KR102660291B1 - 지진 정보 제공 시스템 - Google Patents
지진 정보 제공 시스템 Download PDFInfo
- Publication number
- KR102660291B1 KR102660291B1 KR1020220162423A KR20220162423A KR102660291B1 KR 102660291 B1 KR102660291 B1 KR 102660291B1 KR 1020220162423 A KR1020220162423 A KR 1020220162423A KR 20220162423 A KR20220162423 A KR 20220162423A KR 102660291 B1 KR102660291 B1 KR 102660291B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- earthquake
- management server
- user terminal
- integrated management
- Prior art date
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 151
- 230000009471 action Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 86
- 238000001514 detection method Methods 0.000 claims description 66
- 238000005259 measurement Methods 0.000 claims description 61
- 230000001133 acceleration Effects 0.000 claims description 41
- 230000003190 augmentative effect Effects 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 description 49
- 238000007726 management method Methods 0.000 description 41
- 238000010586 diagram Methods 0.000 description 27
- 238000000034 method Methods 0.000 description 24
- 238000012544 monitoring process Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000006641 stabilisation Effects 0.000 description 5
- 238000011105 stabilization Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
- G08B7/066—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources guiding along a path, e.g. evacuation path lighting strip
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Geophysics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Emergency Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Geophysics And Detection Of Objects (AREA)
- Alarm Systems (AREA)
Abstract
지진 정보 제공 시스템이 개시되며, 본원의 일 실시예에 따른 지진 정보 제공 시스템은, 대상 영역에서 발생한 지진동과 연계된 레벨 정보를 획득하고, 상기 대상 영역 내에 위치하는 사용자 단말로부터 측위 정보를 획득하고, 상기 측위 정보 및 상기 레벨 정보에 대응하는 행동 요령에 대한 제1가이드 정보를 상기 사용자 단말로 전송하는 통합 관리 서버 및 상기 통합 관리 서버로부터 수신한 상기 제1가이드 정보를 출력하는 사용자 단말을 포함할 수 있다.
Description
본원은 지진 정보 제공 시스템에 관한 것이다.
지진동은 지구 내부에서 급격한 지각변동이 생겨 그 충격으로 생긴 파동, 즉 지진파가 지표면까지 전해져 지반을 흔드는 것을 말하며, 학술적으로는 "탄성 에너지원으로부터 지진파가 전파됨으로써 발생하는 지구의 진동"이라고 정의할 수 있다. 지진동의 규모는 민감한 지진계로만 검출되는 아주 작은 규모의 지진동부터 광범위한 지역에 큰 피해를 주는 대규모의 지진동까지 다양하다. 전세계적으로 매일 지구상에서 발생하는 지진동은 수천 개에 이르며, 대부분의 지진동은 오랜 기간에 걸쳐 대륙의 이동, 해저의 확장, 산맥의 형성 등에 작용하는 지구 내부의 커다란 힘에 의하여 발생된다.
지진동이 발생하면 산업시설물을 비롯한 구조물 등의 손상뿐만 아니라, 인명피해도 함께 수반될 수 있다. 이때, 지진동에 의한 피해의 정도는 지진동의 규모 및 지진 발생 지점(진원)과의 거리에 따라 달라질 수 있다.
일반적으로 지진동의 에너지는 지진동 발생 지점과의 거리가 멀어질수록 감쇠하면서 약화하는 특성이 있기 때문이다. 따라서, 지진동이 발생할 경우, 지진동의 정확한 판단과, 발생된 지진동의 크기를 파악하며, 지진동의 발생을 신속하게 전파하는 것이 광역적인 지진피해 및 인명피해의 대응에 있어서 매우 중요하다.
특히, 최근 들어 국내의 지진의 발생 빈도가 증가하는 추세에 있으며, 이를 고려하여 국내에서도 지진조기경보체계를 운영하고 있어 지진 발생 시 지진 감지 결과를 통보할 수 있는 재난대응 시스템이 갖추어져 있다.
현재의 지진조기경보체계는 규모 5.0 이상의 지진에 대해서는 유관 기관에 50초 이내에 통보하며, 규모 3.5 이상의 지진에는 지진 속보로 정보를 제공하고 있다. 또한, 최근의 실제 지진 발생 사례에서는 재난문자의 도착이 보다 신속하게 생성 및 발송되어야 하는 필요성이 커지고 있다.
이를 해결하기 위하여, 지진 관측소의 확충 노력과 지진관측망의 조밀도를 선진국 수준으로 개선하기 위한 시도가 다양한 방면으로 이루어지고 있으나, 지진 관측소의 신규 설치에는 많은 비용과 시간을 필요로 하므로 고정형 지진 관측망 구축에는 어려움이 따르며 중앙 집중 식의 네트워크 기반의 지진조기경보체계에서는 최종 지진 경보 및 속보가 전달되기에는 많은 중간 단계가 필요한 한계가 있다.
한편, 최근 미세 전기 기계 시스템(Micro Electro Mechanical Systems, MEMS) 기술의 발전으로 인하여 가속도 센서, 자이로 센서, 자기장 센서와 같이 다양한 센서가 소형화되어 다양한 응용 프로그램에 활용되고 있으며, 다양한 분야에서 종래에 전문적인 장치들을 통해서만 수행되던 복잡한 기능을 소형 센서를 사용하여 구현할 수 있게 되었으며, 지진 등과 같은 재난 분석에 활용하려는 시도 역시 증가 추세에 있다.
또한, 지진 관측 및 예측 연구에서는 IoT(Internet of Things, 사물인터넷) 등 최신 ICT(정보통신) 기술을 지진조기경보 및 지진 대응에 활용하는 연구가 세계적으로 활발히 이루어지고 있다.
그러나, 종래의 재난경보체계는 단순한 정보 전달 기능만 있어 지진에 대한 구체적인 대응 방법에 정보가 부족한 측면이 있었고, 지진경보의 빠른 통보와 더불어 지진과 연계된 구체적인 행동 요령을 전파할 수 있는 지진 정보 제공 시스템의 개발이 요구된다.
본원의 배경이 되는 기술은 한국등록특허공보 제10-2070084호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 대상 영역에서 발생한 지진동 수준과 사용자의 위치 정보에 따른 맞춤형의 행동 요령 정보를 전파할 수 있는 지진 정보 제공 시스템을 제공하려는 것을 목적으로 한다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 대상 영역에서 계측된 측정 데이터에 대한 소정의 특성 파라미터 기반의 분석을 통해 대상 영역의 흔들림과 연계된 분석 정보를 도출하는 인공지능 기반의 분석 모델을 통한 지진동 감지 장치 및 방법을 제공하려는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 지진 정보 제공 시스템은, 대상 영역에서 발생한 지진동과 연계된 레벨 정보를 획득하고, 상기 대상 영역 내에 위치하는 사용자 단말로부터 측위 정보를 획득하고, 상기 측위 정보 및 상기 레벨 정보에 대응하는 행동 요령에 대한 제1가이드 정보를 상기 사용자 단말로 전송하는 통합 관리 서버 및 상기 통합 관리 서버로부터 수신한 상기 제1가이드 정보를 출력하는 사용자 단말을 포함할 수 있다.
또한, 본원의 일 실시예에 따른 지진 정보 제공 시스템은, 상기 통합 관리 서버로부터 상기 레벨 정보 및 기 파악된 설치 위치 정보에 대응하는 행동 요령에 대한 제2가이드 정보를 수신하고, 상기 제2가이드 정보를 출력하는 정보 단말을 포함할 수 있다.
또한, 상기 통합 관리 서버는, 상기 사용자 단말로부터 실시간 촬영 이미지를 수신하고, 상기 실시간 촬영 이미지를 상기 사용자 단말에 대하여 매칭된 보조자 단말로 전송할 수 있다.
또한, 상기 통합 관리 서버는, 상기 보조자 단말을 통해 출력되는 상기 실시간 촬영 이미지에 대하여 입력되는 주석 데이터를 상기 보조자 단말로부터 수신하고, 상기 주석 데이터를 상기 실시간 촬영 이미지에 중첩한 증강 이미지를 상기 사용자 단말 및 상기 보조자 단말로 전송할 수 있다.
또한, 상기 통합 관리 서버는, 상기 실시간 촬영 이미지에 대하여 ORB(Oriented FAST and Rotated BRIEF) 알고리즘을 적용하여 특징점을 추출하고, 상기 사용자 단말로부터 상기 실시간 촬영 이미지의 촬영 시점의 상기 사용자 단말의 관성 센서 측정값을 획득하고, 상기 특징점 및 상기 관성 센서 측정값을 이용하여 상기 주석 데이터의 중첩 위치를 결정할 수 있다.
또한, 상기 통합 관리 서버는, 상기 사용자 단말로부터 소정의 영역에 대한 공간 이미지를 수신하고, 상기 공간 이미지에 반영된 적어도 하나의 객체 영역을 식별하고, 상기 객체 영역의 형상 및 상기 소정의 영역에 대한 상기 객체 영역의 배치 상태를 고려하여 지진 위험도 평가 정보를 생성하여 상기 사용자 단말로 전송할 수 있다.
또한, 상기 제1가이드 정보 및 상기 제2가이드 정보는 상기 측위 정보 및 상기 설치 위치 정보 중 적어도 하나를 고려한 대피 경로에 대한 정보를 포함할 수 있다.
또한, 상기 정보 단말은, 상기 제2가이드 정보를 시각적으로 출력하기 위한 광원 모듈 및 디스플레이 모듈 중 적어도 하나를 구비할 수 있다.
또한, 상기 정보 단말은, 상기 제2가이드 정보에 대응하는 음향을 출력하기 위한 스피커 모듈을 구비할 수 있다.
또한, 본원의 일 실시예에 따른 지진 정보 제공 시스템은 상기 통합 관리 서버로 상기 레벨 정보를 전송하는 지진동 감지 장치를 포함할 수 있다.
한편, 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 방법은, (a) 대상 영역의 최대 지반 가속도를 포함하는 측정 데이터를 수집하는 단계 및 (b) 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하도록 기 학습된 인공지능 기반의 분석 모델에 상기 측정 데이터를 입력하여 상기 대상 영역에서의 흔들림과 연계된 분석 정보를 도출하는 단계를 포함할 수 있다.
또한, 상기 특성 파라미터는 상기 최대 지반 가속도를 기초로 하여 도출되는 복수의 제로 크로싱(Zero Crossing) 관련 파라미터를 포함할 수 있다.
또한, 상기 (b) 단계는, (b1) 상기 최대 지반 가속도가 미리 설정된 임계값 이상인지 여부를 판단하는 상시 관측을 수행하는 단계, (b2) 상기 최대 지반 가속도가 상기 임계값 이상이면, 상기 측정 데이터를 상기 분석 모델에 입력하여 상기 지진동 발생 여부를 판단하는 지진 관측을 수행하는 단계 및 (b3) 상기 대상 영역에서 상기 지진동이 발생한 것으로 판단되면, 상기 흔들림과 연계된 레벨 정보를 생성하고, 상기 레벨 정보를 외부 기기로 전파하는 집중 관측을 수행하는 단계를 포함할 수 있다.
또한, 상기 (a) 단계는, X축, Y축 및 Z축을 포함하는 3축 각각에 대한 상기 측정 데이터를 개별적으로 획득할 수 있다.
또한, 상기 제로 크로싱 관련 파라미터는, 상기 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최대 진폭을 가지는 축에서의 제로 크로싱 값인 제1 ZC 파라미터, 상기 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최소 진폭을 가지는 축에서의 제로 크로싱 값인 제2 ZC 파라미터 및 상기 3축 중 제로 크로싱이 미발생하는 축 존재 시, 최대 진폭을 가지는 축에서의 논-제로 크로싱 값인 제3 ZC 파라미터를 포함할 수 있다.
또한, 상기 (b) 단계는, 미리 설정된 복수의 윈도우 사이즈 및 미리 설정된 모니터링 구간 길이에 기초하여 시계열 데이터인 상기 측정 데이터를 분할하여 상기 지진동 발생 여부를 판단한 결과를 종합하여 상기 분석 정보를 도출할 수 있다.
또한, 상기 특성 파라미터는 IQR(Interquartile range) 및 CAV(Cumulative Absolute Velocity)를 포함할 수 있다.
또한, 상기 (b2) 단계는, 상기 분석 모델을 이용한 상기 지진동 발생 여부의 판단을 미리 설정된 임계 반복 횟수 이상 수행할 수 있다.
또한, 상기 (b2) 단계는, STA(Short Term Average) 및 LTA(Long Term Average) 값 중 적어도 하나에 기초하여 상기 지진동 발생 여부에 대한 판단 결과를 검증하는 단계를 포함할 수 있다.
한편, 본원의 일 실시예에 따른 인공지능 기반의 지진동 감지 모델의 학습 방법은, 지진동 발생에 따른 최대 지반 가속도를 포함하는 학습 데이터를 수집하는 단계 및 상기 최대 지반 가속도와 연계된 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하는 인공지능 기반의 분석 모델을 상기 학습 데이터에 기초하여 구축하는 단계를 포함할 수 있다.
또한, 상기 수집하는 단계는, 상기 지진동에 대응하는 규모 정보에 기초하여 복수의 학습 데이터 셋을 구분하여 수집할 수 있다.
또한, 상기 구축하는 단계는, 상기 복수의 학습 데이터 셋 각각을 이용하여 상기 최대 지반 가속도의 수준에 따라 선택적으로 사용되는 복수의 분석 모델을 개별 구축할 수 있다.
한편, 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치는, 대상 영역의 최대 지반 가속도를 포함하는 측정 데이터를 수집하는 측정부 및 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하도록 기 학습된 인공지능 기반의 분석 모델에 상기 측정 데이터를 입력하여 상기 대상 영역에서의 흔들림과 연계된 분석 정보를 도출하는 분석부를 포함할 수 있다.
또한, 상기 분석부는, 상기 최대 지반 가속도가 미리 설정된 임계값 이상인지 여부를 판단하는 상시 관측부, 상기 최대 지반 가속도가 상기 임계값 이상이면, 상기 측정 데이터를 상기 분석 모델에 입력하여 상기 지진동 발생 여부를 판단하는 지진 관측부 및 상기 대상 영역에서 상기 지진동이 발생한 것으로 판단되면, 상기 흔들림과 연계된 레벨 정보를 생성하고, 상기 레벨 정보를 외부 기기로 전파하는 집중 관측부를 포함할 수 있다.
또한, 상기 측정부는, X축, Y축 및 Z축을 포함하는 3축 각각에 대한 상기 측정 데이터를 개별적으로 획득할 수 있다.
또한, 상기 분석부는, 미리 설정된 복수의 윈도우 사이즈 및 미리 설정된 모니터링 구간 길이에 기초하여 시계열 데이터인 상기 측정 데이터를 분할하여 상기 지진동 발생 여부를 판단한 결과를 종합하여 상기 분석 정보를 도출할 수 있다.
한편, 본원의 일 실시예에 따른 인공지능 기반의 지진동 감지 모델의 학습 장치는, 지진동 발생에 따른 최대 지반 가속도를 포함하는 학습 데이터를 수집하는 수집부 및 상기 최대 지반 가속도와 연계된 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하는 인공지능 기반의 분석 모델을 상기 학습 데이터에 기초하여 구축하는 학습부를 포함할 수 있다.
또한, 상기 수집부는, 상기 지진동에 대응하는 규모 정보에 기초하여 복수의 학습 데이터 셋을 구분하여 수집할 수 있다.
또한, 상기 학습부는, 상기 복수의 학습 데이터 셋 각각을 이용하여 상기 최대 지반 가속도의 수준에 따라 선택적으로 사용되는 복수의 분석 모델을 개별 구축할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 대상 영역에서 발생한 지진동 수준과 사용자의 위치 정보에 따른 맞춤형의 행동 요령 정보를 전파할 수 있는 지진 정보 제공 시스템을 제공할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 대상 영역에서 계측된 측정 데이터에 대한 소정의 특성 파라미터 기반의 분석을 통해 대상 영역의 흔들림과 연계된 분석 정보를 도출하는 인공지능 기반의 분석 모델을 통한 지진동 감지 장치 및 방법을 제공할 수 있다.
다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.
도 1은 본원의 일 실시예에 따른 지진 정보 제공 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 동작 프로세스를 설명하기 위한 개념도이다.
도 3은 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 세부 관측 프로세스를 설명하기 위한 개념도이다.
도 4는 제로 크로싱(Zero Crossing) 관련 파라미터를 설명하기 위한 개념도이다.
도 5는 소정의 윈도우 사이즈 및 모니터링 구간 길이에 기초하여 시계열 데이터인 측정 데이터를 분할하여 분석하는 프로세스를 설명하기 위한 개념도이다.
도 6은 측정 데이터를 시각화 하여 제공하는 인터페이스를 예시적으로 나타낸 도면이다.
도 7a 및 도 7b는 규모 정보에 따른 복수의 분석 모델을 이용한 윈도우 사이즈 및 모니터링 구간 길이 별 감지 성능을 나타낸 도표이다.
도 8은 지진동의 레벨 정보 및 사용자 단말의 측위 정보를 고려한 행동 요령을 표출하는 인터페이스를 예시적으로 나타낸 도면이다.
도 9는 AR 포인팅 기법을 이용한 구조 정보 공유 서비스를 설명하기 위한 개념도이다.
도 10은 AR 포인팅 기법의 구현을 위한 증강 현실 처리 모듈을 설명하기 위한 개념도이다.
도 11은 ORB 알고리즘을 이용한 특징점 추출 예시를 나타낸 도면이다.
도 12a는 이미지 분석 기반의 지진 위험도 안내 서비스의 구현을 위한 이미지 내 객체 인식 및 라벨링 결과를 예시적으로 나타낸 도면이다.
도 12b는 이미지 내에서 식별된 객체에 대하여 산출된 규격 정보를 표시하는 인터페이스를 예시적으로 나타낸 도면이다.
도 13은 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 개략적인 구성도이다.
도 14는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 분석부의 세부 구성도이다.
도 15는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 방법에 대한 동작 흐름도이다.
도 2는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 동작 프로세스를 설명하기 위한 개념도이다.
도 3은 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 세부 관측 프로세스를 설명하기 위한 개념도이다.
도 4는 제로 크로싱(Zero Crossing) 관련 파라미터를 설명하기 위한 개념도이다.
도 5는 소정의 윈도우 사이즈 및 모니터링 구간 길이에 기초하여 시계열 데이터인 측정 데이터를 분할하여 분석하는 프로세스를 설명하기 위한 개념도이다.
도 6은 측정 데이터를 시각화 하여 제공하는 인터페이스를 예시적으로 나타낸 도면이다.
도 7a 및 도 7b는 규모 정보에 따른 복수의 분석 모델을 이용한 윈도우 사이즈 및 모니터링 구간 길이 별 감지 성능을 나타낸 도표이다.
도 8은 지진동의 레벨 정보 및 사용자 단말의 측위 정보를 고려한 행동 요령을 표출하는 인터페이스를 예시적으로 나타낸 도면이다.
도 9는 AR 포인팅 기법을 이용한 구조 정보 공유 서비스를 설명하기 위한 개념도이다.
도 10은 AR 포인팅 기법의 구현을 위한 증강 현실 처리 모듈을 설명하기 위한 개념도이다.
도 11은 ORB 알고리즘을 이용한 특징점 추출 예시를 나타낸 도면이다.
도 12a는 이미지 분석 기반의 지진 위험도 안내 서비스의 구현을 위한 이미지 내 객체 인식 및 라벨링 결과를 예시적으로 나타낸 도면이다.
도 12b는 이미지 내에서 식별된 객체에 대하여 산출된 규격 정보를 표시하는 인터페이스를 예시적으로 나타낸 도면이다.
도 13은 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 개략적인 구성도이다.
도 14는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 분석부의 세부 구성도이다.
도 15는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 방법에 대한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
본원은 지진 정보 제공 시스템에 관한 것이다.
도 1은 본원의 일 실시예에 따른 지진 정보 제공 시스템의 개략적인 구성도이다.
도 1을 참조하면, 본원의 일 실시예에 따른 지진 정보 제공 시스템(10)은 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치(100)(이하, '지진동 감지 장치(100)'라 한다.), 통합 관리 서버(200), 사용자 단말(300), 보조자 단말(400) 및 정보 단말(500)을 포함할 수 있다.
지진동 감지 장치(100), 통합 관리 서버(200), 사용자 단말(300), 보조자 단말(400) 및 정보 단말(500) 상호간은 네트워크(20)를 통해 통신할 수 있다. 네트워크(20)는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(20)의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
사용자 단말(300) 및 보조자 단말(400)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치일 수 있다.
정보 단말(500)은 통합 관리 서버(200)를 통해 제공되는 지진 행동 요령 등에 대한 가이드 정보를 출력하도록 대상 영역에 마련되는 각종 IoT 디바이스를 폭넓게 지칭할 수 있다. 예를 들어 도 1을 참조하면, 정보 단말(500)은 대상 영역에 마련되어 가이드 정보에 대응하는 음향(음성)을 출력하기 위한 스피커 모듈을 구비하는 AI 스피커(510), 대상 영역에 마련되어 통합 관리 서버(200)로부터 가이드 정보를 수신하고, 수신한 가이드 정보를 디스플레이 모듈(522)을 통해 시각적으로 표시하는 셋탑 모듈(521)을 포함하는 스마트 TV 시스템 등을 포함할 수 있다. 또한, 도면에는 도시되지 않았으나, 본원의 구현예에 따라서는 정보 단말(500)은 대상 영역에 마련되는 유도등, 경보등, 경광등, 피난 유도 장치 등의 경로 안내용 광 디바이스를 포함할 수도 있다.
참고로, 본원의 실시예에 관한 설명에서, 지진동 감지 장치(100)는 대상 영역에서 지진동 감지를 위한 측정 데이터를 수집하고, 수집된 데이터를 이용한 분석 정보를 도출하는 연산/추론 동작을 수행하는 디바이스일 수 있으나, 이에만 한정되는 것은 아니다. 다른 예로, 본원의 구현예에 따라서는 지진동 감지 장치(100)가 수집한 측정 데이터가 통합 관리 서버(200)로 전송되고, 통합 관리 서버(200) 측에서 수신한 측정 데이터에 대한 인공지능 기반의 분석 모델을 이용한 분석을 통해 대상 영역에서의 지진동 발생 여부에 대한 판단, 지진동 발생 시 대상 영역에서의 흔들림과 연계된 레벨 정보 분류 등의 동작이 수행되는 것일 수 있다.
또 다른 예로, 통합 관리 서버(200)는 대상 영역에 대하여 배치된 복수의 지진동 감지 장치(100)(예를 들면, 3개 이상의 지진동 감지 장치(100) 등)로부터 수신된 측정 데이터를 종합하여 지진동 발생 여부에 대한 분석 정보를 도출하거나, 복수의 지진동 감지 장치(100)로부터 개별 수신한 지진동 발생 여부에 대한 분석 정보를 종합하여 대상 영역에서의 지진동 발생 여부에 대한 최종적인 판단을 수행하는 것일 수 있다.
달리 말해, 본원에서 개시하는 지진 정보 제공 시스템(10)의 지진동 감지 장치(100)는 측정 데이터 수집 기능을 보유하되, 수집된 측정 데이터에 대한 분석 기능, 분석 결과에 따른 지진동 발생 여부 판단 기능, 흔들림 레벨 분류 기능 등을 추가로 구비할 수 있다.
이하에서는 도 2 내 지도 6을 참조하여 지진동 감지 장치(100)의 구체적인 기능 및 동작에 대하여 설명하도록 한다.
도 2는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 동작 프로세스를 설명하기 위한 개념도이고, 도 3은 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 세부 관측 프로세스를 설명하기 위한 개념도이다.
도 2를 참조하면, 지진동 감지 장치(100)는 대상 영역에 설치되어 대상 영역의 최대 지반 가속도(Peak Ground Acceleration, PGA) 정보를 포함하는 측정 데이터를 계측하기에 앞서, 지진동 감지 장치(100)가 실행된 후(예를 들면, 전원이 공급되어 디바이스가 온(On) 상태가 된 직후), 측정 데이터의 획득을 위한 안정화 대기 상태를 거칠 수 있다. 이러한 안정화 대기 상태 동안 지진동 감지 장치(100)는 해당 디바이스가 설치된 대상 영역의 환경 파라미터를 고려한 초기 설정을 결정함으로써 가속도 계측 모듈이 안정화 되도록 소정의 기간 동안 대기할 수 있다.
또한, 지진동 감지 장치(100)는 가속도 계측 모듈의 안정화가 완료되면 지진동 감지(지진 관측) 프로세스를 수행할 수 있으며, 이는 상시 관측, 지진 관측 및 집중 관측을 포함하는 복수의 단위 프로세스로 구분되어 수행될 수 있다.
구체적으로, 지진동 감지 장치(100)는 안정화 완료 후, 가속도 계측 모듈에 의해 획득된 최대 지반 가속도가 미리 설정된 임계값 이상인지 여부를 판단하는 상시 관측(상시 흔들림 감지)을 수행할 수 있다.
또한, 지진동 감지 장치(100)는 상시 관측 단계에서 이상징후가 감지되면(달리 말해, 임계값 이상의 최대 지반 가속도를 포함하는 측정 데이터가 수집되면), 측정 데이터를 기 학습된 인공지능 기반의 분석 모델에 입력하여 지진동 발생 여부를 판단하는 지진 관측(지진동 감지)을 수행할 수 있다.
즉, 본원에서 개시하는 지진동 감지 장치(100)는 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하도록 기 학습된 인공지능 기반의 분석 모델에 측정 데이터를 입력하여 대상 영역에서의 흔들림과 연계된 분석 정보를 도출할 수 있다.
또한, 지진동 감지 장치(100)는 지진 관측 단계에서 최대 지반 가속도를 초과하는 측정 데이터가 감지되었음에도 불구하고, 해당 측정 데이터가 지진동에 해당하지 않는 것으로 분석 모델의 출력 결과가 도출되는 경우, 재차 안정화 단계와 상시 관측 단계를 수행하도록 동작할 수 있다.
이와 달리, 지진 관측 단계에서 대상 영역에서 지진동이 발생한 것으로 판단되면, 지진동 감지 장치(100)는 대상 영역에서의 흔들림과 연계된 레벨 정보를 생성하고, 생성된 레벨 정보를 외부 기기로 전파하는 집중 관측(흔들림 알림)을 수행할 수 있다.
또한, 도 3을 참조하면, 지진동 감지 장치(100)는 최대 지반 가속도 정보를 이용하여 계측된 이상 징후가 실제 지진에 의한 지진동인지 단순 흔들림인지를 판단하는 지진 관측 단계에서 판단 오류가 발생할 가능성이 존재하므로, 이를 보완하기 위해 인공지능 기반의 분석 모델이 복수 회 이상의 지진동 감지를 수행하거나, STA/LTA(Short Term Average / Long Term Average) 방식을 이용해 분석 모델의 출력 값에 대한 정확성을 높일 수 있다.
달리 말해, 본원에서 개시하는 지진동 감지 장치(100)는 인공지능 기반의 분석 모델을 이용한 지진동 발생 여부의 판단을 미리 설정된 임계 반복 횟수 이상 수행하거나 STA(Short Term Average) 및 LTA(Long Term Average) 값 중 적어도 하나에 기초하여 지진동 발생 여부에 대한 판단 결과를 검증함으로써 실제 지진에 의한 지진동과 단순 흔들림을 엄밀히 분류하도록 구현될 수 있다.
한편, 본원에서 개시하는 지진동 감지 장치(100)의 인공지능 기반의 분석 모델은 최대 지반 가속도를 기초로 하여 도출되는 복수의 제로 크로싱(Zero Crossing) 관련 파라미터를 포함하는 특성 파라미터를 기초로 하여 구축되는 것일 수 있다.
이와 관련하여 도 4는 제로 크로싱(Zero Crossing) 관련 파라미터를 설명하기 위한 개념도이다.
도 4를 참조하면, 제로 크로싱(ZC) 관련 파라미터는 3축 방향 각각에 대하여 획득되는 최대 지반 가속도의 X축 측정값, Y축 측정값 및 Z축 측정값 중 적어도 하나가 각각의 축(X, Y, Z)축에서 기준점(0)을 기준으로 반전이 되는 횟수와 관련된 파라미터일 수 있다.
보다 구체적으로 본원의 일 실시예에 따르면, 지진동 감지 장치(100)는 X축, Y축 및 Z축을 포함하는 3축 각각에 대한 측정 데이터를 개별적으로 획득하고, 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최대 진폭을 가지는 축에서의 제로 크로싱 값인 제1 ZC 파라미터(Max-ZC), 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최소 진폭을 가지는 축에서의 제로 크로싱 값인 제2 ZC 파라미터(Min-ZC) 및 3축 중 제로 크로싱이 미발생하는 축 존재 시, 최대 진폭을 가지는 축에서의 논-제로 크로싱 값인 제3 ZC 파라미터(Max-NonZC)를 포함하는 3개의 제로 크로싱(ZC) 관련 파라미터를 입력으로 하고, 해당 측정 데이터의 지진동 발생 여부에 대한 정답 데이터를 기초로 하여 학습(구축)되는 것일 수 있다.
또한, 본원의 일 실시예에 따르면, 지진동 감지 장치(100)는 IQR(Interquartile range) 및 CAV(Cumulative Absolute Velocity)를 포함하는 추가 특성 파라미터를 고려하여 학습되는 것일 수 있다.
이와 관련하여, IQR(Interquartile range)은 X축, Y축, Z축에 따른 측정값의 벡터의 합에서 50%의 범위를 나타내는 특성 파라미터로서 하기 식 1을 통해 연산될 수 있다.
[식 1]
또한, CAV(Cumulative Absolute Velocity)은 X축, Y축, Z축에 따른 측정값의 벡터의 합의 총합을 나타내는 특성 파라미터로서, 하기 식 2를 통해 연산될 수 있다.
[식 2]
도 5는 소정의 윈도우 사이즈 및 모니터링 구간 길이에 기초하여 시계열 데이터인 측정 데이터를 분할하여 분석하는 프로세스를 설명하기 위한 개념도이다.
도 5를 참조하면, 지진동 감지 장치(100)는 미리 설정된 복수의 윈도우 사이즈 및 미리 설정된 모니터링 구간 길이에 기초하여 시계열 데이터인 측정 데이터를 분할하여 지진동 발생 여부를 판단한 결과를 종합하여 분석 정보를 도출할 수 있다.
구체적으로, 지진동 감지 장치(100)는 동일한 측정 데이터의 특정 구간(모니터링 구간) 내에서 서로 다른 사이즈의 윈도우 각각을 특정 간격(예를 들면, 1초 단위 등)으로 움직이면서 지진동을 감지할 수 있으며, 최종적인 지진동 발생 여부에 대한 정보인 분석 정보를 윈도우 사이즈 및 모니터링 구간 별 조합에 따른 판정 결과를 종합하여 획득될 수 있다.
예를 들어, 지진동 감지 장치(100)는 6초 범위의 측정 데이터를 대상으로 하여, 3초의 모니터링 구간 동안 2초 사이즈의 윈도우에서 2회 이상 지진 감지 시 지진동 발생으로 판정할 수 있고, 3초의 모니터링 구간 동안 2초 사이즈의 윈도우에서 1회 지진이 감지되고, 3초 사이즈의 윈도우에서 1회 지진이 감지되는 경우 지진동 발생으로 판정할 수 있고, 4초의 모니터링 구간 동안 2초 사이즈의 윈도우에서 2회 이상 지진이 감지되고, 3초 사이즈의 윈도우에서 1회 이상 지진이 감지되는 경우 지진동 발생으로 판정할 수 있고, 4초의 모니터링 구간 동안 2초 사이즈의 윈도우에서 2회 지진이 감지되고, 4초 사이즈의 윈도우에서 1회 지진이 감지되는 경우 지진동 발생으로 판정할 수 있고, 5초의 모니터링 구간 동안 4초 사이즈의 윈도우에서 연속 2회 이상 지진 감지 시 지진동 발생으로 판정할 수 있으나, 이에만 한정되는 것은 아니다.
도 6은 측정 데이터를 시각화 하여 제공하는 인터페이스를 예시적으로 나타낸 도면이다.
도 6을 참조하면, 지진동 감지 장치(100) 또는 통합 관리 서버(200)는 시계열(시퀀스) 데이터인 측정 데이터를 감지 구간, 모니터링 구간, 윈도우 설정 등에 따라 구획하여 표시하고, 측정 데이터에 대한 지진동 발생 여부에 대한 감지 결과를 측정 데이터 상에 반영하여 사용자 단말(300) 등을 통해 측정 데이터를 시각화 하여 제공할 수 있다.
또한, 본원의 일 실시예에 따르면, 지진동 감지 장치(100)는 지진동에 대응하는 규모 정보에 기초하여 복수의 학습 데이터 셋을 구분하여 수집하고, 구분하여 수집된 복수의 학습 데이터 셋 각각을 이용하여 최대 지반 가속도의 수준에 따라 선택적으로 사용되는 복수의 분석 모델을 개별 구축할 수 있다.
예를 들어, 지진동 감지 장치(100)는 지진동 감지 가능성을 더욱 높이기 위하여 규모 4.0을 기준으로 데이터를 두 그룹으로 분류하고, 규모 4.0 이하의 학습 데이터 셋과 규모 4.0 초과에 해당하는 학습 데이터 셋을 바탕으로 서로 다른 분석 모델을 생성하고, 관측 단계에서 트리거 기준을 넘는 이벤트 발생 시 해당 이벤트의 최대 가속도 값이 규모 4.0 수준을 넘는지에 따라 서로 다른 모델을 적용하도록 동작할 수 있다.
이와 관련하여 도 7a 및 도 7b는 규모 정보에 따른 복수의 분석 모델을 이용한 윈도우 사이즈 및 모니터링 구간 길이 별 감지 성능을 나타낸 도표이다. 또한, 도 7a 및 도 7b는 단일 제로 크로싱 파라미터를 기초로 구축되는 종래의 인공지능 기반의 분석 모델(ANN-3)과 본원에서 개시하는 복수의 제로 크로싱 파라미터를 기초로 하여 구축되는 인공지능 기반의 분석 모델(ANN-5)의 성능을 비교하여 나타난 도표이다.
도 7a 및 도 7b를 참조하면, ANN-3과 ANN-5모델의 성능 결과를 보여주고 있는데, 전체적으로 ANN-5의 성능이 ANN-3의 성능을 상회하는 것을 확인할 수 있으며, 모니터링 구간 및 윈도우 사이즈에 따른 성능 평가 결과를 비교하면, 지진동 판정을 위한 데이터의 길이가 더 정확한 감지 결과를 보임을 확인할 수 있다.
이하에서는 도 8 내지 도 12b를 참조하여 지진동 감지 장치(100)에 의해 도출되는 분석 정보를 이용한 지진 정보 제공 시스템(10)의 지진 안심 서비스를 설명하도록 하며, 이하에서는 설명의 편의를 위하여 통합 관리 서버(200)가 대상 영역에 설치된 적어도 하나의 지진동 감지 장치(100)로부터 지진동 발생 시 대상 영역에서의 흔들림과 연계된 분석 정보(흔들림 레벨 정보)를 수신하고, 수신한 분석 정보를 이용하여 사용자 단말(300), 정보 단말(500) 등으로 가이드 정보를 제공하도록 동작하는 지진 정보 제공 시스템(10)에 대하여 주로 설명하도록 한다.
통합 관리 서버(200)는 대상 영역에서 발생한 지진동과 연계된 레벨 정보를 획득할 수 있다. 예를 들어, 통합 관리 서버(200)는 레벨 정보를 지진동 감지 장치(100)로부터 수신할 수 있으나, 이에만 한정되는 것은 아니다.
또한, 통합 관리 서버(200)는 대상 영역 내에 위치하는 사용자 단말(300)로부터 측위 정보를 획득하고, 사용자 단말(300)의 측위 정보 및 대상 영역에서 발생한 흔들림(지진동)의 레벨 정보에 대응하는 행동 요령에 대한 제1가이드 정보를 사용자 단말(300)로 전송할 수 있다.
이와 관련하여 도 8은 지진동의 레벨 정보 및 사용자 단말의 측위 정보를 고려한 행동 요령을 표출하는 인터페이스를 예시적으로 나타낸 도면이다.
도 8을 참조하면, 통합 관리 서버(200)는 예시적으로 지진동 감지 장치(100)로부터 획득한 레벨 정보에 따라 1단계 내지 3단계의 흔들림의 세기에 따라 행동 요령에 포함되는 내용을 상이하게 결정하고, 사용자 단말(300)의 측위 정보를 이용하여 사용자(피난자)가 위치한 공간의 특성에 따른 행동 요령의 내용을 결정할 수 있다.
예시적으로 도 8을 참조하면, 통합 관리 서버(200)는 측위 정보 및 레벨 정보에 기초하여 건물 붕괴 위험에 대한 평가 결과를 낮음, 주의, 높음 단계로 구분하고, 인명 피해 발생 확률에 대한 평가 결과를 낮음, 주의, 높음 단계로 구분하여 각 평가 결과에 부합하는 내용이 행동 요령에 포함되도록 가이드 정보를 생성할 수 있다.
또한, 통합 관리 서버(200)는 지진동 발생이 감지된 영역에 존재하는 정보 단말(500)로 감지된 레벨 정보 및 기 파악된 정보 단말(500)의 설치 위치 정보에 대응하는 행동 요령에 대한 제2가이드 정보를 전송할 수 있다.
예시적으로, 정보 단말(500)은 제2가이드 정보를 시각적으로 출력하기 위한 광원 모듈 및 디스플레이 모듈 중 적어도 하나를 구비하거나 제2가이드 정보에 대응하는 음향을 출력하기 위한 스피커 모듈을 구비하는 디바이스일 수 있다. 달리 말해, 본원의 실시예에 관한 설명에서 정보 단말(500)은 행동요령 안내 서비스를 제공하기 위한 IoT 기기(인공지능 스피커, TV 등)일 수 있다.
한편, 본원의 일 실시예에 따르면, 사용자 단말(300)로 전송되는 제1가이드 정보 및 정보 단말(500)로 전송되는 제2가이드 정보는 사용자 단말(300)의 측위 정보 및 정보 단말(500)의 설치 위치 정보 중 적어도 하나를 고려한 대피 경로에 대한 정보를 포함할 수 있다.
이하에서는 도 9 내지 도 11을 참조하여 AR 포인팅 기술을 이용한 구조 정보 공유 서비스에 대하여 설명하도록 한다.
도 9는 AR 포인팅 기법을 이용한 구조 정보 공유 서비스를 설명하기 위한 개념도이다.
도 9를 참조하면, 지진 정보 제공 시스템(10)은 지진동의 발생이 감지된 경우, 실내 공간 등에 위치하는 사용자의 대피를 실시간으로 보조하고, 안전하게 실내 공간을 빠져나올 수 있도록 구조자-피구조자 간 영상 협업 서비스를 제공함으로써 건물 외부의 전문가에게 영상 포인팅 기능을 통해 대피로에 대한 유도 정보를 제공받도록 할 수 있다.
구체적으로, 통합 관리 서버(200)는 사용자 단말(300)로부터 사용자가 위치하는 공간에서 촬영된 실시간 촬영 이미지를 수신할 수 있다. 또한, 통합 관리 서버(200)는 수신한 실시간 촬영 이미지를 사용자 단말(300)에 대하여 매칭된 보조자 단말(400)로 전송할 수 있다. 예를 들어, 보조자 단말(400)은 구조 대원, 소방 상황실, 건물 관리자 등이 보유한 단말일 수 있으나, 이에만 한정되는 것은 아니고, 단순히 사용자 단말(300)의 가족, 친지 등 사용자와 연관된 다른 사용자가 보유한 단말일수도 있다.
또한, 통합 관리 서버(200)는 보조자 단말(400)을 통해 출력되는 실시간 촬영 이미지에 대하여 입력되는 주석 데이터를 보조자 단말(400)로부터 수신할 수 있다.
또한, 통합 관리 서버(200)는 수신한 주석 데이터를 실시간 촬영 이미지에 중첩한 증강 이미지를 사용자 단말(300)로 전송할 수 있다. 또한, 본원의 구현예에 따라서는 생성된 증강 이미지가 보조자 단말(400)을 통하여도 출력될 수 있다.
도 10은 AR 포인팅 기법의 구현을 위한 증강 현실 처리 모듈을 설명하기 위한 개념도이고, 도 11은 ORB 알고리즘을 이용한 특징점 추출 예시를 나타낸 도면이다.
도 10 및 도 11을 참조하면, 통합 관리 서버(200)는 획득한 주석 데이터를 증강 이미지 상에 중첩하는 3차원 포인트 좌표, 중첩 방향, 규격 등을 결정하기 위한 증강 현실 프로세싱 모듈(Augmented Reality Processing Module)을 구비할 수 있다.
구체적으로, 증강 현실 프로세싱 모듈(Augmented Reality Processing Module)은 보조자가 실시간 영상에 입력한 주석 데이터에 대응하는 부분을 추출하여 저장하고 ARCore 인식 모듈로 전송하여 분석함으로써 실시간 촬영 이미지에 터치 경로를 그리면, 주석 데이터에 대응하는 포인트 좌표를 얻어 순차적으로 저장하고, 최종적으로 OpenGL 모듈을 통해 실시간으로 영상 위에 그려진 AR 객체를 렌더링할 수 있다.
이를 위하여, 통합 관리 서버(200)는 실시간 촬영 이미지에 대하여 ORB(Oriented FAST and Rotated BRIEF) 알고리즘을 적용하여 연속된 프레임 각각에서 특징점을 추출하고, 사용자 단말(300)로부터 실시간 촬영 이미지의 촬영 시점의 사용자 단말(300)의 관성 센서 측정값을 획득하여 특징점 및 관성 센서 측정값을 이용하여 주석 데이터의 중첩 위치를 결정할 수 있다.
이하에서는 도 12a 및 도 12b를 참조하여 지진 정보 제공 시스템(10)의 이미지 분석을 통한 지진 위험도 안내 서비스에 대하여 설명하도록 한다.
도 12a는 이미지 분석 기반의 지진 위험도 안내 서비스의 구현을 위한 이미지 내 객체 인식 및 라벨링 결과를 예시적으로 나타낸 도면이고, 도 12b는 이미지 내에서 식별된 객체에 대하여 산출된 규격 정보를 표시하는 인터페이스를 예시적으로 나타낸 도면이다.
도 12a 및 도 12b를 참조하면, 통합 관리 서버(200)는 사용자 단말(300)로부터 소정의 영역에 대한 공간 이미지를 수신할 수 있다. 또한, 통합 관리 서버(200)는 수신한 공간 이미지에 반영된 적어도 하나의 객체 영역을 식별하고, 객체 영역의 형상, 규격 및 소정의 영역에 대한 객체 영역의 배치 상태를 고려하여 지진 위험도 평가 정보를 생성하여 사용자 단말(300)로 전송할 수 있다.
즉, 본원에서 개시하는 지진 정보 제공 시스템(10)은 지진에 대해 실내 시설 물로 인한 피해를 최소화하기 위해 객체 탐지 모델 사용하여 실내에 존재하는 위험물들을 식별하고 해당 장소의 위험등급을 계산할 수 있는 서비스를 제공할 수 있으며, 실내에 위치한 시설물을 Mask R-CNN 기법과 생성한 데이터 세트에 기반하여 객체 탐지 알고리즘의 훈련 세트와 태그를 조정하여 특정 물품의 인식을 정확하게 수행할 수 있다.
본원의 일 실시예에 따르면, 통합 관리 서버(200)는 ResNet-FPN 타입의 인공지능 영상 분석 모델을 이용하여 공간 이미지에 반영된 특징을 추출한 후 RPN 네트워크를 통해 해당 공간에 존재하는 목표구역(Region Of Interest, ROI)을 추출하고, ROI Align층을 통해 특정 사이즈의 피처 맵을 생성할 수 있다. 또한, 통합 관리 서버(200)는 전체 연결 층을 통해 객체 유형을 분류하거나 목표 박스를 회귀 결과를 도출하거나 전체 컨볼루션(Full Convolution) 연산을 통해 구획된 분할 구역의 이미지를 생성할 수 있다.
예시적으로, 통합 관리 서버(200)는 객체 탐지 모델 데이터 세트는 CVPR indoor 데이터 세트에 실내 이미지를 이용하여 라벨 표시 도구를 사용하여 실내에 위험할 수 있는 물품에 대한 포인트를 표시하고 물품속성에 태그를 추가하여 JSON 파일로 저장할 수 있으며, 이 때 할당될 수 있는 태그 클래스(분류)는 ‘table lamp', 'vase', 'chandelier', 'picture frame', 'ceiling fan' 등의 객체 타입을 나타내는 정보로서 할당될 수 있다.
또한, 통합 관리 서버(200)는 탐지된 객체에 대한 위험물 크기 판단할 수 있으며, 구체적으로 해당 공간에 마련된 미리 알려진 규격의 객체(예를 들면, 지진도 감지 장치(100) 등)를 참조 객체로 하여 픽셀의 수를 계산하고 식별된 개별 객체 주변에 경계 테두리를 생성하여 길이를 표시할 수 있다.
구체적으로, 통합 관리 서버(200)는 하기 식 3을 통해 위험물의 크기를 측정할 수 있다.
[식 3]
또한, 통합 관리 서버(200)는 물체의 길이를 이용하여 물체의 면적을 계산하고, 하기 식 4를 기초로 하여 물체(객체) 각각에 대한 지진 위험도를 평가할 수 있다.
[식 4]
여기서, 는 평가 결과인 위험도이고, 는 물체의 면적이고, x는 참조 객체의 길이 정보이고, y는 해당 물체의 길이 정보일 수 있다.
또한, 본원의 일 실시예에 따르면 통합 관리 서버(200)는 하기 식 5를 기초로 하여 물체의 재질에 따른 위험도를 산출할 수 있다.
[식 5]
여기서, 는 평가 결과인 위험도이고, 는 물체의 면적이고, x는 참조 객체의 길이이고, 는 소정의 재질에 따른 물품 위험도를 나타내는 파라미터이다. 구체적으로, 는 해당 물품의 면적과 참조 객체의 면적의 비율에 따라 결정될 수 있다.
또한, 통합 관리 서버(200)는 개별 객체에 대하여 평가된 위험도 수치를 합산함으로써 해당 공간의 총 위험도(L)를 하기 식 6을 통해 수치화할 수 있다.
[식 6]
도 13은 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 개략적인 구성도이다.
도 13을 참조하면, 지진동 감지 장치(100)는 수집부(110), 학습부(120), 측정부(130) 및 분석부(140)를 포함할 수 있다.
수집부(110)는 지진동 발생에 따른 최대 지반 가속도를 포함하는 학습 데이터를 수집할 수 있다. 또한, 본원의 일 실시예에 따르면, 수집부(110)는 지진동에 대응하는 규모 정보에 기초하여 복수의 학습 데이터 셋을 구분하여 수집할 수 있다.
학습부(120)는 최대 지반 가속도와 연계된 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하는 인공지능 기반의 분석 모델을 수집된 학습 데이터에 기초하여 구축할 수 있다.
본원의 일 실시예에 따르면, 학습부(120)는 X축, Y축 및 Z축을 포함하는 3축 각각에 대하여 개별적으로 측정되는 측정 데이터와 관련하여 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최대 진폭을 가지는 축에서의 제로 크로싱 값인 제1 ZC 파라미터, 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최소 진폭을 가지는 축에서의 제로 크로싱 값인 제2 ZC 파라미터 및 3축 중 제로 크로싱이 미발생하는 축 존재 시, 최대 진폭을 가지는 축에서의 논-제로 크로싱 값인 제3 ZC 파라미터를 포함하는 제로 크로싱(Zero Crossing) 관련 파라미터를 기초로 하여 인공지능 기반의 분석 모델을 학습시킬 수 있다.
또한, 본원의 일 실시예에 따르면, 학습부(120)는 복수의 제로 크로싱(Zero Crossing) 관련 파라미터, IQR(Interquartile range) 및 CAV(Cumulative Absolute Velocity)를 포함하는 특성 파라미터를 기초로 하여 인공지능 기반의 분석 모델을 학습시킬 수 있다.
또한, 본원의 일 실시예에 따르면, 학습부(120)는 수집부(110)에 의해 구분(개별) 수집된 복수의 학습 데이터 셋 각각을 이용하여 실제 지진 관측 시 측정부(130)를 통해 계측되는 최대 지반 가속도의 수준에 따라 선택적으로 사용되는 복수의 분석 모델을 개별 구축할 수 있다.
측정부(130)는 대상 영역의 최대 지반 가속도를 포함하는 측정 데이터를 수집할 수 있다.
분석부(140)는 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하도록 기 학습된 인공지능 기반의 분석 모델에 측정 데이터를 입력하여 상기 대상 영역에서의 흔들림과 연계된 분석 정보를 도출할 수 있다.
또한, 분석부(140)는 미리 설정된 복수의 윈도우 사이즈 및 미리 설정된 모니터링 구간 길이에 기초하여 시계열 데이터인 측정 데이터를 분할하고, 분할된 데이터에 대하여 지진동 발생 여부를 개별 판단한 결과를 종합하여 분석 정보를 도출할 수 있다.
도 14는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 장치의 분석부의 세부 구성도이다.
도 14를 참조하면, 지진동 감지 장치(100)의 분석부(140)는 상시 관측부(141), 지진 관측부(142) 및 집중 관측부(143)를 포함할 수 있다.
상시 관측부(141)는 획득된 최대 지반 가속도가 미리 설정된 임계값 이상인지 여부를 판단하는 상시 관측을 수행할 수 있다.
또한, 지진 관측부(142)는 최대 지반 가속도가 임계값 이상인 것으로 상시 관측부(141)에서 판단되면, 수집된 측정 데이터를 학습된 인공지능 기반의 분석 모델에 입력하여 대상 영역에서의 지진동 발생 여부를 판단하는 지진 관측을 수행할 수 있다.
또한, 지진 관측부(142)는 인공지능 기반의 분석 모델을 이용한 지진동 발생 여부의 판단을 미리 설정된 임계 반복 횟수 이상 수행함으로써 출력된 분석 정보(지진동 발생 여부 정보)를 검증할 수 있다.
다른 예로, 지진 관측부(142)는 STA(Short Term Average) 및 LTA(Long Term Average) 값 중 적어도 하나에 기초하여 출력된 분석 정보(지진동 발생 여부 정보)를 검증할 수 있다.
또한, 대상 영역에서 지진동이 발생한 것으로 지진 관측부(142)에 의해 최종 판단되면, 집중 관측부(143)는 대상 영역에서 발생한 흔들림과 연계된 레벨 정보를 생성하고, 레벨 정보를 통합 관리 서버(200), 사용자 단말(300) 및 정보 단말(500) 등의 외부 기기로 전파할 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 15는 본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 방법에 대한 동작 흐름도이다.
도 15에 도시된 인공지능을 이용한 지진동 감지 방법은 앞서 설명된 지진동 감지 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 지진도 감지 장치(100)에 대하여 설명된 내용은 인공지능을 이용한 지진동 감지 방법에 대한 설명에도 동일하게 적용될 수 있다.
도 15를 참조하면, 단계 S11에서 수집부(110)는 지진동 발생에 따른 최대 지반 가속도를 포함하는 학습 데이터를 수집할 수 있다.
본원의 일 실시예에 따르면, 단계 S11에서 수집부(110)는 지진동에 대응하는 규모 정보에 기초하여 복수의 학습 데이터 셋을 구분하여 수집할 수 있다.
다음으로, 단계 S12에서 학습부(120)는 최대 지반 가속도와 연계된 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하는 인공지능 기반의 분석 모델을 학습 데이터에 기초하여 구축할 수 있다.
이와 관련하여, 단계 S12에서 인공지능 기반의 분석 모델을 학습하는데 사용되는 특성 파라미터는 최대 지반 가속도를 기초로 하여 도출되는 복수의 제로 크로싱(Zero Crossing) 관련 파라미터를 포함할 수 있다.
본원의 일 실시예에 따르면, 단계 S12에서 학습부(120)는 X축, Y축 및 Z축을 포함하는 3축 각각에 대하여 개별적으로 측정되는 측정 데이터와 관련하여 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최대 진폭을 가지는 축에서의 제로 크로싱 값인 제1 ZC 파라미터, 3축 중 적어도 하나 이상의 축에서 제로 크로싱 관측 시, 최소 진폭을 가지는 축에서의 제로 크로싱 값인 제2 ZC 파라미터 및 3축 중 제로 크로싱이 미발생하는 축 존재 시, 최대 진폭을 가지는 축에서의 논-제로 크로싱 값인 제3 ZC 파라미터를 포함하는 제로 크로싱(Zero Crossing) 관련 파라미터를 기초로 하여 인공지능 기반의 분석 모델을 학습시킬 수 있다.
또한, 본원의 일 실시예에 따르면, 단계 S12에서 학습부(120)는 전술한 복수의 제로 크로싱(Zero Crossing) 관련 파라미터, IQR(Interquartile range) 및 CAV(Cumulative Absolute Velocity)를 포함하는 특성 파라미터를 기초로 하여 인공지능 기반의 분석 모델을 학습시킬 수 있다.
또한, 본원의 일 실시예에 따르면, 단계 S12에서 학습부(120)는 단계 S11을 통해 수집된 복수의 학습 데이터 셋 각각을 이용하여 측정되는 최대 지반 가속도의 수준에 따라 선택적으로 사용되는 복수의 분석 모델을 개별 구축할 수 있다.
다음으로, 단계 S13에서 측정부(130)는 대상 영역의 최대 지반 가속도를 포함하는 측정 데이터를 수집할 수 있다.
다음으로, 단계 S14에서 분석부(140)는 미리 설정된 특성 파라미터를 기초로 지진동 발생 여부를 판단하도록 기 학습된 인공지능 기반의 분석 모델에 측정 데이터를 입력하여 상기 대상 영역에서의 흔들림과 연계된 분석 정보를 도출할 수 있다.
또한, 단계 S14에서 분석부(140)는 미리 설정된 복수의 윈도우 사이즈 및 미리 설정된 모니터링 구간 길이에 기초하여 시계열 데이터인 측정 데이터를 분할하고, 분할된 데이터에 대하여 지진동 발생 여부를 개별 판단한 결과를 종합하여 분석 정보를 도출할 수 있다.
구체적으로, 단계 S14에서 상시 관측부(141)는 획득된 최대 지반 가속도가 미리 설정된 임계값 이상인지 여부를 판단하는 상시 관측을 수행할 수 있다.
또한, 단계 S14에서 지진 관측부(142)는 최대 지반 가속도가 임계값 이상인 것으로 상시 관측부(141)에서 판단되면, 수집된 측정 데이터를 학습된 인공지능 기반의 분석 모델에 입력하여 대상 영역에서의 지진동 발생 여부를 판단하는 지진 관측을 수행할 수 있다.
또한, 단계 S14에서 지진 관측부(142)는 인공지능 기반의 분석 모델을 이용한 지진동 발생 여부의 판단을 미리 설정된 임계 반복 횟수 이상 수행함으로써 출력된 분석 정보(지진동 발생 여부 정보)를 검증할 수 있다.
다른 예로, 단계 S14에서 지진 관측부(142)는 STA(Short Term Average) 및 LTA(Long Term Average) 값 중 적어도 하나에 기초하여 출력된 분석 정보(지진동 발생 여부 정보)를 검증할 수 있다.
또한, 단계 S14에서 집중 관측부(143)는 대상 영역에서 지진동이 발생한 것으로 지진 관측부(142)에 의해 최종 판단되면, 대상 영역에서 발생한 흔들림과 연계된 레벨 정보를 생성하고, 레벨 정보를 통합 관리 서버(200), 사용자 단말(300) 및 정보 단말(500) 등의 외부 기기로 전파할 수 있다.
상술한 설명에서, 단계 S11 내지 S14는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시예에 따른 인공지능을 이용한 지진동 감지 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 전술한 인공지능을 이용한 지진동 감지 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
10: 지진 정보 제공 시스템
100: 인공지능을 이용한 지진동 감지 장치
110: 수집부
120: 학습부
130: 측정부
140: 분석부
141: 상시 관측부
142: 지진 관측부
143: 집중 관측부
200: 통합 관리 서버
300: 사용자 단말
400: 보조자 단말
500: 정보 단말
20: 네트워크
100: 인공지능을 이용한 지진동 감지 장치
110: 수집부
120: 학습부
130: 측정부
140: 분석부
141: 상시 관측부
142: 지진 관측부
143: 집중 관측부
200: 통합 관리 서버
300: 사용자 단말
400: 보조자 단말
500: 정보 단말
20: 네트워크
Claims (9)
- 지진 정보 제공 시스템에 있어서,
통합 관리 서버로 레벨 정보를 전송하는 지진동 감지 장치;
대상 영역에서 발생한 지진동과 연계된 레벨 정보를 획득하고, 상기 대상 영역 내에 위치하는 사용자 단말로부터 측위 정보를 획득하고, 상기 측위 정보 및 상기 레벨 정보에 대응하는 행동 요령에 대한 제1가이드 정보를 상기 사용자 단말로 전송하는 통합 관리 서버; 및
상기 통합 관리 서버로부터 수신한 상기 제1가이드 정보를 출력하는 사용자 단말,
을 포함하되,
상기 지진동 감지 장치는,
지진동에 대응하는 규모 정보를 기초로 구분하여 수집되는 복수의 학습 데이터 셋을 이용하여 복수의 분석 모델을 개별 구축하고, 상기 복수의 분석 모델을 최대 지반 가속도 수준에 따라 선택적으로 사용하여 상기 대상 영역에서의 흔들림과 연계된 상기 레벨 정보를 도출하되,
상기 복수의 분석 모델은, 미리 설정된 규모 수준 이하의 제1학습 데이터 셋 및 상기 미리 설정된 규모 수준 초과의 제2학습 데이터 셋을 기반으로 개별 구축된 서로 다른 분석 모델을 포함하는 것이고,
상기 서로 다른 분석 모델은, 트리거 기준을 넘는 이벤트 발생시, 상기 이벤트의 최대 가속도 값이 상기 규모 수준을 넘는지에 따라 선택적으로 적용되는 것이고,
상기 통합 관리 서버는,
상기 레벨 정보 및 상기 측위 정보에 기초하여 상기 대상 영역에서의 인명 피해 발생 확률에 대한 평가를 수행한 결과에 따라 상기 행동 요령의 내용을 결정하는 것인, 지진 정보 제공 시스템. - 제1항에 있어서,
상기 통합 관리 서버로부터 상기 레벨 정보 및 기 파악된 설치 위치 정보에 대응하는 행동 요령에 대한 제2가이드 정보를 수신하고, 상기 제2가이드 정보를 출력하는 정보 단말,
을 더 포함하는 것인, 지진 정보 제공 시스템. - 제1항에 있어서,
상기 통합 관리 서버는,
상기 사용자 단말로부터 실시간 촬영 이미지를 수신하고, 상기 실시간 촬영 이미지를 상기 사용자 단말에 대하여 매칭된 보조자 단말로 전송하고,
상기 보조자 단말을 통해 출력되는 상기 실시간 촬영 이미지에 대하여 입력되는 주석 데이터를 상기 보조자 단말로부터 수신하고, 상기 주석 데이터를 상기 실시간 촬영 이미지에 중첩한 증강 이미지를 상기 사용자 단말 및 상기 보조자 단말로 전송하는 것인, 지진 정보 제공 시스템. - 제3항에 있어서,
상기 통합 관리 서버는,
상기 실시간 촬영 이미지에 대하여 ORB(Oriented FAST and Rotated BRIEF) 알고리즘을 적용하여 특징점을 추출하고, 상기 사용자 단말로부터 상기 실시간 촬영 이미지의 촬영 시점의 상기 사용자 단말의 관성 센서 측정값을 획득하고, 상기 특징점 및 상기 관성 센서 측정값을 이용하여 상기 주석 데이터의 중첩 위치를 결정하는 것인, 지진 정보 제공 시스템. - 제1항에 있어서,
상기 통합 관리 서버는,
상기 사용자 단말로부터 소정의 영역에 대한 공간 이미지를 수신하고, 상기 공간 이미지에 반영된 적어도 하나의 객체 영역을 식별하고, 상기 객체 영역의 형상 및 상기 소정의 영역에 대한 상기 객체 영역의 배치 상태를 고려하여 지진 위험도 평가 정보를 생성하여 상기 사용자 단말로 전송하는 것인, 지진 정보 제공 시스템. - 제2항에 있어서,
상기 제1가이드 정보 및 상기 제2가이드 정보는 상기 측위 정보 및 상기 설치 위치 정보 중 적어도 하나를 고려한 대피 경로에 대한 정보를 더 포함하는 것인, 지진 정보 제공 시스템. - 제2항에 있어서,
상기 정보 단말은,
상기 제2가이드 정보를 시각적으로 출력하기 위한 광원 모듈 및 디스플레이 모듈 중 적어도 하나를 구비하는 것인, 지진 정보 제공 시스템. - 제2항에 있어서,
상기 정보 단말은,
상기 제2가이드 정보에 대응하는 음향을 출력하기 위한 스피커 모듈을 구비하는 것인, 지진 정보 제공 시스템. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220162423A KR102660291B1 (ko) | 2022-11-29 | 2022-11-29 | 지진 정보 제공 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220162423A KR102660291B1 (ko) | 2022-11-29 | 2022-11-29 | 지진 정보 제공 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102660291B1 true KR102660291B1 (ko) | 2024-04-24 |
Family
ID=90883968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220162423A KR102660291B1 (ko) | 2022-11-29 | 2022-11-29 | 지진 정보 제공 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102660291B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6022627B2 (ja) * | 1978-05-22 | 1985-06-03 | 富士写真フイルム株式会社 | マ−キング方法およびその装置 |
| JP6022627B2 (ja) * | 2014-03-27 | 2016-11-09 | 株式会社電通 | 避難支援システム、避難支援用管理プログラム、避難支援用端末アプリケーションプログラム及び避難支援方法 |
| KR101946855B1 (ko) * | 2018-09-07 | 2019-02-15 | 대한민국 | 지진동 감지 센서 및 이를 이용한 지진 대응 시스템 |
| KR20210123603A (ko) * | 2020-04-03 | 2021-10-14 | 인플랩 주식회사 | 건물 위험도 지도 생성방법 및 이를 이용한 지진재난 건물위험도 지도제공 시스템 |
| KR20220100245A (ko) * | 2021-01-08 | 2022-07-15 | 주식회사 라이즈 | 증강현실 기술을 이용한 생활 안전 관리 시스템 |
-
2022
- 2022-11-29 KR KR1020220162423A patent/KR102660291B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6022627B2 (ja) * | 1978-05-22 | 1985-06-03 | 富士写真フイルム株式会社 | マ−キング方法およびその装置 |
| JP6022627B2 (ja) * | 2014-03-27 | 2016-11-09 | 株式会社電通 | 避難支援システム、避難支援用管理プログラム、避難支援用端末アプリケーションプログラム及び避難支援方法 |
| KR101946855B1 (ko) * | 2018-09-07 | 2019-02-15 | 대한민국 | 지진동 감지 센서 및 이를 이용한 지진 대응 시스템 |
| KR20210123603A (ko) * | 2020-04-03 | 2021-10-14 | 인플랩 주식회사 | 건물 위험도 지도 생성방법 및 이를 이용한 지진재난 건물위험도 지도제공 시스템 |
| KR20220100245A (ko) * | 2021-01-08 | 2022-07-15 | 주식회사 라이즈 | 증강현실 기술을 이용한 생활 안전 관리 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10997329B2 (en) | Motion sensing wi-fi sensor networks for continuous 3D modeling and prediction of facility responses to disturbances | |
| Du et al. | A map-assisted WiFi AP placement algorithm enabling mobile device’s indoor positioning | |
| Alphonsa et al. | Earthquake early warning system by IOT using Wireless sensor networks | |
| CN112926514A (zh) | 一种多目标检测及跟踪方法、系统、存储介质及应用 | |
| CN106257474B (zh) | 空气污染异常定位机制 | |
| CN105405150B (zh) | 基于融合特征的异常行为检测方法和装置 | |
| Ronchi et al. | New approaches to evacuation modelling for fire safety engineering applications | |
| Herrera et al. | Pedestrian indoor positioning using smartphone multi-sensing, radio beacons, user positions probability map and IndoorOSM floor plan representation | |
| KR102238300B1 (ko) | 적외선 스펙트럼 생성 방법 및 장치 | |
| Arslan et al. | Visualizing intrusions in dynamic building environments for worker safety | |
| Abdalzaher et al. | Early detection of earthquakes using iot and cloud infrastructure: A survey | |
| KR101834783B1 (ko) | 3차원 지각구조 모델링 방법 및 지진조기경보 시스템 | |
| Basori et al. | iMars: intelligent municipality augmented reality service for efficient information dissemination based on deep learning algorithm in smart city of Jeddah | |
| Arslan et al. | Understanding occupant behaviors in dynamic environments using OBiDE framework | |
| US20200117840A1 (en) | Injection of simulated sources in a system of networked sensors | |
| KR101941158B1 (ko) | 냄새 방향 및 위치 탐지가 가능한 후각 정보 생성 장치 및 생성 방법 | |
| Navarro et al. | Indoor occupancy estimation for smart utilities: A novel approach based on depth sensors | |
| KR102660291B1 (ko) | 지진 정보 제공 시스템 | |
| KR102559912B1 (ko) | 인공지능을 이용한 지진동 감지 장치 및 방법 | |
| Das et al. | Landslides detection in prone hilly areas using Raspberry Pi | |
| Herschel et al. | UAV-borne remote sensing for AI-assisted support of search and rescue missions | |
| JP2010139325A (ja) | 位置推定装置及び位置推定方法 | |
| Shah et al. | Dangerous object detection for visually impaired people using computer vision | |
| Wenzel et al. | EDIM: Earthquake disaster information system for the Marmara region, Turkey | |
| Lee | Human crowd evacuation framework and analysis using look-ahead-based reinforcement learning algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |