KR102517917B1 - 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템 - Google Patents
딥러닝 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템 Download PDFInfo
- Publication number
- KR102517917B1 KR102517917B1 KR1020200189272A KR20200189272A KR102517917B1 KR 102517917 B1 KR102517917 B1 KR 102517917B1 KR 1020200189272 A KR1020200189272 A KR 1020200189272A KR 20200189272 A KR20200189272 A KR 20200189272A KR 102517917 B1 KR102517917 B1 KR 102517917B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- deep learning
- water
- data
- analysis
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 103
- 238000013135 deep learning Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000013136 deep learning model Methods 0.000 claims abstract description 22
- 230000008439 repair process Effects 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 46
- 238000005259 measurement Methods 0.000 claims description 40
- 238000003973 irrigation Methods 0.000 claims description 11
- 230000002262 irrigation Effects 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 description 38
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000036626 alertness Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G08B21/18—Status alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/40—Protecting water resources
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Emergency Management (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
본 발명은 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법에 관한 것이다. 본 발명의 영상수집부가 다수개의 수리시설물에 설치된 CCTV로부터 영상을 수집하는 단계와, 계측자료수집부가 다수개의 수리시설물에 설치된 계측기기로부터 계측자료를 수집하는 단계와, 딥러닝모델생성부가 수집된 영상데이터를 전처리하고, 전처리된 데이터를 읽어 네트워크로 정의된 모델을 기반으로 학습을 하여 물관리 의사결정 지원을 위한 딥러닝 모델을 생성하는 단계와, 분석예측부가 수리시설별 수자원 환경분석을 하여 예상경보단계를 생성하는 단계와, 영상생성부가 수집된 데이터들에 기초하여 지능형 수자원관리 영상을 생성하는 단계를 포함한다.
Description
본 발명은 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템에 관한 것으로, 특히 딥러닝 기술을 통해 영상정보와 계측정보를 융합한 지능형 수자원관리 영상을 실시간으로 제공이 가능한 물관리 의사결정 지원정보 제공 방법 및 시스템에 관한 것이다.
정보통신기술의 발달로 댐 등의 수리시설물을 관리분야에도 IT 기술이 적용되고 있다. 이러한 기술을 물관리 시스템이라고 하나, 물관리 시스템은 여전히 영상정보와 계측정보가 각각 분리되어 제공하고 있으며, 영상정보는 단순히 현장상황을 제공하는 것에 그치는 수준이다. 이에 따라 수자원관리에서 영상정보는 일정 기간 저장기능만을 수행하고 있는 실정이다.
또한, 수리시설물에 설치된 계측기기를 통해 계측정보를 얻어 위험정보, 의사결정정보를 수집할 수 있지만, 데이터 누락되어 정확한 예측을 하기 어렵고, 빈번한 오동작으로 인한 사용자 신뢰성이 저하가 발생되는 문제점이 있다. 현장에 다수의 카메라가 설치되고 있지만, 재해 발생시 능동적인 영상 표출이 불가능하여 갑작스런 현장 상황에 대응하기 어렵고, 대부분 사고 후에 확인용으로 영상정보를 활용하고 있는 문제가 있다.
선행기술로는 국내등록특허 제10-1017746호(지능형 물관리 자동화시스템)가 있으나, 각종 기상 관련 정보를 수집하여 현장 여건에 맞는 홍수 예측 데이터를 생성하여 관리자에게 제공하는 기술을 개시하고 있을 뿐이나 실시간으로 지능형 영상정보를 제공하는 기술에 대해서는 개시하고 있지 않다.
본 발명이 해결하고자 하는 과제는 상기와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로, 딥러닝 기술을 통해 영상정보와 계측정보를 융합하여 실시간으로 물관리에 대한 의사결정이 가능하도록 딥러닝 영상 분석 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템을 제공할 수 있다.
본 발명의 실시예에 따른 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법은, 영상수집부가 다수개의 수리시설물에 설치된 CCTV로부터 영상을 수집하는 단계와, 계측자료수집부가 다수개의 수리시설물에 설치된 계측기기로부터 계측자료를 수집하는 단계와, 딥러닝모델생성부가 수집된 영상데이터를 전처리하고, 전처리된 데이터를 읽어 네트워크로 정의된 모델을 기반으로 학습을 하여 물관리 의사결정 지원을 위한 딥러닝 모델을 생성하는 단계와, 분석예측부가 수리시설별 수자원 환경분석을 하여 예상경보단계를 생성하는 단계와, 영상생성부가 수집된 데이터들에 기초하여 지능형 수자원관리 영상을 생성하는 단계를 포함한다.
본 발명의 실시예에 따른 딥러닝 기반의 물관리 의사결정 지원정보 제공 시스템은, 수리시설물에 설치되어 영상을 촬영하는 CCTV와, 수리시설물에 설치되어 계측정보를 계측하는 계측기기와, 상기 CCTV로부터 수집된 영상, 상기 계측기기로부터 수집된 계측자료, 공공기관서버로부터 수신된 공공데이터자료 중 적어도 하나에 기초하여 분석 및 예측을 통해 지능형 수자원관리 영상을 생성하는 운영서버와, 상기 운영서버로부터 생성된 지능형 수자원관리 영상을 수신하여 영상을 표시하는 관리자단말을 포함하고, 상기 운영서버는, 수자원환경을 분석하여 예상경보단계를 생성하되. 홍수시와 가뭄시(평시)를 구분하여 분석예측하는 분석예측부와, 수신된 영상정보, 계측정보, 공공데이터, 생성된 예상경보단계에 기초하여 지능형 수자원관리 영상을 생성하는 영상생성부를 포함한다.
본 발명에 의하면 딥러닝 기반의 영상정보와 계측정보를 융합하여 관리자에게 실시간으로 제공함으로써 수리시설물별로 물관리에 대한 의사결정을 신속하게 할 수 있다.
또한, 수리시설별 상황에 따라 실시간으로 가변적인 예상경보단계를 제공할 수 있다.
또한, 이미 설치된 CCTV에 별도의 추가 장비 없이 엣지디바이스에 딥러닝 모델을 전달하여 적용이 가능하다.
도 1은 본 발명의 실시예에 따른 딥러닝 기반의 물관리 의사결정 지원정보 제공 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법을 설명하는 흐름도이다.
도 3 내지 도 5는 본 발명의 실시예에 따른 분석예측부가 홍수시와 가뭄시에 분석예측하는 방법을 설명하는 도면이다.
도 6 내지 도 8은 본 발명의 실시예에 따라 생성된 지능형 수자원관리 영상을 도시한 예시도이다.
도 2는 본 발명의 실시예에 따른 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법을 설명하는 흐름도이다.
도 3 내지 도 5는 본 발명의 실시예에 따른 분석예측부가 홍수시와 가뭄시에 분석예측하는 방법을 설명하는 도면이다.
도 6 내지 도 8은 본 발명의 실시예에 따라 생성된 지능형 수자원관리 영상을 도시한 예시도이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 딥러닝 기반의 물관리 의사결정 지원정보 제공 시스템의 구성도이다.
도 1을 참조하면, 딥러닝 기반의 물관리 의사결정 지원정보 제공 시스템은 운영서버(100), CCTV(200), 엣지디바이스(300), 계측기기(400), 공공기관서버(500), 관리자단말(600)로 구성된다. 운영서버는 수집된 영상, 계측자료, 공공데이터자료에 기초하여 분석 및 예측을 통해 지능형 수자원관리 영상을 생성하고, 생성된 영상을 관리자단말에 제공하여 물관리에 대한 의사결정을 지원할 수 있다.
운영서버(100)는 영상수집부(110), 계측자료수집부(120), 공공데이터자료수집부(130), 딥러닝모델생성부(140), 분석예측부(150), 영상생성부(160), 저장부(170), 통신부(180), 제어부(190)로 구성된다.
영상수집부(110)는 수리시설물에 설치된 다수개의 CCTV로부터 촬영된 영상을 수집한다. 영상수집부(110)는 수집한 영상을 저장부에 저장할 수 있고, 자동분류 또는 사용자분류기법을 통해 딥러닝모델 학습을 위한 데이터로 활용될 수 있다. 영상수집부(110)는 실시예에 따라 오픈소스프로그램 모듈(ffmpeg)를 활용하여 매시간 이미지 저장기능을 수행하여 영상을 수집할 수 있다.
계측자료수집부(120)는 계측기기(400)에서 계측된 데이터를 직접 수신하거나, 실시예에 따라 수리시설물 현장에서 계측기기가 아닌 별도의 단말에 의해 수집된 계측자료를 수신하여 현장계측정보를 생성할 수 있다. 상기 현장계측정보는 기상특보, 강수량, 시설관리조건, 수위, 유량, 가동 중 적어도 하나일 수 있다.
공공데이터자료수집부(130)는 공공기관서버(500)로부터 기상데이터, 하천수위데이터, 주요수리시설 계측데이터를 수신할 수 있다. 공공기관서버(500)는 공공데이터포털서버와 연계하여 데이터를 수신할 수 있으며, OPEN API를 통해 연계할 수 있으며, 본 발명에 의해 생성된 데이터를 외부연계방식으로도 적용이 가능하도록 구현될 수 있다.
딥러닝모델 생성부(140)는 수집된 영상데이터를 측정거리에 따라 분류하여 딥러닝모델을 학습하기 위한 전처리를 수행한다. 이때, 상기 측정거리는 0.2m, 0.5m, 2.3m, 2.4m, 2.5m, 2.9m의 6가지로 분류하여 학습을 위한 데이터셋을 분류할 수 있으나 이에 대해 한정하는 것은 아니다. 딥러닝 모델생성부(140)는 전처리된 데이터를 읽고, 네트워크로 정의된 모델을 기반으로 학습을 하여 물관리 의사결정 지원을 위한 딥러닝 모델을 생성한다. 이후에, 실제 영상이미지가 입력되었을 때 평가의 정확도를 검증할 수 있다.
분석예측부(150)는 수자원환경을 분석하여 예상경보단계를 생성한다. 분석예측부(150)는 홍수시와 가뭄시(평시)를 구분하여 분석예측할 수 있다.
분석예측부(150)는 홍수시 강우-유출모델을 통해 시간별 유출량을 산정할 수 있다. 이때, 적용 강우를 대상 유역에 적용하여 강우-유출모델을 통해 시간별 유출량을 산정할 수 있다. 분석예측부(150)는 유입된 홍수량을 적용하여 실시간 예측수위를 산정할 수 있다. 분석예측부(150)는 저수지 또는 배수장 등의 수리시설물 유역으로부터 유입된 홍수량을 적용하여 실시간으로 예측수위를 산정할 수 있다. 이때, 저수지의 경우 여수토게이트, 물넘이 상황을 고려하여 방류량을 산정한다. 배수장의 경우 펌프제원을 고려하여 최대 배수량을 적용한다. 분석예측부(150)는 현재 수위로부터 예상되는 수위가 홍수위로부터 최종적으로 어느 단계에 도달되는지 분석예측하여 현재 단계에 따른 예상경보단계를 생성할 수 있다. 이때, 상기 예상경보단계는 4단계로 구분되며, 관심단계, 주의단계, 경계단계, 심각단계 순으로 구분될 수 있으나 이에 대해 한정하는 것은 아니다. 기관 요청에 따라 단계를 조정할 수 있다.
분석예측부(150)는 가뭄시 현재까지의 누적 강우량을 바탕으로 과거 강우현황과 비교하여 평년대비비율을 계산하여 미래강우량을 산정하고, 유역유출량을 계산할 수 있다. 분석예측부(150)는 저수지 또는 양수장의 수혜면적에 따른 수리시설별 필요수량을 산정한다. 분석예측부(150)가 산정된 수량을 바탕으로 저수지 수지 분석을 통해 관개기간 중 저수율 변화를 산정한다. 이때, 저수지 수지 분석 = 저수량 + 유역유출량 - 필요수량의 계산식에 의해 계산된다. 분석예측부(150)가 현재 저수율로부터 예측되는 요구 수량 대비 공급량 기준비율에 따라 예상경보단계를 생성한다.
영상생성부(160)는 수신된 영상정보, 계측정보, 공공데이터, 생성된 예상경보단계에 기초하여 지능형 수자원관리 영상을 생성할 수 있다. 이때, 영상생성부(160)는 계측정보, 공공데이터, 생성된 예상경보단계 중 적어도 하나를 융합하여 영상을 생성할 수 있다. 실시예에 따라, 계측정보, 공공데이터, 생성된 예상경보단계 중 적어도 하나를 영상정보에 중첩하여 도시할 수 있다. 실시예에 따라 공공기관서버(500)는 기상청서버, 홍수통제소서버, 수자원공사서버, 환경부서버 중 적어도 하나일 수 있다.
저장부(170)는 생성된 딥러닝모델을 저장할 수 있다. 저장부(170)는 영상정보, 계측정보, 생성된 예상경보단계를 수리시설물별로 저장할 수 있다.
통신부(180)는 생성된 지능형 수자원관리 영상을 관리자단말에 전송한다. 실시예에 따라 영상정보, 현장계측정보, 공동데이터정보, 예상경보단계를 별도로 전송하여 관리자단말에서 각각을 중첩하여 표시할 수 있다. 통신부(180)는 생성된 딥러닝모델을 엣지디바이스에 전달할 수 있다. 통신부(180)는 생성된 지능형 수자원관리 영상을 관리자단말에 전송할 수 있다. 제어부(190)는 운영서버의 각 구성을 제어할 수 있다.
도 2는 본 발명의 실시예에 따른 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법을 설명하는 흐름도이다. 도 2를 참조하면, 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법은 영상수집부가 수리시설물에 설치된 CCTV로부터 영상을 수집한다(S201). 계측자료수집부가 계측기기로부터 계측자료를 수집한다(S203).
딥러닝 모델생성부가 모델을 생성한다(S205). 딥러닝 모델생성부는 수집된 영상데이터를 측정거리에 따라 분류하여 딥러닝모델을 학습하기 위한 전처리를 수행한다. 딥러닝 모델생성부는 전처리된 데이터를 읽고, 네트워크로 정의된 모델을 기반으로 학습을 하여 물관리 의사결정 지원을 위한 딥러닝 모델을 생성한다. 이후에, 실제 영상이미지가 입력되었을 때 평가의 정확도를 검증할 수 있다. 이때, 생성된 딥러닝모델은 통신부를 통해 엣지디바이스로 전달될 수 있다.
분석예측부가 수자원환경을 분석하여 예상경보단계를 생성한다(S207).
영상생성부가 지능형 수자원관리 영상을 생성한다(S209). 영상생성부가 각 수리시설별로 현재 수위에 대해 결정된 예상경보단계, 현장계측정보, 공공데이터정보를 융합하여 지능형 수자원관리 영상을 생성할 수 있다. 영상생성부는 영상별로부여된 예상경보단계에 기초하여 경계단계 또는 심각단계인 경우 자동알람을 하도록 정보를 제공할 수 있다.
통신부가 생성된 지능형 수자원관리 영상을 관리자단말에 전송한다. 실시예에 따라 영상정보, 현장계측정보, 공동데이터정보, 예상경보단계를 별도로 전송하여 관리자단말에서 각각을 중첩하여 표시할 수 있다.
도 3 내지 도 5는 본 발명의 실시예에 따른 분석예측부가 홍수시와 가뭄시에 분석예측하는 방법을 설명하는 도면이다.
도 3을 참조하면, 분석예측부가 홍수시 강우-유출모델을 통해 시간별 유출량을 산정한다(S301). 분석예측부가 적용 강우를 대상 유역에 적용하여 강우-유출모델을 통해 시간별 유출량을 산정할 수 있다.
분석예측부가 유입된 홍수량을 적용하여 실시간 예측수위를 산정한다(S303).
분석예측부가 저수지 또는 배수장 등의 수리시설물 유역으로부터 유입된 홍수량을 적용하여 실시간으로 예측수위를 산정한다. 이때, 저수지의 경우 여수토게이트, 물넘이 상황을 고려하여 방류량을 산정한다. 배수장의 경우 펌프제원을 고려하여 최대 배수량을 적용한다(S305).
분석예측부가 현재 수위로부터 예상되는 수위가 홍수위로부터 최종적으로 어느 단계에 도달되는지 분석예측하여 현재 단계에 따른 예상경보단계를 생성한다(S307). 이때, 상기 예상경보단계는 4단계로 구분되며, 관심단계, 주의단계, 경계단계, 심각단계 순으로 구분될 수 있으나 이에 대해 한정하는 것은 아니다. 기관 요청에 따라 단계를 조정할 수 있다.
도 4를 참조하면, 분석예측부가 가뭄시 현재까지의 누적 강우량을 바탕으로 과거 강우현황과 비교하여 평년대비비율을 계산하여 미래강우량을 산정하고, 유역유출량을 계산한다(S401). 분석예측부가 저수지 또는 양수장의 수혜면적에 따른 수리시설별 필요수량을 산정한다(S403). 분석예측부가 산정된 수량을 바탕으로 저수지 수지 분석을 통해 관개기간 중 저수율 변화를 산정한다. 이때, 저수지 수지 분석 = 저수량 + 유역유출량 - 필요수량의 계산식에 의해 계산된다(S405).
분석예측부가 현재 저수율로부터 예측되는 요구 수량 대비 공급량 기준비율에 따라 예상경보단계를 생성한다(S407). 이때, 상기 예상경보단계는 4단계로 구분되며, 관심단계, 주의단계, 경계단계, 심각단계 순으로 구분될 수 있으나 이에 대해 한정하는 것은 아니다.
도 5는 본 발명의 실시예에 따른 분석예측부가 홍수시 예상 수위를 예측하는 그래프이다. 도 5를 참조하면, 분석예측부는 홍수위험수위와, 현재시점의 강수량 및 저지수위에 기초하여 홍수모의데이터, 저수지수위, 하천방류수위를 예측할 수 있다. 분석예측부는 예측된 결과를 그래프로 도시하여 관리자단말에 제공할 수 있다.
도 6 내지 도 8은 본 발명의 실시예에 따라 생성된 지능형 수자원관리 영상을 도시한 예시도이다. 도 6은 저수지 영상 화면(700)으로 수리시설물 명칭(710), 수위(720), 공공데이터(730)를 도시한 예시도이다. 도 7은 하천 영상 화면(800)으로 심각, 경계, 주의, 관심이 표시되고, 분석예측부에서 생성한 예상경보단계를 도시할 수 있다. 도 8은 저수지 영상 화면으로 예측저수율, 예상경보단계를 다양한 형태로 도시할 수 있다.
본 발명에 의해 딥러닝 기반의 영상정보와 계측정보를 융합하여 관리자에게 실시간으로 제공함으로써 수리시설물별로 물관리에 대한 의사결정을 신속하게 할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100; 운영서버 200; CCTV
300; 엣지디바이스 400; 계측기기
500; 공공기관서버 600; 관리자단말
300; 엣지디바이스 400; 계측기기
500; 공공기관서버 600; 관리자단말
Claims (5)
- 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법에 있어서,
(a) 영상수집부가 다수개의 수리시설물에 설치된 CCTV로부터 영상을 수집하는 단계;
(b) 계측자료수집부가 다수개의 수리시설물에 설치된 계측기기로부터 계측자료를 수집하는 단계;
(c) 딥러닝모델생성부가 수집된 영상데이터를 전처리하고, 전처리된 데이터를 읽어 네트워크로 정의된 모델을 기반으로 학습을 하여 물관리 의사결정 지원을 위한 딥러닝 모델을 생성하는 단계;
(d) 분석예측부가 수리시설별 수자원 환경분석을 하여 예상경보단계를 생성하는 단계; 및
(e) 영상생성부가 수집된 데이터들에 기초하여 지능형 수자원관리 영상을 생성하는 단계를 포함하고,
상기 분석예측부는 홍수시와 가뭄시(평시)를 구분하여 분석예측하고,
상기 분석예측부는 홍수시 현재 수위로부터 예상되는 수위가 홍수위로부터 최종적으로 어느 단계에 도달하는지 분석예측하여 현재 단계에 따른 예상경보단계를 생성하고,
상기 분석예측부는 가뭄시 현재 저수율로부터 예측되는 요구 수량 대비 공급량 기준비율에 따라 예상경보단계를 생성하고,
상기 영상생성부는 각 수리시설별로 현재 수위에 대해 결정된 예상경보단계, 현장계측정보, 공공데이터정보 중 적어도 하나를 융합하여 지능형 수자원관리 영상을 생성하고, 계측정보, 공공데이터, 생성된 예상경보단계 중 적어도 하나를 영상정보에 중첩하여 도시하는 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법.
- 삭제
- 제1항에 있어서,
상기 딥러닝모델 생성부는 수집된 영상데이터를 측정거리에 따라 분류하여 딥러닝모델을 학습하기 위한 전처리를 수행하는 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법.
- 제1항에 있어서,
상기 분석예측부는 홍수시 강우-유출모델을 통해 시간별 유출량을 산정하되, 유입된 홍수량을 적용하여 실시간 예측수위를 산정하고, 저수지 또는 배수장 등의 수리시설물 유역으로부터 유입된 홍수량을 적용하여 실시간으로 예측수위를 산정하는 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법.
- 딥러닝 기반의 물관리 의사결정 지원정보 제공 시스템에 있어서,
수리시설물에 설치되어 영상을 촬영하는 CCTV;
수리시설물에 설치되어 계측정보를 계측하는 계측기기;
상기 CCTV로부터 수집된 영상, 상기 계측기기로부터 수집된 계측자료, 공공기관서버로부터 수신된 공공데이터자료 중 적어도 하나에 기초하여 분석 및 예측을 통해 지능형 수자원관리 영상을 생성하는 운영서버;
상기 운영서버로부터 생성된 지능형 수자원관리 영상을 수신하여 영상을 표시하는 관리자단말을 포함하고,
상기 운영서버는,
수자원환경을 분석하여 예상경보단계를 생성하되. 홍수시와 가뭄시(평시)를 구분하여 분석예측하는 분석예측부;
수신된 영상정보, 계측정보, 공공데이터, 생성된 예상경보단계에 기초하여 지능형 수자원관리 영상을 생성하는 영상생성부를 포함하고,
상기 분석예측부는 홍수시 현재 수위로부터 예상되는 수위가 홍수위로부터 최종적으로 어느 단계에 도달하는지 분석예측하여 현재 단계에 따른 예상경보단계를 생성하고,
상기 분석예측부는 가뭄시 현재 저수율로부터 예측되는 요구 수량 대비 공급량 기준비율에 따라 예상경보단계를 생성하고,
상기 영상생성부는 각 수리시설별로 현재 수위에 대해 결정된 예상경보단계, 현장계측정보, 공공데이터정보 중 적어도 하나를 융합하여 지능형 수자원관리 영상을 생성하고, 계측정보, 공공데이터, 생성된 예상경보단계 중 적어도 하나를 영상정보에 중첩하여 도시하는 딥러닝 기반의 물관리 의사결정 지원정보 제공 시스템.
;
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200189272A KR102517917B1 (ko) | 2020-12-31 | 2020-12-31 | 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200189272A KR102517917B1 (ko) | 2020-12-31 | 2020-12-31 | 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220096645A KR20220096645A (ko) | 2022-07-07 |
| KR102517917B1 true KR102517917B1 (ko) | 2023-04-04 |
Family
ID=82398801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200189272A KR102517917B1 (ko) | 2020-12-31 | 2020-12-31 | 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102517917B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102043999B1 (ko) * | 2019-04-22 | 2019-11-12 | (주)미래로택 | 홍수 예/경보를 위한 브레이니 rtu 및 이를 이용한 강우 예측 방법과 화재/침수 관련 알람 전송 방법 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101134631B1 (ko) * | 2010-05-07 | 2012-04-09 | 이메트릭스 주식회사 | 실시간 수위 예측을 이용한 웹기반 배수갑문 제어시스템 및 배수갑문 제어방법 |
| KR101308076B1 (ko) * | 2011-12-28 | 2013-09-12 | (주) 휴스 | 센서기반 오감 정보를 이용한 수리시설물의 지능형 물관리 자동화시스템 |
| KR101505976B1 (ko) * | 2013-09-17 | 2015-03-26 | 제아정보통신(주) | 홍수 예보 영상 관리 시스템 |
| KR20170005553A (ko) * | 2015-07-06 | 2017-01-16 | 주식회사 유일기연 | 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발 |
| KR101987241B1 (ko) * | 2017-02-24 | 2019-06-11 | 주식회사 케이티 | 복합 이벤트 처리 및 상황 인지 기반 지능형 관제 플랫폼 및 지능형 관제 방법 |
| KR101954899B1 (ko) * | 2017-04-18 | 2019-03-06 | 대한민국 | 지능형 cctv 기반 자동 수위감지 방법 |
| KR102009574B1 (ko) * | 2017-12-01 | 2019-08-09 | 부산대학교 산학협력단 | 하천에서의 홍수범람 대응 관리 방법 및 하천에서의 홍수범람 대응 관리 시스템 |
| KR102168024B1 (ko) * | 2018-10-31 | 2020-10-20 | 강원대학교산학협력단 | 머신러닝을 이용한 홍수 또는 가뭄 위험 분석 장치 및 방법 |
| KR20200069211A (ko) * | 2018-12-06 | 2020-06-16 | 한국전자통신연구원 | 지능형 하천범람 경보시스템 및 그 제어 방법 |
-
2020
- 2020-12-31 KR KR1020200189272A patent/KR102517917B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102043999B1 (ko) * | 2019-04-22 | 2019-11-12 | (주)미래로택 | 홍수 예/경보를 위한 브레이니 rtu 및 이를 이용한 강우 예측 방법과 화재/침수 관련 알람 전송 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220096645A (ko) | 2022-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101849730B1 (ko) | 국소적 기상측정 기반 하천범람 모니터링 시스템 및 그 방법 | |
| US11238356B2 (en) | Method of predicting streamflow data | |
| KR102009574B1 (ko) | 하천에서의 홍수범람 대응 관리 방법 및 하천에서의 홍수범람 대응 관리 시스템 | |
| WO2023159070A1 (en) | Systems and methods for automatic environmental planning and decision support using artificial intelligence and data fusion techniques on distributed sensor network data | |
| WO2021129680A1 (zh) | 融雪性洪水预测方法、装置、电子设备和存储介质 | |
| Hiroi et al. | FloodEye: Real-time flash flood prediction system for urban complex water flow | |
| KR101445045B1 (ko) | 통합관제센터의 통합관제서비스를 이용한 수위경고 시스템 및 방법 | |
| KR20110123534A (ko) | 실시간 수위 예측을 이용한 웹기반 배수갑문 제어시스템 및 배수갑문 제어방법 | |
| KR102485227B1 (ko) | 인공지능 기반 홍수 예측 시스템 및 이를 이용한 홍수 예측 방법 | |
| KR101740558B1 (ko) | 웹 어플리케이션을 활용한 하수관망 시설물의 자산 및 유지관리 시스템 | |
| Donratanapat et al. | A national scale big data analytics pipeline to assess the potential impacts of flooding on critical infrastructures and communities | |
| René et al. | A real‐time pluvial flood forecasting system for Castries, St. Lucia | |
| WO2020111934A1 (en) | A method and system for detection of natural disaster occurrence | |
| KR20230061012A (ko) | Cctv와 사이니지를 활용한 빅데이터 기반 침수 예경보 및 예방시스템 | |
| US20210104059A1 (en) | Method for size estimation by image recognition of specific target using given scale | |
| CN117953445B (zh) | 基于交通监控相机雨天道路能见度测定方法、系统及介质 | |
| CN114413854B (zh) | 一种基于倾斜摄影的实景三维图像核验系统 | |
| Bainbridge et al. | Detection and forecasting of shallow landslides: lessons from a natural laboratory | |
| JP4799300B2 (ja) | 監視システム | |
| US20230408479A1 (en) | Systems and methods for enhancing water safety using sensor and unmanned vehicle technologies | |
| KR102614856B1 (ko) | 군중 난류 위험 예측 시스템 및 방법 | |
| KR102517917B1 (ko) | 딥러닝 기반의 물관리 의사결정 지원정보 제공 방법 및 시스템 | |
| CN117372629A (zh) | 一种基于数字孪生的水库可视化数据监管控制系统及方法 | |
| Barclay et al. | Assessment of advanced LiDAR based tools for enhanced flood prediction | |
| KR20240080204A (ko) | 비지도 학습 기반의 산사태 발생 예측 방법 및 이를 지원하는 산사태 경보 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |