KR101006662B1 - 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법 - Google Patents

상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법 Download PDF

Info

Publication number
KR101006662B1
KR101006662B1 KR1020080114125A KR20080114125A KR101006662B1 KR 101006662 B1 KR101006662 B1 KR 101006662B1 KR 1020080114125 A KR1020080114125 A KR 1020080114125A KR 20080114125 A KR20080114125 A KR 20080114125A KR 101006662 B1 KR101006662 B1 KR 101006662B1
Authority
KR
South Korea
Prior art keywords
situation
information
agent
context
level
Prior art date
Application number
KR1020080114125A
Other languages
English (en)
Other versions
KR20100055173A (ko
Inventor
윤희용
한승욱
송성근
김용희
유재덕
Original Assignee
성균관대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020080114125A priority Critical patent/KR101006662B1/ko
Publication of KR20100055173A publication Critical patent/KR20100055173A/ko
Application granted granted Critical
Publication of KR101006662B1 publication Critical patent/KR101006662B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/22—Design optimisation, verification or simulation using Petri net models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법에 관한 것으로, 보다 구체적으로는, U-헬스케어, U-실버케어 등의 서비스에서의 상황정보를 Coloured Petri-Nets를 이용하여 정형적으로 반영하여 서비스의 오류를 최소화하고 상기 서비스가 연속적이도록 하기 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법에 관한 것이다.

Description

상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법{CONTEXT AWARENESS MODELING METHOD AND SYSTEM FOR CONTEXT AWARENESS COMPUTING}
본 발명은 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법에 관한 것으로, 보다 구체적으로는, U-헬스케어(유비쿼터스 헬스케어), U-실버케어(유비쿼터스 실버케어) 등의 서비스에서의 상황정보를 Coloured Petri-Nets를 이용하여 정형적으로 반영하여 서비스의 오류를 최소화하고 상기 서비스가 연속적이도록 하기 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법에 관한 것이다.
상황인식 컴퓨팅은, 이용자의 상황에 대한 정보를 적극적으로 활용하여 컴퓨터가 이용자의 상황을 이해할 수 있도록 함으로써, 이용자와 컴퓨터 간의 상호작용이 더욱 효과적이도록 하는 것을 의미하며, 상황인식에 필요한 상황정보는 이용자의 상황의 특성을 나타내기 위해 사용될 수 있는 모든 정보를 의미한다.
상황인식 모델은 상황정보를 인식, 해석, 실행하기 위해 포괄적으로 적용되는, 상황정보의 표현과 교환을 위한 모델로서, 기존의 상황인식 모델로서는, Key-value 모델, 마크업 스키마 모델, 그래픽 모델, 객체지향 모델, 로직기반 모델, 온 톨로지 기반 모델 등이 연구되어져 왔다. 그러나, 기존의 상황인식 모델들은, 상황정보와 알고리즘 간의 관계를 명확히 하지 못하였고, 실제 서비스에 적용하기 전에 시뮬레이션하여 해당 모델을 미리 검증하거나 실제 서비스에 적용한 상태에서 해당 모델을 실시간으로 검증하는 것이 불가능하였다.
본 발명은, 앞서 언급한 바와 같이, 상황정보와 알고리즘 간의 관계를 명확히 하지 못하고, 실제 서비스에 적용하기 전에 시뮬레이션하여 해당 모델을 미리 검증하거나 실제 서비스에 적용한 상태에서 해당 모델을 실시간으로 검증하는 것이 불가능한 기존의 상황인식 모델의 단점을 해소하고자한다.
본 발명에 따른 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템은, 실시간으로 상황정보를 수집하고 수집된 상황정보가 미리 정해둔 조건을 만족하는지 판단하는 상황 에이전트; 상기 상황 에이전트에 의해 상기 미리 정해둔 조건을 만족하는 것으로 판단된 상황정보를 상기 상황 에이전트로부터 수신하고, 상기 수신된 상황정보로부터 상위레벨 상황정보를 생성하는 상황인식 에이전트; 및 상기 상황 에이전트 및 상기 상황인식 에이전트와 메시지 전송 프로토콜로 이벤트 기반 통신하는 에이전트 플랫폼을 포함하도록 구성될 수 있다.
바람직하게는, 상기 상황 에이전트는, 센서나 RFID 기기로부터 상황정보를 수집하도록 구성될 수 있다.
바람직하게는, 상기 상황인식 에이전트는, 온톨로지 기반으로 상황정보 간의 알고리즘과 추론룰을 미리 저장해 두고, 상기 알고리즘과 추론룰을 바탕으로 상기 상황 에이전트로부터 수신된 상황정보로부터 상기 상위레벨 상황정보를 생성하는 상황인식 엔진; 상기 상황 에이전트로부터 입력되는 상황정보를 관리하며, 상기 상 황인식 엔진에 상황 쿼리를 요청하거나 결과값을 받아들여 애플리케이션에 전달하는 상황 관리자; 및 상기 상황 에이전트를 포함한 외부의 에이전트들 및 상기 에이전트 플랫폼과 메시지 전송 프로토콜로 이벤트 기반의 통신을 하는 통신 컴포넌트를 포함하도록 구성될 수 있다.
바람직하게는, 상기 상황인식 에이전트는 도메인 별로 별도로 구비될 수 있다.
바람직하게는, 상기 상황인식 모델링 시스템은, 상기 상황 에이전트가 상황정보를 수집한 시점부터 상기 상황인식 에이전트가 상위레벨 상황정보를 생성하는 데 걸리는 시간을 측정하고, 상기 측정된 시간을 미리 정해둔 임계 시간과 비교하는 모델링 툴킷을 더 포함하도록 구성될 수 있다. 여기서, 상기 상황 에이전트가 상황정보를 수집한 시점부터 상기 상황인식 에이전트가 상위레벨 상황정보를 생성하는 데 걸리는 시간은, 후에 설명되는, 룰과 알고리즘을 적용하여 상위레벨 상황정보를 생성하는데 걸리는 수행시간(lt i)을 의미한다.
바람직하게는, 상황인식 컴퓨팅을 위한 상황인식 모델은, Coloured Petri-Nets를 응용하되, 다음과 같이 정의될 수 있다.
Figure 112008079178677-pat00001
Figure 112008079178677-pat00002
: 공백이 아닌 상황정보의 유한집합(color set)
Figure 112008079178677-pat00003
: 상황정보 제공자 또는 소비자의 유한집합(place)
Figure 112008079178677-pat00004
: 상황에 특성화된 룰 또는 알고리즘의 유한집합 (transition,
Figure 112008079178677-pat00005
)
Figure 112008079178677-pat00006
: 룰과 상황정보와의 연관관계 (arc,
Figure 112008079178677-pat00007
Figure 112008079178677-pat00008
)
Figure 112008079178677-pat00009
: 노드 함수,
Figure 112008079178677-pat00010
Figure 112008079178677-pat00011
: 상황정보(color),
Figure 112008079178677-pat00012
Figure 112008079178677-pat00013
: 상황정보의 범위와 조건의 유한집합 (arc)
Figure 112008079178677-pat00014
: 프로세스 수행에 걸린 시간
바람직하게는, 상기 모델링 툴킷은, 상기 에이전트 플랫폼 외부에 배치된 에이전트로서, 상기 상황인식 에이전트 및 상기 에이전트 플랫폼과 메시지 전송 프로토콜로 이벤트 기반의 통신을 하도록 구성될 수 있다.
바람직하게는, 상기 미리 정해둔 임계 시간은, 상황인식 모델이 적용될 서비스에서 상기 상위레벨 상황정보에 대응되는 동작이 수행되는데 요구되는 최대 제약 시간이도록 구성될 수 있다. 여기서, 상기 상황 에이전트가 상황정보를 수집한 시점부터 상기 상황인식 에이전트가 상위레벨 상황정보를 생성하는 데 걸리는 시간과, 상황인식 모델이 적용될 서비스에서 상기 상위레벨 상황정보에 대응되는 동작이 수행되는데 요구되는 최대 제약 시간과의 비교에는, 후에 설명되는, 표준편차(st i)를 고려하는 것이 바람직하다. 즉, 상기 상황 에이전트가 상황정보를 수집 한 시점부터 상기 상황인식 에이전트가 상위레벨 상황정보를 생성하는 데 걸리는 시간이, 상황인식 모델이 적용될 서비스에서 상기 상위레벨 상황정보에 대응되는 동작이 수행되는데 요구되는 최대 제약 시간에 비해, 표준편차(st i) 이상으로 짧은 지 여부를 판단하는 것이 바람직하다.
바람직하게는, 플레이스(place)와 아크(arc)는 상기 상황 에이전트에 의해, 트랜지션(transition)은 상기 상황인식 에이전트에 의해 구현될 수 있다.
바람직하게는, 상기 상황인식 모델링 시스템은, 상기 상황 에이전트에 의해 수집되는 상황정보와 동일한 수준의 상황정보를 임의로 생성하여 상황인식 에이전트 또는 모델링 툴킷으로 전송하는 시뮬레이터를 더 포함하도록 구성될 수 있다.
바람직하게는, 상기 상황인식 에이전트는, 온톨로지 기반으로 미리 저장해 둔 상황정보 간의 알고리즘과 추론룰을 바탕으로, 상기 시뮬레이터로부터 수신한 상황정보로부터 상기 상위레벨 상황정보를 생성하도록 구성될 수 있다.
바람직하게는, 상기 모델링 툴킷은, 상기 시뮬레이터에 의해 상황정보가 생성된 시점부터 상기 상황인식 에이전트가 상위레벨 상황정보를 생성하는 데 걸리는 시간을 측정하고, 상기 측정된 시간을 미리 정해둔 임계 시간과 비교하도록 구성될 수 있다.
바람직하게는, 상기 미리 정해둔 임계 시간은, 상황인식 모델이 적용될 서비스에서 상기 상위레벨 상황정보에 대응되는 동작이 수행되는데 요구되는 최대 제약 시간이도록 구성될 수 있다.
본 발명에 따른 상황인식 컴퓨팅을 위한 상황인식 모델링 방법은, 복수의 상황 에이전트를 통해 상황정보를 실시간으로 수집하는 단계; 온톨로지 기반으로 미리 저장되어 있는 상황정보 간의 알고리즘과 추론룰를 이용하여, 상기 수집된 상황정보로부터 상위레벨 상황정보를 생성하는 단계를 포함하도록 구성될 수 있다.
바람직하게는, 상기 방법은, 상기 수집된 상황정보로부터 상위레벨 상황정보를 생성하기 전에, 상기 수집된 상황정보가 미리 정해둔 조건을 만족하는 지를 판단하는 단계를 더 포함하도록 구성될 수 있다.
바람직하게는, 상기 방법은, 상기 상황정보를 수집한 시점부터 상기 상위레벨 상황정보를 생성하는 데 걸리는 시간을 측정하고, 상기 측정된 시간을 미리 정해둔 임계 시간과 비교하는 단계를 더 포함하도록 구성될 수 있다.
바람직하게는, 상기 미리 정해둔 임계 시간은, 상황인식 모델이 적용될 서비스에서 상기 상위레벨 상황정보에 대응되는 동작이 수행되는데 요구되는 최대 제약 시간이도록 구성될 수 있다.
바람직하게는, 상황인식 컴퓨팅을 위한 상황인식 모델링은, Coloured Petri-Nets를 응용하되, 다음과 같이 정의되도록 구성될 수 있다.
Figure 112008079178677-pat00015
Figure 112008079178677-pat00016
: 공백이 아닌 상황정보의 유한집합(color set)
Figure 112008079178677-pat00017
: 상황정보 제공자 또는 소비자의 유한집합(place)
Figure 112008079178677-pat00018
: 상황에 특성화된 룰 또는 알고리즘의 유한집합 (transition,
Figure 112008079178677-pat00019
)
Figure 112008079178677-pat00020
: 룰과 상황정보와의 연관관계 (arc,
Figure 112008079178677-pat00021
Figure 112008079178677-pat00022
)
Figure 112008079178677-pat00023
: 노드 함수,
Figure 112008079178677-pat00024
Figure 112008079178677-pat00025
: 상황정보(color),
Figure 112008079178677-pat00026
Figure 112008079178677-pat00027
: 상황정보의 범위와 조건의 유한집합 (arc)
Figure 112008079178677-pat00028
: 프로세스 수행에 걸린 시간
다르게는, 상황인식 컴퓨팅을 위한 상황인식 모델링 방법으로서, 시뮬레이터를 통해 상황정보를 임의로 생성시키는 단계; 및 온톨로지 기반으로 미리 저장되어 있는 상황정보 간의 알고리즘과 추론룰를 이용하여, 상기 시뮬레이터에 의해 생성된 상황정보로부터 상위레벨 상황정보를 생성하는 단계를 포함하는 상황인식 컴퓨팅을 위한 상황인식 모델링 방법이 제공될 수 있다.
바람직하게는, 상기 방법은, 상기 시뮬레이터가 상황정보를 생성한 시점부터 상기 상위레벨 상황정보를 생성하는 데 걸리는 시간을 측정하고, 상기 측정된 시간을 미리 정해둔 임계 시간과 비교하는 단계를 더 포함하도록 구성될 수 있다.
바람직하게는, 상기 미리 정해둔 임계 시간은, 상황인식 모델이 적용될 서비스에서 상기 상위레벨 상황정보에 대응되는 동작이 수행되는데 요구되는 최대 제약 시간이도록 구성될 수 있다.
바람직하게는, 상황인식 컴퓨팅을 위한 상황인식 모델링은, Coloured Petri-Nets를 응용하되, 다음과 같이 정의될 수 있도록 구성될 수 있다.
Figure 112008079178677-pat00029
Figure 112008079178677-pat00030
: 공백이 아닌 상황정보의 유한집합(color set)
Figure 112008079178677-pat00031
: 상황정보 제공자 또는 소비자의 유한집합(place)
Figure 112008079178677-pat00032
: 상황에 특성화된 룰 또는 알고리즘의 유한집합 (transition,
Figure 112008079178677-pat00033
)
Figure 112008079178677-pat00034
: 룰과 상황정보와의 연관관계 (arc,
Figure 112008079178677-pat00035
Figure 112008079178677-pat00036
)
Figure 112008079178677-pat00037
: 노드 함수,
Figure 112008079178677-pat00038
Figure 112008079178677-pat00039
: 상황정보(color),
Figure 112008079178677-pat00040
Figure 112008079178677-pat00041
: 상황정보의 범위와 조건의 유한집합 (arc)
Figure 112008079178677-pat00042
: 프로세스 수행에 걸린 시간
본 발명에 따른 상황인식 모델링 시스템에서는, 상황인식 에이전트가 에이전트 플랫폼 외부에 여러 도메인 별로 별도로 구비되어 있어서, 다른 종류의 도메인 간의 충돌로 인한 지연을 방지할 수 있게 된다.
본 발명에 따른 상황인식 모델링 시스템에서는, 상위레벨 상황정보를 생성하는데 걸리는 시간을 측정하는 모델링 툴킷이 에이전트 플랫폼 외부에 에이전트 형식으로 구비되어 있으면서, 상황인식 에이전트 및 에이전트 플랫폼 등과 통신하도록 구성되어 있어서, 상황인식 모델에 대한 실시간 검증이 가능하게 된다.
본 발명에 따른 상황인식 모델링 시스템에서는, 상황정보를 임의로 생성하는 시뮬레이터와, 상기 상황정보로부터 상위레벨 상황정보를 생성하는데 걸리는 시간을 측정하는, 에이전트 플랫폼 외부에 에이전트로서 구비된, 모델링 툴킷을 구비함으로써, 상황인식 모델에 대한 사전 검증이 가능하게 된다.
본 발명의 상황인식 모델에 사용되는 상황정보는 다음과 같은 요소를 포함하고 있어야 한다.
Figure 112008079178677-pat00043
하나의 상황정보는, 상황정보 이름과 상황정보 값을 가지며, 상기 상황정보 이름과 상황정보의 값은 온톨로지에 정의되어 있어야 한다. 다음과 같이 표현할 수 있다.
Figure 112008079178677-pat00044
상황인식 모델은, U-헬스케어, U-실버케어 등 다양한 서비스 도메인에 대한 사전 연구 및 서비스 이용자들에 대한 사전 조사를 통해, 다양한 상황정보 및 그 상황정보에 따른 제어흐름에 대해 구체적으로 정의하고 표현할 수 있어야 한다. 특히, 해당 서비스에서 요구되는 사건, 행동, 이벤트를 표현할 수 있어야 하며, 센서나 RFID 기기 등으로부터 수집되는 하위레벨의 상황정보(즉, 센서나 RFID 기기로부터 수집한 이용자 및 이용자 주변에 대한 정보)로부터 상위레벨의 상황정보(즉, 하위레벨 상황정보로부터 이용자의 상황을 인식한 정보)를 추출하는 과정에서 사용되는 온톨로지와, 상황인식 엔진에 사용하기 위한 추론룰과 계산식을 표현할 수 있어야 한다. 본 발명에 따른 상황인식 모델은, Coloured Petri-Nets을 응용하여, 서비스에서의 구체적 동작은 표현하지 않고 상황정보의 변화와 흐름에 초점을 두고 표현한다.
본 발명에 따른 상황인식 모델과 Coloured Petri-Nets의 대응관계는 다음과 같다.
칼라(Color) : 상황정보의 이름 및 값
플레이스(Place) : 상황정보 제공자와 소비자
트랜지션(Transition) : 상위레벨 상황정보를 얻어내기 위한, 하위레벨 상황정보와 상위레벨 상황정보 간의 관계를 나타내는 추론룰 또는 알고리즘
아크(Arc) : IF THEN 룰을 사용하여 플레이스(Place)에서 트랜지 션(Transition)으로 점화(Fire)하기 위한 조건 표현
또한, 본 발명에 따른 상황인식 모델은 다음과 같이 정의될 수 있다.
Figure 112008079178677-pat00045
Figure 112010048552054-pat00046
: 공백이 아닌 하위레벨 상황정보 및 상위레벨 상황정보의 유한집합(color set)
Figure 112010048552054-pat00047
: 하위레벨 상황정보 및 상위레벨 상황정보 제공자 또는 소비자의 유한집합 (place)
Figure 112008079178677-pat00048
: 상황에 특성화된 룰 또는 알고리즘의 유한집합 (transition,
Figure 112008079178677-pat00049
)
Figure 112010048552054-pat00050
: 룰과 하위레벨 상황정보 및 상위레벨 상황정보와의 연관관계 (arc,
Figure 112010048552054-pat00051
Figure 112010048552054-pat00052
)
Figure 112008079178677-pat00053
: 노드 함수,
Figure 112008079178677-pat00054
Figure 112010048552054-pat00055
: 하위레벨 상황정보 및 상위레벨 상황정보(color),
Figure 112010048552054-pat00056
Figure 112010048552054-pat00057
: 하위레벨 상황정보 및 상위레벨 상황정보의 범위와 조건의 유한집합 (arc)
Figure 112008079178677-pat00058
: 프로세스 수행에 걸린 시간
트랜지션(Transition)에 사용된 룰이나 알고리즘을 적용하여, 상황인식 모델이 결합되는 서비스의 실제 프로세스 또는 동작이 수행되는데까지 걸리는 시간(프로세스 수행 시간)을 측정함으로써, 해당 상황인식 모델의 유용성을 판단, 즉 상황 인식 모델에 대한 실시간 검증을 수행할 수 있다.
트랜지션 t 1 을 통하여 c 0 상황에서 c 1 상황으로 변환될 때에
Figure 112008079178677-pat00059
과 같이 표현할 수 있다. t1 에 대하여 실제 프로세스 또는 동작을 수행하는데 소요된 시간은
Figure 112008079178677-pat00060
로 표현할 수 있다.
오차 범위를 포함하는 프로세스 수행 시간은, 룰과 알고리즘을 적용하여 상위레벨 상황정보를 생성하는데 걸리는 수행시간(lt i)과, 표준편차(st i)를 더함으로써 구해지며, 이를 이용하여 상황인식 모델을 서비스에 실제로 적용했을 때에 발생하는 오차를 줄일 수 있다.
오차 범위를 포함하는 프로세스 수행 시간은 다음과 같이 표현될 수 있다.
오차 범위를 포함하는 프로세스 수행 시간:
Figure 112008079178677-pat00061
따라서, 서비스에서의 하나의 프로세스 또는 동작에 대응되는, 상황인식 모델의 모든 트랜지션에 대한 수행시간을 더한 결과는, 오차 범위를 포함하여도, 상황이 발생했을 때 상기 프로세스 또는 동작을 수행하기 위해 요구되는 최소 시간보다 작아야 한다. 해당 프로세스 또는 동작에 대응되는 트랜지션의 수를 tn 으로 하고, 서비스에서 대응되는 프로세스 또는 동작을 수행하기 위해 요구되는 최대 제약 시간을 TL라 했을 때, 다음과 같은 공식이 성립하는 경우, 서비스에 대한 상황인식 모델링이 성공적이라고 판단할 수 있다.
성공적 상황인식 모델의 조건:
Figure 112008079178677-pat00062
상기 성공적 상황인식 모델의 조건을 기준으로, 수집되는 상황정보에 따른 상황인식 모델이 성공적인지 여부를 실시간으로 평가할 수 있어서, 상황인식 모델에 대한 실시간 검증이 가능하며, 모델링 툴킷이 에이전트 플랫폼과 통신하므로 상황인식 모델을 실시간으로 변경 및 적용할 수 있다.
이하에서는, 첨부된 도면을 참고하여, 본 발명의 실시예에 대해 보다 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템을 나타낸 것이다. 본 실시예에 따르는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템은, 실시간으로 상황정보를 수집하고 수집된 상황정보가 미리 정해둔 조건을 만족하는지 판단하는 상황 에이전트(Context Agent)(도시되지 않음); 상기 상황 에이전트로부터 상기 미리 정해둔 조건을 만족하는 것으로 판단된 상황정보를 수신하고, 상기 수신된 상황정보로부터 상위레벨 상황정보를 생성하는 상황인식 에이전트(Context-awareness Agent); 상기 상황 에이전트가 상황정보를 수집한 시점부터 상기 상황인식 에이전트가 상위레벨 상황정보를 생성하는데 걸리는 시간을 측정하고, 상기 측정된 시간을 이용하여 상황인식 모델을 실시간으로 검증하는 모델 링 툴킷(Modeling Toolkit); 및 상기 상황 에이전트, 상황인식 에이전트, 모델링 툴킷과 이벤트 기반 통신을 수행하는 에이전트 플랫폼(Agent Platform)을 포함하도록 구성되어 있다.
도 1에 도시된 상황인식 모델링 시스템의 특징은, 에이전트 플랫폼에 에이전트 관리 시스템(MAS)과 서비스 디스커버리를 위한 DF(Directory Facilitator)를 포함하지 않으며 상황인식 에이전트와 모델링 툴킷까지 모두 에이전트화하여 에이전트 플랫폼과 분리한 점, 멀티에이전트 기반의 상황인식 컴퓨팅 환경에서 에이전트는 상황 에이전트인 동시에 서비스를 제공하는 에이전트인 점, 및 모든 에이전트가 이벤트 기반의 통신을 한다는 점에 있다.
상기 상황인식 에이전트는, 멀티에이전트 기반으로 구현될 수 있는 것으로서, U-헬스케어, U-실버케어 등 다양한 도메인에 따라 도메인 별로 별도로 구현될 수 있으며, 상황정보를 표현하기 위해 XML 기반의 상황정의 및 도메인에 따른 온톨로지를 사용한다.
상기 상황인식 에이전트는, 상황인식 엔진(Context-awareness Engine), 상황 관리자(Context Manager), 통신 컴포넌트(Event-based Communication)을 포함하는데, 상기 상황인식 엔진은 상황인식을 위한 추론엔진 및 서비스를 위한 상황인식 모델을 포함하여, 온톨로지 기반으로 상황정보 간의 관계와 추론룰을 저장하고 있으면서, 상황정보 요청을 받아들여 하위레벨 상황정보로부터 상위레벨 상황정보를 생성하는 기능을 수행한다. 또, 상황 관리자는, 상황 에이전트로부터 수신하는 상황정보를 상황저장소(context DB)에 저장하거나 상황정보의 변화를 탐지하여 갱신 하는 등 상황정보를 관리하며, 모니터링 및 필터링을 통하여 상황인식 엔진에 상황 쿼리를 요청하거나 결과값을 받아들여 애플리케이션에 전달한다. 또, 통신 컴포넌트는 메시지 전송 프로토콜(Message Transfer Protocol, MTP)로 외부의 에이전트와 이벤트 기반의 통신을 수행하도록 구성되어 있다.
Coloured Petri-Nets를 이용하는 본 발명에 따른 상황인식 모델링 시스템에 의하면, 플레이스(place) 및 아크(arc)는 상황 에이전트에 의해, 트랜지션은 상황인식 에이전트에 의해 구현된다.
또한, 상기 상황인식 모델은, 상기 상황 에이전트에 의해 수집되는 상황정보와 동일한 수준의 상황정보를 임의로 생성하여 상황인식 에이전트 또는 모델링 툴킷으로 전송하는, 에이전트로 구현된, 시뮬레이터(도시되지 않음)를 더 포함하여, 상황인식 모델이 특정 서비스에 적용되기 전에 검증하는 것이 가능하도록 한다.
상기 모델링 툴킷은 에이전트로 구현되어 있되, 상기 상황인식 에이전트, 에이전트 플랫폼 등과 이벤트 기반 통신을 할 수 있도록 구성되어 있어서, 상황인식 모델에 대한 실시간 검증 및 사전 검증이 가능하도록 한다. 또한, 상기 모델링 툴킷은, 상황정보를 모니터링하여 변화를 탐지하고, 상위레벨 상황정보를 생성하는데 걸리는 시간을 계산하여 상황인식 모델이 적합한지 평가하는 검증엔진(verification engine)을 포함한다.
각각의 상황 에이전트는 센서, RFID 기기나 각종 애플리케이션으로부터 상황정보를 수집하여 아크에 표현된 조건이 만족할 때 상황인식 에이전트로 상황정보를 전달한다. 이 때, 상황인식 에이전트는 트랜지션에 적용되어 있는 룰과 온톨로지를 사용하여 이용자의 상황에 맞는 상황정보를 생성한다.
도 2는 본 발명에 따른 상황인식 모델과 Petri-Nets의 대응관계를 나타낸 도면이다.
플레이스(place)에 해당하는 상황(context)은 센서/응용/상황 관리자에 해당하고, 룰(rule)은 상황인식 에이전트에 해당하며, 최종 전달될 상황인 플레이스(completed)는 응용/상황 관리자에 해당됨을 알 수 있습니다.
도 3은 본 발명에 따른 상황인식 모델이 결합된 서비스의 흐름도를 나타낸 것이다.
센서, RFID 기기, 사용자 정보로부터 상황정보가 수집되면, 온톨로지에 저장된 상황정의에 따라 상황정보가 분류되고, 온톨로지에 저장된 상황정보는 추론/학습 과정을 거쳐, 사용자 행태 분석 및 사용자 행동패턴을 고려하여, 사용자 상황을 해석하게 된다.
이를 위해, 사용자 행태 분석을 통해 서비스의 해당 프로세스 또는 동작에 필요한 상황 데이터를 정의하고, 상황 데이터를 갖고 사용자 행동 패턴에 따라 사용자 상황해석을 위한 룰과 알고리즘을 정의하게 된다.
생성된 상위레벨 상황정보는 서비스의 대응 서비스 에이전트로 전달되고, 해당 서비스 에이전트는 상황 정보에 따라 대응되는 프로세스 또는 동작을 수행할 것을 서비스 관리자에게 요청한다. 상기 서비스 요청이 있으면 저장소에서 에이전트 /프로세스를 검색하여 해당 프로세스를 수행한다.
도 4는 본 발명의 일실시예에 따른 상황인식 모델을 나타낸 것이다.
도 4에 따르면, 맥박 변화율을 판단하기 위한 근거로서, 심전도, 평균허용범위, 주가정보지수, 최종유효범위, 응급지수, 적용율이 제시되어 있으며, 부가정보 판단근거로서는, 체온, 맥박, 체중, 운동량이 제시되고, 체온판단근거로서는, 과거질병, 현재질병, 피부온도, 신체소실 등이 제시되어 있다.
체온, 심전도 등의 수치변화의 수집 주기와 서비스에 이용되는 알고리즘의 수행시간 오차범위를 조율함에 따라, 상황인식 모델에 변경이 가해질 수 있다. 또한, 심전도를 기반으로 하는 심근경색 및 심장마비에 대하여 해당 센서가 동작을 할 수 없는 경우, 운동량 센서와 위치센서를 조합하여 서비스 이용자의 상황을 판단하는데 사용할 수 있다.
이와 같은 접근 방법은, 의료계에서 연구한 실버케어와 같은 헬스케어 서비스를 시간 제약조건 하에 설계하고 평가하는데 적용 가능하며, 센서나 그 밖의 디바이스를 활용하여, 수집된 상황정보의 오류 때문이 아닌 서비스 모델의 오류(여러 가지 상황정보를 가져와서 판단할때 생기는 오류)를 최소화 할 수 있다.
본 발명은 유비쿼터스 센서 네트워크, U-실버케어, U-헬스케어, U-홈 네트워크(유비쿼터스 홈 네트워크), 시스템 통합 등 동적인 유비쿼터스 환경에서의 연속적 서비스 설계 및 상황인식 모델의 검증에 활용될 수 있다.
도 1은 본 발명의 일실시예에 따른 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템을 나타낸 것이다.
도 2는 본 발명에 따른 상황인식 모델과 Petri-Nets의 대응관계를 나타낸 도면이다.
도 3은 본 발명에 따른 상황인식 모델이 결합된 서비스의 흐름도를 나타낸 것이다.
도 4는 본 발명의 일실시예에 따른 상황인식 모델을 나타낸 것이다.

Claims (20)

  1. 유비쿼터스 헬스케어 또는 유비쿼터스 실버케어 서비스 환경에 이용자가 존재하고, 센서나 RFID 기기로부터 수집한 이용자 및 이용자 주변에 대한 정보인 하위레벨 상황정보로부터 이용자의 상황을 인식한 정보인 상위레벨 상황정보를 생성해서 상기 서비스를 제공하는 상황인식 컴퓨팅을 위해 Coloured Petri-Nets를 응용한 상황인식 모델링 시스템으로서,
    센서나 RFID 기기로부터 하위레벨 상황정보를 실시간으로 수집하는 상황 에이전트;
    상기 상황 에이전트로부터 하위레벨 상황정보를 수신하고, 온톨로지 기반으로 미리 지정해 둔 하위레벨 상황정보와 상위레벨 상황정보 간의 관계를 이용하여 상기 수신된 하위레벨 상황정보로부터 상위레벨 상황정보를 생성하는 상황인식 에이전트; 및
    상기 상황 에이전트 및 상기 상황인식 에이전트와 메시지 전송 프로토콜로 이벤트 기반 통신하는 에이전트 플랫폼을 포함하는 것을 특징으로 하는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 상황인식 에이전트는 도메인 별로 별도로 구비되는 것을 특징으로 하는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템.
  5. 제1항에 있어서,
    상기 상황인식 모델링 시스템은,
    상기 상황 에이전트가 하위레벨 상황정보를 수집한 시점부터 상기 상황인식 에이전트가 상위레벨 상황정보를 생성하는 데 걸리는 시간을 측정하는 모델링 툴킷으로서, 상황인식 모델이 적용될 서비스에서 상기 상위레벨 상황정보에 대응되는 동작이 수행되는데 요구되는 최대 제약 시간과 상기 측정된 시간을 비교하는 모델링 툴킷을 더 포함하는 것을 특징으로 하는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템.
  6. 제1항에 있어서,
    상황인식 컴퓨팅을 위한 상황인식 모델(SM)은, Coloured Petri-Nets를 응용하되, 다음과 같이 정의될 수 있는 것을 특징으로 하는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템.
    Figure 112010048552054-pat00063
    Figure 112010048552054-pat00064
    : 공백이 아닌 하위레벨 상황정보 및 상위레벨 상황정보의 유한집합(color set)
    Figure 112010048552054-pat00065
    : 하위레벨 상황정보 및 상위레벨 상황정보 제공자 또는 소비자의 유한집합(place)
    Figure 112010048552054-pat00066
    : 상황에 특성화된 룰 또는 알고리즘의 유한집합 (transition,
    Figure 112010048552054-pat00067
    )
    Figure 112010048552054-pat00068
    : 룰과 하위레벨 상황정보 및 상위레벨 상황정보와의 연관관계 (arc,
    Figure 112010048552054-pat00069
    Figure 112010048552054-pat00070
    )
    Figure 112010048552054-pat00071
    : 노드 함수,
    Figure 112010048552054-pat00072
    Figure 112010048552054-pat00073
    : 하위레벨 상황정보 및 상위레벨 상황정보(color),
    Figure 112010048552054-pat00074
    Figure 112010048552054-pat00075
    : 하위레벨 상황정보 및 상위레벨 상황정보의 범위와 조건의 유한집합 (arc)
    Figure 112010048552054-pat00076
    : 프로세스 수행에 걸린 시간
  7. 제5항에 있어서,
    상기 모델링 툴킷은, 상기 에이전트 플랫폼 외부에 배치된 에이전트로서, 상기 상황인식 에이전트 및 상기 에이전트 플랫폼과 이벤트 기반의 통신을 하는 것을 특징으로 하는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템.
  8. 삭제
  9. 제6항에 있어서,
    플레이스(place)는 상기 상황 에이전트에 의해, 아크(arc)와 트랜지션(transition)은 상기 상황인식 에이전트에 의해 구현되는 것을 특징으로 하는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템.
  10. 제7항에 있어서,
    하위레벨 상황정보를 임의로 생성하여 상황인식 에이전트 또는 모델링 툴킷으로 전송하는 시뮬레이터를 더 포함하는 것을 특징으로 하는 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
KR1020080114125A 2008-11-17 2008-11-17 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법 KR101006662B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080114125A KR101006662B1 (ko) 2008-11-17 2008-11-17 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080114125A KR101006662B1 (ko) 2008-11-17 2008-11-17 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법

Publications (2)

Publication Number Publication Date
KR20100055173A KR20100055173A (ko) 2010-05-26
KR101006662B1 true KR101006662B1 (ko) 2011-01-10

Family

ID=42279693

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080114125A KR101006662B1 (ko) 2008-11-17 2008-11-17 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법

Country Status (1)

Country Link
KR (1) KR101006662B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130060717A (ko) 2011-11-30 2013-06-10 삼성전자주식회사 Ａｘｉｏｍ 관리방법 및 장치, 그를 포함하는 추론장치
KR101373894B1 (ko) * 2012-01-31 2014-03-13 성균관대학교산학협력단 상황인식 컴퓨팅을 위한 시간에 치명적인 상황인식 모델링 시스템 및 모델링 방법
KR101349540B1 (ko) * 2012-02-22 2014-01-08 부산대학교 산학협력단 홈 네트워크 서비스 제어를 위한 상황인지 서비스 제공 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060061190A (ko) * 2004-12-01 2006-06-07 한국전자통신연구원 규칙기반 상황 맞춤형 서비스 제공 방법 및 시스템
KR100684164B1 (ko) 2004-11-24 2007-02-20 한국전자통신연구원 유비쿼터스 서비스를 위해 상황정보를 통합 관리하기 위한방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100684164B1 (ko) 2004-11-24 2007-02-20 한국전자통신연구원 유비쿼터스 서비스를 위해 상황정보를 통합 관리하기 위한방법 및 시스템
KR20060061190A (ko) * 2004-12-01 2006-06-07 한국전자통신연구원 규칙기반 상황 맞춤형 서비스 제공 방법 및 시스템

Also Published As

Publication number Publication date
KR20100055173A (ko) 2010-05-26

Similar Documents

Publication Publication Date Title
Anagnostopoulos et al. Context awareness in mobile computing environments
KR101364851B1 (ko) 데이터베이스 구축하는 방법 및 상기 데이터베이스를이용한 질병분석 방법
Lasierra et al. An autonomic ontology-based approach to manage information in home-based scenarios: From theory to practice
Rospocher et al. An ontological framework for decision support
Lunardi et al. IoT-based human action prediction and support
Kara et al. A quality model for the evaluation AAL systems
KR101006662B1 (ko) 상황인식 컴퓨팅을 위한 상황인식 모델링 시스템 및 상황인식 모델링 방법
Nazir et al. An ontology based approach for context-aware security in the internet of things (IoT)
KR20180087654A (ko) 사물 인터넷 환경에서 디바이스의 신뢰도를 평가하는 방법과 장치, 및 컴퓨터 판독가능 매체
Huber et al. Goal-based semantic queries for dynamic processes in the internet of things
Sanchez et al. Semantic-based privacy settings negotiation and management
Springer et al. Employing description logics in ambient intelligence for modeling and reasoning about complex situations
Moore et al. Smart-context: A context ontology for pervasive mobile computing
Sahlab et al. An approach for context-aware cyber-physical automation systems
Esposito et al. A framework for context-aware home-health monitoring
CN114330482A (zh) 一种数据处理方法、装置及计算机可读存储介质
Guana et al. Improving software product line configuration: A quality attribute-driven approach
CN114141380A (zh) 数据处理和分析方法、装置和系统
Xu et al. An information integration and transmission model of multi-source data for product quality and safety
Daoudagh et al. An ontology-based solution for monitoring iot cybersecurity
Padovitz et al. Towards a general approach for reasoning about context situations and uncertainty in ubiquitous sensing: Putting geometrical intuitions to work
Noriega et al. Identifying affordances for modelling second-order emergent phenomena with the framework
Roy et al. An ontology-driven ambiguous contexts mediation framework for smart healthcare applications
Subbaraj et al. Reasoning in context aware computing-a review
Esposito et al. A framework for context-aware home-health monitoring

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20131007

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140923

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee