KR20140092385A

KR20140092385A - 자원망 모니터링 시스템에서 관련된 이벤트들을 식별하는 시스템 및 방법

Info

Publication number: KR20140092385A
Application number: KR1020147015399A
Authority: KR
Inventors: 학가이 스콜니코브; 아미타이 알몬; 차임 린할트; 리라크 비엔; 노암 페트란크
Original assignee: 타카두 엘티디.
Priority date: 2011-12-07
Filing date: 2012-12-06
Publication date: 2014-07-23
Also published as: JP2015507245A; IL232994A0; WO2013084068A2; US20130332090A1; EP2788724A2; WO2013084068A3; EP2788724A4; US8341106B1; JP5666757B1

Abstract

수도 모니터링 시스템에서 관련된 이벤트들을 검출하기 위한 컴퓨터화된 방법이 개시된다. 방법은 수도망에서의 복수의 센서들로부터 이벤트 데이터를 수신하는 단계를 포함한다. 방법은 또한 상기 이벤트 데이터로부터 적어도 두 개의 후보 이벤트들을 공통의 이상 이벤트의 일부를 구성할 가능성이 있는 후보 이벤트들로 식별하는 단계를 더 포함하고, 후보 이벤트들 각각은 실질적으로 이례적(anomalous)인 것들이다. 이벤트 조합 규칙이 선택된다. 하나 이상의 이벤트 특징들이 이벤트 조합 규칙에 기초하여 적어도 두 개의 후보 이벤트들 사이에서 비교된다. 적어도 두 개의 후보 이벤트들은 비교에 기초하여 이들이 관련되고 적어도 두 개의 후보 이벤트들을 유발한 공통 이벤트에 연관되는지가 판단된다. 적어도 두 개의 후보 이벤트들에 대한 관련되고 공통 이벤트에 연관되는지의 판단은 사용자 인터페이스를 통하여 사용자에게 보고된다.

Description

자원망 모니터링 시스템에서 관련된 이벤트들을 식별하는 시스템 및 방법{SYSTEM AND METHOD FOR IDENTIFYING RELATED EVENTS IN A RESOURCE NETWORK MONITORING SYSTEM}

여기에 개시된 발명은 일반적으로 자원 분배 및 수집 시스템에서 수도(water)와 같은 자원들을 모니터링하는 시스템들에 관한 것으로서, 보다 구체적으로, 수도 시설망(water utility network)에서 관련된 이벤트들을 식별하고, 상기 관련된 이벤트들을 단일한 이벤트 또는 원인에 상호 연관시키는(correlating) 시스템들에 관한 것이다.

모니터링 시스템들은 다수의 소스(source)들로부터 수신된 데이터에서 이례적인 특징들을 식별하고, 이러한 이상(anomaly)들을 모니터링되는 시스템에서 발생된 이벤트들로 특징지어 보고(report)하도록 제작된다. 모니터링 시스템들은 종종, 모니터링되는 시스템에서 거의 동일한 시간, 동일한 장소 등에 발생하는 이상들에 기초하여, 한 번에 다수의 서로 다른 이벤트들을 보고한다. 이러한 이벤트들 중 일부는, 별개로 보고 되더라도, 실제로는 동일한 실세계의 이벤트들에 의해 유발되거나 또는 관련된 것일 수 있으나, 이러한 정보는 상기 보고되는 이벤트 데이터에 의해 제공되지 않거나, 이벤트 데이터에 없다.

예를 들어, 수도망 모니터링 시스템(water network monitoring system)에서, 다수의 이웃하는 센서들이 다수의 위치들에서의 수량 또는 다른 양의 동시적인 증가 또는 감소를 동일한 이벤트로 기록할 수 있다. 어떠한 이례적인 이벤트들의 정확한 분류는 이들의 다수의 결과들에 크게 의존하고, 이들은 별개로 검출될 가능성이 있다. 예를 들어, 두 지역 계량 영역(District Metered Area, DMA)들 사이의 모니터링되지 않는 틈이 생긴(breached) 밸브는 하나에서의 수량 증가 및 다른 하나에서의 수량 감소를 동시에 나타내고, 이들은 모두 이벤트들로, 다만 별개의 이벤트들로 검출 및 보고될 수 있다.

게다가, 충분히 작은 이벤트에 대하여, 개개의 요소 이상들은 개별적으로 보았을 때 통계적으로 사소할 수 있으나, 이들이 함께 정확히 고려되는 경우 두드러질 수 있다. 다만, 이는 "그다지 중요하지 않은(not quite significant)" 이상들 내에서, 각 세트가 실제 세계에서 단일한 중요한 이벤트의 결과들일 수 있는, 일부 중요한 관련된 이상들의 세트들을 발견하도록 상기 그다지 중요하지 않은 이상들을 검사하는 것을 요구할 수 있다.

그러나, 현재 망 모니터링 시스템들, 특히 수도 시설을 모니터링하는 망 모니터링 시스템들에서, 현재의 방법들은 단일한 망 이벤트에 상응하는 서로 다른 소스들 또는 이벤트 데이터의 항목들을 적절하기 처리하지 못하여 오분류(misclassification)를 발생시키고, 검출 감도를 감소시키며, 사용자들의 작업량을 증가시킨다. 게다가, 보다 정확성을 증가시키도록 망에 추가적인 센서들이 부가되거나, 보다 최신의 결과들을 획득하도록 샘플링 주파수가 증가되어 이벤트 데이터의 량이 증가됨으로써, 망에서 검출되는 중복된 이벤트들의 수가 증가되어 이러한 문제가 더욱 악화되고 있다. 그러므로, 관련된 이상(anomaly)들 또는 이벤트들을 식별하도록 모니터링 및 검출 시스템들을 개선해야할 필요가 있다.

본 발명의 일 목적은 자원망 모니터링 시스템에서 관련된 이벤트들을 식별하는 시스템 및 방법을 제공하는 것이다.

본 발명은 모니터링 시스템에서 검출된 이상 데이터의 다수의 인스턴스(instance)들을 상호 연관시켜 이벤트들을, 서로 관련되고 공통의 내재된 원인 또는 이벤트에 의해 유발된 것 또는 기인한 것으로 식별하는 컴퓨터화된 방법 및 시스템을 제공한다. 일 실시예에서, 상기 모니터링 시스템은, 수도 시설망, 석유 또는 가스 파이프라인망, 하수 시스템, 또는 컴퓨터 데이터, 케이블, 위성 또는 다른 디지털 콘텐츠 전송망과 같은 자원 분배, 전송 또는 수집 시스템을 모니터링하도록 사용된다. 상기 방법은 상기 수도망 내의 복수의 센서들에 의해 생성된 계량기 데이터를 포함하는 하나 이상의 소스들로부터 수신도니 데이터로부터 도출 또는 생성된 이상(anomaly) 또는 이벤트 데이터를 수신 및 저장하는 단계를 포함한다. 이상 또는 이벤트 데이터의 각 항목은, 상기 이상 또는 이벤트, 및 상기 이벤트의 타입, 크기, 시작 시점, 기간, 또는 영향과 같은 하나 이상의 특징들을 식별하는 데이터를 포함한다. 본 출원인에게 특허된 미국등록특허 제7,920,983호, "SYSTEM AND METHOD FOR MONITORING RESOURCES IN A WATER UTILITY NETWORK"는 전체 내용이 본 출원의 개시의 일부로서 참조로서 포함되고, 수도 시설망에서 이례적인 데이터를 검출하는 다양한 시스템들 및 방법들을 개시한다.

실시예들에 따라, 상기 방법은 이상 또는 이벤트 데이터의 적어도 두 개의 이러한 항목들을 후보 이벤트들, 즉 조합된 또는 복합 이벤트의 일부에 대한 후보들인 이벤트들로서 식별하는 단계를 수반한다. 이러한 식별이 수행되는 한 방법은, 일부 학습된 또는 가정된 통계적 동작과 비교하여, 이례적인 데이터의 기간 동안 센서 및 다른 데이터를 검사하는 것이다. 상기 이례적인 데이터가 랜덤하게 발생될(관심 이벤트에 의해 유발되지 않은) 확률이 또한 결정될 수 있다. 실시예들에 따른 상기 방법은 상기 이례적인 데이터에 상응한 관련 위치들을 결정하는 단계를 더 포함할 수 있다.

후보 이벤트들은 이례적인 것으로 보고되는 것이 개별적으로는 충분히 유의미하지 않은 이상들을 포함할 수 있으나, 이들은 (또한 낮은 개별적인 중요성(의의)을 가질 수 있는) 다른 후보 이벤트들과 병합되면 유의미한 이상을 검출하는 데에 도움이 될 수 있다. 후보 이벤트들의 조합은 이상들 사이의 관계를 식별하고 보다 작은 중요성의 신호들을 가지는 이벤트들을 검출하는 역할을 할 뿐만 아니라, 이벤트들을 보다 잘 분류 및 측정하는 역할을 할 수 있다. 예를 들어, 유량 증가 및 이에 근접한 유량 감소는 조합되어 틈이 생긴 밸브 이벤트를 식별할 수 있다. 개별적인 유량 변경들이 충분히 통계적으로 유의미한 것으로 검출될 수 있더라도, 상기 복합 이벤트의 문맥 없이는 이들은 틈이 생긴 밸브를 설명하는 것으로 정확하게 분류되지 않을 수 있다.

상기 방법은 상기 이벤트 데이터로부터 적어도 두 개의 후보 이벤트들을 복합 이벤트의 일부로 후보 이벤트들로 식별하는 단계를 포함한다. 실시예들에 따라, 몇몇의 스킴(scheme)들 또는 "조합 규칙들(combination rules)"이 후보 이벤트들을 복합 이벤트들로 조합하도록 처리된다. 각각의 이러한 조합 규칙은 특정한 알고리즘들 및 파라미터들을 채용하고, 특정한 클래스 타입의 복합 이벤트들을 생성한다. 예를 들어, 특정한 규칙은 유량 증가들을 설명하는 후보 이벤트들을 "누설(leak)" 타입의 복합 이벤트로 조합할 수 있다.

조합 규칙은 얼마나 많은 후보 이벤트들이 조합되는지(예를 들어, 정확하게 두 개, 또는 세 개 이상, 등)를 결정하고, 어떠한 후보 이벤트들이 고려되는지(예를 들어, 유량 증가 이벤트들만, 모든 압력 이벤트들, 기간이 하루보다 짧은 이벤트들만, 등등)를 결정한다. 후보 이벤트들로 식별된 이벤트들에 대하여, 이러한 이벤트들을 나타내는 상기 이벤트 데이터의 하나 이상의 이벤트 특징들은 상기 조합 규칙에 의해 결정된 임의의 또는 모든 다른 후보 이벤트들의 상응하는 이벤트 특징들과 비교된다. 적어도 이러한 비교들에 일부 기초하여, 적어도 두 개의 후보 이벤트들이 서로 관련되고, 상기 적어도 두 개의 후보 이벤트들을 유발하는 공통 이벤트에 연관되는지가 판단된다. 상기 적어도 두 개의 후보 이벤트들은, 상기 조합 규칙에 의해 결정된 복합 이벤트 데이터를 가지고(예를 들어, 후보 이벤트의 가장 빠른 시작 날짜를 선택, 평균 크기 등), 상기 단일한 복합 이벤트로 병합되고, 다른 "일상적인(regular)" 이벤트들과 함께 보고될 수 있는 이벤트들의 풀 또는 데이터베이스에 추가된다. 이러한 이벤트들의 후속된 병합을 통하여, 그들 자체로는 보고되기에 통계적으로 충분히 유의미하지 않은 후보 이벤트들로 선택된 이벤트들이 여전히 이후에 복합 이벤트들로 처리될 수 있다. 또한, 후보 선택 단계에서의 허위 긍정(false positive)들이 조합 규칙 비교의 후속 단계들에서 랜덤하게 존속될 가능성이 낮다.

일 실시예에서, 적어도 두 개의 후보 이벤트들이 관련되고 공통 이벤트에 연관되는지를 판단하는 단계는, 상기 적어도 두 개의 후보 이벤트들이 관련 위치를 가지는지를 판단하는 단계를 포함할 수 있다. 상기 조합 규칙은 어떠한 위치들이 관련되는지, 예를 들어 수도망의 동일 또는 인접한 서브존들인지를 판단할 수 있다.

실시예들에 따라, 적어도 두 개의 후보 이벤트들이 관련되고 공통 이벤트에 연관되는지를 판단하는 단계는, 상기 적어도 두 개의 후보 이벤트들이 근접한 시작 시점들을 가지는지를 판단하는 단계를 포함할 수 있다. 일 실시예에서, 시작 시점이 후보 이벤트 데이터의 일부로서 제공되지 않는 경우, 상기 조합 규칙은 시작 시점을 결정하기 위한 테스트들 및 파라미터들을 설정한다. 상기 적어도 두 개의 후보 이벤트들의 시작 시점을 결정하는 단계는, 상기 시작 시점 전의 센서의 데이터와 상기 시작 시점 후의 상기 센서의 데이터 사이의 구별되는 편차(예를 들어, 상기 시작 시점 전의 상기 센서의 데이터 값들의 평균들과 상기 시작 시점 후의 상기 센서의 데이터 값들의 평균들 사이의, 이들의 분산에 비교한, 큰 구분)를 생성하는 시점을 결정하는 단계를 수반할 수 있다. 상기 조합 규칙은 2 이상의 시작 시점들이 근처인지를 어떻게 판단하는 지를 명시하고, 예를 들어 시작 시점들 사이의 차이가 소정의 기간보다 짧을 것을 요구할 수 있다.

일 실시예에서, 적어도 두 개의 후보 이벤트들이 관련되고 공통 이벤트에 연관되는지를 판단하는 단계는, 상기 적어도 두 개의 후보 이벤트들이 이상 방향들의 가능한 세트를 가지는지를 판단하는 단계를 포함할 수 있다. 상기 이상 방향들의 가능한 세트의 합 또는 조합은 상기 적어도 두 개의 후보 이벤트들과 관련된 이들의 예상되는 망 방향에 부합될 수 있다. 상기 조합 규칙은 어떠한 이상 방향들의 세트들이 가능한지를 결정한다. 부합되는 이상 방향들은 측정 증가에 연관된 상기 적어도 두 개의 후보 이벤트들, 측정 감소에 연관된 상기 적어도 두 개의 후보 이벤트들, 또는 측정 증가에 연관된 정확히 두 개의 후보 이벤트들 중 하나, 및 측정 감소에 연관된 다른 하나를 포함할 수 있다.

이와 유사하게, 일 실시예에서, 적어도 두 개의 후보 이벤트들이 관련되고 공통 이벤트에 연관되는지를 판단하는 단계는, 상기 적어도 두 개의 후보 이벤트들이 이상 크기들의 가능한 세트를 가지는지를 판단하는 단계를 포함할 수 있다. 이상 크기들의 가능한 세트의 합 또는 조합은 상기 적어도 두 개의 후보 이벤트들과 관련된 이들의 예상되는 망 크기에 부합될 수 있다. 부합되는 이상 크기들은, 예를 들어, 동일한 (또는 유사한) 크기의 측정 증가에 연관된 상기 적어도 두 개의 후보 이벤트들, 동일한 크기의 측정 감소에 연관된 상기 적어도 두 개의 후보 이벤트들, 또는 합계가 0이 되는(또는 0에 가까운) 상기 적어도 두 개의 후보 이벤트들의 측정 증가 및 측정 감소를 포함할 수 있다.

본 발명의 실시예들에 따른 시스템 및 방법은 자원망 모니터링 시스템에서 관련된 이벤트들을 정확하고 효율적으로 식별할 수 있다.

본 발명이 첨부된 도면에 예시적으로 도시되어 있고, 본 발명이 이에 한정되지 않는다. 첨부된 도면에서 유사한 참조번호는 유사하거나 상응하는 구성을 나타낸다. 첨부된 도면에서,
도 1은 본 발명의 실시예에 따른 수도망을 모니터링하는 시스템을 나타낸다.
도 2a, 도 2b, 및 도 2c는 본 발명의 실시예에 따른 후보 이벤트를 식별하는 방법들을 나타내는 순서도들이다.
도 3은 본 발명의 다른 실시예에 따른 수도망을 모니터링하는 시스템을 나타낸다.
도 4 및 도 5는 본 발명의 실시예에 따른 방법들이 채용된 수도 분배 시스템들을 나타낸다.
도 6은 본 발명의 실시예에 따른 후보 이벤트를 식별하는 방법을 나타내는 순서도이다.
도 7은 본 발명의 실시예에 따른 관련 위치를 가지는 이벤트 쌍들을 식별하도록 임의의 하나가 사용될 수 있는 다양한 테스트들을 나타내는 순서도이다.
도 8은 본 발명의 실시예에 따른 후보 이벤트들에 대한 가능한 시작 시점들을 판단하는 방법을 나타내는 순서도이다.
도 9는 본 발명의 실시예에 따른 명확한 시작 시점들을 가지는 이벤트들을 식별하는 방법을 나타내는 순서도이다.
도 10은 본 발명의 실시예에 따른 근접한 시작 시점들을 가지는 이벤트 쌍들을 식별하는 방법을 나타내는 순서도이다.
도 11은 본 발명의 실시예에 따른 부합되는 이상 방향들의 가능한 세트(permitted set)를 가지는 이벤트 쌍들을 식별하는 방법을 나타내는 순서도이다.
도 12는 본 발명의 실시예에 따른 부합되는 이상 크기들의 가능한 세트를 가지는 이벤트 쌍들을 식별하는 방법을 나타내는 순서도이다.

저작권 공고(COPYRIGHT NOTICE)

본 특허 문서의 개시물의 일부는 저작권에 의해 보호되는 자료를 포함한다. 본 저작권 소유자는 특허청 특허 파일 또는 레코드에 보이는 그대로 누군가 본 특허 문서 또는 본 특허 개시물을 복사하는 것에는 반대하지 않지만, 그 외의 다른 경우에는 모든 저작권을 보유한다.

관련 출원들에 대한 상호 참조(CROSS REFERENCE TO RELATED APPLICATIONS)

본 출원은 2010년 3월 5일 출원되어 현재 미국등록특허 제7,920,983호로 등록된 미국특허 출원번호 제12/717,944호, "SYSTEM AND METHOD FOR MONITORING RESOURCES IN A WATER UTILITY NETWORK", 및 2011년 1월 18일 출원된 미국특허 출원번호 제13/008,819호, "SYSTEM AND METHOD FOR IDENTIFYING LIKELY GEOGRAPHICAL LOCATIONS OF ANOMALIES IN A WATER UTILITY NETWORK"에 관련되고, 전술한 특허 출원들의 전체 내용은 본 출원의 개시의 일부로서 참조로서 포함된다.

발명의 상세한 설명(DETAILED DESCRIPTION OF THE INVENTION)

후술되는 본 발명의 실시예들에 대한 상세한 설명에서, 본 명세서의 일부를 구성하는 첨부된 도면들이 참조되고, 첨부된 도면들에서, 본 발명이 실시될 수 있는 특정한 실시예들이 예시적으로 도시되어 있다. 그러나, 본 발명의 범위를 벗어나지 않는 한 다른 실시예들이 이용될 수 있고 구조적 변경이 수행될 수 있음을 이해할 수 있을 것이다.

도 1은 수도 분배 시스템(water distribution system)에서 수도망 모니터링 시스템(water network monitoring system)의 일 실시예를 나타내는 블록도이다. 도 1에 도시된 바와 같이, 상기 시스템은 복합 이벤트(composite event) 검출 및 분류 시스템(100), 입력 소스들(150), 및 출력 목적지들(160)을 포함한다. 입력 소스들(150)은 후보 이벤트들(102), 센서들(104), 이상(anomaly) 검출 시스템(106), 이벤트 데이터베이스(108), 및 이벤트 검출 시스템들(110)을 포함한다. 출력 소스들(160)은 사용자 인터페이스(112), 업데이트된 이벤트 데이터베이스(114), 및 이벤트 보고 시스템(116)을 포함한다. 본 기술 분야에서 통상의 지식을 가진 자는 시스템들(100, 106, 110)이 컴퓨터 하드웨어 장치들에 상주하고 동작하는 소프트웨어 시스템들로 구성될 수 있고, 구성 요소들(100-116)은 동일한 컴퓨터화된 장치에 포함 도는 상주하거나, 컴퓨터 네트워크를 통하여 연결된 다수의 장치들 사이에 분산될 수 있는 것을 이해할 수 있을 것이다.

또한, 본 기술 분야에서 통상의 지식을 가진 자는 본 발명의 맥락 내에서 상기 망의 센서들로부터 수신된 이례적인 데이터에 기인하여 생성된 이벤트들을 검출 및 보고하는 다른 수도망 모니터링 시스템들이 이용될 수 있고, 이러한 시스템들에 의해 검출된 이벤트들이 후보 이벤트들로 처리될 수 있는 것을 이해할 수 있을 것이다.

수도 분배 시스템들은 하나 이상의 연결된 수도 분배 시스템들, 또는 사이의 연결들이 없거나 거의 없는 서로 다른 지역들에 위치한 수도 분배 시스템들이다. 일 실시예에서, 상기 수도 분배 시스템은 지방 자치의(municipal), 시골의(rural) 또는 대량 판매의(wholesaler) 수도 시설망(water utility network), 공장 또는 다른 큰 빌딩에서의 액체 분배망, 해군 군함, 연료 분배망 등과 같은 임의의 적당한 자원 분배망이거나, 또는 하수도 시스템과 같은 임의의 적당한 자원 수집망일 수 있다. 본 기술 분야에서 통상의 지식을 가진 자는 상기 수도 분배 시스템이 임의의 자원 분배 또는 수집 시스템일 수 있는 것을 이해할 수 있을 것이다.

센서들(104)은 센서 S1, S2 및 S3을 포함한다. 상기 센서들은, 유수량(water flow), 압력(pressure), 혼탁도(turbidity), 저장 수위(reservoir level), 염소 레벨(chlorine level) 및 pH 레벨 등과 같은 상기 망의 운영 파라미터들을 나타내는 시간-의존 데이터를 이상 검출 시스템(106)에 미가공 데이터(raw data)로서 전달한다. 예를 들어, 상기 망은 SCADA(Supervisory Control and Data Acquisition) 시스템을 이용하여 이러한 정보를 획득할 수 있다. 센서들(104)로부터의 데이터는 특정한 계량기들/센서들로부터의 데이터, 또는 계량기들/센서들의 수집(collection)들을 알릴 수 있고, 이들 중 일부는 관련될 수 있다. 예를 들어, 센서들은, 본 기술 분야에서 통상의 지식을 가진 자가 이해할 수 있는 바와 같이, 존(zone) 또는 지역 계량 영역(District Metered Area, DMA)으로 지리적으로 그룹화될 수 있다.

상기 미가공 데이터에 기초하여, 이상 검출 시스템(106)은 복합 이벤트 검출 및 분류 시스템(100)에 후보 이벤트들을 보고(report)한다. 이상 검출 시스템(106)에서 생성된 데이터는 또한 이벤트 데이터베이스(108)에 저장될 수 있다. 또한, 이상 검출 시스템(106)은 아래에서 보다 상세히 설명될 조합 규칙들에 기초하여 후보 이벤트들을 결정하도록 일정 시간의 기간 동안 이벤트 데이터베이스(108)에 저장된 데이터를 분석할 수 있다. 대안적인 실시예에서, 이상 검출 시스템(106)으로부터의 데이터는 이벤트 데이터베이스(108)에 통합될 수 있고, 복합 이벤트 검출 및 분류 시스템(100)에 후보 이벤트들의 집단으로서 전달될 수 있다. 또 다른 실시예에서, 센서들(104)은 복합 이벤트 검출 및 분류 시스템(100)에 후보 이벤트들(102)로서 직접 제공되기에 적합한 데이터를 생성할 수 있는 이벤트 검출 기능을 가진 진보된 센서들을 포함할 수 있다. 본 발명에서는, 데이터가 상기 망의 센서들, 이상 검출 시스템(106), 이벤트 데이터베이스(108) 또는 이벤트 검출 시스템들(110)로부터 직접 후보 이벤트들(102)로서 수신될 수 있다. 후보 이벤트들(102)로서 수신되는 데이터는, 예를 들어 이벤트의 평균 크기와 같은 새로운 종류의 데이터를 부가 또는 계산하는 데이터 준비 엔진(미도시)에 의해 추가적으로 강화 처리될 수 있다.

편의 상, 용어 "센서 데이터"는 본 명세서에서 단일한 센서로부터의 데이터를 의미하거나, 다수의 센서들로부터의 독출값들의 미리 정의된 유의미한 조합을 의미하거나, 일정한 시간 동안의 하나 이상의 센서들로부터의 다수의 독출값들을 의미할 수 있고, 예를 들어 DMA에 유입되는 수량의 전체 합을 의미하거나, 또는 상기 망의 일 측면을 설명하는 시간-의존 데이터의 유의미한 세트를 생성하는 임의의 유사한 미리 정의된 계산값을 의미할 수 있다. 이벤트 데이터베이스(108) 및 이벤트 검출 시스템(110)은 자산 관리 정보를 포함할 수 있고, 이는 이상(anomaly)을 결정 또는 부인하도록 센서 독출값들과 상호 연관될 수 있는 디지털 형식의 임의의 정보일 수 있다. 예를 들어, 이는, 일상적인 또는 계획된 수도망 운영(operation)들, 수량에 영향을 미치는 밸브의 개방 및 폐쇄, 음향 조사, 상기 수도망의 임의의 부분에 수행되는 보수 또는 개선, 상기 보수/개선의 날짜 및 시간, 보수/개선의 위치, 상기 망에 수행되는 일상적인 유지, 및 망 기술 담당자가 언제 및 어디서 활동하는지를 나타내는 접근 제어 정보 등과 관련된 수도망 운영들에 관한 정보를 포함한다. 게다가, 이벤트 데이터베이스(108) 및 이벤트 검출 시스템들(110)은, 날씨 보고, 공휴일 또는 수도 소비 및 상기 특정한 부분들 내에서의 망 동작에 영향을 미치는 다른 달력 이벤트, 또는 상기 수도망의 기능에 영향을 주는 시설 그 자체 또는 이의 고객에 의한 임의의 다른 이벤트와 같은 수도 소비 및 망 조건들에 관한 추가적인 정보를 포함할 수 있다. 이벤트 데이터베이스(108)에서의 이러한 종류의 이차적인 데이터의 저장 및 사용은 본 출원인에게 특허된 미국등록특허 제7,920,983호에 보다 자세히 개시되어 있다.

이상 검출기들(106)은 센서들에 대하여 이상이 없을 가능성을 테스트하고, 특정한 이벤트 타입들과 같은 다른 가설들의 가능성을 테스트하는 이상 검출기들을 포함한다. 이상 검출기들(106)은 복합 이벤트 검출 및 분류 시스템(100)에 후보 이벤트들(102)로서 이상(anomaly)들을 전송한다. 이러한 이상들 중 일부는 그들 자체로 이벤트들을 나타낼 수 있고, 다른 일부는 이벤트의 시작, 이벤트의 종료, 이벤트에서의 실질적인 변화, 이벤트의 피크(peak) 등과 같은 이벤트의 일부들을 나타낼 수 있다. 이상 검출기들(106)은 예측으로부터 예상되는 값과 분배망으로부터 획득된 실제 값의 임의의 편차들의 의의(significance)를 분석하도록 구동할 수 있다. 각 데이터 세트에 대하여, 각 이상 검출기는, 편차들의 의의를 분석함으로써, 일정한 시간 동안 주어진 센서 독출값들에서 관련된 이상이 발생되지 않았을 통계적인 가능성을 판단한다. 이상 검출기들(106)은, 예를 들어 상기 편차들의 연속된 또는 빈번한 발생이 이러한 편차들의 의의를 증가시키므로, 일정 시간, 예를 들어 수분, 수시간, 수일, 또는 이보다 긴 시간에 걸쳐 편차들의 의의를 분석한다. 본 기술 분야에서 통상의 지식을 가진 자가 이해할 수 있는 바와 같이, 시스템 설계자는, 여러 요인들 중, 짧은 시간 척도 이벤트들에 대한 원하는 감도, 검출의 보다 긴 시간에 동안 편차가 유지될 것이 요구되는 작은 크기 이벤트들과 반대로 일반적으로 큰 크기를 가질 때 검출 가능한 최근 개시된 이벤트들 등에 기초하여 일정한 시간에 걸쳐 편차들을 분석하도록 이상 검출기들(106)을 설계 또는 조절할 수 있다. 본 발명의 시스템에서 이용될 수 있는 이상 검출기들의 기능 및 동작은 본 출원인에게 특허된 미국등록특허 제7,920,983호에 보다 자세히 개시되어 있다.

일 실시예에서, 이상 검출기는, 정해진 기간에 걸쳐 예상되는 값들로부터 거듭된 통계적으로 큰 편차가 존재할 때 이상을 검출한다. 이와 관련하여, 통계적으로 크다는 것은, 특정한 구현들에 따른, N 표준 편차들, X 백분위수 이상, 또는 IQR(inter-quartile range)의 K배, 또는 데이터의 실제 분포를 고려한 다른 표준(standardization)들과 같은 통계적으로 유의미한 상대적 경계에 대한 것일 수 있다. 또한, 순간적인 독출값들을 예상되는 값들과 비교할 때, 이러한 비교는 예를 들어 고-분산 시각(high-variance times of day)을 저-분산 시각(low-variance times of day)과 혼합할 수 있으므로, 전체적인 표준 편차 또는 예상된 값들로부터의 차이에 대한 다른 통계적인 서술자를 이용하여 다수의 거짓 양성(false positive)들을 생성할 수 있다. 그러므로, 이러한 오류를 감소시키도록, 일 실시예에서, 상기 시스템은 독출값 X(t)를 예측 값 P(t)에 비교하도록 X(t)-P(t)를, 예를 들어, 알맞은 요일(day of the week)에 적절한 시각(time of day)에서의 이러한 차이들의 표준 편차로 나눌 수 있다. 상기 상대적인 경계의 크기 및 기간의 길이는 상기 방법의 파라미터들이고, 이는 대안적으로 보다 짧거나 보다 작은 이벤트들에 초점을 맞추기 위한 특정한 실체화(instantiation)를 가능하게 한다. 또 다른 실시예에서, 이상 검출기는 특정한 시간들 동안의 실제 및 예측 값들 사이의 차이의 커브 아래 영역(area under the curve, AUC)을 계산하거나, 또는 이와 달리 이러한 차이의 절대 값의 AUC를 계산할 수 있고, 이는 낮은 값들이 후속된 높은 값들과 상쇄되는지 또는 아닌지에 영향을 미친다.

일 실시예에서, 후보 이벤트들은 이상 검출 시스템(106), 이벤트 데이터베이스(108) 및 이벤트 검출 시스템들(110)로부터 시스템(100)에 종합될(aggregated) 수 있다. 후보 이벤트로서 수신된 데이터는 후속 처리되도록 구성(organize) 및 형식화(format)된다. 이에 더하여, 데이터는, 상기 망의 실제 성능에 영향을 미치지 않거나. 시스템 설계자 또는 망 관리자가 다루지 않는 것으로 결정한 과도 현상(transient phenomenon)에 영향을 미치는 데이터를 제거함으로써, 분석을 위하여 준비될 수 있다. 이를 위하여, 본 기술 분야에서 널리 알려진 방법들이 상기 망으로부터 수집된 데이터를 "매끄럽게 하도록(smooth)" 적용될 수 있다. 이상 검출 시스템(106)은, 최근 센서 독출값들이 주어질 때, "무이상(no anomaly)" 가정(hypothesis)의 전체적인 통계적 가능성을 결정하도록 센서들(104)로부터의 데이터의 통계적 분석을 수행하도록 더욱 동작할 수 있다.

후보 이벤트들(102) - 각각은 일반적으로 다른 것들과 독립적으로 검출됨 - 의 풀(pool)이 밀접하게 관련된 이벤트들의 서브세트(subset)의 존재를 결정하도록 검사된다. 복합 이벤트 검출 및 분류 시스템(100)은, 동일한 또는 다른 센서들로부터 및 동시에 또는 일정한 시간에 걸쳐, 복합 이벤트(composite event)의 검출을 유도하는 다수의 이상들 각각보다 큰 통계적 의의를 가지는 복합 이벤트를 검출할 수 있고, 한편, 다수의 이상들 모두는 상기 이벤트의 발생을 일관적으로 나타낼 수 있다. 예를 들어, 하나의 이상은 이벤트의 시작을 나타낼 수 있고, 다른 이상은 상기 이벤트의 변경 또는 상기 이벤트의 종료를 나타낼 수 있으며, 분류 시스템(100)은 이러한 이상들이 단일한 이벤트에 관련된 것을 인식할 수 있다. 다른 예로서, 증가된 유량과 관련된 서로 다른 센서들로부터 두 개의 이상들은, 유사한 시점 및 관련된 위치들로부터, 모두 동일한 이벤트를 나타낼 수 있다. 본 기술 분야에서 통상의 지식을 가진 자는 적어도 두 개의 충분히 유사한 데이터 이상들의 출현(appearance)은 동일하게 이례적이나 비유사한 후보 이벤트들의 출현보다 랜덤 이벤트일 가능성이 크게 낮을 수 있다는 것을 이해할 수 있을 것이다. 예시적인 실시예에서, 후보 이벤트들은 이상 검출 시스템(106)에 의해 이상(anomaly)이 아닐 확률이 10%를 가지도록 평가된 이상들로부터 생성되고, 이에 따라 이러한 이벤트들에 기초하여 검출된 복합 이벤트들은 이례적이지 않을 확률(이상이 아닐 확률)이 단지 1%일 수 있다. 따라서, 복합 이벤트 검출은 "거짓 양성(false positive)"율을 크게 감소시킬 수 있는 반면, 높은 검출율을 유지할 수 있다.

분류 시스템(100)은 관련된 것일 높을 확률을 가지는 후보 이벤트들을 분류하고 조합하는 복합 이벤트 타입 분류기들을 또한 포함할 수 있다. 복합 이벤트 타입 분류기들은 후보 이벤트들의 세트가 관련되는지 여부를 판단하도록 사용되는 조합 규칙들을 포함할 수 있고, 정해진 이벤트 타입의 복합 이벤트들을 형성하도록 조합될 수 있다. 각 조합 규칙은 이벤트들이 이러한 규칙 하에서 조합되어, 틈(breach)이 생긴 밸브, 누설(leak), 파열(burst) 등과 같은 특정한 이벤트 타입으로 분류되도록 할 수 있다. 각 후보 이벤트 또는 두 개 이상의 이벤트들의 조합은, 이벤트 및 이상들을 특징짓는 지문 또는 서명에 기초하여, 이벤트들 또는 이상들로 분류될 수 있다. 후보 이벤트 또는 후보 이벤트들의 세트의 서명은 상기 후보 이벤트가 알려진 타입의 이상인지를 판단하도록 이러한 이상 타입의 서명과 비교될 수 있다. 이러한 서명 또는 지문은 두 개 이상의 후보 이벤트들, 예를 들어 동일하거나 유사한 크기 또는 경향의 두 개 이상의 후보 이벤트들이 함께 고려될 때에만 명백할 수 있다.

특정한 조합 규칙들은, 특히,

● 틈이 생긴 모니터링되지 않는 경계 밸브(DMA 경계 틈)를 나타내는, 두 개의 인접한 DMA들 또는 서브-망들에서의 동시 유량 증가 및 유량 감소;

● 유량 증가 및 이의 하류에서의 하나 이상의 혼탁도 증가;

● 저장소가 청소되어야 함을 나타내는, 저장 수위 감소 및 저장소의 출구에서의 혼탁도 증가;

● 가능한 생물학적 수질 문제를 나타내는, 몇몇 이웃 센서들에서의 0의 압력;

● 공급 지역에서의 몇몇 (유사한) 압력 감소;

● 단일한 전송 문제(및 단일 이벤트로서 더욱 잘 보고됨)를 나타낼 가능성 있는, 동일한 지역에서의 몇몇의 유사한 전송 실패 이벤트들;

● 누설을 나타내는, 유량 증가 및 하나 이상의 압력 감소; 및

● 누설 및 이의 보수(repair)를 나타내는, 유량 증가 및 이에 후속되는 유사한 유량 감소;

를 검출할 수 있다.

상기 분석 엔진에 의해 검출되는 이벤트들의 예들은 수도 누설, 파열, 오류를 가진 센서, 수도 절도, 통신 오류, 수질 문제, 예상되지 않은 소모 증가, 소모 패턴의 변경, 이례적인 저수 레벨 또는 압력과 같은 망 고장, 및 다른 것들을 포함할 수 있다. 이벤트들에 관한 세부 사항들은, 예시적으로, 이벤트의 시작 시점, 이벤트의 종료 시점, 이벤트의 크기, 이벤트에 연관된 전체 수도 손실 등이 포함될 수 있다.

분류 엔진(100)은, 예를 들어 시작 시점, 종료 시점, 이벤트의 크기, 누설이 시작된 이래 전체 수도 손실과 같은 이벤트의 누적된 크기, 타입, 상태, 및 압력 단위, pH 또는 염소 농도 등의 이벤트의 물리적 단위들과 같은 각 후보 이벤트에 관한 추가적인 데이터를 또한 생성한다. 일 실시예에서, 상기 이벤트의 크기는 상기 이벤트의 사이즈 또는 비율을 나타내는 값, 예를 들어 일반 조건들에 대한 추가 유량의 계산, 센서 오계산, 또는 염소 변동 등일 수 있다. 이러한 정보는 이벤트 데이터베이스(108)에 저장될 수 있고, 업데이트된 이벤트 데이터베이스(114)에 더욱 저장될 수 있다. 이상들의 어떠한 출력들은 데이터베이스(108)에 저장된 이벤트들의 어떠한 필드들에 맵핑된다.

데이터베이스(114)는 복합 이벤트 검출 및 분류 시스템(100)으로부터 정보를 수신하고, 사용자 인터페이스(112) 및 이벤트 보고 시스템(116)에 의해 검색될 수 있다. 다른 실시예에서, 사용자 인터페이스(112) 및 이벤트 보고 시스템은 복합 이벤트 검출 및 분류 시스템(100)으로부터 직접 정보를 수신할 수 있다. 이벤트 보고 시스템(116)은 수도 분배 시스템의 운영자들에 의해 사용되는 다른 소프트웨어 프로그램과 인터페이스하는 시스템일 수 있다. 예를 들어, 상기 이벤트 데이터는 작업흐름 시스템(workflow system) 또는 자산 관리 시스템에 전송되어 상기 이벤트가 용이하게 조치될 수 있다. 데이터베이스(114) 또는 분류 시스템(100)은 대화형 소프트웨어 어플리케이션을 호스트할 수 있고, 예를 들어, 사용자 인터페이스(112)는 계량기 데이터, 경고, 보고, 통계 분석 및 사용자 인터페이스를 가진 수도망의 지도와 연관되어 시스템의 사용자가 수도 누설 또는 다른 이벤트의 위치와 같은 상기 특징들을 용이하게 식별하도록 할 수 있고, 어떠한 후보 이벤트들에 기초하여 복합 이벤트가 어떻게 또는 왜 검출되었는지를 조사하는 것을 가능하게 할 수 있다.

일 실시예에서, 사용자 인터페이스(112) 및 이벤트 보고 시스템(116)은 네트워크 또는 인터넷을 통하여 사용자에게 보일 수 있는 웹 페이지일 수 있다. 사용자 인터페이스(112)는 사용자에게 사용자가 이상들에 대하여 상기 수도망을 모니터했던 마지막 날짜 및 시간을 알리는 업데이트 상태를 포함할 수 있다. 또한, 이벤트 리스트 패널은 사용자에게 이전에 검출된 이벤트들, 날짜들, 시간들, 위치들 및 이벤트의 상태들의 리스트를 제공할 수 있다. 다른 실시예에서, 상기 이벤트 리스트 패널은 사용자 인터페이스(112)를 보는 사람이 이벤트 리스트 패널에서 이벤트를 선택하게 만들 수 있다. 선택된 이벤트에 연관된 상세한 설명은 이벤트 정보, 그래프 및 지도로 재현된다. 이벤트 정보는, 예를 들어, 이상의 시작 시점, 이상의 종료 시점, 이상의 크기, 이상과 연관된 전체 수도 손실, 및 시스템의 사용자에 의한 임의의 코멘트를 포함할 수 있다. 그래프는 사용자에 의해 선택된 이벤트에 대한 자세한 정보를 포함할 수 있고, 예를 들어 관련된 계측기에서의 실제 및 예측(일상적인) 유량의 시각적 비교를 포함할 수 있다. 일 실시예에서, 사용자에 의해 선택된 이벤트는 특정한 계측기에 연관될 수 있고, 상기 계측기의 위치는 이벤트 맵에 표시되거나, 이벤트 맵이 상기 검출된 이벤트에 의해 영향을 받은 망의 지역을 표시하거나, 또는 정확한 이벤트 위치가 포함될 통계적 가능성이 있는 추정 지역을 표시할 수 있다. 사용자 인터페이스는 복합 이벤트 검출 및 분류 시스템(100)과 다른 시스템들에 의해 보고된 이벤트들에 대한 접근을 가능하게 하고, 사용자에게 단일하고 편리한 인터페이스를 제공할 수 있다. 이러한 시스템에 의해 생성되는 사용자 인터페이스 스크린의 예들이 본 출원인에게 특허된 미국등록특허 제7,920,983호에 보다 자세히 개시되어 있다.

구성 요소들(100-116)은, 데스크탑 개인용 컴퓨터, 워크스테이션, 단말, 노트북, PDA(personal digital assistant), 휴대폰, 또는 네트워크에 접속될 수 있는 임의의 컴퓨팅 장치를 포함할 수 있는 장치에 접근 및/또는 구현될 수 있다. 상기 장치는 또한 디스플레이(예를 들어, 모니터 스크린, LCD 또는 LED 디스플레이, 프로젝터 등) 상에 제공되는 GUI(graphical user interface) 또는 브라우저 어플리케이션을 포함할 수 있다. 구성 요소들(100-116) 사이의 데이터 전송은 네트워크를 통하여 수행될 수 있다. 상기 네트워크는 이들 사이의 데이터 통신의 전송이 가능한 임의의 적당한 타입의 네트워크일 수 있다. 일 실시예에서, 상기 네트워크는 데이터 통신을 위한 알려진 인터넷 프로토콜을 가지는 인터넷, 또는 임의의 다른 통신 네트워크, 예를 들어 임의의 LAN(local area network) 또는 WAN(wide area network) 접속일 수 있다.

도 2a는 본 발명의 일 실시예에 따른 후보 이벤트들로부터 복합 이벤트들을 판단하는 방법을 나타내는 순서도이다.

입력 소스들(150)로부터의 데이터는 도 1에 도시된 것과 같은 복합 이벤트 검출 및 분류 시스템에 의해 수신될 수 있다. 상기 데이터는 특정한 조합 규칙들에 따라 서로 다른 이벤트 타입들에 대한 이상 검출기를 구동시킴으로써 후보 이벤트들을 생성하도록 이용될 수 있다. 서로 다른 타입의 이벤트들 각각에 대하여, 서로 다른 조합 규칙들이 후보 이벤트들의 선택, 조합 및 카테고리화에 연관된 알고리즘들, 테스트들 및 파라미터들을 포함할 수 있다. 단계(201)에서, 데이터는 하나 이상의 소스들로부터 수신된다. 상기 소스들은 센서들, 이상 검출 시스템들, 이벤트 데이터베이스들, 및 이벤트 검출 시스템들을 포함할 수 있다. 상기 데이터는 상기 데이터가 후보 이벤트들의 풀로서 식별될 수 있는 이러한 입력 소스들로부터 본 발명의 복합 이벤트 검출 및 분류 시스템과 같은 시스템에 의해 수신된다. 상기 시스템은 이벤트 타입 분류기들과 연관된 각 조합 규칙에 대하여 후보 이벤트들을 조사하는 복합 이벤트 타입 검출기들을 포함한다(단계 203).

하나 이상의 규칙들 및 후보 이벤트들을 처리하기 위한 파라미터들이 정해진 복합 이벤트 타입에 기초하여 선택된다. 이러한 후보 이벤트들 중 일부는 그 자체로서 이벤트들을 나타내고, 다른 일부는, 이벤트의 시작, 이벤트의 종료, 이벤트에서의 실질적 변경, 이벤트의 피크 등과 같은 이벤트의 부분들을 나타낼 수 있다. 이벤트 타입의 예들은 수도 누설, 파열, 설명되지 않는 유량 증가 또는 감소, 설명되지 않는 압력 증가 또는 감소, 센서 오류, 수도 절도, 통신 오류, 수질 문제, 예상되지 않는 소비 증가, 소비 패턴의 변경, 이례적인 저수 레벨 또는 압력과 같은 망 고장 등등을 포함할 수 있다. 다음 단계(205)에서, 후보 이벤트들은 정해진 조합 규칙에 의해 구체화되어 선택된다. 두 개 이상의 후보 이벤트들이 상기 정해진 조합 규칙에 의해 설정된 기준들 및 파라미터들에 따라 후보 이벤트들의 풀에서 선택될 수 있다. 선택된 후보 이벤트들은 정해진 조합 규칙에 기초하여 복합 이벤트들로 결합된다(단계 207). 복합 이벤트들은, 조합되면 단일한 이벤트로 보일 수 있는, 후보 이벤트들의 세트를 포함할 수 있다. 상기 후보 이벤트들이 복합 이벤트들로 결합되면, 상기 처리가 반복되어 추가적인 조합 규칙들을 이용하여 분석되도록 단계(203)로 되돌아간다.

도 2b는 본 발명의 일 실시예에 따른 후보 이벤트들로부터 복합 이벤트들을 판단하는 방법을 나타내는 다른 순서도이다. 복합 이벤트 타입 분류기들은 상기 복합 이벤트 타입 분류기들에 연관된 각 조합 규칙에 대하여 후보 이벤트들을 조사한다(단계 202). 각 조합 규칙은 규칙들, 테스트들, 또는 후보 이벤트들의 세트들이 조합되면 단일한 타입의 이벤트를 형성하는지 여부를 검출하기 위한 파라미터들의 세트일 수 있다. 후보 이벤트들은 상술한 후보 이벤트들의 입력 소스들로부터 수신되고, 분석을 위하여 후보 이벤트들의 풀에 배치될 수 있다. 상기 후보 이벤트들은 낮은 중요성(의의)의 이상들이거나 크기가 작은 이상들일 수 있다. 이러한 후보 이벤트들은 이들이 이벤트들인지를 판단하도록 정해진 시간 기간에 걸쳐서 관찰될 수 있다. 각 후보 이벤트는 상기 조합 규칙들로부터의 어떠한 기준(criteria)에 기초하여 태깅(tag)되거나 선택될 수 있다.

단계(204)에서, 후보 이벤트들은, 사용되는 정해진 조합 규칙에 의해 결정되는 바와 같이, 일부 기준에 부합되는 이벤트 특징들을 가진 두 개 이상의 개략적으로 상호 연관된 후보 이벤트들의 세트들로 결합된다. 예를 들어, 상기 규칙은 후보 이벤트들의 모든 가능한 쌍들을 선택하는 것이거나, 또는 동일 또는 이웃하는 위치를 가지는 다섯 개까지의 후보 이벤트들의 모든 세트들을 선택하는 것일 수 있다. 일 실시예에서, 이러한 후보 이벤트들의 특징 비교가 수행될 수 있고, 상기 이벤트들은 본 기술 분야에서 잘 알려진 클러스터링 방법들에 따라 클러스터들로 그룹화될 수 있다. 다양한 조합 규칙들에서 다른 결합 또는 그룹화 기준은 또한, 예를 들어, 시간적 근접, 관련된 유량 크기 및 방향들, 시작 시점들, 또는 다른 검출 가능한 특징들을 고려할 수 있다. 일반적으로, 이러한 개략적 상호 연관 단계는 후보 이벤트들의 서브세트들의 단지 일부에 대한 주목으로 제한되어 계산이 요구되지 않는 방법들을 사용하고, 진정으로 상호 연관된 이벤트들을 식별하는 것을 실현하기 위한 보다 계산 집중적인 테스트들은 후속하여 사용될 수 있다.

후보 이벤트들의 각 세트는 반복 처리(iteration)로 분석된다(단계 206). 각 반복 처리에서, 하나 이상의 테스트들이 선택된 정해진 조합 규칙에 기초하여 후보 이벤트들의 정해진 세트에 적용된다(단계 208). 적용된 테스트들은 후보 이벤트들의 세트에 대하여 선택된 각 조합 규칙에 고유(unique)할 수 있다. 후보 이벤트들의 세트가 상기 정해진 조합 규칙의 테스들을 통과하는지가 판단된다(단계 210). 상기 후보 이벤트들의 세트는, 상기 후보 이벤트들의 세트가 상기 테스트들을 통과하고 상기 정해진 조합 규칙에 기초하여 복합 이벤트에 상응하는 것으로 판단되면, 함께 병합될 수 있다. 상기 후보 이벤트들의 세트가 상기 테스트를 통과하지 않으면, 상기 방법은 상기 후보 이벤트들의 세트들 모두가 처리되었는지를 판단한다(단계 214). 상기 후보 이벤트들의 세트들 모두가 처리된 경우, 상기 방법은 다른 조합 규칙을 처리하도록 단계(202)로 이동한다. 그렇지 않고, 상기 모든 세트들이 처리되지 않은 경우, 상기 방법은 후보 이벤트들의 나머지 세트들을 테스트하도록 단계(206)로 이동한다.

상기 복합 이벤트는, 조합되면 전체로서 특정한 타입의 이벤트로 분류되는 후보 이벤트들의 세트를 포함할 수 있다. 상기 후보 이벤트들의 세트의 조합은, 압력 강하, 틈이 생긴 밸브 등과 같은 서로 다른 타입들의 이벤트들을 생성할 수 있다. 단계(212)에서 상기 후보 이벤트들의 정해진 세트는 복합 이벤트로서 저장된다. 상기 복합 이벤트는 단일한 "정규(regular)" 이벤트와 동일한 방식으로 후속 처리 및 분석될 수 있다. 상기 후보 이벤트들의 세트가 상기 조합 규칙에 의해 설정된 상기 테스트들 또는 일정양의 테스트들을 통과하지 않은 경우, 상기 후보 이벤트들의 세트는 제외될 수 있고, 상기 후보 이벤트들은 후보 이벤트들의 다른 세트들에 대한 가능한 선택을 위하여 상기 후보 이벤트들의 풀로 되돌아갈 수 있다. 단계(214)에서, 상기 후보 이벤트들의 세트들 모두가 처리되었는지가 판단된다. 상기 방법은 상기 후보 이벤트들의 세트들 모두가 처리된 경우 단계(202)로 이동하고, 그렇지 않은 경우 단계(206)로 이동한다.

도 2c는 본 발명의 일 실시예에 따른 후보 이벤트들로부터 복합 이벤트들을 판단하는 방법을 나타내는 또 다른 순서도이다.

상술한 바와 같이, 후보 이벤트들은 복합 이벤트 검출 및 분류 시스템에 의해 후보 이벤트들의 풀로 수신될 수 있다. 상기 후보 이벤트들의 풀로부터, 정해진 조합 규칙에 기초하여 후보 이벤트들이 선택되고, 이들은 후보 이벤트들의 세트들로 상호 연관 및 결합될 수 있다. 상기 후보 이벤트들의 세트들은 분석을 위해 상기 정해진 조합 규칙에 기초하여 선택된다(단계220). 특정한 후보 이벤트들의 세트들은 상기 조합 규칙을 이용하도록 탐색된 이벤트 타입에 연관된 어떠한 기준에 기초하여 선택될 수 있다.

각 후보 이벤트들의 세트는 상기 정해진 조합 규칙에 따라 분석된다(단계 222a). 각 테스트에 대하여(정해진 후보 이벤트들의 세트의 단계 222b), 상기 정해진 조합 규칙으로부터의 정해진 테스트가 상기 정해진 후보 이벤트들의 세트에 적용되도록 선택된다(단계224). 상기 테스트는 상기 정해진 조합 규칙에 기초하여 지리적 근접성, 시간적 근접성, 크기들 등을 판단하는 것을 포함할 수 있다. 테스트 처리 및 상기 정해진 테스트에 연관된 파라미터들은 상기 정해진 조합 규칙에 기초하여 도출된다(단계 226). 각 조합은 서로 다른 테스트 처리들을 가진 서로 다른 이벤트 타입 및 이러한 이벤트 타입들을 검출하기 위한 파라미터들에 연관될 수 있다. 상기 후보 세트가 상기 테스트를 통과하는지가 판단된다(단계 228a). 상기 후보 이벤트들의 세트가 상기 테스트를 통과하지 않은 경우, 상기 후보 세트는 제외되고, 상기 방법은 상기 조합 규칙으로 다른 후보 이벤트들의 세트를 분석하도록 단계(222a)로 이동한다. 그렇지 않으면, 상기 정해진 조합 규칙으로부터의 다른 테스트들이 존재하는지가 판단된다(228b). 추가적인 테스트들이 있는 경우, 상기 방법은 다른 테스트를 선택하도록 단계(222b)로 되돌아간다. 상기 정해진 조합 규칙에 대하여 모든 테스트들이 처리된 경우, 상기 후보 이벤트들의 세트는, 추가적인 후보 이벤트들의 세트들을 분석(단계 222a)하기 전에, 복합 이벤트로서 우선 저장된다(단계 230).

도 3은 일부 실시예들에 따른 수도망 모니터링 시스템을 보다 상세히 도시한 블록도이다. 도 3은 수도망(300), 수도망(301), 데이터(302), 망 정보 데이터베이스(303), 데이터 준비 엔진(304), 예측기들(305), 이상 검출기들(306), 복합 이벤트 분류 엔진(307), 이벤트 결정 및 분류 엔진(308), 이벤트 데이터베이스(309), 및 사용자 인터페이스(310)를 포함한다. 수도망(300), 수도망(301), 데이터(302), 망 정보 데이터베이스(303), 데이터 준비 엔진(304), 예측기들(305) 및 이상 검출기들(306)은 입력(150)의 구체적인 실시예일 수 있고, 이벤트 데이터베이스(309) 및 사용자 인터페이스(310)는 출력(160)의 대안적인 실시예일 수 있다.

구성 요소(300, 301)로 표현된 수도 분배 시스템들은 하나 이상의 연결된 수도 분배 시스템들이거나, 또는 이들 사이에 연결이 없거나 거의 없는 서로 다른 지역들에 위치한 수도 분배 시스템들일 수 있다. 일 실시예에서, 구성 요소들(300, 301)은, 지방 자치의(municipal), 시골의(rural) 또는 대량 판매의(wholesaler) 수도 시설망(water utility network), 가스 분배망, 공장 또는 다른 큰 빌딩에서의 액체 분배망, 해군 군함 등과 같은 임의의 적당한 자원 분배망이거나, 또는 하수도 시스템과 같은 임의의 적당한 자원 수집망일 수 있다. 본 기술 분야에서 통상의 지식을 가진 자는 구성 요소들(300, 301)이 임의의 자원 분배 또는 수집 시스템일 수 있는 것을 이해할 수 있을 것이다. 수도망(300) 및 수도망(301)은, 유량, 압력, 혼탁도, 저수 레벨, 염소 레벨, pH 레벨 등과 같은 상기 망을 나타내는 시간-의존 데이터를 전송한다.

수도망(300) 또는 수도망(301)으로부터의 데이터는, 특정한 계량기들 또는 계량기들을 콜렉션들로부터의 보고 데이터(report data)일 수 있고, 이들 중 일부는 관련될 수 있다. 예를 들어, 계량기들은, 본 기술 분야에서 통상의 지식을 가진 자가 이해할 수 있는 바와 같이, 존으로 또는 DMA들로 지리적으로 그룹화될 수 있다. 상기 데이터는 상기 망에서의 상기 계량기들 또는 계량기들의 콜렉션들로부터 직접 전송될 수 있고, 또는 상기 데이터는 망 정보 데이터베이스(303)로부터 전달될 수 있다. 추가적으로, 상기 데이터는 데이터 준비 엔진(304)에 의해, 예를 들어 아침 및 저녁 평균 유량 데이터, (복수의 계량기들을 통하여) 존 또는 DMA로의 전체 유량 등과 같은 새로운 종류의 데이터가 부가 또는 계산되도록 강화 처리될 수 있다. 편의상, 용어 "계량기 데이터(meter data)"는 본 명세서에서 단일한 계량기로부터의 실제 데이터를 의미하거나, 다수의 계량기들로부터의 독출값들 또는 일정한 시간 동안의 하나 이상의 계량기들로부터의 독출값들의 미리 정의된 유의미한 조합을 의미할 수 있고, 예를 들어 DMA에 유입되는 수량의 전체 합을 의미하거나, 또는 상기 망의 일 측면을 설명하는 시간-의존 데이터의 유의미한 세트를 생성하는 임의의 유사한 미리 정의된 계산값을 의미할 수 있다. 본 기술 분야에서 통상의 지식을 가진 자는 망 레이아웃 및 개별적인 계량기들의 위치에 기초한 유의미한 조합들을 이해할 수 있을 것이다.

데이터(301)는 자산 관리 정보를 포함하는 다른 데이터를 나타낼 수 있고, 이는 이상(anomaly)을 결정 또는 부인하도록 계량기 독출값들과 상호 연관될 수 있는 디지털 형식의 임의의 정보일 수 있다. 예를 들어, 이는, 일상적인 또는 계획된 수도망 운영(operation)들, 수량에 영향을 미치는 밸브의 개방 및 폐쇄, 음향 조사, 상기 수도망의 임의의 부분에 수행되는 보수 또는 개선, 상기 보수/개선의 날짜 및 시간, 보수/개선의 위치, 상기 망에 수행되는 일상적인 유지, 및 망 기술 담당자가 언제 및 어디서 활동하는지를 나타내는 접근 제어 정보 등과 관련된 수도망 운영들에 관한 정보를 포함한다. 게다가, 데이터(302)는, 날씨 보고, 공휴일 또는 수도 소비 및 상기 망의 특정한 부분들 내에서의 망 동작에 영향을 미치는 다른 달력 이벤트, 또는 상기 수도망의 기능에 영향을 주는 시설 그 자체 또는 이의 고객에 의한 임의의 다른 이벤트와 같은 수도 소비 및 망 조건들에 관한 추가적인 정보를 포함할 수 있다.

망 정보 데이터베이스(303)는 수도망들(300, 301) 내의 계량기들로부터의 미가공 데이터, 및 데이터(302)를 종합(aggregate)할 수 있다. 망 정보 데이터베이스(303)로부터의 데이터는 데이터 준비 엔진(304)에 전송된다. 데이터 준비 엔진(304)은 후속 처리되도록 수신된 데이터를 구성 및 형식화한다. 예를 들어, 런던(London)시는 뉴욕시(New York City)와 완전히 다른 형식으로 망 데이터를 수집 및 저장할 수 있다. 또한, 데이터 준비 엔진(304)은, 상기 망의 실제 성능에 영향을 미치지 않거나, 시스템 설계자 또는 망 관리자가 다루지 않는 것으로 결정한 과도 현상(transient phenomenon)에 영향을 미치는 데이터를 제거함으로써, 분석을 위하여 데이터를 준비시킬 수 있다. 이를 위하여, 본 기술 분야에서 널리 알려진 방법들이 상기 망으로부터 수집된 데이터를 "매끄럽게 하도록(smooth)" 적용될 수 있다. 이러한 방법들의 일종으로서 주어진 수도망으로부터 수신되는 특정한 데이터에 적용될 수 있는 LOWESS(Locally Weighted Scatterplot Smoothing) 및 체험적 클리닝(heuristic cleaning) 등이 있다.

데이터 준비 엔진(304)은 상기 망 데이터로부터 데이터 요소들을 추출하고, 이들을 일정한 포맷으로 형식화한다. 정보들에 대하여, 자원의 측면에서의 데이터 전송에 연관된 노이즈, 예를 들어 계량기로부터의 노이즈가 있는 데이터 전송, 또는 데이터 측정, 전송 또는 수집에 연관된 오류들이 필터링될 수 있다. 데이터 준비 엔진(304)은 또한, 형식화(formatted)되었으나 필터링(filtering) 또는 스무딩(smoothing)이 되지 않았거나 거의 되지 않은, 수도망들(300, 301)로부터 수신된 모든 데이터를 출력할 수 있고, 이에 따라 스무딩 기술들 중 하나가 적용되었으면 버려졌을 수 있는 데이터를 상기 시스템이 분석 가능하게 할 수 있다. 데이터 준비 엔진(304)은 전처리된 데이터를 예측기들(305) 및 이상 검출기들(306)에 전송한다. 본 기술 분야에서 통상의 지식을 가진 자는 구성 요소들(303-310)이 동일한 장치에 포함 또는 상주하거나, 또는 다수의 장치들에 분산될 수 있는 것을 이해할 수 있을 것이다.

일 실시예에서, 예측기들(305)은 다양한 기술들을 이용하는 N 개의 개별적인 예측기들을 포함한다. 예측기들(305)은 데이터의 세트들을 분석하고, 이례적인 이벤트가 발생되지 않음을 가정하여 예상되는 실제 계량기 값들의 통계적인 분포들의 예측들을 제공한다. 본 기술 분야에서 널리 알려진 바와 같이, 예측기들은 상기 데이터를 통계적으로 분석하기 위한 기계 학습(machine learning) 프레임워크를 이용하여 설계될 수 있다. 기계 학습 프레임워크의 예들은, Ethem Alpaydm의 "Introduction to Machine Learning ( Adaptive Computation and Machine Learning )"(MIT Press (2004), ISBN 0262012111), 및 Ryszard S. Michalski, Jaime G. Carbonell 및 Tom M. Mitchell의 "Machine Learning: An Artificial Intelligence Approach"(Tioga Publishing Company (1983), ISBN 0-935382-05-4) 등에 개시되어 있고, 이들은 그 전체로서 여기에 참조로 포함된다.

N 개의 개별적인 검출기들을 가질 수 있는 이상 검출기들(306)은 예측기들(305)로부터 통계적인 예측 데이터를 수신하고, 데이터 준비 엔진(304)으로부터 전처리된 데이터를 수신할 수 있다. 이상 검출기들(306)은 이벤트 결정 및 분류 엔진(308) 또는 복합 이벤트 분류 엔진(307) 중 하나에 이상들을 전송할 수 있다. 엔진(308)은 일반적으로 각각이 단일한 이상(anomaly)에 기초하는 이벤트들을 출력하는 반면, 엔진(307)은 일반적으로 각각이 두 개 이상의 이상들에 기초하는 이벤트들을 출력할 수 있다. 엔진들(307, 308) 모두는 최근 계량기 독출값들이 주어지면 상기 무이상(no-anomaly) 가정의 전체적인 통계적 가능성을 판단하도록 N 개의 이상 검출기들(306)로부터의 통계적인 분석을 비교할 수 있다. 그러나, 어떠한 타입의 이상 이벤트들은 이상 검출기들(306)로부터 수신된 상기 데이터를 형식화(formatting)할 목적으로 복합 이벤트 분류 엔진에 의해 수신되기 전에 이벤트 결정 및 분류 엔진(308)을 통과(pass through)할 수 있다. 엔진(307, 308)으로부터의 정보 또는 데이터는 사용자 인터페이스(310)에 더욱 전송되도록 데이터베이스(309)에 저장된다. 이상들의 어떠한 출력들은 데이터베이스(309)에 저장된 이벤트들의 어떠한 필드들에 맵핑된다. 데이터베이스(309)는 엔진들(307, 308)로부터 정보를 수신하여 데이터베이스(309)에 저장하고 사용자 인터페이스(310)에 의해 검색될 수 있다.

도 4는 본 발명의 일 실시예에 따른 수도 분배 시스템을 나타내는 블록도이다. 도 4의 시스템은 수도 설비(400), 수도 본관(main)(401), 센서(402, 403, 404, 405), 펌프(406), 밸브(407, 408, 409), 및 DMA들(401, 411)을 포함한다. 도면에는 소비자들에게 수도를 분배하기 위한 파이프망이 도시되어 있고, 이들은 개인적인 집들, 또는 산업적, 상업적 또는 기관 시설들, 및 소화전들과 같은 다른 포인트들일 수 있다.

수도 설비(400)는, 예를 들어, 호수, 강 또는 지하 대수층(underground aquifer)으로부터의 지하수와 같은 수도가 축적된 수도 수집 포인트일 수 있다. 수도 설비(400)에서 수집된 수도는 처리 또는 가공될 수 있고, 수도 소비를 위하여 분배되도록 수도 본관(401)을 이용하여 전송될 수 있다. 수도 본관(401)은 수도 공급원으로부터 수도를 운송하는 복수의 파이프들을 포함하는 수도 분배 시스템에서의 주요 지하 파이프일 수 있다. 다른 실시예들에서, 수도 본관(401)은 또한 덮여 있지 않은 지하 레벨 송수관들 및 덮여 있는 터널들에 상응할 수 있다. 수도 본관(401)은 상기 수도 분배 시스템의 범위를 확장시키도록 이차적인 수도 파이프들에 연결될 수 있다. 이러한 이차적인 수도 파이프들은 다양한 수도 관련 속성(attribute)들을 측정하도록 설치된 센서들(402-405)을 가질 수 있다. 센서들(402-405)은 수도 유속, 압력, 유동 방향 및 상기 파이프들에 대하여 고려될 수 있는 다른 측정치들을 측정할 수 있다. 추가적으로, 센서들은 또한 수도 본관(401)을 통하여 흐르는 수도의 속성들을 모니터하도록 수도 본관(401) 상에 설치될 수 있다(미도시).

수도는 상기 센서들을 지나고, 후속하여 분배될 지역들 또는 포인트들로 이동한다. 수도 본관(401)이 상기 이차적인 수도 파이프들로 나뉘는 지역들은 DMA들 또는 FMZ(Flow-Monitored Zone)들일 수 있다. DMA는, 예를 들어 밸브들의 잠김(closure)에 의해 특히 정의될 수 있고 지역에 유입되고 유출되는 수도의 양이 계량되는 분배 시스템의 일 지역을 나타낸다. 본 기술 분야의 통상의 지식을 가진 자에게 알려진 바와 같이, 유량의 분석, 특히 야간 유량의 분석이 상기 지역 내의 누설 수준을 평가하도록 종종 사용된다. 이는 누설 감소를 위하여 수행되어야하는 작업을 결정하기 위한 것일 뿐만 아니라, 어디에 누설 위치 작업을 착수하는 것이 가장 바람직한지를 평가하도록 서로 다른 지역들에서의 누설 수준들을 비교하기 위한 것일 수 있다.

펌프(406)와 같은 추가적인 수도 가압 구성들이 도시된 바와 같이 수도 본관(401) 내의 중간 지점에 위치함으로써, 수도를 전송하고 상기 수도 분배 시스템의 요구를 만족시키도록 수도 압력을 올릴 수 있다. 밸브들(408, 409)은 지역에 수도를 공급하는 파이프들의 서브-망을 포함하는 DMA의 경계들에 존재할 수 있고, 또한 상기 DMA 내에도 추가적인 밸브들이 위치할 수 있다(미도시). 이차적인 파이프들은 상호 연결될 수 있고, 전체 지역에 수도를 공급하도록 서브-망들을 형성할 수 있다. 상기 밸브들 중 하나 이상은 수도 본관(401)으로부터 센서들(403, 404)을 통하여 DMA들(410, 401)로의 파이프들에 수도가 흐르도록 개방(open)될 수 있다. 도시된 바와 같이, DMA(401)는 밸브(407)에 연결된 파이프에 의해 DMA(411)와 상호 연결될 수 있다. 정의 상, 두 개의 DMA들을 연결하는 임의의 파이프는 모니터링되는 유속 계량기를 포함하여야 하거나, 밸브(407)로 도시된 것 같은 (닫힌(closed)) 밸브를 가져야 한다. 밸브(407)는 일반적으로 닫혀있으나, 유지, 보수 또는 응급 상황을 위하여 열릴 수 있다. 이러한 구성은, 비록 상기 망의 모니터링 능력이 감소되더라도, 여분을 고려하고 영향 받은 지역에 여전히 수도를 공급할 수 있으면서 파이프가 보수되는 것을 고려한 것이다. 다만, 정상적인 운영 조건들에서는, 상기 DMA들은 효과적으로 단절된다.

일 예에서, 정상적인 환경에서는, 밸브(407)는 닫혀있어야만 하나, 밸브(407)는 이에 상응하는 파이프들을 통하여 수도가 흐르는 "틈이 생긴 밸브(breached value)"일 수 있다. 첫 번째 이벤트가 센서(404) 및 센서(405)에 의해 측정된 유량의 합의 감소에 의해 검출될 수 있다. 망 시스템에서 발생되는 어떠한 이벤트에 대하여, 상기 이벤트에 관련된 적어도 하나의 다른 이벤트가 종종 존재한다. 밸브(407)의 상기 틈(breach)은 이러한 감소, 및 (밸브(407)를 통한 상기 모니터링되지 않는 유량에 기인하여) 센서(403)에서의 유속 증가를 유발할 수 있다. 상기 두 가지의 유속 변경 이벤트들은 관련된 것이고, 복합의 "틈이 생긴 밸브" 이벤트의 일부인 것으로 식별될 수 있다. 단순화를 위해 이벤트 쌍들이 설명되나, 이는 보다 큰 세트들로 확장될 수 있다. 도 6 내지 도 12의 설명들을 참조하여 관련된 이벤트들을 식별하는 방법들이 보다 상세히 후술된다.

도 5는 본 발명의 일 실시예에 따른 수도 분배 시스템의 세그먼트(segment)의 블록도이다. 상기 수도 분배 시스템은 수도 본관(500), 센서(501, 502, 503) 및 밸브(504)를 포함한다. 도면에서, 소비자들에 대한 수도 분배를 위한 파이프망의 일부가 도시되어 있다. 센서(501, 502, 503) 및 밸브(504)는 DMA(505)의 경계들 내에 위치하는 것으로 도시되어 있다. DMA(505)는 주어진 지리적 영역 내에 그룹화된 파이프들 또는 센서들의 서브-망을 나타낸다. 수도 본관(500)은 수도 공급원으로부터의 수도 운송을 위한 파이프들의 시스템에서 주요 파이프를 나타낸다. 센서(502)는 또한 수도 본관(500)을 통하여 흐르는 수도에 연관된 속성들을 모니터링 또는 측정하도록 수도 본관(500)에 설치될 수 있다. 수도 본관(500)은 주요 공급 파이프의 역할을 할 수 있고, 센서들(501, 503)로 이어지는 파이프들과 같은 이차적인 수도 파이프들에 연결될 수 있다. 이러한 이차적인 수도 파이프들은 DMA들로 특징지어지는 서브-망들을 형성하고, 상기 DMA들에 연관된 영역들로의 모니터링되는 수도 분배를 제공한다. 센서들(501-503)에 의해 수집되는 데이터는 이상(anomaly)을 식별하도록 이용될 수 있다.

수도 분배망과 같은 모니터링되는 시스템에서 검출되는 단일한 실제 세계 이벤트는 하나 이상의 관련된 이상들에 종종 연관되고, 이들은, 채용되는 이상 검출 방법들의 한계에 따라, 독립적으로 검출 및 보고되나, 실제로는 상기 내재된 이벤트의 검출을 보장하도록 이들 모두가 요구된다. 한편, 사용자는 일반적으로 근본 원인 및 시스템에서의 실제 이벤트들에 관심이 있고, 인공적이거나 모니터링 처리의 중간 단계에서 중복된 또는 "유령(ghost)" 이벤트들에 관심이 있지 않다. 이러한 관련된 이벤트들 또는 이상들은 상기 망에서의 다른 이상 이벤트들에 의해 유발되거나 이들을 유발하는 이벤트들의 체인(chain)일 수 있다. 예를 들어, 밸브(504)는 초기에 닫혀있을 수 있고, 수도 본관(500)으로부터 센서들(501, 502)에 연결된 파이프들을 통해서만 수도가 흐르게 할 수 있다. 밸브(504)를 열면 센서(503)에 이어진 추가적인 파이프에 수도가 분배될 수 있고, 이는 예를 들어 검출되는 유량의 증가를 유발할 수 있다. 압력 증가 또한 센서(503)에서 모니터링될 수 있다. 한편, 센서(502)는 센서(502)에 연관된 위치에서의 수도 본관(500)을 통하여 흐르는 수도의 측정 가능한 속성이 평상시보다 상당히 낮은 것(예를 들어, 수도 압력 강하)을 검출할 수 있다. 센서(501) 또한 센서(501)에 연관된 위치에서 얻어진 측정치들이 평상시와 다른 것을 검출할 수 있다.

이러한 측정치들은 정해진 시간 동안, 예를 들어 하루 동안 이벤트 전에 상기 센서들에 의해 측정된 데이터와 비교될 수 있다. 상기 수도 분배 시스템의 모니터링 시스템은 이러한 이상들을 검출할 수 있고, 이들의 유사한 물리적 또는 논리적 위치, 사이즈, 방향, 발생의 시간 또는 횟수, 또는 도 7 내지 도 12를 참조하여 보다 상세히 후술될 상기 이상 이벤트들의 다른 측정치들 및 특징들에 기초하여 상기 이상들 사이에 상호 연관을 만들 수 있다. 일 실시예에서, 상기 센서 이벤트들은, 상기 밸브(504)의 개방으로부터 도출된 센서(503)에 의해 측정된 데이터에서의 큰 편차에 상응하는 센서(503)에서 검출된 이벤트에 더욱 상호 연관될 수 있다.

밸브(504)에서와 같은 수도 본관(500)의 상류(도 5의 왼쪽편)에서 발생하는 이벤트들은 보통 센서들(501, 502)에 연결된 파이프들에 영향을 미친다. 역으로, 센서들(501, 502)에 연결된 파이프들에서와 같은 하류(도 5의 오른쪽편)에서 발행하는 이벤트들 또한 수도 본관(500)의 상류 구역으로 전달될 수 있다. 규칙들은 이벤트/데이터 타입이 신호의 전달이 어느 방향일지에 따를 수 있다. 예를 들어, 일부 수압 효과들은 상류 및 하류로 전달될 수 있고, 반면에 다른 일부의 수질 효과들은 하류로만 전달될 수 있다. 다른 실시예에서, 이상들의 "경로(path)"가 형성될 수 있고, 상기 경로에서 검출된 이상들은 모두 단일한 이벤트 또는 원인에 관련된 것으로 판단될 수 있다. 예를 들어, 수질 이벤트는 상기 파이프들을 통하여 오염 물질의 흐름과 함께 점차적으로 전달될 수 있다.

상기 모니터링 시스템은 센서가 정상적인 측정치들을 가질 때까지 계속되는 이상들의 경로를 추적할 수 있다. 다른 실시예에서, 상기 모니터링 시스템은 밸브(504)의 개방 시 센서(503)와 연관된 위치에서의 파이프를 통하여 흐르는 수도의 갑작스런 "급증(surge)"을 검출할 수 있다. 센서(503)에서 검출된 이벤트는 센서들에 의해 검출된 이벤트들이 발생된 시점에 기초하여 센서들(501, 502)에서의 이상들에 상호 연관될 수 있다. 센서(503)에서의 이벤트가 발생된 시작 시점이 센서들(501, 502)에서의 이벤트들의 시작 시점과 정확히 또는 근접하게 동시인지가 판단될 수 있다. 그러므로, 센서(501, 502, 503)에 의해 검출된 이벤트들이 공통 이벤트에 연관 및/또는 공통 이벤트로부터 유발되었는지가 판단될 수 있다. 각 조합 규칙은, 특정한 정도의 근접성, 또는 방향, 크기 및 시작 시점 등과 같은 이상 또는 이벤트 특징들 사이의 관련성에 기초하여 관련된 이상 또는 이벤트들을 판단하기 위한 기준(criteria)을 결정한다.

도 6 내지 도 12를 참조하여 설명되는 아래의 단계들이, 일 실시예에서, 도 1 또는 도 3의 시스템에 의해, 또는 이와 달리 자원 분배망들을 모니터링할 수 있는 임의의 다른 모니터링 시스템들에 의해 수행될 수 있다. 아래의 도면들은 본 발명의 시스템이 복합 이벤트들을 생성함에 있어서 반복 처리할 수 있는 조합 규칙들을 설명한다. 상기 시스템은, 예를 들어 매우 높은 감도에서 이상 검출기를 구동함으로써 후보 이벤트들을 생성할 수 있고, 상기 이벤트들의 특징들에 기초한 개략적인 상호 연관에 기초하여 후보 이벤트들의 세트를 선택할 수 있다. 상기 후보 이벤트들의 세트는, 예를 들어 지리적 근접성, 시간적 근접성, 및 "지문(fingerprint)" 또는 부합되는 이상 크기들의 세트에 기초하여 더욱 테스트될 수 있다. 사용될 수 있는 이러한 테스트 각각을 수행하는 것의 상세한 설명이 후술되나, 본 기술 분야에서 통상의 지식을 가진 자는 후술되는 바를 조합 규칙의 동일 또는 유사한 본보기의 필요한 다른 방법들로 대체할 수 있을 것이다.

도 6은 본 발명의 일 실시예에 따른 후보 이벤트를 식별하는 방법을 나타내는 순서도이다. 단계(601)에서, 센서 데이터는 정해진 조합 규칙에 기초하여 검사를 위해 선택된다. 다음으로 단계(603)에서, 상기 시스템은 상기 정해진 조합 규칙에 기초하여 이상 검출기 및 상기 검출기를 위한 파라미터들을 선택한다. 상기 모니터링 시스템은 상대적으로 긴 시간에 걸쳐서 발생하는 이벤트들을 검사하도록 상대적으로 낮은 통계적인 임계치로 설정된 이상 검출기들을 포함할 수 있다. 후보 이벤트들을 위한 하나 이상의 관찰 시간 윈도우들 및 상기 시간 윈도우들 사이의 간격들이 상기 정해진 조합 규칙에 기초하여 선택된다(단계 605).

단계(607)에서, p-값 임계치가 상기 정해진 조합 규칙에 기초하여 선택된다. 상기 선택된 센서 데이터 모두가 분석을 위해 반복 처리된다(단계 609). 정해진 반복 처리에서, 주어진 센서 데이터에 대한 시간 윈도우는 상기 간격들을 가지는 시작 시점들을 가지고 조사된다(단계 611). 예를 들어, 상기 윈도우가 하루이고 상기 간격이 하루의 절반인 경우, 하루 동안의 윈도우들이 매 자정 또는 정오에 시작하여 검사될 수 있다. 수도 분배망에서, 이벤트들이 수일 동안 지속되고, 과도 효과 또는 유지 작업이 수 시간 동안 지속될 수 있고, 이 경우 관찰 기간(시간 윈도우)이 하루로 설정될 수 있다. 예시적인 실시예에서, 상기 관찰 기간은 수일로 설정될 수 있지만, 본 기술 분야에서 통상의 지식을 가진 자는 상기 모니터링 시스템이 가변적인 p-값들을 가지고 임의의 시간 기간 동안 식별하도록 설정될 수 있음을 이해할 수 있을 것이다. 후보 이벤트들은, 상기 후보 이벤트들의 이벤트 타입에 따라, 하나 이상의 미리 정의된 p-값 임계치 값들, 시간 윈도우들, 및 임계치에 대한 테스트를 위한 시간 윈도우들이 얼마나 쉬프트 이동을 하는지에 대한 스킵 값(간격)을 가질 수 있다.

상술한 바와 같이, 예측기들은 데이터의 세트들을 분석할 수 있고, 이례적인 이벤트들이 발생되지 않음을 가정할 때 예상되는 실제 센서 값들의 통계적인 분포의 예측들을 제공할 수 있다. 이상 검출기들은 상기 센서에 대하여 이상이 없는 가능성을 테스트할 수 있고, 특정한 이벤트 타입들과 같은 다른 가정들의 가능성을 테스트할 수 있다. 상기 모니터링 시스템은 상기 이상 검출기들을 이용하여 각 센서에 대한 이례적인 시간 기간(예를 들어, 수일)을 탐색하고, 상기 센서의 데이터가, 예를 들어 0.1 이하의 p-값을 가지는(즉, 이 센서 데이터는 허위 긍정, 즉 이상 이벤트가 아닌 것일 확률이 단지 10% 정도인 것을 나타냄) 수일을 식별한다. 따라서, 예를 들어, 한 번만 발생한 작은 편차 또는 일 분과 같은 짧은 시간 동안의 편차는 이상으로 검출되지 않는 반면, 긴 시간 동안에 발생하는 동일한 작은 편차 또는 상기 기간 내에 종종 발생되는 경우 상기 이상 검출기들에 의해 통계적으로 유의미한 것으로 식별될 수 있다. 예시적인 0.1의 p-값은 관련 없거나 랜덤하게 발생하는 후보 수일(days)의 수를 감소시키고, 검사되어야만 하는 관련 없는 쌍들의 수를 감소시킨다. 상기 p-값은 계산 작업량을 감소시키도록 보다 높은 값으로 설정될 수 있으나, 이는 실제 이상들을 검출할 가능성을 감소시킬 수 있다. 다음 단계인 "개략적 상호 연관(rough correlation)"으로 후보들의 세트들을 선택하는 것이 허위 긍정들을 "부당하게(unfairly)" 유지할 개연성이 낮으므로, 상대적으로 민감한 임계치가 사용될 수 있다. 상술한 예에서, 10%의 센서-요일들을 후보 이벤트들로 하는 것은 (실제 이상들이 이보다 드물게 발생할 가능성이 높은 것을 고려할 때) 높은 비율인 것으로 보이나, 예를 들어 허위 긍정으로서 출력될 특정한 센서-요일들의 쌍에 대하여 이의 비율은 10% * 10% = 1%이다.

일 실시예에서, 상기 사용되는 센터 데이터는 수신된 원본 센서 데이터의 처리된 버전일 수 있고, 전체의 역사적인 데이터로부터 시간적으로 더욱 제한될 수 있다. 예를 들어, 상술한 분석에 이용되는 상기 데이터 세트들은 연속된 여섯 시간 동안 계산된 평균 센서값들(매 여섯 시간 동안의 각 센서에 대하여 하나의 평균 값)일 수 있다. 편차들의 중요성(의의)을 분석하는 것은, 예를 들어 역사적인 통계 데이터에 비교될 때 센서 독출값이 상기 역사적인 통계 데이터의 관점에서 중요한지 판단하는 것일 수 있다. 각 데이터 세트에 대하여, 각 이상 검출기는 편차들의 중요성을 분석함으로써 정해진 시간 동안 주어진 센서 독출값들에서 관련된 이상이 발생되지 않았을 통계적인 가능성을 판단할 수 있다. 이상 검출기들은, 예를 들어 상기 편차의 연속된 또는 빈번한 발생이 이러한 편차들의 중요성을 높이는 것이므로, 일정한 시간 동안, 예를 들어 수분, 수시간, 수일 또는 보다 긴 시간 동안 편차들의 중요성을 분석할 수 있다. 상기 시스템은 상기 이상 검출기들의 이상 검출 방법들에 의해 검출된 이상 타입 또는 타입들을 제일 잘 설명하는 정규화된 값들을 다룰 수 있다.

편차들의 중요성(의의)을 분석하는 것과 관련하여, 예를 들어 역사적인 통계 데이터에 비교될 때 센서 독출값이 상기 역사적인 통계 데이터의 관점에서 중요한지 판단될 수 있다. 예를 들어, 세 개의 표준 편차들의 차이 또는 상위 백분위수의 값은 유의미한 편차일 수 있다. 다른 실시예에서, 상기 통계적인 편차는 파라미터들의 함수로서 편차들의 역사적으로 관찰된 분포에 의해 측정된다. 하나의 이러한 파라미터는 하루 중 시간일 수 있고, 이는 상기 편차의 중요성이 하루 중 시간에 따라 변동될 수 있는 편차들의 분포에 의존할 수 있는 것을 의미한다. 다른 이러한 파라미터들은, 온도 또는 습도, 날씩 경고, 공휴일들, 또는 그날 또는 하루 중 시간에서의 망 특징을 변경시킬 수 있는 스포츠 이벤트들과 같은 날씨 측정들을 포함할 수 있다. 선서 독출값들에서 편차들을 분석하는 것은, 일상적 또는 계획된 수도망 운영들, 수량에 영향을 미치는 밸브들의 개방 및 폐쇄, 음향 조사, 수도망의 임의의 부분에 대한 보수 또는 개선, 상기 보수/개선의 날짜 또는 시간, 상기 보수/개선의 위치, 상기 망에 대한 일상적인 유지보수, 및 망 기술 전문가가 언제 및 어디서 활동하는지를 나타내는 접근 제어 정보 등과 같은 수도망 운영에 관련된 정보를 고려할 수 있다.

어떠한 중요성 임계치를 통과한 이상들은 후보 이벤트들로 식별될 수 있다. 다시 도 6을 참조하면, 단계(613)에서, 시스템은 상기 파라미터들을 이용하여 상기 선택된 이상 검출기로 상기 센서 데이터에 대한 상기 타임 윈도우들을 테스트한다. 상기 이상 검출기로부터의 출력이 상기 선택된 p-값 임계치 이하인지 여부가 판단된다(단계 615). 상기 출력이 상기 p-값 임계치 이하가 아닌 경우, 상기 시스템은 되돌아가서 다른 센서 데이터를 검사한다(단계 609). 그러나, 상기 출력이 상기 p-값 임계치 이하인 경우, 상기 처리는 단계(617)로 이동하여 상기 주어진 센서 데이터를 후보 이벤트로 기록한다. 상기 기록된 후보 이벤트는 후보 이벤트들의 리스트 또는 풀에 추가될 수 있다. 상기 후보 이벤트들의 리스트는 후속 처리를 위하여 상기 모니터링 시스템 내의 이벤트 분류 시스템과 같은 다른 구성요소들에 제공될 수 있다. 예를 들어 도 6의 방법에 의해 판단된 후보 이벤트들이 복합 이벤트의 일부를 구성하는지 여부를 판단하는 방법들이 도 7 내지 도 12를 참조하여 보다 상세히 후술된다.

도 7은 본 발명의 일 실시예에 따른 관련된 위치들을 가지는 이벤트 쌍들을 식별하는 방법을 나타내는 순서도이다. 아래의 도면은 정해진 조합 규칙에 기초하여 복수의 테스트들 중 하나를 선택하는 방법을 나타낸다.

단계(701)에서, 시스템은 후보 이벤트들의 세트를 선택한다. 상기 후보 이벤트들은, 상기 후보 이벤트들이 유래된 센서, 후보 이벤트들의 시간, 후보 이벤트들에 연관된 영역 등에 의해 그룹화될 수 있다. 일 실시예에서, 후보 이벤트들은 도 6을 참조하여 설명된 방법에 의해 식별될 수 있다. 테스트될 특징들의 선택은 선택된 후보 이벤트들에 대한 정해진 조합 규칙에 기초하여 결정된다(단계 703). 일 실시예에서, 후보 이벤트들이 관련된 지역들을 가지는지를 판단하는 데에 있어서 테스트들 중 어떤 것이 수행될지를 판단하도록 일련의 조건문(case statement)들이 이용될 수 있다. 이웃하는 위치들을 판단하는 테스트들이 단계들 705a, 705b, 705c, 및 705d로 표시되어 있다. 테스트들(705a-d) 중 하나가 상기 정해진 조합 규칙에 기초하여 선택된다. 특정한 테스트들 및 파라미터들이 정해진 조합 규칙에 의해 결정된다. 관련 위치들을 판단하기 위한 위치들이 서브-DMA 위치들로부터 제공될 수 있고, 예를 들어 본 출원인에 의해 출원된 미국특허 출원번호 제13/008,819호에 개시된 시스템에 의해 생성되는 것과 같을 수 있다.

"틈이 생긴 밸브(breached valve)" 시나리오에서, 상술한 바와 같이, 시스템은 단계(705a)에서 하나 이상의 파이프들에 의해 연결된 DMA들에서의 이벤트들이 일상적으로 닫혀있는 모니터링되지 않는 밸브들에 의해 분리되는지 여부를 판단한다. 본 예는 상기 조합 규칙이 복수의 "관련 위치(related location)" 테스트들 중 하나를 어떻게 이용할 수 있는지를 설명한다. 다음 단계(707)에서, 모니터링 시스템은 후보 이벤트들을 단계(705a)의 테스트들이 만족된 것 또는 참인 것에 기초하여 지리적으로 관련된 이벤트들의 세트로 표시한다. 단계(707)는 단계(705a-705d)에 대하여 공통 단계이다. 방법은 단계(701)로 이동하여 추가적인 후보 이벤트들을 선택하고, 모든 후보 세트들을 검사하고, 후보 이벤트들의 세트들이 검사될 때 임의의 복합 이벤트들이 식별되는지 여부가 판단된다.

다른 시나리오들에 대하여, 조합 규칙은 단계(705b)에서 두 개의 이벤트들의 유사한 위치들 사이의 최대 거리를 판단하고, 단계(705c)에서 이벤트들의 단위 크기 당 최대 거리, 또는 단계(705d)에서 이벤트 쌍의 이벤트들이 동일한 영역 또는 서브-망 내에 위치하는지 여부 등을 판단한다. 이들은 가능한 규칙의 예들일 뿐이고, 주어진 조합 규칙이 다른 방식들로 구체화될 수 있다. 단계(705b)에서, 유사한 위치들 사이의 최대 거리는 미리 정의되거나 망 엔지니어에 의해 정의될 수 있고, 조합 규칙의 모든 파라미터들에 대해서도 마찬가지일 수 있다. 단계(705c)에 대하여, 이벤트들의 단위 크기 당 최대 거리에 의해, 이벤트들이 다소 멀리 떨어져 있더라도 보다 큰 이상들은 인접한 것으로 간주될 수 있다. 상기 이벤트의 크기는 센서에 의해 검출되는 변경의 측정 가능한 크기에 상응할 수 있다. 예를 들어, 수도 본관 파열은 상당히 먼 위치에서 상기 수도 본관에 연결된 파이프들에 대하여 수도 압력을 유의미하게 감소시킬 수 있다.

단계들(705b-705d)에 대한 다음 단계(707)에서, 모니터링 시스템은 후보 이벤트들을 단계들(705b-705d)의 테스트들의 성공에 기초하여 지리적으로 관련된 이벤트들의 세트로 표시하거나, 단계들(705b-705d)의 테스트들이 만족되지 않거나 거짓인 경우 제외할 수 있다. 또한, 단계(707)는 예시적인 시나리오와 무관하게 공통 단계이고, 단계(705b-d)의 선택에 무관할 수 있다. 다음 단계(701)에서, 추가적인 후보 이벤트들이 선택되고, 모든 후보 세트들이 임의의 복합 이벤트들이 식별되는지 여부가 검사될 수 있다.

도 8은 본 발명의 일 실시예에 따른 단일 후보 이벤트에 대한 가능한 시작 시점을 결정하는 방법을 나타내는 순서도이다.

단계(801)에서, 시스템은 후보 이벤트에 대한 조합 규칙을 검색한다. 하나 이상의 간격 파라미터들이 상기 조합 규칙으로부터 도출된다(단계 8-3). 조합 규칙은 특정한 이벤트 타입에 대한 하나 이상의 알고리즘들 또는 파라미터들을 포함할 수 있다. 조합 규칙은 후보 이벤트들의 세트에 대하여 선택된 상기 이벤트 타입에 상응하도록 선택된다. 샘플 사이즈가 후보 이벤트들에서 데이터 포인트들의 빈도에 기초하여 결정된다(단계 805). 다음 단계(807)에서, 고정된 간격이 상기 샘플 사이즈 및 상기 간격 파라미터들에 기초하여 선택된다. 시스템은 가능한 시작 시점, 즉 상기 시점 전의 데이터가 상기 시점 후의 데이터로부터 유의미하게 다른 시점을 결정한다. 실제 이벤트의 시작의 정확한 검출 외에, 상기 시작 시점 테스트의 중요한 특징은 후보 이벤트들로부터의 허위 긍정이 매우 랜덤한 시작 시점을 생성할 수 있는 것이다. 일 실시예에서, 예를 들어 상술한 틈이 생긴 밸브 시나리오에서, 측정된 데이터는 시작 시점에서 구별되는 증가 또는 구별되는 감소(편차)를 보여야 한다.

조합 규칙은, 후보 이벤트에 대한 의심스러운 기간(예를 들어 하루)뿐만 아니라, 제1 간격과 제2 간격의 길이들을 결정한다. 각 간격에서의 데이터 값들의 변동이 모든 시작 시점들에 대하여 계산된다. 모든 시작 시점들에 대하여 반복 처리된다(단계 809). 주어진 시작 시점에 대하여, 수정된 "T-테스트"가 고정된 시간 간격에 걸쳐 수행된다(단계811). 시스템은 시작 시점(t)으로부터 후속된 구간(y)의 간격에서의 값들로부터 시작 시점(t)으로부터 앞선 구간(x)의 간격에서의 값을 가장 잘 구별할 수 있는 시작 시점(t)을 탐색한다. 상기 테스트는 상기 의심되는 구간 내에서 모든 시간들(t)에 대하여 반복 처리된다. 일 실시예에 따라, 이러한 "최선의 분리(best separation)" 시간은 다음과 같은 점수로 모든 시간들(t) 주변의 간격들의 쌍들을 테스트하여 검색될 수 있다.

|mean(간격1) / var(간격1) - mean(간격2) / var(간격2)|

최대값을 가진 시작 시점(t)을 취함.

점수는 상기 수정된 T-테스트에 따라 계산된다(단계813). 상기 점수는 (t에서 끝나는) 간격1과 (t에서 시작하는) 간격2 사이의 변경에 대하여 계산된다. 시스템은 모든 간격들이 처리되었는지를 판단한다(단계 815). 모든 간격들이 처리되지 않은 경우, 시스템은 단계(809)로 돌아가 다른 시작 시점(t)에 대하여 테스트한다. 모든 간격들이 처리된 경우, 단계(817)에서 후보 이벤트들에 대하여 가장 가능한 시작 시점을 결정하도록 최고 점수가 선택된다. 상기 점수를 최대화하는 시점(t)이 선택된다. 이러한 최고 점수를 가지는 시작 시점이 선택되고(단계 817), 시스템은 가능한 시작 시점을 결정하도록 다음 후보 이벤트들의 세트를 처리한다(단계 821).

시작 시점을 결정하도록 사용되는 방법, 예를 들어 전술한 문단들에 개시된 방법은 항상 결과, 실제로 상기 후보 이벤트가 실제 세계의 이상을 기술하는 경우 가장 이벤트 시작 시점일 가능성 있는 시점을 도출하는 방식일 수 있다. 그러나, 실제 이벤트가 없는 경우, 또는 후보 이벤트가 갑자기 시작되지 않았거나 센서에 강한 신호를 유도하지 않은 경우, 데이터는 매우 명확한 시작 시점을 보이지 않을 수 있다. 이러한 경우에는, 전술한 단계의 결과들은 매우 "노이즈 같거나(noisy)" 또는 후속 테스트에 사용하기에 오류가 발생하기 쉬울 수 있다. 일 실시예에서, 시스템은 시작 시점이 "명확한 시작 시점"이 아닌 개별적인 후보 이벤트들(또는, 일 실시예에서, 전체 후보 이벤트들의 집합)을 제외할 수 있다.

도 9는 본 발명의 일 실시예에 따른"명확한 시작 시점들"을 가진 이벤트들을 식별하는 방법을 나타내는 순서도이다. 이는 계산된 시작 시점에서 뚜렷한 변경이 있는지 여부를 식별하는 포괄적인 단계를 포함할 수 있다. 아래에서는, 예를 들어 틈이 생긴 밸브 시나리오에서 후보 이벤트들에서 발생될 수 있는 것과 같은 갑작스러운 증가(또는 감소)의 "명확한 시작 시점"에 대한 테스트의 예가 설명된다.

단계(901)에서, 시스템은, 일 실시예에서 도 6에 도시된 단계들로부터 결정된 후보 이벤트들의 세트 내의 후보 이벤트에 대한 시작 시점 전후의 시간 간격들을 선택한다. 일 실시예에서, 후보 이벤트의 시작 시점은 도 8을 참조하여 설명된 방법에 의해 결정된 가능한 시작 시점일 수 있다. 시스템은 단계(903)에서 상기 시간 간격 전의 상기 후보 이벤트의 데이터 포인트들의 상위 X%를 상기 시간 간격 후의 하위 Y%에 비교한다. 이는 상기 후보 이벤트 타입이 "감소(decrease)"인 경우 적용되고, 상기 후보 이벤트 타입이 "증가(increase)"인 경우 반대로(즉, 상기 시간 간격 전의 상기 후보 이벤트의 데이터 포인트들의 하위 X%를 상기 시간 간격 후의 상위 Y%에 비교함) 적용된다. 데이터 포인트들의 전체 상위 X%가 하위 Y%의 데이터 포인트들 모두보다 큰지 여부가 판단된다(단계 905). 이는 상기 시작 시점 바로 전의 값들이 (100-X%의 일부 한정된 예외를 가지고) 그 바로 후의 값들 보다 (100Y%의 일부 한정된 예외를 가지고) 큰(또는 작은) 것을 보장한다. 데이터 포인트들의 상위 X% 모두가 하위 Y%의 모두보다 크지 않은 경우, 시스템은 상기 후보 이벤트에 "명확한 시작 시점 없음(no clear start time)"을 표시하고(단계 909), 상기 세트 내의 다음 후보 이벤트를 이어서 처리한다. 그렇지 않은 경우, 판단 단계(905)가 참이거나 만족된 경우, 상기 시작 시점은 명확한 시작 시점으로 설정되고(단계 907), 상기 세트 내의 다음 후보 이벤트가 선택된다(단계 911).

도 10은 본 발명의 일 실시예에 따른 근접한 시작 시점들을 가진 이벤트 쌍들을 식별하는 방법을 나타내는 순서도이다. 아래의 방법의 설명은 테스트가 순차적으로 수행되고, 후보 이벤트들의 세트에서의 임의의 개별적인 테스트 실패 결과에 의해 복합 이벤트로 조합됨에 있어서 배제되는 것을 제안한다. 다만, 순차적인 테스트는 일 실시예이고, 조합 규칙들에 기초한 다른 테스트 방법들이 사용될 수 있다.

단계(1001)에서, 시스템은 정해진 조합 규칙에 기초하여 후보 이벤트들의 센트를 선택한다. 시스템은 단계(1003)에서 상기 세트 내에서의 이벤트들의 시작 시점들을 결정한다. 상기 시작 시점은, 예를 들어 도 8에 설명된 단계들에 의해 도출 또는 결정될 수 있다. 이후, 시스템은 상기 시작 시점들이 명확한 시작 시점인지를 판단한다(단계1005). 명확한 시작 시점을 판단하기 위한 예시적인 방법이 도 9를 참조하여 상술되었다. 상기 시작 시점들이 명확한 시작 시점들이 아닌 경우, 시스템은 명확한 시작 시점들에 대한 테스트가 실패한 것으로 결정하고, 상기 후보 입멘트들의 세트를 제외하며, 다음 목표(후보 이벤트들의 세트)를 분석하도록 단계(1013)로 이동한다. 그렇지 않고, 상기 시작 시점들이 명확한 시작 시점들인 경우, 시스템은 시작 시점들 사이의 차이를 계산한다(단계1007). 관련된 이벤트들 또는 이상들은 동시에, 또는 이들 사이의, 거리에 관련될 수 있는, 어떠한 짧은 시간 간격 내에 시작되는 것으로 기대된다.

정해진 조합 규칙으로부터 파라미터가 도출된다(단계1009). 시스템은 조합 규칙에 따라 소정의 S 데이터 샘플들보다 작게 이격되는지를 판단할 수 있다. "틈이 생긴 밸브"의 예에서, S는 두 시간의 데이터를 나타낼 수 있다. 이는, 주요 이벤트의 시작 근처에서, 추가적인 지역적 과도 특징들이 데이터에서 두드러지는 가능한 상황을 완화할 수 있다. 예를 들어, 틈이 생긴 밸브는 어떠한 정비 시행 또는 극단적인 수압 이벤트 후에 드러날 수 있고, 이는 상기 틈의 정확한 시작을 모호하게 하는 데이터를 생성할 수 있다. 따라서, 시작 시점의 통계적인 평가에서 일부 부정확성이 발생할 수 있고, 이러한 파라미터가 이에 따라 선택되어야만 한다. T(후보 이벤트 기간)에 대하여 보다 큰 S는 보다 많은 허위 긍정들을 생성할 수 있다. 허위 긍정율은 2S/T이다. 근접한 시작 시점들을 가지는 후보 이벤트들은 도출된 파라미터들에 기초하여 판단된다(단계 1011). 상기 시작 시점들이 상기 파라미터들보다 근접한 경우, 상기 후보 세트는 상기 테스트를 통과하고(단계 1013), 그렇지 않으면, 이를 실패하고, 상기 후보 이벤트들의 세트가 제외된다(단계 1015). 다음 단계(1017)에서, 시스템은 근접한 시작 시점들을 가지는 다른 이벤트 세트들을 결정하도록 다음 후보 이벤트들의 세트를 선택한다.

도 11은 본 발명의 일 실시예에 따른 부합되는 이상 방향들을 가진 이벤트 세트들을 식별하는 방법을 나타내는 순서도이다.

후보 이벤트들의 세트가 선택된다(단계 1101). 일 실시예에서, 시스템은 탐색되는 이벤트 타입에 부합하는 변경의 이상 방향들을 가진 이벤트 쌍들만을 선택한다. 시스템은 단계(1103)로 이동하여 상기 후보 이벤트들의 세트의 이상 크기들이 합리적인 정확도로 알져있는지를 판단한다. 맞는 경우, 단계(1117)에서 부합되는 이상 크기들의 가능한 세트가 결정된다. 부합되는 이상 크기들은 도 12의 방법을 참조하여 보다 상세히 후술된다. 방법은 단계(1117)로부터 단계(1115)로 이동하여 추가적인 후보 이벤트들의 세트들을 분석한다.

이하에서는, 방향의 비교가 크기들이 충분히 정밀하게 측정되지 못하는 경우에 대한 대비책일 수 있다. 단계(1103)에서 상기 이상 크기들이 알려지지 않은 경우, 단계(1105)에서, 상기 후보 이벤트들의 세트의 이상 방향들이 정해진 조합 규칙에 기초하여 판단된다. 이상 방향 관계들은 상기 세트 내의 후보 이벤트들 사이에서 판단된다(단계 1107).

파라미터들이 상기 정해진 조합 규칙으로부터 도출된다(단계 1109). 상기 조합 규칙은 주어진 이벤트 시나리오에 대하여 개별적인 테스트들 및 파라미터들을 결정한다. 다음 단계(1111)에서, 상기 도출된 파라미터들에 기초하여 상기 이벤트들이 상응하는 이상 방향들을 가지는지 여부가 판단된다. 즉, 시스템은 상기 후보 이벤트들 사이의 이상 방향들의 가능한 세트를 검사(즉, 테스트)한다. 상기 조합 규칙은 어떠한 이상 방향들의 세트들이 가능한지를 판단한다. 예를 들어, 관련된 압력 증가 또는 감소를 검색할 때, 시스템은 관련된 이벤트들이 모두 동일한 방향(모두 증가 또는 모두 감소)을 가지는지를 요구할 수 있다. 틈이 생긴 밸브 시나리오에서, 시스템은 하나의 이벤트는 유속 증가이나 다른 하나의 이벤트는 유속 감소인 이벤트들의 쌍들만을 선택할 수 있다. 그렇지 않은 경우, 상기 후보 이벤트들의 세트는 부합되는 이상 방향들을 가지지 않는 것으로 식별되고(상기 테스트에 실패), 상기 시스템은 단계(1115)로 이동하여 분석을 위하여 다음 후보 이벤트들의 세트를 선택한다. 이와 다르면, 시스템은 단계(1113)에서 상기 세트 내에서 후보 이벤트들이 부합되는 이상 방향들을 가지는 것으로 식별한다(상기 테스트를 통과). 다음으로, 단계(1115)에서, 시스템은 다음 후보 이벤트들의 세트를 선택한다.

본 기술 분야에서 통상의 지식을 가진 자는, 조합 규칙이 서로 다른 타입들의 후보 이벤트들(예를 들어 압력 및 유량)의 조합을 명시하는 경우, 상기 가능한 방향이 상기 이벤트 타입에 의존하는 것을 이해할 수 있을 것이다. 예를 들어, 조합 규칙이 하나 이상의 압력 감소와 유량 증가를 조합할 수 있고, 이는 누설을 나타낼 수 있다.

도 12는 본 발명의 일 실시예에 따른 부합되는 이상 크기들을 가지는 이벤트 쌍들을 식별하는 방볍을 나타낸다.

세트 내의 각 후보 이벤트에 대한 이상 크기들이 이벤트 정보로부터 도출된다(단계1201). 다음 단계(1203)에서, 정해진 조합 규칙에 따라, 후보 이벤트들의 크기 값들이 충분한 정확도로 알려졌는지(예를 들어, 상기 크기들이 "가능한 세트"를 형성하는지를 판단하는 것이 가능하도록, 오류 마진이 크기들의 세트에 비교하여 충분히 작은지)가 판단된다. 그렇지 않은 경우, 시스템은 단계(1213)로 이동하여 도 11과 관련하여 설병된 것과 같은 방법들을 이용하여 부합되는 이상 방향들을 판단한다. 이와 달리, 상기 후보들이 상기 오류 마진 내인 경우, 상기 세트 내의 후보 이벤트들 사이에서 이상 크기 관계가 판단된다(단계 1205). 상기 요소 이벤트들의 이상의 크기가 신뢰성 있게 측정되는 경우, 시스템은, 탐색되는 이벤트 타입에 의해 결정될 수 있는, 부합되는 크기들을 가진 후보 이벤트들의 세트들만을 선택한다. 예를 들어, 압력 증가 또는 감소를 탐색할 때, 시스템은 관련된 이벤트들이 상대적으로 유사한 압력 변경을 가지는 것을 요구할 수 있다. 일부 조합 규칙들에서, 시스템은 유량 이상의 크기들이 합하여 대략적으로 0(또는 어떠한 백분율이내 또는 절대 허용치내)이 되는 이벤트들의 세트들을 선택할 수 있다. 예를 들어, 하나의 파이프를 통한 유량 증가 및 다른 파이프를 통한 유사한 유량 감소의 합은 합하여 0이 될 수 있다.

상기 조합 규칙에 의해 결정되는 파라미터들이 도출된다(단계 1207). 다음 단계(1209)에서, 상기 이벤트들이 상기 도출된 파라미터들에 기초하여 상응하는 이상 크기들을 가지는지가 판단된다. 상기 판단은 상기 이벤트 타입 규칙으로부터의 도출된 파라미터들에 기초하여 수행된다. 상기 후보 이벤트들은 상응하는 이상 크기들을 가지거나 가지지 않는 것으로 판단된다. 상기 후보 이벤트들이 상응하는 크기들을 가지는 경우, 상기 후보 이벤트들의 세트는 부합되는 이상 크기들을 가지는 것으로 식별된다(단계 1211). 그렇지 않은 경우, 상기 후보 이벤트들의 세트는 부합되는 이상 크기들을 가지지 않는 것으로 식별된다(단계 1215).

도 1 내지 도 12는 본 발명의 설명을 위하여 개념적으로 도시된 것이다. 본 발명의 실시예들의 다양한 측면들이 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있음을 이해할 수 있을 것이다. 이러한 실시예들에서, 다양한 구성요소들 및/또는 단계들은 본 발명의 기능들을 수행하는 하드웨어, 펌웨어, 및/또는 소프트웨어로 구현될 수 있다. 즉, 하드웨어, 펌웨어 또는 소프트웨어 모듈의 동일한 부분이 도시된 블록들(예를 들어, 구성요소들 또는 단계들)의 하나 이상을 수행할 수 있다.

본 발명은 수도 시설망에 적용될 수 있을 뿐만 아니라, 임의의 종류의 분배 시스템에 적용될 수 있는 것을 이해할 수 있을 것이다. 다른 종류의 분배 시스템은 석유, 폐수 또는 하수, 가스, 전기, 전화, HVAC(heating ventilating and air conditioning), 또는 한 지역에서 소비자들로의 유체 또는 흐르는 자원들을 포함하는 다른 에너지 전달 시스템들을 포함할 수 있다. 실제로, 본 발명은 유량, 압력, 품질 또는 데이터의 흐름 자체와 같은 분배 파라미터들을 측정하는 망의 임의의 위치에 위치한 계량기들 또는 센서들을 가지는 임의의 분배 또는 수집 시스템에 적용될 수 있다.

소프트웨어 구현들에서, 컴퓨터 소프트웨어(예를 들어, 프로그램들 또는 다른 명령어들) 및/또는 데이터는 컴퓨터 프로그램 제품의 일부로서 기계로 판독 가능한 매체 상에 저장되고, 제거 가능한 저장 장치, 하드 드라이브 또는 통신 인터페이스를 통하여 컴퓨터 시스템, 다른 장치 또는 기계에 로딩된다. 컴퓨터 프로그램들(컴퓨터 제어 로직 또는 컴퓨터로 판독 가능한 프로그램 코드로도 불림)은 주 및/또는 보조 메모리에 저장되고, 하나 이상의 프로세서들(컨트롤러들, 또는 이와 유사한 장치들)에 의해 상기 하나 이상의 프로세서들이 여기에 개시된 본 발명의 기능들을 수행하도록 실행된다. 본 명세서에서, 용어들 "기계로 판독 가능한 매체", "컴퓨터로 프로그램 매체" 및 "컴퓨터로 사용 가능한 매체"는 일반적으로 랜덤 액세스 메모리(RAM), 리드 온리 메모리(ROM), 제거 가능한 저장 매체(예를 들어, 자기 또는 광 디스크, 플래시 메모리 등), 하드 디스크 등과 같은 매체를 의미하도록 사용된다.

특히, 도면들 및 상술한 예들은 본 발명의 범위를 단일한 실시예로 한정하는 것을 의미하는 것이 아니고, 개시된 또는 도시된 구성요소들의 일부 또는 전부가 교환됨으로써 다른 실시예들 또한 가능하다. 게다가, 본 발명의 일부 구성요소들은 알려진 구성요소들을 이용하여 부분적으로 또는 전체적으로 구현될 수 있으나, 본 발명의 이해에 필요한 이러한 알려진 구성요소들의 이러한 부분들만이 개시되어 있고, 이러한 알려진 구성요소들의 다른 부분들의 상세한 설명은 본 발명을 모호하게 하지 않도록 생략되었다. 본 명세서에서, 단일한 구성요소를 나타내는 실시예는, 여기에 명시적으로 다르게 기재되어 있지 않는 한, 복수의 동일한 구성요소들을 포함하는 다른 실시예들을 반드시 제한하지는 않고, 그 역 또한 마찬가지이다. 게다가, 출원인은 본 명세서 또는 특허청구범위의 임의의 용어가, 명시적으로 개시되어 있지 않는 한, 일반적이지 않은 또는 특별한 의미를 가지는 것을 의도하지 않는다. 또한, 본 발명은 여기에 도시된 알려진 구성요소들과 동등한 현재 또는 미래에 알려진 등가물들을 포함한다.

특정한 실시예들의 상술한 설명은 본 발명의 일반적인 사상을 나타내는 것이고, 따라서 (인용된 문헌들 및 여기에 참조로 포함된 문헌들의 내용을 포함하여) 관련 기술(들)의 통상의 지식을 적용하여 본 발명의 일반적 사상을 벗어나지 않는 범위에서 다양한 적용들에 대하여 과도한 실험 없이 이러한 특정한 실시예들을 용이하게 변경 및/또는 적용할 수 있을 것이다. 그러므로, 이러한 적용들 및 변경들은, 여기에 제시된 시사 및 지도에 기초하여, 개시된 실시예들의 의미 및 등가 범위 내이다. 여기에 사용된 어법 또는 용어는 설명의 목적으로 사용된 것으로서 발명을 한정하지 않는 것을 이해할 수 있을 것이고, 본 명세서의 용어 또는 어법이 통상의 지식을 가진 자에 의해 여기에 제시된 시사 및 안내의 관점에서 관련 기술에서 통상의 지식을 가진 자의 지식과 조합하여 이해될 수 있을 것이다.

본 발명의 다양한 실시예들이 상술되었으나, 이들은 단지 예로서 제시된 것으로 이에 의해 한정되지 않는다. 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자는 본 발명의 사상 및 범위를 벗어나지 않는 범위에서 형태 및 상세에서 다양한 변경이 가능함을 이해할 수 있을 것이다. 따라서, 본 발명은 임의의 상술한 예시적 실시예에 의해 한정되지 않아야 하고, 첨부된 특허청구범위 및 이의 등가물에 의해서만 정의되어야 한다.

Claims

수도망 모니터링 시스템에서 관련된(related) 이벤트들을 식별하도록 프로세서를 이용하여 수행되는 컴퓨터화된 방법에 있어서, 상기 이벤트들은 상기 수도망 내의 복수의 센서들로부터 수신된 센서 데이터를 포함하는 하나 이상의 소스들로부터 수신된 데이터로부터 도출되어 저장되는 이벤트 데이터에 의해 표현되고, 각 이벤트 데이터는 이벤트, 및 상기 이벤트의 하나 이상의 특징들을 식별하는 데이터를 포함하고, 상기 컴퓨터화된 방법은,
상기 이벤트 데이터로부터 적어도 두 개의 이벤트들을 복합 이벤트(composite event)의 일부를 구성할 가능성이 있는 후보 이벤트들로 식별하는 단계, -상기 후보 이벤트들 각각은 검출되는 이상(anomaly)으로부터 도출됨-;
특정한 타입(given type)의 복합 이벤트들을 검출하기 위한 하나 이상의 테스트들을 포함하는 이벤트 조합 규칙을 선택하는 단계;
상기 이벤트 조합 규칙에 기초하여 상기 적어도 두 개의 후보 이벤트들 사이에서 하나 이상의 이벤트 특징들을 비교하는 단계;
상기 비교에 적어도 일부 기초하여, 상기 적어도 두 개의 후보 이벤트들이 서로 관련되고, 상기 적어도 두 개의 관련된 후보 이벤트들을 유발하는 복합 이벤트에 연관되는지를 판단하는 단계; 및
관련되고 상기 복합 이벤트에 연관된 것으로 판단된 상기 적어도 두 개의 후보 이벤트들에 대한 상기 판단을 사용자 인터페이스를 통하여 사용자에게 보고하는 단계를 포함하는 컴퓨터화된 방법.
제1 항에 있어서, 상기 하나 이상의 이벤트 특징들은 유속(flow rate), 압력(pressure), 저장 수위(reservoir level), 혼탁도(turbidity), 염소 레벨(chlorine level) 및 pH 중 적어도 하나를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제1 항에 있어서,
다수의 시간 구간들에 걸쳐서 이벤트가 도출되는 상기 이상의 연속적 또는 빈번한 발생을 검출하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제3 항에 있어서, 상기 하나 이상의 테스트들은 상기 검출된 연속적 또는 빈번한 발생에 기초하여 이상들이 유의미한 것인지를 판단하는 테스트를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제1 항에 있어서,
상기 이상(anomaly)에, 모니터링되는 시스템에서 임의의 특이한(unusual) 이벤트 없이 상기 이상이 랜덤하게 발생될 확률을 나타내는 점수를 부여하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제1 항에 있어서, 상기 적어도 두 개의 후보 이벤트들이 관련되고 상기 복합 이벤트에 연관되는지를 판단하는 단계는,
상기 적어도 두 개의 후보 이벤트들에 상응하는 관련 위치를 판단하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제1 항에 있어서,
상기 적어도 두 개의 후보 이벤트들의 시작 시점을 결정하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제7 항에 있어서, 상기 적어도 두 개의 후보 이벤트들의 상기 시작 시점을 결정하는 단계는,
상기 시작 시점 전의 센서의 데이터와 상기 시작 시점 후의 상기 센서의 데이터 사이의 구별되는 편차를 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제8 항에 있어서, 상기 적어도 두 개의 후보 이벤트들 각각의 상기 시작 시점을 결정하는 단계는,
수식 "|mean(간격1) / var(간격1) - mean(간격2) / var(간격2)|"에 기초하여 복수의 가능한 시작 시점들 각각의 전후의 간격(interval)들의 쌍에 대한 점수를 계산하는 단계; 및
상기 수식에 기초하여 각 가능한 시작 시점 전후의 상기 간격들의 쌍에 대하여 계산된 상기 점수를 최대로 하는 시작 시점을 찾는 단계를 포함하는 컴퓨터화된 방법.
제8 항에 있어서,
명확한 시작 시점을 결정하는 단계를 더 포함하고,
상기 명확한 시작 시점을 결정하는 단계는,
시작 시점 전의 제1 간격에서의 상기 데이터의 제1 백분율이 상기 시작 시점 후의 제2 간격에서의 상기 데이터의 제2 백분율보다 큰지 또는 작은지를 비교하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제10 항에 있어서, 상기 제1 및 제2 백분율들은 100%인 것을 특징으로 하는 컴퓨터화된 방법.
제7 항에 있어서, 상기 적어도 두 개의 후보 이벤트들이 관련되고 상기 복합 이벤트에 연관되는지를 판단하는 단계는,
상기 적어도 두 개의 후보 이벤트들이 근접한 시작 시점들을 가지는지를 판단하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제12 항에 있어서, 상기 적어도 두 개의 후보 이벤트들이 근접한 시작 시점들을 가지는지를 판단하는 단계는,
상기 이벤트 조합 규칙으로부터의 파라미터들에 기초하여 상기 적어도 두 개의 후보 이벤트들 사이의 데이터 샘플들의 양을 결정하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제1 항에 있어서, 상기 적어도 두 개의 후보 이벤트들이 관련되고 상기 복합 이벤트에 연관되는지를 판단하는 단계는,
상기 적어도 두 개의 후보 이벤트들이 부합되는 이상 방향들을 가지는지를 판단하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제14 항에 있어서, 상기 부합되는 이상 방향들은 측정 증가에 연관된 상기 적어도 두 개의 후보 이벤트들을 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제14 항에 있어서, 상기 부합되는 이상 방향들은 측정 감소에 연관된 상기 적어도 두 개의 후보 이벤트들을 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제14 항에 있어서, 상기 부합되는 이상 방향들은 측정 증가에 연관된 정확히 두 개의 후보 이벤트들 중 하나, 및 측정 감소에 연관된 다른 하나를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제1 항에 있어서, 상기 적어도 두 개의 후보 이벤트들이 관련되고 상기 복합 이벤트에 연관되는지를 판단하는 단계는,
상기 적어도 두 개의 후보 이벤트들이 부합되는 이상 크기들을 가지는지를 판단하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제18 항에 있어서, 상기 부합되는 이상 크기들은 적어도 실질적으로 유사한 크기의 측정 증가에 연관된 상기 적어도 두 개의 후보 이벤트들을 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제18 항에 있어서, 상기 부합되는 이상 크기들은 적어도 실질적으로 유사한 크기의 측정 감소에 연관된 상기 적어도 두 개의 후보 이벤트들을 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제18 항에 있어서, 상기 부합되는 이상 크기들은 합계가 대략 0이 되는 측정 증가 및 측정 감소에 연관된 상기 적어도 두 개의 후보 이벤트들을 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제1 항에 있어서, 상기 정해진 타입의 상기 복합 이벤트들은 적어도 DMA 틈(breach), 누설(leak), 파열(burst), 및 압력 강하(pressure drop) 중 하나인 것을 특징으로 하는 컴퓨터화된 방법.
망 모니터링 시스템에서 관련된 이벤트들을 식별하도록 프로세서를 이용하여 수행되는 컴퓨터화된 방법에 있어서, 상기 이벤트들은 모니터링되는 상기 망에서 발생된 것으로 검출되는 이상(anomaly)들로부터 도출되고, 각 이벤트 데이터는 이벤트의 타입, 및 상기 이벤트의 하나 이상의 특징들을 식별하는 데이터를 포함하고, 상기 컴퓨터화된 방법은,
이벤트 조합 규칙들의 저장된 콜렉션(collection)으로부터 제1 이벤트 조합 규칙을 검색하는 단계, -상기 이벤트 조합 규칙들 각각은 복합 이벤트의 일부를 구성할 가능성이 있는 후보 이벤트들을 식별하기 위한 하나 이상의 파라미터들 및 특정한 타입의 복합 이벤트들을 검출하기 위한 하나 이상의 테스트들을 포함하고, 상기 하나 이상의 테스트들은 두 개 이상의 후보 이벤트들이 상기 망 내의 관련된 위치들에서 발생되었는지를 판단하는 제1 테스트, 두 개 이상의 후보 이벤트들이 서로 근접한 시작 시점들에서 발생되었는지를 판단하는 제2 테스트, 및 상기 후보 이벤트들이 도출되는 상기 이상들에 대한 크기들 또는 방향들의 가능한 세트(permitted set)를 판단하는 제3 규칙을 포함함-;
상기 이벤트 데이터로부터 적어도 두 개의 이벤트들을 후보 이벤트들로 식별하도록 상기 제1 이벤트 조합 규칙을 적용하는 단계;
상기 제1 이벤트 조합 규칙에 포함된 상기 테스트들 중 하나 이상에 기초하여 상기 적어도 두 개의 후보 이벤트들 사이에서 하나 이상의 이벤트 특징들을 비교하는 단계;
상기 비교에 적어도 일부 기초하여, 상기 적어도 두 개의 후보 이벤트들이 서로 관련되고, 상기 적어도 두 개의 관련된 후보 이벤트들을 유발하는 복합 이벤트에 연관되는지를 판단하는 단계; 및
사용자 인터페이스를 통하여 사용자에게 상기 복합 이벤트를 보고하는 단계를 포함하는 컴퓨터화된 방법.
제23 항에 있어서, 상기 적어도 두 개의 후보 이벤트들의 근접한 시작 시점들을 판단하는 상기 제2 테스트는, 상기 적어도 두 개의 후보 이벤트들에 대한 가능한 시작 시점들을 식별하고, 각 후보 이벤트에 대하여 가장 가능한 시작 시점이 명확한 이상 시작 시점인지를 판단하며, 상기 후보 이벤트들에 대한 상기 명확한 시작 시점들 사이의 차이를 결정하는 하나 이상의 파라미터들을 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제23 항에 있어서, 상기 제1 이벤트 조합 규칙은, 상기 망 관리 시스템에서 이상 검출기를 선택하기 위한 하나 이상의 파라미터들을 포함하고,
상기 두 개 이상의 후보 이벤트들을 식별하도록 상기 제1 이벤트 조합 규칙을 적용하는 단계는,
상기 후보 이벤트들이 도출되는 상기 이상들을 검출하도록 사용될 상기 이상 검출기를 선택하는 단계; 및
상기 후보 이벤트들을 생성하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제25 항에 있어서, 상기 제1 이벤트 조합 규칙은 이벤트들을 후보 이벤트들로 선택하기 위한 하나 이상의 파라미터들을 포함하고,
두 개 이상의 후보 이벤트들을 식별하도록 상기 제1 이벤트 조합 규칙을 적용하는 단계는,
이벤트 데이터베이스에 저장된 이벤트들의 세트로부터 상기 후보 이벤트들을 선택하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
제23 항에 있어서, 상기 망은 수도 전송망인 것을 특징으로 하는 컴퓨터화된 방법.
제23 항에 있어서, 상기 적어도 두 개의 후보 이벤트들 사이에서 하나 이상의 이벤트 특징들을 비교하는 단계는,
상기 제1 이벤트 조합 규칙에 포함된 상기 테스트들 모두에 기초하여 상기 특징들을 비교하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
수도망 모니터링 시스템에서 관련된 이벤트들을 식별하도록 프로세서를 이용하여 수행되는 컴퓨터화된 방법에 있어서, 상기 이벤트들은 상기 수도망 내의 복수의 센서들로부터 수신된 센서 데이터를 포함하는 하나 이상의 소스들로부터 수신된 데이터로부터 도출되어 저장되는 이벤트 데이터에 의해 표현되고, 각 이벤트 데이터는 이벤트, 및 상기 이벤트의 하나 이상의 특징들을 식별하는 데이터를 포함하고, 상기 컴퓨터화된 방법은,
복수의 이벤트 데이터를 수신하는 단계;
특정한 타입의 복합 이벤트들을 검출하기 위한 하나 이상의 테스트들을 포함하는 이벤트 조합 규칙을 선택하는 단계;
상기 이벤트 조합 규칙에 기초하여 복수의 후보 이벤트들을 생성하는 단계;
비교에 적어도 일부 기초하여 서로 관련되고 복합 이벤트에 연관된 상기 후보 이벤트들의 서브세트(subset)를 식별하는 단계; 및
관련되고 상기 복합 이벤트에 연관된 상기 후보 이벤트들의 서브세트의 식별을 사용자 인터페이스를 이용하여 사용자에게 보고하는 단계를 포함하는 컴퓨터화된 방법.
수도망 모니터링 시스템에서 관련된 이벤트들을 식별하는 시스템에 있어서,
수도망 내의 하나 이상의 센서들;
상기 하나 이상의 센서들로부터 수신된 데이터로부터 도출된 복수의 이벤트 데이터들을 저장하는 이벤트 데이터 저장부, -각 이벤트 데이터는 이벤트, 및 상기 이벤트의 하나 이상의 특징들을 식별하는 데이터를 포함함-; 및
복합 이벤트 서브시스템(subsystem)을 포함하고, 상기 복합 이벤트 서브시스템은,
상기 복수의 이벤트 데이터로부터 적어도 두 개의 이벤트들을 복합 이벤트의 일부를 구성할 가능성이 있는 후보 이벤트들로 식별하고, -상기 후보 이벤트들 각각은 실질적으로 이례적(anomalous)임-;
후보 이벤트들을 생성하기 위한 파라미터들 및 특정한 타입의 복합 이벤트들을 검출하기 위한 하나 이상의 테스트들을 포함하는 이벤트 조합 규칙을 선택하고;
상기 이벤트 조합 규칙에 기초하여 상기 적어도 두 개의 후보 이벤트들 사이에서 하나 이상의 이벤트 특징들을 비교하고;
상기 비교에 적어도 일부 기초하여, 상기 적어도 두 개의 후보 이벤트들이 서로 관련되고, 상기 적어도 두 개의 관련 후보 이벤트들을 유발하는 복합 이벤트에 연관되는지를 판단하고; 그리고
관련되고 상기 복합 이벤트에 연관된 것으로 판단된 상기 적어도 두 개의 후보 이벤트들에 대한 상기 판단을 사용자 인터페이스를 통하여 사용자에게 보고하는 것을 특징으로 하는 시스템.