KR20200119928A - 인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템 - Google Patents

Abstract

본 발명에 따른 실시간 위험 알람 시스템은, 주기적으로 위치 및 센싱 데이터가 포함된 데이터를 전송하는 보호대상자 단말기; 네트워크를 통해 상기 보호대상자 단말기로부터 전송된 데이터를 수신하고 이를 위치 및 센싱 DB에 저장하는 위치 및 센싱 데이터 관리 서버; 상기 위치 및 센싱 DB로부터 인출된 상기 위치 및 센싱 데이터를 포함하여 구성된 인공지능 학습데이터를 학습하여 각각의 데이터 획득 주기에 대응되는 이동 방향 및 거리 정보를 도출하고, 상기 이동 방향 및 거리 정보와 인공지능 DB로부터 받은 기존 학습데이터를 활용하여 현시점의 예상 목적지, 예상 이동경로, 예상 이동수단, 및 안전도 수치를 도출하는 인공지능서버; 및, 상기 인공지능서버에서 도출된 정보를 네트워크 접속을 통해 상기 보호자 단말기에 제공하고, 상기 안전도가 미리 정해진 소정의 기준보다 낮아지면 보호자 단말기에 실시간 알람을 제공하는 웹서버; 를 포함하고, 상기 센싱 데이터는 보호대상자 단말기의 가속도 센서에서 측정된 가속도 값을 포함하고, 상기 인공지능서버는 상기 센싱 데이터의 학습을 통해 상기 이동수단 정보를 제공하도록 구성된다.

Description

인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템 {Location And Sensing Data Based Real-time Risk Alarming System Using Artificial Intelligence}

본 발명은 위치정보 등을 기반으로 한 정보통신 서비스 시스템에 관한 것으로, 좀 더 상세하게는 보호대상자의 위치 및 센싱 데이터를 인공지능으로 분석하여 실시간 위험도를 예측하여 보호자에게 알려주는 정보통신 서비스 시스템에 관한 것이다.

위치정보 기반 서비스(LBS: Location Based Service)는 스마트폰 등 모바일 단말기의 GPS(Global Positioning System) 수신 정보 및 통신 네트워크 접속 정보 등 위치정보를 활용한 정보통신 서비스를 의미한다. 예컨대, 모바일 단말기로 지도 앱(App.)을 켜면 현위치 주변의 지도가 펼쳐지고, 검색포털에서 음식점 등을 검색하면 현위치 주변의 업소들이 우선적으로 검색된다.

위치정보 기반 서비스에는 모바일 단말기 사용자 본인의 위치정보를 활용한 것뿐만 아니라, 타 단말기 소지자의 위치정보를 활용한 서비스도 있다. 단순하게는 GPS 수신 단말기를 소지한 보호대상자에 대한 위치 추적 서비스에서부터, 추적된 위치정보를 기초로 지리정보시스템(GIS)을 활용하여, 보호대상자의 현위치에 대한 주소, 주변 시설물 정보, 주변 지역의 범죄 발생 통계 데이터에 근거한 범죄 노출 위험도 등의 정보를 제공하기도 한다(등록특허공보 제10-1846298호 참조). 보호대상자의 누적된 위치정보를 활용하여 이동경로를 예측하고, 예측된 이동경로에 대해 수집된 범죄 또는 교통사고 등의 통계적 정보를 활용하여 위험상황 발생 확률을 보호자에게 제공하는 기술적 구성도 문헌적으로 제시된바 있다(공개특허공보 제10-2018-0003027호 참조).

위와 같이 현위치 또는 예측된 이동경로에 대한 위험도 정보를 제공하는 시스템이 보호대상자의 위험을 예방하는 데에 일부 도움이 될 수는 있겠으나, 여전히 해결하기 어려운 문제들이 있다. 대도시의 예를 들어보면, 보호대상자인 어린이나 학생들이 주로 생활하거나 방문하는 집과 학교, 학원, 문화/체육시설, 등과 같은 생활반경 내에도 여러 가지 시설들이 밀집되어 있다. 사고 위험이 있는 큰 도로나, 불법주차가 만연한 이면 도로, 성인 대상의 유흥/오락시설이나 각종 청소년 유해시설, 등의 위험요인이 곳곳에 포진되어 있다. 이미 일정 수준 이상의 위험을 감수하며 생활하는 이들에게 매일 높은 위험도를 예보해 줌으로써 기대되는 효과에는 한계가 있다. 오히려 평상시 생활 패턴에 대한 정확한 인식을 토대로 납치나 유괴, 사고 등의 위험 상황 발생 초기에 이를 정확히 감지하여 보호자에게 신속하게 알리는 것이 더욱 유용할 수 있다.

등록특허공보 제10-1846298호(2018.07.05) 공개특허공보 제10-2018-0003027호(2018.01.09)

본 발명은 보호대상자의 단말기에서 제공되는 위치 및 센싱 데이터를 인공지능으로 학습하여 보호대상자가 시간대별로 자주 방문하는 장소와, 이동경로, 이동수단, 등을 파악하고, 이를 토대로 보호대상자의 실시간 예상 목적지와, 이동경로, 이동수단, 및 보호대상자 특성을 정확히 예측하여 보호자에게 제공하며, 인공지능에 의해 예측된 정보와 실시간 위치 및 센싱 데이터, 그리고 별도로 수집된 지역 정보를 다시 취합하여 인공지능으로 학습함으로써 정확한 안전도를 산출하고, 위험 상황의 발생을 조기에 감지하여 보호자에게 알람을 전달하는, 인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템을 제공하는 데에 그 목적이 있다.

또한, 본 발명은 위와 같은 인공지능의 학습을 통해 도출된 안전도 및 보호대상자 특성에 대한 보호자의 피드백 입력을 인공지능 서버에 전달하여 이를 다시 학습하도록 함으로써, 보호자와의 상호작용을 통해 인공지능의 정확성을 더욱 향상시켜 나갈 수 있는 시스템을 제공하는 데에 그 목적이 있다.

전술한 과제의 해결을 위하여, 본 발명에 따른 실시간 위험 알람 시스템은, 주기적으로 위치 및 센싱 데이터가 포함된 데이터를 전송하는 보호대상자 단말기; 네트워크를 통해 상기 보호대상자 단말기로부터 전송된 데이터를 수신하고 이를 위치 및 센싱 DB에 저장하는 위치 및 센싱 데이터 관리 서버; 상기 위치 및 센싱 DB로부터 인출된 상기 위치 및 센싱 데이터를 포함하여 구성된 인공지능 학습데이터를 학습하여 각각의 데이터 획득 주기에 대응되는 이동 방향 및 거리 정보를 도출하고, 상기 이동 방향 및 거리 정보와 인공지능 DB로부터 받은 기존 학습데이터를 활용하여 현시점의 예상 목적지, 예상 이동경로, 예상 이동수단, 및 안전도 수치를 도출하는 인공지능서버; 및, 상기 인공지능서버에서 도출된 정보를 네트워크 접속을 통해 상기 보호자 단말기에 제공하고, 상기 안전도가 미리 정해진 소정의 기준보다 낮아지면 보호자 단말기에 실시간 알람을 제공하는 웹서버; 를 포함하고, 상기 센싱 데이터는 보호대상자 단말기의 가속도 센서에서 측정된 가속도 값을 포함하고, 상기 인공지능서버는 상기 센싱 데이터의 학습을 통해 상기 이동수단 정보를 제공하도록 구성된다.

상기 인공지능서버는, 상기 위치 및 센싱 데이터를 벡터 형태로 변환하는 위치 및 센싱 데이터 변환부; 및, 상기 벡터 형태로 변환된 위치 및 센싱 데이터가 데이터 획득 주기 단위로 데이터 세트를 이루도록 상기 인공지능 학습데이터를 구성하고, 상기 인공지능학습 데이터 및 학습 결과를 인공지능 DB에 저장하는 위치 및 센싱 데이터 학습부; 를 포함하고, 상기 벡터 형태로 변환된 최근 시점의 위치 및 센싱 데이터와, 상기 인공지능 DB로부터 얻은 기존 학습 결과를 이용하여, 상기 현시점의 상기 예상 목적지 및 예상 이동경로를 도출하도록 구성될 수 있다.

한편, 상기 인공지능서버는, 상기 위치 및 센싱 데이터를 포함하는 제1 인공지능 학습데이터를 구성하고, 이를 학습하여 각각의 데이터 획득 주기에 대응되는 상기 이동 방향 및 거리 정보를 도출하는 위치 및 센싱 데이터 학습부; 및 상기 위치 및 센싱 데이터, 상기 예상 목적지, 상기 예상 이동경로, 및 상기 예상 이동수단을 포함하는 제2 인공지능 학습데이터를 구성하고, 이를 학습하여 각각의 데이터 획득 주기에 대응되는 안전도를 도출하는 안전도 학습부;를 포함하여 구성될 수 있다.

이 경우, 상기 제2 인공지능 학습데이터는 보호대상자 단말기로부터 획득된 것으로 배터리 잔량 및 네트워크 접속 데이터가 포함된 단말기상태 데이터를 더 포함할 수 있다.

상기 제2 인공지능 학습데이터는 상기 예상 목적지, 및 상기 예상 이동경로에 대한 지역 위험도 데이터를 더 포함할 수 있다.

또한, 상기 인공지능서버는, 상기 제1 인공지능 학습데이터의 학습을 통해 보호대상자 특성을 도출하는 보호대상자 특성 학습부를 더 포함하고, 상기 제2 인공지능 학습데이터는 상기 보호대상자 특성 데이터를 더 포함하도록 구성될 수도 있다.

이때, 상기 웹서버는 상기 보호자 단말기에 상기 보호대상자 특성 정보를 더 제공하고, 상기 보호자 단말기로부터 상기 보호대상자 특성 정보에 대한 피드백을 받아 상기 인공지능서버에 전달하도록 구성될 수 있다.

상기 웹서버는 상기 보호자 단말기로부터 상기 안전도에 대한 피드백을 받아 상기 인공지능서버에 전달하도록 구성될 수 있다.

한편, 상기 센싱 데이터는 상기 보호대상자 단말기에서 획득된 지자기 데이터 또는 심박수 데이터를 더 포함할 수 있다.

본 발명에 따르면, 보호대상자의 단말기에서 제공되는 위치 및 센싱 데이터를 인공지능으로 학습하여 보호대상자가 시간대별로 자주 방문하는 장소와, 이동경로, 이동수단, 등을 지속적으로 파악하고, 이를 토대로 보호대상자의 실시간 예상 목적지와, 이동경로, 이동수단, 및 보호대상자 특성을 정확히 예측하여 보호자에게 제공하며, 인공지능에 의해 예측된 정보와 실시간 위치 및 센싱 데이터, 그리고 별도로 수집된 지역 정보를 다시 취합하여 인공지능으로 학습함으로써 정확한 안전도를 산출하고, 위험 상황의 발생을 조기에 감지하여 보호자에게 알람을 전달하는, 인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템의 기술적 구성이 제공된다.

본 발명에 따른 시스템은 위와 같이 인공지능의 학습을 통해 도출된 안전도 및 보호대상자 특성에 대한 보호자의 피드백 입력을 인공지능 서버에 전달하여 이를 다시 학습하도록 함으로써, 보호자와의 상호작용을 통해 인공지능의 정확성을 더욱 향상시켜 나가도록 하는 효과가 있다.

도 1은 본 발명의 한 실시예에 따른 인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템의 구성요소 및 데이터의 흐름을 개략적으로 보인다.
도 2는 상기 도 1의 시스템에서 인공지능 서버의 구성 및 이를 중심으로 한 데이터의 흐름을 보인다.
도 3은 보호대상자 단말기로부터 획득된 위치 및 센싱 정보를 포함하여 제1 인공지능 학습데이터를 구성하고 이동 방향과 속도를 예측하는 과정을 보인다.
도 4는 보호대상자 단말기로부터 획득된 위치 및 센싱 정보와 인공지능을 통한 기존 학습결과 정보가 포함된 제2 인공지능 학습데이터를 구성하고 안전도를 산출하는 과정을 보인다.
도 5는 보호대상자 단말기로부터 누적 수신된 위치 데이터가 시간에 관계없이 지도상에 표시된 예를 보인다.
도 6은 보호대상자 단말기로부터 누적 수신된 시간대별 위치 데이터를 활용하여 다수의 이동경로를 도출하는 과정을 예시한다.
도 7은 동일 시간대의 다수의 예측된 이동경로 중 실시간 위치 및 센싱 데이터를 반영하여 정확한 이동경로를 예측하는 과정을 예시한다.
도 8은 보호자 단말기에 제공되는 하루 단위의 예측 이동경로 화면을 예시한다.
도 9는 인공지능을 이용한 안전도 산출 원리를 도식적으로 보인다.
도 10은 보호자 단말기기에 출력된 위험 알람 화면을 예시한다.

이하에서는 도면을 참조하여 본 발명의 다양한 실시예를 설명한다. 실시예를 통해 본 발명의 기술적 사상이 좀 더 명확하게 이해될 수 있을 것이다. 또한, 본 발명은 이하에 설명된 실시예에 한정되는 것이 아니라 그 기술적 사상의 범위 내에서 다양한 형태로 변형될 수 있다.

도 1은 본 발명의 한 실시예에 따른 인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템의 구성요소 및 데이터의 흐름을 개략적으로 보인다.

본 발명에 따른 인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템은, 보호대상자 단말기(10)와, 위치 및 센싱 데이터 관리서버(30)와, 인공지능서버(50), 웹서버(60), 및 보호자 단말기(20)를 포함하여 구성된다. 상기 보호대상자 단말기(10)는 주기적으로 시각, 위치 및 센싱 데이터가 포함된 데이터 D1을 전송한다. 상기 위치 데이터에는 상기 보호대상자 단말기(10)의 GPS 모듈에서 획득된 위치 좌표가, 상기 센싱 데이터에는 가속도 센서에서 검출된 가속도 값이 포함된다. 상기 보호대상자 단말기(10)의 장치 구성에 따라 상기 센싱 데이터에는 지자기 값이나 심박수 값, 등이 더 포함될 수 있다. 또한, 상기 데이터 D1에는 전술한 위치 및 센싱 데이터 외에도 배터리 잔량이나 네트워크 접속 정보 등을 포함하는 단말기 상태 정보도 포함될 수 있다.

상기 위치 및 센싱 데이터 관리서버(30)는 상기 보호대상자 단말기(10)로부터 상기 데이터 D1을 수신하여 위치 및 센싱 DB(35)에 저장한다. 상기 인공지능서버(50)는 상기 위치 및 센싱 DB(35)로부터 인출된 데이터 D2를 활용하여 제1 인공지능 학습데이터를 구성하고, 이를 학습 결과 정보와 함께 구조화한 데이터 D3을 인공지능 DB(45)에 저장한다. 상기 인공지능서버(50)는 상기 인공지능 DB(45)로부터 인출한 기존 학습결과 정보 데이터 D4가 포함된 제2 인공지능 학습데이터를 구성하고, 이를 학습함으로써 보호자 단말기(20)에 제공할 예측 정보 D5를 도출한다.

상기 예측 정보 D5에는 시간대별로 보호대상자가 자주 방문하는 장소, 현시점의 예상 목적지, 예측된 이동경로와 이동수단, 그리고 현시점을 기준으로 산출된 안전도 정보가 포함된다. 또한, 상기 인공지능서버(50)의 학습에 의해 도출된 보호대상자 특성 정보도 포함될 수 있다.

상기 자주 방문하는 장소는 요일별로 제공될 수 있다. 장소마다 해당 장소에 머무는 시간대에 대한 정보도 함께 제공된다. 상기 현시점의 예상 목적지는 가장 최근 시점의 위치 및 센싱 데이터를 통해 학습된 결과가 반영된 정보이다. 예를 들어, 보호자가 보호자 단말기(20)를 통해 웹서버(60)에 접속하여, 현시점의 정보를 조회하면, 상기 웹서버(60)는 보호대상자 단말기(10)의 현위치와 함께 인공지능서버(50)에서 최근 시점까지의 학습을 통해 도출된 상기 예측 정보 D5를 보호자가 볼 수 있도록 상기 보호자 단말기(20)에 제공할 수 있다. 보호자의 조회 요청이 없는 때에도 미리 설정된 조건에 부합하는 때는 웹서버(60)가 앱 푸쉬 등의 형태로 보호자 단말기(20)에 정보를 제공할 수도 있다.

상기 예측된 이동경로는 전술한 장소와 장소 사이를 연결하는 경로로서, 누적된 위치 데이터 등을 통해 학습된 다수의 이동경로를 포함한다. 동일한 장소라도 상황에 따라 여러 가지 길을 통해 도달할 수 있기 때문이다. 상기 다수의 이동경로는 활용 빈도에 따라 차등적으로 표시될 수 있다. 한편, 상기 예측된 이동경로는 실시간 데이터 학습을 통해 업데이트 된다. 예를 들어, 보호대상자가 어느 요일 어느 시간대에 학교에서 학원으로 이동할 때 활용하는 제1 내지 제3의 이동경로가 있다고 할 때, 실시간 위치 데이터가 그 중 하나인 제2의 이동경로 상에서 발견되면 상기 인공지능서버(50)는 이를 학습에 반영하여 현시점의 예측 이동경로를 선택한다.

상기 이동수단 정보는 도보, 자전거, 차량 등 보호대상자가 어떤 이동경로를 이동할 때 어떤 이동수단을 이용하는지를 나타낸다. 보호대상자가 이동하는 중에는 상기 이동수단 정보 역시 누적 데이터뿐만 아니라 실시간 데이터 학습을 통해 정확하게 예측된다. 상기 인공지능서버(50)는 위치 데이터뿐만 아니라 가속도 센서에서 획득된 가속도 값 등의 센싱 데이터를 포함하는 인공지능 학습데이터를 활용하기 때문에 이동수단을 더 정확히 파악할 수 있다. 이동수단의 판단은 현시점의 안전도 판단에도 큰 영향을 미친다. 평소 도보로 하교하는 어린이가 하굣길을 벗어났고, 게다가 도보가 아니라 차량으로 이동 중이라면 납치 등 위험 상황이 발생했을 가능성이 더 높다고 볼 수 있기 때문이다.

상기 안전도 정보는 보호자 단말기(20)에 위험 알람을 전송하는 기준이 된다. 안전도가 일정 수준 아래로 떨어지면 상기 웹서버(60)는 위험 알람을 전송하도록 구성될 수 있다. 상기 안전도 정보는 상기 인공지능서버(50)에서 전술한 장소/목적지 정보, 이동경로 정보, 및 이동수단 정보와 기존의 안전도 산출 결과 등이 반영된 인공지능의 학습 결과물로서 제공된다. 상기 안전도 판단에는 이외에도 외부 데이터, 예컨대 지역 위험도 판단의 기초가 되는 지역별 범죄, 교통사고, 안전사고 등에 관한 데이터도 반영될 수 있다.

상기 보호대상자 특성 정보는 전술한 바와 같이 누적된 위치 및 센싱 데이터의 인공지능 학습을 통해 도출되며, 이것 역시 안전도 판단에 반영될 수 있다. 보호대상자 특성 정보에는 예를 들면, 도보 중에도 갑자기 방향을 바꾸며 달리는 일이 잦거나, 도보나 자전거로 이동 중에 건널목이 아닌 곳에서도 자주 멈춰 선다거나, 목적지까지 이동하는 사이에 다른 장소를 자주 들른다거나, 교통량이 많은 길을 빠르게 이동하는, 등 안전과 관계된 행동 양식을 포함할 수 있다.

한편, 상기 안전도 정보와 상기 보호대상자 특성 정보에 대해서는 상기 웹서버(60)가 보호자 단말기(20)로부터 보호자의 피드백(B1)을 받고, 이를 다시 상기 인공지능서버(50)에 피드백(B2)함으로써, 보호자의 판단 기준을 인공지능의 학습에 반영하여 점차 보호자의 판단 기준에 부합하도록 안전도 및 보호대상자 특성 정보를 조정해 나갈 수 있다.

상기 웹서버(60)는 전술한 예측 정보 D5를 보호자 단말에 전달(D6)하는 데에 필요한 템플릿 등을 웹서버 DB(65)에 저장하여 활용할 수 있다. 상기 웹서버(60)는 보호자 단말기(20)와의 접속을 통해 사용자 등록, 사용자 인증, 및 접속 로그 관리 등의 역할도 수행한다. 또한, 전술한 바와 같이, 제공된 안전도 및 보호대상자 특성 정보에 대한 보호자의 피드백을 입력받아 인공지능서버(50)에 전달하는 역할도 수행한다.

도 2는 상기 도 1의 시스템에서 인공지능서버의 구성 및 이를 중심으로 한 데이터의 흐름을 보인다.

인공지능서버(50)는 위치 및 센싱 DB(35)로부터 주기적으로 위치 데이터 및 센싱 데이터를, 좀 더 바람직하게는, 여기에 단말기 상태까지 포함된 데이터를 인출한다. 도 2에 대한 설명에서 '위치 및 센싱 데이터'라는 표현은 특별히 반대되는 언급이 없으면, 위치 데이터, 센싱 데이터뿐만 아니라 단말기 상태 데이터를 포함하는 의미로 해석될 수 있다. 상기 DB(35)로부터의 데이터 인출 주기는 전술한 위치 및 센싱 데이터 서버(30, 도1 참조)가 보호대상자 단말기(10)로부터 데이터를 수신하는 주기와 같을 수 있다. 보호대상자 단말기(10)에서 전송된 위치 및 센싱 데이터는 위에 언급된 과정에 소요되는 약간의 지연을 무시한다면 실질적으로 실시간으로 인공지능서버(50)에 전달된다.

상기 인공지능서버(50)는 먼저, 수신된 위치 및 센싱 데이터를 인공지능 학습에 용이한 범위의 수치 값을 갖는 벡터 형태로 변환하는 위치 및 센싱 데이터 변환부(51)를 갖는다. 변환된 데이터는 데이터가 획득된 시각, 위치 좌표, 가속도 등의 데이터를 포함하는 데이터 세트를 구성한다. 이러한 데이터 세트는 인공지능 학습데이터로서, 좀 더 구체적으로는, 딥러닝 Input 데이터로서 위치 및 센싱 데이터 학습부(52)에 의해 학습되고, 인공지능 DB(45)에 축적된다. 데이터 벡터화 과정은 상기 위치 및 센싱 데이터 수신 주기마다 반복된다. 변환된 데이터는 장소 학습부(53)에도 전달되어 인공지능 DB(45)로부터 수신된 기존 학습데이터와 함께 활용된다. 상기 변환된 데이터는 뒤에 설명될 이동경로 선택/예측부(551)에서도 활용된다.

상기 장소 학습부(53)는 기존 학습 결과에 신규 학습데이터를 반영하여 시간대별로 자주 가는 장소를 업데이트 하고, 그 결과를 목적이 판단부(531)에 제공하여 현시점의 목적지를 판단하도록 한다. 이동경로 생성부(55)는 상기 현시점의 목적지와 해당 시간대의 이동경로에 대한 기존 학습 결과를 반영하여 하나 이상의 이동경로를 생성하고, 이를 제공받은 이동경로 선택/예측부(551)는 여기에 상기 위치 및 센싱 데이터 변환부(51)로부터 수신된 데이터를 반영하여 현위치가 반영된 하나의 이동경로를 선택함으로써, 유력한 이동경로를 예측하여 제공한다.

안전도 학습부(56)는 역시 인공지능 DB(45)에서 수신된 기존 학습 결과와 앞서 예측된 이동경로, 목적지 등의 정보, 그리고 센싱 데이터 및 단말기 상태 데이터 등을 종합적으로 학습한다. 그 결과는 안전도 산출부(561)를 통해 수치화된 안전도 값으로 제공된다. 또한, 상기 인공지능서버(50)는 보호대상자 특성 학습부(57)를 더 포함하고, 학습 결과는 보호대상자 특성 도출부(571)를 통해 웹서버(60)에 제공된다. 이 외에도 자주 가는 장소, 목적지, 이동경로, 이동수단, 안전도 등의 정보도 웹서버(60)에 제공된다.

도 3은 보호대상자 단말기로부터 획득된 위치 및 센싱 정보를 포함하여 제1 인공지능 학습데이터를 구성하고 이동 방향과 속도를 예측하는 과정을 보인다.

전술한 바와 같이 인공지능서버는 데이터가 획득된 시각과 위치좌표, 가속도 값이나 지자기, 심박수 등이 포함된 센싱 데이터, 배터리 잔량 또는 네트워크 접속 정보 등이 포함된 단말기 상태 데이터를 각각 수치화하고 이들 수치를 벡터화하여 딥러닝 Input 데이터인 제1 인공지능 학습데이터를 구성한다. 상기 제1 인공지능 학습데이터는 학습에 활용되고, 전술한 인공지능 DB에 저장된다.

인공지능을 통해 이동 방향 및 거리, 즉 데이터 획득 주기 동안 이동한 방향 및 거리의 개념으로서, 한 주기의 평균 이동속도(방향 포함)를 예측하기 위해 뉴럴네트워크(신경망)를 생성한다. 뉴럴네트워크의 초기 가중치는 임의의 값으로 하고, 각각의 데이터 세트에 대해 작업을 반복한다. 뉴럴네트워크에 데이터를 출력하고 실제 입력된 데이터를 비교한다. 이를 바탕으로 뉴럴네트워크의 가중치를 업데이트한다. 입력된 데이터 세트의 모든 데이터가 정확하게 예측되거나 종료 조건에 도달하면 반복을 종료한다. 이런 방식으로 각각의 데이터 획득 시점에 대하여 다음의 이동 방향과 거리를 구할 수 있다. 그 결과는 실시간 목적지 판단, 이동경로의 선택 및 예측, 이동수단의 예측 등에 활용될 수 있다.

도 4는 보호대상자 단말기로부터 획득된 위치 및 센싱 정보와 인공지능을 통한 기존 학습 결과를 포함하는 제2 인공지능 학습데이터를 구성하고 안전도를 산출하는 과정을 보인다.

상기 인공지능서버는 상기 도 3의 과정과 유사하게, 안전도 산출을 위한 딥러닝 Input 데이터를 구성하고, 뉴럴네트워크를 생성한다. 이 경우 상기 딥러닝 Input 데이터는 상기 보호대상자 단말기에서 획득된 위치 및 센싱 데이터, 단말기 상태 데이터뿐만 아니라 이들을 활용한 인공지능 학습 결과로서 도출된 데이터를 더 포함하는, 제2 인공지능 학습데이터로서 구성된다.

상기 제2 인공지능 학습데이터는, 도시된 바와 같이, 시각과 위치좌표, 가속도 값 등을 포함하는 위치 및 센싱 데이터와, 배터리 잔량이나 네트워크 접속 정보 등을 포함하는 단말기 상태 데이터, 그리고 인공지능 학습 결과 도출된 상기 위치 및 센싱 데이터 획득 시점의 예측된 목적지, 이동경로, 이동수단 정보 등을 포함하여 구성된다. 여기에 상기 위치좌표에 대응되어 수치화된 지역 위험도나, 인공지능을 통해 해당 시점 이전에 도출된 보호대상자 특성 정보 등도 포함될 수 있다.

앞서 언급된 모든 데이터들은 수치화 및 벡터화된다. 예컨대, 이동수단은 기존 학습 결과의 한 예로서, 총 4가지의 수치화된 값으로 벡터화될 수 있다. 데이터 획득 시점의 이동수단이 [걷기, 뛰기, 자전거, 차량]일 확률을 나타내는 각각의 수치들로, [0.83, 0.15, 0.0, 0.1]와 같은 벡터가 구성될 수 있다. 다른 한 예로, 이동경로와 관련하여 미리 예측된 이동경로와 데이터 획득 시점의 위치좌표 사이의 차이도 벡터화되어 상기 제2 인공지능 학습데이터에 포함될 수 있다.

안전도 산출을 위해 뉴럴네트워크를 생성하는데, 초기에 임의의 값으로 가중치를 초기화한 후 다음 상기 제2 인공지능 학습데이터를 구성하는 각 데이터 세트에 대해서 작업을 반복한다. 먼저, 뉴럴네트워크에 데이터를 출력하고 실제 입력된 데이터를 비교한다. 이를 바탕으로 뉴럴네트워크(신경망)의 가중치를 업데이트 한다. 입력된 데이터 세트의 모든 데이터가 정확하게 예측되거나 종료 조건에 도달하면 반복을 종료한다. 이러한 방식으로 각 데이터 획득 시점의 안전도를 산출할 수 있다. 안전도는 예컨대 가장 위험한 정도가 1, 가장 안전한 정도가 0이 되는 수치로서 제공될 수 있다. 안전도가 미리 설정된 소정의 수치 아래로 떨어지면 보호자 단말기에 알람 메세지를 전송하도록 구성될 수 있다.

이하에서는, 본 발명에 따른 시스템에서 인공지능을 활용하여 수행되는 정보 처리의 원리 등을 예시 화면이나 참고 이미지 등을 활용하여 설명한다.

도 5는 보호대상자 단말기로부터 누적 수신된 위치 데이터가 시간에 관계없이 지도상에 표시된 예를 보인다.

본 도면은 하나의 시각적인 예로서, 소정의 단위시간 동안, 예컨대 하루 동안 보호대상자 단말기로부터 수신된 위치 데이터를 대응되는 위치좌표에 표시한 것이다. 지도상에 표시된 각각의 데이터에는 위치좌표 외에도, 여기에 표시되지 않았지만, 해당 데이터가 획득된 시각과, 각 데이터 획득 시점의 센싱 데이터, 단말기 상태 데이터와 같이 보호대상자 단말기로부터 전송되는 모든 데이터가 포함된다. 이런 데이터는 계속해서 누적되고, 인공지능서버의 학습에 활용되며, 인공지능 학습데이터 및 그 결과 역시 계속해서 누적되고 활용됨은 전술한 바와 같다.

한편, 이와 같은 다수의 위치 데이터를 K-평균 알고리즘(K-means algorithm)을 이용하여 K개의 클러스트러로 묶을 수 있고, 각각의 클러스터로부터 보호대상자가 자주 가는 장소가 도출될 수 있다. 또한, 위치좌표의 두 직교 축에 시간 축이 추가된 3차원 좌표계에 상기 다수의 위치 데이터를 획득 시점별로 표시하고, K-평균 알고리즘을 이용하면 시간대별로 자주 가는 장소가 도출될 수 있다.

또한, 기본적으로는 방문 시간 측면에서 선후 관계에 있는 두 장소 사이에서 획득된 위치 데이터들을 시간 순서에 따라 연결하면 두 장소 사이의 이동경로를 얻을 수도 있다.

도 6은 보호대상자 단말기로부터 누적 수신된 시간대별 위치 데이터를 활용하여 다수의 이동경로를 도출하는 과정을 예시한다.

(a) 도면은 일 예로 일정 기간에 획득된 위치 데이터를 그리드 형태로 구획된 평면 좌표계에 투영한 것으로, 구획된 하나의 그리드 영역에 대응되는 위치 데이터의 갯수 혹은 그에 대응되는 확률 값을 각 그리드 영역에 숫자로 표시한 것이다. 파란색, 빨간색, 초록색 점은 전술한 K-평균 알고리즘을 통해 얻은 각 클러스터에 대응되는 자주 가는 장소를 나타낸다. 각 그리드 영역의 점들을 시간대별로 구분하여 시간의 순서대로 연결하면 도시된 것처럼, 다수의 이동경로를 얻을 수 있다.

(b) 도면은 위의 (a)에서 얻은 다수의 이동경로를 선 형태로 정리하여 도시한 것이다. 보이는 것처럼, 파란색 점으로 표시된 장소에서 빨간색 점으로 표시된 장소까지 이동하는 경로 2가지와, 빨간색 점으로 표시된 장소에서 초록색 점으로 표시된 장소까지 이동하는 경로 2가지가 도출되었다. 실제로 어느 한 장소에서 다른 장소로 이동하는 경로는 여러 가지가 있을 수 있고, 보호대상자 역시 그때그때 상황에 따라 다른 경로를 통해 이동할 수 있다.

도 7은 동일 시간대의 다수의 예측된 이동경로 중 실시간 위치 및 센싱 데이터를 반영하여 정확한 이동경로를 예측하는 과정을 예시한다.

본 발명에 따른 시스템은 인공지능을 통해 누적된 데이터를 학습하여 (a)에 도시된 바와 같이, 보호대상자가 동일 시간대에 어느 한 장소에서 다른 장소로 이동하는 복수의 이동경로를 예측하여 제시하는 데에 그치지 않고, 보호대상자의 이동 중에 획득된 실시간 위치 데이터에 부합하는 이동경로를 선택하여 보호대상자의 이동경로를 좀 더 정확하게 예측할 수 있다. 이러한 예측은 안전도의 산출에도 반영된다.

도 8은 보호자 단말기에 제공되는 하루 단위의 예측 이동경로 화면을 예시한다.

예시된 것처럼, 보호자는 보호자 단말기 화면을 통해서, 요일별로 누적된 데이터에 근거해 도출된, 보호대상자의 당일 시간대별 방문 장소와 예상 이동경로 정보를 확인할 수 있다. 보호자 단말기의 화면에는 예상 방문 장소와 예상 이동경로가 각각에 대해 인공지능을 통해 산출된 적중 확률에 따라 컬러 등 인덱스를 달리하여 표시될 수 있다. 상기 이동경로에 관련해서는 예상 이동수단의 정보도 제공된다.

도 9는 인공지능을 이용한 안전도 산출 원리를 도식적으로 보인다.

이에 관해서는 앞서 도 4를 참조하여 실질적 구성을 설명한 바 있으며, 본 도면은 직관적인 이해를 돕기 위한 도면으로 활용될 수 있을 것이다.

본 발명에 따른 인공지능을 이용한 위치 및 센싱 데이터 기반의 실시간 위험 알람 시스템은, 위치 및 센싱 데이터, 단말기상태 데이터, 지역 위험도 데이터와 함께, 상기 위치 및 센싱 데이터를 활용한 인공지능 학습에 의해 예측된 목적지, 이동경로 및 이동수단 정보와, 보호대상자 특성 정보를 인공지능의 학습 및 판단에 활용함으로써 정확하게 안전도를 산출할 수 있다. 인공지능의 학습 및 판단에는 기존의 안전도 또는 보호대상자 특성 판단에 대한 보호자의 피드백도 반영되어 그 정확성 향상에 기여한다.

도 10은 보호자 단말기기에 출력된 위험 알람 메시지를 예시한다.

본 발명에 따른 시스템은 인공지능에 의해 실시간으로 산출된 안전도가 미리 설정된 기준치 아래로 떨어지면, 보호자에게 긴급 메세지 형태의 알람을 전송한다. 이를 통해 보호자는 보호대상자가 위험 상황에 처했을 가능성이 크다는 점을 인식하고 초기 대응을 해나갈 수 있다. 예를 들어, 평소 도보로 하교하는 어린이가 하굣길을 크게 벗어났고, 도보가 아니라 차량으로 이동 중인 경우, 이를 보호자에게 실시간으로 전달함으로써, 보호자가 경찰에 신고하여 추적하는 등 신속하게 초동대처를 할 수 있게 된다.

10: 보호대상자 단말기
20: 보호자 단말기
30: 위치 및 센싱 데이터 관리서버
35: 위치 및 센싱 DB
45: 인공지능 DB
50: 인공지능서버
60: 웹서버
65: 웹서버 DB

Claims (9)

1. 주기적으로 위치 및 센싱 데이터가 포함된 데이터를 전송하는 보호대상자 단말기;
   네트워크를 통해 상기 보호대상자 단말기로부터 전송된 데이터를 수신하고 이를 위치 및 센싱 DB에 저장하는 위치 및 센싱 데이터 관리 서버;
   상기 위치 및 센싱 DB로부터 인출된 상기 위치 및 센싱 데이터를 포함하여 구성된 인공지능 학습데이터를 학습하여 각각의 데이터 획득 주기에 대응되는 이동 방향 및 거리 정보를 도출하고, 상기 이동 방향 및 거리 정보와 인공지능 DB로부터 받은 기존 학습데이터를 활용하여 현시점의 예상 목적지, 예상 이동경로, 예상 이동수단, 및 안전도 수치를 도출하는 인공지능서버; 및,
   상기 인공지능서버에서 도출된 정보를 네트워크 접속을 통해 상기 보호자 단말기에 제공하고, 상기 안전도가 미리 정해진 소정의 기준보다 낮아지면 보호자 단말기에 실시간 알람을 제공하는 웹서버; 를 포함하고,
   상기 센싱 데이터는 보호대상자 단말기의 가속도 센서에서 측정된 가속도 값을 포함하고, 상기 인공지능서버는 상기 센싱 데이터의 학습을 통해 상기 이동수단 정보를 제공하는,
   실시간 위험 알람 시스템.
2. 제1항에 있어서,
   상기 인공지능서버는,
   상기 위치 및 센싱 데이터를 벡터 형태로 변환하는 위치 및 센싱 데이터 변환부; 및,
   상기 벡터 형태로 변환된 위치 및 센싱 데이터가 데이터 획득 주기 단위로 데이터 세트를 이루도록 상기 인공지능 학습데이터를 구성하고, 상기 인공지능학습 데이터 및 학습 결과를 인공지능 DB에 저장하는 위치 및 센싱 데이터 학습부; 를 포함하고,
   상기 벡터 형태로 변환된 최근 시점의 위치 및 센싱 데이터와, 상기 인공지능 DB로부터 얻은 기존 학습 결과를 이용하여, 상기 현시점의 상기 예상 목적지 및 예상 이동경로를 도출하는,
   실시간 위험 알람 시스템.
3. 제1항에 있어서,
   상기 인공지능서버는,
   상기 위치 및 센싱 데이터를 포함하는 제1 인공지능 학습데이터를 구성하고, 이를 학습하여 각각의 데이터 획득 주기에 대응되는 상기 이동 방향 및 거리 정보를 도출하는 위치 및 센싱 데이터 학습부; 및
   상기 위치 및 센싱 데이터, 상기 예상 목적지, 상기 예상 이동경로, 및 상기 예상 이동수단을 포함하는 제2 인공지능 학습데이터를 구성하고, 이를 학습하여 각각의 데이터 획득 주기에 대응되는 안전도를 도출하는 안전도 학습부;를 포함하는,
   실시간 위험 알람 시스템.
4. 제3항에 있어서,
   상기 제2 인공지능 학습데이터는 보호대상자 단말기로부터 획득된 것으로 배터리 잔량 및 네트워크 접속 데이터가 포함된 단말기상태 데이터를 더 포함하는,
   실시간 위험 알람 시스템.
5. 제3항에 있어서,
   상기 제2 인공지능 학습데이터는 상기 예상 목적지, 및 상기 예상 이동경로에 대한 지역 위험도 데이터를 더 포함하는,
   실시간 위험 알람 시스템.
6. 제3항에 있어서,
   상기 인공지능서버는,
   상기 제1 인공지능 학습데이터의 학습을 통해 보호대상자 특성을 도출하는 보호대상자 특성 학습부를 더 포함하고,
   상기 제2 인공지능 학습데이터는 상기 보호대상자 특성 데이터를 더 포함하는,
   실시간 위험 알람 시스템.
7. 제6항에 있어서,
   상기 웹서버는 상기 보호자 단말기에 상기 보호대상자 특성 정보를 더 제공하고, 상기 보호자 단말기로부터 상기 보호대상자 특성 정보에 대한 피드백을 받아 상기 인공지능서버에 전달하도록 구성된,
   실시간 위험 알람 시스템.
8. 제1항에 있어서,
   상기 웹서버는 상기 보호자 단말기로부터 상기 안전도에 대한 피드백을 받아 상기 인공지능서버에 전달하도록 구성된,
   실시간 위험 알람 시스템.
9. 제1항에 있어서,
   상기 센싱 데이터는 상기 보호대상자 단말기에서 획득된 지자기 데이터 또는 심박수 데이터를 더 포함하는,
   실시간 위험 알람 시스템.

Images