[논문]IoT-Home 환경에서 가전제품 사용 로그 기반 데이터 시각화 기법

백승태; 명노영; 정진용; 문성훈; 유헌창

문제 정의

이는 기계학습기법에 비해 불완전하고 결핍된 데이터로도 데이터 분석이 가능하다는 장점을 갖는다. 따라서 본 논문에서는 IoT 홈 서비스에서 구조화 된 데이터 수집이 어렵다는 점을 고려하여 IoT 홈 디바이스에서 수집된 이진형 데이터에 Directed Acyclic Graph(DAG)를 활용한 데이터 시각화 기법을 제안한다.
IoT 홈 서비스의 경우 개인정보 및 사생활 문제로 인해 데이터 분석을 위한 정형화 된 데이터 수집이 어렵고, 또한 불완전한 데이터에 대한 기계학습 기법을 통한 데이터 분석도 어렵다. 이를 해결하기 위해 본 논문에서는 실제 수집된 데이터에 DAG를 기반으로 서비스 지속성, 서비스 사용시간대, 서비스간 연관성을 시각적으로 표현하는 IoT 홈 데이터 시각화 기법을 제안했다. 또한 데이터 분석 툴인 R을 통해 실제 해당 기법을 구현해서 구현시 발생하는 패키지의 문제점, 작업 처리시간, 자원 활용률을 관측하고, 작업 처리시간 최적화를 위한 방법과 자원 활용률을 높이기 위한 방법을 제시했다.

가설 설정

DAG에서 노드를 연결하는 엣지는 연속적으로 사용되는 IoT 홈 서비스의 상관관계를 표현한다. 본 논문에서는 한 가구에서 다수의 거주자가 다수의 IoT 홈 서비스를 임의로 사용하는 환경을 가정하기 때문에 연속적으로 발생하는 서비스는 모두다 상관관계를 갖는다. 그러나 이는 상관관계를 어떻게 정의하는지 여부에 따라 다르게 표현가능하다.

제안 방법

IoT 홈 데이터 시각화 기법의 성능평가는 의 실험환경에서 진행했고, 해당 기법의 성능평가를 위해 데이터크기의 증가에 따른 작업처리시간과 CPU사용량을 측정한다.
또한 각각의 기계학습기법에 요구되는 조건들에 맞춰서 데이터를 수집하고 가공하는 것이 현실적으로 어려운 부분도 현재 IoT 데이터 분석에 기계학습기법을 사용하는데 걸림돌이 된다. 데이터 시각화 기반의 분석은 데이터에 대한 통계치, 시각화된 데이터에 선험적 지식을 사용해서 분석목적에 부합하는 결과를 도출한다. 이는 기계학습기법에 비해 불완전하고 결핍된 데이터로도 데이터 분석이 가능하다는 장점을 갖는다.
우선 센서 기술의 발달로 인해 데이터의 수집이 용이해지고 이에 따라 생성되는 데이터량이 급증했다[1]. 두 번째로 무선통신 기술의 발달로 인해 기기간 연결[2] 기기와 네트워크간 연결[3,4]이 원활해지면서 다수의 디바이스로부터 수집된 대량의 데이터를 전송할 수 있는 인프라가 구축됐다. 세 번째로 빅데이터 처리를 위한 분산 프레임워크 및 인메모리 컴퓨팅 기술[5,6]을 통한 실시간 데이터 처리와 같이 데이터 처리 기술의 발달로 인해 빅 데이터의 실시간 처리가 가능해졌다.
이를 해결하기 위해 본 논문에서는 실제 수집된 데이터에 DAG를 기반으로 서비스 지속성, 서비스 사용시간대, 서비스간 연관성을 시각적으로 표현하는 IoT 홈 데이터 시각화 기법을 제안했다. 또한 데이터 분석 툴인 R을 통해 실제 해당 기법을 구현해서 구현시 발생하는 패키지의 문제점, 작업 처리시간, 자원 활용률을 관측하고, 작업 처리시간 최적화를 위한 방법과 자원 활용률을 높이기 위한 방법을 제시했다. 추후 연구에서는 DAG를 시각화 할 때 확장성을 보장할 수 있도록 패키지의 수정과 분산시스템 환경에서 멀티코어를 활용한 시각화 기법의 적용을 통해 성능을 최적화할 예정이다.
다수의 IoT 홈 디바이스의 센서에서 수집되는 데이터들은 서비스 식별을 위해 고유한 ID값을 갖고 서비스의 사용유무를 판별하기 위해 이진화 된다. 또한 이진화된 데이터들에 대해 이후 시각화 기법의 적용의 효율성을 위해 시계열순서로 정렬하는 전처리 과정을 수행한다. IoT 홈 데이터 시각화 기법에서는 시각화된 데이터로부터 직관적인 데이터 분석을 위해 (그림 1)과 같이 디바이스 사용의 지속성, 디바이스 사용 시간대, 디바이스간 사용 연관성을 DAG형태로 표현한다.
R은 오픈소스 데이터 분석 툴로서 다양한 패키지들을 통해 데이터 분석에 요구되는 기능들을 지원하고, 데이터 크기 확장성을 고려한 병렬처리 패키지 및 분산처리 플랫폼용 패키지를 지원하기 때문에 빅데이터 분석용 툴로서 각광받고 있다. 본 논문에서는 R의 gRBase 및 해당 패키지와 종속성을 가진 패키지들을 통해 DAG를 구현했고, 이를 출력하기 위해 Rgraphviz 패키지를 사용했다. 시각화기법의 정상작동여부를 확인하기 위해 전류사용 측정 기반의 다수의 가전제품 사용내역[9]에 시각화기법을 적용했고, (그림 2)와 같이 원하는 시간대에서 원하는 레코드 크기만큼의 DAG를 생성함으로써 사용내역 레코드의 개수와 상관없이 정상적으로 기법이 적용되는 것을 확인할 수 있었다.
(그림 3)에서는 레코드 개수 증가에 따른 작업처리시간의 변화량과 선형적 증가 추세선을 나타낸다. 서비스의 개수는 13개, 레코드의 개수는 100000에서부터 700000까지 100000개 단위로 작업처리시간을 측정했다. IoT 홈 데이터 시각화 기법은 처리 성능 향상을 위해 초기에 전처리된 사용내역 데이터 전체를 디스크에서 읽어 와서 메모리에 적재하기 때문에 선형적 증가 추세선에서 나타나듯이 레코드 개수가 선형적으로 증가할 때 처리시간도 선형적으로 증가한다.

이론/모형

IoT 홈 데이터 시각화기법의 실제 구현 위해서 데이터 분석용 툴이자 대화형 프로프래밍을 지원하는 R[8]을 사용했다. R은 오픈소스 데이터 분석 툴로서 다양한 패키지들을 통해 데이터 분석에 요구되는 기능들을 지원하고, 데이터 크기 확장성을 고려한 병렬처리 패키지 및 분산처리 플랫폼용 패키지를 지원하기 때문에 빅데이터 분석용 툴로서 각광받고 있다.

성능/효과

시각화기법의 정상작동여부를 확인하기 위해 전류사용 측정 기반의 다수의 가전제품 사용내역[9]에 시각화기법을 적용했고, (그림 2)와 같이 원하는 시간대에서 원하는 레코드 크기만큼의 DAG를 생성함으로써 사용내역 레코드의 개수와 상관없이 정상적으로 기법이 적용되는 것을 확인할 수 있었다. 결과적으로 실제 구현된 시각화 기법은 서비스의 지속성, 서비스의 사용시간대, 서비스간 상관관계를 모두 표현하며 데이터의 크기와 상관없이 입력된 데이터를 시각화된 DAG로 표현할 수 있다. 그러나 패키지 정의상 생성된 DAG의 깊이가 깊어질 경우 하나의 시각 화된 DAG로 출력할 수 없는 문제가 발생하며 해당 문제 외에 추가적으로 고려해야할 사항들은 결론부분에서 다시 언급할 예정이다.
두 번째로 무선통신 기술의 발달로 인해 기기간 연결[2] 기기와 네트워크간 연결[3,4]이 원활해지면서 다수의 디바이스로부터 수집된 대량의 데이터를 전송할 수 있는 인프라가 구축됐다. 세 번째로 빅데이터 처리를 위한 분산 프레임워크 및 인메모리 컴퓨팅 기술[5,6]을 통한 실시간 데이터 처리와 같이 데이터 처리 기술의 발달로 인해 빅 데이터의 실시간 처리가 가능해졌다. 마지막으로 다양한 종류의 데이터를 수집할 수 있는 다수의 센서가 포함되고 처리성능 및 데이터 통신 속도가 향상된 IoT 서비스 디바이스들이 보급화 되면서 IoT 서비스시장이 급격하게 성장하고 있다,IoT 서비스의 스펙트럼은 방대하지만 시장 규모에 따른 주요 서비스군은 산업 관련 서비스, 스마트 시티 서비스, 헬스케어 서비스, 차량 서비스, 홈 서비스로 나눌 수 있다.
본 논문에서는 R의 gRBase 및 해당 패키지와 종속성을 가진 패키지들을 통해 DAG를 구현했고, 이를 출력하기 위해 Rgraphviz 패키지를 사용했다. 시각화기법의 정상작동여부를 확인하기 위해 전류사용 측정 기반의 다수의 가전제품 사용내역[9]에 시각화기법을 적용했고, (그림 2)와 같이 원하는 시간대에서 원하는 레코드 크기만큼의 DAG를 생성함으로써 사용내역 레코드의 개수와 상관없이 정상적으로 기법이 적용되는 것을 확인할 수 있었다. 결과적으로 실제 구현된 시각화 기법은 서비스의 지속성, 서비스의 사용시간대, 서비스간 상관관계를 모두 표현하며 데이터의 크기와 상관없이 입력된 데이터를 시각화된 DAG로 표현할 수 있다.

후속연구

또한 데이터 분석 툴인 R을 통해 실제 해당 기법을 구현해서 구현시 발생하는 패키지의 문제점, 작업 처리시간, 자원 활용률을 관측하고, 작업 처리시간 최적화를 위한 방법과 자원 활용률을 높이기 위한 방법을 제시했다. 추후 연구에서는 DAG를 시각화 할 때 확장성을 보장할 수 있도록 패키지의 수정과 분산시스템 환경에서 멀티코어를 활용한 시각화 기법의 적용을 통해 성능을 최적화할 예정이다.

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

IoT-Home 환경에서 가전제품 사용 로그 기반 데이터 시각화 기법
A Data Visualization Method based on Home Appliance Log Data in IoT-Home Environment 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

IoT-Home 환경에서 가전제품 사용 로그 기반 데이터 시각화 기법 A Data Visualization Method based on Home Appliance Log Data in IoT-Home Environment 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

IoT-Home 환경에서 가전제품 사용 로그 기반 데이터 시각화 기법
A Data Visualization Method based on Home Appliance Log Data in IoT-Home Environment 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper