$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] IoT를 사용한 라이프로그 빅데이터기반 라이프스타일 (생활패턴) 분석 및 웰니스 예측케어 서비스시스템 원문보기

정보와 통신 : 한국통신학회지 = Information & communications magazine, v.31 no.12, 2014년, pp.17 - 24  

조위덕 (아주대학교) ,  양승국 (아주대학교) ,  최선탁 (아주대학교) ,  백재순 (아주대학교) ,  민명기 (아주대학교) ,  이영권 (아주대학교) ,  박경찬 (아주대학교) ,  이규필 (아주대학교)

초록
AI-Helper 아이콘AI-Helper

빅데이터, IoT, 클라우드 인프라 등 기술의 발달에 따라 일상생활 중에서도 개인과 환경의 변화에 대해 실시간 데이터 수집이 용이하게 되었다. 이를 활용하여 개인의 다양한 특성과 상황을 인지하고 다면적으로 의미를 분석할 수 있는 개인의 라이프스타일(lifestyle, 생활습관) 분석 기술이 중요하게 부각되고 있다. 이 라이프스타일 데이터는 개인의 질병이나 사회 심리적 문제의 원인 분석과 미래 트렌드의 변화예측을 할 수 있는 중요한 근거로 활용된다. 최근 이를 위한 연구로서 활동량, 스트레스, 위치, 수면 등의 라이프스타일 패턴을 추출하여 체계적인 프로세스로 삶의 질을 향상시키는 웰니스 (Wellness) 예측케어 서비스 연구와 서비스들이 활발히 진행되고 있다. 하지만 이러한 서비스를 제공하기에 앞서 개인의 복잡한 라이프스타일 패턴의 추출이 단편적으로만 이뤄지고 있어서, 패턴들 사이의 복잡한 관계를 분석하거나 연계 서비스로의 확장 및 라이프스타일 패턴의 재사용적인 측면에서의 문제가 어려운 이슈가 되고 있다. 이 때문에 웰니스 서비스의 신뢰도가 낮아 사용자가 단순히 재미로 느끼는 수준이거나 일회성에 그치는 모바일 어플리케이션 서비스를 제공받는 경우가 다반사이다. 본 논문에서는 IoT환경에서 다양한 스마트 디바이스에 의해 수집되는 라이프로그로 부터 라이프스타일 패턴 추출 및 모델링, 라이프스타일 패턴 분석으로부터 개인의 행동 추론 및 예측, 원인파악과 관련 지표를 정량적으로 설계하는 분석 엔진 개발 방안, 서비스 디자인을 통하여 실효적인 생활개선의 변화를 유도하는 기술, 개인의 심리적 특성까지 고려한 신뢰성 높은 케어 서비스 제공까지의 전반적인 웰니스 예측케어 서비스시스템 프로세스 및 플랫폼 설계 방안을 제시한다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 먼저, 개인의 라이프스타일패턴을 어떠한 방식으로 추출하여 관리하는지에 대한 기술, 두 번째로는 추출된 경험기반의 지식모델의 설계와 구성에 대한 방법, 세 번째로는 케어서비스 기술과 시스템 플랫폼 설계로 구분하여 설명한다. 다음으로는 보다 실용적인 케어시스템 개발을 위하여 동기기반 인지심리 정서 추론 기술과 서비스 디자인 기술에 대한 이슈를 소개한다. 이를 통하여 결론적으로 개인의 생활습관변화, 심리적 요인, 환경적 요인, 사회관계적 변화 등에 맞추어 예측케어서비스를 제공받을 수 있는 환경이 제시된다.
  • 본 논문에서는 IoT환경에서 라이프로그의 수집 및 분석을 통해 웰니스 기반 케어 서비스를 제공하는데 있어서의 전체적인 프로세스에 대해 설명하고, 이를 바탕으로 라이프스타일 패턴 분석 및 웰니스 예측 케어시스템을 알아본다. 먼저, 개인의 라이프스타일패턴을 어떠한 방식으로 추출하여 관리하는지에 대한 기술, 두 번째로는 추출된 경험기반의 지식모델의 설계와 구성에 대한 방법, 세 번째로는 케어서비스 기술과 시스템 플랫폼 설계로 구분하여 설명한다.
  • 본 장에서는 다중 센서를 기반으로 한 퍼스널 빅데이터 기반 라이프스타일패턴 추출 및 관리 기술에 대해 알아본다. 퍼스널 빅데이터 추출을 위한 라이프스타일패턴 분석 시스템에서는 <그림 2>와 같이 웨어러블 센싱 디바이스를 통해 얻을 수 있는 센싱데이터, 일반적인 장치들을 통해서도 쉽게 얻을 수 있는 시공간 데이터, 스마트폰을 통해 얻을 수 있는 데이터로 우선 분류하였다.
  • 이러한 웰니스의 개념을 기반으로 둔 케어 서비스는 활동 데이터 패턴을 활용하여 보다 사용자에게 맞춤화되고 효율적인 서비스를 제공할 수 있다. 웰니스 서비스를 위한 디바이스 활용 사례[4]를 보면 스마트폰을 활용한 연구, 웨어러블 디바이스에 측정 가능한 센서를 내장한 연구 등을 통하여 상용화되어 활용되고 있는 디바이스를 소개한다. 이와 같이 현재 웰니스 케어 연구에서는 스마트 디바이스와 웨어러블 디바이스의 정보가전화와 융합정보를 이용한 건강정보 분석 콘텐츠가 개발되어 제품에 내재화되고 있는 현황이며, 기존 시스템과 정보를 연계할 수 있는 기술들의 국제표준화가 진행 중이다.
  • 다음으로는 생활이벤트 분석, 추적 예측 기술 위해 인간이 외부 자극을 인지하고 정서상의 변화를 일으켜 행동을 취하게 되기까지의 일반적인 양상을 분류하여 모델링하는 연구를 진행하였다. 이러한 연구를 알아보기 위하여 본 장에서는 이론적인 지식과 임상 데이터를 기반으로 인간 행동이 유발되기까지 영향을 미치는 다양한 요인을 지식 경험모델링하는 방안을 제시한다. 또한 행동/인지 능력에 대한 분석 기술을 위하여 경험모델과 라이프스타일패턴 간의 상관관계를 모델링하는 방법을 제시한다.
  • 즉 전체 시스템은 퍼스널 빅데이터 추출 기술, 생활이벤트 분석, 추적 예측 기술, 케어서비스 기술로 이루어져 있으며 순차적으로 이에 대한 구체적인 연구내용을 알아보자.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
SenseCam은 무엇을 저장하는가? 먼저 라이프로그 연구에는 대표적으로 Microsoft사의 SenseCam[5]이 있다. SenseCam은 카메라와 빛의 세기, 가 속도, 온도, 움직임의 정보를 수집할 수 있는 센서들로 구성되어 사용자의 변화가 감지되는 순간과 일정 시간 간격으로 자동으로 촬영되는 사진을 저장한다. 그 외에 다양한 라이프로그 데이터의 메타 데이터를 저장하여 관리하기 위한 데이터베이스 MyLifeBits[6]가 개발되었다.
웰니스란? 웰니스는 육체적, 정신적, 감성적, 사회적, 지적 영역에서의 최적의 상태를 추구하는 것으로, 쾌적하고 안전한 공간과 건강하고 활기찬 활동을 위한 인간의 상태와 행위, 노력을 포괄하는 개념이다. 이러한 웰니스의 개념을 기반으로 둔 케어 서비스는 활동 데이터 패턴을 활용하여 보다 사용자에게 맞춤화되고 효율적인 서비스를 제공할 수 있다.
설득형 기술 설계 시 고려해야 할 사항은? •Reduction: 요구되는 행동의 복잡성을 단순화시킴 •Tunneling: 목표에 도달하기 까지 일련의 과정을 차례로 지나가야 함 •Tailoring: 개인의 성향과 필요에 맞추어 서비스함 •Suggestion: 조언을 통해 cue를 제공 •Surveillance: 자발적인 모니터링을 원하면 지원함 •Self-monitoring: 자기 스스로 진행과정을 파악할 수 있게 함 •Conditioning: 사용자 반응에 적절한 피드백과 보상이 필요함
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. STATISTICS KOREA, "2013년 사망원인통계", 2014.09. 

  2. National IT Industry Promotion Agency, "사물인터넷(Internet of Things) 산업의 주요 동향", 2013.10. 

  3. Office of Strategic R&D Planning, KITECH, "미래형 웰니스산업 동향분석 및 발전방향", 해외 ICT R&D 정책동향(2013년 6호). 

  4. 한태화, 민경필, 손재기, "웰니스 서비스를 위한 디바이스 활용 사례, pp.14-26, 2014.04, 정보통신산업진흥원 

  5. Hodges, S., Williams, L., Berry, E., Izadi, S., Srinivasan, J., Butler, A., Smyth, G., Kapur, N., and Wood, K. (2006). "SenseCam: A retrospective memory aid". Proc. Ubicomp 2006. 

  6. Jim Gemmell , Gordon Bell , Roger Lueder , Steven Drucker , Curtis Wong, "MyLifeBits: fulfilling the Memex vision", Proceedings of the tenth ACM international conference on Multimedia, December 01-06, 2002, Juan-les-Pins, France 

  7. Nokia Lifeblog, http://en.wikipedia.org/wiki/Nokia_Lifeblog/ 

  8. DARPA LifeLog, http://en.wikipedia.org/wiki/DARPA_LifeLog/ 

  9. Hwang KS, Cho SB (2008), "Life log management based on machine learning technique", In: Proceedings of IEEE international conference on multisensor fusion and integration for intelligent system, Seoul, pp 691-696 

  10. Inchul Song, Deokmin Haam, Hangkyu Kim, Myoung Ho Kim, "OntLMS: An Ontology-Based Lifelog Management System", APWEB, 2010, Conference, International Asia-Pacific Web, Conference, International Asia-Pacific Web 2010, pp. 341-343, doi:10.1109/APWeb.2010.55 

  11. Minamikawa A, Kotsuka N, Honjo M, Morikawa D, Nishiyama S, Ohashi M (2007) "RFID supplement mobile-based life log system" In: Applications and the internet workshops, p 50 

  12. Lara, O.D., & Labrador, M.A. (2012). "A survey on human activity recognition using wearable sensors", Technical Report. 

  13. IBM Research Healthcare Systems and Analytics, http://www.research.ibm.com/healthcare/ 

  14. Intel Health and Life Sciences, http://www.intel.com/content/www/us/en/healthcare-it/healthcare-overview.html/ 

  15. 신동규, et al. "유비쿼터스 홈 네트워크 시스템에서 은닉마르코프 모델을 이용한 사용자 행동 상태 분석 및 예측알고리즘", 인터넷정보학회논문지 제12권 제2호, 2011.4, 9-17 (9 pages) 

    원문보기 상세보기

  16. 서효석, et al. "컨텍스트 인식 기반 개인화 추천 서비스를 위한 사용자 행동 패턴 추론 모델", 디지털정책연구 10(2), 293-297 , 2012 

    원문보기 상세보기

  17. Yun Kyoung Kim, el al. "Real-Time Step-Count Detection and Activity Monitoring Using a Triaxial Accelerometer", INTELLIGENT AUTOMATION AND SOFT COMPUTING 2012.03 

  18. 박경찬, 최선탁, 조위덕, "힐링 케어를 위해 모바일 폰의 3축 가속도 센서를 사용한 보행 패턴 분석", 한국통신학회종합 학술 발표회 논문집 (동계) 2014, 2014.1, 457-458 (2 pages) 

  19. 민명기, 최선탁, 조위덕, "피에조 센서를 이용한 수면 중심박 신호 검출에 관한 연구", 2014한국통신학회동계종합학술발표회, 2014.1, 1-2 (2 pages). 

  20. Fogg B. "A behavior model for persuasive design. Persuasive" '09; 4th International Conference on Persuasive Technology; April 26-29, 2009; Claremont, CA, USA. 2009. 

  21. Adrienne Andrew , Gaetano Borriello , James Fogarty, "Toward a systematic understanding of suggestion tactics in persuasive technologies, Proceedings of the 2nd international conference on Persuasive technology", April 26-27, 2007, Palo Alto, CA, USA 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로