센싱 (Sensing), 엑츄에이팅 (Actuating), 제어 (Control) 및 네트워킹 (Networking) 기술의 급격한 발달로 기계, 전자장비, 사회 기반시설, 에너지 공급 및 소비시설, 의료기기, 자동차 등과 같은 물리 세계를 구성하는 다양한 개체들간의 긴밀한 융합이 가능하게 되었다. 다양한 센서를 통하여 물리 개체들로부터 필요한 정보를 수집, 분석하고 가공된 정보를 다양한 컨트롤러, 엑츄에어터 등과 공유함으로써 기존의 개별 전자기기를 위한 센싱 엑츄에이팅 기반 임베디드 시스템과는 근본적으로 차별화되는 복잡한 시스템 위의 시스템 (Systems of Systems) 기술이 제안되어 개발되고 있다. 이렇게 사이버 세계 정보처리 기능과 물리 세계가 서로 긴밀하게 응답하고, 협력하는 인지형 컨트롤 시스템을 사이버물리시스템 (Cyber-Physical Systems, CPS)이라 부른다. 사이버 물리시스템은 대부분의 정보처리, 제어 컴퓨팅 분야에 적용되어 효율성, 안전성, 보안성 향상에 획기적인 기여를 할 것으로 기대된다. 특히, 지능화된 사이버 정보수집 및 최적 제어 기술을 기반으로 도시의 지능형 교통 제어, 건물그룹의 에너지 소비분석과 최적제어, 스마트 스페이스 서비스 등 다양한 분야에 적용되어 스마트 시티 (Smart City)라는 새로운 지능형 통합 시스템을 구현하고 현실화 하는데 핵심 기능을 담당할 것으로 기대된다. 본고에서는 사이버물리시스템의 전반적인 소개와 함께, 스마트 시티를 현실화하는데 사용될 핵심 기술 분야를 소개하고, 스마트 시티 시스템에서 사이버물리시스템이 어떤 역할을 하는지에 대해, 핵심기술들이 적용되는 도시 내 대상 공간의 규모별로 구분하여 기술한다.
센싱 (Sensing), 엑츄에이팅 (Actuating), 제어 (Control) 및 네트워킹 (Networking) 기술의 급격한 발달로 기계, 전자장비, 사회 기반시설, 에너지 공급 및 소비시설, 의료기기, 자동차 등과 같은 물리 세계를 구성하는 다양한 개체들간의 긴밀한 융합이 가능하게 되었다. 다양한 센서를 통하여 물리 개체들로부터 필요한 정보를 수집, 분석하고 가공된 정보를 다양한 컨트롤러, 엑츄에어터 등과 공유함으로써 기존의 개별 전자기기를 위한 센싱 엑츄에이팅 기반 임베디드 시스템과는 근본적으로 차별화되는 복잡한 시스템 위의 시스템 (Systems of Systems) 기술이 제안되어 개발되고 있다. 이렇게 사이버 세계 정보처리 기능과 물리 세계가 서로 긴밀하게 응답하고, 협력하는 인지형 컨트롤 시스템을 사이버물리시스템 (Cyber-Physical Systems, CPS)이라 부른다. 사이버 물리시스템은 대부분의 정보처리, 제어 컴퓨팅 분야에 적용되어 효율성, 안전성, 보안성 향상에 획기적인 기여를 할 것으로 기대된다. 특히, 지능화된 사이버 정보수집 및 최적 제어 기술을 기반으로 도시의 지능형 교통 제어, 건물그룹의 에너지 소비분석과 최적제어, 스마트 스페이스 서비스 등 다양한 분야에 적용되어 스마트 시티 (Smart City)라는 새로운 지능형 통합 시스템을 구현하고 현실화 하는데 핵심 기능을 담당할 것으로 기대된다. 본고에서는 사이버물리시스템의 전반적인 소개와 함께, 스마트 시티를 현실화하는데 사용될 핵심 기술 분야를 소개하고, 스마트 시티 시스템에서 사이버물리시스템이 어떤 역할을 하는지에 대해, 핵심기술들이 적용되는 도시 내 대상 공간의 규모별로 구분하여 기술한다.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 중요성에 비추어 교차로 제어 프로토콜 개발을 위한 다양한 연구가 진행되어 왔다. 그러한 연구 중 하나로 Cumulative Travel-time Responsive(CTR) 실시간 알고리즘을 소개한다. 이 알고리즘은 각 차량의 누적 이동시간을 차량이 교차로와 접하는 도로 구간에 진입한 시점부터 현재 위치하는 곳에서의 시점까지 시간으로 정의하여 각 도로 구간별 전체 누적 이동시간을 구하고 그 중 최대값에 대응하여 신호등 주기를 조절한다.
사이버물리시스템을 이용한 또 다른 예로서 교통 체증 완화 프로토콜의 개발을 들 수 있다. 본 연구에서는 고속도로에서의 교통 체증 문제에 초점을 맞추고 차량 간 통신 기능을 활용하여 교통 체증을 줄이는 프로토콜을 개발하고 있다. 구체적 내용으로, 각 차량들은 자신의 위치, 속도, 가속도 정보를 주변의 차량들에게 주기적으로 브로드캐스트 (broadcast) 방식으로 전달한다.
사이버물리시스템을 이용하여 거주자 생활 패턴을 분석하고 지능적인 제어를 서비스를 제공하는 기술은‘Doorjamb’가 좋은 개발 사례이다. 본 연구에서는 생활 공간의 각 출입구에 초음파 센서를 배치하여 출입구를 통과하는 거주자가 누구인지 식별하고 그 거주자의 이동 경로를 저장 분석한다. 분석된 내용은 해당 거주자가 이동할 확률이 높은 공간 을 예측하고, 이전의 히스토리 데이터를 기반으로 이동 지역에서 동작할 가능성이 높은 부하를 판단하여, 대상 부하를 자동으로 제어함으로써 거주자에게 편의를 제공할 뿐 아니라 점유하지 않은 공간에서 낭비되고 있는 부하를 제어하여 전력 사용량도 줄일 수 있다.
본 연구에서는 에서 보듯이 방향성을 가진 안테나를 사용하고 해당 안테나의 송신 출력을 효율적으로 조절함으로써 데이터 충돌을 최소화하는 방안을 제안하고 있다.
사이버물리시스템 기술은 도로 교통 시스템에 적용되어 안전성, 효율성, 보안성의 향상을 가져와 미래의 스마트시티를 위한 지능형 교통 시스템의 실현을 앞당길 것이다[4]. 본고에서는 교통 시스템의 안전성, 효율성 및 보안성 향상을 위해 대구경북과학기술원 CPS글로벌센터[5]에서 진행 중인 연구에 대해 살펴본다.
본고에서는 사이버물리시스템 기술이 적용되는 다양한 분야 중 스마트 시티에 초점을 맞추어 사이버물리시스템이 스마트시티의 구현에 어떠한 방식으로 사용되고 있는지에 대하여 국내의 연구 동향을 살펴봄으로써 고찰해 보고자 한다. 특히, 스마트 시티를 구성하는 다양한 요소들 중 스마트 교통 시스템(Smart Transportation Systems), 건물 에너지 빅데이터 분석(Big Data Analytics Frameworks for Building Energy Management System), 및 스마트 스페이스 (Smart Space) 기술에 관한 연구 동향에 대해 기술한다.
사이버물리시스템은 교통 시스템, 건물, 거주 공간 등과 같이 스마트 시티를 구성하는 핵심적인 요소들에 적용되어 스마트 시티의 실현을 앞당기고 있다. 본고에서는 이러한 연구 방향의 일환으로써 국내에서 진행되고 있는 연구 노력에 대하여 살펴보았다.
그러나 차량 운행 장치 오작동에 영향을 주는 범위까지 외부 보안 공격 요소가 꾸준히 증가되고있기 때문에, 차량의 보안성 증대를 위한 다양한 사이버물리시스템 연구가 진행 되고 있다. 본고에서는 특히 차량 관련 보안 공격과 오작동을 감지할 수 있는 차량 보안 아키텍처 연구와 다양한 스마트기기와 차량 네트워크 간의 안전한 연동 기술에 대해서 살펴 본다.
이러한 거주자 및 거주자 이동 패턴 검출 정확도를 바탕으로 하여 얼마나 많이 전력 소모량을 줄일 수 있는지 실험이 진행되었다. <그림 14>에서 볼 수 있듯이 실제 가정환경에 센서들을 배치하고 해당 Doorjamb 알고리즘을 동작 시켰다.
초음파를 이용한 방식은 센서에서 방출된 초음파가 인체에서 반사되는 성질을 이용하여 거주자의 신체 모양을 추적하여 거주자를 분별하는데, 이 방식은 신체 특징 예를 들어 키 등이 매우 유사한 거주자의 경우 분별 정확도가 낮아지는 문제점이 있다. 이러한 문제점은 각 출입구의 바닥에 배치된 압력 센서를 사용하여 거주자의 발 모양, 걸음 패턴, 몸 무게 등의 2, 3차 센서 정보를 퓨전 (Fusion)하여 더욱 높은 정확도를 내는 데 그 연구의 가치가 있다.
지금까지 사이버물리시스템 기술을 이용하여 교통 시스템의 안전성, 효율성, 그리고 보안성을 향상시킬 수 있는 방안에 대한 기술에 대해 살펴 보았다. 한 가지 중요한 점은 교통 시스템의 특성으로 제안된 기술의 검증을 위해서 많은 수의 실제 차량과 실증 실험 환경이 필요하다.
본고에서는 사이버물리시스템 기술이 적용되는 다양한 분야 중 스마트 시티에 초점을 맞추어 사이버물리시스템이 스마트시티의 구현에 어떠한 방식으로 사용되고 있는지에 대하여 국내의 연구 동향을 살펴봄으로써 고찰해 보고자 한다. 특히, 스마트 시티를 구성하는 다양한 요소들 중 스마트 교통 시스템(Smart Transportation Systems), 건물 에너지 빅데이터 분석(Big Data Analytics Frameworks for Building Energy Management System), 및 스마트 스페이스 (Smart Space) 기술에 관한 연구 동향에 대해 기술한다.
제안 방법
Bayesian Network(BN) structure learning 알고리듬을 사용하여, BN structure 복잡도(complexity) 와 관찰된 데이터가 발생할 가능성 (Likelihood)을 사용하여, 최적의 인과 그래프 구조를 자동적으로 찾아낸다.
Case study 로서 VTT 실증 건물의 전력 센서, 그 외 빌딩 시스템 센서, 기후인자, 그리고 시간 요인에 대한 자동화된 분석을 수행하고, 그 결과를 검증하였다.
모델 자동분석 과정은 클러스터링에 의해 분류된 각 센서 그룹의 대표 센서(exemplar)의 입력 데이터를 자동 상태 분류 처리한 후에, 외기 온도, 시간, 측정 데이터 속성에 대한 최적의 인과관계 모델을 도출하게 한다.
중요한 점은 이러한 거주자 ADL을 장기간 수집하여 사용할 경우, 거주자 이동 패턴의 정확한 예측이 가능하며, 이를 통하여 전력 소모량을 효율적으로 제어할 수 있다. 뿐만 아니라 각 출입구에 배치된 센서에 대해서도 축적된 ADL 데이터를 기반으로 하여 반드시 필요한 경우에만 작동시켜서 시스템 에너지 사용량을 줄일 수 있도록 개발되었다.
그러한 연구 중 하나로 Cumulative Travel-time Responsive(CTR) 실시간 알고리즘을 소개한다. 이 알고리즘은 각 차량의 누적 이동시간을 차량이 교차로와 접하는 도로 구간에 진입한 시점부터 현재 위치하는 곳에서의 시점까지 시간으로 정의하여 각 도로 구간별 전체 누적 이동시간을 구하고 그 중 최대값에 대응하여 신호등 주기를 조절한다. 특히 본 알고리즘은 일부의 차량에만 CV 기능이 탑재될 가능성을 고려하여, 누적 이동시간을 계산하는데 있어서 CV 기능이 탑재되지 않은 차량에 대해서는 칼만 필터 (Kalman Filter)[9] 기반의 예측값을 계산하여 알고리즘에 적용한다.
데이터 요약, 압축과정은 입력변환을 거쳐 정규 이벤트(Regular Event Classification)와 비정규 이벤트 (Irregular Event Classification)를 탐색한다. 이후, 자동화된 affinity propagation을 사용하여 센서 데이터를 상관성에 따라 클러스터링 한다.
대상 데이터
일리노이대학 ADSC 연구소[13]에서는 실증 건물의 데이터를 대상으로 하는 자동화된 비쿼리방식 분석 소프트웨어를 개발하였으며, 세부적으로 데이터 전처리 과정, 데이터 요약 및 압축과정, 모델 자동 분석 과정으로 구성되어 있다[14]. 아래 설명하는 분석 방법에 사용된 건물 데이터는 핀란드 VTT 연구소의 Researcher Hotel 시스템에서 수집한 2013년 데이터를 대상으로 하였다.
데이터처리
개발된 빅데이터 분석 소프트웨어는, 5,000개가 넘는 건물의 측정 포인트를 1년동안 10초단위로 누적한 빅데이터를 대상으로 자동분석을 수행 하였다. 자동 분석 결과로 인과관계가 높은 데이터들을 추출할 수 있으며, 수동 M&V 방법에 비해, 데이터 분석 시간을 대폭 줄일 수 있고, 인지하고 있지 못했던 데이터 간의 연관관계를 검색해 주기 때문에, 건물의 에너지 소비 형태를 분석하고 절감 방법을 찾아낼 수 있는 핵심 정보를 제공한다.
구체적인 방법은, 방향성을 가진 안테나를 통하여 해당 차량이 직접 통신 하고자 하는 차량과의 통신에 집중할 수 있도록 함으로써 다른 주변 차량들의 통신에 간섭을 최소화한다. 특히 방향성을 가진 안테나를 사용하여 통신을 하도록 했다고 하더라도 데이터 수신이 많은 차량으로부터 데이터를 전달 받아야 하는 경우, 여전히 데이터 충돌이 발생할 수 있으므로 이러한 문제를 해결하기 위해 시간 분배 방식을 채택하였다.
이론/모형
이런 빅데이터 규모를 관리자 또는 전문가들이 수동으로 분석, 정리하는 것은 한계가 있다. 이런 어려움을 해결하고, 자동화된 건물 에너지 분석을 위해 비쿼리방식(Query-Free Approach)의 분석 방법을 적용할 수 있다.
이 알고리즘은 각 차량의 누적 이동시간을 차량이 교차로와 접하는 도로 구간에 진입한 시점부터 현재 위치하는 곳에서의 시점까지 시간으로 정의하여 각 도로 구간별 전체 누적 이동시간을 구하고 그 중 최대값에 대응하여 신호등 주기를 조절한다. 특히 본 알고리즘은 일부의 차량에만 CV 기능이 탑재될 가능성을 고려하여, 누적 이동시간을 계산하는데 있어서 CV 기능이 탑재되지 않은 차량에 대해서는 칼만 필터 (Kalman Filter)[9] 기반의 예측값을 계산하여 알고리즘에 적용한다. <그림 1>에서 본 알고리즘의 개략적 동작 예를 볼 수 있다.
성능/효과
<그림 15>는 이렇게 Doorjamb 알고리즘을 적용하였을 경우 얼마나 많은 전력 사용량을 줄일 수 있는지 나타내고 있다. 그림에서 보듯이, 한 달 동안 최대 25% 가량의 전력 소모량을 줄일 수 있음을 확인할 수 있었다.
즉 앞선 차량들의 평균 속력이 일정 속력 이하로 떨어지게 된다면 해당 차량은 전방의 교통 체증을 감지하게 된다. 본 연구에서 기존의 관련 연구와 비교하여 차별화를 두는 부분으로 교통 체증이 발생할 경우 일반적으로 각 차선 별 평균 속력의 차이 또한 존재하므로 교통 체증이 악화되기 전에 교통 체증 구간에 접근하는 차량들의 차선 변경을 권고함으로써 교통 체증이 급격하게 전파되고 악화되는 것을 사전에 방지한다는 점이다.
<그림 12>는 데이터 분석 알고리듬을 사용하여 발견된 인과관계 모델은 보여주고 있다. 분석 결과, 빌딩 시스템 센서 GW2_SAA_UV_INDEX_M 와 시간 요소 (MTH)가 GW2_CG_ SYSTEM_ACTIVE_POWER_M의 값에 직접적으로 영향을 주는 것으로 확인되었다.
본 연구에서는 생활 공간의 각 출입구에 초음파 센서를 배치하여 출입구를 통과하는 거주자가 누구인지 식별하고 그 거주자의 이동 경로를 저장 분석한다. 분석된 내용은 해당 거주자가 이동할 확률이 높은 공간 을 예측하고, 이전의 히스토리 데이터를 기반으로 이동 지역에서 동작할 가능성이 높은 부하를 판단하여, 대상 부하를 자동으로 제어함으로써 거주자에게 편의를 제공할 뿐 아니라 점유하지 않은 공간에서 낭비되고 있는 부하를 제어하여 전력 사용량도 줄일 수 있다. 본 연구는 CPS글로벌센터와 미국의 버지니아 대학 (University of Virginia)이 공동으로 수행한 연구이다.
실제 확인 결과 GW2_SAA_UV_INDEX_M는 태양 자외선 지수, 그리고 GW2_CG_SYSTEM_ACTIVE_POWER_M는 태양 발전량을 측정하는 센서로서 도출된 인과관계 그래프 와 일치하였다.
자동 분석 결과로 인과관계가 높은 데이터들을 추출할 수 있으며, 수동 M&V 방법에 비해, 데이터 분석 시간을 대폭 줄일 수 있고, 인지하고 있지 못했던 데이터 간의 연관관계를 검색해 주기 때문에, 건물의 에너지 소비 형태를 분석하고 절감 방법을 찾아낼 수 있는 핵심 정보를 제공한다.
데이터 전처리 과정에서는 데이터 요약, 압축에 사용되는 센서 데이터를 데이터베이스로부터 전송 받아, 분석 포맷으로 변환하여 다음단계 입력 형식으로 준비한다. 준비된 건물 센서 포인트 데이터들의 시간동기를 맞추고, 수집되지 않은 데이터를 보간하여 데이터 충실도를 높인다.
Doorjamb은 다음의 여러 가지 연구 문제들에 답을 제시한다는 점에서 그 가치를 인정받았다. 첫째, 각 출입구에 배치된 초음파 센서만으로 높은 확률로 거주자 식별을 가능하게 하였다. 특히 초음파 센서의 가격을 고려할 때 저비용 고효율 시스템 구현을 가능하게 하였다.
후속연구
특히 초음파 센서의 가격을 고려할 때 저비용 고효율 시스템 구현을 가능하게 하였다. 둘째, 기존의 연구가 한 명의 거주자에 대해서만 올바로 동작하는 것에 비해 제안된 연구에서는 다양한 거주자의 수에 대해서도 높은 정확도를 내는 데 그 가치가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
교차로 통신 프로토콜 개발 연구 중 하나인 Cumulative Travel-time Responsive(CTR) 실시간 알고리즘의 동작 원리는?
그러한 연구 중 하나로 Cumulative Travel-time Responsive(CTR) 실시간 알고리즘을 소개한다. 이 알고리즘은 각 차량의 누적 이동시간을 차량이 교차로와 접하는 도로 구간에 진입한 시점부터 현재 위치하는 곳에서의 시점까지 시간으로 정의하여 각 도로 구간별 전체 누적 이동시간을 구하고 그 중 최대값에 대응하여 신호등 주기를 조절한다. 특히 본 알고리즘은 일부의 차량에만 CV 기능이 탑재될 가능성을 고려하여, 누적 이동시간을 계산하는데 있어서 CV 기능이 탑재되지 않은 차량에 대해서는 칼만 필터 (Kalman Filter)[9] 기반의 예측값을 계산하여 알고리즘에 적용한다.
사이버물리시스템이란?
다양한 센서를 통하여 물리 개체들로부터 필요한 정보를 수집, 분석하고 가공된 정보를 다양한 컨트롤러, 엑츄에어터 등과 공유함으로써 기존의 개별 전자기기를 위한 센싱 엑츄에이팅 기반 임베디드 시스템과는 근본적으로 차별화되는 복잡한 시스템 위의 시스템 (Systems of Systems) 기술이 제안되어 개발되고 있다. 이렇게 사이버 세계 정보처리 기능과 물리 세계가 서로 긴밀하게 응답하고, 협력하는 인지형 컨트롤 시스템을 사이버물리시스템 (Cyber-Physical Systems, CPS)이라 부른다. 사이버 물리시스템은 대부분의 정보처리, 제어 컴퓨팅 분야에 적용되어 효율성, 안전성, 보안성 향상에 획기적인 기여를 할 것으로 기대된다.
스마트 스페이스 기술의 특징은?
이러한 스마트 스페이스 기술은 다양한 추가 센서를 효과적으로 활용했을 때 효율성을 높일 수 있는 특징이 있다. 이는 Doorjamb 프로젝트에도 그대로 적용되어 초음파 센서를 이용한 방식에 압력 센서 방식을 추가하여 정확도를 향상 시켰다.
참고문헌 (15)
B. Warneke, K.S.J. Pister, "MEMS for Distributed Wireless Sensor Networks," in Proceedings of International Conference on Electronics, Circuits and Systems, 2002
D. D. Gajski, S. Abdi, A. Gerstlauer, and G. Schirner. "Embedded System Design - Modeling, Synthesis, and Veri_cation". Springer, 2009.
R. Rajkumar, Insup Lee, Lui Sha and J. Stankovic, "Cyber-physical systems: The next computing revolution," in Proceedings of Design Automation Conference (DAC), 2010 47th ACM/IEEE, 2010.
National Institute of Standards and Technology (NIST), in Situation Analysis of Current Trends, Technologies, and Challenges, 2012
CPS Global Center, http://cps.dgist.ac.kr/
F. Knorr, D. Baselt, M. Schreckenberg, and M. Mauve, "Reducing traffic jams via VANETs," in IEEE Transactions on Vehicular Technology, vol. 61, no. 8, October, 2012, pp. 3490-3498.
B. Kerner, S. Klenov, and A. Brakemeier, "Testbed for wireless vehicle communication: A simulation approach based on three-phase traffic theory," in IEEE Intelligent Vehicles Symposium, June, 2008, pp. 180-185.
Azimi, R., Bhatia, G., Rajkumar, R. R., & Mudalige, P. (2014, April). STIP: Spatio-temporal intersection protocols for autonomous vehicles. In Cyber-Physical Systems (ICCPS), 2014
WELCH, Greg; BISHOP, Gary. An introduction to the Kalman filter. 1995.
MATH, Rafael, et al. OpenDS: A new open-source driving simulator for research. GMM-Fachbericht-AmE 2013, 2013.
XU, Qing, et al. Vehicle-to-vehicle safety messaging in DSRC. In: Proceedings of the 1st ACM international workshop on Vehicular ad hoc networks. ACM, 2004. p. 19-28.
U.S. Energy Information Administration, 2012
Advanced Digital Science Center, University of Illinois, http://adsc.illinois.edu.d
Deokwoo Jung, Varun Badrinath Krishna, William G. Temple, David K. Y. Yau, "Data-Driven Evaluation of Building Demand Response Capacity" in IEEE SmartGridComm 2014
※ AI-Helper는 부적절한 답변을 할 수 있습니다.