KR102455049B1 - 무선 통신 기반 작업자 상태 파악 시스템 - Google Patents

무선 통신 기반 작업자 상태 파악 시스템 Download PDF

Info

Publication number
KR102455049B1
KR102455049B1 KR1020220077646A KR20220077646A KR102455049B1 KR 102455049 B1 KR102455049 B1 KR 102455049B1 KR 1020220077646 A KR1020220077646 A KR 1020220077646A KR 20220077646 A KR20220077646 A KR 20220077646A KR 102455049 B1 KR102455049 B1 KR 102455049B1
Authority
KR
South Korea
Prior art keywords
communication module
communication
operator
server
distance
Prior art date
Application number
KR1020220077646A
Other languages
English (en)
Inventor
문철원
김다은
김지호
김하은
윤서현
Original Assignee
문철원
김다은
김지호
김하은
윤서현
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 문철원, 김다은, 김지호, 김하은, 윤서현 filed Critical 문철원
Priority to KR1020220077646A priority Critical patent/KR102455049B1/ko
Application granted granted Critical
Publication of KR102455049B1 publication Critical patent/KR102455049B1/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
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
    • A43B3/00—Footwear characterised by the shape or the use
    • A43B3/34—Footwear characterised by the shape or the use with electrical or electronic arrangements
    • A43B3/44—Footwear characterised by the shape or the use with electrical or electronic arrangements with sensors, e.g. for detecting contact or position
    • A43B3/46—Global positioning system [GPS] sensors
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
    • A43B3/00—Footwear characterised by the shape or the use
    • A43B3/34—Footwear characterised by the shape or the use with electrical or electronic arrangements
    • A43B3/48—Footwear characterised by the shape or the use with electrical or electronic arrangements with transmitting devices, e.g. GSM or Wi-Fi®
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/08—Construction
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Emergency Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

일실시예에 따르면, 무선 통신을 기반으로 작업자의 상태를 파악하는 시스템에 있어서, 작업자들 각각의 작업화에 부착되어 있는 제1 통신 모듈; 작업 현장에 설치되어 있는 제2 통신 모듈; 및 상기 제1 통신 모듈로부터 수신된 데이터를 기반으로, 상기 작업자들의 상태를 파악하고, 상기 제2 통신 모듈로부터 수신된 데이터를 기반으로, 상기 작업 현장의 상태를 파악하는 관제 서버를 포함하며, 상기 제1 통신 모듈 중 제1-1 통신 모듈은 제1 작업자의 작업화에 부착되어 있고, 상기 제2 통신 모듈 중 제2-1 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-1 통신 모듈 간의 RSSI 값인 제1 수치를 측정하고, 상기 제2 통신 모듈 중 제2-2 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-2 통신 모듈 간의 RSSI 값인 제2 수치를 측정하고, 상기 제2 통신 모듈 중 제2-3 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-3 통신 모듈 간의 RSSI 값인 제3 수치를 측정하며, 상기 관제 서버는 상기 제1-1 통신 모듈이 제2 통신 모듈 중 적어도 3개 이상의 통신 모듈과 연결되어, 상기 제1 수치, 상기 제2 수치 및 상기 제3 수치가 각각 측정되면, 상기 제2-1 통신 모듈로부터 상기 제1 수치에 대한 측정 데이터를 수신하고, 상기 제2-2 통신 모듈로부터 상기 제2 수치에 대한 측정 데이터를 수신하고, 상기 제2-3 통신 모듈로부터 상기 제3 수치에 대한 측정 데이터를 수신하고, 상기 제1 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-1 통신 모듈 간의 통신 거리인 제1 거리를 산출하고, 상기 제2 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-2 통신 모듈 간의 통신 거리인 제2 거리를 산출하고, 상기 제3 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-3 통신 모듈 간의 통신 거리인 제3 거리를 산출하고, 상기 작업 현장에서 상기 제2-1 통신 모듈이 A 지점에 설치되어 있고, 상기 작업 현장에서 상기 제2-2 통신 모듈이 B 지점에 설치되어 있고, 상기 작업 현장에서 상기 제2-3 통신 모듈이 C 지점에 설치되어 있는 경우, 상기 A 지점의 위치, 상기 B 지점의 위치 및 상기 C 지점의 위치와 상기 제1 거리, 상기 제2 거리 및 상기 제3 거리를 이용하여, 상기 제1 작업자의 위치를 파악하는, 무선 통신 기반 작업자 상태 파악 시스템이 제공된다.

Description

무선 통신 기반 작업자 상태 파악 시스템 {SYSTEM FOR CHECKING CONDITION OF WORKER BASED ON WIRELESS COMMUNICATION}
아래 실시예들은 무선 통신을 기반으로 작업자의 상태를 파악하는 기술에 관한 것이다.
건설, 제조업과 같은 산업 현장에서는 현장 규모에 관계없이 다양한 애로사항이 있기 마련이고 안전감독관이 이를 한 눈에 파악하고 관리하는데에 어려움을 겪고 있다. 만약 신속한 사고발생 확인 및 구조가 이루어지지 않는다면 2차사고 및 인명사고로 이어질 수 있다.
첫 번째로, “1인 작업 시 위험 발생”으로 인한 사고가 있다. 건설 현장마다 규칙이 다르겠지만, 1인 작업 금지인 작업 현장의 경우에도 이를 지키지 않거나 혹은 1인 작업이 허용된 현장이라도, 1인 작업 중에 안전사고 발생 시 이를 누군가가 직접 그 자리까지 와서 이를 발견하지 않는 이상 사고 사실을 알 수 없기 때문에, 이를 빠르게 식별하고 구조요청을 보낼 수 있는 시스템이 필요하다.
두 번째로, “통신불가지역 작업 시 위험 발생”으로 인한 사고가 있다. 대부분의 건설, 플랜트 현장에는 하수구 작업, 대형 물탱크, 압력 vessel과 같은 외부와 통신이 어렵거나 아예 단절되는 장소들이 존재한다. 이러한 경우, 사고사실을 외부에 알릴 수 없기 때문에 사후대책을 신속하게 할 수 없고, 이를 해결할 시스템 또한 필요하다.
기술의 발전에도 불구하고 매년 가장 많은 산업재해 사망사고가 건설업과 제조업에서 기록되고 있다.
이에 따라, 사고 발생 시 이를 어떻게 빨리 식별하고 조치할 수 있을지에 대한 요구가 증대되고 있으며, 이와 관련된 기술에 대한 연구가 요구된다.
한국등록특허 제10-2371506호 한국등록특허 제10-1485925호 한국등록특허 제10-2053619호 한국등록특허 제10-1882146호
일실시예에 따르면, 작업화에 부착되어 있는 제1 통신 모듈로부터 수신된 데이터를 기반으로 작업자들의 상태를 파악하고, 작업 현장에 설치되어 있는 제2 통신 모듈로부터 수신된 데이터를 기반으로 작업 현장의 상태를 파악하는, 무선 통신 기반 작업자 상태 파악 시스템을 제공하는 것을 그 목적으로 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, 무선 통신을 기반으로 작업자의 상태를 파악하는 시스템에 있어서, 작업자들 각각의 작업화에 부착되어 있는 제1 통신 모듈; 작업 현장에 설치되어 있는 제2 통신 모듈; 및 상기 제1 통신 모듈로부터 수신된 데이터를 기반으로, 상기 작업자들의 상태를 파악하고, 상기 제2 통신 모듈로부터 수신된 데이터를 기반으로, 상기 작업 현장의 상태를 파악하는 관제 서버를 포함하며, 상기 제1 통신 모듈 중 제1-1 통신 모듈은 제1 작업자의 작업화에 부착되어 있고, 상기 제2 통신 모듈 중 제2-1 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-1 통신 모듈 간의 RSSI 값인 제1 수치를 측정하고, 상기 제2 통신 모듈 중 제2-2 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-2 통신 모듈 간의 RSSI 값인 제2 수치를 측정하고, 상기 제2 통신 모듈 중 제2-3 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-3 통신 모듈 간의 RSSI 값인 제3 수치를 측정하며, 상기 관제 서버는 상기 제1-1 통신 모듈이 제2 통신 모듈 중 적어도 3개 이상의 통신 모듈과 연결되어, 상기 제1 수치, 상기 제2 수치 및 상기 제3 수치가 각각 측정되면, 상기 제2-1 통신 모듈로부터 상기 제1 수치에 대한 측정 데이터를 수신하고, 상기 제2-2 통신 모듈로부터 상기 제2 수치에 대한 측정 데이터를 수신하고, 상기 제2-3 통신 모듈로부터 상기 제3 수치에 대한 측정 데이터를 수신하고, 상기 제1 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-1 통신 모듈 간의 통신 거리인 제1 거리를 산출하고, 상기 제2 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-2 통신 모듈 간의 통신 거리인 제2 거리를 산출하고, 상기 제3 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-3 통신 모듈 간의 통신 거리인 제3 거리를 산출하고, 상기 작업 현장에서 상기 제2-1 통신 모듈이 A 지점에 설치되어 있고, 상기 작업 현장에서 상기 제2-2 통신 모듈이 B 지점에 설치되어 있고, 상기 작업 현장에서 상기 제2-3 통신 모듈이 C 지점에 설치되어 있는 경우, 상기 A 지점의 위치, 상기 B 지점의 위치 및 상기 C 지점의 위치와 상기 제1 거리, 상기 제2 거리 및 상기 제3 거리를 이용하여, 상기 제1 작업자의 위치를 파악하는, 무선 통신 기반 작업자 상태 파악 시스템이 제공된다.
상기 관제 서버는 상기 제1 작업자의 위치가 X 지점으로 파악되면, 상기 X 지점을 중심으로 미리 설정된 기준 거리 이내에 있는 영역을 기준 영역으로 설정하고, 상기 기준 영역 내에 상기 제1 작업자 이외에 다른 작업자가 위치하고 있는지 여부를 확인하고, 상기 기준 영역 내에 상기 제1 작업자만 위치하고 있는 것으로 확인되면, 상기 제1 작업자를 1인 작업자로 판단하고, 상기 제1 작업자가 1인 작업자로 판단된 경우, 상기 제1 작업자의 작업화에 부착되어 있는 로드셀을 통해 상기 제1 작업자의 작업화에 가해지는 하중인 제1 중량이 측정되면, 상기 제1-1 통신 모듈로부터 상기 제1 중량에 대한 측정 데이터를 수신하고, 상기 제1 중량이 미리 설정된 기준 중량 보다 가벼운 것으로 확인되면, 상기 제1-1 통신 모듈로부터 상기 제1 중량에 대한 측정 데이터를 계속 수신하여, 상기 제1 중량이 상기 기준 중량 보다 가벼운 상태로 유지되는 시간인 제1 시간을 측정하고, 상기 제1 시간이 미리 설정된 제1 기준 시간 보다 길게 지속된 것으로 확인되면, 상기 제1 작업자의 상태를 위험 상태로 판단하고, 상기 제1 작업자의 상태가 위험 상태로 판단된 경우, 상기 작업 현장에 설치된 스피커를 통해, 상기 X 지점에 위치하는 상기 제1 작업자에게 위험 상황이 발생한 것을 경고하는 알림 메시지가 출력되도록 제어할 수 있다.
상기 관제 서버는 상기 제1-1 통신 모듈로부터 데이터가 수신되지 않으면, 상기 제1 작업자가 상기 작업 현장 내에 있는 통신불가지역인 제1 지역에 위치하는 것으로 판단하고, 상기 제1 작업자가 상기 제1 지역에 위치하고 있는 것으로 판단되면, 상기 제1 작업자가 소속되어 있는 제1 작업자 그룹을 확인하고, 상기 제1 작업자 그룹의 작업 정보를 기반으로, 상기 제1 지역에서 제2 시간 동안 작업하는 것으로 상기 제1 작업자 그룹의 작업 계획이 설정되어 있는 것을 확인하고, 상기 제1 작업자가 상기 제1 지역에 위치하는 상태로 유지되는 시간인 제2 시간을 측정하고, 상기 제2 시간이 미리 설정된 제2 기준 시간 보다 길게 지속된 것으로 확인되면, 상기 제1 작업자 그룹의 상태를 위험 상태로 판단하고, 상기 제1 작업자 그룹의 상태가 위험 상태로 판단된 경우, 상기 작업 현장에 설치된 스피커를 통해, 상기 제1 지역에 진입한 상기 제1 작업자 그룹에게 위험 상황이 발생한 것을 경고하는 알림 메시지가 출력되도록 제어할 수 있다.
일실시예에 따르면, 통신 모듈은 저전력으로 장거리 통신이 가능하며 별도의 인프라 구축 없이도 경제적이고 신속하게 작업자를 모니터링 할 수 있게 해주어 경제적인 방식으로 작업 현장의 안전 관리 문제를 해결할 수 있는 효과가 있다.
또한, 일실시예에 따르면, 로드셀을 이용해 작업자의 움직임을 모니터링 할 수 있는 메커니즘 역시 공사 현장 뿐 아니라 인력 관리가 필요한 다양한 분야에서 활용 될 수 있는 효과가 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 무선 통신 기반 작업자 상태 파악 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 무선 통신 기반 작업자 상태 파악 시스템을 설명하기 위한 블록도이다.
도 3은 일실시예에 따른 작업자의 상태 데이터를 설명하기 위한 블록도이다.
도 4는 일실시예에 따른 통신 모듈 간의 RSSI 값을 측정하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 작업자의 위치를 파악하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 1인 작업자인지 여부를 판단하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 작업자의 위험 상황을 판단하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 통신불가지역에서의 위험 상황을 판단하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 작업자의 위치를 파악하는 과정을 설명하기 위한 도면이다.
도 10 일실시예에 따른 작업 현장에 설치되어 있는 제2 통신 모듈의 일부분을 나타낸 도면이다.
도 11은 일실시예에 따른 작업 현장 내에서 특정 구역의 손실계수를 산출하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 손실계수를 통해 작업자 위치를 조정하는 과정을 설명하기 위한 순서도이다.
도 13은 일실시예에 따른 작업자의 위치가 있는 방향에 대한 각도를 이용하여 작업자의 위치를 파악하는 과정을 설명하기 위한 순서도이다.
도 14는 일실시예에 따른 인공지능을 기반으로 호스트 방화벽의 정책 설정을 제어하는 과정을 설명하기 위한 순서도이다.
도 15는 일실시예에 따른 공격으로 추정되는 접근을 감지하여, 공격 횟수에 따라 대응 방안을 제공하는 과정을 설명하기 위한 순서도이다.
도 16은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 17은 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
실시예에서 인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.
도 1은 일실시예에 따른 무선 통신 기반 작업자 상태 파악 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 제1 통신 모듈(100), 제2 통신 모듈(200) 및 관제 서버(300)를 포함할 수 있다.
먼저, 통신망은 무선 통신망으로 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 장치 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.
제1 통신 모듈(100)은 작업자들 각각의 작업화에 부착되어 있는 통신 모듈로, 제1-1 통신 모듈, 제1-2 통신 모듈, 제1-3 통신 모듈 등을 포함할 수 있다. 예를 들어, 제1-1 통신 모듈은 제1 작업자의 작업화에 부착되어 있고, 제1-2 통신 모듈은 제2 작업자의 작업화에 부착되어 있고, 제1-3 통신 모듈은 제3 작업자의 작업화에 부착되어 있다.
제1 통신 모듈(100)에 포함되는 통신 모듈의 수는 실시예에 따라 얼마든지 달라질 수 있다. 즉, 작업 현장에서 근무하는 작업자들의 수에 따라 제1 통신 모듈(100)에 포함되는 통신 모듈의 수도 달라질 수 있다.
제2 통신 모듈(200)은 작업 현장에 설치되어 있는 통신 모듈로, 제2-1 통신 모듈, 제2-2 통신 모듈, 제2-3 통신 모듈 등을 포함할 수 있다. 예를 들어, 제2-1 통신 모듈은 작업 현장에서 A 지점에 설치되어 있고, 제2-2 통신 모듈은 작업 현장에서 B지점에 설치되어 있고, 제2-3 통신 모듈은 작업 현장에서 C 지점에 설치되어 있다.
제2 통신 모듈(200)에 포함되는 통신 모듈의 수는 실시예에 따라 얼마든지 달라질 수 있다. 즉, 작업 현장의 크기에 따라 제2 통신 모듈(200)에 포함되는 통신 모듈의 수도 달라질 수 있다.
제1 통신 모듈(100) 및 제2 통신 모듈(200)은 무선 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 와이파이, 지그비, 로라, 블루투스, WSN(Wireless Sensor Network) 등을 통해 무선 통신을 수행할 수 있다.
관제 서버(300)는 관제 서버(300)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 관제 서버(300)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 관제 서버(300)는 제1 통신 모듈(100) 및 제2 통신 모듈(200)과 무선으로 통신하도록 구성될 수 있다.
관제 서버(300)는 제1 통신 모듈(100)로부터 데이터를 수신할 수 있고, 제1 통신 모듈(100)로부터 수신된 데이터를 기반으로, 작업자들의 상태를 파악할 수 있다.
예를 들어, 제1 작업자의 작업화에 제1-1 통신 모듈이 부착되어 있는 경우, 관제 서버(300)는 제1-1 통신 모듈로부터 제1 작업자의 상태 데이터를 수신할 수 있고, 제1 작업자의 상태 데이터를 기반으로, 제1 작업자의 상태를 파악할 수 있다. 여기서, 제1 작업자의 상태 데이터는 제1 작업자의 맥박 데이터, 체온 데이터, 하중 데이터 등을 포함할 수 있고, 제1-1 통신 모듈은 맥박 데이터를 측정하는 기기, 체온 데이터를 측정하는 기기, 하중 데이터를 측정하는 기기와 각각 연결되어 있는 상태일 수 있다.
관제 서버(300)는 제2 통신 모듈(200)로부터 데이터를 수신할 수 있고, 제2 통신 모듈(200)로부터 수신된 데이터를 기반으로, 작업 현장의 상태를 파악할 수 있다.
예를 들어, A 지점에 제2-1 통신 모듈이 설치되어 있는 경우, 관제 서버(300)는 제2-1 통신 모듈로부터 A 지점의 상태 데이터를 수신할 수 있고, A 지점의 상태 데이터를 기반으로, A 지점의 상태를 파악할 수 있다. 여기서, A 지점의 상태 데이터는 A 지점의 온도 데이터, 습도 데이터, 조도 데이터 등을 포함할 수 있고, 제2-1 통신 모듈은 온도 데이터를 측정하는 기기, 습도 데이터를 측정하는 기기, 조도 데이터를 측정하는 기기와 각각 연결되어 있는 상태일 수 있다.
관제 서버(300)는 무선 통신 기반 작업자 상태 파악 시스템에 대한 동작이 정상적으로 수행되도록, 제1 통신 모듈(100) 및 제2 통신 모듈(200)에 대한 전체적인 동작을 제어할 수 있다. 이를 위해, 관제 서버(300)는 제1 통신 모듈(100) 및 제2 통신 모듈(200)과 무선 통신을 통해 연결되어, 데이터를 송수신할 수 있다.
도 2는 일실시예에 따른 무선 통신 기반 작업자 상태 파악 시스템을 설명하기 위한 블록도이다.
도 2에서는 설명의 편의상, 제1 통신 모듈(100) 중 어느 하나인 제1-1 통신 모듈을 위주로 설명하며, 제1 통신 모듈(100)에 포함되는 통신 모듈은 제1-1 통신 모듈과 동일한 형태로 구현될 수 있다.
도 2에 도시된 바와 같이, 제1 작업자의 작업화는 인솔(101)과 센서(103)가 배치되는 발목밴드(102)를 포함할 수 있으며, 인솔(101)은 제1 작업자의 발 아래 위치하게 되어, 제1 작업자의 하중을 감지하여 측정하는 로드셀(104)을 포함할 수 있다.
발목밴드(102)는 센서(103) 및 로드셀(104)에서 측정된 측정 데이터를 외부로 전송할 수 있도록, 무선 통신 기능을 수행하는 제1-1 통신 모듈(110)을 포함할 수 있다.
제1-1 통신 모듈(110)은 제1 작업자의 작업화에 부착된 통신 모듈로, 전자 모듈(111), 통신 모듈(112)을 포함할 수 있다.
전자 모듈(111)은 통신 모듈(112) 및 배터리를 포함할 수 있고, 통신 모듈(112)은 관제 서버(300)와 무선 통신을 수행할 수 있다.
통신 모듈(112)은 와이파이, 지그비, 로라, 블루투스, WSN(Wireless Sensor Network) 등을 통해, 다른 통신 모듈(112)과 무선 통신을 수행할 수 있다.
도 3은 일실시예에 따른 작업자의 상태 데이터를 설명하기 위한 블록도이다.
제1-1 통신 모듈(110)은 센서(103)에서 취득한 데이터를 바탕으로 작업자의 상태 데이터(WS-D)를 생성할 수 있다.
작업자의 상태 데이터(WS-D)는 작업자의 맥박 데이터, 작업자의 체온 데이터, 작업자의 하중 데이터 중 적어도 하나를 기초로 생성되며, 상기 작업자의 상태 데이터(WS-D)는 연동되어 있는 관제 서버(300)로 송신되며, 관제 서버(300)의 수신 모듈(301)을 통해 수신된 데이터에 따라 작업자의 상태가 파악될 수 있다.
구체적으로, 인솔(101)에 내장된 로드셀(104)은 작업화에 가해지는 하중을 실시간으로 측정하여 하중 데이터를 생성할 수 있고, 제1-1 통신 모듈(110)은 실시간으로 측정된 하중 데이터를 관제 서버(300)로 전송할 수 있고, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 실시간으로 수신되는 하중 데이터를 기초로, 제1 작업자의 상태를 판단할 수 있다.
관제 서버(300)는 제1-1 통신 모듈(110)로부터 수신된 하중 데이터를 기초로, 미리 설정된 기간(예를 들면, 30초 내지 180초) 이내에 미리 설정된 무게(예를 들면, 5kg 내지 15kg)의 하중이 감지되지 않으면, 제1 작업자의 상태를 위험 상태(ST-1)로 판단할 수 있다.
관제 서버(300)는 제1 작업자의 상태가 위험 상태로 판단된 경우, 비상 알림이 송출되어, 작업 현장에 설치된 스피커를 통해 위험 상황의 발생에 대한 알림 메시지가 출력되도록 제어할 수 있다.
관제 서버(300)는 제1-1 통신 모듈(110)로부터 수신된 하중 데이터를 기초로, 미리 설정된 기간(예를 들면, 20초) 간격으로 작업자의 상태 데이터(WS-D)가 미리 설정된 기간(예를 들면, 25초) 이상 수신되지 않을 경우, 제1 작업자의 상태를 안전 주의 상태(ST-2)로 판단할 수 있다.
관제 서버(300)는 제1 작업자의 상태가 안전 주의 상태로 판단된 경우, 마지막으로 기록된 제1 작업자의 위치를 기반으로, 제1 작업자의 위치가 통신불가지역에 포함되는지 여부를 판단할 수 있다.
일실시예에 따르면, 관제 서버(300)는 작업자가 1인 작업자인지 아닌지 여부를 판단할 수 있다. 여기서, 제1 통신 모듈(100)은 slave 모듈로, 각 작업자들의 위치가 곧 slave 모듈의 위치이고, 각 slave 모듈의 일정 반경 이내에 다른 slave 모듈이 하나라도 존재하지 않는 경우, 그 작업자를 1인 작업자로 판단할 수 있다.
slave 모듈이 서로 연결되면, slave 모듈 간의 통신 세기인 RSSI 값이 측정될 수 있다. 여기서, RSSI(Receiver Signal Strength Indicator) 값은 미터와 같은 거리값으로 환산될 수 있으며, 특정 slave 모듈에 일정 값 이하의 RSSI 크기 값이 하나도 기록되지 않는다면, 이를 1인 작업자로 판단할 수 있다. 1인 작업자 판단과 관련된 자세한 설명은 도 6을 참조하여 후술하기로 한다.
관제 서버(300)는 작업자가 1인 작업자로 판단되면, 그 작업자가 위험 상황에 처해있는지 여부를 판단할 수 있다. 작업화의 인솔(101)에 로드셀(104)을 부착하여 이 데이터를 실시간으로 받으면, 작업자가 서있는지 아니면 위험 상황에 쳐해 쓰러져 있는지를 판단할 수 있다.
성인의 몸무게는 통상 40kg ~ 90kg이기 때문에, 로드셀(104)로부터 출력되는 하중 데이터가 10kg을 넘지 않은 채 30초가 지난다면, 이를 작업자가 쓰러지는 경우 등의 비정상적인 상황이 발생한 것으로 간주할 수 있다. 작업자가 현장에 서 있거나, 걸어다니면서, 발을 지면에서 띄는 순간이 있더라도 이 시간이 30초가 넘지 않기 때문에 30초가 기준 시간으로 설정될 수 있다. 작업자의 위험 상태 판단과 관련된 자세한 설명은 도 7을 참조하여 후술하기로 한다.
일실시예에 따르면, 모든 작업 현장은 매일 작업 시작 전, 한 곳에 다같이 모여 전 날의 작업을 리뷰하고 안전수칙에 대해서 리마인드하고 오늘 무엇을 끝마쳐야 하는지에 대해 가볍게 미팅하는 시간이 있다. 이때 통신불가지역에서의 작업 시간을 합의하고 약속할 수 있으며, 그 작업 현장의 규칙으로 등록하여, 작업 정보로 저장할 수 있다. 통신불가지역에 작업자가 들어가게 되면, 작업자가 착용하고 있는 작업화에 부착된 통신 모듈과의 통신이 일단 끊기게 되며, 이때, 이 통신불가 사실을 관제 서버(300)가 인지할 수 있고, 그 통신불가 시간을 측정할 수 있다.
만약 작업자들이 통신불가지역에 들어가 이미 정해진 약속한 작업 시간이 지나도 나오지 않는다면, 이를 통신불가지역에서 위험 상황 발생이 발생한 것으로 판단할 수 있다.
따라서, 관제 서버(300)에 기록되는 통신불가 시간이 약속한 작업 시간을 초과해서 계속된다면, 이를 위험 상황이라고 식별하고 마지막으로 기록된 작업자의 위치에 구조 요청을 보낼 수 있다. 통신불가지역과 관련된 자세한 설명은 도 8을 참조하여 후술하기로 한다.
일실시예에 따르면, 작업자의 위치를 판단할 때, 작업자들이 소지한 GPS모듈을 통해 작업자의 위치를 파악할 수 있지만, GPS 모듈을 소지하지 않아도, 작업자가 착용하고 있는 작업화에 부착된 통신 모듈 간의 RSSI 값을 이용하여 작업자의 위치를 파악할 수 있다.
제1 통신 모듈(100)은 slave 모듈이고, 제2 통신 모듈(200)은 master 모듈인 경우, 최소 3개의 master 모듈에서 기록되는 slave 모듈에 대한 RSSI 값을 조합하여, 작업자의 위치를 파악할 수 있다.
일실시예에 따르면, 관제 서버(300)는 slave 모듈이 부착된 작업화를 착용하고 있는 작업자가 1인 작업자라고 판단되는 경우, 1인 작업자인 것을 알려주는 알림 메시지를 현장 관리자 단말로 전송하거나, 작업 현장 내에 설치된 스피커를 통해 출력되도록 제어할 수 있다.
또한, 관제 서버(300)는 1인 작업자가 위험에 처해 쓰러져 있는 것으로 판단되는 경우, 작업자가 움직이지 않고 있는 것을 알려주는 알림 메시지를 현장 관리자 단말로 전송하거나, 작업 현장 내에 설치된 스피커를 통해 출력되도록 제어할 수 있다.
또한, 관제 서버(300)는 통신불가지역에서 약속된 작업 시간 내에 나오지 않을 경우, 통신불가지역에서 위험 상황이 발생한 것을 알려주는 알림 메시지를 현장 관리자 단말로 전송하거나, 작업 현장 내에 설치된 스피커를 통해 출력되도록 제어할 수 있다.
일실시예에 따르면, RSSI 값은 거리값과 다음과 같은 관계를 보일 수 있다.
Figure 112022066377489-pat00001
( A : 1m 기준일 때 RSSI값, RSSI : 측정된 RSSI값, n : 경로손실계수 )
이를 거리에 대해서 정리하면 다음과 같다.
Figure 112022066377489-pat00002
경로손실계수는 거리값에 따라 설정될 수 있으며, 예를 들어, 거리(D)≤5m인 경우 n=2.0, 5m<거리(D)≤10m인 경우 n=2.1, 10m<거리(D)인 경우 n=2.2로 설정될 수 있다.
예를 들어, 1인 작업자를 판단할 때, RSSI 값이 -70보다 커지면, 1인 작업자라고 판단할 수 있다. 이 경우, 거리는 23.1m로 변환될 수 있고, 24m일 때 RSSI 값의 크기가 -70을 넘어 1인 작업자로 판단될 수 있다. 이를 위해, 각 작업 현장이 생각하는 1인 작업자 기준에 맞춰 반경거리(D)를 설정하고 이에 맞는 RSSI 임계값을 코딩하면 각 작업 현장에 맞게 1인 작업자 판단을 할 수 있다.
도 4는 일실시예에 따른 통신 모듈 간의 RSSI 값을 측정하는 과정을 설명하기 위한 도면이다.
도 4를 참조하면, 제1 통신 모듈(100) 중 어느 하나인 제1-1 통신 모듈(110)은 제1 작업자의 작업화에 부착되어 있고, 제1 작업자는 작업화를 착용한 상태에서 작업 현장 내부로 이동할 수 있다.
제1 작업자가 작업 현장 내부로 이동하면, 제1-1 통신 모듈(110)은 작업 현장에 설치되어 있는 제2 통신 모듈(200)과 무선으로 연결될 수 있다.
제2 통신 모듈(200) 중 어느 하나인 제2-1 통신 모듈(210)은 제1-1 통신 모듈(110)과 연결되면, 제1-1 통신 모듈(110) 및 제2-1 통신 모듈(210) 간의 RSSI 값인 제1 수치를 측정할 수 있다.
또한, 제2 통신 모듈(200) 중 어느 하나인 제2-2 통신 모듈(220)은 제1-1 통신 모듈(110)과 연결되면, 제1-1 통신 모듈(110) 및 제2-2 통신 모듈(220) 간의 RSSI 값인 제2 수치를 측정할 수 있다.
제2 통신 모듈(200) 중 어느 하나인 제2-3 통신 모듈(230)은 제1-1 통신 모듈(110)과 연결되면, 제1-1 통신 모듈(110) 및 제2-3 통신 모듈(230) 간의 RSSI 값인 제3 수치를 측정할 수 있다.
즉, 제1 작업자가 작업 현장 내부로 이동하면, 제1-1 통신 모듈(110)은 제2 통신 모듈(200) 중 적어도 3개 이상의 통신 모듈과 연결될 수 있으며, 제1-1 통신 모듈(110)이 제2-1 통신 모듈(210), 제2-2 통신 모듈(220) 및 제2-3 통신 모듈(230)과 각각 연결된 경우, 제2-1 통신 모듈(210)은 제1 수치를 측정하고, 제2-2 통신 모듈(220)은 제2 수치를 측정하고, 제2-3 통신 모듈(230)은 제3 수치를 측정할 수 있다.
일실시예에 따르면, 제2 통신 모듈(200) 중 제1-1 통신 모듈(110)과의 RSSI 값이 가장 큰 3개의 통신 모듈을 제2-1 통신 모듈(210), 제2-2 통신 모듈(220) 및 제2-3 통신 모듈(230)로 설정할 수 있다.
관제 서버(300)는 제2-1 통신 모듈(210)이 제1 수치를 측정하면, 제2-1 통신 모듈(210)로부터 제1 수치에 대한 측정 데이터를 수신할 수 있고, 제2-2 통신 모듈(220)이 제2 수치를 측정하면, 제2-2 통신 모듈(220)로부터 제2 수치에 대한 측정 데이터를 수신할 수 있고, 제2-3 통신 모듈(230)이 제3 수치를 측정하면, 제2-3 통신 모듈(230)로부터 제3 수치에 대한 측정 데이터를 수신할 수 있다.
관제 서버(300)는 제2-1 통신 모듈(210)로부터 제1 수치에 대한 측정 데이터를 수신하면, 제1 수치를 이용하여 제1-1 통신 모듈(110) 및 제2-1 통신 모듈(210) 간의 통신 거리인 제1 거리를 산출할 수 있다.
또한, 관제 서버(300)는 제2-2 통신 모듈(220)로부터 제2 수치에 대한 측정 데이터를 수신하면, 제2 수치를 이용하여 제1-1 통신 모듈(110) 및 제2-2 통신 모듈(220) 간의 통신 거리인 제2 거리를 산출할 수 있다.
또한, 관제 서버(300)는 제2-3 통신 모듈(230)로부터 제3 수치에 대한 측정 데이터를 수신하면, 제3 수치를 이용하여 제1-1 통신 모듈(110) 및 제2-3 통신 모듈(230) 간의 통신 거리인 제3 거리를 산출할 수 있다.
도 5는 일실시예에 따른 작업자의 위치를 파악하는 과정을 설명하기 위한 순서도이다.
도 5를 참조하면, 관제 서버(300)는 작업 현장에서 제2-1 통신 모듈(210)이 A 지점에 설치되어 있는 것을 확인할 수 있고, 작업 현장에서 제2-2 통신 모듈(220)이 B 지점에 설치되어 있는 것을 확인할 수 있고, 작업 현장에서 제2-3 통신 모듈(230)이 C 지점에 설치되어 있는 것을 확인할 수 있다. 이를 위해, 관제 서버(300)는 제2 통신 모듈(200)에 포함된 통신 모듈의 설치 정보를 데이터베이스에 저장하여 관리할 수 있고, 설치 정보는 어느 통신 모듈이 어느 지점에 설치되어 있는지 나타내는 정보를 포함할 수 있다.
관제 서버(300)는 A 지점의 위치, B 지점의 위치 및 C 지점의 위치와 제1 거리, 제2 거리 및 제3 거리를 이용하여, 제1 작업자의 위치를 X 지점으로 파악할 수 있다. 즉, 관제 서버(300)는 삼각 측량법을 통해, 제1 작업자의 위치를 파악할 수 있다.
구체적으로, 관제 서버(300)는 A 지점을 중심으로 제1 거리 이내에 있는 영역을 제1 영역으로 설정하고, B 지점을 중심으로 제2 거리 이내에 있는 영역을 제2 영역으로 설정하고, C 지점을 중심으로 제3 거리 이내에 있는 영역을 제3 영역으로 설정한 후, 제1 영역, 제2 영역 및 제3 영역이 모두 중복되는 영역을 제1 작업자의 위치로 파악할 수 있다.
관제 서버(300)는 제1 작업자의 위치를 파악하는 방식과 동일한 방식으로, 다른 작업자들의 위치도 각각 파악할 수 있다.
도 6은 일실시예에 따른 1인 작업자인지 여부를 판단하는 과정을 설명하기 위한 순서도이다.
도 6을 참조하면, 관제 서버(300)는 작업 현장 내에 있는 작업자들의 위치를 각각 파악할 수 있으며, 제1 작업자의 위치를 X 지점으로 파악하고, 제2 작업자의 위치를 Y 지점으로 파악할 수 있다.
관제 서버(300)는 X 지점을 중심으로 기준 거리 이내에 있는 영역을 기준 영역으로 설정할 수 있다. 여기서, 기준 거리는 실시예에 따라 상이하게 설정될 수 있다.
관제 서버(300)는 기준 영역 내에 제1 작업자 이외에 다른 작업자가 위치하고 있는지 여부를 확인할 수 있다.
도 6의 (a)에 도시된 바와 같이, 기준 영역에 Y 지점이 포함되어 있는 경우, 관제 서버(300)는 기준 영역 내에 제1 작업자와 제2 작업자가 같이 위치하고 있는 것으로 확인할 수 있다.
도 6의 (b)에 도시된 바와 같이, 기준 영역에 Y 지점이 포함되어 있지 않은 경우, 관제 서버(300)는 기준 영역 내에 제1 작업자만 위치하고 있는 것으로 확인할 수 있다.
관제 서버(300)는 기준 영역 내에 제1 작업자만 위치하고 있는 것으로 확인되면, 제1 작업자를 1인 작업자로 판단할 수 있다.
도 7은 일실시예에 따른 작업자의 위험 상황을 판단하는 과정을 설명하기 위한 순서도이다.
도 7을 참조하면, 먼저, S701 단계에서, 관제 서버(300)는 제1 작업자의 위치를 X 지점으로 파악할 수 있다.
S702 단계에서, 관제 서버(300)는 X 지점을 중심으로 기준 거리 이내에 있는 영역을 기준 영역으로 설정할 수 있다. 여기서, 기준 거리는 실시예에 따라 상이하게 설정될 수 있다.
S703 단계에서, 관제 서버(300)는 기준 영역 내에 다른 작업자가 위치하고 있는지 여부를 확인할 수 있다.
S703 단계에서 기준 영역 내에 다른 작업자가 위치하고 있는 것으로 확인되면, S701 단계로 되돌아가, 관제 서버(300)는 일정 기간이 지난 이후, 제1 작업자의 위치가 어느 지점인지 파악하는 과정부터 다시 수행할 수 있다.
S703 단계에서 기준 영역 내에 다른 작업자가 위치하고 있지 않고 제1 작업자만 위치하고 있는 것으로 확인되면, S704 단계에서, 관제 서버(300)는 제1 작업자를 1인 작업자로 판단할 수 있다.
S705 단계에서, 관제 서버(300)는 제1 작업자가 1인 작업자로 판단된 경우, 제1-1 통신 모듈(110)로부터 제1 중량에 대한 측정 데이터를 수신할 수 있다. 이를 위해, 제1 작업자의 작업화에 부착되어 있는 로드셀(104)은 제1 작업자의 작업화에 가해지는 하중인 제1 중량을 측정할 수 있고, 제1-1 통신 모듈(110)은 제1 중량에 대한 측정 데이터를 관제 서버(300)로 전송할 수 있다.
S706 단계에서, 관제 서버(300)는 제1 중량이 기준 중량 보다 무거운지 여부를 확인할 수 있다. 여기서, 기준 중량은 실시예에 따라 상이하게 설정될 수 있다.
S706 단계에서 제1 중량이 기준 중량 보다 무거운 것으로 확인되면, S701 단계로 되돌아가, 관제 서버(300)는 일정 기간이 지난 이후, 제1 작업자의 위치가 어느 지점인지 파악하는 과정부터 다시 수행할 수 있다.
S706 단계에서 제1 중량이 기준 중량 보다 무겁지 않고 가벼운 것으로 확인되면, S707 단계에서, 관제 서버(300)는 제1 중량이 기준 중량 보다 가벼운 상태로 유지되는 시간인 제1 시간을 측정할 수 있다. 이를 위해, 제1 작업자의 작업화에 부착되어 있는 로드셀(104)은 제1 작업자의 작업화에 가해지는 하중인 제1 중량을 계속 측정할 수 있고, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 제1 중량에 대한 측정 데이터를 계속 수신할 수 있다.
S708 단계에서, 관제 서버(300)는 제1 시간이 제1 기준 시간 보다 짧게 지속되었는지 여부를 확인할 수 있다. 여기서, 제1 기준 시간은 실시예에 따라 상이하게 설정될 수 있다.
S708 단계에서 제1 시간이 제1 기준 시간 보다 짧게 지속된 것으로 확인되면, S701 단계로 되돌아가, 관제 서버(300)는 일정 기간이 지난 이후, 제1 작업자의 위치가 어느 지점인지 파악하는 과정부터 다시 수행할 수 있다.
S708 단계에서 제1 시간이 제1 기준 시간 보다 짧지 않고 길게 지속된 것으로 확인되면, S709 단계에서, 관제 서버(300)는 제1 작업자의 상태를 위험 상태로 판단할 수 있다.
S710 단계에서, 관제 서버(300)는 제1 작업자의 상태가 위험 상태로 판단된 경우, 작업 현장에 설치된 스피커를 통해, X 지점에 위치하는 제1 작업자에게 위험 상황이 발생한 것을 경고하는 알림 메시지가 출력되도록 제어할 수 있고, 제1 작업자에게 위험 상황이 발생한 것을 경고하는 알림 메시지를 현장 관리자 단말로 전송할 수도 있다.
도 8은 일실시예에 따른 통신불가지역에서의 위험 상황을 판단하는 과정을 설명하기 위한 순서도이다.
도 8을 참조하면, 먼저, S801 단계에서, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 데이터를 수신할 수 있다. 예를 들어, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 제1 작업자의 상태 데이터를 수신할 수 있다.
S802 단계에서, 관제 서버(300)는 제1-1 통신 모듈(110)과의 연결 상태가 유지되고 있는지 여부를 확인할 수 있다. 이때, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 데이터가 수신되고 있으면, 제1-1 통신 모듈(110)과의 연결 상태가 유지되고 있는 것으로 확인할 수 있고, 제1-1 통신 모듈(110)로부터 데이터가 수신되고 있지 않으면, 제1-1 통신 모듈(110)과의 연결 상태가 해제된 것으로 확인할 수 있다.
S802 단계에서 제1-1 통신 모듈(110)과의 연결 상태가 유지되고 있는 것으로 확인되면, S801 단계로 되돌아가, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 데이터를 계속 수신할 수 있다.
S802 단계에서 제1-1 통신 모듈(110)과의 연결 상태가 유지되지 않고 해제된 것으로 확인되면, S803 단계에서, 관제 서버(300)는 제1 작업자가 작업 현장 내에 있는 통신불가지역인 제1 지역에 위치하는 것으로 판단할 수 있다. 즉, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 데이터가 수신되지 않으면, 제1 작업자가 제1 지역에 진입하여 이동한 것으로 판단할 수 있다.
S804 단계에서, 관제 서버(300)는 제1 작업자가 제1 지역에 위치하고 있는 것으로 판단되면, 제1 작업자가 소속되어 있는 제1 작업자 그룹을 확인할 수 있다. 이를 위해, 관제 서버(300)는 작업자들이 그룹 별로 분류되어 있는 작업자 그룹에 대한 정보를 데이터베이스에 저장하여 관리할 수 있고, 작업자 그룹에 대한 정보는 어느 작업자가 어느 그룹에 소속되어 있는지 나타내는 정보를 포함할 수 있다
S805 단계에서, 관제 서버(300)는 제1 작업자 그룹의 작업 정보를 기반으로, 제1 지역에서 제2 시간 동안 작업하는 것으로 제1 작업자 그룹의 작업 계획이 설정되어 있는 것을 확인할 수 있다. 이를 위해, 관제 서버(300)는 작업자 그룹 별로 구분되어 있는 작업 정보를 데이터베이스에 저장하여 관리할 수 있고, 작업 정보는 어느 지역에서 몇 시간 동안 작업할 것인지 나타내는 작업 계획에 대한 정보를 포함할 수 있다.
S806 단계에서, 관제 서버(300)는 제1 작업자가 제1 지역에 위치하는 상태로 유지되는 시간인 제2 시간을 측정할 수 있다.
S807 단계에서, 관제 서버(300)는 제2 시간이 제2 기준 시간 보다 짧게 지속되었는지 여부를 확인할 수 있다. 여기서, 제2 기준 시간은 실시예에 따라 상이하게 설정될 수 있다.
S807 단계에서 제2 시간이 제2 기준 시간 보다 짧게 지속된 것으로 확인되면, S801 단계로 되돌아가, 관제 서버(300)는 제1-1 통신 모듈(110)로부터 데이터를 다시 수신할 수 있다.
S807 단계에서 제2 시간이 제2 기준 시간 보다 짧지 않고 길게 지속된 것으로 확인되면, S808 단계에서, 관제 서버(300)는 제1 작업자 그룹의 상태를 위험 상태로 판단할 수 있다.
S809 단계에서, 관제 서버(300)는 제1 작업자 그룹의 상태가 위험 상태로 판단된 경우, 작업 현장에 설치된 스피커를 통해, 제1 지역에 진입한 제1 작업자 그룹에게 위험 상황이 발생한 것을 경고하는 알림 메시지가 출력되도록 제어할 수 있고, 제1 지역에 진입한 제1 작업자 그룹에게 위험 상황이 발생한 것을 경고하는 알림 메시지를 현장 관리자 단말로 전송할 수도 있다.
도 9는 일실시예에 따른 작업자의 위치를 파악하는 과정을 설명하기 위한 도면이다.
RSSI 값을 거리m 단위로 환산하는 과정에서 제2 통신 모듈(200) 간의 1m당 RSSI 값을 미리 측정하는 것이 필요하다. 이 RSSI 값을 토대로 제2 통신 모듈(200) 각각이 미리 설정된 거리(예를 들면, 50m)로 떨어지면 얼만큼의 RSSI 값이 나와야 하는지 계산될 수 있다.
예를 들어, 1m 값을 기준으로 하여 50m일 때의 RSSI 값이 A이고, 실제 작업 현장에 배치되어 있는 제2 통신 모듈(200) 간의 거리는 상하좌우 방향으로 50m씩 떨어뜨린 격자 방식으로 배치되어 있는 경우, 제2 통신 모듈(200)을 가동하면, 모든 격자 구역마다 상하, 좌우 통신 모듈 간의 RSSI 값이 기록될 것이다.
도 9의 (a)에 도시된 바와 같이, 제2 통신 모듈(200)에서 각 구역의 좌우 통신 모듈 간의 RSSI 값이 B1이고, 각 구역의 상하 통신 모듈 간의 RSSI 값이 B2인 경우, B1, B2를 평균낸 B값과 A값을 비교하면, 그 해당하는 격자 구역의 손실계수 n을 구할 수 있다. 이때, 이 n은 두 통신 모듈 사이에 위치한 구역의 손실계수이다. 작업 현장의 모든 공간에는 손실계수가 전부 다르기 때문에 위와 같은 과정으로 현장의 국부적인 신호 세기의 차이를 해결할 수 있다. 손실계수 산출과 관련된 자세한 설명은 도 11을 참조하여 후술하기로 한다.
도 9의 (b)에 도시된 바와 같이, 제2-1 통신 모듈(210)과 제1 작업자가 위치하는 지점인 X 지점과의 거리는 X 지점과 제2-1 통신 모듈(210) 사이에 직선을 두었을 때 지나가는 구역들(a구역, b구역, c구역, d구역)의 손실계수 N-a, N-b, N-c, N-d의 평균값을 사용하여 거리(m)를 계산한다. 손실계수를 통한 거리 조정과 관련된 자세한 설명은 도 12를 참조하여 후술하기로 한다.
이에 더해 삼각측량법을 하는 과정에서, 제2 통신 모듈(200) 각각은 X 지점에 대해서 RSSI 값을 통해 거리만 산출될 뿐, X 지점의 방향은 알 수 없다. 그렇기 때문에 어느 구역의 손실계수를 사용해야 할지 모르는 문제가 생기는데, 이는 다음과 같은 방법으로 해결할 수 있다.
도 9의 (c)에 도시된 바와 같이, 모든 구역의 손실계수가 구해지면, 제2 통신 모듈(200) 각각의
Figure 112022066377489-pat00003
, ρ에 대한 평균 손실계수가 구해진다. 예를 들어, 제2-1 통신 모듈(210)의 손실계수 함수는 다음과 같다.
F_1(
Figure 112022066377489-pat00004
, ρ)
작업자가 어느 임의의 구역에 위치할 때, 제2 통신 모듈(200) 각각은 작업자가 위치하는 지점의 RSSI 값을 받고, 제2 통신 모듈(200) 각각은 각자의 손실계수 함수F_#(
Figure 112022066377489-pat00005
, ρ)를 활용해 각자 몇도, 몇m 떨어져 있을 때, RSSI 값이 어느 정도이면 어디 위치할 것임을 파악하는데 도움이 되는 정보를 공유할 수 있다. 머신러닝을 통해, 작업자가 위치하는 지점에 대한 각 경우의 수를 조합하여, 작업자가 위치하는 지점이 제2 통신 모듈(200) 각각에 대해 어느 방향에 위치하는지 알 수 있다. 즉, 작업자가 위치하는 지점에 대한 최적이 되는 제2 통신 모듈(200) 각각의
Figure 112022066377489-pat00006
, ρ을 구할 수 있다. 작업자가 위치하는 지점의 방향 파악에 대한 자세한 설명은 도 13을 참조하여 후술하기로 한다.
도 10 일실시예에 따른 작업 현장에 설치되어 있는 제2 통신 모듈의 일부분을 나타낸 도면이다.
도 10에 도시된 바와 같이, 제2 통신 모듈(200)은 작업 현장에서 상하좌우 제4 거리 간격으로 이격된 상태의 격자로 배치될 수 있다. 즉, 제2 통신 모듈(200)은 상하좌우 방향으로 제4 거리 간격으로 이격된 상태에서 격자 방식으로 배치될 수 있다.
제2 통신 모듈(200) 중 제2-4 통신 모듈(240), 제2-5 통신 모듈(250), 제2-6 통신 모듈(260) 및 제2-7 통신 모듈(270)은 제1 구역을 둘러싼 형태로 배치될 수 있다.
제2-4 통신 모듈(240)은 제1 구역의 상측에 배치되어 있고, 제2-5 통신 모듈(250)은 제1 구역의 하측에 배치되어 있고, 제2-6 통신 모듈(260)은 제1 구역의 좌측에 배치되어 있고, 제2-7 통신 모듈(270)은 제1 구역의 우측에 배치되어 있다.
도 11은 일실시예에 따른 작업 현장 내에서 특정 구역의 손실계수를 산출하는 과정을 설명하기 위한 순서도이다.
도 11을 참조하면, 먼저, S1101 단계에서, 관제 서버(300)는 작업 현장에 설치되어 있는 제2 통신 모듈(200) 간의 상하좌우 이격 거리를 제4 거리로 확인할 수 있다.
S1102 단계에서, 관제 서버(300)는 제2-4 통신 모듈(240), 제2-5 통신 모듈(250), 제2-6 통신 모듈(260) 및 제2-7 통신 모듈(270)이 제1 구역을 둘러싼 형태로 배치되어 있는 것을 확인할 수 있다.
S1103 단계에서, 관제 서버(300)는 제2-4 통신 모듈(240)과 제2-5 통신 모듈(250)이 연결되어, 제2-4 통신 모듈(240) 및 제2-5 통신 모듈(250) 간의 RSSI 값인 제4 수치가 측정되면, 제4 수치에 대한 측정 데이터를 수신할 수 있다. 이때, 관제 서버(300)는 제2-4 통신 모듈(240)이 제4 수치를 측정하면, 제2-4 통신 모듈(240)로부터 제4 수치에 대한 측정 데이터를 수신할 수 있고, 제2-5 통신 모듈(250)이 제4 수치를 측정하면, 제2-5 통신 모듈(250)로부터 제4 수치에 대한 측정 데이터를 수신할 수 있다.
S1104 단계에서, 관제 서버(300)는 제2-6 통신 모듈(260)과 제2-7 통신 모듈(270)이 연결되어, 제2-6 통신 모듈(260) 및 제2-7 통신 모듈(270) 간의 RSSI 값인 제5 수치가 측정되면, 제5 수치에 대한 측정 데이터를 수신할 수 있다. 이때, 관제 서버(300)는 제2-6 통신 모듈(260)이 제5 수치를 측정하면, 제2-6 통신 모듈(260)로부터 제5 수치에 대한 측정 데이터를 수신할 수 있고, 제2-7 통신 모듈(270)이 제5 수치를 측정하면, 제2-7 통신 모듈(270)로부터 제5 수치에 대한 측정 데이터를 수신할 수 있다.
S1105 단계에서, 관제 서버(300)는 제4 수치를 이용하여 제2-4 통신 모듈(240) 및 제2-5 통신 모듈(250) 간의 통신 거리인 제5 거리를 산출할 수 있다.
S1106 단계에서, 관제 서버(300)는 제5 수치를 이용하여 제2-6 통신 모듈(260) 및 제2-7 통신 모듈(270) 간의 통신 거리인 제6 거리를 산출할 수 있다.
S1107 단계에서, 관제 서버(300)는 제5 거리 및 제6 거리에 대한 평균값이 제7 거리를 산출할 수 있다.
S1108 단계에서, 관제 서버(300)는 제4 거리 및 제7 거리를 비교하여, 제1 구역의 손실계수를 산출할 수 있다.
예를 들어, 관제 서버(300)는 제4 거리가 50m이고, 제7 거리가 45m인 경우, 제1 구역의 손실계수를 1.1로 산출할 수 있고, 제4 거리가 50m이고, 제7 거리가 55m인 경우, 제1 구역의 손실계수를 0.9로 산출할 수 있다.
도 12는 일실시예에 따른 손실계수를 통해 작업자 위치를 조정하는 과정을 설명하기 위한 순서도이다.
도 12를 참조하면, 먼저, S1201 단계에서, 관제 서버(300)는 작업 현장에 형성되어 있는 복수의 구역 별로 각각에 대한 손실계수를 산출할 수 있다.
S1202 단계에서, 관제 서버(300)는 복수의 구역 각각에 대한 손실계수가 산출된 경우, A 지점의 위치 및 X 지점의 위치를 직선으로 연결한 경로가 제1 구역, 제2 구역, 제3 구역 및 제4 구역을 통과하는 것으로 확인할 수 있다.
S1203 단계에서, 관제 서버(300)는 A 지점의 위치 및 X 지점의 위치를 직선으로 연결한 경로가 제1 구역, 제2 구역, 제3 구역 및 제4 구역을 통과하는 것으로 확인되면, 제1 구역의 손실계수, 제2 구역의 손실계수, 제3 구역의 손실계수 및 제4 구역의 손실계수에 대한 평균값인 제1 가중치를 산출할 수 있다.
S1204 단계에서, 관제 서버(300)는 제1 거리에 제1 가중치를 적용하여, 제1 거리를 조정할 수 있다.
예를 들어, 관제 서버(300)는 제1 거리가 80m이고, 제1 가중치가 1.1인 경우, 제1 거리를 80m에서 88m로 조정할 수 있다.
관제 서버(300)는 제1 거리를 조정하는 방식과 동일한 방식으로, 제2 거리 및 제2 거리를 각각 조정할 수 있다.
S1205 단계에서, 관제 서버(300)는 제1 거리, 제2 거리 및 제3 거리가 각각 조정되면, 조정된 제1 거리, 조정된 제2 거리 및 조정된 제3 거리를 이용하여, X 지점의 위치를 조정할 수 있다.
즉, 관제 서버(300)는 A 지점의 위치, B 지점의 위치 및 C 지점의 위치와 제1 거리, 제2 거리 및 제3 거리를 이용하여, 제1 작업자의 위치를 X 지점으로 파악한 이후, 제1 거리, 제2 거리 및 제3 거리가 손실계수를 통해 각각 조정되면, 조정된 제1 거리, 조정된 제2 거리 및 조정된 제3 거리를 이용하여, X 지점의 위치를 조정할 수 있다.
도 13은 일실시예에 따른 작업자의 위치가 있는 방향에 대한 각도를 이용하여 작업자의 위치를 파악하는 과정을 설명하기 위한 순서도이다.
도 13을 참조하면, 먼저, S1301 단계에서, 관제 서버(300)는 제1-1 통신 모듈(110) 및 제2-1 통신 모듈(210) 간의 통신 거리인 제1 거리가 산출되고, 제2-1 통신 모듈(210)이 A 지점에 설치되어 있는 것으로 확인되면, A 지점의 위치 및 제1 거리를 매칭하여 제1 매칭 정보를 생성할 수 있다.
S1304 단계에서, 관제 서버(300)는 제1 매칭 정보를 관제 서버(300) 내에서 미리 학습된 제1 인공 신경망에 적용할 수 있다.
일실시예에 따르면, 제1 인공 신경망은 매칭 정보를 입력 받은 후, 작업자의 위치가 있는 방향에 대한 각도를 분석하여 출력하는 알고리즘일 수 있다. 이를 위해, 제1 인공 신경망은 제2 통신 모듈(200) 각각에 대해 각자 몇도, 몇m 떨어져 있을 때, RSSI 값이 어느 정도이면 어디 위치할 것임을 파악하는데 도움이 되는 정보를 이용하여, 학습되어 있는 상태이다.
S1307 단계에서, 관제 서버(300)는 제1 인공 신경망의 출력을 기초로, A 지점을 기준으로 제1 작업자의 위치가 있는 방향에 대한 각도인 제1 각도를 설정할 수 있다. 여기서, 제1 각도는 A 지점에서 제1 작업자의 위치가 있는 방향을 바라봤을 때, 북측 방향과 제1 작업자의 위치가 있는 방향 간의 크기를 나타낼 수 있다.
예를 들어, 관제 서버(300)는 A 지점의 위치 및 제1 거리에 대한 정보를 포함하는 제1 매칭 정보를 1 인공 신경망에 적용하여, 제1 인공 신경망의 출력을 확인한 결과, 출력값이 10으로 확인되면, A 지점을 기준으로 제1 작업자의 위치가 있는 방향에 대한 각도인 제1 각도를 10도로 확인할 수 있고, 출력값이 20으로 확인되면, A 지점을 기준으로 제1 작업자의 위치가 있는 방향에 대한 각도인 제1 각도를 20도로 확인할 수 있다.
제1 인공 신경망은 매칭 정보를 통해, 작업자의 위치가 있는 방향에 대한 각도를 분석하도록 학습될 수 있다. 제1 인공 신경망은 도 16을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제1 인공 신경망은 매칭 정보를 통해 확인된 특정 지점의 위치를 고려하여, 해당 지점을 기준으로 작업자의 위치가 있는 방향에 대한 각도를 분석하여 출력할 수 있다.
한편, S1302 단계에서, 관제 서버(300)는 제1-1 통신 모듈(110) 및 제2-2 통신 모듈(220) 간의 통신 거리인 제2 거리가 산출되고, 제2-2 통신 모듈(220)이 B 지점에 설치되어 있는 것으로 확인되면, B 지점의 위치 및 제2 거리를 매칭하여 제2 매칭 정보를 생성할 수 있다.
S1305 단계에서, 관제 서버(300)는 제2 매칭 정보를 관제 서버(300) 내에서 미리 학습된 제1 인공 신경망에 적용할 수 있다.
S1308 단계에서, 관제 서버(300)는 제1 인공 신경망의 출력을 기초로, B 지점을 기준으로 제1 작업자의 위치가 있는 방향에 대한 각도인 제2 각도를 설정할 수 있다. 여기서, 제2 각도는 B 지점에서 제1 작업자의 위치가 있는 방향을 바라봤을 때, 북측 방향과 제1 작업자의 위치가 있는 방향 간의 크기를 나타낼 수 있다.
한편, S1303 단계에서, 관제 서버(300)는 제1-1 통신 모듈(110) 및 제2-3 통신 모듈(230) 간의 통신 거리인 제3 거리가 산출되고, 제2-3 통신 모듈(230)이 C 지점에 설치되어 있는 것으로 확인되면, C 지점의 위치 및 제3 거리를 매칭하여 제3 매칭 정보를 생성할 수 있다.
S1306 단계에서, 관제 서버(300)는 제3 매칭 정보를 관제 서버(300) 내에서 미리 학습된 제1 인공 신경망에 적용할 수 있다.
S1309 단계에서, 관제 서버(300)는 제1 인공 신경망의 출력을 기초로, C 지점을 기준으로 제1 작업자의 위치가 있는 방향에 대한 각도인 제3 각도를 설정할 수 있다. 여기서, 제3 각도는 C 지점에서 제1 작업자의 위치가 있는 방향을 바라봤을 때, 북측 방향과 제1 작업자의 위치가 있는 방향 간의 크기를 나타낼 수 있다.
S1310 단계에서, 관제 서버(300)는 A 지점의 위치, B 지점의 위치 및 C 지점의 위치와 제1 거리, 제2 거리 및 제3 거리와 제1 각도, 제2 각도 및 제3 각도를 이용하여, 제1 작업자의 위치를 파악할 수 있다.
즉, 관제 서버(300)는 A 지점의 위치, B 지점의 위치 및 C 지점의 위치와 제1 거리, 제2 거리 및 제3 거리를 이용하여, 제1 작업자의 위치를 파악하는 과정에서, 정확도를 높이기 위해, 제1 각도, 제2 각도 및 제3 각도를 더 이용하여, 제1 작업자의 위치를 파악할 수 있다.
X 지점으로 파악한 이후, 제1 거리, 제2 거리 및 제3 거리가 손실계수를 통해 각각 조정되면, 조정된 제1 거리, 조정된 제2 거리 및 조정된 제3 거리를 이용하여, X 지점의 위치를 조정할 수 있다.
일실시예에 따르면, 관제 서버(300)와 제1 통신 모듈(100) 및 제2 통신 모듈(200)이 연결되어, 관제 서버(300)가 무선 통신을 기반으로 작업자의 상태를 파악하기 위해, 관제 서버(300)는 복수의 서버와 연결된 형태로 구성될 수 있다.
즉, 작업자의 상태를 파악하기 위해 복수의 서버가 운영되고 있는 경우, 복수의 서버에 대한 보안 설정이 매우 중요하기 때문에, 랜섬웨어, 해킹, DDOS 등의 공격으로 좀비 서버가 되는 것을 방지하는 방안이 필요하다.
이를 위해, 방화벽이 활용되고 있으며, 방화벽은 네트워크 방화벽, 호스트 방화벽으로 구분될 수 있다.
네트워크 방화벽은 메인 스위치 상단에 메인 방화벽을 구성하여, 네트워크 게이트웨이 방식 또는 브릿지 방식으로 구성될 수 있다. 즉, 방화벽 장비를 기준으로 내부망과 외부망이 구분되어 관리될 수 있다.
네트워크 방화벽을 사용하는데 있어, 네트워크 방화벽을 기준으로 내부망에는 복수의 서버들이 내부망을 통해 연결될 수 있으며, 내부망을 통해 연결되어 있는 복수의 서버 간의 통신은 방화벽을 거치지 않으므로, 별도로 차단되지 않는 상태이다. 이에 따라, 내부망을 통해 연결되어 있는 복수의 서버 간의 통신에 대한 방화벽을 위해서는 호스트 방화벽의 구성이 필요하다.
호스트 방화벽은 각 운영체제에서 로컬 PC 또는 서버로 접속하여 개별 설정을 진행해야만 하며, 호스트 방화벽의 구성은 각 운영체제에서 제공하는 방화벽 기능을 통해 설정되기 때문에, 통합 관리가 불가능하여 관리가 어려운 문제가 있다.
호스트 방화벽을 사용하는데 있어, 운영하는 복수의 서버가 수백대인 경우, 일일이 수백대의 방화벽 정책을 관리하기는 불가능하며, 방화벽 정책을 적용하기 위해서는 방화벽에 대한 기술을 습득하여야만 방화벽의 구성이 가능하다. 예를 들어, 리눅스 또는 유닉스의 경우, 서버 방화벽을 구성하기 위한 명령어의 구조가 복잡하여, 전문 지식을 습득한 고급 엔지니어만 방화벽의 구성이 가능할 수 있다. 이에 따라, 서버 개별로 정책 관리가 불가능하여 운영체제의 방화벽을 제거 또는 서비스를 정지하여 운영하고 있는 상황이다.
이하에서는, 인공지능을 기반으로 호스트 방화벽의 정책 설정을 제어함으로써, 호스트 방화벽을 능동적이고 편리하게 설정하여, 통합 호스트 방화벽 매니저 서비스를 제공하는 구체적인 내용에 대해 자세히 설명하기로 한다.
도 14는 일실시예에 따른 인공지능을 기반으로 호스트 방화벽의 정책 설정을 제어하는 과정을 설명하기 위한 순서도이다.
먼저, 관제 서버(300)는 작업자의 상태를 파악하기 위해, 복수의 서버와 연결될 수 있으며, 복수의 서버는 제1 서버, 제2 서버 등을 포함할 수 있다. 복수의 서버 각각은 내부망을 통해 관제 서버(300)와 연결되어 있는 호스트로, 내부망으로 연결된 네트워크를 통해 관제 서버(300)와 데이터를 송수신할 수 있다.
도 14를 참조하면, S1401 단계에서, 관제 서버(300)는 제1 서버로부터 제1 서버의 운영체제 정보 및 제1 서버의 네트워크 설정 정보를 수신할 수 있다. 여기서, 제1 서버의 운영체제 정보는 제1 서버에 설치되어 운영되고 있는 운영체제의 종류, 버전 등을 식별하기 위한 정보를 포함할 수 있고, 제1 서버의 네트워크 설정 정보는 제1 서버의 네트워크 설정 상태를 나타내는 정보를 포함할 수 있다.
S1402 단계에서, 관제 서버(300)는 제1 서버의 운영체제 정보 및 제1 서버의 네트워크 설정 정보를 기초로, 제1 서버의 네트워크 연결 상태를 분석할 수 있다. 이때, 관제 서버(300)는 제1 서버의 네트워크 연결 상태를 분석하여, 제1 서버의 네트워크 연결 상태에 대한 분석 결과를 생성할 수 있다. 여기서, 제1 서버의 네트워크 연결 상태에 대한 분석 결과는 제1 서버가 어느 운영체제로 운영되고 있으며, 제1 서버가 어느 네트워크 포트를 통해 연결되어 있는 상태인지를 분석한 결과를 포함할 수 있다.
S1403 단계에서, 관제 서버(300)는 제1 서버의 네트워크 연결 상태에 대한 분석 결과를 관제 서버(300) 내에서 미리 학습된 제2 인공 신경망에 적용할 수 있다.
일실시예에 따르면, 제2 인공 신경망은 서버의 네트워크 연결 상태에 대한 분석 결과를 입력 받은 후, 서버에게 적합한 방화벽 정책을 분석하여 출력하는 알고리즘일 수 있다.
S1404 단계에서, 관제 서버(300)는 제2 인공 신경망의 출력을 기초로, 제1 서버에게 적합한 방화벽 정책을 선정할 수 있다.
예를 들어, 관제 서버(300)는 제1 서버의 네트워크 연결 상태에 대한 분석 결과를 제2 인공 신경망에 적용하여, 제2 인공 신경망의 출력을 확인한 결과, 출력값이 0으로 확인되면, 제1 서버에게 적합한 방화벽 정책을 제1 정책으로 선정하고, 출력값이 1로 확인되면, 제1 서버에게 적합한 방화벽 정책을 제2 정책으로 선정할 수 있다.
제2 인공 신경망은 서버의 네트워크 연결 상태에 대한 분석 결과를 통해, 서버에게 적합한 방화벽 정책을 분석하도록 학습될 수 있다. 제2 인공 신경망은 도 16을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제2 인공 신경망은 서버의 네트워크 연결 상태를 고려하여, 서버에게 적합한 방화벽 정책을 분석하여 출력할 수 있다.
S1405 단계에서, 관제 서버(300)는 S1404 단계에서 선정된 정책이 제1 서버의 방화벽 정책에 포함되어 있는지 여부를 확인할 수 있다. 예를 들어, 제1 서버에게 적합한 방화벽 정책으로 제1 정책이 선정되면, 관제 서버(300)는 제1 정책이 제1 서버의 방화벽 정책에 포함되어 있는지 여부를 확인할 수 있다.
이를 위해, 관제 서버(300)의 데이터베이스에는 복수의 서버 각각에 설정되어 있는 방화벽 정책에 대한 정보가 서버 별로 구분되어 저장될 수 있다. 방화벽 정책에 대한 정보는 서버에 설정되어 있는 방화벽 정책에 따라 수가 상이할 수 있으며, 하나의 서버에 복수의 방화벽 정책이 설정되어 있는 경우, 복수의 방화벽 정책 각각에 대한 우선순위가 설정되어 있을 수 있다.
S1405 단계에서 제1 정책이 제1 서버의 방화벽 정책에 포함되어 있는 것으로 확인되면, S1406 단계에서, 관제 서버(300)는 제1 서버의 방화벽 정책에 대한 변경이 필요하지 않은 것으로 판단할 수 있다.
즉, 제1 서버에게 적합한 방화벽 정책으로 선정된 제1 정책이 제1 서버에 이미 설정되어 있으므로, 관제 서버(300)는 제1 서버의 방화벽 정책에 대한 유지가 필요한 것으로 판단할 수 있다.
S1406 단계 이후, 일정 기간이 지나면, S1401 단계로 되돌아가, 관제 서버(300)는 제1 서버로부터 제1 서버의 운영체제 정보 및 제1 서버의 네트워크 설정 정보를 다시 수신하여, 제1 서버에게 적합한 방화벽 정책을 다시 선정할 수 있다.
한편, S1405 단계에서 제1 정책이 제1 서버의 방화벽 정책에 포함되어 있지 않은 것으로 확인되면, S1407 단계에서, 관제 서버(300)는 제1 서버의 방화벽 정책에 대한 변경이 필요한 것으로 판단할 수 있다.
즉, 제1 서버에게 적합한 방화벽 정책으로 선정된 제1 정책이 제1 서버에 설정되어 있지 않으므로, 관제 서버(300)는 제1 서버의 방화벽 정책에 대한 변경이 필요한 것으로 판단할 수 있다.
S1408 단계에서, 관제 서버(300)는 제1 서버의 방화벽 정책에 선정된 정책을 추가하여 등록할 수 있다. 예를 들어, 제1 서버에게 적합한 방화벽 정책으로 제1 정책이 선정되면, 관제 서버(300)는 제1 서버의 방화벽 정책에 제1 정책을 추가하여 등록할 수 있다. 이때, 제1 서버의 방화벽 정책에 제2 정책이 이미 등록되어 있는 상태인 경우, 제1 서버의 방화벽 정책에 제1 정책이 추가로 등록될 수 있다. 이를 통해, 관제 서버(300)는 제1 서버의 방화벽 정책에 복수의 정책이 등록되어 있는 경우, 복수의 정책 각각에 대한 우선순위를 설정할 수 있다.
제1 서버의 방화벽 정책에 제1 정책을 추가하여 등록하는 과정은 관제 서버(300)의 데이터베이스에 저장되어 있는 제1 서버의 방화벽 정책에 대한 정보에 제1 정책을 추가하여 갱신하는 것으로, 방화벽 정책에 대한 설정은 S1409 단계를 통해 수행될 수 있다.
S1409 단계에서, 관제 서버(300)는 제1 서버의 방화벽 정책에 제1 정책이 추가로 등록되면, 제1 서버의 방화벽 정책에 대한 설정 변경 명령을 제1 서버로 전송하여, 제1 정책이 제1 서버의 방화벽 정책으로 설정되도록 제어할 수 있다. 여기서, 제1 서버의 방화벽 정책에 대한 설정 변경 명령은 제1 서버의 방화벽 정책에 제1 정책을 추가하여 설정하기 위한 명령이고, 제1 서버는 제1 서버의 방화벽 정책에 대한 설정 변경 명령을 통해, 제1 정책을 제1 서버의 방화벽 정책으로 추가하여 설정할 수 있다.
S1409 단계 이후, 일정 기간이 지나면, S1401 단계로 되돌아가, 관제 서버(300)는 제1 서버로부터 제1 서버의 운영체제 정보 및 제1 서버의 네트워크 설정 정보를 다시 수신하여, 제1 서버에게 적합한 방화벽 정책을 다시 선정할 수 있다.
도 15는 일실시예에 따른 공격으로 추정되는 접근을 감지하여, 공격 횟수에 따라 대응 방안을 제공하는 과정을 설명하기 위한 순서도이다.
도 15를 참조하면, 먼저, S1501 단계에서, 관제 서버(300)는 제1 서버로부터 제1 서버의 네트워크 트래픽에 대한 모니터링 정보를 수신할 수 있다. 여기서, 제1 서버의 네트워크 트래픽에 대한 모니터링 정보는 제1 서버에서 어느 포트로 접속이 이루어져 트래픽이 발생하였는지에 대한 모니터링 정보, 제1 서버에 접속한 IP 주소 별로 시간당 얼마만큼의 트래픽을 발생시켰는지에 대한 모니터링 정보 등을 포함할 수 있다.
S1502 단계에서, 관제 서버(300)는 제1 서버의 네트워크 트래픽에 대한 모니터링 정보를 관제 서버(300) 내에서 미리 학습된 제3 인공 신경망에 적용할 수 있다.
일실시예에 따르면, 제3 인공 신경망은 서버의 네트워크 트래픽에 대한 모니터링 정보를 입력 받은 후, 서버에 공격으로 추정되는 접근이 감지되었는지 여부에 대한 검출 결과를 출력하는 알고리즘일 수 있다. 여기서, 공격은 서버에 대한 공격으로, 랜섬웨어, 해킹, DDOS 등을 포함할 수 있다.
S1503 단계에서, 관제 서버(300)는 제3 인공 신경망의 출력을 기초로, 제1 서버에 공격으로 추정되는 접근이 감지되었는지 여부를 검출할 수 있다.
예를 들어, 관제 서버(300)는 제1 서버의 네트워크 트래픽에 대한 모니터링 정보를 제3 인공 신경망에 적용하여, 제3 인공 신경망의 출력을 확인한 결과, 출력값이 0으로 확인되면, 제1 서버에 공격으로 추정되는 접근이 감지되지 않은 것으로 검출하고, 출력값이 1로 확인되면, 제1 서버에 공격으로 추정되는 접근이 감지된 것으로 검출할 수 있다.
제3 인공 신경망은 서버의 네트워크 트래픽에 대한 모니터링 정보를 통해, 서버에 공격으로 추정되는 접근이 감지되었는지 분석하도록 학습될 수 있다. 제3 인공 신경망은 도 16을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제3 인공 신경망은 서버의 네트워크 트래픽에 대한 변동 상태를 고려하여, 서버에 공격으로 추정되는 접근이 감지되었는지를 분석하여 출력할 수 있다.
S1504 단계에서, 관제 서버(300)는 제2 기준 기간 동안 제1 서버에 공격으로 추정되는 접근이 몇 번 감지되었는지 확인하여, 제1 서버가 제2 기준 기간 동안 공격받은 횟수인 제1 공격 횟수를 산출할 수 있다. 여기서, 제2 기준 기간은 실시예에 따라 상이하게 설정될 수 있으며, 제2 기준 기간 동안 S1501 단계부터 S1503 단계까지의 과정이 반복 수행될 수 있다. 이를 통해, 관제 서버(300)는 제2 기준 기간 동안 제1 서버에 공격으로 추정되는 접근이 몇 번 감지되었는지 확인하여, 제1 공격 횟수를 산출할 수 있다.
S1505 단계에서, 관제 서버(300)는 제1 공격 횟수가 제1 기준 횟수 보다 적은지 여부를 확인할 수 있다. 여기서, 제1 기준 횟수는 제2 기준 기간의 길이에 비례하여 상이하게 설정될 수 있다.
S1505 단계에서 제1 공격 횟수가 제1 기준 횟수 보다 적은 것으로 확인되면, S1507 단계에서, 관제 서버(300)는 제1 서버의 상태를 정상 상태로 판단할 수 있다.
S1507 단계 이후, 일정 기간이 지나면, S1501 단계로 되돌아가, 관제 서버(300)는 제1 서버로부터 제1 서버의 네트워크 트래픽에 대한 모니터링 정보를 다시 수신하여, 제1 공격 횟수를 다시 산출할 수 있다.
S1505 단계에서 제1 공격 횟수가 제1 기준 횟수 보다 많은 것으로 확인되면, S1506 단계에서, 관제 서버(300)는 제1 공격 횟수가 제2 기준 횟수 보다 적은지 여부를 확인할 수 있다. 여기서, 제2 기준 횟수는 제1 기준 횟수 보다 많은 값으로 설정될 수 있다.
S1506 단계에서 제1 공격 횟수가 제2 기준 횟수 보다 적은 것으로 확인되면, S1508 단계에서, 관제 서버(300)는 제1 서버의 상태를 경고 상태로 판단할 수 있다.
S1506 단계에서 제1 공격 횟수가 제2 기준 횟수 보다 많은 것으로 확인되면, S1509 단계에서, 관제 서버(300)는 제1 서버의 상태를 위험 상태로 판단할 수 있다.
S1510 단계에서, 관제 서버(300)는 제1 서버의 상태가 경고 상태로 판단되면, 제1 서버의 공격을 경고하는 알림 메시지를 제1 관리자 단말로 전송할 수 있다. 여기서, 제1 관리자 단말은 제1 서버의 관리자로 등록되어 있는 제1 관리자가 사용하는 단말을 의미하며, 관제 서버(300)의 데이터베이스에는 제1 관리자 단말의 연락처 정보가 저장되어 있어, 이를 통해, 관제 서버(300)는 제1 관리자 단말로 알림 메시지를 전송할 수 있다.
S1511 단계에서, 관제 서버(300)는 제1 서버의 상태가 위험 상태로 판단되면, 제1 정책을 통해 연결이 허용되어 있는 제1 포트의 연결 차단 명령을 제1 서버로 전송하여, 제1 서버에서 제1 포트를 통한 연결이 차단되도록 제어할 수 있다.
즉, 제1 서버에는 제1 정책이 방화벽 정책으로 설정되어 있고, 제1 정책은 제1 포트를 통해 연결을 허용하는 설정을 포함하고 있어, 제1 서버의 네트워크 연결 상태는 제1 포트를 통한 연결을 허용하고 있는 상태로, 제1 포트를 통해 트래픽이 발생되고 있는데, 제1 포트를 통한 공격받은 횟수가 너무 많은 경우, 관제 서버(300)는 제1 포트의 연결 차단 명령을 제1 서버로 전송하여, 제1 서버에서 제1 포트를 통한 연결이 차단되도록 제어할 수 있다. 이때, 제1 서버는 제1 포트의 연결 차단 명령을 통해 제1 포트의 연결을 차단시켜, 제1 포트를 통해 트래픽이 발생하지 않도록 처리할 수 있다.
도 16은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
일실시예에 따르면, 인공 신경망은, 제1 인공 신경망, 제2 인공 신경망 및 제3 인공 신경망 중 어느 하나일 수 있다. 여기서, 제1 인공 신경망은 매칭 정보를 입력 받은 후, 작업자의 위치가 있는 방향에 대한 각도를 분석하여 출력하는 알고리즘이고, 제2 인공 신경망은 서버의 네트워크 연결 상태에 대한 분석 결과를 입력 받은 후, 서버에게 적합한 방화벽 정책을 분석하여 출력하는 알고리즘이고, 제3 인공 신경망은 서버의 네트워크 트래픽에 대한 모니터링 정보를 입력 받은 후, 서버에 공격으로 추정되는 접근이 감지되었는지 여부에 대한 검출 결과를 출력하는 알고리즘일 수 있다.
인공 신경망의 학습이 이루어지는 학습 장치는 관제 서버(300)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.
먼저, S1601 단계에서, 학습 장치는 인공 신경망에 입력할 입력을 생성할 수 있다. 이때, 학습 장치는 제1 인공 신경망에 입력하기 위해, 매칭 정보를 기초로 입력을 생성할 수 있고, 제2 인공 신경망에 입력하기 위해, 서버의 네트워크 연결 상태에 대한 분석 결과를 기초로 입력을 생성할 수 있고, 제3 인공 신경망에 입력하기 위해, 서버의 네트워크 트래픽에 대한 모니터링 정보를 기초로 입력을 생성할 수 있다.
구체적으로, 학습 장치는 특정 지점의 위치 및 거리에 대한 정보를 포함하는 매칭 정보에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 매칭 정보를 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 인공 신경망의 입력을 생성할 수 있다.
또한, 학습 장치는 서버의 네트워크 연결 상태에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 네트워크 연결 상태에 대한 분석 결과를 제2 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제2 인공 신경망의 입력을 생성할 수 있다.
또한, 학습 장치는 서버의 네트워크 트래픽에 대한 모니터링 정보를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 서버의 네트워크 트래픽에 대한 모니터링 정보를 제3 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제3 인공 신경망의 입력을 생성할 수 있다.
S1602 단계에서, 학습 장치는 인공 신경망에 입력을 적용할 수 있다. 이때, 학습 장치는 제1 인공 신경망의 입력을 생성한 경우, 제1 인공 신경망에 입력을 적용하고, 제2 인공 신경망의 입력을 생성한 경우, 제2 인공 신경망에 입력을 적용하고, 제3 인공 신경망의 입력을 생성한 경우, 제3 인공 신경망에 입력을 적용할 수 있다.
인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.
강화 학습에 따라 학습되는 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 인공 신경망은 제1 보상을 통해 갱신 및 최적화되고, 제2 인공 신경망은 제2 보상 및 제3 보상을 통해 갱신 및 최적화되고, 제3 인공 신경망은 제4 보상 및 제5 보상을 통해 갱신 및 최적화될 수 있다.
예를 들어, 제1 보상은 제2 통신 모듈(200) 각각에 대해 각자 몇도, 몇m 떨어져 있을 때, RSSI 값이 어느 정도이면 어디 위치할 것인지를 고려하여 작업자의 위치가 있는 방향에 대한 각도를 선정할수록 높아질 수 있다.
또한, 제2 보상은 서버의 네트워크 연결 상태를 고려하여 서버에게 적합한 방화벽 정책을 선정할수록 높아질 수 있으며, 제3 보상은 서버의 네트워크 연결 상태를 고려하여 서버에게 적합하지 않은 방화벽 정책을 선정하지 않을수록 높아질 수 있다.
또한, 제4 보상은 서버의 네트워크 트래픽이 과다하게 발생할수록 서버에 공격으로 추정되는 접근이 감지된 것으로 검출하면 보상값이 높아질 수 있으며, 제5 보상은 동일한 IP 주소로 과다한 접속이 이루어질수록 서버에 공격으로 추정되는 접근이 감지된 것으로 검출하면 보상값이 높아질 수 있다.
S1603 단계에서, 학습 장치는 인공 신경망으로부터 출력을 획득할 수 있다.
제1 인공 신경망의 출력은 작업자의 위치가 있는 방향에 대한 각도를 나타내는 정보일 수 있다. 이때, 제1 인공 신경망은 매칭 정보를 통해 확인된 특정 지점의 위치를 고려하여, 해당 지점을 기준으로 작업자의 위치가 있는 방향에 대한 각도를 분석하여 출력할 수 있다.
제2 인공 신경망의 출력은 서버에게 적합한 방화벽 정책에 대한 정보일 수 있다. 이때, 제2 인공 신경망은 서버의 네트워크 연결 상태를 고려하여 서버에게 적합한 방화벽 정책을 선정하여, 서버에게 가장 적합한 방화벽 정책에 대한 정보를 출력할 수 있다.
제3 인공 신경망의 출력은 서버에 공격으로 추정되는 접근이 감지되었는지 여부에 대한 검출 결과이다. 이때, 제3 인공 신경망은 서버의 네트워크 트래픽에 대한 모니터링 정보를 통해, 서버에 공격으로 추정되는 접근이 감지되었는지 분석하여, 서버에 공격으로 추정되는 접근이 감지되었는지 여부에 대한 검출 결과를 출력할 수 있다.
S1604 단계에서, 학습 장치는 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다.
제1 인공 신경망의 출력에 대한 평가는 제1 보상 등으로 나뉠 수 있다. 예를 들어, 학습 장치는 서버의 제2 통신 모듈(200) 각각에 대해 각자 몇도, 몇m 떨어져 있을 때, RSSI 값이 어느 정도이면 어디 위치할 것인지를 고려하여 작업자의 위치가 있는 방향에 대한 각도를 선정할수록 제1 보상을 많이 수여할 수 있다.
제2 인공 신경망의 출력에 대한 평가는 제2 보상 및 제3 보상으로 나뉠 수 있다. 예를 들어, 학습 장치는 서버의 네트워크 연결 상태를 고려하여 서버에게 적합한 방화벽 정책을 선정할수록 제2 보상을 많이 수여하고, 서버의 네트워크 연결 상태를 고려하여 서버에게 적합하지 않은 방화벽 정책을 선정하지 않을수록 제3 보상을 많이 수여할 수 있다.
제3 인공 신경망의 출력에 대한 평가는 제4 보상 및 제5 보상으로 나뉠 수 있다. 예를 들어, 학습 장치는 서버의 네트워크 트래픽이 과다하게 발생할수록 서버에 공격으로 추정되는 접근이 감지된 것으로 검출하면 제4 보상을 많이 수여하고, 동일한 IP 주소로 과다한 접속이 이루어질수록 서버에 공격으로 추정되는 접근이 감지된 것으로 검출하면 제5 보상을 많이 수여할 수 있다.
S1605 단계에서, 학습 장치는 평가를 기초로 인공 신경망을 갱신할 수 있다.
학습 장치는 제1 인공 신경망이 작업자의 위치가 있는 방향에 대한 각도를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제1 인공 신경망을 갱신할 수 있다.
또한, 학습 장치는 제2 인공 신경망이 서버에게 가장 적합한 방화벽 정책을 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제2 인공 신경망을 갱신할 수 있다.
또한, 학습 장치는 제3 인공 신경망이 서버의 네트워크 트래픽에 대한 모니터링 정보를 통해 서버에 공격으로 추정되는 접근이 감지되었는지 여부를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제3 인공 신경망을 갱신할 수 있다.
한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.
학습 장치는 상기와 같은 인공 신경망의 학습 과정을 반복함으로써, 인공 신경망을 점진적으로 갱신시킬 수 있다.
학습 장치는 매칭 정보를 통해, 작업자의 위치가 있는 방향에 대한 각도를 분석하여 분석 결과를 출력하는 제1 인공 신경망을 학습시킬 수 있다.
즉, 학습 장치는 매칭 정보를 통해 확인된 특정 지점의 위치를 고려하여, 해당 지점을 기준으로 작업자의 위치가 있는 방향에 대한 각도를 분석할 때, 제1 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공 신경망을 학습시킬 수 있다.
학습 장치는 서버에게 적합한 방화벽 정책을 선정하는데 있어, 포워딩 타입, 프로토콜, 외부 허용 IP 주소, 외부 차단 IP 주소, 가상 포트, 운영 포트 등의 항목을 모두 고려하여, 서버에게 가장 적합한 방화벽 정책을 선정한 후, 선정된 방화벽 정책에 대한 정보를 출력하는 제2 인공 신경망을 학습시킬 수 있다.
이를 통해, 학습 장치는 서버의 네트워크 연결 상태에 대한 분석 결과를 입력 받은 후, 서버에게 적합한 방화벽 정책을 분석하여 출력하는 제2 인공 신경망을 학습시킬 수 있다.
즉, 학습 장치는 서버의 네트워크 연결 상태에 대한 분석 결과를 통해, 서버에게 적합한 방화벽 정책을 분석할 때, 제2 보상, 제3 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제2 인공 신경망을 학습시킬 수 있다.
또한, 학습 장치는 서버의 네트워크 트래픽에 대한 모니터링 정보를 통해, 서버에 공격으로 추정되는 접근이 감지되었는지 여부에 대한 검출 결과를 출력하는 제3 인공 신경망을 학습시킬 수 있다.
즉, 학습 장치는 서버의 네트워크 트래픽에 대한 모니터링 정보를 통해 서버에 공격으로 추정되는 접근이 감지되었는지 여부에 대해 분석할 때, 제4 보상, 제5 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제3 인공 신경망을 학습시킬 수 있다.
도 17은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 관제 서버(300)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서(310)는 도 1 내지 도 16을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 16을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 관제 서버(300)를 이용하는 자 또는 단체는 도 1 내지 도 16을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(320)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(310)는 프로그램을 실행하고, 관제 서버(300)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 관제 서버(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
관제 서버(300)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(320)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(310)는 메모리(320)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 관제 서버(300)와 학습된 인공 신경망을 이용하는 관제 서버(300)는 동일할 수도 있고 개별적일 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

  1. 무선 통신을 기반으로 작업자의 상태를 파악하는 시스템에 있어서,
    작업자들 각각의 작업화에 부착되어 있는 제1 통신 모듈;
    작업 현장에 설치되어 있는 제2 통신 모듈; 및
    상기 제1 통신 모듈로부터 수신된 데이터를 기반으로, 상기 작업자들의 상태를 파악하고, 상기 제2 통신 모듈로부터 수신된 데이터를 기반으로, 상기 작업 현장의 상태를 파악하는 관제 서버를 포함하며,
    상기 제1 통신 모듈 중 제1-1 통신 모듈은 제1 작업자의 작업화에 부착되어 있고,
    상기 제2 통신 모듈 중 제2-1 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-1 통신 모듈 간의 RSSI 값인 제1 수치를 측정하고,
    상기 제2 통신 모듈 중 제2-2 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-2 통신 모듈 간의 RSSI 값인 제2 수치를 측정하고,
    상기 제2 통신 모듈 중 제2-3 통신 모듈은 상기 제1-1 통신 모듈과 연결되면, 상기 제1-1 통신 모듈 및 상기 제2-3 통신 모듈 간의 RSSI 값인 제3 수치를 측정하며,
    상기 관제 서버는
    상기 제1-1 통신 모듈이 제2 통신 모듈 중 적어도 3개 이상의 통신 모듈과 연결되어, 상기 제1 수치, 상기 제2 수치 및 상기 제3 수치가 각각 측정되면, 상기 제2-1 통신 모듈로부터 상기 제1 수치에 대한 측정 데이터를 수신하고, 상기 제2-2 통신 모듈로부터 상기 제2 수치에 대한 측정 데이터를 수신하고, 상기 제2-3 통신 모듈로부터 상기 제3 수치에 대한 측정 데이터를 수신하고,
    상기 제1 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-1 통신 모듈 간의 통신 거리인 제1 거리를 산출하고, 상기 제2 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-2 통신 모듈 간의 통신 거리인 제2 거리를 산출하고, 상기 제3 수치를 이용하여 상기 제1-1 통신 모듈 및 상기 제2-3 통신 모듈 간의 통신 거리인 제3 거리를 산출하고,
    상기 작업 현장에서 상기 제2-1 통신 모듈이 A 지점에 설치되어 있고, 상기 작업 현장에서 상기 제2-2 통신 모듈이 B 지점에 설치되어 있고, 상기 작업 현장에서 상기 제2-3 통신 모듈이 C 지점에 설치되어 있는 경우, 상기 A 지점의 위치, 상기 B 지점의 위치 및 상기 C 지점의 위치와 상기 제1 거리, 상기 제2 거리 및 상기 제3 거리를 이용하여, 상기 제1 작업자의 위치를 파악하고,
    상기 제1-1 통신 모듈로부터 데이터가 수신되지 않으면, 상기 제1 작업자가 상기 작업 현장 내에 있는 통신불가지역인 제1 지역에 위치하는 것으로 판단하고,
    상기 제1 작업자가 상기 제1 지역에 위치하고 있는 것으로 판단되면, 상기 제1 작업자가 소속되어 있는 제1 작업자 그룹을 확인하고,
    상기 제1 작업자 그룹의 작업 정보를 기반으로, 상기 제1 지역에서 제2 시간 동안 작업하는 것으로 상기 제1 작업자 그룹의 작업 계획이 설정되어 있는 것을 확인하고,
    상기 제1 작업자가 상기 제1 지역에 위치하는 상태로 유지되는 시간인 제2 시간을 측정하고,
    상기 제2 시간이 미리 설정된 제2 기준 시간 보다 길게 지속된 것으로 확인되면, 상기 제1 작업자 그룹의 상태를 위험 상태로 판단하고,
    상기 제1 작업자 그룹의 상태가 위험 상태로 판단된 경우, 상기 작업 현장에 설치된 스피커를 통해, 상기 제1 지역에 진입한 상기 제1 작업자 그룹에게 위험 상황이 발생한 것을 경고하는 알림 메시지가 출력되도록 제어하는,
    무선 통신 기반 작업자 상태 파악 시스템.
  2. 제1항에 있어서,
    상기 관제 서버는
    상기 제1 작업자의 위치가 X 지점으로 파악되면, 상기 X 지점을 중심으로 미리 설정된 기준 거리 이내에 있는 영역을 기준 영역으로 설정하고,
    상기 기준 영역 내에 상기 제1 작업자 이외에 다른 작업자가 위치하고 있는지 여부를 확인하고,
    상기 기준 영역 내에 상기 제1 작업자만 위치하고 있는 것으로 확인되면, 상기 제1 작업자를 1인 작업자로 판단하고,
    상기 제1 작업자가 1인 작업자로 판단된 경우, 상기 제1 작업자의 작업화에 부착되어 있는 로드셀을 통해 상기 제1 작업자의 작업화에 가해지는 하중인 제1 중량이 측정되면, 상기 제1-1 통신 모듈로부터 상기 제1 중량에 대한 측정 데이터를 수신하고,
    상기 제1 중량이 미리 설정된 기준 중량 보다 가벼운 것으로 확인되면, 상기 제1-1 통신 모듈로부터 상기 제1 중량에 대한 측정 데이터를 계속 수신하여, 상기 제1 중량이 상기 기준 중량 보다 가벼운 상태로 유지되는 시간인 제1 시간을 측정하고,
    상기 제1 시간이 미리 설정된 제1 기준 시간 보다 길게 지속된 것으로 확인되면, 상기 제1 작업자의 상태를 위험 상태로 판단하고,
    상기 제1 작업자의 상태가 위험 상태로 판단된 경우, 상기 작업 현장에 설치된 스피커를 통해, 상기 X 지점에 위치하는 상기 제1 작업자에게 위험 상황이 발생한 것을 경고하는 알림 메시지가 출력되도록 제어하는,
    무선 통신 기반 작업자 상태 파악 시스템.
  3. 삭제
KR1020220077646A 2022-06-24 2022-06-24 무선 통신 기반 작업자 상태 파악 시스템 KR102455049B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220077646A KR102455049B1 (ko) 2022-06-24 2022-06-24 무선 통신 기반 작업자 상태 파악 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220077646A KR102455049B1 (ko) 2022-06-24 2022-06-24 무선 통신 기반 작업자 상태 파악 시스템

Publications (1)

Publication Number Publication Date
KR102455049B1 true KR102455049B1 (ko) 2022-10-13

Family

ID=83599480

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220077646A KR102455049B1 (ko) 2022-06-24 2022-06-24 무선 통신 기반 작업자 상태 파악 시스템

Country Status (1)

Country Link
KR (1) KR102455049B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102637504B1 (ko) * 2023-06-29 2024-02-15 한현근 산업 현장용 안전관리 시스템
KR102703111B1 (ko) * 2023-12-15 2024-09-06 서울특별시 경보 및 잔류 전류 감지 기능을 구비한 스마트 안전화 시스템

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101485925B1 (ko) 2012-12-03 2015-01-26 한국 전기안전공사 현장작업자 안전감시시스템
KR101490373B1 (ko) * 2013-11-05 2015-02-05 박준영 건설현장 및 산업현장의 작업인력 재해 인식 안전 단말기 및 안전 관리 시스템
KR20170055370A (ko) * 2015-11-11 2017-05-19 주식회사 이에스피 이격 거리별 능동 알에프아이디 태그를 구비하는 중장비 안전 경보 시스템
KR101882146B1 (ko) 2017-08-22 2018-07-25 정대의 스마트 현장 정보관리 시스템
KR20180089915A (ko) * 2016-12-27 2018-08-10 (주)참슬테크 공사중 건물에서의 작업자 위치 모니터링 안내 장치
KR20190009481A (ko) * 2017-07-19 2019-01-29 주식회사 선경 이.엔.아이 실시간 작업자 위치 및 설비 상태 추적 기반의 공정 안전 관리 시스템
KR102053619B1 (ko) 2018-03-16 2019-12-09 (주)이지지오 산업 현장 안전 관리 시스템
KR20190141877A (ko) * 2018-06-15 2019-12-26 주식회사 이에스피 광산 갱내 차량의 근접 감지 시스템 및 방법
KR102286279B1 (ko) * 2019-10-24 2021-08-05 (주)오픈웍스 화로 안전관리장치 및 그 장치의 구동방법
KR102371506B1 (ko) 2021-10-07 2022-03-10 강남앤인코누스 주식회사 건설 현장 작업자 상태 체크 시스템 및 방법
KR102409198B1 (ko) * 2021-12-22 2022-06-15 주식회사 와이씨앤 스마트 안전화를 이용한 안전관리 시스템 및 이를 위한 방법

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101485925B1 (ko) 2012-12-03 2015-01-26 한국 전기안전공사 현장작업자 안전감시시스템
KR101490373B1 (ko) * 2013-11-05 2015-02-05 박준영 건설현장 및 산업현장의 작업인력 재해 인식 안전 단말기 및 안전 관리 시스템
KR20170055370A (ko) * 2015-11-11 2017-05-19 주식회사 이에스피 이격 거리별 능동 알에프아이디 태그를 구비하는 중장비 안전 경보 시스템
KR20180089915A (ko) * 2016-12-27 2018-08-10 (주)참슬테크 공사중 건물에서의 작업자 위치 모니터링 안내 장치
KR20190009481A (ko) * 2017-07-19 2019-01-29 주식회사 선경 이.엔.아이 실시간 작업자 위치 및 설비 상태 추적 기반의 공정 안전 관리 시스템
KR101882146B1 (ko) 2017-08-22 2018-07-25 정대의 스마트 현장 정보관리 시스템
KR102053619B1 (ko) 2018-03-16 2019-12-09 (주)이지지오 산업 현장 안전 관리 시스템
KR20190141877A (ko) * 2018-06-15 2019-12-26 주식회사 이에스피 광산 갱내 차량의 근접 감지 시스템 및 방법
KR102286279B1 (ko) * 2019-10-24 2021-08-05 (주)오픈웍스 화로 안전관리장치 및 그 장치의 구동방법
KR102371506B1 (ko) 2021-10-07 2022-03-10 강남앤인코누스 주식회사 건설 현장 작업자 상태 체크 시스템 및 방법
KR102409198B1 (ko) * 2021-12-22 2022-06-15 주식회사 와이씨앤 스마트 안전화를 이용한 안전관리 시스템 및 이를 위한 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102637504B1 (ko) * 2023-06-29 2024-02-15 한현근 산업 현장용 안전관리 시스템
KR102703111B1 (ko) * 2023-12-15 2024-09-06 서울특별시 경보 및 잔류 전류 감지 기능을 구비한 스마트 안전화 시스템

Similar Documents

Publication Publication Date Title
KR102455049B1 (ko) 무선 통신 기반 작업자 상태 파악 시스템
US11341830B2 (en) Infrastructure construction digital integrated twin (ICDIT)
Depari et al. Indoor localization for evacuation management in emergency scenarios
Wang et al. CANS: Towards congestion-adaptive and small stretch emergency navigation with wireless sensor networks
US20170131727A1 (en) Dynamic task allocation in an autonomous multi-uav mission
JP2019109879A (ja) 自律車両のためのマルチセンサ安全経路システム
EP3161562B1 (en) A method for controlling a process plant using a redundant local supervisory controller
US11587006B2 (en) Workflow deployment
CN107292422B (zh) 一种信息-物理-社交融合空间下实现智能制造的S2ensor
US10410499B2 (en) Identifying an identity of a person detected in a monitored location
US10091300B2 (en) Wireless management and communication network system for multi-zones and managing method for the network system
RU2525746C2 (ru) Устройство обработки информации, система обработки информации, способ обработки информации и носитель информации
US11217094B2 (en) Collaborative distributed agent-based traffic light system and method of use
Wang et al. A dynamic fire escape path planning method with BIM
KR101985161B1 (ko) 공사 현장 피해 저감을 위한 지능형 안전 관리 시스템
CN109976304A (zh) 用于自主系统的安全性推断引擎
US10531049B2 (en) Methods and systems for scheduling of sensing platform nodes
CN111026149A (zh) 自主监测应急系统和方法
KR102358125B1 (ko) 시나리오 기반 작업을 수행하는 이동로봇 및 이의 작업 기반 이동경로 생성 방법
Aalami et al. Fair dynamic resource allocation in transit-based evacuation planning
KR20220130489A (ko) 증강현실 및 건물 속성 정보를 기반으로 한 소방설비 관리 및 점검 장치
Cano et al. Automatic configuration of ROS applications for near-optimal performance
KR102271560B1 (ko) 공사 현장 안전 감시 방법
CN117742337A (zh) 一种巡检路线控制方法和装置
KR102485471B1 (ko) 우회전 차량을 위한 신호 제어 시스템

Legal Events

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