• 한국인터넷방송통신학회논문지
• /
• 제9권3호
• /
• pp.19-24
• /
• 2009

대부분의 온라인 게임서버 엔진에서는 클라이언트의 접속요청의 발생 시 동적인 기법을 적용하여 세션을 연결하고 초기화가 진행된다. 하지만 이러한 기법은 다수의 클라이언트를 동시에 수용하고 진행해야하는 게임서버 엔진에 많은 부하와 함께 병목현상을 유발하게 된다. 따라서 본 논문에서는 온라인상에서의 효율적인 게임서버를 위해 정적인 메모리 할당기법을 사용하여 메모리 단편화를 최소화하고, 클라이언트의 접속 시 세션연결 및 클라이언트 객체의 초기화를 위해 발생하는 부하를 최소화하기 위한 객체폴링기법을 제안하였으며, 제안 기법을 적용한 게임엔진을 구현하고, 성능평가를 통해 제안한 기법의 효율성을 보였다.

• Journal of Communications and Networks
• /
• 제9권1호
• /
• pp.43-49
• /
• 2007

The implementation of client polling as a weak cache coherence mechanism has two major drawbacks: Firstly, the cache may return a stale copy if the object is changed in the origin server while the cached copy is considered valid. Secondly, the cache can invalidate a cached copy that is still valid in the server. Therefore, we propose a multilevel pre-fetching (MLP) in conjunction with the client polling to refine these drawbacks. MLP is introduced to improve the level of freshness among the cached objects. The simulation results presented in this paper show that the proposed MLP significantly minimizes the number of stale objects and reduces the invalidation messages sent out to the server, i.e., increase the cache HIT rate.

• 한국공간정보시스템학회 논문지
• /
• 제8권3호
• /
• pp.89-103
• /
• 2006

무선인터넷 기술의 발달과 응용의 확산으로 위치정보를 이용한 위치기반서비스 형태는 더욱더 다양해 지고 있다. 위치기반 서비스 중 특정지역에 진입하거나 벗어날 경우에 자동으로 정보를 제공하는 위치기반 경보서비스는 향후 LBS의 가장 중요한 서비스가 될 것으로 전망된다. 그러나 위치기반 경보서비스를 제공하기 위해서는 대상이 되는 이동체의 위치정보를 주기적으로 빈번하게 조회해야 한다. 이러한 방법은 이동성을 가지는 수많은 이동체의 위치정보를 지속적이면서도 대량으로 조회해야 함으로써 심각한 시스템의 부하와 비용증가를 초래한다. 지금까지 연구되고 있는 이동체를 위한 위치조회 방법은 위치기반 경보서비스를 제공 하기 위한 효율적인 위치조회 및 구조에는 적합하지 않다. 이에 본 논문에서는 위치기반 경보서비스를 제공하기 위해 대용량의 위치정보를 조회함에 있어서, 이동체의 이동 패턴을 이용하여 불필요한 위치정보 조회 회수를 줄임으로써 시스템의 부하를 줄이는 효율적인 이동체 조회 방법을 제시하고 기존의 방법과 비교 실험하고자 한다.

• 한국정보과학회논문지:데이타베이스
• /
• 제37권1호
• /
• pp.22-32
• /
• 2010

최근 무선인터넷 기술의 발달과 응용의 확산으로 인하여 위치정보를 이용한 위치기반 서비스 형태는 매우 다양해지고 있으며, 국내외 시장에서 급속히 확산되고 있다. 위치기반 서비스의 기본적인 정보인 위치정보는 이동체 데이터로 관리되며, 현재까지 다양한 방법의 이동체 데이터 관리방법이 제시되고 있다. 위치기반 서비스 중 특정지역에 진입하거나 벗어날 경우에 자동으로 정보를 제공하는 위치기반 경보 서비스는 현재 주요한 위치기반 서비스 중의 하나로서 주목을 받고 있다. 위치기반 경보서비스를 제공하기 위해서는 대상이 되는 이동체의 위치정보를 주기적으로 획득해야 한다. 이러한 방법은 이동성을 가지는 수많은 이동체의 위치정보를 지속적으로 획득해야 하며 이는 심각한 시스템 부하를 초래할 수 있다. 현재까지 연구되고 있는 이동체를 위한 위치획득방법은 모바일 사용자들이 동적이고 불규칙적인 이동속도 및 이동패턴을 보일 때 만족스러운 성능을 보여주지 못하고 있다. 이에 본 논문에서는 위치기반 경보서비스를 제공하기 위해 대용량의 위치정보를 획득함에 있어서, 이동 체외 이동패턴을 이용하여 불필요한 위치정보 획득회수를 줄임으로써 시스템의 부하를 줄이는 효율적인 이동체 획득방법을 제안하였다. 또한 기존의 이동체 획득방법들과의 성능 비교를 통하여 본 논문에서 제안한 이동체 획득방법의 성능이 우수함을 알 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제6권7호
• /
• pp.1266-1276
• /
• 2003

인터넷 환경에서는 일반 정보에 비해 수십 배 또는 수백 배가 큰 음성과 영상을 포함한 멀티미디어 정보가 전송된다. 네트워크 관리를 위한 분석 유형들은 실시간 분석, 기본분석과 심화분석으로 구성되며, 심화분석은 특정 object들에 대해 일정기간 주기 적으로 경향정보를 수집하여 네트워크 상태를 분석하는데 유용하다. 심화분석 용 경향정보 수집을 위해 SNMP 적용 시 관리자의 폴링에 대해 에이전트가 매번 응답해야 하기 때문에 네트워크 부하 증가, 응답시간 지연, 데이터 수집의 정확성 감소를 초래한다. 본 논문에서는 기존 SNMP PDU에 시간변수를 추가하여 심화분석 시에 관리자와 에이전트간 불필요한 트래픽 발생을 최소화하고, 보다 정확하게 경향정보를 수집할 수 있는 효율적인 방안을 제안하고 구현하였다. 시험 분석 결과 기존 SNMP와 호환성을 유지하면서 네트워크 트래픽 부하가 감소하였으며, 정보수집의 정확도가 증가하였다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.