선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 기존 방법들과 달리 체류시간 외에 상호작용 정보를 추가적으로 고려하여 사용자의 의미 있는 장소를 추출하고 이를 이용하여 이동경로를 단순화하는 방법을 제안한다. 기존 연구에서 사용자의 이동 경로는 주변 사람에 따라 변화할 수 있기 때문에 경로 예측 시 주변사람을 고려하는 것이 예측의 정확도를 높일 수 있음을 보였다[5].
- 본 논문에서는 사용자와 타인과의 친밀도와 체류 시간을 고려한 의미 있는 장소 추출 방법을 제안하였다. 또한 추출된 의미 있는 장소를 이용하여 경로를 단순화하는 방법을 제안하였다.
- 또한 의미 있는 장소를 이용하여 사용자의 성향을 파악할 수 있고, 사용자에 적합한 서비스를 제공하는 것이 가능해 진다. 본 논문에서는 상호작용 정보 수집 및 분석을 통한 사용자와 타인 간의 친밀도와 GPS 정보에 기반한 체류 시간을 이용하여 의미 있는 장소를 추출하기 위한 방법을 제시한다.
- 사용자에게 위치 기반 서비스를 제공하기 위한 기반 기술은 크게 두 종류로 나누어 볼 수 있다[1]. 첫 번째는 사용자의 현재 위치를 정확히 파악하여 현재 상황에 적합한 서비스를 제공하는 것을 목표로 한다. 이를 위해 다양한 센서로부터의 정보를 이용하여 정확한 사용자의 위치를 파악하기 위한 연구가 진행되고 있다.
제안 방법
- 제안하는 의미 있는 장소 추출 방법의 검증을 위해 기존의 체류 시간만을 고려하는 장소 추출 방법[4]과의 비교 실험을 수행하였다. 각 방법에 따라 선택된 5개의 장소에 따른 사용자의 만족도를 조사하였다. 만족도는 w1을 결정할 때와 동일한 방식으로 점수를 계산하였다.
- 이를 위해 GPS를 이용하여 사용자의 과거 이동 경로 정보를 수집하고 사용자의 통화 및 문자메시지 수신 내역 및 주변 사람에 대한 정보를 이용하여 의미 있는 장소를 추출한다. 과거 이동 경로 정보에서 체류시간을 고려하고, 상호작용 정보를 통해 친밀도를 계산한 후 이를 이용하여 특정 장소에 대한 점수를 계산한다. 산출된 점수는 사용자의 의미 있는 장소를 판단하는 기준으로 사용되며, 이와 같은 방법으로 추출된 의미 있는 장소를 이용하여 사용자의 이동 경로를 단순화한다.
- 따라서 유사도 비교 시의 연산 비용을 낮추기 위해 이동 경로를 단순화 하는 방법이 필요하다. 기존 방법들이 방향성, GPS좌표의 수, 체류 시간 등의 물리적 정보만을 고려하는 경우가 대다수인데 반해[9][10][11], 제안하는 방법은 물리적 정보 외에 상호작용 정보를 추가적으로 반영하여 산출된 의미 있는 장소를 이용해 이동 경로를 단순화한다. 이동 경로 단순화는 그림 2에 나타난 과정을 거쳐 이루어진다.
- Test set으로 사용되는 5개의 이동 경로들은 현재 사용자가 이동하고 있는 경로를 의미한다. 따라서 시간의 흐름에 따라 제공되는 정보의 양(이동 경로의 좌표 수)을 달리하여 실험을 진행하였다. Test set의 도착점과 가장 유으며, 비교 대상으로 사용된 알고리즘들에도 동일한 지표를 적용하였다.
- 제안하는 방법의 검증을 위해 체류 시간과 친밀도가 의미 있는 장소를 추출하는데 어떠한 역할을 하는지 분석하였으며, 체류시간을 고려한 장소 추출 방법과 비교 실험을 수행하였다. 또한 경로를 단순화하여 저장한 후 이를 이용하여 경로를 예측할 경우의 정확도 및 연산 비용을 비교 분석하였다. 제안하는 방법으로 추출된 장소가 사용자들로부터 높은 만족도를 보임을 확인하였고, 단순화된 경로를 이용하여 예측할 경우, 전체 경로를 이용하여 예측을 수행하였을 경우와 정확도가 거의 유사하면서 연산 비용을 낮출 수 있음을 확인하였다.
- 본 논문에서는 사용자와 타인과의 친밀도와 체류 시간을 고려한 의미 있는 장소 추출 방법을 제안하였다. 또한 추출된 의미 있는 장소를 이용하여 경로를 단순화하는 방법을 제안하였다. 스마트폰 등의 보급 확산으로 인해 사용자의 위치 정보를 이용한 서비스가 빠르게 확산되고 있는 환경에서, 연산 비용을 줄이고 모델링 된 정보 생성을 위한 방법으로, 상호작용 정보를 이용하여 친밀도를 계산하고, GPS 로그를 통해 체류 시간을 산출한 후 이를 이용하여 의미 있는 장소를 찾아낼 수 있음을 확인하였다.
- 식 (4)에 적용할 w1을 찾기 위해 w1의 변화에 따라 lo-cationscore 값이 큰 상위 5개의 장소를 추출하여 해당 장소에 대한 만족도를 확인하였다. 만족도는 5개의 장소에 대해 각각 1(매우 불만족)～5(매우 만족)에 점수를 매기도록 하여 평균을 내어 측정하였다.
- 평균적으로 w1의 값이 증가할수록 만족도가 증가하는 추세를 보이지만, 어느 정도 값을기준으로 만족도가 떨어지는 것을 확인할 수 있다. 사용자 들이 가장 높은 만족도를 보인 경우는 w1 = 0.7인 경우이며, 이를 이용하여 기존 방법과의 비교 실험을 수행하였다.
- 본 논문에서 제안하는 알고리즘의 유용성을 파악하기 위해 단순화된 경로를 이용하여 사용자의 이동 경로를 예측하였고, 이를 기존 방법들과 비교하였다. 우선 이동 경로들을 표현하는데 사용된 전체 GPS 좌표의 50%를 의미 있는 장소로 추출하고 이를 이용하여 이동 경로들을 단순화 하였다. 이렇게 단순화 된 이동 경로 43개 중 5개를 Test set으로, 나머지를 Training set으로 하여 10-fold cross validation을 수행하였다.
- 이를 위해, 블루투스 MAC address를 이용하여 주변 사람을 파악하고, 파악된 사람과의 친밀도를 평가하기 위해 사용자와 타인과의 상호작용 정보를 이용한다. 이는 본 연구진이 제안하였던 기법으로[7], 본 논문에서는 친밀도 계산을 위해 해당 알고리즘을 이용하였다.
- 우선 이동 경로들을 표현하는데 사용된 전체 GPS 좌표의 50%를 의미 있는 장소로 추출하고 이를 이용하여 이동 경로들을 단순화 하였다. 이렇게 단순화 된 이동 경로 43개 중 5개를 Test set으로, 나머지를 Training set으로 하여 10-fold cross validation을 수행하였다. Test set으로 사용되는 5개의 이동 경로들은 현재 사용자가 이동하고 있는 경로를 의미한다.
- 따라서 이동 경로를 분석하여 장소를 추출할 경우, 사용자와 함께 있는 사람들에 대한 정보는 사용자가 타인과 상호작용을 하는 의미 있는 장소를 추출하는데 도움을 줄 수 있다. 이를 위해 GPS를 이용하여 사용자의 과거 이동 경로 정보를 수집하고 사용자의 통화 및 문자메시지 수신 내역 및 주변 사람에 대한 정보를 이용하여 의미 있는 장소를 추출한다. 과거 이동 경로 정보에서 체류시간을 고려하고, 상호작용 정보를 통해 친밀도를 계산한 후 이를 이용하여 특정 장소에 대한 점수를 계산한다.
- 사용자의 의미 있는 장소를 추출하는 것 또한 사용자의 이동 경로 정보에 기반하기 때문에 주변 사람에 대한 정보를 파악하면 사용자의 상황을 고려한 장소 추출이 가능해진다. 이를 위해, 블루투스 MAC address를 이용하여 주변 사람을 파악하고, 파악된 사람과의 친밀도를 평가하기 위해 사용자와 타인과의 상호작용 정보를 이용한다. 이는 본 연구진이 제안하였던 기법으로[7], 본 논문에서는 친밀도 계산을 위해 해당 알고리즘을 이용하였다.
- 이후, 해당 좌표만을 연결하여 전체 이동 경로를 의미 있는 장소간의 이동 경로로 간략화하고(그림 2-(d)), 이를 단순화 된 이동 경로로 정의한다. 이와 같은 과정을 거쳐전체 이동 경로들을 단순화하고 단순화된 경로들 간의 유사도를 비교하여 예측을 수행한다.
- 산출된 점수는 사용자의 의미 있는 장소를 판단하는 기준으로 사용되며, 이와 같은 방법으로 추출된 의미 있는 장소를 이용하여 사용자의 이동 경로를 단순화한다. 제안하는 방법의 검증을 위해 체류 시간과 친밀도가 의미 있는 장소를 추출하는데 어떠한 역할을 하는지 분석하였으며, 체류시간을 고려한 장소 추출 방법과 비교 실험을 수행하였다. 또한 경로를 단순화하여 저장한 후 이를 이용하여 경로를 예측할 경우의 정확도 및 연산 비용을 비교 분석하였다.
- 제안하는 방법의 친밀도와 체류 시간에 적용할 가중치값(w1)를 알아내기 위해 가중치에 따른 사용자의 만족도를 조사하였으며, 또한 산출된 가중치를 이용하여 제안하는 방법과 기존 방법의 비교실험을 수행하였다.
- 7일 경우이다. 추출된 의미 있는 장소는 좌측부터 큰 locationscore값을 가지도록 정렬하고, 해당 장소들을 사용자에게 보여주어 평가를 수행하였다.
- 친밀도와 체류시간을 이용하여 특정장소 La에 대한 장소 점수(locationscore)를 계산한다. 식 (4)는 La에 대한 점수를 계산하는 식으로 체류 시간(staytime)과 La에서 검색된 주변 사람에 대한 친밀도(totalproximity)의 합을 정규화하여 locationscore(La)를 산출하는 과정을 도식화 한 것이다.
데이터처리
- 하지만 경로를 표현하는 좌표의 감소로 인해 예측의 정확도는 떨어질 수 있다. 본 논문에서 제안하는 알고리즘의 유용성을 파악하기 위해 단순화된 경로를 이용하여 사용자의 이동 경로를 예측하였고, 이를 기존 방법들과 비교하였다. 우선 이동 경로들을 표현하는데 사용된 전체 GPS 좌표의 50%를 의미 있는 장소로 추출하고 이를 이용하여 이동 경로들을 단순화 하였다.
- 또한, 이렇게 찾아낸 사용자의 의미 있는 장소를 이용하여 경로를 단순화하고 이를 이용하여 이동 경로를 예측할 경우 예측 정확도를 유지하면서 연산 비용을 낮출 수 있음을 확인하였다. 제안하는 방법의 검증을 위해 기존 방법과의 비교 실험을 통해 사용자 만족도가 향상됨을 검증하였고 기존 방법들과의 예측 정확도를 비교하여 제안하는 방법의 유용성을 평가하였다. 실험을 통한 결과에서, 제안하는 방법은 기존 경로 예측 방법 중 가장 높은 정확도를 보이는 알고리즘과 유사한 성능을 보이면서 연산 비용을 1/2가량 낮출 수 있는 방법임을 검증하였다.
- 제안하는 의미 있는 장소 추출 방법의 검증을 위해 기존의 체류 시간만을 고려하는 장소 추출 방법[4]과의 비교 실험을 수행하였다. 각 방법에 따라 선택된 5개의 장소에 따른 사용자의 만족도를 조사하였다.
이론/모형
- Previous method 1은 본 연구 진이 [5]에서 제안한 방법으로 이동 경로 정보와 주변사람에 대한 정보를 반영한 동적정합법(Dynamic Time Warping)을 이용하여 예측을 수행하는 알고리즘이며, 경로의 단순화는 이루어지지 않았다. 또한 Previous method 2는 [12]에서 제안된 알고리즘이며, 동적정합법만을 이용하여 예측을 수행하였고, 전체 이동 경로를 그대로 사용하고 있다. 제안하는 방법의 유사도 비교는 Previous method 1과 동일한 주변 사람 정보를 반영한 동적정합법을 이용하여 수행하였다.
- 또한 Previous method 2는 [12]에서 제안된 알고리즘이며, 동적정합법만을 이용하여 예측을 수행하였고, 전체 이동 경로를 그대로 사용하고 있다. 제안하는 방법의 유사도 비교는 Previous method 1과 동일한 주변 사람 정보를 반영한 동적정합법을 이용하여 수행하였다.
성능/효과
- 그림 5에서 보이는 것처럼, 제안하는 방법은 전체 이동 경로의 50%만을 유지하고 있음에도 전체 경로를 이용하여 예측을 수행하는 Previous method 1과 거의 유사한 예측 정확도를 보이고 있다. 제안하는 방법의 예측 초기의 정확 도가 Previous method 1보다 10%가량 차이를 보이는 것은 이동 경로의 시작점이 의미 있는 장소로 추출되지 못해서 경로 정보가 유실되었기 때문이며, 이후 시간이 흐름에 따라서 예측 정확도가 유사하게 나타남을 확인할 수 있다.
- 따라서 동일한 목적지를 가지는 경로가 2개 이상 포함된 이동 경로들을 이용할 경우 좀 더 향상된 정확도가 나타날 것으로 판단된다. 또한 제안하는 방법의 유사도 비교시에 소모되는 시간이 기존 방법들에 비해 1/2정도로 나타나 연산 비용을 낮추면서 예측 정확도를 유지할 수 있음을 확인할 수 있었다.
- 상황 인식 분야에서는 주변 사람에 대한 정보를 파악하는 것이 현재 사용자의 상황을 이해하는데 중요한 요소라고 판단되고 있다[6]. 또한, 본 연구진은 사용자의 이동 경로를 예측하는 경우, 주변 사람을 파악하여 예측을 수행할 때 정확도가 높음을 확인하였다[5]. 사용자의 의미 있는 장소를 추출하는 것 또한 사용자의 이동 경로 정보에 기반하기 때문에 주변 사람에 대한 정보를 파악하면 사용자의 상황을 고려한 장소 추출이 가능해진다.
- 스마트폰 등의 보급 확산으로 인해 사용자의 위치 정보를 이용한 서비스가 빠르게 확산되고 있는 환경에서, 연산 비용을 줄이고 모델링 된 정보 생성을 위한 방법으로, 상호작용 정보를 이용하여 친밀도를 계산하고, GPS 로그를 통해 체류 시간을 산출한 후 이를 이용하여 의미 있는 장소를 찾아낼 수 있음을 확인하였다. 또한, 이렇게 찾아낸 사용자의 의미 있는 장소를 이용하여 경로를 단순화하고 이를 이용하여 이동 경로를 예측할 경우 예측 정확도를 유지하면서 연산 비용을 낮출 수 있음을 확인하였다. 제안하는 방법의 검증을 위해 기존 방법과의 비교 실험을 통해 사용자 만족도가 향상됨을 검증하였고 기존 방법들과의 예측 정확도를 비교하여 제안하는 방법의 유용성을 평가하였다.
- 또한 추출된 의미 있는 장소를 이용하여 경로를 단순화하는 방법을 제안하였다. 스마트폰 등의 보급 확산으로 인해 사용자의 위치 정보를 이용한 서비스가 빠르게 확산되고 있는 환경에서, 연산 비용을 줄이고 모델링 된 정보 생성을 위한 방법으로, 상호작용 정보를 이용하여 친밀도를 계산하고, GPS 로그를 통해 체류 시간을 산출한 후 이를 이용하여 의미 있는 장소를 찾아낼 수 있음을 확인하였다. 또한, 이렇게 찾아낸 사용자의 의미 있는 장소를 이용하여 경로를 단순화하고 이를 이용하여 이동 경로를 예측할 경우 예측 정확도를 유지하면서 연산 비용을 낮출 수 있음을 확인하였다.
- 제안하는 방법의 검증을 위해 기존 방법과의 비교 실험을 통해 사용자 만족도가 향상됨을 검증하였고 기존 방법들과의 예측 정확도를 비교하여 제안하는 방법의 유용성을 평가하였다. 실험을 통한 결과에서, 제안하는 방법은 기존 경로 예측 방법 중 가장 높은 정확도를 보이는 알고리즘과 유사한 성능을 보이면서 연산 비용을 1/2가량 낮출 수 있는 방법임을 검증하였다.
- w1의 값이 작을 경우, 통화를 많이 하거나 연락을 많이 주고받는 사람이 곁에 있는 장소가 의미 있는 장소로 선택될 경우가 많았으며, w1의 값이 클 경우 버스를 기다리는 등의 의도치 않게 길어진 체류 시간으로 인해 선정되는 장소가 나타나는 경향을 보였다. 이로 인해 사용자들은 두 개의 정보가 적절히 조합되었을 경우 하나의 정보만을 이용하였을 경우보다 높은 만족도를 보여줌을 확인하였다.
- 또한 경로를 단순화하여 저장한 후 이를 이용하여 경로를 예측할 경우의 정확도 및 연산 비용을 비교 분석하였다. 제안하는 방법으로 추출된 장소가 사용자들로부터 높은 만족도를 보임을 확인하였고, 단순화된 경로를 이용하여 예측할 경우, 전체 경로를 이용하여 예측을 수행하였을 경우와 정확도가 거의 유사하면서 연산 비용을 낮출 수 있음을 확인하였다.
- 그림 5에서 보이는 것처럼, 제안하는 방법은 전체 이동 경로의 50%만을 유지하고 있음에도 전체 경로를 이용하여 예측을 수행하는 Previous method 1과 거의 유사한 예측 정확도를 보이고 있다. 제안하는 방법의 예측 초기의 정확 도가 Previous method 1보다 10%가량 차이를 보이는 것은 이동 경로의 시작점이 의미 있는 장소로 추출되지 못해서 경로 정보가 유실되었기 때문이며, 이후 시간이 흐름에 따라서 예측 정확도가 유사하게 나타남을 확인할 수 있다. 제안하는 방법과 Previous method 1의 예측 정확도는 85%선에서 수렴하는데 이는 Test set으로 사용된 이동 경로와 동일한 목적지를 가진 경로가 Training set에 없기 때문이다.
- 7을 적용하여 실험을 진행하였다. 제안하는 방법이 추출한 의미 있는 장소에 대한 사용자들의 평균 만족도는 4.1 점으로 기존 방법의 3.5점보다 향상된 만족도를 보임을 확인하였다.
후속연구
- 사용자의 의미 있는 장소를 추출하는 것은 이동 경로를 추상화하여 표현하는 것이며, 장소 간의 이동을 모델링하여 사용자의 이동 경로를 요약하는 것으로 유사도 검색 시의 연산 비용을 낮출 수 있다. 또한 의미 있는 장소를 이용하여 사용자의 성향을 파악할 수 있고, 사용자에 적합한 서비스를 제공하는 것이 가능해 진다. 본 논문에서는 상호작용 정보 수집 및 분석을 통한 사용자와 타인 간의 친밀도와 GPS 정보에 기반한 체류 시간을 이용하여 의미 있는 장소를 추출하기 위한 방법을 제시한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.