KR102442865B1 - IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 - Google Patents
IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 Download PDFInfo
- Publication number
- KR102442865B1 KR102442865B1 KR1020210153820A KR20210153820A KR102442865B1 KR 102442865 B1 KR102442865 B1 KR 102442865B1 KR 1020210153820 A KR1020210153820 A KR 1020210153820A KR 20210153820 A KR20210153820 A KR 20210153820A KR 102442865 B1 KR102442865 B1 KR 102442865B1
- Authority
- KR
- South Korea
- Prior art keywords
- snow removal
- information
- removal operation
- operation management
- sensor
- Prior art date
Links
- 238000004891 communication Methods 0.000 claims abstract description 79
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 28
- 238000005259 measurement Methods 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- 238000003066 decision tree Methods 0.000 claims description 12
- 230000008014 freezing Effects 0.000 claims description 10
- 238000007710 freezing Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 4
- 230000001939 inductive effect Effects 0.000 claims description 2
- 239000007788 liquid Substances 0.000 description 24
- 239000003795 chemical substances by application Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 239000012782 phase change material Substances 0.000 description 16
- 238000010438 heat treatment Methods 0.000 description 14
- 238000005507 spraying Methods 0.000 description 13
- 239000007921 spray Substances 0.000 description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 9
- 239000002041 carbon nanotube Substances 0.000 description 9
- 229910021393 carbon nanotube Inorganic materials 0.000 description 9
- 239000006185 dispersion Substances 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 239000012071 phase Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002650 habitual effect Effects 0.000 description 2
- 239000007791 liquid phase Substances 0.000 description 2
- 239000002086 nanomaterial Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 개시의 다양한 실시예들에 따르면, 제설 작업 관리 시스템은, 통신 회로, 복수의 제설 정보 수집 장치들, 복수의 제설 장치들, 및 제설 작업 관리 장치를 포함하며, 상기 제설 작업 관리 장치는, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들로부터 센서 정보를 상기 통신 회로를 통해 수신하고, 상기 수신한 센서 정보에 기반하여, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 결정하고, 상기 결정된 운영 조건에 따라 수신되는 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정하고, 및 상기 제설 작업을 수행하는 것으로 결정되면, 상기 제설 작업과 관련된 제어 신호를 상기 통신 회로를 통해 적어도 하나의 제설 장치에 송신하도록 설정될 수 있다.
Description
본 개시의 다양한 실시예들은 IoT(internet of things) 및 인공 지능을 이용한 제설 작업 관리 시스템에 관한 것이다.
겨울철에 눈이 내리는 경우 도로에 눈이 쌓이거나 결빙될 수 있으며, 이에 따라 차량 사고와 보행자의 안전 사고가 발생할 수 있다. 이러한 사고를 방지하기 위해 제설 장치는 도로에 쌓인 눈을 제설하는 작업을 수행할 수 있다. 예컨대, 제설 장치는 기온과 강설량에 기반하여 제설 작업을 수행하거나, 또는 강설이 예보되는 경우 예방적인 살포를 통해 제설 작업을 수행할 수 있다.
하지만, 도로의 조건이나 상태를 고려하지 않고 과다 살포할 수 있으며, 과다 살포로 인한 교량이나 터널 등도로 시설물을 구성하는 기계장치와 교통안전시설 등의 부식 또는 차량의 손상과 같은 2차 피해가 발생할 수 있다.
본 개시의 다양한 실시예들에 따른 제설 작업 관리 장치는, 복수의 제설 정보 수집 장치들로부터 센서 정보를 수신할 수 있으며, 센서 정보에 기반하여 복수의 제설 정보 수집 장치들 및 복수의 제설 장치들의 운영 조건을 결정할 수 있다. 제설 작업 관리 장치는, 결정된 운영 조건에 따라 수신되는 복수의 제설 정보 수집 장치들 및 복수의 제설 장치들의 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정할 수 있다.
본 개시의 다양한 실시예들에 따른 제설 작업 관리 시스템은, 통신 회로, 복수의 제설 정보 수집 장치들, 복수의 제설 장치들, 및 제설 작업 관리 장치를 포함하며, 상기 제설 작업 관리 장치는, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들로부터 센서 정보를 상기 통신 회로를 통해 수신하고, 상기 수신한 센서 정보에 기반하여, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 결정하고, 상기 결정된 운영 조건에 따라 수신되는 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정하고, 및 상기 제설 작업을 수행하는 것으로 결정되면, 상기 제설 작업과 관련된 제어 신호를 상기 통신 회로를 통해 적어도 하나의 제설 장치에 송신하도록 설정될 수 있다.
본 개시의 다양한 실시예들에 따른 제설 작업 관리 장치는, 운영 조건에 따라 수신되는 복수의 제설 정보 수집 장치들 및 복수의 제설 장치들의 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정함으로써, 제설 작업을 효율적으로 수행할 수 있다.
도 1은, 다양한 실시예들에 따른, IoT(internet of things) 및 인공 지능 기반의 제설 작업 관리 시스템을 도시한 도면이다.
도 2는, 다양한 실시예들에 따른, IoT 및 인공 지능 기반의 제설 작업 관리 시스템을 도시한 블록도이다.
도 3은, 다양한 실시예들에 따른, 제설 정보 수집 장치를 도시한 블록도이다.
도 4a는, 다양한 실시예들에 따른, 제설 정보 수집 장치를 도시한 도면이다.
도 4b는, 다양한 실시예들에 따른, 복수의 제설 정보 수집 장치들 각각에 포함된 센서 노드가 무선 통신으로 서로 연결됨에 따라 제공되는 무선 센서 네트워크를 도시한 도면이다.
도 5는, 다양한 실시예들에 따른, 제설 장치를 도시한 블록도이다.
도 6은, 다양한 실시예들에 따른, 고정형 제설 장치를 도시한 도면이다.
도 7은, 다양한 실시예들에 따른, 제설 작업 관리 장치를 도시한 블록도이다.
도 8은, 다양한 실시예들에 따른, 제설 작업 관리 장치에 저장된 센서 정보 데이터베이스, 제설 정보 수집 장치의 운영 정보 데이터베이스, 및 제설 장치의 운영 정보 데이터베이스를 도시한 블록도이다.
도 9는, 다양한 실시예들에 따른, 센서 정보에 기반하여 제설 정보 수집 장치 및 제설 장치의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도이다.
도 10은, 다양한 실시예들에 따른, 센서 정보에 기반하여 제설 정보 수집 장치 및 제설 장치의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도이다.
도 11은, 다양한 실시예들에 따른, 영상 정보에 기반하여 제설 정보 수집 장치 및 제설 장치의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도이다.
도 12는, 다양한 실시예들에 따른, 제설 작업 수행 여부를 결정하는 방법을 설명하기 위한 흐름도이다.
도 2는, 다양한 실시예들에 따른, IoT 및 인공 지능 기반의 제설 작업 관리 시스템을 도시한 블록도이다.
도 3은, 다양한 실시예들에 따른, 제설 정보 수집 장치를 도시한 블록도이다.
도 4a는, 다양한 실시예들에 따른, 제설 정보 수집 장치를 도시한 도면이다.
도 4b는, 다양한 실시예들에 따른, 복수의 제설 정보 수집 장치들 각각에 포함된 센서 노드가 무선 통신으로 서로 연결됨에 따라 제공되는 무선 센서 네트워크를 도시한 도면이다.
도 5는, 다양한 실시예들에 따른, 제설 장치를 도시한 블록도이다.
도 6은, 다양한 실시예들에 따른, 고정형 제설 장치를 도시한 도면이다.
도 7은, 다양한 실시예들에 따른, 제설 작업 관리 장치를 도시한 블록도이다.
도 8은, 다양한 실시예들에 따른, 제설 작업 관리 장치에 저장된 센서 정보 데이터베이스, 제설 정보 수집 장치의 운영 정보 데이터베이스, 및 제설 장치의 운영 정보 데이터베이스를 도시한 블록도이다.
도 9는, 다양한 실시예들에 따른, 센서 정보에 기반하여 제설 정보 수집 장치 및 제설 장치의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도이다.
도 10은, 다양한 실시예들에 따른, 센서 정보에 기반하여 제설 정보 수집 장치 및 제설 장치의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도이다.
도 11은, 다양한 실시예들에 따른, 영상 정보에 기반하여 제설 정보 수집 장치 및 제설 장치의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도이다.
도 12는, 다양한 실시예들에 따른, 제설 작업 수행 여부를 결정하는 방법을 설명하기 위한 흐름도이다.
도 1은, 다양한 실시예들에 따른, IoT(internet of things) 및 인공 지능 기반의 제설 작업 관리 시스템을 도시한 도면(100)이다.
도 1을 참조하면, IoT 기반의 제설 작업 관리 시스템은 제설 정보 수집 장치(110), 제설 장치 예컨대, 이동형 제설 장치(예: 이동형 제설 작업 차량(120)), 고정형 제설 장치(예: 고정형 액상살포시스템(130), 고정형 열선가열시스템, 고정형 친환경 제설시스템(140)), 및 제설 작업 관리 장치(미도시)를 포함할 수 있다.
일 실시예에서, 제설 정보 수집 장치(110)는 기상 정보(예: 기온, 습도, 풍향/풍속, 강설 여부)와 도로 관련 정보(예: 도로 표면에 대한 온도, 습윤 상태)를 획득할 수 있다. 제설 정보 수집 장치(110)는 센서 노드(미도시)를 포함할 수 있다. 일 실시예에서, 제설 정보 수집 장치(110)는 광범위한 지역 내에 복수 개 설치될 수 있으며, 설치된 복수의 제설 정보 수집 장치들 각각에 포함된 센서 노드(미도시)는 무선 통신으로 서로 연결되어 망을 형성할 수 있다. 센서 노드들이 무선 통신으로 서로 연결되어, 망을 형성함에 따라 제설 정보 수집 장치(110)는 광역적으로 분포된 제설 현황을 모니터링 할 수 있다.
일 실시예에서, 제설 정보 수집 장치(110)는 위치하는 장소의 기상 정보 및 도로 관련 정보를 획득하고, 이를 제설 작업 관리 장치(미도시)에 송신할 수 있다.
일 실시예에서, 제설 장치 예컨대, 이동형 제설 장치(120) 및 고정형 제설 장치(예: 고정형 액상살포시스템(130), 고정형 열선가열시스템, 고정형 친환경 제설시스템(140))은 터널, 교량, 도로와 같은 장소에서 제설 작업을 수행하기 위해 제설 작업 관리 장치(미도시)와 통신을 수행할 수 있다. 예컨대, 고정형 제설 장치(예: 고정형 액상살포시스템(130), 고정형 열선가열시스템, 고정형 친환경 제설시스템(140))는 상습 결빙 구간 및/또는 초동 대응이 어려운 구간에 설치될 수 있다. 고정형 제설 장치 중 고정형 열선가열 시스템 및 고정형 친환경 제설시스템(140)은 상변화물질(phase change material, PCM) 친환경 제설 시스템, 탄소나노튜브(carbon nanotube, CNT) 친환경 제설 시스템을 포함할 수 있다. 상변화물질 친환경 제설 시스템은 특정한 온도에서 온도의 변화 없이 상(phase)이 변하면서 많은 열을 흡수 또는 방출하는 방식을 이용하여 주위의 열을 저장하였다가 필요할 때 방출하는 시스템을 포함할 수 있다. 탄소나노튜브 친환경 제설 시스템은 탄소나노튜브와 같은 열전도도가 향상된 나노 재료를 이용하는 방식을 포함할 수 있다.
일 실시예에서, 적어도 하나의 제설 장치(120, 130, 및/또는 140)는 제설 작업 관리 장치(미도시)로부터 수신한 제설 작업과 관련된 제어 신호를 수신할 수 있다. 적어도 하나의 제설 장치(120, 130, 및/또는 140)는 제설 작업 관리 장치(미도시)로부터 수신한 제설 작업과 관련된 제어 신호에 기반하여 해당 제설 구역에 제설제를 살포할 수 있다.
일 실시예에서, 제설 작업 관리 장치(미도시)는 제설 정보 수집 장치(110)로부터 기상 정보 및/또는 도로 관련 정보를 수신할 수 있으며, 이에 기반하여, 제설 정보 수집 장치(110) 및/또는 제설 장치(120, 130, 및/또는 140)의 운영 조건을 결정할 수 있다. 예컨대, 제설 정보 수집 장치(210)의 운영 조건 및 제설 장치(220)의 운영 조건은 센서 측정 주기 정보 또는 통신 주기 정보를 포함할 수 있다. 이와 관련하여, 후술하는 도 9, 도 10, 및 도 11에서 보다 상세히 살펴보도록 한다.
일 실시예에서, 제설 작업 관리 장치(미도시)는 결정된 운영 조건에 따라 제설 정보 수집 장치(110) 및/또는 제설 장치(120, 130, 및/또는 140)로부터 센서 정보를 수신할 수 있다. 제설 작업 관리 장치(미도시)는 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정할 수 있다. 이와 관련하여, 후술하는 도 12에서 보다 상세히 살펴보도록 한다.
도 2는, 다양한 실시예들에 따른, IoT 및 인공 지능 기반의 제설 작업 관리 시스템을 도시한 블록도(200)이다.
도 2를 참조하면, IoT 기반의 제설 작업 관리 시스템은 제설 정보 수집 장치(210)(예: 도 1의 제설 정보 수집 장치(110)), 제설 장치(220)(예: 이동형 제설 작업 차량(120), 고정형 제설 장치(예: 고정형 액상살포시스템(130), 고정형 열선가열시스템, 고정형 친환경 제설시스템(140))), 및 제설 작업 관리 장치(230)를 포함할 수 있다.
일 실시예에서, 제설 정보 수집 장치(210), 제설 장치(220), 및 제설 작업 관리 장치(230)는 통신망(240)을 통해 통신 연결될 수 있다. 예컨대, 통신망(240)은 제설 정보 수집 장치(210), 제설 장치(220), 및 제설 작업 관리 장치(230) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신망(240)은 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, GNSS(global navigation satellite system) 통신 모듈, 또는 저전력광대역(LPWA, low power wide area) 통신 모듈(예: LoRa(long range), 지그비(zigbee)) 또는 유선 통신 모듈(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 제설 정보 수집 장치(210), 제설 장치(220), 및 제설 작업 관리 장치(230) 간의 통신 수행을 지원할 수 있다.
일 실시예에 따른, 제설 정보 수집 장치(210)는 후술하는 도 3의 형태로 구현될 수 있으며, 제설 장치(220)는 후술하는 도 5의 형태로 구현될 수 있으며, 제설 작업 관리 장치(230)는 후술하는 도 7의 형태로 구현될 수 있다.
일 실시예에서, 제설 정보 수집 장치(110)는 획득되는 기상 정보(예: 기온, 습도, 풍향/풍속, 강설 여부)와 도로 관련 정보(예: 도로 표면에 대한 온도, 습윤 상태)를 통신망(240)을 통해 제설 작업 관리 장치(230)에 송신(250)할 수 있다.
일 실시예에서, 제설 장치(220)는 이동형 제설 장치(120)를 포함할 수 있다. 이동형 제설 장치(120)는 이동형 제설 작업 차량을 포함할 수 있으며, 고정형 제설 장치는 고정형 액상살포시스템(130), 고정형 열선가열시스템, 및/또는 고정형 친환경 제설시스템(140)을 포함할 수 있다. 하지만 이에 한정하는 것은 아니다.
일 실시예에서, 제설 장치(220)는 획득되는 기상 정보(예: 기온, 습도, 풍향/풍속, 강설 여부)와 도로 관련 정보(예: 도로 표면에 대한 온도, 습윤 상태)를 통신망(240)을 통해 제설 작업 관리 장치(230)에 송신(260)할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 제설 정보 수집 장치(210) 및/또는 제설 장치(220)로부터 수신되는 기상 정보 및/또는 도로 관련 정보(250, 260)에 기반하여, 제설 정보 수집 장치(210) 및/또는 제설 장치(220)의 운영 조건을 결정할 수 있다. 예컨대, 제설 정보 수집 장치(210)의 운영 조건 및 제설 장치(220)의 운영 조건은 센서 측정 주기 정보 또는 통신 주기 정보를 포함할 수 있다. 제설 작업 관리 장치(230)는 통신망(240)을 통해 결정된 운영 조건을 제설 정보 수집 장치(210) 및/또는 제설 장치(220)에 전송(255)할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 결정된 운영 조건에 따라 제설 정보 수집 장치(210) 및/또는 제설 장치(220)로부터 센서 정보를 수신할 수 있다. 제설 작업 관리 장치(230)는 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정할 수 있다. 제설 작업 관리 장치(230)는 제설 작업을 수행하는 것으로 결정되면, 제설 작업과 관련된 제어 신호를 제설 장치(220)에 전송할 수 있다. 제설 장치(220)는 제설 작업 관리 장치(230)로부터 수신한 제설 작업과 관련된 제어 신호에 기반하여 해당 구역에서 제설 작업을 수행할 수 있다.
도 3은, 다양한 실시예들에 따른, 제설 정보 수집 장치(210)를 도시한 블록도(300)이다.
도 3을 참조하면, 제설 정보 수집 장치(210)(예: 도 1의 제설 정보 수집 장치(110))는 센서부(310), 카메라(320), 및/또는 센서 노드(330)를 포함할 수 있다.
일 실시예에서, 센서부(310)는 기상 센서(311) 및/또는 로드 센서(313)를 포함할 수 있다. 기상 센서(311)는 풍향, 풍속, 대기 온도, 대기 상대 습도, 및/또는 일사량과 같은 기상 정보를 획득할 수 있다.
일 실시예에서, 로드 센서(313)(또는 노면 센서)는 노면의 온도와 노면 조건과 같은 도로 관련 정보를 획득할 수 있다. 예컨대, 노면 조건은 건조, 습윤, 결빙, 및/또는 융해와 같은 노면에서의 습윤 상태를 포함할 수 있다.
일 실시예에서, 로드 센서(313)는 비접촉 적외선 온도 센서(미도시)를 포함할 수 있으며, 비접촉 적외선 온도 센서(미도시)를 이용하여 노면의 온도를 획득할 수 있다.
이에 한정하는 것은 아니며, 로드 센서(313)는 라이다 센서(lidar sensor)(미도시)를 포함할 수 있으며, 라이다 센서를 이용하여 적설량을 측정할 수 있다. 일 실시예에서, 제설 정보 수집 장치(210)는 복수의 로드 센서(313)들을 구비할 수 있다.
일 실시예에서, 센서부(310)는 획득된 기상 정보 및/또는 도로 관련 정보를 센서 노드(330)에 전달할 수 있다.
일 실시예에서, 카메라(320)는 촬영되는 영상을 획득할 수 있으며, 이를 센서 노드(330)에 전달할 수 있다.
일 실시예에서, 센서부(310)(예: 기상 센서(311) 및/또는 노면 센서(313))와 카메라(320)는 유선 또는 무선으로 센서 노드(330)(예: 제설용 센서 노드)에 연결될 수 있다.
일 실시예에서, 센서 노드(330)는 센서부(310)로부터 획득되는 기상 정보 및 도로 관련 정보를 획득할 수 있다.
일 실시예에서, 센서 노드(330)는 무선 통신 기능이 내장된 노드일 수 있다. 제설 정보 수집 장치(110)는 광범위한 지역 내에 복수 개 설치될 수 있으며, 설치된 복수의 제설 정보 수집 장치들 각각에 포함된 무선 통신 기능이 내장된 센서 노드(330)는 무선 통신으로 서로 연결되어 무선 센서 네트워크로서 구성될 수 있다. 센서 노드(330)는 저전력광대역(LPWA, low power wide area) 통신 모듈(예: LoRa(long range), 지그비(zigbee))로 서버와 개별적으로 통신할 수도 있다.
일 실시예에서, 센서 노드(330)는 상시 전원 또는 태양열 패널, 또는 배터리 방식으로 전원이 공급될 수 있다.
일 실시예에서, 센서 노드(330)는 카메라(320)로부터 수신되는 영상에 기반하여 강설 여부, 차량의 통행량, 및/또는 차량의 이동 속도를 측정할 수 있다. 센서 노드(330)는 센서부(310)를 통해 획득되는 기상 정보 및 도로 관련 정보를 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))에 송신할 수 있다. 센서 노드(330)는 카메라(320)로부터 수신되는 영상에 기반하여 측정된 차량의 이동 속도, 차량의 통행량, 및/또는 강설 여부에 대한 정보를 제설 작업 관리 장치(230)에 송신할 수 있다.
도 4a는, 다양한 실시예들에 따른, 제설 정보 수집 장치(210)를 도시한 도면(400)이다.
도 4a를 참조하면, 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210) 센서 노드(419)(예: 도 3의 센서 노드(330))(예: 스마트 노드(smart node) 또는 IoT 감지기)를 포함할 수 있다. 제설 정보 수집 장치(210)의 센서 노드(419)는 센서부(예: 도 3의 센서부(310))를 통해 제설 정보를 획득할 수 있다. 예컨대, 센서부(310)로부터 획득되는 제설 정보는, 제1 기상 정보(411), 제2 기상 정보(413), 영상 정보(415), 및/또는 노면 정보(417)를 포함할 수 있다. 예컨대, 제1 기상 정보(411) 및 제2 기상 정보(413)는 기상 센서(예: 도 3의 기상 센서(311))를 통해 획득되는 풍향, 풍속, 대기 온도, 대기 상대 습도, 및/또는 일사량과 같은 기상 정보를 포함할 수 있다. 영상 정보(415)는 카메라(예: 도 3의 카메라(320))를 통해 획득되는 영상에서 분석한 강설/결빙 여부, 차량의 통행량(예: 교통량), 및/또는 차량의 이동 속도를 포함할 수 있다. 노면 정보(417)는 로드 센서(예: 도 3의 로드 센서(313))를 통해 획득되는 노면의 온도와 노면 조건(예: 건조, 습윤, 결빙, 및/또는 융해)과 같은 도로 관련 정보를 포함할 수 있다.
도 4b는, 다양한 실시예들에 따른, 복수의 제설 정보 수집 장치들 각각에 포함된 센서 노드가 무선 통신으로 서로 연결됨에 따라 제공되는 무선 센서 네트워크를 도시한 도면(450)이다.
도 4b를 참조하면, 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210))는 광범위한 지역 내에 복수 개 설치될 수 있다. 설치된 복수의 제설 정보 수집 장치들 각각(210)에 포함된 센서 노드(461)(예: 도 3의 센서 노드(330))는 무선 통신으로 서로 연결되어 망을 형성할 수 있다.
일 실시예에서, 제설 정보 수집 장치(210)는 제설 장치(예: 도 2의 제설 장치(220))와 통신 연결되어 네트워크(465)(예: 제설 네트워크 또는 IoT 제설 감지망)를 구성할 수 있다. 네트워크(465)(예: 제설 네트워크 또는 IoT 제설 감지망)는 제설 장치(220)의 센서 노드(463)(예: 스마트 노드(smart node))와 제설 정보 수집 장치(210)의 센서 노드(461)(예: 스마트 베이스(smart base))의 무선 센서 네트워크(wireless sensor networks, WSN)를 포함할 수 있다. 제설 정보 수집 장치(210)의 센서 노드(461)는 citi wifi(411) 예컨대, 도시 공공와이파이(예: 스마트 서울 네트워크(S-Net))의 AP(453)와 연결되어 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))와 통신을 수행할 수 있다. 제설 정보 수집 장치(210)의 센서 노드(461)가 citi wifi(451)의 AP(453)와 연결됨에 따라 광역적으로 제설과 관련 정보를 관리할 수 있을 뿐만 아니라 방대한 양의 정보를 효율적으로 전달할 수 있다.
도 5는, 다양한 실시예들에 따른, 제설 장치(220)를 도시한 블록도(500)이다.
도 5를 참조하면, 제설 장치(예: 도 2의 제설 장치(220))는 통신 회로(510), 메모리(520), 센서부(530), 디스플레이(540), 및/또는 센서 노드(550)를 포함할 수 있다.
일 실시예에서, 제설 장치(220)는 복수의 제설 장치들을를 포함할 수 있다. 예컨대, 제설 장치(220)는 이동형 제설 장치(예: 도 1의 이동형 제설 장치(예: 이동형 제설 작업 차량(120)) 및 고정형 제설 장치(예: 도 1의 고정형 제설 장치)(예: 고정형 액상살포시스템(130), 고정형 열선가열시스템, 고정형 친환경 제설시스템(140))를 포함할 수 있다.
일 실시예에서, 통신 회로(510)는 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))와 통신 채널을 수립하고, 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다.
일 실시예에서, 메모리(520)는 기상 정보, 제설 작업 정보, 및/또는 제설제 잔량 정보를 저장할 수 있다. 예컨대, 기상 정보는 외기 온도, 노면 온도, 및/또는 적설량을 포함할 수 있다.
일 실시예에서, 제설 장치(220)가 이동형 제설 장치(예: 도 1의 이동형 제설 장치(120))인 경우, 메모리(520)는 이동형 제설 장치(120)의 정보를 더 저장할 수 있다. 예컨대, 이동형 제설 장치(120)의 정보는 이동형 제설 장치(120)의 속도와 GPS(미도시)에 기반하여 획득되는 위치 정보를 포함할 수 있다.
일 실시예에서, 센서부(530)는 온도/습도 센서(531), 로드 센서(533), 및 라이다 센서(535)를 포함할 수 있다.
일 실시예에서, 온도/습도 센서(531)는 현재 위치에서의 온도 및/또는 습도를 획득할 수 있다. 로드 센서(533)는 노면의 온도와 노면 조건을 측정할 수 있다. 예컨대, 로드 센서(533)는 적설 또는 결빙 상태의 노면을 제설 또는 제빙하기 위하여 노면의 온도를 측정할 수 있다. 노면 조건은 건조, 습윤, 결빙, 융해와 같은 노면에서의 습윤 상태를 포함할 수 있다. 라이다 센서(535)는 적설량을 측정할 수 있다.
일 실시예에서, 디스플레이(540)는 특정 구역에서 수행되는 제설 작업 현황에 대한 사용자 인터페이스를 표시할 수 있다.
일 실시예에서, 센서 노드(550)는 제설 작업 관리 장치(230)로부터 제설 작업과 관련된 제어 신호를 수신하면, 이에 기반하여 해당 제설 구역에 제설제를 살포할 수 있다.
일 실시예에서, 미도시 되었으나, 제설 장치(220)가 이동형 제설 장치(예: 도 1의 이동형 제설 장치) 예컨대, 이동형 제설 작업 차량(120)인 경우, GPS를 더 포함할 수 있다. GPS는 이동형 제설 작업 차량의 위치 정보를 획득할 수 있으며, 이를 센서 노드(550)에 송신할 수 있다.
다양한 실시예들에 따른 고정형 제설 장치 예컨대, 고정형 액상살포시스템(130), 고정형 열선가열시스템, 고정형 친환경 제설시스템(140)과 관련하여, 후술하는 도 6에서 다양한 실시예들이 설명될 것이다.
도 6은, 다양한 실시예들에 따른, 고정형 제설 장치를 도시한 도면(600)이다.
도 6을 참조하면, 일 실시예에 따른 참조번호 <610>에 도시된 고정형 제설 장치는 고정형 액상살포시스템(예: 고정형 액상살포시스템(130))을 포함할 수 있다.
일 실시예에서, 고정형 액상살포시스템(130)은 센서 노드(예: 스마트 노드(smart node))(611)(예: 도 5의 센서 노드(550))를 포함할 수 있다. 고정형 액상살포시스템(130)의 센서 노드(611)는 센서부(예: 도 5의 센서부(530))를 통해 고정형 액상살포시스템(130)과 관련된 정보를 획득할 수 있다. 예컨대, 센서부(530)로부터 획득되는 고정형 액상살포시스템(130)과 관련된 정보는 제설제 살포량(612), 기상 정보(613), 및/또는 제설제 잔량 정보(614)를 포함할 수 있다. 예컨대, 기상 정보(613)는 온도/습도 센서(531)를 통해 획득되는 기온 정보, 로드 센서(533)를 통해 획득되는 노면의 온도, 및/또는 라이다 센서(535)를 통해 획득되는 적설량을 포함할 수 있다. 이에 한정하는 것은 아니며, 고정형 액상살포시스템(130)은 비접촉 적외선 온도 센서를 더 구비할 수 있으며, 비접촉 적외선 온도 센서를 통해 노면의 온도를 획득할 수 있다.
일 실시예에서, 고정형 액상살포시스템(130)의 센서 노드(611)는 제설제 잔량 정보(614) 예컨대, 액상 제설제의 잔량 정보를 획득할 수 있다. 예컨대, 고정형 액상살포시스템(130)은 저장 탱크를 포함할 수 있으며, 저장 탱크에 저장된 액상 제설제의 잔량 정보는 수압계를 이용하여 획득될 수 있다.
일 실시예에서, 고정형 액상살포시스템(130)의 센서 노드(611)는 제설 작업 관리 장치(230)와 통신할 수 있다. 고정형 액상살포시스템(130)의 센서 노드(611)는 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))로부터 제설 작업과 관련된 제어 신호(615)를 수신하면, 이에 기반하여 액상 제설제를 살포할 수 있다. 예컨대, 제설 작업과 관련된 제어 신호(615)는 액상 제설제 살포량을 포함할 수 있다. 고정형 액상살포시스템(130)은 노즐을 구비할 수 있으며, 노즐을 통해 액상 제설제의 살포량을 측정 및 제어할 수 있다.
일 실시예에 따른 참조번호 <630> 및 <650>에 도시된 고정형 제설 장치는 고정형 열선가열 시스템 및/또는 고정형 친환경 제설시스템(예: 도 1의 고정형 친환경 제설시스템(140))을 포함할 수 있다. 예컨대, 참조번호 <630>에 도시된 고정형 친환경 제설시스템(140)은 상변화물질(phase change material, PCM) 친환경 제설 시스템(예: 상변화물질을 이용한 고온염수/포장가열 제설 시스템)을 포함할 수 있다. 상변화물질 친환경 제설 시스템은 특정한 온도에서 온도의 변화 없이 상(phase)이 변하면서 많은 열을 흡수 또는 방출하는 방식을 이용하여 주위의 열을 저장하였다가 필요할 때 방출하는 제설 시스템일 수 있다. 다른 예를 들어, 참조번호 <650>에 도시된 고정형 열선가열 시스템 및/또는 고정형 친환경 제설시스템(140)은 탄소나노튜브(carbon nanotube, CNT) 친환경 제설 시스템(예: 탄소나노튜브를 이용한 발열도로 제설 시스템)을 포함할 수 있다. 탄소나노튜브 친환경 제설 시스템은 탄소나노튜브와 같은 열전도도가 향상된 나노 재료를 이용한 제설 시스템일 수 있다.
다양한 실시예들에 따른 고정형 액상살포시스템(130), 고정형 열선가열 시스템, 및/또는 고정형 친환경 제설시스템(140)은 제설이 취약한 구간 및/또는 상습적으로 결빙이 발생하는 구간과 같이 초동 대응이 어려운 구간에 설치될 수 있다. 고정형 액상살포시스템(130), 고정형 열선가열 시스템, 및/또는 고정형 친환경 제설시스템(140)이 설치되는 구간은, 예컨대, 교량 진출입로, 램프구간, 고가 차도, 고갯길, 지하차도, 도심지 터널 시/종점 경사 구간(예: 경사 3% 이상), 및/또는 자치단체 간 경계구간의 고갯길을 포함할 수 있다.
도 7은, 다양한 실시예들에 따른, 제설 작업 관리 장치(230)를 도시한 블록도(700)이다.
일 실시예에서, 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))는 제설 작업을 통합 관리하는 장치일 수 있다. 제설 작업 관리 장치(230)는 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210)) 및/또는 제설 장치(예: 도 2의 제설 장치(220))로부터 수신되는 센서 정보(예: 기상 정보 및/또는 도로 관련 정보)에 기반하여, 제설 정보 수집 장치(210) 및/또는 제설 장치(220)의 운영 조건을 결정할 수 있다. 제설 작업 관리 장치(230)는 결정된 운영 조건에 따라 수신된 제설 정보 수집 장치(210) 및/또는 제설 장치(220)의 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정할 수 있다.
도 7을 참조하면, 제설 작업 관리 장치(230)는 통신 회로(710), 메모리(720), 디스플레이(730), 및/또는 프로세서(740)를 포함할 수 있다.
일 실시예에서, 통신 회로(710)는 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210)) 및/또는 제설 장치(예: 도 2의 제설 장치(220))와 통신 채널을 수립하고, 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 회로(710)는 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, GNSS(global navigation satellite system) 통신 모듈, 또는 저전력광대역(low power wide area, LPWA) 통신 모듈(예: LoRa(long range), 지그비(zigbee)))을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 블루투스, WiFi direct, 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크 또는 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크를 통하여 제설 정보 수집 장치(210) 및/또는 제설 장치(220)와 통신할 수 있다.
일 실시예에서, 메모리(720)는 데이터베이스(721)를 포함할 수 있다. 데이터베이스(721)는 예컨대, 센서 정보 데이터베이스(721a), 영상 정보 데이터베이스(721b), 도로 정보 데이터베이스(721c), 제설 장치 위치 데이터베이스(721d), 제설 구역 데이터베이스(721e), 제설 정보 수집 장치(210)의 운영 정보 데이터베이스(721f), 및/또는 제설 장치(220)의 운영 정보 데이터베이스(721g)를 포함할 수 있다.
일 실시예에서, 센서 정보 데이터베이스(721a)는 복수의 제설 정보 수집 장치들 각각(210)으로부터 수신한 해당 위치에 대한 실시간 기상 정보(예: 풍향, 풍속, 대기 온도, 대기 상대 습도, 및/또는 일사량) 및/또는 도로 관련 정보(예: 노면 온도 및/또는 노면 상태)를 저장할 수 있다. 이에 한정하는 것은 아니며, 센서 정보 데이터베이스(721a)는 복수의 제설 장치들 각각(220)로부터 수신한 기상 정보 및/또는 도로 관련 정보를 저장할 수 있다.
일 실시예에서, 영상 정보 데이터베이스(721b)는 복수의 제설 정보 수집 장치들 각각(210)으로부터 수신한 영상 정보를 저장할 수 있다. 영상 정보 데이터 베이스(721b)는 기계 학습(예: 인공 신경망으로 구축된 딥 러닝(deep learning)) 기반의 인공 지능 모델을 이용하여 생성된 영상을 저장할 수 있다.
일 실시예에서, 도로 정보 데이터베이스(721c)는 도로의 폭, 차로 수, 및/또는 도로의 방향을 저장할 수 있다. 제설 장치 위치 데이터베이스(721d)는 제설 장치 예컨대, 복수의 이동형 제설 장치들 각각으로부터 수신한 위치 정보를 저장할 수 있다. 제설 장치 위치 데이터베이스(721d)는 제설 장치 예컨대, 복수의 고정형 제설 장치들 및/또는 복수의 이동형 제설 장치들의 위치 정보를 저장할 수 있다.
일 실시예에서, 제설 구역 데이터베이스(721e)는 프로세서(740)에 의해 결정된 제설 구역 및 제설 구역에 살포할 최적의 제설제의 양을 누적하여 저장할 수 있다.
일 실시예에서, 제설 정보 수집 장치(210)의 운영 정보 데이터베이스(721f)는 제설 정보 수집 장치(210)의 운영과 관련된 정보를 저장할 수 있다. 예컨대, 제설 정보 수집 장치(210)의 운영과 관련된 정보는, 센서 정보를 측정하는 주기 정보, 통신 주기 정보, 제설 정보 수집 장치의 상태 정보, 센서 상태 정보, 및/또는 배터리 잔량 정보(837)를 포함할 수 있다.
일 실시예에서, 제설 장치(220)의 운영 정보 데이터베이스(721g)는 제설 장치(220)의 운영과 관련된 정보를 저장할 수 있다. 예컨대, 제설 장치(220)의 운영과 관련된 정보는, 센서 정보를 측정하는 주기 정보, 통신 주기 정보, 제설 정보 수집 장치의 상태 정보, 센서 상태 정보, 및/또는 PCM 상태 정보를 포함할 수 있다.
전술한 제설 정보 수집 장치(210)의 운영 정보 데이터베이스(721f) 및 제설 장치(220)의 운영 정보 데이터베이스(721g)와 관련하여, 후술하는 도 8에서 보다 상세하게 살펴보도록 한다.
일 실시예에서, 디스플레이(730)는 프로세서(740)의 제어 하에 제설 작업 현황과 관련된 사용자 인터페이스를 표시할 수 있다. 예컨대, 디스플레이(730)는 프로세서(740)의 제어 하에 교통지리정보시스템(geographic information system for transportation, GIS-T)에 기반하여 제설 작업 현황과 관련된 사용자 인터페이스를 표시할 수 있다.
다양한 실시예들에서, 프로세서(740)는 신경망 처리 장치를 포함할 수 있다. 프로세서(740)는 인공 지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공 지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공 지능 모델이 수행되는 제설 작업 관리 장치(230) 자체에서 수행될 수 있고, 별도의 서버를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning), 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공 지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks), 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공 지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
일 실시예에서, 프로세서(740)는 센서 정보 수집부(741), 영상 정보 분석부(743), 도로 상태 검출부(745), 제설 작업 운영부(747), 및/또는 제설 작업 결정부(749)를 포함할 수 있다.
일 실시예에서, 센서 정보 수집부(741)는 제설 정보 수집 장치(210)로부터 기상 정보 및 도로 관련 정보를 수신하여 데이터베이스(721)(예: 센서 정보 데이터베이스(721a))에 저장할 수 있다. 이에 한정하는 것은 아니며, 센서 정보 수집부(741)는 제설 장치(220)로부터 위치 정보를 수신하여 데이터베이스(721)(예: 제설 장치 위치 데이터베이스(721d))에 저장할 수 있다.
일 실시예에서, 프로세서(740)는 제설 정보 수집 장치(210)의 카메라(320)를 통해 획득되는 영상을 제설 정보 수집 장치(210)로부터 수신할 수 있다. 프로세서(740)의 영상 정보 분석부(743)는 제설 정보 수십 장치(210)로부터 수신한 영상 이미지를 분석하여, 강설 또는 강우의 발생 여부를 확인할 수 있다. 도로 상태)를 검출할 수 있다. 일 실시예에서, 프로세서(740)는 제설 정보 수집 장치(210)로부터 지정된 시간 간격으로 영상 이미지를 획득할 수 있으며, 지정된 시간 간격으로 획득된 영상 이미지에 기반하여 강설 또는 강우의 발생 여부를 확인할 수 있다.
일 실시예에서, 프로세서(740)의 도로 상태 검출부(745)는 제설 정보 수집 장치(210)로부터 수신한 제설 정보 수집 장치(210)가 위치하는 장소의 기상 정보 및 도로 관련 정보(예: 도로 표면 상태)에 기반하여 도로 상태(예: 결빙, 강설과 같은
일 실시예에서, 프로세서(740)의 제설 작업 운영부(747)는 제설 정보 수집 장치(210) 및/또는 제설 장치(220)로부터 수신되는 기상 정보 및/또는 도로 관련 정보에 기반하여, 제설 정보 수집 장치(210) 및/또는 제설 장치(220)의 운영 조건을 결정할 수 있다. 예컨대, 제설 정보 수집 장치(210)의 운영 조건 및 제설 장치(220)의 운영 조건은 센서 측정 주기 정보 또는 통신 주기 정보를 포함할 수 있다.
일 실시예에서, 프로세서(740)의 제설 작업 결정부(749)는 제설 작업 운영부(747)에 의해 결정된 운영 조건에 따라 제설 정보 수집 장치(210) 및/또는 제설 장치(220)로부터 센서 정보를 수신할 수 있다. 제설 작업 결정부(749)는 수신한 센서 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정할 수 있다. 이에 한정하는 것은 아니며, 제설 작업 결정부(749)는 제설 작업을 수행하는 것으로 결정되면, 제설 작업을 수행할 장소(예: 구역)에 살포할 최적의 제설제의 양을 결정할 수 있다.
일 실시예에서, 프로세서(740)는 제설 작업 결정부(749)에 의해 결정된 제설 구역에 위치하는 적어도 하나의 제설 장치에 제설 작업을 수행하기 위한 제어 신호를 송신할 수 있다.
도 8은, 다양한 실시예들에 따른, 제설 작업 관리 장치(230)에 저장된 센서 정보 데이터베이스(721a), 제설 정보 수집 장치(210)의 운영 정보 데이터베이스(721f), 및 제설 장치(220)의 운영 정보 데이터베이스(721g)를 도시한 블록도(800)이다.
도 8의 참조번호 <810>을 참조하면, 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))의 메모리(예: 도 7의 메모리(720))에 저장된 센서 정보 데이터베이스(예: 도 7의 센서 정보 데이터베이스(721a))는 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210))로부터 수신한 기상 정보 및 도로 관련 정보를 저장할 수 있다. 예컨대, 기상 정보는 풍향(811)(예: 0~360도), 풍속(813)(예: 약 0~60cm/sec), 대기 온도(815)(예: 약 -20~50도), 대기 상대 습도(817)(예: 0~100%), 및/또는 일사량(w/m2)(819)을 포함할 수 있다. 도로 관련 정보는 노면 온도(821)(예: 약 -20~50도) 및/또는 노면 상태(823)(예: 건조, 습윤, 결빙, 및/또는 융해)를 포함할 수 있다.
일 실시예에서, 제설 정보 수집 장치(210)로부터 수신한 기상 정보 및 도로 관련 정보는 로우 데이터(raw data)로 센서 정보 데이터베이스(721a)에 저장될 수 있다.
일 실시예에서, 제설 정보 수집 장치(210)로부터 수신한 기상 정보 및 도로 관련 정보는, 제설 정보 수집 장치(210)의 운영 및/또는 제설 장치(예: 도 2의 제설 장치(220))의 운영 조건을 결정하기 위해 이용될 수 있다.
일 실시예에 따른 참조번호 <830>을 참조하면, 제설 작업 관리 장치(230)의 메모리(720)에 저장된 제설 정보 수집 장치(210)의 운영 정보 데이터베이스(예: 도 7의 제설 정보 수집 장치(210)의 운영 정보 데이터베이스(721f))는 제설 정보 수집 장치(210)의 운영과 관련된 정보를 저장할 수 있다. 예컨대, 제설 정보 수집 장치(210)의 운영과 관련된 정보는, 센서 측정 주기 정보(예: 센서 정보를 측정하는 주기) 또는 통신 주기 정보(예: 제설 작업 관리 장치(230)와 통신하는 주기)(831), 상태 정보(833)(예: 제설 정보 수집 장치(210)의 상태 정보), 센서 상태 정보(835), 및/또는 배터리 잔량 정보(837)(예: 상시 전원 또는 태양열 패널, 또는 배터리 방식으로 전원이 공급)를 포함할 수 있다.
일 실시예에서, 제설 정보 수집 장치(210)는 제설 작업 관리 장치(230)로부터 센서 측정 주기 정보 또는 통신 주기 정보를 수신할 수 있으며, 이를 센서 측정 주기 정보 또는 통신 주기 정보(831)에 저장할 수 있다. 제설 정보 수집 장치(210)는 센서 측정 주기 정보 또는 통신 주기 정보(831)에 기반하여, 설정된 주기에 따라 센서부(예: 도 3의 센서부(310))를 통해 센서 정보(예: 기상 정보 및/또는 도로 관련 정보)를 획득하고, 이를 제설 작업 관리 장치(230)에 전송할 수 있다.
일 실시예에 따른 참조번호 <850>을 참조하면, 제설 작업 관리 장치(230)의 메모리(720)에 저장된 제설 장치(220)의 운영 정보 데이터베이스(예: 도 7의 제설 장치(220)의 운영 정보 데이터베이스(721g))는 제설 장치(220)의 운영과 관련된 정보를 저장할 수 있다. 예컨대, 제설 장치(220)의 운영과 관련된 정보는, 센서 측정 주기 정보(예: 센서 정보를 측정하는 주기) 또는 통신 주기 정보(예: 제설 작업 관리 장치(230)와 통신하는 주기)(851), 상태 정보(853)(예: 제설 장치(220)의 상태 정보), 및/또는 PCM(phase change material) 상태 정보(855)(예: 제1 PCM 상태 정보(855a)(예: 축열 탱크 온도), 제2 PCM 상태 정보(855b)(예: PCM 축열량), 제3 PCM 상태 정보(855c)(예: PCM 가동 정보), …, 제n PCM 상태 정보(855n))를 포함할 수 있다.
일 실시예에서, 제설 장치(220)는 제설 작업 관리 장치(230)로부터 센서 측정 주기 정보 또는 통신 주기 정보를 수신할 수 있으며, 이를 센서 측정 주기 정보 또는 통신 주기 정보(851)에 저장할 수 있다. 제설 장치(220)는 센서 측정 주기 정보 또는 통신 주기 정보(851)에 기반하여, 설정된 주기에 따라 센서부(예: 도 5의 센서부(530))를 통해 센서 정보(예: 기상 정보 및/또는 도로 관련 정보)를 획득하고, 이를 제설 작업 관리 장치(230)에 전송할 수 있다.
도 9는, 다양한 실시예들에 따른, 센서 정보에 기반하여 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도(900)이다.
도 9를 참조하면, 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))는 905동작에서, 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210))로부터 센서 정보를 수신할 수 있다. 제설 정보 수집 장치(210)로부터 수신되는 센서 정보는 센서 정보 데이터베이스(예: 도 7의 센서 정보 데이터베이스(721a))에 저장될 수 있다. 센서 정보는 기상 정보 및 도로 관련 정보를 포함할 수 있다. 예컨대, 기상 정보는 풍향(예: 도 8의 풍향(811)), 풍속(예: 도 8의 풍속(813)), 대기 온도(예: 도 8의 대기 온도(815)), 대기 상대 습도(예: 도 8의 대기 상대 습도(817)), 및/또는 일사량(예: 도 8의 일사량(819))을 포함할 수 있다. 도로 관련 정보는 노면 온도(예: 도 8의 노면 온도(821)) 및/또는 노면 상태(예: 도 8의 노면 상태(823))를 포함할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 910동작에서, 제설 정보 수집 장치(210)로부터 수신한 센서 정보에 기반하여, 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건을 결정할 수 있다. 예컨대, 제설 작업 관리 장치(230)는 센서 정보 예컨대, 풍향(811)이 지정된 방향으로 불어오는지 여부, 풍속(813)이 지정된 속도를 초과하는지 여부, 대기 온도(815)가 지정된 온도를 초과하는지 여부, 대기 상대 습도(817)가 지정된 습도를 초과하는지 여부, 및/또는 일사량(819)이 지정된 일사량을 초과하는지 여부에 기반하여 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건을 결정할 수 있다. 이에 한정하는 것은 아니며, 제설 작업 관리 장치(230)는 도로 관련 정보 예컨대, 노면 온도(821)가 지정된 온도를 초과하는지 여부 및/또는 노면 상태에 기반하여 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건을 결정할 수 있다.
다양한 실시예들에 따른 제설 정보 수집 장치(210)의 운영 조건은 센서 측정 주기 정보 또는 통신 주기 정보를 포함할 수 있다. 제설 장치(220)의 운영 조건은 센서 측정 주기 정보 또는 통신 주기 정보를 포함할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 결정된 제설 정보 수집 장치(210)의 운영 조건을 제설 정보 수집 장치(210)의 운영 정보 데이터베이스(721f)의 센서 측정 주기 정보 또는 통신 주기 정보(831)에 저장할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 결정된 제설 장치(220)의 운영 조건을 제설 장치(220)의 운영 정보 데이터베이스(721g)의 센서 측정 주기 정보 또는 통신 주기 정보(851)에 저장할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 915동작에서, 결정된 운영 조건에 대한 정보를 제설 정보 수집 장치(210) 및 제설 장치(220)에 전송할 수 있다. 제설 정보 수집 장치(210) 및 제설 장치(220)는 제설 작업 관리 장치(230)로부터 수신한 운영 조건에 대한 정보에 기반하여, 센서 정보를 획득하고, 이를 제설 작업 관리 장치(230)에 전송할 수 있다.
도 10은, 다양한 실시예들에 따른, 센서 정보에 기반하여 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도(1000)이다.
다양한 실시예들에 따른 도 10은, 전술한 도 9의 각 동작을 구체화한 도면이다.
다양한 실시예들에서, 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))는 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210))로부터 수신한 센서 정보에 기반하여, 제설 정보 수집 장치(210) 및 제설 장치(예: 도 2의 제설 장치(220))의 운영 조건을 결정할 수 있다.
이하 도 10에 따른 실시예에서, 센서 정보는 대기 온도(예: 도 8의 대기 온도(815)) 또는 노면 온도(예: 도 8의 노면 온도(821))로 가정하고, 운영 조건은 센서 정보를 획득하는 주기(예: 제설 정보 수집 장치(210)의 센서 측정 주기 정보 또는 통신 주기 정보(831), 제설 장치(220)의 센서 측정 주기 정보 또는 통신 주기 정보(851))로 가정하여 설명하도록 한다.
다양한 실시예들에 따른 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건 예컨대, 센서 정보를 획득하는 주기를 설정하기 위한 기준 값(예: 대기 온도 또는 노면 온도에 따른 센서 정보를 획득하는 주기를 설정하기 위한 기준 값)은 메모리(예: 도 7의 메모리(720))에 기 저장되어 있을 수 있다. 일 실시예에서, 센서 정보를 획득하는 주기를 설정하기 위한 기준 값은 디폴트 값으로 기 설정되거나, 또는 사용자에 의해 설정될 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 제설 정보 수집 장치(210)로부터 수신된 센서 정보 및 메모리(720)에 기 저장된 센서 정보를 획득하는 주기를 설정하기 위한 기준 값에 기반하여, 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건을 결정할 수 있다. 다양한 실시예들에 따른 센서 정보를 획득하는 주기를 설정하기 위한 기준 값은 하기 <표 1>과 같을 수 있으며, 제설 작업 관리 장치(230)는 제설 정보 수집 장치(210)로부터 수신된 센서 정보 및 하기 <표 1>에 기반하여 제설 정보 수집 장치(210) 및/또는 제설 장치(220)의 운영 조건을 결정할 수 있다.
| 기준 값 (예: 노면 온도(또는 대기 온도)) |
관리 단계 |
| 약 10도 이상 | 정상 |
| 약 5~9도 | 주의 |
| 약 5도 미만 | 제설 작업 |
도 10을 참조하면, 제설 작업 관리 장치(230)는 1005동작에서, 제설 정보 수집 장치(210)로부터 수신한 대기 온도 또는 노면 온도를 확인할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 1010동작에서, 대기 온도 또는 노면 온도가 제1 온도(예: 약 10도) 이상인지 여부를 확인할 수 있다. 대기 온도 또는 노면 온도가 제1 온도(예: 약 10도) 이상인 것으로 확인되면(예: 1010동작의 YES), 제설 작업 관리 장치(230)는 1015동작에서, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제1 주기로 획득(예: 12시간 당 1회 획득)하도록 설정할 수 있다. 예컨대, 제설 작업 관리 장치(230)는 대기 온도 또는 노면 온도가 제1 온도(예: 약 10도) 이상인 것은, 제설 작업이 필요하지 않은 상황(예: <표 1>에 따른 “정상”)으로 판단하고, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제1 주기로 획득(예: 12시간 당 1회 획득)하도록 설정할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 1020동작에서, 설정된 제1 주기(예: 12시간 당 1회)에 대한 정보를 제설 정보 수집 장치(210) 및 제설 장치(220)에 전송할 수 있다.
일 실시예에서, 대기 온도 또는 노면 온도가 제1 온도(예: 약 10도) 이상이 아닌 것으로 확인되면(예: 1010동작의 NO), 제설 작업 관리 장치(230)는 1025동작에서, 대기 온도 또는 노면 온도가 제2 온도(예: 약 5도) 이하인지 여부를 확인할 수 있다. 대기 온도 또는 노면 온도가 제2 온도(예: 약 5도) 이하인 것으로 확인되면(예: 1025동작의 YES), 제설 작업 관리 장치(230)는 1030동작에서, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제2 주기로 획득(예: 10분당 1회 획득)하도록 설정할 수 있다. 예컨대, 제설 작업 관리 장치(230)는 대기 온도 또는 노면 온도가 제2 온도(예: 약 5도) 이하인 것은, 제설 작업이 필요한 상황(예: <표 1>에 따른 “제설 작업”)으로 판단하고, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제2 주기로 획득(예: 10분당 1회 획득)하도록 설정할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 1035동작에서, 설정된 제2 주기(예: 10분당 1회)에 대한 정보를 제설 정보 수집 장치(210) 및 제설 장치(220)에 전송할 수 있다. 예컨대, 제2 주기(예: 10분당 1회 획득)는 제1 주기(예: 12시간 당 1회)보다 짧을 수 있다.
일 실시예에서, 대기 온도 또는 노면 온도가 제2 온도(예: 약 5도) 이하가 아닌 것으로 확인되면(예: 1025동작의 NO), 제설 작업 관리 장치(230)는 1040동작에서, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제3 주기로 획득(예: 1시간 당 1회 획득)하도록 설정할 수 있다. 예컨대, 제설 작업 관리 장치(230)는 대기 온도 또는 노면 온도가 제2 온도(예: 약 5도) 이하가 아닌 것은, 제설 작업이 필요한 상황인지 주기적으로 확인이 필요한 상황(예: <표 1>에 따른 “주의”)으로 판단하고, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제3 주기로 획득(예: 1시간 당 1회 획득)하도록 설정할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 1045동작에서, 설정된 제3 주기(예: 1시간 당 1회)에 대한 정보를 제설 정보 수집 장치(210) 및 제설 장치(220)에 전송할 수 있다. 제3 주기(예: 1시간 당 1회)는 제2 주기(예: 10분당 1회)보다 길고, 제1 주기(예: 12시간 당 1회)보다 짧을 수 있다.
이에 한정하는 것은 아니며, 제설 작업을 수행한 후, 제설 작업 관리 장치(230)는 제3 주기(예: 1시간 당 1회)보다 긴 제4 주기(예: 3시간 당 1회 획득)로 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 획득하도록 설정할 수 있다.
다양한 실시예들에서, 대기 온도 또는 노면 온도가 낮아질수록 센서 정보를 획득하는 주기를 짧게 설정함으로써, 다시 말해, 대기 온도 또는 노면 온도에 기반하여 상이한 주기로 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 수신하도록 설정함으로써, 제설 작업이 필요한 상황을 정확하고, 즉각적으로 판단하여, 제설 작업을 수행할 수 있다.
다양한 실시예들에 따른 도 10에서, 센서 정보를 획득하는 주기를 설정하기 위한 기준 값, 제1 온도, 제3 온도, 제1 주기, 제2 주기, 및 제3 주기의 예로서 기재된 수치는 발명을 용이하게 설명하기 위해 기재한 것으로, 기재된 수치에 한정되지 않을 수 있다.
도 11은, 다양한 실시예들에 따른, 영상 정보에 기반하여 제설 정보 수집 장치(210) 및 제설 장치(220)의 운영 조건을 결정하는 방법을 설명하기 위한 흐름도(1100)이다.
도 11을 참조하면, 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))는 1105동작에서, 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210))로부터 영상을 수신할 수 있다. 제설 작업 관리 장치(230)는 1110동작에서, 제설 정보 수집 장치(210)로부터 수신한 영상을 분석할 수 있다. 예컨대, 제설 작업 관리 장치(230)는 수신한 영상을 판독할 수 있다. 제설 작업 관리 장치(230)는 이상 영상(예: 강설 및 노면 살얼음 영상)을 특정 개수(예: 32개)의 세그먼트로 분할하고, 정상 영상(예: 노면 정상 영상)을 특정 개수(예: 32개)의 세그먼트로 분할하는 동작을 통해 수신한 영상을 판독할 수 있다. 제설 작업 관리 장치(230)는 이상 영상을 포지티브 백(positive bags)으로 분류하고, 정상 영상을 네거티브 백(negative bags)으로 분류하는 학습 데이터를 적용할 수 있다. 제설 작업 관리 장치(230)는 각각의 3차원 영상 좌표를 추출하고, 백터를 형성하여 합성곱 신경망(convolutional neural network, ConvNET)을 형성하는 3차원 특징 정보를 추출할 수 있다. 제설 작업 관리 장치(230)는 추출된 3차원 특징 정보에서 뉴런을 선별 삭제하여 신호 전달을 차단할 수 있다. 예컨대, 추출된 3차원 특징 정보에서 뉴런을 60%를 제외하고, 알고리즘 상에서 삭제하는 정규화 동작을 수행할 수 있다. 제설 작업 관리 장치(230)는 정규화 동작으로 산출된 인스턴스에 점수를 부여하고, 포지티브와 네거티브로 분류할 수 있다. 제설 작업 관리 장치(230)는 인스턴스 점수에 기반하여 딥 러닝 모델을 생성할 수 있다.
다양한 실시예들에 따른 영상은 기계 학습(예: 인공 신경망으로 구축된 딥 러닝(deep learning)) 기반의 인공 지능 모델을 이용하여 딥 러닝 모델을 생성함으로써, 강설 및/또는 결빙이 발생하였는지 여부를 정확하게 예측할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 1115동작에서, 영상 정보를 분석한 결과에 기반하여, 강설 및/또는 결빙이 발생하였는지 여부를 확인할 수 있다. 예컨대, 생성된 영상에 대한 딥 러닝 모델에 기반하여 강설 및/또는 결빙이 발생한 것으로 확인되면(예: 1115동작의 YES), 제설 작업 관리 장치(230)는 1120동작에서, 강설 및/또는 결빙 발생과 관련된 알림을 표시하고, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제1 주기로 획득(예: 1분 단위로 획득)하도록 설정할 수 있다.
일 실시예에서, 강설 및/또는 결빙이 발생하지 않은 것으로 확인되면(예: 1115동작의 NO), 제설 작업 관리 장치(230)는 1125동작에서, 노면 온도가 지정된 온도(예: 약 5도) 이하인지 여부를 확인할 수 있다. 노면 온도가 지정된 온도(예: 약 5도) 이하인 것으로 확인되면(예: 1125동작의 YES), 제설 작업 관리 장치(230)는 1130동작에서, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제1 주기(예: 1분)보다 긴 제2 주기로 획득(예: 10분당 1회 획득)하도록 설정할 수 있다.
일 실시예에서, 노면 온도가 지정된 온도(예: 약 5도) 이하가 아닌 것으로 확인되면(예: 1125동작의 NO), 제설 작업 관리 장치(230)는 1135동작에서, 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 제2 주기(예: 10분)보다 긴 제3 주기로 획득(예: 1시간 당 1회 획득)하도록 설정할 수 있다.
다양한 실시예들에서, 미도시 되었으나, 제설 작업 관리 장치(230)는 결정된 운영 조건에 대한 정보(예: 센서 정보를 획득하기 위해 설정된 제1 주기, 제2 주기, 또는 제3 주기에 대한 정보)를 제설 정보 수집 장치(210) 및 제설 장치(220)에 전송할 수 있다. 제설 정보 수집 장치(210) 및 제설 장치(220)는 제설 작업 관리 장치(230)로부터 수신한 운영 조건에 대한 정보에 기반하여, 센서 정보를 획득하고, 이를 제설 작업 관리 장치(230)에 전송할 수 있다.
다양한 실시예들에서, 영상 정보에 기반하여 강설 및/또는 결빙이 발생하였는지 여부, 및/또는 노면 온도에 기반하여 설정된 주기에 따라 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 수신함으로써, 제설 작업 관리 장치(230)는 제설 작업이 필요한 상황을 정확하게 판단할 수 있다. 또한, 제설 작업이 필요하지 않은 상황이더라도 설정된 주기에 따라 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 수신함으로써, 제설 작업 관리 장치(230)는 제설 작업이 필요한 상황인지 여부를 즉각적으로 확인할 수 있다.
다양한 실시예들에 따른 도 11에서, 지정된 온도, 제1 주기, 제2 주기, 및 제3 주기의 예로서 기재된 수치는 발명을 용이하게 설명하기 위해 기재한 것으로, 기재된 수치에 한정되지 않을 수 있다.
도 12는, 다양한 실시예들에 따른, 제설 작업 수행 여부를 결정하는 방법을 설명하기 위한 흐름도(1200)이다.
다양한 실시예들에 따른 도 12는, 전술한 도 9의 추가적인 동작일 수 있다.
도 12를 참조하면, 제설 작업 관리 장치(예: 도 2의 제설 작업 관리 장치(230))는 1205동작에서, 제설 정보 수집 장치(예: 도 2의 제설 정보 수집 장치(210)) 및 제설 장치(예: 도 2의 제설 장치(220))의 정보를 설정된 주기로 수신할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 1210동작에서, 설정된 주기로 수신된 제설 정보 수집 장치(210) 및 제설 장치(220)의 정보를 학습 알고리즘에 적용하여 제설 작업 수행 여부를 결정할 수 있다.
다양한 실시예들에 따른 학습 알고리즘은 의사 결정 트리(inductive decision tree) 학습 알고리즘을 포함할 수 있다. 의사 결정 트리는, 특정 기준(예: 질문)에 따라 데이터를 구분하는 모델로, 일련의 분류 규칙을 통해 데이터를 분류(classification) 및 회귀(regression)하는 지도 학습 모델 중 하나일 수 있다. 예컨대, 의사 결정 트리는, 특정 기준 예컨대, 질문에 대한 “예” 또는 “아니오”라는 질문을 이어하며 학습할 수 있다. 특정 기준 예컨대, 질문이 많을수록 의사 결정 트리의 깊이(depth)는 깊어질 수 있다.
본 개시에 따른 특정 기준은 대기 온도 및/또는 노면 온도일 수 있다. 예컨대, 특정 기준 예컨대, 대기 온도 또는 노면 온도가 제1 온도(예: 약 5도) 이상인지 여부에 대한 질문, 대기 온도 또는 노면 온도가 제2 온도(예: 약 2도) 이상인지 여부에 대한 질문에서, “예” 또는 “아니오”를 통해 제설 작업 수행 여부를 결정할 수 있다.
이에 한정하는 것은 아니며, 제설 작업 관리 장치(230)는 의사 결정 트리를 이용한 앙상블 학습(ensemble learning)을 통해 제설 작업 수행 여부를 결정할 수 있다. 앙상블 학습은 복수의 분류기를 생성하고, 그 예측을 결합함으로써 보다 정확한 예측을 도출하는 기법을 의미할 수 있다. 하나의 모델을 사용하는 대신 복수의 모델들을 조합하여 과대적합(overfitting) 문제를 방지하고 일반화 성능을 향상시켜 제설 작업 수행에 대한 더 정확한 예측을 도출할 수 있다. 예컨대, 앙상블 학습은 부스팅(boosting) 및 랜덤 포레스트(random Forest) 중 어느 하나의 방법일 수 있다.
일 실시예에서, 복수의 여러 모델들은 제설 상황이 발생되는 다양한 기상 조건들이 될 수 있다. 예컨대, 영상의 기온에서 강설이 내리는 경우 노면이 영상의 온도를 유지하는 상태라면 제설 작업이 필요하지 않을 수 있다. 다른 예를 들어, 강설 시 강설량(예: 약 1cm, 1~3cm, 3~5cm)에 따라 상이한 제설 작업(예: 제설제의 종류 및 제설제 살포량을 상이하게 설정)을 수행해야 할 수 있다. 또 다른 예를 들어, 결빙 시 기온에 따라 상이한 제설 작업(예: 제설제의 종류 및 제설제 살포량을 상이하게 설정)을 수행해야 할 수 있다.
전술한 다양한 기상 조건들에 대한 복수의 의사 결정 트리 모델들을 생성하고, 생성된 복수의 의사 결정 트리 모델들을 앙상블 학습을 통해 결합함으로써, 제설 작업 수행을 보다 정확하게 결정할 수 있다. 예컨대, 제설 작업 관리 장치(230)는 생성된 복수의 의사 결정 트리 모델들을 앙상블 학습을 통해 빅 데이터(big data)로 구축하고, 상기 빅 데이터(big data)를 딥 러닝(deep learning) 방식으로 분석하여, 상기 제설 작업 수행 여부를 결정할 수 있다.
일 실시예에서, 제설 작업 관리 장치(230)는 1215동작에서, 제설 작업을 수행하는 것으로 결정되면, 제설 작업과 관련된 제어 신호를 적어도 하나의 제설 장치에 전송할 수 있다. 일 실시예에서, 제설 작업과 관련된 제어 신호를 수신한 적어도 하나의 제설 장치는 해당 구역에서 제설 작업을 수행할 수 있다.
다양한 실시예들에서, 미도시 되었으나, 제설 작업 관리 장치(230)는 제설 정보 수집 장치(210)로부터 획득한 기상 정보 및 도로 관련 정보에 기반하여 제설 구역 및 제설 구역에 살포할 제설제의 양을 결정할 수 있다. 예컨대, 제설 작업 관리 장치(230)는 기상 정보 및 도로 관련 정보에 기반하여 도로 상태(예: 건조, 결빙, 융해, 적설량)를 확인하고, 이에 기반하여 제설 작업을 수행할 제설 구역 및 제설 구역에 살포할 제설제의 양을 결정할 수 있다. 제설 작업 관리 장치(230)는 결정된 살포할 제설제의 종류와 제설제 양으로 제설 구역에 살포하라는 제어 신호를 적어도 하나의 제설 장치에 전송할 수 있다. 이 경우, 적어도 하나의 제설 장치는 제설 작업 관리 장치(230)로부터 수신한 제설제의 종류 및 제설제의 양에 기반하여 해당 구역에서 제설 작업을 수행할 수 있다.
210: 제설 정보 수집 장치 220: 제설 장치
230: 제설 작업 관리 장치
230: 제설 작업 관리 장치
Claims (20)
- 제설 작업 관리 시스템에 있어서,
통신 회로;
복수의 제설 정보 수집 장치들;
복수의 제설 장치들; 및
제설 작업 관리 장치를 포함하며,
상기 제설 작업 관리 장치는,
상기 복수의 제설 정보 수집 장치들로부터 센서 정보 및 영상 이미지 정보를 지정된 시간 간격으로 상기 통신 회로를 통해 수신하고, 상기 수신한 센서 정보 및 영상 이미지 정보를 학습 알고리즘에 적용하여 학습하고,
상기 학습 결과에 기반하여, 상기 센서 정보를 측정하는 센서 측정 주기 및 상기 영상 이미지 정보를 획득하는 주기를 포함하는 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 결정하고,
상기 결정된 운영 조건을 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들에 전송하고,
상기 결정된 운영 조건에 따라 측정된 센서 정보 및 획득된 영상 이미지 정보를 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들로부터 수신하여, 제설 작업 수행 여부를 결정하고, 및
상기 제설 작업을 수행하는 것으로 결정되면, 상기 제설 작업과 관련된 제어 신호를 상기 통신 회로를 통해 적어도 하나의 제설 장치에 송신하고,
상기 제설 작업 관리 장치는,
상기 수신된 영상 이미지 정보를 학습한 결과에 기반하여, 강설 또는 결빙 중 적어도 하나가 발생하였는지 여부를 확인하고,
상기 강설 또는 상기 결빙 중 적어도 하나가 발생한 것으로 확인된 경우, 제1 주기에 상기 센서 정보를 측정하고, 상기 영상 이미지 정보를 획득하도록 상기 운영 조건을 결정하고,
상기 강설 및 상기 결빙 중 적어도 하나가 발생하지 않은 것으로 확인된 경우, 상기 센서 정보의 값이 지정된 값 이하인지 여부를 확인하고,
상기 수신된 센서 정보를 학습한 결과에 기반하여, 상기 센서 정보의 값이 상기 지정된 값 이하인 것으로 확인된 경우, 상기 제1 주기보다 긴 제2 주기에 상기 센서 정보를 측정하고, 상기 영상 이미지 정보를 획득하도록 상기 운영 조건을 결정하고, 및
상기 센서 정보의 값이 상기 지정된 값을 초과하는 것으로 확인된 경우, 상기 제2 주기보다 긴 제3 주기에 상기 센서 정보를 측정하고, 상기 영상 이미지 정보를 획득하도록 상기 운영 조건을 결정하도록 설정된 제설 작업 관리 시스템. - 제 1 항에 있어서,
상기 제설 작업 관리 장치는,
상기 복수의 제설 정보 수집 장치들로부터 수신한 센서 정보 및 영상 이미지 정보와 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 결정하기 위한 기준 값에 기반하여, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 결정하도록 설정된 제설 작업 관리 시스템. - 제 2 항에 있어서,
상기 제설 작업 관리 장치는, 디스플레이를 더 포함하며,
상기 제설 작업 관리 장치는,
상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 결정하기 위한 기준 값을 설정하기 위한 사용자 인터페이스를 상기 디스플레이에 표시하도록 설정된 제설 작업 관리 시스템. - 제 2 항에 있어서,
상기 센서 정보는, 기상 정보 또는 도로 관련 정보 중 적어도 하나를 포함하고,
상기 기상 정보는, 풍향, 풍속, 대기 온도, 대기 상대 습도, 또는 일사량 중 적어도 하나를 포함하고, 및
상기 도로 관련 정보는, 노면 온도 또는 노면 조건 중 적어도 하나를 포함하는 제설 작업 관리 시스템. - 제 4 항에 있어서,
상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건은, 통신 주기 정보를 더 포함하는 제설 작업 관리 시스템. - 제 5 항에 있어서,
상기 제설 작업 관리 장치는,
상기 대기 온도 또는 상기 노면 온도가 제1 온도 이상인지 여부를 확인하고, 및
상기 대기 온도 또는 상기 노면 온도가 상기 제1 온도 이상인 것으로 확인되면, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 제1 조건으로 설정하고,
상기 제1 조건은, 상기 센서 정보를 상기 제1 주기로 측정하고, 상기 영상 이미지 정보를 상기 제1 주기로 획득하는 조건을 포함하는 제설 작업 관리 시스템. - 제 6 항에 있어서,
상기 제설 작업 관리 장치는,
상기 대기 온도 또는 상기 노면 온도가 상기 제1 온도 이상이 아닌 것으로 확인되면, 상기 대기 온도 또는 상기 노면 온도가 제2 온도 이하인지 여부를 확인하고,
상기 대기 온도 또는 상기 노면 온도가 상기 제2 온도 이하인 것으로 확인되면, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 상기 제1 조건과 상이한 제2 조건으로 설정하고, 및
상기 대기 온도 또는 상기 노면 온도가 상기 제2 온도 이하가 아닌 것으로 확인되면, 상기 복수의 제설 정보 수집 장치들 및 상기 복수의 제설 장치들의 운영 조건을 상기 제2 조건과 상이한 제3 조건으로 설정하고,
상기 제2 조건은, 상기 센서 정보를 상기 제2 주기로 측정하고, 상기 영상 이미지 정보를 상기 제2 주기로 획득하는 조건을 포함하고, 및
상기 제3 조건은, 상기 센서 정보를 상기 제3 주기로 측정하고, 상기 영상 이미지 정보를 상기 제3 주기로 획득하는 조건을 포함하는 제설 작업 관리 시스템. - 삭제
- 제 1 항에 있어서,
상기 복수의 제설 정보 수집 장치들은,
상기 제설 작업 관리 장치로부터 수신한 운영 조건에 기반하여, 센서 정보 및 영상 이미지 정보를 획득하고, 및
상기 획득된 센서 정보 및 영상 이미지 정보를 상기 제설 작업 관리 장치에 전송하도록 설정된 제설 작업 관리 시스템. - 제 1 항에 있어서,
상기 복수의 제설 장치들은,
상기 제설 작업 관리 장치로부터 수신한 운영 조건에 기반하여, 센서 정보 및 영상 이미지 정보를 획득하고, 및
상기 획득된 센서 정보 및 영상 이미지 정보를 상기 제설 작업 관리 장치에 전송하도록 설정된 제설 작업 관리 시스템. - 삭제
- 제 1 항에 있어서,
상기 제설 작업 관리 장치는,
상기 복수의 제설 정보 수집 장치들로부터 수신된 영상 이미지 정보를 인공 신경망으로 구축된 딥 러닝(deep learning) 기반의 인공 지능 모델을 이용하여, 딥 러닝 모델을 생성하도록 설정된 제설 작업 관리 시스템. - 제12 항에 있어서,
상기 제설 작업 관리 장치는,
상기 강설 또는 상기 결빙 중 적어도 하나가 발생한 것으로 확인되면, 상기 강설 및/또는 상기 결빙 발생과 관련된 알림을 표시하도록 설정된 제설 작업 관리 시스템. - 삭제
- 제 1 항에 있어서,
상기 학습 알고리즘은, 의사 결정 트리(inductive decision tree) 학습 알고리즘을 포함하는 제설 작업 관리 시스템. - 제 15 항에 있어서,
상기 제설 작업 관리 장치는,
제설 작업 수행과 관련된 복수의 기상 조건들에 대응하는 복수의 의사 결정 트리 모델들을 생성하고, 및
상기 생성된 복수의 의사 결정 트리 모델들을 앙상블 학습(ensemble learning)을 통해 상기 제설 작업 수행 여부를 결정하도록 설정된 제설 작업 관리 시스템. - 제 16 항에 있어서,
상기 제설 작업 관리 장치는,
상기 앙상블 학습을 통해 빅 데이터(big data)로 구축하고, 상기 빅 데이터(big data)를 딥 러닝(deep learning) 방식으로 분석하여, 상기 제설 작업 수행 여부를 결정하도록 설정된 제설 작업 관리 시스템. - 제 1 항에 있어서,
상기 복수의 제설 정보 수집 장치들 각각은 센서 노드를 포함하며,
상기 복수의 제설 정보 수집 장치들 각각에 포함된 센서 노드는 상기 복수의 제설 장치들과 서로 연결되어 무선 센서 네트워크를 구성하도록 설정된 제설 작업 관리 시스템. - 제 1 항에 있어서,
상기 적어도 하나의 제설 장치는 디스플레이를 포함하며,
상기 적어도 하나의 제설 장치는,
상기 제설 작업 관리 장치로부터 수신한 상기 제설 작업과 관련된 제어 신호에 대한 사용자 인터페이스를 상기 디스플레이에 표시하도록 설정된 제설 작업 관리 시스템. - 제 1 항에 있어서,
상기 제설 작업 관리 장치는, 디스플레이를 더 포함하며,
상기 제설 작업 관리 장치는,
특정 구역에서 수행되는 제설 작업 현황에 대한 사용자 인터페이스를 상기 디스플레이에 표시하도록 설정된 제설 작업 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210153820A KR102442865B1 (ko) | 2021-11-10 | 2021-11-10 | IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210153820A KR102442865B1 (ko) | 2021-11-10 | 2021-11-10 | IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102442865B1 true KR102442865B1 (ko) | 2022-09-14 |
Family
ID=83279553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210153820A KR102442865B1 (ko) | 2021-11-10 | 2021-11-10 | IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102442865B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101581299B1 (ko) | 2015-08-03 | 2016-01-04 | 창전이앤시 주식회사 | 도로 제설작업을 위한 스마트 종합관제시스템 |
| KR101682940B1 (ko) * | 2016-05-03 | 2016-12-07 | 한국씨티에스주식회사 | 도로 해빙 및 제설을 위한 통합 관리 시스템 및 그의 처리 방법 |
| KR20190037456A (ko) * | 2017-09-29 | 2019-04-08 | 한국교통대학교산학협력단 | 사물인터넷 및 빅데이터 기반의 스노우 멜팅 시스템 및 그 제어 방법 |
| KR20210026667A (ko) * | 2019-08-30 | 2021-03-10 | 엘지전자 주식회사 | 서버 |
| KR102305720B1 (ko) | 2021-07-09 | 2021-09-28 | 주식회사 오르비스 | 도로 살얼음 대응 시스템 |
-
2021
- 2021-11-10 KR KR1020210153820A patent/KR102442865B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101581299B1 (ko) | 2015-08-03 | 2016-01-04 | 창전이앤시 주식회사 | 도로 제설작업을 위한 스마트 종합관제시스템 |
| KR101682940B1 (ko) * | 2016-05-03 | 2016-12-07 | 한국씨티에스주식회사 | 도로 해빙 및 제설을 위한 통합 관리 시스템 및 그의 처리 방법 |
| KR20190037456A (ko) * | 2017-09-29 | 2019-04-08 | 한국교통대학교산학협력단 | 사물인터넷 및 빅데이터 기반의 스노우 멜팅 시스템 및 그 제어 방법 |
| KR20210026667A (ko) * | 2019-08-30 | 2021-03-10 | 엘지전자 주식회사 | 서버 |
| KR102305720B1 (ko) | 2021-07-09 | 2021-09-28 | 주식회사 오르비스 | 도로 살얼음 대응 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180283895A1 (en) | Navigation system and method | |
| US20150178572A1 (en) | Road surface condition classification method and system | |
| US20100305858A1 (en) | Non-kinematic behavioral mapping | |
| KR102173797B1 (ko) | 도로 노면 상태 예측 방법 및 시스템 | |
| US20200255020A1 (en) | Vehicle road friction control | |
| US11486718B2 (en) | Predicting vehicle travel time on routes of unbounded length in arterial roads | |
| EP4081835B1 (en) | Methods, apparatuses, systems and computer program products for estimating road surface temperature | |
| Liu et al. | A UAV allocation method for traffic surveillance in sparse road network | |
| KR102475003B1 (ko) | IoT(internet of things)를 이용한 제설 작업 관리 시스템 | |
| KR102442865B1 (ko) | IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 | |
| Wu et al. | Advances in sustainable winter road maintenance and management for future smart cities | |
| Darghiasi et al. | Enhancing Winter Maintenance Decision Making through Deep Learning-Based Road Surface Temperature Estimation | |
| Ahmed et al. | Flood Monitoring and Early Warning Systems–An IoT Based Perspective | |
| Jahin et al. | DIT4BEARs Smart Roads Internship | |
| Dobrilovic | UAV Route Planning in Urban and Suburban Surveillance Scenarios | |
| Lee et al. | Development of real-time road surface condition determination algorithm using an automatic weather system | |
| KR102398030B1 (ko) | 머신러닝 기반 노면 상태 예측 방법 및 시스템 | |
| Cetin et al. | Exploring the use of LIDAR data from autonomous cars for estimating traffic flow parameters and vehicle trajectories | |
| Redi et al. | Relief Mapping Assessment using Two-Echelon Vehicle Routing Problem with Drone | |
| KR102398029B1 (ko) | 공간 클러스터링을 이용한 노면 상태 예측 방법 및 시스템 | |
| Jan et al. | Crowdsensing for Road Pavement Condition Monitoring: Trends, Limitations, and Opportunities | |
| CN114187752B (zh) | 危化品车辆在跨海桥梁运输中的预警***及方法 | |
| CN116699730B (zh) | 一种基于边缘计算的道路团雾预测方法 | |
| KR102280799B1 (ko) | 가공된 다중 강수 정보를 이용한 도로 노면 상태 예측 방법 및 시스템 | |
| Raveena et al. | Broadcasting weather report to vehicles in urban roads |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| GRNT | Written decision to grant | ||
| X701 | Decision to grant (after re-examination) |