KR20230044053A - 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이 및 시스템 - Google Patents

Abstract

본 발명의 일실시예에 의한 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)의 제어 방법은, 상기 적어도 하나의 건축물내 또는 주변에 설치된 수신기로부터 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 수신하는 단계와, 상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터 및 적어도 하나의 서버(server)와의 통신에 기초하여, 상기 적어도 하나의 건축물의 화재 발생 여부를 1차 판단하는 단계와, 상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터 및 상기 적어도 하나의 서버와의 통신에 기초하여, 상기 적어도 하나의 건축물내 설치된 온도 감지기 및 연기 감지기의 리페어(repair) 필요 여부를 2차 판단하는 단계와, 상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 화재 발생 위치 정보, 구조자 재실 정보 또는 화재 확대 예측 경로 정보 중 적어도 하나를 소방서 대응 통신 모듈에 전송하는 단계와, 그리고 상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 피난 경로 정보를 적어도 하나의 모바일 디바이스로 전송하는 단계를 포함한다.

Description

적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이 및 시스템{INTEGRATED GATEWAY FOR TOTALLY MANAGING FIRE IN AT LEAST ONE HOUSING AND SYSTEM FOR CONTROLLING INTEGRATED GATEWAY}

본 발명은 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway), 시스템 및 관련 제어 방법에 대한 것이다. 특히, 인공 지능 (Artificial Intelligence) 기반으로 화재 안전 시스템을 구축하기 위한 모든 기술 분야에 적용 가능하다.

자동화재탐지 설비(Automatic alarm system)는 화재에 의해 발생되는 열, 연기 또는 화염(불꽃, 빛)에 대하여 감지기가 스스로 화재를 인식하고 벨 또는 사이렌 등에 의한 음향장치를 작동하게 하여 초기 소화 및 피난을 가능하게 하는 설비 등을 의미한다.

특히, 2021년 4월 1일 시행된 “화재예방, 소방시설 설치, 유지 및 안전관리에 관한 법률 시행령” 등에서는 단독주택, 연립주택, 다세대주택 등에 대해서도 경보형 감지기 등을 설치하도록 요구하고 있다.

다만, 종래 기술에 의한 자동화재탐지 설비는 오작동으로 비화재보(실제 화재가 아닌데 경보가 울리는 경우)가 자주 발생하는 문제점이 있었다. 이로 인하여, 소방인력이 불필요하게 긴급출동 하게 되고, 실제 화재 대비에도 악영향을 줄 수가 있다.

이와 같은 비화재보는 특히 장마철에 화재감지기 오동작으로 인해 발생하는 경우가 많다. 물론, 장마철 시즌이 아닌 경우에도, 다른 환경적 요인(취사시 발생한 연기, 담배연기, 습기, 수증기, 온열기, 온풍기 등) 또는 기계적 요인(화재감지기 제품상 문제(노후, 불량 등), 선로 문제 등) 등으로 오동작이 빈번하게 발생하는 문제점이 있었다. 그리고, 이는 비단 우리나라 뿐만 아니라, 미국, 일본, 유럽 등 다른 선진국에서도 유사한 문제가 반복되고 있어서, 이를 해결하기 위한 솔루션이 강하게 요구되고 있는 실정이다.

이와 같은 비화재보가 반복되면, 정작 화재가 발생한 상황에서 일반인들의 대처 감각이 무뎌지게 되며, 이로 인하여 감지기 및 수신기를 완전히 꺼버리는 사례로 인하여 실제 화재시 심각한 피해가 발생하는 문제점도 있었다.

나아가, 종래 기술에 의한 화재안전 시스템은 화재감지기가 고장 나거나 또는 누군가 감지기 본체가 작동하지 않도록 조치해 두어도 수신기에서는 이를 알 수 없는 문제점이 있었다.

또한, 소방시설에 대한 점검은 법적으로 1년 1회 이상 점검 및 관리하도록 규정되고 있어서, 실시간으로는 소방시설 점검이 이루어 지지 못하는 문제점이 있었다.

한편, 종래 기술에 의하면, 화재 경보가 실내에서 자동으로 이루어 져도, 관리 주체, 재실자 및 소방서(119) 등에 실시간으로 화재 정보를 제공하지 않고 있어서, 화재 진압이 지연되고 재실자의 피난 활동 역시 지연되어 심각한 피해를 초래하는 경우가 많았다.

마지막으로 가장 큰 문제는, 현재의 화재 안전 시스템에 의하면, 실내에 있는 사람의 눈으로 만으로는 화재 관련 정보를 식별하기 어려운 상황(화재 상황인지 아닌지 애매한 경우 등)에서, 화재 경보기를 꺼야 할지, 119 등의 소방서에 신고를 할지 여부를 사람이 정확하게 파악하기가 어렵다.

본 발명은 전술한 다양한 문제점들을 모두 해결하기 위해 도출되었다.

본 발명의 일실시예는, 화재감지 센서 데이터를 수집, 저장하고 룰 베이스드(rule-based)의 데이터 분석 등을 통해 화재를 감지하고, AI 기반의 모델 분석 등을 통해 화재를 감지할 수 있는 게이트웨이 및 시스템을 제공하고자 함을 주요 목적으로 한다.

또한, 본 발명의 다른 일실시예는, 효율적인 감지기(센서) 유지관리 및 화재 발생 위치와 화재확대 예측 등의 정보를 재실자와 119 소방대에 분류하여 전달함으로써 신속하고 안전한 피난과 효율적인 화재진압이 가능한 게이트웨이 및 시스템을 제공하고자 한다.

그리고, 본 발명의 또 다른 일실시예는, 사람이 건축물내 화재인지 여부를 판단하기 애매한 경우를, 룰 베이스드 모델링을 통해 자동으로 그리고 정확하게 판정할 수 있는 게이트웨이 및 시스템을 제공하고자 한다.

본 발명의 일실시예에 의한 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)의 제어 방법은, 상기 적어도 하나의 건축물내 또는 주변에 설치된 수신기로부터 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 수신하는 단계와, 상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터 및 적어도 하나의 서버와의 통신에 기초하여, 상기 적어도 하나의 건축물의 화재 발생 여부를 1차 판단하는 단계와, 상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터 및 상기 적어도 하나의 서버와의 통신에 기초하여, 상기 적어도 하나의 건축물내 설치된 온도 감지기 및 연기 감지기의 리페어(repair) 필요 여부를 2차 판단하는 단계와, 상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 화재 발생 위치 정보, 구조자 재실 정보 또는 화재 확대 예측 경로 정보 중 적어도 하나를 소방서 대응 통신 모듈에 전송하는 단계와, 그리고 상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 피난 경로 정보를 적어도 하나의 모바일 디바이스로 전송하는 단계를 포함한다.

예를 들어, 상기 수신하는 단계는, 수신된 데이터를 전처리 하는 단계와, 상기 전처리된 데이터를 저장 및 로딩하는 단계를 더 포함한다.

예를 들어, 상기 적어도 하나의 서버는, 상기 적어도 하나의 건축물을 관리하는 관리 서버, 화재 감지 관련 알고리즘을 저장하고 있는 제1 클라우드 서버 및 피난 경로 관련 알고리즘을 저장하고 있는 제2 클라우드 서버를 포함한다.

예를 들어, 상기 2차 판단하는 단계는, 기설정된 시간 간격 이내에, 상기 수신된 연기 관련 제1 데이터의 변화량이 제1 문턱값을 초과하고, 상기 수신된 온도 관련 제2 데이터의 변화량이 제2 문턱값을 초과하는 경우, 상기 적어도 하나의 건축물내 설치된 온도 감지기 및 연기 감지기의 리페어가 필요한 것으로 판단하는 것을 특징으로 한다.

예를 들어, 상기 1차 판단하는 단계는, 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부를 판단하는 것을 특징으로 한다.

예를 들어, 상기 1차 판단하는 단계는, 상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터가 그레이 레벨에 해당하는지 여부를 판단하는 단계를 더 포함한다.

예를 들어, 상기 제어 방법은, 상기 그레이 레벨을 초과하는 경우, 화재 경보 시스템을 구동하는 단계와, 상기 그레이 레벨에 해당하는 경우, 상기 적어도 하나의 건축물내 CCTV를 온 시키는 커맨드를 전송하는 단계와, 상기 CCTV에 의해 캡쳐된 이미지내 특정 오브젝트가 감지되었는지 여부를 판단하는 단계와, 감지된 경우에 한하여, 상기 적어도 하나의 건축물을 관리하는 관리 서버에 입주자의 최소 개인 정보를 요청 및 수신하는 단계와, 상기 수신된 입주자의 최소 개인 정보에 기초하여, 현재 날짜가 기설정된 범위 이내인지 여부를 판단하는 단계와, 그리고 상기 판단 결과 기설정된 범위 이내인 경우에 한하여, 상기 적어도 하나의 모바일 디바이스로 관련 메시지를 전송하거나 또는 상기 적어도 하나의 건축물에 설치된 스피커를 통해 음성 안내 서비스가 제공되도록 제어하는 단계를 더 포함한다.

본 발명의 다른 일실시예에 의한 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)는, 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 클라우드 서버로 전송하는 전송 모듈과, 룰 베이스드(rule-based) 모델에 기초하여 판단된 화재 발생 여부에 대한 결과값을, 클라우드 서버로부터 수신하는 수신 모듈과, 그리고 상기 결과값에 기초하여, 화재 발생 여부를 상기 적어도 하나의 건축물에 설치된 화재 대응 설비에 직접 전송하거나 또는 중계반을 경유하여 선택적으로 전달되도록 제어하는 컨트롤러를 포함한다.

본 발명의 일실시예에 의하면, 비화재보로 인한 자원 낭비 등의 문제점을 해결할 수가 있다. 또한, 화재인지 여부가 애매한 상황에서 시스템이 자동으로 감지할 수 있다.

본 발명의 다른 일실시예에 의하면, 실시간으로 원격의 건축물에 설치된 화재 관련 설비에 대한 원격 점검이 가능하다. 따라서, 기존 기능점검 및 종합 정밀점검에 필요한 인건비를 대폭 줄일 수 있으며, 세대 진입이 어려워 점검을 진행할 수 없었던 세대의 감지기까지 점검을 수행할 수 있게 되어 유지관리의 효율성을 증대시키는 장점이 있다.

본 발명의 또 다른 일실시예에 의하면, 화재 발생 시 재실자 및 관리주체/119 등에게 실시간으로 화재 정보(화재발생위치, 화재확대 모델, 피난 경로)를 제공하여 재실자 및 소방관의 화재안전성을 향상시키는 기술적 효과가 있다.

나아가, 최적화된 피난경로를 실시간으로 제공함으로써 재실자의 피난활동 소요시간을 단축시켜 인명 피해를 최소화시킬 수 있다.

다만, 위에서 명시적으로 언급한 기술적 효과 이외에, 당업자가 용이하게 인지 가능한 다른 기술적 효과들에 대해서도, 이하 명세서 및 복수의 도면 등을 참조하여 보다 상세히 후술하도록 하겠다.

도 1은 종래 기술에 의한 자동화재탐지와 관련된 설비들을 도시하고 있다.
도 2는 본 발명의 적어도 하나의 일실시예에 따라, 인공 지능 기반으로 동작하는 화재 안전 시스템을 개괄적으로 도시하고 있다.
도 3은 도 2를 구현하기 위한 보다 구체적인 모듈들을 도시하고 있다.
도 4는 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부를 판단하는 프로세스를 도시한 플로우 차트이다.
도 5는 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재를 감지하는 게이트웨이 및 시스템을 도시하고 있다.
도 6은 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재감지설비를 유지 및 관리하는 게이트웨이 및 시스템을 도시하고 있다.
도 7은 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재가 발생한 것으로 감지한 경우, 관련 데이터를 건축물내 외부의 디바이스로 전송하는 게이트웨이 및 시스템을 도시하고 있다.
그리고, 도 8은 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재가 발생한 것으로 감지한 경우, 관련 데이터를 건축물내 내부의 디바이스로 전송하는 게이트웨이 및 시스템을 도시하고 있다.

첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 설명의 편의를 고려하여 중복되는 설명은 생략하지만, 당업자는 명세서 전체의 취지를 통해 본 발명을 용이하게 이해할 수 있다.

이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.

또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.

도 1은 종래 기술에 의한 자동화재탐지와 관련된 설비들을 도시하고 있다. 도 1에 도시된 바와 같이, 종래 기술에 의한 시스템(100)은 연기 감지기, 온도 감지기, 중계반, 수신기 등을 구비하고 있다.

우선, 감지기는 화재시 발생하는 열, 연기, 불꽃 또는 연소 생성물을 자동적으로 감지하여, 관련 데이터를 수신기에 직접 전송하거나 또는 중계반을 통해 수신기에 전송하는 역할을 수행한다.

보다 구체적으로 예를 들면, 도 1에 도시된 바와 같이, 연기 감지기 및 온도 감지기가 건축물(예를 들어, 아파트, 일반 주택, 건물 등등)에 설치되고 PLC (Power line communication) 통신이 가능하다. PLC 통신은 전력을 공급하는 전력선을 매개체로 음성과 데이터를 고주파 신호에 실어 통신하는 기술 등을 의미한다. 나아가, 연기 감지기 및 온도 감지기는 공간 구획별(예를 들어, 세대의 방 단위)로 1개씩 설치될 수도 있다.

도 1에 도시된 중계반(또는 중계기로 지칭할 수도 있다)은, 전술하여 설명한 감지기 등의 작동 신호를 수신 후, 이를 수신기의 제어반에 전송하는 장치 등을 의미한다. 중계반은 예를 들어, RS(Recommended Standard)485 통신 기능을 탑재하고 있으며, 20회선의 1개가 건축물 내부에 설치된다.

수신기는 감지기에서 전송하는 화재 신호를 직접 수신하거나 또는 중계반 등을 통하여 신호를 수신 후, 화재의 발생을 표시 및 경보하여 주는 장치 등을 의미한다. 수신기는 예를 들어, 모드버스(Modbus) 통신 기능이 탑재되어 있으며, 아파트 단지별로 1개가 설치된다. 모드버스 통신에 사용되는 프레임의 최대크기는 예를 들어 256 바이트 이며, 노드의 최대 개수는 예를 들어 255개이다.

즉, 종래 기술에 의하면, 연기 감지기나 온도 감지기에서 일정 수준의 데이터가 감지되면, 수신기가 화재 발생 경보를 즉각적으로 발생시킨다.

그러나, 종래 시스템(100)에 의하면, 추가적으로 게이트웨이, 서버 등과의 통신 및 AI 기술을 적용하는 논의가 전혀 없어서, 비화재보를 필터링 하거나 건축물 내외부의 디바이스에게 화재 대비 관련 상세 정보를 적절하게 제공하지 못하는 문제점들이 있었다. 본 발명은 이와 같은 문제점들을 해결하고자 하며, 이하 도 2 내지 도 8에서 상세히 설명하도록 하겠다. 당업자는 필요에 따라, 도 1에 도시된 종래 시스템(100) 전부 또는 일부를 본 발명 구현을 위해 활용할 수도 있다.

도 2는 본 발명의 적어도 하나의 일실시예에 따라, 인공 지능 기반으로 동작하는 화재 안전 시스템을 개괄적으로 도시하고 있다.

도 1(종래 기술에 의한 화재 관련 시스템)에 기존재하였던 수신기(210) 이외에, 도 2에 도시된 본 발명의 시스템은 게이트웨이(220), 제1클라우드 서버(230), 제2클라우드 서버(240) 및 사용자 단말기(250) 등이 추가되도록 설계하였다. 여기서 사용자 단말기는, 휴대폰, 노트북, 데스크탑 PC, 태블릿 PC 등이 될 수도 있다.

일반적으로 게이트웨이(gateway)는, 2개 이상의 다른 종류 또는 같은 종류의 통신망을 상호 접속하여 통신망간 정보를 주고 받을 수 있게 하는 기능 단위 또는 장치를 의미한다.

다만, 본 발명에서 핵심적 역할을 수행하는 게이트웨이(220)는, 수신기(210)로부터 수신한 감지기들의 데이터를 클라우드 서버들(230, 240)에게 전송하고, 클라우드 서버들(230, 240)은 인공지능 AI 기술 등에 기초하여 화재 관련 정보를 처리 후, 결과값을 게이트웨이(220) 또는 사용자 단말기(250)로 전송하도록 설계되어 있다는 점에서 종래 기술과 명백히 구별된다.

나아가, 본 발명의 일실시예에 의한 전체 시스템은 크게 4가지의 기능이 수행되도록 설계하는데, 첫째, “AI 기반 화재 감지”, 둘째, “AI 기반 화재 관련 설비의 유지 관리”, 셋째, “AI 기반 화재 관련 정보를 건축물 외부의 디바이스에 제공”, 넷째, “AI 기반 화재 관련 정보를 건축물 내부의 디바이스에 제공” 하는 것으로 분류할 수 있다.

특히, 본 발명에서 중요하게 고려한 설계는, 전술한 첫째/둘째 기능과 관련된 AI는 규칙 기반, 즉 룰 베이스드(rule-based) AI 를 선택적으로 적용한 것이고, 전술한 셋째/넷째 기능과 관련된 AI는 머신 러닝 AI 를 선택적으로 적용한 것이다.

이와 관련된 실시예를 이하 도 3에서 보다 상세히 설명하도록 하겠다.

도 3은 도 2를 구현하기 위한 보다 구체적인 모듈들을 도시하고 있다.

한편, 수신기(310)가 온도 감지기 및 연기 감지기로부터 온도, 연기 관련 데이터를 수신하는 것은 이전 도 1에서 설명한 바 동일한 설명은 생략하도록 하겠다.

도 3에 도시된 게이트웨이(320)는, 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)으로서 기능하며, 독자적으로 AI (Artificial Intelligence)에 기반하여 화재 여부 등을 판단하거나 또는 클라우드 서버들(330, 340)과의 통신을 통해 화재 여부 등을 판단한다. 특히, 본 발명은 다양한 AI 알고리즘들 중에서, 특정 상황별로 룰 베이스드 모델 또는 머신 러닝 AI를 선택적으로 사용한다는 점에서 종래 기술과 명백히 구별된다.

우선, 게이트웨이(320)는, 적어도 하나의 건축물내 또는 주변에 설치된 수신기(310)로부터 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 수신하도록 설계되어 있다. 이 때, 게이트웨이(320)는, 추가적으로, 수신된 데이터를 전처리 하고, 상기 전처리된 데이터를 저장 및 로딩하는 작업을 수행함으로써, 불필요한 데이터를 필터링 하는 효과가 있다.

나아가, 게이트웨이(320)는, 수신기(310)로부터 수신한 연기 관련 제1 데이터, 온도 관련 제2 데이터 및 적어도 하나의 서버(330, 340)와의 통신에 기초하여, 상기 적어도 하나의 건축물(예를 들어, 감지기가 설치된 아파트의 특정 호수 등)의 화재 발생 여부를 1차 판단한다. 여기서, 화재 발생 여부 관련 1차 판단은, 룰 베이스드(rule-based) 모델에 기초하여 이루어 진다. 보다 상세한 실시예는, 이하 도 4에서 보다 상세히 후술하도록 하겠다.

예를 들어, 상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 게이트웨이(320)는 화재 발생 위치 정보, 구조자 재실 정보 또는 화재 확대 예측 경로 정보 중 적어도 하나를 소방서 대응 통신 모듈에 전송하도록 설계함으로써, 화재 진압이 신속하게 이루어 지도록 한다.

예를 들어, 상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 게이트웨이(320)는 피난 경로 정보를 사용자 인터페이스(350)(예를 들어, 적어도 하나의 모바일 디바이스 등)로 전송한다.

나아가, 게이트웨이(320)는, 수신기(310)로부터 수신한 연기 관련 제1 데이터, 온도 관련 제2 데이터 및 적어도 하나의 서버(330, 340)와의 통신에 기초하여, 상기 적어도 하나의 건축물내 설치된 온도 감지기 및 연기 감지기의 리페어(repair) 필요 여부를 2차 판단한다. 여기서, 온도 감지기 및 연기 감지기의 리페어(수리, 교체 등) 필요 여부에 대한 2차 판단 역시, 룰 베이스드(rule-based) 모델에 기초하여 이루어 진다.

상기 2차 판단하는 단계를 보다 구체적으로 설명하면 다음과 같다.

게이트웨이(320)는, 기설정된 시간 간격 이내에, 상기 수신된 연기 관련 제1 데이터의 변화량이 제1 문턱값을 초과하고(예를 들어, 최초 1초 동안 연기 관련 데이터가 2배 이상 증가하고, 다음 1초 동안 연기 관련 데이터가 2배 이상 감소하고, 이와 같은 현상이 3회 이상 반복되는 경우로 정의함), 상기 수신된 온도 관련 제2 데이터의 변화량이 제2 문턱값을 초과하는 경우(예를 들어, 최초 1초 동안 온도 관련 데이터가 2배 이상 증가하고, 다음 1초 동안 온도 관련 데이터가 2배 이상 감소하고, 이와 같은 현상이 3회 이상 반복되는 경우로 정의함), 상기 적어도 하나의 건축물내 설치된 온도 감지기 및 연기 감지기의 리페어가 필요한 것으로 판단한다.

한편, 도 3에 도시된 바와 같이, 본 발명의 일실시예에 의하면, 복수개의 서버들을 별도로 운영한다. 복수개의 서버들은, 예를 들어 적어도 하나의 건축물을 관리하는 관리 서버(이에 대해서는 도 4에서 이하 후술하겠다), 화재 감지 관련 알고리즘을 저장하고 있는 제1 클라우드 서버(330) 및 피난 경로 관련 알고리즘을 저장하고 있는 제2 클라우드 서버(340) 등을 포함한다.

물론, 하나의 서버만으로 본 발명의 시스템을 구현할 수도 있고, 권리범위는 특허청구범위에 기재된 사항에 따라 결정되어야 한다.

전술한 바와 같이, 본 발명의 화재 관련 시스템에서, 첫째 기능(AI 기반 화재 감지) 및 둘째 기능(AI 기반 화재 관련 설비의 유지 관리)은, 게이트웨이(320)가 제1 클라우드 서버(330)와의 통신을 통해 수행하도록 설계한다. 특히, 제1 클라우드 서버(330)는 룰 베이스드 모델을 채택하도록 본 발명은 제안하는데, 그 이유는 화재 감지 및 감지기의 수리/교체 여부 등을 판단하는 것은 고정된 규칙에 의해 매우 엄격하고, 안정적이고 예측 가능하도록 이루어져야 함을 고려한 것이기 때문이다.

예를 들어, 제1 클라우드 서버(330)는, 룰 베이스드(rule-based) 모델링 기법 이외에, 소모적 탐색법(exhaustive search)을 추가적으로 채택할 수도 있다. 화재 감기 관련 서비스 실행 후, 실시간으로 감지기 및 수시긴 등의 이상 데이터를 분석하고 화재 또는 비화재 여부를 판단한다. 여기서, 소모적 탐색법은, Brute-Force Search 라고도 지칭하며, 모든 방법을 시도하면서 정답을 찾아가는 알고리즘 등을 지칭한다.

전술한 첫째 기능(AI 기반 화재 감지) 관련하여, 제1 클라우드 서버(330)는 예를 들어 룰 베이스드 모델링 기법을 채택하고, 종래 시스템이 판단하지 못한 화재에 대한 추가적인 화재 감지가 가능하다. 그리고, 화재 판단 후, 결과값을 수신기에 직접 전달하거나 또는 게이트웨이를 경유하여 수신기에 전송하도록 설계된다.

전술한 둘째 기능(AI 기반 화재 관련 설비의 유지 관리) 관련하여, 제1 클라우드 서버(330)는 예를 들어 룰 베이스드 모델링 기법을 채택하고, 감지기(센서) 및 화재 대응 진압 설비 관련 데이터의 정상 작동 여부를 판단한다. 이상 신호가 감지되면, 감지기(센서) 및 화재 대응 진압 설비를 관리하는 서버(예를 들어, 아파트, 빌딩 등을 관리하는 서버 또는 PC)에 교체 또는 수리가 필요하다는 메시지를 전송한다.

반면, 본 발명의 화재 관련 시스템에서, 셋째 기능(AI 기반 화재 관련 정보를 건축물 외부의 디바이스에 제공) 및 넷째 기능(AI 기반 화재 관련 정보를 건축물 내부의 디바이스에 제공)은, 게이트웨이(320)가 제2 클라우드 서버(340)와의 통신을 통해 수행하도록 설계한된다. 전술한 제1 클라우드 서버(330)와 달리, 제2 클라우드 서버(340)는 머신 러닝(기계 학습) AI 를 채택하도록 본 발명은 제안하였다. 그 이유는, 공동 주택 등의 화재 확대 예측 모델링이나 피난 경로는 룰 베이스드 모델링 기법만으로는 정확도를 개선하는데 어느 정도 한계가 있음을 고려하였기 때문이다.

예를 들어, 제2 클라우드 서버(340)는, AI 개발용 데이터를 전처리 하고, 이를 기반으로 AI 모델 파라미터를 최적화 하고, 이를 기초로 화재확산모델/피난경로모델 등을 적절한 디바이스들에게 제공한다.

전술한 셋째 기능(AI 기반 화재 관련 정보를 건축물 외부의 디바이스에 제공) 관련하여, 제2 클라우드 서버(340)는, 서비스 실행 관련 이벤트 발생시(본 발명의 일실시예에 의하면, 제1 클라우드 서버(330)가 룰 베이스드 기법에 따라 화재가 발생한 것으로 판정한 경우로 한정됨), 다양한 머신 러닝 기법 중 어느 하나를 적용한다. 그리고, 제2 클라우드 서버(340)는 직접 또는 게이트웨이(320)를 경유하여, 119 소방서와 연계된 통신 모듈에, 화재 발생 위치, 재실자 유무, 화재확산경로 등의 정보를 실시간으로 업데잇 후 전송한다. 해당 정보들은 머신 러닝 AI 에 의해 판단된다.

전술한 넷째 기능(AI 기반 화재 관련 정보를 건축물 내부의 디바이스에 제공) 관련하여, 제2 클라우드 서버(340)는, 서비스 실행 관련 이벤트 발생시(본 발명의 일실시예에 의하면, 제1 클라우드 서버(330)가 룰 베이스드 기법에 따라 화재가 발생한 것으로 판정한 경우로 한정됨), 다양한 머신 러닝 기법 중 어느 하나를 적용한다. 그리고, 제2 클라우드 서버(340)는 직접 또는 게이트웨이(320)를 경유하여, 화재 감지기가 설치된 재실자의 모바일 디바이스로, 화재 발생 위치 및 피난경로 정보 등을 실시간으로 업데잇 후 전송한다. 해당 정보들은 머신 러닝 AI 에 의해 판단된다.

도 4는 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부를 판단하는 프로세스를 도시한 플로우 차트이다.

이전 도 3에서 화재 발생 여부 관련 1차 판단은, 룰 베이스드(rule-based) 모델에 기초하여 이루어 진다고 설명한 바 있다. 보다 상세한 실시예에 대하여, 이하 도 4를 참조하여 설명하도록 하겠다. 그리고, 참고적으로, 도 4에서 도시한 단계들은 게이트웨이에서 단독으로 수행하거나, 클라우드 서버(특히, 도 3에 도시된 제1 클라우드 서버(330))에서 단독으로 수행하거나 또는 일부 단계를 게이트웨이가 수행하고 일부 단계를 클라우드 서버에서 수행할 수도 있다. 설명의 편의상, 이하에서는 도4의 동작을 본 발명의 일실시예에 의한 게이트웨이가 수행하는 것으로 가정하고 설명하도록 하겠다.

본 발명의 일실시예에 의한 게이트웨이는 수신기로부터 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 수신한다(S410).

게이트웨이는, 상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터가 그레이 레벨에 해당하는지 여부를 판단한다(S420).

여기서, 전술한 그레이 레벨은, 예를 들어 상기 연기 관련 제1 데이터의 수치가 기설정된 문턱값의 30 내지 50%에 해당하고, 동시에 상기 온도 관련 제2 데이터의 수치가 기설정된 문턱값의 10 내지 50%에 해당하는 경우로 한정된다. 특히, 연기 관련 데이터에 비해 온도 관련 데이터에 대해 민감하도록 설정하는 것도 본 발명의 일특징이다.

연기 감지 데이터 및 온도 감지 데이터가 기설정된 문턱값 대비 미비할 정도로 작은 경우, 이를 무시하면 되고, 반면 기설정된 문턱값과 근사한 경우, 화재 경보 시스템을 구동하면 된다. 그러나, 연기/온도 관련 감지 데이터가 애매한 경우, 이를 바로 무시하거나 또는 경보 시스템을 오작동 시키는 것 둘다 문제이다. 도 4는 이를 해결하기 위하여, 그레이 레벨 개념(예컨대, 연기/온도 관련 감지 데이터가 경보시스템을 즉각 동작시킬 범위 및/또는 무시할 범위에 해당하지 않는 레인지(range)에 해당하는 경우, AI에 기반하여 정확도를 추가적으로 높이기 위해 본 발명에서 새롭게 제안하는 용어이다)을 도입하고, 관련 규칙을 새롭게 정의하였다.

상기 판단 결과(S420), 상기 그레이 레벨을 초과하는 경우, 게이트웨이는 화재 경보 시스템을 즉시 구동한다(S430).

상기 판단 결과(S420), 상기 그레이 레벨 미만인 경우, 게이트웨이는 화재 관련 위급한 상황이 아님으로 결정하고, 특별한 추가 동작을 수행하지 않는다.

반면, 상기 판단 결과(S420), 상기 그레이 레벨에 해당하는 경우, 게이트웨이는 적어도 하나의 건축물내 설치된 CCTV(또는 아파트 내부에 설치되어 있을 수도 있음)를 온 시키는 커맨드를, 상기 CCTV에 전송한다(S440). 상기 CCTV는 실시간으로 캡쳐된 이미지를 게이트웨이로 전송한다. 이와 같이 설계하는 이유는, 특정 상황에서만 CCTV 를 동작시켜 개인의 사생활을 보호하면서도, 감지기의 데이터만으로는 화재 여부를 판단하기 어려운 애매한 상황에 대한 대처가 가능하기 때문이다. 또한 이로 인하여, 비화재보를 최소화 하는 기술적 효과도 기대된다.

나아가, 게이트웨이는, 상기 CCTV에 의해 캡쳐된 이미지내 특정 오브젝트가 감지되었는지 여부를 판단한다(S450). 여기서, 특정 오브젝트는, 예를 들어 케이크, 초 등이 될 수 있다. 즉, 생일과 관련된 오브젝트가 감지되었다면, 일시적으로 연기 감지가 이루어졌을 가능성이 높기 때문이다.

상기 판단 결과(S450) 전술한 특정 오브젝트가 감지되지 않은 경우, 게이트웨이는 화재 경보 시스템을 즉시 구동한다. 반면, 상기 판단 결과(S450), 전술한 특정 오브젝트가 감지된 경우에 한하여, 게이트웨이는 건축물(예를 들어, 아파트, 빌딩 등)을 관리하는 관리 서버에 입주자의 최소 개인 정보(예를 들어, 감지기가 설치된 내부에 거주하는 사람의 생일 정보 등등)를 요청 및 수신한다(S460).

게이트웨이는, 상기 S460 단계에서 수신된 입주자의 최소 개인 정보에 기초하여, 현재 날짜가 기설정된 범위 이내인지 여부를 판단한다(S470).

상기 판단 결과(S470) 현재 날짜가 기설정된 범위 이내가 아닌 경우(예를 들어, 거주자의 생일이 5월 이지만 현재 날짜가 5월이 아닌 경우), 게이트웨이는 화재 경보 시스템을 즉시 구동한다(S430).

반면, 상기 판단 결과(S470), 현재 날짜가 기설정된 범위 이내인 경우(예를 들어, 거주자의 생일이 5월이고 현재 날짜도 5월이 경우)에 한하여, 적어도 하나의 모바일 디바이스(예를 들어, 관리 서버에 거주자의 휴대폰 번호가 등록되어 있음)에 관련 메시지를 전송(예를 들어, App push 방식 등)하거나 또는 상기 적어도 하나의 건축물에 설치된 스피커를 통해 음성 안내 서비스가 제공되도록 제어한다(S480). 여기서 S480 단계에서 제공되는 메시지 및 음성 안내 서비스는, 예를 들어 실제 화재가 발생하였는지 여부를 문의하는 데이터이고, 게이트웨이가 거주자의 모바일 디바이스 등으로부터 기설정된 시간 동안 어떠한 피드백도 수신하지 못하면, S430 단계가 자동으로 실행되도록 설계한다. 따라서, 화재가 아님에도 경보가 발생하는 비화재보 현상을 최소화할 수 있는 기술적 효과가 기대된다.

도 5는 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재를 감지하는 게이트웨이 및 시스템을 도시하고 있다. 이하, 도 5 및 이전에 설명한 도 3 등을 참조하여, 본 발명의 일실시예에 의한 첫째 기능(AI 기반 화재 감지)을 수행하는 게이트웨이의 동작에 대하여, 보다 상세히 설명하도록 하겠다.

이전에 설명한 바와 같이, 게이트웨이(520)는, 종래 시스템(500)의 수신기로부터 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 수신한 것으로 가정한다. 그리고, 도 5에 도시하지는 않았으나, 게이트웨이(520) 내부에는 전송 모듈, 수신 모듈 및 컨트롤러가 포함되어 있다.

게이트웨이(520) 내부의 전송 모듈은, 수신기로부터 수신한 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 클라우드 서버로 전송한다. 여기서, 클라우드 서버는 예를 들어, 도 3에 도시된 제1 ??라우드 서버(330)가 될 수 있다.

전술하여 설명한 바와 같이, 도 3에 도시된 제1 클라우드 서버(330)는 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부에 대하여 판단한다. 따라서, 게이트웨이(520) 내부의 수신 모듈은, 제1 클라우드 서버(330)에 의해 판단된 화재 발생 여부에 대한 결과값을 수신한다.

그리고, 게이트웨이(520) 내부의 컨트롤러는, 상기 결과값에 기초하여, 화재 발생 여부를 적어도 하나의 건축물에 설치된 화재 대응 설비에 직접 전송하거나 또는 중계반을 경유하여 선택적으로 전달되도록 제어한다.

상기 룰 베이스드 모델의 구체적인 실시예는, 이전 도 4에서 상세히 설명한 바 중복되는 설명은 생략하여도, 당업자는 반복 실시가 가능하다.

한편, 도 4에서 언급한 그레이 레벨에 대한 판단을 생략하고, 도 5에 도시된 바와 같이, 실내 온도 또는 실내 연기가 기설정된 시간 이내에 급격하게 증가하는 경우에, 게이트웨이가 직접 화재 발생 여부를 판단하는 것도 가능하다.

나아가, 게이트웨이는 최종 판단된 화재 알림을 수신기 및 관리자의 PC 등에 전송하고, 관리자는 추가적으로 CCTV 를 통해 화재 발생 여부를 다시 확인할 수 있는 장점이 있다.

도 6은 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재감지설비를 유지 및 관리하는 게이트웨이 및 시스템을 도시하고 있다. 이하, 도 6 및 이전에 설명한 도 3 등을 참조하여, 본 발명의 일실시예에 의한 둘째 기능(AI 기반 화재 관련 설비의 유지 관리)을 수행하는 게이트웨이의 동작에 대하여, 보다 상세히 설명하도록 하겠다.

이전에 설명한 바와 같이, 게이트웨이(620)는, 종래 시스템(600)의 수신기로부터 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 수신한 것으로 가정한다. 그리고, 도 6에 도시하지는 않았으나, 게이트웨이(620) 내부에는 전송 모듈, 수신 모듈 및 컨트롤러가 포함되어 있다.

게이트웨이(620) 내부의 전송 모듈은, 수신기로부터 수신한 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 클라우드 서버로 전송한다. 여기서, 클라우드 서버는 예를 들어, 도 3에 도시된 제1 ??라우드 서버(330)가 될 수 있다.

도 3에 도시된 제1 클라우드 서버(330)는 룰 베이스드(rule-based) 모델에 기초하여 온도감지기/연기감지기의 교체, 보수 필요 여부에 대하여 판단한다. 본 발명에 의하면, 화재 설비 점검을 위해 사람이 직접 해당 건물에 방문할 필요가 없다. 예컨대, 본 발명의 게이트웨이(620)는 양방향 통신이 가능하고, 따라서, 특별한 이벤트가 감지되지 않은 경우여도, 게이트웨이는 수신기, 중계반을 경유하여 온도감지기의 감지 데이터 및 연기감지기의 감지 데이터를 수신하고, 이를 도 3에 도시된 제1 클라우드 서버(330)에 전송한다. 이 때, 감지기들로부터 어떠한 신호도 수신하지 못한 경우 및 이상 신호를 수신한 경우(기설정된 시간 이내에 감지 데이터의 최대값 및 최소값이 반복되는 경우 등), 클라우드 서버는 온도 감지기 및 연기 감지기의 리페어가 필요한 경우로 판단하고, 그 결과값이 게이트웨이(620)의 수신 모듈에 전송된다.

그리고, 게이트웨이(620) 내부의 컨트롤러는, 상기 결과값에 기초하여, 리페어 필요 여부를 건축물을 관리하는 관리 서버(예를 들어, 아파트나 빌딩을 관리하는 중앙서버 또는 PC)로 전송하도록 제어한다. 따라서, 공동주택 내부에 사람이 방문하지 않아도, 감지기 등의 고장 여부를 신속하게 판정할 수 있는 효과가 있다.

도 7은 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재가 발생한 것으로 감지한 경우, 관련 데이터를 건축물내 외부의 디바이스로 전송하는 게이트웨이 및 시스템을 도시하고 있다.

이하, 도 7 및 이전에 설명한 도 3 등을 참조하여, 본 발명의 일실시예에 의한 셋째 기능(AI 기반 화재 관련 정보를 건축물 외부의 디바이스에 제공)을 수행하는 게이트웨이의 동작에 대하여, 보다 상세히 설명하도록 하겠다.

도 7에 도시된 게이트웨이(720)는 수신기로부터 수신한 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 제1 클라우드 서버(도 3의 300번)에 전송한다. 이 때, 제1 클라우드 서버는, 상기 연기 관련 제1 데이터, 상기 온도 관련 제2 데이터를 입력값으로 하여, 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부를 판단하고, 출력값을 제2 클라우드 서버(도 3의 340번)로 전송한다. 룰 베이스드 모델에 대해서는 이전 도 4 등에서 상세히 설명한 바 중복되는 설명은 생략한다.

제2 클라우드 서버(도 3의 340번)는, 상기 출력값에 반응하여 기설정된 머신 러닝에 기초하여, 화재 발생 위치 정보, 구조자 재실 정보 및 화재 확대 예측 경로 정보를 소방서 대응 통신 모듈(예를 들어, 소방차를 타고 오는 소방관의 휴대폰, 패드, 태블릿 등)에 전송한다.

이전에도 설명한 바와 같이, 도 7에 도시된 연기 감지기 및 온도 감지기는 예를 들어 PLC (power line communication) 통신을 수행하는 칩을 더 포함하고 있으며, 도 7에 도시된 중계반은 예를 들어 RS (Recommended Standard) 485 통신을 수행하도록 설계된다.

그리고, 도 8은 본 발명의 적어도 하나의 일실시예에 따라, 건축물내 화재가 발생한 것으로 감지한 경우, 관련 데이터를 건축물내 내부의 디바이스로 전송하는 게이트웨이 및 시스템을 도시하고 있다.

이하, 도 8 및 이전에 설명한 도 3 등을 참조하여, 본 발명의 일실시예에 의한 넷째 기능(AI 기반 화재 관련 정보를 건축물 내부의 디바이스에 제공)을 수행하는 게이트웨이의 동작에 대하여, 보다 상세히 설명하도록 하겠다.

도 7에 도시된 실시예와 도 8에 도시된 실시예는 동시에 이루어 지도록 설계하여, 화재의 위험을 최소화 하는 것도 본 발명의 다른 일특징이다.

도 8에 도시된 게이트웨이(820)는 수신기로부터 수신한 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 제1 클라우드 서버(도 3의 330번)에 전송한다. 이 때, 제1 클라우드 서버는, 상기 연기 관련 제1 데이터, 상기 온도 관련 제2 데이터를 입력값으로 하여, 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부를 판단하고, 출력값을 제2 클라우드 서버(도 3의 340번)로 전송한다. 룰 베이스드 모델에 대해서는 이전 도 4 등에서 상세히 설명한 바 중복되는 설명은 생략한다.

제2 클라우드 서버(도 3의 340번)는, 상기 출력값에 반응하여 기설정된 머신 러닝에 기초하여, 피난 경로를 예측하고 피난 경로 정보를 적어도 하나의 모바일 디바이스로 전송한다.

도 7 및 도 8에서 설명한 머신 러닝은, 기계가 데이터로부터 스스로 학습하여 실행할 수 있는 알고리즘에 대한 것으로서, 지도 학습(Supervised Learning) 방법, 비지도 학습(Unsupervised Learning) 방법, 강화 학습(Reinforcement Learning) 방법 등이 있다.

지도 학습 방법은, 이미 정답을 알고 있는 데이터(Labeled data)를 학습해서 새로운 데이터에 대해 결과를 예측하는 학습 방법을 의미한다. 학습 데이터가 많을수록 성능이 개선된다. 따라서, 본 발명에서 화재 관련 정보를 화재가 감지된 건축물과 유사한 다양한 건축물 등으로부터 수신 및 공유하도록 설계한다. 본 발명에서 Linear Regression, Logistic Regression, Random Forest, KNN (K-Nearest Neighbors) 알고리즘이 적용될 수도 있다.

비지도형 학습 방법은, 정답이 존재하지 않는 데이터들을 학습해서 데이터를 분류하는데 주목적이 있다. 따라서, 지도형 학습을 진행하기 전에 전처리 하는 과정에서 적용되며, 본 발명에서 K-means, Apriori 알고리즘 등이 적용될 수도 있다.

강화 학습 방법은, 미리 학습 데이터를 준비할 필요가 없는 학습 방법이다. 학습을 수행할 주체인 에이전트(Agent)를 생성하고 에이전트가 활동하게 될 환경(Environment)를 구성한 다음 에이전트의 행동(Action)을 관찰하여 적절한 보상(Reward)를 주는 방식으로 에이전트의 행동을 더 나은 방향으로 개선시키는 학습 방법이다. 본 발명에서 Markov Decision Process 알고리즘 등이 적용될 수도 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능하다고 할 것이다.

예를 들어, 설명의 편의상 도 1 내지 도 8을 나누어 설명하였으나, 당업자는 도 1 내지 도 8 중 적어도 2개 이상의 도면 및 실시예들을 결합하여 다른 발명을 구현하는 것도 본 발명의 권리범위에 속한다고 할 것이다.

따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.

본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (15)

1. 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)의 제어 방법에 있어서,
   상기 적어도 하나의 건축물내 또는 주변에 설치된 수신기로부터 연기 관련 제1 데이터 및 온도 관련 제2 데이터를 수신하는 단계;
   상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터 및 적어도 하나의 서버(server)와의 통신에 기초하여, 상기 적어도 하나의 건축물의 화재 발생 여부를 1차 판단하는 단계;
   상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터 및 상기 적어도 하나의 서버와의 통신에 기초하여, 상기 적어도 하나의 건축물내 설치된 온도 감지기 및 연기 감지기의 리페어(repair) 필요 여부를 2차 판단하는 단계;
   상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 화재 발생 위치 정보, 구조자 재실 정보 또는 화재 확대 예측 경로 정보 중 적어도 하나를 소방서 대응 통신 모듈에 전송하는 단계; 그리고
   상기 1차 판단 단계에서 화재가 발생한 것으로 판단된 경우, 피난 경로 정보를 적어도 하나의 모바일 디바이스로 전송하는 단계
   를 포함하는 통합형 게이트웨이의 제어 방법.
2. 제1항에 있어서,
   상기 수신하는 단계는,
   수신된 데이터를 전처리 하는 단계; 그리고
   상기 전처리된 데이터를 저장 및 로딩하는 단계
   를 더 포함하는 것을 특징으로 하는 통합형 게이트웨이의 제어 방법.
3. 제2항에 있어서,
   상기 적어도 하나의 서버는,
   상기 적어도 하나의 건축물을 관리하는 관리 서버, 화재 감지 관련 알고리즘을 저장하고 있는 제1 클라우드 서버 및 피난 경로 관련 알고리즘을 저장하고 있는 제2 클라우드 서버를 포함하는 것을 특징으로 하는 통합형 게이트웨이의 제어 방법.
4. 제3항에 있어서,
   상기 2차 판단하는 단계는,
   기설정된 시간 간격 이내에, 상기 수신된 연기 관련 제1 데이터의 변화량이 제1 문턱값을 초과하고, 상기 수신된 온도 관련 제2 데이터의 변화량이 제2 문턱값을 초과하는 경우, 상기 적어도 하나의 건축물내 설치된 온도 감지기 및 연기 감지기의 리페어가 필요한 것으로 판단하는 것을 특징으로 하는 통합형 게이트웨이의 제어 방법.
5. 제4항에 있어서,
   상기 1차 판단하는 단계는, 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부를 판단하는 것을 특징으로 하는 통합형 게이트웨이의 제어 방법.
6. 제4항에 있어서,
   상기 1차 판단하는 단계는,
   상기 수신된 연기 관련 제1 데이터, 상기 수신된 온도 관련 제2 데이터가 그레이 레벨(gray level)에 해당하는지 여부를 판단하는 단계
   를 더 포함하는 것을 특징으로 하는 통합형 게이트웨이의 제어 방법.
7. 제6항에 있어서,
   상기 그레이 레벨을 초과하는 경우, 화재 경보 시스템을 구동하는 단계;
   상기 그레이 레벨에 해당하는 경우, 상기 적어도 하나의 건축물내 CCTV(Closed-circuit Television)를 온 시키는 커맨드를 전송하는 단계;
   상기 CCTV에 의해 캡쳐된 이미지내 특정 오브젝트가 감지되었는지 여부를 판단하는 단계;
   감지된 경우에 한하여, 상기 적어도 하나의 건축물을 관리하는 관리 서버에 입주자의 최소 개인 정보를 요청 및 수신하는 단계;
   상기 수신된 입주자의 최소 개인 정보에 기초하여, 현재 날짜가 기설정된 범위 이내인지 여부를 판단하는 단계; 그리고
   상기 판단 결과 기설정된 범위 이내인 경우에 한하여, 상기 적어도 하나의 모바일 디바이스로 관련 메시지를 전송하거나 또는 상기 적어도 하나의 건축물에 설치된 스피커를 통해 음성 안내 서비스가 제공되도록 제어하는 단계
   를 더 포함하는 것을 특징으로 하는 통합형 게이트웨이의 제어 방법.
8. 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)에 있어서,
   연기 관련 제1 데이터 및 온도 관련 제2 데이터를 클라우드 서버로 전송하는 전송 모듈;
   룰 베이스드(rule-based) 모델에 기초하여 판단된 화재 발생 여부에 대한 결과값을, 클라우드 서버로부터 수신하는 수신 모듈; 그리고
   상기 결과값에 기초하여, 화재 발생 여부를 상기 적어도 하나의 건축물에 설치된 화재 대응 설비에 직접 전송하거나 또는 중계반을 경유하여 선택적으로 전달되도록 제어하는 컨트롤러
   를 포함하는 게이트웨이.
9. 제8항에 있어서,
   상기 룰 베이스드 모델이라 함은,
   상기 연기 관련 제1 데이터, 상기 온도 관련 제2 데이터가 그레이 레벨에 해당하는지 여부를 기준으로 화재 발생 여부가 판단되어지는 것을 특징으로 하는 게이트웨이.
10. 제9항에 있어서,
    상기 그레이 레벨은,
    상기 연기 관련 제1 데이터의 수치가 기설정된 문턱값의 30 내지 50%에 해당하고, 동시에 상기 온도 관련 제2 데이터의 수치가 기설정된 문턱값의 10 내지 50%에 해당하는 경우로 한정되는 것을 특징으로 하는 게이트웨이.
11. 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)에 있어서,
    연기 관련 제1 데이터 및 온도 관련 제2 데이터를 클라우드 서버로 전송하는 전송 모듈;
    룰 베이스드(rule-based) 모델에 기초하여 판단된 온도 감지기 및 연기 감지기의 리페어 필요 여부에 대한 결과값을, 클라우드 서버로부터 수신하는 수신 모듈;
    상기 결과값에 기초하여, 리페어 필요 여부를 상기 적어도 하나의 건축물을 관리하는 관리 서버로 전송하도록 제어하는 컨트롤러
    를 포함하는 게이트웨이.
12. 적어도 하나의 건축물의 화재를 종합적으로 관리하는 통합형 게이트웨이(gateway)를 포함하는 시스템에 있어서,
    연기 관련 제1 데이터 및 온도 관련 제2 데이터를 전송하는 게이트웨이;
    상기 연기 관련 제1 데이터, 상기 온도 관련 제2 데이터를 입력값으로 하여, 룰 베이스드(rule-based) 모델에 기초하여 화재 발생 여부를 판단한 출력값을 전송하는 제1 클라우드 서버;
    상기 출력값에 반응하여 기설정된 머신 러닝에 기초하여, 화재 발생 위치 정보, 구조자 재실 정보 및 화재 확대 예측 경로 정보를 소방서 대응 통신 모듈에 전송하고, 피난 경로 정보를 적어도 하나의 모바일 디바이스로 전송하는 제2 클라우드 서버
    를 포함하는 시스템.
13. 제12항에 있어서,
    상기 시스템은,
    PLC (power line communication) 통신을 수행하는 연기 감지기 및 상기 PLC 통신을 수행하는 온도 감지기와,
    RS(Recommended Standard)485 통신을 수행하는 중계반을
    더 포함하는 것을 특징으로 하는 시스템.
14. 제13항에 있어서,
    상기 룰 베이스드 모델이라 함은,
    상기 연기 관련 제1 데이터, 상기 온도 관련 제2 데이터가 그레이 레벨에 해당하는지 여부를 기준으로 화재 발생 여부가 판단되어지는 것을 특징으로 하는 시스템.
15. 제14항에 있어서,
    상기 그레이 레벨은,
    상기 연기 관련 제1 데이터의 수치가 기설정된 문턱값의 30 내지 50%에 해당하고, 동시에 상기 온도 관련 제2 데이터의 수치가 기설정된 문턱값의 10 내지 50%에 해당하는 경우로 한정되는 것을 특징으로 하는 시스템.

Images