KR102401351B1 - 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치 - Google Patents

데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치 Download PDF

Info

Publication number
KR102401351B1
KR102401351B1 KR1020160006788A KR20160006788A KR102401351B1 KR 102401351 B1 KR102401351 B1 KR 102401351B1 KR 1020160006788 A KR1020160006788 A KR 1020160006788A KR 20160006788 A KR20160006788 A KR 20160006788A KR 102401351 B1 KR102401351 B1 KR 102401351B1
Authority
KR
South Korea
Prior art keywords
event
time
event data
data
specific
Prior art date
Application number
KR1020160006788A
Other languages
English (en)
Other versions
KR20170087151A (ko
Inventor
김윤혁
이성우
한진환
배시완
Original Assignee
삼성에스디에스 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 삼성에스디에스 주식회사 filed Critical 삼성에스디에스 주식회사
Priority to KR1020160006788A priority Critical patent/KR102401351B1/ko
Publication of KR20170087151A publication Critical patent/KR20170087151A/ko
Application granted granted Critical
Publication of KR102401351B1 publication Critical patent/KR102401351B1/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
    • 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
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • 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
    • 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
    • G06Q50/265—Personal security, identity or safety
    • 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
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Ecology (AREA)
  • Computer Security & Cryptography (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Operations Research (AREA)
  • Environmental Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 태양에 따른 이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법은 이벤트 생존 여부 예측 장치가, 이벤트 데이터를 수집하는 단계와 상기 이벤트 생존 여부 예측 장치가, 상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 단계와 상기 이벤트 생존 여부 예측 장치가, 상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 단계 및 상기 이벤트 생존 여부 예측 장치가, 상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트인 경우에, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계를 포함할 수 있다.

Description

데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치 {Method and apparatus for estimating event life time using data gathering}
본 발명은 데이터 수집을 이용하여 이벤트의 생존 여부를 예측하는 방법 및 그 장치에 관한 것이다. 보다 자세하게는 이벤트에 관한 데이터를 지속적으로 수집하여, 이벤트의 종료 시점을 예측하는 방법 및 그 방법을 수행하는 장치에 관한 것이다.
일상에서 발생하는 여러 이벤트 중에는 시간 속성을 가진 이벤트가 있다. 즉 발생 > 성장 > 소멸의 단계를 거치면서 일정한 시간 동안 주변 환경에 영향을 미치다가 사라지는 이벤트가 있다. 예를 들면, 태풍이나 가뭄, 홍수, 지진, 화산 폭발, 해일과 같은 재난, 재해, 사고 등으로 인한 피해는 특정 시점의 일시적인 문제가 아닌 특정 기간의 지속적인 문제이다.
이러한 유형의 이벤트에 관한 데이터를 실시간으로 수집하여 활용하고자 할 때는 이벤트의 시작 시점과 종료 시점이 매우 중요하다. 하지만, 대부분의 경우에 시작 시점은 정확하게 파악할 수 있으나 종료 시점은 정확하게 파악이 어렵다. 이는 이벤트의 발생에는 사람들이 관심을 가져도 종료에는 관심이 없기 때문이다.
예를 들면 지진이 발생하면 관련 뉴스나 지질학적 정보를 통해 발생 지점, 발생 시점, 발생 강도와 같은 정보는 비교적 정확하게 얻을 수 있다. 그러나 종료 시점과 관련된 정보는 기사화 되는 경우가 적기 때문에 종료 시점을 파악하기가 어려울 수 있다. 물론 지진의 경우에는 지질학적 정보를 통해 여진 등을 감안하여 종료 시점을 파악할 수도 있다.
그러나, 화재나 교통사고 등과 같은 경우에는 발생은 기사화가 되더라도 소멸은 기사화가 잘 되지 않기 때문에 정확한 종료 시점의 파악이 어렵다. 이처럼 이벤트의 유형에 따라 종료 시점을 정확하게 파악하기 어려운 경우가 많다. 종료 시점을 정확히 파악할 수 없는 이벤트의 경우, 시간 정보가 매우 중요함에도 이를 알 수가 없어 이벤트와 관련된 이벤트 데이터의 활용도가 떨어지는 경우가 많다.
이에 이벤트 데이터를 실시간으로 수집하여 활용할 때 종료 시점에 관한 정보가 없더라도, 이벤트의 종료 시점을 예측하여 관련된 데이터를 정확하게 분석할 수 있는 방법이 필요하다.
대한민국 공개특허 공보 2011-0128902 (공개일 2011.11.30)
본 발명이 해결하고자 하는 기술적 과제는 데이터 수집을 이용하여 이벤트의 생존 여부를 예측하는 방법 및 그 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 태양에 따른 이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법은 이벤트 생존 여부 예측 장치가, 이벤트 데이터를 수집하는 단계와 상기 이벤트 생존 여부 예측 장치가, 상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 단계와 상기 이벤트 생존 여부 예측 장치가, 상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 단계 및 상기 이벤트 생존 여부 예측 장치가, 상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트인 경우에, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계를 포함할 수 있다.
일 실시예에서, 상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 단계는, 상기 이벤트 데이터의 텍스트를 분석하여 상기 특정 이벤트의 유형, 발생 위치, 발생 시간을 추출하는 단계를 포함할 수 있다.
다른 실시예에서, 상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 단계는, 상기 특정 이벤트의 유형, 발생 위치, 발생 시간과 상기 제1 이벤트의 유형, 발생 위치, 발생 시간을 비교하는 단계를 포함할 수 있다.
또 다른 실시예에서, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계는, 상기 특정 이벤트의 예측 수명보다는 작은 시간을 상기 이벤트 데이터의 유효 시간으로 설정하는 단계 및 상기 이벤트 데이터의 수집 시점 이후로 상기 이벤트 데이터의 유효 시간이 경과하기 전까지는, 상기 제1 이벤트와 관련된 다른 이벤트 데이터가 수집되어도 상기 제1 이벤트의 예상 종료 시점을 더 이상 연장하지 않는 단계를 포함할 수 있다.
또 다른 실시예에서, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계는, 상기 특정 이벤트의 등급이 제1 등급일 때는 상기 특정 이벤트의 제1 예측 수명을 더하고, 상기 특정 이벤트의 등급이 상기 제1 등급보다는 낮은 제2 등급일 때는 상기 특정 이벤트의 제1 예측 수명보다는 짧은 제2 예측 수명을 더하는 단계를 포함할 수 있다.
또 다른 실시예에서, 상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트가 아닌 경우에, 상기 특정 이벤트를 제2 이벤트로 등록하는 단계 및 상기 제2 이벤트의 발생 시점을 상기 이벤트 데이터의 수집 시점으로 설정하고, 상기 제2 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 설정하는 단계를 더 포함할 수 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 다른 태양에 따른 이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 장치는 네트워크 인터페이스와 하나 이상의 프로세서와 상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리 및 이벤트 데이터를 저장하는 스토리지를 포함하되, 상기 컴퓨터 프로그램은, 상기 이벤트 데이터를 수집하는 오퍼레이션과 상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 오퍼레이션과 상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 오퍼레이션 및 상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트인 경우에, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 갱신하는 오퍼레이션을 포함할 수 있다.
일 실시예에서, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 갱신하는 오퍼레이션은, 상기 특정 이벤트의 예측 수명보다는 작은 시간을 상기 이벤트 데이터의 유효 시간으로 설정하는 오퍼레이션 및 상기 이벤트 데이터의 수집 시점 이후로 상기 이벤트 데이터의 유효 시간이 경과하기 전까지는, 상기 제1 이벤트와 관련된 다른 이벤트 데이터가 수집되어도 상기 제1 이벤트의 예상 종료 시점을 갱신하지 않는 오퍼레이션을 포함할 수 있다.
다른 실시예에서, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 갱신하는 오퍼레이션은, 상기 특정 이벤트의 등급이 제1 등급일 때는 상기 특정 이벤트의 제1 예측 수명을 더하고, 상기 특정 이벤트의 등급이 상기 제1 등급보다는 낮은 제2 등급일 때는 상기 특정 이벤트의 제1 예측 수명보다는 짧은 제2 예측 수명을 더하는 오퍼레이션을 포함할 수 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 또 다른 태양에 따른 컴퓨터 프로그램은, 컴퓨팅 장치와 결합하여, 상기 컴퓨팅 장치가, 이벤트 데이터를 수집하는 단계와 상기 컴퓨팅 장치가, 상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 단계와 상기 컴퓨팅 장치가, 상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 단계 및 상기 컴퓨팅 장치가, 상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트인 경우에, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계를 실행시키기 위하여 기록 매체에 저장된, 컴퓨터 프로그램이다.
상기와 같은 본 발명에 따르면, 수명 시간 갱신(life time extension)이라는 개념을 이용하여 이벤트의 시작 시점과 종료 시점을 지속적으로 동적 예측할 수 있다. 이를 통해 이벤트 데이터를 분석하여 활용할 때 시작 시점과 종료 시점에 관한 시간 정보를 활용할 수 있다.
또한, 이벤트의 수명 시간을 지속적으로 동적 갱신하기 때문에 발생할 수 있는 부하를 유효 시간(valid time)이라는 개념을 이용하여 줄일 수 있다. 이를 통해 추가적인 자원 소모를 줄이면서 이벤트 데이터를 분석할 수 있다. 뿐만 아니라, 이벤트의 등급에 따라 수명 시간이나 유효 시간을 달리 적용하여 보다 정확한 예측이 가능하다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.
도 1a 내지 도 1b는 이벤트의 생존 여부의 예측이 중요한 이유를 설명하기 위한 예시도이다.
도 2는 종래의 이벤트의 생존 여부를 예측하는 방법을 설명하기 위한 예시도이다.
도 3은 본 발명의 일 실시예에 따른 데이터 수집을 이용하여 이벤트의 생존 여부를 예측하는 방법을 설명하기 위한 예시도이다.
도 4는 본 발명의 일 실시예에서 사용되는 이벤트 데이터의 유효 시간에 대해 설명하기 위한 예시도이다.
도 5a 내지 5b는 본 발명의 일 실시예에서 사용되는 이벤트의 등급에 대해서 설명하기 위한 예시도이다.
도 6은 본 발명의 일 실시예에서 이벤트 등급에 따라 이벤트 데이터의 유효 시간을 다르게 적용하는 방법을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 데이터 수집을 이용하여 이벤트의 생존 여부를 예측하는 방법의 순서도이다.
도 8a 내지 8b는 본 발명의 일 실시예에 따른 데이터 수집을 이용한 이벤트의 생존 여부를 예측하는 방법을 설명하기 위한 예시도이며, 도 8c는 해당 방법의 알고리즘을 구현한 의사 코드(pseudo-code)이다.
도 9는 본 발명의 일 실시예에 따른 데이터 수집을 이용한 이벤트의 생존 여부를 예측하는 방법을 실제로 적용한 경우를 설명하기 위한 예시도이다.
도 10은 본 발명의 일 실시예에 따른 데이터 수집을 이용한 이벤트의 생존 여부를 예측하는 장치의 하드웨어 구성도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 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. 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 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
이하, 본 발명에 대하여 첨부된 도면에 따라 보다 상세히 설명한다.
도 1a 내지 도 1b는 이벤트 생존 여부의 예측이 중요한 이유를 설명하기 위한 예시도이다.
도 1a에는 이벤트를 고려한 네비게이션(navigation)이 예시되어 있다. 종래의 네비게이션이 단순히 지도와 경로 정보만을 가지고 출발 지점부터 도착 지점까지의 경로를 안내했다면, 최근에는 교통 상황을 고려해서 경로를 안내하는 네비게이션이 등장하고 있다.
도 1a을 참고하여, 출발 지점인 A 지점부터 도착 지점인 B 지점까지 경로를 안내한다고 가정해보자. 도로 1은 A 지점부터 B 지점까지의 최단 경로이며 그 폭도 넓은 도로이다. 즉 도로 1은 4차선이나 8차선으로 큰 도로이고 거리도 짧으므로, 평소에는 A 지점부터 B 지점까지 경로를 안내할 때 도로 1을 통해서 안내하게 된다.
만약에 네비게이션에 도로 상황을 반영하여 경로를 안내하는 기능이 추가되었다고 가정해보자. 예를 들면, 교통 정보와 관련된 뉴스를 수집하여 텍스트 분석(text mining)을 통해 도로명을 추출하고 사고와 관련된 정보가 포함되어 있으면 해당 경로를 우회하는 식으로 경로를 안내할 수 있다.
만약 도로 1에서 사고가 발생하여 길이 정체 중이라면, 도로 1보다는 거리도 멀고 도로 폭도 좁은 도로 2를 통해 경로를 안내할 수도 있다. 문제는 뉴스 등을 통해 이벤트 데이터를 수집하여 사고의 발생 시점을 알 수 있으나, 사고의 종료 시점은 정확히 파악이 어렵다는 점이다.
도로 1에서 발생한 사고가 종료되었는지 여부에 따라 도로 2로 안내하던 경로를 도로 1로 안내할 수도 있기 때문에, 이벤트의 종료 시점은 매우 중요하다. 그러나 뉴스 등을 분석해서 발생 시점을 정확히 파악할 수는 있어도, 종료 시점을 정확히 파악하기란 매우 어렵다.
종래에는 이런 경우에 사전에 설정된 시간을 기준으로 종료 시점을 예측했다. 예를 들면, 교통 사고의 경우 평균적으로 6시간 정도의 시간이 지나야 정체가 풀린다는 통계 정보를 바탕으로 발생 시점으로부터 6시간이 지난 시점을 종료 시점으로 예측하는 것이다.
이처럼 사전에 설정된 시간을 기준으로 종료 시점을 예측하게 되면, 일반적인 이벤트의 경우에는 큰 문제가 없다. 하지만, 특이한 이벤트의 경우(abnormal event case)에는 실제 종료가 되었음에도 종료로 처리가 되지 않거나, 반대로 실제로 아직 종료되지 않고 지속중인데도 종료로 처리하는 경우가 발생하기도 한다.
즉, 정적으로 고정된 시간을 기준으로 종료 시점을 예측하게 되면 오차로 인해 부작용이 발생할 수 있다. 도 1의 예에서 사고가 처리되기까지 소모되는 시간을 6시간으로 사전에 설정하고 종료 시점을 예측하였는데, 6시간이 넘어서도 사고가 처리되지 않는 경우에는 종료 시점을 잘못 예측함으로써, 아직 사고가 처리 중인 도로 1으로 경로를 잘 못 안내할 수도 있다.
도 1b를 참고하면, A 지역(서울)에서 B 지역(베이징)까지 물류를 수송하는 과정을 볼 수 있다. 일반적으로 서울에서 베이징까지 물류를 수송하기 위해서는 인천항에서 선적을 하고 텐진항에서 하적을 한다. 텐진항에서부터는 육로를 통해 중국 각지로 물류를 수송한다. 즉 인천항에서 텐진항까지는 수상(실선)으로 물류를 수송하고, 텐진항에서 베이징까지는 육상(띠선)으로 물류를 수송한다.
이렇게 텐진항을 통해서 물류를 수송하다가, 텐진항에서 역대 규모의 폭발 사고가 발생하는 경우, 텐진항의 정상화 시점이 매우 중요해질 수 있다. 텐진항이 정상화되기 전까지는 인근의 칭다오항이나 다른 항구를 통해서 물류를 수송해야하기 때문이다. 특히, 국가간의 물류 수송의 경우 그 기간이나 규모의 측면에서 이벤트의 종료 시점을 정확하게 예측할수록 많은 비용과 시간을 절약할 수 있다.
예를 들어, 중앙일보의 http://news.joins.com/article/18498517 뉴스를 참고하면, "텐진항 폭발 현대기아차, 中수입 황푸항 일원화"와 같은 기사를 통해 텐진항의 폭발 사고로 대체 항구를 물색하고 결정하는 과정을 볼 수 있다. 여기서, 다시 텐진항이 정상화 된다면 대체 항구로 수송하던 물류를 텐진항을 통해서 수송해야 할 것이므로, 폭발 사고 이벤트가 종료되는 시점을 정확하게 예측하는 것이 매우 중요함을 알 수 있다.
도 2는 종래의 이벤트의 생존 여부를 예측하는 방법을 설명하기 위한 예시도이다.
도 2를 참고하면, 시간의 흐름에 따라 t1의 시점에 이벤트 데이터 1이 수집되었고, t2의 시점에 이벤트 데이터 2가 수집되었고, tn의 시점에 이벤트 데이터 n이 수집된 것을 볼 수 있다. 모든 이벤트 데이터가 수집 완료된 후, 과거에 발생했던 이벤트의 종료 시점을 측정하는 것은 그리 어려운 일이 아니다.
하지만 이벤트 데이터를 실시간으로 수집하고 있는 상황에서 이벤트의 생존 여부 즉 이벤트의 종료 시점을 시시각각 확인하는 것은 부정확할 수밖에 없다. 이하 이해의 편의를 돕기 위해 이벤트 데이터 1부터 이벤트 데이터 n은 모두 동일한 어느 특정 이벤트와 관련된 이벤트 데이터로 가정한다.
종래에는 이렇게 이벤트 데이터가 수집되면, 최초로 수집된 시점으로부터 일정 시간을 이벤트의 지속 시간 내지 이벤트의 수명 시간으로 예측을 하였다. 이렇게 이벤트의 수명을 예측하여 texpect 시점에 이벤트가 종료된 것으로 예측(띠선)하였는데, 실제로 이벤트는 tend 시점에 종료(실선)가 될 수 있다.
이 때에는 tend-texpect 만큼의 예측 오차가 발생하게 된다. 이는 이벤트 데이터가 t1의 시점에도, t2의 시점에도 수집이 되었지만, 이벤트의 수명을 예측할 때는 t1의 시점만 고려하였기 때문이다. 만약 t2의 시점도 고려하여 이벤트의 수명을 예측한다면, 보다 더 정확하게 이벤트의 수명을 예측할 수 있을 것이다.
도 3은 본 발명의 일 실시예에 따른 데이터 수집을 이용하여 이벤트의 생존 여부를 예측하는 방법을 설명하기 위한 예시도이다.
도 3을 참고하면 도 2와 유사하게, t1의 시점에 이벤트 데이터 1이 수집되었고, t2의 시점에 이벤트 데이터 2가 수집된 것을 볼 수 있다. 이 때, 최초로 이벤트 데이터가 수집된 t1의 시점으로부터 일정 시간이 흐른 texpect1의 시점까지를 해당 이벤트의 수명으로 예측(띠선)하는 것은 도 2의 경우와 동일하다.
하지만 본 발명의 일 실시예에서는 아직 t1의 시점으로부터 예측한 이벤트의 예측 수명이 종료되기 전에, 즉 texpect1의 시점 전에 새로운 이벤트 데이터가 t2의 시점에 수집되면 종전에 texpect1의 시점으로 예측했던 이벤트의 예측 수명을 갱신할 수 있다.
도 3를 참고하면 t1의 시점으로부터 texpect1의 시점 사이에 이벤트 데이터 2가 t2의 시점에 수집되면 이벤트 데이터 2의 수집 시점인 t2의 시점으로부터 일정 시간이 흐른 시점인 texpect2의 시점을 이벤트의 종료 시점으로 갱신할 수 있다.
즉, 이벤트의 최종 수명은 t1의 시점을 발생 시점으로 texpect2의 시점을 종료 시점으로 하여 갱신이 된다. 이를 통해 사전에 고정된 시간을 이벤트의 수명으로 설정하고 이벤트의 수명을 예측함으로써 발생할 수 있는 예측 오차를 줄일 수 있다. 이하, 이벤트의 수명을 [tstart, tend]와 같이 []와 함께 표시하기로 한다. 도 2 내지 도 3의 경우를 표로 정리하면 다음과 같이 표 1과 표 2로 나타낼 수 있다.
시점 이벤트의 예측 수명 비고
t1 [t1, texpect] texpect = t1 + life time
t2 [t1, texpect] 갱신X
시점 이벤트의 예측 수명 비고
t1 [t1, texpect1] texpect1 = t1 + life time
t2 [t1, texpect2] texpect2 = t2 + life time, 갱신O
본 발명의 기술적 특징은 지속적으로 수집되는 이벤트 데이터를 반영하여 이벤트의 예측 수명을 갱신(extension)함으로써, 이벤트의 종료 시점을 보다 더 정확하게 예측하는 것에 있다. 특히, 이벤트와 관련된 데이터를 지속적으로 수집할 수 있는 환경에서는 그 정확도를 더욱 높일 수 있다. 이를 통해 종료 시점이 불확실하거나 종료 시점과 관련된 시그널(signal)을 받을 수 없는 경우에도 효과적으로 이벤트의 종료 시점을 예측할 수 있다.
종래에는 이런 경우에 사전에 임의로 설정된 또는 통계 정보를 반영하여 설정된 예상 시간을 종료 시점으로 사용하였다. 하지만, 특이한 이벤트의 경우(abnormal event case)에 이벤트의 실제 수명과 오차가 발생하게 되어 문제가 생길 수 있다.
이를 해결하기 위해 수작업으로 이벤트의 예측 수명을 수정하기도 하나 이 역시 번거로움이 있다. 즉 종래에는 고정된 이벤트의 예측 수명을 사용하였다면, 본 발명에서는 동적으로 자동 갱신(extension)되는 이벤트의 예측 수명을 사용하여 그 정확도를 높일 수 있다.
도 4는 본 발명의 일 실시예에서 사용되는 이벤트 데이터의 유효 시간에 대해 설명하기 위한 예시도이다.
도 3을 통해 본 발명의 중요한 특징 중 하나인 이벤트의 예측 수명의 갱신에 대해서 살펴보았다. 종래에는 고정된 이벤트의 예측 수명을 사용하였으나, 본 발명에서는 동적으로 갱신되는 이벤트의 예측 수명을 사용함으로써 정확도를 높일 수 있다는 장점이 있다. 그러나, 이벤트의 예측 수명을 동적으로 계속하여 갱신하다 보면 불필요한 부하가 발생할 수 있다.
특히, 재난이나 재해와 같은 이벤트의 경우에는 짧은 시간 동안 관련된 이벤트 데이터가 무수히 쏟아지게 된다. 그 때마다 이벤트의 예측 수명을 갱신하다 보면 정확도를 높이는 대신 부하 발생으로 인한 이벤트 예측 장치의 응답 속도 저하라는 부작용이 생길 수 있다. 도 4를 통해서는 이를 해결하기 위한 이벤트 데이터의 유효 시간에 대해서 살펴보기로 한다.
이벤트 데이터의 유효 시간(valid time)이란 특정 이벤트 데이터의 유효 시간으로 해당 시간 내에는 새로운 이벤트 데이터가 수집되어도 이벤트의 예측 수명을 갱신하지 않을 수 있다. 즉, 새로운 이벤트가 발생하면 이벤트의 예측 수명과 이벤트 데이터의 유효 시간을 설정하고, 유효 시간 내에는 동일한 이벤트에 대한 이벤트 데이터는 무시를 할 수 있다.
그리고, 유효 시간이 종료된 후 아직 이벤트의 예측 수명이 종료되기 전에 수집되는 이벤트 데이터에는 응답을 하여 이벤트의 예측 수명을 갱신할 수 있다. 이를 통해 동적으로 이벤트의 예측 수명을 갱신함으로써 발생할 수 있는 부하를 줄이면서도 정확도를 높일 수 있다.
도 4를 참고하면 특정 이벤트와 관련된 이벤트 데이터가 이벤트 데이터 1, 이벤트 데이터 2, 이벤트 데이터 3으로 각각 t1의 시점, t2의 시점, t3의 시점에 수집된 것으로 볼 수 있다. 우선 t1의 시점에 수집된 이벤트 데이터 1을 통해 이벤트의 수명을 예측(띠선)하고, 이벤트의 수명보다는 짧은 이벤트 데이터 1의 유효 시간을 설정(점선)한다.
도 4의 예에서는 이벤트 데이터 2는 유효 시간 내에 수집된 데이터이고, 이벤트 데이터 3은 유효 시간이 끝난 후 수집된 데이터라는 차이점이 있다. 이 때 이벤트 데이터 1의 유효 시간 설정으로 인해 이벤트 데이터 2의 수집은 무시가 될 수 있다.
즉, 이벤트 데이터 2로 인해서는 이벤트의 예측 수명의 갱신이 없고, 대신 이벤트 데이터 3에 의해서만 이벤트의 예측 수명의 갱신이 일어나게 된다. 이를 통해 이벤트의 예측 수명을 동적으로 갱신하여 발생할 수 있는 부하를 줄일 수 있다.
도 5a 내지 5b는 본 발명의 일 실시예에서 사용되는 이벤트의 등급에 대해서 설명하기 위한 예시도이다.
지금까지 도 3 내지 도 4를 통해 본 발명의 주요 특징인 이벤트의 예측 수명의 갱신과 이벤트 데이터의 유효 시간에 대해서 살펴보았다. 여기서 이벤트의 예측 수명과 이벤트 데이터의 유효 시간은 이벤트의 유형이나 등급에 따라서 달라질 수 있는 값들이다.
예를 들면, 화산 폭발과 같은 재난의 경우에는 그로 인한 피해를 수습하기까지의 시간이 며칠에서부터 몇 달이 걸릴 수도 있다. 이에 비해 화재와 같은 경우에는 몇 시간에서부터 며칠 이내에 수습이 끝나기도 한다. 이처럼 이벤트의 유형에 따라 이벤트의 수명이 달라질 수 있으므로 이벤트의 수명을 예측할 때 이벤트의 유형을 반영하여야 한다.
이벤트의 유형뿐만 아니라, 이벤트의 등급도 이벤트의 수명에 영향을 미칠 수 있다. 예를 들면, 지진으로 동일한 이벤트의 유형이라도 그 이벤트의 등급에 따라 피해 지속 시간이 달라질 수 있다. 지진의 크기를 나타내는 척도로 진도의 개념이 있다.
다양한 종류의 진도가 있으나 우리나라에서는 수정 메르칼리 진도를 사용하고 있다. 수정 메르칼리 진도는 19세기 후반 귀세피 메르칼리 신부가 개발하고 1921년 해리 O.우드와 프랭크 노이만이 수정한 진도 계급이다. 이를 살펴보면 다음의 표 3과 같다.
등급 설명
1 미세한 진동. 특수한 조건에서 극히 소수 느낌.
2 실내에서 극히 소수 느낌.
3 실내에서 소수 느낌. 매달린 물체가 약하게 움직임.
4 실내에서 다수 느낌. 실외에서는 감지하지 못함.
5 건물 전체가 흔들림. 물체의 파손, 뒤집힘, 추락. 가벼운 물체의 위치 이동.
6 똑바로 걷기 어려움. 약한 건물의 회벽이 떨어지거나 금이 감. 무거운 물체의 이동 또는 뒤집힘.
7 서 있기 곤란함. 운전 중에도 지진을 느낌. 회벽이 무너지고 느슨한 적재물과 담장이 무너짐.
8 차량운전 곤란. 일부 건물 붕괴. 사면이나 지표의 균열. 탑, 굴뚝 등의 구조물 붕괴.
9 견고한 건물의 피해가 심하거나 붕괴. 지표의 균열이 발생하고 지하 파이프관 등의 지하 시설물 파손.
10 대다수 견고한 건물과 구조물 파괴. 지표균열, 대규모 사태, 아스팔트 균열.
11 철로가 심하게 휨. 구조물 거의 파괴. 지하 파이프관 작동 불가능.
12 지면이 파도 형태로 움직임. 물체가 공중으로 튀어오름.
수정 메르칼리 진도 외에도 리히터 규모와 같은 등급도 있다. 그리고, 지진 외에 다른 이벤트도 그 등급을 공식적으로 나누어 관리하고 있다. 이처럼 동일한 이벤트라 하더라도 그 등급에 따라 발생하는 피해의 정도가 다를 수 있으므로 이벤트의 수명을 예측할 때, 이벤트의 등급을 반영하여야 한다.
도 5a 내지 도 5b는 이벤트의 수명을 예측할 때, 이벤트의 등급을 반영하는 경우를 예로 도시한 것이다. 일반적으로 등급이 높아지게 되면 이벤트로 인해 발생하는 피해도 커지게 되므로 이벤트의 수명 시간도 크게 예측을 하는 것이 바람직하다. 이 경우에 도 5a처럼 지수 함수(exponential)로 비례할 수도 있고, 도 5b처럼 일차 함수(linear)로 비례할 수도 있다.
다만 이는 하나의 예시이며, 도 5a 내지 도 5b 외에도 이벤트의 등급과 이벤트의 예측 수명은 다양한 형태로 비례할 수 있다. 그리고, 도 5a 내지 도 5b에서는 이벤트의 예측 수명을 예로 들었지만, 그 외에도 이벤트 데이터의 유효 시간도 이벤트의 등급에 비례할 수 있다.
예를 들면 진도 1 등급일 때의 이벤트의 예측 수명 시간과 이벤트 데이터의 유효 시간에 비해, 진도 5 등급일 때의 이벤트의 예측 수명 시간과 이벤트 데이터의 유효 시간이 더 길 수 있다. 마찬가지로 진도 5 등급일 때의 이벤트의 예측 수명 시간과 이벤트 데이터의 유효 시간에 비해, 진도 10 등급일 때의 이벤트의 예측 수명 시간과 이벤트 데이터의 유효 시간이 더 길 수 있다.
이렇게 이벤트의 등급에 따라 이벤트의 예측 수명 시간과 이벤트 데이터의 유효 시간을 다르게 적용하면 이벤트의 수명을 보다 더 정확하게 예측할 수 있다. 대부분의 이벤트의 경우 한 번 이벤트가 발생하면 이벤트가 소멸해가는 진행 상황에 따라 등급이 낮아진 채로 이벤트가 지속된다. 예를 들면 5 등급의 지진이 한 번 발생하면 그 후에는 등급이 낮아진 2 등급, 1 등급의 여진이 계속해서 발생하다가 소멸하게 된다.
만약 5 등급의 지진이 맨 처음 발생했을 때 이벤트의 수명을 10일로 예측했다고 가정하자. 추후 여진이 발생하면 동일한 시간으로 이벤트의 수명을 10일만큼 연장하게 되면 이벤트의 종료 시점을 잘 못 예측할 수 있다. 이 때에는 2 등급, 1 등급의 여진은 3일, 1일과 같은 식으로 차등을 두어 이벤트의 수명을 연장하면 보다 더 정확하게 이벤트의 종료 시점을 예측할 수 있다.
마찬가지로 이벤트 데이터의 유효 시간도 동일하게 적용할 수 있다. 5 등급의 지진이 발생했을 때 수집되는 이벤트 데이터의 양에 비해 1 등급의 지진이 발생했을 때 수집되는 이벤트 데이터의 양은 적을 수밖에 없다. 즉 이벤트의 등급에 따라 발생되는 부하도 다르므로 부하를 상쇄시키기 위한 이벤트 데이터의 유효 시간도 다르게 설정할 수 있다.
특히, 이벤트 데이터의 유효 시간은 이벤트의 예측 수명보다는 작아야 하므로, 등급에 따라 이벤트의 예측 수명을 다르게 적용한다면 마찬가지로 이벤트 데이터의 유효 시간도 다르게 적용할 수밖에 없다. 이처럼 이벤트의 등급은 이벤트의 예측 수명과 이벤트 데이터의 유효 시간에 영향을 미칠 수 있다. 또한, 이벤트의 유효 시간의 적용에도 영향을 미칠 수 있다. 이를 다음의 도 6과 함께 살펴보도록 하자.
이벤트의 등급은 이벤트 데이터의 텍스트를 분석하여 얻을 수 있다. 또는 해당 이벤트와 관련된 이벤트 데이터가 수집된 빈도를 고려하여 등급을 정할 수 있다. 만약 짧은 시간내에 동일한 이벤트에 대한 이벤트 데이터가 대량으로 수집이 된다면, 등급을 높게 설정할 수 있을 것이다. 즉, 이벤트 데이터의 수집 빈도에 비례하여 이벤트 등급을 결정할 수도 있다.
도 6은 본 발명의 일 실시예에서 이벤트 등급에 따라 이벤트 데이터의 유효 시간을 다르게 적용하는 방법을 설명하기 위한 예시도이다.
도 6을 참고하면, 이벤트 데이터 1은 등급이 1로, 이벤트 데이터 2는 등급이 1로, 이벤트 데이터 3은 등급이 2로 수집이 되었다. 추세를 살펴보면, 특정 이벤트가 발생하고, 더 성장한 것으로 볼 수 있다. 문제는 이벤트 데이터 2도 이벤트 데이터 3도 모두 이벤트 데이터 1의 유효 시간 이내에 수집된 경우이다. 이 때의 이벤트의 예측 수명 갱신에 대해서 살펴보면, 이벤트 데이터 2의 경우 이벤트 데이터 1과 이벤트 등급이 동일하므로 중복 처리할 수 있다.
즉, 이벤트 데이터 2가 수집된 t2의 시점에는 동일한 등급의 이벤트 데이터 1의 유효 시간이 아직 끝나지 않았으므로 추가적인 이벤트 예측 수명의 갱신이 없다. 그러나 만약 이벤트의 등급이 더 높아져서 이벤트 등급이 2인 이벤트 데이터 3이 t3의 시점에 수집이 된다면, 이 때에는 동일한 이벤트의 동일한 등급에 대한 이벤트 데이터 수집이 아니므로 이벤트의 예측 수명에 반영할 수 있다.
아직 이벤트 데이터 1의 유효 시간이 종료되기 전이라도 이벤트의 등급이 변한 이벤트 데이터 3이 수집되면 해당 시점을 기준으로 이벤트의 예측 수명을 갱신할 수 있다. 이를 통해 이벤트의 수명은 [t1, texpect1] 에서 [t1, texpect3] 로 갱신된다. 추가로 이벤트 데이터 1 일 때 설정한 이벤트의 예측 수명인 texpect1-t1 보다 texpect3-t3 의 값이 더 큰 것을 보면 이벤트의 등급에 따라 예측 수명을 다르게 적용하는 것도 볼 수 있다.
마찬가지로 이벤트 데이터 3이 수집된 t3 시점부터 적용된 이벤트 데이터 3의 유효 시간도 이벤트 데이터 1의 유효 시간에 비해 더 긴 것을 볼 수 있다. 지금까지 도 2 내지 도 6을 통해 본 발명의 특징인 1) 이벤트의 예측 수명의 갱신, 2) 이벤트 데이터의 유효 시간, 3) 이벤트의 등급에 따른 차등 적용을 살펴보았다. 이를 순서도로 정리하면 다음과 같다.
도 7은 본 발명의 일 실시예에 따른 데이터 수집을 이용하여 이벤트의 생존 여부를 예측하는 방법의 순서도이다.
도 7을 참고하면, 우선 이벤트 데이터를 수집한다(S1000). 이벤트 데이터의 소스(source)는 다양한 매체가 될 수 있다. 예를 들면, 뉴스를 수집해서 이벤트의 발생과 소멸을 예측할 수 있다. 특히, 뉴스의 텍스트를 분석하여 이벤트의 유형이나 등급을 결정할 수 있다. 뉴스 외에도 일기 예보를 수집해서 이벤트의 발생과 소멸을 파악할 수도 있다.
또한 헝가리의 긴급 재해 정보 서비스(RSOE; The Hungarian National Association of Radio Distress-Signaling and Infocommunications)를 통해서도 이벤트의 발생과 소멸을 파악할 수 있다. 헝가리의 긴급 재해 정보 서비스는 이벤트의 유형과 등급 정보를 일정 시간 간격으로 제공한다. 헝가리의 긴급 재해 정보 서비스에 대한 보다 자세한 정보는 http://hisz.rsoe.hu/ 에서 참고할 수 있다.
또한, 교통사고와 관련된 정보는 국가교통정보센터 http://www.its.go.kr 에서 수집할 수 있다. 이 외에도 다양한 유형의 이벤트를 다양한 매체를 통해서 자동으로 수집할 수 있다.
이벤트 데이터를 수집한 후에는 기존의 이벤트와 동일한 이벤트인지 확인한다(S2000). 기존 이벤트와 동일한 이벤트라면 기존 이벤트의 예측 수명을 갱신하고, 기존 이벤트와 동일한 이벤트가 아니라면, 즉 새로운 이벤트라면 이벤트를 신규로 등록해야하기 때문이다. 이벤트의 동일 여부는 이벤트가 발생한 위치 및 시간, 이벤트의 유형 등을 기준으로 판단할 수 있다.
http://news.naver.com/main/read.nhn?mode=LSD&mid=sec&sid1=104&oid=055&aid=0000328470 를 예로 들면, 뉴스의 텍스트를 분석하여 이벤트가 발생한 위치는 "중국의 톈진항", 이벤트가 발생한 시각은 "2015년 8월 12일 11시 30분경", 이벤트의 유형은 "폭발 사고"와 같은 정보를 추출할 수 있다. 추후 다른 뉴스를 분석해서 이벤트가 발생한 위치 및 시간, 이벤트의 유형이 동일하게 톈진항의 폭발 사고에 관한 뉴스라면 동일 이벤트에 대한 후속 보도임을 알 수 있다.
물론 이외에도 이벤트에 관한 다양한 정보를 분석하여 이벤트의 동일 여부를 판단할 수 있다. 헝가리 긴급 재해 정보 서비스의 경우 이벤트의 발생 위치 및 시간, 유형, 등급, 상세 정보를 아래의 표 4와 같은 형태로 제공하므로 이벤트의 동일 여부를 판단하기가 훨씬 더 간편하다.
Figure 112016006276596-pat00001
이벤트의 동일 여부를 판단한 후 만약, 기존의 이벤트와 다른 새로운 이벤트라면 신규 이벤트를 등록한다(S2100). 이 때 이벤트의 등급에 따라 이벤트의 예측 수명과 이벤트 데이터의 유효 시간을 달리 설정할 수 있다. 이렇게 신규 이벤트를 등록하고(S2100), 해당 이벤트의 수명 시간을 적용하면 이벤트의 종료 시점을 예측하기 위한 준비는 모두 끝나게 된다. 만약 추후 해당 이벤트에 대한 후속 이벤트 데이터가 계속해서 수집되면 아직 이벤트가 진행 중인 것으로 파악하고 이벤트의 예측 수명을 갱신할 수 있다.
만약 이벤트가 예전에 등록한 이벤트와 동일한 이벤트라면 이전에 해당 이벤트를 생성하거나 갱신한 이벤트 데이터의 유효 시간을 확인한다(S3000). 만약 아직 이벤트 데이터의 유효 시간이 남아 있는 경우라면 부하를 줄이기 위해 새로 수집된 이벤트 데이터를 중복 처리를 하고 무시할 수 있다.
아직 이벤트 데이터의 유효 시간이 남아 있는 경우에는 이벤트의 등급을 추가적으로 더 확인할 수 있다(S4000). 이벤트의 등급이 동일한 경우라면 하나의 이벤트에 대해 중복으로 수집된 이벤트 데이터이므로 이를 중복 처리하고(S4100), 종료할 수 있다. 그러나 만약 이벤트의 등급이 다른 경우라면, 예를 들면 이벤트의 등급이 더 커지거나, 더 작아진 경우라면 기존 이벤트의 예측 수명을 갱신할 수 있다. 이 때 이벤트의 등급이 달라졌음으로 이벤트의 예측 수명도 종전의 이벤트 데이터로 인한 값과는 다른 값으로 갱신이 될 것이다(S5100).
이벤트 데이터의 유효 시간이 남아있지 않은 경우라면 이벤트의 예측 수명을 갱신할지 말지에 대한 결정을 해야한다. 이는 이벤트의 예측 수명이 남아있는지 여부를 기준으로 결정할 수 있다(S5000). 이벤트의 예측 수명이 남아 있지 않은 경우라면, 종전의 이벤트의 예측 수명이 종료된 후에 이벤트 데이터가 수집된 경우이므로 신규로 이벤트를 등록한다(S2100). 만약 이벤트의 예측 수명이 남아 있는 경우라면, 기존 이벤트의 수명을 연장한다(S5100). 이를 통해 보다 더 정확하게 이벤트의 종료 시점을 예측할 수 있다.
이상으로 도 7을 통해서 본 발명의 기술적 특징인 1) 이벤트의 예측 수명의 갱신(S5100), 2) 이벤트 데이터의 유효 시간(S3000), 3) 이벤트의 등급에 따른 차등 적용(S4000)을 간단히 살펴보았다. 이를 그래프와 코드로 간단히 살펴보면 다음의 도 8a 내지 8c와 같다.
도 8a 내지 8b는 본 발명의 일 실시예에 따른 데이터 수집을 이용한 이벤트의 생존 여부를 예측하는 방법을 설명하기 위한 예시도이며, 도 8c는 해당 방법의 알고리즘을 구현한 의사 코드(pseudo-code)이다.
도 8a를 참고하면, 이벤트 데이터 e1에 의해 띠선으로 동그라미가 그려진 시점에 새로운 이벤트가 생성이 되었다. 해당 시점으로부터 이벤트 데이터의 유효 시간(valid time; 띠선)과 이벤트의 예측 수명(life time; 실선)이 적용된다. 이벤트 데이터의 유효 시간은 이벤트의 예측 수명보다 짧다. 이벤트 데이터의 유효 시간이 지속되는 동안에는 새로운 이벤트 데이터 e2와 e3가 수집되어도 동일한 이벤트의 동일한 등급인 경우에는 이벤트의 예측 수명의 갱신 없이 진행된다.
도 8b를 참고하면, 도 8a와 동일하게 이벤트 데이터 e1에 의해 띠선으로 동그라미가 그려진 시점에 새로운 이벤트가 생성이 되었다. 또한, 해당 시점으로부터 이벤트 데이터의 유효 시간(valid time; 띠선)과 이벤트의 예측 수명(life time; 실선)이 적용된다.
이벤트 데이터의 유효 시간이 종료되고, 이벤트의 예측 수명이 종료되기 전에 이벤트 데이터 e2가 수집되면 이벤트의 예측 수명이 갱신된다. 그리고 이벤트 데이터 e1과 마찬가지로 해당 시점을 기준으로 이벤트 데이터 e2의 유효 시간이 적용된다. 이벤트 데이터 e2의 유효 시간이 종료되기 전에 새로운 이벤트 데이터 e3가 수집되면 e3는 중복 처리 된다.
하지만, 이벤트 데이터 e2의 유효 시간이 종료되고, 갱신된 이벤트의 예측 수명이 종료되지 전에 새로운 이벤트 데이터 e4 가 수집되면 이벤트의 예측 수명은 다시 갱신될 수 있다. 이처럼 이벤트 데이터가 지속적으로 수집되는 환경에서 이벤트 데이터의 유효 시간과 이벤트의 예측 수명을 갱신해가면서 보다 더 정확하게 이벤트의 종료 시점을 예측할 수 있다. 이를 통해, 이벤트의 종료 시점을 동적으로 갱신하면서도 동적 갱신으로 인해 발생할 수 있는 부하를 줄일 수 있다.
도 8c를 참고하면 이벤트 데이터의 유효 시간을 고려하여 이벤트의 예측 수명을 갱신하는 알고리즘을 구현한 의사 코드를 확인할 수 있다. 우선 이벤트 ei 를 생성한다. 이벤트 ei 는 수명을 [ti,ti+lt] 로 가진다. 여기서 lt 는 life time 의 약자로 이벤트의 유형 및 등급에 의해 사전에 설정된 값이다.
또한 이벤트 데이터의 유효 시간을 v 로 한다. 당연히도, 이벤트 데이터의 유효 시간 v 는 이벤트 데이터의 수명보다 작은 값을 가진다. 변수의 설정이 끝나면 이벤트 데이터가 수집될 때마다 이벤트 데이터의 유효 시간이 종료 되었는지를 확인하고, 이벤트의 예측 수명을 갱신한다.
즉, ts,j 시점에 수집된 j번째 이벤트 데이터에 대해서 이벤트 ei 의 예측 수명인 ti+lt 시점이 종료된 이후라면 새로운 이벤트 ei +1 를 생성한다. 이 때 이벤트 ei+1 의 발생 시점은 ti +1=ts, 가 된다. 즉, 이벤트 ei +1 는 수명을 [ti + 1,ti +1+lt] 또는 [ts,ts+lt] 로 가진다. 만약 아직 이벤트의 예측 수명이 종료되기 전이라면 이벤트 데이터의 유효 시간이 종료되었는지 확인한다. 아직 이벤트 데이터의 유효 시간이 종료되기 전이라면 j번째 이벤트 데이터는 중복 처리하고 무시한다.
하지만 이벤트 데이터의 유효 시간이 종료된 후라면, j번째 이벤트 데이터로 인해 이벤트의 예측 수명을 갱신하게 된다. 즉 이벤트 ei 는 수명을 [ti, ts,j+lt] 로 가진다. 이렇게 j번째 이벤트 데이터에 대한 처리를 끝낸 후 다음 이벤트 데이터는 j+1번째 이벤트 데이터를 동일한 알고리즘으로 처리한다.
도 8c의 알고리즘에는 이벤트의 등급을 비교하는 부분이 생략되어 있으나 이는 이해의 편의를 돕기 위해 알고리즘을 간략히 표현한 것일 뿐, 이벤트의 등급에 따라 이벤트 데이터의 유효 시간이 종료되기 전이라도 이벤트의 예측 수명을 갱신할 수 있다.
도 9는 본 발명의 일 실시예에 따른 데이터 수집을 이용한 이벤트의 생존 여부를 예측하는 방법을 실제로 적용한 경우를 설명하기 위한 예시도이다.
도 9는 구글 트렌드에서 뉴스 제목을 기준으로 tianjin(톈진)을 검색하여 2015년 8월부터 9월 사이의 추이를 그래프로 도시한 것이다. 이처럼 구글 트렌드를 통해서 뉴스 제목에 특정 단어가 포함된 기사의 빈도를 확인할 수 있다. 구글의 트렌드에 관한 자세한 정보는 https ://www.google.co.kr/trends/?hl=ko 에서 참고할 수 있다.
도 9의 그래프 추이를 통해 9월 12일 오후 11시 36분경에 중국의 톈진항에서 발생한 폭발 사고와 관련된 뉴스의 빈도를 확인할 수 있다. 폭발 사고의 발생 직후에 빠른 속도로 뉴스 데이터가 수집되기 시작했다. 위 그래프는 가장 빈도가 높은 곳을 100%으로 가정했을 때의 퍼센테이지를 보여주고 있으며 발생 다음 이틀간 100% 를 기록한 뒤 서서히 줄어들기 시작한다. 만약 일반적인 화재나 폭발 사건에 대한 Life time 이 5일이었다고 하면 해당 사건은 8월 17일쯤 마무리 된 것으로 예측될 것이다.
그러나 일전에 없을만큼 커다란 피해를 남긴 톈진항 폭발 사고는 특이한 케이스로 평소보다 훨씬 오랜시간 영향을 끼치게 되었다. 톈진항 폭발 사고에 정확한 종료 선언과 같은 데이터는 없지만 8월 19일 즈음에 수집된 뉴스 기사 http://biz.newdaily.co.kr/news/article.html?no=10083447를 참고하면, 약 8월 25일 부근부터 정상화 되었다고 볼 수 있다.
더 나아가서, 종료 부근의 뉴스는 더 이상 해당 이벤트의 효력이 크지 않음을 알 수 있기에 Life time이 실제보다 훨씬 짧게 연장되어 톈진항 폭발 사고의 종료를 기록할 수 있으며 그 후에 도착하는 데이터는 상황에 따라 무시하거나 새로운 이벤트인 경우 다시 새로운 프로세스를 시작하게 된다.
이처럼 수집되는 이벤트 데이터를 기초로 이벤트의 예측 수명을 갱신하게 되면 그냥 사전에 설정된 값으로 이벤트의 종료 시점을 예측하는 것보다 더 정확하게 이벤트의 종료 시점을 예측할 수 있다. 이벤트의 종료 시점을 정확하게 예측할수록 리스크를 효율적으로 관리할 수 있다. 예를 들면, 텐진항의 폭발 사고가 종료되어 항만 기능이 정상화 되는 시점을 정확하게 예측할수록 물류 관리나 재고 관리가 용이할 수 있다.
도 10은 본 발명의 일 실시예에 따른 데이터 수집을 이용한 이벤트의 생존 여부를 예측하는 장치의 하드웨어 구성도이다.
도 10를 참고하면 데이터 수집을 이용한 이벤트의 생존 여부를 예측하는 장치(10)는 하나 이상의 프로세서(510), 메모리(520), 스토리지(560) 및 인터페이스(570)을 포함할 수 있다. 프로세서(510), 메모리(520), 스토리지(560) 및 인터페이스(570)는 시스템 버스(550)를 통하여 데이터를 송수신한다.
프로세서(510)는 메모리(520)에 로드 된 컴퓨터 프로그램을 실행하고, 메모리(520)는 상기 컴퓨터 프로그램을 스토리지(560)에서 로드(load) 한다. 상기 컴퓨터 프로그램은, 이벤트 데이터 수집 오퍼레이션(521), 등급 정보 관리 오퍼레이션(523), 수명 시간 예측 오퍼레이션(535)을 포함할 수 있다.
이벤트 데이터 수집 오퍼레이션(521)은 인터페이스(570)을 통해서 각 매체에서 이벤트 데이터를 수집한다. 이벤트 데이터로 뉴스를 수집할 수 있고, 추가적으로 일기 예보나 재난 관련 정보를 수집할 수 있다. 수집한 이벤트 데이터를 시스템 버스(550)을 통해 스토리지(560)의 이벤트 데이터(561)로 저장한다. 물론 뉴스나 일기 예보나 재난 관련 정보는 일종의 예시일 뿐 이 외에도, 특정 이벤트의 수명을 관리하기 위한 관측 데이터라면 모두 포함될 수 있다.
등급 정보 관리 오퍼레이션(523)은 수집한 이벤트 데이터를 분석하여 이벤트의 유형과 등급을 결정한다. 그리고 이벤트의 유형과 등급에 따라 사전에 설정된 이벤트 데이터의 유효 시간과 이벤트의 예측 수명을 시스템 버스(550)을 통해 스토리지(560)의 유효 시간(563)과 수명 시간(565)를 통해서 로드할 수 있다.
수명 시간 예측 오퍼레이션(525)는 이벤트의 동일 여부, 이벤트 데이터의 유효 시간이 종료 되었는지 여부를 고려하여 이벤트의 수명을 예측하고, 추구 동일 이벤트에 대한 이벤트 데이터가 재차 수집되면 이벤트의 예측 수명을 갱신한다. 이를 통해서 이벤트의 발생 시점과 종료 시점을 정확하게 예측할 수 있다.
도 10의 각 구성 요소는 소프트웨어(Software) 또는, FPGA(Field Programmable Gate Array)나 ASIC(Application-Specific Integrated Circuit)과 같은 하드웨어(Hardware)를 의미할 수 있다. 그렇지만, 상기 구성 요소들은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 어드레싱(Addressing)할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 상기 구성 요소들 안에서 제공되는 기능은 더 세분화된 구성 요소에 의하여 구현될 수 있으며, 복수의 구성 요소들을 합하여 특정한 기능을 수행하는 하나의 구성 요소로 구현될 수도 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술 분야에서 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 이해해야만 한다.

Claims (12)

  1. 이벤트 생존 여부 예측 장치가, 이벤트 데이터를 수집하는 단계;
    상기 이벤트 생존 여부 예측 장치가, 상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 단계;
    상기 이벤트 생존 여부 예측 장치가, 상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 단계; 및
    상기 이벤트 생존 여부 예측 장치가, 상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트인 경우에, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계를 포함하고,
    상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계는,
    상기 특정 이벤트의 예측 수명보다는 작은 시간을 상기 이벤트 데이터의 유효 시간으로 설정하는 단계; 및
    상기 이벤트 데이터의 수집 시점 이후로 상기 이벤트 데이터의 유효 시간이 경과하기 전까지는, 상기 제1 이벤트와 관련된 다른 이벤트 데이터가 수집되어도 상기 제1 이벤트의 예상 종료 시점을 더 이상 연장하지 않는 단계를 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법.
  2. 제1항에 있어서,
    상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 단계는,
    상기 이벤트 데이터의 텍스트를 분석하여 상기 특정 이벤트의 유형, 발생 위치, 발생 시간을 추출하는 단계를 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법.
  3. 제1항에 있어서,
    상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 단계는,
    상기 특정 이벤트의 유형, 발생 위치, 발생 시간과 상기 제1 이벤트의 유형, 발생 위치, 발생 시간을 비교하는 단계를 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 연장하는 단계는,
    상기 특정 이벤트의 등급이 제1 등급일 때는 상기 특정 이벤트의 제1 예측 수명을 더하고,
    상기 특정 이벤트의 등급이 상기 제1 등급보다는 낮은 제2 등급일 때는 상기 특정 이벤트의 제1 예측 수명보다는 짧은 제2 예측 수명을 더하는 단계를 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법.
  6. 제5항에 있어서,
    상기 이벤트 데이터의 텍스트를 분석하여 상기 등급을 추출하는 단계를 더 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법.
  7. 제5항에 있어서,
    상기 특정 이벤트외 관련된 이벤트 데이터의 수집 빈도를 고려하여 상기 등급을 결정하는 단계를 더 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법.
  8. 제1항에 있어서,
    상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트가 아닌 경우에, 상기 특정 이벤트를 제2 이벤트로 등록하는 단계; 및
    상기 제2 이벤트의 발생 시점을 상기 이벤트 데이터의 수집 시점으로 설정하고, 상기 제2 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 설정하는 단계를 더 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법.
  9. 네트워크 인터페이스;
    하나 이상의 프로세서;
    상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드하는 메모리; 및
    이벤트 데이터를 저장하는 스토리지를 포함하되,
    상기 컴퓨터 프로그램은,
    상기 이벤트 데이터를 수집하는 오퍼레이션;
    상기 이벤트 데이터와 관련된 특정 이벤트를 식별하는 오퍼레이션;
    상기 특정 이벤트가 상기 이벤트 데이터의 수집 시점 이전에 등록된 제1 이벤트와 동일한 이벤트인지 판단하는 오퍼레이션; 및
    상기 특정 이벤트가 상기 제1 이벤트와 동일한 이벤트인 경우에, 상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 갱신하는 오퍼레이션을 포함하고,
    상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 갱신하는 오퍼레이션은,
    상기 특정 이벤트의 예측 수명보다는 작은 시간을 상기 이벤트 데이터의 유효 시간으로 설정하는 오퍼레이션; 및
    상기 이벤트 데이터의 수집 시점 이후로 상기 이벤트 데이터의 유효 시간이 경과하기 전까지는, 상기 제1 이벤트와 관련된 다른 이벤트 데이터가 수집되어도 상기 제1 이벤트의 예상 종료 시점을 갱신하지 않는 오퍼레이션을 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 장치.
  10. 삭제
  11. 제9항에 있어서,
    상기 제1 이벤트의 예상 종료 시점을 상기 이벤트 데이터의 수집 시점에 상기 특정 이벤트의 예측 수명을 더한 시점으로 갱신하는 오퍼레이션은,
    상기 특정 이벤트의 등급이 제1 등급일 때는 상기 특정 이벤트의 제1 예측 수명을 더하고,
    상기 특정 이벤트의 등급이 상기 제1 등급보다는 낮은 제2 등급일 때는 상기 특정 이벤트의 제1 예측 수명보다는 짧은 제2 예측 수명을 더하는 오퍼레이션을 포함하는,
    이벤트 데이터 수집을 이용한 이벤트의 생존 여부 예측 장치.
  12. 삭제
KR1020160006788A 2016-01-20 2016-01-20 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치 KR102401351B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160006788A KR102401351B1 (ko) 2016-01-20 2016-01-20 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160006788A KR102401351B1 (ko) 2016-01-20 2016-01-20 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20170087151A KR20170087151A (ko) 2017-07-28
KR102401351B1 true KR102401351B1 (ko) 2022-05-23

Family

ID=59422251

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160006788A KR102401351B1 (ko) 2016-01-20 2016-01-20 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102401351B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140289746A1 (en) * 2010-09-29 2014-09-25 Microsoft Corporation Altering event lifetimes

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8626926B2 (en) 2008-02-26 2014-01-07 Qualcomm Incorporated Method and apparatus for performing session info query for user plane location

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140289746A1 (en) * 2010-09-29 2014-09-25 Microsoft Corporation Altering event lifetimes

Also Published As

Publication number Publication date
KR20170087151A (ko) 2017-07-28

Similar Documents

Publication Publication Date Title
Del Gaudio et al. Empirical fragility curves for masonry buildings after the 2009 L’Aquila, Italy, earthquake
Kilanitis et al. Integrated seismic risk and resilience assessment of roadway networks in earthquake prone areas
CN107943954B (zh) 网页敏感信息的检测方法、装置及电子设备
Gariano et al. Automatic calculation of rainfall thresholds for landslide occurrence in Chukha Dzongkhag, Bhutan
Martins et al. Development and assessment of damage‐to‐loss models for moment‐frame reinforced concrete buildings
US20170010101A1 (en) Hybrid road network and grid based spatial-temporal indexing under missing road links
De Luca et al. RC infilled building performance against the evidence of the 2016 EEFIT Central Italy post-earthquake reconnaissance mission: empirical fragilities and comparison with the FAST method
CN110543728A (zh) 一种城市交通路网关键路口发现方法
Fikri et al. Seismic performance of reinforced concrete frame with masonry infill buildings in the 2010/2011 Canterbury, New Zealand earthquakes
CN104102637A (zh) 一种生成热点区域的方法及装置
Aldemir et al. Rapid screening method for the determination of regional risk distribution of masonry structures
Robinson et al. Evaluation of coseismic landslide hazard on the proposed haast-hollyford highway, south island, new zealand
KR102401351B1 (ko) 데이터 수집을 이용한 이벤트의 생존 여부 예측 방법 및 그 장치
CN114519061A (zh) 地图数据更新方法、装置、电子设备和介质
Islam et al. A proposal of Visual Rating method to set the priority of detailed evaluation for masonry infilled RC building
Tadjer et al. Earthquake risk assessment of Blida (Algeria) using GIS
Davis et al. Flood vulnerability and risk assessment of historic urban areas: Vulnerability evaluation, derivation of depth‐damage curves and cost–benefit analysis of flood adaptation measures applied to the historic city centre of Tomar, Portugal
Karimzadeh et al. A study on fragility analyses of masonry buildings in Erzincan (Turkey) utilizing simulated and real ground motion records
Aggarwal et al. Building typologies and seismic vulnerability attributes: A study on important buildings in Mandi District of Himachal Pradesh
Vanuvamalai et al. Seismic performance of tunnel structures: a case study
CN113254732B (zh) 企业关系的确定方法、装置、计算机设备和存储介质
Satish et al. Earthquake vulnerability of city regions based on building typology: Rapid assessment survey
Halkos et al. Reporting the natural environmental hazards occurrences and fatalities over the last century
Derakhshan et al. Dataset from the detailed survey of vintage unreinforced masonry buildings in the State of Queensland, Australia
US11859985B2 (en) Map data validation using knowledge graphs and randomness measures

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant