• 한국컴퓨터정보학회논문지
• /
• 제17권1호
• /
• pp.183-192
• /
• 2012

지표수에 비해 지하수 자원은 비교적 오염률이 낮은 편이지만 관리의 미흡으로 인한 복구의 어려움이 매우 크다. 국가에서는 지하수 보조관측망을 이용하여 지하수 자원을 효율적으로 관리 및 모니터링한다. 본 논문에서는 지하수 자원 관리의 업무 효율성 증대와 실시간 모니터링을 위해 수온, 수위, 전기전도도(E.C.) 등의 무선 센서 노드와 GPS(Global Positioning System)가 내장된 이동식 보조관측망 프로토타입 시스템과 지하수 정보 사용자 GUI(Graphic User Interface)로 이루어진 GeoSensor 기반의 지하수 무선 자동측정시스템을 제안한다. 제안하는 시스템은 자체 전력을 위해 태양광을 이용하고 있으며, 무선 센서 노드로부터 수집된 다양한 지하수 정보는 CDMA(Code Division Multiple Access) 모듈을 이용하여 무선 송수신한다. 아울러 사용자의 편의성을 도모하기 위해 사용자 GUI는 GIS(Geographic Information System) 맵에 수집된 지하수 정보를 가시화 한다. 제안한 시스템의 성능평가를 위해 제작된 보조관측망을 통해 수집된 센싱 정보를 이용하여 수행하였으며, 타 연구와의 정성평가를 제안하는 시스템의 우수성을 입증하였다.

• Spatial Information Research
• /
• 제21권2호
• /
• pp.23-33
• /
• 2013

최근 IoT (Internet of Things) 기술의 발전과 더불어 무선 환경에서 특정 영역에 위치하는 센서노드의 위치-센서정보를 에너지 효율적으로 수집하는 센서 네트워크 기반 공간질의처리에 대한 관심이 크게 증가하고 있다. 그리하여 센서노드에서 공간 필터링을 직접 수행하여 센서노드들 간의 통신 횟수를 감소시켜 에너지 소모를 최소화하는 다양한 공간질의처리 알고리즘 및 분산 공간색인방법들이 제안되어 왔다. 그러나 단일 공간질의처리 최적화에 중점을 두었던 기존 공간색인방법 및 알고리즘들은 IoT 환경에서 다수 사용자에 의하여 요청되는 다중 공간질의를 최적화하여 수행하기에는 한계가 있었다. 이에 본 논문에서는 센서 네트워크에서 다중 공간질의를 에너지 효율적으로 처리할 수 있는 최적화 알고리즘을 제안하고 있다. 제안된 다중 공간질의 최적화 알고리즘은 인접 영역에 주어지는 공간질의들을 통합하여 수행하는 '질의통합' 개념을 기본으로 하고 있다. 최적화 과정에서 질의들의 통합 또는 개별 수행에 대한 판단은 각 수행비용을 예측하여 결정하며, 본 논문에서는 질의처리 비용 예측 방법을 추가적으로 제안하고 있다. 끝으로, 성능평가에서는 GR-tree, SPIX, CPS의 공간색인방법에 대한 비교 실험을 통하여 제안된 알고리즘의 성능 분석결과를 제시하고 있다.

• Spatial Information Research
• /
• 제18권4호
• /
• pp.109-120
• /
• 2010

최근, u-GIS 환경에서 다양한 지오센서 (Geosensor)의 활용으로 수집되는 공간 데이터의 양이 급증하면서 대용량 공간 데이타의 효율적인 검색을 위한 공간 인덱스의 중요성이 높아지고 있다. 특히, 공간 데이타의 검색 성능을 높이기 위해 R-Tree를 기반으로 한 공간 인덱스에 대한 연구가 활발히 진행되고 있다. 그러나 기존 연구는 R-Tree에서 노드 사이의 겹침이나 트리의 높이를 줄임으로써 어느 정도 검색 성능을 향상시켰지만 트리 순회(tree traversal)에서 발생하는 불필요한 노드 접근 문제를 효율적으로 해결하지 못하고 있다. 본 논문에서는 이러한 문제를 해결하기 위하여 대용량 공간 데이타의 효율적인 검색을 위한 매핑 기반 R-Tree인 MR-Tree(Mapping based R-Tree)를 제안한다. MR-Tree는 R-Tree 순회 없이 리프 노드를 직접 접근하도록 하는 매핑 트리를 이용함으로써 검색 성능을 향상시킨다. 매핑 트리는 데이타 공간을 차원에 따라 반복적으로 분할한 각 파티션(Partition)과 연계되는 R-Tree 리프 노드의 MBR과 포인터를 이용하여 구성된다. 특히, MR-Tree는 기존 R-Tree에 큰 변경없이 구현이 가능하고, 다양한 R-Tree 변형에도 쉽게 적용할 수 있으며, 또한 매핑 트리를 메인 메모리에 상주시킴으로써 검색 시간을 단축시킬 수 있다. 마지막으로 실험을 통해 기존 인덱스보다 MR-Tree 성능의 우수성을 보였다.