1 |
1
유동 인구 데이터, 과거 범죄 데이터, 시간대 데이터 및 지역구 특성 데이터를 수집하는 데이터 수집부;수집된 유동 인구 데이터, 과거 범죄 데이터, 시간대 데이터 및 지역구 특성 데이터를 토대로 변수를 선택하고 주요 변수를 추출하는 변수 선택 및 추출부;제1 학습 모형을 생성하고, 생성된 제1 학습 모형을 이용하여 추출된 주요 변수를 토대로 지역구 범죄 발생률을 학습하고 예측하는 범죄 발생률 예측 학습부;제2 학습 모형을 생성하고, 생성된 제2 학습 모형을 이용하여 비정상적인 영상 및 음성 데이터를 학습하고 감지하는 이상 감지 학습부; 및학습된 결과를 토대로 각 무인 비행체의 우선 순위를 결정한 다음, 수리 모형을 기반으로 각 무인 비행체의 이동 전략을 도출하는 이동 전략 도출부;를 포함하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 장치
|
2 |
2
제1항에 있어서,상기 데이터 수집부는 유동 인구 데이터, 과거 범죄 데이터, 날짜, 요일 및 공휴일 여부 정보를 포함하는 시간대 데이터 및 범죄 발생 예측하고자 하는 지역에 설치된 CCTV 수 및 치안 기관 수를 포함하는 지역구 특성 데이터를 수집한 후 전처리 과정을 수행하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 장치
|
3 |
3
제1항에 있어서,상기 변수 선택 및 추출부는 유의 확률(P-Value) 값을 기준으로 하는 단계 선택법(Stepwise)을 이용하여 변수를 선택하고, 주성분 분석(PCA:Principal Component Analysis)을 통해 주요 변수를 추출하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 장치
|
4 |
4
제1항에 있어서,상기 범죄 발생률 예측 학습부는 랜덤 포레스트(Random forest) 모형을 기반으로 생성된 제1 학습 모형에 추출된 주요 변수를 적용하여 지역구 범죄 발생률을 학습하고 예측하며, 학습 및 예측된 지역구 범죄 발생률을 토대로 실시간 고위험 순찰 후보 지역을 선정하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 장치
|
5 |
5
제1항에 있어서,상기 이상 감지 학습부는 인공 신경망을 기반으로 생성된 제2 학습 모형에 딥 러닝(Deep Learning) 기법을 적용하여 비정상적인 영상 및 음성 데이터를 학습하고, 이후 무인 비행체들로부터 전송되는 데이터에서 비정상적인 영상 및 음성 데이터가 감지되면 관제 시스템에 알림하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 장치
|
6 |
6
제1항에 있어서,상기 이동 전략 도출부는 학습된 결과를 토대로 각 무인 비행체의 비행 가능 거리, 부착된 카메라 성능, 비행 속도 및 비행체 크기 중 적어도 어느 하나를 고려하여 우선 순위를 결정한 다음, 수리 모형을 기반으로 각 무인 비행체의 이동 경로를 선정하고, 학습 및 예측된 지역구 범죄 발생률을 토대로 선정된 고위험 순찰 후보 지역에서 각 무인 비행체의 순찰 지역을 설정하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 장치
|
7 |
7
데이터 수집부에 의해, 유동 인구 데이터, 과거 범죄 데이터, 시간대 데이터 및 지역구 특성 데이터를 수집하는 단계;변수 선택 및 추출부에 의해, 수집된 유동 인구 데이터, 과거 범죄 데이터, 시간대 데이터 및 지역구 특성 데이터를 토대로 변수를 선택하고 주요 변수를 추출하는 단계;범죄 발생률 예측 학습부에 의해, 제1 학습 모형을 생성하고, 생성된 제1 학습 모형을 이용하여 추출된 주요 변수를 토대로 지역구 범죄 발생률을 학습하고 예측하는 단계;이상 감지 학습부에 의해, 제2 학습 모형을 생성하고, 생성된 제2 학습 모형을 이용하여 비정상적인 영상 및 음성 데이터를 학습하고 감지하는 단계; 및이동 전략 도출부에 의해, 학습된 결과를 토대로 각 무인 비행체의 우선 순위를 결정한 다음, 수리 모형을 기반으로 각 무인 비행체의 이동 전략을 도출하는 단계;를 포함하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 방법
|
8 |
8
제7항에 있어서,제1 학습 모형을 생성하고, 생성된 제1 학습 모형을 이용하여 추출된 주요 변수를 토대로 지역구 범죄 발생률을 학습하고 예측하는 단계는, 랜덤 포레스트(Random forest) 모형을 기반으로 생성된 제1 학습 모형에 추출된 주요 변수를 적용하여 지역구 범죄 발생률을 학습하고 예측하고, 학습 및 예측된 지역구 범죄 발생률을 토대로 실시간 고위험 순찰 후보 지역을 선정하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 방법
|
9 |
9
제7항에 있어서,제2 학습 모형을 생성하고, 생성된 제2 학습 모형을 이용하여 비정상적인 영상 및 음성 데이터를 학습하고 감지하는 단계는, 인공 신경망을 기반으로 생성된 제2 학습 모형에 딥 러닝(Deep Learning) 기법을 적용하여 비정상적인 영상 및 음성 데이터를 학습하고, 이후 무인 비행체들로부터 전송되는 데이터에서 비정상적인 영상 및 음성 데이터가 감지되면 관제 시스템에 알림하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 방법
|
10 |
10
제7항에 있어서,학습된 결과를 토대로 각 무인 비행체의 우선 순위를 결정한 다음, 수리 모형을 기반으로 각 무인 비행체의 이동 전략을 도출하는 단계는,학습된 결과를 토대로 각 무인 비행체의 비행 가능 거리, 부착된 카메라 성능, 비행 속도 및 비행체 크기 중 적어도 어느 하나를 고려하여 우선 순위를 결정한 다음, 수리 모형을 기반으로 각 무인 비행체의 이동 경로를 선정하고, 학습 및 예측된 지역구 범죄 발생률을 토대로 선정된 고위험 순찰 후보 지역에서 각 무인 비행체의 순찰 지역을 설정하는 것을 특징으로 하는 범죄 발생 예측 결과를 기반으로 무인 비행체를 운용하는 방법
|