KR20200080466A - 다중 선형 회귀를 이용한 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 - Google Patents
다중 선형 회귀를 이용한 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR20200080466A KR20200080466A KR1020180169455A KR20180169455A KR20200080466A KR 20200080466 A KR20200080466 A KR 20200080466A KR 1020180169455 A KR1020180169455 A KR 1020180169455A KR 20180169455 A KR20180169455 A KR 20180169455A KR 20200080466 A KR20200080466 A KR 20200080466A
- Authority
- KR
- South Korea
- Prior art keywords
- beach
- risk
- data
- accident
- weight
- Prior art date
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004590 computer program Methods 0.000 title claims abstract description 7
- 238000012417 linear regression Methods 0.000 title abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 34
- 206010053510 Venomous sting Diseases 0.000 claims abstract description 13
- 241000242583 Scyphozoa Species 0.000 claims abstract description 11
- 238000013480 data collection Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 3
- 230000035622 drinking Effects 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 24
- 230000009182 swimming Effects 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 22
- 235000003717 Boswellia sacra Nutrition 0.000 claims description 13
- 235000012035 Boswellia serrata Nutrition 0.000 claims description 13
- 239000004863 Frankincense Substances 0.000 claims description 13
- 230000008961 swelling Effects 0.000 claims description 13
- 241000717739 Boswellia sacra Species 0.000 claims description 12
- 206010013647 Drowning Diseases 0.000 claims description 10
- 241000195493 Cryptophyta Species 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 210000003056 antler Anatomy 0.000 claims description 2
- 241000320126 Pseudomugilidae Species 0.000 claims 2
- 201000010099 disease Diseases 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 15
- 230000007613 environmental effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000005070 ripening Effects 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010835 comparative analysis Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000003287 bathing Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 229910052746 lanthanum Inorganic materials 0.000 description 2
- FZLIPJUXYLNCLC-UHFFFAOYSA-N lanthanum atom Chemical compound [La] FZLIPJUXYLNCLC-UHFFFAOYSA-N 0.000 description 2
- 240000007551 Boswellia serrata Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
해수욕장 위험도 평가 시스템은, 공공데이터 서버로부터 대상 해수욕장의 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및 안전표지판 수 중 하나 이상을 포함하는 기본데이터를 수신하도록 구성된 데이터 수집부; 상기 기본데이터에 기초하여, 파고, 너울성 파랑, 조류, 조석, 이안류, 해파리 쏘임, 안전요원 비율 및 안전표지판 비율 중 하나 이상을 포함하는 가공데이터를 생성하도록 구성된 데이터 가공부; 대상자의 연령, 성별, 음주 여부, 수영 능력 및 병력 중 하나 이상을 포함하는 인적데이터를 입력받도록 구성된 데이터 입력부; 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터 중 하나 이상에 미리 설정된 범주를 적용하여 지수로 변환하도록 구성된 지수화부; 및 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터로부터 사고별 위험 요소를 추출하고, 상기 사고별 위험 요소에 상응하는 지수에 미리 설정된 가중치를 적용한 값과 상기 대상 해수욕장의 해수욕장 가중치를 이용하여 상기 대상 해수욕장의 위험도를 산출하도록 구성된 평가부를 포함한다.
Description
실시예들은 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램에 관한 것이다. 보다 상세하게는, 실시예들은 풍속, 수온, 조위, 이안류 등과 같은 자연 환경에서부터 개인부주의, 음주, 고령, 장비 미착용 등과 같은 인문환경에 이르는 다양한 위험 요소들을 다중 선형 회귀를 적용하여 분석하여 각 위험요소별 가중치를 산정하고 이를 통해 해수욕장 위험도를 평가하는 기술에 대한 것이다.
해마다 많은 관광객들이 해수욕장을 방문하고 있으며, 해수욕장을 방문하는 관광객들의 수는 해가 갈수록 점차 증가하고 있다. 그런데, 이와 더불어 해수욕장과 관련된 안전사고 또한 빈번하게 발생되고 있다. 해수욕장에서 일어나는 사고의 원인들은 일반적으로 개인부주의, 음주, 높은 파도 등이 있다. 하지만 단순히 한 가지 요소로 인해서 사고가 발생한다기 보다는 이러한 요소와 더불어 수온, 이안류 등 다양한 위험 요소들이 복합적으로 작용하여 사고가 발생한다고 볼 수 있다.
이처럼 다양한 요소를 통해 안전사고가 발생하지만, 현재까지 이에 대한 명확한 정의가 존재하지 않고 관련 통계 정보도 정확하게 이루어지지 않고 있다.
특히, 해수욕장에서의 위험 관리에 관련된 종래의 기술은, 센서 데이터를 기반으로 각 조난자의 개인 차원에서 위험을 탐지하는 정도에 그치고 있다. 예컨대, 등록특허공보 제10-1709751호는 촬영 영상에서 입수자들을 검출하여 해변의 입수자에 대한 위험을 감지하는 자동 위험 감지 시스템을 개시한다.
그러나, 이와 같은 종래 기술은 위험 상황의 발생을 영상 정보 등으로부터 탐지하는 것이므로 이미 위험 상황이 발생된 후에야 이에 대한 대응이 가능한 한계가 있고, 해수욕장에 상존하는 위험 요소들을 체계적으로 분석하고 관리하여 사고를 사전에 차단하거나 대응할 수 있도록 하는 기술은 현재까지 전무한 실정이다.
본 발명의 일 측면에 따르면, 풍속, 수온, 조위, 이안류 등과 같은 자연 환경에서부터 개인부주의, 음주, 고령, 장비 미착용 등과 같은 인문환경에 이르는 다양한 위험 요소들을 다중 선형 회귀를 적용하여 분석하여 각 위험요소별 가중치를 산정하고 이를 통해 해수욕장 위험도를 평가할 수 있는 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램을 제공할 수 있다.
일 실시예에 따른 해수욕장 위험도 평가 시스템은, 공공데이터 서버로부터 대상 해수욕장의 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및 안전표지판 수 중 하나 이상을 포함하는 기본데이터를 수신하도록 구성된 데이터 수집부; 상기 기본데이터에 기초하여, 파고, 너울성 파랑, 조류, 조석, 이안류, 해파리 쏘임, 안전요원 비율 및 안전표지판 비율 중 하나 이상을 포함하는 가공데이터를 생성하도록 구성된 데이터 가공부; 대상자의 연령, 성별, 음주 여부, 수영 능력 및 병력 중 하나 이상을 포함하는 인적데이터를 입력받도록 구성된 데이터 입력부; 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터 중 하나 이상에 미리 설정된 범주를 적용하여 지수로 변환하도록 구성된 지수화부; 및 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터로부터 사고별 위험 요소를 추출하고, 상기 사고별 위험 요소에 상응하는 지수에 미리 설정된 가중치를 적용한 값과 상기 대상 해수욕장의 해수욕장 가중치를 이용하여 상기 대상 해수욕장의 위험도를 산출하도록 구성된 평가부를 포함한다.
일 실시예에서, 상기 평가부는, 표류(漂流) 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 표류 위험도를 산출하도록 구성된 표류 위험도 산출부; 익수(溺水) 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 익수 위험도를 산출하도록 구성된 익수 위험도 산출부; 및 상기 대상 해수욕장의 안전 정보를 이용하여 상기 해수욕장 가중치를 산출하도록 구성된 지역 가중치 산출부를 포함한다. 이때, 상기 대상 해수욕장의 위험도는 상기 표류 위험도, 상기 익수 위험도 및 상기 해수욕장 가중치의 합일 수 있다.
일 실시예에서, 상기 표류 사고에 상응하는 상기 중요 지수는 파고, 너울성 파랑, 이안류, 음주 여부 및 수영 능력을 포함한다. 또한, 상기 익수 사고에 상응하는 상기 중요 지수는 수심, 파고, 너울성 파랑, 이안류, 음주 여부 및 수영 능력을 포함한다.
일 실시예에 따른 해수욕장 위험도 평가 시스템은, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류에 대한 계층 분석에 의해 상기 사고별 위험 요소 및 상기 사고별 위험 요소 각각에 상응하는 사고별 가중치를 결정하도록 구성된 모델링부를 더 포함한다.
일 실시예에서, 상기 모델링부는, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류를 환경별로 구분하여 환경별 상대 가중치를 결정하도록 구성된 환경별 분석부; 및 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류 중 동일 환경에 속하는 요소들 사이의 상대 가중치를 결정하도록 구성된 요소별 분석부를 포함한다.
일 실시예에 따른 해수욕장 위험도 평가 방법은, 해수욕장 위험도 평가 시스템이 공공데이터 서버로부터, 대상 해수욕장의 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및 안전표지판 수 중 하나 이상을 포함하는 기본데이터를 수신하는 단계; 상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터에 기초하여, 파고, 너울성 파랑, 조류, 조석, 이안류, 해파리 쏘임, 안전요원 비율 및 안전표지판 비율 중 하나 이상을 포함하는 가공데이터를 생성하는 단계; 상기 해수욕장 위험도 평가 시스템이 대상자의 연령, 성별, 음주 여부, 수영 능력 및 병력 중 하나 이상을 포함하는 인적데이터를 입력받는 단계; 상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터 중 하나 이상에 미리 설정된 범주를 적용하여 지수로 변환하는 단계; 및 상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터로부터 사고별 위험 요소를 추출하고, 상기 사고별 위험 요소에 상응하는 지수에 미리 설정된 가중치를 적용한 값과 상기 대상 해수욕장의 해수욕장 가중치를 이용하여 상기 대상 해수욕장의 위험도를 산출하는 단계를 포함한다.
일 실시예에서, 상기 대상 해수욕장의 위험도를 산출하는 단계는, 상기 해수욕장 위험도 평가 시스템이, 표류 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 표류 위험도를 산출하는 단계; 상기 해수욕장 위험도 평가 시스템이, 익수 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 익수 위험도를 산출하는 단계; 상기 해수욕장 위험도 평가 시스템이, 상기 대상 해수욕장의 안전 정보를 이용하여 상기 해수욕장 가중치를 산출하는 단계; 및 상기 해수욕장 위험도 평가 시스템이, 상기 표류 위험도, 상기 익수 위험도 및 상기 해수욕장 가중치를 합산하는 단계를 포함한다.
일 실시예에 따른 해수욕장 위험도 평가 방법은, 상기 대상 해수욕장의 위험도를 산출하는 단계 전에, 상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류에 대한 계층 분석에 의해 상기 사고별 위험 요소 및 상기 사고별 위험 요소 각각에 상응하는 사고별 가중치를 결정하는 단계를 더 포함한다.
일 실시예에서, 상기 사고별 위험 요소 각각에 상응하는 사고별 가중치를 결정하는 단계는, 상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류를 환경별로 구분하여 환경별 상대 가중치를 결정하는 단계; 및 상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류 중 동일 환경에 속하는 요소들 사이의 상대 가중치를 결정하는 단계를 포함한다.
일 실시예에 따른 컴퓨터 프로그램은 하드웨어와 결합되어 전술한 실시예들에 따른 해수욕장 위험도 평가 방법을 실행하기 위한 것으로서 컴퓨터로 판독 가능한 매체에 저장된 것일 수 있다.
본 발명의 일 측면에 따른 해수욕장 위험도 평가 시스템 및 방법에 의하면, 해수욕장의 위험 요소에 관련된 설문조사, 전문가 인터뷰 등을 통해 도출된 위험 요소와 사고에 대한 정의로부터 각 위험 요소와 표류(漂流) 및 익수(溺水) 사건에 대한 관계를 파악하여 표류 및 익수 사고에 영향을 미치는 위험 요소들을 분류하고 위험 요소들 간의 상대적 중요도를 분석하여 해수욕장 위험도 평가를 위한 모델을 수립할 수 있다.
또한, 본 발명의 일 측면에 따른 해수욕장 위험도 평가 시스템 및 방법에 의하면, 수립된 위험도 평가 모델과 대상 해수욕장에 대하여 수집된 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및 안전표지판 수 등 공공데이터로부터 대상 해수욕장의 위험도를 시간에 따른 지수 형태로 도출하고, 이를 통하여 사고가 발생하기 쉬운 해수욕장과 시기를 파악하여 사전에 차단하거나 대응할 수 있다.
도 1은 일 실시예에 따른 해수욕장 위험도 평가 시스템의 개략적인 블록도이다.
도 2는 일 실시예에 따른 해수욕장 위험도 평가 시스템에 의한 평가 과정의 흐름도이다.
도 3a는 일 실시예에 따른 해수욕장 위험도 평가 방법에서 위험도 평가 모델을 정의하는 과정의 순서도이다.
도 3b는 일 실시예에 따른 해수욕장 위험도 평가 방법에서 대상 해수욕장 및 대상자의 위험도를 산출하는 과정의 순서도이다.
도 4는 일 실시예에 따른 해수욕장 위험도 평가 방법에 의한 평가 결과를 나타내는 그래프이다.
도 2는 일 실시예에 따른 해수욕장 위험도 평가 시스템에 의한 평가 과정의 흐름도이다.
도 3a는 일 실시예에 따른 해수욕장 위험도 평가 방법에서 위험도 평가 모델을 정의하는 과정의 순서도이다.
도 3b는 일 실시예에 따른 해수욕장 위험도 평가 방법에서 대상 해수욕장 및 대상자의 위험도를 산출하는 과정의 순서도이다.
도 4는 일 실시예에 따른 해수욕장 위험도 평가 방법에 의한 평가 결과를 나타내는 그래프이다.
이하에서, 도면을 참조하여 본 발명의 실시예들에 대하여 상세히 살펴본다.
도 1은 일 실시예에 따른 해수욕장 위험도 평가 시스템의 개략적인 블록도이다.
도 1을 참조하면, 본 실시예에 따른 해수욕장 위험도 평가 시스템(2)은 외부의 공공데이터 서버(3) 및/또는 사용자의 사용자 장치(1)와 통신하도록 구성된다. 해수욕장 위험도 평가 시스템(2)과 공공데이터 서버(3) 및/또는 사용자의 사용자 장치(1) 사이의 통신 방법은 유선 및/또는 무선 네트워크를 통하여 객체와 객체가 네트워킹 할 수 있는 모든 통신 방법을 포함할 수 있으며, 유선 통신, 무선 통신, 3G, 4G, 혹은 그 이외의 방법으로 제한되지 않는다.
예를 들어, 해수욕장 위험도 평가 시스템(2)과 공공데이터 서버(3) 또는 사용자 장치(1) 사이의 유선 및/또는 무선 네트워크는 LAN(Local Area Network), MAN(Metropolitan Area Network), GSM(Global System for Mobile Network), EDGE(Enhanced Data GSM Environment), HSDPA(High Speed Downlink Packet Access), W-CDMA(Wideband Code Division Multiple Access), CDMA(Code Division Multiple Access), TDMA(Time Division Multiple Access), 블루투스(Bluetooth), 지그비(Zigbee), 와이-파이(Wi-Fi), VoIP(Voice over Internet Protocol), LTE Advanced, IEEE802.16m, WirelessMAN-Advanced, HSPA+, 3GPP Long Term Evolution (LTE), Mobile WiMAX (IEEE 802.16e), UMB (formerly EV-DO Rev. C), Flash-OFDM, iBurst and MBWA (IEEE 802.20) systems, HIPERMAN, Beam-Division Multiple Access (BDMA), Wi-MAX(World Interoperability for Microwave Access) 및 초음파 활용 통신으로 이루어진 군으로부터 선택되는 하나 이상의 통신 방법에 의한 통신 네트워크를 지칭할 수 있으나, 이에 한정되는 것은 아니다.
공공데이터 서버(3)는 여러 해수욕장의 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및 안전표지판 수 등과 같은 데이터를 제공하는 공공기관의 서버이다. 예를 들어, 공공데이터 서버(3)는 해양수산부 서버일 수 있다. 실시예들에 따른 해수욕장 위험도 평가 시스템(2)은 공공데이터 서버(3)가 제공하는 데이터를 기본데이터로 이용하여 이를 기반으로 해수욕장에 관련된 위험 요소들을 지수화할 수 있다.
또한 일 실시예에서, 공공데이터 서버(3)는 해수욕장의 인명구조 장비함, 수상인명 구조대 및 안전요원 망루의 개수와 같은 안전 정보를 더 제공할 수도 있다.
사용자 장치(1)는 해수욕장 위험도 평가 시스템(2)을 이용하여 모델링 및/또는 특정 해수욕장에 대한 위험도 평가를 수행하는 사용자가 사용하는 장치이다. 사용자는 사용자 장치(1)를 통하여 해수욕장 위험도 평가 시스템(2)에 위험도 평가를 위해 필요한 인적데이터 등 필요 정보를 입력하거나, 또는 위험도 모델의 생성에 필요한 설문 등 사용자 입력을 입력하거나, 또는 해수욕장 위험도 평가 시스템(2)이 제공하는 위험도 평가 결과를 수신할 수 있다.
그러나, 다른 실시예에서는 해수욕장 위험도 평가 시스템(2) 자체가 사용자가 사용하는 컴퓨팅 장치의 형태로 구현될 수 있으며, 이 경우 사용자 장치(1)는 생략될 수 있다. 한편, 도 1에서 사용자 장치(1)는 노트북 컴퓨터의 형태로 도시되었다. 그러나, 이는 예시적인 것으로서, 사용자 장치(1)는 스마트폰(smartphone) 등 이동 통신 단말기, 개인용 컴퓨터(personal computer), PDA(personal digital assistant), 태블릿(tablet), IPTV(Internet Protocol Television) 등을 위한 셋톱박스(set-top box) 등 임의의 컴퓨팅 장치의 형태로 구현될 수도 있다.
일 실시예에서, 해수욕장 위험도 평가 시스템(2)은 데이터 수집부(21), 데이터 가공부(22), 데이터 입력부(23), 지수화부(24) 및 평가부(25)를 포함한다. 또한 일 실시예에서, 해수욕장 위험도 평가 시스템(2)은 모델링부(20)를 더 포함한다.
실시예들에 따른 해수욕장 위험도 평가 시스템(2)과 이에 포함된 각 부(unit)는, 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 해수욕장 위험도 평가 시스템(2)과 이에 포함된 각 모듈 또는 부는 특정 형식 및 내용의 데이터를 처리하거나 또는/또한 전자통신 방식으로 주고받기 위한 하드웨어 및 이에 관련된 소프트웨어를 통칭할 수 있다. 본 명세서에서 "부", "모듈(module)", "장치", "단말기", "서버" 또는 "시스템" 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭하는 것으로 의도된다. 예를 들어, 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.
또한, 해수욕장 위험도 평가 시스템(2)을 구성하는 각각의 요소는 반드시 서로 물리적으로 구분되는 별개의 장치를 지칭하는 것으로 의도되지 않는다. 즉, 도 1의 모델링부(20), 데이터 수집부(21), 데이터 가공부(22), 데이터 입력부(23), 지수화부(24) 및 평가부(25) 등은 해수욕장 위험도 평가 시스템(2)을 구성하는 하드웨어를 해당 하드웨어에 의해 수행되는 동작에 따라 기능적으로 구분한 것일 뿐, 반드시 각각의 부가 서로 독립적으로 구비되어야 하는 것이 아니다. 물론, 실시예에 따라서는 모델링부(20), 데이터 수집부(21), 데이터 가공부(22), 데이터 입력부(23), 지수화부(24) 및 평가부(25) 중 하나 이상이 서로 물리적으로 구분되는 별개의 장치로 구현되는 것도 가능하다.
도 2는 일 실시예에 따른 해수욕장 위험도 평가 시스템에 의한 평가 과정의 흐름도이다.
도 1 및 도 2를 참조하면, 해수욕장 위험도 평가 시스템(2)의 데이터 수집부(21)는 공공데이터 서버(3)로부터 기후 환경, 바다 환경 및 인적 환경에 대한 공공데이터를 기본데이터로 수신할 수 있다. 기후 환경에 대한 데이터는 예컨대 날씨, 기온 등을 포함하며, 바다 환경에 대한 데이터는 예컨대 수온, 파도 높이 등을 포함하고, 인적 환경에 대한 데이터는 예컨대 안전 시설이나 요원의 수 등을 포함할 수 있다.
해수욕장 위험도 평가 시스템(2)의 데이터 가공부(22)는 기본데이터에 대한 데이터 클리닝(data cleaning) 및 정규화(normalization) 등을 수행할 수 있다. 또한, 데이터 가공부(22)는 기본데이터를 바탕으로 해수욕장의 자연 환경 및/또는 인적 환경에 대한 가공데이터를 생성할 수 있다. 예컨대, 가공데이터는 파고, 너울성 파랑, 조류, 조석, 이안류, 해파리 쏘임, 안전요원 비율 및 안전표지판 비율 등일 수 있다.
기본데이터 및 공공데이터는 지수화부(24)에 의하여 사전에 설정된 범주를 기반으로 지수화될 수 있다. 또한, 이때 사용자 장치(1)를 이용하여 데이터 입력부(23)에 입력된 인적데이터에 대해서도 지수화가 수행될 수 있다. 구체적인 지수화 과정에 대해서는 상세히 후술한다.
해수욕장 위험도 평가 시스템(2)의 모델링부(20)는, 기본데이터, 가공데이터 및/또는 인적데이터를 기반으로 정의될 수 있는 이벤트(event) 규칙을 결정할 수 있으며, 또한 이를 토대로 해수욕장의 위험도 평가를 위한 지표가 되는 위험과 이의 평가 방법 및 안전범위 등을 정의할 수 있다. 또한 생성된 위험도 평가 모델은 모델링부(20)의 데이터베이스(database; DB)(200)에 저장될 수도 있다.
예컨대, 위험은 해수욕장의 표류(漂流, drifting) 및 익수(溺水, drowning) 사고에 의해 정의될 수 있다. 표류는 해수욕 중 이안류 등이 발생하여 해안선에서 멀리 떠밀려 수면 위에 맨몸이나 튜브 등에 의지하여 떠 있는 상태로 구조를 받아야 하는 위급한 상황을 의미하며, 익수는 자연 환경 또는 개인의 신체적 이상 등으로 해수욕 중 물에 빠져 구조를 받아야 하는 위급한 상황을 의미한다.
평가부(25)는, 모델링부(20)에 의하여 정립된 위험도 평가 모델을 기반으로 하여 대상 해수욕장 및 대상자에 대한 위험도를 결정한다. 이때 대상 해수욕장이란 반드시 특정한 하나의 지점 또는 하나의 사람을 지칭하는 것이 아닐 수도 있다. 예컨대, 특정 지역범위 내의 다수의 해수욕장 전체에 대해 위험도를 평가하거나, 또는 대상자의 연령, 성별, 병력 등을 다양하게 설정하여 어떠한 특성을 가지는 대상자들이 어떤 위험도를 가지는지를 사전에 분석하는 것도 본 발명의 실시예들에서 지칭하는 대상 해수욕장 및 대상자에 대한 평가에 포함된다.
구체적으로, 평가부(25)는 기본데이터, 가공데이터 및 인적데이터에 상응하는 지수를 기반으로 익수 위험도, 표류 위험도 및 대상 해수욕장의 가중치를 산출하고, 이를 합산하여 해수욕장의 위험도를 산출할 수 있다. 또한, 본 명세서에 기재된 것 외에 다른 추가적인 위험 요소에 관련된 지수가 더 사용될 수도 있다.
도 3a는 일 실시예에 따른 해수욕장 위험도 평가 방법에서 위험도 평가 모델을 정의하는 과정의 순서도이다. 실시예들에 따른 해수욕장 위험도 평가 방법은 본 발명의 실시예들에 따른 해수욕장 위험도 평가 시스템을 이용하여 수행될 수 있다.
도 1 및 도 3a를 참조하면, 모델링부(20)는 먼저 위험도 평가를 위한 사고의 유형을 정의할 수 있다(S1). 예컨대, 익수는 자연 환경 또는 개인의 신체적 이상 등으로 해수욕 중 물에 빠져 구조를 받아야 하는 위급한 상황으로 정의될 수 있다. 또한, 표류는 해수욕 중 이안류 등이 발생하여 해안선에서 멀리 떠밀려 수면 위에 맨몸이나 튜브 등에 의지하여 떠 있는 상태로 구조를 받아야 하는 위급한 상황으로 정의될 수 있다.
다음으로, 모델링부(20)는 사용자 입력을 통해 사고별 위험 요소를 분류할 수 있다(S2). 이상의 동작은 모델링부(20)의 입력부(201)가 설문조사, 전문가 인터뷰 등을 통해 얻어진 사업자 입력을 입력받아 수행될 수 있다.
예를 들면, 본 발명자들은 정량적인 위험 요소를 도출하기 위해 먼저 자체적으로 해수욕장 안전사고 원인을 분석하고 해수욕장 안전관리를 담당하는 현장 실무자, 연구자와의 논의를 통해 각 사고별 영향을 미치는 위험 요소를 정의하였다. 또한, 본 발명자들은 해수욕장의 관리청에 속한 행정기관에 근무하는 해수욕장 안전관리 담당자(부산, 전남, 충남 및 제주 등)들을 대상으로 설문조사를 실시하였다. 이러한 설문조사 결과는 사용자 입력으로서 입력부(201)에 입력될 수 있다.
본 발명자들은, 이러한 설문조사를 통해 아래의 표 1과 같이 총 14개의 위험요소(수심, 파고, 너울성 파랑, 수온, 조류, 조석, 이안류, 풍향 및 풍속, 해파리 쏘임, 연령, 성별, 음주 여부, 수영 능력, 병력)를 발굴하였다.
| 위험 요소 | 익수 | 표류 |
| 점수 평균값 | 점수 평균값 | |
| 수심 | 4.15 | 3.79 |
| 파고 | 4.30 | 4.18 |
| 너울성 파랑 | 4.30 | 4.25 |
| 수온 | 3.16 | 2.96 |
| 조류 | 3.58 | 3.73 |
| 조석 | 3.42 | 3.45 |
| 이안류 | 4.19 | 4.25 |
| 풍향 및 풍속 | 3.70 | 3.97 |
| 해파리쏘임 | 3.11 | 3.84 |
| 연령 | 3.46 | 3.24 |
| 성별 | 2.87 | 2.99 |
| 음주 | 4.39 | 4.10 |
| 수영미숙 | 4.39 | 4.24 |
| 병력(고혈압, 당뇨병 등) | 3.66 | 3.18 |
또한 본 발명자들은, 사용자 입력에 해당하는 설문조사 점수를 통하여 익수 및 표류 사고 각각에 영향을 미치는 주요 위험 요소를 식별하였다. 예를 들어, 익수 사고에 영향을 미치는 주요 위험 요소들은 점수 평균값이 높은 순서로 음주, 수영 능력(수영미숙 여부), 파고, 너울성 파랑, 이안류, 수이고, 표류 사고에 영향을 미치는 주요 위험 요소들은 점수 평균값이 높은 순서로 파고, 너울성 파랑, 이안류, 음주, 수영 능력(수영미숙 여부) 등이다.
그러나, 실시예에 따라서는 표류 및 익수 사고 각각에 대하여 영향을 미치는 주요 위험 요소를 분류하는 방법이나 분류된 주요 위험 요소를 본 명세서에 기재된 것과 상이하게 하여 위험도 평가 모델을 구성할 수도 있다.
다음으로, 환경별 분석부(202)는 분류된 위험 요소에 대하여 환경 분류별 상대적 중요도 분석을 수행할 수 있다(S3). 일 실시예에서, 위험 요소들은 환경 분류에 따라 자연 환경, 지리적 환경, 시설·장비·인력 환경 및/또는 개인적 환경으로 분류될 수 있다. 또한 일 실시예에서, 위험 요소들의 환경 분류에 따른 상대적 중요도는 계층분석법(Analytic Hierarchy Process; AHP)을 이용하여 평가될 수 있다.
AHP는 의사결정의 목표 또는 평가기준이 다수이며 복합적인 경우, 이를 계층(hierarchy)화하여 주요 요인과 그 주요 요인을 이루는 세부 요인들로 분해하고, 쌍대 비교(pairwise comparison)를 통해 각 요인의 상대적 중요도를 산출하는 분석 방법이다. 예컨대, AHP에서 각 요인의 상대적 중요도는 가중치(weight)의 비율척도(ratio scale) 형태로 도출될 수 있다. AHP 기법에 대해서는 본 발명의 기술분야에서 잘 알려져 있으므로, 발명의 요지를 명확하게 하기 위하여 본 명세서에서는 구체적인 계층분석 과정에 대한 설명은 생략한다.
하기 표 2는 위험 요소들을 자연 환경, 지리적 환경, 시설·장비·인력 환경 및 개인적 환경의 4가지 상위 수준으로 구분하여 1차 평가를 수행한 결과를 나타낸다.
| 상위 수준 | 자연 환경 | 지리적 환경 | 시설·장비·인력 | 개인적 환경 |
| 상대적 중요도 | 0.367 | 0.167 | 0.259 | 0.207 |
| 순위 | 1 | 4 | 2 | 3 |
그러나 이는 예시적인 것으로서, 다른 실시예에서 위험 요소들은 다른 상이한 분류법 및/또는 다른 상이한 상대적 중요도 분석법에 의하여 중요도가 결정될 수도 있다.
일 실시예에서, 요소별 분석부(203)는 환경 분류별 위험 요소에 대하여, 각 환경 분류 내에서 요소별 상대적 중요도 분석을 수행할 수 있다(S4). 이는 표 2를 참조하여 전술한 상위 수준 분석에 대한 하위 수준 분석에 해당하는 것으로서, 각 환경 분류에 포함된 위험 요인들 사이의 상대적인 중요도를 결정하는 과정을 지칭한다. 상위 수준 분석과 마찬가지로, 하위 수준 분석에도 AHP 기법이 이용될 수 있다.
하기 표 3은 표 1에 도시된 각 위험 요소에 대하여 해당 위험 요소가 속하는 환경 분류 내에서 상대적 중요도 분석을 수행한 결과를 나타낸다.
| 상위 수준 | 하위 수준 | 상대적 중요도 | 순위 |
| 자연환경 | 이안류 | 0.140 | 4 |
| 수심 | 0.156 | 2 | |
| 수온 | 0.066 | 8 | |
| 파고 | 0.193 | 1 | |
| 너울성 파랑 | 0.152 | 3 | |
| 조류, 조석 | 0.111 | 6 | |
| 풍향, 풍속 | 0.113 | 5 | |
| 해파리쏘임 | 0.069 | 7 | |
| 지리적 환경 | 해변의 길이 | 0.295 | 3 |
| 방문객수 | 0.326 | 2 | |
| 접근성 | 0.379 | 1 | |
| 시설·장비·인력 | 인명구조 시설 및 장비 | 0.339 | 2 |
| 인명구조 전문인력 | 0.461 | 1 | |
| 대여용품 관리체계 | 0.200 | 3 | |
| 개인적 환경 | 연령 | 0.200 | 3 |
| 성별 | 0.127 | 4 | |
| 음주여부 | 0.435 | 1 | |
| 병력 | 0.237 | 2 |
상기 표 2 및 표 3에 도시된 것과 같이, 자연 환경 요소들이 안전 사고에 가장 많은 영향을 미치는 것으로 확인되었으나, 시설·장비·인력 및 개인적 환경도 무시 할 수 없는 영향을 미치는 것을 확인할 수 있다. 이를 통해, 안전 사고는 특정 요소 하나로 인해 일어나는 것이 아니라 다양한 요소가 복합적으로 작용하여 발생하는 것임을 알 수 있다.
다음으로, 모델링부(20)는 전술한 과정에 의해 결정된 상대적 중요도를 기반으로 위험 요소별 가중치를 정의할 수 있다(S5). 예를 들어, 일 실시예에서 위험 요소별 가중치는 표 2에 도시된 환경 분류에서 해당 위험 요소가 어느 환경에 속하는지를 기반으로 하여, 해당 환경의 상대적 중요도의 수치에 따라 결정될 수 있다.
예를 들어, 해당 위험 요소가 속하는 환경에 따라 자연 환경은 1.4, 시설·장비·인력 환경은 1.3, 개인적 환경은 1.2, 및 지리적 환경은 1.1의 가중치를 부여할 수 있고, 이때 가중치 선정 기준은 표 2의 상위 수준의 중요도 분석 순위를 기반으로 높은 순위에 해당하는 환경이 높은 가중치를 부여받도록 선정할 수 있다. 예를 들어, 수심, 파고, 너울성 파랑, 이안류, 음주 여부 및 수영 능력의 위험 요소 각각에 전술한 기준에 따라 가중치를 부여한 결과는 아래의 표 4와 같다.
| 안전사고 | 위험 요인 | 상위 단계 | 가중치 |
| 익수 | 수심, 파고, 너울성 파랑, 이안류 | 자연 환경 | 1.4 |
| 음주여부, 수영미숙 | 개인적 환경 | 1.2 | |
| 표류 | 파고, 너울성 파랑, 이안류 | 자연 환경 | 1.4 |
| 음주여부, 수영미숙 | 개인적 환경 | 1.2 |
표 4의 예에서는 표 2에 도시된 상위 수준의 분석 결과만을 이용하여 위험 요소가 속하는 환경이 차지하는 상대적 중요도에 따라 각 위험 요소의 가중치를 결정하였다. 즉, 표 2에서 상대적 중요도가 높은 환경에 속하는 위험 요소들일수록 높은 가중치가 부여된다.
다른 실시예에서는, 표 4의 가중치 결정 방식에 더하여, 표 3에 도시된 하위 수준의 분석 결과를 더 반영하여 동일 환경에 속하는 위험 요소 중에서도 각 위험 요소가 차지하는 상대적 중요도에 따라 각 위험 요소의 가중치를 상이하게 할 수 있다. 예를 들면, 자연 환경의 가중치는 1.4로 결정되었는데, 자연 환경에 속하는 위험 요소들 중 파고, 수심 및 너울성 파랑이 기재된 순서대로 상대적 중요도 1위, 2위, 3위에 해당한다.
이때, 표 4와 같이 자연 환경에 속하는 위험 요소에 동일한 가중치 1.4를 부여하는 대신, 환경 가중치 1.4에 더하여 환경 내에서 위험 요소별 가중치를 부여할 수 있다. 예를 들면, 환경 가중치 사이의 편차가 0.1인 경우, 자연 환경에 속하는 위험 요소 중 중요도가 가장 높은 파고에는 요소별 가중치 0.09를 부여하여, 파고의 최종 가중치는 환경 가중치와 요소별 가중치를 합산한 1.49가 될 수 있다. 동일한 방식으로, 수심의 요소별 가중치가 0.08이라면, 수심의 최종 가중치는 1.48이 될 수 있다. 이와 같은 방식으로, 위험 요소를 환경으로 분류하여 가중치를 결정하는 것에서 나아가 각 요소별 가중치를 더 반영할 수 있다.
한편, 전술한 가중치 수치는 단지 예시적인 것으로서, 각 환경별 및 각 요소별 가중치의 수치나 중요도가 상이한 환경 및 요소에 부여된 가중치 차이의 편차는 실시예에 따라 적절히 설정될 수 있다. 또한, 가중치는 사고의 유형별로 상이할 수 있다. 즉, 동일한 위험 요소라도 표류 위험도 산출 시와 익수 위험도 산출 시 해당 위험 요소의 가중치가 상이할 수 있다.
또한, 모델링부(20)는 해수욕장의 지역별 가중치를 정의할 수 있다(S6). 해수욕장 가중치는 해수욕장의 세부 시설 환경이나 세부 지역적 환경에 대해 제공되는 안전 정보를 기반으로 해수욕장을 분류하고 그 위험도를 반영하기 위한 것이다. 예를 들어, 해수욕장 가중치는 해당 해수욕장의 해변 유형과, 해당 해수욕장의 인명구조 장비함, 수상인명 구조대 및 안전요원 망루의 유무 및/또는 수를 이용하여 선정될 수 있다.
하기 표 5는 해수욕장 가중치 선정을 위해 해변 유형을 분류하기 위한 등급표의 일 예를 나타내며, 유형 A 내지 C는 동해, 유형 D 내지 F는 남해, 유형 G 내지 I는 서해의 해변 유형 분류를 위한 것이다. 그러나, 해변 유형을 분류하는 방식에 하기 표 5의 내용으로 한정되는 것은 아니다.
| 유형 | 해변 정의 | 특징 | 시설 존재 유무 | 이안류 | ||
| 없음 | 1~2개 | 3개 | ||||
| A | 이안류 및 해류 | 1) 평균 파도 높이 1.5-2.5m 이상 2) 큰 높이의 해양 언덕 존재 |
10 | 9 | 8 | 10 |
| B | 연안 사주 | 1) 평균 파도 높이 1.5~0.5m 2) 동해안 지역에서 발생 (서·남 해안에서 발생하지 않음) |
8 | 7 | 6 | 8 |
| C | 계단식 | 1) 평균 파도 높이 0.5m 미만 2) 해변 경사면이 가파름 |
6 | 3 | 2 | 6 |
| D | 낮은 역조 | 1) 평균 파도 높이 2.0~1.0m 2) 가장 낮은 조위[썰물]와 가장 높은 조위[밀물]의 차이가 평균 3배 차이 3) 해변에 균일한 해양 언덕 존재 |
9 | 8 | 7 | 9 |
| E | 여러 개의 모래사장을 따라 생긴 형태 | 1) 평균 파도 높이 평균 1.0~0.5m2) 조위 평균 2.0 ~ 5.0m 3) 여러 개 해양 언덕 존재 |
7 | 5 | 4 | 7 |
| F | 조수 및 계단식 | 1) 평균 파도 높이 1.0m 미만 2) 조수 간만의 차로 발생한 해안의 차가 100m 이내 |
5 | 3 | 2 | 5 |
| G | 모래 사장을 따라 생긴 형태 | 1) 자갈로 이루어진 해변 2) 평균 해변 길이 400 ~ 500m 3) 평균 파도 높이 1.0m 4) 평균 조위 5.0m 5) 해변 기울기가 가파른 경사에서 급격히 낮아지는 경사로 존재 |
5 | 4 | 3 | 5 |
| H | 모래 평면 | 1) 평균 파도 높이 0.5m 미만 2) 해양 언덕 존재하지 않음 (특징이 없는 일반적인 해변) |
3 | 3 | 2 | 3 |
| I | 모래 및 진흙 | 1) 갯벌(진흙)이 존재하는 해변 2) 강과 이어진 해변 3) 평균 파도 높이 0.5m 미만 |
4 | 3 | 2 | 4 |
이상과 같이 사용자 입력을 기반으로 각 사고별 위험 요소를 도출하고 도출된 각 위험 요소에 대한 계층 분석에 의해 위험 요소 각각에 상응하는 가중치를 결정하며, 해수욕장 가중치를 정의하는 것에 의하여, 해수욕장 위험도 평가를 위한 모델이 정의될 수 있다. 또한 정의된 평가 모델은 모델링부(20)의 데이터베이스(200)에 저장될 수도 있다.
다음으로, 도 3b는 일 실시예에 따른 해수욕장 위험도 평가 방법에서 대상 해수욕장 및 대상자의 위험도를 산출하는 과정의 순서도이다.
도 1 및 도 3b를 참조하면, 해수욕장 위험도 평가 시스템(2)의 데이터 수집부(21)는 공공데이터 서버(3)로부터 대상 해수욕장의 기본데이터를 수신할 수 있다(S11). 기본데이터란 위험도 평가 모델에 포함된 각 위험 요소에 상응하는 지수를 결정하기 위한 토대가 되는 공공데이터로서, 예컨대, 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및/또는 안전표지판 수 등을 포함할 수 있다.
또한, 해수욕장 위험도 평가 시스템(2)의 데이터 가공부(22)는 기본데이터의 일부 또는 전부에 기초하여 가공데이터를 생성할 수 있다(S12). 가공데이터는 기본데이터로부터 특정 필드값 및/또는 시간에 따른 값의 변화 등을 이용하여 연산에 의해 도출되는 데이터로서, 예컨대, 파고, 너울성 파랑, 조류, 조석, 이안류, 해파리 쏘임, 안전요원 비율 및/또는 안전표지판 비율을 포함할 수 있다.
또한, 해수욕장 위험도 평가 시스템(2)의 데이터 입력부(23)는 대상자의 인적데이터를 수신할 수 있다(S13). 인적데이터는 위험도 평가를 수행하고자 하는 대상자의 연령, 성별, 음주 여부, 수영 능력 및/또는 병력 등을 나타내는 것으로, 이는 특정 개인에 대한 것일 수도 있고, 또는 해수욕장의 위험도를 평가하고자 하는 대상이 되는 잠재적인 이용자군의 특성을 반영하는 것일 수도 있다.
아래의 표 6은 일 실시예에 따른 위험도 평가 방법에서 기본데이터, 가공데이터 및 인적데이터 중 어느 하나에 해당하는 위험 요소의 정의와 데이터 형태를 나타내며, 표 7은 표 6에 나타난 가공데이터를 기본데이터로부터 가공하는 방법을 정리한 것이다. 그러나, 위험 요소로 사용되는 데이터의 종류 및 산출 방법은 이하의 표의 내용으로 한정되는 것은 아니다.
| 위험 요인 | 정의 | 데이터 형태 |
| 수심 | 물의 깊이 | 기본 데이터 |
| 파고 | 파도의 높이 | 가공 데이터 |
| 너울성 파랑 | 주기가 긴 파도 | 가공 데이터 |
| 수온 | 물의 온도 | 기본 데이터 |
| 조류 | 물의 흐름 | 가공 데이터 |
| 조석 | 조수간만의 차 | 가공 데이터 |
| 이안류 | 해안에서 바다 방향으로 흐르는 해류 | 가공 데이터 |
| 풍향 및 풍속 | 바람의 흐름 및 세기 | 가공 데이터 |
| 해파리 쏘임 | 해파리 쏘임 사고 | 가공 데이터 |
| 연령 | 나이 | 인적 데이터 |
| 성별 | 성별 | 인적 데이터 |
| 음주 | 음주 여부 | 인적 데이터 |
| 수영미숙 | 보조 장비 착용 여부 | 인적 데이터 |
| 병력 | 보유 병력 유무 | 인적 데이터 |
| 기온 | 해수욕장의 기온 | 기본 데이터 |
| 안전요원 비율 | 해수욕장 면적당 안전요원 비율 | 가공 데이터 |
| 안전표지판 비율 | 해수욕장 면적당 안전표지판 비율 | 가공 데이터 |
| 위험 요인 | 사용 데이터 | 가공 방법 |
| 파고 | 파도 높이 | 시간별 최고/최저 파도 높이의 차 |
| 너울성 파랑 | 파도 높이 | 파도별 최고/최저 높이까지 걸리는 시간 통해 판별 |
| 조류 | 유속, 유향 | 유속과 유향을 합하여 조류 계산 |
| 조석 | 조위 | 최고/최저 조위의 차(1일 기준) |
| 이안류 | 풍속, 풍향, 유속, 유향, 파고 | 해류의 흐름을 분석하여 이안류 확인 |
| 풍향 및 풍속 | 풍향, 풍속 | 풍속과 풍향을 합하여 산출 |
| 해파리 쏘임 | 해파리 출현율, 수온, 염분, 풍속, 풍향, 유속, 유향, 파고, 조위, 기온, 기압 | 해당 데이터들을 종합적으로 고려하여 데이터 산출 |
| 안전요원 비율 | 해수욕장 면적, 안전요원 수 | 안전요원 당 해수욕장 면적을 차지하는 비율 |
| 안전표지판 비율 | 해수욕장 면적, 안전표지판 수 | 안전표지판 당 해수욕장 면적을 차지하는 비율 |
이때, 지수화부(24)는 수신된 기본데이터, 가공데이터 및 인적데이터 중 하나 이상에 미리 설정된 범주를 적용하여 이를 지수화할 수 있다. 본 명세서에서 지수화란, 다양한 절대값을 가지는 데이터를 위험도의 수치 평가에 적합한 수치로 변환하기 위하여 미리 설정된 수치 범위 등을 기반으로 데이터를 분류하는 것을 지칭한다. 이때 반드시 모든 데이터에 대해 지수화가 이루어질 필요는 없으며, 일부 데이터는 데이터의 절대값 그대로를 지수로 사용하는 것도 가능하다.
예컨대, 일 실시예에 따른 해수욕장 위험도 평가 방법에서 위험 요소 데이터에 대한 정의와 범주화 방법은 아래에 나열하는 바와 같다.
수심은 강이나 바다, 호수 따위의 물의 깊이를 지칭하는 것으로, 즉, 공기와 물이 접하는 자유수면에서 수로 바닥까지의 연직 거리를 의미한다.
파고는 물결의 높이를 의미하는 것으로 파의 골에서 마루까지의 높이이며, 주로 바람의 힘이 원인이 되어 생성되는 주기와 파장이 짧은 수면파를 의미한다. 일 실시예에서, 파고 데이터는 이하의 표 8의 범주화에 의하여 위험도 지수로 변환될 수 있다.
| 위험도 | 높이 |
| 7 | 2.0m 이상 |
| 6 | 1.5m 이상 2.0m 미만 |
| 5 | 1.0m 이상 1.5m 미만 |
| 4 | 0.75m 이상 1.0m 미만 |
| 3 | 0.5m 이상 0.75m 미만 |
| 2 | 0.25m 이상 0.5m 미만 |
| 1 | 0.25m 미만 |
너울성 파랑은 주기가 일정 크기 이상으로 긴 파도로서, 바람이 부는 지역에서 벗어나 바람과 관계없이 진행하는 파를 의미한다.
수온은 물의 온도로서, 주로 부표에서 측정되는 온도를 의미한다. 일 실시예에서, 수온 데이터는 이하의 표 9의 범주화에 의하여 위험도 지수로 변환될 수 있다.
| 위험도 | 물 온도 | 피로 또는 무의식 징후 | 생존 예상 시간 |
| 5 | 0도 이하 | 15분 | 15 ~ 45분 |
| 0 ~ 4도 | 15 ~ 30분 | 30 ~ 90분 | |
| 4 | 4 ~ 10도 | 30 ~ 60분 | 1 ~ 3시간 |
| 3 | 10 ~ 16도 | 1 ~ 2시간 | 1 ~ 6시간 |
| 2 | 16 ~ 21도 | 2 ~ 7시간 | 2 ~ 4시간 |
| 1 | 21 ~ 27도 | 2 ~ 12시간 | 약 3시간 |
조류는 밀물과 썰물 때문에 일어나는 바닷물의 흐름으로서 유속 및 유향을 의미하며, 유속 및 유향은 부표에서 측정될 수 있다. 일 실시예에서, 조류는 한국 해수욕장을 동해, 서해, 남해, 제주 4곳으로 분류하고 해당 지역의 대표적인 해수욕장인 대천, 해운대, 보령, 중문의 유속 및 유향 값을 기준값으로 이용하여 범주화를 수행하였다. 유속 및 유향도 상기 해수욕장 4곳의 유속 및 유향 값 각각을 기준값으로 이용하여 범주화를 수행하였다. 유향은 해수욕장의 위치를 기준으로 해당 해수욕장 방향으로 유향이 흐를 때 위험도가 가장 낮으며, 해수욕장과 반대되는 방향으로 유향이 흐를 때 위험도가 가장 높도록 해수욕장에 대해 이루는 각도를 기준으로 범주화하였다. 일 실시예에 따른 유속 및 유향의 범주화에 의한 조류의 위험도 지수는 하기 표 10과 같다.
|
동해
유속 |
45도 이상
135도 미만 |
0도 초과 45도 미만,
135도 이상 180도 미만 |
180 도 이상 또는 0 도 |
| 125 m/s 이상 | 5 | 4 | 3 |
| 100 m/s 이상 125 m/s 미만 | 4 | 3 | 2 |
| 75 m/s 이상 100 m/s 미만 | 3 | 2 | 1 |
| 50 m/s 이상 75 m/s 미만 |
2 | 1 | 1 |
| 1 m/s 이상 50 m/s 미만 |
1 | 1 | 1 |
|
남해
유속 |
135도 이상
225도 미만 |
90도 초과 135도 미만,
225도 이상 270도 미만 |
0도 이상 90도 이하,
270도 이상 360도 이하 |
| 125 m/s 이상 | 5 | 4 | 3 |
| 100 m/s 이상 125 m/s 미만 | 4 | 3 | 2 |
| 75 m/s 이상 100 m/s 미만 | 3 | 2 | 1 |
| 50 m/s 이상 75 m/s 미만 | 2 | 1 | 1 |
| 1 m/s 이상 50 m/s 미만 | 1 | 1 | 1 |
|
서해
유속 |
225도 이상
315도 미만 |
180도 이상 224도 미만,
315도 이상 360도 이하 |
0도 이상 180도 미만 |
| 125 m/s 이상 | 5 | 4 | 3 |
| 100 m/s 이상 125 m/s 미만 | 4 | 3 | 2 |
| 75 m/s 이상 100 m/s 미만 | 3 | 2 | 1 |
| 50 m/s 이상 75 m/s 미만 | 2 | 1 | 1 |
| 1 m/s 이상 50 m/s 미만 | 1 | 1 | 1 |
조석은 달의 기조력에 의해 해면이 주기적으로 오르내리는 것을 의미한다. 일 실시예에서, 조석은 한국 해수욕장을 동해, 서해, 남해, 제주 4곳으로 분류하여 해당 지역의 대표적인 해수욕장인 대천, 해운대, 보령, 중문의 조석 값을 기준값으로 범주화를 수행하였다. 구체적으로는, 해당 해수욕장들의 연평균, 월평균, 특정 일자의 조석 값을 구하고 위험도와 조석의 높이 간의 상관관계를 통해 범주의 기준값을 산출하였으며, 해당 값은 하기 표 11과 같다.
| 위험도 | 높이 |
| 5 | 8m 이상 |
| 4 | 6m 이상 8m 미만 |
| 3 | 4m 이상 6m 미만 |
| 2 | 2m 이상 4m 미만 |
| 1 | 2m 미만 |
이안류는 역조라고도 불리우며 해안에서 바다 방향으로 흐르는 해류를 의미하고, 폭이 좁고 물살이 매우 빠르며 대체적으로 완만한 경사와 넓은 면적을 갖는 해변에서 주로 발생한다.
풍향은 바람이 불어오는 방향을 의미하며, 풍속 해당 바람의 속도를 의미한다. 일 실시예에서, 풍속 및 풍향은 기상청에서 정의하고 있는 주의보 및 경보에 대한 정보와 대표 해수욕장들의 풍향 및 풍속 값을 수집하여 범주화를 수행하였다. 풍향은 해수욕장의 위치를 기준으로 해당 해수욕장 방향으로 풍향이 불 때 위험도가 가장 낮으며, 해수욕장과 반대되는 방향으로 풍향이 불 때 위험도가 가장 높도록 해수욕장에 대해 이루는 각도를 기준으로 범주화하였다. 일 실시예에서, 풍속 및 풍향의 범주화에 의한 위험도 지수는 하기 표 12와 같다.
|
동해
유속 |
45도 이상
135도 미만 |
0도 초과 45도 미만,
135도 이상 180도 미만 |
180 도 이상 또는 0 도 |
| 21m/s 이상 | 3 | 2 | 1 |
| 14m/s 이상 21m/s 미만 |
2 | 2 | 1 |
| 14m/s 미만 | 1 | 1 | 1 |
|
남해
유속 |
135도 이상
225도 미만 |
90도 초과 135도 미만,
225도 이상 270도 미만 |
0도 이상 90도 이하,
270도 이상 360도 이하 |
| 21m/s 이상 | 3 | 2 | 1 |
| 14m/s 이상 21m/s 미만 |
2 | 2 | 1 |
| 14m/s 미만 | 1 | 1 | 1 |
|
서해
유속 |
225도 이상
315도 미만 |
180도 이상 224도 미만,
315도 이상 360도 이하 |
0도 이상 180도 미만 |
| 21m/s 이상 | 3 | 2 | 1 |
| 14m/s 이상 21m/s 미만 |
2 | 2 | 1 |
| 14m/s 미만 | 1 | 1 | 1 |
해파리 쏘임은 해양에 떠다니고 있는 해파리로 인한 쏘임 사고의 건 수를 의미한다.
기온은 해수욕장 해변의 온도를 의미한다. 일 실시예에서, 기상청에서 정의하고 있는 폭염 주의보 및 경보 정보와 대표 해수욕장들의 기온 및 해변의 기온 정보를 기준 값으로 범주화될 수 있다. 일 실시예에서, 기온의 범주화에 위한 위험도 지수는 하기 표 13과 같다.
| 기준 | 위험도 | 온도 |
| 폭염 | 4 | 35도 이상 |
| 3 | 34도 이상 35도 미만 | |
| 2 | 33도 이상 34도 미만 | |
| 1 | 33도 미만 |
안전요원 비율은 해당 해수욕장 개장 기간에 존재하는 안전요원들의 수를 이용하여 범주화될 수 있다. 이때, 안전요원들은 전문 인력, 민간단체 인력 및 자원봉사자들을 전부 포함한 인원을 의미한다. 일 실시예에서, 안전요원 비율은 각 해수욕장의 면적 크기와 안전요원 수로부터 산출되는 안전요원 개인당 차지하는 해수욕장 면적의 크기로서 하기 수학식 1과 같이 산출될 수 있다.
[수학식 1]
안전표지판 비율은 해당 해수욕장에 존재하는 안전표지판들의 수를 이용하여 범주화될 수 있다. 이때, 안전표지판은 해양 안전, 해수욕장 안전, 기타 부대시설 안전 등에 관한 정보를 포함하고 있는 모든 표지판을 의미한다. 일 실시예에서, 안전표시판 비율은 각 해수욕장의 면적 크기와 안전표지판 수로부터 산출되는 안전표지판 개당 차지하는 해수욕장 면적의 크기로서 하기 수학식 2와 같이 산출될 수 있다.
[수학식 2]
연령 및 성별은 각각 해수욕장 방문객의 연령과 성별을 의미한다. 또한, 음주는 해수욕장 방문객의 음주 여부를 의미한다. 또한, 수영 미숙은 해수욕장 방문객의 수영 능력의 정도를 의미한다. 또한, 병력은 해수욕장 방문객의 고혈압, 빈혈 등과 같은 병의 유무를 의미한다.
평가부(26)는, 대상 해수욕장 및 대상자에 대한 기본데이터, 가공데이터 및 인적데이로부터 지수화부(24)에 의해 생성된 지수를 이용하여, 모델링부(20)에 의해 결정된 각 사고별 위험 요소와 각 위험 요소에 설정된 가중치, 및 대상 해수욕장의 해수욕장 가중치를 이용하여 평가 대상 해수욕장의 위험도를 산출할 수 있다.
구체적인 위험도 산출 과정으로서, 평가부(26)의 표류 위험도 산출부(251)는, 표류 사고에 상응하는 위험 요소의 지수 및 이에 상응하는 가중치를 이용하여 표류 위험도를 산출할 수 있다(S14). 표류 사고에 상응하는 위험 요소와 각 위험 요소의 가중치는 도 3a를 참조하여 전술한 위험도 평가 모델에 의하여 정의될 수 있다. 예컨대, 표류 사고의 주요 위험 요소는 파고, 너울성 파랑, 이안류, 음주, 수영미숙 등일 수 있다.
또한, 평가부(26)의 익수 위험도 산출부(252)는, 익수 사고에 상응하는 위험 요소의 지수 및 이에 상응하는 가중치를 이용하여 익수 위험도를 산출할 수 있다(S15). 표류 사고와 마찬가지로, 익수 사고에 상응하는 위험 요소와 각 위험 요소의 가중치는 도 3a를 참조하여 전술한 위험도 평가 모델에 의하여 정의될 수 있다. 예컨대, 익수 사고의 주요 위험 요소는 파고, 너울성 파랑, 이안류, 음주, 수영미숙 등일 수 있다.
예를 들어, 각 위험 요소를 vn, 위험 요소의 데이터 값 또는 위험 요소를 지수화한 값을 f(vn), 특정 위험 요소를 n으로 나타낼 경우, 표류 위험도 Drifting(vn) 및 익수 위험도 Drowning(vn)은 각각의 위험 요소의 지수에 위험도 평가 모델에 의해 정의되는 가중치(weight)를 곱한 값을 합산한 것으로서 하기 수학식 3 및 수학식 4에 의하여 산출될 수 있다.
[수학식 3]
[수학식 4]
상기 수학식 3 및 수학식 4는 위험 요소의 개수를 14개로 상정한 것이나, 사고별 위험 요소의 개수는 이와 상이할 수 있다.
또한, 평가부(26)의 지역 가중치 산출부(253)는 대상 해수욕장의 해수욕장 가중치를 산출할 수 있다(S16). 해수욕장 가중치는 표 5를 참조하여 전술한 것과 같은 해변 유형의 분류와, 해당 해수욕장의 해변 유형과, 해당 해수욕장의 인명구조 장비함, 수상인명 구조대 및 안전요원 망루의 유무 및/또는 수와 같은 안정 정보를 이용하여 산출될 수 있다. 대상 해수욕장의 해변 유형에 대한 정보 및/또는 안전 정보는 공공데이터 서버(3)로부터 수신될 수도 있다.
마지막으로, 평가부(26)는 전술한 과정에 의하여 산출된 표류 위험도, 익수 위험도 및 해수욕장 가중치를 이용하여 대상 해수욕장 위험도를 산출할 수 있다(S17). 예를 들어, 해수욕장 위험도 Risk는 표류 위험도, 익수 위험도 및 해수욕장 가중치의 합으로서, 표류 위험도를 Drifting(v), 익수 위험도를 Drowning(v), 해수욕장 가중치를 BW라 할 경우, 하기 수학식 5에 의하여 산출될 수 있다.
[수학식 5]
상기 수학식 5에 따라 산출되는 해수욕장 위험도는, 해수욕장 위험도를 종속 변수로 설정하고, 표류 위험도, 익수 위험도, 해변 가중치를 독립 변수로 설정하는 다중 선형 회귀 방식으로 산출된 것이다. 또한, 데이터 수집과 지수화 과정 및 이를 통한 위험도 산출 과정을 주기적으로 반복 수행함으로써, 날짜 및 시간별 지수화 데이터베이스를 구축하고 이를 이용한 날짜 및 시간별 위험도를 평가할 수 있다.
일 실시예에서, 평가부(26)는 산출된 위험도를 기준으로 해수욕장의 위험도를 하기 표 14와 같은 형태로 분류할 수도 있다.
| 위험도 | 수 준 |
| 0 ~ 10 | 안전 |
| 11 ~ 25 | 주의 |
| 26 ~ 40 | 경보 |
| 41++ | 위험 |
일 실시예에서, 해수욕장 위험도 평가 시스템(2)은 대상 해수욕장의 위험도를 평가한 결과 일정 수준 이상으로 위험도가 높을 경우 이를 사용자 장치(1), 공공데이터 서버(3) 또는 해수욕장에 대한 관리 책임이 있는 다른 기관의 서버 등에 통지하여 안전 사고에 대한 대비가 가능하도록 할 수도 있다. 또한, 해수욕장 위험도 평가 시스템(2)은 위험에 대한 알림을 해수욕장에 위치하는 이용객들의 사용자 장치에 재난 알림 SMS와 같은 형태로 직접 전송할 수도 있다.
본 발명자들은, 실시예들에 따른 해수욕장 위험도 산출 방법을 이용한 실험으로서 해운대 해수욕장과 대천 해수욕장 두 곳의 위험도를 평가하였다. 실험에는 해운대 해수욕장과 대천 해수욕장의 자연 환경에 대한 공공데이터만을 사용하였으며, 먼저 두 해수욕장의 월별 위험도를 산출하고 비교를 통해 각 해수욕장별 자연 환경 위험 요소가 얼마만큼의 영향을 미치는지를 확인하였다. 그리고, 자체 수집한 해운대 및 대천 해수욕장의 실제 사고 데이터를 기반으로, 사고가 발생한 날짜와 해당 월평균 위험도 비교분석을 수행하여 안전사고와 실시예들에 따라 산출된 위험도의 상관관계를 확인하였다.
하기 표 15는 2018년 1월부터 9월까지의 해운대 해수욕장과 대천 해수욕장의 위험도 평균값을 비교 분석한 표이다.
| 월 | 위험도 | |
| 해운대 | 대천 | |
| 1 | 60.08 | 58.56 |
| 2 | 60.99 | 60.41 |
| 3 | 63.42 | 57.88 |
| 4 | 61.77 | 56.70 |
| 5 | 61.87 | 55.77 |
| 6 | 60.11 | 50.57 |
| 7 | 59.06 | 50.45 |
| 8 | 57.84 | 52.56 |
| 9 | 57.55 | 50.88 |
또한, 도 4는 표 15에 도시된 위험도 값을 그래프로 나타낸 것으로서, 그래프(401)는 해운대 해수욕장의 월평균 위험도 값을 나타내며, 그래프(402)는 대천 해수욕장의 월평균 위험도 값을 나타낸다.
표 15 및 도 4를 통해 나타나는 것과 같이, 해운대 해수욕장의 위험도 값이 상대적으로 높은 것을 확인 할 수 있으며, 본 실험 결과에서 위험도는 자연 환경 위험 요소를 기반으로 산출되었으므로, 이는 대천 해수욕장에 비해 해운대 해수욕장의 자연 환경이 보다 위험한 요소들을 가지고 있고, 대천 해수욕장의 자연 환경 위험 요소는 해운대 해수욕장에 비해 상대적으로 안전한 것으로 평가할 수 있다.
하기 표 16은 본 실시예에 따라 산출된 월평균 위험도와 실제 발생한 사고 날짜 당일의 위험도를 비교 분석한 결과를 나타낸다.
| 해수욕장 | 연도 | 월 | 사고 건 수 | 위험도(D) > 위험도(M) |
| 해운대 | 2014 | 3 | 1 | 1 |
| 8 | 1 | 0 | ||
| 10 | 1 | 0 | ||
| 2015 | 6 | 2 | 1 | |
| 7 | 3 | 2 | ||
| 9 | 2 | 0 | ||
| 10 | 2 | 1 | ||
| 대천 | 2016 | 6 | 2 | 1 |
| 7 | 21 | 11 | ||
| 8 | 20 | 9 | ||
| 2017 | 7 | 5 | 4 | |
| 8 | 13 | 7 | ||
| 2018 | 6 | 3 | 3 | |
| 7 | 16 | 9 | ||
| 8 | 9 | 5 |
표 16의 위험도(D)는 사고가 실제로 발생한 해당 날짜의 위험도를 의미하며, 위험도(M)은 해당 월의 평균 위험도를 의미한다. [위험도(D) - 위험도(M)]의 값은 해당 날짜의 위험도가 월평균 위험도보다 높았던 날짜의 횟수를 나타낸 값이다.
두 해수욕장에서 발생한 사고 횟수와 [위험도(D) - 위험도(M)] 값을 대조해보면, 반 이상의 사고에서 사고가 일어난 날짜의 위험도는 월평균 위험도보다 높으며, 특히 대천 해수욕장의 경우 대부분 사고일의 위험도가 월평균 위험도보다 높은 것을 확인 할 수 있다. 이를 통해, 사고가 일어난 날의 위험도는 다른 날의 비해 상대적으로 높으므로, 본 실시예에 따른 위험도 평가에 의해 안전사고가 발생할 확률을 올바르게 예측할 수 있다는 것을 확인할 수 있다.
이상의 실험에서는 공공데이터인 자연 환경 데이터만을 가지고 실험을 수행하였기 때문에 비교분석 결과를 통해 자연 환경이 해수욕장 안전사고에 영향을 미치는지에 대해서 확인할 수 있었다. 또한, 해운대 해수욕장의 사고 12건 중에 5건과 대천 해수욕장의 사고 89건 중에 49건이 월평균 위험도보다 해당 날짜의 위험도가 더 높은 날에 발생한 것을 통해, 대부분의 사고가 자연 환경에 영향을 받는다는 것을 알 수 있었다.
그러나 실시예들에 따른 해수욕장 위험도 평가 결과는 전술한 예에 한정되는 것은 아니며, 자연 환경 데이터 외에 지리적 환경, 시설·장비·인력 환경 및/또는 개인적 환경에 대한 데이터를 더 이용하여 위험도 평가를 수행할 수도 있다.
또한 일 실시예에서, 해수욕장 위험도 평가 시스템(2)은 수학식 5에 의해 산출된 위험도에 사고 가중치를 더 합산하여 최종 위험도를 산출할 수도 있다. 사고 가중치는 기존의 사고 데이터를 기반으로 하여 특정 자연 환경에서는 지속적으로 사고가 발생한다는 것을 탐지하고 이를 가중치 형태로 위험도에 반영하기 위한 것이다.
이를 위하여, 해수욕장 위험도 평가 시스템(2)의 데이터 입력부(23)는 대상 해수욕장에서 특정 기간에 실제로 발생한 사고 데이터를 사용자로부터 입력받고, 평가부(26)는 사고 데이터를 해당 기간에 상응하는 대상 해수욕장과 대상자의 기본데이터, 가공데이터 및 인적데이터로부터 산출되는 지수와 비교하여 사고 발생 위험이 높은 지수 환경을 검출할 수 있다. 예를 들어, 하기 표 17은 기본데이터, 가공데이터 및 인적데이터로부터 산출되는 지수 환경의 예시이며, 표 18은 표 17의 지수 환경에 대한 과거의 사고 발생 비율을 정리한 것이다.
| 조수 | 파고 | 수온 | 조류 | 풍향 및 풍속 |
| 2 | 1 | 1 | 1 | 1 |
| 2 | 1 | 2 | 1 | 1 |
| 2 | 2 | 1 | 1 | 1 |
| 3 | 1 | 1 | 1 | 1 |
| 3 | 2 | 1 | 1 | 1 |
| 3 | 2 | 2 | 1 | 1 |
| 3 | 2 | 2 | 1 | 1 |
| 3 | 3 | 1 | 1 | 1 |
| 3 | 4 | 1 | 1 | 1 |
| 4 | 1 | 1 | 1 | 1 |
| 4 | 2 | 1 | 1 | 1 |
| 4 | 3 | 1 | 1 | 1 |
| 2 | 1 | 1 | 1 | 1 |
| 2 | 2 | 1 | 1 | 1 |
| 3 | 1 | 1 | 1 | 1 |
| 3 | 2 | 1 | 1 | 1 |
| 3 | 3 | 1 | 1 | 1 |
| 3 | 4 | 1 | 1 | 1 |
| 3 | 4 | 1 | 1 | 1 |
| 3 | 5 | 1 | 1 | 1 |
| 3 | 5 | 2 | 1 | 1 |
| 4 | 1 | 1 | 1 | 1 |
| 4 | 2 | 1 | 1 | 1 |
| 3 | 1 | 1 | 1 | 1 |
| 4 | 1 | 1 | 1 | 1 |
| 4 | 2 | 1 | 1 | 1 |
| 유형(지수) | 사고 미발생 횟수 | 사고 발생 횟수 | 사고 비율(%) |
| 2-1-1-1-1 | 20 | 20 | 100 |
| 2-1-2-1-1 | 1 | 1 | 100 |
| 2-2-1-1-1 | 22 | 22 | 100 |
| 3-1-1-1-1 | 52 | 52 | 100 |
| 3-2-1-1-1 | 45 | 45 | 100 |
| 3-2-2-1-1 | 1 | 1 | 100 |
| 3-3-1-1-1 | 13 | 13 | 100 |
| 3-4-1-1-1 | 5 | 5 | 100 |
| 4-1-1-1-1 | 78 | 78 | 100 |
| 4-2-1-1-1 | 50 | 50 | 100 |
| 4-3-1-1-1 | 1 | 1 | 100 |
| 1-2-1-1-1 | 4 | 0 | 0 |
| 2-1-1-1-1 | 1 | 1 | 100 |
| 2-2-1-1-1 | 5 | 5 | 100 |
| 3-1-1-1-1 | 1 | 1 | 100 |
| 3-2-1-1-1 | 5 | 5 | 100 |
| 3-3-1-1-1 | 2 | 2 | 100 |
| 3-4-1-1-1 | 1 | 1 | 100 |
| 3-5-1-1-1 | 1 | 1 | 100 |
| 3-5-2-1-1 | 1 | 1 | 100 |
| 4-1-1-1-1 | 16 | 16 | 100 |
| 4-2-1-1-1 | 5 | 5 | 100 |
| 1-1-1-1-1 | 114 | 0 | 0 |
| 1-2-1-1-1 | 85 | 0 | 0 |
| 2-1-1-1-1 | 199 | 0 | 0 |
| 2-2-1-1-1 | 69 | 0 | 0 |
| 3-1-1-1-1 | 27 | 1 | 2.37 |
| 3-2-1-1-1 | 9 | 0 | 0 |
| 4-1-1-1-1 | 1 | 1 | 100 |
| 4-2-1-1-1 | 4 | 1 | 16 |
| 5-2-1-1-1 | 14 | 0 | 0 |
| 1-1-1-1-1 | 583 | 0 | 0 |
| 1-2-1-1-1 | 211 | 0 | 0 |
| 2-1-1-1-1 | 346 | 0 | 0 |
| 2-2-1-1-1 | 196 | 0 | 0 |
| 3-1-1-1-1 | 87 | 0 | 0 |
| 3-2-1-1-1 | 46 | 0 | 0 |
| 4-1-1-1-1 | 28 | 0 | 0 |
| 4-2-1-1-1 | 28 | 0 | 0 |
| 1-1-1-1-1 | 655 | 0 | 0 |
| 1-1-2-1-1 | 3 | 0 | 0 |
| 1-2-1-1-1 | 254 | 0 | 0 |
| 2-1-1-1-1 | 218 | 0 | 0 |
| 2-2-1-1-1 | 48 | 0 | 0 |
| 3-1-1-1-1 | 45 | 0 | 0 |
| 3-2-1-1-1 | 14 | 0 | 0 |
| 4-1-1-1-1 | 20 | 0 | 0 |
| 4-2-1-1-1 | 3 | 0 | 0 |
| 5-1-1-1-1 | 31 | 0 | 0 |
이때 평가부(26)는, 표 18에 나타난 것과 같은 특정 지수 환경에서의 사고 발생 비율을 사고 가중치로 하여 수학식 5의 위험도에 합산할 수 있다. 사고 발생 비율은 표 18에 기재된 퍼센트(%) 값이 그대로 위험도 수치에 합산될 수도 있고, 또는 사고 발생 비율을 복수의 구간별로 나누어 각 구간에 수치를 부여함으로써 사고 발생 비율을 지수화하고, 이와 같이 지수화된 값을 위험도 수치에 합산할 수도 있다.
이상에서 설명한 실시예들에 따른 해수욕장 위험도 평가 방법에 의한 동작은 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 해수욕장 위험도 평가 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서 살펴본 본 발명은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해서 정해져야 할 것이다.
Claims (11)
- 공공데이터 서버로부터 대상 해수욕장의 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및 안전표지판 수 중 하나 이상을 포함하는 기본데이터를 수신하도록 구성된 데이터 수집부;
상기 기본데이터에 기초하여, 파고, 너울성 파랑, 조류, 조석, 이안류, 해파리 쏘임, 안전요원 비율 및 안전표지판 비율 중 하나 이상을 포함하는 가공데이터를 생성하도록 구성된 데이터 가공부;
대상자의 연령, 성별, 음주 여부, 수영 능력 및 병력 중 하나 이상을 포함하는 인적데이터를 입력받도록 구성된 데이터 입력부;
상기 기본데이터, 상기 가공데이터 및 상기 인적데이터 중 하나 이상에 미리 설정된 범주를 적용하여 지수로 변환하도록 구성된 지수화부; 및
상기 기본데이터, 상기 가공데이터 및 상기 인적데이터로부터 사고별 위험 요소를 추출하고, 상기 사고별 위험 요소에 상응하는 지수에 미리 설정된 가중치를 적용한 값과 상기 대상 해수욕장의 해수욕장 가중치를 이용하여 상기 대상 해수욕장의 위험도를 산출하도록 구성된 평가부를 포함하는 해수욕장 위험도 평가 시스템.
- 제1항에 있어서,
상기 평가부는,
표류 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 표류 위험도를 산출하도록 구성된 표류 위험도 산출부;
익수 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 익수 위험도를 산출하도록 구성된 익수 위험도 산출부; 및
상기 대상 해수욕장의 안전 정보를 이용하여 상기 해수욕장 가중치를 산출하도록 구성된 지역 가중치 산출부를 포함하되,
상기 대상 해수욕장의 위험도는 상기 표류 위험도, 상기 익수 위험도 및 상기 해수욕장 가중치의 합인 해수욕장 위험도 평가 시스템.
- 제2항에 있어서,
상기 표류 사고에 상응하는 상기 중요 지수는 파고, 너울성 파랑, 이안류, 음주 여부 및 수영 능력을 포함하며,
상기 익수 사고에 상응하는 상기 중요 지수는 수심, 파고, 너울성 파랑, 이안류, 음주 여부 및 수영 능력을 포함하는 해수욕장 위험도 평가 시스템.
- 제1항에 있어서,
상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류에 대한 계층 분석에 의해 상기 사고별 위험 요소 및 상기 사고별 위험 요소 각각에 상응하는 사고별 가중치를 결정하도록 구성된 모델링부를 더 포함하는 해수욕장 위험도 평가 시스템.
- 제4항에 있어서,
상기 모델링부는,
상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류를 환경별로 구분하여 환경별 상대 가중치를 결정하도록 구성된 환경별 분석부; 및
상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류 중 동일 환경에 속하는 요소들 사이의 상대 가중치를 결정하도록 구성된 요소별 분석부를 포함하는 해수욕장 위험도 평가 시스템.
- 해수욕장 위험도 평가 시스템이 공공데이터 서버로부터, 대상 해수욕장의 파도 높이, 수심, 수온, 기온, 기압, 유속, 유향, 조위, 풍속, 풍향, 해파리 출현율, 염분, 해수욕장 면적, 안전요원 수 및 안전표지판 수 중 하나 이상을 포함하는 기본데이터를 수신하는 단계;
상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터에 기초하여, 파고, 너울성 파랑, 조류, 조석, 이안류, 해파리 쏘임, 안전요원 비율 및 안전표지판 비율 중 하나 이상을 포함하는 가공데이터를 생성하는 단계;
상기 해수욕장 위험도 평가 시스템이 대상자의 연령, 성별, 음주 여부, 수영 능력 및 병력 중 하나 이상을 포함하는 인적데이터를 입력받는 단계;
상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터 중 하나 이상에 미리 설정된 범주를 적용하여 지수로 변환하는 단계; 및
상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터로부터 사고별 위험 요소를 추출하고, 상기 사고별 위험 요소에 상응하는 지수에 미리 설정된 가중치를 적용한 값과 상기 대상 해수욕장의 해수욕장 가중치를 이용하여 상기 대상 해수욕장의 위험도를 산출하는 단계를 포함하는 해수욕장 위험도 평가 방법.
- 제6항에 있어서,
상기 대상 해수욕장의 위험도를 산출하는 단계는,
상기 해수욕장 위험도 평가 시스템이, 표류 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 표류 위험도를 산출하는 단계;
상기 해수욕장 위험도 평가 시스템이, 익수 사고에 상응하는 중요 지수 및 상기 중요 지수에 미리 설정된 가중치를 이용하여 익수 위험도를 산출하는 단계;
상기 해수욕장 위험도 평가 시스템이, 상기 대상 해수욕장의 안전 정보를 이용하여 상기 해수욕장 가중치를 산출하는 단계; 및
상기 해수욕장 위험도 평가 시스템이, 상기 표류 위험도, 상기 익수 위험도 및 상기 해수욕장 가중치를 합산하는 단계를 포함하는 해수욕장 위험도 평가 방법.
- 제7항에 있어서,
상기 표류 사고에 상응하는 상기 중요 지수는 파고, 너울성 파랑, 이안류, 음주 여부 및 수영 능력을 포함하며,
상기 익수 사고에 상응하는 상기 중요 지수는 수심, 파고, 너울성 파랑, 이안류, 음주 여부 및 수영 능력을 포함하는 해수욕장 위험도 평가 방법.
- 제6항에 있어서,
상기 대상 해수욕장의 위험도를 산출하는 단계 전에, 상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류에 대한 계층 분석에 의해 상기 사고별 위험 요소 및 상기 사고별 위험 요소 각각에 상응하는 사고별 가중치를 결정하는 단계를 더 포함하는 해수욕장 위험도 평가 방법.
- 제9항에 있어서,
상기 사고별 위험 요소 각각에 상응하는 사고별 가중치를 결정하는 단계는,
상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류를 환경별로 구분하여 환경별 상대 가중치를 결정하는 단계; 및
상기 해수욕장 위험도 평가 시스템이, 상기 기본데이터, 상기 가공데이터 및 상기 인적데이터의 데이터 종류 중 동일 환경에 속하는 요소들 사이의 상대 가중치를 결정하는 단계를 포함하는 해수욕장 위험도 평가 방법.
- 하드웨어와 결합되어 제6항 내지 제10항 중 어느 한 항에 따른 해수욕장 위험도 평가 방법을 실행하도록 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180169455A KR102197226B1 (ko) | 2018-12-26 | 2018-12-26 | 다중 선형 회귀를 이용한 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180169455A KR102197226B1 (ko) | 2018-12-26 | 2018-12-26 | 다중 선형 회귀를 이용한 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200080466A true KR20200080466A (ko) | 2020-07-07 |
| KR102197226B1 KR102197226B1 (ko) | 2021-01-04 |
Family
ID=71602791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180169455A KR102197226B1 (ko) | 2018-12-26 | 2018-12-26 | 다중 선형 회귀를 이용한 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102197226B1 (ko) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861284A (zh) * | 2020-08-06 | 2020-10-30 | 城云科技（中国）有限公司 | 一种社会治理单元风险评估及预警方法 |
| CN111986808A (zh) * | 2020-07-30 | 2020-11-24 | 珠海中科先进技术研究院有限公司 | 健康保险风险评估及控制的方法、装置及介质 |
| CN112651640A (zh) * | 2020-12-29 | 2021-04-13 | 国电南瑞科技股份有限公司 | 一种电网一二次系统规划方案评估方法及系统 |
| CN113780783A (zh) * | 2021-09-01 | 2021-12-10 | 苏交科集团股份有限公司 | 一种针对道路交通安全事故风险度的自动分析方法 |
| KR20220057872A (ko) | 2020-10-30 | 2022-05-09 | 가톨릭관동대학교산학협력단 | 머신러닝을 이용한 쇄파 지표 예측 시스템 및 그 방법 |
| CN115171336A (zh) * | 2022-06-15 | 2022-10-11 | 福州大学 | 一种海滩监控溺水防护系统 |
| KR102527923B1 (ko) * | 2022-10-24 | 2023-05-02 | 옥해안 | 해수욕장 위험성 평가방법 |
| CN116757099A (zh) * | 2023-08-18 | 2023-09-15 | 中国科学院南京土壤研究所 | 一种土壤盐分反演及盐渍化风险评估方法、装置及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101454547B1 (ko) * | 2013-06-21 | 2014-10-27 | 이화여자대학교 산학협력단 | 기상 정보에 따라 교통사고 손상경고를 제공하는 방법 |
| KR101709751B1 (ko) | 2015-11-24 | 2017-02-24 | 주식회사 지오멕스소프트 | 해변의 입수자에 대한 자동 위험 감시 시스템 |
| KR101853337B1 (ko) * | 2017-02-28 | 2018-05-02 | (주)지오시스템리서치 | 해수욕지수 예보장치 및 그 방법 |
| KR101870743B1 (ko) * | 2017-03-08 | 2018-06-26 | (주)지오시스템리서치 | 갯벌체험 지수 예보 장치 및 그 방법 |
-
2018
- 2018-12-26 KR KR1020180169455A patent/KR102197226B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101454547B1 (ko) * | 2013-06-21 | 2014-10-27 | 이화여자대학교 산학협력단 | 기상 정보에 따라 교통사고 손상경고를 제공하는 방법 |
| KR101709751B1 (ko) | 2015-11-24 | 2017-02-24 | 주식회사 지오멕스소프트 | 해변의 입수자에 대한 자동 위험 감시 시스템 |
| KR101853337B1 (ko) * | 2017-02-28 | 2018-05-02 | (주)지오시스템리서치 | 해수욕지수 예보장치 및 그 방법 |
| KR101870743B1 (ko) * | 2017-03-08 | 2018-06-26 | (주)지오시스템리서치 | 갯벌체험 지수 예보 장치 및 그 방법 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111986808A (zh) * | 2020-07-30 | 2020-11-24 | 珠海中科先进技术研究院有限公司 | 健康保险风险评估及控制的方法、装置及介质 |
| CN111986808B (zh) * | 2020-07-30 | 2023-12-12 | 珠海中科先进技术研究院有限公司 | 健康保险风险评估及控制的方法、装置及介质 |
| CN111861284A (zh) * | 2020-08-06 | 2020-10-30 | 城云科技（中国）有限公司 | 一种社会治理单元风险评估及预警方法 |
| KR20220057872A (ko) | 2020-10-30 | 2022-05-09 | 가톨릭관동대학교산학협력단 | 머신러닝을 이용한 쇄파 지표 예측 시스템 및 그 방법 |
| CN112651640A (zh) * | 2020-12-29 | 2021-04-13 | 国电南瑞科技股份有限公司 | 一种电网一二次系统规划方案评估方法及系统 |
| CN112651640B (zh) * | 2020-12-29 | 2022-08-05 | 国电南瑞科技股份有限公司 | 一种电网一二次系统规划方案评估方法及系统 |
| CN113780783A (zh) * | 2021-09-01 | 2021-12-10 | 苏交科集团股份有限公司 | 一种针对道路交通安全事故风险度的自动分析方法 |
| CN115171336A (zh) * | 2022-06-15 | 2022-10-11 | 福州大学 | 一种海滩监控溺水防护系统 |
| CN115171336B (zh) * | 2022-06-15 | 2023-07-25 | 福州大学 | 一种海滩监控溺水防护系统 |
| KR102527923B1 (ko) * | 2022-10-24 | 2023-05-02 | 옥해안 | 해수욕장 위험성 평가방법 |
| CN116757099A (zh) * | 2023-08-18 | 2023-09-15 | 中国科学院南京土壤研究所 | 一种土壤盐分反演及盐渍化风险评估方法、装置及设备 |
| CN116757099B (zh) * | 2023-08-18 | 2024-03-19 | 中国科学院南京土壤研究所 | 一种土壤盐分反演及盐渍化风险评估方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102197226B1 (ko) | 2021-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102197226B1 (ko) | 다중 선형 회귀를 이용한 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
| Zou et al. | Mining Twitter data for improved understanding of disaster resilience | |
| Roy et al. | Spatial vulnerability assessment of floods in the coastal regions of Bangladesh | |
| Bostrom et al. | A mental models study of hurricane forecast and warning production, communication, and decision-making | |
| Boruff et al. | Erosion hazard vulnerability of US coastal counties | |
| Chen et al. | Measuring the adaptation gap: A framework for evaluating climate hazards and opportunities in urban areas | |
| McGranahan et al. | The rising tide: assessing the risks of climate change and human settlements in low elevation coastal zones | |
| KR101341437B1 (ko) | 다기준 홍수위험도 평가방법 | |
| KR102247188B1 (ko) | 상황인식 및 퍼지이론 기반의 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
| Thatcher et al. | Economic vulnerability to sea-level rise along the northern US Gulf Coast | |
| KR102157592B1 (ko) | 해수욕장 안전사고 예방을 위한 해수욕장 안전 관리 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
| Lummen et al. | Implementation of an integrated vulnerability and risk assessment model | |
| CN111626162A (zh) | 基于时空大数据分析的水上救援系统及溺水警情预测方法 | |
| Freire et al. | A local-scale approach to estuarine flood risk management | |
| Wamsley et al. | Guidance for developing coastal vulnerability metrics | |
| Convertino et al. | Epistemic uncertainty in predicting shorebird biogeography affected by sea-level rise | |
| Kontogianni et al. | Development of a composite climate change vulnerability index for small craft harbours | |
| Trepanier et al. | Combining surge and wind risk from hurricanes using a copula model: An example from Galveston, Texas | |
| Hossain et al. | Application of GIS for cyclone vulnerability analysis of Bangladesh | |
| Zhang | A vulnerability assessment of storm surge in Guangdong Province, China | |
| Rouleau et al. | The climate and ocean risk vulnerability index: Measuring coastal city resilience to inform action | |
| Hao et al. | Hurricane Damage Assessment with Multi-, Crowd-Sourced Image Data: A Case Study of Hurricane Irma in the City of Miami. | |
| Wee et al. | A flood Impact-Based forecasting system by fuzzy inference techniques | |
| Calil et al. | Aligning natural resource conservation, flood hazard mitigation, and social vulnerability remediation in Florida | |
| Yuan et al. | Predicting road flooding risk with machine learning approaches using crowdsourced reports and fine-grained traffic data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |