빅데이터를 이용한 데이터 분석 시스템은 정치, 교통, 자연재해, 쇼핑, 고객관리, 의료, 기상정보 등의 다양한 분야에서 활용할 가치가 있다. 특히 웨어러블 디바이스로부터 수집한 가속도 신호를 이용한 개인의 운동량 분석은 이미 보편화되어 사용되고 있다. 하지만 이러한 시스템에서 사용하는 데이터는 개인의 운동량을 측정하기에 필요한 데이터만을 저장하고 있기 때문에, 개인의 운동량외의 다양한 분석결과들은 제공하지 못하고 있다. 본 논문에서는 개인의 스마트폰에서 수집 가능한 가속도 신호를 24시간측정하고 이를 빅데이터 기반으로 저장하여 집단 행동패턴 및 활동성 분석을 위한 시스템을 제안한다. 또한 다양한 스마트기기에서 사용할 수 있도록 표준 메시징을 이용하여 가속도신호를 송신하고 분석결과를 수신하는 시스템을 제안한다.
빅데이터를 이용한 데이터 분석 시스템은 정치, 교통, 자연재해, 쇼핑, 고객관리, 의료, 기상정보 등의 다양한 분야에서 활용할 가치가 있다. 특히 웨어러블 디바이스로부터 수집한 가속도 신호를 이용한 개인의 운동량 분석은 이미 보편화되어 사용되고 있다. 하지만 이러한 시스템에서 사용하는 데이터는 개인의 운동량을 측정하기에 필요한 데이터만을 저장하고 있기 때문에, 개인의 운동량외의 다양한 분석결과들은 제공하지 못하고 있다. 본 논문에서는 개인의 스마트폰에서 수집 가능한 가속도 신호를 24시간측정하고 이를 빅데이터 기반으로 저장하여 집단 행동패턴 및 활동성 분석을 위한 시스템을 제안한다. 또한 다양한 스마트기기에서 사용할 수 있도록 표준 메시징을 이용하여 가속도신호를 송신하고 분석결과를 수신하는 시스템을 제안한다.
The data analysis system using Big-data is worthy to be used in various fields such as politics, traffic, natural disaster, shopping, customer management, medical care, and weather information. Particularly, the analysis of the momentum of an individual using an acceleration signal collected from a ...
The data analysis system using Big-data is worthy to be used in various fields such as politics, traffic, natural disaster, shopping, customer management, medical care, and weather information. Particularly, the analysis of the momentum of an individual using an acceleration signal collected from a wearable device has already been widely used. However, since the data used in such a system stores only the data necessary for measuring the individual activity, it does not provide various analysis results other than the exercise amount of the individual. In this paper, I propose a system that analyzes collective behavior pattern and activity based on the acceleration signal that can be collected from personal smartphones for 24 hours a day and stored in big data. I also propose a system that sends acceleration signals and receives analysis results using standard messaging to use on various smart devices.
The data analysis system using Big-data is worthy to be used in various fields such as politics, traffic, natural disaster, shopping, customer management, medical care, and weather information. Particularly, the analysis of the momentum of an individual using an acceleration signal collected from a wearable device has already been widely used. However, since the data used in such a system stores only the data necessary for measuring the individual activity, it does not provide various analysis results other than the exercise amount of the individual. In this paper, I propose a system that analyzes collective behavior pattern and activity based on the acceleration signal that can be collected from personal smartphones for 24 hours a day and stored in big data. I also propose a system that sends acceleration signals and receives analysis results using standard messaging to use on various smart devices.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
특정한 하나의 분석결과를 얻기 위한 특징값들로 구성된 데이터는 다양한 분석결과를 얻을 수 없기 때문이다. 따라서 본 논문에서는 스마트폰을 통하여 가속도 신호를 24시간 수집하고 이를 서버로 전송하여 다양한 분석결과를 얻을 수 있는 시스템을 제안한다. 분석사례로는 모집단의 연령대별, 시간대별, 요일대별, 성별에 따른 활동량을 분석한다.
본 논문에서는 일상생활에서 24시간 측정한 가속도 신호 raw-data를 서버로 전송하고, 이러한 데이터를 이용하여 집단행동패턴 분석과 활동량 분석을 할 수 있는 시스템을 제안한다. 또한 집단의 시간, 요일, 연령, 성별 등의 기준으로 분석사례를 제시함으로써 효용성을 검증한다.
제안 방법
본 논문에서는 일상생활에서 24시간 측정한 가속도 신호 raw-data를 서버로 전송하고, 이러한 데이터를 이용하여 집단행동패턴 분석과 활동량 분석을 할 수 있는 시스템을 제안한다. 또한 집단의 시간, 요일, 연령, 성별 등의 기준으로 분석사례를 제시함으로써 효용성을 검증한다.
따라서 본 논문에서는 스마트폰을 통하여 가속도 신호를 24시간 수집하고 이를 서버로 전송하여 다양한 분석결과를 얻을 수 있는 시스템을 제안한다. 분석사례로는 모집단의 연령대별, 시간대별, 요일대별, 성별에 따른 활동량을 분석한다.
생체신호 분석 프로세스는 그림 1과 같이 다수의 사람들로부터 측정된 생체신호 raw-data를 서버로 전송하고 서버는 빅데이터를 저장하는 하둡 플랫폼의 저장소인 HDFS(Hadoop Distributed File System)에 생체신호 raw-data를 저장한다. 저장된 생체신호 데이터 자체만으로는 의미가 없는 비정형의 형태를 가지고 있다.
스마트폰으로부터 추출된 가속도 신호를 빅데이터 기반으로 저장하고 특징값 추출 및 신호분석을 위한 맵/리듀스 과정을 거친 후 다음의 4가지에 대해 분석한다.
따라서 이것을 특징값으로 변환한다. 이를 위하여 생체신호 분석알고리즘을 맵/리듀스 과정을 거쳐 특징값을 추출한다. 추출된 특징 값도 빅데이터에 해당하므로 하둡의 저장소인 HDFS에 저장한다.
이번 장에서는 본 논문에서 제안하는 시스템의 절차와 구조에 대해 설명한다. 제안하는 시스템은 생체신호의 전송, 하둡을 이용한 데이터의 저장, 데이터 변환 엔진, 데이터 분석 엔진, 서비스 프로바이더로 구성된다.
클라이언트가 수집한 데이터를 SOAP메시지 형태로 서버에 전송하면 서버는 HDFS에 저장과 동시에 분석에 필요한 특징값을 추출하고, 추출된 특징값을 다시 HDFS에 저장한다. 클라이언트가 SOAP 메시지를 이용하여 특정한 분석을 요청하면 서버는 맵/리듀스를 이용하여 분석한 결과를 다시 SOAP메시지 형태로 응답한다.
본 논문에서 우리는 가속도 신호 raw-data를 이용하여 빅데이터 기반의 분석 시스템을 제안하고 4개월간 24명으로부터 수집된 데이터를 이용하여 분석 사례를 들었다. 특정기간 동안 집단의 시간을 기준으로 한 활동량 분석으로 3시간 단위로 어떤 시간대에 가장 활동량이 많은지, 집단의 연령별로 어느 연령대가 가장 활동량이 많은지, 집단의 요일별, 집단의 성별 그리고 어떤 특정시간에 연령, 요일 그리고 성별로 가장 활동량이 많은지를 분석하고 서비스 해 보았다. 클라이언트가 수집한 데이터를 SOAP메시지 형태로 서버에 전송하면 서버는 HDFS에 저장과 동시에 분석에 필요한 특징값을 추출하고, 추출된 특징값을 다시 HDFS에 저장한다.
대상 데이터
본 논문에서 우리는 가속도 신호 raw-data를 이용하여 빅데이터 기반의 분석 시스템을 제안하고 4개월간 24명으로부터 수집된 데이터를 이용하여 분석 사례를 들었다. 특정기간 동안 집단의 시간을 기준으로 한 활동량 분석으로 3시간 단위로 어떤 시간대에 가장 활동량이 많은지, 집단의 연령별로 어느 연령대가 가장 활동량이 많은지, 집단의 요일별, 집단의 성별 그리고 어떤 특정시간에 연령, 요일 그리고 성별로 가장 활동량이 많은지를 분석하고 서비스 해 보았다.
분석을 위하여 4개월간 24명, 연령은 10~50대의 연령분포를 가지며, 남녀 성별은 같게 하였다. 신호의 전송은 1시간 간격으로 서버에 자동전송하고, 1시간동안 측정한 raw-data의 용량은 8MB정도로 전체 300GB정도의 데이터를 샘플로 사용하였다.
분석을 위하여 4개월간 24명, 연령은 10~50대의 연령분포를 가지며, 남녀 성별은 같게 하였다. 신호의 전송은 1시간 간격으로 서버에 자동전송하고, 1시간동안 측정한 raw-data의 용량은 8MB정도로 전체 300GB정도의 데이터를 샘플로 사용하였다.
이론/모형
하지만 측정하는 기기(스마트폰)의 위치(상의 주머니, 하의 주머니 등)에 따라서 3축의 신호들은 달라질 수 있으며 이러한 상황에 대해서도 알고리즘 분석이 가능해야 한다. 가속도 신호를 분석하기 위한 알고리즘은 zero crossing 알고리즘을 이용한다. 스마트폰으로부터 측정되고 하둡 플랫폼의 HDFS저장소에 저장된 가속도 신호의 raw-data는 그림 5와 같이 timestamp, x축, y축, z축으로 구성되며 웨이브형태의 의미가 없는 반정형의 수치 값이다.
하둡은 간단한 프로그래밍 모델을 사용하여 컴퓨터의 클러스터에 걸쳐 대규모 데이터의 분산처리를 허용하는 프레임워크이다[12]. 대용랑 데이터의 분산저장과 다수의 서버 클러스터에서 일어나는 병렬처리를 하며, 파일을 나누어 분산 저장하는 하둡분산파일시스템(HDFS)을 이용한다. 맵/리듀스(Map/Reduce)는 데이터 처리를 위한 프로그래밍 모델이며, 단순하지만 타고난 병행성을 내포하고 있다.
후속연구
향후 지속적인 데이터의 수집을 통하여 보다 큰 모집단에 대한 데이터와 보다 다양한 활동성 분석지표를 설정하여 직업군에 대한 과로사 원인을 분석하는 연구를 진행할 것이다.
현재 심전도나 호흡신호를 이용한 분석과 서비스에 대한 연구를 진행 중에 있으며, 이것은 질병예측과 같은 의료분야에서 빅데이터 기반의 생체신호 분석 플랫폼의 유용한 선행연구가 될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 분석 시스템에서 웨어러블 디바이스 활용 한계에 대한 원인은?
특히 웨어러블 디바이스로부터 수집한 가속도 신호를 이용한 개인의 운동량 분석은 이미 보편화되어 사용되고 있다. 하지만 이러한 시스템에서 사용하는 데이터는 개인의 운동량을 측정하기에 필요한 데이터만을 저장하고 있기 때문에, 개인의 운동량외의 다양한 분석결과들은 제공하지 못하고 있다. 본 논문에서는 개인의 스마트폰에서 수집 가능한 가속도 신호를 24시간측정하고 이를 빅데이터 기반으로 저장하여 집단 행동패턴 및 활동성 분석을 위한 시스템을 제안한다.
웨어러블 디바이스를 활용한 데이터 분석 시스템 현황은?
빅데이터를 이용한 데이터 분석 시스템은 정치, 교통, 자연재해, 쇼핑, 고객관리, 의료, 기상정보 등의 다양한 분야에서 활용할 가치가 있다. 특히 웨어러블 디바이스로부터 수집한 가속도 신호를 이용한 개인의 운동량 분석은 이미 보편화되어 사용되고 있다. 하지만 이러한 시스템에서 사용하는 데이터는 개인의 운동량을 측정하기에 필요한 데이터만을 저장하고 있기 때문에, 개인의 운동량외의 다양한 분석결과들은 제공하지 못하고 있다.
빅데이터를 이용한 데이터 분석 시스템을 활용할 수 있는 분야는?
빅데이터를 이용한 데이터 분석 시스템은 정치, 교통, 자연재해, 쇼핑, 고객관리, 의료, 기상정보 등의 다양한 분야에서 활용할 가치가 있다. 특히 웨어러블 디바이스로부터 수집한 가속도 신호를 이용한 개인의 운동량 분석은 이미 보편화되어 사용되고 있다.
참고문헌 (13)
김성우, 김각규, 윤봉규, "국방분야 빅데이터 분석의 활용가능성에 대한 고찰," 한국경영학회, 제29권, 제2호, 1-19쪽, 2014년 6월
Magoulas, Roger, B. Lorica, "Big data: Technologies and techniques for large scale data," Release 2.0, 2009.
McKinsey, "Big data, The next frontier for innovation, competition, and productivity," McKinsey Global Institute, 2011.
Gartner, Cool Venders in Wearable Electronics for Health and Fitness, 2013.
W. Peter, Big Data Glossary, O'Reilly Media, 2011.
장상현, "빅데이터와 스마트교육," 한국정보과학회지, 제30권, 제6호, 59-64쪽, 2012년 6월
S.H. Kim, "Biological signal monitoring technique for ubiquitous healthcare," IT SoC Mag, vol. 25, pp. 40-47, 2008.
김준수, 이가영, 유철승, 김태웅, 이상훈 김희철, "의복형 생체신호 모니터링을 이용한 건강증진 시스템," Korean Journal of Health Promotion, 제11권, 제1호, 1-8쪽, 2011년
Y. Jun, "Toward physical activity diary: motion recognition using simple acceleration features with mobile phones," Proceedings of the 1st international workshop on Interactive multimedia for consumer electronics, ACM, 2009.
ApacheTM Hadoop(R), http://hadoop.apache.org/
Tom White, Hadoop The Definitive Guide 2nd Edition, O'Reilly Media, pp. 41-47, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.