KR102182506B1 - 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템 - Google Patents

사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템 Download PDF

Info

Publication number
KR102182506B1
KR102182506B1 KR1020140015656A KR20140015656A KR102182506B1 KR 102182506 B1 KR102182506 B1 KR 102182506B1 KR 1020140015656 A KR1020140015656 A KR 1020140015656A KR 20140015656 A KR20140015656 A KR 20140015656A KR 102182506 B1 KR102182506 B1 KR 102182506B1
Authority
KR
South Korea
Prior art keywords
object data
service
data
module
prediction
Prior art date
Application number
KR1020140015656A
Other languages
English (en)
Other versions
KR20150094408A (ko
Inventor
유재학
오세원
배명남
김말희
방효찬
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020140015656A priority Critical patent/KR102182506B1/ko
Publication of KR20150094408A publication Critical patent/KR20150094408A/ko
Application granted granted Critical
Publication of KR102182506B1 publication Critical patent/KR102182506B1/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 사물인터넷에 관한 것으로, 사물 데이터를 이용한 클라우드 환경에서의 서비스를 인지하는 기술에 관한 것이다. 본 발명의 일 측면에 따르면, 서비스를 제공할 대상에 위치한 센서로부터 사물데이터를 수집하여 전송하는 실시간 사물데이터 전송 모듈, 수신된 사물데이터에서 분석 목적에 부합하는 사물데이터를 선택하는 실시간 사물데이터 업데이트 및 취득 모듈, 선택된 사물데이터 중 상기 서비스에서의 의사결정 또는 예측에 사용되는 사물데이터를 선택 및 축소하는 데이터 저장 및 중요 데이터 선택 모듈, 선택 및 축소된 사물데이터를 이용하여 예측 모델을 생성하는 예측 모델 생성 모듈, 상기 예측 모델을 업데이트하고 의미적으로 분석하는 예측 모델 관리 및 의미적 분석 모듈 및 상기 예측 모델 및 의미적 분석 결과를 이용하여 상기 서비스를 제공할 대상을 모니터링하고 제어하는 클라우드 기반 데이터 및 제어 관리 모듈을 포함하 는 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템이 제공된다.

Description

사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템{System of recognizing service in cloud environment by using IoT data}
본 발명은 사물인터넷에 관한 것으로, 사물 데이터를 이용한 클라우드 환경에서의 서비스를 인지하는 기술에 관한 것이다.
사물인터넷의 주요 기술은 센싱기술, 유무선 통신 및 네트워크 인프라 기술, 서비스 인터페이스 기술을 포함한다. 센싱 기술은 센서로부터 정보를 수집, 처리, 보관, 관리하고 정보가 서비스로 구현되기 위한 인터페이스 구현을 지원한다. 네트워크 종단간 사물인터넷 서비스를 지원하기 위해서는 WLAN, WPAN 등과 같은 근거리 통신기술, 3G, LTE 등과 같은 이동통신기술, Ethernet과 같은 유선통신기술 등의 유무선 통신 및 네트워크 인프라 기술이 필요하다. 최종적으로 사용자에게 사물인터넷 서비스를 제공하기 위해서는 정보를 센싱, 가공, 처리, 저장, 판단, 인지, 보안 및 프라이버시 보호, 인증, 객체 정형화, 오픈 API, 오픈 플랫폼 기술 등을 포함하는 서비스 인터페이스 기술의 활용이 선행되어야 한다. 특히, 가까운 미래에는 사물인터넷 기반의 시스템 개발 및 서비스 확대가 예상되며, 이로 인해 실시간 생성되는 사물 간의 통신 네트워크 트랙픽과 서비스 관련 정보들이 폭발적으로 증가할 것으로 예상된다. 따라서, 보다 안정적이고 실시간 확장성과 대용량 데이터 처리 및 서비스를 가능케 할 수 있는 클라우드 컴퓨팅의 기술 접목은 필수적 요소 중 하나이다.
클라우드 컴퓨팅 기술은 컴퓨팅 환경뿐만 아니라 관련 산업의 패러다임을 변화시키고 있는 ICT 분야의 주요 이슈 기술 중 하나이다. 클라우드 컴퓨팅은 인터넷 기술을 활용하여 IT 자원을 서비스로 제공하는 컴퓨팅으로 저장소, 네트워크, 소프트웨어 등과 같은 IT 자원을 필요한 만큼 빌려 사용하고, 서비스에 따라서 실시간 확정성 보장과, 사용한 만큼의 비용을 지불하는 컴퓨팅으로 정의된다. 클라우드 컴퓨팅의 주요 요소기술로는 1) 서버간의 분산처리를 위한 시간 동기화, 접근권한 제공, 세션 관리, 이벤트 처리 및 노드 관리를 수행할 수 있는 분산 시스템 운용 관리 기술, 2) 성능과 가용성을 충족하고 서버 고장과 같은 시스템 장애에 대한 신뢰성과 가용성을 보장할 수 있는 분산파일 시스템 I/O 가상화 기술, 3) 대용량의 데이터 처리를 개선하기 위해 이미 존재하는 데이터를 임시로 저장해 놓음으로써 응답시간을 줄일 수 있는 캐시 기술, 4) 분산환경에서 동작하는 서버의 상태정보를 수집 및 분석하는 기술, 5) 대용량의 데이터를 병렬로 처리하기 위해 분산된 서버환경에서 최적화하여 수행토록 하는 병렬 처리 기술 등을 포함한다.
특히, 페타(Peta) 및 엑사(Exa) 수준의 데이터로 일컬어지는 빅데이터 시대에 있어 클라우드 컴퓨팅을 통한 활용이 대안으로 제시되고 있지만 이러한 유비쿼터스 컴퓨팅의 실현을 위해 선결해야 할 문제들이 존재하고 있다. 이는 언제 어디서나 통신을 제공하는 환경에서 주변의 모든 사물이 실시간으로 연결될 때, 폭발적으로 증가될 것으로 예상되는 사물 데이터 및 이러한 사물을 이용한 수많은 서비스들의 원활한 제공을 위해서 클라우드 컴퓨팅 환경을 고려해야 할 것이다.
한국 특허출원번호 제10-2007-0080005호 한국 특허출원번호 제10-2006-0103520호
본 발명은 인터넷 또는 웹 환경에서 수없이 많이 연결되는 사물 및 장치와 여기에서 생성되는 대량의 데이터 간의 자율적이면서 스마트한 협력과 사물 인터넷을 구현하기 위해 대용량 데이터에 대한 처리 기술과 서비스를 가능하게 하는 클라우드 환경을 고려한 사물데이터 기반 서비스 인지 방법 및 그에 대한 장치를 제공하고자 한다.
본 발명의 일 측면에 따르면, 서비스를 제공할 대상에 위치한 센서로부터 사물데이터를 수집하여 전송하는 실시간 사물데이터 전송 모듈, 수신된 사물데이터에서 분석 목적에 부합하는 사물데이터를 선택하는 실시간 사물데이터 업데이트 및 취득 모듈, 선택된 사물데이터 중 상기 서비스에서의 의사결정 또는 예측에 사용되는 사물데이터를 선택 및 축소하는 데이터 저장 및 중요 데이터 선택 모듈, 선택 및 축소된 사물데이터를 이용하여 예측 모델을 생성하는 예측 모델 생성 모듈, 상기 예측 모델을 업데이트하고 의미적으로 분석하는 예측 모델 관리 및 의미적 분석 모듈 및 상기 예측 모델 및 의미적 분석 결과를 이용하여 상기 서비스를 제공할 대상을 모니터링하고 제어하는 클라우드 기반 데이터 및 제어 관리 모듈을 포함하는 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템이 제공된다.
본 발명에 따르면, IoT/M2M으로 대표되는 사물 간의 자율적이면서 스마트한 통신, 다양한 산업간의 융복합을 통한 스마트 그리드, 헬스케어, 스마트 홈과 같은 서비스 활성화 시, 폭발적으로 증가될 것으로 예상되는 사물 데이터 자체 및 수많은 서비스들의 원활한 제공을 위한 클라우드 컴퓨팅 환경을 고려한 다양한 서비스 및 응용에 대한 인지, 예측 및 그 방법이 제공될 수 있다.
한편, 본 발명은 언제 어디서나 상호 통신이 가능한 IoT/M2M 환경에서 주변의 모든 사물이 실시간 연동될 때, 네트워크의 과부하와 다양한 서비스 사용자 요구에 대한 손실을 최소화하는데 기여할 수 있다.
또한, 본 발명은 클라우드 컴퓨팅 기반으로 하기 때문에, 향후 사물인터넷(IoT/M2M)의 부하를 최소화하고, 전체 클라우드 컴퓨팅 환경의 효율적이고 안정적인 운영에 도움을 줄 수 있다.
이하에서, 본 발명은 첨부된 도면에 도시된 실시예를 참조하여 설명된다. 이해를 돕기 위해, 첨부된 전체 도면에 걸쳐, 동일한 구성 요소에는 동일한 도면 부호가 할당되었다. 첨부된 도면에 도시된 구성은 본 발명을 설명하기 위해 예시적으로 구현된 실시예에 불과하며, 본 발명의 범위를 이에 한정하기 위한 것은 아니다.
도 1은 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 기술이 구현된 클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템을 예시적으로 도시한 도면이다.
도 2는 도 1에 도시된 클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템의 검증을 위해 수집된 사물데이터를 나타낸 표이다.
도 3은 도 2에 도시된 실험 데이터를 이용한 클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템의 에너지 사용 인지 및 예측 성능을 나타낸 표이다.
도 4는 예측 모델 생성 모듈에 의해 생성된 의사결정나무의 예를 도시한 도면이다.
도 5는 도 4의 의사결정나무를 이용하여 생성된 사물데이터 기반 건물에서의 에너지 사용에 대한 규칙의 예를 도시한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
도 1은 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 기술이 구현된 클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템을 예시적으로 도시한 도면이다.
도 1을 참조하면, 클라우드 환경을 고려한 실시간 대용량의 사물 데이터 처리 및 분석을 위한 예시로 제시된 클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템(100)은 실시간 사물데이터 전송 모듈(110), 실시간 사물데이터 업데이트 및 취득 모듈(120), 데이터 저장 및 중요 데이터 선택 모듈(130), 예측 모델 생성 모듈(140), 예측 모델 관리 및 의미적 분석 모듈(150), 및 클라우드 기반 데이터 및 제어 관리 모듈(160)을 포함한다.
실시간 사물데이터 전송 모듈(110)은 서비스를 제공할 대상에 위치한 센서로부터 사물데이터를 수집하여 전송한다. 도 1에서 예시로 제시된 사물데이터 기반 에너지 예측 및 분석 시스템에서, 실시간 사물데이터 전송 모듈(110)은 건물이나 시설물에 위치한 로컬 에이전트에 장착되며, 정기적으로 사물들의 다양한 센서로부터 실시간으로 건물 에너지 사용에 관한 사물데이터를 수집한 후, 클라우드 네트워크(Cloud Network)를 통해 데이터 센터(Data Center)로 수집된 사물데이터를 전송한다. 여기서, 센서에 의해 수집되는 사물데이터는 건물에서의 실내 및 실외 온도(oC), 습도(%), 풍속(m/s), 일사량 지수(MJ/m2), 등 일 수 있다.
실시간 사물데이터 업데이트 및 취득 모듈(120)은 수신된 사물데이터에서 분석 목적에 부합하는 사물데이터를 선택한다. 예를 들어, 실시간 사물데이터 업데이트 및 취득 모듈(120)은 실시간 사물데이터 전송 모듈(110)로부터 수신된 대용량의 사물데이터를 실시간으로 취득하고, 취득한 사물데이터에서 에너지 사용과 관련된 사물데이터를 데이터 저장 및 중요 데이터 선택 모듈(130)로 전송한다.
데이터 저장 및 중요 데이터 선택 모듈(130)은 수신된 사물데이터 중 특정 서비스에서의 의사결정이나 예측에서 중요하게 사용될 사물데이터를 선택 및 축소한다. 예를 들어, 데이터 저장 및 중요 데이터 선택 모듈(130)은 건물이나 시설물에서의 에너지 사용과 관련된 데이터 전체를 수신하여 실시간으로 저장한 후, 전체 데이터를 사용하지 않고 특정 서비스에서의 의사결정이나 예측에서 중요하게 사용될 데이터를 선택 및 축소한다. 선택 및 축소된 사물데이터는 예측 모델 생성 모듈(140)로 전송된다.
예측 모델 생성 모듈(140)은 선택 및 축소된 사물데이터를 이용하여 예측 모델을 생성한다. 예를 들어, 예측 모델 생성 모듈(140)은 의사결정나무인 C4.5 알고리즘을 기반으로 에너지 사용 예측 모델을 트리(Tree) 형태로 생성할 수 있다. 여기서, 에너지 사용 예측 모델은 실시간으로 짧은 시간 동안의 에너지 사용 예측을 결정 및 제어를 수행하는데 이용될 수 있다. 생성된 에너지 사용 예측 모델은 예측 모델 관리 및 의미적 분석 모듈(150)로 전송된다.
예측 모델 관리 및 의미적 분석 모듈(150)은 수신된 예측 모델을 업데이트한다. 예를 들어, 예측 모델 관리 및 의미적 분석 모듈(150)은 C4.5 알고리즘기반으로 학습된 에너지 사용 예측 모델에 대해 점증적으로 갱신 또는 업데이트를 실시간으로 수행한다. 즉, 예측 모델 관리 및 의미적 분석 모듈(150)은 예측의 정확성을 높이는 특징 또는 속성을 추출하여 예측의 정확성을 보장하고, 규칙 또는 의미적 분석(Semantic Analysis)을 수행함으로써 에너지 사용에 대한 인지 및 이에 대한 과학적인 의사결정 등을 지원할 수 있다. 예측 결과와 규칙, 의미적 분석결과는 클라우드 기반 데이터 및 제어 관리 모듈(160)로 전송 된다.
클라우드 기반 데이터 및 제어 관리 모듈(160)은 수신된 예측 및 분석 결과를 이용하여 서비스를 제공할 대상을 모니터링하고 제어메시지를 통해 서비스를 제어한다. 예를 들어, 클라우드 기반 데이터 및 제어 관리 모듈(160)은 클라우드 기반 BMS(Building Management System) 서버에 탑재되어 예측 및 분석 결과를 이용하여 건물이나 시설물에 BCS(Building Cooling System) 실시간 모니터링, 관리, 제어 메시지를 보내고, 클라우드 기반의 사물데이터에 대한 자율적 협력, 서비스 창출 및 정책이나 의사결정 지원의 과학적 근거로 활용할 수 있는 역할을 수행한다.
사람과 사물에서 센싱한 정보를 네트워크로 연결하는 사물인터넷 (IoT/M2M)은 다양한 분야에서 서비스 창출 및 사업화가 활발해지고 있다. 그러나, 거의 무한대에 가까운 사람과 사물들로부터 생성되는 데이터를 네트워크의 과부하나 손실 없이 실시간 처리, 저장, 관리, 및/또는 제어하기가 어렵다. 이러한 어려움은 대용량의 데이터를 처리하고 실시간 확장이 가능하며 이를 이용하여 사용자에게 다양한 서비스를 실시간 제공할 수 있는 클라우드 컴퓨팅을 사물인터넷으로 확장하면 해결될 수 있다. 보다 안정적이고 효율적인 클라우드 기반의 사물인터넷을 현실화하고 이를 기반으로 한 서비스 창출을 위해서는, 수많은 사람 및 사물로부터 생성되는 방대한 양의 데이터 모두를 수용하는 것보다는, 불완전하거나 의미 없는 데이터 차원을 줄여서 처리해야 한다.
이러한 문제를 해결하기 위해서, 예측 모델 생성 모듈(140)은 실시간 대용량의 사물데이터 및 고차원의 데이터 차원을 줄여 실시간 처리를 보장하고 데이터 처리 성능을 향상시킬 수 있다. 이를 위해, 예측 모델 생성 모듈(140)은 특정 서비스나 도메인에서의 최적 데이터 또는 속성을 선택하고 의미적 해석을 수행하기 위해 의사결정나무(Decision Tree) 알고리즘을 도입하였다. 여기서, 의사결정나무의 도입은 하나의 예시일 뿐이며, 이와 상응하는 알고리즘 등을 포함할 수 있다. 의사결정나무는 데이터마이닝 분야에서 분류 및 예측문제에 사용되는 기법으로 변수들 간에 미치는 영향이나 상호작용에 관한 방법론이다. 의사결정나무는 신경망구조 분석과는 달리 얻어진 지식을 표현할 때 직관적이며 손쉽게 규칙을 생성하기 때문에 분류 및 예측 모형을 제시하는데 주로 사용되어 왔다. 대부분의 의사결정 알고리즘은 하향식의 분할-정복(Divide and Conquer) 방법을 따르고 있으며, 훈련 데이터와 연관된 클래스 레이블로부터 모형을 구축한다. 의사결정나무의 대표적 알고리즘인 ID3는 많은 범위의 값을 갖는 속성이 상위 노드로 선택되는 단점을 가지고 있기 때문에 여기에서는 가장 진보되고 분류 및 예측 성능이 이미 검증된 C4.5 의사결정나무 알고리즘을 사용한다. 의사결정나무를 구성하는 각각의 노드인 속성에 대한 엔트로피와 정보량은 아래의 수학식 1에서와 같이 얻는다.
Figure 112014013427422-pat00001
따라서, 정보이익(Information Gain)은 아래의 수학식 2으로 정의된다.
Figure 112014013427422-pat00002
엔트로피와 유사하게 정의되는 분리정보(Split Information)를 사용하여 정보이익을 아래의 수학식 3과 같이 정규화 한다.
Figure 112014013427422-pat00003
아래의 수학식 4에서와 같이 최대 이익비(Gain Ratio)를 갖는 속성을 분리속성으로 선택한다.
Figure 112014013427422-pat00004
도 2는 도 1에 도시된 클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템의 검증을 위해 수집된 사물데이터를 나타낸 표이고, 도 3은 도 2에 도시된 실험 데이터를 이용한 클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템의 에너지 사용 인지 및 예측 성능을 나타낸 표이다.
클라우드 환경을 고려한 사물데이터 기반 에너지 예측 및 분석 시스템은 2006년부터 2009년까지의 서울시 강남구 삼성동에 위치한 COEX 건물에서 에너지 사용이 가장 많은 하절기인 6월부터 9월까지의 데이터를 이용하여 검증하였다. 도 2에 나타낸 표는 검증에 사용한 실제 센서로부터 추출한 사물데이터(HVAC, Heating, Ventilation and Air-Conditioning)의 값을 샘플링하여 보여주고 있다.
COEX 건물에서의 정확한 에너지 사용 예측에 대한 정확도 평가를 위하여 일반적인 평가기준인 Recall과 Precision을 아래의 수학식 5와 같이 성능 지표로 사용하였다.
Figure 112014013427422-pat00005
실험에 대한 정확도 평가와 비교 분석을 위해, 2006년부터 2009년까지의 6월부터 9월 데이터 중, 오전 9시부터 오후 6시까지 시간대별로 사물데이터 480개씩 총 4,800개 추출하였으며, 각 시간대별로 280개씩 랜덤하게 추출하여 학습하였고 학습에 참여시키지 않은 시간대별 200개씩 총 2,000개의 HVAC 사물로부터 센싱된 사물데이터로 테스트하였다. 예측 모델 생성 모듈(140)에 도입한 C4.5의 우수성을 비교하기 위해, 기존의 데이터마이닝 기법 중에서 대표적인 선행연구 방법인 인공신경망(ANN, Artificial Neural Networks)과의 비교실험을 하였다. 실험 결과는 도 3과 같이 나타남을 확인하였다. 실험결과를 종합해 볼 때, 본 발명에서 제안하는 C4.5와 ANN 방법을 이용한 에너지 사용 인지 및 예측 성능에서 C4.5 방법의 경우 전체 recall은 91.10%, precision은 91.14%로 측정된 반면에 ANN 방법의 경우 recall은 88.95%, precision은 89.56%의 성능을 보였다.
도 4는 예측 모델 생성 모듈에 의해 생성된 의사결정나무의 예를 도시한 도면이다.
예측 모델 생성 모듈(140)에 의해 생성된 의사결정나무는 예측 모델 관리 및 의미적 분석 모듈(150)에서 활용하게 되며, 건물이나 시설물에서의 센싱된 사물데이터 기반의 에너지 사용에 대한 예측에만 사용되는 것이 아니라, 도 4에 도시된 에너지 사용 및 예측에 대한 의사결정나무를 얻을 수 있다. 결과적으로 건물이나 시설물에서의 에너지 사용과 관련된 수십에서 수백 개의 센싱 정보 중에서, 예를 들어, 일사량, 습도, 풍속 등과 같은 특정한 센싱 정보만으로도 에너지 사용 및 이에 대한 예측이 가능하다. 도 4에서, 최하위 노드(Leaf Node)안의 수치는 해당 시간정보, 괄호안의 수치는 학습 데이터에 의해 해당 에너지 사용 시간대의 클래스로 분류된 개수와 오분류된 시간대의 데이터 개수를 의미한다.
도 5는 도 4의 에너지 사용 및 예측에 대한 의사결정나무를 이용하여 얻은 규칙들을 나타낸 표이다.
도 4의 에너지 사용 및 예측에 대한 의사결정나무로부터 에너지 사용 예측에 대한 4개 이상의 규칙들을 얻을 수 있다. 얻어진 규칙들은 의미론적 해석을 통해 에너지 사용 관련 서비스에 대한 과학적인 근거자료 또는 의사결정에 활용될 수 있다. 즉, 도 5에 도시된 바와 같이, 규칙화 및 의미적 해석이 수행될 수 있다. 예측 모델 관리 및 의미적 분석 모듈(150)에서 얻은 에너지 예측 정보 및 해석 결과는 최종적으로 클라우드 기반 데이터 및 제어 관리 모듈(160)로 전송되어, 향후 사물인터넷의 부하를 최소화하고, 전체 클라우드 컴퓨팅 환경의 효율적이고 안정적인 운영에 이용된다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 사물데이터 기반 에너지 예측 및 분석 시스템
110: 실시간 사물데이터 전송 모듈
120: 실시간 사물데이터 업데이트 및 취득 모듈
130: 데이터 저장 및 중요 데이터 선택 모듈
140: 예측 모델 생성 모듈
150: 예측 모델 관리 및 의미적 분석 모델
160: 클라우드 기반 데이터 및 제어 관리 모듈

Claims (8)

  1. 서비스를 제공할 대상에 위치한 센서로부터 사물데이터를 수집하여 전송하는 실시간 사물데이터 전송 모듈;
    수신된 사물데이터에서 분석 목적에 부합하는 사물데이터를 선택하는 실시간 사물데이터 업데이트 및 취득 모듈;
    선택된 사물데이터 중 상기 서비스에서의 의사결정 또는 예측에 사용되는 사물데이터를 선택 및 축소하는 데이터 저장 및 중요 데이터 선택 모듈;
    의사결정나무 알고리즘을 이용하여, 상기 선택된 사물데이터와 상기 선택 및 축소된 사물데이터를 학습시켜 예측 모델을 생성하고 이 예측 모델에서 사용하는 실시간 사물데이터의 차원을 축소하여 제공하는 예측 모델 생성 모듈;
    상기 예측 모델을 업데이트하고 의미적으로 분석하는 예측 모델 관리 및 의미적 분석 모듈; 및
    상기 예측 모델 및 의미적 분석 결과를 이용하여 상기 서비스를 제공할 대상을 모니터링하고 상기 서비스를 제어하는 클라우드 기반 데이터 및 제어 관리 모듈을 포함하는 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    상기 예측 모델 관리 및 의미적 분석 모듈은 상기 의사결정나무를 분석하여 상기 서비스의 제어를 위한 적어도 하나의 규칙을 도출하는, 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템.
  6. 제 1 항에 있어서,
    상기 예측 모델 관리 및 의미적 분석 모듈은 상기 예측 모델에 기초한 예측의 정확도와 관련된 적어도 하나의 속성을 추출하고, 상기 속성을 반영하는 상기 예측 모델에 대한 업데이트를 실시간으로 수행하는, 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템.
  7. 제 1 항에 있어서,
    상기 실시간 사물데이터 업데이트 및 취득 모듈, 상기 데이터 저장 및 중요 데이터 선택 모듈, 및 상기 예측 모델 생성 모듈은 클라우드 환경에서 동작하는, 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템.
  8. 제 1 항에 있어서,
    상기 서비스는 상기 서비스를 제공할 대상의 에너지 소비량 예측 서비스이고,
    상기 예측 모델은 상기 대상의 에너지 소비량에 대한 예측 모델인, 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템.
KR1020140015656A 2014-02-11 2014-02-11 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템 KR102182506B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140015656A KR102182506B1 (ko) 2014-02-11 2014-02-11 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140015656A KR102182506B1 (ko) 2014-02-11 2014-02-11 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템

Publications (2)

Publication Number Publication Date
KR20150094408A KR20150094408A (ko) 2015-08-19
KR102182506B1 true KR102182506B1 (ko) 2020-11-24

Family

ID=54057903

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140015656A KR102182506B1 (ko) 2014-02-11 2014-02-11 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템

Country Status (1)

Country Link
KR (1) KR102182506B1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101631094B1 (ko) 2015-11-06 2016-06-16 (주)클라루스코리아 건물의 설비, 전력 및 조명 통합 제어 시스템
KR102049049B1 (ko) * 2016-09-07 2019-11-26 한국전자통신연구원 사물 인터넷 환경에서의 미래 예측 방법 및 장치
CN108983625B (zh) * 2018-07-20 2021-05-25 山东大学深圳研究院 一种智能家居系统及服务生成方法
KR102110592B1 (ko) * 2018-10-10 2020-06-08 전자부품연구원 IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법 및 시스템
KR102067542B1 (ko) * 2019-04-25 2020-01-16 한국건설기술연구원 스마트 시설물 관리 시스템 및 방법
CN112087513B (zh) * 2020-09-09 2021-05-18 四川旷谷信息工程有限公司 边缘设备的联动管理方法
CN116244369B (zh) * 2023-05-12 2023-07-18 山东云力信息科技有限公司 一种基于大数据可视化的数据挖掘方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1196132A (ja) * 1997-09-25 1999-04-09 Fujitsu Ltd 分類予測装置およびそのコンピュータプログラムを記憶した記憶媒体
JP4460878B2 (ja) 2003-11-20 2010-05-12 ユニ・チャーム株式会社 使い捨てのパンツ型着用物品
KR101032994B1 (ko) 2006-02-06 2011-05-09 윤정권 의료용품 가온 장치
KR20130035577A (ko) * 2011-09-30 2013-04-09 주식회사 케이티 상황 인지 기반의 건물 에너지 소비 최적화를 지원하는 시스템 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
김영진 외, ‘의사결정트리를 이용한 날씨에 따른 화재발생 확률 예측모델’, 정보과학회 논문지, 2013.*
이헌규 외, ‘센서스 정보 및 전력 부하를 활용한 전력 수요 예측’, 한국산업정보학회 논문지, 2013.*

Also Published As

Publication number Publication date
KR20150094408A (ko) 2015-08-19

Similar Documents

Publication Publication Date Title
KR102182506B1 (ko) 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템
Paul et al. Internet of Things: A primer
CN113176948B (zh) 边缘网关、边缘计算系统及其配置方法
CN113179190B (zh) 边缘控制器、边缘计算系统及其配置方法
Pilloni et al. Consensus-based resource allocation among objects in the internet of things
Akrivopoulos et al. A fog computing-oriented, highly scalable iot framework for monitoring public educational buildings
Liu et al. Research on the optimization of IIoT data processing latency
Maatoug et al. Fog computing framework for location-based energy management in smart buildings
Yu et al. WISE: web of object architecture on IoT environment for smart home and building energy management
Huo et al. Cloud-based data-intensive framework towards fault diagnosis in large-scale petrochemical plants
Ruiz et al. Big data architecture for building energy management systems
Zheng Retracted: Intelligent distribution system of university student dormitory based on data fusion optimisation algorithm
Wang et al. A new approach to heterogeneous wireless sensor networks reliability evaluation based on perception layer in internet of vehicles
Guo et al. PicPick: a generic data selection framework for mobile crowd photography
Makawana et al. A bibliometric analysis of recent research on delay-tolerant networks
Ezdiani et al. An architectural concept for sensor cloud QoSaaS testbed
Zhang et al. Task placement for crowd recognition in edge-cloud based urban intelligent video systems
Qi et al. Fusion application of big data and cloud computing in the internet of things
Pan et al. Secure Data Access and Consensus Algorithm based on Consortium Blockchain in LVC
Alaguraj et al. Integration of edge computing-enabled IoT monitoring and sharded blockchain in a renewable energy-based smart grid system
Yu et al. Cloud-based building management systems using short-term cooling load forecasting
Duan et al. [Retracted] Mobile Communication Network Optimization System Based on Artificial Intelligence
Darville et al. Microgrid operational planning using deviation clustering within a dddas framework
Aynehband et al. Accuracy and availability modeling of social networks for Internet of Things event detection applications
Sonar et al. Air Quality Prediction and Monitoring Using Machine Learning Algorithm and IOT

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