LSTM-based Model for Effective Sensor Filtering in Sensor Registry System

센서 레지스트리 시스템에서 효율적인 센서 필터링을 위한 LSTM 기반 모델

A sensor registry system (SRS) provides semantic metadata about a sensor based on location information of a mobile device in order to solve a problem of interoperability between a sensor and a device. However, if the GPS of the mobile device is incorrectly received, the SRS receives incorrect sensor information and has a problem in that it cannot connect with the sensor. This paper proposes a dual collaboration strategy based on geographical embedding and LSTM-based path prediction to improve the probability of successful requests between mobile devices and sensors to address this problem and evaluate with the Monte Carlo approach. Through experiments, it was shown that the proposed method can compensate for location abnormalities and is an effective multicasting mechanism.

센서 레지스트리 시스템은 센서와 디바이스 간 상호운용성 문제를 해결하기 위하여 모바일 디바이스의 위치 정보에 기반하여 센서에 대한 의미적 메타데이터를 제공한다. 하지만 모바일 디바이스의 GPS가 잘못 수신되면 센서 레지스트리 시스템은 잘못된 센서 정보를 받게 되며 센서와 연결할 수 없다는 문제를 지닌다. 이 논문에서는 이러한 문제를 해결하기 위해 모바일 장치와 센서 간의 성공적인 요청확률을 향상시키기 위해 지리적 임베딩 및 LSTM 기반 경로 예측을 기반으로 한 이중 협업 전략을 제안하고 몬테카를로 방법을 이용하여 평가한다. 실험을 통하여, 제안한 방법이 위치 이상 문제를 개선하고 효과적인 멀티캐스팅 메카니즘임을 보였다.