KR102653942B1 - 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템 - Google Patents
공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템 Download PDFInfo
- Publication number
- KR102653942B1 KR102653942B1 KR1020230158879A KR20230158879A KR102653942B1 KR 102653942 B1 KR102653942 B1 KR 102653942B1 KR 1020230158879 A KR1020230158879 A KR 1020230158879A KR 20230158879 A KR20230158879 A KR 20230158879A KR 102653942 B1 KR102653942 B1 KR 102653942B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- user
- sleep
- server
- value
- Prior art date
Links
- 238000004140 cleaning Methods 0.000 claims abstract description 107
- 230000007958 sleep Effects 0.000 claims abstract description 102
- 238000004891 communication Methods 0.000 claims abstract description 79
- 238000013528 artificial neural network Methods 0.000 claims abstract description 62
- 239000013598 vector Substances 0.000 claims description 164
- 230000008667 sleep stage Effects 0.000 claims description 69
- 238000000034 method Methods 0.000 claims description 65
- 230000033001 locomotion Effects 0.000 claims description 49
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 41
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 18
- 230000001954 sterilising effect Effects 0.000 claims description 6
- 238000004659 sterilization and disinfection Methods 0.000 claims description 6
- 230000036962 time dependent Effects 0.000 claims description 5
- 238000004887 air purification Methods 0.000 abstract description 20
- 230000006870 function Effects 0.000 description 83
- 230000004622 sleep time Effects 0.000 description 49
- 238000007726 management method Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 20
- 230000036760 body temperature Effects 0.000 description 15
- 230000036387 respiratory rate Effects 0.000 description 14
- 239000000428 dust Substances 0.000 description 13
- 238000013527 convolutional neural network Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 10
- 208000037656 Respiratory Sounds Diseases 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 10
- 230000029058 respiratory gaseous exchange Effects 0.000 description 10
- 238000011176 pooling Methods 0.000 description 8
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 7
- 229910002091 carbon monoxide Inorganic materials 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000009834 vaporization Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 5
- 239000001569 carbon dioxide Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 210000001747 pupil Anatomy 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 239000012855 volatile organic compound Substances 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000000870 hyperventilation Effects 0.000 description 4
- 208000000122 hyperventilation Diseases 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 201000002859 sleep apnea Diseases 0.000 description 4
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003647 oxidation Effects 0.000 description 3
- 238000007254 oxidation reaction Methods 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000008236 heating water Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011045 prefiltration Methods 0.000 description 2
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- VKWMGUNWDFIWNW-UHFFFAOYSA-N 2-chloro-1,1-dioxo-1,2-benzothiazol-3-one Chemical compound C1=CC=C2S(=O)(=O)N(Cl)C(=O)C2=C1 VKWMGUNWDFIWNW-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001699 photocatalysis Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/65—Electronic processing for selecting an operating mode
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F6/00—Air-humidification, e.g. cooling by humidification
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/20—Humidity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
- F24F2120/14—Activity of occupants
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Telephonic Communication Services (AREA)
Abstract
일 실시예에 따른 공기질을 관리하는 구독 서비스를 제공하는 시스템은, 상기 공기질을 관리하는 구독 서비스와 관련된 복수의 인터페이스가 설치된 사용자 단말; 상기 사용자 단말로부터 수신한 구독 요청 메시지에 기반하여 상기 공기질을 관리하는 서비스를 제공하는 서버; 상기 구독 요청 메시지는 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 포함하고, 센싱 장치 및 공기청정 가습 장치와 근거리 무선 통신을 통해 정보를 송수신하고, 상기 서버와 원거리 무선 통신을 통해 정보를 송수신함으로써, 상기 센싱 장치 및 상기 공기청정 가습 장치를 제어하는 중앙 제어 장치를 포함할 수 있다. 예를 들어, 상기 서버는, 상기 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 구독 설정 모델을 통해 상기 센싱 장치 및 상기 공기청정 가습 장치에 대한 기본 설정 정보를 결정하고, 상기 기본 설정 정보를 포함하는 설정 요청 메시지를 상기 중앙 제어 장치에게 전송할 수 있다. 예를 들어, 상기 중앙 제어 장치는, 상기 기본 설정 정보를 기반으로 상기 센싱 장치 및 상기 공기청정 가습 장치와 사전 연결을 확립하고, 상기 센싱 장치로부터 수신한 상기 사용자에 대한 사용자 상태 정보 및 상기 사용자가 위치한 공간에 대한 공간 상태 정보와 상기 공기청정 가습 장치로부터 수신한 상기 공기청정 가습 장치에 대한 설정 정보 및 장치 상태 정보를 상기 서버에게 전송할 수 있다. 예를 들어, 상기 서버는, 상기 사용자 상태 정보, 상기 공간 상태 정보, 상기 공기청정 가습 장치에 대한 설정 정보 및 상기 장치 상태 정보를 기반으로 상기 복수의 인터페이스별 상태 정보를 결정하고, 상기 복수의 인터페이스별 상태 정보를 상기 사용자 단말에게 전송할 수 있다. 예를 들어, 상기 복수의 인터페이스별 상태 정보는 상기 사용자 단말에 설치된 상기 복수의 인터페이스를 통해 표시되고, 상기 복수의 인터페이스는 공기질 관리 인터페이스, 습도 관리 인터페이스 및 수면 관리 인터페이스를 포함할 수 있다.
Description
본 개시의 실시예들은 복수의 인터페이스를 통합적으로 운용하는 기술에 관한 것으로, 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템에 대한 것이다.
한편, 산업의 발전과 도시화로 인해 대기 중에 미세먼지, 화학물질, 유해가스 등의 오염물질이 증가하여, 많은 사람들이 공기질을 관리하기 위해 공기를 정화하는 장치를 사용하고 있다.
그러나, 사용자의 생활 패턴과 사용자가 위치한 환경에 따라 사용자에게 적합한 공기질과 습도가 상이할 수 있기 때문에, 단순히 사용자가 공기를 정화하는 장치를 사용하는 것만으로 사용자에게 쾌적한 생활 환경을 형성하기가 어렵다.
또한, 공기청정 기능을 가진 가습 장치를 구매하여 매번 필터를 청소하고 물 탱크를 관리하는 것이 다소 번거로우며, 사용자의 생활 패턴을 파악하기 위해서는 복수의 센서를 이용하여 통합적으로 관리해야 하기 때문에, 사용자가 위치한 공간의 공기질을 관리하는 구독 서비스 및 시스템에 대한 니즈도 증가하고 있다.
따라서, 사용자의 생활 패턴과 사용자가 위치한 공간의 온도, 습도 및 공기질 등 다양한 환경적 요소들을 고려한 통합 인터페이스를 통해 공기질을 관리하는 시스템이 필요하다.
한편, 숙면은 신체적 또는 정신적 건강에 영향을 미치는 중요한 요소이나, 수면 질환의 개선을 보조할 수 있는 장치와 방법이 부족한 실정이다. 기존의 방법 및 시스템은 사용자의 신체 정보를 입력받고, 수면 중 사용자의 신체 상태에 따라 반복적인 학습에 의해 검출한 주파수 대역의 진동 및/또는 초음파를 출력하여 최적의 수면을 유도한다. 다만, 사용자의 수면 상태를 파악하기 위해 신체에 장비를 착용하는 것은 불편함이 있으며, 단순히 초음파를 출력하는 것만으로는 사용자의 수면 상태를 개선하기 어렵다.
이에 따라, 사용자가 위치한 공간에 복수의 센서를 설치하여 사용자의 상태와 사용자가 위치한 공간의 상태를 센싱하고, 센싱한 정보를 제어하는 중앙 제어 장치를 이용하여 사용자의 수면 상태 및 적정 습도를 판단하여 공기청정 가습 장치를 동작시킬 수 있도록, 뉴럴 네트워크를 이용하여 공기청정 가습 장치를 조정하는 시스템이 필요하다.
본 개시의 실시예들은, 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템을 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 공기질을 관리하는 구독 서비스를 제공하는 시스템은, 상기 공기질을 관리하는 구독 서비스와 관련된 복수의 인터페이스가 설치된 사용자 단말; 상기 사용자 단말로부터 수신한 구독 요청 메시지에 기반하여 상기 공기질을 관리하는 서비스를 제공하는 서버; 상기 구독 요청 메시지는 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 포함하고, 센싱 장치 및 공기청정 가습 장치와 근거리 무선 통신을 통해 정보를 송수신하고, 상기 서버와 원거리 무선 통신을 통해 정보를 송수신함으로써, 상기 센싱 장치 및 상기 공기청정 가습 장치를 제어하는 중앙 제어 장치를 포함할 수 있다. 예를 들어, 상기 서버는, 상기 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 구독 설정 모델을 통해 상기 센싱 장치 및 상기 공기청정 가습 장치에 대한 기본 설정 정보를 결정하고, 상기 기본 설정 정보를 포함하는 설정 요청 메시지를 상기 중앙 제어 장치에게 전송할 수 있다. 예를 들어, 상기 중앙 제어 장치는, 상기 기본 설정 정보를 기반으로 상기 센싱 장치 및 상기 공기청정 가습 장치와 사전 연결을 확립하고, 상기 센싱 장치로부터 수신한 상기 사용자에 대한 사용자 상태 정보 및 상기 사용자가 위치한 공간에 대한 공간 상태 정보와 상기 공기청정 가습 장치로부터 수신한 상기 공기청정 가습 장치에 대한 설정 정보 및 장치 상태 정보를 상기 서버에게 전송할 수 있다. 예를 들어, 상기 서버는, 상기 사용자 상태 정보, 상기 공간 상태 정보, 상기 공기청정 가습 장치에 대한 설정 정보 및 상기 장치 상태 정보를 기반으로 상기 복수의 인터페이스별 상태 정보를 결정하고, 상기 복수의 인터페이스별 상태 정보를 상기 사용자 단말에게 전송할 수 있다. 예를 들어, 상기 복수의 인터페이스별 상태 정보는 상기 사용자 단말에 설치된 상기 복수의 인터페이스를 통해 표시되고, 상기 복수의 인터페이스는 공기질 관리 인터페이스, 습도 관리 인터페이스 및 수면 관리 인터페이스를 포함할 수 있다.
실시예들에 따르면, 서버는 사용자에 대한 기본 정보, 구독 서비스의 이용 기간에 대한 정보 및 구독 서비스의 등급에 대한 정보를 기반으로 뉴럴 네트워크를 이용하는 구독 설정 모델을 통해 센싱 장치 및 상기 공기청정 가습 장치에 대한 기본 설정 정보를 결정함으로써, 사용자에 대한 기본 정보 및 사용자가 신청한 구독 서비스에 따라 선호하는 기능을 제공하도록 기본 설정 정보를 통해 센싱 장치 및 공기청정 가습 장치를 설정할 수 있다.
실시예들에 따르면, 서버는 사용자에 대한 기본 정보 및 공간 상태 정보를 기반으로 뉴럴 네트워크를 이용하는 기본 예측 모델을 통해 제1 예측 정보를 결정함으로써, 사용자의 기본 정보를 기준으로 수면 상태에서 주변 조도, 온도, 습도 및 공기질을 고려하여 시간별 세부 수면 단계를 예측할 수 있다.
실시예들에 따르면, 서버는 사용자에 대한 기본 정보, 제1 예측 정보, 공간 상태 정보 및 공기청정 가습 장치에 대한 설정 정보를 기반으로 뉴럴 네트워크를 이용하는 장치 조정 모델을 통해 공기청정 가습 장치에 대한 동작 정보를 결정하고, 중앙 제어 장치를 통해 공기청정 가습 장치를 조정함으로써, 사용자가 위치한 공간의 상태를 고려하여 사용자의 시간별 세부 수면 단계에 따라 사용자에게 적합한 습도로 공기청정 가습 장치를 동작시킬 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따라 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템을 나타낸다.
도 4는 일 실시예에 따른 사용자의 공기질을 관리하는 구독 서비스를 제공하는 방법에 대한 신호교환도이다.
도 5는 일 실시예에 따른 구독 설정 모델에 대한 예를 나타낸 도면이다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따라 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템을 나타낸다.
도 4는 일 실시예에 따른 사용자의 공기질을 관리하는 구독 서비스를 제공하는 방법에 대한 신호교환도이다.
도 5는 일 실시예에 따른 구독 설정 모델에 대한 예를 나타낸 도면이다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시 형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 모션 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, 적외선(infrared) 센서, 생체 센서, 음향 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 에지 또는 링크는 뉴럴 네트워크가 원하는 기능의 수행, 사용자 또는 알고리즘에 의해 가변적으로 적용될 수 있는 가중치를 갖는다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따라 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템을 나타낸다. 도 3의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템(300)은 센싱 장치(310), 공기청정 가습 장치(320), 중앙 제어 장치(330), 사용자 단말(340) 및 서버(350)를 포함할 수 있다.
센싱 장치(310)는 복수의 센서를 이용하여 사용자의 체온, 움직임 및 음향을 센싱할 수 있고, 사용자가 위치한 공간의 조도, 습도, 온도 및 공기질을 센싱하는 장치일 수 있다. 센싱 장치(310)는 사용자의 상태 및 사용자가 위치한 공간의 상태를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 예를 들어, 센싱 장치(310)는 사용자에 대한 사용자 상태 정보 및 사용자가 위치한 공간에 대한 공간 상태 정보를 센싱할 수 있다. 센싱 장치(310)는 프로세서(예: 도 1의 프로세서(120)), 메모리(예: 도 1의 메모리(130)), 통신 모듈(예: 도 1의 통신 모듈(190)) 및 복수의 센서 모듈(예: 도 1의 센서 모듈(176))을 포함할 수 있다. 복수의 센서 모듈은 적어도 하나의 적외선 센서, 적어도 하나의 음향 센서, 적어도 하나의 조도 센서, 적어도 하나의 습도 센서, 적어도 하나의 온도 센서 및 적어도 하나의 공기질 센서를 포함할 수 있다. 예를 들어, 복수의 센서 모듈 각각이 서로 다른 위치에 설치된 경우, 센싱 장치(310)는 복수의 센서 모듈 각각으로부터 센싱된 값을 수신할 수 있다.
사용자 상태 정보는 사용자의 상태를 파악하기 위한 센싱 정보일 수 있다. 예를 들어, 사용자 상태 정보는 사용자의 체온에 대한 정보, 사용자의 움직임에 대한 정보 및 사용자의 호흡 음향에 대한 정보를 포함할 수 있다. 사용자의 움직임에 대한 정보는 사용자의 움직임을 센싱한 정보일 수 있다. 예를 들어, 사용자의 움직임에 대한 정보는 사용자의 움직임이 감지된 시점 및 사용자의 움직임이 감지된 위치를 포함할 수 있다. 사용자의 호흡 음향에 대한 정보는 사용자의 호흡 음향을 센싱하여 녹음한 정보일 수 있다. 예를 들어, 사용자의 호흡 음향에 대한 정보는 센싱 장치(310)의 주변 음향의 크기가 사전 설정된 데시벨 이하인 것으로 감지된 것에 기반하여 사용자의 호흡 음향이 녹음된 정보일 수 있다. 공간 상태 정보는 조도에 대한 정보, 습도에 대한 정보, 온도에 대한 정보 및 공기질에 대한 정보를 포함할 수 있다. 조도에 대한 정보는 사용자가 위치한 공간의 빛의 강도를 측정한 정보일 수 있다. 예를 들어, 조도에 대한 정보는 룩스(Lux) 단위로 표현될 수 있다. 습도에 대한 정보는 사용자가 위치한 공간의 대기 중의 수증기 양을 측정한 정보일 수 있다. 예를 들어, 습도에 대한 정보는 백분율로 표현될 수 있다. 온도에 대한 정보는 사용자가 위치한 공간의 온도를 측정한 정보일 수 있다. 예를 들어, 온도에 대한 정보는 섭씨 또는 화씨로 표현될 수 있다. 공기질에 대한 정보는 사용자가 위치한 공간의 대기 중의 미세먼지, 일산화탄소, 이산화탄소, 이산화질소, 휘발성 유기 화합물 등의 농도를 측정한 정보일 수 있다. 예를 들어, 공기질에 대한 정보는 일산화탄소 농도, 이산화탄소 농도, 이산화질소 농도, 2.5 마이크로미터 이하의 미세먼지 농도, 10 마이크로미터 이하의 미세먼지 농도, 휘발성 유기 화합물의 농도를 포함할 수 있고, PPM(parts per million) 단위로 표현될 수 있다.
공기청정 가습 장치(320)는 사용자가 위치한 공간에 구비되어 공기를 정화시키고 수증기를 분사하여 공기질 및 습도를 조절하는 장치일 수 있다. 즉, 공기청정 가습 장치(320)는 수증기를 분사하는 기능과 공기청정 기능을 수행할 수 있다. 공기청정 가습 장치(320)는 프로세서(예: 도 1의 프로세서(120)), 메모리(예: 도 1의 메모리(130)), 통신 모듈(예: 도 1의 통신 모듈(190)), 공기청정 모듈, 수증기 생성 모듈, 송풍 모듈, 풍속 센서 및 습도 센서 포함하는 센서 모듈(예: 도 1의 센서 모듈(176)) 및 발광 모듈을 포함할 수 있다. 공기청정 모듈은 흡입된 공기를 정화시킬 수 있고, 예를 들어, 복수의 필터 및 살균 모듈을 포함할 수 있다. 복수의 필터는 미세먼지 필터(HEPA 필터), 프리 필터, 탄소 활성 필터, 전기 필터 또는 산화 촉매 필터 중 적어도 하나를 포함할 수 있다. 수증기 생성 모듈은 물을 저장하는 용기 및 물을 수증기로 다양한 방식으로 변환시키는 수증기 변환 모듈을 포함할 수 있다. 송풍 모듈은 생성된 수증기를 풍속별로 분사하거나, 필터링된 공기를 방출할 수 있다. 풍속 센서는 필터링된 공기 또는 수증기의 풍속 중 적어도 하나를 감지할 수 있다. 습도 센서는 공기청정 가습 장치(320) 주변의 습도를 센싱할 수 있다. 예를 들어, 센서 모듈은 센싱 장치(310)와 별도로 공기청정 가습 장치(320) 자체에 구비될 수 있다. 발광 모듈은 필터링된 공지의 배출 또는 수증기의 배출과 연동되어 작동될 수 있고, 풍속에 따라 특정색 또는 패턴으로 점멸될 수 있다. 예를 들어, 발광 모듈은 LED로 구현될 수 있다.
중앙 제어 장치(330)는 센싱 장치(310) 및 공기청정 가습 장치(320)와 근거리 무선 통신을 통해 정보를 송수신할 수 있고, 사용자 단말(340) 및 서버(350)와 원거리 무선 통신을 통해 정보를 송수신할 수 있다. 중앙 제어 장치(330)는 사용자 단말(340) 및 서버(350)와 원거리 무선 통신을 통해 수신한 정보를 기반으로 센싱 장치(310) 및 공기청정 가습 장치(320)에 대한 근거리 무선 통신을 통해 센싱 장치(310) 및 공기청정 가습 장치(320)를 제어할 수 있다. 중앙 제어 장치(330)는 프로세서(예: 도 1의 프로세서(120)), 메모리(예: 도 1의 메모리(130)) 및 통신 모듈(예: 도 1의 통신 모듈(190))을 포함할 수 있다.
중앙 제어 장치(330)는 센싱 장치(310) 및 공기청정 가습 장치(320)와 근거리 무선 통신을 통해 사전 연결될 수 있다. 예를 들어, 중앙 제어 장치(330)는 근거리 무선 통신을 통해 센싱 장치(310)로부터 사용자 상태 정보 및 공간 상태 정보를 수신할 수 있다. 예를 들어, 중앙 제어 장치(330)는 원거리 무선 통신을 통해 서버(350)에게 수면 시작 메시지 또는 수면 종료 메시지와 같이 수면 상태와 관련된 메시지를 전송할 수 있다. 예를 들어, 중앙 제어 장치(330)는 근거리 무선 통신을 통해 공기청정 가습 장치(320)에게 제어 정보를 전송할 수 있고, 공기청정 가습 장치(320)는 제어 정보에 따라 동작할 수 있다.
중앙 제어 장치(330)는 센싱 장치(310) 및 카메라 모듈과 연동되어 사용자가 수면 상태인지 여부를 판단할 수 있다. 카메라 모듈은 사용자에 대한 정지 영상 및 동영상을 촬영할 수 있다. 카메라 모듈은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다. 예를 들어, 중앙 제어 장치(330)는 통신 모듈을 통해 센싱 장치(310)로부터 수신한 정보를 기반으로 사용자가 수면 상태인지 여부를 판단할 수 있다.
사용자 단말(340)은 공기질을 관리하는 구독 서비스와 관련된 복수의 인터페이스가 설치된 단말일 수 있다. 예를 들어, 사용자 단말(340)은 도 1의 전자 장치(101)를 포함할 수 있다. 공기질을 관리하는 구독 서비스는 사용자가 생활하는 공간의 공기질을 관리하는 서비스일 수 있다. 예를 들어, 사용자 단말(340)은 복수의 인터페이스를 통해 중앙 제어 장치(330) 또는 서버(350) 중 적어도 하나에게 명령을 전송함으로써, 사용자가 위치한 공간에 구비된 센싱 장치(310), 공기청정 가습 장치(320)를 제어할 수 있다.
서버(350)는 사용자 단말(340)로부터 수신한 구독 요청 메시지에 기반하여 공기질을 관리하는 서비스를 제공하는 서버일 수 있다. 여기서, 구독 요청 메시지는 사용자 단말(340)이 서버(350)에게 공기질을 관리하는 구독 서비스를 요청하는 메시지일 수 있다. 예를 들어, 구독 요청 메시지는 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 포함할 수 있다. 사용자에 대한 기본 정보는 사용자의 나이, 사용자의 성별, 사용자의 체중 및 사용자의 신장을 포함할 수 있다. 구독 서비스의 이용 기간에 대한 정보는 일 단위, 월 단위 또는 연 단위 중 어느 하나의 단위에 따른 공기질을 관리하는 구독 서비스의 이용 기간을 나타내는 정보일 수 있다. 구독 서비스의 등급에 대한 정보는 공기질을 관리하는 구독 서비스의 등급을 나타내며, 복수의 등급 중 어느 하나의 등급에 대한 값을 포함할 수 있다. 예를 들어, 복수의 등급은 기본형, 표준형 및 고급형을 포함할 수 있고, 본 개시의 다양한 실시예들에 따라 더 많은 등급을 포함할 수 있다.
예를 들어, 서버(350)는 사용자의 세부 수면 상태를 파악하고, 사용자의 세부 수면 상태에 따라 사용자가 위치한 공간에 구비된 공기청정 가습 장치(320)를 제어할 수 있다. 예를 들어, 서버(350)는 중앙 제어 장치(330)로부터 원거리 무선 통신을 통해 수신한 정보를 기반으로 사용자의 세부 수면 단계를 예측하고, 사용자의 세부 수면 단계에 따라 결정된 공기청정 가습 장치에 대한 동작 정보를 중앙 제어 장치(330)에게 전송할 수 있다. 세부 수면 단계는 제1 단계부터 제5 단계를 포함할 수 있다. 제1 단계는 수면 상태로 전환되기 시작하는 단계이며, 아주 얕은 수면 단계일 수 있다. 예를 들어, 제1 단계는 8Hz 내지 10 Hz의 알파파에 해당하는 뇌파가 발생하는 단계일 수 있다. 제2 단계는 얕은 수면 단계로, 4Hz 내지 7Hz의 세타파에 해당하는 뇌파가 발생하는 단계일 수 있다. 제1 단계 및 제2 단계에서는 호흡 강도가 주기적으로 변화할 수 있고, 정상 상태일 때보다 호흡 수가 감소할 수 있다. 제3 단계는 깊은 수면 단계로, 0.5Hz 내지 0.7Hz의 델타파에 해당하는 뇌파가 50% 미만으로 발생하는 단계일 수 있다. 제4 단계는 제5 단계로 이동하기 이전의 깊은 수면 단계로 0.5Hz 내지 0.7Hz의 델타파에 해당하는 뇌파가 50% 이상으로 발생하는 단계일 수 있다. 제3 단계 내지 제4 단계가 수면 시간에서 차지하는 비율은 소아기에 최대로 증가하고, 그 이후 연령이 증가할수록 감소할 수 있다. 또한, 제3 단계 내지 제4 단계는 규칙적인 호흡의 양상을 보이고, 호흡량이 전반적으로 감소할 수 있다. 제5 단계는 REM(rapid eye movement sleep) 수면 단계일 수 있고, 제5 단계는 30Hz에서 40Hz의 감마파에 해당하는 뇌파가 발생할 수 있고, 호흡 수가 증가하면서 호흡이 불규칙해지는 단계일 수 있다. 예를 들어, 제5 단계는 유아기에 수면 시간에서 50%를 차지할 수 있다.
서버(350)는 중앙 제어 장치(330)로부터 사용자에 대한 기본 정보, 사용자 상태 정보, 공간 상태 정보 및 공기청정 가습 장치(320)에 대한 장치 상태 정보와 설정 정보를 원거리 무선 통신을 통해 수신할 수 있다.
공기청정 가습 장치(320)에 대한 장치 상태 정보는 공기청정 가습 장치(320)의 전원 상태, 공기청정 가습 장치(320)의 작동 상태, 공기청정 가습 장치(320)의 점검 상태 및 공기청정 가습 장치(320)의 점검 일자를 포함할 수 있다.
공기청정 가습 장치(320)에 대한 설정 정보는 공기청정 가습 장치(320)의 모델명, 공기청정 가습 장치(320)의 제조연월 및 사용자가 위치한 공간 내 공기청정 가습 장치(320)의 위치에 대한 정보를 포함할 수 있다.
서버(350)는 사용자에 대한 기본 정보, 구독 서비스의 이용 기간에 대한 정보 및 구독 서비스의 등급에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 구독 설정 모델을 통해 센싱 장치(310) 및 공기청정 가습 장치(320)에 대한 기본 설정 정보를 결정할 수 있다.
서버(350)는 기본 설정 정보를 포함하는 설정 요청 메시지를 중앙 제어 장치(330)에게 전송할 수 있다. 중앙 제어 장치(330)는 기본 설정 정보를 기반으로 센싱 장치(310) 및 공기청정 가습 장치(320)와 사전 연결을 확립할 수 있다. 중앙 제어 장치(330)는 센싱 장치(310)로부터 수신한 사용자에 대한 사용자 상태 정보 및 사용자가 위치한 공간에 대한 공간 상태 정보와 공기청정 가습 장치(320)로부터 수신한 공기청정 가습 장치(320)에 대한 설정 정보 및 장치 상태 정보를 서버(350)에게 전송할 수 있다.
서버(350)는 사용자 상태 정보, 공간 상태 정보, 공기청정 가습 장치에 대한 설정 정보 및 장치 상태 정보를 기반으로 복수의 인터페이스별 상태 정보를 결정할 수 있다. 복수의 인터페이스는 공기질 관리 인터페이스, 습도 관리 인터페이스 및 수면 관리 인터페이스를 포함할 수 있다. 서버(350)는 복수의 인터페이스별 상태 정보를 사용자 단말(340)에게 전송할 수 있다. 복수의 인터페이스별 상태 정보는 사용자 단말(340)에 설치된 상기 복수의 인터페이스를 통해 표시될 수 있다. 공기질 관리 인터페이스는 공기질을 관리하기 위한 사용자 인터페이스일 수 있다. 예를 들어, 공기질 관리 인터페이스 상에는 미세먼지 수준, 공기질 지수, 공기청정 가습 장치(320)의 필터의 상태 및 공기청정 가습 장치(320)의 작동 상태가 표시될 수 있다. 습도 관리 인터페이스는 습도를 관리하기 위한 사용자 인터페이스일 수 있다. 예를 들어, 습도 관리 인터페이스 상에는 현재 습도, 목표 습도, 물을 보관하는 용기의 상태, 공기청정 가습 장치(320)의 작동 상태가 표시될 수 있다. 수면 관리 인터페이스는 사용자의 수면 상태를 관리하기 위한 사용자 인터페이스일 수 있다. 예를 들어, 수면 관리 인터페이스는 사용자의 최근 수면 시간, 사용자의 수면 시간별 세부 수면 단계 및 사용자에 대한 필요 수면 시간이 표시될 수 있다. 예를 들어, 서버(350)는 도 1의 서버(108)를 포함할 수 있다.
그러나, 도 3에 도시된 구성 요소 모두가 시스템의 필수 구성 요소인 것은 아니다. 도 3에 도시된 구성 요소보다 많은 구성 요소에 의해 시스템이 구현될 수도 있고, 도 3에 도시된 구성 요소보다 적은 구성 요소에 의해 시스템이 구현될 수도 있다.
도 4는 일 실시예에 따른 사용자의 공기질을 관리하는 구독 서비스를 제공하는 방법에 대한 신호교환도이다. 도 4의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 단계 S401에서, 사용자 단말은 서버에게 구독 요청 메시지를 전송할 수 있다.
예를 들어, 구독 요청 메시지는 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 포함할 수 있다.
단계 S402에서, 서버는 기본 설정 정보를 포함하는 설정 요청 메시지를 중앙 제어 장치에게 전송할 수 있다.
예를 들어, 서버는 사용자에 대한 기본 정보, 구독 서비스의 이용 기간에 대한 정보 및 구독 서비스의 등급에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 구독 설정 모델을 통해 센싱 장치 및 공기청정 가습 장치에 대한 기본 설정 정보를 결정할 수 있다.
예를 들어, 서버는 사용자에 대한 기본 정보에 대해 데이터 전처리를 수행함으로써, 사용자의 나이에 대한 값, 사용자의 성별에 대한 값, 사용자의 체중에 대한 값 및 사용자의 신장에 대한 값을 포함하는 기본 벡터를 생성할 수 있다.
예를 들어, 서버는 구독 서비스의 이용 기간에 대한 정보 및 구독 서비스의 등급에 대한 정보에 대해 데이터 전처리를 수행함으로써, 이용 기간과 관련된 값 및 등급과 관련된 값을 포함하는 구독 벡터를 생성할 있다.
이용 기간과 관련된 값은 사용자 단말이 구독 서비스를 이용하는 기간을 나타내는 값으로, 일 단위로 표현될 수 있다. 등급과 관련된 값은 사용자 단말이 구독 서비스를 신청한 등급을 나타내는 값으로, 복수의 등급 중에서 어느 하나의 등급을 나타내는 값을 포함할 수 있다. 예를 들어, 복수의 등급 각각을 나타내는 값이 서버에 사전 저장될 수 있다.
예를 들어, 서버는 기본 벡터 및 구독 벡터를 구독 설정 모델에 입력시킴으로써, 센싱 장치에 대한 기본 설정과 관련된 값 및 공기청정 가습 장치에 대한 기본 설정과 관련된 값을 획득할 수 있다.
센싱 장치에 대한 기본 설정과 관련된 값은 복수의 측정 항목 중에서 적어도 하나의 측정 항목에 대한 값 및 센싱 장치에 포함된 복수의 센서 중에서 적어도 하나의 센서에 대한 값을 포함할 수 있다. 복수의 측정 항목은 사용자의 체온, 사용자의 호흡 음향, 사용자의 움직임, 사용자가 위치한 공간의 조도, 온도, 습도, 일산화탄소 농도, 이산화탄소 농도, 이산화질소 농도, 2.5 마이크로미터 이하의 미세먼지 농도, 10 마이크로미터 이하의 미세먼지 농도, 휘발성 유기 화합물의 농도 및 오존 농도를 포함할 수 있다. 복수의 센서는 적어도 하나의 적외선 센서, 적어도 하나의 음향 센서, 적어도 하나의 조도 센서, 적어도 하나의 습도 센서, 적어도 하나의 온도 센서 및 적어도 하나의 공기질 센서를 포함할 수 있다. 이때, 복수의 센서는 각각의 센서 종류마다 감도가 상이한 센서들을 포함할 수 있다.
공기청정 가습 장치에 대한 기본 설정과 관련된 값은 복수의 기능 중에서 적어도 하나의 기능에 대한 값을 포함할 수 있다. 복수의 기능은 기본 공기청정 기능, 기본 가습 기능, 필터 교체 알림 기능, 타이머 설정 기능, 소음 관리 기능, 물 탱크 알림 기능, 실내 온도 경고 기능, 실내 습도 경고 기능, 실내 공기질 경고 기능, 환기 기능, 고급 공기청정 기능, 고급 가습 기능, 기본 수면상태 측정 기능 및 고급 수면상태 측정 기능을 포함할 수 있다. 예를 들어, 복수의 기능 중에서 기본적인 기능은 서버에 사전 설정될 수 있다. 기본적인 기능은 기본 공기청정 기능, 기본 가습 기능, 필터 교체 알림 기능, 타이머 설정 기능, 물 탱크 알림 기능 및 기본 수면상태 측정 기능을 포함할 수 있다. 이때, 기본 기능과 고급 기능은 작동하는 센서의 종류가 상이할 수 있다. 본 개시의 다양한 실시예들에서 복수의 기능은 더 많은 기능을 포함할 수 있다.
센싱 장치 및 공기청정 가습 장치에 대한 기본 설정 정보는 센싱 장치에 대한 기본 설정과 관련된 값 및 공기청정 가습 장치에 대한 기본 설정과 관련된 값을 포함할 수 있다.
예를 들어, 구독 설정 모델은 복수의 기본 벡터, 복수의 구독 벡터, 복수의 정답 센싱 장치에 대한 기본 설정과 관련된 값 및 복수의 정답 공기청정 가습 장치에 대한 기본 설정과 관련된 값을 기반으로 학습될 수 있다.
단계 S403에서, 중앙 제어 장치는 센싱 장치 및 공기청정 가습 장치와 사전 연결을 확립할 수 있다.
예를 들어, 중앙 제어 장치는 센싱 장치 및 공기청정 가습 장치와 근거리 무선 통신을 통해 사전 연결을 확립할 수 있다. 예를 들어, 중앙 제어 장치는 사전 연결을 요청하는 디스커버리 메시지를 센싱 장치 및 공기청정 가습 장치에게 전송할 수 있다. 예를 들어, 중앙 제어 장치는 사전 연결을 수락하는 메시지를 센싱 장치 및 공기청정 가습 장치로부터 수신할 수 있다. 예를 들어, 중앙 제어 장치는 사전 연결을 수락하는 메시지를 수신한 후 기본 설정 메시지를 센싱 장치 및 공기청정 가습 장치에게 전송할 수 있다. 기본 설정 메시지는 센싱 장치 및 공기청정 가습 장치에 대한 기본적인 설정을 수행하기 위한 메시지일 수 있고, 예를 들어, 센싱 장치 및 공기청정 가습 장치에 대한 기본 설정 정보를 포함할 수 있다. 예를 들어, 중앙 제어 장치가 센싱 장치 및 공기청정 가습 장치로부터 기본 설정 완료 메시지를 수신한 것에 기반하여 중앙 제어 장치와 센싱 장치 및 공기청정 가습 장치 사이의 사전 연결이 확립될 수 있다. 기본 설정 완료 메시지는 기본 설정 정보를 기반으로 센싱 장치 및 공기청정 가습 장치의 기본 설정이 완료된 것을 알리는 메시지일 수 있다. 예를 들어, 사전 연결을 수락하는 메시지는 센싱 장치 및 공기청정 가습 장치 사이에 대한 식별 정보를 포함할 수 있다. 식별 정보는 ID(identifier) 또는 식별 번호 중 적어도 하나를 포함할 수 있다. 여기서, ID는 장치를 식별하기 위한 ID일 수 있다. 식별 번호는 장치의 모델명 또는 일련번호 중 적어도 하나로 구성될 수 있다.
예를 들어, 중앙 제어 장치는 사전 연결이 확립된 이후 사용자에 대한 기본 정보, 사용자 상태 정보, 공간 상태 정보 및 공기청정 가습 장치에 대한 장치 상태 정보와 설정 정보를 서버에게 전송할 수 있다. 중앙 제어 장치는 사전 연결이 확립된 이후 사용자 상태 정보 및 공간 상태 정보를 센싱 장치로부터 수신할 수 있다. 중앙 제어 장치는 사전 연결이 확립된 이후 공기청정 가습 장치로부터 공기청정 가습 장치에 대한 설정 정보를 수신할 수 있다.
예를 들어, 중앙 제어 장치는 사전 연결이 확립된 이후 사용자 상태 정보 및 공간 상태 정보를 실시간으로 서버에게 전송할 수 있다.
단계 S404에서, 센싱 장치는 적어도 하나의 적외선 센서를 통해 사용자의 움직임이 감지된 제1 시점부터 사전 설정된 제1 시간이 경과된 것에 기반하여 사용자의 눈에 해당하는 영역에 대한 좌표 값을 요청하는 좌표 요청 메시지를 중앙 제어 장치에게 요청할 수 있다.
예를 들어, 사용자의 움직임이 감지된 제1 시점 이후 사전 설정된 제1 시간이 경과되기 이전에 사용자의 새로운 움직임이 감지되지 않은 것에 기반하여 사용자의 움직임이 정지된 것으로 결정될 수 있다. 예를 들어, 적어도 하나의 적외선 센서를 통해 사용자의 움직임이 감지된 제1 시점부터 사전 설정된 제1 시간이 경과되기 이전에 사용자의 움직임이 새롭게 감지된 경우, 센싱 장치는 사용자의 움직임이 새롭게 감지된 시점을 제1 시점으로 결정하고, 사용자의 움직임이 새롭게 감지된 시점부터 사전 설정된 제1 시간이 경과된 이후에 사용자의 눈에 해당하는 영역에 대한 좌표 값을 요청하는 좌표 요청 메시지를 중앙 제어 장치에게 전송할 수 있다.
예를 들어, 센싱 장치는 적어도 하나의 적외선 센서를 통해 사용자가 위치한 공간에서 사용자의 움직임을 감지할 수 있다. 이때, 사전 설정된 제1 시간은 중앙 제어 장치와 사전 연결이 확립되는 과정에서 수신한 값일 수 있다. 예를 들어, 사전 설정된 제1 시간은 사용자 단말 또는 서버로부터 중앙 제어 장치에 입력된 값일 수 있다. 사전 설정된 제1 시간은 사용자의 나이, 성별, 체중 및 신장에 따라 상이하게 설정될 수 있다.
예를 들어, 센싱 장치는 적어도 하나의 적외선 센서를 통해 사용자의 움직임이 감지된 시점 이후 사전 설정된 제1 시간이 경과될 때마다 사용자의 눈에 해당하는 영역에 대한 좌표 값을 요청하는 좌표 요청 메시지를 중앙 제어 장치에게 전송할 수 있다.
예를 들어, 좌표 요청 메시지는 사용자의 위치에 대한 좌표 값을 포함할 수 있다. 센싱 장치는 적어도 하나의 적외선 센서를 통해 사용자의 움직임이 감지된 시점 이후 사전 설정된 제1 시간이 경과된 것에 기반하여 사용자의 움직임이 감지된 위치에 대한 좌표 값을 결정할 수 있다. 여기서, 사용자의 움직임이 감지된 위치에 대한 좌표 값은 사용자의 위치에 대한 좌표 값으로 결정될 수 있다.
예를 들어, 중앙 제어 장치는 센싱 장치로부터 좌표 요청 메시지를 수신한 것에 기반하여 중앙 제어 장치와 연동된 카메라 모듈을 통해 사용자의 이미지를 획득할 수 있다. 예를 들어, 중앙 제어 장치는 사용자의 위치에 대한 좌표 값에 기반하여 중앙 제어 장치에 연동된 카메라를 통해 사용자의 이미지를 획득할 수 있다.
단계 S405에서, 중앙 제어 장치는 사용자의 눈에 해당하는 영역에 대한 좌표 값을 결정할 수 있다.
예를 들어, 중앙 제어 장치는 사용자의 이미지를 획득하여 사용자의 눈에 해당하는 영역에 대한 좌표 값을 결정할 수 있다.
일 실시예에 따르면, 중앙 제어 장치는 사용자의 이미지에 대한 RGB 값에 따라 사용자의 형상을 결정하고, 사전 설정된 복수의 형상 중에서 사용자의 형상과 유사도가 높은 형상을 결정할 수 있다. 예를 들어, 사전 설정된 복수의 형상별로 사용자의 눈에 해당하는 영역이 매칭되어 중앙 제어 장치에 사전 저장될 수 있다. 이때, 사용자의 눈에 해당하는 영역은 눈 주변의 피부 영역인 제1 영역과 눈동자 영역인 제2 영역을 포함할 수 있다.
일 실시예에 따르면, 중앙 제어 장치는 패스터 R-CNN(faster regions with convolutional neural network) 모델을 사용하여 사용자의 이미지에서 사용자의 눈에 해당하는 영역을 추출할 수 있다. R-CNN(Regions with Convolutional Neural Network)은 설정한 영역을 CNN의 입력 값으로 활용하여 객체 탐지를 수행하는 뉴럴 네트워크를 의미한다. R-CNN은 영역을 추정하고, 영역을 분류하는 두 동작을 수행할 수 있다. 예를 들어, R-CNN은 이미지에 있는 데이터와 레이블을 투입하여 카테고리에 무관하게 물체의 영역을 탐색하는 영역 제안(Region Proposal), 제안된 영역으로부터 고정된 크기의 특징 벡터를 워핑/크롭(warping/crop)하여 CNN의 인풋으로 사용할 수 있다. 여기서, CNN은 사전 훈련된 네트워크가 사용되고, CNN을 통해 나온 특징 맵을 활용하여 선형 지도학습 모델인 SVM(Support Vector Machine)을 통한 분류를 수행하고, 레그레서(Regressor)를 통한 경계 박스 회귀(bounding box regression)을 진행할 수 있다. 이때, R-CNN은 한 이미지당 2천번의 CNN을 수행하므로 매우 느린 단점이 있으며, 이를 해결하기 위해 패스트(Fast) R-CNN은 해당 영역의 특징을 원본 이미지에서 추출(Crop)하는 것이 아니라, 특징 맵에서 추출함으로써, 1번의 CNN을 통과시킬 수 있다. 즉, 패스트 R-CNN은 관심 영역(ROI)(region of interest)에 대한 풀링을 수행함으로써, 각각의 영역을 고정 크기의 벡터로 변환시키고, 각각의 벡터를 FC(fully connected) 레이어를 통과시켜 속도를 개선시킬 수 있다. 다만, 패스트 R-CNN에서 영역을 제안하기 위해 사용되는 알고리즘의 병목 현상으로 인해 여전히 속도가 느린 문제가 있었고, 패스터 R-CNN은 영역 제안에 대한 알고리즘 대신 RPN(region proposal network)을 사용하여 영역 제안 속도를 향상시켰다.
예를 들어, 중앙 제어 장치는 사용자의 이미지에 대한 데이터 전처리를 통해 복수의 관심 영역으로 구성된 입력 벡터를 생성할 수 있다. 복수의 관심 영역은 사용자의 눈과 관련된 관심 영역을 포함할 수 있다. 예를 들어, 사용자의 눈과 관련된 관심 영역은 사용자의 이미지에서 사용자의 얼굴이 상단과 하단으로 분류될 때 상단 영역일 수 있다. 예를 들어, 중앙 제어 장치는 입력 벡터를 패스터 R-CNN 모델에 입력시킴으로써, 사용자의 눈에 해당하는 영역에 대한 좌표 값을 결정할 수 있다. 예를 들어, 사용자의 눈에 해당하는 영역에 대한 좌표 값은, 양쪽 눈 각각에 대한, 눈 주변의 피부 영역인 제1 영역에 대한 좌표 값과 눈동자 영역인 제2 영역에 대한 좌표 값을 포함할 수 있다. 예를 들어, 패스터 R-CNN 모델은 복수의 입력 벡터와 복수의 정답 제1 영역에 대한 좌표 값 및 복수의 정답 제2 영역에 대한 좌표 값을 기반으로 학습될 수 있다.
단계 S406에서, 중앙 제어 장치는 사용자의 눈에 해당하는 영역에 대한 좌표 값을 센싱 장치에게 전송할 수 있다.
단계 S407에서, 센싱 장치는 적어도 하나의 적외선 센서를 통해 사용자의 눈에 해당하는 영역으로부터 반사된 적외선의 세기에 대한 정보를 중앙 제어 장치에게 전송할 수 있다.
예를 들어, 적외선의 세기에 대한 정보는, 양쪽 눈 각각에 대해, 눈 주변의 피부 영역인 제1 영역에 대한 세기와 눈동자 영역인 제2 영역에 대한 세기를 포함할 수 있다.
예를 들어, 중앙 제어 장치는 적외선의 세기에 대한 정보를 기반으로 사용자의 눈이 감긴 상태인지 여부를 결정할 수 있다. 부가적으로, 예를 들어, 중앙 제어 장치는 눈 주변의 피부 영역인 제1 영역에 대한 세기와 눈동자 영역인 제2 영역에 대한 세기를 기반으로 제1 영역의 온도와 제2 영역의 온도의 차이를 결정할 수 있다. 즉, 중앙 제어 장치는 눈동자의 온도가 눈 주변의 피부에 대한 온도보다 0.5도 정도 낮은 것을 이용하여 눈이 감긴 상태인지 여부를 결정할 수 있다. 예를 들어, 중앙 제어 장치는 제1 영역의 온도와 제2 영역의 온도의 차이 값이 사전 설정된 차이 값 이상인 경우에는 눈을 뜬 상태로 결정할 수 있다. 예를 들어, 중앙 제어 장치는 제1 영역의 온도와 제2 영역의 온도의 차이 값이 사전 설정된 차이 값 미만인 경우에는 눈을 감은 상태로 결정할 수 있다. 여기서, 사전 설정된 차이 값은 눈동자의 온도와 눈 주변의 피부 사이의 온도 차이 값에 오차 값을 반영한 값으로 설정될 수 있다.
단계 S408에서, 중앙 제어 장치는 사용자의 눈이 감긴 상태로 결정된 제2 시점부터 사전 설정된 제2 시간이 경과된 시점에 서버에게 사용자의 수면 상태가 시작된 것을 나타내는 수면 시작 메시지를 전송할 수 있다.
예를 들어, 사전 설정된 제2 시간은 사용자 단말 또는 서버로부터 중앙 제어 장치에 입력된 값일 수 있다. 사전 설정된 제2 시간은 사용자의 나이, 성별, 체중 및 신장에 따라 상이하게 설정될 수 있다.
예를 들어, 수면 시작 메시지는 사용자의 위치에 대한 좌표 값 및 수면 시작 시점에 대한 값을 포함할 수 있다.
예를 들어, 중앙 제어 장치는 사용자의 눈이 감긴 상태로 결정된 제2 시점부터 사전 설정된 제2 시간이 경과된 것에 기반하여 센싱 장치에게 수면 모드 전환 메시지를 전송할 수 있다. 수면 모드 전환 메시지는 사용자의 수면 상태임을 가정하여 움직임을 센싱하는 모드로 전환할 것을 지시하는 메시지일 수 있다.
예를 들어, 센싱 장치는 수면 모드 전환 메시지를 수신한 것에 기반하여 적어도 하나의 적외선 센서를 통해 수면 모드로 사용자의 움직임을 센싱할 수 있다. 이때, 수면 모드인 경우, 센싱 장치는 사용자의 움직임을 감지하는 센싱 범위의 값을 일반 모드보다 작게 설정할 수 있다.
단계 S409에서, 서버는 수면 시작 메시지를 수신한 것에 기반하여 사용자 단말에게 수면 알림 메시지를 전송할 수 있다.
수면 알림 메시지는 사용자 단말에게 사용자의 수면이 시작된 것을 알리는 메시지이며, 예를 들어, 사용자의 위치에 대한 좌표 값 및 수면 시작 시점에 대한 값을 포함할 수 있다.
단계 S410에서, 서버는 사용자에 대한 기본 정보 및 공간 상태 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 기본 예측 모델을 통해 제1 예측 정보를 결정할 수 있다.
예를 들어, 서버는 사용자에 대한 기본 정보에 대한 데이터 전처리를 수행함으로써, 사용자의 나이에 대한 값, 사용자의 성별에 대한 값, 사용자의 체중에 대한 값 및 사용자의 신장에 대한 값을 포함하는 기본 벡터를 생성할 수 있다. 사용자의 나이에 대한 값은 사용자의 나이를 나타내는 값으로 연 단위 또는 개월 단위로 표현될 수 있다. 예를 들어, 사용자의 나이가 1세 미만인 경우에는 개월 수로 표현될 수 있다. 사용자의 성별에 대한 값은 사용자가 남자인 경우 1 값, 사용자가 여자인 경우 2 값으로 설정될 수 있다.
예를 들어, 서버는 공간 상태 정보에 대한 데이터 전처리를 수행함으로써, 조도와 관련된 값, 온도와 관련된 값, 습도와 관련된 값 및 공기질과 관련된 값을 포함하는 상태 벡터를 생성할 수 있다.
조도와 관련된 값은 사용자의 수면 상태가 시작된 시점 이전의 사전 설정된 시간에 대한 시간 구간별 조도 값과 수면 상태가 시작된 시점 이후의 시간 구간별 예측 조도 값을 포함할 수 있다. 예를 들어, 사전 설정된 시간이 10분인 경우, 사용자의 수면 상태가 시작되기 이전 10분에 대해 30초 간격의 조도 값을 포함할 수 있다. 시간 구간별 예측 조도 값은 수면 시작 시점에 대해 사전 설정된 값으로, 과거 기상 데이터를 기반으로 매년 해당 수면 시작 시점 이후의 조도를 평균한 값일 수 있다. 예를 들어, 복수의 수면 시작 시점 각각에 대해 시간 구간별 예측 조도 값이 서버에 저장될 수 있다.
온도와 관련된 값은 사용자의 수면 상태가 시작된 시점 이전의 사전 설정된 시간에 대한 시간 구간별 온도 값과 수면 상태가 시작된 시점 이후의 시간 구간별 예측 온도 값을 포함할 수 있다. 예를 들어, 사전 설정된 시간이 10분인 경우, 사용자의 수면 상태가 시작되기 이전 10분에 대해 30초 간격의 온도 값을 포함할 수 있다. 시간 구간별 예측 온도 값은 수면 시작 시점에 대해 사전 설정된 값으로, 과거 기상 데이터를 기반으로 매년 해당 수면 시작 시점 이후의 온도를 평균한 값일 수 있다. 예를 들어, 복수의 수면 시작 시점 각각에 대해 시간 구간별 예측 온도 값이 서버에 저장될 수 있다.
습도와 관련된 값은 사용자의 수면 상태가 시작된 시점 이전의 사전 설정된 시간에 대한 시간 구간별 습도 값과 수면 상태가 시작된 시점 이후의 시간 구간별 예측 습도 값을 포함할 수 있다. 예를 들어, 사전 설정된 시간이 10분인 경우, 사용자의 수면 상태가 시작되기 이전 10분에 대해 30초 간격의 습도 값을 포함할 수 있다. 시간 구간별 예측 습도 값은 수면 시작 시점에 대해 사전 설정된 값으로, 과거 기상 데이터를 기반으로 매년 해당 수면 시작 시점 이후의 습도를 평균한 값일 수 있다. 예를 들어, 복수의 수면 시작 시점 각각에 대해 시간 구간별 예측 습도 값이 서버에 저장될 수 있다.
공기질과 관련된 값은 사용자의 수면 상태가 시작된 시점 이전의 사전 설정된 시간에 대한 시간 구간별 일산화탄소 농도, 시간 구간별 이산화탄소 농도, 시간 구간별 일산화탄소 농도, 시간 구간별 2.5 마이크로미터 이하의 미세먼지 농도, 시간 구간별 10 마이크로미터 이하의 미세먼지 농도, 시간 구간별 휘발성 유기 화합물의 농도를 포함할 수 있다. 예를 들어, 사전 설정된 시간이 10분인 경우, 사용자의 수면 상태가 시작되기 이전 10분에 대해 30초 간격의 일산화탄소 농도, 30초 간격의 이산화탄소 농도, 30초 간격의 일산화탄소 농도, 30초 간격의 2.5 마이크로미터 이하의 미세먼지 농도, 30초 간격의 10 마이크로미터 이하의 미세먼지 농도, 30초 간격의 휘발성 유기 화합물의 농도를 포함할 수 있다.
예를 들어, 서버는 사용자의 수면 상태가 시작된 시점에 대한 값을 포함하는 시작 벡터를 생성할 수 있다. 수면 상태가 시작된 시점에 대한 값은 연월일 및 시간을 나타내는 값으로 결정될 수 있다. 예를 들어, 수면 상태가 시작된 시점이 2023년9월9일 오후2시30분인 경우, 수면 상태가 시작된 시점에 대한 값은 202309091430으로 표현될 수 있다.
예를 들어, 서버는 기본 벡터, 상태 벡터 및 시작 벡터를 기본 예측 모델에 입력시킴으로써, 사용자의 시간별 세부 수면 단계를 포함하는 제1 예측 정보를 결정할 수 있다. 기본 벡터, 상태 벡터 및 시작 벡터가 기본 예측 모델에 입력됨으로써, 사용자의 시간별 세부 수면 단계가 출력될 수 있다. 시간별 세부 수면 단계는 수면 시작 시점을 기준으로 수면 시간에 따른 세부 수면 단계를 나타내는 값일 수 있다. 예를 들어, 수면 시간은 사용자의 나이 및 수면 시작 시점의 조합에 따라 상이하게 결정될 수 있다. 사용자의 나이 및 수면 시작 시점의 복수의 조합과 복수의 조합에 따른 수면 시간은 서버에 사전 저장될 수 있다. 사용자의 나이 및 수면 시작 시점의 복수의 조합과 복수의 조합에 따른 수면 시간은 복수의 사용자에 대해 통계적으로 조사한 값을 평균한 값일 수 있다. 예를 들어, 수면 시간이 1시간에 해당하는 경우, 시간별 세부 수면 단계는 수면 시작 시점 이후 1시간에 대한 5분 간격의 세부 수면 단계를 나타내는 값을 포함할 수 있다. 세부 수면 단계를 나타내는 값은 복수의 세부 수면 단계 중에서 어느 하나의 세부 수면 단계를 나타내는 값일 수 있다. 예를 들어, 복수의 세부 수면 단계는 제1 단계 내지 제5 단계를 포함할 수 있다. 제1 단계는 1 값, 제2 단계는 2 값, 제3 단계는 3 값, 제4 단계는 4 값 및 제5 단계는 5 값으로 표현될 수 있다. 예를 들어, 수면 시간이 1시간이고 시간 간격이 10분으로 설정된 경우, 시간별 세부 수면 단계를 포함하는 제1 예측 정보는 [1, 2, 3, 4, 5, 1], [60, 10]을 포함할 수 있다. 여기서, 앞의 괄호는 10분 간격의 세부 수면 단계를 나타내고, 뒤의 괄호는 분 단위로 나타낸 수면 시간과 시간 간격을 나타낼 수 있다.
예를 들어, 기본 예측 모델은 복수의 기본 벡터, 복수의 상태 벡터, 복수의 시작 벡터 및 복수의 정답 시간별 세부 수면 단계를 기반으로 학습될 수 있다. 여기서, 복수의 정답 시간별 세부 수면 단계는 나이, 성별, 체형, 수면 시작 시점 및 수면 환경(예: 조도, 온도, 습도, 공기질)을 기준으로 측정된 복수의 사용자들에 대한 시간별 세부 수면 단계일 수 있다.
단계 S410에서, 서버는 사용자에 대한 기본 정보, 제1 예측 정보, 공간 상태 정보 및 공기청정 가습 장치에 대한 설정 정보를 기반으로 제3 뉴럴 네트워크를 이용하는 장치 조정 모델을 통해 공기청정 가습 장치에 대한 제1 동작 정보를 결정할 수 있다.
공기청정 가습 장치에 대한 제1 동작 정보는 사용자의 수면 상태에 따른 공기청정 가습 장치의 동작을 지시하는 제어 정보일 수 있다.
예를 들어, 서버는 제1 예측 정보에 대한 데이터 전처리를 통해 시간별 세부 수면 단계에 대한 값을 포함하는 수면 벡터를 생성할 수 있다. 예를 들어, 수면 시간이 2시간이고 시간 간격이 20분으로 설정된 경우, 수면 벡터는 [1, 3, 4, 5, 5, 5], [120, 20]을 포함할 수 있다. 여기서, 앞의 괄호는 20분 간격의 세부 수면 단계를 나타내고, 뒤의 괄호는 분 단위로 나타낸 수면 시간과 시간 간격을 나타낼 수 있다.
예를 들어, 서버는 공기청정 가습 장치에 대한 설정 정보에 대한 데이터 전처리를 통해 공기청정 필터와 관련된 값, 살균과 관련된 값, 가습 방식에 대한 값, 물통 용량에 대한 값, 잔수 용량에 대한 값, 사용자와 공기청정 가습 장치의 위치에 대한 값 및 가습량과 관련된 값을 포함하는 설정 벡터를 생성할 수 있다. 예를 들어, 서버는 공기청정 가습 장치에 대한 설정 정보에 포함된 공기청정 가습 장치의 모델명 및 제조연월을 기반으로 가습 방식에 대한 값, 물통 용량에 대한 값, 잔수 용량에 대한 값 및 가습량과 관련된 값을 결정할 수 있다. 예를 들어, 복수의 공기청정 가습 장치의 모델명 및 제조연월에 대한 조합이 서버에 사전 저장될 수 있고, 복수의 공기청정 가습 장치의 모델명 및 제조연월에 대한 조합 각각에 매칭되는 공기청정 필터와 관련된 값, 살균과 관련된 값, 가습 방식에 대한 값, 물통 용량에 대한 값, 잔수 용량에 대한 값 및 가습량과 관련된 값도 서버에 사전 저장될 수 있다.
공기청정 필터와 관련된 값은 복수의 공기청정 필터 중에서 해당 공기청정 가습 장치가 사용하는 공기청정 필터를 나타내는 값일 수 있다. 예를 들어, 복수의 공기청정 필터는 미세먼지 필터(HEPA(high-efficiency articulate air) 필터), 프리 필터(pre-filter), 탄소 활성 필터(activated carbon filter), 전기 필터(electrostatic filter) 및 산화 촉매 필터(photocatalytic oxidation filter)를 포함할 수 있다.
살균과 관련된 값은 자외선 살균을 수행하기 위해 필요한 설정 값으로, 예를 들어, 자외선의 강도에 대한 값, 자외선을 조사하는 시간 간격에 대한 값 및 자외선의 파장에 대한 값을 포함할 수 있다.
가습 방식에 대한 값은 복수의 가습 방식 중에서 어느 하나의 가습 방식을 나타내는 값일 수 있다. 예를 들어, 복수의 가습 방식은 상부 초음파 방식, 하부 초음파 방식, 플로팅 초음파 방식, 히터 가열 방식, 통가열 방식, 복합 방식, 섬유 필터를 이용한 기화 방식 및 플라스틱 필터를 이용한 기화 방식을 포함할 수 있다. 예를 들어, 복수의 가습 방식 각각을 나타내는 값은 서버에 사전 저장될 수 있다. 또한, 새로운 가습 방식의 공기청정 가습 장치가 출시되는 경우에는 복수의 가습 방식 각각을 나타내는 값이 업데이트될 수 있다. 초음파 방식은 초음파 진동을 사용하여 물을 수증기로 변환하는 방식일 수 있다. 이때, 상부 초음파 방식은 물을 보관하는 수조의 상부에 진동자가 위치하는 방식일 수 있다. 하부 초음파 방식을 물을 보관하는 수조의 하부에 진동자가 위치하는 방식일 수 있다. 플로팅 초음파 방식은 물을 보관하는 수조의 표면에 진동자가 위치하는 방식일 수 있다. 가열 방식은 물을 가열하여 수증기로 변환하는 방식일 수 있다. 히터 가열 방식은 수조 아래에 히터를 이용하여 물을 가열하는 방식일 수 있다. 통가열 방식은 밥솥과 같은 수조 자체를 가열하는 방식일 수 있다. 복합 방식은 초음파 방식과 가열 방식을 결합하여 물을 수증기로 변환하는 방식일 수 있다. 기화 방식은 팬으로 발생시킨 바람을 이용하여 물을 수증기로 증발시키는 방식일 수 있다. 섬유 필터를 이용한 기화 방식은 섬유 재질의 필터를 이용하여 필터의 교체가 필요한 기화 방식일 수 있다. 플라스틱 필터를 이용한 기화 방식은 플라스틱 재질의 필터를 이용하여 필터의 교체가 불필요한 기화 방식일 수 있다.
물통 용량에 대한 값은 공기청정 가습 장치에 포함된 물통의 총 용량을 나타내는 값일 수 있다. 잔수 용량에 대한 값은 공기청정 가습 장치에 포함된 물통의 잔여 용량을 나타내는 값으로, 수면 시작 시점의 잔수 용량에 대한 값을 포함할 수 있다. 사용자와 공기청정 가습 장치의 위치에 대한 값은 수면 시작 시점의 사용자의 위치에 대한 좌표 값과 공기청정 가습 장치의 위치에 대한 좌표 값을 포함할 수 있다. 가습량과 관련된 값은 최대 가습량에 대한 값, 최소 가습량에 대한 값 및 가습 방식에 따라 가습량을 조절하기 위한 제어 값을 포함할 수 있다. 예를 들어, 초음파 방식의 경우, 가습량을 조절하기 위한 제어 값은 가습량별 진동자의 시간당 진동수를 포함할 수 있다. 예를 들어, 가열 방식의 경우, 가습량을 조절하기 위한 제어 값은 가습량별 가열을 위한 전압 값 또는 전류 값 중 적어도 하나를 포함할 수 있다. 예를 들어, 복합 방식의 경우, 가습량을 조절하기 위한 제어 값은 가습량별 진동자의 시간당 진동수 및 가습량별 가열을 위한 전압 값 또는 전류 값을 포함할 수 있다. 예를 들어, 기화 방식의 경우, 가습량을 조절하기 위한 제어 값은 가습량별 시간당 풍속을 포함할 수 있다.
예를 들어, 서버는 기본 벡터, 수면 벡터, 상태 벡터 및 설정 벡터를 장치 조정 모델에 입력시킴으로써, 공기청정 가습 장치의 시간별 제1 동작과 관련된 값을 결정할 수 있다. 기본 벡터, 수면 벡터, 상태 벡터 및 설정 벡터가 장치 조정 모델에 입력되는 것에 기반하여 공기청정 가습 장치의 시간별 제1 동작과 관련된 값이 출력될 수 있다.
예를 들어, 공기청정 가습 장치의 시간별 제1 동작과 관련된 값은 수면 시간동안 특정 시간 간격의 가습량을 조절하기 위한 제어 값 및 특정 시간 간격의 공기 정화량을 조절하기 위한 제어 값을 포함할 수 있다. 예를 들어, 공기청정 가습 장치의 시간별 제1 동작과 관련된 값은 특정 시간 간격별 가습량을 조절하기 위한 제어 값, 특정 시간 간격의 공기 정화량을 조절하기 위한 제어 값과 분 단위로 나타낸 동작 시간에 대한 값 및 시간 간격에 대한 값을 포함할 수 있다. 동작 시간이 1시간이고, 시간 간격이 10분으로 설정된 경우, 공기청정 가습 장치의 시간별 제1 동작과 관련된 값은 10분 간격의 가습량을 조절하기 위한 제어 값, 10분 간격의 공기 정화량을 조절하기 위한 제어 값과 분 단위로 나타낸 1시간에 대한 값 및 시간 간격에 대한 값을 포함할 수 있다. 여기서, 동작 시간은 수면 벡터에 포함된 수면 시간에 대응할 수 있고, 시간 간격은 수면 벡터에 포함된 시간 간격에 대응할 수 있다.
예를 들어, 공기청정 가습 장치의 시간별 제1 동작과 관련된 값은 가습 방식에 따라 상이할 수 있다.
예를 들어, 장치 조정 모델은 복수의 기본 벡터, 복수의 수면 벡터, 복수의 상태 벡터, 복수의 설정 벡터 및 복수의 정답 시간별 동작과 관련된 값을 기반으로 학습될 수 있다.
예를 들어, 공기청정 가습 장치에 대한 제1 동작 정보는 공기청정 가습 장치의 시간별 제1 동작과 관련된 값을 포함할 수 있다.
단계 S412에서, 서버는 공기청정 가습 장치에 대한 제1 동작 정보를 중앙 제어 장치에게 전송할 수 있다.
단계 S413에서, 중앙 제어 장치는 공기청정 가습 장치에 대한 제1 동작 정보를 공기청정 가습 장치에게 전송할 수 있다.
공기청정 가습 장치는 공기청정 가습 장치에 대한 제1 동작 정보에 포함된 공기청정 가습 장치의 시간별 제1 동작과 관련된 값에 기반하여 동작할 수 있다.
단계 S414에서, 중앙 제어 장치는 사용자의 눈이 떠진 상태로 결정된 제3 시점부터 사전 설정된 제3 시간이 경과된 시점에 사용자의 수면 상태가 종료된 것을 나타내는 수면 종료 메시지를 서버에게 전송할 수 있다.
예를 들어, 수면 종료 메시지는 사용자의 위치에 대한 좌표 값 및 수면이 종료된 시점에 대한 값을 포함할 수 있다.
이때, 중앙 제어 장치는 사용자의 눈이 떠진 상태로 결정하기 위한 구체적인 과정은 다음과 같다. 센싱 장치는 사전 설정된 제1 시간의 간격으로 사용자의 움직임을 감지할 수 있다. 적어도 하나의 적외선 센서를 통해 사전 설정된 움직임과 관련된 값을 초과하는 사용자의 움직임이 감지된 경우, 센싱 장치는 중앙 제어 장치에게 사용자의 눈에 해당하는 영역에 대한 좌표 값을 요청하는 좌표 요청 메시지를 중앙 제어 장치에게 전송할 수 있다. 사전 설정된 움직임과 관련된 값은 적외선을 방출하여 반사된 세기에 따라 측정된 객체가 이동한 거리에 대한 값일 수 있다. 이때, 예를 들어, 센싱 장치는 적어도 하나의 적외선 센서를 통해 사전 설정된 움직임과 관련된 값을 초과하는 사용자의 움직임이 감지된 것에 기반하여 사용자의 움직임이 감지된 위치에 대한 좌표 값을 좌표 요청 메시지에 포함시켜 중앙 제어 장치에게 전송할 수 있다.
예를 들어, 수면 모드로 전환된 센싱 장치로부터 사용자의 눈에 해당하는 영역에 대한 좌표 값을 요청받은 경우, 중앙 제어 장치는 중앙 제어 장치에 연동된 카메라 모듈을 통해 사용자의 이미지를 획득할 수 있다. 예를 들어, 중앙 제어 장치는 사용자의 움직임이 감지된 위치에 대한 좌표 값에 기반하여 중앙 제어 장치에 연동된 카메라 모듈을 통해 사용자의 이미지를 획득할 수 있다. 중앙 제어 장치는 카메라 모듈을 통해 사용자의 이미지를 획득하여 사용자의 눈에 해당하는 영역을 결정할 수 있다.
예를 들어, 중앙 제어 장치는 사용자의 눈에 해당하는 영역에 대한 좌표 값을 센싱 장치에게 전송할 수 있다. 센싱 장치는 적어도 하나의 적외선 센서를 통해 사용자의 눈에 해당하는 영역으로부터 반사된 적외선의 세기에 대한 정보를 중앙 제어 장치에게 전송할 수 있다. 예를 들어, 중앙 제어 장치는 제1 영역의 온도와 제2 영역의 온도의 차이 값이 사전 설정된 차이 값 이상인 경우에는 사용자가 눈을 뜬 상태로 결정할 수 있다.
예를 들어, 사전 설정된 제3 시간은 사용자 단말 또는 서버로부터 중앙 제어 장치에 입력된 값일 수 있다. 사전 설정된 제3 시간은 사용자의 나이, 성별, 체중 및 신장에 따라 상이하게 설정될 수 있다.
단계 S415에서, 서버는 수면 종료 메시지에 기반하여 기상 알림 메시지를 사용자 단말에게 전송할 수 있다.
기상 알림 메시지는 사용자가 수면 상태에서 깨어난 것을 알리는 메시지일 수 있다. 예를 들어, 기상 알림 메시지는 사용자의 수면 시간, 사용자의 수면 시간별 세부 수면 단계를 포함할 수 있다.
예를 들어, 서버는 사용자의 수면 상태동안 중앙 제어 장치로부터 수신한 사용자 상태 정보에 기반하여 사용자의 수면 시간별 세부 수면 단계를 결정할 수 있다. 예를 들어, 서버는 사용자 상태 정보에 대한 데이터 전처리를 통해 사용자의 체온에 대한 값, 사용자의 호흡 수와 관련된 값 및 사용자의 움직임과 관련된 값을 생성할 수 있다. 사용자의 체온에 대한 값은 수면 시간에 대한 특정 시간 간격의 사용자의 체온에 대한 값을 포함할 수 있다. 예를 들어, 사용자의 호흡 수와 관련된 값은 수면 시간에 대한 특정 시간 간격의 사용자의 호흡 수와 과호흡 및 수면무호흡과 특수한 호흡의 발생 빈도 수를 포함할 수 있다. 부가적으로, 예를 들어, 사용자의 호흡 음향에 대한 정보에 대한 데이터 전처리를 통해 사용자의 호흡 수가 결정될 수 있다. 예를 들어, 서버는 사용자의 호흡 음향에 대한 정보에 대해 주파수와 시간의 두 가지 축으로 변환하여 호흡 패턴을 분석할 수 있다. 서버는 주파수와 시간의 두 가지 축으로 변환된 정보를 기반으로 사전 설정된 수면무호흡이나 과호흡 이벤트에 대응하는 특성이 발생하는 시점을 분석할 수 있다. 사용자의 움직임과 관련된 값은 수면 시간에 대한 특정 시간 간격의 사용자의 움직임에 대한 값을 포함할 수 있다. 예를 들어, 움직임에 대한 값은 사용자가 뒤척이는 횟수일 수 있다.
예를 들어, 서버는 사용자의 체온에 대한 값, 사용자의 호흡 수와 관련된 값 및 사용자의 움직임과 관련된 값을 기반으로 사용자의 수면 시간별 세부 수면 단계를 결정할 수 있다. 예를 들어, 서버는 사용자의 체온에 대한 값, 사용자의 호흡 수와 관련된 값 및 사용자의 움직임과 관련된 값의 복수의 조합 각각에 대해 수면 시간별 세부 수면 단계를 판단하기 위한 정보가 사전 저장될 수 있다.
단계 S416에서, 사용자 단말은 수면 상태에 대한 피드백 정보를 서버에게 전송할 수 있다.
예를 들어, 수면 상태에 대한 피드백 정보는 수면 시간별 세부 수면 단계 각각에 대한 점수를 포함할 수 있다. 수면 시간별 세부 수면 단계 각각에 대한 점수는 1점 이상 10점 이하의 값으로 결정될 수 있고, 사용자 단말은 쾌적한 수면에 대해 더 높은 점수를 부여할 수 있다.
예를 들어, 서버는 사전 설정된 점수 이상인 점수에 해당하는 수면 시간별 세부 수면 단계를 결정하고, 수면 시간별 세부 수면 단계에 대응하는 공간 상태 정보를 사용자 단말에 대해 저장할 수 있다. 예를 들어, 사전 설정된 점수는 7점일 수 있다.
단계 S417에서, 서버는 사용자에 대한 기본 정보, 공간 상태 정보 및 공기청정 가습 장치에 대한 설정 정보를 기반으로 제3 뉴럴 네트워크를 이용하는 장치 조정 모델을 통해 공기청정 가습 장치에 대한 제2 동작 정보를 결정할 수 있다.
예를 들어, 공기청정 가습 장치에 대한 제2 동작 정보는 사용자가 깨어난 상태에 따른 공기청정 가습 장치의 동작을 지시하는 제어 정보일 수 있다.
예를 들어, 서버는 기본 벡터, 상태 벡터 및 설정 벡터를 장치 조정 모델에 입력시킴으로써, 공기청정 가습 장치의 시간별 제2 동작과 관련된 값을 결정할 수 있다. 이때, 수면 벡터는 0 값을 가지며, 수면 벡터가 0 값을 포함하는 경우, 장치 조정 모델은 기본 벡터, 상태 벡터 및 설정 벡터를 기반으로 공기청정 가습 장치의 시간별 제2 동작과 관련된 값을 출력할 수 있다.
예를 들어, 공기청정 가습 장치의 시간별 제2 동작과 관련된 값은 사용자가 깨어난 이후의 시간동안 특정 시간 간격의 가습량을 조절하기 위한 제어 값 및 공기 정화량을 조절하기 위한 제어 값을 포함할 수 있다. 예를 들어, 공기청정 가습 장치의 시간별 제2 동작과 관련된 값은 특정 시간 간격별 가습량을 조절하기 위한 제어 값, 특정 시간 간격별 공기 정화량을 조절하기 위한 제어 값 및 시간 간격에 대한 값을 포함할 수 있다. 시간 간격이 10분으로 설정된 경우, 공기청정 가습 장치의 시간별 제2 동작과 관련된 값은 10분 간격의 가습량을 조절하기 위한 제어 값, 10분 간격의 공기 정화량을 조절하기 위한 제어 값 및 시간 간격에 대한 값을 포함할 수 있다. 이때, 시간 간격은 공기청정 가습 장치의 시간별 제2 동작과 관련된 값과 상이할 수 있다.
예를 들어, 공기청정 가습 장치의 시간별 제2 동작과 관련된 값은 공기청정 가습 장치의 가습 방식에 따라 상이할 수 있다.
단계 S418에서, 서버는 공기청정 가습 장치에 대한 제2 동작 정보를 중앙 제어 장치에게 전송할 수 있다.
단계 S419에서, 중앙 제어 장치는 공기청정 가습 장치에 대한 제2 동작 정보를 공기청정 가습 장치에게 전송할 수 있다.
일 실시예에 따르면, 서버는 구독 서비스의 등급이 표준형 이상인 경우, 중앙 제어 장치로부터 수면 시작 메시지를 수신한 횟수가 사전 설정된 횟수 이상인 것에 기반하여, 장치 조정 모델에 입력되는 수면 벡터를 제2 예측 정보를 기반으로 생성할 수 있다.
예를 들어, 서버는 중앙 제어 장치로부터 수면 시작 메시지를 수신한 횟수가 사전 설정된 횟수 이상인 것에 기반하여, 장치 조정 모델에 입력되는 수면 벡터를 제2 예측 정보를 기반으로 생성할 수 있다. 제2 예측 정보는 제4 뉴럴 네트워크를 이용하는 미세 예측 모델을 통해 사용자의 시간별 세부 수면 단계를 조정한 정보일 수 있다.
예를 들어, 제1 예측 정보에 대한 데이터 전처리를 통해 생성된 수면 벡터가 미세 예측 모델에 입력되는 것에 사용자의 시간별 조정된 세부 수면 단계가 출력될 수 있다.
예를 들어, 미세 예측 모델은 사용자의 수면 상태동안 획득된 복수의 사용자 상태 정보와 복수의 공간 상태 정보 및 복수의 제1 예측 정보를 기반으로 학습될 수 있다.
부가적으로, 예를 들어, 사전 설정된 횟수는 하기 수학식 1에 의해 결정될 수 있다.
상기 수학식 1에서, 상기 Nth는 상기 사전 설정된 횟수이고, 상기 nv는 복수의 시간별 세부 수면 단계의 개수이고, 상기 nc는 상기 미세 예측 모델에 설정된 클러스터 수이고, 상기 bs는 상기 미세 예측 모델에 설정된 배치 크기에 대한 값이고, 상기 ep는 상기 미세 예측 모델에 설정된 학습 주기에 대한 값이고, 상기 Sij는 i번째 시간별 세부 수면 단계와 j번째 시간별 세부 수면 단계 사이의 유사도이고, 상기 Nd는 상기 사전 설정된 횟수에 대한 기본 값이고, 상기 Nmax는 상기 사전 설정된 횟수에 대한 최댓값일 수 있다.
예를 들어, 복수의 시간별 세부 수면 단계는 해당 사용자의 연령대에 해당하는 복수의 사용자에 대해 수집될 수 있다. 예를 들어, 클러스터 수는 사용자에 대해 획득된 복수의 시간별 세부 수면 단계를 유사도에 따라 분류한 클러스터의 개수일 수 있다. 예를 들어, i번째 시간별 세부 수면 단계와 j번째 시간별 세부 수면 단계 사이의 유사도는 코사인 유사도로 계산될 수 있다. 이때, 유사도는 0보다 크고 1 이하의 값일 수 있다. 사전 설정된 횟수에 대한 기본 값 및 사전 설정된 횟수에 대한 최댓값은 서버에 사전 저장될 수 있다.
예를 들어, 미세 예측 모델의 학습 성능에 사전 설정된 횟수에 대한 기본 값 및 사전 설정된 횟수에 대한 최댓값이 상이하게 설정될 수 있다. 배치 크기는 미세 예측 모델에서 한번에 연산하는 데이터의 크기이다. 학습 주기는 미세 예측 모델을 학습 데이터가 통과하는 횟수이다. 예를 들어, min 함수는 괄호 안의 두 값 중에서 작은 값을 결정하는 함수일 수 있다.
예를 들어, 유사도가 작고, 클러스터 수가 크고, 배치 크기가 크고, 학습 주기가 클수록, 사전 설정된 횟수가 큰 값으로 결정될 수 있다. 또는, 예를 들어, 유사도가 크고, 클러스터 수가 작고, 배치 크기가 작고, 학습 주기가 작을수록, 사전 설정된 횟수가 작은 값으로 결정될 수 있다.
이를 통해, 서버는 미세 예측 모델을 이용하기 위해 필요한 학습 데이터의 양을 미세 예측 모델의 성능과 사용자의 시간별 세부 수면 단계에 대한 유사도를 기반으로 조절할 수 있다. 따라서, 서버는 사용자마다 사전 설정된 횟수를 고정된 값으로 설정하지 않고 유동적으로 상이하게 설정할 수 있다.
도 5는 일 실시예에 따른 구독 설정 모델에 대한 예를 나타낸 도면이다. 도 5의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 5를 참조하면, 구독 설정 모델에 사용되는 제1 뉴럴 네트워크는 GRU(gated recurrent unit) 기반의 뉴럴 네트워크(500)일 수 있다. 여기서, GRU는 RNN(recurrent neural network)를 변형시킨 모델일 수 있다.
예를 들어, 구독 설정 모델에 사용되는 제1 뉴럴 네트워크(500)는 제1 입력 레이어(510), 하나 이상의 제1 히든 레이어(520) 및 제1 출력 레이어(530)를 포함할 수 있다. 복수의 기본 벡터, 복수의 구독 벡터, 복수의 정답 센싱 장치에 대한 기본 설정과 관련된 값 및 복수의 정답 공기청정 가습 장치에 대한 기본 설정과 관련된 값으로 구성된 학습 데이터는 제1 입력 레이어(510)에 입력되어 하나 이상의 제1 히든 레이어(520) 및 제1 출력 레이어(530)를 통과하여 제1 출력 벡터로 출력되고, 제1 출력 벡터는 제1 출력 레이어(530)에 연결된 제1 손실함수 레이어에 입력되고, 제1 손실함수 레이어는 제1 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제1 손실함수를 이용하여 제1 손실 값을 출력하고, 구독 설정 모델에 사용되는 제1 뉴럴 네트워크의 파라미터가 제1 손실 값이 작아지는 방향으로 학습될 수 있다.
학습 데이터로 사용되는 하나의 기본 벡터 및 하나의 구독 벡터는 하나의 정답 센싱 장치에 대한 기본 설정과 관련된 값 및 하나의 공기청정 가습 장치에 대한 기본 설정과 관련된 값과 하나의 세트로 구성될 수 있다. 예를 들어, 복수의 세트가 서버에 사전 저장될 수 있다.
정답 센싱 장치에 대한 기본 설정과 관련된 값은 기본 벡터 및 구독 벡터에 해당하는 복수의 사용자가 선호하는 센싱 장치에 대한 기본 설정과 관련된 값을 기반으로 결정될 수 있다. 예를 들어, 정답 센싱 장치에 대한 기본 설정과 관련된 값은 기본 벡터 및 구독 벡터에 해당하는 복수의 사용자가 선호하는 센싱 장치에 대한 기본 설정과 관련된 값을 클러스터링하여 밀집도가 높은 순서로 사전 설정된 개수만큼 선택된 값일 수 있다.
정답 공기청정 가습 장치에 대한 기본 설정과 관련된 값은 기본 벡터 및 구독 벡터에 해당하는 복수의 사용자가 선호하는 공기청정 가습 장치에 대한 기본 설정과 관련된 값을 기반으로 결정될 수 있다. 예를 들어, 정답 공기청정 가습 장치에 대한 기본 설정과 관련된 값은 기본 벡터 및 구독 벡터에 해당하는 복수의 사용자가 선호하는 공기청정 가습 장치에 대한 기본 설정과 관련된 값을 클러스터링하여 밀집도가 높은 순서로 사전 설정된 개수만큼 선택된 값일 수 있다.
하나 이상의 제1 히든 레이어(510)는 하나 이상의 GRU 블록을 포함하고, 하나의 GRU 블록은 리셋 게이트(reset gate)와 업데이트 게이트(update gate)를 포함할 수 있다. 여기서, 리셋 게이트와 업데이트 게이트는 시그모이드 레이어를 포함할 수 있다. 예를 들어, 시그모이드 레이어는 시그모이드 함수()가 활성화 함수인 레이어일 수 있다. 예를 들어, 리셋 게이트 및 업데이트 게이트를 통해 히든 스테이트가 제어되고, 각 게이트와 입력에 따른 가중치들이 존재할 수 있다.
리셋 게이트는 과거의 정보를 리셋시키며, 이전 히든 레이어를 거쳐 도출된 가중치 r(t)는 수학식 2에 의해 결정될 수 있다.
예를 들어, 복수의 기본 벡터 및 복수의 구독 벡터가 상기 입력 레이어에 입력되고, 상기 리셋 게이트는 복수의 기본 벡터 및 복수의 구독 벡터를 기반으로 생성된 현재 시점의 입력 값(xt)이 입력되면 현재 시점의 가중치 Wr와 내적하고, 복수의 기본 벡터 및 복수의 구독 벡터를 기반으로 생성된, 이전 시점의 히든 스테이트(h(t-1))를 이전 시점의 가중치 Ur와 내적하고, 마지막으로 두 값을 합하여 시그모이드 함수에 입력되어 결과가 0과 1 사이의 값으로 출력될 수 있다. 이러한 0과 1 사이의 값을 통해 이전 시점의 히든 스테이트 값을 얼마나 활용할 것인지 결정될 수 있다.
업데이트 게이트는 과거와 현재의 정보에 대한 최신화 비율을 결정하며, z(t)는 현재 시점의 정보의 양으로, 수학식 3에 의해 결정될 수 있다.
예를 들어, 상기 현재 시점의 입력 값(xt)가 입력되면 현재 시점의 가중치 Wz와 내적하고, 상기 이전 시점의 히든 스테이트(h(t-1))는 이전 시점의 가중치 Uz와 내적하고, 마지막으로 두 값을 합하여 시그모이드 함수에 입력됨으로써 결과가 0과 1 사이의 값으로 출력될 수 있다. 그리고 1-z(t)를 직전 시점의 히든 레이어의 정보(h(t-1))에 곱할 수 있다.
이를 통해, z(t)는 현재 정보를 얼마나 사용할 지와 1-z(t)를 과거 정보에 대해 얼마나 사용할지를 반영할 수 있다.
리셋 게이트의 결과를 곱하여 현재 시점 t의 정보 후보군이 결정될 수 있다. 예를 들어, 현재 시점의 입력 값(xt)이 입력되면 현재 시점의 가중치 Wh와 내적한 제1 값과, 이전 시점의 히든 스테이트(h(t-1))에 이전 시점의 가중치 Uh와 내적한 값에 r(t)를 곱한 제2 값을 합한 값이 tanh 함수에 입력될 수 있다. 예를 들어, tanh는 비선형 활성화 함수(하이퍼볼릭 탄젠트 함수)를 의미한다.
업데이트 게이트와 후보군의 결과를 결합함으로써, 현재 시점의 히든 레이어의 가중치를 결정할 수 있다. 예를 들어, 업데이트 게이트의 출력 값 z(t)와 현재 시점의 히든 스테이트(h(t))를 곱한 값과 업데이트 게이트에서 버려지는 값 1-z(t)와 이전 시점의 히든 스테이트(h(t-1))을 곱한 값의 합으로 현재 시점의 히든 레이어의 가중치가 결정될 수 있다.
이를 통해, 서버는 사용자의 기본 정보와 구독 요청 메시지를 기준으로 사용자가 선호하는 기본 설정 정보를 결정하도록 기본 예측 모델을 학습시킬 수 있다.
예를 들어, 기본 예측 모델에 사용되는 제2 뉴럴 네트워크는 GRU 기반의 뉴럴 네트워크일 수 있다. 기본 예측 모델에 사용되는 제2 뉴럴 네트워크는 제2 입력 레이어, 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 포함할 수 있다. 복수의 기본 벡터, 복수의 상태 벡터, 복수의 시작 벡터 및 복수의 정답 시간별 세부 수면 단계로 구성된 학습 데이터는 제2 입력 레이어에 입력되어 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 통과하여 제2 출력 벡터로 출력되고, 제2 출력 벡터는 제2 출력 레이어에 연결된 제2 손실함수 레이어에 입력되고, 제2 손실함수 레이어는 제2 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제2 손실함수를 이용하여 제2 손실 값을 출력하고, 기본 예측 모델에 사용되는 제2 뉴럴 네트워크의 파라미터가 제2 손실 값이 작아지는 방향으로 학습될 수 있다.
학습 데이터로 사용되는 하나의 기본 벡터, 하나의 상태 벡터 및 하나의 시작 벡터는 하나의 정답 시간별 세부 수면 단계와 하나의 세트로 구성될 수 있다. 예를 들어, 복수의 세트가 서버에 사전 저장될 수 있다.
정답 시간별 세부 수면 단계는 수면 시작 시점을 기준으로 실제 수면 시간에 따라 측정된 세부 수면 단계를 나타내는 값일 수 있다.
이를 통해, 서버는 사용자의 기본 정보를 기준으로 사용자의 수면 상태에서의 주변 조도, 온도, 습도 및 공기질 뿐만 아니라 수면 시작 시점을 고려하여 시간별 세부 수면 단계를 예측하도록 기본 예측 모델을 학습시킬 수 있다.
예를 들어, 미세 예측 모델에 사용되는 제4 뉴럴 네트워크 또한 GRU 기반의 뉴럴 네트워크일 수 있다.
예를 들어, 서버는 사용자의 수면 상태동안 획득된 복수의 사용자 상태 정보에 대한 데이터 전처리를 통해 복수의 수면 시간별 사용자 벡터를 생성할 수 있다.
수면 시간별 사용자 벡터는 사용자의 체온에 대한 값, 사용자의 호흡 수와 관련된 값 및 사용자의 움직임과 관련된 값을 포함할 수 있다. 사용자의 체온에 대한 값은 수면 시간에 대한 특정 시간 간격의 사용자의 체온에 대한 값을 포함할 수 있다. 예를 들어, 사용자의 호흡 수와 관련된 값은 수면 시간에 대한 특정 시간 간격의 사용자의 호흡 수와 과호흡 및 수면무호흡과 특수한 호흡의 발생 빈도 수를 포함할 수 있다. 부가적으로, 예를 들어, 사용자의 호흡 음향에 대한 정보에 대한 데이터 전처리를 통해 사용자의 호흡 수가 결정될 수 있다. 예를 들어, 서버는 사용자의 호흡 음향에 대한 정보에 대해 주파수와 시간의 두 가지 축으로 변환하여 호흡 패턴을 분석할 수 있다. 서버는 주파수와 시간의 두 가지 축으로 변환된 정보를 기반으로 사전 설정된 수면무호흡이나 과호흡 이벤트에 대응하는 특성이 발생하는 시점을 분석할 수 있다. 사용자의 움직임과 관련된 값은 수면 시간에 대한 특정 시간 간격의 사용자의 움직임에 대한 값을 포함할 수 있다. 예를 들어, 움직임에 대한 값은 사용자가 뒤척이는 횟수일 수 있다. 서버는 중앙 제어 장치로부터 수면 종료 메시지와 함께 사용자의 수면 상태동안 획득된 사용자 상태 정보를 수신하여 사용자별로 저장할 수 있다.
예를 들어, 미세 예측 모델에 사용되는 제4 뉴럴 네트워크는 제4 입력 레이어, 하나 이상의 제4 히든 레이어 및 제4 출력 레이어를 포함할 수 있다. 복수의 기본 벡터, 복수의 수면 시간별 사용자 벡터, 복수의 상태 벡터, 복수의 시간별 세부 수면 단계 및 복수의 정답 시간별 조정된 세부 수면 단계로 구성된 학습 데이터는 제4 입력 레이어에 입력되어 하나 이상의 제4 히든 레이어 및 제4 출력 레이어를 통과하여 제4 출력 벡터로 출력되고, 제4 출력 벡터는 제4 출력 레이어에 연결된 제4 손실함수 레이어에 입력되고, 제4 손실함수 레이어는 제4 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제4 손실함수를 이용하여 제4 손실 값을 출력하고, 미세 예측 모델에 사용되는 제4 뉴럴 네트워크의 파라미터가 제4 손실 값이 작아지는 방향으로 학습될 수 있다.
학습 데이터로 사용되는 하나의 기본 벡터, 해당 기본 벡터에 대응하는 하나의 수면 시간별 사용자 벡터, 하나의 수면 시간별 상태 벡터 및 하나의 시간별 세부 수면 단계는 하나의 정답 시간별 조정된 세부 수면 단계와 하나의 세트로 구성될 수 있다. 예를 들어, 복수의 세트가 서버에 사전 저장될 수 있다.
복수의 정답 시간별 조정된 세부 수면 단계는 기본 예측 모델을 통해 예측된 시간별 세부 수면 단계를 실제 측정된 시간별 세부 수면 단계로 수정한 것일 수 있다.
이를 통해, 사용자의 수면 상태와 관련된 데이터가 사용자의 수면 상태를 예측하기 필요한 만큼 축적되면, 서버는 축적된 사용자의 수면 상태와 관련된 데이터를 기반으로 사용자의 시간별 세부 수면 단계를 사용자에 적합하게 미세 조정하도록 미세 예측 모델을 학습시킬 수 있다.
예를 들어, 장치 조정 모델에 사용되는 제3 뉴럴 네트워크는 CNN 기반의 뉴럴 네트워크일 수 있다.
예를 들어, 장치 조정 모델에 사용되는 제3 뉴럴 네트워크는 제3 입력 레이어, 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 포함할 수 있다. 복수의 기본 벡터, 복수의 수면 벡터, 복수의 상태 벡터, 복수의 설정 벡터 및 복수의 정답 시간별 동작과 관련된 값으로 구성된 학습 데이터는 제3 입력 레이어에 입력되어 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 통과하여 제3 출력 벡터로 출력되고, 제3 출력 벡터는 제3 출력 레이어에 연결된 제3 손실함수 레이어에 입력되고, 제3 손실함수 레이어는 제3 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제3 손실함수를 이용하여 제3 손실 값을 출력하고, 장치 조정 모델에 사용되는 제3 뉴럴 네트워크의 파라미터가 제3 손실 값이 작아지는 방향으로 학습될 수 있다.
하나 이상의 제3 히든 레이어는 하나 이상의 컨벌루션 레이어 및 하나 이상의 풀링 레이어를 포함할 수 있다.
예를 들어, 컨벌루션 레이어에서 복수의 기본 벡터, 복수의 수면 벡터, 복수의 상태 벡터 및 복수의 설정 벡터에 대해 필터링될 수 있고, 컨벌루션 레이어를 통해 특징 맵(feature map)이 형성될 수 있다.
예를 들어, 풀링 레이어에서 상기 형성된 특징 맵에 기반하여 차원 축소를 위해 특징과 관련된 고정 벡터를 선별하고, 상기 형성된 특징 맵에서 서브-샘플링을 수행함으로써, 상기 벡터화된 시계열 데이터에서 시간별 동작과 관련된 값에 대한 특징을 추출할 수 있다. 예를 들어, 풀링 레이어는 가장 큰 값을 추출하는 맥스 풀링 레이어일 수 있다. 예를 들어, 풀링 레이어는 평균 값을 추출하는 평균 풀링 레이어일 수 있다. 예를 들어, 이때, 제2 뉴럴 네트워크의 파라미터는 상기 컨벌루션 레이어 및 상기 풀링 레이어와 관련된 파라미터(특징 맵의 크기, 필터의 크기, 깊이, 스트라이드, 제로 패딩)를 포함할 수 있다.
학습 데이터로 사용되는 하나의 기본 벡터, 하나의 수면 벡터, 하나의 상태 벡터 및 하나의 설정 벡터는 하나의 정답 시간별 동작과 관련된 제1 값과 하나의 제1 세트로 구성될 수 있다. 예를 들어, 복수의 제1 세트가 서버에 사전 저장될 수 있다.
학습 데이터로 사용되는 하나의 기본 벡터, 하나의 상태 벡터 및 하나의 설정 벡터는 하나의 정답 시간별 동작과 관련된 제2 값과 하나의 제2 세트로 구성될 수 있다. 예를 들어, 복수의 제2 세트가 서버에 사전 저장될 수 있다.
즉, 장치 조정 모델은 수면 벡터의 입력 여부에 따라 출력되는 시간별 동작과 관련된 값이 상이하도록 학습될 수 있다.
정답 시간별 동작과 관련된 제1 값은 제1 목표 습도로 조정하기 위한 제어 값을 포함할 수 있다. 제1 목표 습도는 사용자의 나이, 성별, 신장 및 체중에 따른 사용자의 세부 수면 단계별로 요구되는 습도에 대해 현재 공간의 조도, 습도, 온도 및 공기질에 따른 가중치를 적용하여 결정될 수 있다. 사용자의 나이, 성별, 신장 및 체중의 복수의 조합에 따른 사용자의 세부 수면 단계별로 요구되는 습도는 서버에 사전 저장될 수 있다. 예를 들어, 사용자의 세부 수면 단계별로 요구되는 습도는 복수의 사용자들로부터 긍정적인 피드백을 수신한 습도를 기반으로 설정될 수 있다. 제어 값은 가습량을 조절하기 위한 제어 값과 공기 정화량을 조절하기 위한 제어 값으로 상술한 가습 방식에 따라 상이한 단위를 가질 수 있다.
부가적으로, 예를 들어, 정답 시간별 동작과 관련된 제1 값은 하기 수학식 4에 의해 결정될 수 있다.
상기 수학식 4에서, 상기 C는 해당 시점에 대한 동작과 관련된 제1 값이고, 상기 는 해당 시점의 제1 목표 습도에서 해당 시점의 습도를 뺀 값을 제어 값으로 변환하기 위한 값이고, 상기 Tempo는 해당 시점의 온도에 대한 값이고, 상기 Tempref는 상기 제1 목표 습도에 설정된 기준 온도에 대한 값이고, 상기 Lo는 해당 시점의 조도에 대한 값이고, 상기 Lref는 상기 제1 목표 습도에 설정된 기준 조도에 대한 값이고, 상기 na는 공기질을 측정하기 위한 대상의 종류의 개수이고, 상기 Ak는 k번째 대상의 농도이고, 상기 Ark는 k번째 대상의 상기 제1 목표 습도에 설정된 기준 농도이고, 상기 Hstage는 해당 시점에서 사용자의 나이, 성별, 신장 및 체중의 조합에 따른 사용자의 현재 세부 수면 단계에 요구되는 습도이고, 상기 Ho는 해당 시점의 습도에 대한 값일 수 있다.
예를 들어, 상기 는 공기청정 가습 장치의 모델명에 따라 상이한 값을 가질 수 있다. 예를 들어, 상기 α는 공기청정 가습 장치의 모델명마다 서버에 사전 저장될 수 있다.
이를 통해, 서버는 사용자의 기본 정보 이외에 공간의 상태 및 공기청정 가습 장치의 설정 정보 또한 고려하여 사용자의 세부 수면 단계에 적합하게 공기청정 가습 장치가 동작시키는 정보를 결정하도록 장치 조정 모델을 학습시킬 수 있다.
정답 시간별 동작과 관련된 제2 값은 제2 목표 습도로 조정하기 위한 제어 값을 포함할 수 있다. 제2 목표 습도는 사용자의 나이, 성별, 신장 및 체중에 따른 습도에 대해 현재 공간의 조도, 습도, 온도 및 공기질에 따른 가중치를 적용하여 결정될 수 있다. 사용자의 나이, 성별, 신장 및 체중의 복수의 조합에 따른 습도는 서버에 사전 저장될 수 있다. 예를 들어, 사용자의 나이, 성별, 신장 및 체중의 복수의 조합에 따른 습도는 복수의 사용자들로부터 긍정적인 피드백을 수신한 습도를 기반으로 설정될 수 있다. 제어 값은 가습량을 조절하기 위한 제어 값 및 공기 정화량을 조절하기 위한 제어 값으로 상술한 가습 방식에 따라 상이한 단위를 가질 수 있다.
일 실시예에 따르면, 서버는 구독 서비스의 등급이 고급형인 경우, 서버가 중앙 제어 장치로부터 요청 메시지를 수신한 횟수가 사전 설정된 횟수 이상인 것에 기반하여, 서버는 장치 조정 모델 대신 제5 뉴럴 네트워크를 이용하는 미세 조정 모델을 이용하여 공기청정 가습 장치에 대한 동작 정보를 결정할 수 있다.
예를 들어, 서버는 사용자의 수면 상태동안 획득된 복수의 공간 상태 정보에 대한 데이터 전처리를 통해 복수의 수면 시간별 상태 벡터를 생성할 수 있다. 수면 시간별 상태 벡터는, 수면 시간에 대한, 특정 시간 간격의 조도 값, 특정 시간 간격의 온도 값, 특정 시간 간격의 습도 값, 특정 시간 간격의 공기질과 관련된 값일 수 있다. 서버는 중앙 제어 장치로부터 수면 종료 메시지와 함께 사용자의 수면 상태동안 획득된 공간 상태 정보를 수신하여 사용자별로 저장할 수 있다.
예를 들어, 서버가 수면 시작 메시지를 수신한 경우, 서버는 기본 벡터, 수면 벡터, 상태 벡터 및 설정 벡터를 미세 조정 모델에 입력함으로써, 공기청정 가습 장치에 대한 제1 동작 정보를 결정할 수 있다.
예를 들어, 서버가 종료 메시지를 수신한 경우, 서버는 기본 벡터, 상태 벡터 및 설정 벡터를 미세 조정 모델에 입력함으로써, 공기청정 가습 장치에 대한 제2 동작 정보를 결정할 수 있다.
예를 들어, 미세 조정 모델에 사용되는 제5 뉴럴 네트워크는 CNN 기반의 뉴럴 네트워크일 수 있다.
예를 들어, 미세 조정 모델에 사용되는 제5 뉴럴 네트워크는 제5 입력 레이어, 하나 이상의 제5 히든 레이어 및 제5 출력 레이어를 포함할 수 있다. 복수의 기본 벡터, 복수의 수면 벡터, 복수의 수면 시간별 상태 벡터, 복수의 설정 벡터 및 복수의 정답 시간별 동작과 관련된 값으로 구성된 학습 데이터는 제5 입력 레이어에 입력되어 하나 이상의 제5 히든 레이어 및 제5 출력 레이어를 통과하여 제5 출력 벡터로 출력되고, 제5 출력 벡터는 제5 출력 레이어에 연결된 제5 손실함수 레이어에 입력되고, 제5 손실함수 레이어는 제5 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제5 손실함수를 이용하여 제5 손실 값을 출력하고, 미세 조정 모델에 사용되는 제5 뉴럴 네트워크의 파라미터가 제5 손실 값이 작아지는 방향으로 학습될 수 있다.
학습 데이터로 사용되는 하나의 기본 벡터, 하나의 수면 벡터, 하나의 수면 시간별 상태 벡터 및 하나의 설정 벡터는 하나의 정답 시간별 동작과 관련된 제1 값과 하나의 제1 세트로 구성될 수 있다. 예를 들어, 복수의 제1 세트가 서버에 사전 저장될 수 있다. 이때, 학습 데이터로 사용되는 수면 벡터는 실제 사용자의 수면 상태를 측정하여 생성된 수면 벡터일 수 있다.
학습 데이터로 사용되는 하나의 기본 벡터, 하나의 상태 벡터 및 하나의 설정 벡터는 하나의 정답 시간별 동작과 관련된 제2 값과 하나의 제2 세트로 구성될 수 있다. 예를 들어, 복수의 제2 세트가 서버에 사전 저장될 수 있다.
즉, 미세 조정 모델은 수면 벡터의 입력 여부에 따라 출력되는 시간별 동작과 관련된 값이 상이하도록 학습될 수 있다.
정답 시간별 동작과 관련된 제1 값은 사용자의 수면 상태에서 특정 시간 간격의 가습량 및 공기 정화량으로 조절하기 위한 제어 값을 포함할 수 있다. 예를 들어, 특정 시간 간격의 가습량 및 공기 정화량은 공기청정 가습 장치가 사용자의 실제 수면 시간동안 수행된 값으로, 사용자 단말로부터 긍정적인 피드백을 수신한 값일 수 있다.
이를 통해, 서버는 사용자에 대한 축적된 실제 수면 시간별 상태 벡터를 이용하여 사용자의 수면 상태에 최적화된 환경을 조성하기 위해 공기청정 가습 장치가 동작하도록 미세 조정 모델을 학습시킬 수 있다.
정답 시간별 동작과 관련된 제2 값은 사용자가 깨어난 상태에서 특정 시간 간격의 가습량 및 공기 정화량으로 조절하기 위한 제어 값을 포함할 수 있다. 예를 들어, 특정 시간 간격의 가습량 및 공기 정화량은 공기청정 가습 장치가 사용자가 실제 깨어난 상태에서 수행된 값으로, 사용자 단말로부터 긍정적인 피드백을 수신한 값일 수 있다.
이를 통해, 서버는 사용자에 대한 축적된 실제 상태 벡터를 이용하여 사용자가 깨어난 상태에서도 최적화된 환경을 조성하기 위해 공기청정 가습 장치가 동작하도록 미세 조정 모델을 학습시킬 수 있다.
부가적으로, 일 실시예에 따르면, 서버는 사용자 상태 정보를 기반으로 사용자의 활동량을 결정할 수 있다. 예를 들어, 서버는 사용자 상태 정보에 대한 데이터 전처리를 통해 사용자의 체온 값, 사용자의 호흡 수에 대한 값 및 사용자의 움직임에 대한 값을 사용자의 활동 시간에 대해 생성할 수 있다. 이때, 사용자의 체온 값은 활동 시간에 대한 특정 시간 간격의 사용자의 체온에 대한 값을 포함할 수 있다. 사용자의 호흡 수에 대한 값은 활동 시간에 대한 특정 시간 간격의 사용자의 호흡 수를 포함할 수 있다. 사용자의 움직임에 대한 값은 사용자가 일정 거리를 움직인 횟수일 수 있다. 예를 들어, 서버는 사용자의 체온 값, 사용자의 호흡 수에 대한 값 및 사용자의 움직임에 대한 값에 기반하여 사용자에 대한 일별 활동량을 결정할 수 있다. 일별 활동량의 단위는 칼로리로 표현될 수 있다. 예를 들어, 서버는 사용자의 전일 활동량, 사용자의 전일 수면 시간 및 사용자의 전일 수면 시간별 세부 수면 단계에 따라 사용자에게 필요 수면 시간을 결정할 수 있다. 예를 들어, 서버는 사용자의 전일 수면 시간별 세부 수면 단계와 사용자의 나이에 설정된 수면 시간별 기준 세부 수면 단계의 제1 유사도를 제1 가중치로 결정할 수 있다. 서버는 사용자의 전일 활동량을 사용자의 나이에 설정된 권장 활동량으로 나눈 값을 제2 가중치로 결정할 수 있다. 서버는 전일 수면 시간에 제1 가중치 및 제2 가중치를 적용한 값을 사용자의 나이에 설정된 권장 수면 시간에 합산하여 필요 수면 시간을 결정할 수 있다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다. 도 6의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 6에 도시된 바와 같이, 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630)를 포함할 수 있다. 그러나, 도 6에 도시된 구성 요소 모두가 서버(600)의 필수 구성 요소인 것은 아니다. 도 6에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(600)가 구현될 수도 있고, 도 6에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(600)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(610)는, 통상적으로 서버(600)의 전반적인 동작을 제어한다. 프로세서(610)는 하나 이상의 프로세서를 구비하여, 서버(600)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(610)는, 메모리(630)에 저장된 프로그램들을 실행함으로써, 통신부(620) 및 메모리(630) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(610)는 메모리(630)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 5에 기재된 서버(600)의 기능을 수행할 수 있다.
통신부(620)는, 서버(600)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(600)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(620)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(620)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(620)는 프로세서(610)에서 생성된 정보를 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(620)는 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(620)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.
메모리(630)는, 프로세서(610)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(630)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(630)는 프로세서(610)에서 생성된 데이터를 저장할 수 있다. 메모리(630)는 서버(600)로 입력되거나 서버(600)로부터 출력되는 정보를 저장할 수도 있다.
메모리(630)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 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 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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 (5)
- 공기질을 관리하는 구독 서비스를 제공하는 시스템에 있어서,
상기 공기질을 관리하는 구독 서비스와 관련된 복수의 인터페이스가 설치된 사용자 단말;
상기 사용자 단말로부터 수신한 구독 요청 메시지에 기반하여 상기 공기질을 관리하는 서비스를 제공하는 서버;
상기 구독 요청 메시지는 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 포함하고,
센싱 장치 및 공기청정 가습 장치와 근거리 무선 통신을 통해 정보를 송수신하고, 상기 서버와 원거리 무선 통신을 통해 정보를 송수신함으로써, 상기 센싱 장치 및 상기 공기청정 가습 장치를 제어하는 중앙 제어 장치를 포함하되,
상기 서버는,
상기 사용자에 대한 기본 정보, 상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 구독 설정 모델을 통해 상기 센싱 장치 및 상기 공기청정 가습 장치에 대한 기본 설정 정보를 결정하고,
상기 기본 설정 정보를 포함하는 설정 요청 메시지를 상기 중앙 제어 장치에게 전송하고,
상기 중앙 제어 장치는,
상기 기본 설정 정보를 기반으로 상기 센싱 장치 및 상기 공기청정 가습 장치와 사전 연결을 확립하고,
상기 센싱 장치로부터 수신한 상기 사용자에 대한 사용자 상태 정보 및 상기 사용자가 위치한 공간에 대한 공간 상태 정보와 상기 공기청정 가습 장치로부터 수신한 상기 공기청정 가습 장치에 대한 설정 정보 및 장치 상태 정보를 상기 서버에게 전송하고,
상기 서버는,
상기 사용자 상태 정보, 상기 공간 상태 정보, 상기 공기청정 가습 장치에 대한 설정 정보 및 상기 장치 상태 정보를 기반으로 상기 복수의 인터페이스별 상태 정보를 결정하고,
상기 복수의 인터페이스별 상태 정보를 상기 사용자 단말에게 전송하고,
상기 복수의 인터페이스별 상태 정보는 상기 사용자 단말에 설치된 상기 복수의 인터페이스를 통해 표시되고,
상기 복수의 인터페이스는 공기질 관리 인터페이스, 습도 관리 인터페이스 및 수면 관리 인터페이스를 포함하는,
시스템.
- 제 1항에 있어서,
상기 서버는,
상기 사용자에 대한 기본 정보에 대해 데이터 전처리를 수행함으로써, 사용자의 나이에 대한 값, 사용자의 성별에 대한 값, 사용자의 체중에 대한 값 및 사용자의 신장에 대한 값을 포함하는 기본 벡터를 생성하고,
상기 구독 서비스의 이용 기간에 대한 정보 및 상기 구독 서비스의 등급에 대한 정보에 대해 데이터 전처리를 수행함으로써, 이용 기간과 관련된 값 및 등급과 관련된 값을 포함하는 구독 벡터를 생성하고,
상기 기본 벡터 및 상기 구독 벡터가 상기 구독 설정 모델에 입력되는 것에 기반하여 상기 센싱 장치에 대한 기본 설정과 관련된 값 및 상기 공기청정 가습 장치에 대한 기본 설정과 관련된 값이 출력되고,
상기 센싱 장치 및 상기 공기청정 가습 장치에 대한 기본 설정 정보는 상기 센싱 장치에 대한 기본 설정과 관련된 값 및 상기 공기청정 가습 장치에 대한 기본 설정과 관련된 값을 포함하고,
상기 구독 설정 모델은 복수의 기본 벡터, 복수의 구독 벡터, 복수의 정답 센싱 장치에 대한 기본 설정과 관련된 값 및 복수의 정답 공기청정 가습 장치에 대한 기본 설정과 관련된 값을 기반으로 학습되는,
시스템.
- 제 2항에 있어서,
상기 중앙 제어 장치는,
상기 센싱 장치에 포함된 적어도 하나의 적외선 센서를 통해 상기 사용자의 움직임이 감지된 제1 시점부터 사전 설정된 제1 시간이 경과된 것에 기반하여, 상기 중앙 제어 장치와 연동된 카메라 모듈을 통해 상기 사용자의 이미지를 획득하고,
상기 사용자의 이미지에서 상기 사용자의 눈에 해당하는 영역을 결정하고,
상기 사용자의 눈에 해당하는 영역에 대한 좌표 값을 상기 센싱 장치에게 전송하고,
상기 센싱 장치로부터 상기 적어도 하나의 적외선 센서를 통해 상기 사용자의 눈에 해당하는 영역으로부터 반사된 적외선의 세기에 대한 정보를 상기 수신하고,
상기 적외선의 세기에 대한 정보를 기반으로 상기 사용자의 눈이 감긴 상태인지 여부를 결정하고,
상기 사용자의 눈이 감긴 상태로 결정된 제2 시점부터 사전 설정된 제2 시간이 경과된 시점에 상기 서버에게 상기 사용자의 수면 상태가 시작된 것을 나타내는 수면 시작 메시지를 전송하는,
시스템.
- 제 3항에 있어서,
상기 서버는,
상기 수면 시작 메시지를 수신한 것에 기반하여 상기 사용자 단말에게 수면 알림 메시지를 전송하고,
상기 사용자에 대한 기본 정보 및 상기 공간 상태 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 기본 예측 모델을 통해 제1 예측 정보를 결정하고,
상기 제1 예측 정보는 상기 사용자에 대한 기본 정보를 이용하여 상기 사용자의 시간별 세부 수면 단계를 예측한 정보이고,
상기 사용자에 대한 기본 정보, 상기 제1 예측 정보, 상기 공간 상태 정보 및 상기 공기청정 가습 장치에 대한 설정 정보를 기반으로 제3 뉴럴 네트워크를 이용하는 장치 조정 모델을 통해 상기 공기청정 가습 장치에 대한 동작 정보를 결정하고,
상기 공기청정 가습 장치에 대한 동작 정보를 상기 중앙 제어 장치에게 전송하고,
상기 공기청정 가습 장치에 대한 동작 정보에 기반하여 상기 공기청정 가습 장치의 동작이 조정되고,
상기 공간 상태 정보는 조도에 대한 정보, 습도에 대한 정보, 온도에 대한 정보 및 공기질에 대한 정보를 포함하는,
시스템.
- 제 4항에 있어서,
상기 서버는,
상기 제1 예측 정보에 대한 데이터 전처리를 통해 시간별 세부 수면 단계에 대한 값을 포함하는 수면 벡터를 생성하고,
상기 공간 상태 정보에 대한 데이터 전처리를 수행함으로써, 조도와 관련된 값, 온도와 관련된 값, 습도와 관련된 값 및 공기질과 관련된 값을 포함하는 상태 벡터를 생성하고,
상기 공기청정 가습 장치에 대한 설정 정보에 대한 데이터 전처리를 통해 공기청정 필터와 관련된 값, 살균과 관련된 값, 가습 방식에 대한 값, 물통 용량에 대한 값, 잔수 용량에 대한 값, 사용자와 공기청정 가습 장치의 위치에 대한 값 및 가습량과 관련된 값을 포함하는 장치 벡터를 생성하고,
상기 기본 벡터, 상기 수면 벡터, 상기 상태 벡터 및 상기 장치 벡터가 상기 장치 조정 모델에 입력되는 것에 기반하여 상기 공기청정 가습 장치의 시간별 동작과 관련된 값이 출력되고,
상기 공기청정 가습 장치의 가습 방식에 따라 상기 공기청정 가습 장치의 동작과 관련된 값이 상이하고,
상기 장치 조정 모델은 복수의 기본 벡터, 복수의 수면 벡터, 복수의 상태 벡터, 복수의 설정 벡터 및 복수의 정답 시간별 동작과 관련된 값을 기반으로 학습되고,
상기 공기청정 가습 장치에 대한 동작 정보는 상기 공기청정 가습 장치의 시간별 동작과 관련된 값을 포함하는,
시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230158879A KR102653942B1 (ko) | 2023-11-16 | 2023-11-16 | 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230158879A KR102653942B1 (ko) | 2023-11-16 | 2023-11-16 | 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102653942B1 true KR102653942B1 (ko) | 2024-04-03 |
Family
ID=90662299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230158879A KR102653942B1 (ko) | 2023-11-16 | 2023-11-16 | 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102653942B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180050144A (ko) * | 2016-11-04 | 2018-05-14 | 이법성 | 매장을 통한 가전 제품 렌탈 서비스 시스템 |
| KR102223640B1 (ko) * | 2019-09-23 | 2021-03-08 | 주식회사 한국복권데이터 | 클라우드 기반 개인화 콘텐츠 구독 서비스 제공 시스템 및 방법 |
| KR20230117336A (ko) * | 2022-01-25 | 2023-08-08 | 주식회사 에이슬립 | Ai 기반의 비접촉식 수면분석 방법 및 실시간 수면환경 조성 방법 |
-
2023
- 2023-11-16 KR KR1020230158879A patent/KR102653942B1/ko active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180050144A (ko) * | 2016-11-04 | 2018-05-14 | 이법성 | 매장을 통한 가전 제품 렌탈 서비스 시스템 |
| KR102223640B1 (ko) * | 2019-09-23 | 2021-03-08 | 주식회사 한국복권데이터 | 클라우드 기반 개인화 콘텐츠 구독 서비스 제공 시스템 및 방법 |
| KR20230117336A (ko) * | 2022-01-25 | 2023-08-08 | 주식회사 에이슬립 | Ai 기반의 비접촉식 수면분석 방법 및 실시간 수면환경 조성 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11488592B2 (en) | Communication robot and method for operating the same | |
| US11448412B2 (en) | Air conditioner with an artificial intelligence | |
| KR20210063700A (ko) | 사용자의 활동 정보를 고려하여 추천 마사지 설정을 결정하는 인공 지능 마사지 장치 및 그 방법 | |
| KR102582594B1 (ko) | 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치 | |
| KR102573023B1 (ko) | 수면 유도 장치 | |
| CN115136255A (zh) | 基于聚类的睡眠分析 | |
| KR102496685B1 (ko) | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 | |
| KR102653942B1 (ko) | 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템 | |
| KR102653940B1 (ko) | 사용자의 수면 상태를 기초로 뉴럴 네트워크를 이용하여 가습 장치를 조정하는 방법 및 시스템 | |
| US20220351856A1 (en) | Electronic device and operating method for determining panic disorder | |
| KR20230151425A (ko) | 뉴럴 네트워크를 이용하여 색상 이미지 및 색상 이미지를 선택한 순서에 기반한 심리 상태와 관련된 정보를 제공하는 방법 및 장치 | |
| US20230129746A1 (en) | Cognitive load predictor and decision aid | |
| KR102655405B1 (ko) | 피부 상태를 인식하여 갈바닉 전류를 조절하는 피부 미용 기기 | |
| KR102579810B1 (ko) | 인공지능 기반 가정용 건강 보조 기기 유통 플랫폼 시스템 | |
| KR102667314B1 (ko) | 식물 생장 관리 장치 | |
| KR102536395B1 (ko) | 뉴럴 네트워크를 이용한 화장품 추천 방법 및 장치 | |
| KR102528416B1 (ko) | 뉴럴 네트워크를 이용하여 광고 대상에 대한 인지도의 차이에 기반하여 마케팅 비용에 대한 정보를 단말에게 전송하는 방법 및 장치 | |
| KR102573285B1 (ko) | 뉴럴 네트워크를 이용하여 고객 관리 서비스를 제공하는 방법 및 장치 | |
| KR102596451B1 (ko) | 뉴럴 네트워크를 이용하여 상담사 단말과 내담자 단말을 매칭시키는 방법 및 장치 | |
| KR102602130B1 (ko) | 뉴럴 네트워크를 이용하여 사용자 단말에게 채색용도안을 제공하는 방법 및 장치 | |
| KR102585090B1 (ko) | 뉴럴 네트워크를 이용하여 웹툰과 연동된 게임을 사용자 단말에게 제공하는 방법 및 장치 | |
| KR102481347B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 예측 판매량에 따라 hmr 식품의 주문량을 결정하는 방법 및 장치 | |
| KR102562282B1 (ko) | 성향 기반 매칭 방법 및 장치 | |
| KR102486525B1 (ko) | 뉴럴 네트워크를 이용한 nft 발행 방법 및 장치 | |
| KR102573319B1 (ko) | 뉴럴 네트워크를 이용하여 사용자 단말에게 가상 공간에 생성된 추모 공간을 제공하는 방법 및 장치 |