KR20200137098A - 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법 - Google Patents

확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법 Download PDF

Info

Publication number
KR20200137098A
KR20200137098A KR1020190062863A KR20190062863A KR20200137098A KR 20200137098 A KR20200137098 A KR 20200137098A KR 1020190062863 A KR1020190062863 A KR 1020190062863A KR 20190062863 A KR20190062863 A KR 20190062863A KR 20200137098 A KR20200137098 A KR 20200137098A
Authority
KR
South Korea
Prior art keywords
disaster
target area
state
occurrence
sensor data
Prior art date
Application number
KR1020190062863A
Other languages
English (en)
Other versions
KR102215519B1 (ko
Inventor
강진석
Original Assignee
(주)프론티스
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 (주)프론티스 filed Critical (주)프론티스
Priority to KR1020190062863A priority Critical patent/KR102215519B1/ko
Publication of KR20200137098A publication Critical patent/KR20200137098A/ko
Application granted granted Critical
Publication of KR102215519B1 publication Critical patent/KR102215519B1/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—Systems or methods specially adapted for 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이는 상기 대상 지역의 대상 센서로부터 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신하는 수신부, 상기 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성하고, 상기 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성하고, 상기 은닉 마르코프 모델에 기초하여 상기 대상 지역에 대한 상태 모델을 생성하는 상태 모델 생성부, 상기 통합 센서 데이터 및 상기 상태 모델에 기초하여 상기 대상 지역의 재난 발생을 예측하는 예측부 및 상기 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버로 전송하는 전송부를 포함한다.

Description

확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법{EDGE GATEWAY, CLOUD SERVER AND METHOD FOR PREDICTING DISASTER ON TARGET REGION USING EDGE COMPUTING IN EXTENDED REALITY ENVIRONMENT}
본 발명은 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법에 관한 것이다.
확장현실(eXtended Reality, XR)이란 VR, AR, MR을 아우르는 표현으로 현실과 가상 간의 상호작용(Interaction)이 더욱 강화되어 인공지능과 사물인터넷의 범주를 포함한 원격작업을 위한 시각적 지원이 가능할 수 있도록 한다.
클라우드 컴퓨팅(Cloud Computing)이란 정보가 인터넷 상의 서버에 저장되고, 데스크탑/태블릿PC/노트북/넷북/스마트폰 등의 IT 기기 등과 같은 클라이언트에는 일시적으로 보관되는 컴퓨터 환경을 의미한다. 클라우드 컴퓨팅은 사용자의 모든 정보를 인터넷 상의 서버에 저장함으로써, 사용자가 언제, 어디서든 해당 정보를 각종 IT 기기를 통해 이용할 수 있도록 한다.
이러한 클라우드 컴퓨팅 및 확장현실과 관련하여, 선행기술인 한국공개특허 제 2017-0127921호는 클라우드 서버 및 클라우드 서버에서의 클라우드 컴퓨팅 서비스 방법을 개시하고 있다.
클라우드 컴퓨팅은 환경에서 중앙 서버가 모든 데이터를 처리한다. 그러나 최근 사물 인터넷(IoT) 기기가 보급됨에 따라 데이터량이 증가하였고, 이로 인해 클라우드 컴퓨팅이 한계에 부딪히게 됐다.
특히, 재난 예측 시스템에서 기존의 클라우드 컴퓨팅을 이용하는 경우, 재난 지역과 관련된 정보의 분석 및 처리 시간에 어려움이 있고, 재난 대응을 위한 정보를 전달하는데 시간 지연이 발생된다는 단점과 재난 예측을 위한 IoT 센서의 파손과 물리적인 손상으로 인한 오작동의 문제를 가지고 있었다.
재난 발생 예측 시스템에 엣지 컴퓨팅을 도입함으로써, 확장현실 환경에서 기존의 클라우드 컴퓨팅의 연동으로 정보의 이동 거리를 짧게하여 재난에 대해 즉각적인 대응이 가능하도록 하는 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 서버 및 방법을 제공하고자 한다.
복수의 센서에 의해 측정된 센서 데이터에 기초하여 각 재난 및 이의 대응에 대한 수학적 모델로 은닉 마르코프 모델을 생성하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 서버 및 방법을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 대상 지역의 대상 센서로부터 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신하는 수신부, 상기 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성하고, 상기 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성하고, 상기 은닉 마르코프 모델에 기초하여 상기 대상 지역에 대한 상태 모델을 생성하는 상태 모델 생성부, 상기 통합 센서 데이터 및 상기 상태 모델에 기초하여 상기 대상 지역의 재난 발생을 예측하는 예측부 및 상기 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버로 전송하는 전송부를 포함하는 엣지 게이트웨이를 제공할 수 있다.
본 발명의 다른 실시예는, 엣지 게이트웨이로부터 상기 대상 지역의 재난 발생에 대한 정보를 수신하는 정보 수신부 및 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 재난 알림 정보를 확장현실 관리자 단말로 전송하는 전송부를 포함하고, 상기 각 대상 지역에 대한 상태 모델은 은닉 마르코프 모델에 기초하여 생성되고, 상기 은닉 마르코프 모델은 재난별 복수의 상태 값에 기초하여 생성되고, 상기 재난별 복수의 상태 값은 상기 각 대상 지역의 대상 센서로부터 수신된 통합 센서 데이터로부터 생성되고, 상기 통합 센서 데이터는 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 것인 확장현실 환경에서 클라우드와의 연동된 서버에서 제공할 수 있다.
본 발명의 또 다른 실시예는, 대상 지역의 대상 센서로부터 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신하는 단계, 상기 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성하는 단계, 상기 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성하는 단계, 상기 은닉 마르코프 모델에 기초하여 상기 대상 지역에 대한 상태 모델을 생성하는 단계, 상기 통합 센서 데이터 및 상기 상태 모델에 기초하여 상기 대상 지역의 재난 발생을 예측하는 단계 및 상기 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버로 전송하는 단계를 포함하는 재난 발생 예측 방법을 제공할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 복수의 센서에서 측정된 센서 데이터로부터 재난과 관련된 복수의 상태 값을 생성하고, 생성된 재난별 복수의 상태 값에 기초하여 대상 지역에서 발생 가능한 재난을 예측하는 엣지 게이트웨이, 서버 및 방법을 제공할 수 있다.
복수의 센서에 의해 측정된 센서 데이터에 기초하여 각 재난 및 이의 대응에 대한 수학적 모델로 은닉 마르코프 모델을 생성하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 서버 및 방법을 제공할 수 있다.
종래의 클라우드 컴퓨팅을 이용하는 대신 엣지 컴퓨팅을 이용함으로써, 대상 지역에서 수집된 정보의 분석 및 처리에 소요되는 시간을 감소시키고, 발생된 재난에 대한 대응을 실시간으로 전달하는 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 서버 및 방법을 제공할 수 있다.
종래의 클라우드 컴퓨팅에서 발생되는 방대한 위치 정보 데이터의 분석 및 보관을 위한 저장 용량 및 이에 대한 처리 비용을 확장현실 환경에서 클라우드 서버와 연동된 엣지 컴퓨팅을 이용함으로써 감소시킬 수 있도록 하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 서버 및 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 재난 발생 예측 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 클라우드 컴퓨팅과 엣지 컴퓨팅를 비교한 예시적인 도면이다.
도 3은 본 발명의 일 실시예에 따른 엣지 게이트웨이의 구성도이다.
도 4는 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 대상 지역의 통합 센서 데이터를 수신하는 과정을 설명하기 위한 예시적인 도면이다.
도 5는 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 각각의 센서 데이터를 지각된 재난 분류 및 정도에 따라 재난별 복수의 상태 값으로 척도 변환하는 과정을 설명하기 위한 예시적인 도면이다.
도 6a 내지 도 6d는 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 은닉 마르코프 모델을 이용하여 재난 발생 예측 확률을 산출하는 과정을 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 방법의 순서도이다.
도 8은 본 발명의 일 실시예에 따른 클라우드 서버의 구성도이다.
도 9는 본 발명의 일 실시예에 따른 클라우드 서버에서 각 대상 지역의 재난 평가 점수에 기초하여 복수의 대상 지역에 대해 선택 정렬을 수행하는 과정을 설명하기 위한 예시적인 도면이다.
도 10은 본 발명의 일 실시예에 따른 클라우드 서버에서 엣지 컴퓨팅을 이용하여 복수의 대상 지역의 재난 발생을 예측하는 방법의 순서도이다.
도 11은 본 발명의 일 실시예에 따른 관리자가 확장현실 환경 단말기에서 대상 지역의 센싱 정보를 이용하여 현장 의사 결정을 하는 과정을 설명하기 위한 예시적인 도면이다.
도 12는 본 발명의 일 실시예에 따른 관리자가 확장현실 환경 단말기의 시각화(Visualization)를 통해 사물의 센싱 정보를 모니터링하는 과정을 설명하기 위한 예시적인 도면이다.
도 13은 본 발명의 일 실시예에 따른 대상 지역에서 재난이 발생된 경우의 관리자의 가상의 이동 경로를 도시한 예시적인 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
종래의 재난 대응 및 예측 기술에 있어서 네트워크 종류 또는 범위에 제한이 존재하여, 다양한 종류의 네트워크에 적용 가능한 이동성 기반의 재난 발생 예측 방법에 한계가 존재하였다.
또한, 종래의 재난 대응 예측 시스템의 경우, 고비용이 소요되었지만, 본 발명에서는 저비용으로 필요한 정보만을 효율적으로 추출한 뒤, 이를 수학적으로 모델링하여 대상 지역의 재난 발생을 예측할 수 있도록 한다.
종래의 기술들이 장애가 예측 또는 발생된 센서를 회피의 대상으로 여겨 해당 센서와의 접근 가능성을 통신상의 리스크로만 평가하는데 활용되었으나, 본 발명에서는 해당 센서의 접근을 선호하는 이벤트로 간주하는 경우에도 적용할 수 있도록 한다.
또한, 종래의 인지 무선 네트워크에서 인지 사용 센서들과 협력하여 우선 적용 센서를 발견하는 기술이 위치 기반의 라우팅 기술보다 사용자가 우선 사용하지 않는 통신 자원(resource), 즉 주파수 대역(frequency band) 또는 타임 슬롯(time slot) 등을 찾아내는데 주력하였으나, 본 발명에서는 협력적 탐색 기술을 물리 계층(physical layer)에서 주로 이루어지게 함으로써, 재난 지역의 센싱 신호 값의 변화량에 따른 라우팅이 가능해지도록 한다.
즉, 본 발명은 재난 대응 및 예측 모니터링을 위한 혼합 현실 또는 확장현실 디바이스의 시각화(visualization)에서 특정 센서의 상대적 상태 변화를 모니터링할 수 있다.
이러한 재난 대응 및 예측과 관련된 센서의 데이터 값은 상대적 상태 변화를 시간에 따라 기록함으로써, 엣지 게이트웨이에서 상대적 상태 변화를 시간에 따라 기록하여 상대적 상태 변화에 대해 재난 대응 및 예측 모델을 생성할 수 있다.
이를 통해, 미래의 재난 상황의 특성을 예측하도록 할 수 있다. 또한, 센서 데이터가 스마트 기기가 연계된 확장 현실 디바이스에서 직관적인 HDI(Human Device Interaction)가 가능해지면서, 재난 지역의 데이터를 통해 특정 지점의 상황 등을 예측할 수 있게 된다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 재난 발생 예측 시스템의 구성도이다. 도 1을 참조하면, 재난 발생 예측 시스템(1)은 엣지 게이트웨이(110), 클라우드 서버(120) 및 확장현실 관리자 단말(130)을 포함할 수 있다. 엣지 게이트웨이(110), 클라우드 서버(120) 및 확장현실 관리자 단말(130)은 재난 발생 예측 시스템(1)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것이다.
도 1의 재난 발생 예측 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 클라우드 서버(120)는 엣지 게이트웨이(110) 또는 확장현실 관리자 단말(130)과 동시에 또는 시간 간격을 두고 연결될 수 있다.
네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
재난 발생 예측 시스템(1)은 엣지 컴퓨팅 환경을 이용하여 대상 지역의 재난 발생을 예측할 수 있다. 엣지(Edge)는 가장자리라는 의미로, 중앙 서버가 모든 데이터를 처리하는 클라우드 컴퓨팅과 달리, 네트워크의 가장자리에서 데이터를 처리한다는 의미를 내포하고 있다.
엣지 컴퓨팅은 모든 데이터를 클라우드 서버로 보내서 분석하는 대신, 엣지 게이트웨이에 의해 처리 가능한 데이터는 엣지 게이트웨이를 통해 실시간으로 처리된다. 즉, 엣지 컴퓨팅은 분산된 소형 서버를 통해 실시간으로 데이터를 처리할 수 있다.
이러한 엣지 컴퓨팅은 실시간으로 응답이 필요한 자율주행차, 스마트 팩토리, 가상 현실(AR) 등의 4차 산업에 주로 이용되고 있다.
엣지 게이트웨이(110)는 대상 지역의 대상 센서(복수의 센서(100) 중 하나임)로부터 복수의 센서(100)에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신할 수 있다.
엣지 게이트웨이(110)는 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성할 수 있다. 예를 들어, 엣지 게이트웨이(110)는 대상 지역에 대한 통합 센서 데이터를 누적하여 재난별 복수의 상태 값을 생성할 수 있다.
엣지 게이트웨이(110)는 생성된 재난별 복수의 상태 값 중 적어도 하나 이상의 상태 값을 조합하여 상태 천이 다이어그램을 생성할 수 있다. 예를 들어, 엣지 게이트웨이(110)는 대상 지역 및 대상 지역과 인접한 인접 지역 각각에 대해 생성된 재난별 복수의 상태 값에 기초하여 상태 천이 다이어그램을 생성할 수 있다.
여기서, 재난별 복수의 상태 값은 각각의 센서 데이터가 척도 변환된 값이고, 복수의 상태 값은 재난별로 각 상태 값이 서로 상이하다.
엣지 게이트웨이(110)는 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성할 수 있다. 예를 들어, 엣지 게이트웨이(110)는 생성된 상태 천이 다이어그램 내의 재난별 복수의 상태 값 간의 천이 확률에 기초하여 은닉 마르코프 모델을 생성할 수 있다.
여기서, 은닉 마르코프 모델은 재난별 복수의 상태 값 간의 천이 확률에 기초하여 대상 지역에 대한 현재 상태를 도출하고, 도출된 현재 상태에 기초하여 소정의 기간의 경과에 따라 대상 지역에서 발생될 재난 발생 예측 확률을 산출할 수 있다.
엣지 게이트웨이(110)는 은닉 마르코프 모델에 기초하여 대상 지역에 대한 상태 모델을 생성할 수 있다. 예를 들어, 엣지 게이트웨이(110)는 생성된 은닉 마르코프 모델 및 대상 지역에서의 복수의 센서의 위치 중 적어도 하나에 기초하여 대상 지역에 대한 상태 모델을 생성할 수 있다.
엣지 게이트웨이(110)는 통합 센서 데이터 및 상태 모델에 기초하여 대상 지역의 재난 발생을 예측할 수 있다. 또한, 엣지 게이트웨이(110)는 대상 지역의 현재 상태 및 재난 발생 예측 확률에 기초하여 대상 지역의 재난 평가 점수를 산정할 수 있다.
엣지 게이트웨이(110)는 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버(120)로 전송할 수 있다. 여기서, 재난 발생에 대한 정보는 산정된 대상 지역의 재난 평가 점수 및 대상 지역을 촬영한 영상 데이터를 포함하고, 대상 지역을 촬영한 영상 데이터는 복수의 센서에 대한 센싱 정보를 포함할 수 있다.
이러한 엣지 게이트웨이(110)는 엣지 컴퓨팅을 이용하여 대상 지역에 포함된 복수의 센서로부터 측정된 센서 데이터를 수집 및 분석할 수 있다.
예를 들어, 재난 현장에서 재난 발생 예측 시스템(1)의 말단에 위치한 복수의 센서로부터 재난 관제 센터에서 운영하는 시뮬레이터까지 사고 현장의 시설물 정보(GIS 정보), 주변 상황(도로, 전지 및 기상환경 등)의 위험, 저전력 상황 등을 센서 데이터의 수집 및 분석을 통해 파악할 수 있다.
또한, 재난 지역에 포함된 복수의 센서(100)로부터 측정된 지능형 센서 데이터를 수집하여 대상 지역의 주변 지형, 재난 현황 및 상황 등의 파악을 통해 다양한 재난 상황에서 신속하게 대처할 수 있도록 할 수 있다. 또한, 엣지 컴퓨팅을 통해 습득된 재난 및 대응과 관련된 효과적인 센서 데이터는 골든 타임 내에 수색/구조/구급의 위험 상황을 분석하는데 이용될 수 있다.
클라우드 서버(120)는 엣지 게이트웨이(110)로부터 복수의 대상 지역에 대한 재난 평가 점수 및 영상 데이터를 포함하는 재난 발생에 대한 정보를 수신할 수 있다. 예를 들어, 클라우드 서버(120)는 제 1 엣지 게이트웨이(111), 제 2 엣지 게이트웨이(112), ..., 제 n 엣지 게이트웨이 각각으로부터 각각의 엣지 게이트웨이가 담당하는 대상 지역의 재난 발생에 대한 정보를 수신할 수 있다.
클라우드 서버(120)는 재난 발생에 대한 정보로부터 각 대상 지역의 재난 평가 점수를 추출할 수 있다.
클라우드 서버(120)는 추출된 각 대상 지역의 재난 평가 점수에 기초하여 복수의 대상 지역에 대해 선택 정렬을 수행할 수 있다.
클라우드 서버(120)는 선택 정렬된 복수의 대상 지역 중 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 재난 알림 정보를 확장현실 관리자 단말(130)로 전송할 수 있다. 여기서, 재난 알림 정보는 선택 정렬된 복수의 대상 지역 중 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 복수의 센서에 대한 센싱 정보를 포함할 수 있다.
클라우드 서버(120)는 복수의 대상 지역 중 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 영상 데이터를 확장현실 관리자 단말(130)로 전송할 수 있다.
확장현실 관리자 단말(130)은 클라우드 서버(120)로부터 대상 지역에 대한 재난 알림 정보를 수신할 수 있다. 또한, 확장현실 관리자 단말(130)은 클라우드 서버(120)로부터 대상 지역에 대한 영상 데이터를 수신할 수 있다.
이러한 확장현실 관리자 단말(130)은 HMD (Head Mounted Display)를 활용한 MR-IoT 기반의 실시간 시뮬레이터를 제공받을 수 있다. HMD를 활용하여 확장현실 관리자 단말(130)에 재난 및 대응과 관련된 시뮬레이터에 적용함으로써, 현실세계의 물체, 도구, 각종 센서와의 연동, 2차원적인 표면, 3차원 재난 공간에 실시간으로 응용할 수 있다.
또한, 드론, CCTV 등을 활용한 재난 지역과의 홀로포테이션(holoportation)의 운영으로 재난 지역의 감시와 재난 발생 시의 실시간 영상상황을 통해 현장을 모니터링하고, 대피 경로를 지원하여 관리자로 하여금 신속한 의사결정을 할 수 있도록 제공할 수 있다.
또한, 확장현실 관리자 단말(130)은 수색/구조/구급을 위한 MR-IoT 융합 플랫폼을 제공받을 수 있다. 엣지 컴퓨팅의 말단에 위치한 복수의 센서의 API (Application Programming Interface)를 활용하여 재난 상황별, 유형별, 시나리오별 현황판의 관리 운영과 이에 따른 융합형 재난 및 대응 위치 관리 플랫폼을 제공받을 수 있다.
또한, 확장현실 관리자 단말(130)은 재난 상황의 실시간 모니터링을 위해 영상 정보와 센싱 정보를 수집하여 재난 및 대응과 관련된 정보를 클라우드 서버에 저장하고, 이를 융합하여 재난 대응 시, 의사 결정을 지원하는 맞춤형 재난 정보 플랫폼 운영과 이와 연계된 크라우드 소싱(Crowd Sourcing) 연계를 통해 재난 상황을 예측 및 통보할 수 있다.
도 2는 본 발명의 일 실시예에 따른 클라우드 컴퓨팅과 엣지 컴퓨팅을 비교한 예시적인 도면이다. 도 2를 참조하면, 종래의 클라우드 컴퓨팅(cloud computing, 200)은 기기에서 발생되는 모든 데이터를 클라우드로 전송하는 기술을 의미한다. 클라우드 컴퓨팅(200)은 데이터의 분석 또는 처리에 많은 시간이 소요되고, 많은 양의 데이터를 처리해야 함에 따라 비효율적이라는 단점을 가지고 있었다.
엣지 컴퓨팅(edge computing, 210)은 시스템의 말단에 위치한 기기부터 산업 기계/설비에서 발생하는 대규모 데이터를 수집 및 분석하는 프레딕스 클라우드(predix cloud)까지 각 단계별로 컴퓨팅 연속체를 생성하는 기술을 의미한다.
종래의 클라우드 컴퓨팅(200)은 많은 스마트 기기 또는 지능형 기기가 사용됨에 따라 기기에서 발생되는 모든 데이터를 클라우드로 전송하여 분석 또는 처리하는 것이 비효율적이라고 판단되기 시작하였으며, 이에 따라, 데이터가 생성된 위치로부터 가까운 곳에서 처리하기 위해 엣지 컴퓨팅(210)이 개발되기 시작하였다.
즉, 엣지 컴퓨팅(210)은 네트워크의 엣지(edge)에서 컴퓨팅을 함으로써, 중요한 데이터를 준실시간으로 처리하려고 하는 시도를 의미한다. 엣지 컴퓨팅(210)은 중요한 데이터를 지역에서 처리하거나 저장하고, 수신된 모든 데이터를 중앙 데이터나 클라우드의 스토리지/리포지토리로 전송함에 따라, 데이터를 효율적으로 처리할 수 있다는 장점을 제공한다.
도 3은 본 발명의 일 실시예에 따른 엣지 게이트웨이의 구성도이다. 도 3을 참조하면, 엣지 게이트웨이(110)는 수신부(310), 상태 모델 생성부(320), 예측부(330) 및 전송부(340)를 포함할 수 있다.
수신부(310)는 대상 지역의 대상 센서(복수의 센서(100) 중 하나임)로부터 복수의 센서(100)에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신할 수 있다.
여기서, 복수의 센서(100)는 온도 센서, 습도 센서, 압력 센서, 가속도 센서, 진동 센서 등을 포함할 수 있고, 각각의 센서 데이터는 복수의 센서(100)에 의해 측정된 각각의 가변 저항 값일 수 있다.
대상 지역의 대상 센서로부터 통합 센서 데이터를 수신하는 과정에 대해서는 도 4를 통해 상세히 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 대상 지역의 통합 센서 데이터를 수신하는 과정을 설명하기 위한 예시적인 도면이다. 도 4를 참조하면, 대상 지역에는 복수의 센서가 존재할 수 있다. 여기서, 복수의 센서는 센서 데이터의 전송을 시작하는 시점 센서(400) 및 누적된 센서 데이터를 엣지 게이트웨이(110)로 전송하는 역할을 수행하는 종점 센서(410)를 포함할 수 있다. 여기서, 종점 센서(410)는 대상 센서일 수 있다.
예를 들어, 시점 센서(400)는 시점 센서(400)에서 측정한 제 1 센서 데이터를 'a 센서'로 전송하고, 'a 센서'는 'a 센서'에서 측정한 제 2 센서 데이터 및 시점 센서(400)로부터 수신한 제 1 센서 데이터를 'b 센서'로 전송할 수 있다. 복수의 센서(100)는 이러한 과정을 거쳐 정해진 데이터 전송 경로를 따라 센서 데이터를 누적하여 전송할 수 있다.
즉, 대상 센서에 해당하는 종점 센서(410)는 'f 센서'로부터 수신한 시점 센서(400)에 의해 측정된 제 1 센서 데이터, 'a 센서'에 의해 측정된 제 2 센서 데이터, 'b 센서'에 의해 측정된 제 3 센서 데이터, 'c 센서'에 의해 측정된 제 4 센서 데이터, 'd 센서'에 의해 측정된 제 5 센서 데이터, 'e 센서'에 의해 측정된 제 6 센서 데이터, 'f 센서에 의해 측정된 제 7 센서 데이터과 종점 센서(410)에서 측정한 제 8 센서 데이터를 통합 센서 데이터를 포함하는 통합 센서 데이터를 엣지 게이트웨이(110)로 전송할 수 있다.
종래에는 수신부(310)에서 각각의 센서로부터 측정된 센서 데이터를 각각 수신하였으나, 이는 자연적 요소에 의해 감지된 재난과는 관련 없는 신호가 포함될 수 있다는 문제점이 있었다.
본 발명에 따르면, 통합 센서 데이터를 생성함으로써, 주변 센서 데이터와의 연관성에 기초하여 재난의 발생 여부를 효율적으로 판단하도록 할 수 있다.
또한, 본 발명의 수신부(310)는 대상 센서로부터 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신함으로써, 다른 센서 데이터를 참고로 하여 취합된 센서 데이터를 조합시킴으로써, 기존의 재난과 관련된 센서 데이터를 축적하여 통보를 내릴 수 있다는 장점을 제공할 수 있다.
다시 도 3으로 돌아와서, 상태 모델 생성부(320)는 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성하고, 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성하고, 은닉 마르코프 모델에 기초하여 대상 지역에 대한 상태 모델을 생성할 수 있다.
재난은 예를 들어, 태풍, 홍수, 가뭄, 지진, 풍량, 쓰나미, 해일 등의 자연 재해, 화재, 붕괴, 폭발, 환경오염 사고 등의 인적 재난, 에너지, 통신, 교통, 전염병 확산 등의 사회적 재난 등을 포함할 수 있다.
이러한 상태 모델 생성부(320)는 상태 천이 다이어그램 생성부(321) 및 은닉 마르코프 모델 생성부(322)를 포함할 수 있다.
상태 천이 다이어그램 생성부(321)는 대상 지역에 대한 통합 센서 데이터를 누적하여 재난별 복수의 상태 값을 생성할 수 있다. 재난별 복수의 상태 값은 각각의 센서 데이터가 척도 변환된 값이고, 복수의 상태 값은 재난별로 각 상태 값이 서로 상이하다.
예를 들어, 센서 데이터의 상태 값이 비트(bit) 별 데이터의 값 신호를 나타내는데, 상태 천이 다이어그램 생성부(321)는 그 값에 따라 척도(점수)를 부여할 수 있다. 상태 천이 다이어그램 생성부(321)는 영상 센서를 통한 움직임, 각종 센서의 변화 값에 따른 수량의 변화에 척도(점수)를 부여할 수 있다.
즉, 상태 천이 다이어그램 생성부(321)는 특정 센서의 센서 데이터의 값의 변화량에 따라 재난별 복수의 상태 값을 생성할 수 있다. 예를 들어, 상태 천이 다이어그램 생성부(321)는 복수의 센서 중 제 1 센서, 제 2 센서, 제 3 센서에 의해 측정된 각각의 센서 데이터를 이용하여 '홍수: 7', 복수의 센서 중 제 2 센서, 제 4 센서, 제 5 센서에 의해 측정된 각각의 센서 데이터를 이용하여 '산사태: 8', 복수의 센서 중 제 3 센서, 제 6 센서, 제 8 센서에 의해 측정된 각각의 센서 데이터를 이용하여 '태풍: 9'와 같은 재난별 복수의 상태 값을 생성할 수 있다.
여기서, 척도는 별도의 처리 없이 다양한 재난을 예측할 수 있도록 하는 측정값으로 활용되며, 명명 척도, 서열 척도, 동간 척도, 비율 척도 및 절대 척도 등을 이용될 수 있다.
척도는 5척도 또는 10척도 등을 활용할 수 있으며, 척도가 높을수록 정밀도가 향상된다. 각각의 센서 데이터를 척도 변환하는 이유는 대상 지역의 센서 데이터 또는 사물 등에 포함된 특성 또는 속성 값을 수치화하여 관찰된 결과에 대해 체계적인 단위를 이용하여 일관성 있는 수치를 부여하기 위함이다. 척도 변환된 값은 대상 지역의 복수의 센서에 의해 각각 측정된 센서 데이터에 대해 특정 비율을 적용하고, 점수를 해석하여 재난을 예측하는데 이용된다.
명명 척도란 재난에 있어서 재난 측정을 위한 복수의 센서를 분류하기 위해 사용되는 척도로, 구별성을 갖는 척도를 의미한다. 예를 들어, 명명 척도는 A 지역의 경우 '1', B 지역의 경우 '2'라는 숫자를 부여하여 각 지역의 위치 등이 구분되도록 할 수 있다. 이와 같이, 명명 척도는 부여된 숫자에 측정치가 존재하지 않으므로, 빈도, 비율 등의 정보만을 얻을 수 있다. 즉, 명명 척도는 복수의 대상 지역에서 구분하려는 각각의 대상 지역의 모든 범위를 포함하고, 어떤 재난과 그 대응에 적합한 센서의 종류, 위치, 지역 등을 포함할 수 있다.
서열 척도란 서로 다른 범주의 센서 값을 구분할 수 있는 정보뿐만 아니라, 대소 관계가 성립되는 서열식 정보를 갖는 척도를 의미한다. 서열 척도는 다음의 표 1를 이용하여 선택지(리커트 척도)가 5척도에서 10척도의 수치 값이 가지도록 할 수 있다.
전혀 없음 없음 보통(중립) 있음 자주 있음
여기서, 서열 척도는 센서 데이터 값의 변화에 따라 각각의 리커트 척도(Likert Scale)를 적용함으로써 구별성과 서열성을 보장하지만, 등간성을 보장하지 못한다. 예를 들어, 서열 척도는 대상 지역의 센서 데이터에 대해 1, 2, 3 순서를 부여할 수 있지만, 1과 2 사이의 시간 차이와 2와 3 사이의 시간 차이가 동일하다는 정보를 제공하지는 못한다.
동간(등간) 척도는 구별성과 서열성 이외의 수치들 간의 동일한 차이는 측정하려는 속성의 차이가 동일하다는 정보인 동간성을 보장하며, 이를 통해 수치 간의 수학적인 계산이 가능하다. 여기서, 동간 척도는 사칙연산 중 덧셈 및 뺄셈만 가능하고, 곱셈 및 나눗셈은 가능하지 않다.
동간 척도는 예를 들어, 1과 2의 순서 사이의 차이와 2와 3 사이의 차이가 동일함을 나타내며, 이를 대상 지역의 온도로 예를 들면, 20℃와 15℃ 차이인 5℃와 15℃와 10℃의 차이인 5℃와 동일하다는 것을 제공할 수 있다. 그러나 대상 지역의 온도가 20℃인 경우가 10℃보다 2배 더 따뜻한 상태를 나타내는 것이 아니므로, 척도의 합이 100점인 제 1 대상 지역이 50점인 제 2 대상 지역보다 재난이 발생될 확률이 2배가 더 많다는 것을 의미하는 것이 아니다.
동간 척도의 특징은 '0'이라는 숫자가 나타내는 속성의 경우, 없는 상태가 아닌 임의적으로 정한 상태를 의미한다. 예를 들어, 0℃가 온도가 없는 상태임이 아니고, 온도를 임의적으로 0℃로 약속한 것이므로, 대상 지역의 점수가 '0점'이라고 하더라도 대상 지역의 재난 위험도가 '0'임을 의미하지는 않는다.
이와 같이, 동간 척도는 임의 영점과 임의 단위를 갖는다는 특징을 갖는다.
비율 척도는 구별성, 서열성, 동간성에 절대 영점이 존재하며 비율성에 대한 정보를 가지고 있다. 여기서, 절대 영점이란 임의 영점과 달리 누구나 동의할 수 있는 '0'의 개념을 의미한다. 예를 들어, "대상 지역에서 일주일 동안 재난과 관련하여 몇 번의 센서 데이터의 값이 변화를 보였는가?"라는 질문에 '0'이라고 답변을 하는 경우, 재난과 관련하여 센서 데이터에서 일주일 동안 한번도 변화가 보이지 않았다는 것을 의미한다. 다른 예를 들어, 센서 데이터의 값이 1, 2, 3이 존재하는 경우, 비율 척도는 1과 2의 차이가 2와 3의 차이와 동일하다는 동간성을 가지고, 2가 1의 두배임을 나타내는 비율성을 갖는다.
이러한 절대 영점과 비율성을 갖는 비율 척도는 모든 사칙연산이 가능하다.
절대 척도란 비율 척도와 동일한 모든 속성을 가지고 있지만, 절대 단위를 가지는 척도를 의미한다. 즉, 절대 척도는 엣지 컴퓨팅에서 이용되는 재난-대응의 센서의 수와 같이 동일한 양을 동일한 단위로 카운트하는 것을 의미한다.
이러한 엣지 컴퓨팅에서 이용되는 각각의 척도는 다음의 표 2와 같이 적용성을 나타낸다.
구별성 서열성 동간성 비율성 영점 단위 사칙연산 통계
명명
척도		 o 비
모수적
통계
방법
서열
척도		 o o
동간
척도		 o o o 임의 임의 +,* 모수적
통계
방법
비율
척도		 o o o o 절대 임의 +,-,
×,÷
절대척도 o o o o 절대 절대 +,-,
×,÷
이러한 각각의 척도를 이용하여 재난별 복수의 상태 값을 생성하는 과정에 대해서는 도 5를 통해 상세히 설명하도록 한다.
도 5는 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 각각의 센서 데이터를 지각된 재난 분류 및 정도에 따라 재난별 복수의 상태 값으로 척도 변환하는 과정을 설명하기 위한 예시적인 도면이다.
도 5를 참조하면, 상태 천이 다이어그램 생성부(321)는 지각된 재난 분류 및 정도(500)에 대해 상술한 다양한 척도를 이용하여 재난별 복수의 상태 값을 생성할 수 있다.
예를 들어, 상태 천이 다이어그램 생성부(321)는 '재난 분야별, 상황별 엣지 컴퓨팅 부분의 센서 신호가 감지되었는가?'(501), '재난 지역의 상황별 느낌을 느꼈는가?'(502), '상황실에서 모니터링 과정에 있어 재난 상황의 대응을 처리할 수 없다고 느끼는가?'(503), '습도, 온도, 스트레인(strain), 틸트/기울기, 진동, 변위, 변형, 가속 등의 변화 센서 값'(504), '영상 모니터링에서 너울성 파도 감지 변화 값'(505), '재해성 산사태를 위한 경사면의 상태 모니터링'(506), '화산, 지진의 경고를 위한 진동 센서 변화'(507), '강, 하천, 하구 등의 수위 및 온도 변화'(508), '문제를 잘 처리할 수 있는 방법이 있음'(509), '재난-대응을 위한 직접적인 행동이 가능'(510)의 항목에 대해 명명 척도, 서열 척도, 동간 척도, 비율 척도 및 절대 척도 등을 이용하여 '전혀 없음, 없음, 때때로 있음, 있음, 자주 있음' 중 어느 하나를 선택하여 수치화되도록 각각의 센서 데이터를 척도 변환하여 재난별 복수의 상태 값을 생성할 수 있다.
이 때, 상태 천이 다이어그램 생성부(321)는 대상 지역에 포함된 건물의 안전 등급, 시설물의 안전 등급, 강/하천/하구 등의 범람, 화재/산불 등의 안전 등급에 대한 상황 등급을 더 고려하여 재난별 복수의 상태 값을 생성할 수 있다.
예를 들어, 산불/화재 등의 안전 등급을 선정하는 경우, 온도 센서 등의 온도 변화에 따라 선정된 안전 등급, 건물의 경우, 각 건물을 지탱하는 기둥, 무게를 견딜 수 있는 규모의 무게 등의 안전 등급, 해일/쓰나미 등의 재해의 경우, 해안 지역에서 너울성 파랑 또는 이상 파랑 등의 높이 등과 같이, 각각의 대상 지역의 요소에 따라 측정된 재난 지각을 더 고려하여 재난 상황을 예측하는 척도로 활용하여 재난별 복수의 상태 값을 생성할 수 있다.
다시 도 3으로 돌아와서, 상태 천이 다이어그램 생성부(321)는 생성된 재난별 복수의 상태 값 중 적어도 하나 이상의 상태 값을 조합하여 상태 천이 다이어그램을 생성할 수 있다. 상태 천이 다이어그램 생성부(321)는 대상 지역 및 대상 지역과 인접한 인접 지역 각각에 대해 생성된 재난별 복수의 상태 값에 기초하여 상태 천이 다이어그램을 생성할 수 있다.
은닉 마르코프 모델 생성부(322)는 생성된 상태 천이 다이어그램 내의 재난별 복수의 상태 값 간의 천이 확률에 기초하여 은닉 마르코프 모델을 생성할 수 있다.
은닉 마르코프 모델(HMM, Hidden Markof Model)이란 출력치만 관측되고 상태의 흐름은 관측되지 못한 경우에 사용되는 모델을 의미한다. 즉, 상태(state) 정보가 은닉된 통계적 마르코프 모델로, 기본 마르코프 모델에서는 시간(t)에 따른 상태(state) 정보가 관찰되나, 은닉 마르코프 모델에서는 상태 정보가 숨겨져 있고 출력된 정보만 관찰된다. 따라서, 은닉 마르코프 모델은 출력된 정보만을 가지고 숨겨진 상태 정보를 추정할 수 있다는 장점을 갖는다.
본 발명에서 이용되는 은닉 마르코프 모델은 재난별 복수의 상태 값 간의 천이 확률에 기초하여 대상 지역에 대한 현재 상태를 도출하고, 도출된 현재 상태에 기초하여 소정의 기간의 경과에 따라 대상 지역에서 발생될 재난 발생 예측 확률을 산출할 수 있다.
은닉 마르코프 모델은 확률 과정에서 각 대상 지역의 직접 관측이 불가능하더라도 측정된 센서 데이터를 이용하여 대상 지역의 재난 상황을 예측하여 처리하기 위한 상태 공간 모델(state space model)을 획득할 수 있게 된다.
예를 들어, 대상 지역이 재난 상황인 경우, 반응 요소를 알 수 없지만, 반응 요소가 대상 지역의 센서 정보를 출력하는 확률 분포를 가지고 있다고 가정하여 각각의 대상 지역의 센싱 정보 값을 최종 결정할 수 있다. 즉, 대상 지역의 센싱 정보의 변동이라는 현상 뒤에 그것을 출력하고 감춰진 확률 과정이 발생되도록 할 수 있다.
이러한 은닉 마르코프 모델을 이용하여 재난 발생 예측 확률을 산출하는 과정에 대해서는 도 6a 내지 도 6d를 통해 상세히 설명하도록 한다.
도 6a 내지 도 6d는 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 은닉 마르코프 모델을 이용하여 재난 발생 예측 확률을 산출하는 과정을 설명하기 위한 예시적인 도면이다.
은닉 마르코프 모델 생성부(322)는 시간 t에서 대상 지역의 가장 최근 r개의 센서 데이터에 의존한다는 가정 하에 재난 발생 확률을 추론할 수 있다.
도 6a를 참조하면, 은닉 마르코프 모델 생성부(322)는 'r = 0이면, 0차 마르코프 체인 P(ot | ot - 1ot - 2...o1) =P(ot)'를 이용하여 재난 발생 확률을 추론할 수 있다.
도 6b를 참조하면, 은닉 마르코프 모델 생성부(322)는 'r = 1 이면, 1차 마르코프 체인 P(ot | ot - 1ot - 2...o1) =P(ot | ot -1)'를 이용하여 재난 발생 확률을 추론할 수 있다.
도 6c를 참조하면, 은닉 마르코프 모델 생성부(322)는 'r = 2 이면, 2차 마르코프 체인 P(ot | ot - 1ot - 2...o1) =P(ot | ot -1, ot -2)'를 이용하여 재난 발생 확률을 추론할 수 있다.
도 6d를 참조하면, 상태 천이 다이어그램 생성부(321)는 대상 지역 및 인접 지역에 대한 상태 천이 다이어그램을 생성할 수 있다. 예를 들어, 'A 지역'(600)의 재난 예측 값이 25%를 점유하고 있고, 전년도 데이터에서 'A 지역'(600)의 상호연관성규칙 마이닝에 의한 재난 발생 확률이 88%(=0.88, 540)가 남아있고, 12%(=0.12, 520)가 다른 요인에 의한 것이고, 'B 지역'(610)의 재난 예측 값이 75%를 점유하고 있고, 전년도 데이터에서 'B 지역'(610)의 상호연관성규칙 마이닝에 의한 재난 발생 확률이 85%(=0.85, 510)가 남아있고, 15%(=0.15, 530)가 다른 요인에 의한 것이라고 가정하자.
상태 천이 다이어그램 생성부(321)는 대상 지역의 각각의 센서 데이터를 선택하여 재난별 복수의 상태 값을 생성하고, 인접 지역의 각각의 센서 데이터를 선택하여 재난별 복수의 상태 값을 생성할 수 있다.
여기서, 초기치는 수학식 1과 같고, 천이 행렬 p는 수학식 2와 같다.
Figure pat00001
Figure pat00002
은닉 마르코프 모델 생성부(322)는 수학식 3을 이용하여 기간 t에서의 대상 지역의 재난 발생 예측 확률을 산출할 수 있다.
Figure pat00003
은닉 마르코프 모델 생성부(322)는 초기치, 천이 행렬 p를 수학식 3에 적용하여 특정 해에서의 대상 지역의 재난 발생 예측 확률을 산출할 수 있다. 예를 들어, 은닉 마르코프 모델 생성부(322)는 그 다음해에서의 대상 지역의 재난 발생 예측 확률을 산출하고자 하는 경우, 수학식 3을 통해 s2=s1P를 이용하여 [0.3325, 0.6675]로 산출할 수 있다. 이 때, 다음 해의 대상 지역의 재난 발생 확률은 33.25%로 산출될 수 있다.
다른 예를 들어, 은닉 마르코프 모델 생성부(322)는 3년 후의 대상 지역의 재난 발생 예측 확률을 산출하고자 하는 경우, 수학식 3을 통해 s3=s2P를 이용하여 [0.3327, 0.6073]으로 산출할 수 있다. 이 때, 3년 후의 대상 지역의 재난 발생 확률은 33.27%로 산출되며, 이는 이전 해의 점유율에만 영향을 미칠 수 있다.
다시 도 3으로 돌아와서, 상태 모델 생성부(320)는 생성된 은닉 마르코프 모델 및 대상 지역에서의 복수의 센서의 위치 중 적어도 하나에 기초하여 대상 지역에 대한 상태 모델을 생성할 수 있다. 상태 모델은 대상 지역의 재난 상황을 예측하여 처리하기 위한 모델일 수 있다.
예측부(330)는 통합 센서 데이터 및 상태 모델에 기초하여 대상 지역의 재난 발생을 예측할 수 있다.
예측부(330)는 대상 지역의 현재 상태 및 재난 발생 예측 확률에 기초하여 대상 지역의 재난 평가 점수를 산정할 수 있다. 예를 들어, 예측부(330)는 1~10의 점수 중 대상 지역의 재난 평가 점수를 '7'로 산정할 수 있다.
전송부(340)는 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버(120)로 전송할 수 있다. 여기서, 재난 발생에 대한 정보는 산정된 대상 지역의 재난 평가 점수 및 대상 지역을 촬영한 영상 데이터를 포함하고, 대상 지역을 촬영한 영상 데이터는 복수의 센서에 대한 센싱 정보를 포함할 수 있다.
도 7은 본 발명의 일 실시예에 따른 엣지 게이트웨이에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 방법의 순서도이다. 도 7에 도시된 엣지 게이트웨이(110)에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 방법은 도 1 내지 도 6d에 도시된 실시예에 따른 재난 발생 예측 시스템(1)에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 6d에 도시된 실시예에 따른 엣지 게이트웨이(110)에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 방법에도 적용된다.
단계 S710에서 엣지 게이트웨이(110)는 대상 지역의 대상 센서로부터 복수의 센서(100)에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신할 수 있다.
단계 S720에서 엣지 게이트웨이(110)는 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성할 수 있다.
단계 S730에서 엣지 게이트웨이(110)는 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성할 수 있다.
단계 S740에서 엣지 게이트웨이(110)는 은닉 마르코프 모델에 기초하여 대상 지역에 대한 상태 모델을 생성할 수 있다.
단계 S750에서 엣지 게이트웨이(110)는 통합 센서 데이터 및 상태 모델에 기초하여 대상 지역의 재난 발생을 예측할 수 있다.
단계 S760에서 엣지 게이트웨이(110)는 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버(120)로 전송할 수 있다.
상술한 설명에서, 단계 S710 내지 S760은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 8은 본 발명의 일 실시예에 따른 클라우드 서버의 구성도이다. 도 8을 참조하면, 클라우드 서버(120)는 정보 수신부(810), 재난 평가 점수 추출부(820), 정렬부(830) 및 전송부(840)를 포함할 수 있다.
정보 수신부(810)는 엣지 게이트웨이(110)로부터 복수의 대상 지역에 대한 재난 평가 점수 및 영상 데이터를 포함하는 재난 발생에 대한 정보를 수신할 수 있다.
재난 평가 점수 추출부(820)는 재난 발생에 대한 정보로부터 각 대상 지역의 재난 평가 점수를 추출할 수 있다. 예를 들어, 재난 평가 점수 추출부(820)는 제 1 대상 지역의 재난 평가 점수를 3으로 추출하고, 제 2 대상 지역의 재난 평가 점수를 1로 추출하고, 제 3 대상 지역의 재난 평가 점수를 5로 추출할 수 있다.
정렬부(830)는 추출된 각 대상 지역의 재난 평가 점수에 기초하여 복수의 대상 지역에 대해 선택 정렬을 수행할 수 있다. 복수의 대상 지역에 대해 선택 정렬을 수행하는 과정에 대해서는 도 9를 통해 상세히 설명하도록 한다.
도 9는 본 발명의 일 실시예에 따른 클라우드 서버에서 각 대상 지역의 재난 평가 점수에 기초하여 복수의 대상 지역에 대해 선택 정렬을 수행하는 과정을 설명하기 위한 예시적인 도면이다.
도 9를 참조하면, 재난 평가 점수 추출부(820)가 제 1 대상 지역의 재난 평가 점수를 '5'로, 제 2 대상 지역의 재난 평가 점수를 '1'로, 제 3 대상 재역의 재난 평가 점수를 '3'으로, 제 4 대상 지역의 재난 평가 점수를 '7'로, 제 5 대상 지역의 재난 평가 점수를 '2'로, 제 6 대상 지역의 재난 평가 점수를 '9'로 각각 추출하였다고 가정하자.
정렬부(830)는 각각 추출된 재난 평가 점수에 대해 수학식 4를 적용하여 복수의 대상 지역에 대한 선택 정렬을 수행할 수 있다. 이 때, 정렬부(830)는 재난 평가 점수가 순차적으로 나타나도록 선택 정렬을 수행할 수 있다.
Figure pat00004
예를 들어, 정렬부(830)는 제 1 내지 제 6 대상 지역의 재난 평가 점수를 '5-1-3-7-2-9'(900)로 배열한 후, '5'와 '1'을 교환하여 '1-5-3-7-2-9'(910)로 선택 정렬을 수행하고, '5'와 '2'를 교환하여 '1-2-3-7-5-9'(920)로 선택 정렬을 수행하고, '7'과 '5'를 교환하여 '1-2-3-5-7-9'(930)로 선택 정렬의 수행을 완료할 수 있다. 여기서, 재난 발생 점수가 가장 높다는 것은 재난 발생 확률이 그만큼 높다는 것을 의미한다. 예를 들어, 선택 정렬이 완료된 가장 높은 재난 발생 점수를 가진 제 6 대상 지역이 재난 발생 확률이 가장 높고, 가장 적은 재난 발생의 점수를 가진 제 2 대상 지역이 재난 발생 확률이 가장 적다. 가장 높은 재난 발생 점수는 재난 평가의 척도 값 중 가장 큰 값을 의미하며, 이는 재난-대응에 대한 확률로 이용될 수 있다.
다시 도 8로 돌아와서, 전송부(840)는 선택 정렬된 복수의 대상 지역 중 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 재난 알림 정보를 확장현실 관리자 단말(130)로 전송할 수 있다.
여기서, 재난 알림 정보는 선택 정렬된 복수의 대상 지역 중 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 복수의 센서에 대한 센싱 정보를 포함할 수 있다.
전송부(840)는 복수의 대상 지역 중 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 영상 데이터를 확장현실 관리자 단말(130)로 전송할 수 있다. 예를 들어, 임계값이 '5'로 설정된 경우, 전송부(840)는 선택 정렬된 복수의 재난 지역 중 재난 평가 점수가 '5' 이상에 해당하는 대상 지역에 대한 재난 알림 정보를 확장현실 관리자 단말(130)로 전송하고, 해당 대상 지역에 대한 영상 데이터를 함께 확장현실 관리자 단말(130)로 전송할 수 있다.
도 10은 본 발명의 일 실시예에 따른 클라우드 서버에서 엣지 컴퓨팅을 이용하여 복수의 대상 지역의 재난 발생을 예측하는 방법의 순서도이다. 도 10에 도시된 클라우드 서버(120)에서 엣지 컴퓨팅을 이용하여 복수의 대상 지역의 재난 발생을 예측하는 방법은 도 1 내지 도 9에 도시된 실시예에 따른 재난 발생 예측 시스템(1)에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 9에 도시된 실시예에 따른 클라우드 서버(120)에서 엣지 컴퓨팅을 이용하여 복수의 대상 지역의 재난 발생을 예측하는 방법에도 적용된다.
단계 S1010에서 클라우드 서버(120)는 엣지 게이트웨이(110)로부터 복수의 대상 지역에 대한 재난 평가 점수 및 영상 데이터를 포함하는 재난 발생에 대한 정보를 수신할 수 있다.
단계 S1020에서 클라우드 서버(120)는 재난 발생에 대한 정보로부터 각 대상 지역의 재난 평가 점수를 추출할 수 있다.
단계 S1030에서 클라우드 서버(120)는 추출된 각 대상 지역의 재난 평가 점수에 기초하여 복수의 대상 지역에 대해 선택 정렬을 수행할 수 있다.
단계 S1040에서 클라우드 서버(120)는 선택 정렬된 복수의 대상 지역 중 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 재난 알림 정보를 확장현실 관리자 단말(130)로 전송할 수 있다.
상술한 설명에서, 단계 S1010 내지 S1040은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 11은 본 발명의 일 실시예에 따른 관리자가 확장현실 환경 단말기에서 대상 지역의 센싱 정보를 이용하여 현장 의사 결정을 하는 과정을 설명하기 위한 예시적인 도면이다.
도 11을 참조하면, 확장현실 관리자 단말(130)은 XR-IoT(eXtended Reality Internet of Things)이 적용될 수 있다. XR-IoT는 HMD (홀로렌즈 또는 스마트 글래스) 등과 같이 확장 현실이 적용된 확장현실 관리자 단말(130)에 종속된 플랫폼을 이용하여 재난대비-대응에 활용하고, IoT 인프라와 연계할 수 있다.
여기서, 확장현실(XR) 은 현실을 기반으로 가상 정보를 부가하는 증강 현실(AR, Augmented Reality), 혼합 현실(Mixed Reality)와 가상 환경에 현실 정보를 부가하는 증강 가상(AV, Augmented Virtuality)의 의미를 포함한다. 즉, 확장현실은 현실과 가상이 자연스럽게 연결된 스마트 환경을 제공하여 사용자에게 풍부한 체험을 제공하거나, 가상 예보와 같이 각종 정보를 제공되는데 이용되고 있다.
확장현실 관리자 단말(130)은 대상 지역에 재난이 발생된 경우, 엣지의 센서로부터 센싱된 정보, 엣지 게이트웨이(110) 또는 클라우드 서버(120)를 통해 연계된 센서들로부터 수신된 센싱 정보, HMD로부터 인지된 정보를 가공하여 관리자가 현장에서 의사 결정이 가능하도록 할 수 있다. 예를 들어, 관리자는 대상 지역에서 재난이 발생된 경우, 대상 지역의 사물 또는 센서 등을 인지하고, 최적의 대피 경로를 선정하고, 행동 요령 안내 등에 대한 가이드를 확인할 수 있다.
도 12는 본 발명의 일 실시예에 따른 관리자가 확장현실 관리자 단말의 시각화(Visualization)를 통해 사물의 센싱 정보를 모니터링하는 과정을 설명하기 위한 예시적인 도면이다.
도 12를 참조하면, 확장현실 관리자 단말(130)은 실시간으로 XR-IoT 시뮬레이터 및 실시간 지원 응용 기술(1200)을 이용함으로써, 대상 지역을 지속적으로 상황의 예지, 분석, 대응 및 요구사항을 실시간으로 모니터링할 수 있다. 예를 들어, 확장현실 관리자 단말(130)은 XR-IoT 시뮬레이터를 응용하여 디스플레이를 통해 시공간 상황의 영상 정보 및 센싱 값을 출력할 수 있다.
확장현실 관리자 단말(130)은 시나리오별로 생활안전에 대응하는 통합 훈련에 대한 시뮬레이션을 수행할 수 있다. 예를 들어, 확장현실 관리자 단말(130)은 대상 지역에 화재가 발생된 경우, 화재를 진압하기 위한 대응 훈련의 시뮬레이션을 수행할 수도 있다.
도 13은 본 발명의 일 실시예에 따른 대상 지역에서 재난이 발생된 경우의 관리자의 가상의 이동 경로(관리자가 HMD를 착용하고 가상으로 대상 지역을 모니터링함)를 도시한 예시적인 도면이다.
도 13을 참조하면, 관리자는 대상 지역에서 재난이 발생된 경우, 이동 경로를 결정하여 대피할 수 있다.
예를 들어, 관리자가 대상 지역으로 접근한 경우, 관리자가 이동할 초기 경로(1320)는 시점 노드(1300)->a 노드->b 노드->종점 노드(1310)으로 설정될 수 있다. 이 때, 초기 경로(1320)의 b 노드가 통신 장애 지역(1330)에 포함된 경우, 관리자는 통신 장애 지역(1330)에서 관리자가 대피하도록, 이동 경로(1340)를 시점 노드(1300)->a 노드->c 노드->d 노드->종점 노드(1310)으로 변경할 수 있다.
도 1 내지 도 13을 통해 설명된 엣지 게이트웨이에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 방법 및 클라우드 서버에서 엣지 컴퓨팅을 이용하여 복수의 대상 지역의 재난 발생을 예측하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 13을 통해 설명된 엣지 게이트웨이에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 방법 및 클라우드 서버에서 엣지 컴퓨팅을 이용하여 복수의 대상 지역의 재난 발생을 예측하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 복수의 센서
110: 엣지 게이트웨이
120: 클라우드 서버
130: 확장현실 관리자 단말
310: 수신부
320: 상태 모델 생성부
321: 상태 천이 다이어그램 생성부
322: 은닉 마르코프 모델 생성부
330: 예측부
340: 전송부
810: 정보 수신부
820: 재난 평가 점수 추출부
830: 정렬부
840: 전송부

Claims (16)

  1. 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이에 있어서,
    상기 대상 지역의 대상 센서로부터 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신하는 수신부;
    상기 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성하고, 상기 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성하고, 상기 은닉 마르코프 모델에 기초하여 상기 대상 지역에 대한 상태 모델을 생성하는 상태 모델 생성부;
    상기 통합 센서 데이터 및 상기 상태 모델에 기초하여 상기 대상 지역의 재난 발생을 예측하는 예측부; 및
    상기 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버로 전송하는 전송부를 포함하는 것인, 엣지 게이트웨이.
  2. 제 1 항에 있어서,
    상기 상태 모델 생성부는 상기 대상 지역에 대한 상기 통합 센서 데이터를 누적하여 상기 재난별 복수의 상태 값을 생성하고, 상기 생성된 재난별 복수의 상태 값 중 적어도 하나 이상의 상태 값을 조합하여 상태 천이 다이어그램을 생성하는 상태 천이 다이어그램 생성부를 포함하는 것인, 엣지 게이트웨이.
  3. 제 2 항에 있어서,
    상기 상태 천이 다이어그램 생성부는 상기 대상 지역 및 상기 대상 지역과 인접한 인접 지역 각각에 대해 생성된 재난별 복수의 상태 값에 기초하여 상기 상태 천이 다이어그램을 생성하는 것인, 엣지 게이트웨이.
  4. 제 2 항에 있어서,
    상기 상태 모델 생성부는 상기 생성된 상태 천이 다이어그램 내의 상기 재난별 복수의 상태 값 간의 천이 확률에 기초하여 상기 은닉 마르코프 모델을 생성하는 은닉 마르코프 모델 생성부를 더 포함하는 것인, 엣지 게이트웨이.
  5. 제 4 항에 있어서,
    상기 은닉 마르코프 모델은 상기 재난별 복수의 상태 값 간의 천이 확률에 기초하여 상기 대상 지역에 대한 현재 상태를 도출하고, 상기 도출된 현재 상태에 기초하여 소정의 기간의 경과에 따라 상기 대상 지역에서 발생될 재난 발생 예측 확률을 산출하는 것인, 엣지 게이트웨이.
  6. 제 4 항에 있어서,
    상기 상태 모델 생성부는 상기 생성된 은닉 마르코프 모델 및 상기 대상 지역에서의 상기 복수의 센서의 위치 중 적어도 하나에 기초하여 상기 대상 지역에 대한 상태 모델을 생성하는 것인, 엣지 게이트웨이.
  7. 제 5 항에 있어서,
    상기 예측부는 상기 대상 지역의 현재 상태 및 재난 발생 예측 확률에 기초하여 상기 대상 지역의 재난 평가 점수를 산정하는 것인, 엣지 게이트웨이.
  8. 제 1 항에 있어서,
    상기 재난별 복수의 상태 값은 상기 각각의 센서 데이터가 척도 변환된 값이고,
    상기 복수의 상태 값은 재난별로 각 상태 값이 서로 상이한 것인, 엣지 게이트웨이.
  9. 제 7 항에 있어서,
    상기 재난 발생에 대한 정보는 상기 산정된 대상 지역의 재난 평가 점수 및 상기 대상 지역을 촬영한 영상 데이터를 포함하고,
    상기 대상 지역을 촬영한 영상 데이터는 상기 복수의 센서에 대한 센싱 정보를 포함하는 것인, 엣지 게이트웨이.
  10. 엣지 컴퓨팅을 이용하여 복수의 대상 지역의 재난 발생을 예측하는 클라우드 서버에 있어서,
    엣지 게이트웨이로부터 상기 대상 지역의 재난 발생에 대한 정보를 수신하는 정보 수신부; 및
    재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 재난 알림 정보를 확장현실 관리자 단말로 전송하는 전송부를 포함하고,
    상기 각 대상 지역에 대한 상태 모델은 은닉 마르코프 모델에 기초하여 생성되고, 상기 은닉 마르코프 모델은 재난별 복수의 상태 값에 기초하여 생성되고, 상기 재난별 복수의 상태 값은 상기 각 대상 지역의 대상 센서로부터 수신된 통합 센서 데이터로부터 생성되고,
    상기 통합 센서 데이터는 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 것인, 클라우드 서버.
  11. 제 10 항에 있어서,
    상기 재난 발생에 대한 정보는 상기 복수의 대상 지역에 대한 상기 재난 평가 점수 및 영상 데이터를 포함하는 것인, 클라우드 서버.
  12. 제 10 항에 있어서,
    상기 재난 발생에 대한 정보로부터 각 대상 지역의 상기 재난 평가 점수를 추출하는 재난 평가 점수 추출부; 및
    상기 추출된 각 대상 지역의 재난 평가 점수에 기초하여 상기 복수의 대상 지역에 대해 선택 정렬을 수행하는 정렬부를 더 포함하는 것인, 클라우드 서버.
  13. 제 12 항에 있어서,
    상기 재난 알림 정보는 상기 선택 정렬된 복수의 대상 지역 중 상기 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 상기 복수의 센서에 대한 센싱 정보를 포함하는 것인, 클라우드 서버.
  14. 제 11 항에 있어서,
    상기 전송부는 상기 복수의 대상 지역 중 상기 재난 평가 점수가 임계값 이상에 해당하는 적어도 하나의 대상 지역에 대한 상기 영상 데이터를 상기 확장현실 관리자 단말로 전송하는 것인, 클라우드 서버.
  15. 제 10 항에 있어서,
    상기 대상 지역의 재난 평가 점수는 상기 대상 지역의 현재 상태 및 재난 발생 예측 확률에 기초하여 산정되는 것인, 클라우드 서버.
  16. 엣지 게이트웨이에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 방법에 있어서,
    상기 대상 지역의 대상 센서로부터 복수의 센서에 의해 측정된 각각의 센서 데이터를 포함하는 통합 센서 데이터를 수신하는 단계;
    상기 통합 센서 데이터로부터 재난별 복수의 상태 값을 생성하는 단계;
    상기 재난별 복수의 상태 값에 기초하여 은닉 마르코프 모델(Hidden Markov Model)을 생성하는 단계;
    상기 은닉 마르코프 모델에 기초하여 상기 대상 지역에 대한 상태 모델을 생성하는 단계;
    상기 통합 센서 데이터 및 상기 상태 모델에 기초하여 상기 대상 지역의 재난 발생을 예측하는 단계; 및
    상기 예측된 대상 지역의 재난 발생에 대한 정보를 클라우드 서버로 전송하는 단계를 포함하는 것인, 재난 발생 예측 방법.
KR1020190062863A 2019-05-29 2019-05-29 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법 KR102215519B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190062863A KR102215519B1 (ko) 2019-05-29 2019-05-29 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190062863A KR102215519B1 (ko) 2019-05-29 2019-05-29 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법

Publications (2)

Publication Number Publication Date
KR20200137098A true KR20200137098A (ko) 2020-12-09
KR102215519B1 KR102215519B1 (ko) 2021-02-15

Family

ID=73786643

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190062863A KR102215519B1 (ko) 2019-05-29 2019-05-29 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법

Country Status (1)

Country Link
KR (1) KR102215519B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102295045B1 (ko) * 2021-03-03 2021-08-31 주식회사 누리온 게이트웨이 기반의 상황 모니터링 시스템
KR102343710B1 (ko) * 2021-07-29 2021-12-29 한국과학기술연구원 지능형 재난재해 및 기후변화 관리방법 및 시스템
CN114358400A (zh) * 2021-12-21 2022-04-15 浙江高信技术股份有限公司 一种智慧桥隧涵边坡监控系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100118368A (ko) * 2009-04-28 2010-11-05 부산대학교 산학협력단 영상 감시 시스템에서 은닉 마르코프 모델을 이용한 불 검출방법
KR20150107456A (ko) * 2014-03-14 2015-09-23 (주) 넷큐리테크놀로지 상황등급을 이용한 관제 시스템 및 이들의 제어방법
KR20160149406A (ko) * 2015-06-18 2016-12-28 (주)아신정보기술 재난 관리 장치 및 재난 관리 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100118368A (ko) * 2009-04-28 2010-11-05 부산대학교 산학협력단 영상 감시 시스템에서 은닉 마르코프 모델을 이용한 불 검출방법
KR20150107456A (ko) * 2014-03-14 2015-09-23 (주) 넷큐리테크놀로지 상황등급을 이용한 관제 시스템 및 이들의 제어방법
KR20160149406A (ko) * 2015-06-18 2016-12-28 (주)아신정보기술 재난 관리 장치 및 재난 관리 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문:T.T.LWIN ET AL.,* *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102295045B1 (ko) * 2021-03-03 2021-08-31 주식회사 누리온 게이트웨이 기반의 상황 모니터링 시스템
KR102343710B1 (ko) * 2021-07-29 2021-12-29 한국과학기술연구원 지능형 재난재해 및 기후변화 관리방법 및 시스템
CN114358400A (zh) * 2021-12-21 2022-04-15 浙江高信技术股份有限公司 一种智慧桥隧涵边坡监控系统
CN114358400B (zh) * 2021-12-21 2023-06-23 浙江高信技术股份有限公司 一种智慧桥隧涵边坡监控系统

Also Published As

Publication number Publication date
KR102215519B1 (ko) 2021-02-15

Similar Documents

Publication Publication Date Title
Ding et al. A survey on data fusion in internet of things: Towards secure and privacy-preserving fusion
Shah et al. The rising role of big data analytics and IoT in disaster management: recent advances, taxonomy and prospects
KR102215519B1 (ko) 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법
Lee et al. An integrated approach to intelligent urban facilities management for real-time emergency response
JP6276106B2 (ja) 意思決定支援システムおよび意思決定支援方法
KR20090122235A (ko) 광역 감시를 위한 제한된 개수의 센서들의 공정한 배치 방법
Otero et al. A wireless sensor networks' analytics system for predicting performance in on-demand deployments
KR102319083B1 (ko) 인공지능 기반의 화재예방 제공 장치 및 방법
CN103258027A (zh) 基于智能终端的情境感知服务平台
CN107231250A (zh) 一种基于电网信息物理系统感知数据压缩采样方法及装置
Nasridinov et al. Event detection in wireless sensor networks: Survey and challenges
Tang et al. Research challenges in developing multimedia systems for managing emergency situations
Alamdar et al. An evaluation of integrating multisourced sensors for disaster management
Gwynne et al. Modeling and mapping dynamic vulnerability to better assess WUI evacuation performance
Aboualola et al. Edge technologies for disaster management: A survey of social media and artificial intelligence integration
Buchel et al. Geospatial analysis
Buriticá Cortés et al. A hierarchy-based approach to seismic vulnerability assessment of bulk power systems
Cardinale et al. Semantic framework of event detection in emergency situations for smart buildings
CN105784937B (zh) 气体苯系物探测的数据可视化方法及系统
Cheng et al. CPC: Crime, policing and citizenship-Intelligent policing and big data
Meng et al. A dynamic emergency decision support model for emergencies in urban areas
Tabassum et al. Data mining critical infrastructure systems: Models and tools
Paganin et al. Knowledge management and resilience of urban and territorial systems
Rodrigues et al. Fusion data tracking system (fits)
Shim et al. Implementation of real time alert system over cloud computing

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant