1 |
1
수소충전소 사고의 위험도 산출을 위한 장치에 있어서, 수소충전소의 위치 및 상기 수소충전소의 규모를 포함하는 입력 데이터가 입력되면, 입력 데이터를 기초로 사고특징지도, 지형지물특징지도 및 인구분포특징지도를 포함하는 특징지도를 생성하는 특징지도생성부; 상기 특징지도를 예측모델에 입력하여 상기 예측모델이 상기 특징지도에 대해 복수의 계층 간 학습된 가중치가 적용되는 복수의 연산을 수행하여 사고로 인한 개인적 위험도를 나타내는 개인위험지도 및 사고로 인한 사회적 위험도를 나타내는 사회위험지도를 생성하도록 하는 위험예측부; 및 상기 개인위험지도 및 상기 사회위험지도를 기초로 상기 수소충전소의 위험도를 평가하는 평가부;를 포함하며, 상기 장치는 과거에 사고가 발생한 수소충전소의 위치 및 상기 사고가 발생한 수소충전소의 규모와, 상기 사고가 발생한 수소충전소에 대응하는 원본 개인위험지도 및 원본 사회위험지도를 저장하는 저장부; 및 상기 과거에 사고가 발생한 수소충전소의 위치 및 상기 사고가 발생한 수소충전소의 규모와, 상기 사고가 발생한 수소충전소에 대응하는 원본 개인위험지도 및 원본 사회위험지도를 학습 데이터로 추출하고, 추출된 학습 데이터를 이용하여 예측모델이 모사 개인위험지도 및 모사 사회위험지도를 생성하도록 학습시키는 모델생성부;를 더 포함하며, 상기 예측모델은 특징지도가 입력되면 특징지도에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 통해 모사 개인위험지도를 생성하는 개인지도생성망과, 모사 개인위험지도 또는 원본 개인위험지도 중 어느 하나의 개인위험지도가 입력되면 입력된 개인위험지도에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 통해 모사 사회위험지도를 생성하는 사회지도생성망을 포함하는 생성망; 및 모사 개인위험지도 또는 원본 개인위험지도 중 어느 하나의 개인위험지도가 입력되면 입력된 개인위험지도가 진짜인지 혹은 가짜인지 여부를 확률로 출력하는 개인지도판별망과, 모사 사회위험지도 및 원본 사회위험지도 중 어느 하나의 사회위험지도가 입력되면, 입력된 사회위험지도가 진짜인지 혹은 가짜인지 여부를 확률로 출력하는 사회지도판별망을 포함하는 판별망;을 포함하며, 상기 모델생성부는 상기 예측모델의 원형을 상기 개인지도생성망 및 개인지도판별망을 포함하는 개인 그룹과 상기 사회지도생성망 및 사회지도판별망을 포함하는 사회 그룹으로 구분하여 각 그룹 별로 구분 학습을 수행하고, 상기 개인 그룹에 대한 학습이 평가 지표를 통해 기 설정된 정확도를 만족하면, 상기 개인 그룹의 가중치를 고정한 상태에서 개인지도생성망이 생성한 모사 개인위험지도를 이용하여 상기 사회지도생성망 및 사회지도판별망을 포함하는 사회 그룹만을 학습시키는 집중 학습을 수행하는 것을 특징으로 하는 위험도 산출을 위한 장치
|
2 |
2
제1항에 있어서, 상기 장치는 대상 지역 전체의 지형지물을 나타낸 기초지도 및 상기 대상 지역 내에 포함된 건물에 상주하는 인구에 대한 정보인 인구분포 정보를 저장하는 저장부;를 더 포함하며, 상기 특징지도생성부는 상기 저장부에 저장된 상기 기초지도로부터 상기 수소충전소의 위치를 기준으로 수소충전소 규격에 비례하는 영역을 추출하고, 상기 수소충전소의 위치 및 상기 수소충전소의 규모를 기록하여 수소충전소지도를 생성하고, 상기 저장부에 저장된 상기 기초지도로부터 상기 수소충전소지도와 동일한 영역을 추출하여 사고 지역의 지형지물지도를 생성하고, 상기 저장부에 저장된 상기 인구분포 정보를 기초로 상기 수소충전소지도와 동일한 영역에 포함된 건물에 상주하는 인구분포를 나타내는 인구분포지도를 생성하는 것을 특징으로 하는 위험도 산출을 위한 장치
|
3 |
3
제2항에 있어서, 상기 특징지도생성부는 기 설정된 수의 행과 열을 가지는 행렬을 마련하고, 상기 행렬의 행과 열의 수에 따라 상기 수소충전소지도를 수평 및 수직으로 분할한 후, 상기 수평 및 수직으로 분할된 수소충전소지도의 수소충전소의 위치에 대응하는 상기 행렬의 원소에 상기 수소충전소의 규모를 나타내는 등급을 입력하고, 상기 행렬의 나머지 원소를 모두 0으로 설정하여 사고특징지도를 생성하는 것을 특징으로 하는 위험도 산출을 위한 장치
|
4 |
4
제2항에 있어서, 상기 특징지도생성부는 기 설정된 수의 행과 열을 가지는 행렬을 마련하고, 상기 행렬의 행과 열의 수에 따라 상기 지형지물 지도를 수평 및 수직으로 분할한 후, 상기 수평 및 수직으로 분할된 지형지물 지도의 복수의 분할된 부분 각각의 복수의 픽셀값을 소정의 벡터공간에 임베딩하여 특징 벡터를 도출하고, 복수의 분할된 부분 각각의 도출된 특징 벡터를 상기 행렬의 대응하는 원소에 입력하여 지형지물특징지도를 생성하는 것을 특징으로 하는 위험도 산출을 위한 장치
|
5 |
5
제2항에 있어서, 상기 특징지도생성부는 기 설정된 수의 행과 열을 가지는 행렬을 마련하고, 상기 행렬의 행과 열의 수에 따라 상기 인구분포 지도를 수평 및 수직으로 분할한 후, 상기 수평 및 수직으로 분할된 인구분포 지도에 포함된 건물의 상주 인원을 상기 건물의 위치에 대응하는 상기 행렬의 원소에 분배하여 입력하고, 나머지 원소를 모두 0으로 설정하여 인구분포특징지도를 생성하는 것을 특징으로 하는 위험도 산출을 위한 장치
|
6 |
6
제1항에 있어서, 상기 개인위험지도는 개인적 위험이 동일한 지점을 연결하는 위험 윤곽선으로 표현되며, 상기 개인적 위험은 기 설정된 주기 동안의 사망 확률인 것을 특징으로 하는 위험도 산출을 위한 장치
|
7 |
7
제1항에 있어서, 상기 사회위험지도는 F-N 곡선을 통해 표현되며, 상기 F-N 곡선은 기 설정된 주기 내에 소정의 사망자 수를 유발하는 사고의 발생 가능성 또는 빈도를 나타내는 것을 특징으로 하는 위험도 산출을 위한 장치
|
8 |
8
삭제
|
9 |
9
삭제
|
10 |
10
삭제
|
11 |
11
제1항에 있어서, 상기 모델생성부는 상기 개인지도판별망이 원본 개인위험지도를 진짜로 판별하고, 모사 개인위험지도를 가짜로 판별하도록 상기 개인지도생성망의 가중치를 고정한 상태에서 상기 개인지도판별망의 가중치를 수정하는 개인지도판별망 가중치 최적화와, 상기 개인지도판별망이 모사 개인위험지도를 진짜로 판별하도록 상기 개인지도판별망의 가중치를 고정한 상태에서 상기 개인지도생성망의 가중치를 수정하는 개인지도생성망 가중치 최적화를 교번으로 수행하면서, 동시에, 상기 사회지도판별망이 원본 사회위험지도를 진짜로 판별하고, 모사 사회위험지도를 가짜로 판별하도록 상기 사회지도생성망의 가중치를 고정한 상태에서 상기 사회지도판별망의 가중치를 수정하는 사회지도판별망 가중치 최적화와, 상기 사회지도판별망이 모사 사회위험지도를 진짜로 판별하도록 상기 사회지도판별망의 가중치를 고정한 상태에서 상기 사회지도생성망의 가중치를 수정하는 사회지도생성망 가중치 최적화를 교번으로 수행하되, 소정의 평가 지표를 통해 상기 개인지도생성망 및 상기 개인지도판별망의 정확도가 기 설정된 정확도를 만족할 때까지 상기 개인지도판별망 가중치 최적화, 상기 개인지도생성망 가중치 최적화, 상기 사회지도판별망 가중치 최적화 및 상기 사회지도생성망 가중치 최적화를 반복하는 구분 학습을 수행하는 것을 특징으로 하는 위험도 산출을 위한 장치
|
12 |
12
제11항에 있어서, 상기 모델생성부는 상기 개인지도생성망을 통해 모사 개인위험지도를 생성하고, 상기 개인지도판별망을 통해 상기 개인지도생성망에 의해 생성된 모사 개인위험지도가 진짜 혹은 가짜로 판별되었는지 여부를 나타내는 플래그를 도출하고, 상기 개인지도생성망에 의해 생성된 모사 개인위험지도 및 상기 플래그를 이용하여 상기 사회지도판별망이 원본 사회위험지도를 진짜로 판별하고, 모사 사회위험지도를 가짜로 판별하도록 상기 사회지도생성망의 가중치를 고정한 상태에서 상기 사회지도판별망의 가중치를 수정하는 사회지도판별망 가중치 최적화와, 상기 사회지도판별망이 모사 사회위험지도를 진짜로 판별하도록 상기 사회지도판별망의 가중치를 고정한 상태에서 상기 사회지도생성망의 가중치를 수정하는 사회지도생성망 가중치 최적화를 교번으로 수행하되, 소정의 평가 지표를 통해 상기 사회지도생성망 및 상기 사회지도판별망의 정확도가 기 설정된 정확도를 만족할 때까지 상기 사회지도판별망 가중치 최적화, 상기 사회지도생성망 가중치 최적화를 반복하는 집중 학습을 수행하는 것을 특징으로 하는 위험도 산출을 위한 장치
|
13 |
13
수소충전소 사고의 위험도 산출을 위한 방법에 있어서, 특징지도생성부가 수소충전소의 위치 및 상기 수소충전소의 규모를 포함하는 입력 데이터가 입력되면, 입력 데이터를 기초로 사고특징지도, 지형지물특징지도 및 인구분포특징지도를 포함하는 특징지도를 생성하는 단계; 위험예측부가 상기 특징지도를 예측모델에 입력하는 단계; 상기 예측모델이 상기 특징지도에 대해 복수의 계층 간 학습된 가중치가 적용되는 복수의 연산을 수행하여 사고로 인한 개인적 위험도를 나타내는 개인위험지도 및 사고로 인한 사회적 위험도를 나타내는 사회위험지도를 생성하는 단계; 및 평가부가 상기 개인위험지도 및 상기 사회위험지도를 기초로 상기 수소충전소의 위험도를 평가하는 단계; 를 포함하며, 상기 특징지도를 생성하는 단계는 상기 특징지도생성부가 대상 지역 전체의 지형지물을 나타낸 기초지도로부터 상기 수소충전소의 위치를 기준으로 수소충전소 규격에 비례하는 영역을 추출하고, 상기 수소충전소의 위치 및 상기 수소충전소의 규모를 기록하여 수소충전소지도를 생성하는 단계; 상기 특징지도생성부가 상기 기초지도로부터 상기 수소충전소지도와 동일한 영역을 추출하여 사고 지역의 지형지물지도를 생성하는 단계; 및 상기 특징지도생성부가 상기 대상 지역 내에 포함된 건물에 상주하는 인구에 대한 정보인 인구분포 정보를 기초로 상기 수소충전소지도와 동일한 영역에 포함된 건물에 상주하는 인구분포를 나타내는 인구분포지도를 생성하는 단계;를 포함하며, 상기 예측모델은 특징지도가 입력되면 특징지도에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 통해 모사 개인위험지도를 생성하는 개인지도생성망과, 모사 개인위험지도 또는 원본 개인위험지도 중 어느 하나의 개인위험지도가 입력되면 입력된 개인위험지도에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 통해 모사 사회위험지도를 생성하는 사회지도생성망을 포함하는 생성망; 및 모사 개인위험지도 또는 원본 개인위험지도 중 어느 하나의 개인위험지도가 입력되면 입력된 개인위험지도가 진짜인지 혹은 가짜인지 여부를 확률로 출력하는 개인지도판별망과, 모사 사회위험지도 및 원본 사회위험지도 중 어느 하나의 사회위험지도가 입력되면, 입력된 사회위험지도가 진짜인지 혹은 가짜인지 여부를 확률로 출력하는 사회지도판별망을 포함하는 판별망;을 포함하며, 상기 특징지도를 생성하는 단계 전, 모델생성부가 상기 예측모델의 원형을 상기 개인지도생성망 및 상기 개인지도판별망을 포함하는 개인 그룹과 상기 사회지도생성망 및 상기 사회지도판별망을 포함하는 사회 그룹으로 구분하여 각 그룹 별로 구분 학습을 수행하는 단계; 상기 모델생성부가 상기 개인 그룹에 대한 학습이 평가 지표를 통해 기 설정된 정확도를 만족하면, 상기 개인 그룹의 가중치를 고정한 상태에서 상기 개인지도생성망이 생성한 모사 개인위험지도를 이용하여 상기 사회지도생성망 및 상기 사회지도판별망을 포함하는 사회 그룹만을 학습시키는 집중 학습을 수행하는 단계;를 포함하는 것을 특징으로 하는 위험도 산출을 위한 방법
|
14 |
14
삭제
|
15 |
15
제13항에 있어서, 상기 수소충전소지도를 생성하는 단계 후 상기 특징지도생성부가 기 설정된 수의 행과 열을 가지는 행렬을 마련하고, 상기 행렬의 행과 열의 수에 따라 상기 수소충전소지도를 수평 및 수직으로 분할한 후, 상기 수평 및 수직으로 분할된 수소충전소지도의 수소충전소의 위치에 대응하는 상기 행렬의 원소에 상기 수소충전소의 규모를 나타내는 등급을 입력하고, 상기 행렬의 나머지 원소를 모두 0으로 설정하여 사고특징지도를 생성하는 단계;를 더 포함하는 것을 특징으로 하는 위험도 산출을 위한 방법
|
16 |
16
제13항에 있어서, 상기 지형지물지도를 생성하는 단계 후, 상기 특징지도생성부가 기 설정된 수의 행과 열을 가지는 행렬을 마련하고, 상기 행렬의 행과 열의 수에 따라 상기 지형지물 지도를 수평 및 수직으로 분할한 후, 상기 수평 및 수직으로 분할된 지형지물 지도의 복수의 분할된 부분 각각의 복수의 픽셀값을 소정의 벡터공간에 임베딩하여 특징 벡터를 도출하고, 복수의 분할된 부분 각각의 도출된 특징 벡터를 상기 행렬의 대응하는 원소에 입력하여 지형지물특징지도를 생성하는 단계;를 더 포함하는 것을 특징으로 하는 위험도 산출을 위한 방법
|
17 |
17
제13항에 있어서, 상기 인구분포지도를 생성하는 단계 후, 상기 특징지도생성부가 기 설정된 수의 행과 열을 가지는 행렬을 마련하고, 상기 행렬의 행과 열의 수에 따라 상기 인구분포 지도를 수평 및 수직으로 분할한 후, 상기 수평 및 수직으로 분할된 인구분포 지도에 포함된 건물의 상주 인원을 상기 건물의 위치에 대응하는 상기 행렬의 원소에 분배하여 입력하고, 나머지 원소를 모두 0으로 설정하여 인구분포특징지도를 생성하는 단계;를 더 포함하는 것을 특징으로 하는 위험도 산출을 위한 방법
|
18 |
18
제13항에 있어서, 상기 개인위험지도는 개인적 위험이 동일한 지점을 연결하는 위험 윤곽선으로 표현되며, 상기 개인적 위험은 기 설정된 주기 동안의 사망 확률인 것을 특징으로 하는 위험도 산출을 위한 방법
|
19 |
19
제13항에 있어서, 상기 사회위험지도는 F-N 곡선을 통해 표현되며, 상기 F-N 곡선은 기 설정된 주기 내에 소정의 사망자 수를 유발하는 사고의 발생 가능성 또는 빈도를 나타내는 것을 특징으로 하는 위험도 산출을 위한 방법
|
20 |
20
삭제
|
21 |
21
제13항에 있어서, 상기 구분 학습을 수행하는 단계는 상기 모델생성부가 상기 개인지도판별망이 원본 개인위험지도를 진짜로 판별하고, 모사 개인위험지도를 가짜로 판별하도록 상기 개인지도생성망의 가중치를 고정한 상태에서 상기 개인지도판별망의 가중치를 수정하는 개인지도판별망 가중치 최적화와, 상기 개인지도판별망이 모사 개인위험지도를 진짜로 판별하도록 상기 개인지도판별망의 가중치를 고정한 상태에서 상기 개인지도생성망의 가중치를 수정하는 개인지도생성망 가중치 최적화를 교번으로 수행하면서, 동시에, 상기 사회지도판별망이 원본 사회위험지도를 진짜로 판별하고, 모사 사회위험지도를 가짜로 판별하도록 상기 사회지도생성망의 가중치를 고정한 상태에서 상기 사회지도판별망의 가중치를 수정하는 사회지도판별망 가중치 최적화와, 상기 사회지도판별망이 모사 사회위험지도를 진짜로 판별하도록 상기 사회지도판별망의 가중치를 고정한 상태에서 상기 사회지도생성망의 가중치를 수정하는 사회지도생성망 가중치 최적화를 교번으로 수행하는 단계; 상기 모델생성부가 소정의 평가 지표를 통해 상기 개인지도생성망 및 상기 개인지도판별망의 정확도가 기 설정된 정확도를 만족하는지 여부를 판별하는 단계; 및 상기 모델생성부가 상기 판별 결과, 상기 정확도를 만족하지 않으면, 상기 개인지도판별망 가중치 최적화, 상기 개인지도생성망 가중치 최적화, 상기 사회지도판별망 가중치 최적화 및 상기 사회지도생성망 가중치 최적화를 반복하는 단계;를 포함하는 것을 특징으로 하는 위험도 산출을 위한 방법
|
22 |
22
제13항에 있어서, 상기 집중 학습을 수행하는 단계는 상기 모델생성부가 상기 개인지도생성망을 통해 모사 개인위험지도를 생성하는 단계; 상기 모델생성부가 상기 개인지도판별망을 통해 상기 개인지도생성망에 의해 생성된 모사 개인위험지도가 진짜 혹은 가짜로 판별되었는지 여부를 나타내는 플래그를 도출하는 단계; 상기 모델생성부가 상기 개인지도생성망에 의해 생성된 모사 개인위험지도 및 상기 플래그를 이용하여 상기 사회지도판별망이 원본 사회위험지도를 진짜로 판별하고, 모사 사회위험지도를 가짜로 판별하도록 상기 사회지도생성망의 가중치를 고정한 상태에서 상기 사회지도판별망의 가중치를 수정하는 사회지도판별망 가중치 최적화와, 상기 사회지도판별망이 모사 사회위험지도를 진짜로 판별하도록 상기 사회지도판별망의 가중치를 고정한 상태에서 상기 사회지도생성망의 가중치를 수정하는 사회지도생성망 가중치 최적화를 교번으로 수행하는 단계; 상기 모델생성부가 소정의 평가 지표를 통해 상기 사회지도생성망 및 상기 사회지도판별망의 정확도가 기 설정된 정확도를 만족하는지 여부를 판별하는 단계; 및 상기 모델생성부가 상기 판별 결과, 상기 정확도를 만족하지 않으면, 상기 정확도를 만족할 때까지 상기 사회지도판별망 가중치 최적화, 상기 사회지도생성망 가중치 최적화를 반복하는 단계;를 포함하는 것을 특징으로 하는 위험도 산출을 위한 방법
|
23 |
23
삭제
|