[논문]차량 데이터 기반 빅데이터 처리 및 모니터링 시스템

신동윤; 김주호; 이승해; 신동진; 오재곤; 김정준

doi:10.7236/jiibc.2019.19.3.105

차량 데이터 기반 빅데이터 처리 및 모니터링 시스템
Big Data Processing and Monitoring System based on Vehicle Data 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.19 no.3, 2019년, pp.105 - 114

신동윤 (한국산업기술대학교 컴퓨터공학과) , 김주호 (한국산업기술대학교 컴퓨터공학과) , 이승해 (한국산업기술대학교 컴퓨터공학과) , 신동진 (한국산업기술대학교 스마트팩토리융합학과) , 오재곤 ((주)진우산전) , 김정준 (한국산업기술대학교 컴퓨터공학과)

초록
AI-Helper

4차 산업혁명의 발전에 따라 빅데이터의 기술들을 이용하여 연식이 오래된 차량들에서 확인할 수 없는 결과들을 모바일을 이용하여 즉각적으로 확인할 수 있는 시스템을 개발하였다. 먼저 OBD2 센서를 이용하여 차량의 데이터를 수집하였고 수집된 데이터를 라즈베리파이에 저장하여 라즈베리파이가 차량이 주행하는 것과 같은 상황을 두었다. 이후 차량의 데이터가 발생되면 데이터를 실시간으로 수집하고, 수집된 데이터를 여러 개의 노드를 이용해 분산저장한 뒤 시각화 하고자 하는 데이터를 가공, 정제, 처리하고 처리된 결과를 바탕으로 시각화하여 출력한다. 우리는 이와 같은 진행에 빅데이터를 이용하고 차량데이터를 빠르게 처리하여 모바일 기기를 통하여 효과적으로 확인할 수 있다.

Abstract ▼ AI-Helper

As the Industrial Revolution progressed, Big Data technologies were used to develop a system that instantly identified the consequences of older vehicles using mobile devices. First, data from the vehicle was collected using the OBD2 sensor, and the data collected was stored in the raspberry pie, giving it the same situation that the raspberry pie was driving. In the event that vehicle data is generated, the data is collected in real time, stored in multiple nodes, and visualized and printed based on the processed, refined, processed and processed data. We can use Big Data in this process and quickly process vehicle data to identify it effectively through mobile devices.

주제어

표/그림 (20)

표 표 1 라즈베리파이 차량 데이터 생성코드 Table 1. Raspberry Pi vehicle data generation code
그림 그림 1. Flume을 이용한 데이터 수집 과정 Fig. 1. Process of data collection using Flume
표 표 2. 라즈베리파이의 Flume 설정 명령어 Table 2. Flume setup command for a raspberry pi
표 표 3. 라즈베리파이의 Flume 실행 Table 3. Run Flume on RaspBerry Pi
표 표 4. NameNode 의 Flume 설정 명령어 Table 4. NameNode Flume Setup Command
그림 그림 2. Flume을 통한 데이터 저장 과정 Fig. 2. Process of storing data through Flume
그림 그림 3. 분산 저장된 데이터 확인 Fig. 3. Verifying Distributed Saved Data
표 표 5. NameNode 의 Flume 실행 Table 5. Run Flume on NameNode
표 표 6. 분산 저장된 데이터 Table 6. Distributed stored data
표 표 7. 데이터 처리를 위한 Pig 스크립트 실행 Table 7. Running a Pig Script to Process Data
표 표 8. Hive 사용을 위한 테이블 생성 및 처리 Table 8. Creating and processing tables for Hive use
표 표 9. HDFS내 /result2에 저장된 결과파일 확인 Table 9. Check the results file stored in HDFS /result2
표 표 10. 반복 처리 쉘 스크립트 Table 10. Repetitive Processing Shell Script
그림 그림 4. CAR1 실시간 그래프_1 Fig. 4. CAR1 Real-Time Graphs_1
그림 그림 5. CAR1 실시간 그래프_2 Fig 5. CAR1 Real-Time Graphs_2
그림 그림 6. CAR2 실시간 그래프_1 Fig. 6. CAR2 Real-Time Graphs_1
그림 그림 7. CAR2 실시간 그래프_2 Fig. 7. CAR2 Real-Time Graphs_2
그림 그림 8. OverLay 실시간 그래프 Fig. 8. Overlay Real-Time Graphs
그림 그림 9. 어플리케이션 메인화면 Fig. 9. Application main screen
그림 그림 10. 실시간 정보 페이지 Fig. 10. Real-time information page

AI 본문요약
AI-Helper

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

문제 정의

이 제어 장치들이 사용하는 많은 데이터들이 곧 차량의 상태들을 나타내는 정보들이다. 따라서 첫 부분과 같이 이 데이터들을 추출하여 보다 많은 정보들을 제공하는 것을 목표로 하는데 기존의 연구와는 다르게 차량의 정비소와 같은 전문적인 장소뿐만 아니라 일반 사용자들이 이용하고 있는 모바일 기기를 활용하여 정보를 제공함을 최종 목표로 둔 연구이다. 본 연구를 참조하여 본 졸업 작품 과제도 차량의 데이터 수집을 위해 모바일 어플리케이션을 활용하여 실제 차량의 데이터를 수집할 수 있게 되었다^[5-7].
본 관련 연구는 차량 제어를 위해 널리 사용되는 전자 제어 장치들의 데이터를 수집하여 현재 상태를 판단하고 고장 유무 진단 및 차량 정보를 표시해 주는 시스템을 개발하는 것에 목표를 둔 연구이다.
본 논문의 목적은 빅데이터의 분산저장시스템을 활용하여 차량의 데이터를 실시간으로 처리하는 시스템을 구축하는 것이다. 구축된 시스템을 통해 차량의 소유자는 언제 어디서든 웹, 모바일 어플리케이션을 이용하여 차량의 실시간적인 상태를 모니터링할 수 시스템을 개발하는 것이다.
본 연구는 한국전자통신연구원에서 2007년부터 연구, 개발한 연구로서 차량과 가장 연관성이 있는 물류, 보험, 택시 등의 산업과 본 연구를 연동시켰을 때 가장 시너지가 높다고 판단하여 차량으로부터 오는 정보를 효율적으로 관리해 줌으로써 차량의 상태를 용이하게 점검하고, 운전자의 운전 패턴에 따라 안전운전, 경제운전, 환경운전을 유도하는 기술에 대한 업계의 요구들을 충족시키기 위한 연구이다. 위 연구와 동일하게 OBD-II 포트를 사용하여 차량과 직접 연결한 후 차량으로부터 차량 속도, 연료 소모량, 배출가스, 급가속, 급감속등의 차량상태 관련 정보를 실시간으로 수집한 뒤 수집된 정보는 VDMS 운행정보단말에 전송되고 수집된 정보를 이용하여 안전 지수, 경제지수, 친환경 지수 등의 운전자 성향 관련 정보, 연비, CO2 배출량을 계산하여 운전자에게 시각적으로 표시해준다.
하지만 본 연구에서는 오래된 장비에서도 빅데이터 기술을 사용할 수 있다는 것을 증명하기 위하여 라즈베리파이를 이용하여서 실시간으로 차량데이터를 생성하고 빅데이터 기술을 이용해 처리, 분석 할 수 있는 방법을 제안한다.

제안 방법

Sink는 NameNode에서 분산저장하기 위해 HDFS로 type을 지정해 주었고 파일이 저장될 위치를 설정해 주었다. HDFS내에 쌓이게 되는 차량의 데이터의 형식은 Text, 이벤트수의 제한은 1000개, 파일을 나누는 기준은 30분으로 설정하였다.
어플리케이션은 Android Studio를 사용하여 제작하였다. Step 1에서 구현된 웹 홈페이지를 웹 뷰 형식으로 제작하였고 웹 홈페이지를 제작하는 단계에서 그래프의 크기를 사용자가 사용하는 기기의 화면 크기에 맞게 자동으로 변화하도록 설정하여 그래프의 크기는 스마트폰 화면에 맞춰져 있어 따로 설정하지 않았다.
Web을 배포하기 위해서 Apache Tomcat 서버와 Eclips를 연동하여 서버구축을 하였고, 구축된 서버는 이용하여 HTML과 JavaScript를 사용해 시각화한다. 시각화한 결과물은 Web, Mobile Application에서 확인할 수 있도록 배포한다.
그래프의 실시간 처리를 진행하기 위하여 비동기적으로 서버와 클라이언트가 통신할 수 있는 Ajax를 사용하였다. 각 라즈베리파이를 기준으로 연비, 주행 속도, 연료 잔량 3가지 그래프를 각 한 페이지에 구성하였으며 데이터가 갱신되는 순간에 그래프가 refresh되도록 설정하였다. 마지막 페이지에는 각 페이지마다 표시된 서로 다른 차량의 그래프들을 오버레이형식으로 시각화하여 다른 운전자들과 비교할 수 있는 페이지를 구성하였다.
구축된 시스템을 통해 차량의 소유자는 언제 어디서든 웹, 모바일 어플리케이션을 이용하여 차량의 실시간적인 상태를 모니터링할 수 시스템을 개발하는 것이다.
시간마다 생성되는 데이터 속에서 데이터를 저장, 관리, 분석하기 위해서 빅데이터 기술이 중요해지고, 최근 장비들은 빅데이터의 기술을 이용하여 서비스를 제공하는 경우가 많다. 그 사례로 스마트 에어컨, 커넥티드 카 등 생성되는 데이터에 따라 실시간적으로 처리, 분석, 시각화하여 사용자에게 사용방향을 알려주거나 사용 결과물을 보여준다. 하지만 그에 반해 오래된 장비들은 그러한 기능을 제공하지 못하고 있다.
Flume은 사용자가 실시간으로 데이터가 HDFS에 저장되기 때문에 데이터가 저장되는 대로 Pig와 Hive의 처리도 지속적으로 이루어져야 한다. 따라서 표 10과 같이 Pig와 Hive의 처리 프로세스를 쉘 스크립트의 반복문을 사용하여 지속적으로 데이터를 처리되도록 구성하였다.
본 논문에서는 실제 차량에서 발생하는 데이터를 수집하였고, 라즈베리파이를 이용하여 차량이 주행하는 것과 같은 상황을 만들어 데이터를 발생시켰다. 이후 발생된 데이터를 실시간으로 수집, 저장, 처리, 시각화를 하는 과정을 제시하였다.
표 6은 수집된 로그 데이터를 hadoop –fs cat /sensor/* 명령어로 확인한 표이다. 수집된 차량데이터는 GPS Time, 위도, 경도, 연료소모량 등 52가지의 컬럼으로 이루어져 있으며, 실시간으로 수집되는 차량 데이터는 처리 프로세스 단계를 거쳐 다양한 데이터 중에서 의미 있는 데이터, 필요한 데이터만을 처리하여 시각화 단계를 진행할 것이다.
본 연구는 한국전자통신연구원에서 2007년부터 연구, 개발한 연구로서 차량과 가장 연관성이 있는 물류, 보험, 택시 등의 산업과 본 연구를 연동시켰을 때 가장 시너지가 높다고 판단하여 차량으로부터 오는 정보를 효율적으로 관리해 줌으로써 차량의 상태를 용이하게 점검하고, 운전자의 운전 패턴에 따라 안전운전, 경제운전, 환경운전을 유도하는 기술에 대한 업계의 요구들을 충족시키기 위한 연구이다. 위 연구와 동일하게 OBD-II 포트를 사용하여 차량과 직접 연결한 후 차량으로부터 차량 속도, 연료 소모량, 배출가스, 급가속, 급감속등의 차량상태 관련 정보를 실시간으로 수집한 뒤 수집된 정보는 VDMS 운행정보단말에 전송되고 수집된 정보를 이용하여 안전 지수, 경제지수, 친환경 지수 등의 운전자 성향 관련 정보, 연비, CO2 배출량을 계산하여 운전자에게 시각적으로 표시해준다. 본 연구를 참조하여 본 졸업 작품에서도 속력과 연비 등의 데이터를 미리 구축해둔 서버에 전송하고 그 데이터들을 기반으로 실시간 그래프를 생성시켜 시각적으로 보여주는 기능을 삽입하게 되었다^[8-10].
먼저 Flume은 Source, Channel, Sink의 단계로 구성된다. 이 구성에서 Source는 외부에서 이벤트를 입력받는 부분으로 각각의 라즈베리파이에서 생성되는 데이터는 데이터가 발생할 때마다 데이터가 정해진 문서에 추가되기 때문에 차량의 데이터가 저장되는 경로인 /home/risingsunz/Downloads/data.txt를 리눅스의 tail 명령어를 통하여 수집하고 한번에 Source에 전달할 이벤트의 크기를 10으로 설정하였다. Channel은 이벤트를 임시로 저장하여 Sink로 전달하는 역할을 하며 채널은 빠르고 고성능인 메모리로 설정하였다.
표 8 에서는 HiveQL을 이용하여 HDFS의 /result1 디렉토리에 저장된 데이터를 ‘,’ 단위로 분할하여 불러온다. 이후 create table명령어를 사용하여 표 9에서 Pig를 이용하여 추출한 컬럼을 알맞은 자료형에 맞춰 테이블을 생성한다. 이후 추출한 컬럼중에서 연비를 계산하기 위해 거리와 연료소모량을 연비계산법을 이용하여 연산하고 result2에 저장하여준다.
본 논문에서는 실제 차량에서 발생하는 데이터를 수집하였고, 라즈베리파이를 이용하여 차량이 주행하는 것과 같은 상황을 만들어 데이터를 발생시켰다. 이후 발생된 데이터를 실시간으로 수집, 저장, 처리, 시각화를 하는 과정을 제시하였다. 이러한 제안 사항을 통하여 신형 차량에 서는 계기판을 통하여 주행 연비, 연료잔량 등이 시각적으로 잘 표시가 되지만 연식이 오래된 차량의 경우에는 아날로그적 계기판으로 실질적으로 주행 연비가 얼마나 나오는지 연료의 잔량의 수치가 얼마인지 알기가 힘들다는 점을 해결할 수 있고, 나와 같은 차량을 운전하는 사람들을 비교하고 더 나아가 이상 탐지를 하여 빅데이터를 이용한 서비스를 제공할 수 있다.
표 7은 Pig 스크립트로, 수집된 데이터를 처리하는 단계이다. 차량데이터 52개의 컬럼에서 처리하여 시각화에 사용될 1번, 4번, 35번 53번 컬럼을 추출하는 작업을 진행한다.
차량의 데이터를 발생시킬 수 있는 각각의 라즈베리파이에 Flume을 설치한 후 Flume을 수행할 때 참조하는 파일인 conf 파일을 조건에 맞도록 설정하여준다.

대상 데이터

Web은 Eclipse에서 Tomcat을 이용하여 JSP서버를 생성하고 HTML코드와 CSS를 이용하여 홈페이지 UI들을 구성하였다. 그래프의 실시간 처리를 진행하기 위하여 비동기적으로 서버와 클라이언트가 통신할 수 있는 Ajax를 사용하였다. 각 라즈베리파이를 기준으로 연비, 주행 속도, 연료 잔량 3가지 그래프를 각 한 페이지에 구성하였으며 데이터가 갱신되는 순간에 그래프가 refresh되도록 설정하였다.
Channel은 이벤트를 임시로 저장하여 Sink로 전달하는 역할을 하며 채널은 빠르고 고성능인 메모리로 설정하였다. 데이터의 전송과정에서 여러 파일이 생기는 것을 막기 위하여 이벤트 크기는 100000개로 지정하고 트랜잭션의 크기는 10000개로 설정하였다. 마지막으로 Sinks는 이벤트를 외부로 출력하는 부분으로 NameNode로 전송되는 부분이기 전송받는 NameNode의 IP주소인 192.
데이터의 전송과정에서 여러 파일이 생기는 것을 막기 위하여 이벤트 크기는 100000개로 지정하고 트랜잭션의 크기는 10000개로 설정하였다. 마지막으로 Sinks는 이벤트를 외부로 출력하는 부분으로 NameNode로 전송되는 부분이기 전송받는 NameNode의 IP주소인 192.168.109.101과 임의의 Port 주소 33333을 한 번에 받을 수 있는 이벤트의 수를 1000개로 정의하였다.
지금까지 수행하였던 단계를 각 라즈베리파이마다 구성을 해 주면 라즈베리파이 한 대가 차량 한 대 와 같은 역할을 수행할 수 있다. 본 논문에서는 라즈베리파이를 두 대로 구성하여 차량 두 대를 가지고 연구를 진행하였다. 처리 및 정제가 완료된 차량 데이터는 Web과 Mobile Application 환경에서 실시간으로 시각화하여 나타낸다.
어플리케이션은 Android Studio를 사용하여 제작하였다. Step 1에서 구현된 웹 홈페이지를 웹 뷰 형식으로 제작하였고 웹 홈페이지를 제작하는 단계에서 그래프의 크기를 사용자가 사용하는 기기의 화면 크기에 맞게 자동으로 변화하도록 설정하여 그래프의 크기는 스마트폰 화면에 맞춰져 있어 따로 설정하지 않았다.
차량의 데이터는 OBD2 센서를 이용하여 csv 형식의 데이터로 사전에 수집을 하였고, 수집된 차량 데이터는 라즈베리파이를 이용하여 실제 자동차가 주행할 때 데이터를 발생하는 것처럼 데이터를 발생시켜준다.

성능/효과

제안하는 방법은 총 5단계로 1) OBD2 센서를 이용하여 차량의 데이터를 수집하고 라즈베리파이를 이용하여 차량이 주행하는 것과 같이 데이터 발생, 2) 발생되는 차량 데이터 수집, 3) 여러 개의 노드를 이용한 데이터 분산 저장, 4) 저장된 차량 데이터 처리, 정제, 5) 처리, 정제 결과 시각화를 수행한다. 제안 사항들을 통해 실시간적으로 차량의 정보를 확인할 수 있으며, 동시에 다른 차량과 비교하여 상관관계를 분석할 수 있는 그래프를 제공하여 빅데이터 수행 5단계의 방법의 유효성을 입증시킨다. 본 논문은 다음과 같이 구성된다.
이러한 제안 사항을 통하여 신형 차량에 서는 계기판을 통하여 주행 연비, 연료잔량 등이 시각적으로 잘 표시가 되지만 연식이 오래된 차량의 경우에는 아날로그적 계기판으로 실질적으로 주행 연비가 얼마나 나오는지 연료의 잔량의 수치가 얼마인지 알기가 힘들다는 점을 해결할 수 있고, 나와 같은 차량을 운전하는 사람들을 비교하고 더 나아가 이상 탐지를 하여 빅데이터를 이용한 서비스를 제공할 수 있다. 하지만 본 논문에서 개선해야할 점은 차량의 정보를 나타내는 그래프의 개수가 3개인 것과, 차량의 대수가 2대인 것으로 차량의 대수와 시각화 하고자하는 데이터가 증가할수록 데이터를 수집하고 처리하는 과정에서 컴퓨터의 과부하가 발생하였다. 이러한 방법은 빅데이터를 전문적으로 처리할 수 있는 고 사양컴퓨터를 사용한다면 2-3개의 항목이 아닌 더많은 항목과 더 많은 차량을 비교할 수 있다.

후속연구

이후 발생된 데이터를 실시간으로 수집, 저장, 처리, 시각화를 하는 과정을 제시하였다. 이러한 제안 사항을 통하여 신형 차량에 서는 계기판을 통하여 주행 연비, 연료잔량 등이 시각적으로 잘 표시가 되지만 연식이 오래된 차량의 경우에는 아날로그적 계기판으로 실질적으로 주행 연비가 얼마나 나오는지 연료의 잔량의 수치가 얼마인지 알기가 힘들다는 점을 해결할 수 있고, 나와 같은 차량을 운전하는 사람들을 비교하고 더 나아가 이상 탐지를 하여 빅데이터를 이용한 서비스를 제공할 수 있다. 하지만 본 논문에서 개선해야할 점은 차량의 정보를 나타내는 그래프의 개수가 3개인 것과, 차량의 대수가 2대인 것으로 차량의 대수와 시각화 하고자하는 데이터가 증가할수록 데이터를 수집하고 처리하는 과정에서 컴퓨터의 과부하가 발생하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	HDFS는 무엇인가?	HDFS는 Hadoop Distributed File System의 약자로 여러 기계에 대용량 데이터를 나누어서 분산, 저장, 관리할 수 있는 시스템이다. 대용량 데이터는 기본적으로 설정되어있는 64MB 크기의 블록으로 나누어 저장된다.
	빅데이터의 특징 5V는 무엇인가?	빅데이터는 데이터 수집–저장-처리-분석-시각화 전반에 걸쳐 광범위한 기술을 모두 포함하는 개념이며, 최근 5V의 특징으로 불린다. 첫 번째, 양(Volume)으로 기존 시스템 안에서 다루지 못할 만큼 많은 양의 데이터를 말한다. 두 번째, 속도 (Velocity)로 데이터가 만들어지는 속도와 처리되는 속도가 빨라야 한다. 세 번째,다양성(Variety)로 다양한 형태의 데이터가 모여 빅데이터가 형성된다. 네 번째, 정확 성(Veracity)으로 모호한 데이터 속에서 신뢰할 수 있는 데이터를 발견해야한다. 다섯 번째, 가치(Value)로 빅데 이터에 존재하는 많은 데이터 속에서 유의미한 가치를 얻을 수 있는 데이터를 분별하는 것을 말한다. 빅데이터의 특징은 빅데이터의 분야가 더 발전하면서 추가적인 특징이 더해질 수 있기 때문에 온전히 정립된 특징이라고 보지 않는다[1].
	빅데이터의 특징이 온전히 정립되어 있지 않다고 보는 이유는 무엇인가?	다섯 번째, 가치(Value)로 빅데 이터에 존재하는 많은 데이터 속에서 유의미한 가치를 얻을 수 있는 데이터를 분별하는 것을 말한다. 빅데이터의 특징은 빅데이터의 분야가 더 발전하면서 추가적인 특징이 더해질 수 있기 때문에 온전히 정립된 특징이라고 보지 않는다[1].

참고문헌 (10)

Hong-Kyu Park, Num-Hun Park, "Efficient Dynamic Bloom Filter Method in Big Data Environment," Journal of KIIT, Vol. 17, No. 2, pp. 13-20, Feb, 2019.
Dong-Jin Shin, Jong-Min Eun, Ho-Geun Lee, Myoung Gyun Lee, Jeong-Min Park, Jeong-Joon Kim, "Big Data-based Log Collection and Analysis in IoT Environments," Journal of Engineering and Applied Sciences, Vol. 13, No. 5, pp. 1064-1072, May 2018.
Dong-Jin Shin, Ho-Geun Lee, Jong-Min Eun, Jeong-Joon Kim, Jeong-Min Park, "Bigdata-based Anomaly Detection Technology in Web Services Environment," Journal of Asia-pacific Multimedia Services Convergent with Art, Humanities, and Sociology, Vol. 8, No. 4, pp. 231-250, Apr, 2018.
Dong-Jin Shin, Ji-Hun Park, Ju-Ho Kim, Kwang-Jin Kwak, Jeong-Min Park, Jeong-Joon Kim, "Big Data-based Sensor Data Processing and Analysis for IoT Environment," The Journal of the Institute of Internet, Broadcasting and Communication(JIIBC), Vol. 19, No. 4, pp. 117-126, Feb, 2019.
Mi-Jin Kim, "A Development of EURO 6 Smart Cluster System Using OBD-II Standard Interfaces and Smart Cluster Interface" Transactions of KSAE, Vol. 26, No. 1, pp. 85-96, 2018.

상세보기
Seong-Hee Lee, Seong-Hyung Lee, Sang-Moon Lee, Seung-Hoon Hwang, "IoT Equipment Implementation for OBD Car Diagnostic Information," The Journal of Korean Institute of Communications and Information Sciences, Vol. 41, No. 12, pp. 1851-1857, 2016.

원문보기 상세보기
Da-Woon Jeong, Jae-hyun Nam, Jong-wook Jang, "A Implementation of motorcar consumption diagnostic management iPhone based software with OBD-II and WiFi network," Journal of the Korea Institute of Information and Communication Engineering, Vol. 15, No. 11, pp. 2347-2352, Nov, 2011.

원문보기 상세보기
Min-Young Kim, "Design and Implement a Smart Automobile Self-Diagnosis System based on The Driving information," Journal of the Korea Institute of Information and Communication Engineering, Vol. 17, No. 9 pp. 2153-2159, Sep, 2013.

원문보기 상세보기
Won-Gok Lee, Ji-Hun Back, June Ahn, Jin-Ku Choi, 2011, "Design and Implementation of Vehicle Real-Time Tracking/Management System," The Journal of Korean Institute of Information Technology, Vol. 9, No. 8, pp. 41-51.
In-taek Jung, Kyu-soo Chong, "Development of Information Technology Infrastructures through Construction of Big Data Platform for Road Driving Environment Analysis," Journal of the Korea Academia-Industrial cooperation Sociey(JKAIS), Vol. 19, No. 3, pp. 669-678, 2018.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증