KR20160129569A - 경비 서비스 자원 할당 장치 및 방법 - Google Patents

경비 서비스 자원 할당 장치 및 방법 Download PDF

Info

Publication number
KR20160129569A
KR20160129569A KR1020150061916A KR20150061916A KR20160129569A KR 20160129569 A KR20160129569 A KR 20160129569A KR 1020150061916 A KR1020150061916 A KR 1020150061916A KR 20150061916 A KR20150061916 A KR 20150061916A KR 20160129569 A KR20160129569 A KR 20160129569A
Authority
KR
South Korea
Prior art keywords
candidate service
service point
expected
probability
alarm signal
Prior art date
Application number
KR1020150061916A
Other languages
English (en)
Other versions
KR101721622B1 (ko
Inventor
이장형
Original Assignee
주식회사 에스원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에스원 filed Critical 주식회사 에스원
Priority to KR1020150061916A priority Critical patent/KR101721622B1/ko
Publication of KR20160129569A publication Critical patent/KR20160129569A/ko
Application granted granted Critical
Publication of KR101721622B1 publication Critical patent/KR101721622B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063116—Schedule adjustment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063118—Staff planning in a project environment

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)

Abstract

경비 서비스 자원 할당 장치는 등록된 복수의 서비스 지점 중에서 경보 신호가 발생한 적어도 하나의 후보 서비스 지점의 기대 피해금액을 계산하고, 적어도 하나의 후보 서비스 지점의 기대 피해금액을 이용하여, 운영하고 있는 복수의 출동 차량 각각을 상기 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 계산하며, 계산된 기대이익을 토대로, 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당한다.

Description

경비 서비스 자원 할당 장치 및 방법{APPARATUS AND METHOD FOR ALLOCATING SECURITY SERVICE RESOURCE}
본 발명은 경비 서비스 자원 할당 장치 및 방법에 관한 것이다.
불확실한 정보를 바탕으로 결정을 내려야 하는 문제는 매우 일반적이다. 특히, 관제기능 기반 물리경비(physical security)업은 고객처 현장에 설치된 침입감지기 혹은 화재감지기 등이 발생하는 정보에 기반해서 실제상황을 추측하고 그에 따라 필요 시 출동인력을 현장에 파견하고 상황을 진압 또는 대응하는 방식의 서비스를 제공할 수 있다.
감지기는 물리적인 감지 방식의 특성상 유한한 정확도를 가지며, 경비업체의 책임 있는 사유로 침입에 의한 재산피해 발생시, 배상의무에 따른 영업손실이 발생될 수 있다. 또한 출동인력의 유지 및 운영은 매우 큰 비용을 수반하므로 동일한 수준의 서비스 유지가 가능한 경우에 인적 및 물적 자원 규모의 최소화 및 운영방식의 최적화가 필요하다. 또한 일관성이 결여된 주관적 판단에 의존하는 운영방식에 따라서 관제상 결정의 큰 편차를 보이고 그에 따라 운영 비효율이 야기될 수 있다.
따라서 다수의 고객처에 설치된 감지기의 불확실한 정보 조건하에서 출동차량의 파견여부 결정 및 각 고객처로의 출동 차량의 최적 할당을 통해 실제 발생범죄에 대응하고 진압함으로써 경비업체의 영업손실을 최소화하고 경제적 이익을 극대화할 수 있는 방법이 필요하다.
본 발명이 해결하고자 하는 기술적 과제는 경비업체의 영업손실을 최소화하고 경제적 이익을 극대화할 수 있는 경비 서비스 자원 할당 장치 및 방법을 제공하는 것이다.
본 발명의 한 실시 예에 따르면, 경비 서비스 자원 할당 장치에서의 경비 서비스 자원 할당 방법이 제공된다. 경비 서비스 자원 할당 방법은 등록된 복수의 서비스 지점 중에서 경보 신호가 발생한 적어도 하나의 후보 서비스 지점의 기대 피해금액을 계산하는 단계, 상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 이용하여, 운영하고 있는 복수의 출동 차량 각각을 상기 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 계산하는 단계, 그리고 상기 계산된 기대이익을 토대로, 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당하는 단계를 포함한다.
상기 할당하는 단계는 상기 복수의 출동 차량 각각을 상기 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 출동 차량을 나타내는 행과 후보 서비스 지점을 나타내는 열의 원소에 연결하여, 기대이익행렬을 생성하는 단계, 상기 기대이익행렬의 각 행 및 각 열에서 배타적으로 하나씩의 기대이익을 선택하여 그 합을 최대화하는 해를 계산하는 단계, 그리고 상기 해에 따라서 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당하는 단계를 포함할 수 있다.
상기 기대 피해금액을 계산하는 단계는 과거 축적된 데이터를 기반으로, 각 후보 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 계산하는 단계, 그리고 상기 각 후보 서비스 지점의 최대 기대피해금액과 상기 각 후보 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 이용하여 상기 각 후보 서비스 지점의 기대 피해금액을 계산하는 단계를 포함할 수 있다.
상기 실경보 확률 추정 값을 계산하는 단계는 상기 각 후보 서비스 지점의 경보 신호에 대해, 상황별 예측 변수들의 연관성 지수를 이용하여 상기 상황별 사전 상황 연관성 지수를 계산하는 단계, 상기 각 후보 서비스 지점의 경보 신호에 대해, 상황별 상태천이확률모델을 이용하여 상기 상황별 경보 신호의 발생 확률을 계산하는 단계, 그리고 상기 각 후보 서비스 지점의 경보 신호에 대해, 상기 상황별 사전 상황 연관성 지수와 상기 상황별 경보 신호의 발생 확률을 이용하여 실경보 확률을 추정하는 단계를 포함할 수 있다.
상기 실경보 확률을 추정하는 단계는 상기 각 후보 서비스 지점의 경보 신호에 대해, 상기 상황별 사전 상황 연관성 지수와 상기 상황별 경보 신호의 발생 확률을 이용하여 상황별 가능성 지수를 계산하는 단계, 그리고 상기 상황별 가능성 지수 중에서 가장 높은 가능성 지수와 가장 높은 가능성 지수에 해당하는 상황을 검출하는 단계를 포함할 수 있다.
상기 상황별 상태천이확률모델은 상기 과거 축적된 데이터를 기반으로 생성되고, 상기 상황별 예측 변수들의 연관성 지수는 상기 과거 축적된 데이터를 기반으로 계산되어 룩업 테이블에 저장되어 있을 수 있다.
상기 상황은 실경보 상황, 경보 신호를 발생시킨 감지기의 오작동 상황 및 다른 요인에 의한 오경보 상황을 포함할 수 있다.
상기 상황별 상태천이확률모델은 주기적으로 검증되고 검증 결과를 토대로 갱신될 수 있다.
상기 경비 서비스 자원 할당 방법은 상기 할당하는 단계 이후에, 상기 적어도 하나의 후보 서비스 지점 중에서 상기 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 불확실성 가중치 함수에 따라 변경하는 단계, 그리고 변경된 상기 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 토대로 상기 복수의 출동 차량 각각을 상기 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 변경하는 단계를 더 포함할 수 있다.
상기 실경보 확률 추정 값은 0보다 크고 1 미만의 값이며, 상기 불확실성 가중치 함수는 상기 실경보 확률 추정 값의 특정 거듭제곱으로 결정되며, 상기 특정 거듭제곱은 1보다 큰 정수의 거듭 제곱일 수 있다.
상기 기대이익을 계산하는 단계는 상기 후보 서비스 지점의 위치와 상기 복수의 출동 차량의 위치를 토대로, 상기 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간을 계산하는 단계, 그리고 상기 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간과 상기 후보 서비스 지점의 기대 피해금액을 이용하여, 상기 복수의 출동 차량 에 대한 상기 후보 서비스 지점 각각의 기대금액을 계산하는 단계를 포함할 수 있다.
본 발명의 다른 한 실시 예에 따르면, 복수의 서비스 지점에 출동차량을 할당하는 경비 서비스 자원 할당 장치가 제공된다. 경비 서비스 자원 할당 장치는 기대 피해금액 계산부, 기대이익 계산부, 그리고 자원 할당부를 포함한다. 상기 기대 피해금액 계산부는 상기 복수의 서비스 지점 중에서 경보 신호가 발생한 적어도 하나의 후보 서비스 지점의 상기 경보 신호에 대한 실경보 확률 추정값을 계산하고, 상기 적어도 하나의 후보 서비스 지점의 상기 경보 신호에 대한 실경보 확률 추정값을 이용하여 상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 계산한다. 상기 기대이익 계산부는 상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 이용하여 복수의 출동 차량 각각을 상기 적어도 하나의 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 계산한다. 그리고 상기 자원 할당부는 상기 복수의 출동 차량 각각을 상기 적어도 하나의 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 이용하여 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당한다.
상기 자원 할당부는 계산된 상기 기대이익을 원소로 가지며 출동 차량을 행으로 식별하고 상기 적어도 하나의 서비스 지점을 열로 식별하는 기대이익행렬의 각 행 및 각 열에서 배타적으로 하나씩의 기대이익을 선택하여 그 합을 최대화하는 행과 열의 원소 값을 토대로 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당할 수 있다.
상기 기대 피해금액 계산부는 상기 적어도 하나의 후보 서비스 지점의 최대 기대피해금액과 상기 적어도 하나의 후보 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 이용하여 상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 계산할 수 있다.
상기 경비 서비스 자원 할당 장치는 상기 복수의 서비스 지점의 서비스 품목을 토대로 상기 최대기대피해금액을 설정하고, 상기 복수의 서비스 지점의 정보 및 설정된 상기 최대 기대피해금액을 저장하는 등록부를 더 포함할 수 있다.
상기 기대 피해금액 계산부는 각 후보 서비스 지점의 경보 신호에 대해, 과거 축적된 데이터를 기반으로 계산된 상황별 예측 변수들의 연관성 지수와 상황별 상태천이확률모델을 이용하여 상황별 가능성 지수를 계산하고, 상기 상황별 가능성 지수 중에서 가장 높은 가능성 지수와 가장 높은 가능성 지수에 해당하는 상황을 검출하여 상기 실경보 확률 추정값을 계산할 수 있다.
상기 기대 피해금액 계산부는 상기 상황별 예측 변수들의 연관성 지수를 이용하여 상기 상황별 사전 상황 연관성 지수를 계산하고, 상기 상황별 상태천이확률모델을 이용하여 상기 상황별 경보 신호의 발생 확률을 계산하며, 상기 상황별 사전 상황 연관성 지수와 상기 상황별 경보 신호의 발생 확률을 이용하여 상기 상황별 가능성 지수를 계산할 수 있다.
상기 자원 할당부는 상기 적어도 하나의 후보 서비스 지점 중에서 상기 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 불확실성 가중치 함수에 따라 변경하여 상기 복수의 출동 차량 각각을 상기 적어도 하나의 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 변경할 수 있다.
상기 실경보 확률 추정 값은 0보다 크고 1 미만의 값이며, 상기 불확실성 가중치 함수는 상기 실경보 확률 추정 값의 특정 거듭제곱으로 결정되며, 상기 특정 거듭제곱은 1보다 큰 정수의 거듭 제곱일 수 있다.
상기 기대이익 계산부는 후보 서비스 지점의 위치와 상기 복수의 출동 차량의 위치를 토대로, 상기 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간을 계산하고, 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간과 상기 후보 서비스 지점의 기대 피해금액을 이용하여, 상기 복수의 출동 차량 에 대한 상기 후보 서비스 지점 각각의 기대금액을 계산할 수 있다.
본 발명의 실시 예에 의하면, 관제운영상의 불확실성에 대해 운영 과정상 축적되는 로그 데이터를 기반으로 불확실성을 가지는 요소들의 확률 분포를 획득하고, 이들 확률분포를 이용하여 계산되는 각 서비스 지점의 기대피해금액 및 기대이익을 기준으로 출동 차량의 최적 할당을 수행함으로써, 운영 효율을 최적화할 수 있다.
도 1은 본 발명의 실시 예에 따른 경비 서비스 자원 할당 장치를 개략적으로 설명한 도면이다.
도 2는 본 발명의 실시 예에 따른 경비 서비스 자원 할당 장치의 세부적인 구성을 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 경비 서비스 자원 할당 방법을 나타낸 흐름도이다.
도 4는 본 발명의 실시 예에 따른 범행 소요 시간의 확률 분포의 일 예를 나타낸 도면이다.
도 5는 본 발명의 실시 예에 따른 불확실성에 대한 가중치 함수의 일 예를 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 실경보 확률 추정 값의 계산 방법을 나타낸 흐름도이다.
도 7은 본 발명의 실시 예에 따른 시간대별 특정 상황의 발생 빈도를 나타낸 사전 분포도의 일 예이다.
도 8은 본 발명의 실시 예에 따른 천이시간 분포의 일 예를 나타낸 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이제 본 발명의 실시 예에 따른 경비 서비스 자원 할당 장치 및 방법에 대하여 도면을 참고로 하여 상세하게 설명한다.
도 1은 본 발명의 실시 예에 따른 경비 서비스 자원 할당 장치를 개략적으로 설명한 도면이다.
도 1을 참조하면, 경비 서비스 자원 할당 장치(100)는 고객과의 계약에 의해 등록된 서비스 지점(200)의 보안 경비 및 출동 서비스를 제공한다.
각 서비스 지점(200)에는 보안 경비 및 출동 서비스를 위한 적어도 하나의 감지기(210)가 설치된다. 적어도 하나의 감지기(210)는 예를 들면, 침입자를 감지할 수 있는 감지기, 화재를 감지할 수 있는 감지기, 태풍, 홍수 및 지진 등의 자연 재해를 감지할 수 있는 감지기 등을 포함할 수 있다.
경비 서비스 자원 할당 장치(100)는 보안 경비 및 출동 서비스를 통해서 축적되는 데이터를 기반으로, 등록된 서비스 지점(200) 중에서 감지기(210)로부터 경보 신호가 발생한 서비스 지점(200)에 대한 출동 차량 할당 여부 및 출동 차량의 최적 서비스 지점 할당을 결정한다.
도 2는 본 발명의 실시 예에 따른 경비 서비스 자원 할당 장치의 세부적인 구성을 나타낸 도면이고, 도 3은 본 발명의 실시 예에 따른 경비 서비스 자원 할당 방법을 나타낸 흐름도이다.
도 2를 참고하면, 경비 서비스 자원 할당 장치(100)는 등록부(110), 저장부(120), 기대 피해금액 계산부(130), 기대이익 계산부(140) 및 자원 할당부(150)를 포함한다.
등록부(110)는 계약된 서비스 지점의 정보를 등록한다. 등록부(110)는 계약된 서비스 지점의 서비스 품목을 토대로 침입이나 화재, 자연 재해 등의 피해 발생 시 발생 가능한 최대 기대피해금액을 설정하고, 계약된 서비스 지점의 정보 및 설정된 최대 기대피해금액을 저장부(120)에 저장한다. 계약된 서비스 지점의 정보는 운영자 정보, 서비스 지점의 위치, 서비스 품목, 영업 시간 등을 포함할 수 있다.
도 3을 보면, 기대 피해금액 계산부(130)는 감지기(210)로부터 경보 신호가 발생하면(S310), 경보 신호가 발생한 서비스 지점(200)의 최대 기대피해금액을 포함하는 최대 기대피해금액 리스트를 생성한다(S320). 예를 들어, S개의 서비스 지점에서 경보 신호가 발생한 경우, 최대 기대피해금액 리스트는 S개의 서비스 지점별 최대피해금액을 포함한다.
기대 피해금액 계산부(130)는 새로 발생한 경보 신호에 해당하는 서비스 지점의 최대 기대피해금액을 최대 기대피해금액 리스트에 추가하거나, 경보 신호가 오경보로 판명된 경우 오경보가 발생한 서비스 지점의 최대 기대피해금액을 최대 기대피해금액 리스트에서 삭제할 수 있다.
기대 피해금액 계산부(130)는 서비스 지점의 경보 신호가 실경보에 해당할 확률 즉, 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 계산한다(S330). 경보 신호는 유한한 정확도를 가지며, 실경보일 수도 있고 오경보일 수도 있다. 기대 피해금액 계산부(130)는 보안 경비 및 출동 서비스를 통해서 축적되는 데이터를 기반으로 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 계산할 수 있다.
다음, 기대 피해금액 계산부(130)는 각 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값과 서비스 지점의 최대 기대피해금액을 이용하여 경보 신호가 발생한 서비스 지점의 기대 피해금액을 계산한다(S340). 예를 들어, 각 서비스 지점의 기대 피해금액은 수학식 1과 같이 계산될 수 있다.
Figure pat00001
수학식 1에서, L_exp,i는 서비스 지점 s_i의 기대 피해금액을 나타내고, L_i는 서비스 지점 s_i의 최대 기대피해금액을 나타내며, w_i는 서비스 지점 s_i의 경보 신호에 대한 실경보 확률 추정값을 나타낸다.
기대 피해금액 계산부(130)는 경보 신호가 발생한 각 서비스 지점의 기대 피해금액을 원소로 갖는 기대 피해금액 벡터를 생성한다(S350).
기대이익 계산부(140)는 운영하고 있는 출동 차량을 경보 신호가 발생한 서비스 지점으로 할당 시 발생할 수 있는 기대 이익을 계산한다(S360).
예를 들어, 감지기(210)로부터 최초로 경보 신호가 발생한 후 침입자 도주 시점까지의 범행 소요 시간은 운영 로그 데이터 기반으로 추정된 범행 소요 시간의 확률 분포를 따른다.
도 4는 본 발명의 실시 예에 따른 범행 소요 시간의 확률 분포의 일 예를 나타낸 도면이다.
이와 같은 범행 소요 시간의 확률 분포 D(t)는 수학식 2와 같이 나타낼 수 있다.
Figure pat00002
서비스 지점의 경보 신호 발생 시간을 기준으로 경비 요원이 범행 종료 시간 이전에 도착하는 경우는 피해금액 발생을 방지할 수 있거나 무시할 수 있는 수준으로 저감할 수 있다고 가정한다.
출동 차량이 최초 경보 신호가 발생한 후 범행 소요 시간 이전에 서비스 지점에 도착하는 경우의 기대이익은 수학식 3과 같이 기대피해금액의 음수값에 해당할 수 있다.
Figure pat00003
수학식 3에서, P_exp,i는 출동 차량이 최초 경보 신호가 발생한 후 범행 소요 시간 이전에 서비스 지점 s_i에 도착하는 경우의 기대이익을 나타낸다.
출동 차량이 서비스 지점의 경보 신호 발생 당시의 위치에서 출발하여 서비스 지점까지 도착하기 위한 출동 차량의 도착 소요 시간이 발생한다.
기대이익 계산부(140)는 서비스 지점의 경보 신호 발생 당시 출동 차량의 위치와 경보 신호가 발생한 서비스 지점의 위치를 토대로 출동 차량의 도착 소요 시간을 계산하고, 출동 차량을 서비스 지점에 할당함으로써 얻어지는 기대 이익을 수학식 4와 같이 계산할 수 있다.
Figure pat00004
수학식 4에서, P_m,i(t_t)는 출동 차량 c,m을 서비스 지점 s_i에 할당함으로써 얻어지는 기대이익을 나타낸다. t_t는 도착 소요 시간을 나타낸다.
즉, 출동 차량을 서비스 지점에 할당함으로써 얻어지는 기대 이익은 출동 차량이 최초 경보 신호가 발생한 후 범행 소요 시간 이전에 서비스 지점에 도착하는 경우의 기대이익에 범죄저지확률의 곱(積)으로 나타낼 수 있다.
기대이익 계산부(140)는 수학식 4를 토대로 출동 차량을 각 서비스 지점에 할당하여 얻어지는 기대이익으로 구성된 기대이익벡터를 계산한다.
기대이익 계산부(140)는 모든 출동 차량에 대해 계산된 기대이익벡터로부터 기대이익행렬을 생성한다(S370). 출동 차량과 서비스 지점은 기대이익행렬에서 행과 열을 식별하는 변수이며, 행과 열에 의해 검색된 값은 해당 출동 차량이 해당 서비스 지점에 할당하였을 때 얻어지는 기대이익을 나타낸다. 예를 들어, M개의 출동 차량과 경보 신호가 발생한 S개의 서비스 지점이 있을 때 기대이익행렬 P는 수학식 5와 같이 나타낼 수 있다.
Figure pat00005
수학식 5에서, P_j,i는 출동 차량 c,j을 서비스 지점 s_i에 할당했을 때의 기대이익을 나타낸다.
자원 할당부(150)는 기대이익 계산부(140)에 의해 생성된 기대이익행렬을 이용하여 각 출동 차량을 할당할 최적 서비스 지점을 결정한다(S380). 자원 할당부(150)는 기대이익행렬의 각 행 및 각 열에서 배타적으로 하나씩의 기대이익을 선택하여 그 합을 최대화하는 해를 구하고, 각 출동 차량을 구해진 해에 따라 서비스 지점에 할당한다. 자원 할당부(150)는 각 행 및 각 열에서 배타적으로 하나씩의 기대이익을 선택하여 그 합을 최대화하는 해를 Munkres 방법을 이용하여 구할 수 있다.
예를 들어, 기대이익행렬이 수학식 6과 같다고 가정한다. 이때 각 행 및 각 열에서 배타적으로 하나씩의 기대이익을 선택하여 그 합을 최대화하는 해가 수학식 7과 같이 [(1,3), (2, 2), (3, 1), (4, 1)]의 값으로 구해질 수 있다.
Figure pat00006
Figure pat00007
자원 할당부(150)는 수학식 7에서 구해진 해[(1,3), (2, 2), (3, 1), (4, 4)]를 토대로 출동 차량 c,1을 서비스 지점 s_3에 할당하고, 출동 차량 c,2를 서비스 지점 s_2에 할당하며, 출동 차량 c,3을 서비스 지점 s_1에 할당하고, 출동 차량 c,4를 서비스 지점 s_4에 할당할 수 있다.
출동요원은 해당 출동 차량을 이용하여 할당된 서비스 지점으로 이동한다. 출동요원에 의해서 해당 서비스 지점의 경보 신호가 실경보인지 확인된다.
자원 할당부(150)는 각 출동 차량에 대해서 출동 요원으로부터 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점에 대해 경보 신호에 대한 실경보 확률 추정 값에 불확실성에 대한 가중치를 부여하여 수학식 8과 같이 기대이익행렬을 변경한다(S390).
Figure pat00008
수학식 8에서, p_i,j는 수학식 5에 도시된 기대이익행렬의 i번째 행과 j번째 열에 위치한 원소를 나타내며, w(p_i,j)는 불확실성에 대한 가중치 함수에 따라 부여되는 기대이익의 변경량을 나타낸다.
즉, 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점에 대한 기대이익은 수학식 8을 토대로 변경되며, 결국 기대이익행렬이 변경된다.
도 5는 본 발명의 실시 예에 따른 불확실성에 대한 가중치 함수의 일 예를 나타낸 도면이다.
예를 들어, 불확실성에 대한 가중치 함수가 도 5에 도시한 바와 같이 주어질 수 있고, 이때 불확실성에 대한 가중치 함수에 따라서 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값이 변경된다.
불확실성에 대한 가중치 함수가 도 5에 도시한 바와 같이 주어졌을 때, 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점 중 어느 한 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값이 0.8일 때 해당 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값은 0.4로 변경된다.
이와 같이 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값이 변경되면서, 기대이익행렬이 변경된다.
이와 같이, 자원 할당부(150)는 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 낮춘다. 즉, 이미 해당 서비스 지점에 출동 차량(서비스 요원)이 할당되므로, 다른 출동 차량(서비스 요원)이 할당될 필요가 없다. 따라서, 기대이익행렬을 변경함으로써, 다른 출동 차량이 해당 서비스 지점에 할당되지 않도록, 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 낮춘다.
도 6은 본 발명의 실시 예에 따른 실경보 확률 추정 값의 계산 방법을 나타낸 흐름도이다.
도 6을 참고하면, 기대 피해금액 계산부(130)는 어느 한 서비스 지점으로부터 경보 신호가 발생하면, 경보 신호에 따라 현재 발생 중인 사건을 정의하는 메타데이터 예측 변수에 따라 사전 지식 기반 특정 상황과의 연관도를 나타내는 사전 상황 연관성(association) 지수를 계산한다(S610). 메타데이터 예측 변수는 예를 들면, 발생 시점, 발생 위치, 발생 빈도 등을 포함할 수 있다.
경보 신호가 발생된 사건의 데이터는 최초 발생된 경보 신호, 후속 경보 신호, 발생 지점 메타데이터 및 발생 사후 기록된 상황의 종류 등을 포함할 수 있으며, 일정 운영 기간 중에 경보 신호가 발생된 사건의 데이터들이 축적되어 대용량의 데이터 집합이 얻어질 수 있다.
데이터 집합은 상황 범주에 따라 세부 집합으로 분류될 수 있다. 예를 들어, 대용량의 데이터 집합은 실경보 상황과 감지기 오작동 상황과 유사 침입(예를 들면, 작은 동물)에 의한 오경보 상황 등으로 분류될 수 있다.
상황 발생 지점의 시간적, 공간적 및 사회적 조건은 특정 상황의 종류와 상대적으로 높은 또는 낮은 연관성을 가질 수 있다. 예를 들어, 주간시간 대비 심야시간에 침입도난 상황 발생 확률이 높으며, 귀금속이나 휴대폰 상점 등 특정업종이 침입 도난의 표적이 될 확률이 높다.
도 7은 본 발명의 실시 예에 따른 시간대별 특정 상황의 발생 빈도를 나타낸 사전 분포도의 일 예이다.
도 7에 도시된 시간(x)에 따른 특정 상황의 발생 빈도의 확률값[FX(x)]의 사전 분포도를 토대로, 시간(x)과 특정 상황과의 연관성 지수가 계산되어 룩업 테이블에 저장될 수 있다.
이와 같이, 상황별 과거 발생 데이터의 사전 지식 기반으로 예측 변수와 특정 상황과의 연관성 지수를 저장하고 있는 룩업 테이블이 생성되고, 룩업 테이블을 통해 각 상황과의 연관성 지수가 결정될 수 있다.
한편, 특정변수 특정 범주값의 상황 발생건의 차지비율(proportion)이 타상황 발생건의 차지비율과 현저하게 다른 경우, 유의미성 테스트(siginificance test)를 통해 특정 변수에 그에 상응하는 연관성 지수가 결정되어, 룩업 테이블에 저장될 수 있다.
기대 피해금액 계산부(130)는 수학식 9와 같이 현재 발생 중인 사건을 정의하는 메타데이터 예측 변수들의 상황 연관성 지수의 합으로부터 각 상황별 경보 신호에 대한 사전 상황 연관성 지수를 계산할 수 있다.
Figure pat00009
수학식 9에서, A_p_i,S_j는 예측변수 p_i에 대한 상황 S_j와의 상황 연광성 지수를 나타낸다.
다시, 도 6을 보면, 기대 피해금액 계산부(130)는 상황별 상태천이확률모델을 이용하여 현재 발생된 경보 신호의 발생 확률을 계산한다(S620).
과거 상황별 경보 신호의 발생 건은 상황별 고유의 생성론적 모델의 확률론적 표출의 인스턴스(instance)로서 간주될 수 있다.
과거 발생된 경보 신호는 상태천이확률모델링을 위해 마르코프(Markov) 모델의 입력으로 사용되며, 경보 신호가 발생된 건의 신호 스트림은 최초 경보 신호 발생 시점에서 상황 종료 시점까지의 신호 벡터 시퀀스 및 각 상태간 천이 시간으로 특징지을 수 있다.
도 8은 본 발명의 실시 예에 따른 천이시간 분포의 일 예를 나타낸 도면이다. 도 8의 (a), (b) 및 (c)에서, x축은 시간을 나타내고, y축은 확률(%)을 나타낸다.
도 8의 (a), (b) 및 (c)에 도시한 바와 같이, 각 상태에서 천이대상상태 및 천이시간으로 구성된 사건들의 데이터 입력을 바탕으로 각 상황에서의 상태간 천이 확률 및 천이 시간 분포가 얻어지고, 상황별 상태천이모델이 생성될 수 있다.
이와 같이 생성된 상황별 상태천이모델은 시뮬레이션을 통해서 검증되고, 사회적 및 자연적 요인 등에 의한 상황 특성 및 구조의 변화로 인해 갱신될 수 있다. 컴파일된 각 상황 모델을 사용하고, 시뮬레이션 과정을 통해 랜덤 샘플 데이터 집합을 생성한 후, 랜덤 샘플 데이터 집합의 상태 벡터 시퀀스 확률 분포와 실제 상황 데이터 집합의 상태 벡터 시퀀스 확률 분포간의 거리를 계산하여 상황별 상태천이모델이 검증될 수 있다. 여기서, 상태 벡터 시퀀스 확률 분포는 해당 상태 벡터 시퀀스가 발생할 확률의 분포를 의미한다. 상태 벡터 시퀀스는 경보 신호의 시퀀스를 의미하며, 한 개의 경보 신호가 상태 벡터의 하나의 요소에 해당한다. 그리고 계산된 거리 값이 설정된 역치보다 큰 경우 해당 상황의 상태천이모델은 최근 데이터를 기반으로 갱신될 수 있다.
기대 피해금액 계산부(130)는 상황별 상태천이모델 중 특정 상황 상태천이모델의 가설(Hypothesis) 하에서 현재 발생된 경보 신호의 발생확률을 수학식 10과 같이 계산할 수 있다.
Figure pat00010
수학식 10에서, M_S_j는 특정 상황 모델을 나타내며, Sig_k는 현재 발생된 경보 신호를 의미한다. s_0는 초기 상태, t_0→1은 s_0에서 s_1으로의 천이 시간, s_1 및 s_2는 각각 천이 대상 상태를 나타내며, t_1→2는 s_1에서 s_2로의 천이 시간을 나타낸다.
즉 특정 상황모델에서 현재 발생된 경보 신호의 발생 확률은 초기상태 확률, 천이시간확률, 천이대상 상태확률의 내적(product)으로 계산될 수 있다.
기대 피해금액 계산부(130)는 상황별 상태천이모델의 가설 하에서 현재 발생된 경보 신호의 발생확률을 모두 계산한다.
기대 피해금액 계산부(130)는 계산된 상황별 사전 상황 연관성 지수와 경보 신호의 발생확률을 토대로 경보 신호에 대한 상황별 가능성 지수(Likelihood score)를 수학식 11과 같이 계산한다(S630).
Figure pat00011
수학식 11에서, A_S_j는 상황 S_j에 대한 사전 상황연관성 지수를 나타내고, P_S_j는 상황 S_j에 대한 경보 신호(e)의 발생확률을 나타낸다. 그리고 w_A 및 w_P는 각각 사전 상황연관성 지수의 가중치와 발생확률의 가중치를 나타내며, w_A 및 w_P는 사전에 결정된 값일 수 있으며, 임의적으로 변경될 수 있다.
기대 피해금액 계산부(130)는 계산된 상황별 가능성 지수 중에서 가장 높은 가능성 지수를 추출하고(S640), 가장 높은 가능성 지수에 해당하는 상황을 검출한다(S650).
기대 피해금액 계산부(130)는 가장 높은 가능성 지수와 그에 해당하는 상황을 토대로, 실경보 확률 추정값을 계산한다(S660). 예를 들어, 기대 피해금액 계산부(130)는 가장 높은 가능성 지수와 그에 해당하는 상황이 검출되면, 가장 높은 가능성 지수에 대해 적절한 규격화를 통해서 0에서 1사이의 값을 가지도록 실경보 확률 추정값을 계산할 수 있다.
이상에서 설명한 본 발명의 실시 예에 따른 경비 서비스 자원 할당 장치 및 방법의 적어도 일부 기능은 하드웨어로 구현되거나 하드웨어에 결합된 소프트웨어로 구현될 수 있다. 예를 들면, 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 프로세서가 등록부(110), 기대 피해금액 계산부(130), 기대이익 계산부(140) 및 자원 할당부(150)의 기능을 수행하고, 메모리나 저장 장치가 저장부(120)의 기능을 수행할 수 있다. 그리고 프로세서와 연결된 송수신기가 감지기로부터 경보 신호를 수신할 수 있다.
본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시 예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시 예의 기재로부터 본 발명이 속하는 기술 분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.

Claims (20)

  1. 경비 서비스 자원 할당 장치에서의 경비 서비스 자원 할당 방법으로서,
    등록된 복수의 서비스 지점 중에서 경보 신호가 발생한 적어도 하나의 후보 서비스 지점의 기대 피해금액을 계산하는 단계,
    상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 이용하여, 운영하고 있는 복수의 출동 차량 각각을 상기 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 계산하는 단계, 그리고
    상기 계산된 기대이익을 토대로, 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당하는 단계
    를 포함하는 경비 서비스 자원 할당 방법.
  2. 제1항에서,
    상기 할당하는 단계는
    상기 복수의 출동 차량 각각을 상기 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 출동 차량을 나타내는 행과 후보 서비스 지점을 나타내는 열의 원소에 연결하여, 기대이익행렬을 생성하는 단계,
    상기 기대이익행렬의 각 행 및 각 열에서 배타적으로 하나씩의 기대이익을 선택하여 그 합을 최대화하는 해를 계산하는 단계, 그리고
    상기 해에 따라서 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당하는 단계를 포함하는 경비 서비스 자원 할당 방법.
  3. 제1항에서,
    상기 기대 피해금액을 계산하는 단계는
    과거 축적된 데이터를 기반으로, 각 후보 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 계산하는 단계, 그리고
    상기 각 후보 서비스 지점의 최대 기대피해금액과 상기 각 후보 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 이용하여 상기 각 후보 서비스 지점의 기대 피해금액을 계산하는 단계를 포함하는 경비 서비스 자원 할당 방법.
  4. 제3항에서,
    상기 실경보 확률 추정 값을 계산하는 단계는
    상기 각 후보 서비스 지점의 경보 신호에 대해, 상황별 예측 변수들의 연관성 지수를 이용하여 상기 상황별 사전 상황 연관성 지수를 계산하는 단계,
    상기 각 후보 서비스 지점의 경보 신호에 대해, 상황별 상태천이확률모델을 이용하여 상기 상황별 경보 신호의 발생 확률을 계산하는 단계, 그리고
    상기 각 후보 서비스 지점의 경보 신호에 대해, 상기 상황별 사전 상황 연관성 지수와 상기 상황별 경보 신호의 발생 확률을 이용하여 실경보 확률을 추정하는 단계를 포함하는 경비 서비스 자원 할당 방법.
  5. 제4항에서,
    상기 실경보 확률을 추정하는 단계는
    상기 각 후보 서비스 지점의 경보 신호에 대해, 상기 상황별 사전 상황 연관성 지수와 상기 상황별 경보 신호의 발생 확률을 이용하여 상황별 가능성 지수를 계산하는 단계, 그리고
    상기 상황별 가능성 지수 중에서 가장 높은 가능성 지수와 가장 높은 가능성 지수에 해당하는 상황을 검출하는 단계를 포함하는 경비 서비스 자원 할당 방법.
  6. 제4항에서,
    상기 상황별 상태천이확률모델은 상기 과거 축적된 데이터를 기반으로 생성되고, 상기 상황별 예측 변수들의 연관성 지수는 상기 과거 축적된 데이터를 기반으로 계산되어 룩업 테이블에 저장되어 있는 경비 서비스 자원 할당 방법.
  7. 제4항에서,
    상기 상황은 실경보 상황, 경보 신호를 발생시킨 감지기의 오작동 상황 및 다른 요인에 의한 오경보 상황을 포함하는 경비 서비스 자원 할당 방법.
  8. 제4항에서,
    상기 상황별 상태천이확률모델은 주기적으로 검증되고 검증 결과를 토대로 갱신되는 경비 서비스 자원 할당 방법.
  9. 제3항에서,
    상기 할당하는 단계 이후에, 상기 적어도 하나의 후보 서비스 지점 중에서 상기 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 불확실성 가중치 함수에 따라 변경하는 단계, 그리고
    변경된 상기 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 토대로 상기 복수의 출동 차량 각각을 상기 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 변경하는 단계
    를 더 포함하는 경비 서비스 자원 할당 방법.
  10. 제9항에서,
    상기 실경보 확률 추정 값은 0보다 크고 1 미만의 값이며, 상기 불확실성 가중치 함수는 상기 실경보 확률 추정 값의 특정 거듭제곱으로 결정되며, 상기 특정 거듭제곱은 1보다 큰 정수의 거듭 제곱인 경비 서비스 자원 할당 방법.
  11. 제1항에서,
    상기 기대이익을 계산하는 단계는
    상기 후보 서비스 지점의 위치와 상기 복수의 출동 차량의 위치를 토대로, 상기 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간을 계산하는 단계, 그리고
    상기 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간과 상기 후보 서비스 지점의 기대 피해금액을 이용하여, 상기 복수의 출동 차량 에 대한 상기 후보 서비스 지점 각각의 기대금액을 계산하는 단계를 포함하는 경비 서비스 자원 할당 방법.
  12. 복수의 서비스 지점에 출동차량을 할당하는 경비 서비스 자원 할당 장치로서,
    상기 복수의 서비스 지점 중에서 경보 신호가 발생한 적어도 하나의 후보 서비스 지점의 상기 경보 신호에 대한 실경보 확률 추정값을 계산하고, 상기 적어도 하나의 후보 서비스 지점의 상기 경보 신호에 대한 실경보 확률 추정값을 이용하여 상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 계산하는 기대 피해금액 계산부,
    상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 이용하여 복수의 출동 차량 각각을 상기 적어도 하나의 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 계산하는 기대이익 계산부, 그리고
    상기 복수의 출동 차량 각각을 상기 적어도 하나의 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 이용하여 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당하는 자원 할당부
    를 포함하는 경비 서비스 자원 할당 장치.
  13. 제12항에서,
    상기 자원 할당부는 계산된 상기 기대이익을 원소로 가지며 출동 차량을 행으로 식별하고 상기 적어도 하나의 서비스 지점을 열로 식별하는 기대이익행렬의 각 행 및 각 열에서 배타적으로 하나씩의 기대이익을 선택하여 그 합을 최대화하는 행과 열의 원소 값을 토대로 상기 복수의 출동 차량을 상기 적어도 하나의 후보 서비스 지점에 할당하는 경비 서비스 자원 할당 장치.
  14. 제13항에서,
    상기 기대 피해금액 계산부는 상기 적어도 하나의 후보 서비스 지점의 최대 기대피해금액과 상기 적어도 하나의 후보 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 이용하여 상기 적어도 하나의 후보 서비스 지점의 기대 피해금액을 계산하는 경비 서비스 자원 할당 장치.
  15. 제14항에서,
    상기 복수의 서비스 지점의 서비스 품목을 토대로 상기 최대기대피해금액을 설정하고, 상기 복수의 서비스 지점의 정보 및 설정된 상기 최대 기대피해금액을 저장하는 등록부
    를 더 포함하는 경비 서비스 자원 할당 장치.
  16. 제12항에서,
    상기 기대 피해금액 계산부는 각 후보 서비스 지점의 경보 신호에 대해, 과거 축적된 데이터를 기반으로 계산된 상황별 예측 변수들의 연관성 지수와 상황별 상태천이확률모델을 이용하여 상황별 가능성 지수를 계산하고, 상기 상황별 가능성 지수 중에서 가장 높은 가능성 지수와 가장 높은 가능성 지수에 해당하는 상황을 검출하여 상기 실경보 확률 추정값을 계산하는 경비 서비스 자원 할당 장치.
  17. 제16항에서,
    상기 기대 피해금액 계산부는 상기 상황별 예측 변수들의 연관성 지수를 이용하여 상기 상황별 사전 상황 연관성 지수를 계산하고, 상기 상황별 상태천이확률모델을 이용하여 상기 상황별 경보 신호의 발생 확률을 계산하며, 상기 상황별 사전 상황 연관성 지수와 상기 상황별 경보 신호의 발생 확률을 이용하여 상기 상황별 가능성 지수를 계산하는 경비 서비스 자원 할당 장치.
  18. 제12항에서,
    상기 자원 할당부는
    상기 적어도 하나의 후보 서비스 지점 중에서 상기 경보 신호가 실경보로 판단된 서비스 지점을 제외한 나머지 서비스 지점의 경보 신호에 대한 실경보 확률 추정 값을 불확실성 가중치 함수에 따라 변경하여 상기 복수의 출동 차량 각각을 상기 적어도 하나의 후보 서비스 지점 각각에 할당하여 얻어지는 기대이익을 변경하는 경비 서비스제 자원 할당 장치.
  19. 제18항에서,
    상기 실경보 확률 추정 값은 0보다 크고 1 미만의 값이며, 상기 불확실성 가중치 함수는 상기 실경보 확률 추정 값의 특정 거듭제곱으로 결정되며, 상기 특정 거듭제곱은 1보다 큰 정수의 거듭 제곱인 경비 서비스 자원 할당 장치.
  20. 제12항에서,
    상기 기대이익 계산부는 후보 서비스 지점의 위치와 상기 복수의 출동 차량의 위치를 토대로, 상기 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간을 계산하고, 후보 서비스 지점 각각에 대한 상기 복수의 출동 차량의 도착 소요 시간과 상기 후보 서비스 지점의 기대 피해금액을 이용하여, 상기 복수의 출동 차량 에 대한 상기 후보 서비스 지점 각각의 기대금액을 계산하는 경비 서비스 자원 할당 장치.
KR1020150061916A 2015-04-30 2015-04-30 경비 서비스 자원 할당 장치 및 방법 KR101721622B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150061916A KR101721622B1 (ko) 2015-04-30 2015-04-30 경비 서비스 자원 할당 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150061916A KR101721622B1 (ko) 2015-04-30 2015-04-30 경비 서비스 자원 할당 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20160129569A true KR20160129569A (ko) 2016-11-09
KR101721622B1 KR101721622B1 (ko) 2017-03-30

Family

ID=57528906

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150061916A KR101721622B1 (ko) 2015-04-30 2015-04-30 경비 서비스 자원 할당 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101721622B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5426683B1 (ko) * 1967-02-27 1979-09-05
KR20100083646A (ko) 2009-01-14 2010-07-22 포인트아이 주식회사 예측 기반의 위치 획득 방법, 그 장치 및 경보 서비스 시스템
KR20110018617A (ko) * 2009-08-18 2011-02-24 부산대학교 산학협력단 컨테이너의 복합운송 일정계획 결정 방법
KR20130107629A (ko) 2012-03-22 2013-10-02 대한민국(환경부 국립환경과학원장) 자체방제계획 등록 및 검증 방법, 그리고 이에 적용되는 서버장치
JP5426683B2 (ja) 2009-09-24 2014-02-26 株式会社東芝 保守方策決定装置、方法およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5426683B1 (ko) * 1967-02-27 1979-09-05
KR20100083646A (ko) 2009-01-14 2010-07-22 포인트아이 주식회사 예측 기반의 위치 획득 방법, 그 장치 및 경보 서비스 시스템
KR20110018617A (ko) * 2009-08-18 2011-02-24 부산대학교 산학협력단 컨테이너의 복합운송 일정계획 결정 방법
JP5426683B2 (ja) 2009-09-24 2014-02-26 株式会社東芝 保守方策決定装置、方法およびプログラム
KR20130107629A (ko) 2012-03-22 2013-10-02 대한민국(환경부 국립환경과학원장) 자체방제계획 등록 및 검증 방법, 그리고 이에 적용되는 서버장치

Also Published As

Publication number Publication date
KR101721622B1 (ko) 2017-03-30

Similar Documents

Publication Publication Date Title
CN111475804A (zh) 一种告警预测方法及系统
CN104424354B (zh) 使用用户操作生成模型检测异常用户行为的方法和系统
US10445162B2 (en) Method of intuition generation
US11367053B2 (en) System and method for damage assessment and restoration
US10637751B2 (en) Methods and systems for online monitoring using a variable data sampling rate
WO2018005210A1 (en) Predictive anomaly detection in communication systems
CN112835769A (zh) 一种业务数据异常诊断方法、装置、设备及存储介质
JP4558600B2 (ja) 航跡相関統合装置
JP2018197679A (ja) 地震警報システム
WO2019078101A1 (ja) 情報処理装置、リスク予測方法、およびプログラム
KR101721622B1 (ko) 경비 서비스 자원 할당 장치 및 방법
JP2015184818A (ja) サーバ、モデル適用可否判定方法およびコンピュータプログラム
JP6946542B2 (ja) 学習システム、推定システム及び学習済モデル
JP2012037991A (ja) 予測装置、予測システム及びプログラム
JP6587950B2 (ja) スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法
CN114661562A (zh) 一种数据告警方法、装置、设备及介质
CN113391983A (zh) 报警信息的生成方法、装置、服务器及存储介质
CN113011664A (zh) 物流时效监控方法、装置、电子设备及存储介质
KR20180130806A (ko) 범죄 관련 빅데이터를 활용한 미선러닝 알고리즘 기반 위치별 범죄 발생 확률 예측 시스템
CN111095868A (zh) 软件定义网络中的数据流量管理
US20230075475A1 (en) Outlier Determination Among Models of Future Event Prediction
CN117931846B (zh) 基于多源融合的智能门禁数据管理方法及系统
KR102606669B1 (ko) IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템
CN117130873B (zh) 一种任务监控的方法和装置
US20230168666A1 (en) Systems and Methods for Controlling Production

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200302

Year of fee payment: 4