KR20220068681A - 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템 - Google Patents

위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템 Download PDF

Info

Publication number
KR20220068681A
KR20220068681A KR1020200155706A KR20200155706A KR20220068681A KR 20220068681 A KR20220068681 A KR 20220068681A KR 1020200155706 A KR1020200155706 A KR 1020200155706A KR 20200155706 A KR20200155706 A KR 20200155706A KR 20220068681 A KR20220068681 A KR 20220068681A
Authority
KR
South Korea
Prior art keywords
risk level
disaster
risk
disaster situation
observed
Prior art date
Application number
KR1020200155706A
Other languages
English (en)
Inventor
이병윤
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 KR1020200155706A priority Critical patent/KR20220068681A/ko
Publication of KR20220068681A publication Critical patent/KR20220068681A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Emergency Management (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Geology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법이 제공된다. 상기 방법은 재난 상황별로 소정의 위험 수준 지표를 정의하는 단계; 상기 재난 상황별로 정의된 위험 수준 지표를 지수화한 위험 지수를 생성하는 단계; 관찰된 재난 상황의 표본에 매칭되는 위험 지수를 산출하는 단계; 및 상기 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하는 단계를 포함한다. 이때, 상기 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하는 단계는, 상기 관찰된 재난 상황의 표본을 결정 트리(Decision Tree)에 기초하여 분류하는 단계; 상기 분류된 표본들을 대상으로 위험 지수의 평균값을 산출하는 단계; 및 미리 학습된 회귀 트리(Regression Tree) 기반 알고리즘 기초하여 상기 위험 지수의 평균값에 상응하는 위험 수준을 예측하는 단계를 포함한다.

Description

위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템{INTELLIGENT DISASTER SAFETY ALRAM ISSUANCE METHOD AND SYSTEM USING RISK LEVEL INDICATION ANALYSIS}
본 발명은 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템에 관한 것이다.
위기경보는 위기징후를 식별하거나 위기발생이 예상되는 경우에 위험수준, 발생가능성 등을 판단하여 그에 부합되는 조치를 할 수 있도록 미리 정보를 제공하는 것이다.
이러한 위기경보의 종류는 위기징후의 활동정보, 국가위기로의 발전 가능성 등에 따라 관심(Blue)-주의(Yellow)-경계(Orange)-심각(Red)으로 구분하고 있으며, 경보 별 주요 활동을 제시하고 있다.
하지만 현재에는 위기경보가 행정적 절차로만 운영되고 있어 위기징후가 있음에도 불구하고, 이를 인식하지 못하거나 재난발생 상황에 대한 위험수준 판단이 늦어져 사고가 발생하고 피해가 확산되는 상황이 발생하고 있다.
공개특허공보 제10-2014-0028489호 (2014.03.10)
본 발명이 해결하고자 하는 과제는 재난 유형별로 위험 수준 특성을 정의하고, 이를 지능화된 분석과 학습 과정을 통해 위험을 사전에 인지 및 판단함으로써, 재난에 대한 신속한 대응조치가 이루어질 수 있도록 하는, 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 상기된 바와 같은 과제로 한정되지 않으며, 또다른 과제들이 존재할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법은 재난 상황별로 소정의 위험 수준 지표를 정의하는 단계; 상기 재난 상황별로 정의된 위험 수준 지표를 지수화한 위험 지수를 생성하는 단계; 관찰된 재난 상황의 표본에 매칭되는 위험 지수를 산출하는 단계; 및 상기 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하는 단계를 포함한다. 이때, 상기 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하는 단계는, 상기 관찰된 재난 상황의 표본을 결정 트리(Decision Tree)에 기초하여 분류하는 단계; 상기 분류된 표본들을 대상으로 위험 지수의 평균값을 산출하는 단계; 및 미리 학습된 회귀 트리(Regression Tree) 기반 알고리즘 기초하여 상기 위험 지수의 평균값에 상응하는 위험 수준을 예측하는 단계를 포함한다.
본 발명의 일부 실시예에서, 상기 재난 상황별로 소정의 위험 수준 지표를 정의하는 단계는, 소정의 자연 재난 및 사회 재난에 대응하는 재난 상황의 성격에 부합하는 상기 위험 수준 지표를 정의할 수 있다.
본 발명의 일부 실시예에서, 상기 재난 상황별로 소정의 위험 수준 지표를 정의하는 단계는, 재난 상황의 심각성(severity), 시급성(urgency), 확대가능성(expandability), 전개속도(deployment speed), 지속시간(duration), 파급효과(Ripple effect), 국내외여론(opinion), 예경보 결과(result) 중 적어도 하나를 포함하는 위험 수준 지표를 정의할 수 있다.
본 발명의 일부 실시예에서, 상기 재난 상황별로 정의된 위험 수준 지표를 지수화한 위험 지수를 생성하는 단계는, 상기 위험 수준 지표의 각 항목에 따라 소정의 등급별로 구분하는 단계; 및 상기 등급별로 구분된 각 항목에 대하여 지수화된 위험 지수를 생성하는 단계를 포함할 수 있다.
본 발명의 일부 실시예는, 소정의 시간 구간 동안 관찰된 재난 상황에 대하여 예측된 위험 수준의 결과를 수집하는 단계; 및 상기 소정의 시간 구간 동안의 재난 상황의 표본들을 대상으로 산출된 위험 지수의 평균값과 상기 위험 수준의 결과에 기초하여 상기 회귀 분석 트리 및 결정 트리 기반의 알고리즘을 학습시키는 단계를 더 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 면에 따른 컴퓨터 프로그램은, 하드웨어인 컴퓨터와 결합되어 상기 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템을 실행하며, 컴퓨터 판독가능 기록매체에 저장된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
현재 위기경보는 재난 유형별 상황전개에 따른 매커니즘, 재난 유형별 위험 수준 특성 등에 대한 고려없이, 당장 획득 가능한 위험정보를 바탕으로 일괄적으로 위기경보를 발령, 격상, 해제하고 있으며, 위기경보가 행정적 절차로만 운영되다 보니 위기징후가 있음에도 이를 인식하지 못하여 판단이 늦어지고 사고가 발생하며 피해가 확산되는 경향이 크다.
상술한 본 발명의 일 실시예는, 실제 위기징후 및 판단 시기를 적절히 판단하기 위한 위험 수준 지표를 각 재난에 대하여 정의하고 이를 지표화하여, 과거의 재난 상황에 대한 지능화된 분석과 학습과정을 통하여 위험을 사전에 인지하고 판단함으로써, 신속한 대응조치가 이루어질 수 있도록 할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 지능형 재난 안전 경보 발령 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 위험 수준 예측 단계의 순서도이다.
도 3은 본 발명의 일 실시예에 적용된 알고리즘의 일 예시를 도시한 도면이다.
도 4는 지능형 재난 안전 경보 발령 시스템을 도시한 블록도이다.
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 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
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 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 발명은 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템(100)에 관한 것이다.
현재 위기경보는 재난 유형별 상황전개에 따른 매커니즘, 재난 유형별 위험 수준 특성 등에 대한 고려 없이 당장 가능한 위험정보를 바탕으로 일괄적으로 위기경보를 발령, 격상, 해제하고 있다.
또한, 위기경보가 행정적 절차로만 운영되다 보니 위기징후가 있음에도 불구하고 이를 인식하지 못하여 판단이 늦어짐에 따라 사고가 발생하고 피해가 확산되는 경향이 크다.
실제 위기징후 및 판단시기를 놓쳐 대책을 내놓기에 급급하고 있는바, 위기징후 감시, 분석, 평가, 전파(전달) 위기경보 운영을 위한 자동화 기술이 필요한 실정이다.
또한, 재난 유형별 위험 수준 특성을 정의하고, 이를 지능화된 분석과 학습과정을 통하여 위험을 사전에 인지 및 판단함으로써 신속한 대응조치가 이루어질 수 있는 기술이 필요한 실정이다.
이를 위해 본 발명의 일 실시예는, 재난 유형별로 위험 수준 특성을 정의하고, 이를 지능화된 분석과 학습 과정을 통해 위험을 사전에 인지 및 판단함으로써, 재난에 대한 신속한 대응조치가 이루어질 수 있도록 할 수 있다.
이하에서는 도 1 내지 도 3을 참조하여 본 발명의 일 실시예에 따른 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법(이하, 지능형 재난 안전 경보 발령 방법)에 대하여 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 지능형 재난 안전 경보 발령 방법의 순서도이다. 도 2는 본 발명의 일 실시예에 따른 위험 수준 예측 단계의 순서도이다.
한편, 도 1 및 도 2에 도시된 각 단계들은 후술하는 지능형 재난 안전 경보 발령 시스템(100)을 구성하는 서버에 의해 수행되는 것으로 이해될 수 있으나, 반드시 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 지능형 재난 안전 경보 발령 방법은 재난 상황별로 소정의 위험 수준 지표를 정의하는 단계(S110)와, 상기 재난 상황별로 정의된 위험 수준 지표를 지수화한 위험 지수를 생성하는 단계(S120)와, 관찰된 재난 상황의 표본에 매칭되는 위험 지수를 산출하는 단계(S130)와, 상기 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하는 단계(S140)를 포함하여 실시된다.
먼저, 서버는 재난 상황별로 소정의 위험 수준 지표를 정의한다(S110).
일 실시예로 서버는 소정의 자연 재난(예를 들어, 가뭄, 홍수, 지진, 태풍 등) 및 사회 재난(화재, 환경 오염 등)에 대응하는 재난 상황의 성격에 부함하는 위험 수준 지표를 정의하며, 재난 상황의 심각성(severity), 시급성(urgency), 확대가능성(expandability), 전개속도(deployment speed), 지속시간(duration), 파급효과(Ripple effect), 국내외여론(opinion), 예경보 결과(result) 중 적어도 하나를 포함하는 위험 수준 지표를 정의할 수 있다. 이와 같이 정의되는 위험 수준 지표는 다음 표 1과 같다.
서버는 표 1과 같이 정의된 의미에 따라 위험 수준을 정량화하고 이를 기반으로 예경보를 위한 데이터를 구축할 수 있다.
용어 정의
사전적 정의 재난 상황에서의 정의
심각성 어떤 일의 상태나 정도 따위가 매우 심하거나 중대한 성질 인명피해, 재난피해의 정도(또는 예상정도) 및 국가적 차원의 대응 필요한 정도
시급성 시간을 다툴 만큼 몹시 급한 성질 인명 및 재산의 급격한 피해가 예상되거나 인명구조 활동 선제적 대응이 필요한 정도
확대가능성 모양이나 규모가 커지게 될 가능성 재난의 피해규모가 증가하거나 다른 재난으로 전파될 가능성의 정도
전개속도 사건이 진전되어 펼쳐지는 속도 재난발생으로 인한 인명/재산 피해 규모 및 피해 범위가 확산되는 속도
지속시간 특정한 작동이나 일련의 처리 과정에 소요되는 시간 재난발생 직후부터 수습, 복구까지의 재난 처리 프로세스에 소요되는 시간
파급효과 초기상태의 효과가 점점 바깥으로 퍼져나가는 상황 재난이 발생하여 일어난 모든 간접 피해로 경제적 및 사회적 파장의 정도
국내외여론 국내외적으로 사회 대중에 의해 표현되는 공개적인 의견 재난상황으로 인한 국민적 위기의식의 정도 및 언론 노출 정도
정부대응능력 특정한 사건따위에 적용할 수 있는 적합한 행위나 태도를 취할 수 있는 능력 재난 상황 관리를 위한 정부 대응체계, 재난의 대응 경험, 대응 및 복구 물자 등의 조합
본 발명에서는 설명의 편의를 위하여 가뭄에 대한 세부 내용을 기술하였으며, 이하 설명하도록 한다.표 2는 심각성에 대한 정의로 가뭄으로 인해 생활용수, 농업용수 공급에 문제가 생겨 피해 인원발생 및 농경지 등의 피해면적의 정도를 나타낸다.
데이터 세부내용
비상급수 현황 - 비상급수 지원 인원 파악
농경지 피해면적 - -논마름, 밭마름 등의 농경지 피해면적 확인
현재 가뭄등급 데이터(가뭄의 세기) - 현재 시점 가뭄 등급 확인(가뭄지수 활용)
표 3은 시급성에 대한 정의로 가뭄으로 인해 생활용수, 농업용수 공급에 문제가 생겨 피해 인원발생 및 농경지 등의 피해면적의 정도를 나타낸다.
데이터 세부내용
가뭄 발생 시기 - 가뭄의 계절별 발생에 따른 대응의 시급성을 파악하기 위한 가뭄발생시기 파악
급수지역 용수수급 자료 - 물부족 영향 인구, 물부족 일수, 물부족 기간 동안의 수급도 등
표 4는 확대가능성에 대한 정의로 가뭄의 확산세가 증가할 가능성, 가뭄 전망으로 가뭄 단계가 상승 또는 하락하는 정도를 나타낸다.
데이터 세부내용
가뭄 예상데이터 - 가뭄 전망 등급의 상승 또는 하락하는 지역 수를 확인하여 확대가능성 파악
표 5는 전개속도에 대한 정의로 가뭄이 전파되는 속도, 가뭄 단계가 다음 단계로 격상 또는 하향하는 정도를 나타낸다.
데이터 세부내용
일단위 가뭄등급 변경 현황 데이터 - 가뭄 등급이 변경하는 지역수를 파악하여 전개속도의 증가 또는 하락 여부 파악
표 6은 지속시간에 대한 정의로 최초 가뭄이 발생하여 종료될 때까지의 기간을 나타낸다.
데이터 세부내용
관심 발령시점 - 가뭄의 단계가 정상에서 관심으로 변경하는 시점부터 일자 파악
표 7은 파급효과에 대한 정의로 가뭄으로 인해 받는 직접적인 피해, 지리적 여건 및 환경요소 등에 의해 발생되는 간접적인 피해의 정도를 나타낸다.
데이터 세부내용
상수도 보급유모 - 상수도 보급지역과 미보급 지역에서의 피해 정도를 과거데이터를 활용하여 현재 피해지역에서의 피해정도 파악
표 8은 국내외 여론에 대한 정의로 가뭄관련 국내외 언론의 보도 및 여론 상황 정도를 나타낸다.
데이터 세부내용
언론보도 횟수 - 가뭄 관련 언론보도 횟수를 파악하여 언론 동정 파악
다음으로, 서버는 재난 상황별로 정의된 위험 수준 지표를 지수화한 위험 지수를 생성한다(S120). 일 실시예로, 서버는 위험 수준 지표의 각 항목에 따라 소정의 등급별로 구분하고, 등급별로 구분된 각 항목에 대하여 지수화된 위험 지수를 생성한다.
즉, 서버는 재난 상황별로 소정의 위험 수준 지표가 정의되면, 위험 수준 지표의 구성요소에 맞게 도출하여 위험 수준을 평가하기 위하여, 각 위험 수준 지표에 대한 값을 정량화하고, 재난의 위험 수준 판단을 위한 각 구성 요소별 재난에서의 위험수준 판단을 위한 데이터를 정리하여 빅데이터 분석을 위한 기본 자료를 구축한다.
서버는 각 지표에 대한 지수를 다음과 같이 정의할 수 있다.
Basic Status
(기본
현황)		 Severity
(심각성)		 Urgency
(시급성)		 Expandability
(확대
가능성		 Deployment speed
(전개
속도)		 Duration
(지속
시간)		 Ripple efect
(파급
효과)		 Opinion
(국내외
여론)		 Result
(예경보
결과)
날짜/장소 0 0 1 1 10 0 20 관심
1 0 2 2 20 1 50 주의
2 1 3 3 20 2 30 경계
3 2 4 4 30 3 60 심각
4 4
- severity(심각성): 생활 및 공업가뭄 단계별 지수화 [정상 0, 관심 1, 주의 2, 경계 3, 심각 4]- urgency(시급성): 계절별 변동 현황에 따라 지수화 [봄(3월 ~5월) 2점, 여름(6월~8월) 1점, 가을(9월~11월) 0점, 겨울(12월~2월) 0점]
- expandability(확대가능성): 단계별 변동 현황에 따라 지수화 [1단계 상승: 1, 2단계 상승: 2, 3단계 상승: 3, 4단계 상승: 4]
- deployment speed(전개속도): 현 시점을 기준으로 1개월 후의 가뭄등급 변화량을 단계별로 지수화 [1단계 상승: 1, 2단계 상승: 2, 3단계 상승: 3, 4단계 상승: 4]
- duration(지속시간): 지속일수 기간으로 표시
- ripple effect(파급효과): 상수도 보급률을 지표화 [ 90% 이상: 0, 80~90%: 1, 70~80%: 2, 60~70%: 3, 60% 이하: 4]
- opinion(국내외 여론): 가뭄뉴스 건수
- result: 예경보 결과 [지도학습을 위한 예경보 결과(관심, 주의, 경계, 심각)를 반영]
다음으로, 서버는 관찰된 재난 상황의 표본에 매칭되는 위험 지수를 산출하고(S130), 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측한다(S140).
구체적으로, 서버는 관찰된 재난 상황의 표본을 결정 트리(Decision)에 기초하여 분류하고(S141), 분류된 표본들을 대상으로 위험 지수의 평균값을 산출한 후(S142), 미리 학습된 회귀 분석 트리(Regression Tree) 기반 알고리즘에 기초하여 위험 지수의 평균값에 상응하는 위험 수준을 예측한다(S143).
여기에서 회귀 분석 트리는 다양한 관찰값에 대한 결과값 예측시 선형 회귀 분석을 사용하지 않고 해당 결정에 이르기까지 관찰된 표본들의 평균값에 기초하여 예측하는 기법이다. 이러한 회귀 분석 트리는 본 발명의 일 실시예에서 제안하는 위험 지수의 평균값에 근거하여 위험 수준을 예측하기 적합한 인공지능 학습 방법으로 사용된다.
또한, 본 발명의 일 실시예는 회귀 분석 트리에 표본 분류에 활용되는 결정 트리를 접목하여, 다양한 위험 수준 지표들에 대한 효율적인 표본 분류를 실행할 수 있는 알고리즘을 제공한다.
도 3은 본 발명의 일 실시예에 적용된 알고리즘의 일 예시를 도시한 도면이다.
본 발명의 일 실시예는 도 3에서와 같이 결정트리 방법을 접목하여 댜앙한 위험 수준 지표들에 대한 효율적인 표본 분류를 실행하고, 각 지표에 대하여 해당 결정에 이르기까지 관찰된 표본들의 평균값에 기초하여 예측하는 기법인 회귀 분석 트리 기법을 사용하여, 다수의 데이터에 대한 예측 속도를 높이고 신속한 판단을 처리할 수 있다.
한편, 본 발명의 일 실시예는 전술한 결정 트리 및 회귀 분석 트리 기반의 알고리즘을 미리 학습시키는 단계를 더 포함할 수 있다.
즉, 서버는 소정의 시간 구간 동안 관찰된 재난 상황에 대하여 예측된 위험 수준의 결과를 수집하고, 소정의 시간 구간 동안의 재난 상황의 표본들을 대상으로 산출된 위험 지수의 평균값과, 위험 수준의 결과에 기초하여 회귀 분석 트리 기반 및 결정 트리 기반의 알고리즘을 학습시킬 수 있다.
이와 같이, 본 발명의 일 실시예는 과거의 수집된 재난 상황 데이터를 기반으로 알고리즘을 지속적으로 학습시킴으로써, 재난 상황별 위험 수준을 보다 정확히 예측할 수 있다는 장점이 있다.
한편, 상술한 설명에서, 단계 S110 내지 S143은 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 변경될 수도 있다. 아울러, 기타 생략된 내용이라 하더라도 도 1 내지 도 3의 내용은 후술하는 도 4의 지능형 재난 안전 경보 발령 시스템(100)에도 적용된다.
도 4는 지능형 재난 안전 경보 발령 시스템(100)을 도시한 블록도이다.
본 발명의 일 실시예에 따른 지능형 재난 안전 경보 발령 시스템(100)은 메모리(110) 및 프로세서(120)를 포함한다.
메모리(110)에는 위험 수준 지표 및 위험 지수에 기초하여 재난 상황에 대한 위험 수준을 예측하기 위한 프로그램이 저장된다.
프로세서(120)는 메모리(110)에 저장된 프로그램을 실행시킴에 따라, 재난 상황별로 소정의 위험 수준 지표를 정의하고, 재난 상황별로 정의된 위험 수준 지표를 지수화한 위험 지수를 생성한 후, 관찰된 재난 상황의 표본에 매칭되는 위험 지수를 산출하고, 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측한다.
이때, 프로세서(120)는 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하고, 관찰된 재난 상황의 표본을 결정 트리(Decision Tree)에 기초하여 분류하고, 분류된 표본들을 대상으로 위험 지수의 평균값을 산출한 후, 미리 학습된 회귀 트리(Regression Tree) 기반 알고리즘 기초하여 위험 지수의 평균값에 상응하는 위험 수준을 예측한다.
이상에서 전술한 본 발명의 일 실시예는, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, Ruby, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 이미지를 저장하는 매체가 아니라 반영구적으로 이미지를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 이미지 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
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 : 지능형 재난 안전 경보 발령 시스템
110: 메모리
120: 프로세서

Claims (1)

  1. 컴퓨터에 의해 수행되는 방법에 있어서,
    재난 상황별로 소정의 위험 수준 지표를 정의하는 단계;
    상기 재난 상황별로 정의된 위험 수준 지표를 지수화한 위험 지수를 생성하는 단계;
    관찰된 재난 상황의 표본에 매칭되는 위험 지수를 산출하는 단계; 및
    상기 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하는 단계를 포함하고,
    상기 관찰된 재난 상황의 표본을 대상으로 미리 학습된 알고리즘에 기초하여 위험 수준을 예측하는 단계는,
    상기 관찰된 재난 상황의 표본을 결정 트리(Decision Tree)에 기초하여 분류하는 단계;
    상기 분류된 표본들을 대상으로 위험 지수의 평균값을 산출하는 단계; 및
    미리 학습된 회귀 트리(Regression Tree) 기반 알고리즘 기초하여 상기 위험 지수의 평균값에 상응하는 위험 수준을 예측하는 단계를 포함하는,
    위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법.
KR1020200155706A 2020-11-19 2020-11-19 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템 KR20220068681A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200155706A KR20220068681A (ko) 2020-11-19 2020-11-19 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200155706A KR20220068681A (ko) 2020-11-19 2020-11-19 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20220068681A true KR20220068681A (ko) 2022-05-26

Family

ID=81809055

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200155706A KR20220068681A (ko) 2020-11-19 2020-11-19 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20220068681A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140028489A (ko) 2012-08-29 2014-03-10 주식회사 시너젠 재난예측 추적시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140028489A (ko) 2012-08-29 2014-03-10 주식회사 시너젠 재난예측 추적시스템 및 방법

Similar Documents

Publication Publication Date Title
Wang et al. A major infrastructure risk-assessment framework: Application to a cross-sea route project in China
CN107180070B (zh) 一种风险信息自动分类、识别与预警方法及系统
CN111275333B (zh) 污染数据处理方法和装置
CN109582529A (zh) 一种报警阈值的设置方法及装置
CN111223027A (zh) 一种城市地震灾害风险评估方法及系统
CN108805407A (zh) 一种基于大数据的电网工程安全评估系统
CN112801473A (zh) 基于自然灾害链的灾害预测方法及系统
CN110337640A (zh) 用于问题警报聚合的方法和系统
CN111310803A (zh) 环境数据处理方法和装置
CN117151478B (zh) 一种基于卷积神经网络的化工企业风险预警方法及系统
KR20220068681A (ko) 위험 수준 지표 분석을 통한 지능형 재난 안전 경보 발령 방법 및 시스템
Gerstner Using Predictive Policing to Prevent Residential Burglary-Findings from the Pilot Project P4 in Baden-Wurttemberg, Germany
CN108536980B (zh) 一种考虑可靠性因素的气体探测器离散选址优化方法
KR102342192B1 (ko) 빅데이터 기반의 재난 발생 위험도 예측장치 및 방법
Lee et al. Intelligent disaster safety warning system through risk level analysis
Amendola Management of change, disaster risk, and uncertainty: an overview
Mavrakis et al. Predicting the occurrence of natural and technological disasters in Greece through Verhulst, multinomial and exponential models
Li et al. Research on mine safety situation prediction model: the case of gas risk
KR102450851B1 (ko) 재난 위기 경보 정보의 시각화 방법 및 시스템
JP7344935B2 (ja) マンホールポンプの監視システム
KR102374541B1 (ko) 상황별 의사결정 지원 시스템
TWI809635B (zh) 理賠詐欺偵防系統及利用所述系統評估保險理賠詐欺風險的方法
Hota et al. Social Science Perspectives on Natural Hazards Risk and Uncertainty
US20240127385A1 (en) Systems and methods for analyzing and mitigating community-associated risks
KR20220126987A (ko) 상황별 의사결정 지원 시스템을 위한 데이터베이스 구축방법