$\require{mediawiki-texvc}$

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.

GPGPU에 기반하는 위치 정보 집합에서 집단 이동성 모델의 도출 기법과 그 표현 기법
A Method for Group Mobility Model Construction and Model Representation from Positioning Data Set Using GPGPU 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.6 no.3, 2017년, pp.141 - 148  

송하윤 (홍익대학교 컴퓨터공학과) ,  김동엽 (홍익대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

인간의 위치 이동 데이터를 모바일 기기에서 수집한 위치 정보를 이용해 얻을 수 있게 되면서, 위치 정보를 어떻게 이용할 수 있는지 그 활용 방안이 중요시 되고 있다. 이 연구에 앞서 위치 정보에 포함된 위치 정보와 시간 정보를 이용한 개인 이동성 모델 도출 연구가 선행되었다. 이동성 모델의 개념을 집단으로 확장하여 특정 집단에 속한 사람들의 개인 이동성 모델을 이용한 집단 이동성 모델을 도출하는 방법에 대해서 연구했고, 두 명의 개인 이동성 모델을 이용한 집단 이동성 모델과 그 모델을 표현하는 Markov 모델을 생성할 수 있었다. 본 논문에서는 세명 이상의 개별 이동 모델을 포함하는 사람의 이동성 모델을 생성하고 집단 모델 내 군집간의 확률 기반 Markov 모델을 도출하는 방법에 대해 소개한다. 또한 GPGPU 기법을 통해 생성 시간을 줄이는 기법을 이용하여 실용화를 고려하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The current advancement of mobile devices enables users to collect a sequence of user positions by use of the positioning technology and thus the related research regarding positioning or location information are quite arising. An individual mobility model based on positioning data and time data are...

주제어

#집단 이동성 모델   #군집화   #병렬 컴퓨팅  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 또 기존의 사용자의 현재 위치에 기반한 위치기반(location-based)서비스 방식이 아니라 사용자의 다음 위치의 예측을 통한 서비스를 제공하기 위해 Foursquare 데이터를 이용하여 사람의 다음 위치를 추정하는 방법에 대한 연구도 있다[5]. 그러나 지금까지의 위치 분석 방법에 관한 연구들은 주로 분석 대상이 단일 대상에 한정된 것인 반면에, 본 연구는 하나 이상의 이동 패턴들을 통합하여 이동 패턴들이 포함된 집단의 이동 패턴을 도출해내는데 목적을 두고 있다. 집단의 이동 모델을 도출해 낼 수 있으면 분석 시 사용자가 분석에 사용할 대상만을 지정해서 집단으로 설정하고 그 집단의 이동 패턴을 알아낼 수 있다.
  • 본 논문에서는 개인이 수집한 위치 정보를 이용한 집단이동성 모델을 생성하는 방법에 대해서 소개했다. 지금까지 위치를 이용한 연구 중에 다수의 인원을 가지고 집단의 개념을 분석에 이용한 경우는 이번이 처음이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
알고리즘 처리를 위해 강력한 연산력을 가진 GPGPU 연산을 이용한 이유는? 세 명 이상의 집단 이동성 모델을 만들기 위해서는 무엇보다도 엄청난 양의 위치 정보를 처리할 수 있는 연산 처리능력이 필요하다. 우리는 이런 문제점을 해결하기 위해서 알고리즘에 GPU를 활용하기로 결정했다[13].
GPU를 사용하기 위해 어떤 방법을 사용하였는가? GPU를 사용하기 위해서 Nvidia에서 제공하는 CUDA를 R Language에 접목시키는 방법을 사용한다. R Language에서 CUDA로 프로그래밍된 연산 함수를 R Language에서 호출해서 사용한다[14]. 우리의 알고리즘 중에 대부분의 처리 시간을 차지하는 부분은 위치 정보와 군집간의 거리를 계산하고 군집 내에 포함되어 있는지, 포함되는 경우 그 위치의 위도, 경도 정보를 추출하는 부분이다.
집단 이동성 모델 도출을 위해 필요한 데이터는? 집단 이동성 모델을 도출하기 위해서는 우선 집단에 속하는 개인의 이동성 모델과 수집 기간 동안의 위치 데이터가 필요하다. 개인 이동성 모델의 결과물을 가지고 여러 사람의 집단 모델을 만들기 전에 먼저 두 사람의 집단 모델을 생성하는 알고리즘을 구현했다[12].
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. H. Y. Song, "Probabilistic space-time analysis of human mobility patterns," WSEAS TRANSACTIONS on COMPUTERS, vol.15, pp.222-238, 2016. 

  2. Wolf, P. S. A. and W. J. Jacobs, "GPS technology and human psychological research: a methodological proposal," Journal of Methods and Measurement in the Social Sciences, Vol.1, No.1, pp.1-15, 2010. 

    상세보기 crossref

  3. C. Song, Q. Zehui, B. Nicholas, and B. Albert-laszio, "Limits of predictability in human mobility," Science 19, Vol.327, No.5968, pp.1018-1021, 2010. 

    상세보기 crossref

  4. L. Liao, D. Fox, and H. Kautz, "Extracting places and activities from GPS traces using hierarchical conditional random fields," International Journal of Robotics Research (IJRR), Vol.26, No.1, pp.119-134, 2007. 

    상세보기 crossref

  5. A. Noulas, S. Scellato, N. Lathia, and C. Mascolo, "Mining user mobility features for next place prediction in location-based services," in Proc. of 12th IEEE ICDM, pp.1038-1043, 2012. 

  6. A. P. Dempster, N. M. Laird, and D. B. Rubin, "Maximum likelihood from incomplete data via EM algorithm," Journal of the Royal Statistical Society, Series B (Methodological), Vol.39, No.1, pp.1-38, 1977. 

  7. D. Y. Choi and H. Y. Song, "Defining Measures for Location Visiting Preference," Procedia Computer Science, Vol.63, pp. 142-147, 2015. 

    상세보기 crossref

  8. J. S. Lee and H. Y. Song, "Efficient Detection of Positioning Data Error," Advanced Science Letters, Vol.21, No.3, pp. 328-331, 2015. 

    상세보기 crossref

  9. J. H. Baik and H. Y. Song, "Mobility State Classification with Particle Filter," New Developments in Computational Intelligence and Computer Science, Vol.28, pp.75-82, 2015. 

  10. S. Y. Kim and H. Y. Song, "Predicting Human Locations with Big Five Personality and Neural Network," Journal of Economics, Business and Management, Vol.2, No.4, pp.273-280, 2014. 

  11. E. B. Lee and H. Y. Song, "An Analysis of the Relationship between Human Personality and Favored Location," AFIN 2015, pp.6-10, 2015. 

  12. D. Y. Kim, D. Y. Choi, and H. Y. Song, "Modeling Group Mobility from Individual Mobility Model," KIPS, Vol.21, No. 2, pp.376-379, 2014. 

  13. Cyril Zeller, "CUDA C/C++ Basics," Supercomputing 2011 Tutorial. 

  14. Paul Baines, "RCUDA: General programming facilities for GPUs in R," Journal of Statistical Software. 

  15. Roy D. Yates and David J. Goodman, "Probability and Stochastic Processes, Second edition," pp.445-500, 2005. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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