데이터 중심 저장 기법은 센서 네트워크에서 측정값을 효율적으로 저장하고 관리하기 위한 대표적인 연구 중 하나이다. 이 기법은 센서가 센싱한 데이터를 특정 센서 노드로 보내 저장한다. 하지만, 측정값을 네트워크 내부의 특정 노드로 전송하는 과정에서 많은 에너지를 소모하는 문제점을 가지고 있다. 본 논문에서는 데이터 중심 저장 기법에서 데이터의 전송 비용을 줄이기 위한 새로운 센서 데이터 압축 기법을 제안한다. 제안하는 기법은 측정값의 안전영역(Safe Region) 범위를 설정하고, 측정값이 안전영역을 벗어나는 경우만 데이터를 전송한다. 이를 통해 데이터의 전송을 줄이고 네트워크의 수명을 연장 시킨다. 성능평가 결과, 기존 기법에 비해 제안하는 기법의 에너지 소모가 60% 감소하였다.
데이터 중심 저장 기법은 센서 네트워크에서 측정값을 효율적으로 저장하고 관리하기 위한 대표적인 연구 중 하나이다. 이 기법은 센서가 센싱한 데이터를 특정 센서 노드로 보내 저장한다. 하지만, 측정값을 네트워크 내부의 특정 노드로 전송하는 과정에서 많은 에너지를 소모하는 문제점을 가지고 있다. 본 논문에서는 데이터 중심 저장 기법에서 데이터의 전송 비용을 줄이기 위한 새로운 센서 데이터 압축 기법을 제안한다. 제안하는 기법은 측정값의 안전영역(Safe Region) 범위를 설정하고, 측정값이 안전영역을 벗어나는 경우만 데이터를 전송한다. 이를 통해 데이터의 전송을 줄이고 네트워크의 수명을 연장 시킨다. 성능평가 결과, 기존 기법에 비해 제안하는 기법의 에너지 소모가 60% 감소하였다.
Data-centric storage schemes(DCS) are one of representative researches that efficiently store and manage sensor readings in sensor nodes in the sensor networks. In DCS, a sensor sends the sensed data to a specific node in order to store them. However, it has a problem that sensor nodes consume a lot...
Data-centric storage schemes(DCS) are one of representative researches that efficiently store and manage sensor readings in sensor nodes in the sensor networks. In DCS, a sensor sends the sensed data to a specific node in order to store them. However, it has a problem that sensor nodes consume a lot of energy for transmitting their readings to remote sensor node. In this paper, we propose a novel sensor data compression algorithm to reduce communication costs for DCS. The proposed algorithm establishes a safe region and transmits the sensed data only when current measurement is out of the safe region, As a result, the proposed algorithm extends network life time and reduces data transmission. It is shown through performance evaluation that our proposed algorithm reduces energy consumption by about 60% over the conventional algorithm.
Data-centric storage schemes(DCS) are one of representative researches that efficiently store and manage sensor readings in sensor nodes in the sensor networks. In DCS, a sensor sends the sensed data to a specific node in order to store them. However, it has a problem that sensor nodes consume a lot of energy for transmitting their readings to remote sensor node. In this paper, we propose a novel sensor data compression algorithm to reduce communication costs for DCS. The proposed algorithm establishes a safe region and transmits the sensed data only when current measurement is out of the safe region, As a result, the proposed algorithm extends network life time and reduces data transmission. It is shown through performance evaluation that our proposed algorithm reduces energy consumption by about 60% over the conventional algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 데이터 중심 저장 기법에서 데이터 저장에 필요한 전송 비용을 줄이기 위한 새로운 접근의 데이터 압축 기법을 제안한다. 제안하는 기법은 데이터 전송 시 데이터를 전부 전송하는 것이 아니고 안전영역을 설정하고, 측정값이 안전영역을 벗어나는 경우에만 데이터를 전송함으로서 데이터의 전송을 줄이고 이를 통해 네트워크의 수명을 연장 시킨다.
본 논문에서는 데이터 중심 저장 기법에서 데이터의 전송 비용을 줄이기 위한 새로운 접근의 데이터 압축 기법을 제안하였다. 제안하는 기법은 발생한 데이터를 전부 전송하는 것이 아니라 안전영역을 설정하고 오차 허용 범위를 사용하여 오차 허용 범위를 넘었을 때만 데이터를 전송함으로써 데이터의 압축의 효과와 함께 데이터 전송량을 줄이는 기법이다.
가설 설정
실험에 사용한 데이터는 인텔 연구실[9]에서 1개월 동안 54개의 센서로부터 수집한 실제 환경 데이터이다. 중앙에 기지국이 위치한 100m X 100m의 영역 공간을 가정하였으며, 임의로 54개의 센서 노드를 위치시키고 센서 노드는 다중홉으로 통신한다고 가정하였다. 임의의 네트워크 토폴로지에서 연결성을 보장하기 위해서 통신 반경은 18로 설정하였다.
제안 방법
제안하는 기법은 일단 데이터가 센싱되면 처음 센싱된 값을 가지고 전역 안전 영역을 설정한다. 다음으로 오차 허용 범위를 설정하고 오차 허용 범위 내의 영역을 지역 안전 영역으로 선정한다. 데이터의 전송 여부는 지역 안전 영역 내에서 설정한 오차 허용 범위에 따라 결정된다.
제안하는 기법은 [그림 4]와 같이 안전영역을 설정하고 이전 측정값을 기준으로 현재 측정값이 안전영역을 벗어나는 경우만 데이터를 전송한다. 일반적인 DCS 기법은 데이터가 발생하면 지정된 센서로 데이터를 전송하여 저장한다.
본 논문에서는 데이터 중심 저장 기법에서 데이터 저장에 필요한 전송 비용을 줄이기 위한 새로운 접근의 데이터 압축 기법을 제안한다. 제안하는 기법은 데이터 전송 시 데이터를 전부 전송하는 것이 아니고 안전영역을 설정하고, 측정값이 안전영역을 벗어나는 경우에만 데이터를 전송함으로서 데이터의 전송을 줄이고 이를 통해 네트워크의 수명을 연장 시킨다.
본 논문에서는 데이터 중심 저장 기법에서 데이터의 전송 비용을 줄이기 위한 새로운 접근의 데이터 압축 기법을 제안하였다. 제안하는 기법은 발생한 데이터를 전부 전송하는 것이 아니라 안전영역을 설정하고 오차 허용 범위를 사용하여 오차 허용 범위를 넘었을 때만 데이터를 전송함으로써 데이터의 압축의 효과와 함께 데이터 전송량을 줄이는 기법이다. 성능평가 결과 기존 기법에 비해 데이터 전송 비용이 60% 감소하였다.
예를 들어 ‘현재 기온이 20도인 지역을 알려줘’라는 질의가 20도를 저장하는 노드로 내려졌을 때 저장된 데이터가 1시간 전에 수집된 데이터라면 데이터의 최신 성을 보장할 수 없다. 제안하는 기법은 오차 허용시간을 설정하여 오차 허용 시간 이내의 데이터는 직접 전송하고 오차 허용 시간을 벗어나면 데이터를 수집한 센서 노드로 최신 데이터 값을 요청하여 질의 결과를 전송한다. 오차 허용 시간의 설정은 응용에 따라 다르게 설정할 수 있다.
만약 정확한 값을 요구하는 응용에서는 오차 허용 범위를 작게 설정해서 더욱 정확한 값을 전송해야 하고 그렇지 않다면 오차 허용 범위를 크게 설정해서 근사 데이터 값을 전송한다. 제안하는 기법은 이처럼 전역 안전 영역과 지역 안전 영역을 이용하여 데이터 압축의 효과를 내며 데이터의 전송 빈도를 줄여 에너지 소모를 줄인다.
일반적으로 센서 네트워크상의 데이터는 시간의 흐름에 따라 크게 변화하지 않고 유사한 값이 지속적으로 발생한다는 특성이 있다. 제안하는 기법은 일단 데이터가 센싱되면 처음 센싱된 값을 가지고 전역 안전 영역을 설정한다. 다음으로 오차 허용 범위를 설정하고 오차 허용 범위 내의 영역을 지역 안전 영역으로 선정한다.
이와 같이, 제안하는 기법은 측정값이 해당 범위를 벗어나는 경우만 측정값을 전송함으로써 데이터 전송 비용을 줄일 수 있다. 제안하는 기법은 측정값이 오차 허용범위 이내에 존재하는 경우, 데이터를 전송하지 않는다. 데이터를 전송하지 않는 오차 허용 범위를 안전 영역으로 정의한다.
시뮬레이션은 54개의 센서 노드를 균등하게 배포한 환경에서 수행하였다. 제안하는 기법의 환경변수인 전역 안전 영역은 10～40도 범위를 54개로 균등하게 분할 설정하였고, 지역 안전 영역을 0.1～0.5의 범위 내에서 0.1단위로 변화시켜가며 테스트하였다. [그림 10]은 통신비용 측면에서 제안하는 기법과 DIM을 비교한 결과이다.
또한 각 노드에서 수집한 값을 계속해서 전송하기 때문에 저장된 값의 최신성을 보장할 수 있다. 하지만 제안하는 기법은 오차 허용 범위 이상이 변할 때 전송을 하기 때문에 저장된 값의 최신 성을 보장할 수 없고 노드의 fail이나 오류를 알아보기 위해 오차 허용 범위를 설정한다. 예를 들어 ‘현재 기온이 20도인 지역을 알려줘’라는 질의가 20도를 저장하는 노드로 내려졌을 때 저장된 데이터가 1시간 전에 수집된 데이터라면 데이터의 최신 성을 보장할 수 없다.
대상 데이터
하지만 데이터가 발생할 때마다 해당 데이터가 저장 될 영역으로 계속 전송을 하기 때문에 불필요한 전송 비용이 소모된다. 센서 네트워크는 응용 분야에 따라 정확한 데이터를 수집하기 보다는 근사 데이터를 수집한다. 이것은 두 가지 관점으로 설명할 수 있다.
시뮬레이션은 54개의 센서 노드를 균등하게 배포한 환경에서 수행하였다. 제안하는 기법의 환경변수인 전역 안전 영역은 10～40도 범위를 54개로 균등하게 분할 설정하였고, 지역 안전 영역을 0.
제안하는 기법의 우수성을 보이기 위해서 기존에 제안된 히스토그램 기반 기법에서 수행한 실험과 동일한 방법으로 성능 평가를 수행하였다. 실험에 사용한 데이터는 인텔 연구실[9]에서 1개월 동안 54개의 센서로부터 수집한 실제 환경 데이터이다. 중앙에 기지국이 위치한 100m X 100m의 영역 공간을 가정하였으며, 임의로 54개의 센서 노드를 위치시키고 센서 노드는 다중홉으로 통신한다고 가정하였다.
데이터처리
제안하는 기법의 우수성을 보이기 위해서 기존에 제안된 히스토그램 기반 기법에서 수행한 실험과 동일한 방법으로 성능 평가를 수행하였다. 실험에 사용한 데이터는 인텔 연구실[9]에서 1개월 동안 54개의 센서로부터 수집한 실제 환경 데이터이다.
이론/모형
임의의 네트워크 토폴로지에서 연결성을 보장하기 위해서 통신 반경은 18로 설정하였다. 제안하는 압축기법의 유무에 따른 DCS 기법의 성능을 평가하기 위해서 대표적인 DCS 기법인 DIM을 기반으로 하였다. [표 1]은 임의로 구성된 1,000개의 센서 네트워크로부터 측정된 평균 중간 노드의 수, 평균 전송 거리이다.
성능/효과
하지만 제안하는 기법의 경우 발생하는 데이터의 유사한 정도를 판단하여 설정된 오차 허용범위 이내의 데이터가 발생하였을 때, 이러한 데이터의 전송을 불필요한 데이터 전송으로 간주하고, 이를 제거함으로써 많은 통신비용적 측면의 이득을 가진다. [그림 10]과 같이 실험결과 제안하는 기법에서 오차 허용범위가 증가함에 따라 발생하는 통신비용의 이득이 증가하는 것을 확인할 수 있으며, 0.3을 기점으로 수렴하는 것을 확인할 수 있다.
그렇기 때문에 여러 센서에서 수집된 값을 전송하기 보다는 비슷한 값을 수집한 센서의 그룹이 데이터를 전송한다면 더 효율적이다. 두 번째로 센서에서 수집된 데이터는 시간에 따라 천천히 변화하고, 예상치를 벗어나지 않는다는 특성을 가지고 있기 때문에 센서에서 수집된 데이터는 시간적인 압축이 가능하다. 만약에 마지막으로 수집된 값이 이전 값과의 변화의 정도가 적다면 전송하지 않는다.
[그림 10]은 통신비용 측면에서 제안하는 기법과 DIM을 비교한 결과이다. 비교 결과, DIM의 경우 네트워크에서 발생하는 모든 데이터를 아무런 가공 처리 없이 전송하여 높은 통신비용을 소모한다. 하지만 제안하는 기법의 경우 발생하는 데이터의 유사한 정도를 판단하여 설정된 오차 허용범위 이내의 데이터가 발생하였을 때, 이러한 데이터의 전송을 불필요한 데이터 전송으로 간주하고, 이를 제거함으로써 많은 통신비용적 측면의 이득을 가진다.
제안하는 기법은 발생한 데이터를 전부 전송하는 것이 아니라 안전영역을 설정하고 오차 허용 범위를 사용하여 오차 허용 범위를 넘었을 때만 데이터를 전송함으로써 데이터의 압축의 효과와 함께 데이터 전송량을 줄이는 기법이다. 성능평가 결과 기존 기법에 비해 데이터 전송 비용이 60% 감소하였다. 향후 연구는 시간의 근사 속성을 이용하여 질의 처리 비용을 줄이는 것이다.
4를 기점으로 수렴하는 것을 알 수 있다. 이러한 정확도에 대한 결과는 근사데이터를 수집하는 센서 네트워크의 응용에 적합하다는 것을 보여준다.
그러면 20도와 1도 차이가 나기 전까지의 데이터는 전송하지 않고, 1도 차이 이상인 값만 전송한다. 이와 같이, 제안하는 기법은 측정값이 해당 범위를 벗어나는 경우만 측정값을 전송함으로써 데이터 전송 비용을 줄일 수 있다. 제안하는 기법은 측정값이 오차 허용범위 이내에 존재하는 경우, 데이터를 전송하지 않는다.
이것은 두 가지 관점으로 설명할 수 있다. 첫째, 센서가 위치한 지역은 지리적으로 인접해 있기 때문에 비슷한 데이터가 발생할 확률이 높다. 그렇기 때문에 센서네트워크 상에서 데이터가 발생될 때마다 중복 데이터를 전송하는 것은 불필요하다.
DIM기법은 계속 해서 데이터를 전송하기 때문에 노드로 질의를 내렸을 때 데이터의 최신성을 보장할 수 있고 100%의 정확도를 보인다. 하지만 제안하는 기법은 오차 허용범위를 넘어서면 전송하고, 전송되지 않았을 때는 이전에 전송된 데이터 값을 유지하므로 데이터에 대한 정확도는 다소 떨어진다. 그러나 데이터의 전송이득을 고려해볼 때, 제안하는 기법의 질의에 대한데이터 정확도의 차이는 1～2% 정도이기 때문에 큰 차이를 보이지 않는다.
DIM 기법에서는 전체 데이터를 모두 전송하기 때문에 100%의 정확도를 보인다. 하지만 제안하는 기법은 지역 안정 영역을 설정하여, 설정한 오차 허용범위를 넘어설 경우만 전송하기 때문에 DIM에 비해서 정확도는 다소 떨어진다. 그러나 데이터의 전송이득을 고려해볼 때, 제안하는 기법의 데이터에 대한 정확도의 차이는 0.
비교 결과, DIM의 경우 네트워크에서 발생하는 모든 데이터를 아무런 가공 처리 없이 전송하여 높은 통신비용을 소모한다. 하지만 제안하는 기법의 경우 발생하는 데이터의 유사한 정도를 판단하여 설정된 오차 허용범위 이내의 데이터가 발생하였을 때, 이러한 데이터의 전송을 불필요한 데이터 전송으로 간주하고, 이를 제거함으로써 많은 통신비용적 측면의 이득을 가진다. [그림 10]과 같이 실험결과 제안하는 기법에서 오차 허용범위가 증가함에 따라 발생하는 통신비용의 이득이 증가하는 것을 확인할 수 있으며, 0.
후속연구
성능평가 결과 기존 기법에 비해 데이터 전송 비용이 60% 감소하였다. 향후 연구는 시간의 근사 속성을 이용하여 질의 처리 비용을 줄이는 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
일반적으로 센서 네트워크의 응용은 무엇을 기반으로 하는가?
또는, 군용 목적으로 분쟁 지역에 배포하여 적군의 이동 경로 등을 파악하는 용도로도 사용된다[1][2]. 일반적으로 센서 네트워크의 응용은 센서에서 수집한 데이터의 가공 처리를 기반으로 한다. 따라서 센서에서 수집된 데이터에 대한 효율적인 저장, 관리는 데이터 기반 서비스의 QoS(Quality of Service)와 효율적인 운용에 직결된다.
외부 저장 방식이란 무엇인가?
데이터 저장 기법은 데이터 저장 위치와 방식에 따라 크게 외부 저장 방식(ES: External Storage), 내부 저장 방식(LS: Local Storage) 그리고 데이터 중심 저장 방식(DCS: Data Centric Storage)으로 구분된다[3-6]. 외부 저장 방식은 발생한 센싱 데이터를 싱크노드에 전송하여 저장하는 방식이다. 이 방식은 네트워크에서 발생하는 센싱 데이터를 기지국이나 싱크노드에 저장하여 이를 바탕으로 질의를 처리한다.
데이터 중심 저장 기법은 어떤 문제점을 가지고 있는가?
이 기법은 센서가 센싱한 데이터를 특정 센서 노드로 보내 저장한다. 하지만, 측정값을 네트워크 내부의 특정 노드로 전송하는 과정에서 많은 에너지를 소모하는 문제점을 가지고 있다. 본 논문에서는 데이터 중심 저장 기법에서 데이터의 전송 비용을 줄이기 위한 새로운 센서 데이터 압축 기법을 제안한다.
참고문헌 (9)
C. Intanagonwiwat, R. Govindan, and D. Estrin, "Directed Diffusion: A Scalable and Robust Communication Paradigm for Sensor Networks", In Proceedings of the 6th Annual International Conference on Mobile Computing and Networking, pp.56-67, 2000.
I. F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, "Wireless Sensor Networks: A Survey", Computer Networks, Vol.38, No.4, pp.393-422, 2002.
S. Ratnasamy, B. Karp, S. Shenker, D. Estrin, R. Govindan, L. Yin and F. Yu, "Data-Centric Storage in Sensornets with GHT, a geographic hash table", Mobile Network and Applications, Vol.8, No.4, pp.427-442, 2003.
X. Li, Y. J. Kim, R. Govindan and W. Hong, "Multi-Dimensional Range Queries in Sensor Networks.", In Proceedings of ACM Conference on Embedded Networked Sensor Systems, pp.63-75, 2003.
M. Aly, K.Pruhs, and P. K. Chrysanthis, "KDDCS:A LoadBalanced In Network Data Centric Storage Scheme for Sensor Networks", In Proceedings of International Conference on Information and Knowledge Management, pp.317-326, 2006.
여명호, 성동욱, 노규종, 송석일, 유재수, “센서 네트워크에서 지리적인 라우팅과 데이터 핫스팟을 고려한 인코딩 기반 데이터 중심 저장 기법”, 2009년 한국컴퓨터종합학술대회, 한국정보과학회, pp.54-55, 2009.
B. Karp and H. T. Kung, "GPSR: Greedy Perimeter Stateless Routing for WirelessSensor Networks", In Proceedings of International Conference on Mobile Computing and Networking, pp.243-254, 2000.
M. Yeo, D. Seo, and J. Yoo, "Data Correlation -Based Clustering Algorithm in Wireless Sensor Networks", KSII Transactions on Internet and Information Systems, Vol.3, No.3, pp.331-343, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.