KR102282004B1

KR102282004B1 - Lora 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치

Info

Publication number: KR102282004B1
Application number: KR1020200089332A
Authority: KR
Inventors: 최준균; 한재섭; 이경호; 이상현
Original assignee: 한국과학기술원
Priority date: 2020-07-20
Filing date: 2020-07-20
Publication date: 2021-07-27

Abstract

LoRa 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치가 제시된다. 일 실시예에 따른 LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 단말의 데이터 전송 제어 방법은, LoRa 단말에서 LoRa 게이트웨이(Gateway)로 전송할 데이터가 있을 경우, 상기 LoRa 단말은 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하는 단계; 측정된 상기 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하는 단계; 상기 LoRa 게이트웨이의 전송할 상기 타임 슬롯에 데이터 프레임을 전송하는 단계; 및 상기 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 데이터베이스에 저장하는 단계를 포함하여 이루어질 수 있다.

Description

LORA 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치{METHOD AND APPARATUS FOR CONTROLLING DATA TRANSMISSION OF TERMINAL USING ARTIFICIAL INTELLIGENCE IN LORA NETWORK}

아래의 실시예들은 단말의 데이터 전송 제어 방법 및 장치에 관한 것으로, 더욱 상세하게는 LoRa 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치에 관한 것이다.

사물인터넷(이하, IoT(Internet of Things)) 기술은, 네트워크를 통해 IoT 단말들이 부착된 사물들에서 수집되는 데이터를 이용하여 어떤 가치 있는 서비스를 구현하는 기술을 나타낸다. 이러한 IoT 기술의 지속적인 발전에 따라 다양한 환경 내에 배치되는 IoT 단말들의 수가 점차로 증가되고 있다.

이러한 사물인터넷 시스템의 구축을 위한 통신 방식으로 종래에는 와이파이(Wi-Fi), 블루투스(Bluetooth) 등이 사용되었다. 하지만 이와 같은 방식들은 비교적 근거리에서만 통신이 가능하여, 넓은 범위를 커버할 필요가 있는 사물인터넷 시스템에는 적절치 않다는 단점이 있다. 사물인터넷을 위한 통신 방식은 전술한 바와 같이 넓은 범위를 커버할 수 있으면서도, 충전의 제약 및 지속적인 전원 공급이 필요한 경우가 많은 사물인터넷 기기를 위해 전력 소모가 적도록 설계될 필요가 있다. 이에 따라, 이른바 저전력 장거리 통신(Low Power Wide-Area, LPWA)에 대한 요구가 대두되었다.

실제 환경에 배치되는 IoT 기기의 다수는 배터리를 기반으로 에너지를 공급받기 때문에 에너지 효율적으로 동작해야 하며, 넓은 범위의 IoT 환경을 모니터링 하기 위해 기기간의 원거리 통신이 요구된다. 실제 스마트 수중 관리 시스템(Smart water management system)에서는 지하수 또는 오염수의 흐름을 관찰하기 위해 땅속에 센서를 배치하게 되는데, 이 경우 언급된 상술한 요구조건 만족시켜야 한다. 또한, LoRa(Long-Range) 통신 프로토콜(communication protocol)의 경우, IoT 기기들에서 전송하는 데이터 전송 속도(data rate)를 낮춤으로써, IoT 기기의 에너지 효율적 및 장거리 데이터 전송을 가능하게 하여 IoT 환경에서 다수의 기기를 연결하는 기술로 관심을 받고 있다.

한국공개특허 10-2020-0015210호는 이러한 LoRa 네트워크 서비스 방법 및 장치, LoRa 네트워크 단말장치의 통신 방법에 관한 기술을 기재하고 있다.

한국공개특허 10-2020-0015210호

실시예들은 LoRa 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치에 관하여 기술하며, 보다 구체적으로 LoRa 네트워크 내 AI/ML 방법을 활용한 LoRa 단말에서 외부 신호 세기에 따른 데이터 전송 타임 슬롯 선정 기술을 제공한다.

실시예들은 LoRa 단말의 외부 신호 세기, 데이터 전송 타임 슬롯 및 데이터 전송 성공 여부 관계를 데이터로 습득하고, 인공지능으로 학습함으로써 외부 신호 세기 상황에 따른 데이터 전송 성공 확률을 높일 수 있는 데이터 전송타임 슬롯을 선정할 수 있는 LoRa 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치를 제공하는데 있다.

실시예들은 채널 상황에 따라 데이터 전송 타임 슬롯을 지능적으로 달리함으로써 단말들간의 빈번한 데이터 충돌을 피할 수 있으며, 이로 인해 LoRa 네트워크 망의 동작 효율성을 향상시킬 수 있는 LoRa 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치를 제공하는데 있다.

일 실시예에 따른 LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 단말의 데이터 전송 제어 방법은, LoRa 단말에서 LoRa 게이트웨이(Gateway)로 전송할 데이터가 있을 경우, 상기 LoRa 단말은 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하는 단계; 측정된 상기 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하는 단계; 상기 LoRa 게이트웨이의 전송할 상기 타임 슬롯에 데이터 프레임을 전송하는 단계; 및 상기 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 데이터베이스에 저장하는 단계를 포함하여 이루어질 수 있다.

상기 LoRa 게이트웨이로부터 NACK를 전달 받거나 ACK를 수신하지 못하는 경우, 다시 상기 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정하고, 상기 타임 슬롯에 대한 정보를 획득하여, 상기 타임 슬롯에 데이터를 전송할 수 있다.

서버(Server)에서 상기 LoRa 게이트웨이를 통해 학습에 필요한 데이터를 요청한 경우, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로부터 비콘 신호(beacon signal)를 수신하는 단계; 및 상기 데이터베이스에서 외부 신호 세기에 따른 상기 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성하는 단계를 더 포함하고, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로 데이터 프레임을 전송할 수 있다.

상기 AI 알고리즘은, 서버에서 학습이 이루어지고, 학습된 상기 AI 알고리즘의 파라미터(parameter)는 상기 LoRa 게이트웨이를 통해 상기 LoRa 단말에게 전송되며, 상기 LoRa 단말은 학습된 상기 AI 알고리즘을 기반으로 동작할 수 있다.

다른 실시예에 따른 LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 단말의 데이터 전송 제어 장치는, LoRa 단말에서 LoRa 게이트웨이(Gateway)로 전송할 데이터가 있을 경우, 상기 LoRa 단말은 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하는 외부 신호 세기 측정부; 측정된 상기 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하는 타임 슬롯 정보 획득부; 상기 LoRa 게이트웨이의 전송할 상기 타임 슬롯에 데이터 프레임을 전송하는 데이터 전송부; 및 상기 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 저장하는 데이터베이스를 포함하여 이루어질 수 있다.

서버(Server)에서 상기 LoRa 게이트웨이를 통해 학습에 필요한 데이터를 요청한 경우, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로부터 비콘 신호(beacon signal)를 수신하는 비콘 신호 수신부; 및 상기 데이터베이스에서 외부 신호 세기에 따른 상기 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성하는 데이터 구성부를 더 포함하고, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로 데이터 프레임을 전송할 수 있다.

또 다른 실시예에 따른 LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 게이트웨이의 데이터 전송 제어 방법은, LoRa 게이트웨이에서 LoRa 단말로부터 전송되는 데이터를 수신하는 단계; 상기 LoRa 게이트웨이는 수신한 상기 데이터가 정상적으로 수집되었는지 여부를 확인하는 단계; 및 데이터가 충돌 없이 도착한 경우, 상기 LoRa 단말로 ACK를 전송하고, 그렇지 않은 경우 상기 LoRa 단말로 NACK 전송하는 단계를 포함하여 이루어질 수 있다.

AI 알고리즘의 업데이트 진행 시, 상기 LoRa 게이트웨이는 상기 LoRa 단말에게 비콘 신호를 전송하여 동기화시키는 단계; 상기 LoRa 단말로부터 수신된 데이터 프레임을 저장하는 단계; 수집된 상기 데이터를 서버로 전달하는 단계; 상기 서버에서 상기 LoRa 게이트웨이로부터 전달 받은 상기 데이터를 이용하여 상기 AI 알고리즘을 업데이트함에 따라 상기 LoRa 게이트웨이에서 학습된 상기 AI 알고리즘의 파라미터를 수신하는 단계; 및 상기 LoRa 게이트웨이는 LoRa 단말들이 데이터를 전송할 경우, 상기 ACK에 학습된 상기 AI 알고리즘의 파라미터를 같이 전송하는 단계를 더 포함할 수 있다.

또 다른 실시예에 따른 LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 데이터 전송 제어 장치는, LoRa 게이트웨이(Gateway)로 전송할 데이터가 있을 경우, 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하고, 측정된 상기 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하여, 상기 LoRa 게이트웨이의 전송할 상기 타임 슬롯에 데이터 프레임을 전송하고, 상기 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 데이터베이스에 저장하는 LoRa 단말; 및 상기 LoRa 단말로부터 전송되는 데이터를 수신하고, 수신한 상기 데이터가 정상적으로 수집되었는지 여부를 확인하여, 데이터가 충돌 없이 도착한 경우, 상기 LoRa 단말로 ACK를 전송하고, 그렇지 않은 경우 상기 LoRa 단말로 NACK 전송하는 LoRa 게이트웨이를 포함하여 이루어질 수 있다.

상기 AI 알고리즘을 학습하고, 학습된 상기 AI 알고리즘의 파라미터(parameter)를 상기 LoRa 게이트웨이를 통해 상기 LoRa 단말에게 전송하여, 상기 LoRa 단말이 학습된 상기 AI 알고리즘을 기반으로 동작하도록 하는 서버를 더 포함할 수 있다.

상기 LoRa 단말은, 상기 서버에서 상기 LoRa 게이트웨이를 통해 학습에 필요한 데이터를 요청한 경우, 기설정된 시간에 상기 LoRa 게이트웨이로부터 비콘 신호(beacon signal)를 수신하고, 상기 데이터베이스에서 외부 신호 세기에 따른 상기 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성하며, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로 데이터 프레임을 전송할 수 있다.

상기 LoRa 게이트웨이는, 상기 AI 알고리즘의 업데이트 진행 시, 상기 LoRa 단말에게 비콘 신호를 전송하여 동기화시키고, 상기 LoRa 단말로부터 수신된 데이터 프레임을 저장하여, 수집된 상기 데이터를 서버로 전달하고, 상기 서버에서 상기 LoRa 게이트웨이로부터 전달 받은 상기 데이터를 이용하여 상기 AI 알고리즘을 업데이트함에 따라 상기 LoRa 게이트웨이에서 학습된 상기 AI 알고리즘의 파라미터를 수신하며, 상기 LoRa 게이트웨이는 LoRa 단말들이 데이터를 전송할 경우, 상기 ACK에 학습된 상기 AI 알고리즘의 파라미터를 같이 전송할 수 있다.

실시예들에 따르면 LoRa 단말의 외부 신호 세기, 데이터 전송 타임 슬롯 및 데이터 전송 성공 여부 관계를 데이터로 습득하고, 인공지능으로 학습함으로써 외부 신호 세기 상황에 따른 데이터 전송 성공 확률을 높일 수 있는 데이터 전송타임 슬롯을 선정할 수 있는 LoRa 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치를 제공할 수 있다.

실시예들에 따르면 채널 상황에 따라 데이터 전송 타임 슬롯을 지능적으로 달리함으로써 단말들간의 빈번한 데이터 충돌을 피할 수 있으며, 이로 인해 LoRa 네트워크 망의 동작 효율성을 향상시킬 수 있는 LoRa 네트워크에서 인공지능을 활용한 단말의 데이터 전송 제어 방법 및 장치를 제공할 수 있다.

도 1은 ALOHA 프로토콜의 네트워크 혼잡을 설명하기 위한 도면이다.
도 2는 인공지능 및 기계학습의 활용을 설명하기 위한 도면이다.
도 3은 Slotted ALOHA 프로토콜을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 데이터 전송 제어 장치를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 단말의 데이터 전송 제어 장치를 나타내는 도면이다.
도 6은 일 실시예에 따른 단말의 데이터 전송 제어 방법을 나타내는 흐름도이다.
도 7은 일 실시예에 따른 게이트웨이의 데이터 전송 제어 장치를 나타내는 도면이다.
도 8은 일 실시예에 따른 게이트웨이의 데이터 전송 제어 방법을 나타내는 흐름도이다.
도 9는 일 실시예에 따른 AI 알고리즘을 설명하기 위한 도면이다.

이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

LoRa(Long Range) 네트워크는 LPWA 방식의 네트워크 중 하나로서, 일반적으로 사물인터넷 시스템에 고속의 실시간 데이터 송수신이 필요치 않은 점에 착안하여, 네트워크에 속한 사물인터넷 단말의 데이터 송수신에 제약을 둔 업링크/다운링크 비대칭 전송 방식을 채택함으로써 전력 소모를 감소시켰다. 이러한 LoRa 네트워크는 소물(Small Things) 인터넷의 구현을 위해 소형 배터리의 저성능 기기를 수용할 수 있는 IoT 전용 네트워크로서, 293bps~5.4kbps의 속도와 -147dbm 감도의 커버리지(coverage)를 제공할 수 있다.

도 1은 ALOHA 프로토콜의 네트워크 혼잡을 설명하기 위한 도면이다.

LoRa 프로토콜의 경우, 다수의 IoT 기기들의 데이터를 전송하고자 할 경우 ALOHA 프로토콜을 사용하도록 설정한다. 도 1에 도시된 바와 같이, ALOHA 프로토콜을 사용할 경우, IoT 기기들이 데이터를 전송하고자 할 때 통신 환경의 혼잡 여부(예컨대, 데이터를 전송하고자 하는 IoT 기기들이 다수 존재하는 환경)와 관계 없이 즉각적으로 데이터를 전송하는 기법이다. ALOHA의 경우 간단한 통신 기법으로, IoT 기기에서 데이터 전송에 필요한 복잡성(complexity)을 낮출 수 있는 장점은 있지만, 다수의 IoT 기기들이 데이터를 전송할 경우 네트워크가 마비되는 문제점이 발생한다.

도 2는 인공지능 및 기계학습의 활용을 설명하기 위한 도면이다.

도 2를 참조하면, 현재 대부분의 기업에서는 IoT 서비스를 제공할 때 인공지능(Artificial Intelligence, AI) 및 기계학습(Machine learning) 기술들을 활용하여 IoT에서 생산된 데이터를 분석하려는 시도가 이루어지고 있다. AI는 수집된 데이터로부터 패턴을 인지하거나 이상 상황을 탐지하는 등의 통찰력을 제공할 수 있다.

도 3은 Slotted ALOHA 프로토콜을 설명하기 위한 도면이다.

도 3의 (a)는 Pure ALOHA 프로토콜이고, (b)는 Slotted ALOHA 프로토콜을 나타낸다. 도 3의 (b)를 참조하면, Slotted ALOHA 프로토콜이란 기존의 ALOHA 프로토콜을 보완한 무선 통신 프로토콜로, 각 IoT 기기간 데이터 전송 시간을 동기화시켜 기기간 통신 충돌을 감소시키는 기법이다. 각 기기들은 일정한 프레임 전송 시간(frame transmission time)을 길이로 가지는 동일한 타임 슬롯(time slot)을 인식하고 있고, 슬롯의 시작 경계에서 데이터 전송을 시작할 수 있다. 전송할 데이터 프레임이 생기면 슬롯의 시작 경계까지 기다린 후 데이터를 전송할 수 있다.

기존 ALOHA 프로토콜과 달리, Slotted ALOHA 프로토콜은 데이터 프레임 전송 시 2개 이상의 프레임이 완전히 겹치는 슬롯에서만 데이터 충돌이 발생하므로 네트워크의 처리율(throughput)을 2배로 상승시킬 수 있다.

본 실시예에서는 LoRa 네트워크 내 AI/ML 방법을 활용한 LoRa 단말에서 외부 신호 세기에 따른 데이터 전송 타임 슬롯 선정 방법을 제안한다.

기존의 LoRa 네트워크에서 축적된 데이터를 바탕으로, AI/ML 방법을 활용한 데이터 분석 기법을 통해 최적의 LoRa 단말에서의 데이터 전송 타임 슬롯 할당 관련 통찰력을 얻을 수 있다. LoRa 단말에서 기존의 ALOHA 프로토콜을 활용하는 데이터 전송 방식보다 채널 상황에 따라 데이터 전송 타임 슬롯을 지능적으로 달리함으로써 단말들간의 빈번한 데이터 충돌을 피할 수 있으며, 이로 인해 LoRa 망의 동작 효율성을 향상시킬 수 있다. 기존의 LoRa 네트워크를 이미 설치한 환경에서도 접목하여 동작 가능하며, 특정 환경에 얽매이지 않고 유연한 기술의 도입이 가능하다.

도 4는 일 실시예에 따른 데이터 전송 제어 장치를 설명하기 위한 도면이다.

도 4를 참조하면, LoRa 네트워크에서 인공지능을 활용한 데이터 전송 제어 장치는 복수 개의 LoRa 단말들(410)과 적어도 하나의 LoRa 게이트웨이(Gateway, 420)를 포함할 수 있고, 실시예에 따라 서버(Server, 430)를 더 포함할 수 있다. 각각의 LoRa 게이트웨이(420)는 LoRa 네트워크를 통해 적어도 하나 이상의 LoRa 단말들(410)과 통신을 수행할 수 있다.

LoRa 네트워크 내에 다양한 LoRa 단말들(410)이 존재하며, 이들은 네트워크상 1-hop으로 LoRa 게이트웨이(420)와 연결될 수 있다. LoRa 단말들(410)은 다양한 사물들에 각각 부착되어 각종 데이터를 수집할 수 있는 IoT 단말들로 구성되며, 예를 들어 LoRa 네트워크 내에 연결된 디바이스(411), 트래킹 디바이스(412), 모니터링 디바이스(413) 등으로 이루어질 수 있다. 이 때 각각의 LoRa 단말(410)은 미리 설정되는 전송 주기를 기반으로 LoRa 게이트웨이(420)에 데이터를 전송할 수 있다. 바꿔 말하면, LoRa 단말들(410)의 전송 주기들은 서로 다를 수 있다.

LoRa 단말(410)은 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하고, 측정된 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하여, LoRa 게이트웨이(420)의 전송할 타임 슬롯에 데이터 프레임을 전송하고, LoRa 게이트웨이(420)로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 데이터베이스에 저장할 수 있다.

또한, LoRa 단말(410)은 서버(430)에서 LoRa 게이트웨이(420)를 통해 서버의 학습에 필요한 데이터를 LoRa 단말에게 요청한 경우, 기설정된 시간에 LoRa 게이트웨이(420)로부터 비콘 신호(beacon signal)를 수신하고, 데이터베이스에서 외부 신호 세기에 따른 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성할 수 있다. 이에 따라 LoRa 단말(410)은 기설정된 시간에 LoRa 게이트웨이(420)로 데이터 프레임을 전송할 수 있다.

LoRa 게이트웨이(420)는 LoRa 단말(410)로부터 전송되는 데이터를 수신하여 데이터를 저장할 수 있다. LoRa 게이트웨이(420)는 수신한 데이터가 정상적으로 수집되었는지 여부를 확인하여, 데이터가 충돌 없이 제대로 도착한 경우, LoRa 단말(410)로 ACK를 전송하고, 데이터 충돌로 인해 재전송을 요구할 경우 LoRa 단말(410)로 NACK 전송할 수 있다.

또한, LoRa 게이트웨이(420)는 AI 알고리즘의 업데이트 진행 시, LoRa 단말(410)에게 비콘 신호를 전송하여 동기화시키고, LoRa 단말(410)로부터 수신된 데이터 프레임을 저장하여, 수집된 데이터를 서버(430)로 전달할 수 있다. 서버(430)에서 LoRa 게이트웨이(420)로부터 전달 받은 데이터를 이용하여 AI 알고리즘을 업데이트함에 따라 LoRa 게이트웨이(420)에서 학습된 AI 알고리즘의 파라미터를 수신하며, LoRa 게이트웨이(420)는 LoRa 단말들(410)이 데이터를 전송할 경우, ACK에 학습된 AI 알고리즘의 파라미터를 같이 전송할 수 있다.

이와 같이 LoRa 게이트웨이(420)는 LoRa 단말들(410)로부터 데이터를 취합할 수 있다. 이 때 LoRa 게이트웨이(420)는 외부 장치와 무선 또는 유선으로 연결될 수 있으며, loT 단말들과 외부 장치 간 통신을 중계할 수 있다. 여기서, LoRa 게이트웨이(420)는 LoRa 단말들(410)로부터 취합된 데이터를 외부 장치에 전달할 수 있으며, 외부 장치로부터 수신되는 제어 명령을 LoRa 단말들(410)에 전달할 수도 있다. 여기서, 외부 장치는 서버(430)일 수 있으며, 서버(430)를 통해 AI 알고리즘을 학습하여 LoRa 단말(410)로 전달할 수 있다.

LoRa 게이트웨이(420)는 서버(430)와 안정적으로 연결되며, AI 알고리즘 학습은 서버(430)에서 이루어지고, 학습된 알고리즘의 파라미터(parameter)는 LoRa 게이트웨이(420)를 통해 LoRa 단말(410)에게 전송될 수 있다. 이에 따라 LoRa 단말들(410)은 학습된 AI 알고리즘을 기반으로 동작할 수 있다.

LoRa 게이트웨이(420)에서는 주기적으로 학습에 필요한 데이터 전송을 LoRa 단말(410)에게 요구하며, 이를 위해 주기적으로 LoRa 단말들(410)에게 비콘 신호를 전송할 수 있다. LoRa 단말들(410)은 비콘 신호를 받고, 서버(430)에서 학습에 필요한 데이터를 전송할 수 있다.

서버(430)는 AI 알고리즘을 학습하고, 학습된 AI 알고리즘의 파라미터를 LoRa 게이트웨이(420)를 통해 LoRa 단말(410)에게 전송하여, LoRa 단말(410)이 학습된 AI 알고리즘을 기반으로 동작하도록 할 수 있다.

실시예들에 따르면 IoT 환경 내 수집되는 데이터의 품질을 높임으로써 LoRa 망 내에서의 상황 인지 및 이상 상황 탐지 등의 AI 기반 데이터 분석 기법 적용 유도 가능하다.

도 5는 일 실시예에 따른 단말의 데이터 전송 제어 장치를 나타내는 도면이다.

도 5를 참조하면, 일 실시예에 따른 단말은 LoRa 단말(500)로, 어떤 사물에 부착되어 데이터를 수집할 수 있다. 이러한 LoRa 단말(500)은 센서 모듈(510), 통신 모듈(520), 메모리(530) 또는 프로세서(540) 중 적어도 어느 하나 이상을 포함할 수 있다. 어떤 실시예에서는 LoRa 단말(500)의 구성 요소들 중 적어도 어느 하나가 생략되거나, LoRa 단말(500)에 하나 이상의 다른 구성 요소들이 추가될 수 있다.

센서 모듈(510)은 LoRa 단말(500)이 부착된 사물의 상태를 나타내는 데이터를 생성할 수 있다. 센서 모듈(510)은 사물의 내부 또는 외부 환경 중 적어도 어느 하나로부터 사물의 상태를 감지할 수 있다.

통신 모듈(520)은 LoRa 단말(500)의 통신 수행을 지원할 수 있다. 통신 모듈(520)은 LoRa 단말(500)을 위한 통신 채널을 수립하고, 통신 채널을 통하여 통신을 수행할 수 있다. 여기서, 통신 모듈(520)은 유선 통신 모듈 또는 무선 통신 모듈 중 적어도 어느 하나를 포함할 수 있다. 예를 들면, 무선 통신 모듈은 셀룰러 통신 모듈, 근거리 통신 모듈 또는 위성 통신 모듈 중 적어도 어느 하나를 포함할 수 있다. 이 때 통신 모듈(520)은 LoRa 단말(500)과 LoRa 게이트웨이 간 통신 수행을 지원할 수 있다.

메모리(530)는 LoRa 단말(500)의 적어도 하나의 구성 요소에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는 프로그램 또는 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 예를 들면, 메모리(530)는 휘발성 메모리 또는 비휘발성 메모리 중 적어도 어느 하나를 포함할 수 있다.

프로세서(540)는 메모리(530)의 프로그램을 실행하여, LoRa 단말(500)의 적어도 하나의 구성 요소를 제어할 수 있고, 데이터 처리 또는 연산을 수행할 수 있다. 이 때 프로세서(540)는 센서 모듈(510)을 통해 데이터를 수집할 수 있다. 이러한 프로세서(540)는 LoRa 네트워크에서 인공지능(AI)을 활용하여 LoRa 단말(500)의 데이터 전송을 제어할 수 있다. 예를 들면, 프로세서(540)는 외부 신호 세기 측정부(541), 타임 슬롯 정보 획득부(542), 데이터 전송부(543) 및 데이터베이스(544)를 포함하여 이루어질 수 있고, 실시예에 따라 비콘 신호 수신부(545) 및 데이터 구성부(546)를 더 포함할 수 있다. 아래에서 상기 프로세서(540)에 대해 보다 구체적으로 설명한다.

일 실시예에 따른 LoRa 네트워크에서 인공지능(AI)을 활용한 단말의 데이터 전송 제어 장치는 외부 신호 세기 측정부(541), 타임 슬롯 정보 획득부(542), 데이터 전송부(543) 및 데이터베이스(544)를 포함하여 이루어질 수 있고, 실시예에 따라 비콘 신호 수신부(545) 및 데이터 구성부(546)를 더 포함할 수 있다. 여기서, LoRa 네트워크에서 인공지능(AI)을 활용한 단말의 데이터 전송 제어 장치는 앞에서 설명한 프로세서(540)에 포함될 수 있다.

외부 신호 세기 측정부(541)는 LoRa 단말(500)에서 LoRa 게이트웨이로 전송할 데이터가 있을 경우, LoRa 단말(500)은 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정할 수 있다.

타임 슬롯 정보 획득부(542)는 측정된 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득할 수 있다.

데이터 전송부(543)는 LoRa 게이트웨이의 전송할 타임 슬롯에 데이터 프레임을 전송할 수 있다.

데이터베이스(544)는 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 저장할 수 있다.

한편, LoRa 게이트웨이로부터 NACK를 전달 받거나 ACK를 수신하지 못하는 경우, 다시 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정하고, 타임 슬롯에 대한 정보를 획득하여, 타임 슬롯에 데이터를 전송할 수 있다.

또한, 비콘 신호 수신부(545)는 서버에서 LoRa 게이트웨이를 통해 학습에 필요한 데이터를 요청한 경우, LoRa 단말(500)은 기설정된 시간에 LoRa 게이트웨이로부터 비콘 신호를 수신할 수 있다.

데이터 구성부(546)는 데이터베이스(544)에서 외부 신호 세기에 따른 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성할 수 있다. 이에 따라 LoRa 단말(500)의 데이터 전송부(543)는 기설정된 시간에 LoRa 게이트웨이로 데이터 프레임을 전송할 수 있다.

도 6은 일 실시예에 따른 단말의 데이터 전송 제어 방법을 나타내는 흐름도이다.

도 6에 도시된 바와 같이, LoRa 단말의 데이터 전송 프로토콜, 즉 단말의 데이터 전송 제어 방법에 대해 설명한다. 일 실시예에 따른 단말의 데이터 전송 제어 방법은 단말의 데이터 전송 제어 장치를 통해 수행될 수 있으며, 예컨대 도 5에서 설명한 단말의 데이터 전송 제어 장치를 통해 수행될 수 있다.

일 실시예에 따른 LoRa 네트워크에서 인공지능(AI)을 활용한 단말의 데이터 전송 제어 방법은, LoRa 단말에서 LoRa 게이트웨이로 전송할 데이터가 있을 경우, LoRa 단말은 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정하는 단계(604), 측정된 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하는 단계(605), LoRa 게이트웨이의 전송할 타임 슬롯에 데이터 프레임을 전송하는 단계(606), 및 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 데이터베이스에 저장하는 단계(608)를 포함하여 이루어질 수 있다.

또한, 서버에서 LoRa 게이트웨이를 통해 학습에 필요한 데이터를 요청한 경우, LoRa 단말은 기설정된 시간에 LoRa 게이트웨이로부터 비콘 신호를 수신하는 단계(601), 및 데이터베이스에서 외부 신호 세기에 따른 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성하는 단계(609)를 더 포함하고, LoRa 단말은 기설정된 시간에 LoRa 게이트웨이로 데이터 프레임을 전송(610)할 수 있다.

먼저, LoRa 단말에서는 보낼 데이터가 있을 경우에 다음과 같이 동작할 수 있다.

단계(604)에서, LoRa 단말에서는 보낼 데이터가 있을 경우, 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정할 수 있다.

단계(605)에서, LoRa 단말은 측정된 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 얻을 수 있다. 여기서, AI 알고리즘은 서버에서 학습이 이루어지고, 학습된 AI 알고리즘의 파라미터는 LoRa 게이트웨이를 통해 LoRa 단말에게 전송되며, LoRa 단말은 학습된 AI 알고리즘을 기반으로 동작할 수 있다. AI 알고리즘은 ML 알고리즘을 포함할 수 있다.

단계(606)에서, LoRa 단말은 전송할 타임 슬롯에 데이터 프레임을 전송할 수 있다.

단계(607)에서, LoRa 단말은 ACK의 수신 여부를 확인할 수 있다.

단계(608)에서, LoRa 단말은 ACK를 수신한 경우, AI 알고리즘의 동작에 따른 데이터 전송 성공 여부를 데이터베이스에 저장할 수 있다.

LoRa 게이트웨이로부터 NACK를 받거나, ACK이 오지 않을 경우 다시 재시작할 수 있다. 즉, LoRa 단말은 다시 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정할 수 있다.

또한, 서버에서 학습에 필요한 데이터를 요청한 경우 LoRa 단말은 다음과 같이 동작할 수 있다.

단계(601)에서, 서버에서 학습에 필요한 데이터를 요청한 경우, LoRa 단말은 지정된 시간에 비콘 신호를 수신할 수 있다.

단계(609)에서, LoRa 단말은 데이터베이스에서 외부 신호 세기에 따른 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성할 수 있다.

그리고, 단계(610)에서, LoRa 단말은 정해진 시간에 LoRa 게이트웨이로 데이터 프레임을 전송할 수 있다.

한편, LoRa 단말에서는 비콘 신호를 수신하지 못한 경우 데이터를 수집(602)하고 전송(603)할 수 있다.

도 7은 일 실시예에 따른 게이트웨이의 데이터 전송 제어 장치를 나타내는 도면이다.

도 7을 참조하면, LoRa 게이트웨이(700)는 LoRa 단말들로부터 데이터를 취합하며, 통신 모듈(710), 메모리(720) 또는 프로세서(730) 중 적어도 어느 하나 이상을 포함할 수 있다. 이 때 LoRa 게이트웨이(700)는 LoRa 단말들 중 적어도 어느 하나의 전송 주기를 각각 제어할 수 있다. 어떤 실시예에서들는 LoRa 게이트웨이(700)의 구성 요소들 중 적어도 어느 하나가 생략되거나, LoRa 게이트웨이(700)에 하나 이상의 다른 구성 요소들이 추가될 수 있다.

통신 모듈(710)은 LoRa 게이트웨이(700)의 통신 수행을 지원할 수 있다. 통신 모듈(710)은 LoRa 게이트웨이(700)를 위한 통신 채널을 수립하고, 통신 채널을 통하여 통신을 수행할 수 있다. 여기서, 통신 모듈(710)은 유선 통신 모듈 또는 무선 통신 모듈 중 적어도 어느 하나를 포함할 수 있다. 예를 들면, 무선 통신 모듈은 셀룰러 통신 모듈, 근거리 통신 모듈 또는 위성 통신 모듈 중 적어도 어느 하나를 포함할 수 있다. 이 때 통신 모듈(710)은 LoRa 게이트웨이(700)와 각각의 LoRa 단말 간 통신 수행을 지원할 수 있다.

메모리(720)는 LoRa 게이트웨이(700)의 적어도 하나의 구성 요소에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는 프로그램 또는 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 예를 들면, 메모리(720)는 휘발성 메모리 또는 비휘발성 메모리 중 적어도 어느 하나를 포함할 수 있다.

프로세서(730)는 메모리(720)의 프로그램을 실행하여, LoRa 게이트웨이(700)의 적어도 하나의 구성 요소를 제어할 수 있고, 데이터 처리 또는 연산을 수행할 수 있다. 이 때 프로세서(730)는 통신 모듈(710)을 통해, 각각의 LoRa 단말로부터 데이터를 수신하고, 데이터를 처리할 수 있다. 그리고 프로세서(730)는 LoRa 네트워크에서 인공지능(AI)을 활용하여 LoRa 게이트웨이(700)의 데이터 전송을 제어할 수 있다. 예를 들면, 프로세서(730)는 데이터 수신부(731), 데이터 확인부(732) 및 데이터 응답부(733)를 포함할 수 있고, 실시예에 따라 비콘 신호 전송부(734), 데이터 저장부(735), 데이터 전송부(736), AI 알고리즘 수신부(737) 및 AI 알고리즘 전송부(738)를 포함할 수 있다. 아래에서 상기 프로세서(730)에 대해 보다 구체적으로 설명한다.

일 실시예에 따른 LoRa 네트워크에서 인공지능(AI)을 활용한 게이트웨이의 데이터 전송 제어 장치는 데이터 수신부(731), 데이터 확인부(732) 및 데이터 응답부(733)를 포함할 수 있고, 실시예에 따라 비콘 신호 전송부(734), 데이터 저장부(735), 데이터 전송부(736), AI 알고리즘 수신부(737) 및 AI 알고리즘 전송부(738)를 포함할 수 있다. 여기서, LoRa 네트워크에서 인공지능(AI)을 활용한 게이트웨이의 데이터 전송 제어 장치는 앞에서 설명한 프로세서(730)에 포함될 수 있다.

데이터 수신부(731)는 LoRa 게이트웨이(700)에서 LoRa 단말로부터 전송되는 데이터를 수신할 수 있다.

데이터 확인부(732)는 LoRa 게이트웨이(700)는 수신한 데이터가 정상적으로 수집되었는지 여부를 확인할 수 있다.

데이터 응답부(733)는 데이터가 충돌 없이 도착한 경우, LoRa 단말로 ACK를 전송하고, 그렇지 않은 경우 LoRa 단말로 NACK 전송할 수 있다.

또한, 비콘 신호 전송부(734)는 AI 알고리즘의 업데이트 진행 시, LoRa 게이트웨이(700)는 LoRa 단말에게 비콘 신호를 전송하여 동기화시킬 수 있다.

데이터 저장부(735)는 LoRa 단말로부터 수신된 데이터 프레임을 저장할 수 있다.

데이터 전송부(736)는 수집된 데이터를 서버로 전달할 수 있다.

AI 알고리즘 수신부(737)는 서버에서 LoRa 게이트웨이(700)로부터 전달 받은 데이터를 이용하여 AI 알고리즘을 업데이트함에 따라 LoRa 게이트웨이(700)에서 학습된 AI 알고리즘의 파라미터를 수신할 수 있다.

AI 알고리즘 전송부(738)는 LoRa 게이트웨이(700)는 LoRa 단말들이 데이터를 전송할 경우, ACK에 학습된 AI 알고리즘의 파라미터를 같이 전송할 수 있다.

도 8은 일 실시예에 따른 게이트웨이의 데이터 전송 제어 방법을 나타내는 흐름도이다.

도 8에 도시된 바와 같이, LoRa 게이트웨이 및 서버의 동작 프로토콜, 게이트웨이의 데이터 전송 제어 방법에 대해 설명한다. 일 실시예에 따른 게이트웨이의 데이터 전송 제어 방법은 게이트웨이의 데이터 전송 제어 장치를 통해 수행될 수 있으며, 예컨대 도 7에서 설명한 게이트웨이의 데이터 전송 제어 장치를 통해 수행될 수 있다.

일 실시예에 따른 LoRa 네트워크에서 인공지능(AI)을 활용한 게이트웨이의 데이터 전송 제어 방법은, LoRa 게이트웨이에서 LoRa 단말로부터 전송되는 데이터를 수신하는 단계(808), LoRa 게이트웨이는 수신한 데이터가 정상적으로 수집되었는지 여부를 확인하는 단계(809), 및 데이터가 충돌 없이 도착한 경우, LoRa 단말로 ACK를 전송(810)하고, 그렇지 않은 경우 LoRa 단말로 NACK 전송(811)하는 단계를 포함하여 이루어질 수 있다.

AI 알고리즘의 업데이트 진행 시(801), LoRa 게이트웨이는 LoRa 단말에게 비콘 신호를 전송하여 동기화시키는 단계(802), LoRa 단말로부터 수신된 데이터 프레임을 저장하는 단계(803), 수집된 데이터를 서버로 전달하는 단계(804), 서버에서 LoRa 게이트웨이로부터 전달 받은 데이터를 이용하여 AI 알고리즘을 업데이트함(805)에 따라 LoRa 게이트웨이에서 학습된 AI 알고리즘의 파라미터를 수신하는 단계(806), 및 LoRa 게이트웨이는 LoRa 단말들이 데이터를 전송할 경우, ACK에 학습된 AI 알고리즘의 파라미터를 같이 전송하는 단계(807)를 더 포함할 수 있다.

아래에서 게이트웨이의 데이터 전송 제어 방법의 각 단계를 설명한다.

단계(808)에서, LoRa 게이트웨이에서 LoRa 단말로부터 전송되는 데이터 수집 시, LoRa 단말로부터 전송되는 데이터를 수신할 수 있다.

단계(809)에서, LoRa 게이트웨이는 데이터가 정상적으로 수집되었는지 여부를 확인할 수 있다. 이 때, LoRa 게이트웨이는 정상 데이터 여부를 확인하여, 데이터가 충돌 없이 잘 도착한 경우 ACK를 전송(810)하고, 그렇지 않은 경우 NACK 전송(811)할 수 있다.

아래에서는 AI 알고리즘 업데이트 진행 시 게이트웨이의 데이터 전송 제어 방법에 대해 설명한다.

단계(801)에서, AI 알고리즘 업데이트 진행 시, 단계(802)에서, LoRa 게이트웨이는 LoRa 단말들에게 비콘 신호를 전송하여 동기화시킬 수 있다.

단계(803)에서, LoRa 게이트웨이는 LoRa 단말로부터 전송되는 데이터 프레임을 저장할 수 있다.

단계(804)에서, LoRa 게이트웨이는 서버에게 수집된 데이터를 전달할 수 있다.

단계(805)에서, 서버에서는 LoRa 게이트웨이로부터 전달된 데이터로 AI 알고리즘 업데이트할 수 있다.

단계(806)에서, AI 알고리즘 업데이트 완료 시, 학습된 파라미터를 LoRa 게이트웨이에게 전달할 수 있다.

단계(807)에서, LoRa 게이트웨이는 LoRa 단말들이 데이터를 전송할 경우, ACK에 학습된 파라미터를 같이 전송할 수 있다.

도 9는 일 실시예에 따른 AI 알고리즘을 설명하기 위한 도면이다.

도 9를 참조하면, 각 LoRa 단말(920)에서 LoRa 게이트웨이(910)로 데이터를 전송하기 이전에, 리시브 윈도우를 열어 수집된 외부 신호 세기에 따른 데이터 전송 타임 슬롯 결과(940)를 출력할 수 있다.

각 LoRa 단말(920) 별로 배치된 IoT 환경 특성이 달라지기 때문에, LoRa 단말(920) 별 AI 알고리즘(930)이 존재할 수 있다. 이 때 특정 알고리즘이 아니더라도, 데이터를 통해 학습이 가능한 알고리즘이면 사용이 가능하다.

주기적으로 서버에서 LoRa 단말(920)로부터 수집된 데이터를 활용하여 AI 알고리즘(930)을 업데이트를 진행할 수 있다. 업데이트가 된 AI 알고리즘(930)은 각 LoRa 단말(920)에게 전송할 수 있다.

본 실시예에서는 LoRa 단말의 외부 신호 세기, 데이터 전송 타임 슬롯, 데이터 전송 성공 여부 관계를 데이터로 습득하고, AI/ML로 학습함으로써 외부 신호 세기 상황에 따른 데이터 전송 성공 확률을 높일 수 있는 데이터 전송타임 슬롯 선정할 수 있다. 본 실시예에서 제안하는 AI/ML에서 활용하는 입력(Input) 데이터와 출력(Output) 결과를 특정 지음으로써, 발명의 차별성을 확보할 수 있고, 이로 인해 침해 입증이 용이하다.

LoRa 프로토콜의 경우, IoT 어플리케이션에 활용을 위해 LoRa 단말의 장거리 데이터 전송과 배터리 수명 연장에 주로 초점을 두어, LoRa 단말 간의 데이터 전송 시 발생하는 충돌에 대한 고려가 부족하다.

실제 산업에 활용되는 IoT 망에서는 99% 이상의 데이터 전송 성공 비율을 필요로 하지만, 다수의 LoRa 단말을 사용하였을 때 발생하는 통신 충돌로 인해 LoRa 네트워크에서는 이러한 요구조건을 충족시키기는 어려운 상황이다.

실시예들을 통해 LoRa 네트워크 내에서의 산업에 활용될 수 있도록 데이터 전송 성공 비율을 높임으로써, 다양한 IoT 어플리케이션 개발을 지원하고, 실제 산업에 활용됨으로써 IoT 기술 확대에 기여할 수 있다.

또한, AI 기법 활용을 통해 LoRa 환경 내 지능적인 단말 관리를 지원하고, 수집되는 데이터의 충돌을 피하며 LoRa 네트워크 망의 동작은 안정화시킴으로써 망 유지 및 데이터 관리에 소요되는 비용을 줄일 수 있다.

실시예들에 따르면 LoRa 모듈에서 하드웨어의 수정 없이 운용 소프트웨어를 수정함으로써 LoRa 네트워크 망의 성능을 높일 수 있으며, 이를 통해 현재 설치된 LoRa 환경에도 적용이 가능하다. 또한, AI 알고리즘을 활용하여 주기적으로 데이터를 통한 학습을 진행하므로, 시간에 따라 동작 성능의 향상을 기대할 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, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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 컨트롤러를 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 장치에 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.

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

LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 단말의 데이터 전송 제어 방법에 있어서,
LoRa 단말에서 LoRa 게이트웨이(Gateway)로 전송할 데이터가 있을 경우, 상기 LoRa 단말은 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하는 단계;
측정된 상기 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하는 단계;
상기 LoRa 게이트웨이의 전송할 상기 타임 슬롯에 데이터 프레임을 전송하는 단계; 및
상기 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 데이터베이스에 저장하는 단계
를 포함하는, 단말의 데이터 전송 제어 방법.
제1항에 있어서,
상기 LoRa 게이트웨이로부터 NACK를 전달 받거나 ACK를 수신하지 못하는 경우, 다시 상기 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정하고, 상기 타임 슬롯에 대한 정보를 획득하여, 상기 타임 슬롯에 데이터를 전송하는 것
을 특징으로 하는, 단말의 데이터 전송 제어 방법.
제1항에 있어서,
서버(Server)에서 상기 LoRa 게이트웨이를 통해 상기 서버의 학습에 필요한 데이터를 상기 LoRa 단말에게 요청한 경우, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로부터 비콘 신호(beacon signal)를 수신하는 단계; 및
상기 데이터베이스에서 외부 신호 세기에 따른 상기 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성하는 단계
를 더 포함하고,
상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로 데이터 프레임을 전송하는 것
을 특징으로 하는, 단말의 데이터 전송 제어 방법.
제1항에 있어서,
상기 AI 알고리즘은,
서버에서 학습이 이루어지고, 학습된 상기 AI 알고리즘의 파라미터(parameter)는 상기 LoRa 게이트웨이를 통해 상기 LoRa 단말에게 전송되며, 상기 LoRa 단말은 학습된 상기 AI 알고리즘을 기반으로 동작하는 것
을 특징으로 하는, 단말의 데이터 전송 제어 방법.
LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 단말의 데이터 전송 제어 장치에 있어서,
LoRa 단말에서 LoRa 게이트웨이(Gateway)로 전송할 데이터가 있을 경우, 상기 LoRa 단말은 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하는 외부 신호 세기 측정부;
측정된 상기 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하는 타임 슬롯 정보 획득부;
상기 LoRa 게이트웨이의 전송할 상기 타임 슬롯에 데이터 프레임을 전송하는 데이터 전송부; 및
상기 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 저장하는 데이터베이스
를 포함하는, 단말의 데이터 전송 제어 장치.
제5항에 있어서,
상기 LoRa 게이트웨이로부터 NACK를 전달 받거나 ACK를 수신하지 못하는 경우, 다시 상기 리시브 윈도우를 열어 무선 채널에서 전송되고 있는 외부 신호 세기를 측정하고, 상기 타임 슬롯에 대한 정보를 획득하여, 상기 타임 슬롯에 데이터를 전송하는 것
을 특징으로 하는, 단말의 데이터 전송 제어 장치.
제5항에 있어서,
서버(Server)에서 상기 LoRa 게이트웨이를 통해 상기 서버의 학습에 필요한 데이터를 상기 LoRa 단말에게 요청한 경우, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로부터 비콘 신호(beacon signal)를 수신하는 비콘 신호 수신부; 및
상기 데이터베이스에서 외부 신호 세기에 따른 상기 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성하는 데이터 구성부
를 더 포함하고,
상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로 데이터 프레임을 전송하는 것
을 특징으로 하는, 단말의 데이터 전송 제어 장치.
제5항에 있어서,
상기 AI 알고리즘은,
서버에서 학습이 이루어지고, 학습된 상기 AI 알고리즘의 파라미터(parameter)는 상기 LoRa 게이트웨이를 통해 상기 LoRa 단말에게 전송되며, 상기 LoRa 단말은 학습된 상기 AI 알고리즘을 기반으로 동작하는 것
을 특징으로 하는, 단말의 데이터 전송 제어 장치.
LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 게이트웨이의 데이터 전송 제어 방법에 있어서,
LoRa 게이트웨이에서 LoRa 단말로부터 전송되는 데이터를 수신하는 단계;
상기 LoRa 게이트웨이는 수신한 상기 데이터가 정상적으로 수집되었는지 여부를 확인하는 단계; 및
데이터가 충돌 없이 도착한 경우, 상기 LoRa 단말로 ACK를 전송하고, 그렇지 않은 경우 상기 LoRa 단말로 NACK 전송하는 단계
를 포함하는, 게이트웨이의 데이터 전송 제어 방법.
제9항에 있어서,
AI 알고리즘의 업데이트 진행 시, 상기 LoRa 게이트웨이는 상기 LoRa 단말에게 비콘 신호를 전송하여 동기화시키는 단계;
상기 LoRa 단말로부터 수신된 데이터 프레임을 저장하는 단계;
수집된 상기 데이터를 서버로 전달하는 단계;
상기 서버에서 상기 LoRa 게이트웨이로부터 전달 받은 상기 데이터를 이용하여 상기 AI 알고리즘을 업데이트함에 따라 상기 LoRa 게이트웨이에서 학습된 상기 AI 알고리즘의 파라미터를 수신하는 단계; 및
상기 LoRa 게이트웨이는 LoRa 단말들이 데이터를 전송할 경우, 상기 ACK에 학습된 상기 AI 알고리즘의 파라미터를 같이 전송하는 단계
를 더 포함하는, 게이트웨이의 데이터 전송 제어 방법.
제10항에 있어서,
상기 AI 알고리즘은,
서버에서 학습이 이루어지고, 학습된 상기 AI 알고리즘의 파라미터(parameter)는 상기 LoRa 게이트웨이를 통해 상기 LoRa 단말에게 전송되며, 상기 LoRa 단말은 학습된 상기 AI 알고리즘을 기반으로 동작하는 것
을 특징으로 하는, 게이트웨이의 데이터 전송 제어 방법.
LoRa 네트워크에서 인공지능(Artificial Intelligence, AI)을 활용한 데이터 전송 제어 장치에 있어서,
LoRa 게이트웨이(Gateway)로 전송할 데이터가 있을 경우, 리시브 윈도우(receive window)를 열어 무선 채널에서 전송되고 있는 외부 신호 세기(signal strength)를 측정하고, 측정된 상기 외부 신호 세기를 AI 알고리즘에 인가하여 전송할 타임 슬롯에 대한 정보를 획득하여, 상기 LoRa 게이트웨이의 전송할 상기 타임 슬롯에 데이터 프레임을 전송하고, 상기 LoRa 게이트웨이로부터 데이터를 수신했다는 ACK를 전달 받은 경우, 데이터 전송 성공 여부를 데이터베이스에 저장하는 LoRa 단말; 및
상기 LoRa 단말로부터 전송되는 데이터를 수신하고, 수신한 상기 데이터가 정상적으로 수집되었는지 여부를 확인하여, 데이터가 충돌 없이 도착한 경우, 상기 LoRa 단말로 ACK를 전송하고, 그렇지 않은 경우 상기 LoRa 단말로 NACK 전송하는 LoRa 게이트웨이
를 포함하는, 데이터 전송 제어 장치.
제12항에 있어서,
상기 AI 알고리즘을 학습하고, 학습된 상기 AI 알고리즘의 파라미터(parameter)를 상기 LoRa 게이트웨이를 통해 상기 LoRa 단말에게 전송하여, 상기 LoRa 단말이 학습된 상기 AI 알고리즘을 기반으로 동작하도록 하는 서버
를 더 포함하는, 데이터 전송 제어 장치.
제13항에 있어서,
상기 LoRa 단말은,
상기 서버에서 상기 LoRa 게이트웨이를 통해 상기 서버의 학습에 필요한 데이터를 상기 LoRa 단말에게 요청한 경우, 기설정된 시간에 상기 LoRa 게이트웨이로부터 비콘 신호(beacon signal)를 수신하고, 상기 데이터베이스에서 외부 신호 세기에 따른 상기 전송 성공 여부 데이터를 불러와서 데이터 프레임을 구성하며, 상기 LoRa 단말은 기설정된 시간에 상기 LoRa 게이트웨이로 데이터 프레임을 전송하는 것
을 특징으로 하는, 데이터 전송 제어 장치.
제12항에 있어서,
상기 LoRa 게이트웨이는,
상기 AI 알고리즘의 업데이트 진행 시, 상기 LoRa 단말에게 비콘 신호를 전송하여 동기화시키고, 상기 LoRa 단말로부터 수신된 데이터 프레임을 저장하여, 수집된 상기 데이터를 서버로 전달하고, 상기 서버에서 상기 LoRa 게이트웨이로부터 전달 받은 상기 데이터를 이용하여 상기 AI 알고리즘을 업데이트함에 따라 상기 LoRa 게이트웨이에서 학습된 상기 AI 알고리즘의 파라미터를 수신하며, 상기 LoRa 게이트웨이는 LoRa 단말들이 데이터를 전송할 경우, 상기 ACK에 학습된 상기 AI 알고리즘의 파라미터를 같이 전송하는 것
을 특징으로 하는, 데이터 전송 제어 장치.