초록

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

유비쿼터스 환경에서 사용자의 편의성을 증대하기 위해 상황인지 기술이 필요하며 댁내의 다양한 기기의 정보를 수집하여 현재 상태를 파악하고 그에 맞는 서비스를 제공해야 한다. 하지만 다양한 종류의 디바이스, 센서, 서비스에 따라 생성하는 데이터의 형태와 의미가 다르기 때문에 이를 활용하는데 어려움이 있다. 본 논문은 다양한 기기와 환경에서 발생하는 데이터를 처리하여 사용자의 패턴을 수집하고 활용할 수 있는 연구 모델을 제안하고 구현한다. 구성요소는 실제 환경과 유사하게 Context를 생성할 수 있는 Emulator와 수집된 Context를 활용하여 패턴을 찾는 패턴 수집 서버와 수집된 데이터를 표현하는 시각화 도구로 구성된다. Emulator는 댁내에 존재할 수 있는 다양한 종류의 Context를 정의하고 서로간의 관계에 따라 Context를 생성하고 패턴 수집 서버는 Emulator에서 생성한 불완전한 Context를 통합하여 완전한 Context를 생성한다. 그리고 생성된 Context를 통해서 사용자의 서비스 이용패턴, Fault, Conflict를 발견했다.

유비쿼터스 환경에서 사용자의 편의성을 증대하기 위해 상황인지 기술이 필요하며 댁내의 다양한 기기의 정보를 수집하여 현재 상태를 파악하고 그에 맞는 서비스를 제공해야 한다. 하지만 다양한 종류의 디바이스, 센서, 서비스에 따라 생성하는 데이터의 형태와 의미가 다르기 때문에 이를 활용하는데 어려움이 있다. 본 논문은 다양한 기기와 환경에서 발생하는 데이터를 처리하여 사용자의 패턴을 수집하고 활용할 수 있는 연구 모델을 제안하고 구현한다. 구성요소는 실제 환경과 유사하게 Context를 생성할 수 있는 Emulator와 수집된 Context를 활용하여 패턴을 찾는 패턴 수집 서버와 수집된 데이터를 표현하는 시각화 도구로 구성된다. Emulator는 댁내에 존재할 수 있는 다양한 종류의 Context를 정의하고 서로간의 관계에 따라 Context를 생성하고 패턴 수집 서버는 Emulator에서 생성한 불완전한 Context를 통합하여 완전한 Context를 생성한다. 그리고 생성된 Context를 통해서 사용자의 서비스 이용패턴, Fault, Conflict를 발견했다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 댁내에 존재할 수 있는 다양한 종류의 Contexts 정하고 이들 간의 관계에 따라 Context를 발생하는 Em 니 ato「를 구현하였다. 二I리고 타rujlato「에서 발생한 불완전한 Context를 통합하여 완전한 Context를 생성한다.
• 홈네트워크 환경에서 다양한 정보들이 존재하고 기술이 발달함에 따라 여러 상황을 표현할 수 있는 Context는 증가된다. 본 논문에서는 홈네트워크환경에서 상황을 묘사하는 데이터를 Context라고 정의 하고 이를 통해 댁내 환경을 파악한다. Context는 댁내의 상황정보, 센서정보 등을 표시할 수 있는 방식을 필요로 하며, 이를 통해 댁내 상황을 파악에 필요한 정보를 제공한다.
• 초기의 연구[1]에서는 상호작용이 많은 애플리케이션에서 Context 정보를 다루기 위한 Context 결합에 대한 연구를 진행하였다. 연구의 목적은 다양한 Context 를 수집을 하고 이를 애플리케이션에서 활용할 수 있는 데이터로 변형하는 것이었다. 이를 위해 다양한 종류의 센서에서 발생하는 Contexts 처리하는 Context 툴킷을 제안했다.
• 이들 연구에서는 홈네트워크에서 Context를 활용하기 위한 구조에 관련한 연구가 진행되었다. 하지만 댁내에서 발생하는 다양한 종류의 데이터를 고려하지 않았거나, 사용자의 패턴이나 고장을 고려하지 않았다.

제안 방법

• 행동패턴은 주 단위 행동패턴과 일 단위 행동 패턴으로 분류하여 관리한다. DB에 저장되어 있는 4W1H의 Context를 가지고 행동의 가중치를 구함으로서 패턴을 분석한다. 기본적으로 순차패턴 알고리즘을 사용한다.
• 일정한 시간대에 하는 행동이나 특정한 작업을 연속해서 수행하거나 반복한다. 과거에 사용자가 행하였던 행동을 학습하여 저장하고 이를 바탕으로 새롭게 발생한 사용자의 행위가 특정 패턴에 속하는 동작인지를 판단한다. 본 논문에서는 과거에 사용자의 행동을 바탕으로 특정시간에 자주 행동하는 시간패턴과 홈네트워크 상에서 연속된 행위의 반복으로 인한 사용자 행동 패턴으로 분류한다.
• 二I리고 타rujlato「에서 발생한 불완전한 Context를 통합하여 완전한 Context를 생성한다. 또한 생성된 Context를 통해서 사용자의 서비스 이용패턴, Fault, Conflict를 찾는 서버를 구현했다. 이를 통해 댁내에서 발생하는 상황을 파악하고 Fa 니 It 와 Conflict 를 검출하여 고장을 발견했다.
• 과거에 사용자가 행하였던 행동을 학습하여 저장하고 이를 바탕으로 새롭게 발생한 사용자의 행위가 특정 패턴에 속하는 동작인지를 판단한다. 본 논문에서는 과거에 사용자의 행동을 바탕으로 특정시간에 자주 행동하는 시간패턴과 홈네트워크 상에서 연속된 행위의 반복으로 인한 사용자 행동 패턴으로 분류한다.
• 하지만 댁내에서 발생하는 다양한 종류의 데이터를 고려하지 않았거나, 사용자의 패턴이나 고장을 고려하지 않았다. 본 논문에서는 다양한컨텍스트를 고려하고 댁내에서 발생하는 Context 를 통해 사용자의 패턴, Fa니It를 찾을 수 있도록 한다.
• 하는 예외적 상황을 뜻한다. 본 논문은 장애를 Fault와 Conflict로 분류하여 관리한다.
• 이후 연구[2]에서는 다양한 Context를 조합하고 처리하는 구조를 제시하였다. 실제 기기에서 발생할 수 있는 데이터를 정리하며 이를 조합하여 활용할 수 있는 방안을 연구했고 Context의 결합과 관련된 기법과 관련 구조를 제시하였지만 사용자의 서비스 이용 패턴이나 댁내에서 발생할 수 있는 고장을 고려하지는 않았다.
• 이를 위해 다양한 종류의 센서에서 발생하는 Contexts 처리하는 Context 툴킷을 제안했다. 이 연구에서는 거주 환경에서 인식해야 할 환경 정보의 결합에 대한 구조를 제시하였지만 주로 센서에서 발생하는 컨텍스트만을고려하였으며 다양한 홈네트워크의 기기들을 고려하지 않았다. 이후 연구[2]에서는 다양한 Context를 조합하고 처리하는 구조를 제시하였다.
• 이러한 서비스를 제공하고 연구하기 위하여 댁내에서 발생하는 Context® 수집, 조합하고 패턴을 찾는 모델을 제시한다.
• 연구의 목적은 다양한 Context 를 수집을 하고 이를 애플리케이션에서 활용할 수 있는 데이터로 변형하는 것이었다. 이를 위해 다양한 종류의 센서에서 발생하는 Contexts 처리하는 Context 툴킷을 제안했다. 이 연구에서는 거주 환경에서 인식해야 할 환경 정보의 결합에 대한 구조를 제시하였지만 주로 센서에서 발생하는 컨텍스트만을고려하였으며 다양한 홈네트워크의 기기들을 고려하지 않았다.
• 또한 생성된 Context를 통해서 사용자의 서비스 이용패턴, Fault, Conflict를 찾는 서버를 구현했다. 이를 통해 댁내에서 발생하는 상황을 파악하고 Fa 니 It 와 Conflict 를 검출하여 고장을 발견했다. 또한 사용자의 서비스 이용패턴을 통해 고장 원인을 찾을 때 분석할 수 있는 데이터를 생성했다.
• 일련의 동작을 배치파일로 작성을 하여 Em니ato「에 입력하면 이를 해석하여 Context를 생성한다. 배치 파일은 한 개 이상의 배치 (사이템으로 이루어지며, 각 (사이템은 해당 액션의 행동간격, 행동주체, 행동, 대상장비 등의 4가지 요소로 구성된다.

대상 데이터

• Emulator의 개발환경은 Window 2003이며 컴파일러는 Visual studio 2003 개발언어는 C++이며 테스트에 설정된 기기는 TV, 에어컨, 냉장고, 라우터 등의 디바이스와 위치, 온도, 습도 등의 센서와 다중의 사용자를 설정하였다. 서버와의 Context 교환은 각각의 디바이스, 센서, 사용자별로 소켓을 이용한다.
• 사용자 패턴 수집 모델은 크게 Em니ato「, 사용자 패턴 수집 서버, 二리고 시각화 도구로 구성된다. Em니lato「는 서비스 이용 패턴을 찾기 위해 댁내에서 실제로 발생 가능한 Context* 생성하는 툴이다.
• 패턴 수집 서버의 개발환경은 Linux 2, 6이며 컴파일러는 g++ 언어는 C++를 사용하였다. 수집 서버는 콘솔 창으로 Em니lato「에서 전송된 Context* 출력한다. Q 림 5)은 배치파일을 이其하여 Context를 생성하는 Emulato「의 모습이다.

이론/모형

• 따라서 본 논문에서는 Context 의 표현을 위해 육하원칙 (5W1H) 를이용하는데, 그 표현 방식은과 같다.

후속연구

• 신뢰도를 높이는 연구가 필요하다. 또한 패턴을 찾는 알고리즘의 성능 향상과 본 논문을 바탕으로 고장이 발생한 원인을 찾는 것이 아닌 고장의 발생을 예측하고 미리 처리할 수 있는 기법에 대한 연구가 요구된다.
• 향후에 부분적 4W1H 형식 요구사항 변경에 대해서는 인터페이스를 상속하여 구현함으로써 이를 통해 실제로 Em니lato「가 UPnP, Jini, Zigbee등의 디바이스의 Context 생성 가능하도록 한다. Communicate)「는 Context Integrator 모듈과 Emulato「가 생성한 Context XML 정보의 통신 및 교환을 담당한다.
• 향후에는 현실세계의 다양한 디바이스와 센서, 사용자 간의 영향을 주는 상관관계를 분석해서 Em 니 ato「가 생성하는 Context의 신뢰도를 높이는 연구가 필요하다. 또한 패턴을 찾는 알고리즘의 성능 향상과 본 논문을 바탕으로 고장이 발생한 원인을 찾는 것이 아닌 고장의 발생을 예측하고 미리 처리할 수 있는 기법에 대한 연구가 요구된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

연구과제 타임라인

차세대 홈네트워크 미들웨어 구조 및 보안 기술 연구 고신뢰성유비쿼터스홈적응형미들웨어개발

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

LOADING...

LOADING...