KR20230061261A - Method of producing meteorological data for digital twin and system for producing meteorological data for digital twin - Google Patents

Method of producing meteorological data for digital twin and system for producing meteorological data for digital twin Download PDF

Info

Publication number
KR20230061261A
KR20230061261A KR1020220137614A KR20220137614A KR20230061261A KR 20230061261 A KR20230061261 A KR 20230061261A KR 1020220137614 A KR1020220137614 A KR 1020220137614A KR 20220137614 A KR20220137614 A KR 20220137614A KR 20230061261 A KR20230061261 A KR 20230061261A
Authority
KR
South Korea
Prior art keywords
weather
data
digital twin
meteorological
weather data
Prior art date
Application number
KR1020220137614A
Other languages
Korean (ko)
Inventor
김재원
이희상
Original Assignee
주식회사 환경과안전
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 주식회사 환경과안전 filed Critical 주식회사 환경과안전
Publication of KR20230061261A publication Critical patent/KR20230061261A/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Tourism & Hospitality (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

An embodiment of the present invention provides a method of producing meteorological data for a digital twin and a system for producing meteorological data for a digital twin, which can increase the accuracy of monitoring hazardous weather. The method of producing meteorological data for a digital twin comprises: a step in which an aircraft measures meteorological data while flying; a step of creating a meteorological data network based on the meteorological data; and a step of performing finite element analysis of the meteorological data network to produce a 3D weather environment data set.

Description

디지털 트윈을 위한 기상데이터 생산방법 및 디지털 트윈을 위한 기상데이터 생산시스템{METHOD OF PRODUCING METEOROLOGICAL DATA FOR DIGITAL TWIN AND SYSTEM FOR PRODUCING METEOROLOGICAL DATA FOR DIGITAL TWIN}Meteorological data production method for digital twin and meteorological data production system for digital twin

본 발명은 디지털 트윈을 위한 기상데이터 생산방법 및 디지털 트윈을 위한 기상데이터 생산시스템에 관한 것으로, 더욱 상세하게는 위험 기상에 대한 감시 정확도를 높일 수 있는 디지털 트윈을 위한 기상데이터 생산방법 및 디지털 트윈을 위한 기상데이터 생산시스템에 관한 것이다.The present invention relates to a meteorological data production method for a digital twin and a meteorological data production system for a digital twin, and more particularly, to a meteorological data production method and digital twin for a digital twin capable of increasing monitoring accuracy for dangerous weather. It is about a meteorological data production system for

지구 온난화로 촉발된 기후변화로 인하여 위험기상의 출현빈도가 증가하고 있다. 또한 도시화로 인하여 많은 인구가 좁은 공간에 거주하면서 도심 내 침수 및 돌발 홍수 등의 위험성도 높아지고 있다.Due to climate change triggered by global warming, the frequency of occurrence of dangerous weather is increasing. In addition, as a large number of people live in small spaces due to urbanization, the risk of flooding and flash flooding in the city center is increasing.

따라서, 도시의 자연재해를 저감하고 효과적으로 대응하기 위해서는 정확한 기상모델이 요구되고 있으나, 현재는 2차원(지상XY) 관측망 자료만을 활용하고 있는 실정이다. 이러다 보니, 도시정보관리 측면에서 저밀도 혹은 자료 공백인 도시상공 대기환경 정보의 수집은 효과적이지 못한 상황이다. Therefore, in order to reduce and effectively respond to natural disasters in cities, accurate meteorological models are required, but currently only two-dimensional (Ground XY) observation network data are being used. As a result, in terms of urban information management, the collection of low-density or data-vacant atmospheric environment information over cities is not effective.

특히, 인명과 재산의 보호가치가 높은 국소지역에 발생할 수 있는 중규모 위험기상을 감시에 적용할 수 있는 기술과 가공에 관해 더욱 효과적인 기술이 요구된다.In particular, a more effective technology for processing and technology that can be applied to surveillance of medium-scale hazardous weather that can occur in a local area with high protection value of life and property is required.

대한민국 공개특허공보 제2022-0076748호(2022.06.08. 공개)Republic of Korea Patent Publication No. 2022-0076748 (2022.06.08. Publication)

상기와 같은 문제점을 해결하기 위하여, 본 발명이 이루고자 하는 기술적 과제는 위험 기상에 대한 감시 정확도를 높일 수 있는 디지털 트윈을 위한 기상데이터 생산방법 및 디지털 트윈을 위한 기상데이터 생산시스템을 제공하는 것이다.In order to solve the above problems, a technical problem to be achieved by the present invention is to provide a weather data production method for digital twin and a weather data production system for digital twin that can increase monitoring accuracy for dangerous weather.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problem to be achieved by the present invention is not limited to the above-mentioned technical problem, and other technical problems not mentioned can be clearly understood by those skilled in the art from the description below. There will be.

상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 비행체가 비행하면서 기상 데이터를 측정하는 기상 데이터 측정단계; 상기 기상 데이터를 기초로 기상 데이터망을 생성하는 기상 데이터망 생성단계; 및 상기 기상 데이터망을 유한요소 해석하여 3차원 기상환경 데이터셋을 생성하는 3차원 기상환경 데이터셋 생성단계를 포함하는 것을 특징으로 하는 디지털 트윈을 위한 기상데이터 생산방법을 제공한다.In order to achieve the above technical problem, an embodiment of the present invention is a meteorological data measurement step of measuring meteorological data while an aircraft flies; a weather data network generating step of generating a weather data network based on the weather data; and generating a 3D weather environment data set by performing finite element analysis on the weather data network to generate a 3D weather environment data set.

본 발명의 실시예에 있어서, 상기 3차원 기상환경 데이터셋을 디지털 트윈 모델에 적용하는 디지털 트윈 모델 적용단계를 포함할 수 있다.In an embodiment of the present invention, a digital twin model application step of applying the 3D weather environment dataset to a digital twin model may be included.

한편, 상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 비행하면서 기상 데이터를 측정하는 비행체; 상기 기상 데이터를 기초로 기상 데이터망을 생성하는 기상 데이터망 생성부; 및 상기 기상 데이터망을 유한요소 해석하여 3차원 기상환경 데이터셋을 생성하는 3차원 기상환경 데이터셋 생성부를 포함하는 것을 특징으로 하는 디지털 트윈을 위한 기상데이터 생산시스템을 제공한다.On the other hand, in order to achieve the above technical problem, one embodiment of the present invention is an aircraft that measures meteorological data while flying; a weather data network generating unit generating a weather data network based on the weather data; and a 3D weather environment data set generating unit generating a 3D weather environment data set by performing finite element analysis on the weather data network.

본 발명의 실시예에 있어서, 상기 3차원 기상환경 데이터셋이 적용되는 디지털 트윈 모델부를 포함할 수 있다.In an embodiment of the present invention, a digital twin model unit to which the 3D weather environment data set is applied may be included.

본 발명의 실시예에 따르면, 비행체가 측정하는 기상 데이터를 기초로 기상 데이터망을 생성하고, 기상 데이터망을 유한요소 해석하여 3차원의 고밀도 기상환경 데이터셋을 생성하여 미세먼지, 도시열섬, 안개, 블랙 아이스 등과 같이 대기환경과 매우 밀접한 다양한 도시 안전관리 문제해결에 활용될 수 있는 이점이 있다.According to an embodiment of the present invention, a meteorological data network is generated based on meteorological data measured by an aircraft, and a 3D high-density meteorological environment dataset is generated by finite element analysis of the meteorological data network, such as fine dust, urban heat island, and fog. It has the advantage that it can be used to solve various urban safety management problems that are very closely related to the atmospheric environment, such as black ice and black ice.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.The effects of the present invention are not limited to the above effects, and should be understood to include all effects that can be inferred from the detailed description of the present invention or the configuration of the invention described in the claims.

도 1은 본 발명의 일실시예에 따른 기상데이터 생산방법을 나타낸 흐름도이다.
도 2는 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터 측정단계를 나타낸 흐름도이다.
도 3은 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터 측정단계를 설명하기 위한 예시도이다.
도 4는 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터망 생성단계를 나타낸 흐름도이다.
도 5는 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터망 생성단계에서 다각망 생성단계를 설명하기 위한 예시도이다.
도 6은 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터망 생성단계에서 다중 다각망 생성단계를 설명하기 위한 예시도이다.
도 7은 본 발명의 일실시예에 따른 기상데이터 생산방법에서 3차원 기상환경 데이터셋 생성단계를 설명하기 위한 예시도이다.
도 8은 본 발명의 일실시예에 따른 디지털 트윈을 위한 기상데이터 생산시스템을 나타낸 구성도이다.1 is a flowchart illustrating a method for generating weather data according to an embodiment of the present invention.
2 is a flowchart showing a meteorological data measuring step in a meteorological data production method according to an embodiment of the present invention.
3 is an exemplary diagram for explaining a meteorological data measuring step in a method for producing meteorological data according to an embodiment of the present invention.
4 is a flowchart illustrating a step of generating a weather data network in a method for generating weather data according to an embodiment of the present invention.
5 is an exemplary diagram for explaining a polygonal network generation step in a weather data network generation step in a weather data production method according to an embodiment of the present invention.
6 is an exemplary diagram for explaining a multi-polygon network generation step in a weather data network generation step in a weather data production method according to an embodiment of the present invention.
7 is an exemplary diagram for explaining a step of generating a 3D weather environment data set in a weather data production method according to an embodiment of the present invention.
8 is a configuration diagram showing a meteorological data production system for a digital twin according to an embodiment of the present invention.

이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, the present invention will be described with reference to the accompanying drawings. However, the present invention may be embodied in many different forms and, therefore, is not limited to the embodiments described herein. And in order to clearly explain the present invention in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.Throughout the specification, when a part is said to be "connected (connected, contacted, combined)" with another part, this is not only "directly connected", but also "indirectly connected" with another member in between. "Including cases where In addition, when a part "includes" a certain component, it means that it may further include other components without excluding other components unless otherwise stated.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in this specification are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as "include" or "have" are intended to indicate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that it does not preclude the possibility of the presence or addition of numbers, steps, operations, components, parts, or combinations thereof.

이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일실시예에 따른 기상데이터 생산방법을 나타낸 흐름도이고, 도 2는 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터 측정단계를 나타낸 흐름도이고, 도 3은 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터 측정단계를 설명하기 위한 예시도이다.1 is a flow chart showing a weather data production method according to an embodiment of the present invention, FIG. 2 is a flow chart showing a weather data measurement step in the weather data production method according to an embodiment of the present invention, and FIG. It is an exemplary view for explaining the meteorological data measurement step in the meteorological data production method according to an embodiment of the above.

도 1 내지 도 3에서 보는 바와 같이, 기상데이터 생산방법은 기상 데이터 측정단계(S110), 기상 데이터망 생성단계(S120) 및 3차원 기상환경 데이터셋 생성단계(S130)를 포함할 수 있다.As shown in FIGS. 1 to 3 , the method for generating weather data may include measuring weather data (S110), generating a weather data network (S120), and generating a 3D weather environment data set (S130).

기상 데이터 측정단계(S110)는 비행체가 비행하면서 기상 데이터를 측정하는 단계일 수 있다. 그리고, 기상 데이터 측정단계(S110)는 수직 기상 데이터 측정단계(S111)와 수평 기상 데이터 측정단계(S112)를 가질 수 있다.The meteorological data measuring step ( S110 ) may be a step of measuring meteorological data while the vehicle is flying. The meteorological data measuring step (S110) may include a vertical meteorological data measuring step (S111) and a horizontal meteorological data measuring step (S112).

수직 기상 데이터 측정단계(S111)는 서로 떨어진 위치(301,302,303)에서 복수 개의 제1비행체(210a,210b,210c)가 수직 비행하면서 각각 연속적으로 수직 기상 데이터를 측정하는 단계일 수 있다. 여기서, 각 위치(301,302,303)는 서로 5 km 이상의 거리로 떨어지도록 선정됨이 바람직하다. The vertical meteorological data measurement step S111 may be a step of continuously measuring vertical meteorological data while the plurality of first aircraft 210a, 210b, and 210c fly vertically at positions 301, 302, and 303 apart from each other. Here, it is preferable that the respective positions 301, 302, and 303 are selected to be separated from each other by a distance of 5 km or more.

제1비행체(210a,210b,210c)는 각각 수직 비행경로(311,312,313)를 따라 수직 비행함이 바람직하며, 이를 위해, 제1비행체로는 회전익 드론이 사용될 수 있다. 회전익 드론은 비행체가 회전하는 로터(프로펠러)에 의해 비행할 수 있는 비행장치로서, 좁은 공간에서도 수직 이착륙이 용이하고, 공중에서 정지 비행을 할 수 있기 때문에, 수직 비행경로를 따라 수직 비행하기에 유리하다.It is preferable that the first flight vehicles 210a, 210b, and 210c fly vertically along the vertical flight paths 311, 312, and 313, respectively. For this purpose, a rotary wing drone may be used as the first flight vehicle. A rotary wing drone is a flight device that can fly by a rotating rotor (propeller), and it is advantageous for vertical flight along a vertical flight path because it is easy to take off and land vertically even in a small space and can stop flying in the air. do.

각 위치(301,302,303)의 제1비행체(210a,210b,210c)는 동시에 이륙 되고, 동일한 속도로 비행할 수 있으며, 700hPa(3,000m)까지 수직비행 할 수 있다. 제1비행체(210a,210b,210c)는 수직으로 비행하면서 고도 축에 대한 연속적인 기상 데이터를 측정할 수 있다.The first aircraft 210a, 210b, and 210c of each position 301, 302, and 303 can take off simultaneously, fly at the same speed, and fly vertically up to 700 hPa (3,000 m). The first flight vehicles 210a, 210b, and 210c may continuously measure meteorological data on an altitude axis while flying vertically.

그리고, 수평 기상 데이터 측정단계(S112)는 서로 다른 높이(321,322,323)에서 복수 개의 제2비행체(220a,220b,220c)가 원주 비행하면서 각각 연속적으로 수평 기상 데이터를 측정하는 단계일 수 있다.In addition, the horizontal meteorological data measuring step (S112) may be a step of continuously measuring horizontal meteorological data while the plurality of second aircraft 220a, 220b, and 220c fly circumferentially at different heights 321, 322, and 323.

여기서, 서로 다른 높이(321,322,323)는 980hPa(850m), 850hPa(1,500m) 및 700hPa(3,000m) 일 수 있다. 즉, 제1높이(321)인 980hPa(850m)의 제2비행체(220a)는 제1높이(321)에서 원주 비행하면서 수평 기상 데이터를 측정할 수 있고, 제2높이(322)인 850hPa(1,500m)의 제2비행체(220b)는 제2높이(322)에서 원주 비행하면서 수평 기상 데이터를 측정할 수 있으며, 제3높이(323)인 700hPa(3,000m)의 제2비행체(220c)는 제3높이(323)에서 원주 비행하면서 수평 기상 데이터를 측정할 수 있다. Here, the different heights 321, 322, and 323 may be 980 hPa (850 m), 850 hPa (1,500 m), and 700 hPa (3,000 m). That is, the second aircraft 220a of 980 hPa (850 m), which is the first height 321, can measure horizontal meteorological data while flying circumferentially at the first height 321, and the second height 322, 850 hPa (1,500 hPa). m) of the second aircraft 220b can measure horizontal meteorological data while flying circumferentially at the second height 322, and the second aircraft 220c of 700 hPa (3,000 m), which is the third height 323, Horizontal meteorological data can be measured while flying circumferentially at 3 height (323).

이에 따라, 제1높이(321)의 제2비행체(220a)는 제1높이(321)에서의 수평 계측선(231)에 대한 연속적인 수평 기상 데이터를 측정할 수 있게 되고, 제2높이(322)의 제2비행체(220b)는 제2높이(322)에서의 수평 계측선(232)에 대한 연속적인 수평 기상 데이터를 측정할 수 있게 되며, 제3높이(323)의 제2비행체(220c)는 제3높이(323)에서의 수평 계측선(233)에 대한 연속적인 수평 기상 데이터를 측정할 수 있게 된다.Accordingly, the second aircraft 220a at the first height 321 can measure continuous horizontal meteorological data for the horizontal measurement line 231 at the first height 321, and the second height 322 The second aircraft 220b of ) can measure continuous horizontal meteorological data for the horizontal measurement line 232 at the second height 322, and the second aircraft 220c at the third height 323 It is possible to measure continuous horizontal meteorological data for the horizontal measurement line 233 at the third height 323.

제2비행체(220a,220b,220c)는 고정익 드론일 수 있다. 고정익 드론은 비행체가 일반적인 비행기 형태로 고정된 날개가 장착된 비행장치이다. 고정익 드론은 중고도, 고고도에서 장기 체공이 가능하고, 연료 소모가 상대적으로 적어 장기 체공이 가능하여 원주 비행에 유리하다.The second flight vehicles 220a, 220b, and 220c may be fixed-wing drones. A fixed-wing drone is a flying device equipped with fixed wings in the form of a general airplane. Fixed-wing drones are advantageous for circumferential flight because they are capable of long-term endurance at medium and high altitudes and have relatively low fuel consumption.

제1비행체(210a,210b,210c) 및 제2비행체(220a,220b,220c)의 비행경로(Waypoint)는 사전에 설정되어 있을 수 있으며, 수직 기상 데이터 및 수평 기상 데이터는 일정시간(예를 들면, 1시간동안 10km 비행) 단위로 수집될 수 있다.The waypoints of the first aircraft 210a, 210b, and 210c and the second aircraft 220a, 220b, and 220c may be set in advance, and the vertical weather data and the horizontal weather data are set for a certain time (eg, , 10 km flight for 1 hour).

그리고, 수직 기상 데이터 및 수평 기상 데이터의 계측시간은 시간 동기화가 될 수 있다. 다시 말하면, 제1비행체(210a,210b,210c) 및 제2비행체(220a,220b,220c)에는 각각 GPS(Global Positioning System)가 탑재될 수 있고 표준시로 작동될 수 있으며, 다 지점에서 수행되는 계측은 모두 동일 시간에 이루어질 수 있다.Also, measurement times of the vertical weather data and the horizontal weather data may be time synchronized. In other words, each of the first aircraft 210a, 210b, and 210c and the second aircraft 220a, 220b, and 220c may be equipped with a Global Positioning System (GPS), operated in standard time, and measurement performed at multiple points. can all be done at the same time.

수직 기상 데이터 및 수평 기상 데이터는 온도, 습도, 기압, 풍향, 풍속, 복사속, 미세먼지(PM2.5, PM10), O3, CO2, NOx, SOx 등을 포함할 수 있으며, 이를 측정하기 위해서 제1비행체 및 제2비행체는 기상센서, 환경관측용 분광센서, 마이크로웨이브 센서, 샘플 포집기 등을 탑재할 수 있다.Vertical weather data and horizontal weather data may include temperature, humidity, barometric pressure, wind direction, wind speed, radiant speed, fine dust (PM2.5, PM10), O 3 , CO 2 , NOx, SOx, etc. To this end, the first and second aircraft may be equipped with a weather sensor, a spectral sensor for environmental observation, a microwave sensor, a sample collector, and the like.

한편, 기상 데이터망 생성단계(S120)는 비행체가 측정하는 기상 데이터를 기초로 기상 데이터망을 생성하는 단계일 수 있다.Meanwhile, the weather data network generating step ( S120 ) may be a step of generating a weather data network based on weather data measured by an aircraft.

도 4는 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터망 생성단계를 나타낸 흐름도이다.4 is a flowchart illustrating a step of generating a weather data network in a method for generating weather data according to an embodiment of the present invention.

도 4에서 보는 바와 같이, 기상 데이터망 생성단계는 시간차 제거단계(S121), 다각망 생성단계(S122) 및 다중 다각망 생성단계(S123)를 가질 수 있다.As shown in FIG. 4 , the weather data network generation step may include a time difference elimination step (S121), a polygon network generation step (S122), and a multi-polygon network generation step (S123).

시간차 제거단계(S121)는 복수의 수직 기상 데이터 및 복수의 수평 기상 데이터를 자료동화(Data Assimilation)하여 복수의 수직 기상 데이터 및 복수의 수평 기상 데이터 사이의 각 측정시점에 대한 시간차를 제거하는 단계일 수 있다.The time difference elimination step (S121) is a step of data assimilating a plurality of vertical weather data and a plurality of horizontal weather data to remove a time difference for each measurement point between a plurality of vertical weather data and a plurality of horizontal weather data. can

전술한 바와 같이, 제1비행체(210a,210b,210c) 및 제2비행체(220a,220b,220c)에 의해 다 지점에서 수행되는 계측은 모두 동일 시간에 이루어질 수 있다. 그러나, 제1비행체(210a,210b,210c) 및 제2비행체(220a,220b,220c)가 비행함에 따라 생기는 기상장의 변화를 측정하는 방식은 차이가 있을 수 있다.As described above, measurements performed at multiple points by the first aircraft 210a, 210b, and 210c and the second aircraft 220a, 220b, and 220c may all be performed at the same time. However, there may be a difference in the method of measuring the change in the meteorological field caused by the flight of the first aircraft 210a, 210b, and 210c and the second aircraft 220a, 220b, and 220c.

모델의 예보결과를 관측자료로 조정하여 현재의 대기상태를 생산하는 과정인 자료동화는 변분자료동화(Variational Method) 또는 칼만 필터(Kalman Filter) 방법을 이용하여 실시될 수 있으며, 이를 통해, 복수의 수직 기상 데이터 및 복수의 수평 기상 데이터 사이의 각 측정시점에 대한 시간차가 제거될 수 있다.Data assimilation, which is a process of adjusting the forecast results of the model to observation data to produce the current atmospheric state, can be performed using the Variational Method or the Kalman Filter method. Through this, a plurality of A time difference between each measurement time point between the vertical weather data and the plurality of horizontal weather data may be removed.

시간차 제거단계(S121)에서, 수직 기상 데이터는 오일러(Eulerian) 방식에 기반하여 자료동화될 수 있다. 오일러 방식은 대기역학장의 변화를 고정 관측점에서 측정하는 방식으로, 움직이지 않는 관측자 시점에서 움직이는 것을 대상으로 하는 것일 수 있다.In the time difference removal step (S121), the vertical meteorological data may be data assimilated based on the Eulerian method. The Euler method is a method of measuring changes in the atmospheric dynamic field at a fixed observation point, and may be a moving object from the point of view of a stationary observer.

그리고, 수평 기상 데이터는 라그랑지(Lagrangian) 방식에 기반하여 자료동화될 수 있다. 라그랑지 방식은 관측자가 대기역학장의 흐름을 따라 운동하면서 대기역학자의 변화를 측정하는 방식일 수 있다.And, horizontal meteorological data can be data assimilated based on the Lagrangian method. The Lagrangian method may be a method in which the observer moves along the flow of the atmospheric dynamic field and measures the change in the atmospheric dynamics.

다각망 생성단계(S122)는 수직 기상 데이터의 각각의 계측점을 기준으로 다각망을 생성하는 단계일 수 있다. 여기서, 계측점은 수평 기상 데이터의 관측 높이에 대응될 수 있다.The polygon network generation step ( S122 ) may be a step of generating a polygon network based on each measurement point of the vertical weather data. Here, the measurement point may correspond to the observed height of the horizontal weather data.

도 5는 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터망 생성단계에서 다각망 생성단계를 설명하기 위한 예시도이다.5 is an exemplary diagram for explaining a polygonal network generation step in a weather data network generation step in a weather data production method according to an embodiment of the present invention.

도 5에서 보는 바와 같이, 다각망 생성단계(S122)에서는, 제1높이(321), 제2높이(322) 및 제3높이(323)에서 각각 다각망을 생성할 수 있다.As shown in FIG. 5 , in the polygon network generation step (S122), polygon networks may be generated at the first height 321, the second height 322, and the third height 323, respectively.

즉, 제1높이(321)의 수평계측선(231)의 내측에 형성되는 가상의 면과 수직비행경로(311,312,313) 각각의 교점을 계측점으로 할 수 있으며, 이 경우에는, 수평계측선(231)을 테두리로 내측에 형성되는 가상의 면과 제1위치(301)에서의 수직비행경로(311)가 만나는 제1높이제1계측점(401a)과, 수평계측선(231)을 테두리로 내측에 형성되는 가상의 면과 제2위치(302)에서의 수직비행경로(312)가 만나는 제1높이제2계측점(402a)과, 수평계측선(231)을 테두리로 내측에 형성되는 가상의 면과 제3위치(303)에서의 수직비행경로(313)가 만나는 제1높이제3계측점(403a)을 얻을 수 있다. 그리고, 각 계측점(401a,401b,401c)을 연결하여 제1높이제1다각망(501a)을 얻을 수 있다.That is, the virtual plane formed inside the horizontal measurement line 231 of the first height 321 and the intersection of each of the vertical flight paths 311, 312, and 313 may be used as the measurement point, and in this case, the horizontal measurement line 231 is the border. The virtual plane formed inside the furnace and the first height first measurement point 401a where the vertical flight path 311 at the first position 301 meets, and the horizontal measurement line 231 as a border are formed inside the virtual plane. The first height second measurement point 402a where the plane and the vertical flight path 312 at the second position 302 meet, and the horizontal measurement line 231 as rims are formed inside the imaginary plane and the third position 303 ), the first height third measurement point 403a where the vertical flight path 313 meets can be obtained. In addition, the first height first polygon network 501a can be obtained by connecting the measurement points 401a, 401b, and 401c.

마찬가지 방법으로, 제2높이(322)에서는 제2높이제1계측점(401b), 제2높이제2계측점(402b) 및 제2높이제3계측점(403b)을 얻을 수 있고, 각각의 제2높이계측점(401b,402b,403b)을 연결하여 제2높이제1다각망(501b)을 얻을 수 있다. In the same way, in the second height 322, it is possible to obtain the second height first measurement point 401b, the second height second measurement point 402b and the second height third measurement point 403b, respectively. The second height first polygon network 501b can be obtained by connecting the measurement points 401b, 402b, and 403b.

그리고, 제3높이(323)에서는 제3높이제1계측점(401c), 제3높이제2계측점(402c) 및 제3높이제3계측점(403c)을 얻을 수 있고, 제3높이의 각 계측점(401c,402c,403c)을 연결하여 제3높이제1다각망(501c)을 얻을 수 있다.And, in the third height 323, the third height first measurement point 401c, the third height second measurement point 402c, and the third height third measurement point 403c can be obtained, and each measurement point of the third height ( 401c, 402c, and 403c) can be connected to obtain a first polygon network 501c with a third height.

본 실시예에서는, 3대의 제1비행체(210a,210b,210c)가 운용되는 것으로 설명하였기 때문에, 다각망(501a,501b,501c)은 삼각망의 형태로 되고, 3대의 제2비행체(220a,220b,220c)가 운용되는 것으로 설명하였기 때문에, 제1높이(321), 제2높이(322) 및 제3높이(323)에서 각각 삼각망이 형성되게 된다. 다각망의 밀도(다르게 표현하면 해상도)를 어느 정도로 할 것인가에 따라 제1비행체 및 제2비행체의 운용 수는 조절될 수 있다.In this embodiment, since it has been described that the three first aircraft 210a, 210b, and 210c are operated, the polygon networks 501a, 501b, and 501c are in the form of a triangular network, and the three second aircraft 220a, Since it has been described that 220b and 220c) are operated, triangular networks are formed at the first height 321, the second height 322, and the third height 323, respectively. Depending on the degree of density (resolved differently) of the polygon network, the number of operations of the first and second aircraft can be adjusted.

그리고, 다중 다각망 생성단계(S123)는 다각망을 수평 기상 데이터의 계측선 상의 점과 연결하여 다중 다각망을 생성하는 단계일 수 있다.The multi-polygon network generation step (S123) may be a step of generating a multi-polygon network by connecting the polygon network to points on the measurement line of the horizontal meteorological data.

도 6은 본 발명의 일실시예에 따른 기상데이터 생산방법에서 기상 데이터망 생성단계에서 다중 다각망 생성단계를 설명하기 위한 예시도이다.6 is an exemplary diagram for explaining a multi-polygon network generation step in a weather data network generation step in a weather data production method according to an embodiment of the present invention.

도 6을 더 포함하여 보는 바와 같이, 다중 다각망 생성단계(S123)에서는 제1높이(321)의 수평계측선(231) 상의 점(411a)과 제1높이(321)의 계측점(401a,402a,403a)에 의해 형성된 제1높이제1다각망(501a)을 연결하여 새로운 다각망(511a)을 생성할 수 있다.6, in the multi-polygon network generation step (S123), the point 411a on the horizontal measurement line 231 of the first height 321 and the measurement points 401a, 402a, A new polygon network 511a may be created by connecting the first height first polygon network 501a formed by step 403a.

그리고, 제1높이(321)의 수평계측선(231) 상의 다른 점(412a)과 제1높이제1다각망(501a)을 연결하여 또 다른 새로운 다각망(512a)을 생성할 수 있다. Further, another new polygon network 512a may be created by connecting another point 412a on the horizontal measurement line 231 of the first height 321 and the first polygon network 501a of the first height.

이런 방법으로, 제1높이(321)의 수평계측선(231)에는 계속해서 다른 새로운 다각망을 생성할 수 있으며, 이를 통해, 다중 다각망을 생성할 수 있다. In this way, other new polygon networks can be continuously created in the horizontal measurement line 231 of the first height 321, and through this, multiple polygon networks can be created.

마찬가지 방법으로 제2높이(322)의 수평계측선(232)에도 제2높이제1다각망(501b)과 수평계측선(232) 상의 점을 연결하여 새로운 복수 개의 다각망(511b,512b) 등을 생성할 수 있고, 이를 통해, 다중 다각망을 생성할 수 있다.In the same way, a plurality of new polygon networks 511b and 512b are created by connecting points on the horizontal measurement line 232 of the second height 322 with the first polygon network 501b of the second height 322 and the points on the horizontal measurement line 232. and through this, multiple polygon networks can be created.

또한, 제3높이(323)의 수평계측선(233)에도 제3높이제1다각망(501c)과 수평계측선(233) 상의 점을 연결하여 새로운 복수 개의 다각망(511c,512c) 등을 생성할 수 있고, 이를 통해, 다중 다각망을 생성할 수 있다. 다중 다각망은 보로노이(Voronoi) 알고리즘을 활용하여 생성할 수 있다. In addition, a plurality of new polygon networks 511c and 512c can be created by connecting the points on the horizontal measurement line 233 of the third height 323 with the first polygon network 501c of the third height 323. and through this, multiple polygon networks can be created. A multi-polygon network can be created using the Voronoi algorithm.

그리고, 3차원 기상환경 데이터셋 생성단계(S130)는 기상 데이터망을 유한요소 해석하여 3차원 기상환경 데이터셋을 생성하는 단계일 수 있다.The 3D weather environment data set generating step (S130) may be a step of generating a 3D weather environment data set by finite element analysis of the weather data network.

도 7은 본 발명의 일실시예에 따른 기상데이터 생산방법에서 3차원 기상환경 데이터셋 생성단계를 설명하기 위한 예시도이다.7 is an exemplary diagram for explaining a step of generating a 3D weather environment data set in a weather data production method according to an embodiment of the present invention.

도 7을 더 포함하여 보는 바와 같이, 3차원 기상환경 데이터셋 생성단계(S130)에서는, 다중 다각망을 유한요소 해석하여 미간측 격자점의 데이터를 보간하고, 이를 통해 3차원 기상환경 데이터셋(600)을 생성할 수 있다. As further included in FIG. 7, in the step of generating a 3D weather environment data set (S130), finite element analysis is performed on the multi-polygon network to interpolate the data of the lattice points on the eyebrow side, and through this, the 3D weather environment data set ( 600) can be created.

즉, 유한요소 해석을 통해 각 높이(321,322,323) 사이에 미관측 지점의 기상값(온도, 습도, 기압, 풍향, 풍속, 복사속, 미세먼지(PM2.5, PM10), O3, CO2, NOx, SOx 등)이 추정될 수 있다.That is, the meteorological values (temperature, humidity, air pressure, wind direction, wind speed, radiant speed, fine dust (PM2.5, PM10), O 3 , CO 2 , NOx, SOx, etc.) can be estimated.

이렇게 생성되는 3차원 기상환경 데이터셋(600)은 다중 다각망보다 고밀도의 큐빅 형태의 격자망 구조를 이룰 수 있으며, 이와 같이 생성되는 3차원 기상환경 데이터셋(600)은 고층 기상 분석 및 예측을 위한 기상 분석장이 될 수 있다. The 3D weather environment dataset 600 generated in this way can form a cubic grid network structure with a higher density than the multi-polygon network, and the 3D weather environment dataset 600 generated in this way can be used for high-rise weather analysis and prediction. It can be a meteorological analysis site.

3차원 기상환경 데이터셋(600)은 상공을 2,000m 이하의 격자망으로 구성할 수 있다. 따라서, 3차원 기상환경 데이터셋(600)은 국지규모 기상분석 및 예측장(2~20㎞, 메조 감마 규모) 모델에 활용될 수 있다.The 3D meteorological environment dataset 600 may be configured as a grid network of 2,000 m or less in the sky. Therefore, the 3D meteorological environment dataset 600 can be used for a local-scale meteorological analysis and prediction field (2-20 km, meso-gamma scale) model.

나아가, 3차원 기상환경 데이터셋(600)을 통해, 임의 지점에 대한 대기단열선도를 생성할 수 있으며, 대기단열선도를 통해 대기의 연직 구조나 대기에서 일어나는 여러 가지 열역학적 과정이 이해, 예측될 수 있다. Furthermore, through the 3D meteorological environment dataset 600, it is possible to generate an atmospheric adiabatic map for an arbitrary point, and the vertical structure of the atmosphere or various thermodynamic processes occurring in the atmosphere can be understood and predicted through the atmospheric adiabatic map. there is.

즉, 종래에는 바람장 분석을 대상으로 하는 한계가 있지만, 본 발명에 따르면 3차원 기상환경 데이터셋(600)을 통해 대기단열선도를 생성할 수 있기 때문에, 대기단열선도를 통해 열역학 분석으로까지 해석 기법이 확장될 수 있다. That is, conventionally, there is a limit to the wind field analysis, but according to the present invention, since the atmospheric adiabatic map can be generated through the 3-dimensional meteorological environment dataset 600, the atmospheric adiabatic map can be analyzed by thermodynamic analysis. The technique can be extended.

예를 들면, 고도가 높아질수록 온도가 올라가는 현상이 일어나는 기층인 역전층에 대한 분석이 가능할 수 있고, 기압이 다른 두 층 간의 연직 두께인 층후(Thickness) 분석이 가능할 수 있다. For example, analysis of an inversion layer, which is a base layer in which a temperature rises as altitude increases, may be possible, and thickness analysis, which is a vertical thickness between two layers having different atmospheric pressures, may be possible.

구체적으로, 도시의 대기 오염도가 감소하기 위해서는 오염물질을 빠르게 확산시킬 수 있는 대기상태가 되는 것이 매우 중요한데, 통상 강한 바람이 불거나 상승기류가 활발하게 일어나는 경우 대기 확산이 원활하게 이루어진다. 대기 역전층 형성은 대기 상층에 따뜻한 공기가 배치되고, 대기 하층에 찬공기가 배치될 때 나타나며, 이때 대기는 매우 안정되어 오염물질이 확산되지 못하고 정제된다. 따라서, 역전층 분석은 도시 대기 오염량 관리측면에서 매우 중요한 분석 인자이다.Specifically, in order to reduce air pollution in the city, it is very important to be in an atmospheric state capable of rapidly dispersing pollutants. Normally, when strong winds blow or rising air currents actively occur, air diffusion is performed smoothly. The formation of an atmospheric inversion layer occurs when warm air is placed in the upper layer of the atmosphere and cold air is placed in the lower layer of the atmosphere. Therefore, inversion layer analysis is a very important analysis factor in terms of urban air pollution management.

그리고, 열돔은 뜨거운 공기가 두껍게 쌓여 도시를 감싸고 있는 것으로, 층후 분석을 통해 열돔의 에너지수지를 관리할 수 있기 때문에, 도시의 열수지 관리 측면에서 층후 분석은 매우 중요한 분석 인가이다.In addition, thermal domes are thick layers of hot air that surround the city, and layer analysis is a very important analysis application in terms of heat balance management in a city because the energy balance of thermal domes can be managed through layer analysis.

또한, 대기단열선도법을 활용한 열역학적 분석기법을 활용하여 상층 대기 상태를 분석할 수 있고, 풍속 데이터를 활용한 바람장 해석과 같은 유체역학적 분석도 가능할 수 있다. 단열선도 분석은 역전층 분석 및 다양한 대기 열역학 분석에 활용할 수 있으며 뇌우 및 우박분석, 강우 예측시 분석, 대기 불안도 분석에 활용될 수 있다. 예를 들면, 상공에 역전층이 발생하는 대기확산이 낮아지면 공기질이 악화될 가능성이 높아지며, 안개의 발생 가능성이 높아질 수 있다. In addition, it is possible to analyze the state of the upper atmosphere by using a thermodynamic analysis technique using the atmospheric adiabatic diagram method, and a hydrodynamic analysis such as wind field analysis using wind speed data may be possible. Adiabatic diagram analysis can be used for inversion layer analysis and various atmospheric thermodynamic analyses, and can be used for thunderstorm and hail analysis, rain forecasting analysis, and atmospheric instability analysis. For example, if the atmospheric diffusion caused by an inversion layer is lowered, the possibility of deteriorating air quality and the occurrence of fog may increase.

이러한 3차원 기상환경 데이터셋(600)은, 도시에 ICT, 빅데이터 등 기술이 접목된 도시 모델로 정의되는 스마트 시티에 적용되어 대기 환경문제 분석에 활용될 수 있다. 특히, 3차원 기상환경 데이터셋(600)은 지상에서부터 2㎞ 내외의 대기혼합층(ABL)에 대한 초고밀도 해석이 가능하여 미세먼지, 도시열섬, 안개 및 블랙아이스 등과 같이 대기환경과 매우 밀접한 다양한 도시 안전관리 문제해결에 활용될 수 있는 이점이 있다.This 3D meteorological environment dataset 600 can be applied to a smart city defined as a city model incorporating technologies such as ICT and big data into a city and used to analyze atmospheric environmental problems. In particular, the 3D meteorological environment dataset 600 is capable of ultra-high-density analysis of the air mixture layer (ABL) within 2 km from the ground, and thus various cities that are very closely related to the atmospheric environment, such as fine dust, urban heat island, fog, and black ice. There is an advantage that can be used to solve safety management problems.

이를 위해, 디지털 트윈을 위한 기상데이터 생산방법은 디지털 트윈 모델 적용단계(S140)를 포함할 수 있다(도 1 참조).To this end, the method for producing weather data for the digital twin may include a digital twin model application step (S140) (see FIG. 1).

디지털 트윈 모델 적용단계(S140)는 3차원 기상환경 데이터셋(600)을 디지털 트윈 모델에 적용하는 단계일 수 있다. 여기서, 디지털 트윈(Digital Twin)은 컴퓨터에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션 함으로써 결과를 미리 예측하는 기술이다. The step of applying the digital twin model (S140) may be a step of applying the 3D weather environment data set 600 to the digital twin model. Here, the digital twin is a technology that predicts the result in advance by creating a twin of a real object in a computer and simulating a situation that can occur in reality with a computer.

종래에 스마트 시티와 접목된 디지털 트윈 모델은 도시 집중화에 따른 재난 안전, 교통혼잡, 에너지 문제, 환경오염 등에 대한 팩터만 포함하였지만, 본 발명에 따르게 되면, 스마트 시티와 접목된 디지털 트윈 모델이 3차원의 고밀도 기상환경 데이터셋을 더 포함할 수 있게 되기 때문에, 대기 열역학 분석을 통해 대기안전도 분석, 역전층 분석, 와도 분석 등이 가능하며, 도시 상층의 대기의 열역학적 불안도, 대기 오염물질의 총량, 대기확산 계수, 대기 총열용량 등을 산정하고, 기상재해(폭염, 빌딩풍 등) 및 대기환경 재해(미세먼지 확상) 등의 정보를 포함하는 대기상태정보 자료동화 서비스를 디지털 트윈의 기상모델에 제공하여 대기환경 시뮬레이션 기능이 강화될 수 있고, 재난재해 대응역량도 증가되도록 할 수 있다.Conventionally, digital twin models grafted with smart cities only included factors such as disaster safety, traffic congestion, energy problems, and environmental pollution due to urban concentration, but according to the present invention, digital twin models grafted with smart cities Since it is possible to further include high-density meteorological environment datasets, air safety analysis, inversion layer analysis, and vorticity analysis are possible through atmospheric thermodynamic analysis, Calculate the atmospheric diffusion coefficient, atmospheric total heat capacity, etc., and provide atmospheric condition information data assimilation service, including information on meteorological disasters (heat wave, building wind, etc.) and atmospheric environmental disasters (fine dust confirmation), to the digital twin meteorological model Thus, the atmospheric environment simulation function can be strengthened and disaster response capacity can be increased.

이하에서는, 전술한 디지털 트윈을 위한 기상데이터 생산방법을 구현할 수 있는 디지털 트윈을 위한 기상데이터 생산시스템에 대해서 설명한다.Hereinafter, a weather data production system for a digital twin that can implement the above-described weather data production method for a digital twin will be described.

도 8은 본 발명의 일실시예에 따른 디지털 트윈을 위한 기상데이터 생산시스템을 나타낸 구성도이다.8 is a configuration diagram showing a meteorological data production system for a digital twin according to an embodiment of the present invention.

도 8에서 보는 바와 같이, 디지털 트윈을 위한 기상데이터 생산시스템은 비행체(200), 기상 데이터망 생성부(700) 및 3차원 기상환경 데이터셋 생성부(800)를 포함할 수 있다.As shown in FIG. 8, the weather data production system for the digital twin may include a vehicle 200, a weather data network generator 700, and a 3D weather environment data set generator 800.

여기서, 비행체(200)는 비행하면서 기상 데이터를 측정할 수 있으며, 비행체(200)는 서로 떨어진 지점에서 수직 비행하면서 각각 수직 기상 데이터를 측정하는 복수 개의 제1비행체(210)와, 서로 다른 높이에서 원주 비행하면서 각각 수평 기상 데이터를 측정하는 복수 개의 제2비행체(220)를 가질 수 있다.Here, the aircraft 200 can measure meteorological data while flying, and the aircraft 200 has a plurality of first aircraft 210 each measuring vertical meteorological data while flying vertically at points apart from each other, and at different heights. It may have a plurality of second aircraft 220 each measuring horizontal meteorological data while flying in a circumference.

그리고, 기상 데이터망 생성부(700)는 기상 데이터를 기초로 기상 데이터망을 생성할 수 있다. 기상 데이터망 생성부(700)는 시간차 제거부(710), 다각망 생성부(720) 및 다중 다각망 생성부(730)를 가질 수 있다. Also, the weather data network generator 700 may generate a weather data network based on weather data. The weather data network generator 700 may include a time difference removal unit 710, a polygon network generator 720, and a multi-polygon network generator 730.

시간차 제거부(710)는 복수의 수직 기상 데이터 및 수평 기상 데이터를 자료동화하여 복수의 수직 기상 데이터 및 수평 기상 데이터 사이의 각 측정시점에 대한 시간차를 제거할 수 있다.The time difference removing unit 710 may remove a time difference between the plurality of vertical weather data and the horizontal weather data at each measurement point by data assimilating the plurality of vertical weather data and horizontal weather data.

그리고, 다각망 생성부(720)는 수직 기상 데이터의 각각의 계측점을 기준으로 다각망을 생성할 수 있다. 여기서, 계측점은 수평 기상 데이터의 관측 높이에 대응될 수 있다.Also, the polygon network generator 720 may generate a polygon network based on each measurement point of the vertical weather data. Here, the measurement point may correspond to the observed height of the horizontal weather data.

다중 다각망 생성부(730)는 다각망을 수평 기상 데이터의 계측선 상의 점과 연결하여 다중 다각망을 생성할 수 있다.The multi-polygon network generation unit 730 may generate a multi-polygon network by connecting the polygon network to points on the measurement line of the horizontal weather data.

그리고, 3차원 기상환경 데이터셋 생성부(800)는 다중 다각망을 유한요소 해석하여 3차원 기상환경 데이터셋을 생성할 수 있다.In addition, the 3D weather environment dataset generating unit 800 may generate a 3D weather environment dataset by performing finite element analysis on the multi-polygon network.

한편, 디지털 트윈을 위한 기상데이터 생산시스템은 3차원 기상환경 데이터셋이 적용되는 디지털 트윈 모델부(900)룰 포함할 수 있다.Meanwhile, the weather data production system for the digital twin may include a digital twin model unit 900 to which a 3D weather environment data set is applied.

한편, 앞에서 도 8을 참조하여 설명한 디지털 트윈을 위한 기상데이터 생산시스템에는 비록 기재되어 있지 않더라도, 디지털 트윈을 위한 기상데이터 생산시스템은 도 1 내지 도 7을 통해 디지털 트윈을 위한 기상데이터 생산방법과 관련하여 전술한 내용을 구현할 수 있고, 이를 위한 구성을 포함할 수 있음은 물론이다.On the other hand, even though it is not described in the weather data production system for the digital twin described above with reference to FIG. 8, the weather data production system for the digital twin is related to the weather data production method for the digital twin through FIGS. 1 to 7 Thus, it is possible to implement the foregoing contents and, of course, a configuration for this may be included.

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.The above description of the present invention is for illustrative purposes, and those skilled in the art can understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, the embodiments described above should be understood as illustrative in all respects and not limiting. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.

본 발명의 범위는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the following claims, and all changes or modifications derived from the meaning and scope of the claims and equivalent concepts should be interpreted as being included in the scope of the present invention.

210: 제1비행체 220: 제2비행체
231,232,233: 수평계측선 311,312,313: 수직비행경로
401a: 제1높이제1계측점 401b: 제2높이제1계측점
401c: 제3높이제1계측점 402a: 제1높이제2계측점
402b: 제2높이제2계측점 402c: 제3높이제2계측점
403a: 제1높이제3계측점 403b: 제2높이제3계측점
403c: 제3높이제3계측점 501a: 제1높이제1다각망
501b: 제2높이제1다각망 501c: 제3높이제1다각망
600: 3차원 기상환경 데이터셋 700: 기상 데이터망 생성부
710: 시간차 제거부 720: 다각망 생성부
730: 다중 다각망 생성부 800: 3차원 기상환경 데이터셋 생성부
900: 디지털 트윈 모델부210: first flight body 220: second flight body
231,232,233: horizontal gauge line 311,312,313: vertical flight path
401a: first height first measurement point 401b: second height first measurement point
401c: third height first measurement point 402a: first height second measurement point
402b: second height second measurement point 402c: third height second measurement point
403a: first height third measurement point 403b: second height third measurement point
403c: third height third measurement point 501a: first height first polygon network
501b: second height first polygon network 501c: third height first polygon network
600: 3D weather environment dataset 700: weather data network generator
710: time difference removal unit 720: polygon network generation unit
730: multi-polygon network generator 800: 3D meteorological environment dataset generator
900: digital twin model unit

Claims (4)

비행체가 비행하면서 기상 데이터를 측정하는 기상 데이터 측정단계;
상기 기상 데이터를 기초로 기상 데이터망을 생성하는 기상 데이터망 생성단계; 및
상기 기상 데이터망을 유한요소 해석하여 3차원 기상환경 데이터셋을 생성하는 3차원 기상환경 데이터셋 생성단계를 포함하는 것을 특징으로 하는 디지털 트윈을 위한 기상데이터 생산방법.a meteorological data measurement step of measuring meteorological data while the aircraft flies;
a weather data network generating step of generating a weather data network based on the weather data; and
A method for producing weather data for a digital twin, comprising a step of generating a 3-dimensional weather environment data set by performing a finite element analysis of the weather data network. 제1항에 있어서,
상기 3차원 기상환경 데이터셋을 디지털 트윈 모델에 적용하는 디지털 트윈 모델 적용단계를 포함하는 것을 특징으로 하는 디지털 트윈을 위한 기상데이터 생산방법.According to claim 1,
A method for producing weather data for a digital twin, comprising a digital twin model application step of applying the three-dimensional weather environment dataset to a digital twin model. 비행하면서 기상 데이터를 측정하는 비행체;
상기 기상 데이터를 기초로 기상 데이터망을 생성하는 기상 데이터망 생성부; 및
상기 기상 데이터망을 유한요소 해석하여 3차원 기상환경 데이터셋을 생성하는 3차원 기상환경 데이터셋 생성부를 포함하는 것을 특징으로 하는 디지털 트윈을 위한 기상데이터 생산시스템.An aircraft that measures meteorological data while flying;
a weather data network generating unit generating a weather data network based on the weather data; and
A weather data production system for a digital twin, comprising a 3-dimensional weather environment data set generating unit for generating a 3-dimensional weather environment data set by performing a finite element analysis of the weather data network. 제3항에 있어서,
상기 3차원 기상환경 데이터셋이 적용되는 디지털 트윈 모델부를 포함하는 것을 특징으로 하는 디지털 트윈을 위한 기상데이터 생산시스템.According to claim 3,
A meteorological data production system for a digital twin, comprising a digital twin model unit to which the three-dimensional meteorological environment dataset is applied.
KR1020220137614A 2021-10-28 2022-10-24 Method of producing meteorological data for digital twin and system for producing meteorological data for digital twin KR20230061261A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210146145 2021-10-28
KR1020210146145 2021-10-28

Publications (1)

Publication Number Publication Date
KR20230061261A true KR20230061261A (en) 2023-05-08

Family

ID=86381526

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220137614A KR20230061261A (en) 2021-10-28 2022-10-24 Method of producing meteorological data for digital twin and system for producing meteorological data for digital twin

Country Status (1)

Country Link
KR (1) KR20230061261A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220076748A (en) 2020-12-01 2022-06-08 주식회사 동녘 Method for generating weather prediction information and computing device for executing the method

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220076748A (en) 2020-12-01 2022-06-08 주식회사 동녘 Method for generating weather prediction information and computing device for executing the method

Similar Documents

Publication Publication Date Title
Hon Predicting low-level wind shear using 200-m-resolution NWP at the Hong Kong International Airport
Irvine et al. Characterizing North Atlantic weather patterns for climate‐optimal aircraft routing
Liu et al. Aircraft study of aerosol vertical distributions over Beijing and their optical properties
JP2774197B2 (en) Virtual reality image creation system
Lau et al. Walker circulation
Naud et al. Cloud vertical distribution across warm and cold fronts in CloudSat–CALIPSO data and a general circulation model
CN104778294B (en) Manage the flight path of sailflying device
Kim et al. Improvements in nonconvective aviation turbulence prediction for the World Area Forecast System
Pinto et al. The status and future of small uncrewed aircraft systems (UAS) in operational meteorology
Jonassen et al. Improving high-resolution numerical weather simulations by assimilating data from an unmanned aerial system
Sharman et al. Influences of gravity waves on convectively induced turbulence (CIT): A review
Li et al. Numerical simulation study of the effect of buildings and complex terrain on the low-level winds at an airport in typhoon situation
Soler et al. Modelling local sea-breeze flow and associated dispersion patterns over a coastal area in north-east Spain: a case study
Niedzielski et al. Are estimates of wind characteristics based on measurements with Pitot tubes and GNSS receivers mounted on consumer-grade unmanned aerial vehicles applicable in meteorological studies?
KR102422300B1 (en) Method and system for providing climate information for port selection of urban air mobility
JP2021043105A (en) Weather forecast system and weather forecast method
Bottyán et al. Development of a complex meteorological support system for UAVs
Grzych et al. Studies of cloud characteristics related to jet engine ice crystal icing utilizing infrared satellite imagery
KR20230061261A (en) Method of producing meteorological data for digital twin and system for producing meteorological data for digital twin
Vosper et al. A climatology of lee waves over the UK derived from model forecasts
Muñoz-Esparza et al. Revisiting the Precipitous Terrain Classification from a Meteorological Perspective
Chan et al. Low-level windshear associated with atmospheric boundary layer jets-Case studies
Hassoon et al. EFFECT OF THE CONVECTIVE BOUNDARY LAYER ON RADIOSONDE FLIGHT PATH OVER BAGHDAD AIRPORT STATION (CASE STUDY)
Rogowski et al. Performance Assessments of High-Resolution Marine Atmospheric Boundary Layer Observations from a Ship-Deployed Small Unmanned Aerial Vehicle
Komatsu et al. Two types of strong local wind captured by simultaneous multiple-site radiosonde soundings across a mountain range