KR20210084182A - 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법 - Google Patents
사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법 Download PDFInfo
- Publication number
- KR20210084182A KR20210084182A KR1020200009075A KR20200009075A KR20210084182A KR 20210084182 A KR20210084182 A KR 20210084182A KR 1020200009075 A KR1020200009075 A KR 1020200009075A KR 20200009075 A KR20200009075 A KR 20200009075A KR 20210084182 A KR20210084182 A KR 20210084182A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- emergency facility
- area
- location
- rescue
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000003012 network analysis Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims description 46
- 238000012038 vulnerability analysis Methods 0.000 claims description 42
- 238000009795 derivation Methods 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
본 발명은 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법에 관한 것으로, 특정 지역의 특정 위험에 따른 구조, 화재 출동 데이터 및 지리 데이터를 포함하는 기초 데이터를 수집하고 기초 데이터를 구조 및 화재의 예측을 위한 출동 데이터 셋을 구축하는 출동 데이터 셋 구축부, 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네트워크를 구축하고 이동 네트워크, 출동 데이터 셋 및 응급시설 위치로부터 특정 지역에 대해 특정 시간내에 출동이 가능한 출동가능 지역 현황을 도출하는 출동가능 지역 현황 도출부, 구조 및 화재 출동 데이터의 변화량에 따른 구조 및 화재 출동 예측데이터를 산출하고 구조 및 화재 출동 예측 데이터와 출동가능 지역 현황을 비교 분석하여 응급시설 위치의 적정성을 평가하는 응급시설 위치 적정성 평가부 및 지리 데이터 및 출동가능 지역 현황을 오버래핑하여 출동 불가능 지역을 검출하고 출동 불가능 지역 및 적정성에 대한 평가에 따라 추가 응급시설의 위치를 결정하는 응급시설 위치 결정부를 포함한다.
Description
본 발명은 사고 발생패턴 분석을 통한 사고 취약지 분석 기술에 관한 것으로, 보다 상세하게는 사고 발생에 대해 분석하여 예측 데이터를 생성하고 기 설치된 응급시설의 위치가 적정한지 평가하고 추가적으로 응급시설의 설치가 필요한 장소를 결정할 수 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법에 관한 것이다.
도시개발이란 도시의 변화에 맞춰 발전하기 위한 일련의 의도적 행위를 말하는 것으로 사전적인 의미는 기성도시 주변 또는 떨어진 곳에 인구 및 산업 등을 조절, 정비하고 기성도시의 확장, 신도시의 건설 등을 의미한다. 그러나 일반적인 도시개발과 달리 혁신도시는 정부 주도하에 진행되는 개발로 정책적 필요에 의해 만들어진다.
혁신도시의 개발, 공공기관의 이전 등과 같이 도시구조에 변화가 발생하면 기존 인구의 이주, 새로운 인구의 유입으로 새로운 변화가 발생하게 된다. 이러한 도시구조의 변화가 불러온 인구의 이동은 사람들의 행동 패턴에도 변화를 불러일으킨다.
이러한 사람들의 행동 패턴 중에는 사고 발생 패턴이 있다. 사고의 경우 사람들이 주로 모이는 곳에 발생하게 되며 이를 시계열적으로 확인해본다면 사고 패턴의 변화 도출이 가능해진다. 또한 사고는 그 유형에 따라 많이 발생하는 장소가 다르기 때문에 사고도 유형별로 분석해 볼 필요성이 존재한다.
한국등록특허 제10-1835576(2018.02.28)호는 사업체에 대한 지리적 장소 데이터의 비결정적 명확화 및 질적 실체 매칭을 위한 시스템에 관한 것으로, (a) 위치를 묘사하는 데이터를 수신하고, (b) 데이터로부터 위치와 연관된 주소를 추정하고, (c) 주소를 포함하는 도로의 세그먼트를 식별하고, (d) 세그먼트의 부근에 있는 지리적 영역을 둘러싸는 경계를 가진 다각형을 한정하고, (e) 다각형 안의 일 지점의 지리 좌표를 얻고, (f) 지리 좌표에서의 주소를 식별하고, (g) 지리 좌표에서의 주소와 연관된 실체를 식별하는 것을 포함한다.
한국등록특허 제10-1724259(2017.04.3)호는 재난 안전 통합관리 시스템에 의한 관심지역 분석방법에 관한 것으로, 본 발명은 2차원 또는 3차원 지도 기반의 공간정보 데이터를 기반으로 재난안전을 통합적으로 관리하기 위한 시스템에 의한 관심지역 분석방법에 관한 것으로, 재난 정보 수집 앱이 설치되어 사진, 동영상과 같은 재난정보를 수집, 전송할 수 있도록 하는 스마트 모바일 기기(1)와; 상기 스마트 모바일 기기(1)로부터 전송된 재난정보가 저장되어지는 스마트 빅보드 서버(2)와; 상기 스마트 빅보드 서버(2)에 저장된 재난정보가 시간 및 위치정보와 함께 지도에 표시되어지는 스마트 빅보드 화면(3)으로 구성된 재난 안전 통합관리 시스템에 의한 관심지역 분석방법에 있어서, 스마트 빅보드 서버(2)와 스마트 빅보드 화면(3)을 실행하는 과정과, 현장에 파견된 조사원의 스마트 모바일 기기(1)로부터 실시간 재난현장 동영상, 재난현장 VOD, 재난현장 이미지 들이 상기 스마트 빅보드 서버(2)에 전달되어지는 과정과, 상기 스마트 빅보드 화면(3)은 전반적인 재난을 감지하고 관리하기 위한 상황판으로서, 초기화면에서 상기 스마트 모바일 기기(1)로부터 전송된 재난정보 영상과, 실시간 기상정보, CCTV 영상과, SNS에 의한 빅데이터로 이루어진 콘텐츠들 중에서 선택하게되면, 선택된 콘텐츠들이 시간정보, 위치정보와 함께 제공되므로 스마트 빅보드 화면(3)의 지도에서 상기 위치정보에 대응되는 곳에 콘텐츠 표시부(32)가 실시간으로 표시되는 과정과, 스마트 모바일 기기(1)로부터 전송된 재난정보 영상을 콘텐츠로 선택할 경우 기기에 내장된 GPS정보가 스마트 빅보드 서버(1)에 전달됨으로써 상기 콘텐츠 표시부(32)의 이동구간이 경로 표시부(34)로 표시되면서 위치 이동경로가 매핑 표출되어지며, 이때 상기 콘텐츠 표시부(32)를 선택하면 정보창(33c)이 활성화되어 현장 스트리밍 영상이 실시간으로 함께 표시되어지는 과정으로 구성된다.
본 발명의 일 실시예는 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네크를 구축하여 출동가능 지역 현황을 도출할 수 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 구조 및 화재 출동 예측 데이터 분석을 통해 응급시설 위치의 적정성을 평가할 수 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 출동 불가능 지역을 검출하고 응급시설 위치의 적정성 평가에 따라 추가 응급시설의 위치를 결정할 수 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법을 제공하고자 한다.
실시예들 중에서, 사고 발생패턴 분석을 통한 사고 취약지 분석 장치는 특정 지역의 특정 위험에 따른 구조, 화재 출동 데이터 및 지리 데이터를 포함하는 기초 데이터를 수집하고 상기 기초 데이터를 구조 및 화재의 예측을 위한 출동 데이터 셋으로 구축하는 출동 데이터 셋 구축부, 상기 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네트워크를 구축하고 상기 이동 네트워크, 상기 출동 데이터 셋 및 응급시설 위치로부터 상기 특정 지역에 대해 특정 시간내에 출동이 가능한 출동가능 지역 현황을 도출하는 출동가능 지역 현황 도출부, 상기 구조 및 화재 출동 데이터의 변화량에 따른 구조 및 화재 출동 예측데이터를 산출하고 상기 구조 및 화재 출동 예측 데이터와 상기 출동가능 지역 현황을 비교 분석하여 상기 응급시설 위치의 적정성을 평가하는 응급시설 위치 적정성 평가부 및 상기 지리 데이터 및 상기 출동가능 지역 현황을 오버래핑하여 출동 불가능 지역을 검출하고 상기 출동 불가능 지역 및 상기 적정성에 대한 평가에 따라 추가 응급시설의 위치를 결정하는 응급시설 위치 결정부를 포함한다.
상기 출동 데이터 셋 구축부는 상기 구조 및 화재 출동 데이터를 수집할 때, 상기 구조 및 화재 각각의 사유별로 분리하여 데이터를 수집하고 데이터셋을 구축할 수 있다.
상기 출동가능 지역 현황 도출부는 상기 구조 및 화재 각각의 사유별 긴급도를 기준으로 상기 특정 시간을 조절할 수 있다.
상기 이동 네트워크는 제1 지역과 제2 지역을 서로 연결하는 링크와 링크들의 교차점에 형성되는 노드를 포함하고, 상기 교차점에 상기 노드가 형성되지 않는 경우 상기 교차점과 연관된 링크들 간에는 이동이 불가능한 것으로 정의될 수 있다.
상기 출동가능 지역 현황 도출부는 상기 링크의 굵기에 따라 상기 링크에서의 링크 저항이 결정하고 상기 노드에서의 대기 시간 및 대기 주기에 따라서 상기 노드의 저항을 결정할 수 있다.
상기 출동가능 지역 현황 도출부는 상기 응급시설 위치를 기준으로 상기 링크 및 상기 노드로 연결된 특정 시간내에 출동이 가능한 출동가능 지역 중 상기 응급시설 위치를 중심으로 가장 멀리 떨어진 출동가능 지역들을 서로 연결하여 바운더리를 형성하고 상기 바운더리 내부를 상기 출동가능 지역 현황으로 도출할 수 있다.
상기 응급시설 위치 적정성 평가부는 상기 구조 및 화재 출동 예측 데이터를 커널 밀도 추정 방식을 이용하여 공간좌표에 배치하고, 상기 출동가능 지역 현황을 공간좌표에 배치하여 공간좌표 상의 오버래핑을 통해 상기 출동가능 지역 현황이 상기 구조 및 화재 출동 예측 데이터가 표시된 지역을 포함하지 못하는 지역을 산출하고 상기 출동가능 지역 현황에 포함되지 않는 상기 구조 및 화재 출동 예측 데이터의 개수에 비례하여 상기 응급시설 위치의 적정성을 평가할 수 있다.
상기 응급시설 위치 결정부는 상기 추가 응급시설의 규모에 따라 상기 추가 응급시설의 커버리지를 결정하고 상기 적정성에 대한 평가가 낮은 지역을 우선으로 상기 추가 응급시설의 위치를 결정할 수 있다.
실시예들 중에서, 사고 발생패턴 분석을 통한 사고 취약지 분석 장치는 상기 응급시설 및 상기 추가 응급시설의 커버리지에 따라 상기 응급 시설의 위치를 삭제하거나 변경하는 응급시설 위치 수정부를 더 포함할 수 있다.
실시예들 중에서, 사고 발생패턴 분석을 통한 사고 취약지 분석 방법은 특정 지역의 특정 위험에 따른 구조, 화재 출동 데이터 및 지리 데이터를 포함하는 기초 데이터를 수집하고 상기 기초 데이터를 구조 및 화재의 예측을 위한 출동 데이터 셋을 구축하는 출동 데이터 셋 구축 단계, 상기 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네트워크를 구축하고 상기 이동 네트워크, 상기 출동 데이터 셋 및 응급시설 위치로부터 상기 특정 지역에 대해 특정 시간내에 출동이 가능한 출동가능 지역 현황을 도출하는 출동가능 지역 현황 도출 단계, 상기 구조 및 화재 출동 데이터의 변화량에 따른 구조 및 화재 출동 예측데이터를 산출하고 상기 구조 및 화재 출동 예측 데이터와 상기 출동가능 지역 현황을 비교 분석하여 상기 응급시설 위치의 적정성을 평가하는 응급시설 위치 적정성 평가 단계 및 상기 지리 데이터 및 상기 출동가능 지역 현황을 오버래핑하여 출동 불가능 지역을 검출하고 상기 출동 불가능 지역 및 상기 적정성에 대한 평가에 따라 추가 응급시설의 위치를 결정하는 응급시설 위치 결정 단계를 포함할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법은 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네크를 구축하여 출동가능 지역 현황을 도출할 수 있다.
본 발명의 일 실시예에 따른 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법은 구조 및 화재 출동 예측 데이터 분석을 통해 응급시설 위치의 적정성을 평가할 수 있다.
본 발명의 일 실시예에 따른 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법은 출동 불가능 지역을 검출하고 응급시설 위치의 적정성 평가에 따라 추가 응급시설의 위치를 결정할 수 있다.
도 1은 본 발명의 일 실시예에 따른 사고 발생패턴 분석을 통한 사고 취약지 분석 시스템을 설명하는 도면이다.
도 2는 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치의 물리적 구성을 설명하는 블록도이다.
도 3은 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치의 기능적 구성을 설명하는 블록도이다.
도 4는 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치의 추가 응급시설의 위치를 결정하는 과정을 설명하는 도면이다.
도 5는 일 실시예에 따른 구조 및 화재의 각각 사유별로 분리된 데이터를 설명하는 도면이다.
도 6은 일 실시예에 따른 구조 및 화재 출동 데이터를 설명하기 위한 도면이다.
도 7은 링크 및 노드의 정의를 설명하는 도면이다.
도 8은 일 실시예에 따른 출동가능 지역 현황을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 커널 밀도 추정 방식을 설명하는 도면이다.
도 2는 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치의 물리적 구성을 설명하는 블록도이다.
도 3은 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치의 기능적 구성을 설명하는 블록도이다.
도 4는 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치의 추가 응급시설의 위치를 결정하는 과정을 설명하는 도면이다.
도 5는 일 실시예에 따른 구조 및 화재의 각각 사유별로 분리된 데이터를 설명하는 도면이다.
도 6은 일 실시예에 따른 구조 및 화재 출동 데이터를 설명하기 위한 도면이다.
도 7은 링크 및 노드의 정의를 설명하는 도면이다.
도 8은 일 실시예에 따른 출동가능 지역 현황을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 커널 밀도 추정 방식을 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 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.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 사고 발생패턴 분석을 통한 사고 취약지 분석 시스템(100)을 설명하는 도면이다.
도 1을 참조하면, 사고 발생패턴 분석을 통한 사고 취약지 분석 시스템(100)은 사용자 단말(110), 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130) 및 데이터베이스(150)를 포함할 수 있다.
사용자 단말(110)은 추가 응급시설의 위치를 결정하는 과정에서 생성 및 분석한 데이터를 확인 및 관리하는 컴퓨팅 장치에 해당할 수 있고, 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 사용자 단말(110)은 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 사용자 단말(110)들은 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)와 동시에 연결될 수 있다.
사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 출동 데이터 셋을 구축하고 추가 응급시설의 위치를 결정을 수행하는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 사용자 단말(110)과 블루투스, WiFi, 통신망 등을 통해 무선으로 연결될 수 있고, 네트워크를 통해 사용자 단말(110)과 데이터를 주고받을 수 있다.
데이터베이스(150)는 출동 데이터 셋을 구축하고 추가 응급시설의 위치를 결정을 수행하는 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 뿐만 아니라, 데이터베이스(150)는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)가 출동 데이터 셋을 구축하고 추가 응급시설의 위치를 결정을 수행하는 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
도 2는 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)의 물리적 구성을 설명하는 블록도이다.
도 2를 참조하면, 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함하여 구현될 수 있다.
프로세서(210)는 출동 데이터 셋을 구축하고 추가 응급시설의 위치를 결정을 수행하는 과정에서 동작을 수행하는 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Drive) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(250)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(250)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 서버로서 수행될 수 있다.
네트워크 입출력부(270)는 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
도 3은 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)의 기능적 구성을 설명하는 블록도이다.
도 3을 참조하면, 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 출동 데이터 셋 구축부(310), 출동가능 지역 현황 도출부(320), 응급시설 위치 적정성 평가부(330), 응급시설 위치 결정부(340), 응급시설 위치 수정부(350) 및 제어부(360)를 포함할 수 있다.
출동 데이터 셋 구축부(310)는 특정 지역의 특정 위험에 따른 구조, 화재 출동 데이터 및 지리 데이터를 포함하는 기초 데이터를 수집하고 기초 데이터를 구조 및 화재의 예측을 위한 출동 데이터 셋으로 구축할 수 있다. 예를 들어, 특정 지역의 특정 위험에 따른 구조 및 화재 출동 데이터는 특정 지역에서 발생하는 구조 및 화재의 종류에 따른 출동 이력 데이터가 될 수 있다. 예를 들어, 특정 위험은 폭발, 붕괴, 교통사고, 수난, 산악 실종, 승강기 갇힘 또는 동물 포획 등 출동이 필요한 위험이 될 수 있다. 예를 들어, 출동 데이터 셋 구축부(310)는 기초 데이터를 수집하여 데이터베이스에 저장할 수 있으며, 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)의 프로시저를 수행하는 과정에서 쉽게 활용될 수 있도록 데이터에 대한 정제와 가공을 수행할 수 있다.
일 실시예에서, 출동 데이터 셋 구축부(310)는 구조 및 화재 출동 데이터를 수집할 때, 구조 및 화재 각각의 사유별로 분리하여 데이터를 수집하고 데이터셋을 구축할 수 있다. 도 5는 일 실시예에 따른 구조 및 화재의 각각 사유별로 분리된 데이터를 설명하는 도면으로서, 도 5를 참조하면, 출동 데이터 셋 구축부(310)는 구조 및 화재 각각의 사유별로 분리하여 해당 사유별로 건수 및 해당 사유에 출동한 인원수에 대한 데이터를 수집할 수 있다. 도 6은 일 실시예에 따른 구조 및 화재 출동 데이터를 설명하기 위한 도면으로써, 도 6을 참조하면, 출동 데이터 셋 구축부(310)는 구조 및 화재 출동 데이터를 수집하여 공간상에 배치할 수 있다.
출동가능 지역 현황 도출부(320)는 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네트워크를 구축하고 이동 네트워크, 출동 데이터 셋 및 응급시설 위치로부터 특정 지역에 대해 특정 시간내에 출동이 가능한 출동가능 지역 현황을 도출할 수 있다. 예를 들어, 출동가능 지역 현황 도출부(320)는 응급시설 위치를 기준으로 설계자에 의해 설정된 특정 시간내에 출동이 가능한 지역을 출동가능 지역 현황으로 도출할 수 있다. 지리 데이터는 도로 및 지형을 포함하는 지도가 될 수 있다.
일 실시예에서, 출동가능 지역 현황 도출부(320)는 구조 및 화재 각각의 사유별 긴급도를 기준으로 특정 시간을 조절할 수 있다. 예를 들어, 출동가능 지역 현황 도출부(320)는 출동 사유가 긴급도가 떨어지는 잠금 개방 같은 경우에는 특정 시간을 10분으로 설정할 수 있고, 출동 사유가 긴급도가 높은 화재의 경우에는 특정 시간을 3분으로 설정할 수 있다. 예를 들어, 출동 사유의 긴급도에 따라서 출동가능 지역 현황 도출부(320)에 의해 결정되는 출동가능 지역 현황이 변경될 수 있다.
이동 네트워크는 제1 지역과 제2 지역을 서로 연결하는 링크와 링크들의 교차점에 형성되는 노드를 포함하고, 교차점에 상기 노드가 형성되지 않는 경우 상기 교차점과 연관된 링크들 간에는 이동이 불가능한 것으로 정의될 수 있다. 도 7은 링크 및 노드의 정의를 설명하는 도면으로서, 도 7을 참조하면, 링크는 이동이 가능한 통로가 될 수 있고, 노드는 링크 간을 연결하여 링크 간에 이동이 가능한 지점이 될 수 있다. 링크 간에 연결이 되어 있다고 하더라도, 링크 간의 교점에 노드가 존재하지 않는 경우에는 링크 간의 이동이 불가능 하다.
일 실시예에서, 출동가능 지역 현황 도출부(320)는 링크의 굵기에 따라 링크에서의 링크 저항을 결정하고 노드에서의 대기 시간 및 대기 주기에 따라서 노드의 저항을 결정할 수 있다. 예를 들어, 출동가능 지역 현황 도출부(320)는 링크의 굵기가 굵은 경우에는 링크 저항을 낮게 결정할 수 있다. 링크의 굵기가 굵은 경우에는 한번에 많은 이동 수단이 링크를 통해 이동할 수 있다. 예를 들어, 출동가능 지역 현황 도출부(320)는 노드에서의 대기 시간이 긴 경우에는 해당 노드에서의 저항을 높게 결정할 수 있다. 예를 들어, 출동가능 지역 현황 도출부(320)는 노드에서 대기 주기가 짧은 경우에는 해당 노드에서의 저항을 높게 결정할 수 있다. 다른 예를 들어, 출동가능 지역 현황 도출부(320)는 링크 간에 노드로 연결되지 않은 지점에 대해 저항을 무한대로 결정할 수 있다.
일 실시예에서, 출동가능 지역 현황 도출부(320)는 응급시설 위치를 기준으로 링크 및 노드로 연결된 특정 시간내에 출동이 가능한 출동가능 지역 중 응급시설 위치를 중심으로 가장 멀리 떨어진 출동가능 지역들을 서로 연결하여 바운더리를 형성하고 바운더리 내부를 출동가능 지역 현황으로 도출할 수 있다. 도 8은 일 실시예에 따른 출동가능 지역 현황을 설명하기 위한 도면으로서, 도 8을 참조하면, 도 8a는 네트워크 분석 없이 출동 가능 지역 현황을 도출한 것이고, 도 8b는 본 발명에 일 실시예로서 네트워크 분석을 활용해 출동 가능 지역 현황을 도출한 것이다. 예를 들어, 출동가능 지역 현황 도출부(320)는 특정 시간내에 출동이 가능한 거리를 결정하고 해당 거리에 상응하는 바운더리를 형성할 수 있다.
응급시설 위치 적정성 평가부(330)는 구조 및 화재 출동 데이터의 변화량에 따른 구조 및 화재 출동 예측데이터를 산출하고 구조 및 화재 출동 예측 데이터와 출동가능 지역 현황을 비교 분석하여 응급시설 위치의 적정성을 평가할 수 있다.
일 실시예에서, 응급시설 위치 적정성 평가부(330)는 구조 및 화재 출동 예측 데이터를 커널 밀도 추정 방식을 이용하여 공간좌표에 배치하고, 출동가능 지역 현황을 공간좌표에 배치하여 공간좌표 상의 오버래핑을 통해 출동가능 지역 현황이 구조 및 화재 출동 예측 데이터가 표시된 지역을 포함하지 못하는 지역을 산출하고 출동가능 지역 현황에 포함되지 않는 구조 및 화재 출동 예측 데이터의 개수에 비례하여 응급시설 위치의 적정성을 평가할 수 있다. 예를 들어, 응급시설 위치 적정성 평가부(330)는 주변 값을 기초로 확률적 분포로서 표시하는 커널 밀도 추정 방식을 이용하여 공간좌표에 배치할 수 있다. 도 9는 일 실시예에 따른 커널 밀도 추정 방식을 설명하는 도면으로서, 도 6 및 도 9를 참조하면 응급시설 위치 적정성 평가부(330)는 구조 및 화재 출동 예측 데이터를 공간 상에 도트로서 배치할 수 있고, 이에 대한 커널 밀도 추정 방식을 이용하여 구조 및 화재 출동 예측 데이터의 밀도를 표시할 수 있는 등고선의 형태로 공간상에 표현할 수 있다. 예를 들어, 응급시설 위치 적정성 평가부(330)는 구조 및 화재 출동 예측 데이터가 표시된 공간에서 출동가능 지역 현황을 제외하는 형식으로 출동이 불가능한 지역을 도출할 수 있다.
예를 들어, 응급시설 위치 적정성 평가부(330)는 아래 [수학식 1]에 따라 응급시설 위치의 적정성을 평가할 수 있다.
[수학식 1]
(여기에서, S는 응급시설 위치의 적정지수, N은 출동가능 지역 현황에 포함되지 않는 구조 및 화재 출동 예측 데이터의 개수, M은 전체 구조 및 화재 출동 예측 데이터의 개수, 
는 출동가능 지역 현황에 포함되지 않는 구조 및 화재 출동 데이터의 개수이다.)
다른 예를 들어, 응급시설 위치 적정성 평가부(330)는 출동가능 지역 현황에 포함되지 않는 구조 및 화재 출동 예측 데이터가 바운더리 외각과 떨어진 거리에 비례하여 응급시설 위치의 적정성을 평가할 수 있다.
응급시설 위치 적정성 평가부(330)는 지역별로 응급시설 위치의 적정성을 평가할 수 있다. 예를 들어, 응급시설 위치 적정성 평가부(330)는 지역별 및 구조 및 화재 사유별로 응급시설 위치의 적정성을 평가할 수 있다.
응급시설 위치 결정부(340)는 지리 데이터 및 출동가능 지역 현황을 오버래핑하여 출동 불가능 지역을 검출하고 출동 불가능 지역 및 적정성에 대한 평가에 따라 추가 응급시설의 위치를 결정할 수 있다. 예를 들어, 응급시설 위치 결정부(340)는 지리 데이터에서 출동가능 지역 현황을 제외한 지역을 출동 불가능 지역으로 검출할 수 있다. 예를 들어, 응급시설 위치 결정부(340)는 출동 불가능 지역과 추가 응급시설의 위치가 겹치지 않도록 추가 응급시설의 위치를 결정할 수 있다.
일 실시예에서, 응급시설 위치 결정부(340)는 추가 응급시설의 규모에 따라 추가 응급시설의 커버리지를 결정하고 적정성에 대한 평가가 낮은 지역을 우선으로 추가 응급시설의 위치를 결정할 수 있다. 예를 들어, 응급시설 위치 결정부(340)는 추가 응급시설이 빠르게 이동 네트워크를 이동할 수단을 구축하고 있는 경우에는 커버리지를 넓게 결정할 수 있다.
응급시설 위치 수정부(350)는 응급시설 및 추가 응급시설의 커버리지에 따라 응급 시설의 위치를 삭제하거나 변경할 수 있다. 예를 들어, 응급시설 위치 수정부(350)는 기존의 응급시설의 커버리지를 결정하고, 기존의 응급시설의 커버리지 간의 오버랩 부분이 있는 경우에는, 해당 오버랩 부분이 최소화될 수 있도록 응급 시설의 위치를 변경할 수 있다.
일 실시예에서, 응급시설 위치 수정부(350)는 출동가능 지역 현황에 따라, 기존 응급시설의 커버리가 겹치는 부분을 줄이고 출동가능 지역을 넓히는 방향으로 응급시설의 위치를 변경할 수 있다.
제어부(360)는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)의 전체적인 동작을 제어하고, 출동 데이터 셋 구축부(310), 출동가능 지역 현황 도출부(320), 응급시설 위치 적정성 평가부(330), 응급시설 위치 결정부(340) 및 응급시설 위치 수정부(350) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 일 실시예에 따른 도 1에 있는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)의 추가 응급시설의 위치를 결정하는 과정을 설명하는 도면이다.
도 4를 참조하면, 사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 출동 데이터 셋 구축부(310)를 통해, 특정 지역의 특정 위험에 따른 구조, 화재 출동 데이터 및 지리 데이터를 포함하는 기초 데이터를 수집하고 기초 데이터를 구조 및 화재의 예측을 위한 출동 데이터 셋을 구축할 수 있다(S410).
사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 출동가능 지역 현황 도출부(320)를 통해, 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네트워크를 구축하고 이동 네트워크, 출동 데이터 셋 및 응급시설 위치로부터 특정 지역에 대해 특정 시간내에 출동이 가능한 출동가능 지역 현황을 도출할 수 있다(S430).
사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 응급시설 위치 적정성 평가부(330)를 통해, 구조 및 화재 출동 데이터의 변화량에 따른 구조 및 화재 출동 예측데이터를 산출하고 구조 및 화재 출동 예측 데이터와 출동가능 지역 현황을 비교 분석하여 응급시설 위치의 적정성을 평가할 수 있다(S450).
사고 발생패턴 분석을 통한 사고 취약지 분석 장치(130)는 응급시설 위치 결정부(340)를 통해, 지리 데이터 및 출동가능 지역 현황을 오버래핑하여 출동 불가능 지역을 검출하고 출동 불가능 지역 및 적정성에 대한 평가에 따라 추가 응급시설의 위치를 결정할 수 있다(S470).
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.
100: 사고 발생패턴 분석을 통한 사고 취약지 분석 시스템
110: 사용자 단말
130: 사고 발생패턴 분석을 통한 사고 취약지 분석 장치
150: 데이터베이스
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 출동 데이터 셋 구축부 320: 출동가능 지역 현황 도출부
330: 응급시설 위치 적정성 평가부
340: 응급시설 위치 결정부 350: 응급시설 위치 수정부
360: 제어부
110: 사용자 단말
130: 사고 발생패턴 분석을 통한 사고 취약지 분석 장치
150: 데이터베이스
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 출동 데이터 셋 구축부 320: 출동가능 지역 현황 도출부
330: 응급시설 위치 적정성 평가부
340: 응급시설 위치 결정부 350: 응급시설 위치 수정부
360: 제어부
Claims (8)
- 특정 지역의 특정 위험에 따른 구조, 화재 출동 데이터 및 지리 데이터를 포함하는 기초 데이터를 수집하고 상기 기초 데이터를 구조 및 화재의 예측을 위한 출동 데이터 셋으로 구축하는 출동 데이터 셋 구축부;
상기 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네트워크를 구축하고 상기 이동 네트워크, 상기 출동 데이터 셋 및 응급시설 위치로부터 상기 특정 지역에 대해 특정 시간내에 출동이 가능한 출동가능 지역 현황을 도출하는 출동가능 지역 현황 도출부;
상기 구조 및 화재 출동 데이터의 변화량에 따른 구조 및 화재 출동 예측데이터를 산출하고 상기 구조 및 화재 출동 예측 데이터와 상기 출동가능 지역 현황을 비교 분석하여 상기 응급시설 위치의 적정성을 평가하는 응급시설 위치 적정성 평가부; 및
상기 지리 데이터 및 상기 출동가능 지역 현황을 오버래핑하여 출동 불가능 지역을 검출하고 상기 출동 불가능 지역 및 상기 적정성에 대한 평가에 따라 추가 응급시설의 위치를 결정하는 응급시설 위치 결정부를 포함하는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치.
- 제1항에 있어서, 상기 출동 데이터 셋 구축부는
상기 구조 및 화재 출동 데이터를 수집할 때, 상기 구조 및 화재 각각의 사유별로 분리하여 데이터를 수집하고 데이터셋을 구축하고
상기 출동가능 지역 현황 도출부는
상기 구조 및 화재 각각의 사유별 긴급도를 기준으로 상기 특정 시간을 조절하는 것을 특징으로 하는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치.
- 제1항에 있어서, 상기 이동 네트워크는
제1 지역과 제2 지역을 서로 연결하는 링크와 링크들의 교차점에 형성되는 노드를 포함하고, 상기 교차점에 상기 노드가 형성되지 않는 경우 상기 교차점과 연관된 링크들 간에는 이동이 불가능한 것으로 정의되고
상기 출동가능 지역 현황 도출부는
상기 링크의 굵기에 따라 상기 링크에서의 링크 저항을 결정하고 상기 노드에서의 대기 시간 및 대기 주기에 따라서 상기 노드의 저항을 결정하는 것을 특징으로 하는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치.
- 제3항에 있어서, 상기 출동가능 지역 현황 도출부는
상기 응급시설 위치를 기준으로 상기 링크 및 상기 노드로 연결된 특정 시간내에 출동이 가능한 출동가능 지역 중 상기 응급시설 위치를 중심으로 가장 멀리 떨어진 출동가능 지역들을 서로 연결하여 바운더리를 형성하고 상기 바운더리 내부를 상기 출동가능 지역 현황으로 도출하는 것을 특징으로 하는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치.
- 제1항에 있어서, 상기 응급시설 위치 적정성 평가부는
상기 구조 및 화재 출동 예측 데이터를 커널 밀도 추정 방식을 이용하여 공간좌표에 배치하고, 상기 출동가능 지역 현황을 공간좌표에 배치하여 공간좌표 상의 오버래핑을 통해 상기 출동가능 지역 현황이 상기 구조 및 화재 출동 예측 데이터가 표시된 지역을 포함하지 못하는 지역을 산출하고 상기 출동가능 지역 현황에 포함되지 않는 상기 구조 및 화재 출동 예측 데이터의 개수에 비례하여 상기 응급시설 위치의 적정성을 평가하는 것을 특징으로 하는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치.
- 제1항에 있어서, 상기 응급시설 위치 결정부는
상기 추가 응급시설의 규모에 따라 상기 추가 응급시설의 커버리지를 결정하고 상기 적정성에 대한 평가가 낮은 지역을 우선으로 상기 추가 응급시설의 위치를 결정하는 것을 특징으로 하는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치.
- 제6항에 있어서,
상기 응급시설 및 상기 추가 응급시설의 커버리지에 따라 상기 응급 시설의 위치를 삭제하거나 변경하는 응급시설 위치 수정부를 더 포함하는 것을 특징으로 하는 사고 발생패턴 분석을 통한 사고 취약지 분석 장치.
- 특정 지역의 특정 위험에 따른 구조, 화재 출동 데이터 및 지리 데이터를 포함하는 기초 데이터를 수집하고 상기 기초 데이터를 구조 및 화재의 예측을 위한 출동 데이터 셋으로 구축하는 출동 데이터 셋 구축 단계;
상기 지리 데이터에 대한 네트워크 분석을 수행하여 이동 네트워크를 구축하고 상기 이동 네트워크, 상기 출동 데이터 셋 및 응급시설 위치로부터 상기 특정 지역에 대해 특정 시간내에 출동이 가능한 출동가능 지역 현황을 도출하는 출동가능 지역 현황 도출 단계;
상기 구조 및 화재 출동 데이터의 변화량에 따른 구조 및 화재 출동 예측데이터를 산출하고 상기 구조 및 화재 출동 예측 데이터와 상기 출동가능 지역 현황을 비교 분석하여 상기 응급시설 위치의 적정성을 평가하는 응급시설 위치 적정성 평가 단계; 및
상기 지리 데이터 및 상기 출동가능 지역 현황을 오버래핑하여 출동 불가능 지역을 검출하고 상기 출동 불가능 지역 및 상기 적정성에 대한 평가에 따라 추가 응급시설의 위치를 결정하는 응급시설 위치 결정 단계를 포함하는 사고 발생패턴 분석을 통한 사고 취약지 분석 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190175091 | 2019-12-26 | ||
| KR20190175091 | 2019-12-26 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210084182A true KR20210084182A (ko) | 2021-07-07 |
| KR102342929B1 KR102342929B1 (ko) | 2021-12-28 |
Family
ID=76862375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200009075A KR102342929B1 (ko) | 2019-12-26 | 2020-01-23 | 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102342929B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829613A (zh) * | 2024-03-04 | 2024-04-05 | 深圳大学 | 海运事故影响因素分析方法、系统、智能终端及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101724259B1 (ko) | 2015-08-21 | 2017-04-07 | 대한민국 | 재난 안전 통합관리 시스템에 의한 관심지역 분석방법 |
| KR101835576B1 (ko) | 2013-03-15 | 2018-03-08 | 더 던 앤드 브래드스트리트 코포레이션 | 사업체에 대한 지리적 장소 데이터의 비결정적 명확화 및 질적 실체 매칭을 위한 시스템 |
-
2020
- 2020-01-23 KR KR1020200009075A patent/KR102342929B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101835576B1 (ko) | 2013-03-15 | 2018-03-08 | 더 던 앤드 브래드스트리트 코포레이션 | 사업체에 대한 지리적 장소 데이터의 비결정적 명확화 및 질적 실체 매칭을 위한 시스템 |
| KR101724259B1 (ko) | 2015-08-21 | 2017-04-07 | 대한민국 | 재난 안전 통합관리 시스템에 의한 관심지역 분석방법 |
Non-Patent Citations (1)
| Title |
|---|
| Locating Automated External Defibrillators in a Complicated Urban Environment Considering a Pedestrian-Accessible Network that Focuses on Out-of-Hospital Cardiac Arrests, isprs, IJGI, 2017.2* * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829613A (zh) * | 2024-03-04 | 2024-04-05 | 深圳大学 | 海运事故影响因素分析方法、系统、智能终端及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102342929B1 (ko) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11328163B2 (en) | Methods and apparatus for automated surveillance systems | |
| Hung et al. | Methods for assessing the credibility of volunteered geographic information in flood response: A case study in Brisbane, Australia | |
| US9792434B1 (en) | Systems and methods for security data analysis and display | |
| KR101856488B1 (ko) | 3차원 맵핑을 이용하는 객체 추적 방법, 이를 이용한 장치 및 컴퓨터-판독가능 매체 | |
| Calabrese et al. | The geography of taste: analyzing cell-phone mobility and social events | |
| JP6074495B2 (ja) | 天気を予報するためのシステム、方法、およびコンピュータ・プログラム | |
| Yuan et al. | Smart flood resilience: harnessing community-scale big data for predictive flood risk monitoring, rapid impact assessment, and situational awareness | |
| JP7273601B2 (ja) | 混雑解析装置及び混雑解析方法 | |
| KR102416620B1 (ko) | Cctv를 이용한 객체 추적 기반의 지역시설 이용 행태 분석 방법 및 시스템 | |
| US11468999B2 (en) | Systems and methods for implementing density variation (DENSVAR) clustering algorithms | |
| CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
| KR102387357B1 (ko) | 바운딩 박스를 시공간상으로 매칭하여 영상 내 객체를 검출하는 방법 및 장치 | |
| Mavrokapnidis et al. | Community dynamics in smart city digital twins: A computer vision-based approach for monitoring and forecasting collective urban hazard exposure | |
| Hu et al. | Prioritizing disaster mapping tasks for online volunteers based on information value theory | |
| Ghaith et al. | Digital twin: a city-scale flood imitation framework | |
| Li et al. | Routing service with real world severe weather | |
| Alabbad et al. | A web-based decision support framework for optimizing road network accessibility and emergency facility allocation during flooding | |
| KR102342929B1 (ko) | 사고 발생패턴 분석을 통한 사고 취약지 분석 장치 및 방법 | |
| US10467888B2 (en) | System and method for dynamically adjusting an emergency coordination simulation system | |
| KR102614856B1 (ko) | 군중 난류 위험 예측 시스템 및 방법 | |
| Moßgraber et al. | The sensor to decision chain in crisis management. | |
| Wang et al. | Non-compliance in transit-based evacuation pick-up point assignments | |
| Jiang et al. | Status quo and challenges and future development of fire emergency evacuation research and application in built environment | |
| Puentes et al. | Towards smart-city implementation for crisis management in fast-growing and unplanned cities: The colombian scenario | |
| US11995154B2 (en) | Method of determining state of target object, electronic device, and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |