KR20180001545A

KR20180001545A - Apparatus and method for early detection of abnormality

Info

Publication number: KR20180001545A
Application number: KR1020170180077A
Authority: KR
Inventors: 김성일; 박용로; 정고운; 김윤혁; 이성우; 류제원
Original assignee: 삼성에스디에스 주식회사
Priority date: 2017-12-26
Filing date: 2017-12-26
Publication date: 2018-01-04

Abstract

Disclosed are an apparatus and a method for early detecting abnormality. The early abnormality detection apparatus according to one embodiment of the present invention comprises: a similar case selecting unit which selects at least one similar case related to a moving body in an operation among past similar case data; a data collecting unit which collects real time location information of the moving body; an abnormality detecting unit which on the basis of location information for each time contained in case data classified as normal among the past similar case data, generates a standard line for location of the moving body for each time, compares the standard line and the real time location information of the moving body and detects whether the moving body has an abnormality or not; and a predicting unit which, if there is an abnormality in the moving body, in order that a similarity between each pattern of location information for each time contained in the at least one similar case and the location information of the moving body for each time based on the real time location information has a maximum value, selects as an optimum similar case, a similar case having the biggest maximum value when each pattern of location information for each time contained in the at least one similar case is fitted for patterns of location information of the moving body for each time on a plane, and predicts upcoming moving patterns of the moving body from the patterns of location information for each time contained in the optimum similar case. The present invention is able to provide meaningful information actually helpful for rapid decision making.

Description

이상 조기 감지 장치 및 방법{APPARATUS AND METHOD FOR EARLY DETECTION OF ABNORMALITY}[0001] APPARATUS AND METHOD FOR EARLY DETECTION OF ABNORMALITY [0002]

본 발명의 실시예들은 실시간 수집 데이터와 과거 데이터의 융합을 통해 모니터링 대상의 이상을 조기에 감지 및 예측하기 위한 기술과 관련된다.Embodiments of the present invention relate to techniques for early detection and prediction of an abnormality of a monitored object through fusion of real-time collected data and historical data.

이상 상황의 조기 및 실시간 감지는 다양한 비즈니스 프로세스에 있어 비용 절감 및 리스크 관리를 위한 핵심 기술 중 하나이다. 예를 들어 4자물류(4PL, Fourth-Party Logistics) 분야에서 정확도 높은 물류 차질 예측은 대응 비용 절감 및 고객 만족을 위한 필수 요소로 요구되고 있다. 이에 맞추어 4PL 업체들은 실시간 선박 추적 기술 등을 도입하여 물류의 가시성 확보를 위해 노력하고 있다. 그러나 이와 같이 실시간으로 들어오는 대용량의 데이터를 효과적으로 활용하여 물류 차질을 조기에 예측할 수 있는 정보 융합성 분석 모델에 대한 연구는 전무한 실정이다.Early and real-time detection of abnormal situations is one of the key technologies for cost reduction and risk management in various business processes. For example, in the field of 4PL (Fourth Party Logistics), accurate logistics disruption prediction is required as an essential element for cost reduction and customer satisfaction. In line with this, 4PL companies are trying to secure logistics visibility by introducing real-time ship tracking technology. However, there is no research on the information convergence analysis model that can predict the logistics disruption early by effectively utilizing the large amount of data coming in real - time like this.

대한민국 공개특허공보 제10-2009-0000969호 (2009. 01. 08)Korean Patent Publication No. 10-2009-0000969 (2009. 01. 08)

본 발명의 실시예들은 유사도 기반 방법론으로 도출된 유사 사례에 연속적으로 발생하는 실시간 데이터를 접목함으로써, 모니터링 대상의 이상 상황을 신속히 감지하고 향후 상황 전개를 효과적으로 예측하기 위한 수단을 제공하기 위한 것이다.Embodiments of the present invention are intended to provide a means for promptly detecting an abnormal situation of a monitoring object and effectively predicting a situation development by applying real-time data continuously generated to a similar case derived by the similarity-based methodology.

본 발명의 예시적인 실시예에 따르면, 과거 사례 데이터 중 운항 중인 이동체와 관련된 하나 이상의 유사 사례를 선정하는 유사 사례 선정부; 상기 이동체의 실시간 위치 정보를 수집하는 데이터 수집부; 상기 과거 사례 데이터 중 정상으로 분류된 사례 데이터에 포함된 시각 별 위치 정보에 기초하여 평면 상에서 상기 이동체의 시각 별 위치에 대한 기준선을 생성하고, 상기 기준선 및 상기 이동체의 실시간 위치 정보를 비교하여 상기 이동체의 이상 발생 여부를 감지하는 이상 감지부; 및 상기 이동체의 이상 발생이 감지된 경우, 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각과 상기 실시간 위치 정보에 기초한 상기 이동체의 시각 별 위치 정보의 패턴 사이의 유사도가 최대 값을 가지도록 상기 평면 상에서 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각을 상기 이동체의 시각 별 위치 정보의 패턴과 적합시켰을 때 상기 최대 값이 가장 큰 유사 사례를 최적 유사 사례로 선정하고, 상기 최적 유사 사례에 포함된 시각 별 위치 정보의 패턴으로부터 상기 이동체의 향후 이동 패턴을 예측하는 예측부를 포함하는 이상 조기 감지 장치가 제공된다.According to an exemplary embodiment of the present invention, a similar case selecting unit for selecting one or more similar cases related to a moving object in flight among past case data; A data collecting unit for collecting real-time position information of the moving object; Generating a reference line for a time-based position of the moving object on a plane on the basis of time-based position information included in case data classified as normal among the past case data, comparing the reference line and real- An abnormality detecting unit for detecting whether or not an abnormality has occurred; And when the occurrence of an abnormality of the moving object is detected, the similarity degree between each of the patterns of the positional information by time included in each of the one or more similar cases and the pattern of the positional information by time of the moving object based on the real- When each of the patterns of the position information by time included in each of the one or more similar cases on the plane is matched with the pattern of the position information by time of the moving object, the similar case having the largest maximum value is selected as the optimum similar case And a predictor for predicting a future movement pattern of the moving object from a pattern of positional information by time included in the optimal similar case.

상기 유사 사례 선정부는, 상기 과거 사례 데이터의 특성값(feature value) 및 상기 이동체의 특성값 사이의 유사도를 이용한 사례 기반 추론에 기반하여 상기 하나 이상의 유사 사례를 선정하는, 이상 조기 감지 장치.Wherein the similar case selecting unit selects the one or more similar cases based on case-based reasoning using a feature value of the past case data and a similarity between the feature values of the moving object.

상기 기준선은, 정상으로 분류된 사례 데이터에 포함된 시각 별 위치 정보의 평균값 또는 중간값일 수 있다.The baseline may be an average value or a median value of positional information by time included in case data classified as normal.

상기 이상 감지부는, 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이가 설정된 정상 범위를 벗어나는 경우, 상기 이동체에 이상이 발생한 것으로 판단할 수 있다.The anomaly detection unit may determine that an abnormality has occurred in the moving object when the difference between the real-time position information of the moving object and the reference line is out of the set normal range.

상기 이상 감지부는, 기 설정된 비교 구간 내에서 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이를 계산할 수 있다.The abnormality sensing unit may calculate the difference between the real-time position information of the moving object and the reference line within a predetermined comparison period.

상기 이상 감지부는, 상기 이동체에 이상이 발생한 것으로 판단되는 경우, 경고 메시지를 출력할 수 있다.The abnormality sensing unit may output a warning message when it is determined that an abnormality has occurred in the moving object.

상기 예측부는, 상기 최적 유사 사례의 특성값에 기초하여 상기 이동체의 이상 발생 원인을 추정할 수 있다.The predicting unit can estimate the cause of the abnormality of the moving object based on the characteristic value of the optimum similar case.

본 발명의 다른 예시적인 실시예에 따르면, 과거 사례 데이터 중 운항 중인 이동체와 관련된 하나 이상의 유사 사례를 선정하는 단계; 상기 이동체의 실시간 위치 정보를 수집하는 단계; 상기 과거 사례 데이터 중 정상으로 분류된 사례 데이터에 포함된 시각 별 위치 정보에 기초하여 평면 상에서 상기 이동체의 시각 별 위치에 대한 기준선을 생성하는 단계; 상기 기준선 및 상기 이동체의 실시간 위치 정보를 비교하여 상기 이동체의 이상 발생 여부를 감지하는 단계; 상기 이동체의 이상 발생이 감지된 경우, 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각과 상기 실시간 위치 정보에 기초한 상기 이동체의 시각 별 위치 정보의 패턴 사이의 유사도가 최대 값을 가지도록 상기 평면 상에서 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각을 상기 이동체의 시각 별 위치 정보의 패턴과 적합시켰을 때 상기 최대 값이 가장 큰 유사 사례를 최적 유사 사례로 선정하는 단계; 및 상기 최적 유사 사례에 포함된 시각 별 위치 정보의 패턴으로부터 상기 이동체의 향후 이동 패턴을 예측하는 단계를 포함하는 이상 조기 감지 방법이 제공된다.According to another exemplary embodiment of the present invention, there is provided a method for controlling a moving object, the method comprising: selecting one or more similar cases related to a moving object among past case data; Collecting real-time location information of the moving object; Generating a reference line for a time-based position of the moving object on a plane on the basis of time-based position information included in case data classified as normal among the past case data; Comparing the reference line and real-time position information of the moving object to detect whether the moving object is abnormal; The similarity degree between each of the patterns of the position information by time included in each of the one or more similar cases and the pattern of the position information by time of the moving object based on the real time position information has a maximum value Selecting a similar case having the largest maximum value as an optimal similar case when each of the patterns of the position information by time included in each of the one or more similar cases on the plane is matched with the pattern of the position information by time of the moving object ; And estimating a future movement pattern of the moving object from a pattern of positional information per time included in the optimal similar case.

상기 선정하는 단계는, 상기 과거 사례 데이터의 특성값(feature value) 및 상기 이동체의 특성값 사이의 유사도를 이용한 사례 기반 추론에 기반하여 상기 하나 이상의 유사 사례를 선정할 수 있다.The selecting may select the one or more similar cases based on case-based reasoning using a feature value of the past case data and a similarity between the feature values of the moving object.

상기 감지하는 단계는, 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이가 설정된 정상 범위를 벗어나는 경우, 상기 이동체에 이상이 발생한 것으로 판단할 수 있다.The sensing step may determine that an abnormality has occurred in the moving object when the difference between the real-time position information of the moving object and the reference line deviates from a set normal range.

상기 감지하는 단계는, 기 설정된 비교 구간 내에서 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이를 계산할 수 있다.The detecting step may calculate the difference between the real-time position information of the moving object and the reference line within a predetermined comparison period.

상기 이상 조기 감지 방법은, 상기 이동체에 이상이 발생한 것으로 판단되는 경우, 경고 메시지를 출력하는 단계를 더 포함할 수 있다.The abnormal early detection method may further include outputting a warning message when it is determined that an abnormality has occurred in the moving object.

상기 이상 조기 감지 방법은, 상기 최적 유사 사례의 특성값에 기초하여 상기 이동체의 이상 발생 원인을 추정하는 단계를 더 포함할 수 있다.The abnormality early detection method may further include estimating a cause of the abnormality of the moving object based on the characteristic value of the optimum similar case.

본 발명의 실시예들에 따르면, 유사도 기반 방법론으로 도출된 유사 사례에 연속적으로 발생하는 실시간 데이터를 접목함으로써, 모니터링 대상의 이상 상황을 신속히 감지할 수 있다.According to the embodiments of the present invention, it is possible to quickly detect an abnormal situation of a monitoring object by combining real-time data continuously generated in a similar case derived by the similarity-based methodology.

또한 본 발명의 실시예들에 따를 경우 기 수집된 유사 사례와 실시간 데이터와의 비교를 통해 도출된 최적 유사 사례를 통해 모니터링 대상의 이상 발생 원인 및 이후 상황 전개를 효과적으로 예측함으로써, 신속한 의사 결정에 실질적으로 도움을 줄 수 있는 유의미한 정보를 제공할 수 있다.In addition, according to the embodiments of the present invention, it is possible to effectively predict the cause of the abnormality of the monitoring object and the subsequent situation through the optimal similar case derived through comparison between the collected similar case and the real-time data, Can provide meaningful information that can help.

도 1은 본 발명의 일 실시예에 따른 모니터링 시스템을 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 이상 조기 감지 장치의 상세 구성을 설명하기 위한 블록도
도 3은 본 발명의 일 실시예에 따른 이상 조기 감지 장치의 데이터 수집부에 의해 수집되는 모니터링 대상 상태 정보를 설명하기 위한 예시도
도 4는 도 3에 도시된 선박의 항로에 대해 구축된 기준선을 도시한 그래프
도 5 및 도 6은 본 발명의 일 실시예에 따른 이상 조기 감지 장치의 이상 감지부에서 모니터링 중인 선박의 위치 정보를 기준선과 비교할 경우 발생할 수 있는 운송 지연의 사례를 예시한 예시도
도 7은 본 발명의 일 실시예에 따른 이상 조기 감지 장치의 이상 감지부에서의 경고 메시지 출력을 예시한 예시도
도 8은 본 발명의 일 실시예에 따른 이상 조기 감지 장치의 예측부에서 최적 유사 사례를 선정하고 이를 이용한 모니터링 중인 선박과 비교하는 예를 나타낸 그래프
도 9는 본 발명의 일 실시예에 따른 이상 조기 감지 방법을 설명하기 위한 흐름도1 is a block diagram for explaining a monitoring system according to an embodiment of the present invention;
2 is a block diagram for explaining a detailed configuration of an abnormality early sensing apparatus according to an embodiment of the present invention;
FIG. 3 is an exemplary diagram for explaining monitoring target state information collected by a data collecting unit of an abnormality early sensing apparatus according to an embodiment of the present invention; FIG.
Fig. 4 is a graph showing the baseline constructed for the course of the ship shown in Fig. 3
5 and 6 are diagrams illustrating an example of a transportation delay that may occur when the position information of a ship being monitored by the anomaly detection unit of the abnormal early sensing apparatus according to an embodiment of the present invention is compared with a reference line
7 is a diagram illustrating an example of outputting a warning message in the abnormality detection unit of the abnormality early detection device according to the embodiment of the present invention.
8 is a graph showing an example of selecting an optimal similar case in the predicting unit of the abnormal early sensing apparatus according to an embodiment of the present invention and comparing it with a ship under monitoring using the same
9 is a flowchart for explaining an abnormal early detection method according to an embodiment of the present invention.

이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.Hereinafter, specific embodiments of the present invention will be described with reference to the drawings. The following detailed description is provided to provide a comprehensive understanding of the methods, apparatus, and / or systems described herein. However, this is merely an example and the present invention is not limited thereto.

본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail. The following terms are defined in consideration of the functions of the present invention, and may be changed according to the intention or custom of the user, the operator, and the like. Therefore, the definition should be based on the contents throughout this specification. The terms used in the detailed description are intended only to describe embodiments of the invention and should in no way be limiting. Unless specifically stated otherwise, the singular form of a term includes plural forms of meaning. In this description, the expressions "comprising" or "comprising" are intended to indicate certain features, numbers, steps, operations, elements, parts or combinations thereof, Should not be construed to preclude the presence or possibility of other features, numbers, steps, operations, elements, portions or combinations thereof.

도 1은 본 발명의 일 실시예에 따른 모니터링 시스템(100)을 설명하기 위한 블록도이다. 본 발명의 실시예들에 따른 모니터링 시스템(100)은 모니터링 대상으로부터 실시간으로 획득한 상태 정보 및 기 저장된 과거의 사례 데이터를 이용하여 모니터링 대상의 이상 발생을 감지하고, 향후 상황 전개를 예측하기 위한 시스템이다. 예를 들어, 본 발명의 일 실시예에 따른 모니터링 시스템(100)은 선박 또는 항공기 등의 이동체의 실시간 위치 정보를 획득하고 이를 과거의 사례 데이터와 비교하여 해당 이동체가 예정된 시각에 목적지에 도착 가능한지를 예측하기 위한 시스템일 수 있다. 그러나 본 발명은 이에 한정되지 않으며, 본 발명의 실시예들은 기기의 고장 예측, 또는 재난 등의 예측 등 다양한 분야에서 이용될 수 있다.1 is a block diagram illustrating a monitoring system 100 in accordance with an embodiment of the present invention. The monitoring system 100 according to the embodiments of the present invention can detect the abnormality of the monitoring object by using the state information acquired in real time from the monitoring object and the past stored case data, to be. For example, the monitoring system 100 according to an embodiment of the present invention acquires real-time position information of a moving object such as a ship or an aircraft and compares the real-time position information with past case data to determine whether the moving object can reach the destination at a predetermined time Lt; / RTI > However, the present invention is not limited to this, and embodiments of the present invention can be used in various fields such as prediction of failure of a device or prediction of a disaster.

도시된 바와 같이, 본 발명의 일 실시예에 따른 모니터링 시스템(100)은 사례 데이터베이스(102) 및 이상 조기 감지 장치(104)를 포함한다.As shown, the monitoring system 100 in accordance with an embodiment of the present invention includes a case database 102 and an abnormal early sensing device 104.

사례 데이터베이스(102)는 모니터링 대상과 관련된 과거의 사례 데이터를 저장 및 관리한다. 일 실시예에서, 사례 데이터베이스(102)는 이동체의 과거 운항 사례 정보가 저장될 수 있다. 예를 들어, 상기 이동체가 물류용 선박인 경우 상기 운항 사례는 과거 운항한 선박의 운송사명(선사), 항로, 선박 식별 정보(선박명), 출발지(또는 출발항), 출발 시간, 도착지(또는 도착항), 도착 시간, 상기 선박의 운항 시각 별 위치 정보 등일 수 있다.The case database 102 stores and manages past case data related to the monitoring object. In one embodiment, the case database 102 may store past operating case information of the mobile. For example, if the moving object is a logistics ship, the navigation case may include a transportation mission (ship), a route, ship identification information (ship name), a departure place (or departure port), a departure time, , The arrival time, the location information of the ship according to the operating time, and the like.

이상 조기 감지 장치(104)는 모니터링 대상(106)의 실시간 상태 정보를 수집하고, 수집된 상태 정보 및 사례 데이터베이스(102)에 저장된 사례 데이터를 이용하여 모니터링 대상(106)의 이상 발생 여부를 모니터링한다. 만약 모니터링 대상(106)의 이상이 발생한 것으로 판단되는 경우, 이상 조기 감지 장치(104)는 이에 대한 알림 메시지를 관리자 단말(108) 등에 표시할 수 있다. 또한, 이상 조기 감지 장치(104)는 이상이 발생한 모니터링 대상(106)의 향후 상황을 예측하고 이에 대한 정보를 관리자 단말(108)에 제공하거나 또는 사례 데이터베이스(102)에 저장하도록 구성될 수 있다.The abnormality detection device 104 collects real-time status information of the monitoring object 106 and monitors whether the monitoring object 106 is abnormal using the collected status information and the case data stored in the case database 102 . If it is determined that an abnormality has occurred in the monitoring object 106, the abnormality early detection device 104 may display a notification message to the administrator terminal 108 or the like. In addition, the abnormality early detection device 104 can be configured to predict the future situation of the monitoring object 106 in which an abnormality occurs, and to provide information on this to the administrator terminal 108 or to store it in the case database 102.

도 2는 본 발명의 일 실시예에 따른 이상 조기 감지 장치(104)의 상세 구성을 설명하기 위한 블록도이다. 도시된 바와 같이, 본 발명의 일 실시예에 따른 이상 조기 감지 장치(104)는 유사 사례 선정부(202), 데이터 수집부(204), 이상 감지부(206) 및 예측부(208)를 포함한다.FIG. 2 is a block diagram for explaining a detailed configuration of an abnormal early detection device 104 according to an embodiment of the present invention. The abnormal ear detection device 104 according to an embodiment of the present invention includes a similar case selection unit 202, a data collection unit 204, an anomaly detection unit 206 and a prediction unit 208 do.

유사 사례 선정부(202)는 사례 데이터베이스(102)에 저장된 과거 사례 데이터 중 모니터링 대상(106)과 관련된 유사 사례를 선정한다. 일 실시예에서, 유사 사례 선정부(202)는 과거 사례 데이터의 특성값(feature value) 및 상기 모니터링 대상의 특성값 사이의 유사도를 이용한 사례 기반 추론(CBR; Case Based Reasoning)에 기반하여 상기 유사 사례를 선정할 수 있다. 예를 들어, 모니터링 대상(106)이 이동체인 경우, 상기 특성값은 상기 이동체를 운용하는 운송사명, 항로, 이동체의 식별 정보(선박명 또는 항공편명 등), 출발지, 출발 시간, 도착지, 도착 시간 중 하나 이상을 포함할 수 있다. 이 경우 유사 사례 선정부(202)는 사례 기반 추론을 이용하여 과거 운항 사례 중 모니터링 대상(106)인 이동체와 유사한 시각에 동일한 항로를 운항하는 사례들을 유사 사례로 선정할 수 있다. 본 발명의 실시예들에서 사례 기반 추론의 기초가 되는 특성값 및 각 특성값의 가중치 등의 파라미터들은 모니터링 대상(106) 및 과거 사례 데이터의 특성 등을 고려하여 적절하게 설정할 수 있다. 즉, 본 발명의 실시예들은 유사 사례 선정을 위한 특정 알고리즘에 한정되는 것은 아님을 유의한다.The similar case selection unit 202 selects similar cases related to the monitoring object 106 from the past case data stored in the case database 102. In one embodiment, the similar case selection unit 202 determines the similarity based on case based reasoning (CBR) based on the feature value of the past case data and the similarity between the characteristic values of the monitoring object Case can be selected. For example, when the monitored object 106 is a moving object, the characteristic value may be a transportation name, route, identification information (e.g., a vessel name or a flight name), a departure point, a departure time, a destination, And may include one or more. In this case, the similar case selection unit 202 can select cases in which the same route is operated at a time similar to that of the moving object as the monitoring object 106 among past flight cases using case-based reasoning as a similar case. In the embodiments of the present invention, the parameters such as the characteristic values and the weight values of the characteristic values as the basis of the case-based reasoning can be appropriately set in consideration of the characteristics of the monitoring object 106 and past case data. In other words, it is noted that the embodiments of the present invention are not limited to specific algorithms for selecting similar cases.

데이터 수집부(204)는 모니터링 대상(106)의 상태 정보를 수집한다. 예를 들어, 모니터링 대상(106)이 이동 중인 이동체인 경우, 상기 상태 정보는 상기 이동체의 시각 별 위치 정보일 수 있다.The data collecting unit 204 collects the status information of the monitored object 106. For example, when the monitored object 106 is a moving moving object, the state information may be location information of the moving object by time.

도 3은 본 발명의 일 실시예에 따른 이상 조기 감지 장치(104)에서, 데이터 수집부(204)에 의해 수집되는 모니터링 대상(106) 상태 정보를 설명하기 위한 예시도이다. 도시된 예의 경우 중국에서 미국으로 운항 중인 선박의 시간에 따른 위치 정보를 지도 상에 점으로 표시한 것이다.3 is an exemplary diagram for explaining state information of a monitored object 106 collected by the data collection unit 204 in the early detection device 104 according to an embodiment of the present invention. In the example shown, the location information of the ship traveling from China to the United States is indicated by a dot on the map.

이상 감지부(206)는 사례 데이터베이스(102)에 저장된 과거 사례 데이터 중 정상으로 분류된 사례 데이터로부터 위한 기준선을 생성한다. 본 발명의 실시예에서, 기준선(baseline)은 이상 감지부(206)에서 모니터링 대상(106)의 이상 여부를 판별하기 위한 것이다. 즉, 모니터링 대상(106)의 특성에 따라 수집된 상태 정보가 상기 기준선을 일정 범위 이상 초과하거나 또는 이에 미치지 못하는 경우, 이상 감지부(206)는 모니터링 대상(106)에 이상이 발생한 것으로 판단할 수 있다.The anomaly detection unit 206 generates a reference line from case data classified as normal among past case data stored in the case database 102. In an embodiment of the present invention, a baseline is used to determine whether the abnormality detection unit 206 has abnormality in the monitored object 106. [ That is, when the collected state information according to the characteristics of the monitored object 106 exceeds or exceeds the predetermined range of the reference line, the anomaly detection unit 206 may determine that an abnormality has occurred in the monitored object 106 have.

일 실시예에서, 상기 기준선은 사례 데이터베이스(102)에 저장된 과거 사례 데이터 중 정상으로 분류된 사례 데이터(정상 사례 데이터)에 포함된 시각 별 위치 정보의 평균값 또는 중간값 중 어느 하나일 수 있다. 이때 상기 정상 사례 데이터는 전술한 유사 사례와 동일한 것일 수도 있으나 반드시 양자가 일치하는 것은 아니며, 정상 사례 데이터는 유사 사례보다 더 큰 범위를 가지거나 또는 그보다 더 적은 범위를 가질 수도 있다.In one embodiment, the baseline may be any of an average value or an intermediate value of positional information by time included in case data (normal case data) classified as normal among past case data stored in the case database 102. [ At this time, the normal case data may be the same as the similar case described above, but the two cases do not necessarily coincide, and the normal case data may have a larger range or a smaller range than the similar case.

예를 들어 모니터링 대상(106)이 운항 중인 이동체일 경우, 정상 사례 데이터는 동일한 항로를 운항한 이동체의 과거 사례 데이터 중 지연 없이 정상 운항한 이동체의 시간 별 위치 정보일 수 있다. 이 경우 상기 기준선은 운송 지연의 이정표 역할을 하게 된다. 실시간으로 발생하는 선박의 위치 정보를 이 기준선에 비교하게 되면 운송 지연 내지 물류 차질을 가늠해 볼 수 있게 된다. 다른 의미로, 이 기준선은 항로에 대한 리드 타임(Lead Time)을 제시한다고도 말할 수 있다. For example, when the monitoring object 106 is a moving object, the normal case data may be location information of the moving object that has been normally operated without delay among the past case data of the moving object traveling on the same route. In this case, the baseline serves as a milestone for delay in transport. When the position information of the ship occurring in real time is compared with the reference line, it is possible to estimate the transportation delay or the disruption of the logistics. In other words, it can be said that this baseline presents the lead time for the route.

도 4는 도 3에 도시된 선박의 항로에 대해 구축된 기준선을 도시한 그래프이다. 도시된 그래프에서 X축은 출발항으로부터 출발한 후 흐른 시간(초)이고 Y축은 출발항으로부터의 거리이다. 도 4에서 거리의 단위는 경도로 정의되었으나, 실시예에 따라 거리의 단위는 달라질 수 있다.4 is a graph showing a reference line constructed for the course of the ship shown in Fig. In the graph shown, the X axis is the time (in seconds) that flows from the starting port and the Y axis is the distance from the starting port. In FIG. 4, the unit of the distance is defined as the hardness, but the unit of the distance may vary according to the embodiment.

상기와 같이 기준선이 설정되면, 이상 감지부(206)는 상기 기준선 및 수집된 상태 정보를 비교하여 모니터링 대상(106)의 이상 발생 여부를 감지한다. 전술한 바와 같이 이상 감지부(206)는, 수집된 상태 정보와 기준선과의 차이가 설정된 정상 범위를 벗어나는 경우, 모니터링 대상(106)에 이상이 발생한 것으로 판단할 수 있다.When the reference line is set as described above, the anomaly detection unit 206 compares the reference line and the collected state information to detect whether the monitoring object 106 is abnormally generated. As described above, the anomaly detection unit 206 can determine that an abnormality has occurred in the monitored object 106 when the difference between the collected state information and the baseline deviates from a set normal range.

예를 들어 모니터링 대상(106)이 운항 중인 이동체인 경우, 이상 감지부(206)는 수집된 위치 정보를 기준선과 비교하고, 수집된 위치 정보가 기준선보다 뒤쳐지는 경우, 운송 지연이 발생한 것으로 판단할 수 있다.For example, when the monitored object 106 is a moving object, the anomaly detection unit 206 compares the collected position information with a reference line, and when the collected position information is behind the reference line, it is determined that a transportation delay has occurred .

한편 이상 감지부(206)는 구축된 상기 기준선의 전 구간에서 기준선 및 수집된 상태 정보를 비교하는 것이 아니라, 비교를 위한 비교 구간을 설정하고 상기 비교 구간 내에서 수집된 상태 정보와 기준선과의 차이를 계산할 수 있다.On the other hand, the anomaly detection unit 206 does not compare the reference line and the collected state information in the entire section of the established reference line, but sets a comparison section for comparison and sets the difference between the state information collected in the comparison section and the reference line Can be calculated.

예를 들어, 모니터링 대상(106)이 화물을 운송하는 선박인 경우를 가정하자. 대부분의 국제 운송은 하나의 선박으로 운송하기 보다 환적항을 거쳐 복수의 선박으로 물류를 운송한다. 그러나 선박의 위치 추적 데이터는 하나의 선박을 기준으로 수집되는 바, 예를 들어 특정 화물이 출발항에서 환적항까지는 타 선박으로 운송되고 환적항에서 모니터링 대상 선박에 화물이 실린 경우, 환적항까지의 상기 모니터링 대상 선박의 위치 정보는 기준선이 반영하기 어렵게 된다. 다시 말해, 누락된 출발항부터 환적항까지의 구간은 비교 구간에서 제외되어야 한다. 따라서 이상 감지부(206)는 이와 같이 실시간 위치 데이터를 이용하기에 앞서, 신뢰할 만한 비교 구간을 먼저 선정하도록 구성될 수 있다. 예를 들어 도 4의 경우 그래프의 앞부분(양쪽 화살표로 표시된 부분)은 출발항에서 환적항까지의 위치 정보이므로 비교 대상에서 제외하게 된다.For example, suppose that the monitored object 106 is a ship carrying cargo. Most international freight transports logistics to multiple vessels through transhipment rather than one ship. However, the ship tracking data is collected on the basis of one ship. For example, if a specific cargo is transported to another vessel from the port of departure to the transhipment port and the cargo is loaded on the vessel to be monitored in the transshipment port, The location information of the ship to be monitored is difficult to be reflected by the baseline. In other words, the section from the missing port to the transhipment port should be excluded from the comparison section. Therefore, the anomaly detection unit 206 may be configured to select a reliable comparison interval before using the real-time position data. For example, in the case of FIG. 4, the first part of the graph (indicated by double arrows) is the position information from the departure port to the transshipment port, so it is excluded from the comparison object.

이상 감지부(206)에서 수집된 상태 정보를 기준선과 비교할 때에는 동일 시각에서 기준선과 상태 정보를 비교하여야 한다. 예를 들어, 상기 정보가 선박의 운항 정보일 경우에는 동일 시각에서 기준선에서의 선박 위치와 현재 선박의 위치 및 그에 따른 거리차를 계산하게 된다. 만약 기준선에 비하여 현재 모니터링 중인 선박이 앞선 경우는 고려할 필요가 없으나, 늦은 경우는 계산된 거리차에 따라 운송 지연이 발생할 가능성이 높아지게 된다.When the state information collected by the anomaly detection unit 206 is compared with the reference line, the reference line and state information should be compared at the same time. For example, when the information is the ship's flight information, the position of the ship at the reference line, the position of the present ship, and the distance therebetween are calculated at the same time. If the current monitoring vessel is ahead of the baseline, it is not necessary to consider it, but if it is late, there is a high possibility of delay in transportation due to the calculated distance difference.

도 5 및 도 6은 현재 모니터링 중인 선박의 위치 정보를 기준선과 비교할 경우 발생할 수 있는 운송 지연의 사례를 예시한 것이다. 도시된 그래프에서 검은선은 기준선이고 빨간선은 지연이 된 사례를 각각 나타낸다. 환적항과 도착항의 위치는 파란 점선으로 표시되었다. 도 5의 경우, 환적항에서부터 지연이 발생하여 결과적으로 도착항에서 지연이 발생한 경우이고, 도 6의 경우 선박이 오히려 기준선보다 빠르게 가다가 거의 도착항에 다다라서 선박의 속도가 감소하면서 운송 지연이 발생한 경우임을 알 수 있다. FIGS. 5 and 6 illustrate examples of the transportation delays that may occur when the position information of the ship being monitored is compared with the reference line. In the graph shown, the black line represents a reference line and the red line represents a delayed case. The location of transshipment port and destination port is indicated by blue dotted line. In the case of FIG. 5, a delay occurs from the transshipment term, resulting in a delay in the arrival port. In the case of FIG. 6, the ship is traveling at a faster speed than the baseline, Able to know.

한편, 이상 감지부(206)는 모니터링 대상(106)에 이상이 발생한 것으로 판단되는 경우 경고 메시지를 출력할 수 있다. 예를 들어, 이상 감지부(206)는 모니터링 대상(106)인 이동체에 지연이 발생한 것으로 판단되는 경우 이를 시각 또는 청각적 수단 등으로 관리자 단말(108)에 통지할 수 있다.On the other hand, the anomaly detection unit 206 may output a warning message when it is determined that an abnormality has occurred in the monitored object 106. [ For example, the anomaly detection unit 206 can notify the manager terminal 108 of the monitoring object 106 when it is determined that a delay has occurred in the moving object, by means of visual or auditory means.

도 7은 본 발명의 일 실시예에 따른 이상 감지부(206)에서의 경고 메시지 출력을 예시한 것으로서, 기준선과 실제 위치 데이터 간의 거리를 바탕으로 실시간 운송 지연의 위험도를 색으로 나타낸 예를 나타낸 것이다. 이와 같이 색으로 위험도를 경고하게 되면 사용자가 쉽게 이해하고 운송 지연을 신속하게 인식할 수 있게 된다. 도 7을 보면 현재 모니터링 중인 선박이 기준선에 비하여 뒤떨어지게 되자 바로 원 안의 색깔이 초록에서 노랑으로, 노랑에서 빨강으로 점차 바뀌면서 지연 정도를 경고하고 있는 것을 알 수 있다. 도착지 주변의 검은색 원은 기준선 스케줄 상 이미 도착항에 닿아야 하는 시점을 넘겼음을 의미한다. 위와 같이 실시간으로 위치 정보를 수집하고 거리를 계산하여 경고할 경우 지연이 일어나는 순간 사용자는 즉시 운송 지연 감지가 가능해지게 된다.7 illustrates an example of outputting a warning message in the anomaly detection unit 206 according to an exemplary embodiment of the present invention, and shows the risk of a real-time transportation delay as a color based on a distance between a reference line and actual position data . Such a warning of color risk will allow the user to easily understand and quickly recognize the delay in transport. As shown in FIG. 7, when the vessel under monitoring is lagging behind the baseline, the color of the circle is gradually changed from green to yellow and from yellow to red, and warns of the delay. The black circles around the destination indicate that they have already crossed the point of arrival on the baseline schedule. When the location information is collected in real time and the distance is calculated and alerted, the user can immediately detect the delay of the transportation when the delay occurs.

마지막으로, 예측부(208)는 모니터링 대상(106)의 이상 발생이 감지된 경우, 선정된 유사 사례 및 수집된 상태 정보를 비교하여 유사 사례 중 모니터링 대상(106)과 관련된 최적 유사 사례를 선정하고, 최적 유사 사례로부터 모니터링 대상(106)의 향후 상황 전개를 예측한다. 예측부(208)는 이상 발생이 감지될 때 마다, 기 선정된 각 유사 사례에 포함된 패턴과 수집된 상태 정보의 패턴을 비교하고, 상태 정보의 패턴과 가장 유사도가 높은 패턴을 가지는 유사 사례를 최적 유사 사례로 선정하며, 이 과정을 정제(Refine)라고 부른다. 이때 상기 패턴은 모니터링 대상의 특정 속성의 시간에 따른 변화일 수 있다. 예를 들어 상기 모니터링 대상이 이동체인 경우, 상기 패턴은 상기 모니터링 대상의 시간에 따른 위치 정보일 수 있다. Finally, when an abnormal occurrence of the monitoring target 106 is detected, the prediction unit 208 compares the selected similar case and the collected status information to select an optimal similar case related to the monitored object 106 among similar cases , And predicts the future development of the monitored object 106 from the optimal similar case. The predictor 208 compares the pattern included in each similar case selected and the pattern of the collected state information every time an abnormality is detected and outputs a similar case having the pattern with the highest degree of similarity to the pattern of the state information This process is called refinement. Here, the pattern may be a time-dependent change of a specific attribute of the monitoring object. For example, when the monitoring object is a mobile object, the pattern may be positional information according to a time of the monitoring object.

예측부(208)는 각 유사 사례의 패턴을 상태 정보 패턴과 동일 평면 내에서 상하좌우로 이동하면서 각 유사 사례 패턴 별로 상태 정보 패턴과의 유사도의 최대값을 계산하고, 계산된 유사도의 최대값이 가장 큰 유사 사례를 최적 유사 사례로 선정할 수 있다. 이를 선박의 예를 들어 좀 더 자세히 설명하면 다음과 같다.The predicting unit 208 calculates the maximum value of the degree of similarity with the state information pattern for each similar case pattern while moving the pattern of each similar case in the same plane as the state information pattern, The largest similar case can be selected as the best similar case. Here is a more detailed example of a ship.

도 8은 본 발명의 일 실시예에 따른 이상 조기 감지 장치(104)의 예측부(208)에서 최적 유사 사례를 선정하고 이를 이용한 모니터링 중인 선박과 비교하는 예를 나타낸 그래프이다. 도시된 그래프에서 검은 실선은 기준선, 붉은 원으로 이루어진 선은 모니터링 중인 선박의 이동 패턴, 파란 실선은 최적 유사 사례의 패턴, 파란 점선은 파란 실선을 모니터링 대상 사례에 적합시킨 패턴이다. 즉, 전술한 바와 같이 본 발명의 실시예에서 최적 유사 사례는 각 유사 사례에 포함된 이동체의 시각 별 이동 패턴들을 모니터링 대상과 적합시켰을 때, 다시 말해 둘 사이의 유사도가 최대가 되도록 유사 사례를 모니터링 대상에 맞게 이동하였을 때 계산된 유사도가 가장 높은 유사 사례를 의미한다. 이때 상기 유사도는 각 유사 사례와 모니터링 대상 사례 간의 유클리디언 거리 등으로 계산될 수 있다. 선박의 경우 도 8에 도시된 바와 같이, 각 유사 사례의 시계열 패턴 및 현재 이동중인 선박의 시계열 패턴(시간에 따른 이동 거리)을 적합시킬 때의 유사도를 비교함으로써 최적 유사 사례를 구할 수 있다.FIG. 8 is a graph illustrating an example in which the predictor 208 of the anomaly early detection device 104 according to an embodiment of the present invention selects an optimal similar case and compares it with a ship under monitoring using the optimal similar case. In the graph, black solid line indicates the baseline, red line indicates the movement pattern of the ship being monitored, blue solid line indicates the pattern of the best similar case, and blue dotted line indicates the blue solid line. That is, as described above, in the embodiment of the present invention, the optimal similar case is a case in which the moving patterns of the moving object included in each similar case are matched with the monitoring object, that is, the similar case is monitored It means a similar case with the highest degree of similarity calculated when moving to the target. In this case, the degree of similarity may be calculated by Euclidian distance between each similar case and the monitored case. In the case of a ship, as shown in FIG. 8, a best-fit similar case can be obtained by comparing the similarity in fitting the time series pattern of each similar case and the time series pattern of the ship currently being moved (moving distance with time).

이와 같이 최적 유사 사례를 선정할 경우, 예측부(208)는 이로부터 모니터링 대상(106)의 향후 상황 전개를 예측할 수 있다. 예를 들어, 도 8에 도시된 바와 같이 선정된 최적 유사 사례를 현재 이동중인 선박의 시계열 패턴에 적합시킨 경우, 파란 점선으로 표시된 부분을 모니터링 중인 선박의 향후 이동 패턴으로 예측할 수 있다. 또한, 예측부(208)는 상기 최적 유사 사례에 함께 저장된 해당 최적 유사 사례의 특성값을 이용하여 모니터링 대상(106)의 이상 발생 원인을 추정할 수 있다. 예를 들어, 선정된 최적 유사 사례에 이상 발생의 원인이 기록되어 있거나, 또는 이를 추정할 수 있는 파라미터(기상 정보 또는 도착항의 물류 하역 지연 정보 등)이 기록되어 있는 경우, 예측부(208)는 이를 이용하여 모니터링 대상(106)의 이상 발생 원인을 추정할 수 있게 된다.When the optimal similar case is selected as described above, the prediction unit 208 can predict the future situation development of the monitoring target 106 from this. For example, as shown in FIG. 8, when the selected optimal similar case is fitted to the time series pattern of the ship currently being traveled, the portion indicated by the blue dotted line can be predicted as a future movement pattern of the ship under monitoring. In addition, the prediction unit 208 can estimate the cause of the abnormality of the monitored object 106 by using the property values of the optimal similar case stored together with the optimal similar case. For example, when the cause of the occurrence of the abnormality is recorded in the selected optimum similar case, or if the parameter (meteorological information or logistics cargo delay information of the arrival port, etc.) capable of estimating it is recorded, It is possible to estimate the cause of the abnormality of the monitoring object 106 by using this.

도 9는 본 발명의 일 실시예에 따른 이상 조기 감지 방법(900)을 설명하기 위한 흐름도이다.9 is a flowchart illustrating an abnormal early detection method 900 according to an embodiment of the present invention.

단계 902에서, 이상 조기 감지 장치(104)의 유사 사례 선정부(202)는 과거 사례 데이터 중 모니터링 대상(106)과 관련된 유사 사례를 선정한다.In step 902, the similar case selection unit 202 of the anomaly early detection device 104 selects similar cases related to the monitoring object 106 from the past case data.

단계 904에서, 이상 조기 감지 장치(104)의 데이터 수집부(204)는 모니터링 대상(106)의 상태 정보를 수집한다.In step 904, the data collection unit 204 of the abnormality early detection device 104 collects the status information of the monitored object 106. [

단계 906에서, 이상 조기 감지 장치(104)의 이상 감지부(206)는 상기 과거 사례 데이터 중 정상으로 분류된 사례 데이터로부터 모니터링 대상(106)의 이상 감지를 위한 기준선을 생성한다.In step 906, the abnormality detection unit 206 of the abnormality early detection device 104 generates a reference line for detecting abnormality of the monitored object 106 from the case data classified as normal among the past case data.

단계 908에서, 이상 조기 감지 장치(104)의 이상 감지부(206)는 상기 기준선 및 상기 수집된 상태 정보를 비교하여 모니터링 대상(106)의 이상 발생 여부를 감지한다.In step 908, the abnormality detection unit 206 of the abnormality early detection device 104 compares the collected reference state and the collected state information to detect whether abnormality of the monitored object 106 occurs.

단계 910에서, 이상 조기 감지 장치(104)의 예측부(208)는 모니터링 대상(106)의 이상 발생이 감지된 경우, 상기 선정된 유사 사례 및 상기 수집된 상태 정보를 비교하여 상기 유사 사례 중 모니터링 대상(106)과 관련된 최적 유사 사례를 선정한다.In step 910, the predictor 208 of the anomaly early detection device 104 compares the selected similar case and the collected state information when abnormal occurrence of the monitored object 106 is detected, And selects an optimal similar case associated with the object (106).

단계 912에서, 이상 조기 감지 장치(104)의 예측부(208)는 상기 최적 유사 사례로부터 모니터링 대상(106)의 향후 상황 전개를 예측한다.In step 912, the predictor 208 of the anomaly early sensing device 104 predicts the future situation development of the monitored object 106 from the optimal similar case.

한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램, 및 상기 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나, 또는 컴퓨터 소프트웨어 분야에서 통상적으로 사용 가능한 것일 수 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 프로그램의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.On the other hand, an embodiment of the present invention may include a program for performing the methods described herein on a computer, and a computer-readable recording medium including the program. The computer-readable recording medium may include a program command, a local data file, a local data structure, or the like, alone or in combination. The media may be those specially designed and constructed for the present invention, or may be those that are commonly used in the field of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CD-ROMs and DVDs, and specifically configured to store and execute program instructions such as ROM, RAM, flash memory, Hardware devices. Examples of such programs may include machine language code such as those produced by a compiler, as well as high-level language code that may be executed by a computer using an interpreter or the like.

이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, . Therefore, the scope of the present invention should not be limited to the above-described embodiments, but should be determined by equivalents to the appended claims, as well as the appended claims.

100: 모니터링 시스템
102: 사례 데이터베이스
104: 이상 조기 감지 장치
106: 모니터링 대상
108: 관리자 단말
202: 유사 사례 선정부
204: 데이터 수집부
206: 이상 감지부
208: 예측부100: Monitoring system
102: Case database
104: Over-early detection device
106: Monitored
108:
202: Similar case selection section
204: Data collecting unit
206:
208:

Claims

과거 사례 데이터 중 운항 중인 이동체와 관련된 하나 이상의 유사 사례를 선정하는 유사 사례 선정부;
상기 이동체의 실시간 위치 정보를 수집하는 데이터 수집부;
상기 과거 사례 데이터 중 정상으로 분류된 사례 데이터에 포함된 시각 별 위치 정보에 기초하여 평면 상에서 상기 이동체의 시각 별 위치에 대한 기준선을 생성하고, 상기 기준선 및 상기 이동체의 실시간 위치 정보를 비교하여 상기 이동체의 이상 발생 여부를 감지하는 이상 감지부; 및
상기 이동체의 이상 발생이 감지된 경우, 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각과 상기 실시간 위치 정보에 기초한 상기 이동체의 시각 별 위치 정보의 패턴 사이의 유사도가 최대 값을 가지도록 상기 평면 상에서 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각을 상기 이동체의 시각 별 위치 정보의 패턴과 적합시켰을 때 상기 최대 값이 가장 큰 유사 사례를 최적 유사 사례로 선정하고, 상기 최적 유사 사례에 포함된 시각 별 위치 정보의 패턴으로부터 상기 이동체의 향후 이동 패턴을 예측하는 예측부를 포함하는, 이상 조기 감지 장치.
Selection of one or more similar cases related to the moving vehicle among the past case data;
A data collecting unit for collecting real-time position information of the moving object;
Generating a reference line for a time-based position of the moving object on a plane on the basis of time-based position information included in case data classified as normal among the past case data, comparing the reference line and real- An abnormality detecting unit for detecting whether or not an abnormality has occurred; And
The similarity degree between each of the patterns of the position information by time included in each of the one or more similar cases and the pattern of the position information by time of the moving object based on the real time position information has a maximum value When each of the patterns of position information by time included in each of the one or more similar cases on the plane is matched with the pattern of position information by time of the moving object, the similar case having the largest maximum value is selected as the best similar case, And a predictor for predicting a future movement pattern of the moving object from a pattern of position-specific position information included in the optimal similar case.

청구항 1에 있어서,
상기 유사 사례 선정부는, 상기 과거 사례 데이터의 특성값(feature value) 및 상기 이동체의 특성값 사이의 유사도를 이용한 사례 기반 추론에 기반하여 상기 하나 이상의 유사 사례를 선정하는, 이상 조기 감지 장치.
The method according to claim 1,
Wherein the similar case selecting unit selects the one or more similar cases based on case-based reasoning using a feature value of the past case data and a similarity between the feature values of the moving object.

청구항 1에 있어서,
상기 기준선은, 정상으로 분류된 사례 데이터에 포함된 시각 별 위치 정보의 평균값 또는 중간값인, 이상 조기 감지 장치.
The method according to claim 1,
Wherein the baseline is an average value or an intermediate value of positional information by time included in case data classified as normal.

청구항 1에 있어서,
상기 이상 감지부는, 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이가 설정된 정상 범위를 벗어나는 경우, 상기 이동체에 이상이 발생한 것으로 판단하는, 이상 조기 감지 장치.
The method according to claim 1,
Wherein the abnormality sensing unit determines that an abnormality has occurred in the mobile body when the difference between the real-time position information of the mobile body and the reference line deviates from a set normal range.

청구항 4에 있어서,
상기 이상 감지부는, 기 설정된 비교 구간 내에서 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이를 계산하는, 이상 조기 감지 장치.
The method of claim 4,
Wherein the abnormality sensing unit calculates a difference between the real-time position information of the moving object and the reference line within a predetermined comparison period.

청구항 1에 있어서,
상기 이상 감지부는, 상기 이동체에 이상이 발생한 것으로 판단되는 경우, 경고 메시지를 출력하는, 이상 조기 감지 장치.
The method according to claim 1,
Wherein the abnormality sensing unit outputs a warning message when it is determined that an abnormality has occurred in the moving object.

청구항 1에 있어서,
상기 예측부는, 상기 최적 유사 사례의 특성값에 기초하여 상기 이동체의 이상 발생 원인을 추정하는, 이상 조기 감지 장치.
The method according to claim 1,
Wherein the predicting unit estimates the cause of the abnormality of the moving object based on the characteristic value of the optimum similar case.

과거 사례 데이터 중 운항 중인 이동체와 관련된 하나 이상의 유사 사례를 선정하는 단계;
상기 이동체의 실시간 위치 정보를 수집하는 단계;
상기 과거 사례 데이터 중 정상으로 분류된 사례 데이터에 포함된 시각 별 위치 정보에 기초하여 평면 상에서 상기 이동체의 시각 별 위치에 대한 기준선을 생성하는 단계;
상기 기준선 및 상기 이동체의 실시간 위치 정보를 비교하여 상기 이동체의 이상 발생 여부를 감지하는 단계;
상기 이동체의 이상 발생이 감지된 경우, 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각과 상기 실시간 위치 정보에 기초한 상기 이동체의 시각 별 위치 정보의 패턴 사이의 유사도가 최대 값을 가지도록 상기 평면 상에서 상기 하나 이상의 유사 사례 각각에 포함된 시각 별 위치 정보의 패턴 각각을 상기 이동체의 시각 별 위치 정보의 패턴과 적합시켰을 때 상기 최대 값이 가장 큰 유사 사례를 최적 유사 사례로 선정하는 단계; 및
상기 최적 유사 사례에 포함된 시각 별 위치 정보의 패턴으로부터 상기 이동체의 향후 이동 패턴을 예측하는 단계를 포함하는, 이상 조기 감지 방법.
Selecting one or more similar cases related to the moving vehicle among the past case data;
Collecting real-time location information of the moving object;
Generating a reference line for a time-based position of the moving object on a plane on the basis of time-based position information included in case data classified as normal among the past case data;
Comparing the reference line and real-time position information of the moving object to detect whether the moving object is abnormal;
The similarity degree between each of the patterns of the position information by time included in each of the one or more similar cases and the pattern of the position information by time of the moving object based on the real time position information has a maximum value Selecting a similar case having the largest maximum value as an optimal similar case when each of the patterns of the position information by time included in each of the one or more similar cases on the plane is matched with the pattern of the position information by time of the moving object ; And
And estimating a future movement pattern of the moving object from a pattern of positional information per time included in the optimal similar case.

청구항 8에 있어서,
상기 선정하는 단계는, 상기 과거 사례 데이터의 특성값(feature value) 및 상기 이동체의 특성값 사이의 유사도를 이용한 사례 기반 추론에 기반하여 상기 하나 이상의 유사 사례를 선정하는, 이상 조기 감지 방법.
The method of claim 8,
Wherein the selecting step selects the one or more similar cases based on case-based reasoning using a feature value of the past case data and a similarity between the feature values of the moving object.

청구항 8에 있어서,
상기 기준선은, 정상으로 분류된 사례 데이터에 포함된 시각 별 위치 정보의 평균값 또는 중간값인, 이상 조기 감지 방법.
The method of claim 8,
Wherein the baseline is an average value or an intermediate value of position information by time included in case data classified as normal.

청구항 8에 있어서,
상기 감지하는 단계는, 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이가 설정된 정상 범위를 벗어나는 경우, 상기 이동체에 이상이 발생한 것으로 판단하는, 이상 조기 감지 방법.
The method of claim 8,
Wherein the detecting step determines that an abnormality has occurred in the moving object when a difference between the real-time position information of the moving object and the reference line deviates from a set normal range.

청구항 11에 있어서,
상기 감지하는 단계는, 기 설정된 비교 구간 내에서 상기 이동체의 실시간 위치 정보와 상기 기준선과의 차이를 계산하는, 이상 조기 감지 방법.
The method of claim 11,
Wherein the sensing step calculates a difference between the real-time position information of the moving object and the reference line within a predetermined comparison interval.

청구항 8에 있어서,
상기 이동체에 이상이 발생한 것으로 판단되는 경우, 경고 메시지를 출력하는 단계를 더 포함하는, 이상 조기 감지 방법.
The method of claim 8,
Further comprising the step of outputting a warning message when it is determined that an abnormality has occurred in the moving object.

청구항 8에 있어서,
상기 최적 유사 사례의 특성값에 기초하여 상기 이동체의 이상 발생 원인을 추정하는 단계를 더 포함하는, 이상 조기 감지 방법.The method of claim 8,
Further comprising the step of estimating the cause of the abnormality of the moving object based on the characteristic value of the optimum similar case.