KR20220047046A - Device and method for infectious disease spread prediction in Multi-use facility based on digital twin - Google Patents

Device and method for infectious disease spread prediction in Multi-use facility based on digital twin Download PDF

Info

Publication number
KR20220047046A
KR20220047046A KR1020200130485A KR20200130485A KR20220047046A KR 20220047046 A KR20220047046 A KR 20220047046A KR 1020200130485 A KR1020200130485 A KR 1020200130485A KR 20200130485 A KR20200130485 A KR 20200130485A KR 20220047046 A KR20220047046 A KR 20220047046A
Authority
KR
South Korea
Prior art keywords
spread
information
predicting
input
infectious
Prior art date
Application number
KR1020200130485A
Other languages
Korean (ko)
Inventor
구기원
이정기
양철승
살림셀리
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020200130485A priority Critical patent/KR20220047046A/en
Publication of KR20220047046A publication Critical patent/KR20220047046A/en

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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

Provided are a device of predicting the spread of an infectious disease in a multi-use facility based on digital twin and a method thereof. The method of predicting the spread of an infectious disease according to one embodiment of the present invention comprises: inputting, by the device of predicting the spread of an infectious disease, indoor space information about a test space and indoor air current information; generating one or more prediction models for predicting a spread path over time based on the pieces of input information; collecting, by the device of predicting the spread of an infectious disease, infectious substance concentration data through a sensor installed in the test space; and comparing, by the device of predicting the spread of an infectious disease, prediction models with the collected concentration data to update the prediction models. Accordingly, it is possible to predict the spread of infectious substances such as viruses in an indoor space by reflecting various factors for tracing a spread path of the same. In addition, it is possible to update the prediction models to the optimal state by comparing the prediction models, generated to predict the spread path of infectious substances over time, with sensor values measured by an infectious substance concentration measuring sensor installed in the test space, so prediction accuracy can be improved.

Description

디지털 트윈기반 다중이용시설 내 전염병 확산 예측 장치 및 방법{Device and method for infectious disease spread prediction in Multi-use facility based on digital twin}Device and method for infectious disease spread prediction in Multi-use facility based on digital twin

본 발명은 전염병 확산 예측 장치 및 방법에 관한 것으로, 더욱 상세하게는 디지털 트윈기반 다중이용시설 내 전염병 확산 예측 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for predicting the spread of an epidemic, and more particularly, to an apparatus and method for predicting the spread of an epidemic in a digital twin-based multi-use facility.

최근 COVID-19 바이러스와 같이 전염병은 심각한 사회문제로 전세계적인 이슈로 부각되고 있다. Recently, infectious diseases like the COVID-19 virus are emerging as a global issue as a serious social problem.

이러한 전염병의 확산 예측을 위해, 사용되는 기존의 확산 예측 프로그램의 경우, 국가간, 지역간의 바이러스 확산을 예측하는 프로그램으로 다양한 네트워크를 고려하여 전염병의 확산 경로를 예측하고 있으나, 실내공간에서 바이러스가 어떠한 경로로 확산되는지, 생존시간은 어떻게 되는지 정밀한 분석은 불가능하다는 점에서 그 한계가 존재한다. In the case of the existing spread prediction program used to predict the spread of such an infectious disease, it is a program that predicts the spread of viruses between countries and regions. Its limitations exist in that it is impossible to accurately analyze how it spreads by route and what is the survival time.

구체적으로, 코로나 바이러스와 같이 확진자의 수가 증가하는 경우, 역학조사를 위해, 실내공간에서 바이러스가 어떠한 경로로 확산되는지, 생존시간은 어떻게 되는지 정밀한 분석기술이 필요하나, 기존의 확산 예측 프로그램의 경우, 특정 실내공간에서 바이러스의 확산 경로를 예측할 수 없다는 문제점이 존재한다. Specifically, when the number of confirmed cases increases like the coronavirus, for epidemiological investigations, precise analysis technology is required to determine how the virus spreads in an indoor space and what is the survival time. There is a problem that the spread of the virus cannot be predicted in a specific indoor space.

따라서, 바이러스(전염성 물질)의 추적을 위한 다양한 요인을 반영하여 실내 공간에서 확산을 예측할 수 있는 방안의 모색이 요구된다. Therefore, it is required to find a way to predict the spread in an indoor space by reflecting various factors for tracking viruses (infectious substances).

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 바이러스와 같은 전염성 물질의 확산경로 추적을 위한 다양한 요인을 반영하여 실내 공간에서 확산을 예측할 수 있는 디지털 트윈기반 다중 이용시설 내 전염병 확산 예측 장치 및 방법을 제공함에 있다.The present invention has been devised to solve the above problems, and an object of the present invention is to reflect various factors for tracing the diffusion path of an infectious material such as a virus to predict the spread in an indoor space based on digital twin-based multiple use An object of the present invention is to provide an apparatus and method for predicting the spread of an infectious disease in a facility.

본 발명의 다른 목적은, 시간에 따른 전염성 물질의 확산경로 예측을 위해 생성된 예측모델과 시험공간에 설치된 전염성 물질 농도 측정센서를 통해 측정된 센서값을 비교하여, 최적의 예측모델로 업데이트할 수 있는 디지털 트윈기반 다중 이용시설 내 전염병 확산 예측 장치 및 방법을 제공함에 있다.Another object of the present invention is to compare the sensor value measured through the infectious material concentration measuring sensor installed in the test space with the predictive model generated for predicting the diffusion path of the infectious material over time, and update it to the optimal predictive model. It is to provide an apparatus and method for predicting the spread of infectious diseases in a digital twin-based multi-use facility.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 전염병 확산 예측 방법은, 전염병 확산 예측 장치를 통해, 시험공간에 대한 실내 공간 정보 및 전염병 확산 예측 장치가, 실내 기류 정보가 입력되는 단계; 입력된 정보들을 기반으로 시간에 따른 확산경로 예측을 위한 하나 이상의 예측모델을 생성하는 단계; 전염병 확산 예측 장치가, 시험공간에 설치된 센서를 통해, 전염성 물질의 농도 데이터를 수집하는 단계; 및 전염병 확산 예측 장치가, 예측모델과 수집된 농도 데이터를 비교하여, 예측모델을 갱신하는 단계;를 포함한다.According to an embodiment of the present invention for achieving the above object, there is provided a method for predicting the spread of an infectious disease, the method comprising: inputting indoor spatial information about a test space and indoor airflow information to the apparatus for predicting the spread of an infectious disease through the apparatus for predicting the spread of an epidemic; generating one or more predictive models for predicting a diffusion path over time based on the input information; Collecting, by the infectious disease spread prediction device, the concentration data of the infectious material through a sensor installed in the test space; and comparing, by the apparatus for predicting the spread of an epidemic, the prediction model and the collected concentration data, updating the prediction model.

그리고 이때, 생성하는 단계는, 입력된 정보들을 CFD(Computational Fluid Dynamics) 프로그램에 적용하여, 하나 이상의 예측모델을 생성할 수 있다.And in this case, in the generating step, one or more predictive models may be generated by applying the input information to a CFD (Computational Fluid Dynamics) program.

또한, 갱신하는 단계는, 하나 이상의 예측모델 중 수집된 실제 농도 데이터와 비교하여, 오차가 가장 적은 예측모델로 갱신할 수 있다.In addition, in the updating step, compared with the actual concentration data collected among one or more prediction models, the prediction model having the smallest error may be updated.

그리고 센서는, 시험공간을 구성하는 복수의 지점에 배치되되, 각각의 센서 간 거리가 기설정된 임계 거리 이상 이격되도록 설치될 수 있다. In addition, the sensors may be disposed at a plurality of points constituting the test space, and may be installed such that a distance between the respective sensors is spaced apart from each other by a predetermined threshold distance or more.

또한, 실내 공간 정보는, 공간의 모양, 크기, 장애물 유무 및 장애물 위치, 창문 크기, 창문 위치에 대한 정보가 포함되고, 실내 기류 정보는, 시험공간 내 공기 순환 장치의 설치 위치에 대한 정보 및 성능정보가 포함될 수 있다. In addition, the indoor space information includes information on the shape, size, presence of obstacles and the location of obstacles, window sizes, and window positions of the space, and the indoor airflow information includes information and performance on the installation location of the air circulation device in the test space. Information may be included.

그리고 입력되는 단계는, 실내 공간 정보 및 실내 기류 정보가 입력되면, 온도 및 습도가 생존기간에 영향을 주는 바이러스의 확산경로 예측을 위해, 시험공간 내 온도 및 습도에 대한 정보가 입력될 수 있다. And in the input step, when indoor space information and indoor airflow information are input, information on temperature and humidity in the test space may be input to predict the spread of a virus in which temperature and humidity affect the survival period.

또한, 입력되는 단계는, 실내 공간 정보 및 실내 기류 정보가 입력되면, 전염성 물질의 크기, 생존기간, 잠복기에 대한 정보가 입력될 수 있다. In addition, in the input step, when indoor spatial information and indoor airflow information are input, information on the size, survival period, and incubation period of the infectious material may be input.

한편, 본 발명의 다른 실시예에 따른, 전염병 확산 예측 장치는, 시험공간에 대한 실내 공간 정보 및 실내 기류 정보가 입력되는 입력부; 시험공간에 설치되어, 전염성 물질의 농도 데이터를 수집하는 센서부; 및 입력된 정보들을 기반으로 확산경로 예측을 위한 하나 이상의 예측모델을 생성하고, 예측모델과 수집된 농도 데이터를 비교하여, 예측모델을 갱신하는 프로세서;를 포함한다.On the other hand, according to another embodiment of the present invention, an apparatus for predicting the spread of an epidemic includes an input unit to which indoor space information and indoor airflow information for a test space are input; a sensor unit installed in the test space to collect concentration data of infectious substances; and a processor that generates one or more prediction models for prediction of a diffusion path based on the input information, compares the prediction model with the collected concentration data, and updates the prediction model.

이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 바이러스와 같은 전염성 물질의 확산경로 추적을 위한 다양한 요인을 반영하여 실내 공간에서 확산을 예측할 수 있다. As described above, according to embodiments of the present invention, it is possible to predict the spread in an indoor space by reflecting various factors for tracking the diffusion path of an infectious material such as a virus.

또한, 본 발명의 실시예들에 따르면, 시간에 따른 전염성 물질의 확산경로 예측을 위해 생성된 예측모델과 시험공간에 설치된 전염성 물질 농도 측정센서를 통해 측정된 센서값을 비교하여, 최적의 예측모델로 업데이트함으로써, 예측 정확도를 향상시킬 수 있다. In addition, according to embodiments of the present invention, by comparing the sensor value measured through the infectious material concentration measuring sensor installed in the test space with the predictive model generated for predicting the diffusion path of the infectious material over time, the optimal predictive model By updating to , prediction accuracy can be improved.

도 1은, 본 발명의 일 실시예에 따른 디지털 트윈기반 다중 이용시설 내 전염병 확산 예측 장치의 설명에 제공된 도면,
도 2는, 예측모델을 이용하여 특정 시간에서의 전염성 물질의 농도 예측 결과가 예시된 도면,
도 3은, 시험공간에 설치되는 센서의 설명에 제공된 도면, 그리고
도 4는, 본 발명의 일 실시예에 따른 디지털 트윈기반 다중 이용시설 내 전염병 확산 예측 장치를 이용하는 전염병 확산 예측 방법의 설명에 제공된 도면이다. 1 is a diagram provided for explanation of an apparatus for predicting the spread of an epidemic in a digital twin-based multi-use facility according to an embodiment of the present invention;
2 is a diagram illustrating the prediction result of the concentration of the infectious material at a specific time using the prediction model;
3 is a view provided for the description of the sensor installed in the test space, and
4 is a diagram provided to explain a method for predicting the spread of an epidemic using the apparatus for predicting the spread of an epidemic in a digital twin-based multi-use facility according to an embodiment of the present invention.

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.Hereinafter, the present invention will be described in more detail with reference to the drawings.

도 1은, 본 발명의 일 실시예에 따른 디지털 트윈기반 다중 이용시설 내 전염병 확산 예측 장치(이하에서는 '전염병 확산 예측 장치'로 총칭하기로 함)의 설명에 제공된 도면이고, 도 2는, 예측모델을 이용하여 특정 시간에서의 전염성 물질의 농도 예측 결과가 예시된 도면이며, 도 3은, 시험공간에 설치되는 센서의 설명에 제공된 도면이다.1 is a diagram provided for explanation of an apparatus for predicting the spread of an epidemic within a digital twin-based multi-use facility (hereinafter, collectively referred to as an 'epidemic spread prediction apparatus') according to an embodiment of the present invention, and FIG. 2 is a prediction It is a diagram illustrating the result of predicting the concentration of the infectious material at a specific time using the model, and FIG. 3 is a diagram provided for the description of the sensor installed in the test space.

본 실시예에 따른 전염병 확산 예측 장치는, 전염성 물질의 확산경로 추적을 위한 다양한 요인을 반영하여 실내 공간에서 확산을 예측할 수 있으며, 나아가 시간에 따른 확산경로 예측을 위해 생성된 예측모델과 시험공간에 설치된 전염성 물질 농도 측정센서를 통해 측정된 센서값을 비교하여, 최적의 예측모델로 업데이트할 수 있다.The apparatus for predicting the spread of an infectious disease according to this embodiment can predict the spread in an indoor space by reflecting various factors for tracing the diffusion path of an infectious substance, and furthermore, the prediction model and the test space generated for predicting the spread path according to time By comparing the sensor values measured through the installed infectious substance concentration measuring sensor, it can be updated with an optimal predictive model.

즉, 본 전염병 확산 예측 장치는, 가상화된 세계에 구현된 특정 실내 공간 내에서, 바이러스와 같은 전염성 물질의 농도를 예측하고, 시간에 따라 전염성 물질의 농도가 변함에 따라 확산경로를 예측할 수 있는 예측모델을 생성하고, 이를 예측모델 생성시 구현된 공간과 동일하게 구현한 실제 시험공간에 설치된 센서를 이용하여 수집된 전염성 물질의 농도 데이터와 비교하여, 최적의 예측모델로 갱신하는 방식으로, 전염성 물질에 대한 예측 정확도를 향상시킬 수 있다. In other words, this apparatus for predicting the spread of infectious diseases can predict the concentration of infectious substances such as viruses in a specific indoor space implemented in the virtualized world, and predict the spread path as the concentration of infectious substances changes over time. By creating a model, comparing it with the concentration data of infectious substances collected using a sensor installed in an actual test space that is implemented in the same space as the space implemented when creating a predictive model, and updating it to an optimal predictive model, infectious substances can improve the prediction accuracy for

이를 위해, 본 전염병 확산 예측 장치는, 입력부(110), 센서부(120), 저장부(130) 및 프로세서(140)로 구성될 수 있다. To this end, the apparatus for predicting the spread of an epidemic may include an input unit 110 , a sensor unit 120 , a storage unit 130 , and a processor 140 .

입력부(110)는, 시험공간에 대한 정보들이 입력될 수 있다. The input unit 110 may input information about the test space.

구체적으로 입력부(110)는, 실내 공간 정보 및 실내 기류 정보 등이 입력될 수 있다. In more detail, the input unit 110 may input indoor space information, indoor airflow information, and the like.

이때, 실내 공간 정보는, 공간의 모양, 크기, 장애물 유무 및 장애물 위치, 창문 크기, 창문 위치에 대한 정보가 포함될 수 있으며, 실내 기류 정보는, 시험공간 내 공기 순환 장치의 설치 위치에 대한 정보 및 성능정보가 포함될 수 있다. In this case, the indoor space information may include information on the shape, size, presence of obstacles and the location of obstacles, window sizes, and window positions of the space, and the indoor airflow information includes information on the installation position of the air circulation device in the test space and Performance information may be included.

또한, 구체적으로 예를 들면, 입력부(110)는, 온도 및 습도가 생존기간에 영향을 주는 바이러스의 확산경로 예측을 위해, 시험공간 내 온도 및 습도에 대한 정보가 입력될 수 있다. Also, specifically, for example, the input unit 110 may input information on temperature and humidity in the test space in order to predict the diffusion path of a virus in which temperature and humidity affect the survival period.

다른 예를 들면, 입력부(110)는, 전염성 물질의 크기, 생존기간, 잠복기에 대한 정보가 포함된 전염성 물질의 특성 정보가 입력될 수 있다. As another example, the input unit 110 may input characteristic information of the infectious material including information on the size, survival period, and incubation period of the infectious material.

센서부(120)는, 시험공간에 설치되어, 전염성 물질의 농도 데이터를 수집할 수 있다. The sensor unit 120 may be installed in the test space to collect the concentration data of the infectious material.

구체적으로, 센서부(120)는, 도 3에 예시된 바와 같이 시험공간을 구성하는 복수의 지점(ex. P1 내지 P4)에 배치되는 복수의 센서를 포함할 수 있다. Specifically, the sensor unit 120 may include a plurality of sensors disposed at a plurality of points (eg, P1 to P4) constituting the test space as illustrated in FIG. 3 .

이때, 복수의 센서는, 전염성 물질의 질량 또는 화학적 특성 변화를 측정하는 센서이거나 또는 광학적 특성에 의해 변화하는 전기적인 특성 변화 등을 측정하는 센서로서, 공간 영역별로 전염성 물질의 농도 데이터를 수집하기 위해, 각각의 센서 간 거리가 기설정된 임계 거리 이상 이격되도록 설치될 수 있다. At this time, the plurality of sensors are sensors that measure changes in the mass or chemical properties of the infectious material or sensors that measure changes in electrical properties that change by optical properties, in order to collect concentration data of the infectious material for each spatial area , it may be installed such that the distance between the respective sensors is spaced apart from each other by a predetermined threshold distance or more.

저장부(130)는, 프로세서(140)가 동작함에 있어 필요한 데이터 및 프로그램을 저장하는 저장매체이다. The storage unit 130 is a storage medium for storing data and programs necessary for the operation of the processor 140 .

프로세서(140)는, 입력부(110)를 통해 입력된 정보들을 기반으로 바이러스 확산경로 예측을 위한 하나 이상의 예측모델을 생성하고, 예측모델과 센서부(120)를 통해 수집된 농도 데이터를 비교하여, 예측모델을 갱신할 수 있다. The processor 140 generates one or more prediction models for predicting the virus spread path based on the information input through the input unit 110, and compares the prediction model with the concentration data collected through the sensor unit 120, The predictive model can be updated.

예측모델은, 가상화된 세계에 구현된 특정 실내 공간(센서가 설치되는 시험공간과 동일한 환경) 내에서, 특정 실내 공간의 공간 특성, 공기 유동 특성 및 전염성 물질의 특성 등을 분석하여, 특정 시간에서의 전염성 물질의 농도를 예측하고, 예측 결과를 조합하여, 시간에 따른 전염성 물질의 확산경로를 예측할 수 있는 딥러닝 기반의 학습 모델일 수 있다. 여기서, 도 2는, 예측모델을 이용하여 특정 시간에서의 전염성 물질의 농도 예측 결과가 예시된 도면이다. The predictive model analyzes the spatial characteristics of a specific indoor space, air flow characteristics and characteristics of infectious substances within a specific indoor space (the same environment as the test space where the sensor is installed) implemented in the virtualized world, and at a specific time It can be a deep learning-based learning model that can predict the concentration of infectious substances in Here, FIG. 2 is a diagram illustrating a result of predicting the concentration of an infectious material at a specific time using a predictive model.

구체적으로 프로세서(140)는, 유체운동에 관한 수치계산과 수집된 전염성 물질의 실제 농도 데이터를 이용하여 전염성 물질의 확산경로를 예측하기 위해, 입력부(110)를 통해 입력된 정보들을 CFD(Computational Fluid Dynamics) 프로그램에 적용하여, 하나 이상의 예측모델을 생성할 수 있으며, 하나 이상의 예측모델 중 수집된 실제 농도 데이터와 비교하여, 오차가 가장 적은 예측모델로 갱신함으로써, 예측 정확도를 향상시킬 수 있다. Specifically, the processor 140 receives information input through the input unit 110 in order to predict the diffusion path of the infectious material using numerical calculations related to fluid motion and the collected actual concentration data of the infectious material. Dynamics) program, one or more predictive models can be generated, and prediction accuracy can be improved by updating the predictive model with the least error compared with the actual concentration data collected among one or more predictive models.

예를 들면, 프로세서(140)는, 입력되는 정보 중 실내 공간 정보에 임의의 가중치를 부여하여 생성하는 제1 예측모델, 실내 기류 정보에 임의의 가중치를 부여하여 생성하는 제2 예측모델, 온도 및 습도에 임의의 가중치를 부여하여 생성하는 제3 예측모델 및 전염성 물질의 크기, 생존기간, 잠복기에 대한 정보에 임의의 가중치를 부여하여 생성하는 제4 예측모델을 각각 생성하여, 수집된 실제 농도 데이터와 비교하고, 현재(기존) 예측모델을 비교 결과 제1 예측모델 내지 제4 예측모델 중 오차가 가장 적은 예측모델로 갱신할 수 있다.For example, the processor 140 may include a first prediction model generated by assigning an arbitrary weight to indoor spatial information among input information, a second prediction model generated by giving an arbitrary weight to indoor airflow information, a temperature and The actual concentration data collected by creating a third predictive model generated by assigning a random weight to humidity and a fourth predictive model generated by assigning random weights to information on the size, survival period, and incubation period of infectious substances , and the current (existing) prediction model may be updated as a prediction model having the smallest error among the first to fourth prediction models as a result of the comparison.

또한, 프로세서(140)는, 오차가 가장 적은 예측모델로 갱신된 이후, 임의의 가중치를 부여한 입력 정보의 항목에 대하여, 재차 서로 다른 가중치를 부여하여, 각각의 예측모델을 생성하고, 생성된 각각의 예측모델 중 수집된 실제 농도 데이터와 비교한 결과, 오차가 가장 적은 예측모델로 재차 갱신할 수 있다.In addition, the processor 140, after being updated to the prediction model with the smallest error, assigns different weights to the input information items to which arbitrary weights are given, to generate each prediction model, and generates each generated prediction model. As a result of comparing with the actual concentration data collected among the prediction models of

프로세서(140)는, 이러한 방식으로, 주기적 또는 랜덤한 주기로 현재(기존) 예측모델을 오차가 가장 적은 예측 모델로 갱신함으로써, 예측 정확도를 지속적으로 향상시킬 수 있다. In this way, the processor 140 may continuously improve prediction accuracy by updating the current (existing) prediction model to the prediction model with the least error at periodic or random intervals.

더불어, 프로세서(140)는, 각각의 센서가 설치된 복수의 지점 주변을 기준으로 하여, 시험공간을 구성하는 공간 영역별 전염성 물질의 확산경로를 예측할 수 있다. In addition, the processor 140 may predict the diffusion path of the infectious material for each spatial region constituting the test space on the basis of the vicinity of a plurality of points where each sensor is installed.

따라서, 프로세서(140)는, 공간 영역별로, 입력 정보별 임의의 가중치를 부여하거나, 동일한 입력정보에 서로 다른 가중치를 부여하여, 각각 예측모델을 생성하고, 이를 실제 농도 데이터와 비교하여, 오차가 가장 적은 예측모델로 갱신할 수 있다.Accordingly, the processor 140 generates a predictive model by assigning an arbitrary weight to each spatial domain and input information, or by assigning different weights to the same input information, and compares it with the actual concentration data so that the error is It can be updated with the fewest predictive models.

도 4는, 본 발명의 일 실시예에 따른 디지털 트윈기반 다중 이용시설 내 전염병 확산 예측 장치를 이용하는 전염병 확산 예측 방법(이하에서는 '전염병 확산 예측 방법'으로 총칭하기로 함)의 설명에 제공된 도면이다. 4 is a diagram provided for explanation of a method for predicting the spread of an epidemic using a device for predicting the spread of an epidemic within a digital twin-based multi-use facility according to an embodiment of the present invention (hereinafter, collectively referred to as 'epidemic spread prediction method'). .

전염병 확산 예측 방법은, 전염병 확산 예측 장치를 통해, 시험공간에 대한 실내 공간 정보 및 실내 기류 정보가 입력될 수 있다. In the method of predicting the spread of an epidemic, indoor spatial information and indoor airflow information for the test space may be input through the apparatus for predicting the spread of an epidemic.

구체적으로, 사용자는 입력부(110)를 통해, 시험공간에 대한 실내 공간 정보를 입력하고(S410), 실내 기류 정보를 입력한 이후(S420), 온도 및 습도 정보를 입력하고(S430), 전염성 물질의 특성 정보를 입력할 수 있다(S440). Specifically, through the input unit 110, the user inputs indoor space information for the test space (S410), after inputting indoor airflow information (S420), and inputs temperature and humidity information (S430), and infectious substances It is possible to input the characteristic information of (S440).

그리고 사용자는, 입력부(110)를 통해 입력 정보들이 입력되면, 전염병 확산 예측 장치를 이용하여, 입력된 정보들을 CFD(Computational Fluid Dynamics) 프로그램에 적용하고, 이를 통해, 하나 이상의 예측모델을 생성할 수 있다(S450). And, when input information is input through the input unit 110, the user applies the input information to a CFD (Computational Fluid Dynamics) program using the epidemic spread prediction device, and through this, one or more predictive models can be generated. There is (S450).

또한, 사용자는 시험공간에 설치된 센서를 통해, 전염성 물질의 농도 데이터를 수집하고(S460), 전염병 확산 예측 장치를 이용하여, 예측모델과 수집된 농도 데이터를 비교하여(S470), 현재(기존) 예측모델을 오차가 가장 적은 예측모델로 갱신할 수 있다(S480). In addition, the user collects the concentration data of the infectious material through the sensor installed in the test space (S460), and compares the predicted model with the collected concentration data using the epidemic spread prediction device (S470), the current (existing) The predictive model may be updated to the predictive model having the smallest error (S480).

이를 통해, 바이러스와 같은 전염성 물질의 확산경로 추적을 위한 다양한 요인을 반영하여 실내 공간에서 확산을 예측할 수 있으며, 나아가 시간에 따른 전염성 물질의 확산경로 예측을 위해 생성된 예측모델과 시험공간에 설치된 전염성 물질 농도 측정센서를 통해 측정된 센서값을 비교하여, 최적의 예측모델로 업데이트함으로써, 예측 정확도를 향상시킬 수 있다.Through this, the spread in the indoor space can be predicted by reflecting various factors for tracking the spread path of infectious substances such as viruses, and furthermore, the prediction model created to predict the spread path of the infectious substance over time and the contagiousness installed in the test space The prediction accuracy can be improved by comparing the sensor values measured through the substance concentration measuring sensor and updating it with an optimal prediction model.

한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.On the other hand, it goes without saying that the technical idea of the present invention can be applied to a computer-readable recording medium containing a computer program for performing the functions of the apparatus and method according to the present embodiment. In addition, the technical ideas according to various embodiments of the present invention may be implemented in the form of computer-readable codes recorded on a computer-readable recording medium. The computer-readable recording medium may be any data storage device readable by the computer and capable of storing data. For example, the computer-readable recording medium may be a ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical disk, hard disk drive, or the like. In addition, the computer-readable code or program stored in the computer-readable recording medium may be transmitted through a network connected between computers.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.In addition, although preferred embodiments of the present invention have been illustrated and described above, the present invention is not limited to the specific embodiments described above, and the technical field to which the present invention belongs without departing from the gist of the present invention as claimed in the claims In addition, various modifications are possible by those of ordinary skill in the art, and these modifications should not be individually understood from the technical spirit or perspective of the present invention.

110 : 입력부
120 : 센서부
130 : 저장부
140 : 프로세서110: input unit
120: sensor unit
130: storage
140: processor

Claims (8)

전염병 확산 예측 장치를 통해, 시험공간에 대한 실내 공간 정보 및 실내 기류 정보가 입력되는 단계;
전염병 확산 예측 장치가, 입력된 정보들을 기반으로 시간에 따른 확산경로 예측을 위한 하나 이상의 예측모델을 생성하는 단계;
전염병 확산 예측 장치가, 시험공간에 설치된 센서를 통해, 전염성 물질의 농도 데이터를 수집하는 단계; 및
전염병 확산 예측 장치가, 예측모델과 수집된 농도 데이터를 비교하여, 예측모델을 갱신하는 단계;를 포함하는 전염병 확산 예측 방법.
Through the infectious disease spread prediction device, the indoor space information and the indoor air flow information for the test space is input;
generating, by the apparatus for predicting the spread of an epidemic, one or more predictive models for predicting the spread path over time based on the input information;
Collecting, by the infectious disease spread prediction device, the concentration data of the infectious material through a sensor installed in the test space; and
A method for predicting the spread of an epidemic comprising a; comparing, by the apparatus for predicting the spread of an epidemic, the predictive model and the collected concentration data, and updating the predictive model.
 청구항 1에 있어서,
생성하는 단계는,
입력된 정보들을 CFD(Computational Fluid Dynamics) 프로그램에 적용하여, 하나 이상의 예측모델을 생성하는 것을 특징으로 하는 전염병 확산 예측 방법.
The method according to claim 1,
The steps to create are
A method for predicting the spread of an epidemic, characterized in that by applying the input information to a CFD (Computational Fluid Dynamics) program, one or more predictive models are generated.
 청구항 2에 있어서,
갱신하는 단계는,
하나 이상의 예측모델 중 수집된 실제 농도 데이터와 비교하여, 오차가 가장 적은 예측모델로 갱신하는 것을 특징으로 하는 전염병 확산 예측 방법.
3. The method according to claim 2,
The update steps are:
A method for predicting the spread of an epidemic, characterized in that the prediction model with the least error is updated by comparing it with the actual concentration data collected among one or more prediction models.
 청구항 1에 있어서,
센서는,
시험공간을 구성하는 복수의 지점에 배치되되, 각각의 센서 간 거리가 기설정된 임계 거리 이상 이격되도록 설치되는 것을 특징으로 하는 전염병 확산 예측 방법.
The method according to claim 1,
the sensor,
Disposed at a plurality of points constituting the test space, the method for predicting the spread of an infectious disease, characterized in that the distance between each sensor is installed to be spaced apart by a predetermined threshold distance or more.
 청구항 1에 있어서,
실내 공간 정보는,
공간의 모양, 크기, 장애물 유무 및 장애물 위치, 창문 크기, 창문 위치에 대한 정보가 포함되고,
실내 기류 정보는,
시험공간 내 공기 순환 장치의 설치 위치에 대한 정보 및 성능정보가 포함되는 것을 특징으로 하는 전염병 확산 예측 방법.
The method according to claim 1,
indoor spatial information,
It includes information about the shape, size, presence of obstacles and the location of obstacles, the size of the window, and the location of the window of the space;
Indoor airflow information,
A method for predicting the spread of an infectious disease, characterized in that it includes information on the installation location and performance information of the air circulation device in the test space.
 청구항 1에 있어서,
입력되는 단계는,
실내 공간 정보 및 실내 기류 정보가 입력되면, 온도 및 습도가 생존기간에 영향을 주는 바이러스의 확산경로 예측을 위해, 시험공간 내 온도 및 습도에 대한 정보가 입력되는 것을 특징으로 하는 전염병 확산 예측 방법.
The method according to claim 1,
The input step is
When indoor spatial information and indoor airflow information are input, the epidemic spread prediction method, characterized in that the information on the temperature and humidity in the test space is input to predict the spread path of the virus in which temperature and humidity affect the survival period.
 청구항 6에 있어서,
입력되는 단계는,
실내 공간 정보 및 실내 기류 정보가 입력되면, 전염성 물질의 크기, 생존기간, 잠복기에 대한 정보가 입력되는 것을 특징으로 하는 전염병 확산 예측 방법.
7. The method of claim 6,
The input step is
When indoor spatial information and indoor airflow information are input, the epidemic spread prediction method, characterized in that information on the size, survival period, and incubation period of the infectious material is input.
 시험공간에 대한 실내 공간 정보 및 실내 기류 정보가 입력되는 입력부;
시험공간에 설치되어, 전염성 물질의 농도 데이터를 수집하는 센서부; 및
입력된 정보들을 기반으로 확산경로 예측을 위한 하나 이상의 예측모델을 생성하고, 예측모델과 수집된 농도 데이터를 비교하여, 예측모델을 갱신하는 프로세서;를 포함하는 전염병 확산 예측 장치.an input unit for inputting indoor space information and indoor airflow information for the test space;
a sensor unit installed in the test space to collect concentration data of infectious substances; and
An infectious disease spread prediction device comprising a; a processor that generates one or more predictive models for predicting the spread path based on the input information, compares the predictive model with the collected concentration data, and updates the predictive model.
KR1020200130485A 2020-10-08 2020-10-08 Device and method for infectious disease spread prediction in Multi-use facility based on digital twin KR20220047046A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200130485A KR20220047046A (en) 2020-10-08 2020-10-08 Device and method for infectious disease spread prediction in Multi-use facility based on digital twin

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200130485A KR20220047046A (en) 2020-10-08 2020-10-08 Device and method for infectious disease spread prediction in Multi-use facility based on digital twin

Publications (1)

Publication Number Publication Date
KR20220047046A true KR20220047046A (en) 2022-04-15

Family

ID=81212062

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200130485A KR20220047046A (en) 2020-10-08 2020-10-08 Device and method for infectious disease spread prediction in Multi-use facility based on digital twin

Country Status (1)

Country Link
KR (1) KR20220047046A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240034504A (en) 2022-09-07 2024-03-14 국립한밭대학교 산학협력단 On-site test methods of tracer gas transmission for cross-infection risk assessment in a single space and between rooms

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240034504A (en) 2022-09-07 2024-03-14 국립한밭대학교 산학협력단 On-site test methods of tracer gas transmission for cross-infection risk assessment in a single space and between rooms

Similar Documents

Publication Publication Date Title
Andradóttir An overview of simulation optimization via random search
US10671933B2 (en) Method and apparatus for evaluating predictive model
WO2012135038A1 (en) Systems and methods for predicting fluid dynamics in a data center
JP2014182694A (en) Device, method, and program for sensor failure detection
JP6299759B2 (en) Prediction function creation device, prediction function creation method, and program
US9600795B2 (en) Measuring process model performance and enforcing process performance policy
Park et al. Romano: autonomous storage management using performance prediction in multi-tenant datacenters
Rahman et al. Accuracy comparison of ARIMA and XGBoost forecasting models in predicting the incidence of COVID-19 in Bangladesh
KR102047850B1 (en) Computational fluid dynamics systems and methods of use thereof
D’Souza et al. Forecasting bifurcations from large perturbation recoveries in feedback ecosystems
Mizera et al. ASSA-PBN: an approximate steady-state analyser of probabilistic Boolean networks
US10540457B2 (en) System and method for predicting thermal-insights of a data center
KR20220047046A (en) Device and method for infectious disease spread prediction in Multi-use facility based on digital twin
Sanassy et al. Meta-stochastic simulation of biochemical models for systems and synthetic biology
Sahoo et al. Pso-based test case generation: A fitness function based on value combined branch distance
JP2012128771A (en) Information processing apparatus and program
WO2013114911A1 (en) Risk assessment system, risk assessment method, and program
Liu et al. Scale-model simulation
Dai et al. Storage device performance prediction with hybrid regression models
Piho et al. Policy synthesis for collective dynamics
EP3299913A1 (en) Parallel processing for monitoring and control of plant equipment
CN117254981B (en) Industrial control network security situation prediction method and device
Semenov et al. Approach to the State Analysis of Industry 4.0 Nodes Based on Behavioral Patterns
Bak et al. Challenges and tool implementation of hybrid rapidly-exploring random trees
Shi et al. A Hidden Markov Model-Based Method for Virtual Machine Anomaly Detection

Legal Events

Date Code Title Description
A201 Request for examination