KR20220003925A - 시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법 - Google Patents

시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법 Download PDF

Info

Publication number
KR20220003925A
KR20220003925A KR1020200081792A KR20200081792A KR20220003925A KR 20220003925 A KR20220003925 A KR 20220003925A KR 1020200081792 A KR1020200081792 A KR 1020200081792A KR 20200081792 A KR20200081792 A KR 20200081792A KR 20220003925 A KR20220003925 A KR 20220003925A
Authority
KR
South Korea
Prior art keywords
information
visitor
visit
inspection
spread
Prior art date
Application number
KR1020200081792A
Other languages
English (en)
Inventor
박현
정재영
최원규
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 KR1020200081792A priority Critical patent/KR20220003925A/ko
Publication of KR20220003925A publication Critical patent/KR20220003925A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Alarm Systems (AREA)

Abstract

본 발명은 시공간 유형 분석을 통한 전염병 확산 방지 시스템에 관한 것이다.
본 발명은 방문자 정보를 인식하고, 인식된 방문자와 방문차량 정보와 매칭되는 시간 정보를 포함하는 점검지 방문자 정보를 제공하는 복수의 점검지 모니터링 장치; 및 점검지 모니터링 장치들로부터 제공되는 방문 정보들을 이용하여 점검지 방문자의 동선 패턴을 분석하고, 분석된 점검지 방문자의 동선 패턴을 저장하며, 전염병이 점검지에 발생하는 경우 저장된 점검지 방문자의 동선 패턴을 이용하여 역학 조사 대상 정보를 제공하는 중앙 관리 서버를 포함한다.

Description

시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법{System and method to dynamically avoid the spread of FMD through Spatio-Temporal pattern analysis}
본 발명은 시공간 유형 분석을 통한 전염병 확산 방지 시스템에 관한 것으로, 더욱 상세하게는 구제역 확산 방지를 위한 데이터의 수집, 방역대 설정 및 확산방지 분석 방법에 관한 것이다.
종래 구제역 발생 시, 확산 방지를 위하여 많은 노력들이 이어져 왔다. 실제 확산 방지를 위한 방법으로, 차량(GPS)의 시간별 이동 지도에 따른 방역 설정(오염지역, 위험지역, 경계지역 순으로, 500m, 3k, 10k의 방역대를 획일적으로 설정)을 수행하지만, 과도한 방제, 과도한 방역대 설치, 농민과의 갈등, 경제적 시간적 피해 등으로 정밀한 방역대 설정 및 동적 최적화된 방법이 필요하다.
또 다른 종래 구제역 확산 방지 방법은 구제역 발생 시, 역학조사를 실시하지만, 검사 사항에 따라 1~2일 정도 소요되고, 추적까지는 상황에 따라 6개월 이상이 소요되기도 하기 때문에, 정확한 조사가 어려울 때가 있다.
그리고, 역학 조사는 여러가지 원인들을 분석하고 있고, 일반적으로 질병 확산 위험 요소로 사람, 차량, 가축, 그 외 요소에 의한 원인으로 추정되고 있다.
그중, 차량은 입식, 출하, 진료, 의약품, 도축, 사료, 분뇨, 컨설팅, 방역 등과 같은 방문유형이 있다.
이에, 확산 요인을 고려한다면 방문 유형에 따른 차량, 방문자 차량, 가축 이동을 지원하는 차량과 같이 결국 포괄적인 축산 농가 시설 관련 차량 과 방문자 차량에 대한 추적이 무엇보다도 정밀(precision)하게 조사, 검토가 요구된다.
현재 축산 농가의 인가 차량은 5만대 정도의 등록차량(주로 사료, 분뇨 차량)이 있으며, 이를 제외한 사각지대(점검지주 차량, 외국인 노동자, 불법체류자, 방문자, 비인가 차량, 사람 출입 등)의 구두로 인한 처리로 조사 등의 추적에 어려움을 갖고 있다.
그리고, 인가 차량이라 할지라도 전원을 끈 상태로 운행 하는 경우, 시스템 리스트에 적용되지 않기 때문에 시스템에 리스트 되는 데이터 만으로는 이러한 사각지대를 파악하기 어려운 문제점이 있다.
본 발명은 종래 문제점을 해결하기 위한 것으로, 구제역 방역의 사각지대로 인한 역학 조사를 정밀하고 동적으로 수행할 수 있도록 구제역 발생시 빠른 확산방지를 위한 분석을 수행하는 시공간 유형 분석을 통한 전염병 확산 방지 시스템에 관한 것이다.
본 발명은 구제역이 발생한 공간 정보를 바탕으로, 근접 및 위험 범위 유형을 동적으로 설정하고, 시간적으로는 방문자와 차량, 가축이동 정보의 패턴 유형을 딥 러닝 기반 하에 동적으로 예측하여, 정밀하고 신속한 역학 조사와 그에 따른 조기 구제역 확산 차단을 위한 방법을 제공하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 시공간 유형 분석을 통한 전염병 확산 방지 시스템은 방문자 정보를 인식하고, 상기 인식된 방문자와 방문차량 정보와 매칭되는 시간 정보를 포함하는 점검지 방문자 정보를 제공하는 복수의 점검지 모니터링 장치; 및 상기 점검지 모니터링 장치들로부터 제공되는 방문 정보들을 이용하여 점검지 방문자의 동선 패턴을 분석하고, 분석된 점검지 방문자의 동선 패턴을 저장하며, 전염병이 점검지에 발생하는 경우 상기 저장된 점검지 방문자의 동선 패턴을 이용하여 역학 조사 대상 정보를 제공하는 중앙 관리 서버를 포함한다.
상기 점검지 모니터링 장치는, 점검지의 식별 정보(ID), 전염병 발생 여부 정보가 포함된 점검지 정보를 생성하는 점검지 정보 생성부; 해당 점검지에 방문하는 방문자에 대한 정보를 획득(영상 또는 인식)하고, 상기 획득한 방문자에 대한 정보를 방문 시간 정보와 상기 점검지 정보에 포함하여 방문 정보를 생성하는 방문 정보 생성부; 및 상기 생성된 점검지 정보와 상기 방문 정보를 중앙 관리 서버에 제공하는 통신부를 포함한다.
그리고, 상기 방문 정보 생성부는, 방문자를 인증하고, 인증된 방문자 정보를 획득하기 위해, 점검지 방문자를 인증하기 위한 홍체 인식기, 지문 인식기, 안면 인식기 및 스마트 폰 인증 시스템 중 하나를 이용하는 것이 바람직하다.
상기 방문 정보 생성부는, 영상 획득 장치를 통해 촬영된 영상에서 방문차량의 차량번호를 인식하는 영상 분석기를 더 포함할 수 있다.
또한 상기 방문 정보 생성부는, 상기 인식된 방문차량의 차량번호를 상기 방문 정보의 방문자 정보와 매칭할 수 있다.
그리고 상기 중앙 관리 서버는, 상기 점검지 모니터링 장치로부터 점검지의 식별 정보(ID), 전염병 발생 여부 정보가 포함된 점검지 정보가 수신되면, 단위지역에 전염병이 발생한 점검지가 포함된 임의 방역대를 설정하는 방역대 설정부; 및 각 상기 점검지 모니터링 장치들로부터 수신되는 방문 정보를 통해, 방문자에 대한 방문 패턴을 예측하고, 예측된 방문자에 대한 방문 패턴 정보를 저장하는 방문 패턴 예측부를 포함한다.
상기 방문 패턴 예측부는, 기설정된 기간 내의 방문자의 동선 패턴을 산출한다.
상기 방역대 설정부는, 임의로 설정된 방역대내 포함된 점검지가 복수개인 경우, 방역대 내에 점검지들이 군집화가 되도록, 방역대의 중심점을 각 점검지들의 거리 값의 평균값이 의해 이동하면서 최적화시킬 수 있다.
그리고 본 발명의 일 실시예에 따른 시공간 유형 분석을 통한 전염병 확산 방지 방법은 중앙 관리 서버에 의해 수행되는 시공간 유형 분석을 통한 전염병 확산 방지 방법에 있어서, 점검지 모니터링 장치로부터 수집된 전염병 발생정보 및 방문자 정보를 수집하여 저장하는 단계; 단위지역에 임의 방역대를 설정하는 단계, 점검지에 방문하는 방문자 동선 패턴을 분석하는 단계, 상기 방문자 동선 패턴이 분석되면, 학습을 통해 패턴 모델을 기반으로 현재 입력되는 점검지들의 정보들을 이용하여 점검지 방문 예측을 수행하는 단계, 및 상기 예측된 점검지가 속한 방역대에 포함된 방문자에 대한 정밀 역학 조사를 수행하는 단계를 포함한다.
상기 방문자의 점검지 방문 예측을 수행하는 단계는, RNN(Recurrent Neural Network)를 통해 방문자 동선 패턴을 예측하는 것이 바람직하다.
상기 임의 방역대를 설정하는 단계는, 기설정된 범위내 점검지의 집중도 정보, 점검지 방문자 및 방문차량 수 정보 중 적어도 하나 이상의 정보를 기준으로 설정할 수 있다.
본 발명은 전염병 발생 점검지 정보를 기반으로, 각 방역대 내 SSE(Sum of Squared Error)가 최소화되도록, 광역지역에 필요한 방역대 수를 결정하고, 상기 결정된 방역대 수만큼의 초기 중심 점검지를 선택한 후 이 점검지들을 기준으로 각 방역대 내로 군집화가 될 때까지 각 방역대의 중심점을 이동하면서 최적화하는 최적화하는 단계를 더 포함할 수 있다.
그리고 상기 방문자 정보를 수집하여 저장하는 단계는, 상기 점검지 모니터링 시스템으로부터 제공되는 점검지 방문자에 대한 정보를 수집하고, 수집된 점검지 방문자에 대한 정보로부터 방문자의 동선 패턴을 분석하는 것이 바람직하다.
또한 상기 방문자 동선 패턴을 분석하는 단계는, 방문자의 이동 시간 및 이동 점검지 정보를 저장하고, 점검지간 반복 구간을 추출하여 기설정된 기간(일, 주, 월)을 기준으로 방문자의 이동시간, 방문점검지, 점검지 방문 시간 주기, 주기 내 방문 점검지 정보에 대한 패턴을 분석할 수 있다.
그리고 상기 방문자 정보를 수집하여 저장하는 단계는, 상기 점검지 모니터링 시스템으로부터 방문차량을 촬영하고, 상기 촬영된 방문차량의 차량번호를 방문 정보로 이용할 수 있다.
그리고 상기 방문자 동선 패턴을 분석하는 단계는, 상기 방문자 정보와 방문차량의 차량번호를 매칭하여 이용할 수 있다.
상기 정밀 역학 조사를 수행하는 단계는, 해당 방역대 및 패턴 구간을 따라 미등록, 등록 부재, 오류 포함, 점검지 및 방문자들을 조사할 수 있다.
본 발명의 일 실시예에 따르면, 구제역이 발생한 공간 정보를 바탕으로 근접 및 위험 범위 유형을 동적으로 설정하고, 시간적으로 방문 정보의 패턴 유형을 딥 러닝 기반 하에 동적으로 예측하여, 정밀하고 신속한 역학 조사를 함으로써, 조기에 구제역 확산을 차단할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 시공간 유형 분석을 통한 전염병 확산 방지 시스템을 설명하기 위한 기능블록도.
도 2는 도 1의 점검지 모니터링 장치의 세부 구성을 설명하기 위한 기능블록도.
도 3은 도 1의 점검지 모니터링 장치를 통해 수집되는 점검지 정보를 설명하기 위한 참고도.
도 4는 도 1의 점검지 모니터링 장치를 통해 수집되는 방문 정보를 설명하기 위한 참고도.
도 5는 본 발명의 일 실시예에서 구제역 농가를 예측하는 방법을 설명하기 위한 참고도.
도 6은 도 1의 중앙 관리 서버의 세부 구성을 설명하기 위한 기능블록도.
도 7은 본 발명의 일 실시예에서 구제역 발생 시공간 분석 예시도.
도 8은 본 발명의 일 실시예에서 중앙 관리 서버의 구제역 발생 시공간 분석 절차를 설명하기 위한 참고도.
도 9는 본 발명의 일 실시예에 따른 시공간 유형 분석을 통한 전염병 확산 방지 방법을 설명하기 위한 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성소자, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 시공간 유형 분석을 통한 전염병 확산 방지 시스템을 설명하기 위한 기능블록도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 시공간 유형 분석을 통한 전염병 확산 방지 시스템은 복수의 점검지 모니터링 장치(100)들과 중앙 관리 서버(200)로 이루어진다.
복수의 점검지 모니터링 장치(100)들은 각 농가에 구비되어, 방문자 정보를 인식하고, 상기 인식된 방문자와 방문차량 정보와 매칭되는 시간 정보를 포함하는 점검지 방문자 정보를 중앙 관리 서버(200)에 각각 제공한다.
도 2에 도시된 바와 같이, 각 점검지 모니터링 장치(100)는 점검지 정보 생성부(110) 및 방문 정보 생성부(120)를 포함한다.
도 3에 도시된 바와 같이, 점검지 정보 생성부(110)는 점검지의 식별 정보(ID), 전염병 발생 여부 정보가 포함된 점검지 정보를 생성한다.
그리고 방문 정보 생성부(120)는 해당 점검지에 방문하는 방문자에 대한 정보를 획득(영상 또는 인식)하고, 도 4에 도시된 바와 같이, 상기 획득한 방문자에 대한 정보를 방문 시간 정보와 상기 점검지 정보에 포함하여 방문 정보를 생성한다. 한편, 상기 방문 정보 생성부는, 방문자를 인증하고, 인증된 방문자 정보를 획득하기 위해, 점검지 방문자를 인증하기 위한 홍체 인식기, 지문 인식기, 안면 인식기 및 스마트 폰 인증 시스템 중 하나를 이용될 수 있다.
한편, 방문 정보 생성부(120)는 영상 획득 장치를 통해 촬영된 영상에서 방문차량의 차량번호를 인식하는 영상 분석기를 더 포함할 수 있고, 상기 인식된 방문차량의 차량번호를 상기 방문 정보의 방문자 정보와 매칭하여 이용할 수 있다.
이렇게 생성된 점검지 정보와 방문 정보는 별도의 통신수단(미도시)을 통해 중앙 관리 서버(200)에 제공한다.
중앙 관리 서버(200)는 점검지 모니터링 장치(100)들로부터 제공되는 방문 정보들을 이용하여 점검지 방문자의 동선 패턴을 분석하고, 분석된 점검지 방문자의 동선 패턴을 저장하며, 전염병이 점검지에 발생하는 경우 상기 저장된 점검지 방문자의 동선 패턴을 이용하여 역학 조사 대상 정보를 제공한다.
이러한 본 발명의 일 실시예에 따르면, 구제역이 발생한 공간 정보를 바탕으로 근접 및 위험 범위 유형을 동적으로 설정하고, 시간적으로 방문 정보의 패턴 유형을 딥 러닝 기반 하에 동적으로 예측하여, 정밀하고 신속한 역학 조사를 함으로써, 조기에 구제역 확산을 차단할 수 있는 효과가 있다.
이러한, 중앙 관리 서버(200)는 도 6에 도시된 바와 같이, 방역대 설정부(210), 방문 패턴 예측부(220)를 포함한다.
방역대 설정부(210)는 점검지 모니터링 장치(100)로부터 점검지의 식별 정보(ID), 전염병 발생 여부 정보가 포함된 점검지 정보가 수신되면, 단위지역에 전염병이 발생한 점검지가 포함된 임의 방역대를 설정한다. 이러한 방역대 설정부(210)는 임의로 설정된 방역대내 포함된 점검지가 복수개인 경우, 방역대 내에 점검지들이 군집화가 되도록, 방역대의 중심점을 각 점검지들의 거리 값의 평균값이 의해 이동하면서 최적화시킬 수 있다.
그리고 방문 패턴 예측부(220)는 도 5에 도시된 바와 같이, 각 상기 점검지 모니터링 장치(100)들로부터 수신되는 방문 정보를 통해, 방문자에 대한 방문 패턴을 예측하고, 예측된 방문자에 대한 방문 패턴 정보를 저장한다. 이러한, 방문 패턴 예측부(220)는 기설정된 기간 내의 방문자의 동선 패턴을 산출하는 것이 바람직하다.
이하, 하기에서는 본 발명의 일 실시예에 따른 시공간 유형 분석을 통한 전염병 확산 방지 시스템의 구제역 발생 시공간 분석 예에 대하여 도 7을 참조하여 설명하기로 한다.
도 7은 본 발명의 일 실시예에 따른 구제역 확산 방지를 위하여 구제역 발생의 공간상의 방역대와 시간상의 차량 및 사람 이동의 농가 방문 패턴을 도시화한 예시도이다.
먼저, 중앙 관리 서버(200)는 광역 지역에 초기에 임의 수의 방역대(201, 202, 203)를 설정하고 이를 최적화할 수 있도록 한다.
한편, 각 방역대 내 외에는 많은 축산 농가(점 표시) 들이 있으며, 이러한 농가들을 방문한 또는 방문하지 않은 차량(클로버로 표시)들과 방문자 또는 비 방문자(별표로 표시) 들을 시간흐름 축으로 한 방문 농가들의 패턴을 추출할 수 있다.
일 예로, 첫 발원지 농가1에서의 방문자 A(또는 방문 차량 A)의 농가1/6을 방문한 방문자의 동선 패턴은 농가(1/2/3/4/5)를 방문한 방문자B(또는 방문 차량 B) 의 패턴이 방역대 들과의 연관 관계를 볼 때, 방역대(201)과 방역대(202)에 다 거쳐서 방문한 방문자 패턴 A와 방문차량 패턴 B가 역학 상 질병 확산의 근거가 높으며, 방문자 B(또는 방문 차량 B)를 거쳐간 지역을 중심으로 정밀한 역학 조사(해당 방역대 및 패턴 구간을 따라 미등록, 등록 부재, 오류 포함, 농가 및 차량, 방문자 들을 조사)를 수행하도록 정보를 제공한다.
도 8은 본 발명의 일 실시예에 따른 구제역 발생 시공간 분석 절차를 설명하기 위한 순서도이다.
도 8에 도시된 바와 같이, 중앙 관리 서버(200)는 축산 농가의 점검지 모니터링 장치(100)로부터 수집된 구제역 발생정보, 방문자 인식정보, 방문자 동선정보, 차량인식정보를 수집하여(301), 분석 및 분석 모델 도출을 위해 데이터베이스에 저장한다(302).
공간적으로 최적 구제역 방역대 설정을 위해서는 광역지역을 중심으로 구제역 발생 정보를 획득하여(303), 임의의 수의 방역대(201 내지 203)를 우선적으로 설정하고(초기화)(304), 구제역 발생 농가 정보를 기반으로 각 방역대 내 SSE(Sum of Squared Error)가 최소화되도록 하여 광역지역내 적정 방역대 수를 획득(305)한다.
이후, 방역대의 방역 영역을 획득하기 위해서는 방역대 내 임의의 발생 농가를 기반으로 각 방역대 영역이 획득되도록(307), 방역대 내 임의 발생농가를 설정(306)한 후, 방역대 영역이 최적화될 때까지 (광역지역 내에 농가들이, 위에서 결정된 방역대 수만큼의 초기 중심 농가들을 선택한 다음 이 농가들을 기준으로 각 방역대 내로 군집화가 될 때까지) 각 방역대의 중심점을 이동하면서 최적화를 한다.
그리고 중앙 관리 서버(200)는 방역대의 설정뿐만 아니라, 농가 방문자에 대한 동선 패턴을 분석한다.
이를 위해, 중앙 관리 서버(200)는, 차량 또는 방문자의 임의 시간 및 농가를 선택(308)한 후, 패턴 주기(일, 주, 월)를 선택한다(309). 일 예로, 이동 시간과 이동 농가를 저장하고, 반복 구간을 추출하여 반복적으로 이를 수행하고, 동일 농가 방문 시간 주기, 주기 내 방문 농장 정보를 획득한다(310).
한번의 주기 내 방문자 동선 패턴을 획득한다(패턴은 일련의 농장 구성을 지칭)(311).
학습을 통한 패턴 모델(311)을 기반으로 현재 입력되는 농가들의 정보들을 RNN: Recurrent Neural Network를 통해 농가 방문 예측을 수행한다(312).
예측된 농가는 구제역이 발생된 일련의 농가들이다(313).
이후, 중앙 관리 서버(200)는 예측된 농가가 속한 방역대 추출하고(314), 현장 추적을 통해 정밀한 역학 조사(해당 방역대 및 패턴 구간을 따라 미등록, 등록 부재, 오류 포함, 농가 및 차량, 방문자 들을 조사)를 수행한다(315).
이하, 하기에서는 본 발명의 일 실시예에 따른 중앙 관리 서버(200)에 의해 수행되는 시공간 유형 분석을 통한 전염병 확산 방지 방법에 대하여 도 9를 참조하여 설명하기로 한다.
먼저, 각 점검지 모니터링 장치(100)로부터 수집된 전염병 발생정보 및 방문자 정보를 수집하여 저장한다(S110). 상기 방문자 정보를 수집하여 저장하는 단계(S110)는 각 점검지 모니터링 장치(100)들로부터 시간 정보를 기반으로 점검지 방문자에 대한 정보(구제역 발생 정보, 방문자 인식 벙보, 방문자 동선 정보 및 차량 인식 정보)를 수집하여 데이터베이스에 저장한다.
이후, 단위지역에 임의 방역대를 설정한다(S120). 여기서, 상기 임의 방역대를 설정하는 단계(S120)는 기설정된 범위내 점검지의 집중도 정보, 점검지 방문자 및 방문차량 수 정보 중 적어도 하나 이상의 정보를 기준으로 설정하는 것이 바람직하다.
즉, 임의 방역대를 설정하는 단계(S120)는 전염병 발생 점검지 정보를 기반으로, 각 방역대 내 SSE(Sum of Squared Error)가 최소화되도록, 광역지역에 필요한 방역대 수를 결정하고, 상기 결정된 방역대 수만큼의 초기 중심 점검지를 선택한 후 이 점검지들을 기준으로 각 방역대 내로 군집화가 될 때까지 각 방역대의 중심점을 이동하면서 최적화하는 최적화할 수도 있다.
이어서 점검지에 방문하는 방문자 동선 패턴을 분석한다(S130). 상기 방문자 동선 패턴을 분석하는 단계(S130)는 방문자의 이동 시간 및 이동 점검지 정보를 저장하고, 점검지간 반복 구간을 추출하여 기설정된 기간(일, 주, 월)을 기준으로 방문자의 이동시간, 방문점검지, 점검지 방문 시간 주기, 주기 내 방문 점검지 정보에 대한 패턴을 분석할 수 있다.
이후, 학습을 통해 패턴 모델을 기반으로 현재 입력되는 점검지들의 정보들을 이용하여 점검지 방문 예측을 수행한다(S140). 상기 방문자의 점검지 방문 예측을 수행하는 단계(S140)는 RNN(Recurrent Neural Network)를 통해 예측하는 것이 바람직하다.
이어서, 상기 예측된 점검지가 속한 방역대에 포함된 방문자에 대한 정밀 역학 조사를 수행한다(S150). 상기 정밀 역학 조사를 수행하는 단계(S150)는 해당 방역대 및 패턴 구간을 따라 미등록, 등록 부재, 오류 포함, 점검지 및 방문자들을 조사할 수 있다.
본 발명의 일 실시예에 따른 상기 방문자 정보를 수집하여 저장하는 단계(S110)는, 상기 점검지 모니터링 시스템으로부터 방문차량을 촬영하고, 상기 촬영된 방문차량의 차량번호를 방문 정보로 이용할 수 있고, 상기 방문자 정보와 방문차량의 차량번호를 매칭하여 이용할 수 있다.
한편, 본 발명의 일 실시예에서 점검지 모니터링 장치(100)와 중앙 관리 서버(200)는 각각 통신모듈, 메모리 및 프로세서(230)를 포함하도록 구성될 수 있다.
통신모듈은 점검지 정보와 방문정보를 송수신한다. 이와 같은 통신 모듈은 유선 통신 모듈 및 무선 통신 모듈을 모두 포함할 수 있다. 유선 통신 모듈은 전력선 통신 장치, 전화선 통신 장치, 케이블 홈(MoCA), 이더넷(Ethernet), IEEE1294, 통합 유선 홈 네트워크 및 RS-485 제어 장치로 구현될 수 있다. 또한, 무선 통신 모듈은 WLAN(wireless LAN), Bluetooth, HDR WPAN, UWB, ZigBee, Impulse Radio, 60GHz WPAN, Binary-CDMA, 무선 USB 기술 및 무선 HDMI 기술 등으로 구현될 수 있다.
점검지 모니터링 장치의 메모리에는 점검지 정보와 방문 정보를 수집하기 위한 프로그램이 저장되고, 중앙 관리 서버의 메모리에는 방문자 패턴 정보를 예측 및 조기 전염병 확산을 차단하기 위한 프로그램이 저장되며, 프로세서는 메모리에 저장된 프로그램을 실행시킨다.
이때, 메모리는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 휘발성 저장장치를 통칭하는 것이다.
예를 들어, 메모리는 콤팩트 플래시(compact flash; CF) 카드, SD(secure digital) 카드, 메모리 스틱(memory stick), 솔리드 스테이트 드라이브(solid-state drive; SSD) 및 마이크로(micro) SD 카드 등과 같은 낸드 플래시 메모리(NAND flash memory), 하드 디스크 드라이브(hard disk drive; HDD) 등과 같은 마그네틱 컴퓨터 기억 장치 및 CD-ROM, DVD-ROM 등과 같은 광학 디스크 드라이브(optical disc drive) 등을 포함할 수 있다.
이와 달리 마스킹 영역 처리 시스템(100)은 송신부(110)에서의 마스킹 영역을 설정 및 전송하기 위한 프로그램과 수신부(120)에서의 마스킹 영역을 검출하기 위한 프로그램이 하나의 서버 컴퓨터에 탑재되어 상호 운영되는 형태로 실시될 수도 있다.
참고로, 본 발명의 실시예에 따른 도 2 및 도 6에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 형태로 구현될 수 있으며, 소정의 역할들을 수행할 수 있다.
그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.
구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터를 이용하거나 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터를 이용하거나 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이상, 본 발명의 구성에 대하여 첨부 도면을 참조하여 상세히 설명하였으나, 이는 예시에 불과한 것으로서, 본 발명이 속하는 기술분야에 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 변형과 변경이 가능함은 물론이다. 따라서 본 발명의 보호 범위는 전술한 실시예에 국한되어서는 아니되며 이하의 특허청구범위의 기재에 의하여 정해져야 할 것이다.

Claims (17)

  1. 방문자 정보를 인식하고, 상기 인식된 방문자와 방문차량 정보와 매칭되는 시간 정보를 포함하는 점검지 방문자 정보를 제공하는 복수의 점검지 모니터링 장치; 및
    상기 점검지 모니터링 장치들로부터 제공되는 방문 정보들을 이용하여 점검지 방문자의 동선 패턴을 분석하고, 분석된 점검지 방문자의 동선 패턴을 저장하며, 전염병이 점검지에 발생하는 경우 상기 저장된 점검지 방문자의 동선 패턴을 이용하여 역학 조사 대상 정보를 제공하는 중앙 관리 서버를 포함하는 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  2. 제 1항에 있어서,
    상기 점검지 모니터링 장치는,
    점검지의 식별 정보(ID), 전염병 발생 여부 정보가 포함된 점검지 정보를 생성하는 점검지 정보 생성부;
    해당 점검지에 방문하는 방문자에 대한 정보를 획득(영상 또는 인식)하고, 상기 획득한 방문자에 대한 정보를 방문 시간 정보와 상기 점검지 정보에 포함하여 방문 정보를 생성하는 방문 정보 생성부; 및
    상기 생성된 점검지 정보와 상기 방문 정보를 중앙 관리 서버에 제공하는 통신부를 포함하는 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  3. 제 2항에 있어서,
    상기 방문 정보 생성부는,
    방문자를 인증하고, 인증된 방문자 정보를 획득하기 위해, 점검지 방문자를 인증하기 위한 홍체 인식기, 지문 인식기, 안면 인식기 및 스마트 폰 인증 시스템 중 하나를 이용하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  4. 제 2항에 있어서,
    상기 방문 정보 생성부는,
    영상 획득 장치를 통해 촬영된 영상에서 방문차량의 차량번호를 인식하는 영상 분석기를 더 포함하는 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  5. 제 4항에 있어서,
    상기 방문 정보 생성부는,
    상기 인식된 방문차량의 차량번호를 상기 방문 정보의 방문자 정보와 매칭하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  6. 제 2항에 있어서,
    상기 중앙 관리 서버는,
    상기 점검지 모니터링 장치로부터 점검지의 식별 정보(ID), 전염병 발생 여부 정보가 포함된 점검지 정보가 수신되면, 단위지역에 전염병이 발생한 점검지가 포함된 임의 방역대를 설정하는 방역대 설정부; 및
    각 상기 점검지 모니터링 장치들로부터 수신되는 방문 정보를 통해, 방문자에 대한 방문 패턴을 예측하고, 예측된 방문자에 대한 방문 패턴 정보를 저장하는 방문 패턴 예측부를 포함하는 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  7. 제 6항에 있어서,
    상기 방문 패턴 예측부는,
    기설정된 기간 내의 방문자의 동선 패턴을 산출하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  8. 제 6항에 있어서,
    상기 방역대 설정부는,
    임의로 설정된 방역대내 포함된 점검지가 복수개인 경우, 방역대 내에 점검지들이 군집화가 되도록, 방역대의 중심점을 각 점검지들의 거리 값의 평균값이 의해 이동하면서 최적화시키는 것인 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  9. 중앙 관리 서버에 의해 수행되는 시공간 유형 분석을 통한 전염병 확산 방지 방법에 있어서,
    점검지 모니터링 장치로부터 수집된 전염병 발생정보 및 방문자 정보를 수집하여 저장하는 단계;
    단위지역에 임의 방역대를 설정하는 단계;
    점검지에 방문하는 방문자 동선 패턴을 분석하는 단계;
    상기 방문자 동선 패턴이 분석되면, 학습을 통해 패턴 모델을 기반으로 현재 입력되는 점검지들의 정보들을 이용하여 점검지 방문 예측을 수행하는 단계; 및
    상기 예측된 점검지가 속한 방역대에 포함된 방문자에 대한 정밀 역학 조사를 수행하는 단계를 포함하는 시공간 유형 분석을 통한 전염병 확산 방지 방법.
  10. 제 9항에 있어서,
    상기 방문자의 점검지 방문 예측을 수행하는 단계는,
    RNN(Recurrent Neural Network)를 통해 예측하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  11. 제 9항에 있어서,
    상기 임의 방역대를 설정하는 단계는,
    기설정된 범위내 점검지의 집중도 정보, 점검지 방문자 및 방문차량 수 정보 중 적어도 하나 이상의 정보를 기준으로 설정하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 방법.
  12. 제 11항에 있어서,
    전염병 발생 점검지 정보를 기반으로, 각 방역대 내 SSE(Sum of Squared Error)가 최소화되도록, 광역지역에 필요한 방역대 수를 결정하고,
    상기 결정된 방역대 수만큼의 초기 중심 점검지를 선택한 후 이 점검지들을 기준으로 각 방역대 내로 군집화가 될 때까지 각 방역대의 중심점을 이동하면서 최적화하는 최적화하는 단계를 더 포함하는 시공간 유형 분석을 통한 전염병 확산 방지 방법.
  13. 제 9항에 있어서,
    상기 방문자 정보를 수집하여 저장하는 단계는,
    상기 점검지 모니터링 시스템으로부터 제공되는 점검지 방문자에 대한 정보를 수집하고, 수집된 점검지 방문자에 대한 정보로부터 방문자의 동선 패턴을 분석하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 방법.
  14. 제 9항에 있어서,
    상기 방문자 동선 패턴을 분석하는 단계는,
    방문자의 이동 시간 및 이동 점검지 정보를 저장하고, 점검지간 반복 구간을 추출하여 기설정된 기간(일, 주, 월)을 기준으로 방문자의 이동시간, 방문점검지, 점검지 방문 시간 주기, 주기 내 방문 점검지 정보에 대한 패턴을 분석하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 방법.
  15. 제 9항에 있어서,
    상기 방문자 정보를 수집하여 저장하는 단계는,
    상기 점검지 모니터링 시스템으로부터 방문차량을 촬영하고, 상기 촬영된 방문차량의 차량번호를 방문 정보로 이용하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 방법.
  16. 제 15항에 있어서,
    상기 방문자 동선 패턴을 분석하는 단계는,
    상기 방문자 정보와 방문차량의 차량번호를 매칭하여 이용하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 시스템.
  17. 제 9항에 있어서,
    상기 정밀 역학 조사를 수행하는 단계는,
    해당 방역대 및 패턴 구간을 따라 미등록, 등록 부재, 오류 포함, 점검지 및 방문자들을 조사하는 것인 시공간 유형 분석을 통한 전염병 확산 방지 방법.
KR1020200081792A 2020-07-02 2020-07-02 시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법 KR20220003925A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200081792A KR20220003925A (ko) 2020-07-02 2020-07-02 시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200081792A KR20220003925A (ko) 2020-07-02 2020-07-02 시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20220003925A true KR20220003925A (ko) 2022-01-11

Family

ID=79355759

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200081792A KR20220003925A (ko) 2020-07-02 2020-07-02 시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20220003925A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116386023A (zh) * 2023-05-29 2023-07-04 松立控股集团股份有限公司 基于时空扩散的高位相机车牌识别方法、系统及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116386023A (zh) * 2023-05-29 2023-07-04 松立控股集团股份有限公司 基于时空扩散的高位相机车牌识别方法、系统及电子设备
CN116386023B (zh) * 2023-05-29 2023-08-25 松立控股集团股份有限公司 基于时空扩散的高位相机车牌识别方法、系统及电子设备

Similar Documents

Publication Publication Date Title
Gupta et al. A tree classifier based network intrusion detection model for Internet of Medical Things
CN100514377C (zh) 无线特设射频识别跟踪系统
CN108650614B (zh) 一种自动推断社会关系的移动用户位置预测方法与装置
DE112017001648T5 (de) Autonome semantische Kennzeichnung von phsischen Orten
Tildesley et al. Accuracy of models for the 2001 foot-and-mouth epidemic
CN112308001A (zh) 一种智慧社区的数据分析方法及人员追踪方法、系统
CN108093406A (zh) 一种基于集成学习的无线传感网入侵检测方法
CN110765938A (zh) 身份识别方法、装置、电子设备及计算机可读存储介质
CN111933297A (zh) 一种基于近场通信的人员密接情况调查方法
CN113408683A (zh) 一种施工现场安全监管方法及系统
CN111294728A (zh) 同行分析方法及装置
US20190323851A1 (en) Navigation method, shopping cart and navigation system
KR20220003925A (ko) 시공간 유형 분석을 통한 전염병 확산 방지 시스템 및 방법
EP4232340A1 (en) Rail feature identification system
Peng et al. BU-trace: A permissionless mobile system for privacy-preserving intelligent contact tracing
CN109525337A (zh) WiFi指纹获取方法、装置、存储介质以及设备
Jaikumar et al. Fingerprint based student attendance system with SMS alert to parents
Gao et al. A student attendance management method based on crowdsensing in classroom environment
Naini et al. Opportunistic sampling for joint population size and density estimation
CN115223725A (zh) 一种用户状态处理方法及装置、存储介质及电子设备
CN115409472A (zh) 一种智慧办案流程管理方法、系统及电子设备
Garri et al. Anomaly detection in RFID systems
CN112597490A (zh) 安全威胁编排响应方法、装置、电子设备及可读存储介质
KR102490502B1 (ko) 비지도 학습 기반 의료 데이터 분석 장치 및 방법
KR102714385B1 (ko) 산업용 사이버 보안 테스트 베드