내용의 분석을 통해 나온 결과 중 사고 접수자가 올바른 것을 선택하는 과정을 통해 신고자가 내용을 수동으로 작성하던 시간을 단축시키고 정확도를 향상시킨다.

또한, 본 시스템은 분석된 신고내용에 따른 대응(매뉴얼 등)을 사고 접수자에게 제공하여 사고의 대응력을 향상시킨다.

한편, 본 시스템은, 신고 내용의 분석 및 이에 따른 대응을 제공함에 있어서, 재난 대응 관련 빅데이터에 대한 학습결과를 토대로 생성된 적어도 하나 이상의 재난대응용 기계학습 모델을 활용함으로써 기존의 재난대응에 효율성과 신뢰성을 증대시킬 수 있다. 즉, 그 동안의 사고 발생에 대한 원인 자료를 정형화하면 사고 발생의 위험 요소가 인적, 물적, 환경적 요소들의 상호 가변성의 관계라는 수치로 정립 할 수 있다. 이 지표 수치를 정서적인 위험의 심각성 수치로 알고리즘화 한다면 사고가 발생해도 사고 상황의 단계적 위험 수치의 증감까지도 추정하여 사고 대응의 시간을 단축 할 수 있다.

본 시스템은 인공지능의 알고리즘이 방대한 비정형 빅데이터를 경험기반으로 분석함으로써 위험 관리와 사고 대응에 대한 가이드를 제공하는 전문화 된 인공지능조력자를 제공한다.

이를 위해, 본 시스템은 음성인식(STT), 자연어처리(NLP), 빅데이터(Bigdata)를 기반으로 사고 전과 후의 재난 대응 전문가의 실시간 대응 지원에 대한 멀티모달 기반의 음성 텍스트를 딥러닝 및 기계학습으로 대응을 추천하는 지능형 에이전트(AI Advisor)로 동작하는 재난대응 추천장치를 구현한다.

도 2는 본 실시예에 따른 재난대응 추천장치를 개략적으로 나타낸 블록 구성도이며, 도 3은 본 실시예에 따른 재난대응 추천방법을 설명하기 위한 흐름도이다.

이하, 도 2 및 도 3을 함께 참조하여 본 실시예에 따른 재난대응 추천방법에 대해 설명하도록 한다.

먼저, 도 3을 참조하여 설명하며, 본 실시예에 따른 재난대응 추천방법의 절차는 다음과 같다.

본 실시예에 따른 재난대응 추천장치는 재난 신고 과정에서 신고자, 접수자의 음성정보를 수집한다.

재난대응 추천장치는 음성인식(Speech to Text) 기술을 활용하여 음성정보를 텍스트 정보로 변환하고, 변환된 텍스트 정보를 자연어 처리 기술을 통해 형태소 분석을 실시하여 재난 키워드를 분류한다.

재난대응 추천장치는 분류된 재난 상태, 재난 위치, 사고자 전화번호 등의 키워드를 시각화를 통해 사용자에게 제공한다. 이때, 재난대응 추천장치는 빅데이터를 학습시킨 학습 모델을 통해 재난의 종류를 분류한다. 한편, 학습 모델은 수집된 빅데이터를 분류/추천 알고리즘으로 머신러닝하여 생성될 수 있다.

재난대응 추천장치는 재난의 세부 항목에 대한 키워드를 룰 베이스 머신러닝하여 각 상황에 맞는 메뉴얼을 사용자에게 제공한다.

도 2에 도시하듯이, 본 실시예에 따른 재난대응 추천장치(200)는 음성 인식부(210), 자연어 처리부(220), 학습 모델부(230) 및 재난대응 추천부(240)를 포함한다. 이때, 본 실시예에 따른 재난대응 추천장치(200)에 포함되는 구성요소는 반드시 이에 한정되는 것은 아니다.

음성 인식부(210)는 신고자의 음성정보를 수집하고, 수집한 음성정보를 텍스트 정보로 변환하여 제공하는 기능을 수행한다.

음성 인식부(210)는 음성인식 기술을 활용하여 신고자의 음성정보를 텍스트 정보로 변환할 수 있다. 보다 자세하게는, 음성 인식부(210)는 RNN-LSTM(Recurrent Neural Networks-Long Short-Term Memory models) 알고리즘 음성 인식엔진을 활용하여 음성을 인식하고, 인식된 음성정보를 텍스트 정보로 변환할 수 있다.

예컨대, 본 실시예에 따른 음성 인식부(210)는 약 3천 시간의 음성 데이터를 학습 시킨 음향 모델을 사용하여 기본적인 인식률을 보장하고, 실제 재난환경음, 잡음, 비화 등을 이용함으로써 유선망 음성정보의 높은 인식률을 보장하도록 구현될 수 있다. 이러한, 음향 모델은 유선 전화 200시간 음성에 대해서 속기 전사 데이터를 학습 적용하며, 이를 기반으로 음성에 대한 분석 및 잡음 처리 등을 거쳐 탐색 엔진에서 사용되는 음성의 특징을 추출하도록 구현될 수 있다.

자연어 처리부(220)는 텍스트 정보로 변환된 음성정보에 대한 자연어 처리 기능을 수행한다.

자연어 처리부(220)는 텍스트 정보에 대해 문장 전처리를 수행하여 텍스트 정보 내 한 문장을 찾아내고, 한 문장 속에서 특수문자 처리 및 예외 처리를 수행한다.

자연어 처리부(220)는 문장에서 용어 추출을 위한 단어를 분리하고, 단어에서 형태소를 도출함으로써 텍스트 정보를 형태소 단위로 분리할 수 있다.

본 실시예에 있어서, 자연어 처리부(220)는 분리된 형태소를 재난 대응 관련하여 기 정의된 복수의 키워드 중 대응되는 키워드 상에 태깅시켜 키워드별 태깅 정보를 생성한다. 이는, 키워드 기반 구문 분석을 이용하여 사고 형태를 분석하고 사고의 유형에 따른 심각성 분석을 하고, 심각성 등급에 따라 분석하며, 구문 분석 패턴을 이용한 패턴 사고의 분석을 할 수 있도록 설계하는 작업에 해당된다.

한편, 자연어 처리부(220)는 재난 상황별 도메인 데이터에 기반하여 기 정의되는 복수의 키워드 및 복수의 키워드별 매칭 용어정보에 기반하여 키워드별 태깅정보를 생성할 수 있다. 이때, 재난 상황별 도메인 데이터는 재난 유형별 대응 메뉴얼, 사고내용 접수데이터, 전국 POI 데이터 및 언론 기사 데이터 중 적어도 하나일 수 있다.

이를 위해, 자연어 처리부(220)는 소방 및 재난 관련 용어가 있는 문서(워드, 아래아한글, 파워포인트, 엑셀, PDF)에서 문서필터(전자문서에서 텍스트 추출)를 통해 텍스트를 추출하여 새로운 용어에 뜻을 넣어서 재난 관련 용어 사전을 구축하고, 이를 기반으로 재난 대응 관련하여 상기의 복수의 키워드들을 정의할 수 있다.

마찬가지로, 자연어 처리부(220)는 구축된 재난 관련 용어 사전을 활용하여 키워드별 관련된 용어들을 사전에 매칭시켜 키워드별 매칭 용어정보를 생성할 수 있다.

자연어 처리부(220)는 키워드별 매칭 용어정보를 기반으로 하여, 분리된 형태소에 매칭되는 키워드를 선별하고, 기 정의된 복수의 키워드 중 선별된 키워드 상에 해당 형태소를 태깅시킴으로써 키워드별 태깅정보를 생성할 수 있다.

한편, 본 실시예에 있어서, 재난 상황별 도메인 데이터에 기반하여 기 정의되는 복수의 키워드로는 화재, 구조 및 구급으로 구분되는 재난 분류 키워드, 주소 키워드 및 연락처 키워드 등이 포함될 수 있으나 반드시 이에 한정되는 것은 아니다. 예컨대, 자연어 처리부(220)는 연기, 불과 같은 단어에 대해서는 화재 키워드 상에 태깅시켜 키워드별 태깅정보를 생성할 수 있다.

학습 모델부(230)는 재난 대응 관련하여 수집된 빅데이터에 대한 학습결과를 토대로 생성된 적어도 하나 이상의 재난대응용 기계학습 모델을 저장한다. 이러한, 학습 모델부(230)는 직접 빅데이터를 수집 및 학습을 수행하여 상기의 재난대응용 기계학습 모델을 생성하거나, 학습모듈로부터 빅데이터를 기반으로 학습 및 생성된 재난대응용 기계학습 모델을 제공받을 수도 있다.

예컨대, 도 5를 참조하면, 본 실시예에 있어서, 재난대응용 기계학습 모델은 출동지령서, 소방 사례집, 119 구급 상황관리센터 상담 메뉴얼, 119 상황관리 표준메뉴얼, 119 상황대응 표준메뉴얼 및 상담 유선전화 녹취 데이터 등을 포함한 재난 대응 관련 빅데이터에 대한 학습결과를 토대로 생성될 수 있다. 이러한, 빅데이터는 데이터베이스, 파일, 웹 데이터, 웹 서비스 데이터를 연계 수집하는 모듈을 통해 수집될 수 있다.

도 4를 참조하여, 본 실시예에 따른 재난대응용 기계학습 모델에 대해 설명하자면, 재난대응용 기계학습 모델은 주어진 재난사항 정의를 기반으로 한 지도기계학습을 통해 생성될 수 있으며, 이 과정에서 Scikit-learn을 활용한 지도학습 앙상블 알고리즘이 사용될 수 있다.

또한, 재난대응용 기계학습 모델은 정확률과 재현율을 개선하기 위한 최적의 학습을 위해 지도학습 적용될 수 있다. 예컨대, 재난대응용 기계학습 모델은 학습결과에 대한 재난 전문가의 검증 결과를 반영하여 생성될 수 있다.

재난대응용 기계학습 모델은 본 실시예에 따른 재난대응 추천장치의 결과를 새로운 학습 데이터로서 학습하여 업데이트될 수 있다.

한편, 본 실시예에 있어서, 학습 모델부(230)는 본 실시예에 따른 재난대응 추천방법과 관련하여 재난 상황에 대한 세부 분석결과의 추출 및 이에 대응하는 대응 메뉴얼 정보를 산출하기까지 필요로 하는 다양한 기계학습 모델을 저장할 수 있다. 예컨대, 학습 모델부(230)는 음향 모델, 언어 모델, 재난대응 추천 모델, 문맥 예측 모델 등의 다양한 기계학습 모델을 포함하여 구성될 수 있다. 본 실시예에서는, 학습 모델부(230) 상에 저장되는 재난대응용 기계학습 모델에 대하여 특정 모델로서 한정하지는 않는다.

재난대응 추천부(240)는 키워드별 태깅정보 및 재난대응용 기계학습 모델을 기반으로 재난 상황에 대한 세부 분석결과를 자동 추출하고, 추출한 세부 분석결과에 따른 대응 메뉴얼 정보를 제시하는 기능을 수행한다.

본 실시예에 있어서, 재난대응 추천부(240)는 키워드별 태깅정보를 재난대응용 기계학습 모델에 적용하고, 적용결과에 따라 재난 대응과 관련하여 출력되는 출동 지령서 내 재난 관련 신고 기록 정보에 상응하는 세부 분석결과를 추출할 수 있다.

재난대응 추천부(240)는 키워드별 태깅정보를 재난대응용 기계학습 모델에 적용하여 재난의 종류, 재난이 발생한 위치, 해당 위치에 따른 재난의 종류에 대한 세분화 정보, 재난의 진행상태 및 사고자 전화번호를 포함하는 재난 상세 정보를 세부 분석결과로서 추출한다. 즉, 재난대응 추천부(240)는 키워드별 태깅정보를 재난대응용 기계학습 모델에 적용하여, 재난의 종류를 화재, 구조, 구급 중 어느 하나의 카테고리를 분류하고, 각 카테고리별 환경에서 나오는 데이터(용어)를 취합하여 재난을 세부적으로 분류한다. 예컨대, 본 실시예에 따른 재난대응 추천방법에 의하는 경우 재난의 종류가 화재 카테고리로 분류된 경우 공장, 주택 등의 위치 관련 용어 정보를 기반으로 해당 화재가 공장 화재, 주택 화재 등으로 세분화하여 제공하며, 연기, 냄새, 색깔 등의 용어 정보를 기반으로 현재 재난의 진행상태가 어느 정도인지 여부를 파악하고, 사고자 이름, 전화번호 등의 용어 정보를 기반으로 연락처 정보를 파악하여 제공할 수 있다.

재난대응 추천부(240)는 상기와 같이 추출된 재난 상황에 대한 세부 분석결과를 지정된 포맷 형태로 재구성하여 재난 관련 신고기록 정보를 생성하고, 이를 시각화하여 제공할 수 있다. 예컨대, 도 6을 참조하면, 본 실시예에 따른 재난대응 추천부(240)가 재난 관련 신고기록 정보를 시각화하여 제공하는 화면 형태를 확인할 수 있다.

또한, 본 실시예에 있어서, 재난대응 추천부(240)는 추출한 세부 분석결과를 재난대응용 기계학습 모델에 적용하며, 이를 통해, 현재 재난 상황에 맞는 대응 메뉴얼 정보를 산출하여 제공한다. 이를 위해, 재난대응용 기계학습 모델은 복수의 요건에 따라 기 분류된 재난 상황정보 별로 상황에 맞는 대응 메뉴얼 정보를 기 학습할 수 있다.

예컨대, 재난대응 추천부(240)는 추출한 세부 분석결과를 재난대응용 기계학습 모델에 적용하여 기 분류된 재난 상황 정보 중 세부 분석결과와 상기의 복수의 요건 사이에 매칭이 최대인 재난 상황 정보를 선별하고, 선별된 재난 상황 정보에 상응하는 대응 메뉴얼 정보를 세부 분석결과에 따른 대응 메뉴얼 정보로서 제시할 수 있다.

도 7은 본 실시예에 따른 재난대응 추천방법을 설명하기 위한 순서도이다.

재난대응 추천장치(200)는 신고자의 음성정보를 수집하고, 수집한 음성정보를 텍스트 정보로 변환하여 제공한다(S702).

재난대응 추천장치(200)는 텍스트 정보를 형태소 단위로 분리하고, 분리된 형태소를 재난 대응 관련하여 기 정의된 복수의 키워드 중 대응되는 키워드 상에 태깅하여 키워드별 태깅정보를 생성한다(S704). 단계 S704에서 재난대응 추천장치(200)는 재난 상황별 도메인 데이터에 기반하여 기 정의되는 복수의 키워드 및 복수의 키워드별 매칭 용어정보에 기반하여 키워드별 태깅정보를 생성할 수 있다.

재난대응 추천장치(200)는 키워드별 매칭 용어정보를 기반으로 하여, 분리된 형태소에 매칭되는 키워드를 선별하고, 기 정의된 복수의 키워드 중 선별된 키워드 상에 해당 형태소를 태깅시킴으로써 키워드별 태깅정보를 생성할 수 있다.

재난대응 추천장치(200)는 적어도 하나 이상의 재난대응용 기계학습 모델 및 키워드별 태깅정보를 기반으로 재난 상황에 대한 세부 분석결과를 자동 추출한다(S706). 단계 S706에서 재난대응 추천장치(200)는 재난 대응 관련 빅데이터에 대한 학습결과를 토대로 생성된 적어도 하나 이상의 재난대응용 기계학습 모델을 활용할 수 있다.

재난대응 추천장치(200)는 키워드별 태깅정보를 재난대응용 기계학습 모델에 적용하고, 적용결과에 따라 재난 대응과 관련하여 출력되는 출동 지령서 내 재난 관련 신고 기록 정보에 상응하는 세부 분석결과를 추출할 수 있다.

재난대응 추천장치(200)는 단계 S706에서 추출한 세부 분석결과에 따른 대응 메뉴얼 정보를 제시한다(S708). 단계 S708에서 재난대응 추천장치(200)는 추출한 세부 분석결과를 재난대응용 기계학습 모델에 적용하여 기 분류된 재난 상황 정보 중 세부 분석결과와 상기의 복수의 요건 사이에 매칭이 최대인 재난 상황 정보를 선별하고, 선별된 재난 상황 정보에 상응하는 대응 메뉴얼 정보를 세부 분석결과에 따른 대응 메뉴얼 정보로서 제시한다.

여기서, 단계 S702 내지 S708은 앞서 설명된 재난대응 추천장치(200)의 각 구성요소의 동작에 대응되므로 더 이상의 상세한 설명은 생략한다.

도 7에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 7에 기재된 과정을 변경하여 실행하거나 하나 이상의 과정을 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 7은 시계열적인 순서로 한정되는 것은 아니다.

전술한 바와 같이 도 7에 기재된 재난대응 추천방법은 프로그램으로 구현되고 컴퓨터의 소프트웨어를 이용하여 읽을 수 있는 기록매체(CD-ROM, RAM, ROM, 메모리 카드, 하드 디스크, 광자기 디스크, 스토리지 디바이스 등)에 기록될 수 있다.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

200: 재난대응 추천장치 210: 음성 인식부
220: 자연어 처리부 230: 학습 모델부
240: 재난대응 추천부

Claims (11)

1. 신고자의 음성정보를 수집하고, 상기 음성정보를 텍스트 정보로 변환하여 제공하는 음성 인식부;
   상기 텍스트 정보를 형태소 단위로 분리하고, 분리된 형태소를 재난 대응 관련하여 기 정의된 복수의 키워드 중 대응되는 키워드 상에 태깅시켜 키워드별 태깅정보를 생성하는 자연어 처리부;
   상기 재난 대응 관련하여 수집된 빅데이터에 대한 학습결과를 토대로 생성된 적어도 하나 이상의 재난대응용 기계학습 모델을 저장하는 학습 모델부; 및
   상기 키워드별 태깅정보 및 상기 재난대응용 기계학습 모델을 기반으로 재난 상황에 대한 세부 분석결과를 자동 추출하고, 추출한 세부 분석결과에 따른 대응 메뉴얼 정보를 제시하는 재난대응 추천부를 포함하되,
   상기 재난대응용 기계학습 모델은, 복수의 요건에 따라 기 분류된 재난 상황 정보별로 상황에 맞는 대응 메뉴얼 정보를 기 학습하며,
   상기 재난대응 추천부는, 상기 세부 분석결과를 상기 재난대응용 기계학습 모델에 적용하여 상기 재난 상황 정보 중 상기 세부 분석결과와 상기 복수의 요건 사이에 매칭이 최대인 재난 상황 정보를 선별하고, 선별된 재난 상황 정보에 상응하는 대응 메뉴얼 정보를 상기 세부 분석결과에 따른 대응 메뉴얼 정보로서 제시하는 것을 특징으로 하는 재난대응 추천장치.
2. 제 1항에 있어서,
   상기 자연어 처리부는,
   재난 상황별 도메인 데이터에 기반하여 기 정의되는 상기 복수의 키워드 및 상기 복수의 키워드별 매칭 용어정보에 기반하여 상기 키워드별 태깅정보를 생성하는 것을 특징으로 하는 재난대응 추천장치.
3. 제 2항에 있어서,
   상기 재난 상황별 도메인 데이터는,
   재난 유형별 대응 메뉴얼, 사고내용 접수데이터, 전국 POI 데이터 및 언론 기사 데이터 중 적어도 하나인 것을 특징으로 하는 재난대응 추천장치.
4. 제 1항에 있어서,
   상기 자연어 처리부는,
   상기 분리된 형태소를 화재, 구조 및 구급으로 구분되는 재난 분류키워드, 주소 키워드 및 연락처 키워드를 포함하는 상기 복수의 키워드 중 대응되는 키워드 상에 태깅시켜 상기 키워드별 태깅정보를 생성하는 것을 특징으로 하는 재난대응 추천장치.
5. 제 1항에 있어서,
   상기 재난대응용 기계학습 모델은,
   출동지령서, 소방 사례집, 119 구급 상황관리센터 상담 메뉴얼, 119 상황관리 표준메뉴얼, 119 상황대응 표준메뉴얼 및 상담 유선전화 녹취 데이터를 포함한 상기 빅데이터에 대한 앙상블 학습결과(Ensemble learning)를 토대로 생성된 학습 모델인 것을 특징으로 하는 재난대응 추천장치.
6. 제 5항에 있어서,
   상기 재난대응용 기계학습 모델은,
   상기 학습결과에 대해 재난 전문가의 검증 결과를 반영하여 생성된 학습 모델인 것을 특징으로 하는 재난대응 추천장치.
7. 제 1항에 있어서,
   상기 재난대응 추천부는,
   상기 키워드별 태깅정보를 상기 재난대응용 기계학습 모델에 적용하고, 적용결과에 따라 상기 재난 대응과 관련하여 출력되는 출동 지령서 내 재난 관련 신고기록 정보에 상응하는 상기 세부 분석결과를 추출하는 것을 특징으로 하는 재난대응 추천장치.
8. 제 7항에 있어서,
   상기 재난대응 추천부는,
   상기 키워드별 태깅정보를 상기 재난대응용 기계학습 모델에 적용하여 상기 재난의 종류, 상기 재난이 발생한 위치, 상기 위치에 따른 상기 재난의 종류에 대한 세분화 정보, 상기 재난의 진행상태 및 사고자 전화번호를 포함하는 재난 상세정보를 상기 세부 분석결과로서 추출하는 것을 특징으로 하는 재난대응 추천장치.
9. 제 8항에 있어서,
   상기 재난대응 추천부는,
   상기 재난 상황에 대한 세부 분석결과를 지정된 포맷 형태로 재구성하여 상기 재난 관련 신고기록 정보를 생성하고, 상기 신고기록 정보를 시각화하여 제공하는 것을 특징으로 하는 재난대응 추천장치.
10. 삭제
11. 재난대응 추천장치의 재난대응 추천방법에 있어서,
    신고자의 음성정보를 수집하고, 상기 음성정보를 텍스트 정보로 변환하여 제공하는 과정;
    상기 텍스트 정보를 형태소 단위로 분리하고, 분리된 형태소를 재난 대응 관련하여 기 정의된 복수의 키워드 중 대응되는 키워드 상에 태깅시켜 키워드별 태깅정보를 생성하는 과정; 및
    상기 재난 대응 관련하여 수집된 빅데이터에 대한 학습결과를 토대로 생성된 적어도 하나 이상의 재난대응용 기계학습 모델 및 상기 키워드별 태깅정보를 기반으로 재난 상황에 대한 세부 분석결과를 자동 추출하고, 추출한 세부 분석결과에 따른 대응 메뉴얼 정보를 제시하는 과정을 포함하되,
    상기 재난대응용 기계학습 모델은, 복수의 요건에 따라 기 분류된 재난 상황 정보별로 상황에 맞는 대응 메뉴얼 정보를 기 학습하며,
    상기 제시하는 과정은, 상기 세부 분석결과를 상기 재난대응용 기계학습 모델에 적용하여 상기 재난 상황 정보 중 상기 세부 분석결과와 상기 복수의 요건 사이에 매칭이 최대인 재난 상황 정보를 선별하고, 선별된 재난 상황 정보에 상응하는 대응 메뉴얼 정보를 상기 세부 분석결과에 따른 대응 메뉴얼 정보로서 제시하는 것을 특징으로 하는 재난대응 추천방법.

Images