KR102554835B1 - 감염병 환자의 접촉자 추적 시스템 및 방법 - Google Patents

감염병 환자의 접촉자 추적 시스템 및 방법 Download PDF

Info

Publication number
KR102554835B1
KR102554835B1 KR1020200163062A KR20200163062A KR102554835B1 KR 102554835 B1 KR102554835 B1 KR 102554835B1 KR 1020200163062 A KR1020200163062 A KR 1020200163062A KR 20200163062 A KR20200163062 A KR 20200163062A KR 102554835 B1 KR102554835 B1 KR 102554835B1
Authority
KR
South Korea
Prior art keywords
information
contact
time
storage device
personal
Prior art date
Application number
KR1020200163062A
Other languages
English (en)
Other versions
KR20220074495A (ko
Inventor
전병흡
김완철
유주빈
홍성표
Original Assignee
(주)피플앤드테크놀러지
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)피플앤드테크놀러지 filed Critical (주)피플앤드테크놀러지
Priority to KR1020200163062A priority Critical patent/KR102554835B1/ko
Publication of KR20220074495A publication Critical patent/KR20220074495A/ko
Application granted granted Critical
Publication of KR102554835B1 publication Critical patent/KR102554835B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명의 일 실시예에 따른 감염병 환자의 접촉자 추적 시스템은, 복수의 장소에 각각 설치된 복수의 식별 정보 스캐너를 이용하여 개개인이 휴대하는 개인 단말기의 개인 ID 정보를 획득하고, 상기 개인 ID 정보를 측위가 이루어진 시간 정보 및 위치 정보와 함께 분산 저장하는 실시간 측위 시스템; 상기 실시간 측위 시스템에 의해 획득한 개인 ID 정보 및 시간 정보를 장소별로 구분하여 저장하는 제1 저장장치; 상기 제1 저장장치에 저장된 정보를 기초로 갱신된 개인별 동선 정보를 저장하는 제2 저장장치; 및 상기 실시간 측위 시스템으로부터 측위가 이루어진 시간별 및 장소별 체류 인원수 정보를 수신하여 저장하고, 감염자 또는 감염 의심자 발생시에 상기 제1 저장장치 및 상기 제2 저장장치에 저장된 정보와 상기 시간별 및 장소별 체류 인원수 정보를 기초로 접촉자를 추적하는 서버를 포함할 수 있다.

Description

감염병 환자의 접촉자 추적 시스템 및 방법 {System and Method for Contact Tracing of an Infectious Disease Patient}
본 출원은 감염병 환자의 접촉자 추적 시스템 및 방법에 관한 것으로, 보다 구체적으로 다수의 인원에 대해 시간별로 수집된 위치정보가 저장된 위치정보 데이터베이스를 기반으로 특정 인물의 접촉자 및 접촉 밀접도를 판별하기 위한 시스템 및 방법에 관한 것이다.
근래 들어 운송수단의 발달과 국가간의 교역 증대에 따라 사람 간의 접촉을 매개로 하는 신종 전염병의 잦은 발생으로 인해 국가단위 전염병 관리모델의 필요성이 대두되고 있다.
예를 들어, Covid-19와 신종플루 등과 같이 바이러스를 매개로 하는 호흡기 감염병의 경우 단시간 접촉에도 전파 가능성이 높아 확산 방지의 핵심은 빠른 감염자 추적과 관리에 있다.
현재 감염자 추적 및 관리를 위해 방명록을 수기로 작성하거나 QR 코드를 이용하여 전자출입명부를 작성하는 방식이 사용되고 있다. 그러나 이와 같은 종래 방식은 특정 인원이 상주하고 잦은 이동을 하는 환경에서는 충분히 효과적이지 않다.
의료 및 요양기관, 공공기관, 기타 시설에서는 필요에 의해 무선 신호를 사용하여 특정 개인의 동선을 실시간 혹은 짧은 시간 간격으로 측정하여 데이터베이스에 수집 및 저장하고 있다.
개인별로 데이터베이스에 저장된 시간별 동선을 비교하여 접촉자를 판단할 수 있지만 등록된 인원수와 시간에 비례하여 검색량이 증가하므로 빅데이터를 처리하는 경우 효율이 크게 떨어진다는 문제가 있다.
현재 감염병 발생시 확진자의 동선 파악과 접촉자의 추적을 위해 일관성이 없는 다양한 데이터 검색 알고리즘 또는 수작업을 통해 데이터베이스에서 데이터를 검색하고 있어서 명확한 기준을 제시하기 어렵다. 또한, 방대한 양의 데이터는 시스템에 큰 부하로 작용하여 빠른 처리 결과와 정확성을 기대하기 어렵다.
뿐만 아니라, 실시간으로 획득한 개인의 동선을 중앙 서버에 저장하는 경우, 중앙 서버에서 필요 이상의 정보를 처리하도록 하고, 이로써 중앙 서버의 유지비용 증가와 향후 기타 목적으로 데이터 재가공이 필요한 경우 효율성의 저하를 초래할 수 있다.
한편, 감염병의 조기 차단을 위해서는 동선 추적을 통한 접촉자 판별과 동시에 불필요한 행정력과 의료인력, 기타 자원의 낭비를 막기 위한 과학적이고 타당한 밀접도 판별 기준이 필요하다. 여기서 요구되는 밀접도는 단순한 접촉 여부가 아니라 여러 단계로 세분화하여 접촉에 따른 감염여부가 불분명한 단계의 경중을 나누어 경계 상황을 고려하는 것이 요구된다.
종래의 실시간 측위 시스템을 이용한 개인별 동선 추적 기술을 개시하는 다양한 선행 기술들이 존재한다. 그러나, 감염병 발생시 확진자의 접촉자를 판별하는 문제에 대해서는 구체적인 알고리즘을 제시하지 못하고 있으며, 피상적으로 수집된 데이터의 분석을 이용하는 수준으로 기술되어 있다. 따라서, 현장에서 실제 적용시 하드웨어와 소프트웨어의 기술상 난맥으로 인해 해결의 시급성에 비해 빠르고 정확한 처리가 어렵다.
1. 대한민국 공개특허 10-2017-0053145 2. 대한민국 공개특허 10-2018-0010434 3. 대한민국 공개특허10-2020-0047457
따라서, 당해 기술분야에서는 실시간으로 수집한 개인별 동선 정보를 보다 효율적으로 저장하고, 저장된 정보를 빠른 시간에 효율적으로 처리하여 감염병 환자의 접촉자를 판별하며, 더 나아가 접촉 밀접도를 판별하기 위한 방안이 요구되고 있다.
상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 감염병 환자의 접촉자 추적 시스템을 제공한다.
상기 감염병 환자의 접촉자 추적 시스템은, 복수의 장소에 각각 설치된 복수의 식별 정보 스캐너를 이용하여 개개인이 휴대하는 개인 단말기의 개인 ID 정보를 획득하고, 상기 개인 ID 정보를 측위가 이루어진 시간 정보 및 위치 정보와 함께 분산 저장하는 실시간 측위 시스템; 상기 실시간 측위 시스템에 의해 획득한 개인 ID 정보 및 시간 정보를 장소별로 구분하여 저장하는 제1 저장장치; 상기 제1 저장장치에 저장된 정보를 기초로 갱신된 개인별 동선 정보를 저장하는 제2 저장장치; 및 상기 실시간 측위 시스템으로부터 측위가 이루어진 시간별 및 장소별 체류 인원수 정보를 수신하여 저장하고, 감염자 또는 감염 의심자 발생시에 상기 제1 저장장치 및 상기 제2 저장장치에 저장된 정보와 상기 시간별 및 장소별 체류 인원수 정보를 기초로 접촉자를 추적하는 서버를 포함할 수 있다.
또한, 본 발명의 다른 실시예는 감염병 환자의 접촉자 추적 방법을 제공한다.
상기 감염병 환자의 접촉자 추적 방법은, 실시간 측위 시스템에 의해 획득한 개인 ID 정보 및 시간 정보를 장소별로 구분하여 저장하는 제1 저장장치와, 상기 제1 저장장치에 저장된 정보를 기초로 갱신된 개인별 동선 정보를 저장하는 제2 저장장치와, 상기 실시간 측위 시스템으로부터 측위가 이루어진 시간별 및 장소별 체류 인원수 정보를 수신하여 저장하는 서버를 포함하는 감염병 환자의 접촉자 추적 시스템에 의한 접촉자 추적 방법에 있어서, 상기 서버가, 상기 제2 저장장치에 저장된 감염자의 개인 동선 정보와 상기 서버에 저장된 체류 인원수 정보를 호출하는 단계; 상기 체류 인원수 정보에서 감염자의 동선에 포함된 항목을 추출한 후 추출된 항목이 2 이상인 것을 선택하여 접촉 사건을 추출하는 단계; 및 추출된 접촉 사건에 대하여 상기 제1 저장장치에 저장된 장소별 개인 ID 정보를 호출하여 각 접촉 사건의 접촉자 명단을 획득하는 단계를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따르면, 내부 방문자의 동선 파악을 위해 실시간 측위 시스템을 구축한 의료 및 요양기관, 공공기관, 기타 시설에서 수집된 정보를 효과적으로 관리하고 빠르게 처리하도록 할 수 있다.
구체적으로, 실시간 측위 시스템을 통해 수집한 모든 개인의 동선 정보를 중앙 서버에 저장하지 않고도 분산된 데이터 중에서 필요한 최소한의 정보를 이용하여 빠른 접촉자의 추적을 가능하게 한다.
본 발명은 감염병을 비롯하여 기타 긴급한 필요에 의한 접촉자의 실시간 파악이 가능하도록 하며, 데이터베이스 장비의 부하를 최소화하여 시스템의 안정성과 효율을 극대화 시킬 수 있다.
또한, 분산 저장된 정보를 비교 대조함으로써, 데이터의 위조/변조 여부 등을 확인하여 데이터 무결성을 검증할 수도 있다.
더 나아가, 다층 인공신경망을 통해 감염병 환자의 접촉자에 대해 밀접접촉 강도 단계를 결정하여 보다 세분화되고 정확한 정보를 제공함으로써, 전염병 관리에 있어서 의료 자원의 불필요한 낭비를 줄이고 효율성을 높여 빠른 대처를 가능하도록 할 수 있다.
또한, 이와 같은 인공신경망의 학습 결과를 분석함으로써, 적절한 통계적 모델을 수립하고 최소한의 자원으로 감염병 확산을 저지할 수 있는 보건 정책을 수립하도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 감염병 환자의 접촉자 추적 시스템의 구성 및 이의 정보 교환을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따라 제1 저장장치에 저장되는 장소별 개인 식별 정보의 예를 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따라 제2 저장장치에 저장되는 개인별 동선 정보의 예를 도시하는 도면이다.
도 4는 본 발명의 일 실시예에 따라 서버에 저장되는 체류 인원수 정보의 예를 도시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 감염병 환자의 접촉자 추적 방법의 흐름도이다.
도 6은 본 발명의 일 실시예에 따라 밀접접촉 강도 단계를 결정하는 다층 시그모이드 인공신경망 활성함수의 그래프의 일 예를 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 감염병 환자의 접촉자 추적 시스템의 구성 및 이의 정보 교환을 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 감염병 환자의 접촉자 추적 시스템은 실시간 측위 시스템(10), 개인 단말기(20a, 20b, 20c), 제1 저장장치(30), 제2 저장장치(40) 및 서버(50)를 포함하여 구성될 수 있다.
일 실시예에 따르면, 실시간 측위 시스템(10)은 각각의 장소(1a, 1b)에 설치된 식별 정보 스캐너(10a, 10b)를 이용하여 개개인이 휴대하는 개인 단말기(20a, 20b, 20c)의 개인 ID 정보를 획득할 수 있다.
여기서, 실시간 측위 시스템(10)은 BLE(Bluetooth Low Energy), GPS, WiFi, LTE 등과 같은 무선 신호를 이용하여 근방의 개인 단말기(20a, 20b, 20c)와 통신하여 개인 단말기(20a, 20b, 20c)의 개인 ID 정보를 수집하고, 이를 측위가 이루어진 시간 정보 및 위치 정보와 함께 분산 저장하도록 한다.
일 예로, 식별 정보 스캐너(10a, 10b)는 BLE ID 스캐너일 수 있으며, 식별 정보 스캐너(10a, 10b)가 설치된 위치 정보 또는 해당 위치 정보에 상응하는 스캐너 ID 정보를 제공할 수 있다. 이 경우, 개인 단말기(20a, 20b, 20c)는 BLE 비콘 기능을 통해 BLE ID 스캐너로 개인 ID 정보를 제공할 수 있다.
또한, 실시간 측위 시스템(10)은 시간별로 획득한 개인 ID 정보를 제1 저장장치(30)에 저장할 수 있다. 여기서, 제1 저장장치(30)는 장소별(즉, Room1, Room2, …)로 구분하여 개인 ID 정보 및 시간 정보를 저장할 수 있다.
도 2는 본 발명의 일 실시예에 따라 제1 저장장치에 저장되는 장소별 개인 식별 정보의 예를 도시하는 도면으로, 각 장소마다 측위가 이루어진 시간별로 획득한 개인 ID 정보를 열 벡터(column vector)의 형태로 저장할 수 있다.
또한, 제1 저장장치(30)는 필요에 따라 복수의 장소에 해당하는 복수의 열 벡터를 병합하여 행렬의 형태로 저장할 수도 있다.
한편, 실시간 측위 시스템(10)은 제1 저장장치(30)에 저장된 정보를 기초로 개인 동선 정보를 갱신하여 제2 저장장치(40)에 저장할 수 있다. 즉, 제2 저장장치(40)는 개인별 동선 정보를 저장하는 것으로, 제1 저장장치(30)에 저장된 위치 정보(또는 이에 상응하는 스캐너 ID 정보), 개인 ID 정보 및 시간 정보를 활용하여 재구성된 개인별 동선 정보를 저장할 수 있다.
도 3은 본 발명의 일 실시예에 따라 제2 저장장치에 저장되는 개인별 동선 정보의 예를 도시하는 도면이다.
도 3을 참조하면, 개인별 동선 정보 역시 열 벡터의 형태로 저장될 수 있다. 열 벡터의 각 항목에는 위치 정보를 저장하고, 열 벡터는 임의의 기준 시각으로부터 일정 시간 간격으로 다음 행에 위치 정보를 순차적으로 추가할 수 있다. 따라서, 열 벡터에서 행의 위치로써 측위가 이루어진 시각을 계산할 수 있다.
서버(50)는 실시간 측위 시스템(10)으로부터 측위가 이루어진 매 시각, 장소별로, 해당 장소에 설치된 식별 정보 스캐너(10a, 10b)에서 획득한 체류 인원수 정보(Time/Place/#Person)를 제공받을 수 있다.
도 4는 본 발명의 일 실시예에 따라 서버에 저장되는 체류 인원수 정보의 예를 도시하는 도면이다.
도 4를 참조하면, 서버(50)는 실시간 측위 시스템(10)으로부터 수신한 정보를 2차원 배열, 즉 행렬의 형태로 저장할 수 있다. 여기서, 행렬의 각 항목은 체류 인원수를 나타내는 것으로, 열은 위치(즉, 스캐너 ID 정보)로 구분하고, 행은 상술한 개인별 동선 정보를 저장한 열 벡터와 동일한 방식으로 임의의 기준 시각으로부터 일정 시간 간격으로 측위가 이루어진 시각으로 구분할 수 있다. 따라서, 열의 수는 측위가 이루어진 장소의 개수에 해당하고, 행의 수는 측위가 이루어진 횟수(즉, (측위시간)/(측위간격))에 해당한다.
이처럼, 본 발명의 실시예에 따르면, 서버(50)는 개인별 동선 정보와 시간-장소별 수집된 개인 식별 정보는 저장하지 않아도 되므로 처리하는 데이터의 양이 대폭 감소하게 된다. 즉, 종래 방식과 같이 시간-장소별 수집된 개인 식별 정보를 저장하는 경우 데이터의 양은 (측정시각의 수)x(장소의 수)x(개인 식별 ID의 수)이지만, 본 발명에서 저장하는 데이터의 양은 (측정시각의 수)x(장소의 수)로서, 서버(50)에서 처리하는 데이터의 양이 크게 감소함을 알 수 있다.
또한, 서버(50)는 감염자(또는 감염 의심자) 발생시에 제1 저장장치(30), 제2 저장장치(40) 및 서버(50)에 저장된 정보를 기초로 감염병 환자의 접촉자를 추적할 수 있으며, 추적된 접촉자 정보를 접촉 조건(장소, 시간, 접촉자의 수)과 함께 저장할 수 있다. 서버(50)가 접촉자를 추적하는 방법은 도 5를 참조하여 구체적으로 설명한다.
또한, 서버(50)는 추적된 접촉자 정보와 접촉 조건 정보를 기초로 밀접접촉 강도 단계를 결정할 수도 있다. 서버(50)가 밀접접촉 강도 단계를 결정하는 방법은 도 6을 참조하여 구체적으로 설명한다.
또한, 서버(50)는 제1 저장장치(30), 제2 저장장치(40) 및 서버(50)에 분산 저장된 정보를 비교 대조함으로써, 데이터의 위조/변조 여부 등을 확인하여 데이터 무결성을 검증할 수도 있다.
도 5는 본 발명의 일 실시예에 따른 감염병 환자의 접촉자 추적 방법의 흐름도이다.
도 5를 참조하면, 서버는 감염자(또는 감염 의심자) 발생시에 제2 저장장치에 저장된 감염자의 개인 동선 정보와 서버에 저장된 체류 인원수 정보를 호출할 수 있다(S51).
이후, 서버는 호출한 체류 인원수 정보에서 감염자의 동선에 포함된 항목을 추출하고, 추출된 항목이 2 이상인 것을 선택하여 접촉 사건을 추출할 수 있다(S52). 즉, 시간-장소별로 저장된 체류 인원수 정보에서 감염자 본인 이외에 동일 시간 및 동일 장소에서 체류한 인원수를 확인하여 접촉 사건을 파악할 수 있다.
이 경우, 서버는 추출된 접촉 사건을 별도의 표의 형태로 저장할 수 있다. 예를 들어, 2개의 열로 구성된 표를 구성하고, 첫 번째 열에는 위치 정보를 저장하고, 두 번째 열에는 해당 위치에서의 접촉자의 수를 저장할 수 있다. 여기서, 각 행은 접촉 사건이 발생한 시간으로 구성될 수 있다.
이후, 서버는 추출된 접촉 사건에 대하여 제1 저장장치에 저장된 장소별 개인 식별 정보를 호출하여 각 접촉 사건의 접촉자 명단(즉, 개인 ID 정보 목록)을 획득할 수 있다(S53).
이 경우, 서버는 상술한 접촉 사건을 저장하는 표에 새로운 열을 추가하여 각 접촉 사건에 대한 접촉자의 명단을 저장할 수 있다.
이후, 서버는 접촉자의 2차 감염 의심 여부를 확인하여(S54), 2차 감염이 의심되는 경우에는 상술한 과정을 반복 수행하여 2차 접촉자를 추적할 수 있다.
본 발명의 실시예에 따르면, 도 5를 참조하여 상술한 바에 따라 획득한 시간-장소별 접촉자 명단을 이용하여 밀접접촉 강도 단계를 결정할 수 있다.
구체적으로, 장소별로 장소 특성(예를 들어, 환기 여부, 층고, 폐쇄도 등)에 따라 가중치가 지정될 수 있다. 이와 같은 장소별 가중치는 종래의 통계에 따른 회귀 데이터를 이용하여 미리 지정될 수도 있고, 후술하는 다층 인공신경망의 학습 파라미터로 지정될 수도 있다.
또한, 동일 장소에서의 접촉 시간은 가중치로 입력될 수 있다.
또한, 다층 인공신경망은 적절한 활성화 함수를 합성하여 구성될 수 있으며, 다층 인공신경망의 깊이는 상술한 장소 특성의 종류에 따른 비선형성을 보장하기 위해 장소 특성의 개수 이상으로 구성될 수 있다.
일 실시예에 따르면, 다층 인공신경망의 최종 출력의 활성화 함수가 밀접도를 확률로 산출할 수 있으며, 이 경우 시그모이드 함수를 사용할 수 있다.
다른 실시예에 따르면, 다층 인공신경망의 최종 출력의 활성화 함수가 밀접접촉 강도를 단계별로 구분할 수 있으며, 이 경우 다층 시그모이드 함수와 함께 여러 단계의 구분치(threshold)를 복합적으로 구성할 수 있다.
구체적으로, n-단계로 특성을 구분하는 다층 시그모이드 함수는 n개의 구분치 A1 < A2 < ....< An과 일반 시그모이드 함수 s(t)=1/(1+exp(-t))를 이용하여 SSn(t) = s(t-A1) + s(t-A2)+ .... + s(t-An)으로 정의할 수 있다. 여기서, n-단계 시그모이드 함수의 범위는 0에서 n이고, n개의 클러스터링 단계를 부드럽게 연결하도록 설계될 수 있다.
도 6은 본 발명의 일 실시예에 따라 밀접접촉 강도 단계를 결정하는 다층 시그모이드 인공신경망 활성함수의 그래프의 일 예를 도시하는 도면으로, 3-단계로 특성을 구분하는 다층 시그모이드 함수의 예를 도시한다.
상술한 바와 같은 본 발명의 실시예에 따르면, 병원, 요양원 및 기타 다수의 대중이 이용하는 감염병 취약 시설 또는 이 밖에 개인간의 접촉 여부와 그 밀접도를 파악할 필요가 있는 시설에 설치된 실시간 측위 시스템을 이용하여 개인별 동선 정보를 수집하고, 이를 빠르고 효율적으로 검색하여 특정 개인과 접촉한 인원을 효과적으로 파악할 수 있다.
특히, 본 발명에서는 데이터의 분산 저장을 통해 중앙 서버에 수집되는 데이터의 양을 최소화하고, 저장되는 데이터를 간략화함으로써 여러 차례에 걸친 접촉자 검색이 필요한 경우에도 시스템 성능 저하를 최소화할 수 있다.
더 나아가, 본 발명에서는 인공신경망을 통해 접촉자 정보와 접촉 조건으로부터 밀접접촉 강도를 결정할 수도 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
1a, 1b: 장소
10: 실시간 측위 시스템
10a, 10b: 식별 정보 스캐너
20a, 20b, 20c: 개인 단말기
30: 제1 저장장치
40: 제2 저장장치
50: 서버

Claims (12)

  1. 복수의 장소에 각각 설치된 복수의 식별 정보 스캐너를 이용하여 개개인이 휴대하는 개인 단말기의 개인 ID 정보를 획득하고, 상기 개인 ID 정보를 측위가 이루어진 시간 정보 및 위치 정보와 함께 분산 저장하는 실시간 측위 시스템;
    상기 실시간 측위 시스템에 의해 획득한 개인 ID 정보 및 시간 정보를 장소별로 구분하여 저장하는 제1 저장장치;
    상기 제1 저장장치에 저장된 정보를 기초로 갱신된 개인별 동선 정보를 저장하는 제2 저장장치; 및
    상기 실시간 측위 시스템으로부터 측위가 이루어진 시간별 및 장소별 체류 인원수 정보를 수신하여 저장하고, 감염자 또는 감염 의심자 발생시에 상기 제1 저장장치 및 상기 제2 저장장치에 저장된 정보와 상기 시간별 및 장소별 체류 인원수 정보를 기초로 접촉자를 추적하는 서버를 포함하는 감염병 환자의 접촉자 추적 시스템으로,
    상기 제1 저장장치는 각 장소마다 측위가 이루어진 시간별로 획득한 개인 ID 정보를 열 벡터의 형태로 저장하고,
    상기 제2 저장장치는 상기 개인별 동선 정보를 열 벡터의 형태로 저장하며, 상기 열 벡터의 각 항목에는 위치 정보를 저장하고, 상기 열 벡터는 기준 시각으로부터 일정 시간 간격으로 다음 행에 위치 정보를 순차적으로 추가하도록 구성되며,
    상기 서버는 상기 시간별 및 장소별 체류 인원수 정보를 행렬의 형태로 저장하고, 상기 행렬의 각 항목은 체류 인원수를 나타내며, 열은 장소로 구분되고, 행은 기준 시각으로부터 일정 시간 간격으로 측위가 이루어진 시각으로 구분되며,
    상기 제2 저장장치에 저장된 감염자의 개인 동선 정보와 상기 서버에 저장된 체류 인원수 정보를 호출하고,
    상기 체류 인원수 정보에서 감염자의 동선에 포함된 항목을 추출한 후 추출된 항목이 2 이상인 것을 선택하여 접촉 사건을 추출하며,
    추출된 접촉 사건에 대하여 상기 제1 저장장치에 저장된 장소별 개인 ID 정보를 호출하여 각 접촉 사건의 접촉자 명단을 획득하는 것을 특징으로 하는 감염병 환자의 접촉자 추적 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서,
    상기 서버는 추출된 접촉 사건을 표의 형태로 저장하고,
    상기 표의 첫 번째 열에는 위치 정보를 저장하고, 상기 표의 두 번째 열에는 해당 위치에서의 접촉자의 수를 저장하고, 상기 표의 세 번째 열에는 접촉자의 명단을 저장하며,
    상기 표의 각 행은 접촉 사건이 발생한 시간으로 구성되는 것을 특징으로 하는 감염병 환자의 접촉자 추적 시스템.
  7. 제 1 항에 있어서,
    상기 서버는 상기 접촉자 명단에 포함된 접촉자의 2차 감염 의심 여부를 확인하고, 2차 감염이 의심되는 경우 2차 접촉자를 추적하는 것을 특징으로 하는 감염병 환자의 접촉자 추적 시스템.
  8. 제 1 항에 있어서,
    상기 서버는 상기 제1 저장장치, 상기 제2 저장장치 및 상기 서버에 분산 저장된 정보를 비교 대조하여 데이터 무결성을 검증하는 것을 특징으로 하는 감염병 환자의 접촉자 추적 시스템.
  9. 제 1 항에 있어서,
    상기 서버는 추적된 접촉자 정보와 접촉 조건 정보를 기초로 다층 인공신경망에 의해 밀접접촉 강도 단계를 결정하는 것을 특징으로 하는 감염병 환자의 접촉자 추적 시스템.
  10. 제 9 항에 있어서,
    상기 서버는 상기 다층 인공신경망의 최종 출력의 활성화 함수에 의해 밀접접촉 강도를 단계별로 구분하며,
    상기 활성화 함수는,
    다층 시그모이드 함수 SSn(t) = s(t-A1) + s(t-A2)+ .... + s(t-An)로 정의되며,
    n은 활성화 함수의 단계이고, A1 내지 An은 n개의 구분치로 A1 < A2 < ....< An을 만족하는 것을 특징으로 하는 감염병 환자의 접촉자 추적 시스템.
  11. 제 10 항에 있어서,
    상기 다층 인공신경망에서,
    장소별로 장소 특성 및 동일 장소에서의 접촉 시간에 따라 가중치가 지정되는 것을 특징으로 하는 감염병 환자의 접촉자 추적 시스템.
  12. 삭제
KR1020200163062A 2020-11-27 2020-11-27 감염병 환자의 접촉자 추적 시스템 및 방법 KR102554835B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200163062A KR102554835B1 (ko) 2020-11-27 2020-11-27 감염병 환자의 접촉자 추적 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200163062A KR102554835B1 (ko) 2020-11-27 2020-11-27 감염병 환자의 접촉자 추적 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220074495A KR20220074495A (ko) 2022-06-03
KR102554835B1 true KR102554835B1 (ko) 2023-07-13

Family

ID=81982650

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200163062A KR102554835B1 (ko) 2020-11-27 2020-11-27 감염병 환자의 접촉자 추적 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102554835B1 (ko)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170053145A (ko) 2015-11-05 2017-05-15 고려대학교 산학협력단 전염병 예방과 확산 방지를 위한 전염병 추적 관리 시스템
KR101873847B1 (ko) 2016-07-21 2018-07-04 (주)인프라칩 사물인터넷을 기반으로 병원내 환자동선 및 접촉자 추적시스템 및 그 제어방법
KR102399702B1 (ko) 2020-03-30 2022-05-19 주식회사 올라운드 전염병 환자 추적 시스템 및 이를 이용한 전염병 환자 추적 방법

Also Published As

Publication number Publication date
KR20220074495A (ko) 2022-06-03

Similar Documents

Publication Publication Date Title
US11818639B2 (en) Emergency location analysis system
Hajela et al. A clustering based hotspot identification approach for crime prediction
US6710711B2 (en) Method for identifying chemical, biological and nuclear attacks or hazards
CN106304015B (zh) 用户设备的确定方法及装置
US7769207B2 (en) System and method for collection, storage, and analysis of biometric data
CN111933297A (zh) 一种基于近场通信的人员密接情况调查方法
KR102013144B1 (ko) 매핑주제도를 이용한 지도 기반 지진분석정보 서비스 제공 방법
CN110197158B (zh) 一种安保云系统及其应用
US20170300582A1 (en) Event identification through analysis of social-media postings
CN111639786A (zh) 资源配置方法、装置、存储介质及计算机设备
Kretser et al. Mobile decision-tree tool technology as a means to detect wildlife crimes and build enforcement networks
CN110096606B (zh) 一种外籍人员管理方法、装置和电子设备
CN114121302A (zh) 一种传染病情防控系统及方法
Niu et al. Prediction for global Peste des petits ruminants outbreaks based on a combination of random forest algorithms and meteorological data
CN111192153A (zh) 人群关系网络构建方法、装置、计算机设备和存储介质
CN112770265A (zh) 一种行人身份信息获取方法、系统、服务器和存储介质
CN114511432A (zh) 一种基于区块链的数字乡村管理服务系统
Mbunge et al. Machine learning techniques for predicting malaria: Unpacking emerging challenges and opportunities for tackling malaria in sub-saharan Africa
KR102554835B1 (ko) 감염병 환자의 접촉자 추적 시스템 및 방법
CN117423049A (zh) 一种实时视频追踪异常事件的方法及系统
PM et al. Fuzzy hypergraph modeling, analysis and prediction of crimes
Buscema et al. Unraveling the space grammar of terrorist attacks: A TWC approach
CN114420307A (zh) 基于人工智能的公共卫生事件登记方法、装置及电子设备
Ahn Design for visualization representation of sensing & meta data based 5G network
CN114153855A (zh) 一种实有人口管理方法、终端设备及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right