[논문]사용자 중심의 중간지점 탐색 시스템의 설계 및 구현

안종희; 강인혁; 서세영; 김태우; 허유성; 안용학

doi:10.33778/kcsa.2019.19.2.073

사용자 중심의 중간지점 탐색 시스템의 설계 및 구현
Development of User-dependent Mid-point Navigation System 원문보기

융합보안논문지 = Convergence security journal, v.19 no.2, 2019년, pp.73 - 81

안종희 (세종대학교 컴퓨터공학과) , 강인혁 (세종대학교 컴퓨터공학과) , 서세영 (세종대학교 컴퓨터공학과) , 김태우 (세종대학교 컴퓨터공학과) , 허유성 (세종대학교 컴퓨터공학과) , 안용학 (세종대학교 컴퓨터공학과)

초록
AI-Helper

본 논문은 시간 가중치 기반의 중간지점 탐색 알고리즘과 사용자 선호 기반 장소 추천 알고리즘을 이용한 사용자 중심의 중간지점 탐색 시스템을 제안한다. 제안된 시스템은 중간지점 탐색을 위하여 사용자간의 출발지점을 기준으로 각 사용자의 시간 가중치를 적용하여 중간 지점을 산출하는 중간지점 탐색 모듈과 각 사용자와 산출된 중간지점까지의 경로 탐색을 제공하기 위한 지점 탐색 제공 모듈로 구성된다. 또한, 중간지점 탐색 결과를 기반으로 사용자의 선호도 중심의 1장소 추천 기능을 포함하여 사용자의 이용률을 증대할 수 있도록 한다. 실험 결과, 제안된 시스템은 사용자 중심의 중간지점 및 장소 추천 기능을 통해 이용의 효율성을 증대시킬 수 있음을 확인하였다.

Abstract ▼ AI-Helper

In this paper, we propose a user-dependent mid-point navigation system using a time weighted mid-point navigation algorithm and a user preference based mid-point neighborhood recommendation system. The proposed system consists of a mid-point navigation module for calculating an mid-point by applying a time weight of each user based on a departure point between users, and a search module for providing a search for a route to the calculated mid-point. In addition, based on the mid-point search result, it is possible to increase the utilization rate of users by including a place recommending function based on user's preference. Experimental results show that the proposed system can increase the efficiency of using by the user-dependent mid-point navigation and place recommendation function.

주제어

AI 본문요약
AI-Helper

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

문제 정의

기존의 중간지점 탐색 시스템의 경우 앱 기반의 서비스를 제공하며, 거리 기반의 중간지점을 찾아주는 주요 기능을 제공하고 있다. 따라서 본 논문에서는 단순 거리 정보만이 아닌 시간 가중치 기반의 중간 지점 탐색 시스템을 제안한다.
따라서 본 논문에서는 이러한 문제점을 해결하기 위해 이동거리, 소요시간, 이용교통 등의 시간 정보를 반영하여 각 사용자에게 공평한 중간 지점을 찾아주는 시스템을 제안한다.
여러 오픈 API들을 매쉬업(mashup)하여 보다 다양한 서비스를 제공할 수 있도록 한다. 또한 구조의 모듈화를 통해 여러 이점을 얻고자 하였다. 모듈화는 커다란 코드 부분에 대한 간략화된 인터페이스를 제공한다.
본 논문에서는 중간지점을 찾은 후 각 사용자에게 중요한 정보는 사용자의 출발지로부터 목적지인 중간지점까지의 다양한 경로 정보임을감안하여, 이에 대한 정보를 제공함으로써 사용자 편의 중심의 서비스를 제공한다.
그 후, 노드의 개수와 상수로 나누어 다음 중간지점이 위치할 곳에 대한 정보를 가진 벡터를 생성하고, 현재 위치한 중간지점에 더하여 중간지점을 이동한다. 이동한 중간지점이 최적의 중간지점인지 판단 후 해당 지점이 경계 내부에 존재하는지 확인 한다. 전체 동작 과정은 (그림 3)과 같다.
이는 각 사용자들의 이동경로 및 시간 정보에 대한 데이터가 반영되지 않음으로 적정한 중간지점을 찾아주기에는 어려움이 있다. 이를 해결하기 위해 본 논문은 이동거리, 소요시간,이용교통 등의 시간 정보를 반영하여 각 사용자에게 공평한 중간 지점을 탐색하는 시스템을 제안하였다.

제안 방법

(그림 5)와 같이 카테고리 선택 정보와 중간지점을 요청받으면, Google place API 파싱을 통해 분류해놓은 500m 이내 장소들 중 사용자의 요청에 해당하는 장소들만 분류하여 클라이언트 요청에 응답한다.
다음으로 은 대중교통 경로 정보의 적정성을 확인하기 위해서 사용자 5명의 좌표와 중간지점 사이 경로 정보를 구글 길 찾기를 이용해 비교한 결과이다.
컨트롤러가 모바일 클라이언트에서 분리됨으로써 복잡한 연산 시에 클라이언트의 낮은 연산 능력 때문에 발생하는 문제점을 극복할 수 있으며, 모바일 디바이스의 분실 및 파손으로 인한 데이터 손실을 막을 수 있다. 또한 퍼사드(Facade) 패턴[8]을 적용함으로서 각 구성요소 간에 독립적인 운영 및 설계를 할 수 있고 더불어 분산 시스템 환경에서 확장 및 재구성이 용이하도록 하였다.[9]
탐색과정은 노드들의 좌표 평균인 곳에서 시작한다. 먼저, 현재 위치한 중간지점이 모든 노드에게 최적 통행비용을 가지는지 확인하여, 최적 통행비용을 가지지 않는 경우 중간지점이 다음 위치할 곳을 구한다, 중간지점을 시점으로 보고 한 노드를 종점으로 보았을 때 생기는 벡터를 단위 벡터로 만들고, 시간 가중치와 곱한 값을 모두 더한다. 그 후, 노드의 개수와 상수로 나누어 다음 중간지점이 위치할 곳에 대한 정보를 가진 벡터를 생성하고, 현재 위치한 중간지점에 더하여 중간지점을 이동한다.
본 논문이 제안하는 시스템은 최적의 중간지점을 찾아주는 기능 뿐 아니라 기존 서비스와 달리 랜드마크 기능, 경로정보 제공 기능, 장소추천 기능을 제공하여 약속장소를 찾는 사용자의 편의성을 더하였다. 해당 기능들은 적정성 평가를 통해 높은 적정성과 정확성으로 제공함을 확인하였다.
다음 <시험데이터 2>은 장소 추천 기능의 정확성을 평가한 결과이다. 사용자가 선택한 카테고리와 그 결과의 카테고리가 일치하는 확률을 계산하였다.
제안된 시스템에서 지도상의 한 점을 터치하는 방식과 GPS를 통해 자신의 출발지를 지정하는 방식, Google Place API를 통한 주소검색 총3가지 방법으로 사용자들의 좌표를 추가할 수 있다. 이후 중간 지점 탐색 시 서버에 Retrofit[4]을 통해 요청한다.
제안된 시스템은 기존의 좌표를 기반으로 하는 거리 기반의 중간지점 탐색의 문제점을 해결하기 위해 거리 및 시간 정보를 활용하여 중간지점을 탐색하고, 사용자의 편의성 증대를 위해 출발지로부터 중간지점까지의 경로 정보 및 랜드마크 정보, 그리고 장소 추천 기능을 제공한다.
제안된 시스템은 크게 중간지점 탐색, 랜드마크 검색, 장소 추천 등의 기능을 수행하는 서버와 사용자와의 인터페이스, 지도 정보 출력, 추천 장소 뷰를 위한 클라이언트로 구성된다.
제안된 시스템의 중간지점 탐색 기능은 각 시작 노드부터 중간지점 노드까지의 실제 이동에 소요되는 시간을 고려함으로써 최적의 중간지점을 탐색할 수 있는 방법을 제안한다. 먼저 효율적인 최적 중간지점 탐색을 위한 경계 범위를 그라함 스캔(Graham’s Scan) 알고리즘[5]을 사용하여 설정하고, 각 노드의 위치에서 중간지점까지 통행비용을 사용한 시간 가중치와 두 노드에 대한 단위 벡터 값을 사용하여 수행된다.
중간지점을 찾은 결과 값이 외진 장소가 선정될 상황을 감안하여 제안된 시스템은 중간지점 위치 기반 랜드마크 지점을 제공한다. 랜드마크는 개발자가 정의한 각 지역구(서울 외의 경우에는 시 단위)의 번화가 정보들을 기반으로 하여 자동으로 제공 가능하지만, 시스템 이용자의 선택이 가능하도록 하였다.

이론/모형

먼저 효율적인 최적 중간지점 탐색을 위한 경계 범위를 그라함 스캔(Graham’s Scan) 알고리즘[5]을 사용하여 설정하고, 각 노드의 위치에서 중간지점까지 통행비용을 사용한 시간 가중치와 두 노드에 대한 단위 벡터 값을 사용하여 수행된다.
시스템은 전체적으로 Balanced MVC 패턴[7]을 적용하였다. 컨트롤러가 모바일 클라이언트에서 분리됨으로써 복잡한 연산 시에 클라이언트의 낮은 연산 능력 때문에 발생하는 문제점을 극복할 수 있으며, 모바일 디바이스의 분실 및 파손으로 인한 데이터 손실을 막을 수 있다.

성능/효과

모듈화는 커다란 코드 부분에 대한 간략화된 인터페이스를 제공한다. 가장 큰 이점은 공통적인 작업에 대해 간편한 메소드들을 제공함으로서 시스템을 효율적으로 관리한다는 점이며, 모듈화를 함으로서 각 사용자의 입력에 대해 기능의 병렬 수행이 가능하고 이는 전체적인 데이터 흐름의 속도를 향상시키는 결과를 가져왔다.
결과적으로 본 논문의 시스템이 제공하는 주요 기능들은 높은 적정성으로 데이터를 제공하는 모습을 보여 사용자의 편의를 더한다.
구글 길 찾기 정보와 제안된 시스템이 제공하는 경로 정보를 비교해 보았을 때 위와 같이 유사한 결과를 보인다. 따라서 제안된 시스템이 제공하는 경로 정보는 유효한 정보이며, 중간지점까지의 경로정보를 원하는 사용자들에게 적합한 정보를 제공함을 알 수 있다.
이는 중간지점 위치만 정해주던 기존의 앱에서 나아가 사용자에게 더 구체적인 장소를 지정해 줌으로서 편의성을 더한다. 또한 장소들을 중간지점과 가까운 순서 혹은 평점이 높은 순서로 상위에 노출함으로써 장소 추천 기능의 효율성을 높였다.
실험에는 사용자의 4개의 카테고리 선택에 따른 결과로 56개의 장소가 사용되었으며, 그 중 51개의 장소가 일치하는 값을 반환함으로서 장소추천에 성공한 비율이 약 91%임을 알 수 있다.
본 논문이 제안하는 시스템은 최적의 중간지점을 찾아주는 기능 뿐 아니라 기존 서비스와 달리 랜드마크 기능, 경로정보 제공 기능, 장소추천 기능을 제공하여 약속장소를 찾는 사용자의 편의성을 더하였다. 해당 기능들은 적정성 평가를 통해 높은 적정성과 정확성으로 제공함을 확인하였다.

후속연구

추후 딥러닝 기반 이미지 자동 분류 및 랭킹시스템을 이용한 사용자 편의 중심의 유실물 등록 및 조회 관리 시스템[10]을 참고하여 현재의 장소 추천기능을 딥러닝을 통해 사용자 선호에 기반한 자동 장소 추천 기능으로 발전시켜 제공할 것이다. 또한 중간지점을 찾는 사용자들의 그룹화와 채널 분할, 채팅, 실시간 사용자 위치 제공기능과 같은 부가적인 기능들을 구현하게 된다면 사용자의 편의 재고를 가져올 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기존의 중간지점 탐색 시스템의 경우 어떤 서비스와 기능을 제공하고 있는가?	기존의 중간지점 탐색 시스템의 경우 앱 기반의 서비스를 제공하며, 거리 기반의 중간지점을 찾아주는 주요 기능을 제공하고 있다. 따라서 본 논문에서는 단순 거리 정보만이 아닌 시간 가중치 기반의 중간 지점 탐색 시스템을 제안한다.
	사용자들의 좌표 값을 사용자들의 수로 나누고 평균을 구하는 거리 평균을 이용한 방법의 어려운 점 은 무엇인가?	하지만 거리 평균을 이용한 방법의 경우 단순히 위도와 경도의 좌표만을 이용함으로써 각 사용자들의 이동경로 및 시간 정보에 대한 데이터가 반영되지 않음으로 단순 거리의 평균값만을 산출하게 되어 적정한 중간지점을 찾아주기에는 어려움이 있다. 원의 내 외심을 사용하는 방법은 기본 도형으로 삼각형을 사용함으로 각 사용자를 의미하는 노드의 수가 3개일 경우에만 최적의 지점을 찾을 수 가 있다.
	중간 지점을 찾기 위한 연구는 무엇이 있는가?	최근 중간 지점을 찾기 위한 연구로는 사용자들의 좌표 값을 사용자들의 수로 나누고 평균을 구하는 거리 평균을 이용한 방법[2]과 사용자들의 좌표를 2차원상의 점으로 인식하여 각 점들을 이용해 삼각형을 구하고, 삼각형의 모양에 따라 원의 무게중심을 사용하여 사용자와의 거리 평균을 구하는 방법[3] 등이 있다

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

사용자 중심의 중간지점 탐색 시스템의 설계 및 구현
Development of User-dependent Mid-point Navigation System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

사용자 중심의 중간지점 탐색 시스템의 설계 및 구현 Development of User-dependent Mid-point Navigation System 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

사용자 중심의 중간지점 탐색 시스템의 설계 및 구현
Development of User-dependent Mid-point Navigation System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper