KR20170095513A - System and method for predict times of disaster in real time - Google Patents

System and method for predict times of disaster in real time Download PDF

Info

Publication number
KR20170095513A
KR20170095513A KR1020160016985A KR20160016985A KR20170095513A KR 20170095513 A KR20170095513 A KR 20170095513A KR 1020160016985 A KR1020160016985 A KR 1020160016985A KR 20160016985 A KR20160016985 A KR 20160016985A KR 20170095513 A KR20170095513 A KR 20170095513A
Authority
KR
South Korea
Prior art keywords
rainfall
information
disaster
interest
time
Prior art date
Application number
KR1020160016985A
Other languages
Korean (ko)
Other versions
KR101821599B1 (en
Inventor
유찬호
Original Assignee
유찬호
아신씨엔티 주식회사
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 유찬호, 아신씨엔티 주식회사 filed Critical 유찬호
Priority to KR1020160016985A priority Critical patent/KR101821599B1/en
Publication of KR20170095513A publication Critical patent/KR20170095513A/en
Application granted granted Critical
Publication of KR101821599B1 publication Critical patent/KR101821599B1/en

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
    • 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
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • G06Q50/265—Personal security, identity or safety
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Atmospheric Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

Disclosed are a system and a method to predict the occurrence of a disaster in real time. According to an embodiment of the present invention, the system includes a disaster prediction server receiving a set position from a users terminal and predicting a disaster risk of the set position to provide the prediction to the user terminal. The disaster prediction server includes: a set position receiving part receiving the set position from the users terminal; a rainfall information receiving part receiving current rainfall information of an interest area of the set position from a weather information server; a rainfall model storage part storing a predetermined rainfall model by area; a disaster occurrence range storage part storing disaster occurrence range information according to rainfall duration and rainfall by area; a regression equation calculating part calculating a regression equation about the rainfall and time of the interest area based on the rainfall model of the interest area and the current rainfall information of the interest area; a disaster occurrence predicting part calculating a predicted time of disaster occurrence in the set position based on the disaster occurrence range information of the interest area and the regression equation; and a transmitting part transmitting the predicted time to the users terminal.

Description

실시간 재해 발생 시간 예측 시스템 및 방법{SYSTEM AND METHOD FOR PREDICT TIMES OF DISASTER IN REAL TIME}TECHNICAL FIELD The present invention relates to a system and a method for predicting real-time disaster occurrence time,

본 발명은 실시간 재해 발생 시간 예측 시스템 및 방법에 관한 것이다.The present invention relates to a real-time disaster occurrence time predicting system and method.

자연재해는 예고 없이 발생되고 있으며, 충분한 대비를 하지 못할 경우 인명과 재산손실이 발생된다. Natural disasters are occurring without notice, and loss of life and property can result if there is not sufficient preparation.

최근 자연재해에 대비하여 강우예측의 정확성을 높이기 위하여 기상청에서 단계예보를 목적으로 동네예보를 수행하고 있다. 또한, 집중호우에 대비하여 초단기 예보를 하기 위하여 VSRF(Very-Short-Range-Forecast of precipitation), SCAN(System for Convection Analysis and Nowcasting), VDRAS(Variational Doppler Radar Analysis System), MAPLE(McGill Algorithm for precipitation Nowcasting by Lagrangian) 등의 예보를 수행하고 있다.In order to improve the accuracy of rainfall forecasting in preparation for natural disasters, the Korea Meteorological Administration is conducting local forecasting for the purpose of step forecasting. In addition, to provide short-term forecasts in preparation for heavy rain, a very short-range-forecast of precipitation (VSRF), system for convection analysis and nowcasting (SCAN), Variational Doppler Radar Analysis System (VDRAS), McGill Algorithm for precipitation Nowcasting by Lagrangian).

그러나 이와 같은 예보는 재해가 발생한 시점에서 문자등의 알림 서비스를 통해 사람들에게 재해 위험을 환기시키는 정도에 불과하여 사람들이 재해 위험에 대해 대처하기가 쉽지 않았다.However, such forecasts are not enough to warn people about disaster risks because they only alert people to disaster risks through notifications such as letters at the time of disaster.

본 발명의 실시예는, 설정위치에 대한 재해발생 예상시간을 제공하도록 구성된 실시간 재해 발생 시간 예측 시스템 및 방법을 제공하고자 한다.An embodiment of the present invention is to provide a real-time disaster occurrence time prediction system and method configured to provide a disaster occurrence expected time for a set position.

본 발명의 일 측면에 따르면, 사용자 단말로부터 설정위치를 수신하고 상기 설정위치의 재해위험을 예측하여 상기 사용자 단말에 제공하는 재해예측서버를 포함하는 실시간 재해 발생 시간 예측 시스템으로서, 상기 재해예측서버는, 상기 사용자 단말로부터 상기 설정위치를 수신하는 설정위치 수신부; 기상정보서버로부터 상기 설정위치가 속하는 관심지역의 현재 강우량정보를 수신하는 강우량정보 수신부; 미리 결정된 지역별 강우모델을 저장하는 강우모델 저장부; 미리 계산된 지역별 강우량 및 강우 지속 시간에 따른 재해발생범위정보를 저장하는 재해발생범위 저장부; 상기 관심지역의 현재 강우량정보와 상기 관심지역의 강우모델을 기초로 상기 관심지역의 시간 및 강우량에 대한 회귀식을 산출하는 회귀식 산출부; 상기 회귀식과 상기 관심지역의 재해발생범위정보를 기초로 상기 설정위치에 대한 재해발생 예상시간을 산출하는 재해발생 예측부; 및 상기 재해발생 예상시간을 상기 사용자 단말로 전송하는 전송부를 포함하는, 실시간 재해 발생 시간 예측 시스템이 제공될 수 있다.According to an aspect of the present invention, there is provided a real-time disaster occurrence time prediction system including a disaster prediction server that receives a set location from a user terminal and predicts a disaster risk of the set location and provides the disaster to the user terminal, A set position receiver for receiving the set position from the user terminal; A rainfall information receiver for receiving current rainfall information of a region of interest to which the setting position belongs from a weather information server; A rainfall model storage unit storing a predetermined rainfall model by region; A disaster occurrence range storage unit for storing disaster occurrence range information according to pre-calculated local rainfall amounts and rainfall duration time; A regression equation calculating unit for calculating a regression equation for time and rainfall of the region of interest based on the current rainfall information of the region of interest and the rainfall model of the region of interest; A disaster occurrence predicting unit for calculating a disaster occurrence expected time for the set location based on the regression formula and the disaster occurrence range information of the area of interest; And a transmitter for transmitting the disaster occurrence expected time to the user terminal.

상기 회귀식 산출부는, 상기 관심지역의 강우모델의 좌표계를 상기 관심지역의 현재 강우량정보의 좌표계와 일치시키는 좌표 변환을 수행하여 좌표 변환 함수를 생성하고, 상기 좌표 변환 함수에 상기 관심지역의 현재 강우량정보에 포함된 시간 및 강우량에 관한 좌표값을 대입하여 상기 좌표 변환 함수에 포함된 계수를 특정하고, 상기 특정된 계수를 상기 좌표 변환 함수에 대입하여 상기 회귀식을 산출할 수 있다.Wherein the regression calculation unit generates a coordinate transformation function by performing a coordinate transformation to make the coordinate system of the rainfall model of the region of interest coincide with the coordinate system of the current rainfall amount information of the region of interest to calculate a current rainfall amount A coefficient included in the coordinate transformation function is specified by substituting the coordinate values related to the time and the rainfall included in the information, and the regression equation can be calculated by substituting the specified coefficient into the coordinate transformation function.

상기 강우모델은 월별 또는 날짜별로 구별되고, 상기 회귀식 산출부는 상기 관심지역의 강우모델에서 현재 월 또는 날짜에 대응하는 강우모델을 선택하여 상기 회귀식을 산출할 수 있다.The rainfall model is distinguished by month or day, and the regression formula calculating unit may calculate the regression equation by selecting a rainfall model corresponding to the current month or date in the rainfall model of the area of interest.

상기 재해발생범위정보는, 해당 지역의 지하수정보와 토양종류정보와 지질종류정보와 배수처리정보를 기초로 하고, 강우량 및 강우 지속 시간을 변수로 하여 시뮬레이션한 결과로 도출될 수 있다.The disaster occurrence range information can be derived as a result of simulation based on the groundwater information, the soil type information, the lipid type information, and the drainage processing information of the area, and the rainfall amount and the duration of the rainfall as variables.

상기 재해발생 예측부는, 상기 관심지역의 재해발생범위정보 중 상기 설정위치가 재해발생범위의 가장자리에 접하는 케이스를 선정하고, 상기 케이스 중 상기 관심지역의 현재 강우량과 매칭되는 매칭 케이스를 선정하고, 현재 시점에서 장래의 특정 시점까지 상기 회귀식을 적분한 예상 강우량이 상기 매칭 케이스의 시뮬레이션 총강우량과 동일해지는 상기 특정 시점을 계산하여 상기 재해발생 예상시간으로 산출할 수 있다.Wherein the disaster occurrence predicting unit selects a case where the set position of the disaster occurrence range information of the area of interest is in contact with the edge of the disaster occurrence range and selects a matching case that matches the current amount of rainfall in the area of interest, The predicted time of occurrence of the disaster can be calculated by calculating the specific time point at which the predicted rainfall amount obtained by integrating the regression equation from the time point to the future specific time point becomes equal to the simulation total rainfall amount of the matching case.

본 발명의 다른 측면에 따르면, 사용자 단말로부터 설정위치를 수신하고 상기 설정위치의 재해위험을 예측하여 상기 사용자 단말에 제공하는 재해예측서버를 포함하는 실시간 재해 발생 시간 예측 방법으로서, 상기 사용자 단말로부터 상기 설정위치를 수신하는 단계; 기상정보서버로부터 상기 설정위치가 속하는 관심지역에 대한 현재 강우량정보를 수신하는 단계; 상기 관심지역의 현재 강우량정보와 상기 관심지역의 강우모델을 기초로 상기 관심지역의 시간 및 강우량에 대한 회귀식을 산출하는 단계; 상기 회귀식과 상기 관심지역의 재해발생범위정보를 기초로 상기 설정위치에 대한 재해발생 예상시간을 산출하는 단계; 및 상기 재해발생 예상시간을 상기 사용자 단말로 전송하는 단계를 포함하는, 재해예측 방법이 제공될 수 있다.According to another aspect of the present invention, there is provided a real-time disaster occurrence time predicting method comprising: receiving a set location from a user terminal and predicting a risk of a disaster at the set location and providing the predicted disaster risk to the user terminal; Receiving a set position; Receiving current rainfall information on an area of interest to which the setting location belongs from a weather information server; Calculating a regression equation for time and rainfall of the area of interest based on the current rainfall information of the area of interest and the rainfall model of the area of interest; Calculating a disaster occurrence expected time for the set location based on the regression formula and the disaster occurrence range information of the area of interest; And transmitting the disaster occurrence expected time to the user terminal.

본 발명의 실시예에 따르면, 실시간 재해 발생 시간 예측 시스템은 재해예측서버에서 사용자 단말을 통한 설정위치가 현재 시점으로부터 재해발생범위에 들어가는 재해발생 예상시간을 산출하여 사용자 단말로 전송함으로써 사용자는 재해위험에 대해 미리 대처할 수 있다.According to an embodiment of the present invention, a real-time disaster occurrence time predicting system calculates a disaster occurrence expected time in which a set location through a user terminal from a present time in a disaster prediction server enters a disaster occurrence range, In advance.

도 1은 본 발명의 일 실시예에 따른 실시간 재해 발생 시간 예측 시스템을 나타내는 도면이다.
도 2는 도 1에 도시된 재해예측서버의 구성을 구체적으로 도시한 블록도이다.
도 3은 기상정보서버에서 제공되는 현재 강우량정보의 일례를 나타내는 도면이다.
도 4는 과거 강우량정보들로부터 강우모델을 도출하는 과정을 설명하기 위한 도면이다.
도 5는 시뮬레이터에 의해 수행된 시뮬레이션의 결과로 도출된 재해발생범위정보의 일례를 나타내는 도면이다.
도 6은 도 2의 회귀식 산출부가 회귀식을 산출하는 과정을 설명하기 위한 도면이다.
도 7은 도 2의 재해발생 예측부가 설정위치에 대한 재해발생 예상시간을 산출하는 과정을 설명하기 위한 도면이다.
도 8은 도 2의 재해발생 예측부가 회귀식을 통해 예상 강우량을 산출하는 과정을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 실시간 재해 발생 시간 방법을 순차적으로 도시한 흐름도이다.1 is a diagram illustrating a real-time disaster occurrence time predicting system according to an embodiment of the present invention.
2 is a block diagram specifically showing the configuration of the disaster prediction server shown in FIG.
3 is a diagram showing an example of current rainfall amount information provided by a weather information server.
4 is a view for explaining a process of deriving a rainfall model from past rainfall information.
5 is a diagram showing an example of disaster occurrence range information derived as a result of simulation performed by the simulator.
FIG. 6 is a diagram for explaining a process of calculating a regression equation of FIG. 2; FIG.
FIG. 7 is a diagram for explaining a process of calculating a disaster occurrence expected time for a set location by the disaster occurrence prediction unit of FIG. 2;
FIG. 8 is a diagram for explaining a process of calculating the expected rainfall amount through the regression equation of the disaster occurrence predicting unit of FIG. 2;
FIG. 9 is a flowchart sequentially illustrating a real-time disaster occurrence time method according to an embodiment of the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.BRIEF DESCRIPTION OF THE DRAWINGS The present invention is capable of various modifications and various embodiments, and specific embodiments are illustrated in the drawings and described in detail in the detailed description. It is to be understood, however, that the invention is not to be limited to the specific embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

이하, 본 발명의 실시예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENT Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. Referring to the accompanying drawings, the same or corresponding components are denoted by the same reference numerals, do.

도 1은 본 발명의 일 실시예에 따른 실시간 재해 발생 시간 예측 시스템을 나타내는 도면이다. 도 1을 참조하면, 본 발명의 일 실시예에 따른 실시간 재해 발생 시간 예측 시스템(10)은 사용자 단말(100)과, 재해예측서버(200)와, 기상정보서버(300)를 포함할 수 있다.1 is a diagram illustrating a real-time disaster occurrence time predicting system according to an embodiment of the present invention. Referring to FIG. 1, a real-time disaster occurrence time prediction system 10 according to an embodiment of the present invention may include a user terminal 100, a disaster prediction server 200, and a weather information server 300 .

사용자 단말(100)은 설정위치를 재해예측서버(200)로 전송하고, 재해예측서버(200)로부터 재해위험에 관한 정보를 수신할 수 있다.The user terminal 100 may transmit the setting location to the disaster prediction server 200 and receive information on the disaster risk from the disaster prediction server 200. [

사용자 단말(100)은 디스플레이 장치가 구비된 스마트폰, 네비게이션 장치, 컴퓨터, 노트북, 아이피티브이(IPTV), 사물인터넷 장비 등을 포함할 수 있다.The user terminal 100 may include a smart phone equipped with a display device, a navigation device, a computer, a notebook computer, an IPTV, a stuff Internet device, and the like.

사용자 단말(100)은 재해예측서버(200)에서 제공하는 재해위험정보를 수신하여 표시함으로써 사용자에게 강우에 따른 재해위험을 인지하도록 할 수 있다.The user terminal 100 may receive and display the disaster risk information provided by the disaster prediction server 200, thereby allowing the user to recognize the risk of a disaster due to rainfall.

사용자 단말(100)은 재해예측서버(200)에서 제공하는 서비스를 수신하기 위하여 별도의 프로그램(예를 들면, 스마트폰 애플리케이션 등)이 저장되어 재해예측서버(200)에 접속 시 재해예측서버(200)에서 제공하는 서비스를 수신하여 표시할 수 있다.The user terminal 100 stores a separate program (for example, a smartphone application or the like) to receive the service provided by the disaster prediction server 200 and accesses the disaster prediction server 200 Can receive and display the service provided by the service provider.

사용자 단말(100)은 재해예측 프로그램 구동 시 설정위치, 예컨대 사용자가 입력한 위치 또는 사용자 단말(100)의 현재 위치(GPS 수신 동의 시)를 재해예측서버(200)로 송신하고 재해예측서버(200)로부터 설정위치의 재해위험에 관한 정보를 수신할 수 있다.The user terminal 100 transmits to the disaster prediction server 200 a setting location such as a location input by the user or a current location of the user terminal 100 The information on the risk of disaster at the set position can be received.

재해위험은 설정위치 또는 관심지역의 특성에 따라 침수위험, 산사태 위험, 구조물 붕괴위험 등 다양한 양태로 나타날 수 있다. 예컨대, 설정위치 또는 관심지역은 도심지, 산악지, 하천 유역 등으로 구별할 수 있고, 이와 같은 지역 특성에 따라 재해위험은 다양한 양태로 나타날 수 있다.Disaster risk can vary depending on the location of the site or the characteristics of the area of interest, such as flood risk, landslide risk, and structural collapse risk. For example, the setting location or the area of interest can be classified into urban areas, mountainous areas, river basins, etc., and the risk of disasters may vary depending on the regional characteristics.

기상정보서버(300)는 날씨 예보를 수행하는 기상청 또는 사설 기상정보를 제공하는 서버일 수 있다. 기상정보서버(300)는 지역별 강우량정보를 제공한다. 예컨대, 강우량정보는 현재 진행 중인 강우의 시간에 따른 강우량뿐만 아니라 과거 발생했던 강우의 시간에 따른 강우량을 포함할 수 있다.The weather information server 300 may be a weather station that performs weather forecasting or a server that provides private weather information. The weather information server 300 provides regional rainfall information. For example, the rainfall information may include not only the rainfall according to the time of the current rainfall but also the rainfall according to the time of the rainfall that occurred in the past.

도 2는 도 1에 도시된 재해예측서버의 구성을 구체적으로 도시한 블록도이다.2 is a block diagram specifically showing the configuration of the disaster prediction server shown in FIG.

도 2를 참조하면, 재해예측서버(200)는 설정위치 수신부(210), 강우량정보 수신부(220), 강우모델 저장부(230), 재해발생범위 저장부(240), 회귀식 산출부(250), 재해발생 예측부(260), 전송부(270)를 포함할 수 있다.2, the disaster prediction server 200 includes a setting location receiving unit 210, a rainfall information receiving unit 220, a rainfall model storage unit 230, a disaster occurrence range storage unit 240, a regression formula calculating unit 250 , A disaster occurrence predicting unit 260, and a transmission unit 270.

설정위치 수신부(210)는 사용자 단말(100)로부터 설정위치를 수신할 수 있다. 예컨대, 설정위치는 사용자 단말(100)에 설치된 재해예측 프로그램 구동 시 사용자 단말(100)의 현재 위치 또는 사용자가 입력한 위치일 수 있다.The setting position receiving unit 210 can receive the setting position from the user terminal 100. [ For example, the setting position may be a current position of the user terminal 100 or a position input by the user when driving the disaster prediction program installed in the user terminal 100. [

강우량정보 수신부(220)는 기상정보서버(300)로부터 설정위치가 속하는 관심지역의 현재 강우량정보를 수신할 수 있다. 여기서 현재 강우량정보는 현재 진행 중인 강우의 시간에 따른 강우량의 추이를 나타낸다.The rainfall information receiving unit 220 can receive the current rainfall information of the area of interest to which the setting location belongs from the weather information server 300. [ Here, the current rainfall information represents the change of the rainfall according to the time of the current rainfall.

예컨대, 현재 강우량정보는 도 3과 같이 시간축(t)과 강우량축(Q)을 가지는 좌표계에서 시간과 강우량의 좌표값들로 표현될 수 있다. 참고로 도 3은 기상정보서버에서 제공되는 현재 강우량정보의 일례를 나타내는 도면이다. 도 3에 도시된 현재 강우량정보는 (-ts, QS),…,(0, Q0)와 같은 좌표값들을 포함하고, 이를 통해, 현재 진행 중인 강우는 ts 시간 전에 QS 만큼의 내렸고, 현재(t=0) Q0 만큼 내리고 있다는 것을 알 수 있다.For example, the current rainfall information can be expressed as coordinate values of time and rainfall in a coordinate system having a time axis (t) and a rainfall axis (Q) as shown in FIG. 3 is a view showing an example of current rainfall amount information provided by a weather information server. The current rainfall amount information shown in FIG. 3 is (-ts, Q S ), ... , (0, Q 0 ), whereby the current ongoing rainfall is reduced by Q S before the time t s, and the current (t = 0) Q 0 As shown in FIG.

강우모델 저장부(230)는 지역별 강우모델을 저장할 수 있다.The rainfall model storage unit 230 may store a rainfall model for each region.

이와 관련하여, 지역별로 도 4에 도시된 것과 같은 과거 강우량정보들(강우1, 강우2,…)을 취합할 수 있다. 참고로 도 4는 과거 강우량정보들로부터 강우모델을 도출하는 과정을 설명하기 위한 도면이다. 도 4에서 Q는 강우량을 t는 시간을 나타낸다.In this regard, the past rainfall amount information (rainfall 1, rainfall 2, ...) as shown in FIG. 4 can be collected for each region. 4 is a view for explaining a process of deriving a rainfall model from past rainfall information. In Fig. 4, Q represents the time of rainfall, t.

도 4를 참조하면, 과거 강우량정보(강우1, 강우2,…)는 과거 진행되었던 강우의 시간에 따른 강우량의 추이를 나타낸다. 이러한 과거 강우량정보(강우1, 강우2,…)는 기상정보서버(300)로부터 미리 취합될 수 있다.Referring to FIG. 4, the past rainfall information (rainfall 1, rainfall 2,...) Shows a change in rainfall according to the time of the past rainfall. The past rainfall amount information (rainfall 1, rainfall 2, ...) can be collected from the weather information server 300 in advance.

취합된 과거 강우량정보들(강우1, 강우2,…)을 분석하면 시간과 강우량의 관계를 대표하는 시간과 강우량에 관한 관계식(Q1=f(t))이 도출될 수 있다. 강우모델은 위와 같은 관계식(Q1=f(t))의 다른 표현으로 시간을 독립변수로, 강우량을 종속변수로 하는 함수이며, 계수(coefficient)를 포함한다.Analysis of the collected past rainfall information (rainfall 1, rainfall 2, ...) can lead to a relationship (Q 1 = f (t)) for the time and rainfall amount representing the relationship between time and rainfall. The rainfall model is another expression of the above relation (Q 1 = f (t)), which is a function of time as an independent variable and rainfall as a dependent variable, and includes a coefficient.

위와 같은 강우모델은 지역별로 미리 결정되어 강우모델 저장부(230)에 저장될 수 있다.The above-described rainfall model can be predetermined for each region and stored in the rainfall model storage unit 230.

지역별 강우모델은 월별 또는 날짜별로 구별되어 강우모델 저장부(230)에 저장될 수 있다.The regional rainfall models can be distinguished by month or by date and stored in the rainfall model storage unit 230.

이와 관련하여, 지역별로 과거 강우량정보들을 월별 또는 날짜별로 취합할 수 있고, 취합한 정보들을 분석하면 지역별로 월별 강우모델 또는 날짜별 강우모델이 결정될 수 있다. 이와 같은 방식으로 지역별 강우모델은 월별 또는 날짜별로 구별되어 강우모델 저장부(230)에 저장될 수 있다.In this regard, the past rainfall information can be collected by region or by month, and the collected rainfall information can be analyzed, and the rainfall model for each month or the rainfall model for each day can be determined for each region. In this manner, regional rainfall models can be classified by month or by date and stored in the rainfall model storage unit 230.

재해발생범위 저장부(240)는 미리 계산된 지역별 강우량 및 강우 지속 시간에 따른 재해발생범위정보를 저장한다.The disaster occurrence range storage unit 240 stores disaster occurrence range information according to pre-calculated regional rainfall amounts and duration of rainfall.

이와 관련하여, 지역에 따라 지하수정보, 토양종류정보, 지질종류정보, 배수처리정보가 다를 수 있다. 지역별로 위와 같은 지하수정보, 토양종류정보, 지질종류정보, 배수처리정보를 기초로 하고, 강우량 및 강우 지속 시간을 변수로 하는 시뮬레이션이 수행될 수 있다.In this regard, groundwater information, soil type information, geological type information, and drainage processing information may be different depending on the region. Based on the above groundwater information, soil type information, geological type information, and drainage processing information, simulation can be performed for each region using rainfall amount and duration of rainfall as variables.

지역별 지하수정보, 토양종류정보, 지질종류정보, 배수처리정보는 해당 정보를 취급하는 관공서 또는 사설기관에서 운용하는 다른 데이터 베이스 서버에서 수신할 수 있다.The groundwater information, soil type information, geological type information, and drainage processing information of each region can be received from other database servers operated by a government office or a private institution handling the information.

위와 같은 시뮬레이션은 시뮬레이터에 의해 수행될 수 있다. 시뮬레이터는 지역별로 지하수정보, 토양종류정보, 지질종류정보, 배수처리정보를 입력받아 시뮬레이션 모델을 생성하고, 생성된 시뮬레이션 모델에 대해 강우량 및 강우 지속 시간 조건을 변경하면서 시뮬레이션을 수행할 수 있다.The above simulation can be performed by the simulator. The simulator can generate a simulation model by receiving groundwater information, soil type information, geological type information, and drainage processing information for each region, and can simulate the generated simulation model while changing the conditions of rainfall amount and duration of rainfall.

시뮬레이션 결과 지역별로 강우량 및 강우 지속 시간에 따른 재해발생범위정보가 도출될 수 있고, 이러한 재해발생범위정보는 재해발생범위 저장부(240)에 저장될 수 있다.As a result of the simulation, disaster occurrence range information according to rainfall amount and duration of rainfall can be derived for each region, and such disaster occurrence range information can be stored in the disaster occurrence range storage unit 240.

도 5는 시뮬레이터에 의해 수행된 시뮬레이션의 결과로 도출된 재해발생범위정보의 일례를 나타내는 도면이다. 도 5를 참조하면, A지역의 지하수정보, 토양종류정보, 지질종류정보, 배수처리정보를 시뮬레이터에 입력하고, 강우량 및 강우 지속 시간을 변경하면서 시뮬레이션을 수행하면, 도 5와 같은 재해발생범위정보(K1, K2,…)가 도출될 수 있다.5 is a diagram showing an example of disaster occurrence range information derived as a result of simulation performed by the simulator. 5, if simulation is performed while inputting groundwater information, soil type information, geological type information, and drainage processing information of area A to the simulator and changing the amount of rainfall and duration of rainfall, (K 1 , K 2 , ...) can be derived.

재해발생범위정보(K1, K2,…)는 A지역 중에서 특정 조건(강우량 및 강우 지속 시간)의 강우가 발생할 때 재해(ex. 침수, 붕괴, 산사태 등)가 발생하는 범위를 나타낸다. 재해발생범위정보는 A지역의 지형정보(지도)를 포함할 수 있고, 재해발생범위는 A지역의 지형정보에 표시될 수 있다.The disaster occurrence range information (K 1 , K 2 , ...) indicates the range where disaster (eg, flooding, collapse, landslide, etc.) occurs when specific conditions (rainfall and duration of rainfall) occur in A area. The disaster occurrence range information may include the geographical information (map) of the A region, and the disaster occurrence range may be displayed in the geographical information of the A region.

A지역에 대한 시뮬레이션결과 도출되는 재해발생범위는 강우량이 증가하거나 강우 지속 시간이 증가함에 따라 점점 넓어지는 경향을 가진다.Simulation results for Area A show that the extent of disaster occurrence tends to increase as rainfall increases or rainfall duration increases.

도 2를 참조하면, 회귀식 산출부(250)는 관심지역의 현재 강우량정보와 관심지역의 강우모델을 기초로 관심지역의 시간 및 강우량에 대한 회귀식을 산출할 수 있다.Referring to FIG. 2, the regression formula calculating unit 250 may calculate a regression equation for the time and the rainfall of the region of interest based on the current rainfall information of the region of interest and the rainfall model of the region of interest.

도 6은 도 2의 회귀식 산출부가 회귀식을 산출하는 과정을 설명하기 위한 도면이다. 도 2 및 도 6을 참조하면, 회귀식 산출부(250)는 강우모델 저장부(230)에 저장된 관심지역의 강우모델(Q1=f(t))(도 4 참조)을 수신하고, 강우량정보 수신부(220)로부터 현재 강우량정보(도 3 참조)를 수집한다.FIG. 6 is a diagram for explaining a process of calculating a regression equation of FIG. 2; FIG. 2 and 6, the regression formula calculating unit 250 receives the rainfall model (Q 1 = f (t)) (see FIG. 4) of the region of interest stored in the rainfall model storage unit 230, And collects the current rainfall amount information (see FIG. 3) from the information receiving unit 220.

회귀식 산출부(250)는 강우모델(Q1=f(t))(도 4 참조)의 좌표계를 현재 강우량정보의 좌표계(도 3 참조)와 일치시키는 좌표 변환을 수행하여, 좌표 변환 함수(Q2=f(t))를 생성한다.The regression formula calculating unit 250 performs coordinate conversion to make the coordinate system of the rainfall model Q 1 = f (t) (see FIG. 4) coincide with the coordinate system of the current rainfall information (see FIG. 3) Q 2 = f (t)).

좌표 변환 함수(Q2=f(t))는 강우모델(Q1=f(t))과 마찬가지로 계수(coefficient)를 포함한다. 이러한 좌표 변환 함수(Q2=f(t))에 관심지역의 현재 강우량정보(도 3 참조)를 구성하는 좌표값들 중 일부를 선별하여 대입하면 좌표 변환 함수(Q2=f(t))에 포함된 계수를 특정할 수 있다.The coordinate transformation function (Q 2 = f (t)) includes a coefficient similar to the rainfall model (Q 1 = f (t)). (Q 2 = f (t)) by selecting some of the coordinate values constituting the current rainfall amount information (see FIG. 3) of the region of interest in such a coordinate transformation function (Q 2 = Can be specified.

특정된 계수를 좌표 변환 함수(Q2=f(t))에 대입하면, 관심지역의 시간 및 강우량에 대한 회귀식(Q3=f(t))이 산출될 수 있다. Substituting the specified coefficient into the coordinate transformation function (Q 2 = f (t)), a regression equation (Q 3 = f (t)) for the time and rainfall of the region of interest can be calculated.

한편, 강우모델이 월별 또는 날짜별로 구별된 경우, 회귀식 산출부(250)는 관심지역의 강우모델에서 현재 월 또는 날짜에 대응하는 강우모델을 선택하고, 이를 기초로 관심지역의 회귀식을 산출할 수 있다.On the other hand, when the rainfall model is distinguished by month or by date, the regression formula calculating unit 250 selects a rainfall model corresponding to the current month or date in the rainfall model of the region of interest and calculates a regression equation of the region of interest can do.

도 2를 참조하면, 재해발생 예측부(260)는 회귀식 산출부(250)에서 산출된 회귀식과 관심지역의 재해발생범위정보를 기초로 설정위치에 대한 재해발생 예상시간을 산출할 수 있다.Referring to FIG. 2, the disaster occurrence predicting unit 260 may calculate a disaster occurrence expected time for the set location based on the regression formula calculated by the regression formula calculating unit 250 and the disaster occurrence range information of the area of interest.

도 7은 도 2의 재해발생 예측부가 설정위치에 대한 재해발생 예상시간을 산출하는 과정을 설명하기 위한 도면이다. 도 2 및 도 7을 참조하면, 재해발생 예측부(260)는 관심지역(A지역)의 재해발생범위정보(K1, K2,…)(도 5 참조) 중 설정위치(P)가 재해발생범위의 가장자리에 접하는 케이스(C1, C2,…)를 선정한다. 이러한 케이스는 하나 이상 선정될 수 있다.FIG. 7 is a diagram for explaining a process of calculating a disaster occurrence expected time for a set location by the disaster occurrence prediction unit of FIG. 2; 2 and 7, the disaster occurrence predicting unit 260 estimates disaster occurrence range information (K 1 , K 2 , ...) (see FIG. 5) in the area of interest (area A) Cases (C 1 , C 2 , ...) that are in contact with the edge of the generation range are selected. One or more of these cases can be selected.

재해발생 예측부(260)는 선정된 케이스(C1, C2,…) 중 관심지역(A지역)의 현재 강우량과 매칭되는 매칭 케이스(CX)를 선정한다. 달리 표현하면, 재해발생 예측부(260)는 선정된 케이스(C1, C2,…) 중 관심지역(A지역)의 현재 강우량을 시뮬레이션 조건으로 수행된 케이스를 매칭 케이스(CX)로 선정한다.The disaster occurrence predicting unit 260 selects the matching case C X that matches the current rainfall amount in the region of interest (region A) among the selected cases C 1 , C 2 , .... In other words, the disaster occurrence predicting unit 260 selects the case where the current rainfall amount in the region of interest (region A) among the selected cases C 1 , C 2 , ... is the simulation condition, as the matching case C X do.

예컨대, 재해발생 예측부(260)는 도 3과 같은 현재 강우량 정보에서 현재 시점(t=0)에서의 Q값(Q0)을 현재 강우량으로 도출할 수 있다. 그리고 재해발생 예측부(260)는 선정된 케이스(C1, C2,…) 중 강우량 조건을 현재 강우량(Q0)과 같은 조건으로 시뮬레이션된 매칭 케이스(CX)를 선정할 수 있다.For example, the disaster occurrence predicting unit 260 may derive the Q value (Q 0 ) at the current time (t = 0) from the current rainfall amount information as shown in FIG. 3 as the present rainfall amount. And disaster prediction unit 260 may select a simulated rainfall, the matched cases and under the same conditions as the current rainfall (Q 0) condition (C X) of the case (C 1, C 2, ... ) selected.

재해발생 예측부(260)는 현재 시점에서 장래의 특정 시점까지 회귀식을 적분한 예상 강우량이 매칭 케이스(CX)의 시뮬레이션 총강우량과 동일해지는 상기 특정 시점을 계산하여 재해발생 예상시간으로 산출할 수 있다.The disaster occurrence predicting unit 260 calculates the specific time point at which the predicted rainfall amount obtained by integrating the regression equation from the current point of time to the future specific point of time becomes equal to the simulation total rainfall amount of the matching case C X .

보다 상세히, 도 8을 참조하면, 재해발생 예측부(260)는 현재 시점(t=O)에서 장래의 특정 시점(tx)까지 회귀식(Q3=f(t))을 적분하여 현재 시점(t=O)에서 특정 시점(tx)까지 예상되는 예상 강우량(M)을 산출할 수 있다. 참고로 도 8은 도 2의 재해발생 예측부가 회귀식을 통해 예상 강우량을 산출하는 과정을 설명하기 위한 도면이다.8, the disaster occurrence predicting unit 260 integrates the regression equation (Q 3 = f (t)) from the current point of time (t = 0) to the future point of interest (tx) it is possible to calculate the expected rainfall amount M expected from the time point t = 0 to the specific time point tx. 8 is a diagram for explaining a process of calculating the expected rainfall amount through the regression equation of the disaster occurrence prediction unit of FIG.

재해발생 예측부(260)는 매칭 케이스(CX)의 재해발생범위정보로부터 매칭 케이스(CX)의 시뮬레이션 총강우량을 도출할 수 있다.Disaster prediction unit 260 may derive the simulation total rainfall in the matching case (C X) from the disaster area information of the matching case (C X).

이와 관련하여, 시뮬레이션 결과 도출된 재해발생범위정보는 해당 시뮬레이션의 전제가 되는 강우량 및 강우 지속 시간 그리고 이 둘을 곱한 시뮬레이션 총강우량에 관한 정보를 포함할 수 있다. 이에 따라, 재해발생범위정보 중 하나인 매칭 케이스(CX)의 재해발생범위정보에도 해당 매칭 케이스(CX)에 대한 시뮬레이션의 전제가 되는 시뮬레이션 총강우량이 포함될 수 있다.In this regard, the disaster occurrence range information derived from the simulation may include information on the total amount of rainfall of the simulation multiplied by both the rainfall amount and the rainfall duration which are the premise of the simulation. Accordingly, the disaster occurrence range information of the matching case (C X ), which is one of the disaster occurrence range information, can also include the simulation total rainfall that is the premise of the simulation for the matching case (C X ).

재해발생 예측부(260)는 현재 시점에서 회귀식을 적분한 예상 강우량(M)이 매칭 케이스(CX)의 시뮬레이션 총강우량과 동일해지는 시점(tx)을 계산하여 재해발생 예상시간으로 산출할 수 있다.The disaster occurrence predicting unit 260 can calculate the time tx at which the predicted rainfall amount M integrated with the regression equation at the present time becomes equal to the total simulation rainfall amount of the matching case C X have.

도 2를 참조하면, 전송부(270)는 재해발생 예측부(260)에서 산출된 재해발생 예상시간을 사용자 단말(100)로 전송한다.Referring to FIG. 2, the transmission unit 270 transmits the disaster occurrence expected time calculated by the disaster occurrence predicting unit 260 to the user terminal 100.

상기와 같이, 본 발명의 일 실시예에 따른 실시간 재해 발생 시간 예측 시스템(10)은 재해예측서버(200)에서 사용자 단말(100)을 통한 설정위치가 현재 시점으로부터 재해발생범위에 들어가는 재해발생 예상시간을 산출하여 실시간으로 사용자 단말(100)로 전송함으로써 사용자는 장래 발생될 재해 위험에 대해 미리 대처할 수 있다.As described above, the real-time disaster occurrence time predicting system 10 according to an embodiment of the present invention predicts that a set location through the user terminal 100 at the disaster prediction server 200 is a disaster occurrence occurrence time The time is calculated and transmitted to the user terminal 100 in real time so that the user can cope with the risk of future disasters in advance.

도 9는 본 발명의 일 실시예에 따른 실시간 재해 발생 시간 방법을 순차적으로 도시한 흐름도이다. 도 9를 참조하면, 본 실시예에 따른 실시간 재해 발생 시간 예측 방법은, 사용자 단말로부터 설정위치를 수신하는 단계(S100)와, 기상정보서버로부터 설정위치가 속하는 관심지역에 대한 현재 강우량정보를 수신하는 단계(S200)와, 관심지역의 현재 강우량정보와 관심지역의 강우모델을 기초로 관심지역의 시간 및 강우량에 대한 회귀식을 산출하는 단계(S300)와, 회귀식과 관심지역의 재해발생범위정보를 기초로 설정위치에 대한 재해발생 예상시간을 산출하는 단계(S400)과, 재해발생 예상시간을 사용자 단말로 전송하는 단계(S500)를 포함할 수 있다. 위와 같은 각 단계는 앞서 설명한 재해예측서버(200)에서 수행될 수 있으나 이에 국한되지 않는다.FIG. 9 is a flowchart sequentially illustrating a real-time disaster occurrence time method according to an embodiment of the present invention. Referring to FIG. 9, the real-time disaster occurrence time predicting method according to the present embodiment includes receiving a setting position from a user terminal (S100), receiving current rainfall information about a region of interest to which the setting position belongs from the weather information server (S300) of calculating a regression equation for the time and the rainfall of the region of interest based on the current rainfall amount information of the region of interest and the rainfall model of the region of interest (S300) (S400) of calculating a disaster occurrence expected time for the set location based on the calculated disaster occurrence time, and transmitting the disaster occurrence expected time to the user terminal (S500). Each of the above steps may be performed by the disaster prediction server 200 described above, but is not limited thereto.

이상, 본 발명의 실시예들에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.
While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, many modifications and changes may be made by those skilled in the art without departing from the spirit and scope of the invention as defined in the appended claims. The present invention can be variously modified and changed by those skilled in the art, and it is also within the scope of the present invention.

10 : 실시간 재해 발생 시간 예측 시스템
100 : 사용자 단말
200 : 재해예측서버
210 : 설정위치 수신부
220 : 강우량정보 수신부
230 : 강우모델 저장부
240 : 재해발생범위 저장부
250 : 회귀식 산출부
260 : 재해발생 예측부
270 : 전송부
300 : 기상정보서버10: Real-time disaster time prediction system
100: user terminal
200: Disaster Prediction Server
210: Setting position receiver
220: Rainfall amount information receiving section
230: Rainfall model storage unit
240: Disaster occurrence range storage unit
250: regression equation calculating section
260: Disaster occurrence prediction unit
270:
300: weather information server

Claims (6)

사용자 단말로부터 설정위치를 수신하고 상기 설정위치의 재해위험을 예측하여 상기 사용자 단말에 제공하는 재해예측서버를 포함하는 실시간 재해 발생 시간 예측 시스템으로서,
상기 재해예측서버는,
상기 사용자 단말로부터 상기 설정위치를 수신하는 설정위치 수신부;
기상정보서버로부터 상기 설정위치가 속하는 관심지역의 현재 강우량정보를 수신하는 강우량정보 수신부;
미리 결정된 지역별 강우모델을 저장하는 강우모델 저장부;
미리 계산된 지역별 강우량 및 강우 지속 시간에 따른 재해발생범위정보를 저장하는 재해발생범위 저장부;
상기 관심지역의 현재 강우량정보와 상기 관심지역의 강우모델을 기초로 상기 관심지역의 시간 및 강우량에 대한 회귀식을 산출하는 회귀식 산출부;
상기 회귀식과 상기 관심지역의 재해발생범위정보를 기초로 상기 설정위치에 대한 재해발생 예상시간을 산출하는 재해발생 예측부; 및
상기 재해발생 예상시간을 상기 사용자 단말로 전송하는 전송부를 포함하는, 실시간 재해 발생 시간 예측 시스템.And a disaster prediction server that receives a setting location from a user terminal and predicts a risk of a disaster at the setting location and provides the disaster forecasting server to the user terminal,
The disaster prediction server comprises:
A setting position receiver for receiving the setting position from the user terminal;
A rainfall information receiver for receiving current rainfall information of a region of interest to which the setting position belongs from a weather information server;
A rainfall model storage unit storing a predetermined rainfall model by region;
A disaster occurrence range storage unit for storing disaster occurrence range information according to pre-calculated local rainfall amounts and rainfall duration time;
A regression equation calculating unit for calculating a regression equation for time and rainfall of the region of interest based on the current rainfall information of the region of interest and the rainfall model of the region of interest;
A disaster occurrence predicting unit for calculating a disaster occurrence expected time for the set location based on the regression formula and the disaster occurrence range information of the area of interest; And
And a transmitter for transmitting the disaster occurrence expected time to the user terminal. 제1항에 있어서,
상기 회귀식 산출부는,
상기 관심지역의 강우모델의 좌표계를 상기 관심지역의 현재 강우량정보의 좌표계와 일치시키는 좌표 변환을 수행하여 좌표 변환 함수를 생성하고,
상기 좌표 변환 함수에 상기 관심지역의 현재 강우량정보에 포함된 시간 및 강우량에 관한 좌표값을 대입하여 상기 좌표 변환 함수에 포함된 계수를 특정하고,
상기 특정된 계수를 상기 좌표 변환 함수에 대입하여 상기 회귀식을 산출하는, 실시간 재해 발생 시간 예측 시스템.The method according to claim 1,
The regression formula calculating unit calculates,
Generating a coordinate transformation function by performing coordinate transformation to make the coordinate system of the rainfall model of the region of interest coincide with the coordinate system of the current rainfall information of the region of interest,
A coefficient included in the coordinate transformation function is specified by substituting the coordinate values related to the time and the rainfall amount included in the current rainfall amount information of the area of interest into the coordinate transformation function,
And assigning the specified coefficient to the coordinate transformation function to calculate the regression equation. 제1항에 있어서,
상기 강우모델은 월별 또는 날짜별로 구별되고,
상기 회귀식 산출부는 상기 관심지역의 강우모델에서 현재 월 또는 현재 날짜에 대응하는 강우모델을 선택하여 상기 회귀식을 산출하는, 실시간 재해 발생 시간 예측 시스템.The method according to claim 1,
The rainfall model is distinguished by month or by date,
Wherein the regression formula calculating unit selects the rainfall model corresponding to the current month or the current date in the rainfall model of the area of interest and calculates the regression equation. 제1항에 있어서,
상기 재해발생범위정보는,
해당 지역의 지하수정보와 토양종류정보와 지질종류정보와 배수처리정보를 기초로 하고, 강우량 및 강우 지속 시간을 변수로 하여 시뮬레이션한 결과로 도출되는, 실시간 재해 발생 시간 예측 시스템.The method according to claim 1,
The disaster occurrence range information may include,
Based on the groundwater information, soil type information, geological type information, and wastewater treatment information, and simulating the rainfall amount and duration of rainfall as variables. 제4항에 있어서,
상기 재해발생 예측부는,
상기 관심지역의 재해발생범위정보 중 상기 설정위치가 재해발생범위의 가장자리에 접하는 케이스를 선정하고,
상기 케이스 중 상기 관심지역의 현재 강우량과 매칭되는 매칭 케이스를 선정하고,
현재 시점에서 장래의 특정 시점까지 상기 회귀식을 적분한 예상 강우량이 상기 매칭 케이스의 시뮬레이션 총강우량과 동일해지는 상기 특정 시점을 계산하여 상기 재해발생 예상시간으로 산출하는, 실시간 재해 발생 시간 예측 시스템.5. The method of claim 4,
The disaster occurrence predicting unit predicts,
The case where the set position of the disaster occurrence range information of the area of interest is in contact with the edge of the disaster occurrence range is selected,
Selecting a matching case that matches the current rainfall of the area of interest,
Calculating the specific time point at which the predicted rainfall amount obtained by integrating the regression equation from the current point of time to a future specific point of time becomes equal to the simulation total rainfall amount of the matching case, and calculating the estimated point of time as the expected disaster occurrence time. 사용자 단말로부터 설정위치를 수신하고 상기 설정위치의 재해위험을 예측하여 상기 사용자 단말에 제공하는 재해예측서버를 포함하는 실시간 재해 발생 시간 예측 방법으로서,
상기 사용자 단말로부터 상기 설정위치를 수신하는 단계;
기상정보서버로부터 상기 설정위치가 속하는 관심지역에 대한 현재 강우량정보를 수신하는 단계;
상기 관심지역의 현재 강우량정보와 상기 관심지역의 강우모델을 기초로 상기 관심지역의 시간 및 강우량에 대한 회귀식을 산출하는 단계;
상기 회귀식과 상기 관심지역의 재해발생범위정보를 기초로 상기 설정위치에 대한 재해발생 예상시간을 산출하는 단계; 및
상기 재해발생 예상시간을 상기 사용자 단말로 전송하는 단계를 포함하는, 실시간 재해 발생 시간 예측 방법.A real-time disaster prediction method, comprising: receiving a set location from a user terminal and estimating a risk of a disaster at the set location and providing the generated disaster to the user terminal;
Receiving the set location from the user terminal;
Receiving current rainfall information on an area of interest to which the setting location belongs from a weather information server;
Calculating a regression equation for time and rainfall of the area of interest based on the current rainfall information of the area of interest and the rainfall model of the area of interest;
Calculating a disaster occurrence expected time for the set location based on the regression formula and the disaster occurrence range information of the area of interest; And
And transmitting the disaster occurrence expected time to the user terminal.
KR1020160016985A 2016-02-15 2016-02-15 System and method for predict times of disaster in real time KR101821599B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160016985A KR101821599B1 (en) 2016-02-15 2016-02-15 System and method for predict times of disaster in real time

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160016985A KR101821599B1 (en) 2016-02-15 2016-02-15 System and method for predict times of disaster in real time

Publications (2)

Publication Number Publication Date
KR20170095513A true KR20170095513A (en) 2017-08-23
KR101821599B1 KR101821599B1 (en) 2018-01-25

Family

ID=59759456

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160016985A KR101821599B1 (en) 2016-02-15 2016-02-15 System and method for predict times of disaster in real time

Country Status (1)

Country Link
KR (1) KR101821599B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116245283A (en) * 2023-03-08 2023-06-09 北京七兆科技有限公司 Method, device, equipment and storage medium for evaluating risk of secondary disasters in waste slag field
CN117872510A (en) * 2024-03-11 2024-04-12 成都润联科技开发有限公司 Meteorological data analysis method, device, equipment and medium

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3870407B2 (en) * 1999-07-19 2007-01-17 株式会社安川電機 Inflow prediction device
KR101017746B1 (en) * 2010-06-30 2011-02-28 (주) 휴스 Intelligent water management automation system
KR101379039B1 (en) * 2014-01-06 2014-03-31 (주)종성테크 Flooding forecast alarm system

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116245283A (en) * 2023-03-08 2023-06-09 北京七兆科技有限公司 Method, device, equipment and storage medium for evaluating risk of secondary disasters in waste slag field
CN116245283B (en) * 2023-03-08 2024-05-07 北京七兆科技有限公司 Method, device, equipment and storage medium for evaluating risk of secondary disasters in waste slag field
CN117872510A (en) * 2024-03-11 2024-04-12 成都润联科技开发有限公司 Meteorological data analysis method, device, equipment and medium
CN117872510B (en) * 2024-03-11 2024-05-17 成都润联科技开发有限公司 Meteorological data analysis method, device, equipment and medium

Also Published As

Publication number Publication date
KR101821599B1 (en) 2018-01-25

Similar Documents

Publication Publication Date Title
Emerton et al. Continental and global scale flood forecasting systems
Henriksen et al. Participatory early warning and monitoring systems: A Nordic framework for web-based flood risk management
Merkuryeva et al. Advanced river flood monitoring, modelling and forecasting
US10909647B2 (en) Damage data propagation in predictor of structural damage
Karjalainen et al. Circumpolar permafrost maps and geohazard indices for near-future infrastructure risk assessments
KR102168482B1 (en) Method and system for refining weather forecasts using point observations
Perera et al. Challenges and technical advances in flood early warning systems (FEWSs)
Mesta et al. Urban growth modelling and social vulnerability assessment for a hazardous Kathmandu Valley
Caseri et al. Generating precipitation ensembles for flood alert and risk management
Gires et al. Impacts of small scale rainfall variability in urban areas: a case study with 1D and 1D/2D hydrological models in a multifractal framework
KR102129881B1 (en) System for assessing expect flooding date and damage
US11004001B1 (en) Analysis of structural-damage predictions caused by an earthquake to identify areas with high damage levels
El Asri et al. Climate change projections in the Ghis-Nekkor region of Morocco and potential impact on groundwater recharge
Skoulikaris et al. Information-communication technologies as an integrated water resources management (IWRM) tool for sustainable development
Markus et al. Communicating the impacts of projected climate change on heavy rainfall using a weighted ensemble approach
WO2023159070A1 (en) Systems and methods for automatic environmental planning and decision support using artificial intelligence and data fusion techniques on distributed sensor network data
West et al. Exploring the sensitivity of coastal inundation modelling to DEM vertical error
Zhao et al. Statistical and hybrid methods implemented in a web application for predicting reservoir inflows during flood events
KR101821599B1 (en) System and method for predict times of disaster in real time
Anuchaivong et al. Statistical downscaling for rainfall forecasts using modified constructed analog method in Thailand
Wong et al. Latest developments of Hong Kong’s landslip warning system
Hirpa et al. Global flood forecasting for averting disasters worldwide
O'Grady et al. Supporting participative pre‐flood risk reduction in a UNESCO biosphere
Dasgupta et al. Connecting hydrological modelling and forecasting from global to local scales: Perspectives from an international joint virtual workshop
Selvanathan et al. A framework to develop nationwide flooding extents using climate models and assess forecast potential for flood resilience

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant