技术领域本发明的实施例涉及一种通过融合实时采集的数据和先前的数据来早期感测及预测监控对象的异常的技术。
背景技术：
异常情况的早期及实时感测在多种业务流程是用于节约费用及风险管理的核心技术之一。例如，在第四方物流(4PL：Fourth-PartyLogistics)领域中，高准确度的物流差错预测成为用于节约对应费用及满足顾客的必要因素。对此，4PL企业引进船舶实时追踪技术等以努力确保物流的可视化。然而事实上，不存在针对这样的通过有效地利用实时输入的大容量的数据来可以早期预测物流差错的信息融合性分析模块的研究。[现有技术文献][专利文献]韩国公开专利公报第10-2009-0000969号(2009.01.08)
技术实现要素：
本发明的实施例旨在提供一种通过将连续发生的实时数据结合到利用基于相似度的方法论导出的类似案例来迅速感测监控对象的异常情况且有效地预测此后的事态发展的方法。根据本发明的示例性实施例，提供一种异常早期感测装置，包括：类似案例选定单元，从先前案例数据中选定与监控对象相关联的类似案例；数据采集单元，采集所述监控对象的状态信息；预测单元，将所述类似案例与所述状态信息进行比较来从所述类似案例中选定最佳类似案例，并通过所述最佳类似案例来预测所述监控对象的此后的事态发展。所述类似案例选定单元可基于利用所述先前案例数据的特征值(featurevalue)与所述监控对象的特征值之间的相似度的基于案例的推理来选定所述类似案例。所述异常早期感测装置，还可包括：异常感测单元，将从所述先前案例数据中被分类为正常的案例数据与所述状态信息进行比较来感测所述监控对象是否发生异常。所述异常感测单元可从所述被分类为正常的案例数据生成用于感测所述监控对象的异常的基准线，并且将所述基准线与采集的所述状态信息进行比较来感测所述监控对象是否发生异常。所述基准线可以是所述被分类为正常的案例数据的平均值或者中间值中的任意一个。当采集的所述状态信息和所述基准线之间的差异超过设定的正常范围时，所述异常感测单元可判断为所述监控对象发生异常。所述异常感测单元可在已设定的比较区间内计算所采集的所述状态信息与所述基准线之间的差异。所述异常感测单元可在判断为所述监控对象发生异常时输出警告消息。当由所述异常感测单元感测到所述监控对象发生异常时，所述预测单元可选定所述最佳类似案例。所述预测单元可将各个所述类似案例的模式与采集的所述状态信息的模式进行比较，并将具有与所述状态信息的模式的相似度最高的模式的类似案例选定为所述最佳类似案例。所述预测单元可在使各个所述类似案例的模式和所述状态信息模式在同一平面内移动的同时分别计算各个所述类似案例模式与所述状态信息模式的相似度的最大值，并将计算出的所述相似度的最大值最大的类似案例选定为所述最佳类似案例。所述预测单元可通过选定的所述最佳类似案例的模式和特征值来预测所述监控对象的此后的事态发展。所述监控对象是航行中的移动体，所述先前案例数据是所述移动体的先前航行案例数据，所述状态信息是所述移动体的基于时刻的位置信息。根据本发明的另一个示例性实施例，提供一种异常早期感测方法，包括如下步骤：从先前案例数据中选定与监控对象相关联的类似案例；采集所述监控对象的状态信息；将所述类似案例与采集的所述状态信息进行比较来从所述类似案例中选定最佳类似案例；通过所述最佳类似案例来预测所述监控对象的此后的事态发展。在选定所述类似案例的步骤中，可基于利用所述先前案例数据的特征值(featurevalue)与所述监控对象的特征值之间的相似度的基于案例的推理来选定所述类似案例。所述异常早期感测方法，在执行选定所述最佳类似案例的步骤之前，还可包括如下步骤：将从所述先前案例数据中被分类为正常的案例数据与所述状态信息进行比较来感测所述监控对象是否发生异常。感测是否发生所述异常的步骤还可包括如下步骤：可从所述被分类为正常的案例数据生成用于感测所述监控对象的异常的基准线；将所述基准线与采集的所述状态信息进行比较。所述基准线可以是所述被分类为正常的案例数据的平均值或者中间值中的任意一个。在所述进行比较的步骤中，当采集的所述状态信息和所述基准线之间的差异超过设定的正常范围时，可判断为所述监控对象发生异常。在所述进行比较的步骤中，可在已设定的比较区间内计算所采集的所述状态信息与所述基准线之间的差异。感测是否发生所述异常的步骤还可包括如下步骤：可在判断为所述监控对象发生异常时输出警告消息。在选定所述最佳类似案例的步骤中，当由所述异常感测单元感测到所述监控对象发生异常时，可选定所述最佳类似案例。在选定所述最佳类似案例的步骤中，可将各个所述类似案例的模式与采集的所述状态信息的模式进行比较，并将具有与所述状态信息的模式的相似度最高的模式的类似案例选定为所述最佳类似案例。在选定所述最佳类似案例的步骤中，可在使各个所述类似案例的模式和所述状态信息模式在同一平面内移动的同时分别计算各个所述类似案例模式与所述状态信息模式的相似度的最大值，并将计算出的所述相似度的最大值最大的类似案例选定为所述最佳类似案例。在预测所述事态发展的步骤中，可通过选定的所述最佳类似案例的模式和特征值来预测所述监控对象的此后的事态发展。根据本发明的实施例，可通过将连续发生的实时数据结合到通过基于相似度的方法论导出的类似案例来迅速感测监控对象的异常情况。此外，根据本发明的实施例，基于通过已采集的类似案例与实时数据之间的比较而导出的最佳类似案例来有效地预测监控对象的异常发生原因及此后的事态发展，从而可提供能够对迅速的决策给予实质性帮助的有意义的信息。附图说明图1是用于说明根据本发明的一个实施例的监控系统的框图。图2是用于说明根据本发明的一个实施例的异常早期感测装置的详细构成的框图。图3是用于说明根据本发明的一个实施例的异常早期感测装置的数据采集单元采集的监控对象状态信息的示例图。图4是示出针对图3中示出的船舶的航路所构建的基准线的曲线图。图5及图6是举例示出根据本发明的一个实施例的在由异常早期感测装置的异常感测单元对监控中的船舶的位置信息与基准线进行比较时可能发生的运输延迟的案例的示图。图7是举例示出根据本发明的一个实施例的由异常早期感测装置的异常感测单元输出的警告消息的示例图。图8是示出根据本发明的一个实施例的由异常早期感测装置的预测单元选定最佳类似案例并将该案例与利用该案例的监控中的船舶进行比较的示例的曲线图。图9是用于说明根据本发明的一个实施例的异常早期感测方法的流程图。符号说明：100：监控系统102：案例数据库104：异常早期感测装置106：监控对象108：管理员终端202：类似案例选定单元204：数据采集单元206：异常感测单元208：预测单元具体实施方式以下，将参照附图对本发明的具体实施方式进行描述。提供以下的详细说明，以有助于对本说明书所记载的方法、装置和/或系统的全面理解。然而，这只不过是示例，并且本发明不限于此。在对本发明的实施例进行描述时，对与本发明相关的公知技术的具体描述被认为有可能会使本发明的主旨不清楚的情况下，省略其详细描述。并且，后述的术语是考虑到在本发明中的功能而定义的术语，其可根据使用者、运用者的意图或者惯例等而不同。因此，其定义应基于贯穿整个本说明书的内容而做出。详细说明中所使用的术语仅用来记载本发明的实施例，而不是限制本发明。除非另外明确指出，否则单数形式也包括复数形式。在本说明书中，诸如“包括”和/或“具有”的术语旨在表示某个特征、数字、步骤、操作、要素、其中的一部分或者其组合，但不应被解释为排除除此之外的一个或多个其它特征、数字、步骤、操作、要素、其中的一部分或者其组合的存在或存在的可能性。图1是用于说明根据本发明的一个实施例的监控系统100的框图。根据本发明的实施例的监控系统100是用于利用从监控对象实时获得的状态信息及已存储的先前的案例数据来感测监控对象的异常发生并预测此后的事态发展的系统。例如，根据本发明的一个实施例的监控系统100可以是用于获得船舶或者飞机等移动体的实时位置信息并且将该信息与先前的案例数据进行比较来预测相关移动体能否在预定的时刻到达目的地的系统。然而，本发明不限于此，本发明的实施例可用于设备的故障预测或者灾难等的预测等多种领域。如图所示，根据本发明的一个实施例的监控系统100包括案例数据库102及异常早期感测装置104。案例数据库102存储并管理与监控对象相关联的先前的案例数据。在一个实施例中，案例数据库102可存储有移动体的先前航行案例信息。例如，当所述移动体为物流用船舶时，所述航行案例可以是先前航行的船舶的运输任务(背景)、航路、船舶识别信息(船舶名)、出发地(或者出发港)、出发时间、目的地(或者目的港)、到达时间、基于所述船舶的航行时刻的位置信息等。异常早期感测装置104采集监控对象106的实时状态信息，并利用采集的状态信息及存储于案例数据库102的案例数据来监控监控对象106是否发生异常。如果判断为监控对象106发生异常，则异常早期感测装置104可将关于此的通知消息显示在管理员终端108等。此外，异常早期感测装置104可被构成为预测发生异常的监控对象106的此后的情况并将关于此的信息提供给管理员终端108或者存储到案例数据库102。在一个实施例中，构成监控系统100的各个要素可通过包括中央处理器(CPU)、硬件处理器或者额外的硬件的计算装置来实现。图2是用于说明根据本发明的一个实施例的异常早期感测装置104的详细构成的框图。如图所示，根据本发明的一个实施例的异常早期感测装置104包括类似案例选定单元202、数据采集单元204、异常感测单元206及预测单元208。在一个实施例中，类似案例选定单元202、数据采集单元204、异常感测单元206及预测单元208可由至少一个中央处理器或者至少一个硬件处理器来执行。类似案例选定单元202从存储于案例数据库102的先前案例数据中选定与监控对象106相关联的类似案例。在一个实施例中，类似案例选定单元202可基于利用先前案例数据的特征值(featurevalue)与所述监控对象的特征值之间的相似度的基于案例的推理(CBR：CaseBasedReasoning)来选定所述类似案例。例如，当监控对象106为移动体时，所述特征值可包括运用所述移动体的运输任务、航路、移动体的识别信息(船舶名或者航班名等)、出发地、出发时间、目的地、到达时间中的一个以上。在这种情况下，类似案例选定单元202可利用基于案例的推理而在先前航行案例中将与作为监控对象106的移动体在相近似的时刻航行相同的航路的案例选定为类似案例。本发明的实施例中，可考虑监控对象106及先前案例数据的特征等来适当地设定作为基于案例的推理的基础的特征值及各个特征值的权重值等参数。即，应当注意，本发明的实施例不限于用于选定类似案例的特定算法。数据采集单元204采集监控对象106的状态信息。例如，当监控对象106为移动中的移动体时，所述状态信息可以是所述移动体的基于时刻的位置。图3是用于说明根据本发明的一个实施例的异常早期感测装置104中，由数据采集单元204采集的监控对象106状态信息的示例图。对于图示的示例是在地图上用点来表示从中国向美国航行中的船舶的基于时间的位置信息。异常感测单元206从在存储于案例数据库102的先前案例数据中被分类为正常的案例数据生成基准线。本发明的实施例中，基准线(baseline)用于在异常感测单元206中判别监控对象106是否异常。即，当根据监控对象106的特征采集的状态信息超过或者未达到所述基准线的预定范围时，异常感测单元206可判断为监控对象106发生异常。在一个实施例中，所述基准线可以是包含于在存储于案例数据库102的先前案例数据中被分类为正常的案例数据(正常案例数据)的基于时刻的位置信息的平均值或者中间值中的任意一个。此时，虽然所述正常案例数据可与前述的类似案例相同，但是并非两者必须一致，正常案例数据可具有大于类似案例的范围或者小于类似案例的范围。例如，当监控对象106为航行中的移动体时，正常案例数据可以是航行相同的航路的移动体的先前案例数据中的无延迟地正常航行的移动体的基于时间的位置信息。在这种情况下，所述基准线起到运输延迟的路标作用。如果将实时发生的船舶的位置信息与该基准线进行比较，则可估计运输延迟以及物流差错。作为不同的含义，可以说该基准线提示关于航路的前置时间(LeadTime)。图4是示出对图3中示出的船舶的航路所构建的基准线的曲线图。图示的曲线图中，X轴是从出发港出发后经过的时间(秒)，Y轴是从出发港起的距离。图4中通过经度来定义了距离的单位，但是距离的单位可根据实施例而不同。如果如上所述的基准线被设定，则异常感测单元206将所述基准线与采集的状态信息进行比较来感测监控对象106是否发生异常。如上所述，当采集的状态信息和基准线之间的差异超过设定的正常范围时，异常感测单元206可判断为监控对象106发生异常。例如，当监控对象106为航行中的移动体时，异常感测单元206将采集的位置信息与基准线进行比较，当采集的位置信息落后于基准线时，可判断为发生运输延迟。此外，异常感测单元206不是在所构建的所述基准线的全体区间上比较基准线与采集的状态信息，而是可以设定用于比较的比较区间并在所述比较区间内计算所采集的状态信息与基准线之间的差异。例如，假设监控对象106为运输货物的船舶。大部分的国际运输不是通过一个船舶运输，而是经过中转港通过多个船舶运输物流。然而，由于船舶的位置追踪数据按一个船舶为标准被采集，因此例如当通过其他船舶将特定货物从出发港运输到中转港并且在中转港上货物被装载于监控对象船舶时，到中转港为止的所述监控对象船舶的位置信息难以由基准线反映。换句话说，遗漏的从出发港到中转港的区间应从比较区间中排除。因此，异常感测单元206可被构成为在利用如上所述的实时位置数据之前首先选定可靠的比较区间。例如，对于图4而言，由于曲线图的前部分(用双向箭头表示的部分)是从出发港到中转港的位置信息，因此将从比较对象中被排除。以上，在将从感测单元206采集的状态信息与基准线进行比较时，应在同一时刻比较基准线与状态信息。例如，当所述信息为船舶的航行信息时，将计算在同一时刻处于基准线的船舶位置和当前船舶的位置及根据这些位置的距离差。对于当前监控中的船舶先于基准线的情况不需要考虑，然而在当前监控中的船舶晚于基准线的情况下，根据所计算的距离差而发生运输延迟的可能性变高。图5及图6是举例示出将监控中的船舶的位置信息与基准线进行比较时可能发生的运输延迟的案例的示图。图示的曲线图中，实线A表示基准线，实线B表示被延迟的案例。中转港和目的港的位置用虚线表示。图5的情况是，因在中转港发生延迟而导致在目的港发生延迟的情况，图6的情况是，船舶反而比基准线更快地行驶，直到快到达目的港时随着船舶的速度减小而发生运输延迟的情况。此外，上述的异常感测单元206可在判断为监控对象106发生异常时输出警告消息。例如，异常感测单元206可在判断为作为监控对象106的移动体发生延迟时将其通过视觉或者听觉方式等通知给管理员终端108。图7为举例示出根据本发明的一个实施例的由异常感测单元206输出的警告消息的图，其表示基于基准线与实际位置数据之间的距离用颜色来表示实时运输延迟的风险度的示例。如上所述，如果用颜色警告风险度，则用户可容易理解且迅速识别出运输延迟。如图7中所示，在当前监控中的船舶落后于基准线时，圆内的颜色由绿色(图7中的C部分)立即变为黄色(图7中的D部分)且由黄色逐渐变为红色(图7中的E部分)，由此可得知正在警告延迟程度。目的地周围的黑色(图7中的F部分)圆表示超过了在基准线日程上应当已经抵达目的港的时间点。如上所述，当通过实时采集位置信息且计算距离来进行警告时，用户可在发生延迟的瞬间立即感测到运输延迟。最后，当感测到监控对象106发生异常时，预测单元208将选定的类似案例与采集的状态信息进行比较来从类似案例中选定与监控对象106相关联的最佳类似案例，并通过最佳类似案例来预测监控对象106的此后的事态发展。每当感测到发生异常时，预测单元208将包含于已选定的各个类似案例的模式与采集的状态信息的模式进行比较，并将具有与状态信息的模式的相似度最高的模式的类似案例选定为最佳类似案例，该过程被称为提炼(Refine)。此时，所述模式可以是监控对象的特征属性的基于时间的变化。例如，当所述监控对象为移动体时，所述模式可以是监控对象的基于时间的位置信息。预测单元208可在使各个类似案例的模式和状态信息模式在同一平面内上下左右移动的同时分别计算各个类似案例模式与状态信息模式之间的相似度的最大值，并将计算出的相似度的最大值最大的类似案例选定为最佳类似案例。以下，将船舶作为例子对此进行更详细地说明。图8是示出根据本发明的一个实施例的由异常早期感测装置104的预测单元208选定最佳类似案例并将该案例与利用该案例的监控中的船舶进行比较的示例的曲线图。图示的曲线图中，实线A是基准线，由圆构成的线是监控中的船舶的移动模式，实线B是最佳类似案例的模式，虚线是使实线B适合于监控对象案例的模式。即，如上所述，本发明的实施例中，最佳类似案例是指在使包含于各个类似案例的移动体的基于时刻的移动模式适合于监控对象时(换句话说，在为了使两者之间的相似度最高而使类似案例符合于监控对象而移动时)计算出的相似度最高的类似案例。此时，所述相似度可通过各个类似案例与监控对象案例之间的欧几里得距离等来计算。对于船舶的情况，如图8所示，可通过比较在使各个类似案例的时间序列模式与当前移动中的船舶的时间序列模式(根据时间的移动距离)整合时的相似度来求得最佳类似案例。如上所述，在选定最佳类似案例的情况下，预测单元208可据此预测监控对象106的此后的事态发展。例如，如图8所示，在使选定的最佳类似案例整合到当前移动中的船舶的时间序列模式时，可将用虚线表示的部分预测为监控中的船舶的此后的移动模式。此外，预测单元208可利用与所述最佳类似案例一起存储的相关最佳类似案例的特征值来推定监控对象106的异常发生原因。例如，当选定的最佳类似案例中记录有异常发生的原因，或者记录有能够推定异常发生的原因的参数(气象信息或目的港物流装卸延迟信息等)时，预测单元208可基于此来推定监控对象106的异常发生原因。图9是用于说明根据本发明的一个实施例的异常早期感测方法900的流程图。在步骤902中，异常早期感测装置104的类似案例选定单元202从先前的案例数据中选定与监控对象106相关联的类似案例。在步骤904中，异常早期感测装置104的数据采集单元204采集监控对象106的状态信息。在步骤906中，异常早期感测装置104的异常感测单元206从先前案例数据中被分类为正常的案例数据生成用于感测监控对象106的异常的基准线。在步骤908中，异常早期感测装置104的异常感测单元206将所述基准线与采集的所述状态信息进行比较来感测监控对象106是否发生异常。在步骤910中，异常早期感测装置104的预测单元208在感测到监控对象106发生异常时，将选定的所述类似案例与采集的所述状态信息进行比较来从所述类似案例中选定与监控对象106相关联的最佳类似案例。在步骤912中，异常早期感测装置104的预测单元208通过所述最佳类似案例来预测监控对象106的此后的事态发展。此外，本发明的实施例可包括记录有用于在计算机上执行本说明书中记载的方法的程序的计算机可读记录介质。所述计算机可读记录介质可单独地包括程序命令、本地数据文件、本地数据结构等，或者包括它们的组合。所述介质可以是为本发明而专门设计并构成的介质，或者可以是计算机软件领域的普通技术人员所公知而可以使用的介质。计算机可读记录介质的示例包括为了存储并执行程序命令而专门构成的硬件装置：诸如硬盘、软盘及磁带的磁介质、诸如CD-ROM、DVD的光记录介质及ROM、RAM、闪存等。所述程序命令的示例可包括：由编译器编写的机器语言代码以及使用解释器等而能够由计算机来执行的高级语言代码。虽然已通过代表性实施例对本发明进行了详细描述，但本发明所属的技术领域中具有公知常识的技术人员应该理解在不脱离本发明的范围的情况下可以对上述实施例进行各种变形。因此，本发明的权利范围不应局限于所描述的实施例而确定，而是应当由权利要求书及其等同物来确定。