KR102600103B1 - 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템 - Google Patents

Abstract

본 발명은 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템에 관한 것이다.
보다 상세하게는 본 발명의 일 실시예에 따른 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템은 복수개의 배수로에 설치되어, 강수량, 수위 및 유량을 감지하여 감지정보를 생성하고, 상기 감지정보와 상기 배수로의 위치정보 및 감지시점을 포함하는 수관련센싱정보를 생성하여 게이트웨이로 송신하는 복수개의 수관련데이터센서, 기설정된 지역에 위치한 상기 복수개의 수관련데이터센서로부터 수관련센싱정보를 수신하고, 상기 수관련센싱정보를 관리서버로 송신하는 복수개의 게이트웨이 및 인공지능모듈을 통하여 상기 수관련센싱정보를 기반으로 특정 위치별 침수 가능성을 도출하고, 침수가능성에 기반하여, 수문을 제어하는 수문제어신호를 생성하여 수문관리서버로 송신하는 관리서버를 포함할 수 있다.

Description

인공지능 기반 스마트 도시 침수 예측 및 대응 시스템{SYSTEM OF PREDICTING AND REACTING CITY FLOODING BASED ON AI}

본 발명은 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

전지구적 기후변화 등에 따라, 장마나 국지성 호우 등에 의한, 도시 침수 문제가 최근 대두되고 있다.

현재의 도시에 적용되는 도시 침수 대응 기술은 강우량계/기상청 예보를 통한 강수량을 추정하고, 이에 따라 수문을 개폐 여부를 결정하는 수준에 그치고 있다.

하지만, 기본적으로 도시유역은 호우의 도달시간이 40분 이내여서, 기상청의 호우주의보/경보로는 도시 침수에 충분히 대응하기 어렵고, 결과적으로 도시 홍수가 반복되는 문제가 있었다.

이에, 본 발명에서는 도시 침수를 사전에 예측하여 충분한 대응이 가능할 수 있는 기술을 제안하고자 한다.

등록특허공보 제10-2314013호 (2021.10.12. 공고) 등록특허공고 제10-234373호(2021.12.27. 공고) 일본 등록특허 제6908947호(2021.07.06. 공고)

개시된 실시 예는 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템을 제공하는 것이다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템은 복수개의 배수로에 설치되어, 강수량, 수위 및 유량을 감지하여 감지정보를 생성하고, 상기 감지정보와 상기 배수로의 위치정보 및 감지시점을 포함하는 수관련센싱정보를 생성하여 게이트웨이로 송신하는 복수개의 수관련데이터센서, 기설정된 지역에 위치한 상기 복수개의 수관련데이터센서로부터 수관련센싱정보를 수신하고, 상기 수관련센싱정보를 관리서버로 송신하는 복수개의 게이트웨이 및 인공지능모듈을 통하여 상기 수관련센싱정보를 기반으로 특정 위치별 침수 가능성을 도출하고, 침수가능성에 기반하여, 수문을 제어하는 수문제어신호를 생성하여 수문관리서버로 송신하는 관리서버를 포함할 수 있다.

이 때, 상기 관리서버는, 인공지능모듈을 통하여, 인공지능모듈을 통하여, 누적된 상기 수관련센싱정보 및 데이터베이스에 저장되는 특정위치별 침수발생여부에 대응하는 침수이력정보를 기반으로, 특정지점에서 유량의 시계열적 변화량, 강수량의 시계열적 변화량, 수위의 시계열적 변화량을 입력(Input)으로 상기 특정지점에서의 백분율에 상응하는 침수유발가능성을 출력(Output)하고, 상기 침수유발가능성을 기반으로, 상기 수관련데이터센서가 위치하는 특정지점의 침수가능성을 판단할 수 있다.

이 때, 상기 관리서버는, 특정 수문으로 우수를 전달하는 배수로에 설치된 복수개의 수관련데이터센서가 위치하는 지역을 상기 특정 수문과 매칭되는 침수여부판단지역으로 설정하고, 상기 침수여부판단지역에 포함되는 수관련데이터센서가 위치하는 지점들의 침수유발가능성 및 상기 침수위험상태여부를 기반으로 상기 특정 수문의 개폐를 제어하는 수문제어신호를 생성할 수 있다.

이 때, 상기 관리서버는, 상기 침수여부판단지역에 포함되는 지점 중에 침수유발가능성이 기설정된 임계유발가능성을 초과하는 제1 지점을 도출하고, 상기 침수여부판단지역에 포함되는 지점 중에 침수위험상태인 제2 지점을 도출하고, 상기 제1 지점의 개수가 기설정된 제1 임계개수 이하이고, 상기 제2 지점의 개수가 기설정된 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 침수안전지역으로 판단하고, 상기 수문이 닫히도록 상기 수문제어신호를 생성하고, 상기 제1 지점의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점의 개수가 상기 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 상기 침수안전지역보다 위험도가 높은 침수우려지역으로 판단하고, 상기 수문이 50%로 기설정된 제1 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하고, 상기 제1 지점의 개수가 상기 제1 임계개수 이하이고, 상기 제2 지점의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수우려지역보다 위험도가 높은 침수주의지역으로 판단하고, 상기 수문이 50%로 상기 제1 수문개방시간보다 길게 설정된 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하고, 상기 제1 지점의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수주의지역보다 위험도가 높은 침수경보지역으로 판단하고, 상기 수문이 100% 상기 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성할 수 있다.

이 때, 상기 관리서버는, 상기 수관련데이터센서가 위치한 지역의 지도에 침수유발가능성, 침수위험지점, 침수안전지역, 침수우려지역, 침수주의지역 및 침수경보지역을 위치에 따라 매핑하여 침수안전지도정보를 생성하고, 상기 침수주의지역 및 상기 침수경보지역에 위치하는 사용자단말로 경고메시지 및 상기 침수안전지도정보를 송신할 수 있다.
또한, 복수개의 배수로에 설치되어, 강수량, 수위 및 유량을 감지하여 감지정보를 생성하고, 상기 감지정보와 상기 배수로의 위치정보 및 감지시점을 포함하는 수관련센싱정보를 생성하여 게이트웨이로 송신하는 복수개의 수관련데이터센서; 기설정된 지역에 위치한 상기 복수개의 수관련데이터센서로부터 수관련센싱정보를 수신하고, 상기 수관련센싱정보를 관리서버로 송신하는 복수개의 게이트웨이; 및 인공지능모듈을 통하여 상기 수관련센싱정보를 기반으로 특정 위치별 침수유발가능성을 도출하고, 침수유발가능성에 기반하여, 수문을 제어하는 수문제어신호를 생성하여 수문관리서버로 송신하는 관리서버; 를 포함하고, 상기 관리서버는, 인공지능모듈을 통하여, 누적된 상기 수관련센싱정보 및 데이터베이스에 저장되는 특정위치별 침수발생여부에 대응하는 침수이력정보를 기반으로, 특정지점에서 유량의 시계열적 변화량, 강수량의 시계열적 변화량, 수위의 시계열적 변화량을 입력(Input)으로 상기 특정지점에서의 백분율에 상응하는 침수유발가능성을 출력(Output)하고, 특정 수문으로 우수를 전달하는 배수로에 설치된 복수개의 수관련데이터센서가 위치하는 지역을 상기 특정 수문과 매칭되는 침수여부판단지역으로 설정하고, 상기 침수여부판단지역에 포함되는 수관련데이터센서가 위치하는 지점들의 침수유발가능성을 기반으로 상기 특정 수문의 개폐를 제어하는 수문제어신호를 생성하고, 상기 침수여부판단지역에 포함되는 지점 중에 침수유발가능성이 기설정된 임계유발가능성을 초과하는 제1 지점을 도출하고, 상기 침수여부판단지역에 포함되는 지점 중에 침수위험상태인 제2 지점을 도출하고, 상기 제1 지점의 개수가 기설정된 제1 임계개수 이하이고, 상기 제2 지점의 개수가 기설정된 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 침수안전지역으로 판단하고, 상기 수문이 닫히도록 상기 수문제어신호를 생성하고, 상기 제1 지점의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점의 개수가 상기 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 상기 침수안전지역보다 위험도가 높은 침수우려지역으로 판단하고, 상기 수문이 50%로 기설정된 제1 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하고, 상기 제1 지점의 개수가 상기 제1 임계개수 이하이고, 상기 제2 지점의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수우려지역보다 위험도가 높은 침수주의지역으로 판단하고, 상기 수문이 50%로 상기 제1 수문개방시간보다 길게 설정된 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하고, 상기 제1 지점의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수주의지역보다 위험도가 높은 침수경보지역으로 판단하고, 상기 수문이 100% 상기 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하는 것을 특징으로 한다.

개시된 실시 예에 따르면, 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템을 제공할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 스마트 도시 침수 예측 시스템의 개요도이다.
도 2는 본 발명의 일 실시예에 따라 침수여부판단지역의 구분을 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따라 제1 지점과 제2 지점을 구분하는 도면이다.
도 4는 본 발명의 일 실시예에 따라 사용자단말로 침수안전지도정보 및 경보메시지의 전달을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 수관련데이터센서의 사용예시를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 인공지능모듈의 동작을 나타내는 도면이다.
도 7은 인공지능모듈의 알고리즘을 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따라 제3 지점과 제4 지점과의 연관거리를 나타내는 도면이다.
도 9는 본 발명의 일 실시예에 따라 제3 지점과 제4 지점의 해발고도를 나타내는 도면이다.
도 10은 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들을 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.

이하에서, 첨부된 도면을 참조하여 본 발명의 일 실시예에 따른 인공지능 기반 스마트 도시 침수 예측 방법에 대해 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템의 개요도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템은 복수개의 수관련데이터센서(200), 복수개의 게이트웨이(300) 및 관리서버(100)를 포함할 수 있다.

이 때, 상기 수관련데이터센서(200)는, 복수개의 배수로에 설치되어, 강수량, 수위 및 유량을 감지하여 감지정보를 생성하고, 상기 감지정보와 상기 배수로의 위치정보 및 감지시점을 포함하는 수관련센싱정보를 생성하여 게이트웨이(300)로 송신할 수 있다.

도 5를 참조하면, 상기 수관련데이터센서(200)는 배수로 또는 하수관로와 같이 우수 등이 지나는 통로 또는 배관에 설치되어, 해당 배수로 또는 하수관로의 수위, 유량을 직접 감지 또는 측정할 수 있으며, 해당 배수로 또는 하수관로의 지면에 강수량을 측정할 수 있는 센서를 포함하여, 해당 지점의 강수량도 측정할 수 있다.

또한, 상기 수관련센싱정보는 위치정보와 감지시점도 함께 포함하고 있어, 상기 수위, 유량, 강수량의 시계열적 데이터로써 활용될 수도 있다.

또한, 상기 게이트웨이(300)는, 기설정된 지역에 위치한 상기 복수개의 수관련데이터센서(200)로부터 수관련센싱정보를 수신하고, 상기 수관련센싱정보를 관리서버(100)로 송신할 수 있다.

상기 수관련데이터센서(200)는 소형으로 형성됨이 바람직하기 때문에, 근거리네트워크(유선 또는 무선) 기능이 포함되도록 설계될 수 있다. 이에 따라, 상기 수관련데이터센서(200)는 직접적으로 상기 관리서버(100)에 상기 수관련센싱정보를 송신할 수 없고, 상기 게이트웨이(300)를 통해 상기 수관련센싱정보를 송신할 수 있다.

이 때, 상기 관리서버(100)는, 인공지능모듈을 통하여 상기 수관련센싱정보를 기반으로 특정 위치별 침수유발 가능성을 도출하고, 침수유발 가능성에 기반하여, 수문을 제어하는 수문제어신호를 생성하여 수문관리서버로 송신할 수 있다.

이를 통하여, 침수가 예상되는 지역의 수문의 개폐여부를 관리하여 침수를 사전에 예방할 수 있다.

이 때, 상기 관리서버(100)는 인공지능모듈을 통하여, 인공지능모듈을 통하여, 누적된 상기 수관련센싱정보 및 데이터베이스에 저장되는 특정위치별 침수발생여부에 대응하는 침수이력정보를 기반으로, 특정지점에서 유량의 시계열적 변화량, 강수량의 시계열적 변화량, 수위의 시계열적 변화량을 입력(Input)으로 상기 특정지점에서의 백분율에 상응하는 침수유발가능성을 출력(Output)할 수 있다. 이와 관련해서는 도 6 내지 도 9를 참조하면 보다 상세하게 후술하도록 한다.

도 2는 본 발명의 일 실시예에 따라 침수여부판단지역의 구분을 나타내는 도면이다.

특정 수문의 개폐를 제어하기 위해서는 해당 수문에 의하여 침수가 예방될 수 있는 지역을 1군으로 취급할 필요가 있다. 이를 위하여, 상기 관리서버(100)는 특정 수문으로 우수를 전달하는 배수로에 설치된 복수개의 수관련데이터센서(200)가 위치하는 지역을 상기 특정 수문과 매칭되는 침수여부판단지역으로 설정하고, 상기 침수여부판단지역에 포함되는 수관련데이터센서(200)가 위치하는 지점들의 침수유발가능성 및 상기 침수위험상태여부를 기반으로 상기 특정 수문의 개폐를 제어하는 수문제어신호를 생성할 수 있다.

도 3은 본 발명의 일 실시예에 따라 제1 지점(401)과 제2 지점(402)을 구분하는 도면이다.

상술한 바와 같이 1군으로 취급되는 침수여부판단지역을 대상으로 침수위험여부를 판단하기 위해서는 상기 수관련데이터센서(200)가 위치하는 지점 자체에 침수를 유발할 가능성이 높은 지점이 많은지, 침수위험지역이 많은지를 고려하여 판단하여야 한다.

이를 위하여, 상기 관리서버(100)는, 상기 침수여부판단지역에 포함되는 지점 중에 침수유발가능성이 기설정된 임계유발가능성을 초과하는 제1 지점(401)을 도출할 수 있다.

모든 지점을 기준으로 분석을 진행하는 경우, 침수의 가능성이 없는 지점까지 분석을 진행하게 되어 리소스가 낭비될 수 있기 때문이다.

이 때, 상기 임계유발가능성은 사용자에 의사(속도 중시, 정확도 중시)에 따라 임의로 설정될 수도 있고, 기 분석된 데이터를 기반으로 인접지역이 직접 침수가 발생했던 제1 지점(401)의 침수유발가능성의 평균치로 설정될 수도 있다.

또한, 상기 관리서버(100)는, 상기 침수여부판단지역에 포함되는 지점 중에 침수위험상태인 제2 지점(402)을 도출할 수 있다.

또한, 상기 관리서버(100)는 상기 제1 지점(401)의 개수가 기설정된 제1 임계개수 이하이고, 상기 제2 지점(402)의 개수가 기설정된 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 침수안전지역으로 판단하고, 상기 수문이 닫히도록 상기 수문제어신호를 생성할 수 있다.

침수를 유발할 가능성이 있는 지점과 침수위험지점이 적은 경우에는 수문을 개방하지 않고도 자가 회복이 가능한, 즉 침수의 위험이 없는 상태로 판단할 수 있기 때문에, 상기 관리서버(100)는 상기 제1 지점(401)의 개수와 상기 제2 지점(402)의 개수가 적은 경우 해당 침수여부판단지역을 침수안전지역으로 판단할 수 있다.

이 때, 상기 제1 임계개수 및 상기 제2 임계개수는 침수의 위험이 없는 기준으로 본 발명을 운영하는 운영자가 임의로 선택할 수 있다.

또한, 상기 관리서버(100)는, 상기 제1 지점(401)의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점(402)의 개수가 상기 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 상기 침수안전지역보다 위험도가 높은 침수우려지역으로 판단하고, 상기 수문이 50%로 기설정된 제1 수문개방시간동안 개방되도록 상기 수문제어신호를 생성할 수 있다.

이 때는 침수위험지점은 적으나 침수를 유발할 가능성이 있는 지점이 많은 경우로써, 현재는 해당지역에 침수가 직접적으로 발생했다고 보기 어려운 상태이므로, 수문을 일정범위(50%)만 개방하되 짧은 시간만 개방하여 대응하는 것이다.

이 때, 상기 제1 수문개방시간은 본 발명을 운영하는 운영자가 임의로 선택할 수 있다.

또한, 상기 관리서버(100)는 상기 제1 지점(401)의 개수가 상기 제1 임계개수 이하이고, 상기 제2 지점(402)의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수우려지역보다 위험도가 높은 침수주의지역으로 판단하고, 상기 수문이 50%로 상기 제1 수문개방시간보다 길게 설정된 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성할 수 있다.

이 때는 침수를 유발할 가능성이 있는 지점은 적으나, 침수위험지점이 많은 경우로써, 현재는 해당지역에 침수가 일부 발생한 것으로 볼 수 있는 상황이므로, 수문을 일정범위(50%)만 개방하되 긴 시간동안 개방하여 대응하는 것이다.

또한, 상기 관리서버(100)는 상기 제1 지점(401)의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점(402)의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수주의지역보다 위험도가 높은 침수경보지역으로 판단하고, 상기 수문이 100% 상기 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성할 수 있다.

이 때는 해당 지역에 침수가 확정적으로 발생한 상태로써, 주민들의 대피가 필요한 상황이라고 볼 수 있다. 이에 따라, 신속한 침수회복을 위하여 상기 수문을 완전 개방하고 긴 시간동안 개방하여 대응하는 것이다.

이를 통하여, 본 발명의 일 실시예는 해당 지역의 침수상태를 판단할 수 있고 그에 따라 적절한 대응을 수행할 수 있다.

도 4는 본 발명의 일 실시예에 따라 사용자단말로 침수안전지도정보 및 경보메시지의 전달을 나타내는 도면이다.

상기 관리서버(100)는, 상기 수관련데이터센서(200)가 위치한 지역의 지도에 침수유발가능성, 침수위험지점, 침수안전지역, 침수우려지역, 침수주의지역 및 침수경보지역을 위치에 따라 매핑하여 침수안전지도정보를 생성할 수 있다.

또한, 상기 관리서버(100)는 상기 침수주의지역 및 상기 침수경보지역에 위치하는 사용자단말로 경고메시지 및 상기 침수안전지도정보를 송신할 수 있다.

이 때, 상기 침수안전지도정보는 상기 사용자단말을 사용하는 사용자가 지도를 보고 안전한 지역으로 대피할 수 있는 정보를 제공해줄 수 있다.

이 때, 상기 수관련데이터센서(200), 게이트웨이(300) 및 관리서버(100) 간의 데이터 송수신시, 경량 암호화 알고리즘을 통하여 송수신할 수 있다.

일 실시예로, 경량 블록 암호화 알고리즘은 SIMON, SPECK, SIMECK을 사용할 수 있다. 이러한 경량 블록 암호화 알고리즘은 ARX 연산을 기반으로 하며, 이는 전용 하드웨어의 형태로 구현되는 S-BOX 연산을 하지 않아, 컴퓨팅 자원을 대폭 절감할 수 있는 효과를 가지게 된다.

보다 구체적으로, 개별 연산을 AND, Rotation, XOR만으로만 구성된 SIMON이나 SIMECK 경량 블록 암호화 알고리즘을 적용하는 것이 바람직하다.

또다른 실시예로는, 상술한 경량 암호화 알고리즘 대신, 전통적으로 사용되던, MD5(Messge Digest algorithm 5) 또는 SHA-1(Secure Hash Algorithm) 알고리즘을 사용할 수 있다.

또다른 실시예로는 상기 MD5나 SHA-1 알고리즘의 무결성에 대한 해킹 시도가 빈번한 점에 착안하여, ANN(Aritificial Neural Network) 해시 알고리즘을 적용하는 것도 고려할 수 있다. 보다 구체적으로, ANN의 다층 레이어중, 입력 레이어에 상기 수관련센싱정보의 입력 값(숫자, 문자의 형태)과 더불어, 해시함수의 출력값을 같이 학습시켜, 히든 레이어의 연산시 해시함수의 출력값이 반영되도록 하고, 이를 출력 레이어의 결과값(메시지 다이제스트)으로 반영하게 함으로써, 각 ANN의 고유한 특성(각 뉴론/레이어의 활성화 함수의 차이)이 결과값에 반영되게 하고, 외부에서의 해킹 등이 종래 해시 함수보다 한층 더 어려워지는 효과를 제공할 수 있다.

도 6은 본 발명의 일 실시예에 따른 인공지능모듈의 동작을 나타내는 도면이다.

도 6을 참조하면, 상술한 바와 같이 상기 관리서버(100)는, 인공지능모듈을 통하여, 누적된 상기 수관련센싱정보 및 데이터베이스에 저장되는 특정위치별 침수발생여부에 대응하는 침수이력정보를 기반으로, 특정지점에서 유량의 시계열적 변화량, 강수량의 시계열적 변화량, 수위의 시계열적 변화량을 입력(Input)으로 상기 특정지점에서의 백분율에 상응하는 침수유발가능성을 출력(Output)할 수 있다.

이 때, 상기 침수유발가능성은 해당 지점에 대한 직접적인 침수가능성을 의미할 수도 있으나, 인접한 지점으로 침수의 영향을 미치는지에 대한 가능성을 의미한다.

예를 들어, A지점에 강수량의 변화량이 크고, 수위 및 유량의 변화량이 큰 경우, 인접한 다른지역으로 해당 우수 등이 흘러갈 가능성이 매우 높기 때문에, 이에 대한 영향력을 즉, 인접한 다른 지점으로의 침수를 유발할 가능성에 대한 것이다.

이 때, 인공지능모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.

여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.

그러나, 일반적인 CNN은 처리속도나 연산량이 많다는 문제점이 있다. 본 발명에서는 즉각적인 추가 데이터를 통해 반복적인 연산이 필요한바 이보다 가벼운 알고리즘이 필요하다. 이에 대하여 도 7을 참조하여 후술하도록 한다.

도 7은 인공지능모듈의 알고리즘을 나타내는 도면이다.

도 7은 GAP(Global Average Pooling)레이어와 Inception 모듈이 적용된 CNN 모델에 관한 것이다.

일반적으로 CNN에는 많은 convolution layer를 쌓기 때문에 필터의 수가 많다. 필터가 많다는 것은 그만큼 feature map들이 쌓이게 된다는 뜻이다. 즉, CNN의 차원이 매우 크다는 뜻이다.

높은 차원을 다루려면 그 차원을 다룰 수 있는 많은수의 파라미터들을 필요로 한다. 하지만 파라미터가 너무 많아지면 학습 시 over fitting이 발생할 수 있는 문제가 발생하곤 한다. 따라서 필터에 사용된 파라미터 수를 줄여서 차원을 감소시킬 방법이 필요하다. 이런 역할을 CNN에서 해 주는 레이어가 pooling layer이다.

이 때, GAP는 각각의 feature에서 대표값(average)을 추출해 바로 classification단으로 옮기면서 이런 문제를 해결한다. 결과적으로 이전 feature map들이 가지고 있는 spatial information을 유지하면서 category로 직접 연관시키는 역할을 하기 때문에 얻어낸 feature map 중 어느 부분이 해당 class로 분류되는데 주요한 역할을 했는지를 알 수 있는 confidence map(= feature map)을 얻어낼 수 있다. 별도의 parameter optimization을 필요로 하지 않기 때문에 연산량이 적을 뿐 아니라, over-fitting 문제도 차단할 수 있다는 장점이 있다.

Inception 구조는 신경망 내부에 작은 신경망을 추가한 형태로써, 내부의 작은 신경망을 Inception 모듈이라 한다. Inception 모듈은 1x1 컨볼루션을 통하여 feature map을 줄일 수 있어, 처리속도나 연산량 측면에서 효과적인 특징이 있다.

이에 따라 상기 인공지능모듈은, GAP(Global Average Pooling) 레이어에 Inception 모듈을 포함한 CNN 모델이 적용될 수 있다.

도 8은 본 발명의 일 실시예에 따라 제3 지점(501)과 제4 지점(502)과의 연관거리를 나타내는 도면이고, 도 9는 본 발명의 일 실시예에 따라 제3 지점(501)과 제4 지점(502)의 해발고도를 나타내는 도면이다.

상술한 바와 같이 인접 지점에 침수를 유발할 가능성인 상기 침수유발가능성이 높은 지점을 중심으로 인접 지점마다의 침수유발 가능성을 별개로 산출할 필요가 있다. 왜냐하면 인접한 지점이라고 해도 서로 해발고도가 달라지는 경우, 우수 등이 흘러가는 진행방향도 달라질 수 있기 때문이다.

따라서, 도 8 및 도 9를 참조하면, 상기 관리서버(100)는, 먼저 상기 침수유발가능성이 기설정된 임계유발가능성을 초과하는 제3 지점(501)을 도출할 수 있다. 모든 지점을 기준으로 분석을 진행하는 경우, 침수의 가능성이 없는 지점까지 분석을 진행하게 되어 리소스가 낭비될 수 있기 때문이다.

이 때, 상기 임계유발가능성은 사용자에 의사(속도 중시, 정확도 중시)에 따라 임의로 설정될 수도 있고, 기 분석된 데이터를 기반으로 인접지역이 직접 침수가 발생했던 제3 지점(501)의 침수유발가능성의 평균치로 설정될 수도 있다.

또한, 상기 관리서버(100)는, 상기 제3 지점(501)과 기설정된 연관거리 내에 위치하는 복수개의 제4 지점(502)을 도출할 수 있다.

이 때, 상기 제3 지점(501)과 거리가 매우 넓은 경우, 상호간에 침수와 관련이 없을 수 있기 때문에, 침수의 영향이 미치는 최대거리를 기반으로 상기 연관거리를 설정할 수 있다.

이 때, 상기 연관거리는 사용자의 의사에 따라 임의로 설정될 수도 있고, 기 분석된 데이터를 기반으로 제3 지점(501)의 영향으로 침수가 발생했던 가장 멀리 있는 제4 지점(502)의 평균거리로 설정될 수도 있다.

또한, 상기 관리서버(100)는 상기 제3 지점(501)의 제1 해발고도와 상기 제4 지점(502)의 제2 해발고도와의 비율과 상기 침수유발가능성을 기반으로 침수가능성지수를 산출할 수 있다.

이는 해발고도에 따라 우수 등의 진행방향이 달라지기 때문에 이를 반영하기 위함이다.

이 때, 상기 침수가능성지수는, 아래 수학식 1에 의하여 산출될 수 있다.

[수학식 1]

이 때, FPI(Flooding Potential Index)는 상기 침수가능성지수를 의미하고, PCF(Possibility of Causing Flooding)는 상기 침수유발가능성을 의미하고, H(Height)1은 상기 제1 해발고도를 의미하고, H(Height)2는 상기 제2 해발고도를 의미할 수 있다.

이를 통하여, 상기 침수가능성지수는 침수유발가능성의 백분율성분을 제거하고, 해발고도가 높은 경우, 상기 침수가능성지수가 낮게 설정되고, 해발고도가 낮은 경우, 상기 침수가능성지수가 높게 설정될 수 있다.

또한, 상기 관리서버(100)는 상기 제4 지점(502)에 상기 침수가능성지수를 누적 할당하고, 현재시점을 기준으로 소급하여 기설정된 예측판단기준기간 동안 누적된 상기 침수가능성지수가 기설정된 임계침수가능성지수를 초과하는 지점을 침수위험지점으로 판단할 수 있다.

이는 누적된 모든 침수가능성지수를 기준으로 판단하는 경우, 과거의 침수이력을 기준으로 침수가능성이 판단될 수 있어 정확도가 낮아지기 때문에, 일정한 기간을 기준으로 침수위험지점으로 판단하는 것이 바람직하다.

이 때, 상기 예측판단기준기간은 사용자의 의사에 따라 임의로 설정될 수도 있고, 기 분석된 인접 지점으로의 침수영향이 없어지는 기간의 평균으로 설정될 수도 있다.

이 때, 상기 임계침수가능성지수는 사용자의 의사에 따라 임의로 설정될 수도 있고, 침수가 발생한 지점의 상기 예측판단기준기간 동안 누적된 상기 침수가능성지수의 평균으로 설정될 수도 있다.

또한, 본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다.

또한, 본 발명의 일 실시예에 따른 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템의 동작 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.

도 10은 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.

도 10에 도시된 바와 같이 본 발명의 다양한 실시예들은 특정 관점에서 컴퓨터 리드 가능 기록 매체(computer readable recording medium)에서 컴퓨터 리드 가능 코드(computer readable code)로서 구현될 수 있다. 컴퓨터 리드 가능 기록 매체는 컴퓨터 시스템에 의해 리드될 수 있는 데이터를 저장할 수 있는 임의의 데이터 저장 디바이스이다. 컴퓨터 리드 가능 기록 매체의 예들은 읽기 전용 메모리(read only memory: ROM)와, 랜덤-접속 메모리(random access memory: RAM)와, 컴팩트 디스크- 리드 온니 메모리(compact disk-read only memory: CD-ROM)들과, 마그네틱 테이프(magnetic tape)들과, 플로피 디스크(floppy disk)들과, 광 데이터 저장 디바이스들, 및 캐리어 웨이브(carrier wave)들(인터넷을 통한 데이터 송신 등)을 포함할 수 있다. 컴퓨터 리드 가능 기록 매체는 또한 네트워크 연결된 컴퓨터 시스템들을 통해 분산될 수 있고, 따라서 컴퓨터 리드 가능 코드는 분산 방식으로 저장 및 실행된다. 또한, 본 발명의 다양한 실시예들을 성취하기 위한 기능적 프로그램들, 코드, 및 코드 세그먼트(segment)들은 본 발명이 적용되는 분야에서 숙련된 프로그래머들에 의해 쉽게 해석될 수 있다.

또한 본 발명의 다양한 실시예들에 따른 장치 및 방법은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현 가능하다는 것을 알 수 있을 것이다. 이러한 소프트웨어는 예를 들어, 삭제 가능 또는 재기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 콤팩트 디스크(compact disk: CD), DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 본 발명의 다양한 실시예들에 따른 방법은 제어부 및 메모리를 포함하는 컴퓨터 또는 휴대 단말에 의해 구현될 수 있고, 이러한 메모리는 본 발명의 실시예들을 구현하는 명령들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다.

따라서, 본 발명은 본 명세서의 청구항에 기재된 장치 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 이러한 프로그램을 저장하는 기계(컴퓨터 등)로 읽을 수 있는 저장 매체를 포함한다. 또한, 이러한 프로그램은 유선 또는 무선 연결을 통해 전달되는 통신 신호와 같은 임의의 매체를 통해 전자적으로 이송될 수 있고, 본 발명은 이와 균등한 것을 적절하게 포함한다.

본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고, 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 발명에 따른 실시예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.

Claims (5)

1. 복수개의 배수로에 설치되어, 강수량, 수위 및 유량을 감지하여 감지정보를 생성하고, 상기 감지정보와 상기 배수로의 위치정보 및 감지시점을 포함하는 수관련센싱정보를 생성하여 게이트웨이로 송신하는 복수개의 수관련데이터센서;
   기설정된 지역에 위치한 상기 복수개의 수관련데이터센서로부터 수관련센싱정보를 수신하고, 상기 수관련센싱정보를 관리서버로 송신하는 복수개의 게이트웨이; 및
   인공지능모듈을 통하여 상기 수관련센싱정보를 기반으로 특정 위치별 침수유발가능성을 도출하고, 침수유발가능성에 기반하여, 수문을 제어하는 수문제어신호를 생성하여 수문관리서버로 송신하는 관리서버; 를 포함하고,
   상기 관리서버는,
   인공지능모듈을 통하여, 누적된 상기 수관련센싱정보 및 데이터베이스에 저장되는 특정위치별 침수발생여부에 대응하는 침수이력정보를 기반으로, 특정지점에서 유량의 시계열적 변화량, 강수량의 시계열적 변화량, 수위의 시계열적 변화량을 입력(Input)으로 상기 특정지점에서의 백분율에 상응하는 침수유발가능성을 출력(Output)하고,
   특정 수문으로 우수를 전달하는 배수로에 설치된 복수개의 수관련데이터센서가 위치하는 지역을 상기 특정 수문과 매칭되는 침수여부판단지역으로 설정하고,
   상기 침수여부판단지역에 포함되는 수관련데이터센서가 위치하는 지점들의 침수유발가능성을 기반으로 상기 특정 수문의 개폐를 제어하는 수문제어신호를 생성하고,
   상기 침수여부판단지역에 포함되는 지점 중에 침수유발가능성이 기설정된 임계유발가능성을 초과하는 제1 지점을 도출하고,
   상기 침수여부판단지역에 포함되는 지점 중에 침수위험상태인 제2 지점을 도출하고,
   상기 제1 지점의 개수가 기설정된 제1 임계개수 이하이고, 상기 제2 지점의 개수가 기설정된 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 침수안전지역으로 판단하고, 상기 수문이 닫히도록 상기 수문제어신호를 생성하고,
   상기 제1 지점의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점의 개수가 상기 제2 임계개수 이하인 경우, 상기 침수여부판단지역을 상기 침수안전지역보다 위험도가 높은 침수우려지역으로 판단하고, 상기 수문이 50%로 기설정된 제1 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하고,
   상기 제1 지점의 개수가 상기 제1 임계개수 이하이고, 상기 제2 지점의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수우려지역보다 위험도가 높은 침수주의지역으로 판단하고, 상기 수문이 50%로 상기 제1 수문개방시간보다 길게 설정된 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하고,
   상기 제1 지점의 개수가 상기 제1 임계개수를 초과하고, 상기 제2 지점의 개수가 상기 제2 임계개수를 초과하는 경우, 상기 침수여부판단지역을 상기 침수주의지역보다 위험도가 높은 침수경보지역으로 판단하고, 상기 수문이 100% 상기 제2 수문개방시간동안 개방되도록 상기 수문제어신호를 생성하는 것을 특징으로 하는 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템.
   
2. 삭제
3. 삭제
4. 삭제
5. 청구항 1에 있어서,
   상기 관리서버는,
   상기 수관련데이터센서가 위치한 지역의 지도에 침수유발가능성, 침수위험지점, 침수안전지역, 침수우려지역, 침수주의지역 및 침수경보지역을 위치에 따라 매핑하여 침수안전지도정보를 생성하고,
   상기 침수주의지역 및 상기 침수경보지역에 위치하는 사용자단말로 경고메시지 및 상기 침수안전지도정보를 송신하는 것을 특징으로 하는 인공지능 기반 스마트 도시 침수 예측 및 대응 시스템.