KR20090092135A - 이동 궤적 패턴 제공 방법 - Google Patents

이동 궤적 패턴 제공 방법

Info

Publication number
KR20090092135A
KR20090092135A KR1020080017468A KR20080017468A KR20090092135A KR 20090092135 A KR20090092135 A KR 20090092135A KR 1020080017468 A KR1020080017468 A KR 1020080017468A KR 20080017468 A KR20080017468 A KR 20080017468A KR 20090092135 A KR20090092135 A KR 20090092135A
Authority
KR
South Korea
Prior art keywords
pattern
movement trajectory
item
frequent
data
Prior art date
Application number
KR1020080017468A
Other languages
English (en)
Other versions
KR100915229B1 (ko
Inventor
이용준
방효찬
박종현
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020080017468A priority Critical patent/KR100915229B1/ko
Publication of KR20090092135A publication Critical patent/KR20090092135A/ko
Application granted granted Critical
Publication of KR100915229B1 publication Critical patent/KR100915229B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 RFID(Radio Frequency Identification) 데이터 스트림(Data Stream)을 이용하여 RFID 태그(Tag)가 부착된 객체들의 이동 궤적 패턴(Moving Trajectory Patterns)을 탐사(Mining)하고 표현(Representation)하도록 한 이동 궤적 패턴 제공 방법에 관한 것으로, 이동 객체에 대한 이동 궤적 패턴을 제공하는 방법에 있어서, RFID 태그를 부착한 이동 객체의 경로에 대해 연속적인 스트림 형태로 데이터를 로딩하는 단계, 슬라이딩 윈도우마다 빈발한 이동 궤적 패턴을 탐사하여 발견된 이동 궤적 패턴을 데이터베이스에 저장하는 단계, 그리고 사용자에 의한 질의가 있는 경우, 사용자의 질의에 대응하는 이동 궤적 패턴을 판독하여 표현하는 단계를 포함하도록 함으로써, 단일 패스로 패턴 탐사가 가능하며, 객체의 순차, 반복, 주기 패턴에 대해 그래프의 교점과 연결선으로 다양하게 표현 가능하며, 객체 행위 인식에 용이하다.

Description

이동 궤적 패턴 제공 방법{MOVING TRAJECTORY PATTERNS PROVIDING METHOD}
본 발명은 이동 궤적 패턴 제공 방법에 관한 것으로, 특히 RFID(Radio Frequency Identification) 데이터 스트림(Data Stream)을 이용하여 RFID 태그(Tag)가 부착된 객체들의 이동 궤적 패턴(Moving Trajectory Patterns)을 탐사(Mining)하고 표현(Representation)하도록 한 이동 궤적 패턴 제공 방법에 관한 것이다.
본 발명은 정보통신부 및 정보통신연구진흥원의 IT성장동력기술개발사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2007-S-024-01, 과제명: RFID 서비스 고도화를 위한 SSI 플랫폼 기술 개발].
최근 들어 RFID 태그와 리더(Reader)의 기술이 발달함에 따라 현실 세계의 상황을 실시간으로 모니터링(Monitoring)할 수 있게 되었으며, 대표적인 응용 분야들은 동식물 감시, 물류 객체 추적, 환자 및 의약품 관리, 도로 교통 관리 등이 있다.
이러한 응용 분야들은 RFID 태그를 부착하고 이동 가능한 객체(예를 들어, 차량, 상품, 환자 등)가, 시간이 변화함에 따라 특정한 지역을 순차적(Sequence), 반복적(Repetition), 순환적(Rotation), 주기적(Cycle)으로 이동하는 특성을 가지고 있다.
게다가, RFID 데이터를 수집하는 측면에 있어서, 종래 기술에서는 일정한 시간마다 한 번에 데이터베이스에 입력하는 벌키 로딩(Bulky Loading) 방식이 있으나, 최근에는 실시간으로 객체를 모니터링하기 위해, 연속적인 스트림(Stream) 형태로 데이터를 수집하는 방식으로 변화되었다.
도 1은 일반적인 빈발 패턴 추출 방법을 설명하기 위한 도면으로, 종래에 제안되었던 대표적인 아프리오리(Apriori) 알고리즘에 대한 실시 예를 나타내고 있다.
이러한 아프리오리 알고리즘은, 데이터의 빈발 패턴을 추출하기 위해서, 상품 판매 데이터베이스(100)에서 각 트랜잭션(TID)마다 빈발하게 함께 구매하는 상품(즉, 아이템(Item))에 대한 연관 규칙을 탐사하는 알고리즘이다.
첫 번째로, 상품 판매 데이터베이스(100)를 스캔(Scan)하여 제1 테이블(101)과 같이 하나의 상품에 대한 빈발도를 계산한 후에, 최소 지지도(Support)(이하, 'Sup'로 표기함)가 '2'를 만족하는 상품인 a, b, c, e를 추출하여 제2 테이블(102)로 구성한다.
두 번째로, 첫 번째에서 추출된 1-길이의 빈발 항목에 대한 조합을 이용하여 제3 테이블(103)과 같은 후보 항목 집합(ab, ac, ae, bc, be, ce)을 생성한다. 이때, 제3 테이블(103)의 후보 항목 집합(ab, ac, ae, bc, be, ce)은, 최소 지지도(Sup)가 '2'를 만족하는 집합을 추출하기 위해, 상품 판매 데이터베이스(100)를 다시 스캔하게 된다.
세 번째로, 제4 테이블(104)과 같이 두 번째에서 스캔된 결과 중에서 최소 지지도(Sup)를 만족하는 집합으로 제5 테이블(105)을 생성하게 된다.
이러한 과정을 반복하여 k-길이의 빈발 패턴을 탐사함으로써 제6 테이블(106), 제7 테이블(107)로 구성하게 된다. 이때, 각 후보 항목 집합이 생성될 때마다 상품 판매 데이터베이스(100)를 반복적으로 스캔해야만 한다.
따라서 아프리오리 계열의 알고리즘은, 상품 판매 데이터베이스(100)와 같이 사전에 데이터베이스가 구축되었거나, 벌키 로딩으로 데이터가 입력되는 환경에는 적합하다. 하지만, RFID 데이터 스트림과 같이 연속적으로 수집되는 데이터에서 빈발 패턴을 탐사하는 환경은, 반복적으로 데이터를 스캔할 수 없기 때문에 적합하지 않다.
상술한 바와 같은 기술의 발전과 데이터 수집 방식이 변화함에 따라 종래에 연구되었던 객체의 순차적 이동 패턴을 탐사하는 알고리즘과 순차적 이동 패턴을 표현하는 타입은 다음과 같은 두 가지의 문제점이 있다.
첫 번째, 종래에 제안되었던 이동 패턴 탐사 알고리즘은, 도 1에 도시된 상품 판매 데이터베이스(100)와 같이, 이미 데이터가 적재된 데이터베이스를 이용하거나, 벌키 로딩 방식에 적합하게 설계되어 도 1에 도시된 바와 같은 테이블(101, 104, 106)의 생성 전 단계에서 반복적으로 데이터베이스를 스캔해야 하는 방식이다. 하지만, RFID 데이터는 리더에 의해 연속적으로 수집되기 때문에 제한된 메모리에 모든 데이터를 계속 적재하는 것이 불가능하다.
따라서 일정한 크기의 슬라이딩 윈도우(Sliding Window)마다 한 번의 데이터 스캔(One Scan)으로 이동 패턴을 탐사해야 하는 제약 조건하에서는 적합하지 않다.
두 번째, 객체의 이동 패턴을 표현하는 측면에서, 종래의 기술은 단순히 순차성(ABC)만 고려하거나, 부분적으로 반복성, 연속성을 표현하고 있다. 하지만 RFID가 부착된 이동 객체는 특정한 지역을 순차적으로 이동할 뿐 아니라, 일정한 시간 동안 한 지역에 머물거나 특정한 지역을 반복적으로 이동하는 복합적인 경로 패턴을 가질 수 있다.
예를 들어, 동식물 감시 분야에서 멧돼지가 A 지역에 머물다가 C 지역을 통과, D 지역으로 이동하여 머물다가, 또다시 E 지역과 D 지역을 반복적으로 이동하는 패턴을 표현할 때 종래의 순차적 특성만으로 객체의 이동 패턴을 완전히 표현하는데 한계가 있다.
본 발명이 이루고자 하는 기술적 과제는, 전술한 바와 같은 문제점을 해결하기 위한 것으로, RFID(Radio Frequency Identification) 데이터 스트림(Data Stream)을 이용하여 RFID 태그(Tag)가 부착된 객체들의 이동 궤적 패턴(Moving Trajectory Patterns)을 탐사(Mining)하고 표현(Representation)하도록 한 이동 궤적 패턴 제공 방법을 제공하는 것이다.
이러한 과제를 해결하기 위해, 본 발명에 따르면, RFID 태그가 부착된 객체들의 이동 궤적 패턴을 탐사하는 새로운 알고리즘과 이동 궤적 패턴을 표현하는 새로운 패턴 형식에 있어서, 새로운 알고리즘에 따라 RFID 리더로부터 연속적으로 수집되는 스트림 데이터에서 단일 패스(One Pass) 기법으로 데이터를 스캔하여 k-길이의 이동 궤적 패턴을 탐사하고, 새로운 패턴 형식에 따라 완전한 이동 궤적 패턴을 표현하도록 한다.
본 발명의 한 특징에 따르면, 이동 객체에 대한 이동 궤적 패턴을 제공하는 방법에 있어서, RFID 태그를 부착한 이동 객체의 경로에 대해 연속적인 스트림 형태로 데이터를 로딩하는 단계, 슬라이딩 윈도우마다 빈발한 이동 궤적 패턴을 탐사하여 발견된 이동 궤적 패턴을 데이터베이스에 저장하는 단계, 그리고 사용자에 의한 질의가 있는 경우, 사용자의 질의에 대응하는 이동 궤적 패턴을 판독하여 표현하는 단계를 포함하는 이동 궤적 패턴 제공 방법을 제공한다.
여기서, 상기 데이터를 로딩하는 단계는, 시작 시점과 슬라이딩 윈도우 크기에 대한 초기 값을 설정하는 단계, 그리고 각 시점마다 데이터를 연속적으로 수집하여 데이터 버퍼에 저장하는 단계를 포함한다. 다르게는, 상기 데이터를 로딩하는 단계는, 상기 데이터 버퍼의 크기가 상기 슬라이딩 윈도우 크기보다 큰지를 검사하는 단계, 상기 데이터 버퍼의 크기가 상기 슬라이딩 윈도우 크기보다 큰 경우, 상기 데이터 버퍼에 이전에 입력된 데이터 중에서 슬라이딩 윈도우 크기 이외의 부분을 삭제하여 새로운 데이터 버퍼를 구성하는 단계, 그리고 상기 새로 생성된 데이터 버퍼에 데이터를 저장하는 단계를 더 포함한다.
그리고, 상기 이동 궤적 패턴을 데이터베이스에 저장하는 단계는, 상기 슬라이딩 윈도우의 크기 내에서 지지도를 계산하여 상기 데이터 버퍼로부터 최소 지지도를 만족하는 빈발 1-항목을 추출하는 단계, 상기 빈발 1-항목의 곱에 의해 후보 2-항목 집합을 생성하는 단계, 상기 시작 시점보다 큰 시점부터 상기 후보 2-항목 집합을 검증하여 최소 지지도를 만족하는 후보 집합을 빈발 2-항목 패턴으로 구성하는 단계, 상기 빈발 2-항목 패턴을 이용하여 k-길이의 후보 항목 집합 패턴을 구성하는 단계, 상기 k-길이의 후보 항목 집합 패턴이 상기 시작 시점의 다음에 최소 지지도를 만족하는지를 계산하는 단계, 상기 k-길이의 후보 항목 집합 패턴이 상기 시작 시점의 다음에 최소 지지도를 만족하는 경우, 상기 k-길이의 후보 항목 집합 패턴으로부터 최소 지지도를 만족하는 빈발 k-항목 패턴을 생성하는 단계, 그리고 상기 빈발 k-항목 패턴을 해시 테이블에 추가하는 단계를 포함한다.
또한, 상기 이동 궤적 패턴을 데이터베이스에 저장하는 단계는, 시점을 증가하여 해당 증가된 시점에 대해서 상기 이동 궤적 패턴을 데이터베이스에 저장하는 단계를 반복 수행하도록 하는 단계를 더 포함한다.
그리고 상기 이동 궤적 패턴을 판독하여 표현하는 단계는, 상기 사용자 질의에 대응하는 이동 궤적 패턴을 상기 데이터베이스로부터 판독하고 해당 판독된 이동 궤적 패턴에 대한 순차성, 반복성, 회귀성을 모두 표현하도록 한다.
그리고 상기 데이터베이스는, 트랜잭션 ID, K-이동 궤적 패턴, 시작 시점, 종료 시점의 튜플로 구성된 형태이다.
이와 같이 본 발명에 의하면, 단일 패스 알고리즘을 통해 이동 궤적 패턴을 탐사하고, 객체의 순차성, 반복성, 주기성 등을 확률 값과 함께 이동 궤적 패턴으로 표현하도록 함으로써, 단일 패스로 패턴 탐사가 가능하며, 객체의 순차, 반복, 주기 패턴에 대해 그래프의 교점과 연결선으로 다양하게 표현 가능하며, 객체 행위 인식에 용이하다.
도 1은 일반적인 빈발 패턴 추출 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템의 적용 환경을 나타낸 예시도이다.
도 3은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템의 적용 환경에서 객체의 이동 경로 데이터를 나타낸 예시도이다.
도 4는 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템의 적용 환경에서 객체의 이동 궤적 패턴을 나타낸 예시도이다.
도 5는 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템의 적용 환경에서 객체의 이동 궤적 패턴에 대한 표현 형식을 나타낸 예시도이다.
도 6은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템에서 패턴 추출 과정을 설명하기 위한 예시도이다.
도 7은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템을 나타낸 구성 블록도이다.
도 8은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 방법을 나타낸 순서도이다.
도 9는 본 발명의 실시 예에 따른 이동 궤적 패턴 데이터베이스와 사용자 및 애플리케이션과의 관계에 대한 개념을 나타낸 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"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.
이제 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 방법에 대하여 도면을 참고로 하여 상세하게 설명한다.
도 2는 본 발명의 실시 예가 적용될 환경을 나타낸 예시도로, 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템이 적용될 환경을 나타내고 있다.
도 2에 도시된 바와 같이, 동식물 감시, 물류 및 교통 관리 모니터링 분야(201)에 있어서, 동물, 차량 및 상품 등과 같은 이동 객체에 RFID 태그(202)가 부착되어 있으며, 해당 이동 객체가 이동 가능한 지역에는 일정한 지역마다 RFID 리더(203)가 설치되어 있는 전형적인 RFID 응용 분야에 적용 가능한 기술을 나타내고 있다.
그리고 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템은, 도 2에 도시된 RFID 리더들(203)이 태그(202)가 부착된 객체들로부터 시간의 변화에 따라 일정한 셀(Cell)(204)의 지역을 연속적으로 이동하는 데이터를 수집할 때에, 슬라이딩 윈도우마다 k-길이의 이동 궤적 패턴을 추출하기 위한 단일 패스 알고리즘과, 발견된 패턴을 객체의 행위에 기반을 두어 표현하는 형식을 제공하도록 한다.
본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템이 적용될 환경에 있어서, RFID 태그(202)를 부착한 객체가 RFID 리더(203)에 의해 인식될 때에 개념적 관점에서 EPC(Electronic Product Code), 위치(Location), 시간(Time)과 같은 3가지의 속성이 있다. 여기서, EPC는 각 RFID 태그(202)가 가지는 고유한 ID를 의미하고, 위치는 RFID 태그(202)가 인식된 리더(203)의 위치를 의미하고, 시간은 리더(203)가 RFID 태그(202)를 인식한 시간을 의미한다.
따라서 실제 RFID 원시 데이터(Raw Data)는, (r1, l1, t1), (r2, l1, t1), ... (rk, lm, tn)의 형식으로 'k'개의 객체가 'm'개의 지역을 'n'시간 동안 리더(203)가 수집한 데이터를 의미이다. 또한, 도 2에서는 일정한 셀(204)의 지역이 '24'개이고 '6'개 객체가 순차적으로 이동하는 이동 경로(205)를 예로 보여주고 있다.
도 3은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템이 적용될 환경에서 객체의 이동 경로 데이터를 나타낸 예시도이다.
도 3에 도시된 바와 같이, 상술한 도 2의 '6'개 객체가 이동 경로(205)를 따라서 '0'시점(t)에서 '11'시점(t)까지 순차적으로 이동하는 경로 데이터(301)를 예로 보여주고 있다. 이때, 실제 RFID 응용 환경에서는 데이터를 수집하는 시간 범위가 하루, 일주일, 한달 또는 일년이 될 수 있다.
따라서 연속적으로 끊임없이 수집되는 모든 데이터에 대해 빈발한 횟수를 세는 연산(Non-blocking Operator)은 불가능하고, 무한한 시간대를 고려할 수 없기 때문에, 일정한 시간 간격을 가지는 슬라이딩 윈도우(Sliding Window)(302)를 이용하여 빈발한 횟수를 계산한다.
이러한 슬라이딩 윈도우(302)는 시스템의 메모리 크기와 시스템의 성능을 고려하여 사용자가 지정하며, 도 3의 예에서는 슬라이딩 윈도우(302)의 크기가 '6'으로 지정되어 'w[0,6]', 'w[1,7]' 등의 윈도우 범위(303) 내에서 패턴을 추출하도록 한다.
그리고 도 3에 있어서, '304'블록은 시간의 변화(즉, t=1에서 t=2로의 변화)에 따라 지역1에 있던 객체의 RFID 태그(202)가 지역2로 이동하는 예를 나타내고 있다.
도 4는 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템이 적용될 환경에서 객체의 이동 궤적 패턴을 나타낸 예시도이다.
도 4에 도시된 바와 같이, 시간의 흐름에 따라 객체가 인접한 지역을 이동할 때 공간상에 이동하는 패턴을 나타내고 있다. 여기서, '401'을 임의의 객체가 공간상을 이동하는 패턴이라고 가정할 때, 해당 이동 궤적 패턴(p)은 'p=l3 l6 l4 l2'로 표현된다.
이러한 이동 궤적 패턴(p)이 의미하는 것은, 'l3 l6'으로 RFID 태그를 부착한 객체들이 빈발하게 두 지역을 이동하며, 연속적으로 'l4 l2'로 이동한다는 것을 의미한다.
본 발명의 실시 예에서는 의미 있는 패턴을 추출하기 위해 빈발도(Frequency)를 고려하는데, 이에 대한 기준으로 지지도(Support)(이하, 'Sup'로 표기함)를 사용한다. 이러한 지지도(Sup)는 도 3에 도시된 슬라이딩 윈도우(302) 내에서 특정한 지역의 발생 횟수를 객체의 총 개수로 나누어 주는 것이다.
예를 들어, 도 3에 도시된 슬라이딩 윈도우(302)에 있어서, 'l5'의 지지도(Sup)(즉, Sup(l5))는 '6/6'(즉, 100(%))이며, 'l5 l9'의 지지도(즉, Sup(l5 l9))는 '5/6'(EPC=5일 경우에 제외함)으로 계산된다.
본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템에 의해 추출되는 패턴은, 사용자에 의해 주어지는 최소 지지도를 만족하는 지역들로 빈발하게 객체가 이동하는 이동 경로를 의미한다.
도 4는 최소 지지도를 '0.2'라고 할 때에 추출된 이동 궤적 패턴 중 하나의 예이며, Sup(l3 l6)=0.5이고, Sup(l6 l4)=0.3이고, Sup(l3 l4)=0.4이고, Sup(l4 l2)=0.2이다.
이러한 예에서 우리가 추론할 수 있는 중요한 사실은, 3개의 지역(l3 l6 l4)이 연속적으로 빈발한 패턴을 가지기 위해서는 개별 공간(l3, l6, l4)이 모두 최소 지지도를 만족해야 하며, 아울러 3개 지역에 대해 순서를 고려한 이진 관계 집합(l3 l6, l6 l4, l3 l4)이 모두 빈발해야만 한다는 것이다.
이 개념은 빈발 패턴 연구 분야에서 다운-클로즈(Down-closure) 특성과 유사한 개념으로, 하기할 도 7에서 단일 패스로 패턴을 추출하는 과정에서 후보 항목 집합을 추론하는데 중요한 개념으로 적용되며, 아래에서 상세하게 설명하도록 한다.
도 5는 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템의 적용 환경에서 객체의 이동 궤적 패턴에 대한 표현 형식을 나타낸 예시도이다.
도 5에 도시된 바와 같이, 도 4에서 예로 들은 이동 궤적 패턴(p)에 대한 다양한 표현 형식을 나타내고 있다.
제1 이동 궤적 패턴(501)은 노드(Node)와 간선(Edge)을 이용한 그래프 형식(511)으로 표현되며, 'l5 l10'은 일정한 시간이 반복되는 것을 의미한다. 또한, 제2 이동 궤적 패턴(502)은 '512'와 같은 패턴 형식으로 표현할 수 있다.
이때, 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템은, 빈발하게 발생하는 사건들의 순차, 반복, 주기 패턴에 대해 그래프의 교점과 연결선으로 다양하게 표현하도록 한다.
도 6은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템에서 패턴 추출 과정을 설명하기 위한 예시도이다.
도 6에 도시된 바와 같이, 도 1에서 제시된 종래 알고리즘 계열의 후보 항목 생성 방법과 반복적인 데이터베이스 스캔 비용을 줄이기 위해서, 시간 't' 시점에 't+1' 시점에서 발생 가능한 항목들을 사전에 예측하여 후보 항목 집합을 생성하도록 한다. 또한, 이러한 't' 시점에 생성된 후보 항목 집합들은, 't+1' 시점에 빈발도를 계산하여 지지도를 만족하면 패턴에 포함하도록 한다.
도 6에 도시된 테이블 '610'은 빈발 1-항목(L1)에서 k-항목 패턴을 추출하는 과정을 설명하기 위한 것이다.
만약에 시간 't' 시점에 'L1' 집합이 'l1, l2, l3, l4'라고 할 때, 후보 2-항목 집합(C2)을 구성할 수 있는 경우는 'L1'의 곱의 연산(Cartesian Product)이다. 이때, 본 발명의 실시 예에서는 종래의 곱의 연산(즉, 도 1에 도시된 바와 같은 제3 테이블(103))과 다르게, 자기 자신에 대한 관계도 함께 고려한다.
이에, 시간 't' 시점에 생성된 후보 2-항목 집합(C2)은, 't+1' 시점에 도 3에 도시된 슬라이딩 윈도우(302) 범위 내에서 지지도를 계산하여 최소 지지도를 만족하는 항목들에 대해 빈발 2-항목(L2)을 구성한다.
이에 따라, 일단 빈발 2-항목(L2)이 구성되면, 후보 k-항목 집합(Ck)은 빈발 2-항목(L2)을 이용하여 확장이 가능하다. 이때, 해당 확장되는 패턴의 길이는 슬라이딩 윈도우의 길이보다는 작게 된다.
여기서, 빈발 2-항목(L2)에서 후보 k-항목 집합(Ck)을 확장하는 방법으로, 만약에 빈발 2-항목(L2)이 도 6에 도시된 테이블 '611'과 같이 구성되었을 때, 3가지 L2(즉, 'l1 l5', 'l5 l9', 'l1 l9')가 모두 만족된다면 후보 3-항목 집합(C3)으로 'l1 l5 l9'를 추론해 낼 수 있다.
그리고 도 4에서 전술했던 다운-클로즈 특성을 만족한다면, 빈발 2-항목(L2)을 이용하여 k-길이의 후보 항목 집합(Ck)을 추론해 낼 수 있다. 이때, 빈발 2-항목(L2)을 이용하여 추론된 k-길이의 후보 항목 집합(Ck)은, 't+1' 시점에 지지도를 계산하여 최소 지지도를 만족하는 항목에 대해 패턴으로 분류되고, 모든 패턴은 해시 테이블(Hp)(620)에 저장된다.
상술한 바와 같이, 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템은, 도 1에 도시된 기존의 아프리오리 계열의 문제점인 반복적인 데이터베이스 스캔의 문제점을 이전 시점에 후보 항목 집합을 추론하는 방법으로 해결하며, 후보 3-항목 이상의 집합을 생성할 때 모든 'L2'의 곱의 연산을 고려하는 것이 아니라, 순서가 고려된 다운-클로즈 특성을 만족하는 경우에 한정해서 후보 집합을 생성해 후보 항목 집합의 개수를 대폭 줄여 수행 시간 및 메모리 공간을 절약하도록 한다.
그리고 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템은, RFID 태그와 리더를 통해 실시간 수집되는 RFID 스트림 데이터의 제약성을 해결하기 위해서, 단일 패스 알고리즘을 통해 이동 궤적 패턴을 탐사하고, 이동 궤적 패턴을 표현하는 관점에서 객체의 순차성, 반복성, 주기성 등을 확률 값과 함께 표현하여 객체 행위 인식에 용이하도록 한다.
따라서 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템은, 벌키 로딩이 아닌 스트림 데이터를 이용하기 때문에 실시간으로 이동 궤적 패턴 탐사가 가능하고, 한 번의 데이터 스캔으로 패턴 추출이 가능하고, 객체의 이동 궤적 패턴을 표현하는 관점에서 객체의 행위에 대해 명확하게 표현이 가능하도록 한다.
도 7은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템 전체의 구성을 나타낸 블록도이다.
본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템은, 도 7에 도시된 바와 같이, RFID 데이터 수집 장치(710), 패턴 탐사 장치(720), 패턴 처리 장치(730)를 포함한다.
RFID 데이터 수집 장치(710)는 도 2에 도시된 동식물 감시, 물류 및 교통 관리 모니터링 분야(201)와 같이, RFID 리더가 태그 데이터를 인식한 후에 입력되는 EPC, 위치, 시간의 속성들에 대한 데이터를 수집하는 모듈이다. 즉, RFID 데이터 수집 장치(710)는 RFID 태그와 리더를 통해 RFID 스트림 데이터를 실시간 수집하여 패턴 탐사 장치(720)로 전달한다.
패턴 탐사 장치(720)는 RFID 데이터 수집 장치(710)로부터 전달되는 RFID 데이터 스트림에 대해 단일 패스로 k-길이의 이동 궤적 패턴을 탐사하는 모듈이다. 즉, 패턴 탐사 장치(720)는 RFID 데이터 수집 장치(710)에서 수집된 다차원 RFID 데이터 스트림으로부터 단일 패스 알고리즘을 이용하여 빈발한 패턴을 탐사하는데, 전역 패턴(Global Pattern)과 지역 패턴(Local Pattern)을 모두 탐사하여 패턴 처리 장치(730)로 전달한다. 또한, 패턴 탐사 장치(720)는 RFID 데이터 수집 장치(710)는 RFID 데이터 수집 장치(710)에서 수집된 다차원 RFID 데이터 스트림으로부터 객체의 순차성, 반복성, 주기성 패턴을 탐사한다.
그리고 패턴 탐사 장치(720)는 데이터 스트림 윈도우 버퍼부(721), 빈발 1-항목(L1) 추출부(722), 후부 2-항목 집합(C2) 생성부(723), 빈발 2-항목(L2) 패턴 추출부(724), 후보 k-항목 집합(Ck) 패턴 생성부(725), 빈발 k-항목(Lk) 패턴 검증 및 추출부(726)를 포함한다.
데이터 스트림 윈도우 버퍼부(721)는 시스템 성능과 메모리 크기를 고려한 도 3에 도시된 슬라이딩 윈도우(302)의 크기(즉, 범위)에 따라 RFID 데이터 수집 장치(710)에서 수집된 RFID 데이터 스트림을 전달받아 저장한다.
빈발 1-항목(L1) 추출부(722)는 슬라이딩 윈도우 범위 내에서 지지도를 계산한 후에, 데이터 스트림 윈도우 버퍼부(721)에 저장된 RFID 데이터 스트림으로부터 도 6과 관련하여 설명한 바와 같이 최소 지지도를 만족하는 빈발 1-항목(L1)을 추출한다.
후보 2-항목 집합(C2) 생성부(723)는 빈발 1-항목(L1) 추출부(722)에서 추출한 빈발 1-항목(L1)의 곱에 의해 후보 2-항목 집합(C2)을 생성한다.
빈발 2-항목(L2) 패턴 추출부(724)는 시점 't'가 '1'보다 큰 시점부터 후보 2-항목 집합(C2) 생성부(723)에서 생성된 후보 2-항목 집합(C2)을 검증하여 최소 지지도를 만족하는 빈발 2-항목(L2) 패턴을 추출한다.
후보 k-항목 집합(Ck) 패턴 생성부(725)는 빈발 2-항목(L2) 패턴 추출부(724)에서 추출한 빈발 2-항목(L2) 패턴을 이용하여 k-길이의 후보 항목 집합(Ck) 패턴을 추론(즉, 생성)한다.
빈발 k-항목(Lk) 패턴 검증 및 추출부(726)는 후보 k-항목 집합(Ck) 패턴 생성부(725)에서 생성된 후보 k-항목 집합(Ck) 패턴이 시점 't+1'에 최소 지지도를 만족하는지를 계산하여 빈발 k-항목(Lk) 패턴을 생성한다.
패턴 처리 장치(730)는 패턴 탐사 장치(720)에서 탐사된 k-길이의 이동 궤적 패턴을 전달받아 저장하고, 사용자의 질의에 대응하는 이동 궤적 패턴을 판독하여 출력한다. 이때, 해당 이동 궤적 패턴을 저장하는 이유는, RFID 데이터 스트림에서 슬라이딩 윈도우 단위로 이동 궤적 패턴을 추출하기 때문에 모든 시간을 고려하는 것이 불가능하고, 특정한 시간 사이에만 빈발할 수 있기 때문에 발견된 빈발 k-항목(Lk)의 집합에 대해서 이동 궤적 패턴이 유효했던 시작 시간과 종료 시간을 데이터베이스에 저장할 필요가 있기 때문이다. 또한, 패턴 탐사 장치(720)에서 탐사된 객체의 순차성, 반복성, 주기성 패턴을 그래프의 교점과 연결선으로 다양하게 표현한다.
그리고 패턴 처리 장치(730)는 이동 궤적 패턴 데이터베이스(731), 패턴 질의 처리부(732), 질의 및 화면 구성부(733)를 포함한다.
이동 궤적 패턴 데이터베이스(731)는 패턴 탐사 장치(720)로부터 전달되는 k-길이의 이동 궤적 패턴을 저장한다.
패턴 질의 처리부(732)는 질의 및 화면 구성부(733)로부터 전달되는 사용자의 질의에 대한 조건에 맞는 결과를 이동 궤적 패턴 데이터베이스(731)로부터 탐색하여 질의 및 화면 구성부(733)로 반환한다.
질의 및 화면 구성부(733)는 사용자가 필요한 시점에 질의 또는 화면 인터페이스를 통해 질의를 수행하는 경우에 해당 사용자의 질의를 패턴 질의 처리부(732)로 전달하고, 패턴 질의 처리부(732)에서 처리된 결과를 사용자에게 화면으로 제공한다.
다시 말해서, 상술한 바와 같은 구성을 가진 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 시스템은, RFID 태그와 리더를 이용하여 다차원 RFID 스트림 데이터를 실시간 수집하며, 해당 수집된 RFID 스트림 데이터에서 이동 궤적 패턴을 탐사하기 위해 기존의 빈발 패턴 알고리즘과 달리 슬라이딩 윈도우 마다 단일 패스를 통해 빈발한 이동 궤적 패턴(즉, 모든 전역과 지역 패턴)을 추출하며, 해당 추출된 이동 궤적 패턴에 대해 순차, 반복, 주기성 등을 그래프 형식으로 다양하게 표현하도록 한다.
아래에서는 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 방법에 대해서 도 8을 참조하여 상세하게 설명한다.
도 8은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 방법을 나타낸 순서도이다.
먼저, RFID 데이터 수집 장치(710)가 RFID 태그와 리더를 통해 RFID 스트림 데이터를 실시간 수집하여 패턴 탐사 장치(720)로 전달하게 되면, 패턴 탐사 장치(720)는 RFID 데이터 수집 장치(710)로부터 전달되는 RFID 데이터 스트림에 대해 단일 패스로 k-길이의 이동 궤적 패턴을 탐사하게 된다.
이때, 패턴 탐사 장치(720)는 RFID 응용 애플리케이션에서 RFID 태그를 부착한 다양한 이동 객체들의 경로에 대해 연속적인 스트림 형태로 데이터를 로딩하도록 한다.
즉, 패턴 탐사 장치(720)는 초기에 설정하는 값으로 시작 시점(예를 들어, t=0)과 슬라이딩 윈도우의 크기(즉, 범위)(예를 들어, SW=10)를 지정하고(S801), RFID 데이터 수집 장치(710)를 통해 각 시점마다 데이터를 연속적으로 수집하여(S802) 데이터 스트림 윈도우 버퍼부(721)의 데이터 버퍼에 저장한다.
이때, 데이터 버퍼의 크기는 슬라이딩 윈도우 크기보다 작아야 하기 때문에, 패턴 탐사 장치(720)는 특정 조건, 즉 데이터 버퍼의 크기가 슬라이딩 윈도우 크기보다 큰지를 검사한다(S803).
만약에, 상술한 단계 S803에서 데이터 버퍼의 크기가 슬라이딩 윈도우 크기보다 크다면, 이전에 데이터 버퍼에 입력된 데이터 중에서 슬라이딩 윈도우 크기 이외의 부분을 삭제하여(S804), 슬라이딩 윈도우 크기보다 작은 데이터 버퍼를 다시 구성(즉, 생성)한 후에(S805), 상술한 S802에서 수집된 데이터를 해당 새로이 생성된 데이터 버퍼에 저장한다(S806).
그런 다음에, 패턴 탐사 장치(720)는 일정한 슬라이딩 윈도우마다 빈발한 이동 궤적 패턴을 탐사하고, 해당 발견된 이동 궤적 패턴들을 패턴 처리 장치(730)의 이동궤적 패턴 데이터베이스(731)에 저장한다.
다시 말해서, 상술한 바와 같이 RFID 데이터 스트림을 저장된 데이터 버퍼가 구성되었다면, 패턴 탐사 장치(720) 내에 구비된 빈발 1-항목(L1) 추출부(722)는 상술한 단계 S801에서 지정된 슬라이딩 윈도우 범위 내에서 지지도를 계산한 후에, RFID 데이터 스트림을 저장된 데이터 버퍼로부터 최소 지지도를 만족하는 빈발 1-항목(L1)을 추출한다(S807).
그리고 패턴 탐사 장치(720) 내에 구비된 후보 2-항목 집합(C2) 생성부(723)는, 빈발 1-항목(L1) 추출부(722)에서 추출한 빈발 1-항목(L1)의 곱에 의해 후보 2-항목 집합(C2)을 생성한다(S808).
이에, 패턴 탐사 장치(720) 내에 구비된 빈발 2-항목(L2) 패턴 추출부(724)는, 시점 't'가 '1'보다 큰 시점(즉, 상술한 단계 S801에서 지정한 시작 시점보다 큰 시점)부터 후보 2-항목 집합(C2) 생성부(723)에서 생성된 후보 2-항목 집합(C2)을 검증하여 최소 지지도를 만족하는 후보 집합을 빈발 2-항목(L2) 패턴으로 구성한다(S809).
그리고 패턴 탐사 장치(720) 내에 구비된 후보 k-항목 집합(Ck) 패턴 생성부(725)는, 빈발 2-항목(L2) 패턴 추출부(724)에서 추출한 빈발 2-항목(L2) 패턴을 이용하여 k-길이의 후보 항목 집합(Ck) 패턴을 순차적으로 구성한다(S810).
이에 따라, 패턴 탐사 장치(720) 내에 구비된 빈발 k-항목(Lk) 패턴 검증 및 추출부(726)는, 후보 k-항목 집합(Ck) 패턴 생성부(725)에서 구성된 후보 k-항목 집합(Ck) 패턴이 시점 't+1'(즉, 상술한 단계 S801에서 지정한 시작 시점의 다음에 해당하는 시점)에 최소 지지도를 만족하는지를 계산한다(S811). 즉, 빈발 k-항목(Lk) 패턴 검증 및 추출부(726)는, 후보 k-항목 집합(Ck) 패턴 생성부(725)에서 구성된 후보 k-항목 집합(Ck) 패턴이 최소 지지도보다 큰지를 확인한다.
그러면, 상술한 단계 S811에서 후보 k-항목 집합(Ck) 패턴 생성부(725)에서 구성된 후보 k-항목 집합(Ck) 패턴이 최소 지지도를 만족하는 경우에, 빈발 k-항목(Lk) 패턴 검증 및 추출부(726)는, 후보 k-항목 집합(Ck) 패턴 생성부(725)에서 구성된 후보 k-항목 집합(Ck) 패턴으로부터 최소 지지도를 만족하는 빈발 k-항목(Lk) 패턴을 생성한 다음에(S812), 도 6에 도시된 바와 같은 해시 테이블(620)에 추가해 준다(S813).
그런 후에, 빈발 k-항목(Lk) 패턴 검증 및 추출부(726)는, 시점 't'를 '1' 증가(즉, t=t+1)한 후에, 즉 다음 시점에 대해서 상술한 단계 S807의 동작부터 상술한 단계 S813까지의 동작을 반복 수행하도록 한다(S814).
반면에, 상술한 단계 S811에서 후보 k-항목 집합(Ck) 패턴 생성부(725)에서 구성된 후보 k-항목 집합(Ck) 패턴이 최소 지지도를 만족하지 않은 경우에, 빈발 k-항목(Lk) 패턴 검증 및 추출부(726)는, 상술한 단계 S814의 단계를 수행한 후에, 상술한 동작과 동일하게 수행하도록 한다.
그리고 상술한 단계 S802에서부터 상술한 단계 S814까지의 모든 과정은, RFID 데이터 스트림이 입력되는 동안 무한 반복하여 수행되도록 한다(S815).
그런 다음에, 패턴 처리 장치(730)는 사용자에 의해 질의하는 경우에, 해당 사용자 질의에 대응하는 완전한 이동 궤적 패턴을 판독하여 표현하도록 한다.
이때, 패턴 처리 장치(730)에 구비된 패턴 질의 처리부(732)는, 패턴 처리 장치(730)에 구비된 질의 및 화면 구성부(733)로부터 전달되는 사용자 질의에 대한 조건에 맞는 결과를 패턴 처리 장치(730)에 구비된 이동 궤적 패턴 데이터베이스(731)로부터 탐색하여 질의 및 화면 구성부(733)로 반환한다.
이에, 질의 및 화면 구성부(733)는 사용자 질의에 따라 객체의 순차성, 반복성, 주기성 패턴을 그래프의 교점과 연결선으로 다양하게 표현한다.
상술한 바와 같은 본 발명의 실시 예에 따른 이동 궤적 패턴 제공 방법에 의해, 대용량의 RFID 태그를 부착한 객체에서 실시간으로 수집되는 RFID 데이터 스트림을 기반으로, 제한된 메모리 환경에서 단일 패스 알고리즘을 적용하여 이동 궤적 패턴을 탐사하는 알고리즘으로, 시간 및 공간 복잡도를 향상시키도록 하며, 아울러 발견된 이동 궤적 패턴에 대한 순차성, 반복성, 회귀성 등을 모두 표현 가능하여 이동 객체가 빈발하게 이동하는 패턴, 즉 행위를 사용자가 쉽게 인식할 수 있도록 한다.
본 발명의 실시 예에 적용되는 이동 궤적 패턴 데이터베이스와 사용자 및 애플리케이션과의 관계에 대한 개념을 도 9를 참조하여 간략하게 설명한다.
이동 궤적 패턴 데이터베이스(900)의 구조는, <트랜잭션 ID(TID), K-이동 궤적 패턴, 시작 시점(Ts), 종료 시점(Te)>의 튜플로 구성된 형태(901)이다.
사용자(913) 또는 교통/재난/환경 애플리케이션(914)은, 특정한 시점 간격 사이에 발생한 이동 궤적 패턴에 대해 질의를 수행할 경우에 SQL 형태의 질의(911)를 이용하여 패턴을 추출하고, 만약에 사용자(913)에게 편리한 화면 인터페이스를 통해 패턴을 출력할 경우에 GUI(912)를 이용하여 그래프 형태로 출력한다.
상술한 바와 같이, 본 발명의 실시 예는, RFID 태그를 부착한 객체가 리더를 통해 수집되는 데이터 형식이 스트림 데이터 형식이기 때문에 CPU와 메모리가 제약성을 가지며 반복적인 데이터 스캔이 불가능한 단점을 해결하기 위해서, 슬라이딩 윈도우마다 한 번의 데이터 스캔으로 빈발 패턴을 탐사하는 알고리즘을 적용함으로써, 스트림 데이터의 제약성을 극복할 수 있는 효과가 있다.
즉, 본 발명의 실시 예는 빈발한 이동 궤적 패턴을 탐사하기 위해, 제한된 메모리 크기와 CPU 성능을 고려하여 슬라이딩 윈도우 크기를 설정하고, 사전에 k-길이의 후보 패턴 집합을 추론하는 기법을 이용하여, 한 번의 데이터 스캔으로도 빈발한 패턴을 탐사함으로써, 시간 및 공간 복잡도를 향상시킨다. 또한, 본 발명의 실시 예는, 객체의 이동 패턴 표현 관점에서 종래 기술이 단순히 시간 순서를 고려하는 순차성에 한정되어 있는 단점을 해결하기 위해서, 객체의 행위 관점에서 패턴을 표현할 때에 노드(Node)와 간선(Edge) 형태로 표현하기 때문에 반복성, 순환성, 주기성을 함께 표현할 수 있다. 또한, 본 발명의 실시 예는, 슬라이딩 윈도우 단위로 패턴을 추출하기 때문에 전체(Global) 시간에서 빈발한 패턴과 특정한(Local) 시간에 빈발한 패턴을 구분하기 위해, 슬라이딩 윈도우마다 발견된 패턴에 대해 시작 시간과 종료 시간을 함께 데이터베이스에 저장하여, 향후 사용자가 특정한 시간 간격 사이에 빈발한 이동 궤적 패턴을 탐사하거나, 전체 시간에 대해 빈발한 패턴을 질의할 경우에도 추가적인 작업 없이 결과를 얻을 수 있다.
이상, 본 발명의 실시 예는 RFID 리더로부터 연속적으로 수집되는 스트림 데이터에서 일정한 크기의 슬라이딩 윈도우마다 단일 패스로 데이터를 스캔하여 k-길이의 이동 궤적 패턴을 탐사하는 알고리즘을 수행하고, 다양한 이동 객체의 이동 궤적 패턴을 완전한 패턴 형식으로 표현하여, 사용자 및 애플리케이션에 유용한 패턴들을 제공하도록 한 이동 궤적 패턴 제공 방법에 대해서 설명하였다.
그러나 본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시 예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시 예의 기재로부터 본 발명이 속하는 기술 분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (7)

  1. 이동 객체에 대한 이동 궤적 패턴을 제공하는 방법에 있어서,
    RFID 태그를 부착한 이동 객체의 경로에 대해 연속적인 스트림 형태로 데이터를 로딩하는 단계,
    슬라이딩 윈도우마다 빈발한 이동 궤적 패턴을 탐사하여 발견된 이동 궤적 패턴을 데이터베이스에 저장하는 단계, 그리고
    사용자에 의한 질의가 있는 경우, 사용자의 질의에 대응하는 이동 궤적 패턴을 판독하여 표현하는 단계
    를 포함하는 이동 궤적 패턴 제공 방법.
  2. 제1항에 있어서,
    상기 데이터를 로딩하는 단계는,
    시작 시점과 슬라이딩 윈도우 크기에 대한 초기 값을 설정하는 단계, 그리고
    각 시점마다 데이터를 연속적으로 수집하여 데이터 버퍼에 저장하는 단계
    를 포함하는 이동 궤적 패턴 제공 방법.
  3. 제2항에 있어서,
    상기 데이터를 로딩하는 단계는,
    상기 데이터 버퍼의 크기가 상기 슬라이딩 윈도우 크기보다 큰지를 검사하는 단계,
    상기 데이터 버퍼의 크기가 상기 슬라이딩 윈도우 크기보다 큰 경우, 상기 데이터 버퍼에 이전에 입력된 데이터 중에서 슬라이딩 윈도우 크기 이외의 부분을 삭제하여 새로운 데이터 버퍼를 구성하는 단계, 그리고
    상기 새로 생성된 데이터 버퍼에 데이터를 저장하는 단계
    를 더 포함하는 이동 궤적 패턴 제공 방법.
  4. 제2항에 있어서,
    상기 이동 궤적 패턴을 데이터베이스에 저장하는 단계는,
    상기 슬라이딩 윈도우의 크기 내에서 지지도를 계산하여 상기 데이터 버퍼로부터 최소 지지도를 만족하는 빈발 1-항목을 추출하는 단계,
    상기 빈발 1-항목의 곱에 의해 후보 2-항목 집합을 생성하는 단계,
    상기 시작 시점보다 큰 시점부터 상기 후보 2-항목 집합을 검증하여 최소 지지도를 만족하는 후보 집합을 빈발 2-항목 패턴으로 구성하는 단계,
    상기 빈발 2-항목 패턴을 이용하여 k-길이의 후보 항목 집합 패턴을 구성하는 단계,
    상기 k-길이의 후보 항목 집합 패턴이 상기 시작 시점의 다음에 최소 지지도를 만족하는지를 계산하는 단계,
    상기 k-길이의 후보 항목 집합 패턴이 상기 시작 시점의 다음에 최소 지지도를 만족하는 경우, 상기 k-길이의 후보 항목 집합 패턴으로부터 최소 지지도를 만족하는 빈발 k-항목 패턴을 생성하는 단계, 그리고
    상기 빈발 k-항목 패턴을 해시 테이블에 추가하는 단계
    를 포함하는 이동 궤적 패턴 제공 방법.
  5. 제4항에 있어서,
    상기 이동 궤적 패턴을 데이터베이스에 저장하는 단계는,
    시점을 증가하여 해당 증가된 시점에 대해서 상기 이동 궤적 패턴을 데이터베이스에 저장하는 단계를 반복 수행하도록 하는 단계를 더 포함하는 이동 궤적 패턴 제공 방법.
  6. 제1항에 있어서,
    상기 이동 궤적 패턴을 판독하여 표현하는 단계는,
    상기 사용자 질의에 대응하는 이동 궤적 패턴을 상기 데이터베이스로부터 판독하고 해당 판독된 이동 궤적 패턴에 대한 순차성, 반복성, 회귀성을 모두 표현하도록 하는 이동 궤적 패턴 제공 방법.
  7. 제1항에 있어서,
    상기 데이터베이스는,
    트랜잭션 ID, K-이동 궤적 패턴, 시작 시점, 종료 시점의 튜플로 구성된 형태인 이동 궤적 패턴 제공 방법.
KR1020080017468A 2008-02-26 2008-02-26 이동 궤적 패턴 제공 방법 KR100915229B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080017468A KR100915229B1 (ko) 2008-02-26 2008-02-26 이동 궤적 패턴 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080017468A KR100915229B1 (ko) 2008-02-26 2008-02-26 이동 궤적 패턴 제공 방법

Publications (2)

Publication Number Publication Date
KR20090092135A true KR20090092135A (ko) 2009-08-31
KR100915229B1 KR100915229B1 (ko) 2009-09-02

Family

ID=41209303

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080017468A KR100915229B1 (ko) 2008-02-26 2008-02-26 이동 궤적 패턴 제공 방법

Country Status (1)

Country Link
KR (1) KR100915229B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766101A (zh) * 2018-07-26 2020-02-07 杭州海康威视数字技术股份有限公司 确定移动轨迹的方法和装置
CN110909037A (zh) * 2019-10-09 2020-03-24 中国人民解放军战略支援部队信息工程大学 一种频繁轨迹模式的挖掘方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102262396B1 (ko) * 2019-04-29 2021-06-07 연세대학교 산학협력단 실시간 경로 영역 자기 학습 방법 및 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060082115A (ko) * 2005-01-11 2006-07-14 엘지이노텍 주식회사 Ｒｆｉｄ를 이용한 보안/안전관리 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766101A (zh) * 2018-07-26 2020-02-07 杭州海康威视数字技术股份有限公司 确定移动轨迹的方法和装置
CN110766101B (zh) * 2018-07-26 2023-10-20 杭州海康威视数字技术股份有限公司 确定移动轨迹的方法和装置
CN110909037A (zh) * 2019-10-09 2020-03-24 中国人民解放军战略支援部队信息工程大学 一种频繁轨迹模式的挖掘方法及装置
CN110909037B (zh) * 2019-10-09 2024-02-13 中国人民解放军战略支援部队信息工程大学 一种频繁轨迹模式的挖掘方法及装置

Also Published As

Publication number Publication date
KR100915229B1 (ko) 2009-09-02

Similar Documents

Publication Publication Date Title
Gyllstrom et al. SASE: Complex event processing over streams
Wang et al. Complex RFID event processing
Alrabaee et al. Oba2: An onion approach to binary code authorship attribution
US7668794B2 (en) Method and apparatus for complex RFID event processing
US8423493B2 (en) Condition monitoring with automatically generated error templates from log messages and sensor trends based on time semi-intervals
US20030023591A1 (en) Systems and methods for discovering mutual dependence patterns
Gao et al. Efficient discovery of time series motifs with large length range in million scale time series
Yu et al. The design of fuzzy information granules: Tradeoffs between specificity and experimental evidence
CN104854587A (zh) 主动数据库查询的维护
Shen et al. A framework for mining actionable navigation patterns from in-store RFID datasets via indoor mapping
Wu et al. A cloud-friendly RFID trajectory clustering algorithm in uncertain environments
KR100915229B1 (ko) 이동 궤적 패턴 제공 방법
Gligorijevic et al. Uncertainty propagation in long-term structured regression on evolving networks
Batoulis et al. Disambiguation of DMN decision tables
US7458001B2 (en) Sequential pattern extracting apparatus
Gao et al. Efficient discovery of variable-length time series motifs with large length range in million scale time series
Zhu et al. Change point detection in dynamic networks based on community identification
Böhmer et al. Anomaly detection in business process runtime behavior--challenges and limitations
Liu et al. Mining frequent closed itemsets from a landmark window over online data streams
Pasquadibisceglie et al. PROMISE: Coupling predictive process mining to process discovery
Upoma et al. Discovering correlation in frequent subgraphs
Khoussainova et al. Peex: Extracting probabilistic events from RFID data
Leema et al. Proposed prediction algorithms based on hybrid approach to deal with anomalies of RFID data in healthcare
Hussein et al. Reasoning about RFID-tracked moving objects in symbolic indoor spaces
Maria Anu et al. An overview of RFID data processing techniques

Legal Events

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

Payment date: 20120730

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130729

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140728

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150811

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160921

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20170704

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20180703

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20190826

Year of fee payment: 11