KR102393039B1 - 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법 - Google Patents

숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법 Download PDF

Info

Publication number
KR102393039B1
KR102393039B1 KR1020210152134A KR20210152134A KR102393039B1 KR 102393039 B1 KR102393039 B1 KR 102393039B1 KR 1020210152134 A KR1020210152134 A KR 1020210152134A KR 20210152134 A KR20210152134 A KR 20210152134A KR 102393039 B1 KR102393039 B1 KR 102393039B1
Authority
KR
South Korea
Prior art keywords
disaster
weather data
data
value
prediction
Prior art date
Application number
KR1020210152134A
Other languages
English (en)
Inventor
주진호
Original Assignee
(주)씨텍
에스패트롤 주식회사
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 (주)씨텍, 에스패트롤 주식회사 filed Critical (주)씨텍
Priority to KR1020210152134A priority Critical patent/KR102393039B1/ko
Application granted granted Critical
Publication of KR102393039B1 publication Critical patent/KR102393039B1/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
    • 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
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/14—Central alarm receiver or annunciator arrangements

Landscapes

  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)
  • Economics (AREA)

Abstract

본 발명은 짧은 시간 동안에 기상 정보를 수집한 숏 데이터(Short data)를 이용하여 짧은 시간 이후의 재난 발생을 사전예측하는 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템은 재난 발생 가능성이 있는 현장에 설치되어 재난을 예측하기 위한 기상 데이터를 측정하는 센서부, 상기 센서부로부터 측정한 기상 데이터를 수집하고, 상기 기상 데이터에 기초하여 짧은 시간 이후의 재난 발생을 예측하고, 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하면 경보부로 위험 신호를 전송하는 재난예측부, 및 상기 재난예측부로부터 상기 위험 신호를 수신하면, 경보장치를 가동하는 경보부를 포함한다.

Description

숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법 {System for disaster occurrence pre-prediction using short data and method thereof}
본 발명은 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 짧은 시간 동안에 기상 정보를 수집한 숏 데이터(Short data)를 이용하여 짧은 시간 이후의 재난 발생을 사전예측하는 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법에 관한 것이다.
홍수 범람, 폭우 침수, 돌풍, 산사태 등 긴급한 재난 발생에 있어서, 기존의 기상 예보 방식으로는 국지별 재난 상황에 실시간 대응이 어려워 재난 발생 후의 늦장 대응이 반복되어 귀중한 재산과 생명이 헛되이 사라지고 있다.
도 1은 종래의 재난 발생 사전예측 시스템을 나타낸 구성도이다. 도 1을 참조하면, 종래의 재난 발생 사전예측 시스템은 재난 발생 가능성이 있는 현장에 센서부(1)가 설치되며, 자료 처리부(2)를 통해 상기 센서부(1)가 감지한 기상 데이터들을 수집하고, 통신부(4)를 통해 수집한 데이터를 중앙 처리부(5)로 전송하여, 중앙 처리부(5)에서 인공지능 및 빅데이터 기술을 이용해서 기상 데이터를 분석하여 재난 발생을 예측하고, 이를 통신부(4)를 통해 경보부(3)로 위험 신호를 전송하도록 구성되었다.
하지만, 이러한 종래의 기술은 빅데이터 및 인공지능 기술을 통해 재난 발생을 예측할 수 있었지만, 급격한 기상변화로 인해 과거와는 패턴이 다른 폭우, 폭설, 돌풍, 산사태 등이 발생하여 과거에 축적된 빅데이터 분석으로는 긴급한 재난 사전예측이 어려운 실정이다.
특히, 재난 발생 시 실시간 대응과 통신의 두절이 우려되는 상황에서 중앙서버에서 선형회귀 기법, 신경망 기법 등과 같은 인공지능 머신러닝 기법을 통한 사전예측 방법은 긴급한 상황에서 대응 시간이 헛되이 낭비될 수 있으며, 연산 처리를 위한 고성능을 요구하는 문제점이 있었다.
대한민국 등록특허 제10-1732819호 (2017.04.26.)
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위한 것으로, 빅데이터가 아닌 위험 기상 상황 속 짧은 시간 동안의 적은 양의 숏 데이터(기상 데이터)를 이용하여 일정 시간 이후의 재난 발생을 사전예측할 수 있는 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법을 제공하는 것이다.
또한, 빅데이터 또는 인공지능 기술에 비해 비교적 간단한 재난 발생 사전예측 알고리즘을 통해 재난 발생의 사전예측이 가능한 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법을 제공하는 것이다.
또한, 동일한 재난 발생 사전예측 알고리즘을 통해 다양한 재난 발생에 대하여 사전예측할 수 있는 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법을 제공하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명의 기술분야에서 통상의 지식을 지닌 자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위하여, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템은, 재난 발생 가능성이 있는 현장에 설치되어 재난을 예측하기 위한 기상 데이터를 측정하는 센서부, 상기 센서부로부터 측정한 기상 데이터를 수집하고 상기 기상 데이터에 기초하여 짧은 시간 이후의 재난 발생을 예측하고 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하면 경보부로 위험 신호를 전송하는 재난예측부, 및 상기 재난예측부로부터 상기 위험 신호를 수신하면 경보장치를 가동하는 경보부를 포함한다.
또한, 상기 재난예측부는 상기 센서부를 통해 측정한 기상 데이터를 기설정된 시간 간격으로 기설정된 수집 개수만큼 수집하고, 수집한 기상 데이터에 기초하여 재난 발생 예측 알고리즘을 통해 n분 뒤의 예상 기상 데이터값을 산출하고, 산출한 예상 기상 데이터값이 위험 임계치 초과하면 경보부로 위험 신호를 전송하는 스마트 예측 장치를 포함하는 것을 특징으로 한다.
또한, 상기 재난 발생 예측 알고리즘은 수집되는 제1 기상 데이터와 제2 기상 데이터를 포함하는 기상 데이터에 기초하여 수집 구간별 기울기와 절편을 산출하고, 상기 구간별로 산출된 기울기와 절편 각각의 평균값을 산출하고, 수집 구간별 상기 제1 기상 데이터의 변화값을 산출하고, 상기 저장된 구간별 제1 기상 데이터의 변화값의 평균값을 산출하고, 상기 기상 데이터 변화값의 평균값에 기초하여 n분 뒤의 예상 제1 기상 데이터값을 산출하고, 상기 산출되는 기울기와 절편의 각각의 평균값과 상기 n분 뒤의 예상 제1 기상 데이터값에 기초한 재난 예측 방정식을 산출하여 상기 재난 예측 방정식을 통해 n분 뒤의 예상 제2 기상 데이터값을 산출하는 것을 특징으로 한다.
또한, 상기 제1 기상 데이터와 제2 기상 데이터는 침수 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량 측정 센서를 통해 측정한 강수량을 의미하고, 상기 제2 기상 데이터는 수위 측정 센서를 통해 측정한 수위를 의미하며, 산사태 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량 측정 센서를 통해 측정한 강수량을 의미하고, 상기 제2 기상 데이터는 안전지역 현장에 설치한 GPS 위치 센서와 산사태 위험지역에 설치한 GPS 위치 센서 간의 벌어지는 위치 이탈 간격을 의미하며, 빌딩풍 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 빌딩풍 안전지역에 설치한 풍향풍속센서를 통해 측정한 풍속을 의미하고, 상기 제2 기상 데이터는 빌딩풍 위험지역에 설치한 풍향풍속센서를 통해 측정한 풍속을 의미하는 것을 특징으로 한다.
또한, 상기 경보장치는 통신 두절 상황에도 가동 가능하며, 소방서를 포함하는 관공서에 구조 메시지를 전송하는 비상 통신장치를 포함하는 것을 특징으로 한다.
한편, 본 발명의 다른 관점에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법은, 재난예측부에서 재난 발생 가능성이 있는 현장에 설치된 센서부로부터 재난을 예측하기 위한 기상 데이터를 수집하는 데이터 수집단계, 재난예측부에서 상기 수집한 기상데이터에 기초하여, 재난 발생 사전예측 알고리즘을 통해 짧은 시간 이후의 재난 발생을 예측하는 재난 발생 예측단계, 상기 재난예측부에서 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하면 경보부로 위험 신호를 전송하는 위험 신호 전송단계, 및 경보부에서 상기 재난예측부로부터 상기 위험 신호를 수신하면 경보장치를 가동하는 위급 경보단계를 포함한다.
또한, 상기 데이터 수집단계는 상기 재난예측부에서 기설정된 시간 간격에 따라 기설정된 수집 개수의 기상 데이터를 수집하는 것을 특징으로 한다.
또한, 상기 재난 발생 예측단계는 수집되는 제1 기상 데이터와 제2 기상 데이터를 포함하는 기상 데이터에 기초하여, 수집 구간별 기울기와 절편을 산출하고 저장하는 구간별 기울기 및 절편 산출단계와, 상기 구간별로 저장된 기울기와 절편 각각의 평균값을 산출하는 기울기 및 절편 평균값 산출단계와, 수집 구간별 상기 제1 기상 데이터의 변화값을 산출하고 저장하는 구간별 제1 기상 데이터 변화값 산출단계와, 상기 저장된 구간별 제1 기상 데이터의 변화값의 평균값을 산출하는 제1 기상 데이터 변화값 평균 산출단계와, 상기 기상 데이터 변화값의 평균값에 기초하여 n분 뒤의 예상 제1 기상 데이터값을 산출하는 예상 제1 기상 데이터값 산출단계 및, 상기 산출되는 기울기와 절편의 각각의 평균값과 상기 n분 뒤의 예상 제1 기상 데이터값에 기초한 재난 예측 방정식을 산출하여 상기 재난 예측 방정식을 통해 n분 뒤의 예상 제2 기상 데이터값을 산출하는 예상 제2 기상 데이터값 산출단계를 포함한다.
또한, 상기 제1 기상 데이터와 제2 기상 데이터는 침수 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량을 의미하고, 상기 제2 기상 데이터는 수위를 의미하며, 산사태 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량을 의미하고, 상기 제2 기상 데이터는 안전지역 현장에 설치한 GPS 위치 센서와 산사태 위험지역에 설치한 GPS 위치 센서 간의 벌어지는 위치 간격을 의미하며, 빌딩풍 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 빌딩풍 안전지역의 풍속을 의미하고, 상기 제2 기상 데이터는 빌딩풍 위험지역의 풍속을 의미하는 것을 특징으로 한다.
또한, 상기 구간별 기울기 및 절편 산출단계는, 아래 수학식 1을 통해 기울기(
Figure 112021128348957-pat00001
)를 산출하고, 아래 수학식 2를 통해 절편(
Figure 112021128348957-pat00002
)을 산출하고 저장하되,
[수학식 1]
Figure 112021128348957-pat00003
[수학식 2]
Figure 112021128348957-pat00004
상기식에서,
Figure 112021128348957-pat00005
는 기설정된 수집 개수만큼 수집한 제1 기상 데이터값,
Figure 112021128348957-pat00006
는 기설정된 수집 개수만큼 수집한 제2 기상 데이터값,
Figure 112021128348957-pat00007
는 수집한 기상 데이터 간의 구간 개수를 의미하는 것을 특징으로 한다.
또한, 상기 기울기 및 절편 평균값 산출단계는 아래 수학식 3을 통해 저장된 구간별 기울기 평균값(
Figure 112021128348957-pat00008
)을 산출하고, 아래 수학식 4를 통해 저장된 구간별 절편 평균값(
Figure 112021128348957-pat00009
)을 산출하되,
[수학식 3]
Figure 112021128348957-pat00010
[수학식 4]
Figure 112021128348957-pat00011
상기식에서,
Figure 112021128348957-pat00012
은 상기 구간별 기울기 및 절편 산출단계에서 수집한 구간별 기울기를 의미하고,
Figure 112021128348957-pat00013
는 상기 구간별 기울기 및 절편 산출단계에서 수집한 구간별 절편을 의미하는 것을 특징으로 한다.
또한, 상기 구간별 제1 기상 데이터 변화값 산출단계는 아래 수학식 5를 통해 구간별 기상 데이터 변화값(
Figure 112021128348957-pat00014
)을 산출하되,
[수학식 5]
Figure 112021128348957-pat00015
상기식에서,
Figure 112021128348957-pat00016
는 수집한 제1 기상 데이터값을 의미하는 것을 특징으로 한다.
또한, 상기 예상 제1 기상 데이터값 산출단계는 아래 수학식 6을 통해
Figure 112021128348957-pat00017
분 뒤의 예상 제1 기상 데이터값(
Figure 112021128348957-pat00018
)을 산출하되,
[수학식 6]
Figure 112021128348957-pat00019
상기식에서,
Figure 112021128348957-pat00020
는 최종 제1 기상 데이터값,
Figure 112021128348957-pat00021
는 기상 데이터 변화값의 평균값을 의미하는 것을 특징으로 한다.
또한, 상기 제2 기상 데이터값 산출단계는 아래 수학식 7을 통해
Figure 112021128348957-pat00022
분 뒤 제2 기상 데이터값(
Figure 112021128348957-pat00023
)를 산출하되,
[수학식 7]
Figure 112021128348957-pat00024
상기식에서,
Figure 112021128348957-pat00025
는 기울기 평균값,
Figure 112021128348957-pat00026
는
Figure 112021128348957-pat00027
분 뒤의 예상 제1 기상 데이터값,
Figure 112021128348957-pat00028
는 절편 평균값인 것을 특징으로 한다.
다음, 상기 위험 신호 전송단계는 상기 산출되는
Figure 112021128348957-pat00029
분 뒤의 제2 기상 데이터값(
Figure 112021128348957-pat00030
)을 위험 임계치(
Figure 112021128348957-pat00031
)와 비교하여, 상기
Figure 112021128348957-pat00032
분 뒤의 제2 기상 데이터값(
Figure 112021128348957-pat00033
)이 상기 위험 임계치(
Figure 112021128348957-pat00034
)을 초과하면 경보부로 위험 신호를 전송하는 것을 특징으로 한다.
본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법은 빅데이터 또는 인공지능과 같은 기술의 실행에 필요한 고성능의 GPU가 장치된 복잡한 PCB 설계없이 기상 데이터를 수집하는 MCU 칩에 재난 발생 사전예측 알고리즘을 설치하여 센서들로부터 수집되는 기상 데이터를 이용하여 재난 발생을 사전예측이 가능해짐으로써, 설치 비용에 있어서 대규모 투자가 필요 없으며, 비용 발생을 절감할 수 있는 효과가 있다.
본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법은 동일한 재난 발생 사전예측 알고리즘을 통해 다양한 재난 발생에 대하여 사전예측할 수 있어, 재난 상황에 맞는 센서 설치와 설정값 세팅만으로 손쉽게 설치 및 적용 가능한 효과가 있다.
본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법은 현장에 설치된 센서부를 통해 현장의 기상 데이터에 기초하여 재난 발생을 사전예측함으로써 국지별 재난 상황에 실시간 대응이 가능하며, 이전의 중앙서버에 데이터를 송수신하며 인공지능 머신러닝을 통해 재난 발생을 사전예측 방법에서 발생하던 늦장 대응의 문제점을 해결할 수 있다.
도 1은 종래의 재난 발생 사전예측 시스템을 나타낸 구성도이다.
도 2는 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템을 나타낸 구성도이다.
도 3은 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법의 전체적인 흐름을 나타낸 순서도이다.
도 4는 도 3의 재난 발생 예측단계(S200)를 설명하기 위한 순서도이다.
도 5 내지 도 7은 일례를 들어 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법을 자세히 설명하기 위한 상세순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
아래 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 내용을 상세히 설명한다. 도면에 관계없이 동일한 부재번호는 동일한 구성요소를 지칭하며, "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
비록 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도있음은 물론이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
본 명세서에서 사용되는 숏 데이터(Short data)는 비교적 짧은 시간(예:10분 ~ 30분 사이) 동안에 수집되는 데이터를 의미할 수 있으며, 이에 한정되는 것은 아니며, 빅데이터에 상반되는 의미로 적은 양의 데이터를 의미할 수 있다. 또한, 짧은 시간 동안에 수집되는 적은 양의 데이터를 의미할 수 있다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법은 MCU(Micro Controller Unit) 장치로 구성되어 상기 MCU 장치에 재난 발생 예측 알고리즘을 펌웨어 방식으로 설치하여, 현장에 설치되는 센서로부터 짧은 시간 동안의 숏 데이터(기상 데이터)를 수집하고, 수집한 숏 데이터를 통해 짧은 시간 이후의 재난 발생을 사전 예측하도록 구성됨으로써, 종래의 재난 발생 시 실시간 대응과 통신의 두절이 우려되는 상황에서 중앙서버에서 선형회귀 기법, 신경망 기법 등과 같은 인공지능 머신러닝 기법을 이용하여 재난 발생을 사전 예측하는 방안이 긴급한 상황에서 대응 시간이 헛되이 낭비될 수 있었던 문제점을 해결하는 것을 요지로 한다.
더불어, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법은 인공지능 실행에 필요한 고성능의 GPU가 장치된 복잡한 PCB 설계없이, 기존의 기상 데이터를 수집하는 MUC 장치와 동일 MCU 칩에 재난 발생 예측 알고리즘을 설치하므로 대규모 투자없이 365일 24시간 재난 발생의 사전예측이 가능하다.
하기에서, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템에 대하여 좀 더 구체적으로 설명하도록 한다.
도 2는 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템을 나타낸 구성도이다.
도 2를 참조하면, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템은, 크게, 센서부(100), 재난예측부(200) 및 경보부(300)를 포함한다.
먼저, 센서부(100)는 재난 발생 가능성이 있는 현장에 설치되어 재난을 예측하기 위한 기상 데이터를 측정한다.
이때, 상기 센서부(100)는 재난 발생 가능성이 있는 현장에 설치되되, 해당 현장에 발생이 예상되는 재난에 맞는 센서가 구비된다.
예컨대, 상기 센서부(100)는 홍수 범람, 폭우 침수, 돌풍, 산사태 등을 포함하는 긴급한 재난 발생에 대한 기상 데이터를 감지하기 위해 강수량을 측정하는 강수량 측정 센서, 수위를 측정하는 수위 측정 센서, 위치 정보를 획득하기 위한 GPS 위치 센서, 풍향 및 풍속을 측정하는 풍향풍속 센서 등이 구비될 수 있으며, 상기 센서부(100)는 긴급한 재난 발생에 대한 기상 데이터를 수집하기 위하여 둘 이상의 센서들로 구성될 수 있다.
이에 대해 일례를 들어 좀 더 구체적으로 설명하자면, 상기 센서부(100)는 침수 위험지역에 설치되는 경우, 강수량을 측정하는 강수량 측정 센서를 포함하는 제1 센서와, 수위를 측정하는 수위 측정 센서를 포함하는 제2 센서가 구비될 수 있다.
또한, 다른 일례로 상기 센서부(100)는 산사태 위험지역에 설치되는 경우, 강수량을 측정하는 강수량 측정 센서를 포함하는 제1 센서와, 안전지역에 설치되어 위치 정보를 획득하기 위한 GPS 위치 센서를 포함하는 제2 센서와, 위험지역에 설치되어 위치 정보를 획득하기 위한 GPS 위치 센서를 포함하는 제3 센서가 구비될 수 있다. 이때, 상기 센서부(100)는 각각의 센서가 위험지역과 비위험지역 각각에 설치될 수 있음은 물론이고, 센서부(100) 각각이 위험지역과 비위험지역 각각에 별도로 설치될 수 있다.
상기 각각에 별도로 설치될 수 있는 일례로, 상기 센서부(100)가 빌딩풍 위험지역에 설치되는 경우, 상기 센서부(100)는 빌딩풍 안전지역에 설치되어 풍향, 풍속을 측정하기 위한 풍향풍속 센서를 포함하는 제1 센서와, 빌딩풍 위험지역에 설치되어 풍속을 획득하기 위한 풍향풍속 센서가 구비될 수 있다.
상기와 같이, 상기 센서부(100)는 해당 현장에 발생이 예상되는 재난에 맞는 센서가 구비되어 현장에 설치된다.
다음, 재난예측부(200)는 상기 센서부(100)로부터 수집된 기상 데이터를 수신받고, 상기 기상 데이터에 기초하여 짧은 시간 이후의 재난 발생을 예측하고, 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하면 경보부(300)로 위험 신호를 전송한다. 여기서, 짧은 시간이란 예컨대, 10분에서 30분사이를 의미할 수 있으며, 이에 한정되는 것은 아니며, 이와 같이 길지 않은 시간이라는 것을 의미한다.
또한, 상기 재난예측부(200)는 자료수집의 역할도 수행하도록 구성된다. 여기서, 자료수집은 적어도 하나 이상의 센서로 구성된 상기 센서부(100)로부터 측정한 기상 데이터를 수집하는 것을 의미한다.
또한, 수집된 기상 데이터를 원하는 형태로 가공하여 후술할 스마트 예측 장치(210)로 전달한다. 상기 원하는 형태는 스마트 예측 장치(210)에서 데이터 연산을 하기 위한 데이터 형태를 의미한다.
따라서, 상기 재난예측부(200)가 자료수집과 재난 예측의 기능을 수행함에 따라 종래에 이와 같은 기능을 수행하던 자료 처리부(2)와 중앙 처리부(5)를 제외하여 시스템 구성에 있어서 비용을 절감할 수 있는 효과가 있다.
또한, 상기 재난예측부(200)는 수집할 기상 데이터의 개수와 수집 시간 간격을 재난 상황에 맞게 설정할 수 있다.
예컨대, 상기 재난예측부(200)가 수집할 기상 데이터의 개수는 숏 데이터(short data)로서, 상기 수집 시간 간격 동안 수집할 개수를 의미한다. 예를 들어, 상기 수집 시간 간격을 1분으로 설정하고, 수집할 개수를 10개로 설정한다면, 1분 간격으로 10분간 센서로부터 기상 데이터를 수집하는 것을 의미한다. 이는, 1분 간격으로 10개를 데이터를 수집하는 것을 의미한다.
상기 재난예측부(200)는 짧은 시간(예:10분, 20분) 동안 수집된 숏 데이터(short data)를 이용하여 짧은 시간(예:10분, 20분) 이후의 재난 발생을 예측하는 스마트 예측 장치(210)를 포함하여 이루어질 수 있다.
상기 스마트 예측 장치(210)는 상기 재난예측부(200)로부터 기설정된 시간 간격으로 기설정된 수집 개수만큼 수집되는 기상 데이터를 수신하여, 상기 기상 데이터에 기초하여, 재난 발생 예측 알고리즘을 통해 n분 뒤 제2 기상 데이터값을 산출하고, 산출한 제2 기상 데이터값이 위험 임계치 초과하면 경보부(300)로 위험 신호를 전송한다.
상기 임계치는 긴급한 재난 상황의 기준이 되는 위험수위, 위험풍속 등을 의미할 수 있으며, 설정을 통해 변경이 가능한 것은 물론이다.
상기 재난 발생 예측 알고리즘에 대하여 설명하자면, 먼저, 수집되는 제1 기상 데이터와 제2 기상 데이터를 포함하는 기상 데이터에 기초하여 수집 구간별 기울기와 절편을 산출하고, 상기 구간별로 산출된 기울기와 절편 각각의 평균값을 산출한다.
여기서, 상기 제1 기상 데이터와 제2 기상 데이터는 일례로 침수 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량 측정 센서를 통해 측정한 강수량을 의미하고, 상기 제2 기상 데이터는 수위 측정 센서를 통해 측정한 수위를 의미할 수 있다.
또한, 다른 일례로 상기 제1 기상 데이터와 제2 기상 데이터는 산사태 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량 측정 센서를 통해 측정한 강수량을 의미하고, 상기 제2 기상 데이터는 안전지역 현장에 설치한 GPS 위치 센서와 산사태 위험지역에 설치한 GPS 위치 센서 간의 벌어지는 위치 이탈 간격을 의미할 수 있다.
또한, 상기 제1 기상 데이터와 제2 기상 데이터는 빌딩풍 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 빌딩풍 안전지역에 설치한 풍향풍속센서를 통해 측정한 풍속을 의미하고, 상기 제2 기상 데이터는 빌딩풍 위험지역에 설치한 풍향풍속센서를 통해 측정한 풍속을 의미할 수 있으며, 이에 한정되는 것은 아니며, 다양한 재난 상황에 맞는 기상 데이터 값을 의미할 수 있다.
다음, 수집 구간별 상기 제1 기상 데이터의 변화값을 산출하고, 상기 저장된 구간별 제1 기상 데이터의 변화값의 평균값을 산출한다.
다음, 상기 기상 데이터 변화값의 평균값에 기초하여, n분 뒤의 예상 제1 기상 데이터값을 산출하고, 상기 산출되는 기울기와 절편의 각각의 평균값과 상기 n분 뒤의 예상 제1 기상 데이터값에 기초한 재난 예측 방정식을 산출하여, 상기 재난 예측 방정식을 통해 n분 뒤의 예상 제2 기상 데이터값을 산출한다.
다음, 산출된 예상 제2 기상 데이터값이 위험 임계치 초과하면 긴급한 재난 발생할 것으로 예측하도록 하며, 이에 대한 상세한 설명은 나중에 좀 더 상세히 설명하도록 한다.
다음, 경보부(300)는 상기 재난예측부(200)로부터 상기 위험 신호를 수신하면, 경보장치(310)를 가동한다.
상기 경보장치(310)는 경보 사이렌을 울리는 알람 장치를 의미할 수 있으며, 이에 한정되는 것은 아니며, 현장에 설치된 전광판에 위험 안내를 송출하기 위한 장치 등을 의미할 수 있다.
상기 경보부(300)는 둘 이상의 경보장치(310)로 이루어질 수 있음은 물론이다.
또한, 상기 경보장치(310)는 재난 발생으로 인해 통신이 두절 되었을 경우, 통신 두절 상황에서도 가동 가능한 비상 통신장치를 포함하여 이루어질 수 있다.
상기 비상 통신장치는 통신 두절 상황에서 소방서, 경찰서 등을 포함하는 관공서에 구조 메시지를 전송하도록 구성된다.
상기 비상 통신장치는 25KHz 주파수 대역에서 통신할 수 있는 무선호출(삐삐) 방식으로 통신하도록 구성되어, 현재 이동통신(2G~5G)이 두절 되더라도 비상시에 가동이 될 수 있다.
한편, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템은 도면상에 도시되진 않았지만, 디스플레이부를 더 포함하여 이루어질 수 있다.
상기 디스플레이부(미도시)는 현장에 기상 및 재난 상황을 표시할 수 있도록 설치되어, 상기 재난예측부(200)로부터 수집된 기상 데이터 및 재난 발생 예측 결과를 표시하도록 한다.
또한, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 시스템은 도면상에 도시되진 않았지만, 통신부와 중앙서버를 더 포함하여 이루어질 수 있다.
상기 통신부(미도시)는 상기 재난예측부(200)로부터 수집된 기상 데이터 및 재난 예측 결과를 포함하는 재난 데이터를 중앙서버로 송신하는 역할을 한다.
상기 중앙서버는 상기 통신부로부터 해당 현장의 기상 데이터 및 재난 예측 결과를 수신하여 데이터베이스부에 저장하고 관리하며, 별도의 모니터링부가 구비되어 관리자에 의해 다수의 현장을 모니터링하도록 구성될 수 있다.
하기에서는, 본 발명의 다른 관점에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법에 대하여 설명하도록 한다.
도 3은 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법의 전체적인 흐름을 나타낸 순서도이다.
도 3을 참조하면, 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법은, 먼저, 재난 발생 가능성이 있는 현장에 설치된 센서부(100)를 통해 재난을 예측하기 위한 기상 데이터를 측정하고, 재난예측부(200)에서 상기 센서부(100)로부터 측정한 기상 데이터를 수집하는 데이터 수집단계(S100)를 수행한다.
상기 데이터 수집단계(S100)는 센서부(100)가 재난 발생 가능성이 있는 현장에 발생이 예상되는 재난에 맞는 센서가 구비되어 해당 기상 데이터를 측정한다.
예컨대, 상기 데이터 수집단계(S100)는 침수 재난 발생을 예측하기 위해 기상 데이터를 측정하는 경우, 강수량과 수위를 포함하는 기상 데이터를 측정할 수 있으며, 이에 한정되는 것은 아니며, 이에 대해 전술한 상기 센서부(100)를 참조하도록 한다.
또한, 상기 데이터 수집단계(S100)는 기설정된 시간 간격에 따라 기설정된 수집 개수의 기상 데이터를 수집한다. 이때, 수집할 기상 데이터의 개수는 숏 데이터(short data)로서, 수집 시간 간격 동안 수집할 개수를 의미한다.
다음, 재난예측부(200)에서 상기 수집한 기상데이터에 기초하여, 재난 발생 사전예측 알고리즘을 통해 짧은 시간 이후의 재난 발생을 예측하는 재난 발생 예측단계(S200)를 수행한다.
도 4는 도 3의 재난 발생 예측단계를 설명하기 위한 순서도이다.
도 4를 참조하여, 상기 재난 발생 예측단계(S200)에 대하여 구체적으로 설명하자면, 상기 재난 발생 예측단계(S200)는, 먼저, 수집되는 제1 기상 데이터와 제2 기상 데이터를 포함하는 기상 데이터에 기초하여, 수집 구간별 기울기와 절편을 산출하고 저장하는 구간별 기울기 및 절편 산출단계(S210)를 수행한다.
여기서, 상기 제1 기상 데이터와 제2 기상 데이터는 예컨대, 침수 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량을 의미하고, 상기 제2 기상 데이터는 수위를 의미하며, 이에 한정되는 것은 아니며, 상세한 설명은 본 발명에 따른 시스템을 통해 전술한 제1 기상 데이터와 제2 기상 데이터를 참조하도록 한다.
이후, 상기 구간별로 저장된 기울기와 절편 각각의 평균값을 산출하는 기울기 및 절편 평균값 산출단계(S220)를 수행한다.
이후, 수집 구간별 상기 제1 기상 데이터의 변화값을 산출하고 저장하는 구간별 제1 기상 데이터 변화값 산출단계(S230)를 수행한다.
이후, 상기 저장된 구간별 제1 기상 데이터의 변화값의 평균값을 산출하는 제1 기상 데이터 변화값 평균 산출단계(S240)를 수행한다.
이후, 상기 기상 데이터 변화값의 평균값에 기초하여, n분 뒤의 예상 제1 기상 데이터값을 산출하는 예상 제1 기상 데이터값 산출단계(S250)를 수행한다.
이후, 상기 산출되는 기울기와 절편의 각각의 평균값과 상기 n분 뒤의 예상 제1 기상 데이터값에 기초한 재난 예측 방정식을 산출하여, 상기 재난 예측 방정식을 통해 n분 뒤의 예상 제2 기상 데이터값을 산출하는 예상 제2 기상 데이터값 산출단계(S260)를 수행한다.
다음, 상기 재난예측부(200)에서 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하면 경보부(300)로 위험 신호를 전송하는 위험 신호 전송단계(S300)를 수행한다.
다음, 상기 경보부(300)에서 상기 재난예측부(200)로부터 상기 위험 신호를 수신하면 경보장치(310)를 가동하는 위급 경보단계(S400)를 수행한다.
한편, 상기 위험 신호 전송단계(S300)에서 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하지 않으면 상기 데이터 수집단계(S100)부터 반복 수행하며, 지속적으로 재난 발생 사전예측을 수행한다.
도 5 내지 도 7은 일례를 들어 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법을 자세히 설명하기 위한 상세순서도이다.
하기에서는, 도 5 내지 도 7을 참조하여, 일례를 들어 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법에 대하여 설명하도록 한다.
먼저, 침수 위험지역이라고 가정하에, 침수 발생 가능성이 있는 현장에 설치된 센서부(100)를 통해 침수를 예측하기 위해 제1 기상 데이터인 강수량(
Figure 112021128348957-pat00035
)과 제2 기상 데이터인 수위(
Figure 112021128348957-pat00036
)를 측정하고, 재난예측부(200)에서 상기 센서부(100)로부터 침수을 예측하기 위해 이를 수집하는 데이터 수집단계(S100)를 수행한다.
상기 데이터 수집단계(S100)에서는 기설정된 수집 개수(n)만큼 강수량(
Figure 112021128348957-pat00037
)과 수위(
Figure 112021128348957-pat00038
)를 시간 간격(
Figure 112021128348957-pat00039
)으로 수신하며, 제1 기상 데이터(
Figure 112021128348957-pat00040
)와 제2 기상 데이터(
Figure 112021128348957-pat00041
)에 각각 저장한다. 여기서,
Figure 112021128348957-pat00042
는
Figure 112021128348957-pat00043
부터
Figure 112021128348957-pat00044
까지 증가되는 카운터(counter)로 수집되는 기상 데이터 개수를 의미한다.
한편, 상기 재난예측부(200)에서 수집할 기상 데이터의 개수(
Figure 112021128348957-pat00045
), 수집 시간 간격(
Figure 112021128348957-pat00046
) 및 위험 임계치(
Figure 112021128348957-pat00047
)를 재난 상황에 맞게 설정하는 기준값 설정단계(S80)를 수행할 수 있다.
또한, 상기 기준값 설정단계(S80) 이후, 카운터(counter)와 메모리(memory) 초기화하는 초기화 단계(S90)를 수행한다.
다음, 상기 데이터 수집단계(S100) 수행 이후, 상기 저장된 제1 기상 데이터(
Figure 112021128348957-pat00048
)과 제2 기상 데이터(
Figure 112021128348957-pat00049
)에 기초하여, 침수 발생을 예측하는 재난 발생 예측단계를 수행한다.
상기 재난 발생 예측단계은 먼저, 수집한 기상 데이터의 구간별 기울기 및 절편 산출단계(S210)를 수행한다.
상기 구간별 기울기 및 절편 산출단계(S210)는 상기 데이터 수집단계(S100)를 통해
Figure 112021128348957-pat00050
부터
Figure 112021128348957-pat00051
까지 증가하는 카운터(
Figure 112021128348957-pat00052
) 수만큼 수집되는 제1 기상 데이터(
Figure 112021128348957-pat00053
)와 제2 기상 데이터(
Figure 112021128348957-pat00054
)에 기초하여,
Figure 112021128348957-pat00055
번째와
Figure 112021128348957-pat00056
번째 구간의 상기 제1 기상 데이터와 상기 제2 기상 데이터로 아래 2개의 연립방정식을 산출할 수 있다.
[연립방정식 1]
Figure 112021128348957-pat00057
[연립방정식 2]
Figure 112021128348957-pat00058
따라서, 상기 구간별 기울기 및 절편 산출단계(S210)는 상기 2개의 연립방정식을 이용한 아래 수학식 1을 통해 기울기(
Figure 112021128348957-pat00059
)를 산출하고, 아래 수학식 2를 통해 절편(
Figure 112021128348957-pat00060
)을 산출하는 단계(S211)를 수행한다.
[수학식 1]
Figure 112021128348957-pat00061
[수학식 2]
Figure 112021128348957-pat00062
상기식에서,
Figure 112021128348957-pat00063
는 기설정된 수집 개수만큼 수집한 제1 기상 데이터값,
Figure 112021128348957-pat00064
는 기설정된 수집 개수만큼 수집한 제2 기상 데이터값,
Figure 112021128348957-pat00065
는 수집한 기상 데이터 간의 구간 개수를 의미한다. 참고로, 일례로 10개의 기상 데이터를 수집한 경우, 9개의 구간이 존재한다.
이후, 산출한 기울기(
Figure 112021128348957-pat00066
)와 절편(
Figure 112021128348957-pat00067
)을 구간별 기울기값(
Figure 112021128348957-pat00068
)와 구간별 절편값(
Figure 112021128348957-pat00069
)에 저장하는 단계(S212)를 수행한다.
이후, 상기 구간별 기울기 및 절편 산출단계(S210)를 수행 이후, 상기 구간별로 저장된 구간별 기울기값(
Figure 112021128348957-pat00070
)와 구간별 절편값(
Figure 112021128348957-pat00071
) 각각의 기울기 평균값(
Figure 112021128348957-pat00072
) 및 절편 평균값(
Figure 112021128348957-pat00073
)을 산출하는 상기 기울기 및 절편 평균값 산출단계(S220)를 수행한다.
상기 기울기 및 절편 평균값 산출단계(S220)는 아래 수학식 3을 통해 저장된 구간별 기울기 평균값(
Figure 112021128348957-pat00074
)을 산출하고, 아래 수학식 4를 통해 저장된 구간별 절편 평균값(
Figure 112021128348957-pat00075
)을 산출한다.
[수학식 3]
Figure 112021128348957-pat00076
[수학식 4]
Figure 112021128348957-pat00077
상기식에서,
Figure 112021128348957-pat00078
은 상기 구간별 기울기 및 절편 산출단계에서 수집한 구간별 기울기를 의미하고,
Figure 112021128348957-pat00079
는 상기 구간별 기울기 및 절편 산출단계에서 수집한 구간별 절편을 의미한다.
이후, 상기 기울기 및 절편 평균값 산출단계(S220)를 수행 후, 상기 저장된 제1 기상 데이터(
Figure 112021128348957-pat00080
)에 기초하여, 구간별 제1 기상 데이터 변화값(
Figure 112021128348957-pat00081
)을 산출하고 저장하는 구간별 제1 기상 데이터 변화값 산출단계(S230)를 수행한다. 여기서, 구간별 제1 기상 데이터 변화값(
Figure 112021128348957-pat00082
)은 구간별 강수량 증가 값을 의미할 수 있다.
상기 구간별 제1 기상 데이터 변화값 산출단계(S230)는 아래 수학식 5를 통해 구간별 제1 기상 데이터 변화값(
Figure 112021128348957-pat00083
)을 산출한다.
[수학식 5]
Figure 112021128348957-pat00084
이후, 상기 구간별 제1 기상 데이터 변화값 산출단계(S230)를 수행 후, 저장된 구간별 제1 기상 데이터의 변화값(
Figure 112021128348957-pat00085
)의 평균값(
Figure 112021128348957-pat00086
)을 산출하는 제1 기상 데이터 변화값 평균 산출단계(S240)를 수행한다. 여기서는, 저장된 구간별 강수량 증가 값의 평균값을 의미하며, 향후 예상되는 구간별 강수량 증가 값을 말한다.
다음, 상기 제1 기상 데이터 변화값의 평균값(
Figure 112021128348957-pat00087
)에 기초하여,
Figure 112021128348957-pat00088
분 뒤의 예상 제1 기상 데이터값(
Figure 112021128348957-pat00089
)을 산출하는 예상 제1 기상 데이터값 산출단계(S240)를 수행한다.
상기 예상 제1 기상 데이터값 산출단계(S240)는 아래 수학식 6을 통해
Figure 112021128348957-pat00090
분 뒤의 예상 제1 기상 데이터값(
Figure 112021128348957-pat00091
)을 산출한다.
[수학식 6]
Figure 112021128348957-pat00092
상기식에서,
Figure 112021128348957-pat00093
는 최종 제1 기상 데이터값(최종 강수량값),
Figure 112021128348957-pat00094
는 기상 데이터 변화값의 평균값(구간별 강수량 변화값의 평균값)을 의미한다.
즉, 상기 예상 제1 기상 데이터값 산출단계(S240)는
Figure 112021128348957-pat00095
분 뒤의 예상 강수량 값(
Figure 112021128348957-pat00096
)은 최종 강수량 값(
Figure 112021128348957-pat00097
)과 구간별 증대되는 평균값(
Figure 112021128348957-pat00098
)에
Figure 112021128348957-pat00099
을 곱해 산출한다.
이후, 상기 산출되는 기울기의 평균값(
Figure 112021128348957-pat00100
), 절편의 평균값(
Figure 112021128348957-pat00101
), 상기 예상 제1 기상 데이터값(
Figure 112021128348957-pat00102
)에 기초하여 산출한 재난 예측 방정식을 통해
Figure 112021128348957-pat00103
분 뒤의 제2 기상 데이터값(
Figure 112021128348957-pat00104
) 즉, 예상 수위(
Figure 112021128348957-pat00105
)를 산출하는 제2 기상 데이터값 산출단계(S260)를 수행한다.
상기 재난 예측 방정식은 아래 수학식 7을 의미하며, 아래 수학식 7을 통해
Figure 112021128348957-pat00106
분 뒤의 제2 기상 데이터값(
Figure 112021128348957-pat00107
)를 산출한다.
[수학식 7]
Figure 112021128348957-pat00108
다음, 재난예측부(200)에서 예측한 예상 수위(
Figure 112021128348957-pat00109
)가 침수 위험 상황의 기준이 되는 기설정된 위험 임계치(
Figure 112021128348957-pat00110
)를 초과하면 경보부(300)로 위험 신호를 전송하는 위험 신호 전송단계(S300)를 수행한다.
만약, 상기 위험 신호 전송단계(S300)에서 예측한 예상 수위(
Figure 112021128348957-pat00111
)가 기설정된 위험 임계치(
Figure 112021128348957-pat00112
)를 초과하지 않으면, 상기 초기화 단계(S90)부터 각 단계를 다시 수행한다.
다음, 경보부(300)에서 상기 재난예측부(200)로부터 상기 위험 신호를 수신하면 경보장치(310)를 가동하는 위급 경보단계(S400)를 수행한다.
이와 같은, 숏 데이터를 활용한 재난 발생 사전예측 방법은 재난 중 침수로 가정하여 설명하였으나, 침수가 아닌 산사태를 예측할 때도 상기 재난 발생 사전예측 알고리즘을 통해 예측이 가능하다.
이를 위해, 상기 센서부(100)는 GPS 위치 센서와 강수량 센서를 구비하고, 상기 재난예측부(200)에 원하는 수집 시간 간격(
Figure 112021128348957-pat00113
), 수집 개수(
Figure 112021128348957-pat00114
)을 설정하고, 위험 임계치(
Figure 112021128348957-pat00115
)를 설정하여 동일한 알고리즘으로 산사태 발생을 사전예측할 수 있다.
이때, 강수량(
Figure 112021128348957-pat00116
)을 제1 기상 데이터, 안전지역의 GPS 대비 산사태 위험지역 GPS의 벌어지는 위치 간격(
Figure 112021128348957-pat00117
)을 제2 기상 데이터로 하여 예측한다.
또한, 빌딩풍을 예측할 때도 상기와 같은 방법을 통해 빌딩풍 재난을 예측할 수 있다.
이를 위해, 센서를 빌딩풍 발생 예상 지역과 일반지역에 각각 설치하고, 상기 재난예측부(200)에 원하는 수집 시간 간격(
Figure 112021128348957-pat00118
), 수집 개수(
Figure 112021128348957-pat00119
)을 설정하고, 위험 임계치(
Figure 112021128348957-pat00120
)를 설정하여, 일반지역의 풍속(
Figure 112021128348957-pat00121
)을 제1 기상 데이터, 빌딩풍 발생 예상 지역의 풍속(
Figure 112021128348957-pat00122
)을 제2 기상 데이터로 하여 예측한다.
상술한 바와 같이 본 발명에 따른 숏 데이터를 활용한 재난 발생 사전예측 방법은 다양한 재난 상황에 적용 가능하다.
이상과 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해되어야 한다.
100: 센서부
200: 재난예측부
210: 스마트 예측 장치
300: 경보부
310: 경보장치

Claims (14)

  1. 재난 발생 가능성이 있는 현장에 설치되어 재난을 예측하기 위한 기상 데이터를 측정하는 센서부;
    상기 센서부로부터 측정한 기상 데이터를 수집하고, 상기 기상 데이터에 기초하여 짧은 시간 이후의 재난 발생을 예측하고, 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하면 경보부로 위험 신호를 전송하는 재난예측부; 및
    상기 재난예측부로부터 상기 위험 신호를 수신하면, 경보장치를 가동하는 경보부;를 포함하되,
    상기 재난예측부는, 상기 센서부를 통해 측정한 기상 데이터를 기설정된 시간 간격으로 기설정된 수집 개수만큼 수집하고, 수집한 기상 데이터에 기초하여 재난 발생 예측 알고리즘을 통해 n분 뒤의 예상 기상 데이터값을 산출하고, 산출한 예상 기상 데이터값이 위험 임계치 초과하면 경보부로 위험 신호를 전송하는 스마트 예측 장치를 포함하며,
    상기 재난 발생 예측 알고리즘은, 수집되는 제1 기상 데이터와 제2 기상 데이터를 포함하는 기상 데이터에 기초하여 수집 구간별 기울기와 절편을 산출하고, 상기 구간별로 산출된 기울기와 절편 각각의 평균값을 산출하고, 수집 구간별 상기 제1 기상 데이터의 변화값을 산출하고, 상기 저장된 구간별 제1 기상 데이터의 변화값의 평균값을 산출하고, 상기 기상 데이터 변화값의 평균값에 기초하여 n분 뒤의 예상 제1 기상 데이터값을 산출하고, 상기 산출되는 기울기와 절편의 각각의 평균값과 상기 n분 뒤의 예상 제1 기상 데이터값에 기초한 재난 예측 방정식을 산출하여 상기 재난 예측 방정식을 통해 n분 뒤의 예상 제2 기상 데이터값을 산출하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 제1 기상 데이터와 제2 기상 데이터는,
    침수 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량 측정 센서를 통해 측정한 강수량을 의미하고, 상기 제2 기상 데이터는 수위 측정 센서를 통해 측정한 수위를 의미하며,
    산사태 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량 측정 센서를 통해 측정한 강수량을 의미하고, 상기 제2 기상 데이터는 안전지역 현장에 설치한 GPS 위치 센서와 산사태 위험지역에 설치한 GPS 위치 센서 간의 벌어지는 위치 이탈 간격을 의미하며,
    빌딩풍 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 빌딩풍 안전지역에 설치한 풍향풍속센서를 통해 측정한 풍속을 의미하고, 상기 제2 기상 데이터는 빌딩풍 위험지역에 설치한 풍향풍속센서를 통해 측정한 풍속을 의미하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 시스템.
  5. 제1항에 있어서,
    상기 경보장치는,
    통신 두절 상황에도 가동 가능하며, 소방서를 포함하는 관공서에 구조 메시지를 전송하는 비상 통신장치를 포함하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 시스템.
  6. 재난예측부에서 재난 발생 가능성이 있는 현장에 설치된 센서부로부터 재난을 예측하기 위한 기상 데이터를 수집하는 데이터 수집단계;
    재난예측부에서 상기 수집한 기상데이터에 기초하여, 재난 발생 사전예측 알고리즘을 통해 짧은 시간 이후의 재난 발생을 예측하는 재난 발생 예측단계;
    상기 재난예측부에서 예측한 결과값이 재난 상황의 기준이 되는 기설정된 위험 임계치를 초과하면 경보부로 위험 신호를 전송하는 위험 신호 전송단계; 및
    경보부에서 상기 재난예측부로부터 상기 위험 신호를 수신하면 경보장치를 가동하는 위급 경보단계;를 포함하되,
    상기 재난 발생 예측단계는, 수집되는 제1 기상 데이터와 제2 기상 데이터를 포함하는 기상 데이터에 기초하여 수집 구간별 기울기와 절편을 산출하고 저장하는 구간별 기울기 및 절편 산출단계와, 상기 구간별로 저장된 기울기와 절편 각각의 평균값을 산출하는 기울기 및 절편 평균값 산출단계와, 수집 구간별 상기 제1 기상 데이터의 변화값을 산출하고 저장하는 구간별 제1 기상 데이터 변화값 산출단계와, 상기 저장된 구간별 제1 기상 데이터의 변화값의 평균값을 산출하는 제1 기상 데이터 변화값 평균 산출단계와, 상기 기상 데이터 변화값의 평균값에 기초하여 n분 뒤의 예상 제1 기상 데이터값을 산출하는 예상 제1 기상 데이터값 산출단계 및 상기 산출되는 기울기와 절편의 각각의 평균값과 상기 n분 뒤의 예상 제1 기상 데이터값에 기초한 재난 예측 방정식을 산출하여 상기 재난 예측 방정식을 통해 n분 뒤의 예상 제2 기상 데이터값을 산출하는 예상 제2 기상 데이터값 산출단계를 포함하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
  7. 제6항에 있어서,
    상기 데이터 수집단계는,
    상기 재난예측부가 기설정된 시간 간격에 따라 기설정된 수집 개수의 기상 데이터를 수집하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
  8. 삭제
  9. 제6항에 있어서,
    상기 제1 기상 데이터와 제2 기상 데이터는,
    침수 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량을 의미하고, 상기 제2 기상 데이터는 수위를 의미하며,
    산사태 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 강수량을 의미하고, 상기 제2 기상 데이터는 안전지역 현장에 설치한 GPS 위치 센서와 산사태 위험지역에 설치한 GPS 위치 센서 간의 벌어지는 위치 간격을 의미하며,
    빌딩풍 재난 발생을 예측하는 경우, 상기 제1 기상 데이터는 빌딩풍 안전지역의 풍속을 의미하고, 상기 제2 기상 데이터는 빌딩풍 위험지역의 풍속을 의미하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
  10. 제6항에 있어서,
    상기 구간별 기울기 및 절편 산출단계는,
    아래 수학식 1을 통해 기울기(
    Figure 112022500940679-pat00123
    )를 산출하고, 아래 수학식 2를 통해 절편(
    Figure 112022500940679-pat00124
    )을 산출하고 저장하되,
    [수학식 1]
    Figure 112022500940679-pat00125

    [수학식 2]
    Figure 112022500940679-pat00126

    상기식에서,
    Figure 112022500940679-pat00127
    는 기설정된 수집 개수만큼 수집한 제1 기상 데이터값,
    Figure 112022500940679-pat00128
    는 기설정된 수집 개수만큼 수집한 제2 기상 데이터값,
    Figure 112022500940679-pat00129
    는 수집한 기상 데이터 간의 구간 개수를 의미하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
  11. 제6항에 있어서,
    상기 기울기 및 절편 평균값 산출단계는,
    아래 수학식 3을 통해 저장된 구간별 기울기 평균값(
    Figure 112022500940679-pat00130
    )을 산출하고, 아래 수학식 4를 통해 저장된 구간별 절편 평균값(
    Figure 112022500940679-pat00131
    )을 산출하되,
    [수학식 3]
    Figure 112022500940679-pat00132

    [수학식 4]
    Figure 112022500940679-pat00133

    상기식에서,
    Figure 112022500940679-pat00134
    은 상기 구간별 기울기 및 절편 산출단계에서 수집한 구간별 기울기를 의미하고,
    Figure 112022500940679-pat00135
    는 상기 구간별 기울기 및 절편 산출단계에서 수집한 구간별 절편을 의미하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
  12. 제6항에 있어서,
    상기 구간별 제1 기상 데이터 변화값 산출단계는,
    아래 수학식 5를 통해 구간별 기상 데이터 변화값(
    Figure 112022500940679-pat00136
    )을 산출하되,
    [수학식 5]
    Figure 112022500940679-pat00137

    상기식에서,
    Figure 112022500940679-pat00138
    는 수집한 제1 기상 데이터값,
    Figure 112022500940679-pat00139
    는 수집한 제1 기상 데이터 간의 구간 개수를 의미하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
  13. 제6항에 있어서,
    상기 예상 제1 기상 데이터값 산출단계는,
    아래 수학식 6을 통해
    Figure 112022500940679-pat00140
    분 뒤의 예상 제1 기상 데이터값(
    Figure 112022500940679-pat00141
    )을 산출하되,
    [수학식 6]
    Figure 112022500940679-pat00142

    상기식에서,
    Figure 112022500940679-pat00143
    는 최종 제1 기상 데이터값,
    Figure 112022500940679-pat00144
    는 기상 데이터 변화값의 평균값을 의미하는 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
  14. 제6항에 있어서,
    상기 제2 기상 데이터값 산출단계는,
    아래 수학식 7을 통해
    Figure 112022500940679-pat00145
    분 뒤 제2 기상 데이터값(
    Figure 112022500940679-pat00146
    )를 산출하되,
    [수학식 7]
    Figure 112022500940679-pat00147

    상기식에서,
    Figure 112022500940679-pat00148
    는 기울기 평균값,
    Figure 112022500940679-pat00149
    는
    Figure 112022500940679-pat00150
    분 뒤의 예상 제1 기상 데이터값,
    Figure 112022500940679-pat00151
    는 절편 평균값인 것을 특징으로 하는 숏 데이터를 활용한 재난 발생 사전예측 방법.
KR1020210152134A 2021-11-08 2021-11-08 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법 KR102393039B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210152134A KR102393039B1 (ko) 2021-11-08 2021-11-08 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210152134A KR102393039B1 (ko) 2021-11-08 2021-11-08 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR102393039B1 true KR102393039B1 (ko) 2022-05-02

Family

ID=81593126

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210152134A KR102393039B1 (ko) 2021-11-08 2021-11-08 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102393039B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115079626A (zh) * 2022-07-21 2022-09-20 东方电气风电股份有限公司 一种风力发电机组部件潜在运行风险的预警方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280204A (ja) * 2003-03-12 2004-10-07 Kokusai Kogyo Co Ltd 斜面崩壊予測システム
KR100766751B1 (ko) * 2007-07-12 2007-10-15 (주)화진티엔아이 실시간 원격 전력 관리 기능이 구비된 수위/강우 관측 장치
KR101298069B1 (ko) * 2012-10-16 2013-09-02 선진테크 주식회사 자동 수위관측을 통한 재난 경보 장치
JP5451887B2 (ja) * 2010-08-24 2014-03-26 Ｎｅｃディスプレイソリューションズ株式会社 プロジェクタおよびフィルタの交換時期予測方法
KR101732819B1 (ko) 2015-12-07 2017-05-08 이동규 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법
KR102015531B1 (ko) * 2019-03-25 2019-08-28 한국토코넷(주) 홍수 예측 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280204A (ja) * 2003-03-12 2004-10-07 Kokusai Kogyo Co Ltd 斜面崩壊予測システム
KR100766751B1 (ko) * 2007-07-12 2007-10-15 (주)화진티엔아이 실시간 원격 전력 관리 기능이 구비된 수위/강우 관측 장치
JP5451887B2 (ja) * 2010-08-24 2014-03-26 Ｎｅｃディスプレイソリューションズ株式会社 プロジェクタおよびフィルタの交換時期予測方法
KR101298069B1 (ko) * 2012-10-16 2013-09-02 선진테크 주식회사 자동 수위관측을 통한 재난 경보 장치
KR101732819B1 (ko) 2015-12-07 2017-05-08 이동규 빅데이터 기반 재난 예측 및 감지 플랫폼 시스템과 그 방법
KR102015531B1 (ko) * 2019-03-25 2019-08-28 한국토코넷(주) 홍수 예측 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115079626A (zh) * 2022-07-21 2022-09-20 东方电气风电股份有限公司 一种风力发电机组部件潜在运行风险的预警方法及系统
CN115079626B (zh) * 2022-07-21 2022-11-22 东方电气风电股份有限公司 一种风力发电机组部件潜在运行风险的预警方法及系统

Similar Documents

Publication Publication Date Title
US20120047083A1 (en) Fire Situation Awareness And Evacuation Support
KR101719320B1 (ko) 재난 예방용 영상 수위 감시 시스템
KR101445045B1 (ko) 통합관제센터의 통합관제서비스를 이용한 수위경고 시스템 및 방법
CN102842211B (zh) 一种基于图像识别的输电线路防外力监控预警系统及方法
CN105868845A (zh) 风险预警方法和装置
KR102393039B1 (ko) 숏 데이터를 활용한 재난 발생 사전예측 시스템 및 그 방법
US20110084830A1 (en) Active emergency control system based on real time location system and sensor network
CN105003828A (zh) 一种基于移动平台的排水在线监测预警方法及系统
JP2014178843A (ja) 道路管理支援方法、道路管理支援装置、及び道路管理支援プログラム
CN208384826U (zh) 基于远程感应原理的交通安全报警装置
CN112288320A (zh) 一种地铁运行风险监控和管理系统
CN113271435A (zh) 一种智慧城市安全监控系统
CN113701802B (zh) 管道系统的异常监测方法和异常监测系统
KR20230005642A (ko) 도심지 침수 시민지원 서비스 제공 시스템
JP2018204240A (ja) 雨水監視制御システム
CN116895134A (zh) 一种基于5g技术的水电站下游水位突涨预警方法及系统
CN114708701B (zh) 一种基于智能井盖的出行安全信息监测方法及系统
CN115826483A (zh) 一种基于物联网的智慧消防安全决策方法及系统
KR20040090044A (ko) 자동기상관측을 통한 재난 경보 및 생활정보 제공 시스템
CN115860415A (zh) 一种油气输送管道事故应急辅助模型
Panganiban Rainfall measurement and flood warning systems: A review
KR20080097087A (ko) 중소규모 하천의 교량에 대한 인명방재 시스템 및 이를이용한 인명방재방법
CN113803105A (zh) 一种城市隧道应急逃生智慧保障系统及方法
Khan et al. Flood monitoring and warning system: Het-Sens a proposed model
CN114419551A (zh) 通道监控方法、装置、设备以及存储介质

Legal Events

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