KR20200115716A - 빅데이터 기반의 재난 예측 방법 및 장치 - Google Patents

빅데이터 기반의 재난 예측 방법 및 장치 Download PDF

Info

Publication number
KR20200115716A
KR20200115716A KR1020190028235A KR20190028235A KR20200115716A KR 20200115716 A KR20200115716 A KR 20200115716A KR 1020190028235 A KR1020190028235 A KR 1020190028235A KR 20190028235 A KR20190028235 A KR 20190028235A KR 20200115716 A KR20200115716 A KR 20200115716A
Authority
KR
South Korea
Prior art keywords
information
disaster
abnormality detection
instruction
specific area
Prior art date
Application number
KR1020190028235A
Other languages
English (en)
Inventor
강태규
이강우
장인성
조정희
주인학
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020190028235A priority Critical patent/KR20200115716A/ko
Publication of KR20200115716A publication Critical patent/KR20200115716A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Emergency Management (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

사용자 단말 및 특정 지역 내의 사물인터넷 장치로부터 특정 지역에 대한 복합 공간 정보를 획득하는 단계, 복합 공간 정보를 기초로 이상 감지 정보를 획득하는 단계, 이상 감지 정보와 미리 설정된 위험 수준 정보를 비교하는 단계, 비교 결과에 따라 이상 감지 정보를 기초로 재난 확률을 산출하는 단계 및 재난 확률을 기초로 재난 예상 지수를 산출하여 특정 지역 내의 재난을 예측하는 단계를 포함하는 빅데이터 기반 재난 예측 방법이 개시된다.

Description

빅데이터 기반의 재난 예측 방법 및 장치{METHOD AND APPARATUS FOR PREDICTING DISATER BASED ON BIG DATA}
본 발명은 빅데이터 기반의 재난 예측 방법 및 장치에 관한 것으로, 더욱 상세하게는 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보를 포함하는 복합 공간 정보를 기반으로 재난을 예측하는 방법 및 장치에 관한 것이다.
종래의 공간 정보 시스템은 지도 데이터와 주소 데이터의 맵핑에 의한 지리 정보만을 제공하였으며, 이에 따라 내비게이션 및 부동산 정보 등에만 사용되는 한계점이 있었다.
또한, 이러한 종래의 공간 정보 시스템을 이용하여 재난 발생을 예측하거나 대응하는 경우, 실시간으로 변하는 여러 요인을 파악하기 어려우며, 마찬가지로 지리 정보만을 기초로 하므로, 낮은 확률의 재난 예측만을 제공하고, 이에 따라 제공되는 대응 방안도 많은 오류를 포함하는 경우가 많은 문제점이 있다.
최근 정보 통신 기술의 발전에 따라 다양한 기기로부터 실시간으로 정보를 제공받거나 다양한 기기를 실시간으로 제어할 수 있는 사물인터넷 기술이 주목받고 있으며, 이러한 기술을 기초로 상술한 문제점을 해결하여 효율적으로 재난을 예측 및 대응하기 위한 방법이 계속하여 연구되고 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 빅데이터 기반의 재난 예측 방법을 제공하는 데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은 빅데이터 기반의 재난 예측 장치를 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따라 사용자 단말 및 특정 지역 내의 사물인터넷 장치와 연동된 재난 예측 장치를 이용하여 재난을 예측하는 방법은, 상기 사용자 단말 및 상기 사물인터넷 장치로부터 특정 지역에 대한 복합 공간 정보를 획득하는 단계, 복합 공간 정보를 기초로 이상 감지 정보를 획득하는 단계. 이상 감지 정보와 미리 설정된 위험 수준 정보를 비교하는 단계, 비교 결과에 따라 이상 감지 정보를 기초로 재난 확률을 산출하는 단계 및 재난 확률을 기초로 재난 예상 지수를 산출하여 특정 지역 내의 재난을 예측하는 단계를 포함한다.
이때, 상기 사용자 단말 및 상기 사물인터넷 장치로부터 상기 특정 지역에 대한 복합 공간 정보를 획득하는 단계는, 상기 사용자 단말 및 상기 사물인터넷 장치로부터 정형 데이터 및 비정형 데이터 중 적어도 하나의 상기 복합 공간 정보를 획득하는 단계, 적어도 하나의 상기 비정형 데이터를 정형화하여, 신규 정형 데이터를 획득하는 단계, 상기 신규 정형 데이터가 공간 정보 정책에 부합하는지 판단하는 단계, 상기 공간 정보 정책에 부합할 경우, 상기 신규 정형 데이터를 신규 복합 정보 스키마로 처리하는 단계, 상기 신규 정형 데이터에 대한 식별 정보를 생성하는 단계 및 상기 신규 정형 데이터를 상기 식별 정보와 함께 상기 복합 공간 정보에 저장하는 단계를 포함할 수 있다.
복합 공간 정보를 기초로 이상 감지 정보를 획득하는 단계는, 상기 신규 정형 데이터 및 상기 식별 정보를 포함하는 상기 복합 공간 정보로부터 적어도 하나의 관계 정보를 추출하는 단계 및 적어도 하나의 관계 정보에 대한 이상 감지 정보를 획득하는 단계를 포함할 수 있다.
또한, 비교 결과에 따라 이상 감지 정보를 기초로 재난 확률을 산출하여 특정 지역 내의 재난을 예측하는 단계는, 적어도 하나의 관계 정보에 대한 이상 감지 정보에 따른 값이 미리 설정된 위험 수준 정보에 따른 값보다 크거나 같은 경우, 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 재난 확률을 산출하는 단계를 포함할 수 있다.
여기서, 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 재난 확률을 산출하는 단계는, 적어도 하나의 관계 정보에 대한 이상 감지 정보 각각에 대하여 가중치를 설정하여 재난 확률을 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 상기 재난 예측 방법은특정 지역 내에 실제 재난 발생 여부에 대한 정보를 기초로 재난 확률 및 재난 예상 지수를 조정하는 단계를 더 포함할 수 있다.
그리고, 본 발명의 일 실시예에 따른 상기 재난 예측 방법은 특정 지역 내의 재난 예측 정보를 지도에 반영하여 사용자에게 제공하는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 상기 재난 예측 방법은 상기 예측된 재난 결과를 검증하는 단계를 더 포함할 수 있다.
여기서, 상기 예측된 재난 결과를 검증하는 단계는, 상기 재난 확률 및 상기 재난 예상 지수를 검증하는 단계, 상기 사용자 단말 및 상기 사물인터넷 장치 중 적어도 하나의 장치에 대한 절대 위치 정보 및 상대 위치 정보를 검증하는 단계, 상기 사용자 단말 및 상기 사물인터넷 장치 중 적어도 하나의 장치에 대한 이동 위치 정보를 검증하는 단계 및 상기 사용자 단말 및 상기 사물인터넷 장치 중 적어도 하나의 장치에 대한 오류 정보, 상기 재난 확률의 설정값 및 상기 재난 예상 지수의 설정값을 분석하여 대응 방안 가이드를 도출하는 단계를 포함할 수 있다.
이때, 상기 대응 방안 가이드를 도출하는 단계에서의 상기 재난 확률 및 상기 재난 예상 지수의 설정값은 각각 사전 설정된 특정 기준값 대비 크거나 같을 수 있다.
또한, 복합 공간 정보는, 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보 중 적어도 하나를 포함할 수 있다.
상기 다른 목적을 달성하기 위한 본 발명의 일 실시예에 따른 재난 예측 장치는, 프로세서(processor) 및 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory)를 포함하고, 적어도 하나의 명령은, 사용자 단말 및 특정 지역 내의 사물인터넷 장치로부터 특정 지역에 대한 복합 공간 정보를 획득하도록 하는 명령, 복합 공간 정보를 기초로 이상 감지 정보를 획득하도록 하는 명령, 이상 감지 정보와 미리 설정된 위험 수준 정보를 비교하도록 하는 명령, 비교 결과에 따라 이상 감지 정보를 기초로 재난 확률을 산출하도록 하는 명령 및 재난 확률을 기초로 재난 예상 지수를 산출하여 특정 지역 내의 재난을 예측하도록 하는 명령을 포함한다.
이때, 상기 사용자 단말 및 특정 지역 내의 사물인터넷 장치로부터 상기 특정 지역에 대한 복합 공간 정보를 획득하도록 하는 명령은, 상기 사용자 단말 및 상기 사물인터넷 장치로부터 정형 데이터 및 비정형 데이터 중 적어도 하나를 포함하는 상기 복합 공간 정보를 획득하도록 하는 명령, 상기 비정형 데이터를 정형화하여, 신규 정형 데이터를 획득하도록 하는 명령, 상기 신규 정형 데이터가 공간 정보 정책에 부합하는지 판단하도록 하는 명령, 상기 공간 정보 정책에 부합할 경우, 상기 신규 정형 데이터를 신규 복합 정보 스키마로 처리하도록 하는 명령, 상기 신규 정형 데이터에 대한 식별 정보를 생성하도록 하는 명령 및 상기 신규 정형 데이터를 상기 식별 정보와 함께 상기 복합 공간 정보에 저장하도록 하는 명령을 포함할 수 있다.
상기 복합 공간 정보를 기초로 이상 감지 정보를 획득하도록 하는 명령은, 상기 신규 정형 데이터 및 상기 식별 정보를 포함하는 상기 복합 공간 정보로부터 관계 정보를 추출하도록 하는 명령 및 상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 획득하도록 하는 명령을 포함할 수 있다.
상기 비교 결과에 따라 상기 이상 감지 정보를 기초로 재난 확률을 산출하도록 하는 명령은 상기 적어도 하나의 관계 정보에 대한 이상 감지 정보에 따른 값이 미리 설정된 위험 수준 정보에 따른 값보다 크거나 같은 경우, 상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 재난 확률을 산출하도록 하는 명령을 포함할 수 있다.
이때, 상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 상기 재난 확률을 산출하도록 하는 명령은, 적어도 하나의 관계 정보에 대한 이상 감지 정보 각각에 대하여 가중치를 설정하여 재난 확률을 산출하도록 하는 명령을 포함할 수 있다.
본 발명의 다른 실시예에 따른 재난 예측 장치는, 상기 특정 지역 내에 실제 재난 발생 여부에 대한 정보를 기초로 상기 재난 확률 및 상기 재난 예상 지수를 조정하도록 하는 명령을 더 포함할 수 있다.
또한, 본 발명의 다른 실시예에 따른 재난 예측 장치는, 상기 특정 지역 내의 재난 예측 정보를 지도에 반영하여 사용자에게 제공하도록 하는 명령을 더 포함할 수 있다.
그리고, 본 발명의 다른 실시예에 따른 재난 예측 장치는 상기 예측된 재난 결과를 검증하도록 하는 명령을 더 포함할 수 있다.
또한, 본 발명의 다른 실시예에 따른 재난 예측 장치의 복합 공간 정보는, 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보 중 적어도 하나를 포함할 수 있다.
본 발명에 따르면, 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보를 포함하는 복합 공간 정보를 이용함으로써, 재난 상황을 상대적으로 정확히 예측하고 대응할 수 있다.
본 발명에 따르면, 사물인터넷에 따른 동적 데이터를 이용하며, 동적 데이터 간의 관계성을 분석함으로써, 재난 상황을 효율적이고 정확히 예측할 수 있다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 방법을 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 단말의 위치 정보 획득 방법을 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 동적 IoT 정보를 획득하는 방법을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 방법의 순서도이다.
도 5는 도 4의 복합 공간 정보를 기초로 재난을 예측하는 단계를 상세히 설명하는 순서도이다.
도 6은 도 5의 재난 예측 단계를 상세히 설명하는 순서도이다.
도 7은 도 5의 재난 검증 단계를 상세히 설명하는 순서도이다.
도 8은 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 장치의 개념도이다.
도 9는 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 장치의 블록 구성도이다.
본 발명은 다양한 변경을 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 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다. 이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 방법을 나타낸 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 장치는 사용자 단말 및 IoT 장치로부터 획득한 빅데이터를 처리하여 복합 공간 정보를 생성할 수 있으며, 이를 기초로 재난을 예측할 수 있고, 이를 지도에 반영할 수 있다.
여기서, 복합 공간 정보는 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보를 포함할 수 있으며, 각각 구분되어 저장 및/또는 관리될 수 있으며, 사용자 단말 및/또는 IoT 장치로부터 획득한 데이터는 분류 또는 처리되어 복합 공간 정보의 각 정보에 분류/저장/업데이트가 될 수 있다.
지도 정보는 특정 지역에 대한 위도, 경도 및 높이 등에 대한 정보를 포함할 수 있으며, 위치 정보는 특정 지역 내의 건물의 층 정보 및 지하 공간 구조 정보 등을 포함할 수 있다. 또한, 생활 정보는 특정 지역 내의 간판, 관광, 댓글, 포스팅, 장애인 정보, 노약자 시설 등에 대한 정보를 포함할 수 있고, 생물 정보는 사람, 동물, 식물, 자동차, 비행기, 스마트폰, 로봇 및 드론 등의 이동 가능한 물체에 대한 정보를 포함할 수 있다. 여기서, 생물 정보는 생물체에 한정되는 것이 아니며, 이동 가능한 객체에 대한 정보를 의미할 수 있으므로, 이동 객체 정보라고 지칭할 수도 있다. 환경 정보는 특정 지역에 대한 온도, 지진, 구름, 태풍, 기류, 미세먼지, 소음, 화재 및 재난 등에 대한 정보를 포함할 수 있다.
여기서, 지도 정보 및 위치 정보는 상대적으로 정적인 데이터일 수 있으며, 생활 정보, 생물 정보 및 환경 정보는 상시로 변경될 수 있으므로, 상대적으로 동적인 데이터일 수 있다. 동적인 생활 정보, 생물 정보 및 환경 정보는 시간 별로 빅데이터를 형성할 수 있으며, 빅데이터의 분석에 따라 사용자 위치에 따른 생활 정보, 생물 정보 및 환경 정보를 예측할 수도 있다.
여기서, 사용자 단말은 사용자의 위치 등에 대한 정보를 획득할 수 있으며, 이를 본 발명의 일 실시예에 따른 재난 예측 장치에 제공할 수 있다. 다시 말해, 사용자 단말은 사용자의 위치 등에 대한 정보와 함께 재난 예측 장치로 재난 관련 정보를 요청할 수 있으며, 재난 예측 장치로부터 재난 예측 또는 대응 방안이 반영된 정보를 응답받을 수 있다.
여기서, IoT 장치는 특정 지역 내에 사물인터넷이 가능한 다양한 기기를 모두 의미할 수 있으며, 동적으로 변경되는 정보들을 실시간으로 재난 예측 장치에 제공할 수 있으며, 재난 예측 장치로부터 변경된 정보를 확인할 수 있다.
본 발명의 일 실시예에 따른 재난 예측 장치는 사용자 단말 및/또는 IoT 장치로부터 획득한 빅데이터를 처리하여 복합 공간 정보를 생성할 수 있으며, 복합 공간 정보 내의 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보를 연계 맵핑할 수 있고, 서로 간의 관계를 분석하여, 재난을 예측하고 지도에 반영할 수 있다. 보다 상세한 설명은 후술하겠다.
도 2는 본 발명의 일 실시예에 따른 단말의 위치 정보 획득 방법을 설명하는 도면이다.
도 2를 참조하면, 본 발명의 일 실시예는 다양한 위치 추정 방법을 연계하여 단말의 위치 정보를 정밀하게 획득할 수 있다. 다시 말해, 본 발명의 일 실시예는 절대 위치 정보 및 상대 위치 정보를 함께 이용할 수 있다.
보다 상세히 설명하면, 본 발명의 일 실시예는 단말로부터 GPS(Global Positioning System)에 따른 절대 위치 정보 및/또는 연결된 와이파이(Wi-Fi, Wireless Fidelity)에 따른 위치 정보를 획득할 수 있으며, IoT 장치로부터 획득한 IoT 코드를 연계하여 상대 위치 정보를 획득할 수도 있다.
여기서, IoT 코드는 블루투스(bluetooth)에 의해 특정 위치에 부착되어 반복적으로 위치 정보를 송출하는 비콘(beacon)의 정보, VLC(Visible Light Communication) 기술에 따라 조명 빛의 깜박임(on/off)로 위치 정보를 포함하는 고유 정보를 송출하는 장치의 정보, 라이파이(Li-Fi, Light Fidelity) 기술에 따라 정보를 송출하는 장치의 정보, QR(Quick Response) 코드 및 사물 식별 코드 등의 특별 위치 정보를 포함할 수 있다. 특히, VLC 기술을 이용하는 장치의 정보는 건물, 도로, 터널, 기차, 버스 및 비행기 등의 이동체에서 조명을 통해 송출될 수 있으며, 이를 통해 수직 위치 정보 및 수평 위치 정보를 도출할 수 있고, 절대 위치에서 추정 측위 위치 알고리즘에 의한 오류를 정정할 수도 있다.
본 발명의 일 실시예는 상술한 GPS, 와이파이 및 IoT 코드를 기초로 단말의 상대 위치 정보를 추정할 수 있으며, 공간 정보에 따른 계층 지도, 상대 측위 식별 코드 및 절대 위치 알고리즘을 통해 단말의 절대 정밀 위치 정보를 추정할 수 있다.
또한, 본 발명의 일 실시예는 위치 관제 및 단말의 이동 정보를 통해 단말의 이동 위치를 추적할 수 있으며, 이를 기초로 단말의 이동 방향을 예측할 수 있고, 이를 안내할 수도 있다.
본 발명의 일 실시예는 상술한 기술 중 적어도 하나를 이용하거나 일부 기술을 연계하여 단말의 위치를 정밀하게 추정할 수 있으나, 상술한 기술 모두를 반드시 이용하여 단말의 위치를 추정해야 하는 것은 아니다.
도 3은 본 발명의 일 실시예에 따른 동적 IoT 정보를 획득하는 방법을 설명하는 도면이다.
도 3을 참조하면, 본 발명의 일 실시예는 다양한 IoT 장치로부터 IoT 정보를 획득할 수 있다. 여기서, 다양한 IoT 장치는 가전, 실내등, 가로등, CCTV, 판매대 및 그 밖에 제어 장치를 포함할 수 있으며, 홈네트워크 내에 위치하는 장치로 한정되지 않으며, 다양한 장치들이 다계층으로 포함될 수 있다.
여기서, 다양한 장치들은 각각 네트워크 구성이 다를 수 있으므로, 네트워크 구성 별 게이트웨이(GW, Gateway)를 통해 연결될 수 있으며, 다양한 IoT 장치들의 IoT 정보들은 본 발명의 재난 예측 장치로 제공될 수 있다. 또한, IoT 정보들은 IoT센싱통신오버레이, 지능공간 안전재난통제, 편의공간정보처리, 초연결데이터 센터 등을 구축하여 운용될 수 있으나, 이에 본 발명의 범위가 한정되는 것은 아니다.
도 4는 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 방법의 순서도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 재난 예측 장치는 우선, 사용자 단말 및/또는 IoT 장치로부터 복합 공간 정보를 획득할 수 있다(S410). 여기서, 복합 공간 정보는 빅데이터를 의미할 수 있으며, 이에 따라 정형데이터 또는 동적 IoT 정보에 따라 예상할 수 없는 비정형데이터일 수 있으며, 정형데이터 및 비정형데이터를 모두 포함할 수도 있다.
이후, 본 발명의 일 실시예에 따른 재난 예측 장치는 획득한 복합 공간 정보가 정형데이터인지 판단할 수 있으며(S420), 복합 공간 정보가 비정형데이터인 경우, 비정형 데이터베이스(DB, database)에 저장할 수 있고(S430), 이를 정형화 처리하여 정형화데이터로 변환할 수 있다(S440). 여기서, 비정형데이터의 정형화 방법은 정형화 지능 엔진이 정책 정보를 기초로 처리할 수 있으나, 통상의 방법을 이용할 수도 있다.
또한, 본 발명의 일 실시예에 따른 재난 예측 장치는 정형화된 데이터가 공간 정보 정책에 부합하는지 판단할 수 있으며(S450), 부합하지 않는 경우, 해당 데이터에 대하여 다시 정형화 처리를 수행할 수 있다. 여기서, 공간 정보 정책은 본 발명의 일 실시예가 데이터를 처리하기 위한 형식 등에 관련된 정보를 의미할 수 있다. 다시 말해, 본 발명의 일 실시예는 정형화된 데이터가 다른 기존의 데이터들과 함께 처리가 가능한 형식인지 판단할 수 있다.
본 발명의 일 실시예에 따른 재난 예측 장치는 정형화된 데이터가 공간 정보 정책에 부합하는 경우, 정형화된 데이터에 대하여 신규 복합 공간 정보 스키마 처리를 수행할 수 있으며(S460), 이에 따라 정형화된 데이터는 정식 정형데이터로 고려될 수 있다.
재난 예측 장치는 정형데이터를 포함하는 복합 공간 정보를 기초로 재난을 예측할 수 있다(S470). 여기서, 정형데이터는 S420 단계에서 정형데이터로 판단된 데이터 및 상술한 과정을 통해 정형화된 비정형데이터를 포함할 수 있다. 이후, 재난 예측 장치는 재난 예측과 관련된 정보를 지도에 반영할 수 있고(S480), 사용자에게 제공할 수 있다.
본 발명의 일 실시예에 따른 재난 예측 방법 중 복합 공간 정보를 기초로 재난 예측하는 단계에 대한 상세한 설명은 도 5와 함께 후술하겠다.
도 5는 도 4의 복합 공간 정보를 기초로 재난을 예측하는 단계를 상세히 설명하는 순서도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 재난 예측 장치는 우선, 복합 공간 정보가 신규 정의된 정형화 데이터인지 판단할 수 있으며(S505), 신규로 정의된 정형화 데이터인 경우, 이에 대응하는 신규 식별 정보를 생성할 수 있고(S510), 식별 정보와 함께 복합 공간 정보 데이터베이스에 저장할 수 있다(S515). 여기서, 재난 예측 장치는 복합 공간 정보가 신규 정의된 정형화 데이터가 아닌 경우, 식별 정보가 이미 존재하고 있으므로, 곧바로 식별 정보와 함께 복합 공간 정보 데이터베이스에 저장할 수 있다. 또한, 재난 예측 장치는 데이터 처리의 효율성을 위해 기존의 정형화 정보를 최대한으로 활용하며, 신규 정형화는 최소한으로 이용할 수 있다.
또한, 본 발명의 일 실시예에 따른 재난 예측 장치는 복합 공간 정보가 관계 분석 대상인지 판단할 수 있으며(S520), 관계 분석 대상이 아닌 경우, 곧바로 이를 기초로 재난을 예측할 수 있다(S530). 다만, 재난 예측 장치는 복합 공간 정보가 관계 분석 대상인 경우, 복합 공간 정보로부터 다른 정보와의 관계를 분석하여 관계 분석 정보를 추출할 수 있고(S525), 복합 공간 정보 및 관계 분석 정보를 기초로 재난을 예측할 수 있다(S530). 여기서, 관계 분석은 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보 간의 관계에 대한 분석을 의미할 수 있으며, 후술하는 도 6에서의 생물, 지도위치, 생활생물 및 생물환경에 대한 정보를 의미할 수 있다.
이후, 본 발명의 일 실시예에 따른 재난 예측 장치는 재난 예측 결과에 따라 재난을 검증할 수 있으며(S535), 검증 결과, 현재 특정 지역 또는 현재 판단 대상 지역이 정상 상황인지 판단할 수 있고(S540), 정상 상황이 아닌 경우, 재난 통제 시스템에 관련 정보를 전달할 수 있으며(S545), 이를 시각화할 수 있다(S550). 다만, 재난 예측 장치는 현재 특정 지역 또는 현재 판단 대상 지역이 정상 상황인 경우, 재난 통제 시스템에 관련 정보 전달 없이 예측 결과 또는 검증 결과를 시각화할 수 있다. 여기서, 시각화는 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보 간에 연계가 나타나도록 처리될 수 있다.
본 발명의 일 실시예에 따른 재난 예측 방법 중 재난 예측 단계에 대한 상세한 설명은 도 6과 함께, 재난 검증 단계에 대한 상세한 설명은 도 7과 함께 함께 후술하겠다.
도 6은 도 5의 재난 예측 단계를 상세히 설명하는 순서도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 재난 예측 장치는 획득한 복합 공간 정보에 따라 기존의 복합 공간 정보가 변경되는 경우, 복합 공간 정보의 변경에 따라 생물, 지도위치, 생활생물 및 생물환경 각각에 대한 이상 감지 정보를 획득할 수 있다(S610).
여기서, 생물에 대한 이상 감지 정보는 자동차의 위치 정보가 바다 위로 이동하는 경우와 같이 이동 가능 객체 또는 생물이 비정상적인 위치에 존재하는지에 대한 정보를 의미할 수 있고, 지도위치에 대한 이상 감지 정보는 위도, 경도, 높이, 건물 층, 지하 깊이 등의 변화값과 같이 지도정보 및 위치 정보의 변화에 대한 정보를 의미할 수 있다.
또한, 생활생물에 대한 이상 감지 정보는 특정 생활 정보와 특정 생물 정보(또는 이동 가능 객체 정보)가 동시에 급등 또는 급감과 같이 급격하게 변하는지에 대한 정보를 의미할 수 있고, 생물환경에 대한 이상 감지 정보는 특정 환경 정보 및 특정 생물 정보(또는 이동 가능 객체 정보)가 동시에 급등 또는 급감과 같이 급격하게 변하는지에 대한 정보를 의미할 수 있다.
상술한 생물, 지도위치, 생활생물 및 생물환경 각각에 대한 이상 감지 정보는 복합 공간 정보 내의 지도 정보, 위치 정보, 생물 정보, 생활 정보 및 환경 정보 간에 연계를 통해 획득될 수 있다.
본 발명의 일 실시예에 따른 재난 예측 장치는 생물, 지도위치, 생활생물 및 생물환경 각각에 대한 이상 감지 정보를 미리 설정된 위험 수준 정보와 비교할 수 있으며(S620), 미리 설정된 위험 수준에 도달하지 않는 경우, 계속하여 각각에 대한 이상 감지 정보를 획득할 수 있다(S610). 다만, 각각에 대한 이상 감지 정보가 미리 설정된 위험 수준에 도달하거나 초과하는 경우, 재난 예측 장치는 재난 확률을 산출할 수 있으며(S630), 재난 예상 지수를 산출할 수 있다(S640).
여기서, 재난 확률은 생물에 대한 이상 감지 정보, 지도위치에 대한 이상 감지 정보, 생활생물에 대한 이상 감지 정보 및 생물환경에 대한 이상 감지 정보 각각에 대하여 가중치(p1, p2, p3 및 p4)를 두어 산출할 수 있다. 다시 말해, 재난 확률은 [생물에 대한 이상 감지 정보 * p1 + 지도위치에 대한 이상 감지 정보 * p2 + 생활생물에 대한 이상 감지 정보 * p3 + 생물환경에 대한 이상 감지 정보 * p4]와 같이 산출될 수 있다.
또한, 재난 예상 지수는 재난 확률 w1, 재난 회피 또는 해소 확률 w2 및 재난 대응 효과 확률 w3를 기초로 산출할 수 있으며, w2 및 w3은 통상의 방법을 통해 산출될 수 있다. 다시 말해, 재난 예상 지수는 [재난 확률 w1 - 재난 회피 또는 해소 확률 w2 + 재난 대응 효과 확률 w3]와 같이 산출될 수 있다.
이후, 재난 예측 장치는 외부 데이터 또는 복합 공간 정보를 기초로 현재 실제 재난 상황인지 판단할 수 있으며(S650), 실제 재난 상황인 경우, 관련 정보를 재난 통제 장치에 전달할 수 있다. 또한, 재난 예측 장치는 산출한 재난 확률을 조정할 수 있고(S660), 산출한 재난 예상 지수도 조정할 수 있다(S670).
여기서, 재난 확률의 조정은 예측 확률 산출 시 각 인자에 사용한 가중치에 동일한 제1 조정 값을 곱함으로써 수행될 수 있으며, 재난 예상 지수의 조정은 예상 지수 산출 시 각 인자에 동일한 제2 조정 값을 곱함으로써 수행될 수 있다.
도 7은 도 5의 재난 검증 단계를 상세히 설명하는 순서도이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 재난 예측 장치는 산출한 재난 확률을 검증할 수 있으며(S710), 산출한 재난 예상 지수도 검증할 수 있다(S720). 여기서, 재난 예측 장치는 재난 확률이 미리 설정된 기준값 Fap보다 크거나 같은 경우, 재난 확률을 P1으로 설정할 수 있고, 재난 예측 지수가 미리 설정된 기준값 Faw보다 크거나 같은 경우, 재난 예측 지수를 P2로 설정할 수 있다.
이후, 재난 예측 장치는 장치 문제로 인한 판단 오류를 최소화하기 위해 연결된 각 장치에 대한 정보를 검증할 수 있다. 다시 말해, 재난 예측 장치는 절대 정밀 위치 정보를 검증할 수 있으며(S730), 상대 위치 정보도 검증할 수 있고(S740), 단말의 이동 위치 정보를 검증할 수도 있다(S750).
여기서, 정밀 위치 정보 검증은 정밀 위치 정보를 획득하기 위해 이용된 알고리즘 또는 장치에 대한 검증을 의미할 수도 있으며, 이와 관련된 알고리즘 또는 장치에 오류가 발생한 경우, P3를 오류가 발생한 알고리즘 고유 정보 또는 장치의 고유 정보를 포함하는 시스템 오류 정보로 설정할 수 있다.
또한, 상대 위치 정보 검증은 상대 위치 정보를 획득하기 위해 이용된 장치 또는 인프라에 대한 검증을 의미할 수 있으며, 이와 관련된 장치 또는 인프라에 오류가 발생한 경우, P4를 오류가 발생한 장치 또는 인프라의 고유 정보, 오류에 대한 고유 정보, 절대 위치에 대한 고유 정보, 상대 위치에 대한 고유 정보 및 IoT 코드에 대한 고유 정보 중 적어도 하나를 포함하는 인프라 오류 정보로 설정할 수 있다.
단말의 이동 위치 정보 검증은 단말의 동작에 대한 검증을 의미할 수 있으며, 단말의 동작에 오류가 발생한 경우, P5를 단말의 고유 정보, 오류에 대한 고유 정보, 절대 위치에 대한 고유 정보, 상대 위치에 대한 고유 정보 및 IoT 코드에 대한 고유 정보 중 적어도 하나를 포함하는 단말 오류 정보로 설정할 수 있다.
본 발명의 일 실시예에 따른 재난 예측 장치는 상술한 5단계의 검증을 통해 P1 내지 P5를 획득할 수 있으며, 빅데이터 기반의 머신러닝을 통해 각 정보(P1 내지 P5)에 대하여 분석할 수 있고(S760), 상황 분석 DB 검색을 통해 각 정보(P1 내지 P5)에 대하여 분석할 수도 있다(S770). 또한, 재난 예측 장치는 각 정보(P1 내지 P5)를 기초로 재난의 심각성을 분석할 수 있고(S780), 이에 따른 대응 방안 가이드를 도출할 수도 있다(S790).
도 8은 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 장치의 개념도이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 장치는 공간 환경 측으로부터 관련 정보를 획득하여 공간 데이터 측에서 관련 정보를 저장 및 관리할 수 있으며, 공간 지능 엔진 측에서 공간 데이터 측에서 저장 및 관리하는 관련 정보를 기초로 재난을 예측할 수 있고, 운영 장치 측으로 예측한 정보를 제공할 수 있다.
여기서, 공간 환경 측으로부터 획득하는 관련 정보는 IoT 센서에 따른 정보, 국토 상황 정보 및 재난 인지 정보 등을 포함할 수 있고, 공간 데이터 측에서 저장 및 관리하는 관련 정보는 공간 정보, 빅데이터 및 상황 정보를 포함할 수 있으며, 이를 기초로 예측 모델을 생성할 수 있다. 또한, 공간 지능 엔진 측에서의 예측은 관련 정보를 기초로 데이터 모델링할 수 있고, 이벤트 발생 시 이를 처리할 수도 있으며, 지능 모델 구축 및 재난 대응 방안 구축할 수 있고, 이에 상황추론 인공지능 엔진을 이용할 수 있다. 또한, 예측한 정보를 제공하는 운영 장치 측은 모든 국민에게 정보를 공유 및 제공할 수 있는 공개 공유 장치, 재난 통제 장치 및 공간 정보 제공 장치 등을 포함할 수 있다.
도 9는 본 발명의 일 실시예에 따른 빅데이터 기반의 재난 예측 장치의 블록 구성도이다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 재난 예측 장치(900)는 적어도 하나의 프로세서(910), 메모리(920) 및 저장 장치(930)를 포함할 수 있다.
프로세서(910)는 메모리(920) 및/또는 저장 장치(930)에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(910)는 중앙 처리 장치(CPU, Central Processing Unit), 그래픽 처리 장치(GPU, Graphics Processing Unit) 또는 본 발명에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(920)와 저장 장치(930)는 휘발성 저장 매체 및/또는 비휘발성 저장 매체로 구성될 수 있다. 예를 들어, 메모리(920)는 읽기 전용 메모리(ROM, Read Only Memory) 및/또는 랜덤 액세스 메모리(RAM, Random Access Memory)로 구성될 수 있다.
메모리(920)는 프로세서(910)를 통해 실행되는 적어도 하나의 명령을 저장하고 있을 수 있다. 적어도 하나의 명령은 사용자 단말 및 특정 지역 내의 사물인터넷 장치로부터 특정 지역에 대한 복합 공간 정보를 획득하는 명령, 복합 공간 정보를 기초로 이상 감지 정보를 획득하는 명령. 이상 감지 정보와 미리 설정된 위험 수준 정보를 비교하는 명령, 비교 결과에 따라 이상 감지 정보를 기초로 재난 확률을 산출하는 명령 및 재난 확률을 기초로 재난 예상 지수를 산출하여 특정 지역 내의 재난을 예측하는 명령을 포함할 수 있다.
여기서, 복합 공간 정보는, 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보 중 적어도 하나를 포함할 수 있다.
여기서, 복합 공간 정보를 기초로 이상 감지 정보를 획득하는 명령은, 지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보를 기초로 적어도 하나의 관계 정보를 추출하는 명령 및 적어도 하나의 관계 정보에 대한 이상 감지 정보를 획득하는 명령을 포함할 수 있다.
여기서, 비교 결과에 따라 이상 감지 정보를 기초로 재난 확률을 산출하는 명령은, 적어도 하나의 관계 정보에 대한 이상 감지 정보에 따른 값이 미리 설정된 위험 수준 정보에 따른 값보다 크거나 같은 경우, 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 재난 확률을 산출하는 명령을 포함할 수 있다.
여기서, 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 재난 확률을 산출하는 명령은, 적어도 하나의 관계 정보에 대한 이상 감지 정보 각각에 대하여 가중치를 설정하여 재난 확률을 산출하는 명령을 포함할 수 있다.
여기서, 적어도 하나의 명령은 특정 지역 내에 실제 재난 발생 여부에 대한 정보를 기초로 재난 확률 및 재난 예상 지수를 조정하는 명령 및 특정 지역 내의 재난 예측 정보를 지도에 반영하여 사용자에게 제공하는 명령 중 적어도 하나를 더 포함할 수 있다.
본 발명의 실시예에 따른 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.
실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그래머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그래머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
900: 재난 예측 장치 910: 프로세서
920: 메모리 930: 저장 장치

Claims (20)

  1. 사용자 단말 및 특정 지역 내의 사물인터넷 장치와 연동된 재난 예측 장치를 이용하여 재난을 예측하는 방법에 있어서,
    상기 사용자 단말 및 상기 사물인터넷 장치로부터 상기 특정 지역에 대한 복합 공간 정보를 획득하는 단계;
    상기 복합 공간 정보를 기초로 이상 감지 정보를 획득하는 단계;
    상기 이상 감지 정보와 미리 설정된 위험 수준 정보를 비교하는 단계;
    상기 비교 결과에 따라 상기 이상 감지 정보를 기초로 재난 확률을 산출하는 단계; 및
    상기 재난 확률을 기초로 재난 예상 지수를 산출하여 상기 특정 지역 내의 재난을 예측하는 단계를 포함하는, 재난 예측 방법.
  2. 청구항 1에 있어서,
    상기 사용자 단말 및 상기 사물인터넷 장치로부터 상기 특정 지역에 대한 복합 공간 정보를 획득하는 단계는,
    상기 사용자 단말 및 상기 사물인터넷 장치로부터, 정형 데이터 및 비정형 데이터 중 적어도 하나를 포함하는 상기 복합 공간 정보를 획득하는 단계;
    적어도 하나의 상기 비정형 데이터를 정형화하여, 신규 정형 데이터를 획득하는 단계;
    상기 신규 정형 데이터가 공간 정보 정책에 부합하는지 판단하는 단계;
    상기 공간 정보 정책에 부합할 경우, 상기 신규 정형 데이터를 신규 복합 정보 스키마로 처리하는 단계;
    상기 신규 정형 데이터에 대한 식별 정보를 생성하는 단계; 및
    상기 신규 정형 데이터를 상기 식별 정보와 함께 상기 복합 공간 정보에 저장하는 단계를 포함하는, 재난 예측 방법.
  3. 청구항 2에 있어서,
    상기 복합 공간 정보를 기초로 이상 감지 정보를 획득하는 단계는,
    상기 신규 정형 데이터 및 상기 식별 정보를 포함하는 상기 복합 공간 정보로부터 적어도 하나의 관계 정보를 추출하는 단계; 및
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 획득하는 단계를 포함하는, 재난 예측 방법.
  4. 청구항 3에 있어서,
    상기 비교 결과에 따라 상기 이상 감지 정보를 기초로 재난 확률을 산출하는 단계는,
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보에 따른 값이 상기 미리 설정된 위험 수준 정보에 따른 값보다 크거나 같은 경우, 상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 상기 재난 확률을 산출하는 단계를 포함하는, 재난 예측 방법.
  5. 청구항 4에 있어서,
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 상기 재난 확률을 산출하는 단계는,
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보 각각에 대하여 가중치를 설정하여 상기 재난 확률을 산출하는 단계를 포함하는, 재난 예측 방법.
  6. 청구항 1에 있어서,
    상기 특정 지역 내에 실제 재난 발생 여부에 대한 정보를 기초로 상기 재난 확률 및 상기 재난 예상 지수를 조정하는 단계를 더 포함하는, 재난 예측 방법.
  7. 청구항 1에 있어서,
    상기 특정 지역 내의 재난 예측 정보를 지도에 반영하여 사용자에게 제공하는 단계를 더 포함하는, 재난 예측 방법.
  8. 청구항 1에 있어서,
    상기 예측된 재난 결과를 검증하는 단계를 더 포함하는, 재난 예측 방법.
  9. 청구항 8에 있어서,
    상기 예측된 재난 결과를 검증하는 단계는,
    상기 재난 확률 및 상기 재난 예상 지수를 검증하는 단계;
    상기 사용자 단말 및 상기 사물인터넷 장치 중 적어도 하나의 장치에 대한 절대 위치 정보 및 상대 위치 정보를 검증하는 단계;
    상기 사용자 단말 및 상기 사물인터넷 장치 중 적어도 하나의 장치에 대한 이동 위치 정보를 검증하는 단계; 및
    상기 사용자 단말 및 상기 사물인터넷 장치 중 적어도 하나의 장치에 대한 오류 정보, 상기 재난 확률의 설정값 및 상기 재난 예상 지수의 설정값을 분석하여 대응 방안 가이드를 도출하는 단계를 포함하는, 재난 예측 방법.
  10. 청구항 9에 있어서,
    상기 대응 방안 가이드를 도출하는 단계에서의 상기 재난 확률 및 상기 재난 예상 지수의 설정값은 각각 사전 설정된 특정 기준값 대비 크거나 같은, 재난 예측 방법.
  11. 청구항 1에 있어서,
    상기 복합 공간 정보는,
    지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보 중 적어도 하나를 포함하는, 재난 예측 방법.
  12. 프로세서(processor); 및
    상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory)를 포함하고,
    상기 적어도 하나의 명령은,
    사용자 단말 및 특정 지역 내의 사물인터넷 장치로부터 상기 특정 지역에 대한 복합 공간 정보를 획득하도록 하는 명령,
    상기 복합 공간 정보를 기초로 이상 감지 정보를 획득하도록 하는 명령,
    상기 이상 감지 정보와 미리 설정된 위험 수준 정보를 비교하도록 하는 명령,
    상기 비교 결과에 따라 상기 이상 감지 정보를 기초로 재난 확률을 산출하도록 하는 명령,
    상기 재난 확률을 기초로 재난 예상 지수를 산출하여 상기 특정 지역 내의 재난을 예측하도록 하는 명령을 포함하는, 재난 예측 장치.
  13. 청구항 12에 있어서,
    상기 사용자 단말 및 특정 지역 내의 사물인터넷 장치로부터 상기 특정 지역에 대한 복합 공간 정보를 획득하도록 하는 명령은,
    상기 사용자 단말 및 상기 사물인터넷 장치로부터 정형 데이터 및 비정형 데이터 중 적어도 하나를 포함하는 상기 복합 공간 정보를 획득하도록 하는 명령,
    적어도 하나의 상기 비정형 데이터를 정형화하여, 신규 정형 데이터를 획득하도록 하는 명령,
    상기 신규 정형 데이터가 공간 정보 정책에 부합하는지 판단하도록 하는 명령,
    상기 공간 정보 정책에 부합할 경우, 상기 신규 정형 데이터를 신규 복합 정보 스키마로 처리하도록 하는 명령,
    상기 신규 정형 데이터에 대한 식별 정보를 생성하도록 하는 명령 및,
    상기 신규 정형 데이터를 상기 식별 정보와 함께 상기 복합 공간 정보에 저장하도록 하는 명령을 포함하는, 재난 예측 장치.
  14. 청구항 13에 있어서,
    상기 복합 공간 정보를 기초로 이상 감지 정보를 획득하도록 하는 명령은,
    상기 신규 정형 데이터 및 상기 식별 정보를 포함하는 상기 복합 공간 정보로부터 관계 정보를 추출하도록 하는 명령 및,
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 획득하도록 하는 명령을 포함하는, 재난 예측 장치.
  15. 청구항 14에 있어서,
    상기 비교 결과에 따라 상기 이상 감지 정보를 기초로 재난 확률을 산출하도록 하는 명령은,
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보에 따른 값이 상기 미리 설정된 위험 수준 정보에 따른 값보다 크거나 같은 경우, 상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 상기 재난 확률을 산출하도록 하는 명령을 포함하는, 재난 예측 장치.
  16. 청구항 15에 있어서,
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보를 기초로 상기 재난 확률을 산출하도록 하는 명령은,
    상기 적어도 하나의 관계 정보에 대한 이상 감지 정보 각각에 대하여 가중치를 설정하여 상기 재난 확률을 산출하도록 하는 명령을 포함하는, 재난 예측 장치.
  17. 청구항 12에 있어서,
    상기 적어도 하나의 명령은,
    상기 특정 지역 내에 실제 재난 발생 여부에 대한 정보를 기초로 상기 재난 확률 및 상기 재난 예상 지수를 조정하도록 하는 명령을 더 포함하는, 재난 예측 장치.
  18. 청구항 12에 있어서,
    상기 적어도 하나의 명령은,
    상기 특정 지역 내의 재난 예측 정보를 지도에 반영하여 사용자에게 제공하도록 하는 명령을 더 포함하는, 재난 예측 장치.
  19. 청구항 12에 있어서,
    상기 적어도 하나의 명령은,
    상기 예측된 재난 결과를 검증하도록 하는 명령을 더 포함하는, 재난 예측 장치.
  20. 청구항 12에 있어서,
    상기 복합 공간 정보는,
    지도 정보, 위치 정보, 생활 정보, 생물 정보 및 환경 정보 중 적어도 하나를 포함하는, 재난 예측 장치.
KR1020190028235A 2019-03-12 2019-03-12 빅데이터 기반의 재난 예측 방법 및 장치 KR20200115716A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190028235A KR20200115716A (ko) 2019-03-12 2019-03-12 빅데이터 기반의 재난 예측 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190028235A KR20200115716A (ko) 2019-03-12 2019-03-12 빅데이터 기반의 재난 예측 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20200115716A true KR20200115716A (ko) 2020-10-08

Family

ID=72897475

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190028235A KR20200115716A (ko) 2019-03-12 2019-03-12 빅데이터 기반의 재난 예측 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20200115716A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102262562B1 (ko) * 2020-10-28 2021-06-09 주식회사 지엔씨환경솔루션 자연재해에 따른 하수처리시설의 총괄재난지수 산정 방법
CN116580530A (zh) * 2023-05-26 2023-08-11 江西省宏旺科技有限公司 危险行为预警方法及装置
KR102685581B1 (ko) * 2023-11-28 2024-07-17 주식회사 주빅스 인공지능을 이용한 고위험 산업현장의 유해물질 사고위험 발생 지역 예상 및 피해 예방 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102262562B1 (ko) * 2020-10-28 2021-06-09 주식회사 지엔씨환경솔루션 자연재해에 따른 하수처리시설의 총괄재난지수 산정 방법
CN116580530A (zh) * 2023-05-26 2023-08-11 江西省宏旺科技有限公司 危险行为预警方法及装置
KR102685581B1 (ko) * 2023-11-28 2024-07-17 주식회사 주빅스 인공지능을 이용한 고위험 산업현장의 유해물질 사고위험 발생 지역 예상 및 피해 예방 시스템

Similar Documents

Publication Publication Date Title
US12058212B2 (en) Building management system with auto-configuration using existing points
US11100457B2 (en) Venue map based security infrastructure management
US10558180B2 (en) Building control system with empirical uncertainty determination for energy use model parameters
US20210385304A1 (en) Method for management of intelligent internet of things, system and server
KR20200115716A (ko) 빅데이터 기반의 재난 예측 방법 및 장치
US20160109866A1 (en) Systems and methods for determining an appropriate model parameter order
US9288630B2 (en) Method and apparatus for providing positioning services using multi-spacing clustering
US20160021512A1 (en) Systems and methods for indoor location services
JP2015531053A (ja) 無線マップを動的に作成するためのシステム、方法、及びコンピュータプログラム
KR101900777B1 (ko) 도시환경분석서버 및 그 동작 방법
KR20190039299A (ko) 다변량 데이터에서 이형 탐지
CN112348054A (zh) 多类型传感器的数据处理方法、装置、介质和系统
US11553363B1 (en) Systems and methods for assessing vehicle data transmission capabilities
Arslan et al. Understanding occupant behaviors in dynamic environments using OBiDE framework
Shin et al. FindingMiMo: Tracing a missing mobile phone using daily observations
US11321940B2 (en) Systems and methods for identifying a service qualification of a multi-unit building based on exterior access
WO2018211261A1 (en) Method of mapping indoor region
Krukowski et al. Comprehensive Building Information Management System Approach.
Rodrigues et al. Fusion data tracking system (fits)
CN113469475A (zh) 数据处理方法、装置、存储介质和电子设备
EP4206833A1 (en) Sensing node, sensing network, intelligent building control system and associated method
de Andrade et al. Blindmobi: A system for bus identification, based on bluetooth low energy, for people with visual impairment
WO2024053041A1 (ja) 移動予測装置、移動予測方法、及び、移動予測プログラム
KR102654056B1 (ko) 모바일을 활용한 빈집 실태조사 시스템 및 방법
US20230243665A1 (en) Utilizing models to evaluate geolocation estimate quality without independent test data