• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권2호
• /
• pp.77-84
• /
• 2017

IoT 환경에서 상황인지 기반 헬스케어 서비스를 제공하기 위해서는 사용자의 건강정보와 주변 환경정보가 필요하다. 환경정보를 구성하기 위해서는 센서데이터를 수집해야 하며, 효과적으로 센서데이터를 수집하기 위해서는 이기종 센서기기의 접근 및 다양한 센서데이터 타입을 일관적으로 처리하기 위한 모델이 필요하다. 센서데이터 수집은 환경정보를 구성하기 위해 선행되어야 하는 과정이며, 이를 통합 처리하기 위한 수집 모델은 아직까지 제안되지 않고 있다. 본 논문에서는 센서데이터의 일관된 수집 및 처리를 위한 이기종 센서데이터 수집 모델을 제안한다. 제안하는 모델은 센서기기 수준에 접근하기 위한 접근정보가 담긴 수집 스키마를 가지며, 제안하는 모델을 통해 이기종 기기의 센서데이터를 일관되게 수집하여 환경정보를 제공할 수 있다. 실험에서는 이기종 센서기기에 접근하기 위한 접근정보와 수집데이터를 명시한 입력 자료를 바탕으로 센서기기에 접근하여 데이터를 수집하는 과정을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.592-593
• /
• 2022

다중 데이터 기반의 행동 인식 과정에서 데이터 수집 반경이 비교적 제한되는 영상 데이터의 결측에 대한 보완이 요구된다. 본 논문에서는 6축 센서 데이터를 이용하여 결측된 영상 데이터를 생성함으로써 행동 인식의 성능을 개선하는 방법을 제안한다. 가속도와 자이로 센서로부터 수집된 행동 데이터를 이용하여 GAN(Generative Adversarial Network)을 통해 영상에서의 관절(Skeleton) 움직임에 대한 데이터를 생성하고자 한다. 이를 위해 DeepLabCut 기반 모델 학습을 통해 관절 좌표를 추출하며, 전처리된 센서 시퀀스 데이터를 가지고 GRU 기반 GAN 모델을 통해 관절 좌표에 대한 영상 시퀀스 데이터를 생성한다. 생성된 영상 시퀀스 데이터는 영상 데이터의 결측이 발생했을 때 대신 행동 인식 모델의 입력값으로 활용될 수 있어 성능 향상을 기대할 수 있다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권8호
• /
• pp.387-392
• /
• 2016

상황인지 시스템은 주변상황을 인지하고 사용자에게 적합한 서비스를 제공하기 위해서 센서데이터 수집 모델과 컨텍스트 표현모델이 필요하다. 센서데이터 수집 모델은 센서접근정보, 센서 값과 타입 정의로 구성된다. 컨텍스트 표현모델은 마크업 언어로 기술되며, 센서데이터 수집 모델이 제공하는 정보와 주변상황을 정의하기 위한 키워드로 구성된다. 그러나 서비스 개발자가 컨텍스트 정보를 기술할 때, 하나의 주변상황에 대한 키워드를 중복하여 사용하면 센서 식별을 위한 접근정보가 불분명해진다. 이러한 이유로 상황인지 시스템은 컨텍스트 정보를 올바르게 판단할 수 없다. 본 논문에서는 상황에 적합한 올바른 컨텍스트 정보를 얻기 위해, 센서 정보를 식별하기 위한 컨텍스트 분류 모델을 제안한다. 그리고 실험을 통해 컨텍스트 정의가 갖는 효용성을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1243-1247
• /
• 2011

센서 네트워크는 많은 수의 센서들로 구성되며 물질세계와 상호작용하여 실시간 감시를 할 수 있는 큰 규모의 네트워크이다. 현실 세계의 물리적 변화를 지속적으로 감시하기 위하여 센서 네트워크에 속해 있는 각 센서들은 주기적으로 측정값을 읽어서 기지국(base station)에 전달하는 기능을 수행한다. 이러한 경우, 각 센서들의 지속적인 통신에 따른 에너지 낭비가 발생하여 센서 네트워크 전체의 수명을 단축시키게 된다. 따라서 데이터 모니터링에 있어서 예측을 통한 근사 데이터 수집을 통해 센서 네트워크의 수명을 연장하고자 하는 연구들이 진행되고 있다. 그러나 현재의 예측을 통한 근사 데이터 수집은 측정값의 변화가 클수록 예측 모델의 갱신이 잦다. 따라서 본 논문에서는 지연 갱신을 이용한 효율적인 예측 모델 갱신 기법을 제안한다. 제안된 기법에서는 예측이 실패하였을 경우 즉시 예측 모델을 갱신하는 대신 문제가 되는 구간의 측정값들을 지연, 근사화하여 전송함으로써 예측 모델의 잦은 갱신을 방지할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (3)
• /
• pp.691-693
• /
• 2004

센서 네트워크의 응용 분야 중에서 센서가 밀집되게 분포 되어야 하는 경우 적절한 개수의 노드만 활성화시켜 이 노드들 만으로 전송 경로를 구성하여 센서가 수집한 데이터를 데이터 수집 노드에 전달되도록 한다. 휴지 상태에 있는 노드를 활성화하는 기존의 모델들은 활성 노드의 개수와 전송 손실률을 이용하거나 지리 정보를 이용하여 센서 네트워크 토폴로지를 구성하였다. 이 논문에서는 활성 노드 간의 거리 정보를 이용하여 센서 네트워크 토폴로지를 구성하는 방법을 제안한다 이 방법을 사용한 결과 지역적으로 활성 노드가 균일하게 분포되었으며 센서 밀집도가 높을수록 더 좋은 에너지 효율을 얻을 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (3)
• /
• pp.10-12
• /
• 2004

무선 센서네트워크는 센싱 지역에 분산되어 있는 초소형 센서 노드들이 감지/처리한 데이터를 수집노드로 전송하여 원격의 사용자가 센싱 지역의 상황인지를 가능하게 하는 유비쿼터스 컹퓨팅의 기반 네트워크이다. 전력 사용이 극히 제한된 센서 노드를 이용하여 무선 센서 망을 구성, 유지하며 데이터를 수집하기 위해서는 효율적인 망의 형태와 이에 따른 네트워크 배치 전략을 필요로 한다. 클러스터 기반 네트워크의 형태는 밀집도가 높은 센서네트워크에서 데이터병합을 수행하고 노드간 에너지 소비 균형을 이루기 위한 효과적인 구조이다. 본 논문에서는 클러스터 기반의 단일 홉 전송 구조에서 데이터 수집률을 높이고 노드간 에너지 사용의 균형을 이루게 하여 네트워크의 생존시간을 최대화할 수 있는 네트워크 배치 방법을 제안하였다. 클러스터링 기법에 따른 에너지 소비 모델을 분석하고 이를 통해 노드의 적절한 밀집도를 산출하였다. 싱크로부터 멀어질수록, 센서필드의 중앙보다는 외곽에 노드의 배치를 조밀하게 배치하여 네트워크의 생존시간을 늘렸다. 시뮬레이션을 통해 효율적인 네트워크의 배치가 노드간 에너지 소비의 균형을 이루도록 하여 네트워크의 생존시간을 늘일 수 있음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.552-555
• /
• 2019

디지털 트윈이란 현실 세계의 물리적인 사물을 컴퓨터 상에 동일하게 가상화 시키는 기술을 의미하는 것으로, 물리적 사물이나 시스템을 모델링하거나 IoT 기술에 접목되어 활용되고 있는 기술이다. 디지털 트윈 기술은 가상의 모델을 무한정 시뮬레이션을 통해 동작을 튜닝하고 환경변화에 대한 대응을 미리 실험하여 리스크를 최소화할 수 있는 장점을 지닌다. 최근 인공지능이나 기계학습에 관련된 기술들이 주목받기 시작하면서, 이와 같은 물리적인 사물의 모델링 작업을 데이터 기반으로 수행하려는 시도가 증가하고 있다. 특히, 산업현장에서 많이 활용되는 인더스트리 4.0 공장 자동화의 핵심인 협력 로봇의 디지털 트윈을 구축하기 위해서는 로봇의 동작을 인지하는 과정이 필수적으로 요구된다. 그러나 현재 협력 로봇의 동작을 인지하기 위한 시도는 미비하며, 센서 데이터를 기반으로 동작을 역으로 예측하는 기술은 더욱 그렇다. 따라서 본 논문에서는 로봇의 동작을 인지하기 위해 가정용 협력 로봇에서 전류 및 관성 데이터를 수집하기 위한 실험 환경을 구축하고, 수집한 센서 데이터를 기반으로 한 동작 예측 모델을 제안하고자 한다. 제안하는 방식은 로봇의 동작 명령어를 조인트 위치 기반으로 분류하고 전류와 위치 센서 값을 사용하여 학습을 통해 예측하는 방식이다. SVM 을 이용하여 학습한 결과, 모델의 성능은 평균적으로 정확도, 정밀도, 및 재현율이 모두 96%로 평가되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권12호
• /
• pp.491-498
• /
• 2019

디지털 트윈은 현실 세계의 물리적인 사물을 컴퓨터상에 동일하게 가상화시키는 기술로써, IoT을 통해 센서 데이터를 수집하고, 수집한 데이터를 활용하여 물리적인 사물과 가상 사물을 양방향으로 연결을 할 수 있게 한다. 디지털 트윈 기술은 가상 모델의 시뮬레이션을 통해 동작을 조정하고 환경변화에 대한 대응을 미리 실험하여 위험성을 최소화할 수 있는 장점을 지닌다. 최근 인공지능이나 기계학습에 관련된 기술들이 주목받기 시작하면서, 물리적인 사물의 동작을 가상화하여 가상 모델을 관찰하고 다양한 시나리오를 적용하려는 시도가 증가하고 있다. 특히, 인더스트리 4.0에서 공장자동화의 핵심인 협력 로봇의 디지털 트윈을 구축하기 위해서는 로봇의 동작을 인지하는 과정이 필수적으로 요구된다. 로봇의 동작을 인지하기 위한 모델링 기반의 연구에 비해 센서 데이터 기반으로 동작을 예측하는 연구는 미비한 상황이다. 따라서 본 논문에서는 로봇의 동작을 인지하기 위해 가정용 협력 로봇에서 전류 및 관성 센서 데이터를 수집하기 위한 실험 환경을 구축하고, 수집한 센서 데이터를 기반으로 한 동작 예측 모델을 제안하고자 한다. 제안하는 방식은 조인트 위치 기반으로 로봇의 동작 명령어를 9가지로 분류하고 전류와 관성 센서값을 사용하여 학습을 통해 예측하는 방식이다. 이때, 학습에 사용되는 데이터는 협력 로봇이 동작 명령어의 입력 파라미터에 마진을 가지고 작동할 때 수집되는 센서값이다. 이를 통해, 동일한 경로를 따라 이동하는 9가지 동작뿐만 아니라 각 동작과 비슷한 경로를 따라 이동하는 동작에 대해서도 예측하는 모델을 구축하였다. SVM을 이용하여 학습한 결과, 모델의 성능은 평균적으로 정확도, 정밀도, 및 재현율이 모두 97%로 평가되었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1867-1868
• /
• 2008

u-City(Ubiquitous city)는 유비쿼터스 컴퓨팅과 정보통신 기술을 기반으로 다양한 u-서비스(Ubiquitous service)를 제공하는 도시이다. u-서비스를 제공하기 위해서는 시스템이 주변 상황(Context)을 인지하여 사용자와 상호작용을 지원하는 상황인지 기술이 중요하다. 최근 상황인지(Context-aware) 기술은 지능형 회의실이나 스마트 홈을 개발하기 위하여 활발히 적용되고 있으나, 광범위한 도시공간을 대상으로 하는 u-서비스를 구현하기 위한 연구는 미진한 실정이다. 본 논문에서는 홍수 모니터링 서비스를 대상으로 온톨로지 기반의 홍수 상황인지 모델을 제안한다. 모델설계를 위해 현재의 홍수 모니터링 시스템을 분석하여 요구사항을 도출하고 홍수 모니터링 시나리오를 작성하였다. 상황 데이터를 분석하고 상황 데이터 수집을 위한 센서(Sensor) 온톨로지(Ontology)를 설계하였다. 다음으로 센서 온톨로지를 통해 수집한 상황 데이터를 추론하여 적절한 서비스를 제공하기 위한 홍수 상황인지 모델을 설계하였다. 제안한 모델은 향후 다양한 u-서비스를 설계하고 구현하는데 응용모델로 활용할 수 있을 것이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• pp.231-236
• /
• 2009

본 연구에서는 집이나 사무실과 같은 일상 공간에서 발생할 수 있는 연간의 일상생활행위 (ADL: Activities of Daily Living) 들을 인지하는 분산 모델을 제시한다. 사용자의 환경 정보, 위치 정보 및 행위 정보를 간단한 센서들이 부착된 가정용 기기들과 가구, 식기들을 통해 무선 센서 네트워크를 통해 수집하며 분석한다. 하지만 이와 같은 다양한 기기의 활용과 충분히 분석되어지지 않은 데이터들은 본 논문에서 제시하는 일상 환경에서 고차원의 ADL 모델을 구축하기 어렵게 한다. 그러나 ADL들이 생성하는 센서 데이터들과 센서 데이터들의 순서들은 어떤 행위가, 이루어지고 있는지 인지할 수 있도록 도와준다. 따라서 이 센서 데이터들의 순서를 특정 행위 패턴을 분석하는 데 활용하고, 이를 통해 분산 선형 시간 추론 알고리즘을 제안한다. 이 알고리즘은 센서 네트워크와 같은 소규모 시스템에서 행위를 인지하는 데 적절하다.