KR20220082445A - 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법 - Google Patents

Abstract

본 발명은 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법에 관한 것으로서, 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터는, 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 저장부, 및 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 저장부에 저장시키고, 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 제어부를 포함할 수 있다.

Description

범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법{Simulator for Crime Response and Driving Method Thereof}

본 발명은 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법에 관한 것으로서, 더 상세하게는 가령 가상 환경에서의 학습 데이터뿐 아니라 실제 환경에서의 학습 데이터를 이용해 범죄 대응을 위한 강화 학습을 설계하려는 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법에 관한 것이다.

컴퓨터 기술의 고도화에 따라 컴퓨터가 사람과 마찬가지로 여러 가지 지능적인 작업을 수행하게 됨에 따라 컴퓨터에 의해 수행되는 지능적인 작업을 인공지능이라는 측면에서 바라보기 시작했다. 인공지능 종사자를 중심으로 인공지능이 단순한 실용적 유용성 이상의 가치를 가진다는 생각이 퍼지기 시작했다. 즉 인공지능이 마음의 이해와 직·간접의 연관을 가질 수 있다고 생각하기 시작한 것이다. 인공지능은 인공적으로 지능을 실현하는 기술, 혹은 과학으로 정의된다. 이럴 경우 지능은 무엇인가 하는 의문과 지능을 인공적으로 실현하는 것이 가능한가 하는 기술적 의문이 따른다. 인공지능은 인간처럼 지적으로 행동하는 컴퓨터 프로세스로도 정의되기도 하지만 인간행동을 모방할 수 있는 지적 프로세스로 정의할 경우, 인공지능이 인간보다 더 우월한 능력을 보일 단계가 되면 난감한 문제가 생긴다.

인공지능 이용 범죄예측 기법과 불심검문 등에의 적용에 관한 고찰 215 인공지능 연구는 1943년경 미국을 중심으로 시작되었지만, 과도했던 기대감이 사그라들고, 미국정부의 자금지원 중단 등으로 인해 1970년도에 이르러서도 인공지능은 학술적 연구에만 머무르는 수준이었다. 1980년경에 이르러 기술적 장벽이 극복되고, 재정적 지원이 확충되면서 새로운 돌파구가 생기게 되었으며, 바로 Neural Computing의 구현이다. Neural Computing과 같은 획기적 인공지능 기술 등이 등장하고, 최근 머신러닝(Machine Learning)을 넘어 딥러닝(Deep Learning) 기술이 일반화되면서 인공지능도 새로운 전기를 맞게 되었다. 또 빅 데이터의 등장은 Machine Learning 기법의 구현에 큰 역할을 하였다. 인공지능의 머신러닝과 빅 데이터를 결합하면, SF영화에서 보는 것처럼 사람과 비슷한 생각을 갖고, 사람과 의사소통이 가능하며 심지어는 사람을 지배하려고 하는 인공지능(artificial intelligence)의 등장도 불가능한 것은 아니라는 견해까지 있다.

이러한 추세에 부응하여 최근들어 인공지능을 이용한 범죄자를 만들어서 범죄를 발생시키고 경찰이 해결해 나가게 하여 범죄를 미연에 방지하며, 범죄 발생시 빠른 상황 대처로 인명 손실을 최소화하여 범죄를 빠르게 해결하려는 방안이 절실히 요구되고 있다.

한국등록특허공보 제10-2145614호(2020.08.11) 한국공개특허공보 제10-2017-0098281호(2017.08.29)

본 발명의 실시예는 가령 가상 환경에서의 학습 데이터뿐 아니라 실제 환경에서의 학습 데이터를 이용해 범죄 대응을 위한 강화 학습을 설계하려는 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법을 제공함에 그 목적이 있다.

본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터는, 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 저장부, 및 상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 제어부를 포함한다.

상기 제어부는 상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하고 예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공할 수 있다.

상기 제어부는, 상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성할 수 있다.

상기 제어부는, 상기 외부장치로서 상기 훈련자가 착용하는 VR(Virtual Reality) 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신할 수 있다.

상기 제어부는, 디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하고, 상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성할 수 있다.

상기 제어부는, 상기 콘텐츠상에 기설정되는 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 근거로 상기 디스플레이부의 화면상에 상기 콘텐츠를 구현할 수 있다.

또한, 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 구동방법은 저장부가, 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 단계, 및 제어부가, 상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 단계를 포함한다.

상기 구동방법은, 상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하는 단계, 및 예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공하는 단계를 더 포함할 수 있다.

상기 반영하는 단계는, 상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성할 수 있다.

상기 반영하는 단계는, 상기 외부장치로서 상기 훈련자가 착용하는 VR 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신할 수 있다.

상기 구동방법은, 디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하는 단계, 및 상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성하는 단계를 더 포함할 수 있다.

상기 구동방법은, 상기 콘텐츠상에 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 설정하는 단계를 더 포함하며, 상기 디스플레이부의 화면상에 상기 복수의 시나리오를 설정된 상기 콘텐츠를 구현할 수 있다.

본 발명의 실시예에 따르면 가령 인공지능을 이용한 범죄자를 만들어 범죄를 발생시키고 이를 경찰이 훈련을 통해 해결해 나갈 수 있게 되어 범죄를 미연에 방지하거나, 범죄 발생시 빠른 상황 대처로 인명 손실을 최소화하여 범죄에 빠른 해결이 가능할 수 있을 것이다.

도 1은 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램,
도 2는 본 발명의 다른 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램,
도 3은 LSTM 예측 알고리즘의 동작 과정을 설명하기 위한 도면, 그리고
도 4는 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 구동과정을 나타내는 흐름도이다.

이하, 도면을 참조하여 본 발명의 실시예에 대하여 상세히 설명한다.

도 1은 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램이다.

도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터(이하, 시뮬레이터)(90)는 통신 인터페이스부(100), 제어부(110), 범죄행위처리부(120) 및 저장부(130)의 일부 또는 전부를 포함하며, 디스플레이부 및 사용자 인터페이스부 등의 일부 또는 전부를 더 포함할 수 있다.

여기서, "일부 또는 전부를 포함"한다는 것은 디스플레이부와 같은 일부 구성요소가 터치패널을 포함함으로써 사용자 터치와 같은 인터페이스를 제공할 수 있기 때문에 사용자 인터페이스부와 같은 일부 구성요소가 생략되어 시뮬레이터(90)가 구성되거나, 범죄행위처리부(120)와 같은 일부 구성요소가 제어부(110)와 같은 다른 구성요소에 통합되어 구성될 수 있는 것 등을 의미하는 것으로서, 발명의 충분한 이해를 돕기 위하여 전부 포함하는 것으로 설명한다.

통신 인터페이스부(100)는 시뮬레이터(90)의 주변에 구비되는 주변장치(혹은 외부장치)와 통신을 수행한다. 여기서, 주변장치는 가령 시뮬레이터(90)에 본 발명의 실시예에 따른 범죄 대응을 위한 (영상)콘텐츠를 제작하여 저장하기 위한 컴퓨터 등을 포함할 수 있으며, 또는 시뮬레이터(90)로부터 콘텐츠를 제공받아 가상의 공간상에서 모의 훈련을 수행하는 컴퓨터, 또는 사용자의 태블릿PC나 스마트폰 등을 포함할 수도 있으며, 나아가 가령 오프라인상의 실제 환경에서 모의 훈련을 수행하기 위해 훈련자가 착용하는 HMD(Head Mounting Display) 등의 VR 장치를 포함한다.

통신 인터페이스부(100)는 어떠한 주변장치와 연동하도록 설정되었는지에 따라 다양한 동작을 수행할 수 있다. 무엇보다 본 발명의 실시예에 따른 통신 인터페이스부(100)는 가상의 공간(혹은 온라인상)에서 컴퓨터 프로그래머, 또는 범죄 대응을 위한 콘텐츠를 제작하는 제작자, 또는 모의 훈련을 수행하는 경찰이나 군인 등에 의해 생성되는 학습 데이터(혹은 제1 학습 데이터)를 근거로 실제 환경에서 모의 훈련을 수행하는 훈련자의 VR 장치 즉 외부장치로 제1 학습 데이터를 제공한다. 더 정확하게는 제1 학습 데이터가 반영되는 콘텐츠를 제공할 수 있다. 따라서 제1 학습 데이터는 기저장된 콘텐츠와 함께 제공되는 것도 얼마든지 가능할 수 있으며, 이미 VR 장치에 콘텐츠가 저장되어 있는 경우에는 학습 데이터만 전송될 수도 있다.

본 발명의 실시예에서 "학습 데이터"라 함은 범죄 대응을 위해 유의미한 데이터라 볼 수 있다. 예를 들어, 가상의 범죄자와 가상의 훈련자들의 행동에 대하여 가상 공간에서의 게임 등을 통한 모의 훈련을 통해 동작 데이터를 수집하고 이를 통해 행동을 학습하며 행동의 성공, 실패 등을 통해 행동을 분석한다. 그리고 그 결과에 따라 행동을 결정하며, 이러한 과정을 통해 생성된 데이터를 학습 데이터로 저장 및 활용하게 된다. 물론 콘텐츠가 실행되는 최초에는 가상 범죄자의 행동에 대한 몇가지 시나리오가 기설정될 수 있으며, 이를 근거로 가상 훈련자의 대응을 콘텐츠로서 모의 훈련을 수행하고, 그 결과를 분석하여 학습 데이터를 생성할 수 있는 것이다.

이와 같이, 통신 인터페이스부(100)는 초기에는 가상 범죄자와 가상 훈련자에 대한 행동의 몇가지 시나리오에 따라 생성되는 학습 데이터를 VR 장치와 같은 주변의 외부장치로 제공할 수 있지만, 이후에 실제 환경에서 훈련자에 의해 생성된 학습 데이터(혹은 2차 데이터)가 누적되는 경우에는 누적된 제1 및 제2 학습 데이터에 모두 근거하여 모의 훈련을 위한 콘텐츠를 화면상에 구현할 수 있다.

상기한 바와 같이, 본 발명의 실시예에 따른 통신 인터페이스부(100)는 가상의 공간에서 가상 범죄자와 가상 훈련자를 통해 학습 데이터를 생성하기 위한 동작뿐 아니라, 그 생성한 학습 데이터를 근거로 실환경에서 이루어진 모의 훈련에 대한 데이터를 수집하여 또다른 학습 데이터를 생성하기 위한 동작을 수행한다. 예를 들어, 제1 학습 데이터를 생성하기 위한 가상 범죄자와 가상 훈련자, 더 정확하게는 가상 훈련자를 대신하는 사용자 주체, 그리고 실제 환경에서 모의 훈련을 수행하는 훈련자는 다르다. 다시 말해, 위의 가상의 훈련자는 콘텐츠 제작자가 될 수도 있지만, 실제 환경에서의 훈련자는 반드시 경찰이나 군인이 될 수 있다.

이러한 점에서 학습 데이터의 성격은 다소 상이할 수 있으며, 최초의 제1 학습 데이터는 가령 인공지능(AI)을 실행시키기 위한 최소한의 학습 데이터의 역할을 수행할 수 있으며, 인공지능 프로그램은 그 최소한의 학습 데이터를 근거로 새로운 학습 데이터를 누적하면서 강화된 학습을 수행할 수 있게 된다. 여기서, 실제 환경은 경찰이나 군인 등의 훈련자가 모의 훈련을 위한 임의 공간상에서 가령 VR 장치를 착용하고, 실제 현장에서 사용하는 것과 같이 무장(예: 테이저건, 진압봉 등)하되, 2차 학습 데이터의 생성을 위하여 센서를 몸에 부착하거나, 또는 해당 훈련자들의 행동을 감시하는 카메라 등의 다양한 장치가 주변에 구성되어 있는 곳을 의미한다. 예를 들어, 훈련자들의 몸에 블루투스 장치 등을 착용하도록 하고, 이를 주변의 스캐너 등에서 신호를 수신하여 신호 분석을 통해 훈련자들의 위치나 행동 등을 판단할 수 있으므로, 다양한 장치가 사용될 수 있다.

제어부(110)는 도 1의 통신 인터페이스부(100), 범죄행위처리부(120) 및 저장부(130)의 전반적인 제어 동작을 수행한다. 예를 들어, 제어부(110)는 사용자의 요청이 있는 경우 가령 저장부(130)에 기저장되어 있는 범죄 대응을 위한 콘텐츠를 실행하여 디스플레이 등에 화면을 구현할 수 있다. 물론 콘텐츠의 구현은 시뮬레이터(90)가 구비하는 모니터뿐 아니라, 주변의 컴퓨터나 스마트폰 등을 통해서도 얼마든지 구현이 될 수 있으므로, 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다.

본 발명의 실시예에서는 시뮬레이터(90)가 모니터 등의 디스플레이부와 조이스틱 등의 사용자 인터페이스부를 포함하여 구성될 수 있다. 이의 경우 제어부(110)는 콘텐츠를 재생하여 디스플레이부의 화면에 구현하며, 조이스틱 등을 통해 수신되는 사용자의 제어명령을 근거로 가상 범죄자에 대한 가상 훈련자의 동작을 인식하게 되며, 이를 근거로 가상 훈련자에 대한 학습 데이터를 생성할 수 있다. 예를 들어, 콘텐츠의 실행 초기에는 가상 범죄자와 가상 훈련자의 행동에 대한 몇가지 시나리오가 기설정될 수 있다. 이를 근거로 가상 공간상에서의 모의 훈련을 통해 다양한 가상 범죄자와 가상 훈련자에 대한 데이터를 축적하면서 학습 데이터의 신뢰를 높여갈 수 있다. 콘텐츠상에서 가상 범죄자의 행동은 결정될 수 있지만, 가상 범죄자의 경우에도 인공지능 프로그램을 통해 가상 훈련자의 행동을 근거로 계속해서 진화할 수 있는 것이므로, 이러한 과정을 통해 인공지능을 이용한 범죄자가 만들어진다고도 볼 수 있다. 따라서, 가상 범죄자의 경우 계속해서 진화하므로 가상 훈련자를 대신하는 사용자(가령, 경찰, 군인 등)가 진화하게 되는 것은 당연하다고 볼 수 있다. 또한 그 반대도 마찬가지이다.

제어부(110)는 예를 들어, 주변의 모의 훈련을 위한 공간상에서 외부장치로부터 모의 훈련을 위한 요청이 있는 경우, 주변의 외부장치, 가령 훈련자가 착용하는 VR 장치로 기저장된 제1 학습 데이터를 근거로 하는 콘텐츠를 실시간으로 전송할 수 있다. 예를 들어, 동일한 배경이 콘텐츠상에 구현된다 하더라도 훈련자의 대응에 따라 범죄자의 행동 또한 달라질 수 있다. 제어부(110)는 외부장치와의 통신에 의해 실제 환경에서 훈련자들에 의한 동작 데이터 등을 수집하여 이를 분석하고 학습 데이터를 생성한 후 훈련에 의해 생성되는 학습 데이터를 지속적으로 증가시킬 수 있다. 물론 제어부(110)는 통신 인터페이스부(100)에서 수신되는 훈련자들의 동작 데이터를 저장부(130)에 저장한 후, 또는 현재 구현되는 화면의 상황에 대한 상황 데이터(혹은 화면 데이터)와 함께 동작 데이터를 저장한 후 해당 데이터를 범죄행위처리부(120)에 제공하여 학습 데이터의 생성을 요청할 수 있다.

범죄행위처리부(120)는 가상뿐 아니라 실제 환경에 대한 학습 데이터를 생성하기 위한 동작을 수행한다. 즉 2개의 루트로 데이터를 수집하고, 수집한 데이터를 누적 및 분석하여 계속해서 학습 데이터를 생성해 나간다. 여기서, 하나의 루트는 가상 공간에서의 모의 훈련을 통한 데이터 수집이며, 다른 하나는 임의 공간에 구성되는 오프라인상의 모의 훈련장을 통해 데이터가 수집되는 루트이다. 콘텐츠의 실행 초기에 가상 범죄자와 가상 훈련자에 대한 행동은 몇가지 시나리오가 제공된다. 즉 콘텐츠에 반영되어 기제작된다. 범죄행위처리부(120)는 초기 학습시에는 가상 범죄자와 가상 훈련자의 상황에 대한 모의 훈련을 통해서 범죄 상황에 대한 학습 데이터를 쌓는다. 그리고 축적된 학습 데이터를 기반으로 실제 훈련자의 훈련에 이용한다. 또한 범죄행위처리부(120)는 훈련자의 (대응) 행동에 대한 데이터도 쌓아 가상뿐 아니라 실제 상황에 대한 학습 데이터의 신뢰도를 높여 나간다.

범죄행위처리부(120)는 인공지능 프로그램을 포함할 수 있으며, 이를 통해 누적되는 데이터 즉 빅데이터를 분석하고, 콘텐츠상의 가상 범죄자에 대한 범죄를 자동으로 발생시킬 수 있고, 또한 이러한 범죄는 누적된 학습 데이터를 근거로 진화시킬 수 있다. 이를 통해 본 발명의 실시예에 따른 시뮬레이터(90)는 미래에 있을 범죄자의 범죄 행위를 인공지능을 통해 예측할 수 있으며, 이에 신속하게 대처하기 위해 모의 훈련 등을 수행함으로써 범죄 발생시에도 빠른 상황 대처가 이루어지도록 할 수 있다. 자세한 내용은 이후에 좀더 다루기로 한다.

저장부(130)는 범죄에 대응하기 위해 기제작된 콘텐츠를 저장할 수 있으며, 제어부(110)의 제어에 따라 해당 콘텐츠를 실행시킬 수 있다. 물론 이러한 콘텐츠는 범죄행위처리부(120)에 저장되어 실행될 수도 있으므로, 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다. 또한, 저장부(130)는 가상 공간에서 이루어지는 가상 범죄자에 대한 가상 훈련자의 동작 데이터 즉 범죄대응 데이터를 저장할 수 있으며, 제어부(110)의 요청에 따라 저장된 해당 데이터는 학습 데이터의 생성을 위해 범죄행위처리부(120)로 제공될 수 있다.

한편, 본 발명의 변형된 실시예로서 제어부(110)는 CPU 및 메모리를 포함할 수 있으며, 원칩화하여 형성될 수 있다. CPU는 제어회로, 연산부(ALU), 명령어해석부 및 레지스트리 등을 포함하며, 메모리는 램을 포함할 수 있다. 제어회로는 제어동작을, 그리고 연산부는 2진비트정보의 연산동작을, 그리고 명령어해석부는 인터프리터나 컴파일러 등을 포함하여 고급언어를 기계어로, 또 기계어를 고급언어로 변환하는 동작을 수행할 수 있으며, 레지스트리(registry)는 소프트웨어적인 데이터 저장에 관여할 수 있다. 상기의 구성에 따라, 가령 도 1의 시뮬레이터(90)의 동작 초기에 범죄행위처리부(120)에 저장되어 있는 프로그램을 복사하여 메모리 즉 램(RAM)에 로딩한 후 이를 실행시킴으로써 데이터 연산 처리 속도를 빠르게 증가시킬 수 있다.

도 2는 본 발명의 다른 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램이며, 도 3은 LSTM 예측 알고리즘의 동작 과정을 설명하기 위한 도면이다.

도 2에 도시된 바와 같이, 본 발명의 다른 실시예에 따른 범죄 대응을 위한 시뮬레이터(90')는 데이터 수집부(200), 머신러닝부(210) 및 학습데이터 관리부(220)의 일부 또는 전부를 포함하며, 여기서 "일부 또는 전부를 포함"한다는 것은 앞서서의 의미와 동일하다.

본 발명의 실시예에 따른 데이터 수집부(200), 머신러닝부(210) 및 학습데이터 관리부(220)는 하드웨어(H/W), 소프트웨어(S/W) 또는 그 조합에 의해 구성될 수 있으므로, 어느 하나의 형태에 특별히 한정하지는 않을 것이다.

데이터 수집부(200)는 가상 환경(97)을 통해 데이터를 수집하고, 또 실(제) 환경(99)을 통해 데이터를 수집한다. 다시 말해, 본 발명의 실시예에 따른 데이터 수집부(200)는 학습 데이터의 생성을 위하여 서로 다른 루트(route)를 통해 데이터 수집이 이루어진다. 여기서, 수집되는 데이터는 앞서 언급한 대로 게임과 같이 콘텐츠를 화면상에 구현하고 이에 대응하는 가상 훈련자에 의한 대응 데이터를 포함할 수 있으며, 또 주변에서 모의 훈련을 수행하는 훈련자의 VR 장치 등으로 콘텐츠를 전송하여 이에 대응하는 실 환경에서의 훈련자의 대응 데이터를 포함한다. 가령, 전자는 조이스틱(혹은 화면상의 제어버튼) 등의 조작에 의해 생성되는 것이라면, 후자는 실제 범죄 환경에서 훈련자가 동일하게 무장하고 훈련을 수행하는 것이므로, VR 장치에서 구현되는 범죄환경이나 범죄자에 대응하는 훈련자의 움직임, 또 훈련자가 소지하는 총기(예: 테이저건 등) 등의 조작에 대한 대응 데이터라는 점에서 차이가 있다.

따라서, 데이터 수집부(200)는 실 환경에서의 훈련자들의 데이터를 수신하기 위하여 다양한 장치로부터 센싱 데이터 등을 수신할 수 있다. 앞서 언급한 대로 훈련자들의 몸에 부착되는 센서 등으로부터는 센싱데이터를 수집할 수 있지만, 주변에 통신장치로서 스캐너 등을 구비하는 경우에는 해당 스캐너 등을 통해 센싱데이터를 수신할 수 있다. 여기서, 센싱 데이터는 훈련자들의 움직임이나 범죄에 대응하기 위하여 사용하는 총기 등의 사용 등과 관련한 데이터를 포함할 수 있다. 본 발명의 실시예에서는 이러한 데이터를 범죄에 대응하는 데이터라는 점에서 (범죄)대응 데이터라 명명할 수 있다. 또는 동작 데이터라 명명할 수도 있다.

데이터 수집부(200)에서 수집되는 데이터는 머신러닝부(210)로 제공된다. 머신러닝부(210)는 가령 본 발명의 실시예에 따른 인공지능 프로그램을 포함하고 이를 실행시킬 수 있다. 수집된 데이터(혹은 저장부에 누적된 데이터)를 근거로 범죄자나 훈련자의 행동을 학습하고, 물론 행동은 다양한 행동을 학습할 수 있다. 예를 범죄자가 칼을 소지하는 경우 이에 따라 훈련자의 대응 데이터를 근거로 행동을 인식하고 학습할 수 있다. 예를 들어, 동일한 범죄자의 행동이라 가정해도 훈련자의 대응은 다양할 수 있으므로, 대응 데이터를 통해 이를 학습할 수 있다. 이와 같이 머신러닝부(210)는 행동의 성공 및 실패와 관련되는 데이터를 근거로 행동을 분석하고, 행동을 결정한다. 통상 룰(rule) 기반의 경우에는 행동의 성공 및 실패 등과 관련되는 데이터를 기설정하고 이에 부응하면 결과를 출력해 주지만, 또는 결과가 없으면 결과가 없음(false)을 출력하지만, 인공지능의 경우에는 룰 기반의 동작 이외에도 예측 동작을 수행하므로 항시 출력을 제공하게 된다. 따라서 수집된 데이터를 근거로 어떠한 경우에도 행동이 결정되는 것이며, 이러한 데이터는 학습데이터 관리부(220)로 제공될 수 있다.

상기의 내용에 근거해 볼 때, 머신러닝부(210)는 행동학습부(211), 행동분석부(213), 행동성공/실패부(혹은 행동정보 저장부)(215) 및 행동결정부(217)의 일부 또는 전부를 포함할 수 있다. 여기서, 행동학습부(211), 행동분석부(213), 행동성공/실패부(215) 및 행동결정부(217)는 SW 모듈의 형태로 구성될 수 있지만, 하드웨어 형태로 구성되는 것도 얼마든지 가능할 수 있다. 따라서, SW 모듈의 경우 저장부는 레지스트리가 될 수 있다.

예를 들어, 도 2의 머신러닝부(210) 또는 행동분석부(213)로서 도 3에서는 LSTM(Long Short-Term Memory) 기반의 AI 알고리즘을 적용한 범죄 행위 분석 및 예측 시스템을 보여주고 있다. LSTM 기반의 AI 알고리즘을 적용하여 과거의 범죄행위를 누적하여 현재 상태 및 미래에 대한 예측 결과를 도출할 수 있다. 이를 위하여 데이터를 축적하고 분석하게 된다. 도 3에서 볼 때, LSTM 예측 알고리즘을 보면, 1번째 입력값 즉 사용자 측정값을 근거로 1번째 결과값 즉 평가 데이터를 출력하고, 2번째 입력값을 누적하여 그에 따른 2번째 결과값을 출력하며, 이러한 과정은 무한 반복되어 정확한 결과값의 예측이 가능해진다. 활용할 수 있는 데이터가 많아지면 많아질수록 그만큼 그 결과의 객관성 즉 신뢰성이 담보된다고 볼 수 있다. 이와 대조적으로 룰 기반의 방식을 보면, 기설정된 데이터를 기반으로 동일한 입력이 있을 때에만 동일한 출력을 제공한다는 점에서 예측 동작을 수행하는 AI 알고리즘과는 매우 상이하다고 볼 수 있다.

학습데이터 관리부(220)는 러닝머신부(210)에서 제공되는 학습 데이터를 체계적으로 분류하고 저장할 수 있으며, 가령 콘텐츠의 실행시 해당 학습 데이터를 근거로 가상 범죄자의 행동이 이루어지도록 하고, 실제 모의 훈련의 환경에서도 훈련자의 행동에 따라 범죄자의 행동이 이루어지도록 할 수 있다.

도면에 별도로 도시하지는 않았지만, 본 발명의 다른 실시예에 따른 시뮬레이터(90')는 전반적인 제어 동작을 담당하는 SW 모듈 형태의 매니저(혹은 호스트)를 더 포함할 수도 있다. 이에 따라 가령 가상훈련을 위해 콘텐츠의 실행을 요청하는 경우, 매니저(manager)는 해당 요청에 따라 콘텐츠를 실행하면서 가상 훈련자의 대응에 따라 콘텐츠상에 가상 범죄자의 행동을 구현할 수 있다. 물론 이러한 콘텐츠상의 행동은 학습데이터 관리부(220)에 저장 및 관리되는 학습 데이터를 근거로 이루어질 수 있다.

상기한 내용 이외에도 본 발명의 다른 실시예에 따른 시뮬레이터(90')는 다양한 동작을 수행할 수 있으며, 기타 자세한 내용은 앞서 도 1을 통해서도 충분히 설명하였으므로 그 내용들로 대신하고자 한다.

도 4는 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 구동과정을 나타내는 흐름도이다.

설명의 편의상 도 4를 도 1과 함께 참조하면, 본 발명의 실시예에 따른 도 1의 범죄 대응을 위한 시뮬레이터(90)는 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장한다(S400). 해당 콘텐츠 내에서는 콘텐츠의 실행시 구현되는 가상 범죄자와 가상 훈련자를 포함할 수 있으며, 콘텐츠의 실행 초기에는 가상 범죄자와 가상 훈련자에 대한 행동은 몇가지 시나리오가 기설정되어 제공될 수 있다.

또한, 시뮬레이터(90)는 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 저장부에 저장시키고, 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영한다(S410).

예를 들어, 앞서 도 3을 통해 살펴본 바와 같이, 학습 데이터가 지속적으로 누적되고 이의 데이터를 인공지능을 통해 분석함으로써 미래에 특정 범죄자의 행동을 예측할 수 있으며, 그 예측에 따른 범죄자의 행동을 사전에 모의 훈련을 통해 지속적으로 훈련하게 됨으로써 특정 범죄를 미연에 방지하거나, 범죄 발생시에도 빠른 상황 대처로 인명 손실을 최소화할 수 있을 것이다.

범죄의 경우는 대표적으로 환경 변화가 범죄자의 지능 범죄를 가능하게 할 수 있다. 예를 들어, 범죄를 발생시키는 특정 구역에 감시를 위한 CCTV가 설치되는 경우를 가정해 보자. 범죄자는 해당 CCTV를 인식하고 또다른 방식으로 범죄를 유발할 수 있다. 따라서, 인공지능은 이러한 CCTV와 관련되는 새로운 환경변수가 학습데이터로 사용될 때 이를 근거로 데이터를 분석하여 범죄자의 새로운 범죄 유형을 예측할 수 있다. 그러나, 기존의 룰 기반의 경우에는 사용자가, 또는 프로그램 설계자가 새로운 환경 변수로서 CCTV를 데이터로 설정하고, 또 그에 관련되는 범죄 유형을 설정하지 않는 이상 CCTV의 설치에 대한 진화된 범죄를 예방할 수는 없으므로 이러한 측면에서 본 발명의 실시예는 매우 유용할 수 있으며, 특히 가상 훈련과 실제 훈련상에 수집되는 데이터를 통해 학습을 강화함으로써 학습 데이터의 신뢰도를 높여 미래의 범죄환경에 신속하게 대응할 수 있을 것이다.

상기한 내용 이외에도 본 발명의 실시예에 따른 시뮬레이터(90, 90')는 다양한 동작을 수행할 수 있으며, 기타 자세한 내용은 앞서 충분히 설명하였으므로 그 내용들로 대신하고자 한다.

한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.

여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.

이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.

100: 통신 인터페이스부 110: 제어부
120: 범죄행위처리부 130: 저장부
200: 데이터 수집부 210: 머신러닝부
220: 학습데이터 관리부

Claims (12)

1. 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 저장부; 및
   상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 제어부;를
   포함하는 범죄 대응을 위한 시뮬레이터.
2. 제1항에 있어서,
   상기 제어부는 상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하고 예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공하는 범죄 대응을 위한 시뮬레이터.
3. 제2항에 있어서,
   상기 제어부는, 상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성하는 범죄 대응을 위한 시뮬레이터.
4. 제3항에 있어서,
   상기 제어부는, 상기 외부장치로서 상기 훈련자가 착용하는 VR(Virtual Reality) 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신하는 범죄 대응을 위한 시뮬레이터.
5. 제1항에 있어서,
   상기 제어부는, 디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하고, 상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성하는 범죄 대응을 위한 시뮬레이터.
6. 제5항에 있어서,
   상기 제어부는, 상기 콘텐츠상에 기설정되는 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 근거로 상기 디스플레이부의 화면상에 상기 콘텐츠를 구현하는 범죄 대응을 위한 시뮬레이터.
7. 저장부가, 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 단계; 및
   제어부가, 상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 단계;를
   포함하는 범죄 대응을 위한 시뮬레이터의 구동방법.
8. 제7항에 있어서,
   상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하는 단계; 및
   예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공하는 단계;를
   더 포함하는 범죄 대응을 위한 시뮬레이터의 구동방법.
9. 제8항에 있어서,
   상기 반영하는 단계는,
   상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성하는 범죄 대응을 위한 시뮬레이터의 구동방법.
10. 제9항에 있어서,
    상기 반영하는 단계는,
    상기 외부장치로서 상기 훈련자가 착용하는 VR 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신하는 범죄 대응을 위한 시뮬레이터의 구동방법.
11. 제7항에 있어서,
    디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하는 단계; 및
    상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성하는 단계;를
    더 포함하는 범죄 대응을 위한 시뮬레이터의 구동방법.
12. 제11항에 있어서,
    상기 콘텐츠상에 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 설정하는 단계;를 더 포함하며,
    상기 디스플레이부의 화면상에 상기 복수의 시나리오를 설정된 상기 콘텐츠를 구현하는 범죄 대응을 위한 시뮬레이터의 구동방법.

Images