KR101884129B1 - 머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치 - Google Patents

머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치 Download PDF

Info

Publication number
KR101884129B1
KR101884129B1 KR1020170095612A KR20170095612A KR101884129B1 KR 101884129 B1 KR101884129 B1 KR 101884129B1 KR 1020170095612 A KR1020170095612 A KR 1020170095612A KR 20170095612 A KR20170095612 A KR 20170095612A KR 101884129 B1 KR101884129 B1 KR 101884129B1
Authority
KR
South Korea
Prior art keywords
machine learning
sensor
virtual machine
air cleaner
learning model
Prior art date
Application number
KR1020170095612A
Other languages
English (en)
Inventor
김두현
전중배
박근영
블라디미르 티안
Original Assignee
건국대학교 산학협력단
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 건국대학교 산학협력단 filed Critical 건국대학교 산학협력단
Priority to KR1020170095612A priority Critical patent/KR101884129B1/ko
Application granted granted Critical
Publication of KR101884129B1 publication Critical patent/KR101884129B1/ko

Links

Images

Classifications

    • 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
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • G06N99/005—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer And Data Communications (AREA)

Abstract

머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치가 개시된다. 일 실시예에 따른 사물 인터넷 센서 제어 방법은 사물 인터넷 센서에 대한 로컬 데이터 및 기계 학습 명령어들을 저장하는 단계와, 상기 기계 학습 명령어들에 기초하여 상기 로컬 데이터에 기계 학습을 수행하여 기계 학습 모델을 생성하는 단계와, 상기 기계 학습 모델에 기초하여 상기 사물 인터넷 센서를 제어하는 단계를 포함한다.

Description

머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치{METHOD OF CONTROLLING INTERNET OF THINGS(IoT) SENSORS USING MACHINE LEARNING AND APPARATUS THEREOF}
아래 실시예들은 머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치에 관한 것이다.
최근에 정보 시스템마다 최대의 사용량을 고려한 최대 용량의 하드웨어 자원을 독점적으로 이용하기 때문에 하드웨어 자원의 활용률이 떨어지는 문제점을 해결하기 위해 PaaS(Platform as a Service)라는 서비스가 등장했다.
PaaS는 가상 머신 상에 있는 어플리케이션에게 실행 환경을 제공하는 복수의 컨테이너를 생성함으로써 하드웨어 자원의 활용을 극대화하는 클라우드 서비스를 의미할 수 있다. PaaS는 어플리케이션 개발에 필요한 프레임워크, 미들웨어, 및 운영체제 등 표준화된 소프트웨어의 설치 및 구성을 자동화할 수 있다. 따라서, 사용자는 PaaS의 클라우드 서비스에서 개발자원 신청과 할당, 코딩, 테스트, 및 런칭 등을 수행할 수 있다.
사용자는 전자 장치와 사물 인터넷 장치들을 연결하여 사물 인터넷 환경을 구성하고, PaaS를 사용하여 사물 인터넷 장치의 데이터에 접근, 교환, 수집 등을 수행할 수 있다.
실시예들은 사물 인터넷 장치로부터 획득한 데이터에 기계 학습을 수행하는 기술을 제공할 수 있다.
또한, 실시예들은 기계 학습의 결과로 기계 학습 모델을 생성하고, 기계 학습 모델에 기초하여 사물 인터넷 장치를 제어하는 기술을 제공할 수 있다.
일 실시예에 IoT 센서 제어 방법은 사물 인터넷(internet of thins(IoT)) 센서에 대한 로컬 데이터(local data) 및 기계 학습 명령어들(machine learning instructions)을 저장하는 단계와, 상기 기계 학습 명령어들에 기초하여 상기 로컬 데이터에 기계 학습을 수행하여 기계 학습 모델을 생성하는 단계와, 상기 기계 학습 모델에 기초하여 상기 사물 인터넷 센서를 제어하는 단계를 포함한다.
상기 저장하는 단계는, 사용자의 입력에 응답하여 클라우드 서버에 가상 머신 게이트웨이를 생성하는 단계와, 상기 가상 머신 게이트웨이를 통해 상기 로컬 데이터를 변환하여 가상 머신 데이터베이스에 저장하는 단계를 포함할 수 있다.
상기 가상 머신 게이트웨이를 생성하는 단계는, 상기 사용자의 입력에 응답하여, 상기 사용자가 권한 있는 사용자인지 인증하는 단계를 포함할 수 있다.
상기 생성하는 단계는, 상기 클라우드 서버의 API 게이트웨이(application programming interface gateway)를 통해 상기 기계 학습을 수행하는 단계를 포함할 수 있다.
상기 API 게이트웨이를 통해 상기 기계 학습을 수행하는 단계는, 상기 API 게이트웨이가 상기 기계 학습을 API(application programming interface)로 제공하는 단계를 포함할 수 있다.
상기 기계 학습을 수행하는 단계는, 상기 API 게이트웨이를 통해 외부 서버의 기계 학습 모듈에 접근하는 단계와, 상기 기계 학습 모듈이 상기 가상 머신 데이터베이스의 상기 로컬 데이터 및 상기 기계 학습 명령어들에 기초하여 상기 기계 학습을 수행하여 상기 기계 학습 모델을 생성하는 단계를 포함할 수 있다.
상기 제어하는 단계는, 상기 기계 학습 모델이 기준값 이상인 시간대에 상기 사물 인터넷 센서를 작동시키는 단계를 포함할 수 있다.
상기 제어하는 단계는, 상기 기계 학습 모델이 기준값 미만인 시간대에 상기 사물 인터넷 센서를 작동시키지 않는 단계를 포함할 수 있다.
일 실시예에 따른 IoT 센서 제어 장치는 사물 인터넷(IoT) 센서에 대한 로컬 데이터(local data) 및 기계 학습 명령어들(machine learning instructions)을 저장하는 가상 머신 데이터베이스와, 상기 기계 학습 명령어들에 기초하여 상기 로컬 데이터에 기계 학습을 수행하여 기계 학습 모델을 생성하는 기계 학습 모듈과, 상기 기계 학습 모델에 기초하여 상기 사물 인터넷 센서를 제어하는 컨트롤러를 포함한다.
상기 가상 머신 데이터베이스 및 상기 컨트롤러는 클라우드 서버에 구현되고, 상기 기계 학습 모듈은 외부 서버에 구현될 수 있다.
상기 기계 학습 모듈은, 상기 컨트롤러의 명령에 응답하여 상기 기계 학습을 수행할 수 있다.
상기 컨트롤러는, 사용자의 입력에 응답하여 상기 클라우드 서버에 가상 머신 게이트웨이를 생성하고, 상기 가상 머신 게이트웨이는, 상기 로컬 데이터를 변환하여 상기 가상 머신 데이터베이스에 저장할 수 있다.
상기 컨트롤러는, 상기 사용자의 입력에 응답하여, 상기 사용자가 권한 있는 사용자인지 인증할 수 있다.
상기 컨트롤러는, 상기 클라우드 서버의 API 게이트웨이(application programming interface gateway)를 통해, 상기 외부 서버의 상기 기계 학습 모듈과 접속하여 상기 기계 학습을 수행할 수 있다.
상기 API 게이트웨이는 상기 기계 학습을 API(application programming interface)로 제공할 수 있다.
상기 기계 학습 모듈은, 상기 가상 머신 데이터베이스의 상기 로컬 데이터 및 상기 기계 학습 명령어들에 기초하여 상기 기계 학습을 수행하여 상기 기계 학습 모델을 생성할 수 있다.
상기 컨트롤러는, 상기 기계 학습 모델이 기준값 이상인 시간대에 상기 사물 인터넷 센서를 작동시킬 수 있다.
상기 컨트롤러는, 상기 기계 학습 모델이 기준값 미만인 시간대에 상기 사물 인터넷 센서를 작동시키지 않을 수 있다.
도 1은 일 실시예에 따른 사물 인터넷 센서 제어 시스템의 블록도를 나타낸다.
도 2a는 도 1에 도시된 API 게이트웨이의 블록도를 나타낸다.
도 2b는 도 2a에 도시된 서비스 백앤드의 블록도를 나타낸다.
도 3은 도 1에 도시된 서버의 블록도를 나타낸다.
도 4는 일 실시예에 따른 사물 인터넷 제어 방법의 순서도를 나타낸다.
도 5는 도 1에 도시된 전자 장치의 동작을 설명하기 위한 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 명세서에서의 모듈(module)은 본 명세서에서 설명되는 각 명칭에 따른 기능과 동작을 수행할 수 있는 하드웨어를 의미할 수도 있고, 특정 기능과 동작을 수행할 수 있는 컴퓨터 프로그램 코드를 의미할 수도 있고, 또는 특정 기능과 동작을 수행시킬 수 있는 컴퓨터 프로그램 코드가 탑재된 전자적 기록 매체, 예를 들어 프로세서 또는 마이크로 프로세서를 의미할 수 있다.
다시 말해, 모듈이란 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및/또는 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적 및/또는 구조적 결합을 의미할 수 있다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 사물 인터넷 센서 제어 시스템의 블록도를 나타낸다.
도 1을 참조하면, 사물 인터넷 제어 시스템(10)은 IoT 장치(internet of things device; 100), 전자 장치(electronic device; 200), 서버(server; 300), 및 기계 학습 서버(machine learning server; 500)를 포함한다.
사물 인터넷 제어 시스템(10)은 기계 학습을 통해 지능형 IoT 장치를 구현할 수 있다. 사물 인터넷 제어 시스템(10)은 IoT 장치(100)를 지능형 IoT로 구현할 수 있다. 예를 들어, 사용자는 사물 인터넷 제어 시스템(10)을 사용하여 IoT 장치(100)에 대하여 모의 실험을 수행할 수 있다. 사용자는 사물 인터넷 제어 시스템(10)이 제공하는 API(application programming interface)에 기초하여 손쉽게 지능형 IoT 장치를 제어할 수 있다.
IoT 장치(100)는 웹캠(webcam), 보안 카메라(security camera), 감시 카메라(surveillance camera), 온도 조절 장치(thermostat), 심박 모니터(heart rate monitor), 공기 청정기(air cleaner), 스마트 가전(smart appliance), 필드 구동 장치(field operation device), 및 센서 등을 포함할 수 있다. 센서는 광 센서(optical sensor), 가스 센서(gas sensor), 압전 센서(piezoelectric sensor), 루프 센서(loop sensor), 동작 감지 센서, 적외선 센서(infrared sensor), 온도 센서(temperature sensor), 열 센서(heat sensor) 등을 포함할 수 있다.
IoT 장치(100)는 로컬 데이터(local data)를 획득하여 전자 장치(200)로 전송할 수 있다. 예를 들어, IoT 장치(100)가 가스 센서를 포함하는 경우, IoT 장치(100)는 시간에 따른 이산화탄소(CO2), 이산화황(SO2), 이산화질소(NO2) 등의 양을 획득할 수 있다.
IoT 장치(100)는 전자 장치(200)과 연결되어 분산 네트워크를 형성할 수 있다. 예를 들어, IoT 장치(100)와 전자 장치(200)는 무선 통신으로 연결되거나, 또는 통신 케이블을 통해 연결될 수 있다.
IoT 장치(100)와 전자 장치(200)가 통신 케이블을 통해 연결되는 경우, USB 허브(USB hub)를 사용하여 연결되거나 또는 전자 장치(200)의 USB 호스트 포트를 사용하여 연결될 수 있다.
전자 장치(200)는 컨트롤러를 포함하는 PC(personal computer), 데이터 서버, 또는 휴대용 장치로 구현될 수 있다.
휴대용 장치는 랩탑(laptop) 컴퓨터, 이동 전화기, 스마트 폰(smart phone), 태블릿(tablet) PC, 모바일 인터넷 디바이스(mobile internet device(MID)), PDA(personal digital assistant), EDA(enterprise digital assistant), 디지털 스틸 카메라(digital still camera), 디지털 비디오 카메라(digital video camera), PMP(portable multimedia player), PND(personal navigation device 또는 portable navigation device), 휴대용 게임 콘솔(handheld game console), e-북(e-book), 또는 스마트 디바이스(smart device)로 구현될 수 있다.
스마트 디바이스는 스마트 와치(smart watch watch) 또는 스마트 밴드(smart band)로 구현될 수 있다. 즉, 전자 장치(200)는 사용자가 착용할 수 있는 또는 착용하기에 적합한 웨어러블 장치일 수 있다.
전자 장치(200)는 서버(300)에 연결할 수 있다. 예를 들어, 전자 장치(200)는 웹 서버(web server)를 사용하여 서버(300)에 연결할 수 있다.
서버(300)는 클라우드 서버(cloud server)일 수 있다. 예를 들어, 서버(300)는 IaaS(Infrastracture as a Service), PaaS(Platform as a Service), 또는 SaaS(Software as a Service)를 제공할 수 있다.
서버(300)가 IaaS를 제공하는 경우, 서버(300)는 서버, 스토리지(storage), 또는 네트워크 장비 등의 인프라를 제공할 수 있다. 즉, 사용자는 IaaS가 제공하는 인프라를 조합하여 어플리케이션을 실행하고 운영할 수 있다.
서버(300)가 PaaS를 제공하는 경우, 서버(300)는 플랫폼을 웹으로 제공할 수 있다. 즉, 사용자는 PaaS를 사용하여 어플리케이션을 개발, 생성 등을 할 수 있다. 또한, 서버(300)가 PaaS를 제공하는 경우, 서버(300)는 전자정부표준프레임워크 기반의 PaaS-TA를 제공할 수 있다.
서버(300)가 SaaS를 제공하는 경우, 서버(300)는 소프트웨어를 웹으로 제공할 수 있다. 즉, 사용자는 소프트웨어를 설치할 필요 없이 웹에 접속하여 바로 사용할 수 있다.
서버(300)는 로컬 데이터 및 기계 학습 명령어들(machine learning instructions)을 데이터베이스에 저장할 수 있다. 서버(300)는 가상 머신(virtual machine(VM))을 사용하여 데이터베이스(database)를 관리할 수 있다. 예를 들어, 데이터베이스는 가상 머신 데이터베이스일 수 있다.
서버(300)는 API 게이트웨이(API gateway; 400)를 사용하여 기계 학습 서버(500)에 접속할 수 있다. API 게이트웨이(400)는 로컬 데이터에 대한 기계 학습을 API 형태로 제공할 수 있다. 즉, 기계 학습 서버(500)는 서버(300)의 외부에 존재하는 물리적 서버일 수 있다.
기계 학습 서버(500)는 기계 학습 모듈(machine learning module)을 포함할 수 있다. 기계 학습 모듈은 서버(300)의 가상 머신 데이터베이스에 접근하여 기계 학습을 수행할 수 있다. 기계 학습 모듈은 기계 학습 명령어들에 기초하여 로컬 데이터에 기계 학습을 수행할 수 있다.
또한, 기계 학습 모듈은 외부로부터 트레이닝 데이터를 획득하여 기계 학습을 수행할 수 있다. 이때, 트레이닝 데이터는 기계 학습 모듈의 훈련을 위해 제공되는 IoT 장치(100)에 대한 데이터일 수 있다.
기계 학습 모듈은 전자 장치(200)의 명령에 응답하여, 기계 학습을 수행하고 기계 학습 모델(machine learning model)을 생성할 수 있다. 기계 학습 모델은 로컬 데이터와 연관된 태그(tag) 또는 데이터 등일 수 있다.
기계 학습 모듈은 API 게이트웨이(400)로 기계 학습 모델을 반환할 수 있다. 이에, 전자 장치(200)는 기계 학습 모델에 기초하여 IoT 장치(100)를 제어할 수 있다.
예를 들어, 전자 장치(200)는 기계 학습 모델이 기준값(reference value 또는 threshold) 이상인 시간대에서 IoT 장치(100)를 작동시킬 수 있다. 또한, 전자 장치(200)는 기계 학습 모델이 기준값 미만인 시간대에서 IoT 장치(100)를 작동시키지 않거나, 저전력 대기 모드로 전환할 수 있다.
도 2a는 도 1에 도시된 API 게이트웨이의 블록도를 나타내고, 도 2b는 도 2a에 도시된 서비스 백앤드의 블록도를 나타낸다.
도 2a 및 도 2b를 참조하면, API 게이트웨이(400)는 API 플랫폼 브로커(API platform broker; 410), 서비스팩 데이터베이스(service pack database; 420), 및 서비스 백앤드(service back-end; 430)을 포함한다. 이때, 서비스 백앤드(430)는 API 관리자(431) 및 모니터링 어플리케이션(432)를 포함한다.
서버(300)는 API 게이트웨이(400)를 가상 머신 형태로 생성하고 관리할 수 있다. API 게이트웨이(400)는 서버(300)를 외부 서버와 연결할 수 있다. 예를 들어, API 게이트웨이(400)는 기계 학습 서버(500)에 접속할 수 있다.
API 플랫폼 브로커(410)는 클라우드 서비스를 사용하여 등록된 API 서비스를 제공할 수 있다. 예를 들어, API 플랫폼 브로커(410)는 PaaS를 사용하여 등록된 API 서비스를 제공할 수 있다.
또한, API 플랫폼 브로커(410)는 API 호출 횟수를 제한할 수 있다. 예를 들어, 사용자가 미리 정해진(pre-determined) 횟수 이상으로 API를 호출하는 경우, API 플랫폼 브로커(410)는 호출을 차단할 수 있다.
서비스팩 데이터베이스(420)는 API 호출 횟수와 접근 권한을 저장할 수 있다. 접근 권한은 서비스 백앤드(430) 또는 서비스팩 데이터베이스(420)에 대한 접근 권한일 수 있다.
서비스 백앤드(430)는 API를 등록하여 관리하고, 모니터링을 수행할 수 있다. API 관리자(431)는 기계 학습을 이용할 수 있게 해주는 API를 등록하고 관리할 수 있다. 또한, API 관리자(431)는 모니터링 어플리케이션(432)을 통해 서비스팩 데이터베이스(420)에 접근할 수 있다. API 관리자(431)는 서비스팩 데이터베이스(420)에 저장된 API 호출 횟수, 접근 권한 등에 기초하여 모니터링을 수행할 수 있다.
도 3은 도 1에 도시된 서버의 블록도를 나타낸다.
도 3을 참조하면, 서버(300)는 가상 머신 웹 어플리케이션(310), 가상 머신 게이트웨이(320), 가상 머신 서버(330), 가상 머신 데이터베이스(331), 및 API 게이트웨이(400)를 포함한다. 이때, 가상 머신 서버(330)는 가상 머신 데이터베이스(331)를 포함한다.
서버(300)는 가상 머신 웹 어플리케이션(310), 가상 머신 게이트웨이(320), 가상 머신 서버(330), 가상 머신 데이터베이스(331), 및 API 게이트웨이(400)를 가상 머신 형태로 생성하고 관리할 수 있다.
사용자는 전자 장치(200)와 웹 서버를 사용하여 가상 머신 웹 어플리케이션(310)에 접속할 수 있다. 웹서버는 가상 머신 웹 어플리케이션(310)을 HTML(Hypertext Markup Language) 형태의 웹페이지로 사용자에게 제공할 수 있다.
사용자는 가상 머신 웹 어플리케이션(310)을 통해 개인 정보를 등록할 수 있다. 예를 들어, 사용자는 ID(identification) 및 패스워드(password)를 등록할 수 있다.
사용자가 로그인을 시도하는 경우, 가상 머신 웹 어플리케이션(310)은 사용자의 개인 정보에 기초하여 사용자를 인증할 수 있다.
가상 머신 웹 어플리케이션(310)이 사용자를 인증한 경우, 서버(300)는 가상 머신 게이트웨이(320)를 생성할 수 있다. 이때, 사용자가 N명인 경우, 서버(300)는 N명의 사용자 중에서 인증된 사용자의 수만큼 가상 머신 게이트웨이(320)를 생성할 수 있다.
서버(300)는 IoT 장치(100)를 가상 머신 웹 어플리케이션(310)에 등록할 수 있다. 예를 들어, 서버(300)는 사용자의 입력에 응답하여 IoT 장치(100)를 등록할 수 있다. 이에, 사용자 전자 장치(200)의 웹 서버를 통해 실행 명령을 전송하면, 가상 머신 게이트웨이(320)는 IoT 장치(100)를 실행할 수 있다. 예를 들어, 가상 머신 게이트웨이(320)는 소스 컴파일을 수행하고, 자바 스크립트 파일을 실행할 수 있다. 자바 스크립트 파일은 가상 머신 게이트웨이(320)에 저장되어 있을 수 있다.
이에, 가상 머신 웹 어플리케이션(310)은 IoT 장치(100)로부터 로컬 데이터를 획득할 수 있다. 가상 머신 게이트웨이(320)는 로컬 데이터를 표준화된 규격으로 가상 머신 서버(330)의 가상 머신 데이터베이스(331)에 저장할 수 있다.
사용자는 API 게이트웨이(400)를 사용하여 기계 학습을 수행할 수 있다. 즉, API 게이트웨이(400)는 사용자의 입력에 응답하여, 가상 머신 데이터베이스(331)에 접근하여 기계 학습을 수행할 수 있다.
도 4는 일 실시예에 따른 사물 인터넷 제어 방법의 순서도를 나타낸다.
도 4를 참조하면, 서버(300)는 로컬 데이터 및 기계 학습 명령어들을 저장할 수 있다(S401). 로컬 데이터는 IoT 장치(100)에 관한 데이터일 수 있다.
기계 학습 서버(500)의 기계 학습 모듈은 서버(300)의 가상 머신 데이터베이스(331)에 접근하여 기계 학습을 수행할 수 있다(S402). 예를 들어, 기계 학습 모듈은 기계 학습 명령어들에 기초하여, 로컬 데이터에 기계 학습을 수행할 수 있다. 기계 학습 모듈은 기계 학습을 수행하여 기계 학습 모델을 생성할 수 있다. 서버(300)는 기계 학습 모델을 획득하여 전자 장치(200)로 전송할 수 있다.
전자 장치(200)는 기계 학습 모델에 기초하여 IoT 장치(100)를 제어할 수 있다(S403). 예를 들어, 전자 장치(200)는 기계 학습 모델이 기준값 이상인 시간대에서 IoT 장치(100)를 작동시킬 수 있다. 또한, 전자 장치(200)는 기계 학습 모델이 기준값 미만인 시간대에서 IoT 장치(100)를 작동시키지 않거나, 저전력 대기 모드로 전환할 수 있다.
이하에서는 IoT 장치(100)가 가스 센서, 동작 감지 센서, 및 공기 청정기인 경우를 예로 들어 설명하도록 한다.
도 5는 도 1에 도시된 전자 장치의 동작을 설명하기 위한 도면이다.
도 5를 참조하면, IoT 장치(100)는 가스 센서, 동작 감지 센서, 및 공기 청정기를 포함한다. 전자 장치(200) 및 서버(300)는 IoT 장치(100)에 기계 학습을 수행하여 기계 학습 모델을 획득하고, 기계 학습 모델에 기초하여 IoT 장치(100)를 제어할 수 있다.
전자 장치(200)는 동작 감지 센서가 사용자의 동작을 감지했는지 확인할 수 있다(S510). 이때, 동작 감지 센서가 사용자의 동작을 감지한 경우, 전자 장치(200)는 공기 청정기를 작동시킬 수 있다(S550).
동작 감지 센서가 사용자의 동작을 감지하지 않은 경우, 전자 장치(200)는 기계 학습 결과가 존재하는지 확인할 수 있다(S520). 이때, 기계 학습 결과는 기계 학습 모델을 포함할 수 있다. 기계 학습 결과가 존재하지 않는 경우, 전자 장치(200)는 공기 청정기를 중단시킬 수 있다. 전자 장치(200)는 공기 청정기를 중단하는 대신, 저전력 대기 모드로 전환시킬 수도 있다.
기계 학습 결과가 존재하는 경우, 전자 장치(200)는 기계 학습 결과에 기초하여 가스 수치가 높아질 시간인지 판단할 수 있다(S540). 가스 수치는 이산화탄소(CO2) 수치, 이산화질소(NO2) 수치, 또는 이산화황(SO2) 수치 등을 포함할 수 있다. 예를 들어, 전자 장치(200)는 이산화탄소(CO2) 수치가 기준값 이상인 시간대인지 판단할 수 있다. 또 다른 예를 들어, 전자 장치(200)는 이산화질소(NO2) 수치 및 이산화황(SO2) 수치가 기준값 이상인 시간대인지 판단할 수 있다.
이때, 가스 수치가 높아질 시간이 아닌 경우, 전자 장치(200)는 공기 청정기를 중단시킬 수 있다(S530). 전자 장치(200)는 공기 청정기를 중단하는 대신, 저전력 대기 모드로 전환시킬 수도 있다.
가스 수치가 높아질 시간인 경우, 전자 장치(200)는 공기 청정기를 작동시킬 수 있다(S550).
도 5에서는 설명의 편의를 위해 IoT 장치(100)가 가스 센서, 동작 감지 센서, 및 공기 청정기로 구현되는 것으로 설명하였으나, 반드시 이에 한정되는 것은 아니고, IoT 장치(100)는 웹캠, 보안 카메라, 감시 카메라, 온도 조절 장치, 심박 모니터, 공기 청정기, 스마트 가전, 필드 구동 장치, 및 센서 등으로 구현될 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (19)

  1. 사물 인터넷(internet of thins(IoT)) 센서에 기초하여 공기 청정기의 동작을 제어하는 방법에 있어서,
    상기 IoT 센서는 가스 센서 및 동작 감지 센서를 포함하고,
    상기 동작 감지 센서가 사용자의 동작을 감지한 경우 상기 공기 청정기를 동작시키는 단계; 및
    상기 동작 감지 센서가 상기 동작을 감지하지 않은 경우 기계 학습 모델에 기초하여 상기 기계 학습 모델이 상기 공기 청정기를 제어하기 위한 기준인 기준값 이상 또는 미만인 시간대에서 상기 공기 청정기를 제어하는 단계
    를 포함하고,
    상기 기계 학습 모델은,
    사용자의 입력에 응답하여 상기 사용자가 권한 있는 사용자인 경우 클라우드 서버에 가상 머신 게이트웨이를 생성하는 단계;
    상기 가상 머신 게이트웨이를 통해 상기 가스 센서에 대한 로컬 데이터(local data) 및 기계 학습 명령어들(machine learning instructions)을 상기 가상 머신 데이터베이스에 저장하는 단계; 및
    상기 클라우드 서버의 API 게이트웨이를 통해 외부 서버의 기계 학습 모듈에 접근하고, 상기 기계 학습 모듈이 상기 가상 머신 데이터베이스의 상기 기계 학습 명령어들에 기초하여 상기 로컬 데이터에 기계 학습을 수행하여 기계 학습 모델을 생성하는 단계
    를 통해 생성되는
    공기 청정기 제어 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 기계 학습 모델을 생성하는 단계는,
    상기 API 게이트웨이가 상기 기계 학습을 API(application programming interface)로 제공하는 단계
    를 포함하는 공기 청정기 제어 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 공기 청정기를 제어하는 단계는,
    상기 기계 학습 모델의 가스 수치가 상기 기준값 이상인 시간대에 상기 공기 청정기를 작동시키는 단계
    를 포함하고,
    상기 가스 수치는 이산화탄소 수치, 이산화질소 수치, 및 이산화황 수치 중에서 적어도 하나를 포함하는 공기 청정기 제어 방법.
  8. 제1항에 있어서,
    상기 공기 청정기를 제어하는 단계는,
    상기 기계 학습 모델의 가스 수치가 상기 기준값 미만인 시간대에 상기 공기 청정기를 저전력 대기 모드로 전환시키거나 또는 작동시키지 않는 단계
    를 포함하고,
    상기 가스 수치는 이산화탄소 수치, 이산화질소 수치, 및 이산화황 수치 중에서 적어도 하나를 포함하는 공기 청정기 제어 방법.
  9. IoT 센서에 기초하여 공기 청정기의 동작을 제어하는 장치에 있어서,
    상기 IoT 센서는 가스 센서 및 동작 감지 센서를 포함하고,
    상기 동작 감지 센서가 사용자의 동작을 감지한 경우 상기 공기 청정기를 동작시키고, 상기 동작 감지 센서가 상기 동작을 감지하지 않은 경우 기계 학습 모델에 기초하여 상기 기계 학습 모델이 상기 공기 청정기를 제어하기 위한 기준인 기준값 이상 또는 미만인 시간대에서 상기 공기 청정기를 제어하는 컨트롤러;
    상기 가스 센서에 대한 로컬 데이터 및 기계 학습 명령어들을 저장하는 가상 머신 데이터베이스; 및
    상기 가상 머신 데이터베이스의 상기 기계 학습 명령어들에 기초하여 상기 로컬 데이터에 기계 학습을 수행하여 상기 기계 학습 모델을 생성하는 기계 학습 모듈
    을 포함하고,
    상기 컨트롤러는,
    상기 사용자의 입력에 응답하여 상기 사용자가 권한 있는 사용자인 경우 클라우드 서버에 가상 머신 게이트웨이를 생성하고, 상기 가상 머신 게이트웨이를 통해 상기 가상 머신 데이터베이스에 상기 로컬 데이터 및 상기 기계 학습 명령어들을 저장하고, 상기 클라우드 서버의 API 게이트웨이를 통해 외부 서버의 상기 기계 학습 모듈에 접근하는
    공기 청정기 제어 장치.
  10. 제9항에 있어서,
    상기 가상 머신 데이터베이스 및 상기 컨트롤러는 상기 클라우드 서버에 구현되고,
    상기 기계 학습 모듈은 상기 외부 서버에 구현되는
    공기 청정기 제어 장치.
  11. 제9항에 있어서,
    상기 기계 학습 모듈은,
    상기 컨트롤러의 명령에 응답하여 상기 기계 학습을 수행하는
    공기 청정기 제어 장치.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 제9항에 있어서,
    상기 API 게이트웨이는 상기 기계 학습을 API(application programming interface)로 제공하는 공기 청정기 제어 장치.
  16. 삭제
  17. 제9항에 있어서,
    상기 컨트롤러는,
    상기 기계 학습 모델의 가스 수치가 상기 기준값 이상인 시간대에 상기 공기 청정기를 작동시키고,
    상기 가스 수치는 이산화탄소 수치, 이산화질소 수치, 및 이산화황 수치 중에서 적어도 하나를 포함하는 공기 청정기 제어 장치.
  18. 제9항에 있어서,
    상기 컨트롤러는,
    상기 기계 학습 모델의 가스 수치가 상기 기준값 미만인 시간대에 상기 공기 청정기를 작동시키지 않고,
    상기 가스 수치는 이산화탄소 수치, 이산화질소 수치, 및 이산화황 수치 중에서 적어도 하나를 포함하는 공기 청정기 제어 장치.
  19. 제1항, 제5항, 제7항, 및 제8항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
KR1020170095612A 2017-07-27 2017-07-27 머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치 KR101884129B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170095612A KR101884129B1 (ko) 2017-07-27 2017-07-27 머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170095612A KR101884129B1 (ko) 2017-07-27 2017-07-27 머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치

Publications (1)

Publication Number Publication Date
KR101884129B1 true KR101884129B1 (ko) 2018-07-31

Family

ID=63078084

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170095612A KR101884129B1 (ko) 2017-07-27 2017-07-27 머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치

Country Status (1)

Country Link
KR (1) KR101884129B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210105276A (ko) * 2020-02-18 2021-08-26 국민대학교산학협력단 스마트 홈 모니터링 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160009422A (ko) * 2014-07-16 2016-01-26 한국과학기술원 스마트홈 사물인터넷 기기의 상태 표시등 제어 방법 및 장치
US20160044136A1 (en) * 2014-05-27 2016-02-11 Nimbus 9, Inc. Virtual gateway
KR20170062910A (ko) * 2015-11-30 2017-06-08 달리웍스 주식회사 사물 인터넷 시스템에서 외부 데이터를 가상 게이트웨이를 이용해서 입력받는 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160044136A1 (en) * 2014-05-27 2016-02-11 Nimbus 9, Inc. Virtual gateway
KR20160009422A (ko) * 2014-07-16 2016-01-26 한국과학기술원 스마트홈 사물인터넷 기기의 상태 표시등 제어 방법 및 장치
KR20170062910A (ko) * 2015-11-30 2017-06-08 달리웍스 주식회사 사물 인터넷 시스템에서 외부 데이터를 가상 게이트웨이를 이용해서 입력받는 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210105276A (ko) * 2020-02-18 2021-08-26 국민대학교산학협력단 스마트 홈 모니터링 방법 및 장치
KR102343324B1 (ko) 2020-02-18 2021-12-27 국민대학교산학협력단 스마트 홈 모니터링 방법 및 장치

Similar Documents

Publication Publication Date Title
US11315034B2 (en) Intelligent big data system, and method and apparatus for providing intelligent big data service
US10972582B2 (en) System and method for scoped attributes
US8532302B2 (en) System and method for registering a personal computing device to a service processor
US9923905B2 (en) System and method for zone access control
US11122089B2 (en) Authorization policy optimization method and apparatus, and storage medium
US20170223057A1 (en) System and method for access control services
CN108958787B (zh) 区块链系统升级方法、装置、设备及存储介质
EP2972987B1 (en) Sensor associated data of multiple devices based computing
US20160246987A1 (en) Sensor aware security policies with embedded controller hardened enforcement
EP3084672B1 (en) Protection system including machine learning snapshot evaluation
US11647086B2 (en) System and method for maintaining user session continuity across multiple devices and/or multiple platforms
US11586522B2 (en) Pattern-recognition enabled autonomous configuration optimization for data centers
KR102199590B1 (ko) 관심정보에 따른 컨텐츠 추천장치 및 방법
US10805802B1 (en) NFC-enhanced firmware security
WO2016043896A1 (en) Contextual platform feature recommendations
KR20190036422A (ko) 통합된 분석 모델에 기초하여 이상 행동을 감지하는 시스템 및 그 방법
KR101884129B1 (ko) 머신 러닝을 사용한 사물 인터넷 센서 제어 방법 및 이를 수행하는 장치
US10958726B2 (en) Method of synchronizing device list in a smart network system, apparatus, and computer storage medium thereof
KR101971790B1 (ko) 통합된 분석 모델에 기초하여 이상 행동을 감지하는 시스템 및 그 방법
US20140089946A1 (en) Application management of a processor performance monitor
JP6100832B2 (ja) メッセンジャの対話内容に基づいて推薦検索語を提供する方法とシステム、および記録媒体
KR101935235B1 (ko) 스마트 보관함 제어 방법 및 이를 수행하는 장치들
EP3523745B1 (en) Electronic device, method for controlling thereof and computer-readable recording medium
JP2017220236A (ja) クライアント改ざん判断システムおよび方法
US11366766B2 (en) Electronic device and control method thereof

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant