KR20170017868A - 센서 네트워크에서의 확률론적 의미 감지 시스템 및 방법 - Google Patents

Abstract

센서 네트워크에서의 확률론적 의미 감지 시스템들 및 방법들이 개시되어 있다. 상기 시스템은 복수 개의 센서들로부터의 원시 센서 데이터를 수신하고 감지 이벤트들을 포함하는 의미 데이터를 생성한다. 상기 시스템은 분류자들을 기반으로 하여 상기 의미 데이터를 상관시켜 의미 데이텀 집합체들을 생성한다. 더욱이, 상기 시스템은 확률 엔진을 가지고 상기 의미 데이텀 집성체들을 분석하여 상응하는 복수 개의 도출 이벤트를 생성하며 상기 상응하는 복수 개의 도출 이벤트들은 파생 확률을 포함한다. 상기 시스템은 관련 의미 데이텀의 신뢰도를 각각 표현하는 복수 개의 확률들을 기반으로 하여 생성되는, 제1 파생 확률을 포함하는 제1 도출 이벤트를 생성하여 적어도 하나의 애플리케이션으로 하여금 상기 복수 개의 도출 이벤트들을 기반으로 하는 서비스를 수행할 수 있게 한다.

Description

센서 네트워크에서의 확률론적 의미 감지 시스템 및 방법{Systems and methods for probabilistic semantic sensing in a sensory network}

관련 출원들

본원은 전체 내용이 참조 병합되는 2014년 3월 6일자 출원된 미국 임시출원 제61/948,960호를 기초로 하여 우선권을 주장함과 아울러 2015년 3월 5일자 출원된 미국 특허출원 제14/639,901호를 기초로 하여 우선권을 주장한 것이다. 본원은 2012년 9월 12일자 출원된 미국 임시출원 제61/699,968호 및 미국 임시출원 제61/699,968호를 기초로 한, 발명의 명칭이 "감지 애플리케이션들을 위한 네트워크 연결 조명 기반구조(Networked Lighting Infrastructure for Sensing Applications)인 미국 정식특허출원 제14/024,561호와 관련이 있다.

기술분야

본 개시내용은 데이터 통신의 기술분야에 관한 것이고, 더 구체적으로 기술하면 센서 네트워크에서의 확률론적 의미 감지 시스템 및 방법에 관한 것이다.

센서 네트워크들은 객체들을 감지 및 식별하는 데 사용될 수 있는 다수의 센서를 포함한다. 감지 대상이 되는 객체들에는 사람, 차량, 또는 다른 실체들이 포함될 수 있다. 실체는 고정인 것일 수도 있고 움직이고 있는 것일 수도 있다. 어떤 때에는 센서가 온전한 실체를 완전히 감지하도록 배치되어 있지 않을 수 있다. 다른 때에는 방해물들이 실체를 감지하는데 해를 끼친다. 양자 모두의 경우에서는, 실세계 장애물들이 신뢰할 수 없는 결과들을 초래할 수 있다.

이하의 기재에서는 본 개시내용의 대표적인 실시 예들을 구체화하는 시스템들, 방법들, 기법들, 명령어 시퀀스들, 및 컴퓨팅 머신 프로그램 제품들이 포함되어 있다. 이하의 기재에서는, 설명을 목적으로 하여, 본 발명의 대상의 여러 실시 예를 이해시키기 위해 다수의 특정 세부가 나타나 있다. 그러나 당해 기술에 통상의 지식을 가진 자에게는 자명하겠지만 본 발명의 대상의 실시 예들이 이러한 특정 세부들 없이도 실시될 수 있다. 일반적으로 널리 알려진 명령어 인스턴스들, 프로토콜들, 구조들, 및 기법들이 반드시 구체적으로 제시될 필요는 없을 것이다.

본 개시내용은 센서 네트워크에서의 확률론적 의미 감지에 관한 것이다. 이는 실세계 방해물들 또는 장애물들의 존재시 식별 가능한 현상들을 정확하게 감지하는 과제들을 해결한다. 이는 동일한 기본적인 물리적 현상을 유사하게 감지하고 상기 물리적 현상에 대한 취지 또는 의미에 관련된 단일 확률을 생성함으로써 상기 과제를 해결한다. 특히, 이는 동일한 기본적인 물리적 현상을 유사하게 감지하여, 상기 물리적 현상을 기술(記述)하는 의미 데이텀(semantic datum)(예컨대, 주차 공간이 비어 있음)을 각각 포함하는 감지 이벤트들의 형태로 의미 데이터를 생성하고, 각각의 의미 데이텀을 상기 의미 데이텀의 신뢰성을 나타내는 확률과 결부시키며, 분류자들을 기반으로 하여 감지 이벤트들을 상관시켜 의미 데이텀들(예컨대, 동일 주차 공간)의 논리 집성체를 생성하고, 확률 엔진을 가지고 의미 데이텀들의 논리 집성체를 분석하여 다수의 감지 이벤트들에 대해 단일의 도출 이벤트로서 단일의 파생 확률을 포함하는 단일의 도출 이벤트를 생성하며, 그리고 상기 도출 이벤트를 사용하는 하나 이상의 애플리케이션들을 작동시킴으로써 상기 과제를 해결한다. 당해 기술에 통상의 지식을 가진 자(당업자)라면 인식하겠지만, 본 개시내용이 주로 광센서 네트워크라는 문맥으로 검토되어 있으나, 모든 타입의 물리적 현상(예컨대, 시각, 청각, 촉각 등등)을 감지할 수 있는 센서 네트워크들에 관한 것이다.

광센서 네트워크, 또는 애플리케이션 플랫폼들에 내장된 기능들, 감지, 네트워크, 및 프로세싱 기능들을 지니는 조명 기반구조의 출현으로 센서들을 분산시키고 상당한 규모들 및 공간 밀도들로 감지 기반 애플리케이션들을 작동시킬 기회가 생기게 되었다. 그러나 광센서 네트워크들에 의해 작동되는 애플리케이션들의 성과는 센서 배치 위치들 또는 실세계 방해물들(나뭇잎, 자동차들, 사람들, 다른 객체들 등등) 때문에 부분적으로 제한될 수 있는 센서 데이터의 신뢰성에 국한될 수 있다. 추가로, 임의로 주어진 센서 경우에는, 생성되어 있는 데이터의 여러 부분이 어느 정도로는 신뢰할 수 있을 것을 것인데, 예를 들면 한정된 해상도 때문에, 비디오 센서가 멀리 떨어져 있는 위치에 있는 것보다는 센서의 바로 앞에 자동차 지점의 점유 상태를 검출할 때 비디오 센서가 더 신뢰할 수 있을 것이다. 그 외에도, 광센서 네트워크를 이루고 있는 각각의 노드에 모인 데이터를 전부 전달할 수 없다는 것은 상기 데이터 또는 데이터 출력들의 결합 전에 중간 단계들에서 데이터에 관한 단정들이 이루어져야 한다는 것을 강하게 시사한다. 다시 말해, 모든 원시 데이터(raw data)가 동일한 위치에서 액세스 가능한 것이 아니다. 다수의 센서가 광센서 네트워크의 애플리케이션에 관련된 소정의 계산을 위해 관련 데이터를 생성할 수 있을 정도까지, 또는 외부 데이터 입력들이 그러한 계산들에 영향을 줄 수 있을 정도까지, 이러한 다수의 데이터 소스가 최대 유용한 계산 결과들, 결과적으로는 최대 성과의 애플리케이션들을 생성하도록 최적의 상태로 결합될 수 있게 하는 시스템을 생성하는 것이 바람직하다.

본 개시내용에는 광센서 네트워크로부터의 한정된 신뢰성을 갖는 데이터를 기반으로 하는 단정들의 유용성을 최적화시키는 확률론적 시스템들 및 방법들의 생성이 기재되어 있다. 이하에 기재되어 있는 시스템들 및 방법들은 각각의 의미 데이텀을 그러한 데이텀의 확신도 또는 신뢰도를 나타내는 관련 확률과 결부시키는 것과, 의미 데이텀들의 매개변수들을 사용하여 서로 다른 의미 데이터를 상관시키고 확률 엔진을 사용하여 파생 확률들을 갖는 이벤트들을 도출하는 것을 포함한다. 향상된 신뢰성이 조명 관리 및 모니터링, 주차 관리, 감시, 트래픽 모니터링, 소매판매 모니터링, 비즈니스 인텔리전스 모니터링, 자산 모니터링 및 환경 모니터링이라는 문맥으로 기재되어 있다.

기재되어 있는 방법들을 구현하는 한 시스템은 광센서 네트워크(light sensory network; LSN)를 포함할 수 있다. 상기 LSN은 이하에서 기재되겠지만 통합 애플리케이션 플랫폼, 센서, 및 네트워크 기능들을 포함할 수 있다. 본 개시내용에 관련된 LSN 은 원시 센서 데이터의 일부 처리가 상기 네트워크에 내재하는 각각의 노드 상에서 국부적으로 이루어지는 방식으로 구조화될 수 있다. 이러한 처리의 출력은 의미 데이터, 또는 다시 말하면 처리 동안 검출되는 주요 특징들을 나타내는 메타데이터 또는 파생 데이터일 수 있다. 의미 데이터를 생성하는 목적은 부가적인 분석을 위해 다음으로 전달될 데이터의 규모를 감소시키기 위한 것이다. 본 개시내용에 관련된 LSN은 또한 의미 데이터가 집성되어 다른 의미 데이터와 상관되도록 원래의 노드에서 벗어나 의미 데이터가 전달되는 방식으로 구조화될 수 있다. LSN의 네트워크 연결은 다양한 토폴로지(topology)를 채용하지만 본 개시내용은 다수의 의미 데이텀 소스가 조합되는 위치에서 상기 네트워크에 내재하는 집성 지점이 생기는 한 특정 토폴로지(허브앤 스포크, 애드혹 등등)에 종속적이지 않다.

도 1은 한 실시 예에 따른 센서 네트워크에서의 확률론적 의미 감지 시스템을 예시한 도면이다.
도 2는 한 실시 예에 따른 센서 네트워크에서의 확률론적 의미 감지 시스템을 부가적으로 예시하는 도면이다.
도 3은 한 실시 예에 따른 센서 네트워크에서의 확률론적 의미 감지 시스템을 예시하는 블록도이다.
도 4a는 한 실시 예에 따른 감지 이벤트 정보를 예시하는 블록도이다.
도 4b는 한 실시 예에 따른 도출 이벤트 정보를 예시하는 블록도이다.
도 5는 한 실시 예에 따른 사용자 입력 정보를 예시하는 블록도이다.
도 6은 한 실시 예에 따른 센서 네트워크에서의 확률론적 의미 감지 방법을 예시하는 블록도이다.
도 7은 한 실시 예에 따른 조명 기반구조 애플리케이션 프레임워크(lighting infrastructure application framework; LIAF)의 전반적인 아키텍처의 일부를 예시하는 도면이다.
도 8은 한 실시 예에 따른 시스템 아키텍처를 상대적으로 높은 수준으로 예시하는 도면이다.
도 9는 한 실시 예에 따른 노드 플랫폼의 블록도이다.
도 10은 한 실시 예에 따른 게이트웨이 플랫폼의 블록도이다.
도 11은 한 실시 예에 따른 서비스 플랫폼의 블록도이다.
도 12는 한 실시 예에 따른 조명 기반구조 애플리케이션들에 대한 수익 모델을 예시하는 도면이다.
도 13은 한 실시 예에 따른 네트워크 연결된 조명 시스템에 대한 주차장 애플리케이션을 예시하는 도면이다.
도 14는 네트워크 연결된 조명 시스템에 대한 조명 유지보수 애플리케이션을 예시하는 도면이다.
도 15a는 한 실시 예에 따른 네트워크 연결된 조명 시스템에 대한 창고 재고 애플리케이션을 예시하는 도면이다.
도 15b는 한 실시 예에 따른 네트워크 연결된 조명 시스템에 대한 창고 재고 애플리케이션을 예시하는 도면이다.
도 16은 한 실시 예에 따른 운송 터미널 모니터링을 위한 네트워크 연결된 조명 시스템의 애플리케이션을 예시하는 도면이다.
도 17은 한 실시 예에 따른 한 노드에서의 전력 모니터링 및 제어 회로를 예시하는 블록도이다.
도 18은 한 실시 예에 따른 한 실시 예에 따른 애플리케이션 제어기를 예시하는 블록도이다.
도 19는 몇몇 전형적인 실시 예들에 따른 머신 상에 설치될 수 있는 소프트웨어 아키텍처의 일 예를 예시하는 블록도이다.
도 20은 몇몇 전형적인 실시 예들에 따른, 머신-판독가능 매체(예컨대, 머신-판독가능 저장 매체)로부터의 명령어들을 판독하고 본원 명세서에서 검토되어 있는 방법들 중 어느 하나 이상의 방법들을 수행할 수 있는 머신의 구성요소들을 예시하는 블록도이다.

본원 명세서에 제공되어 있는 표제들은 단지 편리를 위한 것뿐이며 반드시 사용되고 있는 용어들의 범위 또는 취지에 영향을 주는 것이 아니다.

이하의 기재에서는, 설명을 목적으로 하여 다수의 특정 세부가 몇몇 대표적인 실시 예들을 완전하게 이해시키기 위해 나타나 있다. 그러나 당해 기술에 통상의 지식을 가진 자라면 알 수 있겠지만 본 개시내용의 실시 예들이 이러한 특정 세부들 없이 실시될 수 있다.

도 1에는 한 실시 예에 따른 센서 네트워크에서의 확률론적 의미 감지 시스템(101)이 예시되어 있다. 상기 시스템(101)은 좌측 상에 위치한 "LIGHT A" 및 우측 상에 위치한 "LIGHT B"를 포함하는 센서 네트워크를 포함할 수 있다. "LIGHT A" 및 "LIGHT B"는 각각 센서 네트워크의 일부로서 서로 통신하는 감지 노드 및 다른 감지 노드들(도시되지 않음)을 포함할 수 있다. 상기 센서 노드들 각각은 서로 다른 주차장 부분들에 대한 원시 센서 데이터, 더 구체적으로는 주차장에서의 주차 공간의 점유 상태에 대한 원시 센서 데이터를 감지하는 하나 이상의 센서들을 포함한다. 예를 들면, "LIGHT A"는 주차장의 일부에 대한 원시 센서 데이터를 수신하고 주차 공간(X₁)에 대한 의미 데이텀 및 주차 공간(X₂)에 대한 의미 데이텀을 포함하는 의미 데이터를 생성하는 것으로서 예시되어 있다. 더군다나 예를 들면, "LIGHT B"는 다른 주차장 부분에 대한 원시 센서 데이터를 수신하고 주차 공간(X₂)에 대한 의미 데이텀 및 주차 공간(X₃)에 대한 의미 데이텀을 포함하는 의미 데이터를 생성하는 것으로 예시되어 있다. 더 구체적으로는, "LIGHT A"는 "비어 있는" 상황이 정확한 99% 확률(예컨대, P (X₁) = .99)을 지니는 주차 공간(X1)이 "비어 있는" 점유 상태 및 "비어 있는" 상황이 정확한 75% 확률(예컨대, P (X₂) = .75)을 지니는 주차 공간(X₂)의 형태로 의미 데이텀을 캡처한다. 상대적으로 낮은 주차 공간(X₂)에 대한 확률은 "LIGHT A"에 의해 감지된 바와 같은 주차 공간(X₂)의 제한된 시야에 기인한 것일 수 있다. 더욱이, "LIGHT B"는 25% 확률을 지니는 주차 공간(X₂)이 "비어 있는" 점유 상태의 형태를 이루고 있는 의미 데이텀 및 99% 확률을 지니는 주차 공간(X₃)이 "비어 있는" 점유 상태의 의미 데이텀을 캡처하는데, 이 경우에 주차 공간(X₂)에 대한 낮은 백분율은 또 제한된 시야에 기인한 것이다. 다시 말하면, 도 1에는 위치에 의존하여 변하는 확률을 포함하는 의미 데이터가 예시되어 있다.

도 2에는 한 실시 예에 따른 센서 네트워크들에서의 확률론적 의미 감지 시스템(103)이 예시되어 있다. 상기 시스템(103)은 시스템(101)과 유사한 방식으로 동작한다. 상기 시스템(103)은 어떠한 방식으로 실-세계 방해물들(예컨대, 나무, 다른 차량 등등)이 상기 의미 데이터의 확률을 제한하는지를 보여주도록 예시되어 있다. 특히, "LIGHT A"는 10% 확률을 가지고 비어 있는 것으로 주차 공간(X₂)을 나타낸 의미 데이텀을 캡처하는 것으로서 예시되어 있으며 "LIGHT B"는 10% 확률을 가지고 비어 있는 것으로 주차 공간(X₃)을 나타낸 의미 데이텀을 캡처하는 것으로서 예시되어 있다. 주차 공간(X₂)에 대한 축소된 신뢰도는 "LIGHT A"에 있는 센서들이 주차 공간(X₂)을 충분히 감지하는 것을 방해하는 나무에 기인한 것이고 주차 공간(X₃)에 대한 축소된 신뢰도는 "LIGHT B"에 있는 센서들이 주차 공간(X₃)을 충분히 감지하는 것을 방해하는 트럭에 기인한 것이다. 다시 말하면, 도 2에는 장애물들에 의존하여 변하는 확률들을 포함하는 의미 데이터가 예시되어 있다.

원시 센서 데이터로부터 의미 데이터를 결정하는 프로세스와 관련하여, 본 개시내용은 (i) 각각의 의미 데이텀을 각각의 의미 데이텀의 확률과 결부시키고, (ii) r각각의 의미 데이텀을 상기 센서의 위치의 공간적 및 시간적 좌표들과 결부시키며, 그리고 (iii) 각각의 의미 데이텀을 상기 센서로부터 원격으로 검출되는 이벤트의 공간적 및 시간적 좌표들과 결부시키는, 유일한 예외들과는 다른 그러한 프로세스의 임의의 세부들을 주장한 것이 아니다.

의미 데이터를 생성하도록 분석될 수 있는 원시 센서 데이터의 형태들은 환경 센서 데이터, 가스 데이터, 가속도계 데이터, 미립자 데이터, 전력 데이터, RF 신호 들, 주변 광 데이터, 움직임 검출 데이터, 정지 이미지들, 비디오 데이터, 오디오 데이터 등등을 포함하지만 이들에 국한되지 않는다. 몇몇 실시 예들에 의하면, LSN에서의 여러 센서 노드는 원시 센서 데이터의 처리를 채용하여 확률론적 의미 데이터를 생성할 수 있다. 상기 확률론적 의미 데이터는 상기 네트워크를 이루고 있는 노드 상에 국부적으로 이루어지는 대규모 데이터세트들의 컴퓨터 비전(비디오 분석) 처리 또는 다른 분석을 통한 사람, 차량, 또는 다른 객체들의 검출을 포함하는 이벤트들을 표현할 수 있다.

도 3은 한 실시 예에 따른 센서 네트워크에서의 확률론적 의미 감지 시스템(107)을 예시하는 블록도이다. 상기 시스템(107)은 2개 이상의 감지 노드들(109), 집성 노드(125), 및 하나 이상의 확률론적 애플리케이션(117)을 포함할 수 있다. 상기 감지 노드들(109)(예컨대, 머신) 각각은 감지 엔진(111)을 포함할 수 있다. 대체로, 상기 감지 노드들(109) 각각은 원시 센서 데이터로서 감지 엔진(111)에 전달되는 원시 센서 데이터를 감지하기 위한 하나 이상의 센서들(30)을 포함하며, 상기 감지 엔진(111)은 차례로 상기 원시 센서 데이터를 처리하여 의미 데이터(121)를 생성한다. 상기 의미 데이터(121)는 상기 의미 데이터(121)를 분류하는 분류자들을 각각 포함하는 감지 이벤트들의 형태로 감지 이벤트 정보(123)를 포함할 수 있다. 상기 분류자들은 2진 상태로 표현되는 개별 이벤트로서 상기 원시 센서 데이터의 의미를 나타내는 의미 데이텀(도시되지 않음)을 포함할 수 있다. 예를 들면, 상기 2진 상태는 주차 공간(예컨대, 점유된 주차 공간, 비어 있는 주차 공간), 사람(예컨대, 현존하는 사람, 현존하지 않은 사람), 차량(현존하는 차량, 현존하지 않은 차량)에 대한 것일 수 있다. 추가의 분류자들은 이하에서 검토되겠지만 상기 의미 데이텀과 결부될 수 있다.

상기 의미 노드들(109)은 상기 의미 데이터(121)를 집성 노드(125)에 전달할 수 있다. 상기 집성 노드(125)는 상관 엔진(113) 및 확률 엔진(115)을 포함할 수 있다. 다른 실시 예들은 다수의 집성 노드(125)를 포함할 수 있다. 동일한 기본적인 현상(예컨대, 주차 공간 #123)을 감지하는 감지 노드들(109)은 동일한 기본적인 현상을 표현하는 의미 데이터(121)(감지 이벤트들)를 동일한 집성 노드(125)에 전달할 수 있다. 따라서, 일부 감지 노드들(109)은 상기 감지 노드들(109)에 의해 감지되어 전달되는 기본적인 현상을 기반으로 하여 2개 이상의 집성 노드들(125)과 통신할 수 있다. 상기 집성 노드(125)가 선호적으로는 클라우드에서 구현될 수 있다. 다른 실시 예들에서는 감지 노드(109), 또는 다른 한 머신, 또는 이와 유사한 것들의 임의 조합상에서 상기 상관 엔진(113) 및 상기 확률 엔진(115)을 구현할 수 있다.

상기 상관 엔진(113)은 감지 이벤트들의 형태로 네트워크(예컨대, LAN, WAN, 인터넷 등등)을 통해 감지 이벤트 정보(123)를 수신하고 상기 감지 이벤트들 각각에 내재하는 분류자들을 기반으로 하여 상기 의미 데이터(121)를 상관/집성하여 상기 의미 데이터(127)의 집성체들을 생성한다. 상기 의미 데이터(121)의 집성체들은 논리적으로 그룹화될 수 있다. 일부 실시 예들에 의하면, 상기 상관 엔진(113)은 상기 의미 데이터(121)를 상관 및 집성시켜 집성된 의미 데이터(127)를, 상기 센서 네트워크를 이루고 있는 하나 이상의 감지 노드들(109)로부터 수신되는 2개 이상의 의미 데이터(121)의 관련성을 표현하는 추상 그래프(abstract graph)들을 구성하도록, 이루게 할 수 있다. 상기 상관 엔진(113)은 의미 데이터(121)의 유사도(similarity)를 기반으로 하거나 또는 감지 이벤트에 내재하는 다른 분류자들을 기반으로 하여 상기 추상 그래프들을 구성할 수 있다. 상기 상관 엔진(113)은 각각의 의미 데이텀과 결부된 공간적 및 시간적 좌표들을 포함하는 분류자들 간의 관계를 기반으로 하여 상기 추상 그래프들을 추가로 구성할 수 있다. 단지 예를 들어, 상기 상관 엔진(113)은 주차장의 특정 주차 공간(예컨대, 점유되어 있는 주차 공간, 점유되어 있지 않은 주차 공간)의 어셔션(assertion) 및 상기 어셔션의 신뢰도에 대한 확률을 각각 포함하는 일정 기간 동안 상기 감지 노드들(109)로부터 수신된 감지 이벤트들 모두를 상관하여 집성할 수 있다. 더욱이 예를 들어, 상기 상관 엔진(113)은 주차장의 특정 위치에서의 사람(예컨대, 현존하는 사람, 현존하지 않은 사람)의 존재 및 그러한 어셔션의 신뢰도에 대한 확률을 각각 나타내는 일정 기간 동안 상기 감지 노드들(109)로부터 수신된 감지 이벤트들 모두를 상관하여 집성할 수 있다. 상기 상관 엔진(113)은 상기 분류자들(141)의 정확한 매칭(도 4a 참조), 상기 분류자들(141)의 퍼지 매칭, 또는 양자 모두의 조합을 이용하여 상기 추상 그래프들을 구성할 수 있다. 일부 실시 예들에 의하면, 상기 상관 엔진(113)은 센서들(30)의 위치들 및/또는 상기 의미 데이텀의 위치들(예컨대, 비어 있거나 점유된 것으로 어셔션되어 있는 주차 공간의 위치) 간의 수학적 관계들을 기반으로 하여 상기 의미 데이터(121)를 상관 및 집성하여 집성된 의미 데이터(127)를 이루게 할 수 있다. 예를 들면, 상기 상관 엔진(113)은 공간적 및 시간적 좌표들로 표기되는 바와 같은 센서들(30)의 위치들, 및/또는 공간적 및 시간적 좌표들로 표기되는 바와 같은 의미 데이텀의 위치들(예컨대, 매치, 근사 매치 등등) 간의 수학적 관계들을 식별할 수 있다.

상기 상관 엔진(113)은 상기 집성된 의미 데이터(127)를 상기 확률 엔진(115)에 전송할 수 있고 상기 확률 엔진(115)은 차례로 상기 집성된 의미 데이터(127)를 처리하여 도출 이벤트 정보(129)를 도출 이벤트들의 형태로 생성한다. 당업자라면 이해하겠지만, 센서 네트워크는 도출 이벤트 정보(129)를 동일한 센서 프로세싱 인터페이스(131)에 전달하는 다수의 집성 노드(125)를 포함할 수 있다. 상기 확률 엔진(115)은 상기 집성된 의미 데이터(127)를, 외부 데이터 입력들과 함께 각각의 감지 이벤트에 내재해 있는 각각의 의미 데이텀의 개별 확률의 관계들을 사용하여 파생 확률로 도출 이벤트를 계산하도록, 처리한다. 일부 실시 예들에 의하면, 상기 외부 데이터 입력들은 이하에서 부연하여 기재되겠지만, 사용자의 원하는 정확도와 관련된 입력들, 애플리케이션 입력들, 또는 다른 사용자-정의된 원하는 매개변수들을 포함할 수 있다. 상기 확률 엔진(115)은 의미 데이터(127)의 단일 집성체를 처리하여 단일 도출 이벤트를 생성한다. 따라서, 상기 확률 엔진(115)은 데이터량을 지능적으로 감축시킬 수 있고, 이러한 데이터량이 차례로 추가 분석을 위해 전달된다. 단지 예를 들어, 의미 데이터(127)의 단일 집성체를 이루고 있는 데이터량은 상기 확률 엔진(115)에 의해 단일 도출 이벤트로 감축된다. 더욱이, 상기 확률 엔진(115)은 의미 데이터(127)의 집성체를 이루고 있는 확률들을 지능적으로 줄여서 단일 파생 확률을 포함하는 단일 도출 이벤트를 생성할 수 있다. 상기 확률 엔진(115)은 문턱값들(137) 및 가중치들(139)을 기반으로 하여 도출 이벤트 정보(129)를 부가적으로 생성할 수 있다. 상기 확률 엔진(115)은 각각의 의미 데이텀과 결부된 문턱값들(137)을 사용하여 도출 이벤트의 특성을 결정할 수 있다. 상기 문턱값(137)의 초기 결정은 휴리스틱(heuristic) 방식으로 정의될 수도 있고 다른 어떤 최상이 아닌 프로세스에 의해 생성될 수도 있다. 상기 확률 엔진(115)은 상기 확률 엔진(115) 내부로 그리고 상기 확률 엔진(115) 외부로의 상기 문턱값들(137)의 이동을 예시하는 화살표들에 의해 나타나 있는 바와 같은 의미 데이터(121)의 확률의 지속적인 분석을 기반으로 하여 상기 문턱값들(137)을 변경할 수 있다. 상기 확률 엔진(115)은 상기 확률 엔진(115) 내부로 그리고 상기 확률 엔진(115) 외부로의 가중치들(139)의 이동을 예시하는 화살표들에 의해 나타나 있는 바와 같은 의미 데이터(121)의 확률의 지속적인 분석을 기반으로 하여 가중치들의 할당을 변경할 수 있다. 상기 확률 엔진(115)은 상대적으로 높은 확률들 또는 확신도들을 가지고 상대적으로 높은 가중치들(139)을 상기 의미 데이터(121)에 할당할 수 있다. 상기 확률 엔진(115)은 휴리스틱 방식으로 정의되거나 다른 어떤 최상이 아닌 프로세스에 의해 생성되는 초기 가중치를 수신할 수 있다. 상기 확률 엔진(115)은 확률 과정에서 상기 확률 엔진(115) 내부로 그리고 상기 확률 엔진(115) 외부로의 상기 문턱값들(137)의 이동을 예시하는 화살표들에 의해 나타나 있는 바와 같은 의미 데이터(121)의 확률의 지속적인 분석을 기반으로 하여 가중치들의 할당을 변경할 수 있다. 일부 실시 예들에 의하면, 상기 확률 엔진(115)은 추가적인 프로세싱을 위해 파생 확률을 이용할 수도 있고 도출 이벤트를 이루고 있는 파생 확률을 센서 프로세싱 인터페이스(131)(예컨대, 애플리케이션 프로세싱 인터페이스)로 전달할 수도 있다. 상기 센서 프로세싱 인터페이스(131)는 하나 이상의 확률론적 애플리케이션들(117)(예컨대, "APPLICATION W", "APPLICATION X", "APPLICATION Y", "APPLICATION X")에 의해 판독될 수 있으며, 상기 하나 이상의 확률론적 애플리케이션들(117)은 차례로 도출 이벤트를 프로세싱하여 상기 하나 이상의 애플리케이션들로 하여금 서비스들을 수행할 수 있게 한다.

도 4a는 한 실시 예에 따른 감지 이벤트 정보(123)를 예시하는 블록도이다. 상기 감지 이벤트 정보(123)는 감지 노드(109)에 의해 생성되고 집성 노드(125)에 전달되는 감지 이벤트로서 구체화될 수 있으며 상기 집성 노드(109)에서는 상기 감지 이벤트 정보(123)가 상관 엔진(113)에 의해 수신된다. 상기 감지 이벤트는 의미 데이터(121)를 특징화하는데 사용되는 분류자들(141)을 포함할 수 있다. 분류자들(141)은 의미 데이텀, 애플리케이션 식별자(들), 확률, 센서(30)의 위치, 상기 의미 데이텀의 위치 등등을 포함할 수 있다. 상기 의미 데이텀 분류자는 감지 노드(109) 측 센서(30)에 의해 감지되는 개별 이벤트를 기술(description)하고 앞서 설명한 바와 같이 2진 상태(예컨대, 점유되어 있는 주차 공간 또는 점유되어 있지 않은 주차 공간)로 표현되는 의미 데이텀을 포함할 수 있다. 상기 애플리케이션 식별 분류자는 상기 애플리케이션 식별자를 포함하는 감지 이벤트를 기반으로 하여 생성된 도출 이벤트 정보(129)를 수신하는 하나 이상의 확률 애플리케이션들(117)을 식별할 수 있다. 상기 확률 분류자는 상기 결부된 의미 데이터에서 어세션된 바와 같은 감지 이벤트의 확신도 또는 신뢰성을 기술한다. 예를 들면, 감지 이벤트는 주차 공간이 실제로 비어 있다는 신뢰도가 99%임을 나타내는 99% 확률을 가지고 주차 공간이 비어 있다는 의미 데이텀을 포함할 수 있다. 상기 센서 분류자의 위치는 상기 결부된 의미 데이터를 감지한 센서(30)의 위치를 기술한다. 상기 센서 분류자의 위치는 상기 결부된 의미 데이텀을 감지한 센서(30)의 공간적 좌표들로서 그리고 상기 결부된 의미 데이텀이 상기 센서(30)에 의해 감지된 일자 및 시간을 나타내는 시간적 좌표들로서 구체화될 수 있다. 상기 의미 데이텀 분류자의 위치는 상기 결부된 의미 데이텀의 위치를 기술한다. 상기 의미 데이텀 분류자의 위치는 상기 결부된 의미 데이텀의 공간적 좌표들 및 상기 결부된 의미 데이텀이 센서(30)에 의해 감지된 일자 및 시간을 나타내는 시간적 좌표들로서 구체화될 수 있다.

도 4b는 한 실시 예에 따른 도출 이벤트 정보(129)를 예시하는 블록도이다. 상기 도출 이벤트 정보(129)는 확률 엔진(115)에 의해 생성되어 센서 프로세싱 인터페이스(131)에 전달되는 도출 이벤트로서 구체화될 수 있다. 상기 도출 이벤트는 상기 도출 이벤트 정보(129)를 특징화하는 데 사용되는 분류자들(143)을 포함할 수 있다. 상기 도출 이벤트에 내재하는 분류자들(143)의 의미는 앞서 설명한 바와 같이 감지 이벤트에 내재하는 분류자들(141)의 의미에 상응한다. 상기 의미 데이텀 분류자는 감지 노드들(109)에 각각 위치한 하나 이상의 센서들에 의해 감지되는 개별 이벤트를 기술하며 앞서 설명한 바와 같이 2진 상태(예컨대, 점유되어 있는 주차 공간 또는 점유되어 있지 않은 주차 공간)로 표현되는 기술자를 포함할 수 있다. 어떤 경우에는, 2개 이상의 센서들(30)이 동일한 감지 노드(109)에 위치할 수 있다. 상기 애플리케이션 식별 분류자는 상기 도출 이벤트 정보(129)를 수신하는 하나 이상의 확률 애플리케이션들(117)을 식별할 수 있다. 상기 도출 이벤트에 내재하는 확률 식별자는 상기 결부된 의미 데이텀에서 어세션되는 바와 같은 도출 이벤트의 확신도 또는 신뢰성을 기술한다. 상기 확률 분류자(143)는 상기 확률 엔진(115)에 의해 결정되는 바와 같은, 2개 이상의 감지 이벤트들을 기반으로 하여 이루어지는 확률을 포함할 수 있다. 예를 들면, 도출 이벤트는 2개 이상의 감지 이벤트들을 기반으로 하여 이루어지는 확률을 99%로 하여 주차 공간이 비어 있다는 의미 데이텀을 포함할 수 있다. 상기 센서 분류자의 위치는 상기 결부된 의미 데이텀을 감지한 하나 이상의 센서들(30)의 위치를 기술한다. 상기 센서 분류자의 위치는 상기 결부된 의미 데이텀을 감지한 하나 이상의 센서들(30)의 공간적 좌표들로서 그리고 상기 결부된 의미 데이텀이 상기 하나 이상의 상응하는 센서(30)에 의해 감지된 일자(들) 및 시간(들)을 나타내는 상응하는 시간적 좌표들로서 구체화될 수 있다. 상기 의미 데이텀 식별자의 위치는 상기 결부된 의미 데이텀의 위치를 기술한다. 상기 의미 데이텀 분류자의 위치는 상기 결부된 의미 데이텀의 공간적 좌표들로서 그리고 상기 결부된 의미 데이텀이 상기 상응하는 하나 이상의 센서들(30)에 의해 감지된 일자(들) 및 시간(들)을 나타내는 시간적 좌표들로서 구체화될 수 있다.

도 5는 한 실시 예에 따른 사용자 입력 정보(135)를 예시하는 블록도이다. 상기 사용자 입력 정보(135)는 상기 확률 엔진(115)에 의해 수신되고 상기 확률 엔진(115)에 의해 이용되어 상기 도출 이벤트 정보(129)를 생성하게 되는 매개변수들 또는 컨피규레이션 값들을 포함할 수 있다. 상기 사용자 입력 정보(135)는 원하는 정확도 정보, 애플리케이션 입력 정보, 및 사용자 선호도 정보를 포함할 수 있다. 상기 원하는 정확도 정보는 도출 이벤트가 상기 확률 엔진(115)에 의해 생성되기 전에 필요한 원시 센서 데이터의 최소 레벨을 식별하도록 수신될 수 있다. 상기 애플리케이션 입력 정보는 특정 확률 애플리케이션들(117)에 대해 이용되는 레벨들을 컨피규레이션하도록 수신될 수 있다. 예를 들면, 주차용 확률론적 애플리케이션(117)은 주차 공간이 비어 있는지의 여부를 결정하기 위해 구성 가능한 레벨을 이용할 수 있다. 낮음(예컨대, 0)으로 레벨을 구성하는 것은 강제로 상기 확률 엔진이 결정을 내리기 위해 이용 가능한 집성된 의미 데이터(127)의 양에도 불구하고 주차 공간이 비어 있는지를 결정하게 할 수 있다. 상대적으로 높음(예컨대, 1-X 이 경우에 X > 0)으로 레벨을 구성하는 것은 상기 확률 엔진(115)이 상기 구성된 레벨보다 낮은 집성된 의미 데이터(127)의 양에 대해 정보가 충분하지 않음과 상기 구성된 레벨보다 높거나 같은 집성된 의미 데이터(127)의 양에 대해 비어 있음(또는 비어 있지 않음)을 보고할 수 있게 해준다. 예를 들면 (예컨대, 감지 이벤트를) 보고하는 것은 주차 공간이 "비어 있음"(또는 비어 있지 않음)을 나타내는 의미 데이텀 또는 "정보의 불충분함"을 나타내는 의미 데이텀을 포함할 수 있다.

도 6은 한 실시 예에 따른 센서 네트워크들에서의 확률론적 의미 감지 방법(147)을 예시하는 블록도이다. 상기 방법(147)은 원시 센서 데이터를 수신하는 광센서 네트워크를 가지고 동작 151에서 개시할 수 있다. 예를 들면, 상기 광센서 네트워크는 주차장을 조명하는 2개의 조명등(light)을 각각 포함하는 2개의 전주(light pole)의 상부에 각각 배치되어 있는 2개의 감지 노드(109)를 포함할 수 있다. 상기 조명등들은 "LIGHT A" 및 "LIGHT B"로 식별될 수 있다. 상기 감지 노드들(109)은 원시 센서 데이터를 수신하는 센서들(30) 및 상기 원시 센서 데이터를 프로세싱하는 감지 엔진(111)을 각각 포함할 수 있다. 상기 원시 센서 데이터는 주차장에서 다수의 주차 모드의 점유 상태를 나타낸다. 어떤 경우에는, 상기 센서 노드들(19) 각각에 모인 원시 센서 데이터는 동일한 주차 공간을 나타낸다.

동작 153에서, 상기 감지 엔진(111)은 상기 원시 센서 데이터를 기반으로 하여 의미 데이터(121)를 생성한다. 예를 들면, 상기 감지 노드들(109) 각각의 감지 엔진(111)은 상기 원시 감지 데이터를 처리하여 의미 데이터(121)를 2개의 감지 이벤트의 형태를 이루고 있는 감지 이벤트 정보의 형태로 의미 데이터(121)를 생성할 수 있다. "LIGHT A" 측 감지 엔진(111)은 주차 공간이 비어 있음을 어세션하는 의미 데이텀, 주차 공간 애플리케이션을 식별하는 애플리케이션 식별자, 상기 어세션된 의미 데이텀이 참(TRUE)이다(예컨대, 상기 주차 공간이 실제로 비어 있다)라는 95% 확률, 상기 어세션된 의미 데이텀을 감지한 "LIGHT A" 측 센서(30)의 위치를 식별하는 좌표들(예컨대, 위도, 경도/전지구 위치파악 시스템(global position system; GPS) 좌표들 등등), 및 상기 어세션된 의미 데이텀의 위치를 식별하는 좌표들(예컨대, 주차 공간의 위치를 식별하는 위도, 경도/GPS 좌표들 등등)의 형태로 분류자들을 포함하는 제1 감지 이벤트를 생성할 수 있다. 상기 센서(30)의 위치 좌표들과 부가적으로 결부되어 있는 것은 상기 센서(30)가 상기 의미 데이텀을 획득하도록 동작한 일자 및 시간을 특정하는 분류자이다. 상기 의미 데이텀의 위치 좌표들과 부가적으로 결부되어 있는 것은 상기 의미 데이터가 상기 센서(30)에 의해 감지된 일자 및 시간을 특정하는 분류자이다.

"LIGHT B" 측 감지 엔진(111)은 동일한 의미 데이텀(예컨대, 주차 공간이 비어 있음)을 어세션하는 의미 데이텀, 주차 공간 애플리케이션을 식별하는 애플리케이션 식별자, 상기 어세션된 의미 데이텀이 참(TRUE)이다(예컨대, 주차 공간이 실제로 비어 있다)라는 85% 확률, 상기 어세션된 의미 데이텀을 감지한 "LIGHT B" 측 센서(30)의 위치를 식별하는 좌표들(예컨대, 위도, 경도/GPS 좌표들 등등), 및 상기 어세션된 의미 데이텀의 위치를 식별하는 좌표들(예컨대, 주차장의 위치를 식별하는 위도, 경도/GPS 좌표들 등등)의 형태로 분류자들(141)을 포함하는 제2 감지 이벤트를 생성한다. 상기 센서(30)의 위치 좌표들과 부가적으로 결부되어 있는 것은 상기 센서(30)가 상기 의미 데이텀을 획득하도록 동작한 일자 및 시간을 특정하는 분류자(141)이다. 상기 의미 데이텀의 위치 좌표들과 부가적으로 결부되어 있는 것은 상기 의미 데이텀이 상기 센서(30)에 의해 감지된 일자 및 시간을 특정하는 분류자(141)이다.

마지막으로, "LIGHT A" 측 감지 엔진(111)은 네트워크(예컨대, LAN, WAN, 인터넷 등등)를 통해 "LIGHT A"에서 생성된 위에서 설명한 제1 감지 이벤트를 집성 노드(125)에 전달하고 이 경우에는 상기 제1 감지 이벤트가 상관 엔진(113)에 의해 수신된다. 마찬가지로, "LIGHT B" 측 감지 엔진(111)은 네트워크(예컨대, LAN, WAN, 인터넷 등등)를 통해 "LIGHT B" 측에서 생성된 위에서 설명한 제2 감지 이벤트를 동일한 집성 노드(125)에 전달하고 이 경우에는 상기 제2 감지 이벤트가 상기 상관 엔진(113)에 의해 수신된다. 당업자라면 이해하겠지만, 다른 실시 예들에서는 동일한 주차 공간을 감지하는데 이용되는 추가적인 감지 노드들(109)을 포함할 수 있다. 다른 한 실시 예에 의하면, 상기 상관 엔진(113)을 포함하는 집성 노드(125)는 클라우드에 위치할 수 있다. 다른 한 실시 예에 의하면, 상기 상관 엔진(113)은 감지 노드(190) 측에 위치할 수 있다.

동작 157에서는, 상기 상관 엔진(113)이 상기 의미 데이터(121)에 내재하는 분류자들(141)을 기반으로 하여 상기 의미 데이터(121)를 상관시켜 상기 의미 데이터(121)의 집성체들을 생성할 수 있다. 상기 상관 엔진(113)은 다수의 감지 노드(109)로부터 감지 이벤트들을 실시간으로 계속해서 수신할 수 있다. 상기 상관 엔진(113)은 감지 이벤트들에 내재하는 분류자들(141)을 기반으로 하여 상기 감지 이벤트들을 상관시켜 의미 데이터(127)의 집성체들을 생성할 수 있다. 본 예에서는, 상기 상관 엔진(113)이 상기 제1 감지 이벤트 및 상기 제2 감지 이벤트를 수신하고 이용 가능한 분류자들의 그룹으로부터의 하나 이상의 분류자들(141)의 선택을 기반으로 하여 상기 2개의 이벤트를 서로 상관시킨다. 예를 들면, 상기 하나 이상의 분류자들(141)은 의미 데이텀(예컨대, 주차 공간이 비어 있음) 및/또는 어세션되는 의미 데이텀의 위치를 식별하는 애플리케이션 식별자(들) 및/또는 좌표들을 포함할 수 있다. 예를 들면, 상기 상관 엔진(113)은 매칭 의미 데이텀(예컨대, 주차 공간이 비어 있음) 및/또는 매칭 애플리케이션 식별자(예컨대, 주차 공간 애플리케이션을 식별함) 및/또는 상기 어세션된 의미 데이텀의 위치를 식별하는 매칭 좌표들(예컨대, 주차 공간의 위치를 식별하는 위도, 경도/GPS 좌표들 등등)을 기반으로 하여 상기 제1 감지 이벤트 및 상기 제2 감지 이벤트를 서로 상관시켜 집성할 수 있다. 다른 분류자들(141)은 집성된 의미 데이터(127)(예컨대, 감지 이벤트들의 집성체들)의 상관 및 생성을 위해 이용 가능한 분류자들의 그룹으로부터 선택될 수 있다. 마지막으로, 동작 157에서, 상기 상관 엔진(113)은 상기 집성된 의미 데이터(127)를 상기 확률 엔진(115)에 전달한다. 한 실시 예에 의하면, 상기 상관 엔진(113) 및 상기 확률 엔진(115)은 클라우드의 집성 노드(125)에서 실행한다. 다른 한 실시 예에서는, 상기 상관 엔진(113) 및 상기 확률 엔진(115)이 서로 다른 컴퓨팅 플랫폼들 상에서 실행하고 상기 상관 엔진(113)은 네트워크(예컨대, LAN, WAN, 인터넷 등등)를 통해 상기 집성된 의미 데이터(127)를 상기 확률 엔진(115)에 전달한다.

동작 159에서는, 상기 확률 엔진(115)이 의미 데이터(127)의 집성체들 각각을 분석하여 도출 이벤트 정보(129)(예컨대, 도출 이벤트들)를 생성할 수 있다. 예를 들면, 상기 확률 엔진(115)은 상기 제1 감지 이벤트 및 상기 제2 감지 이벤트를 포함하는 의미 데이터(127)의 집성체를 분석하여 제1 도출 이벤트의 형태로 도출 이벤트 정보(129)를 생성할 수 있다. 상기 제1 도출 이벤트는 상기 제1 감지 이벤트에 포함되어 있는 의미 데이터 분류자들(141)의 확률(예컨대, 주차 공간이 비어 있다라는 85% 확률) 및 상기 제2 감지 이벤트에 포함되어 있는 의미 데이텀 분류자(141)의 확률(예컨대, 주차 공간이 비어 있다라는 95% 확률)을 포함하는 의미 데이터(127)의 집성체를 기반으로 하여 상기 확률 엔진(115)에 의해 생성되는 의미 데이텀 분류자(143)의 확률(예컨대, 주차장이 비어 있다라는 90% 확률)을 포함할 수 있다. 예를 들면, 상기 확률 엔진(115)은 상기 제1 감지 이벤트 및 상기 제2 감지 이벤트로부터의 2개의 의미 데이터(141)의 확률들(예컨대, 85% 및 95%)의 평균을 계산하여 상기 제1 도출 이벤트에 대하여 의미 데이텀의 (단일) 확률(예컨대, 90%)을 생성할 수 있다. 다른 예들에는 상기 제1 도출 이벤트에 대하여 의미 데이텀의 (단일) 확률(90%)을 생성하도록 추가 감지 이벤트들에 포함된 바와 같은 의미 데이텀 분류자들(141)의 추가 확률들이 포함될 수 있다. 상기 확률 엔진(115)은 위에서 설명한 바와 같이 사용자 입력 정보(135), 문턱값들(137), 및 가중치들(139)을 이용하여 상기 도출 이벤트를 생성할 수 있다.

동작 161에서는, 상기 확률 엔진(115)이 적어도 하나의 확률론적 애플리케이션(117)을 작동시키도록 상기 도출 이벤트 정보(129)를 상기 센서 프로세싱 인터페이스(131)에 전달할 수 있다. 예를 들면, 상기 확률론적 애플리케이션들(117)은 상기 센서 프로세싱 인터페이스(131)로부터의 도출 이벤트 정보(129)(예컨대, 도출 이벤트들)를 판독하고 상기 도출 이벤트들에 내재하는 분류자들(143)을 이용하여 서비스들을 수행하고 보고들을 생성할 수 있다. 상기 서비스들은 본원 명세서의 이하 부분에서 더 상세하게 설명되겠지만 상기 센서네트워크 내부에서 또는 상기 센서 네트워크 외부에서 기기들을 제어하고 보고들을 생성하는 것을 포함할 수 있다. 예를 들면, 상기 확률 엔진(115)은 네트워크(예컨대, LAN, WAN, 인터넷 등등)를 통해 상기 제1 도출 이벤트의 형태를 이루고 있는 도출 이벤트 정보(129)를 상기 감지 프로세싱 인터페이스(131)에 전달할 수 있고, 상기 도출 이벤트 정보(129)는 차례로 상기 제1 도출 이벤트를 이용하여 서비스를 수행하거나 보고를 생성하는 하나 이상의 확률론적 애플리케이션들(117)(예컨대, APPLICATION X)에 의해 판독된다. 한 실시 예에서는, 상기 확률 엔진(115) 및 상기 센서 프로세싱 인터페이스(131)는 동일한 컴퓨팅 플랫폼상에 존재할 수 있다. 다른 한 실시 예에서는, 상기 확률 엔진(115) 및 상기 센서 프로세싱 인터페이스(131)가 서로 다른 컴퓨팅 플랫폼들 상에 존재할 수 있다.

일부 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 적용은 조명 기능들의 관리 또는 모니터링을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 사람, 차량, 다른 실체들의 현존 이벤트들, 및 이와 결부된 조명 변화를 포함하는 분류자들(143)을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 또한 (전주, 벽, 또는 다른 설치물 하부 또는 전주, 벽, 또는 다른 설치물 주변을 포함하는) 조명 네트워크의 노드의 주변 영역 하부에서의 활동의 결정 또는 (전주, 벽, 또는 다른 설치물 하부 또는 전주, 벽, 또는 다른 설치물 주변을 포함하는) 조명 네트워크의 노드의 주변 영역에서의 활동의 결정을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 또한 조명 기반구조와 결부되어 있는 부당변경(tampering) 또는 도난의 검출을 포함할 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부되는 확률들은 센서들(30)의 위치, 실-세계 방해물들에 기인하는 센서 시야(視野)의 방해, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다.

일부 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 확률론적 애플리케이션(117)은 주차 위치 및 점유 검출, 모니터링, 및 보고를 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 사람, 자동차, 및 다른 차량의 현존 및 움직임 이벤트들을 포함하는 분류자들(141) 및/또는 분류자들(143)을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 또한 제품, 모델, 타입, 및 다른 미적 특징을 포함하는 자동차 또는 차량의 매개변수들을 기반으로 하여 사람, 자동차, 다른 차량에 관한 분류자들(143)을 사용할 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부된 확률들은 센서들(30)의 위치, 주차 공간들의 시야에서의 다른 차량의 위치 또는 다른 객체의 위치를 포함하는 실-세계 방해물들에 기인하는 센서 시야의 방해물, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다.

일부 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 확률론적 애플리케이션(117)은 감시 및 보고를 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 사람 또는 객체들의 검출 또는 사람 또는 객체의 움직임을 포함하는 분류자들(141) 및/또는 분류자들(143)을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)의 목적은 지역의 공공 안전 또는 보안을 증가시키는 것일 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부된 확률들은 센서들(30)의 위치, 실-세계 방해물들에 기인하는 센서 시야의 방해물, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다.

일부 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 확률론적 애플리케이션(117)은 트래픽 모니터링 및 보고를 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 사람, 자동차, 및 다른 차량의 현존 및 움직임을 포함하는 분류자들(141) 및/또는 분류자들(143)을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 또한 제품, 모델, 타입, 및 다른 미적 특징을 포함하는, 자동차의 매개변수들을 기반으로 하여 사람, 자동차, 및 다른 차량을 분류할 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부된 확률들은 센서들(30)의 위치, 실-세계 방해물들에 기인하는 센서 시야의 방해물, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다.

몇몇 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 확률론적 애플리케이션(117)은 소매 고객 모니터링 및 보고를 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 소매상인들에게 유용할 수 있는 방식으로 사람, 자동차 및 다른 차량의 현존 및 움직임을 포함하는 분류자들(141) 및/또는 분류자들(143)을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 또한 소매점의 사용에 관한 트렌드들의 결정을 포함할 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부된 확률들은 센서들(30)의 위치, 실-세계 방해물들에 기인하는 센서 시야의 방해물, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다.

일부 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 확률론적 애플리케이션(117)은 비즈니스 인텔리전스 모니터링을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 판매시점정보관리시스템(points of sale; PoS) 및 다른 요지(要地)에서의 활동을 포함하는, 운영 목적, 시설 목적, 또는 비즈니스 목적을 위한 비즈니스에 의해 사용되는 시스템들의 상황을 포함하는 분류자들(141) 및/또는 분류자들(143)을 포함한다. 이러한 타입의 확률론적 애플리케이션(117)은 또한 비즈니스 인텔리전스에 관한 트렌드들의 결정을 포함할 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부된 확률들은 센서들(30)의 위치, 실-세계 방해물들에 기인하는 센서 시야의 방해물, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다.

일부 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 확률론적 애플리케이션(117)은 자산 모니터링을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 차량, 공급 주식, 귀중품, 산업 장비 등등과 같은 고가 또는 이와는 다른 전략적 자산의 모니터링을 포함하는 분류자들(141) 및/또는 분류자들(143)을 포함할 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부된 확률들은 센서들(30)의 위치, 실-세계 방해물들에 기인하는 센서 시야의 방해물, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다.

일부 실시 예들에 의하면, 의미 데이터(121) 및 도출 이벤트 정보(129)의 확률론적 애플리케이션(117)은 환경 모니터링을 포함할 수 있다. 이러한 타입의 확률론적 애플리케이션(117)은 바람, 온도, 압력, 가스 농도, 대기 분진 농도, 또는 다른 환경 매개변수의 모니터링에 관련된 것들을 포함하는 분류자들(141) 및/또는 분류자들(143)을 포함할 수 있다. 각각의 경우에, 각각의 의미 데이텀과 결부된 확률들은 센서들(30)의 위치, 실-세계 방해물들에 기인하는 센서 시야의 방해물, 점등 조명의 한정들, 네트워크 대역폭의 가용성, 또는 계산 능력의 가용성에 의해 제한될 수 있다. 일부 실시 예들에서는, 환경 모니터링이 지진 감지를 포함할 수 있다.

조명 기반구조 애플리케이션 프레임워크

본 개시내용은 부가적으로 외부 또는 내부 공간들의 조명을 벗어난 센서들(30)의 네트워크, 플랫폼들, 제어기들 및 소프트웨어 작동 기능을 위한 기반으로서의 거리 또는 다른 조명 시스템들의 사용에 관한 것이다.

세계 선진국들은 광범위한 실내 및 실외 조명 네트워크들을 지닌다. 거리, 공공도로, 주차장, 공장, 사무실 건물, 및 모든 타입의 시설은 종종 광범위한 실내 및 실외 조명을 지닌다. 최근까지 실질적으로 이러한 조명 모두가 백열(incandescent) 또는 고강도 방전(high intensity discharge; HID) 기술을 사용한다. 그러나 백열 또는 HID 조명은 전력을 광 출력으로 변환시 비효율적이다. 백열 조명용으로 사용되는 상당 부분의 전력은 열로서 발산된다. 이는 에너지를 낭비하는 것뿐만 아니라, 조명 장치와 아울러 백열전구 자체의 고장을 종종 일으킨다.

이러한 단점들, 및 발광 다이오드들 또는 다른 솔리드-스테이트(Solid-state) 조명 기술의 동작 및 유지비 효율들의 결과로서, 다수의 백열 또는 HID 조명 기구들의 여러 소유자는 상기 백열 또는 HID 조명 기구들을 변환하여 솔리드-스테이트 조명을 사용하고 있다. 솔리드-스테이트 조명은 수명이 긴 전구들을 제공함으로써, 교체 인건비를 줄이고 있지만, 그 결과적인 조명 기구는 또한 상대적으로 긴 기간 동안 저온에서 동작하므로, 상기 조명 기구를 유지할 필요성을 감소시킨다. 본원의 양수인은 여러 지방자치단체, 민간 및 개인 소유자로 하여금 유지보수 비용이 절감되고 에너지 비용이 절감된 자신들의 시설들을 운영하게 하는 조명 교체 서비스들을 여러 지방자치단체, 민간 및 개인 소유자에게 제공한다.

본원의 양수인은 거리에 배치하기 위한 네트워크 센서 및 애플리케이션 프레임워크 또는 다른 조명 시스템들을 개발하였다. 본원 양수인의 시스템 아키텍처는 이미 가동 준비가 되어 있는 조명 기반구조 내에서나 초기 설치시의 네트워크 시스템의 배치를 허용한다. 상기 시스템이 실외 거리 조명에 배치되는 것이 전형적이지만, 이는 또한 실내에, 예를 들면 공장 또는 사무실 건물에 배치될 수 있다. 또한, 상기 시스템이 옥외에 배치될 경우에, 이는 가로등 전구들이 백열 조명으로부터 예를 들면 발광 다이오드(light emitting diode; LED)들을 사용하여 더 효율적인 조명으로 변환될 때 설치될 수 있다. 그러한 백열전구를 교체하는 비용은 주로 인건비 및 특수 장비를 사용하여 각각의 가로등에 있는 각각의 전구에 이르러야 하는 필요성 때문에 높다. 그때 본원 명세서에 기재되어 있는 네트워크를 설치함으로써, 단지 LED 전구로 기존의 백열전구를 교체하는 것에 대한 증분 비용이 아주 적어지게 된다.

본원 양수인의 시스템이 다른 여러 사용을 허용하기 때문에, 본원 양수인은 본원 명세서에 기재되어 있는 배치된 네트워크, 센서들(30), 제어기 및 소프트웨어 시스템을 조명 기반구조 애플리케이션 프레임워크(Lighting Infrastructure Application Framework; LIAF)라고 언급한다. 상기 시스템은 하드웨어 및 소프트웨어의 조합을 사용하여 구현되는 비즈니스 및 소비자 애플리케이션들에 대한 플랫폼으로서 조명 기반구조를 사용한다. 상기 프레임워크의 주요 구성요소들은 데이터 수집, 분석, 액션 호출 및 애플리케이션들 및 사용자들과의 통신을 허용하는 노드 하드웨어 및 소프트웨어, 센서 하드웨어, 사이트별 또는 클라우드 기반 서버 하드웨어, 네트워크 하드웨어 및 소프트웨어 및 광역 통신 네트워크이다.

당업자라면 이해하겠지만 상기 LIAF는 앞서 설명한 바와 같은 확률론적 의미 감지 방법 및 시스템, 더 구체적으로는 광센서 네트워크에서의 확률론적 의미 감지 방법 및 시스템을 구체화하는데 이용될 수 있다. 본원 명세서에 기재되어 있는 시스템들이 거리 조명이라는 문맥을 이루고 있지만, 이하의 설명으로부터 상기 시스템이 다른 환경들, 예를 들면 주차장 또는 공장 환경에 대한 적용가능성을 지닌다는 점이 자명해질 것이다.

한 실시 예에서는, 본원 양수인의 시스템은 기존의 실외, 주차 구조 및 실내 산업 조명을 사용하는 조명 시스템 네트워크를 제공한다. 각각의 조명은 네트워크를 이루고 있는 노드가 될 수 있으며, 각각의 노드는 전력을 수신하는 전력 제어 단자, 상기 전력 제어 단자에 연결된 조명 소스, 상기 전력 제어 단자에 연결된 프로세서, 상기 프로세서 및 상기 조명 시스템 네트워크 간에 연결된 네트워크 인터페이스, 및 상기 노드 측 조건들을 검출하기 위해 상기 프로세서에 연결된 센서(30)를 포함한다. 이하에 기재되어 있는 바와 같은 일부 애플리케이션들에서는, 상기 네트워크가 조명 시스템에 의존하지 않는다. 조합으로, 본원 양수인의 시스템은 각각의 노드로 하여금 다른 노드들에 그리고 상기 노드들 측 조건들에 대한 중앙 위치들에 정보를 전달할 수 있게 한다. 그러므로 상기 LIAF의 노드들 간에 처리가 분산될 수 있다.

본원 양수인은 몇몇 LIAF 노드들의 네트워크 인터페이스에 연결된 게이트웨이를 사용하여 정보를 상기 노드들 측 센서들(30)로부터 애플리케이션 소프트웨어가 정보를 저장, 처리, 분산 및 디스플레이하게 하는 로컬 또는 클라우드 기반 서비스 플랫폼으로 제공한다. 이러한 소프트웨어는 상기 노드들 측 센서들(30)에 의해 검출되는 조건에 관련된 원하는 동작들을 수행한다. 그 외에도, 상기 게이트웨이는 상기 서비스 플랫폼으로부터 정보를 수신하고 그 정보를 자신의 도메인을 이루고 있는 노드 플랫폼 각각에 제공할 수 있다. 그러한 정보는 조명의 유지보수 및 조명의 제어를 용이하게 하며, 카메라를 제어하고, 점유되어 있지 않은 주차 공간을 찾아내며, 일산화탄소 레벨을 측정하거나 다른 여러 애플리케이션을 적용하는데 사용될 수 있으며, 이들 중 몇몇 전형적인 것이 본원 명세서에 기재되어 있다. 상기 노드들의 부근에 배치되어 있거나 상기 노드들의 부근에 있는 센서들(30)은 제어기들을 가지고 조명 소스를 제어하는데 사용될 수 있을 뿐만 아니라 제어 신호들, 예컨대 주차장을 잠그거나 잠금 해제하는 제어 신호들을 상기 노드에 연결된 장치에 제공하는데 사용될 수 있다. 다수의 게이트웨이는 단일 애플리케이션의 목적을 위해 조명 시스템의 다수의 영역을 서로 연결하는데 사용될 수 있다.

전형적으로는, 각각의 노드가 공급된 AC(alternating current) 전력을 상기 프로세서, 센서들(30) 등등에 의한 사용을 위해 DC(direct current) 전력으로 변환하도록 하는 AC/DC 변환기들을 포함하게 된다. 상기 게이트웨이들은 서비스 플랫폼들에 대한 셀룰러, Wi-Fi 또는 다른 수단을 통해 서로 통신할 수 있다. 상기 센서들(30)은 특정 조건들, 예를 들면 유리 깨짐 또는 자동차 경보로부터의 오디오를 검출하는 기기들, 보안 및 주차 관련 감지를 위한 비디오카메라, 움직임 카메라, 조명 센서, 무선 주파수 식별 검출기, 기상 센서 또는 다른 조건에 대한 검출기인 것이 전형적이다.

다른 한 실시 예에서는, 본원 양수인은 조명 소스들이 구비된 조명 기구들을 지니는 기존의 조명 시스템을 사용함으로써 정보를 수집하기 위한 센서들(30)의 네트워크를 제공한다. 이에 대한 방법은 각각의 조명 기구 측 조명 소스를, 기존의 조명 기구의 전력 공급원에 접속된 전력 제어 단자, 교체 조명 소스, 프로세서, 상기 프로세서에 연결된 네트워크 인터페이스, 및 상기 프로세서에 연결된 센서들(30)을 포함하는 모듈로 대체하는 단계를 포함한다. 상기 센서들(30)은 상기 노드 측 조건들 및 상기 노드 주변 조건들을 검출하고, 그러한 조건에 대한 정보를 상기 프로세서로 포워드한다. 바람직하게는, 각각의 조명 기수 측의 각각의 모듈의 네트워크 인터페이스는 광대역 또는 셀룰러 통신 네트워크를 사용하여 서로 공통 연결되어 있다. 상기 통신 네트워크를 사용하여, 정보가 상기 센서들(30)로부터 수집되고, 그러한 정보는 상기 네트워크를 통해 클라우드를 이루고 있는 서버들 또는 한 사이트 측 로컬 서버들 상에서 실행하는 애플리케이션에 제공된다. 로컬 또는 사이트 기반 애플리케이션 서버는 사이트 제어기(Site Controller)로서 언급된다. 사이트 제어기 상에서 실행하는 애플리케이션들은 하나 이상의 특정 고객 사이트들로부터의 데이터를 관리할 수 있다.

한 실시 예에서는, 상기 조명 기구들 각각의 조명 기구 측의 각각의 모듈이 제어기 및 상기 제어기에 연결된 장치를 포함하고, 상기 제어기는 액션들이 상기 장치에 의해 수행되게 하는데 사용된다. 위에서 언급한 바와 같이, 신호들은 액션이 상기 조명 시스템의 장치에 의해 수행되게 하도록 상기 컴퓨팅 기기로부터 상기 통신 네트워크를 통해 상기 모듈들로 그리하여 상기 제어기들로 전송될 수 있다.

본원 명세서에 기재되어 있는 조명 기반구조 애플리케이션 프레임워크는 노드, 게이트웨이 및 서비스 아키텍처를 기반으로 하여 이루어진다. 상기 노드 아키텍처는 상기 조명 기반구조의 여러 위치에, 예컨대 개별 가로등 조명기구들에 배치되어 있는 노드 플랫폼으로 이루어진다. 상기 노드들 중 적어도 일부 노드들은 데이터를 수집하여 다른 노드들에, 어떤 경우에는 상기 아키텍처에서 상대적으로 높은 레벨들에 보고하는 센서들(30)을 포함한다. 예를 들면, 개별 노드 레벨에서 주변광 센서는 조명 기구의 위치에서 조명 조건들에 대한 정보를 제공할 수 있다. 카메라는 상기 노드에서 생기는 이벤트들에 대한 정보를 제공할 수 있다.

도 7에는 본원 양수인의 전반적인 아키텍처 일부가 예시되어 있다. 도 7에 도시되어 있는 바와 같이, 조명 노드는 상기 조명 소스 자체 외에도 노드 플랫폼(10)(예컨대, "NP")(예컨대, 감지 노드(109))을 포함한다. 상기 노드 플랫폼(10)은 원하는 특정 애플리케이션에 의존하여, 조명 노드의 소유자에 의해 선택되는 바와 같은 여러 타입의 센서들(30)을 포함한다. 상기 예시에서는, 일광(daylight) 센서(31) 및 점유 센서(32)가 도시되어 있다. 상기 조명 노드는 또한 상기 센서들(30)에 응답하여 기능들을 수행하거나, 다른 소스들로부터 수신된 제어 신호들에 응답하여 기능들을 수행하기 위한 제어기들(40)을 포함할 수 있다. 3개의 대표적인 제어기(40), 다시 말하면 관개(灌漑) 시스템을 제어하는 관계 제어부(42), 인접 게이트를 개폐하기 위한 게이트 제어부(45), 및 조명 제어기(48)가 상기 도면에 예시되어 있다. 상기 조명 제어기(48)는 노드 플랫폼(10)을 이루고 있는 조명 소스를 제어하여 상기 조명 소스를 하루 중 서로 다른 시간에 턴오프 또는 턴온하고, 상기 조명 소스를 디밍(dimming)하게 하며, 상기 조명 소스로 하여금 플래시(flash)를 일으키게 하고, 조명 소스의 조건을 감지하여 유지보수가 필요한지를 결정하거나, 다른 기능을 제공하는데 사용될 수 있다. 상기 센서들(30), 제어기들(40), 전력 공급원, 및 다른 원하는 구성요소들은 상기 노드 플랫폼(10)의 하우징 내에 집합적으로 어셈블링될 수 있다.

이러하거나 유사한 제어기들(40)이 작동하는 제어 기능들의 다른 예들에는 전력 분산의 관리, 전력의 측정 및 모니터링, 및 수요/응답 관리가 있다. 상기 제어기들(40)은 센서들(30)을 활성화 및 비활성화시킬 수 있으며, 상기 센서 출력들을 측정 및 모니터링할 수 있다. 그 외에도, 상기 제어기들(40)은 소프트웨어 다운로딩 및 보안 관리를 위한, 그리고 비디오 및 오디오 처리, 예컨대 이벤트들의 검출 또는 모니터링을 위한 게이트웨이 동작과 같은 통신 기능을 위한 관리를 제공한다.

한 실시 예에서는 본원 양수인의 네트워크 시스템의 아키텍처가 상기 조명 노드들 측 센서들(30)의 "플러그 앤 플레이(plug-and-play)" 배치를 허용한다. 상기 조명 기반구조 애플리케이션 프레임워크(LIAF)는 상기 센서 플러그 앤 플레이 아키텍처의 구현을 허용하도록 하는 하드웨어 및 소프트웨어를 제공한다. 새로운 센서들(30)이 배치될 경우에, 소프트웨어 및 하드웨어는 상기 센서(30)를 관리하지만, 상기 LIAF는 상기 센서들(30)과 결부된 일반 기능들을 지원한다. 이는 센서들(30)에 대한 고객 하드웨어 및 소프트웨어 지원에 대한 필요성을 감소 또는 제거할 수 있다. 센서(30)는 전력, 전형적으로는 배터리 또는 배선 저전압 DC를 필요로 할 수 있으며, 바람직하게는 상기 센서(30)가 출력으로서 아날로그 또는 디지털 신호들을 생성한다.

상기 LIAF는 추가적인 하드웨어 및 소프트웨어 구성요소들 없이 조명 노드들 측 센서들(30)의 배치를 허용한다. 한 구현 예에서는 상기 LIAF는 DC 전력을 센서들(30)에 제공한다. 이는 또한 상기 센서(30)와 결부된 아날로그 또는 디지털 인터페이스와 아울러, 상기 노드 측의 다른 모든 활동들을 모니터링한다.

상기 조명들 중 일부에 위치한 노드 플랫폼들(10)은 게이트웨이 플랫폼(50)(예컨대, "GP")(예컨대, 집성 노드(125))에 서로 연결되어 있다. 상기 게이트 플랫폼(50)은 이하에 부가적으로 기술되어 있는 바와 같은 기술을 사용하여 상기 노드 플랫폼(10)과 통신하지만, 무선 접속 또는 유선 접속을 포함할 수 있다. 상기 게이트웨이 플랫폼(50)은 셀룰러 데이터, Wi-Fi, GPRS, 다른 수단과 같은 널리 알려진 통신 기술(55)을 사용하여 인터넷(80)과 통신하는 것이 바람직할 것이다. 물론, 상기 게이트웨이 플랫폼(50)은 독립형 구현일 필요가 없다. 이는 노드 플랫폼(10)에 배치될 수 있다. 상기 게이트웨이 플랫폼(50)은 광역 통신 네트워크(WAN) 기능을 제공하며 상기 노드 플랫폼(10)에 의해 제공된 기능들 외에도, 복잡한 데이터 처리 기능을 제공할 수 있다.

상기 게이트웨이 플랫폼(50)은 서비스 플랫폼(90)(예컨대, "SP")과의 통신을 확립하여 상기 노드로 하여금 여러 애플리케이션(100)(예컨대, 확률론적 애플리케이션(117)에 데이터를 제공할 수 있게 하거나 상기 노드로 하여금 여러 애플리케이션(100)(예컨대, 확률론적 애플리케이션(117)으로부터 명령어들을 수신할 수 있게 한다. 서비스 플랫폼(90)은 애플리케이션(100)(예컨대, 확률론적 애플리케이션(117)과의 상호작용을 허용하도록 클라우드에서 구현되는 것이 바람직하다. 서비스 플랫폼(90) 또는 상기 기능의 부분집합이 한 사이트에서 국부적으로 구현될 경우에, 이는 사이트 제어기로서 언급된다. 상기 서비스 플랫폼(90)과 결부되어 있는 것은 최종-사용자 액세스 가능 기능들을 제공하는 여러 애플리케이션(100)(예컨대, 확률론적 애플리케이션(117))이다. 소유자, 파트너, 소비자, 또는 다른 실체는 이러한 애플리케이션(100)을 제공할 수 있다. 한 전형적인 애플리케이션(100)은 예를 들면 한 노드 측의 현재 기상 조건을 보고한다. 상기 애플리케이션(100)은 대개 다른 사람들에 의해 개발되고 기반구조 소유자에게 라이센싱되지만, 상기 애플리케이션(100)은 또한 상기 노드 소유자에 의해 제공될 수도 있고, 이와는 달리 여러 노드 상에서의 사용을 위해 제공될 수도 있다.

전형적인 조명 관련 애플리케이션(100)은 조명 제어, 조명 유지관리, 및 에너지 관리를 포함한다. 이러한 애플리케이션(100)은 서비스 플랫폼(90) 또는 사이트 제어기 상에서 실행될 수 있는 것이 바람직하다. 또한, 파트너 애플리케이션(100), 다시 말하면 기밀 정보에 액세스하고 상기 조명 기반구조 소유자가 권한을 부여하는 애플리케이션(100)이 존재할 수 있다. 그러한 애플리케이션(100)은 몇 가지 가능한 서비스만을 예를 들면 보안 관리, 주차 관리, 트래픽 보고, 환경 보고, 자산 관리, 물류 관리, 및 소매 데이터 관리를 제공할 수 있다. 또한, 소비자로 하여금 일반 데이터에 액세스할 수 있게 하며 예를 들면 상기 기반구조 소유자에 의해 부여된 이러한 데이터에 액세스할 수 있게 하는 소비자 애플리케이션이 존재한다. 다른 타입의 애플리케이션(100)은 소유자에 의해 제공된 애플리케이션(100)이다. 이는 기반구조 소유자들에 의해 개발 및 사용되는 애플리케이션(100), 예컨대 한 지역에서나 지방자치단체 거리를 따른 트래픽 흐름을 제어하는 애플리케이션(100)이다. 물론, 또한 상기 프레임워크로부터 주문화된 데이터를 사용하는 애플리케이션(100)이 존재할 수 있다.

도 7에 예시되어 있는 시스템에 포함된 주요 실체들은 조명 기반구조 소유자, 애플리케이션 프레임워크 제공자, 애플리케이션(100) 또는 애플리케이션 서비스 소유자, 및 최종 사용자들이다. 전형적인 기반구조 소유자들에는 지방자치단체, 건물 소유자, 전기 사업자, 또는 다른 실체들이 있다.

도 8은 상대적으로 높은 레벨로 본원 양수인의 시스템 아키텍처를 예시하는 도면이다. 도 8에 도시되어 있는 바와 같이, 노드 플랫폼들(10)의 그룹들은 서로 그리고 게이트웨이 플랫폼(50)과 통신한다. 상기 게이트웨이는 차례로 통신 매체(55)를 통해 인터넷(80)과 통신한다. 예시되어 있는 바와 같은 전형적인 구현 예에서는, 인터넷(80)을 통해 이용 가능한 서비스 플랫폼들(90)에 모두가 서로 공통 연결되는, 다수의 노드들(10)의 집합, 다수의 게이트웨이 플랫폼(50), 다수의 통신 매체(55)가 존재하게 된다. 이러한 방식으로, 다수의 애플리케이션(100)은 다양한 기능을 상기 시스템을 이루고 있는 게이트웨이들을 통해 개별 노드들에 제공할 수 있다.

도 8에는 또한 노드들의 어레이를 위한 네트워킹 아키텍처가 예시되어 있다. 본 도면의 좌측 섹션(11)에는, 노드들(10)의 어레이가 예시되어 있다. 상기 노드들 중 실선들은 데이터 평면을 나타낸 것이고, 상기 데이터 평면은 선택된 노드들을 접속하여 높은 국부 대역폭 트래픽을 허용한다. 이러한 접속들은 예를 들면 이러한 노드들 간의 국부 비디오 또는 데이터의 교환을 허용할 수 있다. 섹션(11)에서의 점선들은 제어 평면을 나타낸 것이고, 상기 제어 평면은 상기 노드들 모두를 서로 접속하고 국부 및 원격 트래픽에 대한 교통, 이벤트들, 사용, 노드 상황에 대한 정보의 교환, 및 상기 게이트웨이로부터의 제어 커맨드들, 및 게이트웨이에 대한 응답들이 구현될 수 있게 하는 기능을 제공한다.

도 9에는 상기 노드 플랫폼(10)이 더 구체적으로 예시되어 있다. 상기 노드 기반구조는 AC-DC 변환기로서 구현되는 것이 전형적인 전력 모듈(12)을 포함한다. 노드들이 실외 가로등들에 배치되어 있는 한 구현 예에서는, AC 전력이 그러한 가로등들에 대한 주요 전력 공급원이다. 상기 센서들(30) 및 제어기(40) 구조들 대부분이 반도체 기반 구성요소들을 사용하고 있기 때문에, 전력 모듈(12)은 노드 구성요소들의 구동을 위해 이용 가능한 AC 전력을 적합한 DC 전력 레벨로 변환한다.

또한, 도 9에 도시되어 있는 바와 같이, 센서들(30) 및 제어기들(40)의 어레이는 AC/DC 변환기와 아울러 다른 널리 공지된 구성요소들을 포함할 수 있는 전력 모듈(12)에 접속되어 있다. 프로세서를 실행하는 프로세서 모듈(15)은 앞서 기술한 바와 같이, 감지 엔진(111)의 동작을 포함하는 원하는 국부 기능을 구현하도록 상기 센서들(30) 및 제어기들(40)의 동작을 조정한다. 상기 프로세서 모듈(15)은 또한, 적합한 매체를 통해 다른 노드 플랫폼들(10)과 통신한다. 상기 애플리케이션(100)은 또한, 상기 제어기들(40) 중 하나의 제어 하에서 동작하는, 적합한 제3자 조명 소스 모듈에 연결된 조명 소스 모듈(16)을 구동할 수 있다. 한 구현 예는 상기 전력 모듈(12) 및 상기 조명 제어기(48) 기능을 조합하여 단일 모듈을 이룬 것일 수 있을 것이다. 본 도면에 나타나 있는 바와 같이, 유선 접속들(46, 47)은 필요에 따라 제공될 수 있다.

도 9에서는, 상기 조명 기반구조가 본원의 양수인인 Sensity Systems Inc.로부터 상업적으로 입수 가능한 것과 같은 조명 소스 모듈(16, 18), 예컨대 LED 어셈블리로 이루어진다. 물론, 제3자 제조업자들은 제3자 조명 소스 모듈(18)과 아울러 다른 구성요소들을 제공할 수 있다. 상기 모듈(16)은 또한, 제어기(40)에 연결될 수 있다. 상기 노드들과 결부되어 있는 센서들(30)은 상기 노드에 대해 국부적일 수도 있고, 상기 노드들과 결부되어 있는 센서들(30)은 상기 노드에 대해 원격적일 수도 있다. 본원 양수인인 Sensity Systems Inc.에 의해 제공되는 LED 제어기와는 다른 제어기들(40)은 원격적인 것이 전형적이며 무선 통신을 사용한다. 또한, 노드 애플리케이션 제어기로서 언급되는 프로세서 모듈(15)은 상기 노드에 내재하는 기능들 모두를 관리한다. 이는 또한, 애플리케이션(100)과 결부되어 있는 관리, 데이터 수집 및 액션 명령어들을 구현한다. 전형적으로는 이러한 명령어들이 상기 제어기(40)에 애플리케이션 스크립트들로서 배포된다. 그 외에도, 상기 애플리케이션 제어기에 대한 소프트웨어는 활성화, 관리, 보안(인증 및 액세스 제어) 및 통신 기능들을 제공한다. 상기 네트워크 모듈(14)은 무선 주파수(RF) 기반 무선 통신을 다른 노드들에 제공한다. 이러한 무선 통신들은 인근 지역 통신 네트워크(neighborhood area network; NAN), WiFi, 802.15.4 또는 다른 기술들을 기반으로 하여 이루어질 수 있다. 상기 센서 모듈은 상기 센서들(30)을 동작시키도록 이용될 수 있다. 상기 프로세서 모듈(15)은 앞서 설명한 바와 같이 동작하는 감지 엔진(111)에 통신 가능하게 연결되어 있는 것으로 부가적으로 예시되어 있다.

도 10은 게이트웨이 플랫폼(50)의 블록도이다. 본 도면에 의해 제시된 바와 같이, 그리고 위에서 언급한 바와 같이, 상기 게이트웨이 플랫폼(50)은 한 노드에 위치할 수도 있고 상기 노드들과는 별개로 자기 자신의 하우징에 위치할 수도 있다. 도 10의 도면에는, 상기 전력 모듈(12), 프로세서 모듈(15), LED 조명 소스 모듈(16) 및 제3자 조명 소스 모듈(18)의 구성요소들이 다시 센서 모듈들(30) 및 제어기 모듈들(40)과 아울러 도시되어 있다. 부가적으로 예시되어 있는 것은 양자 모두가 앞서 설명한 바와 같이 동작하는, 상관 엔진(113) 및 확률론적 엔진(115)이다.

상기 게이트웨이 플랫폼(50) 하드웨어 및 소프트웨어 구성요소들은 예컨대 비디오 레이트들로 매체 모듈(105)을 사용함과 아울러, 상기 노드 플랫폼(10)에 의해 지원되는 기능들 외에도 릴레이 또는 WAN 게이트웨이(110)를 사용하여 고대역폭 데이터 처리 및 분석을 허용한다. 상기 게이트웨이 플랫폼(50)은 노드 플랫폼(10)으로서 간주할 수 있지만 추가 기능을 지니는 노드 플랫폼(10)으로 간주할 수 있다. 상기 고대역폭 데이터 처리 매체 모듈(105)은 애플리케이션별 이벤트들을 분석, 검출, 기록 및 보고할 수 있는 비디오 및 오디오 데이터 처리 기능들을 지원한다. 상기 릴레이 또는 WAN 게이트웨이(110)는 인터넷, 또는 다른 광역 통신 네트워크 기술들에 대한 GSM, Wi-Fi, LAN을 기반으로 하여 이루어질 수 있다.

도 11은 서비스 플랫폼(90)의 블록도이다. 상기 서비스 플랫폼(90)은 애플리케이션 게이트웨이(120) 및 고객 노드 애플리케이션 빌더(130)를 지원한다. 상기 애플리케이션 게이트웨이(120)는 상기 조명 노드들로부터의 센서 및 이벤트 데이터를 사용하여 구현되는 서로 다른 타입들의 애플리케이션들(예컨대, 확률론적 애플리케이션(117))에 대한 인터페이스들을 관리한다. 애플리케이션 게이트웨이(120)(예컨대, 한 실시 예에 따른 센서 프로세싱 인터페이스(131))가 구비된 서비스 플랫폼(90)이 고객 조명 사이트에 사이트 제어기로서 배치될 수 있다. 그러므로 한 사이트 제어기는 단지 애플리케이션 게이트웨이(120) 기능만이 구비되어 있는 서비스 플랫폼(90)의 일 예이다. 상기 고객 노드 애플리케이션 빌더(130)는 고객 노드 애플리케이션 스크립트들(예컨대, 확률론적 애플리케이션(117))의 발생을 허용한다. 이러한 스크립트들은 상기 프로세서 모듈(15)(도 9 참조)에 노드 레벨에서 수행될 데이터 수집 명령어들 및 동작들을 지정한다. 상기 스크립트들은 상기 애플리케이션 게이트웨이(120)에 상기 스크립트와 결부된 결과들이 어떠한 방식으로 애플리케이션(예컨대, 확률론적 애플리케이션(117))에 제공되어야 할지를 지정한다.

도 11에는 또한 소유자 애플리케이션들(140)(예컨대, 확률론적 애플리케이션들(117)), 센서티(sensity) 애플리케이션들(144)(예컨대, 확률론적 애플리케이션들(117)), 파트너 애플리케이션들(146)(예컨대, 확률론적 애플리케이션들(117)), 및 고객 애플리케이션들(149)(예컨대, 확률론적 애플리케이션들)이 상기 애플리케이션 게이트웨이 API(150)(예컨대, 한 실시 예에 따른 센서 프로세싱 인터페이스(131))를 이용하는 것이 예시되어 있다. 본원의 양수인은 상기 센서들(30)의 여러 사용에 공통인 여러 타입의 애플리케이션들(예컨대, 확률론적 애플리케이션들(117))을 개발하여 구현한다. 그 중 한 애플리케이션(100)은 조명 관리이다. 상기 조명 관리 애플리케이션은 한 노드 플랫폼(10)에서 조명 소스에 대한 조명 상황 및 제어 기능을 제공한다. 본원 양수인에 의해 제공되는 다른 한 애플리케이션(예컨대, 확률론적 애플리케이션(117))은 조명 유지보수를 제공한다. 상기 조명 유지보수 애플리케이션은 예를 들면 각각의 노드에서 조명(들)의 상황을 모니터링하는 것을 허용함으로써 사용자들로 하여금 사용자들 자신의 조명 네트워크를 유지할 수 있게 한다. 에너지 관리 애플리케이션(예컨대, 확률론적 애플리케이션(117))은 사용자들로 하여금 조명 기반구조 에너지 사용을 모니터링하고 결과적으로는 그러한 사용을 더 양호하게 제어할 수 있게 한다.

도 11에 도시된 파트너 애플리케이션들(146)은 전형적으로는 이하에 기재되어 있는 것들과 같은, 여러 원하는 기능에 대한 시장들을 확립한 본원 양수인에 의해 승인된 애플리케이션들 및 애플리케이션 서비스 회사들이다. 이러한 애플리케이션들(100)은 애플리케이션 게이트웨이 API(150)를 이용한다. 전형적인 파트너 애플리케이션(146)은 보안 관리, 주차 관리, 트래픽 모니터링 및 보고, 환경 보고, 자산 관리, 및 물류 관리를 제공한다.

고객 애플리케이션들(149)은 애플리케이션 게이트웨이 API(150)를 이용하여 고객 관련 기능을 제공한다. 이러한 API(150)는 공개적으로 이용 가능하며, 익명으로 된, 소유자에 의해 승인된 데이터에 대한 액세스를 제공한다. 또한, 자신들의 특정 요구들을 충족하는데 조명 기반구조 소유자들에 의해 개발 및 사용되는 소유자 애플리케이션들(140)이 도시되어 있다.

도 12에는 위에서 설명한 시스템에 대한 조명 기반구조 애플리케이션들의 수익 모델이 예시되어 있다. 이러한 수익 모델은 어떻게 수익이 생성되고 상기 조명 기반구조에서 주요 이해관계자들 간에 분배되는지가 예시되어 있다. 일반적으로, 애플리케이션(100) 및/또는 애플리케이션 서비스 제공자들은 애플리케이션 사용자들로부터 수익 A를 창출한다. 애플리케이션(100)의 소유자들 또는 서비스 제공자들은 조명 기반구조 애플리케이션 프레임워크 서비스 제공자에게 수수료 B를 지불한다. 상기 LIAF 서비스 제공자는 상기 조명 기반구조 소유자들에게 수수료 C를 지불한다.

조명 기반구조 기반 애플리케이션들(100)의 주요 이해관계자들에는 조명 기반구조의 소유자들이 포함된다. 이들은 조명 기반구조가 위치한 소유지 및 조명-기둥/기구를 소유한 실체들이다. 상기 시스템과 결부되어 있는 다른 한 주요 당사자는 LIAF 서비스 제공자이다. 이들은 상기 애플리케이션들(100)에 대한 데이터 및 서비스들을 제공하도록 배치된 하드웨어 및 소프트웨어 플랫폼들을 제공하는 실체들이다. 본원의 양수인은 LIAF에 대한 서비스 제공자이다. 다른 주요 실체들에는 애플리케이션(예컨대, 확률론적 애플리케이션(117)) 개발자들 및 소유자들이 포함된다. 이러한 실체들은 애플리케이션들(100) 또는 애플리케이션 서비스들을 판매한다. 이러한 애플리케이션들(100) 및 서비스 제공자들은 상기 LIAF에 의해 수집, 처리 및 분산된 데이터를 기반으로 하여 이루어진다.

상기 LIAF의 자금 지원을 위한 수익 소스들 중에는 애플리케이션들, 애플리케이션 서비스들 및 데이터가 있다. 애플리케이션(100) 또는 애플리케이션 서비스 제공자들에 대한 수익 옵션들이 존재한다. 애플리케이션(100) 또는 애플리케이션 서비스들의 사용자들은 시간 간격 기반을 이루거나 일 회 라이선스 수수료로서 지불되는 것이 전형적인 라이선스 수수료를 지불한다. 이러한 수수료는 서로 다른 사용 레벨들, 예를 들면 표준, 전문, 및 관리자를 기반으로 하여 이루어진다. 사용 수수료는 또한, 데이터 타입, 예컨대 원시 또는 요약된, 실시간 대 비-실시간, 이력 데이터에 대한 액세스에 의존할 수 있고, 수요에 의해 동적으로 가격이 책정된 데이터를 기반으로 하며, 데이터에 결부된 위치에 기반을 두고 이루어질 수 있다.

다른 한 애플리케이션 서비스에는 광고주들이 포함된다. 이들은 제품들 또는 서비스들을 애플리케이션들(100) 및 애플리케이션-서비스 사용자들에게 광고하기를 원하는 비즈니스들이다. 그러한 광고주들은 각각의 애플리케이션(100) 또는 서비스에 대한 광고 수수료들을 지불한다.

데이터에 대해서는, 애플리케이션(100) 및 애플리케이션 서비스 개발자들이 데이터에 액세스하기 위해 결제를 수행한다. 데이터에는 특정 데이터, 예컨대 한 노드에서의 에너지 사용, 전체 조명에 대한 단위 조명 엔진 기반으로 이루어지는 에너지 사용, 단위 조명 엔진 채널 기반을 기반으로 이루어지는 에너지 사용, 또는 단위 센서(30)를 기반으로 이루어지는 에너지 사용이 포함된다. 다른 한 타입의 데이터는 조명 상황, 예컨대 디밍을 트리거하도록 하는 온도 문턱값 또는 에너지 비용, 디밍 백분율, 검출 간격 설정을 포함하는 조명 상황의 보고 및 간격 보고와 같은 관리 상황이다. 이러한 데이터에는 또한 현재 조명 상황, 온 또는 오프, 디밍되고 디밍하는 양, 고장, 비정상 등등과 같은 동작 상황이 포함될 수 있다. 다른 타입들의 데이터에는 환경 데이터, 예컨대 노드에서의 온도, 습도 및 대기압; 또는 주변광 및 그의 색상과 같은 조명 데이터가 포함된다.

상기 노드들은 또한 다른 여러 타입의 데이터를 감지 및 제공할 수 있다. 예를 들면, 이산화탄소, 일산화탄소, 메탄, 천연가스, 산소, 프로판, 부탄, 암모니아, 또는 황화수소와 같은 가스들이 검출되어 데이터 보고될 수 있다. 다른 타입들의 데이터에는 지진 이벤트들을 나타내는 가속도계 상황, 침입 검출기 상황, Bluetooth.RTM. .sup.1 미디어 액세스 제어(media access control; MAC)_어드레스, 능동 무선 주파수 식별 (radio frequency identification; RFID) 태그 데이터, ISO-18000-7 및 DASH 7 데이터가 있다. 이하에서 본원 양수인은 이러한 애플리케이션들(100) 중 일부 및 이들이 수집할 수 있는 데이터를 더 구체적으로 설명할 것이다.

애플리케이션별 센서 데이터에는 조명 기구 또는 기둥의 베이스 측 침입, 기둥의 베이스 측 커버의 무단 개방, 조명 기구의 무단 개방을 검출하는 침입 센서, 침입 관련 진동 검출, 지진 관련 진동 검출 또는 기둥 손상 관련 진동 검출을 위한 진동 센서가 포함된다. 움직임 센서는 움직임, 자신의 방향, 및 검출된 움직임 타입을 검출할 수 있다.

오디오 센서들은 다른 한 타입의 수집 가능한 데이터를 제공할 수 있다. 오디오 센서들은 유리 깨짐, 총성, 차량 엔진의 온 또는 오프 이벤트들, 타이어 소음, 차량 문의 닫음, 사람의 의사소통 이벤트, 또는 사람의 조난 소음(distress noise) 이벤트를 검출할 수 있다.

사람 검출 센서들은 단일의 사람, 다수의 사람, 사람의 총수를 검출할 수 있다. 차량 검출은 단일의 차량, 다수의 차량, 및 센서 시계(視界) 기간을 포함할 수 있다. 차량 검출은 차량 총수, 또는 제품, 모델, 컬러, 차량 번호판 등등에 관한 인식 정보를 제공할 수 있다.

본원 양수인의 시스템은 또한 종종 다수의 센서(30)로부터의 데이터를 사용함으로써 상관 이벤트들에 관한 데이터를 제공할 수 있다. 예를 들면, 사람 검출기, 및 움직임 검출기로부터의 센서 데이터는 조명을 턴온, 턴오프, 어둡게 하거나 밝게 하는 조명 기능을 활성화하도록 조합될 수 있다. 사람의 총수는 움직인 검출과 함께 보안, 소매 활동 또는 트래픽 관련 이벤트들에 관한 정보를 제공한다. 차량 검출과 결부된 움직임 검출은 시설 보안 위반을 나타내는데 사용될 수 있다.

움직임 및 차량 총수 또는 움직임 및 오디오와 같은 센서들(30)의 조합들의 사용은 다양한 액션을 수행하기 위한 유용한 정보를 제공한다. 데이터 수집 시간은 또한, 유용한 정보, 예컨대 시설에서의 개방 및 폐쇄시간 동안의 움직임 검출을 제공하도록 위에서 검토한 것들과 같은 센서들(30)로부터의 데이터와 조합될 수 있다. 움직임 검출 센서들에 결부된 조명 레벨 센서들은 조명 제어에 유용한 정보를 제공할 수 있다. 움직임 검출은 단지 이벤트의 발생시에만 데이터를 캡처하도록 비디오와 조합될 수 있다. 현재 및 과거 센서 데이터는 상관되어 제어 신호들, 예컨대 트래픽 흐름 패턴들의 조정을 위한 요구 또는 이벤트들을 예측하는데 사용될 수 있다.

상기 노드들에서 수집된 데이터에 대한 다른 한 용도는 집성(aggregation)이다. 이는 데이터 이벤트들이 다양한 기법을 사용하여 한 그룹에 대한 대표값들을 생성하는데 사용되는 것을 허용한다. 예를 들면, 집성된 데이터는 한 사이트에서의 조명 타입들(예컨대, 기둥-상단 및 벽면-팩 조명), 환경 보호 대 환경 비보호 조명; 또는 노출 영역 외부의 조명들에 대한 정보를 수집하는데 사용될 수 있다. 데이터는 조명 영역(예컨대, 통로, 주차장, 진입로), 시설 타입(예컨대, 제조, R&D), 기업 지역(예컨대, 국제 대 국내) 등등을 기반으로 하여 수집될 수 있다.

전력 사용은 기구 타입, 시설, 시설 타입, 또는 지리구에 대해 집성될 수 있다. 환경 감지 관련 집성은 지리적 영역 또는 시설 타입들에 대해 제공될 수 있다. 보안 애플리케이션들은 지리적 영역 또는 시설 타입에 대한 집성들을 포함한다. 트래픽 애플리케이션들은 일시, 주, 달, 년에 의한 집성 또는 지리적 영역(예컨대, 학교 지역 대 소매 지역)에 의한 집성을 포함한다. 소매 애플리케이션들은 일시, 주, 달 등등에 의한 집성과 아울러, 지리적 영역 또는 시설 타입에 의한 집성을 포함한다. 데이터는 또한 사용자별 기준들, 일시를 기반으로 하여 필터링될 수도 있고 집성될 수도 있다.

고객 애플리케이션 개발은 사용자들이 고객 애플리케이션들(100) 및 서비스들에 수집 및 포워드될 데이터; 조명 노드들 측 데이터를 기반으로 하여 수행될 액션들; 애플리케이션들(100) 또는 애플리케이션 서비스들에 포워드될 데이터의 포맷; 및 과거 데이터의 관리를 특정하는 것을 허용한다.

본원 양수인의 수익 분산 모델은 조명 기반구조 소유자들, 애플리케이션 기반구조 소유자들, 및 애플리케이션(100) 또는 애플리케이션 서비스 소유자들 간의 수익 분배를 허용한다. 현재, 기반구조 소유자들에 대하여는, 조명이 자본 투자, 에너지 비용 및 유지보수 비용을 포함하는 비용 센터이다. 여기서 본원 양수인은 날마다 애플리케이션들(100) 및 애플리케이션 서비스들을 작동하여, 상기 기반구조 소유자로 하여금 자본, 운영, 및 유지보수 비용들 중 적어도 일부를 오프셋하는 것을 허용하도록 하는 하드웨어, 소프트웨어 및 네트워크 자원들을 제공한다.

도 13 - 도 16에는 위에서 설명한 시스템에 대한 4개의 샘플 애플리케이션(100)이 예시되어 있다. 도 13에는 주차 관리 애플리케이션(181)(예컨대, 확률론적 애플리케이션(117))이 예시되어 있다. 일련의 차량 검출 센서들(180)은 주차장에서에서 각각의 주차 공간 위에 하나씩 배치되어 있을 수도 있고, 단일의 다중 공간 점유 검출 센서는 각각의 조명 측에 배치되어 있을 수도 있다. 상기 센서들(180)은 이들 하부에 주차되어 있는 차량의 존재 또는 부재를 검출하는 임의의 널리 알려진 기술을 사용하여 동작할 수 있다. 주차 공간별 센서(180)가 배치될 경우에, 각각의 센서(180)는 상기 공간이 개방, 점유, 또는 예약되어 있는지를 디스플레이하는 LED를 포함한다. 이는 상기 주차장의 운전자가 개방, 이용 가능 및 예약 공간들을 찾아낼 수 있게 한다. 이는 또한 주차장 소유자가 전체 주차장을 육안으로 검사할 필요 없이 공간들이 이용 가능한 때를 아는 것을 허용한다. 상기 센서들(180)은 유선 또는 무선 기술을 사용하여 위에서 상기 시스템에 대해 설명한 바와 같은 노드 플랫폼(10)에 결부된다. 상기 노드 플랫폼(10)은 근거리 통신 네트워크(local area network; LAN)(210)를 통해 사이트 제어기(200)와 그리고/또는 상기 게이트웨이 플랫폼(50)을 사용하여 서비스 플랫폼(90)과 통신한다. 상기 게이트웨이 플랫폼(50)은 인터넷(80)을 통해 서비스 플랫폼(90)에 그리고 사용자들(220)에 접속된다. 상기 사이트 제어기(200)는 상기 서비스 플랫폼(90) 또는 주차 관리 애플리케이션(181)과 통신할 수 있다. 상기 주차 관리 애플리케이션(181)은 사용자들(220)이 인터넷(80)을 통해 그러한 애플리케이션(181)에 액세스함으로써 공간들을 예약할 수 있게 한다.

도 14에는 조명 유지보수 애플리케이션(229)(예컨대, 확률론적 애플리케이션(117))이 예시되어 있다. 상기 조명 유지보수 애플리케이션(229)은 위에서 설명한 바와 같은 시스템을 사용하여 서로 네트워킹되어 있으며 차례로 사이트 제어기(200)에 결부되어 있는 조명 노드들(예컨대, 노드 플랫폼(10))을 포함한다. 위에서 설명한 기술을 사용하여, 전력 소모, 운영 상황, 온-오프 활동, 및 센서 활동과 같은 조명 노드들에 대한 정보는 상기 사이트 제어기(200) 및/또는 상기 서비스 플랫폼(90)에 보고된다. 추가로, 상기 사이트 제어기(200) 및/또는 서비스 플랫폼(90)은 온도 또는 전류와 같은 성능 데이터와 아울러 상기 노드들(10) 측에서 일어나는 활동들과 같은 상황 데이터를 수집할 수 있다. 조명 유지보수 관련 기능들을 제공하는 조명 유지보수 애플리케이션(229)은 상기 서비스 플랫폼(90)으로부터의 원시 유지보수 데이터에 액세스한다. LED 온도, LED 전력 소모, LED 고장, 네트워크 고장 및 전력 공급 고장과 같은 유지보수 관련 데이터는 서비스가 필요할 때 또는 다른 주의가 요구될 때를 결정하도록 상기 조명 유지보수 애플리케이션(229)으로부터 조명 유지보수 회사(230)에 의해 액세스될 수 있다.

도 15a 및 도 15b에는 위에서 설명한 시스템들을 위한 공간 이용 애플리케이션(237) 및 재고 애플리케이션(238)(예컨대, 확률론적 애플리케이션(117))이 예시되어 있다. 위에 예시되어 있는 바와 같이, 일련의 RFID 태그 판독기(250)들은 상기 노드 플랫폼을 따른 웨어하우스(warehouse) 전역에 배치되어 있다. 이러한 태그 판독기(250)들은 웨어하우스의 여러 아이템 상에서 RFID 태그(260)들을 검출한다. 본원 명세서에서 설명한 바와 같이 노드 플랫폼들(10)의 네트워크를 사용하는 경우에, 상기 태그 판독기(250)들은 그러한 정보를 사이트 제어기(200) 및/또는 서비스 플랫폼(90)에 제공할 수 있다. 상기 태그 판독기(250)들은 위치 및 식별 정보를 수집하고 노드 플랫폼(10)을 사용하여 데이터를 상기 사이트 제어기(200) 및/또는 상기 서비스 플랫폼(90)에 포워드한다. 이러한 데이터는 그 후에 상기 서비스 플랫폼(90)으로부터 상기 재고 애플리케이션(238)과 같은 애플리케이션들(100)로 포워드된다. 상기 위치 및 상기 식별 데이터는 웨어하우스와 같은 보호 구조 내 화물 트래픽을 추적하는데 사용될 수 있다. 동일한 전략이 웨어하우스 공간 사용을 모니터링하는데 사용될 수 있다. 상기 센서들(30)은 상기 웨어하우스 내 아이템들의 존재 및 이러한 아이템들에 의해 점유되는 공간을 검출한다. 이러한 공간 사용 데이터는 상기 사이트 제어기(200) 및/또는 상기 서비스 플랫폼(90)으로 포워드될 수 있다. 애플리케이션들(100)의 모니터링 관리 공간은 공간 이용 애플리케이션(237)(예컨대, 확률론적 애플리케이션(117))을 이용하여 상기 서비스 플랫폼(90)으로부터의 공간을 기술하는 데이터에 액세스할 수 있다.

도 16에는 선적 터미널을 모니터링하고 발신지로부터 수신지로 화물을 추적하기 위한 물류 애플리케이션(236)(예컨대, 확률론적 애플리케이션(117))이 예시되어 있다. 예를 들면, RFID 태그(260)들은 노드 플랫폼들(10)을 이용함으로써 발신지(예컨대, 선적 포트 터미널), 통과지점(예컨대, 적재하중 측정소(weigh station) 또는 주유소들) 및 목적지(예컨대, 웨어하우스) 전역에 화물을 추적하도록 배치되어 있을 수 있다. 마찬가지로, RFID 태그(260)들은 화물들 및 상기 화물들을 운송하고 있는 차량 상에 배치되어 있을 수 있다. 상기 RFID 태그(260)들은 상기 노드 플랫폼(10)을 사용하여 위치, 식별 및 다른 센서 데이터 정보를 전송하고 상기 노드 플랫폼(10)은 차례로 앞서 언급한 정보를 상기 서비스 플랫폼(90)에 전송한다. 이는 각각의 사이트(예컨대, 발신지, 통과지점, 및 수신지) 측 게이트웨이 플랫폼(50)을 사용하여 부가적으로 수행될 수 있다. 상기 서비스 플랫폼(90)은 물류 애플리케이션(236)과 같은 애플리케이션들(100)에 이러한 데이터를 제공하여, 사용자들(220)이 정확한 위치 및 상품 상황 정보를 획득할 수 있게 한다.

도 17은 한 노드 내에서의 전력 모니터링 및 제어를 위한 전기 구성요소들의 블록도이다. 예시되어 있는 전력 측정 및 제어 모듈은 착신 AC 전력을 측정하고, AC/DC 변환기에 제공되는 전력을 제어한다. 이는 또한 상기 노드 구성요소들에 대한 서지 억제 및 전력을 제공한다.

이러한 회로는 개별 노드 측 발광 다이오드들에 대한 전력을 제어하는데 사용된다. 이하에 개략적으로 기재되어 있는 입력 또는 출력들의 실제 총수는 고객 애플리케이션 사양들에 의존한다. 본 도면에 도시되어 있는 바와 같이, AC 전력은 90볼트 내지 305 볼트 전압 범위로 라인들(300)을 통해 제공된다. 전압 및 전류는 에너지 측정 집적회로(310)에 의해 감지된다. AC-DC 트랜스포머(320)는 상기 집적회로(310)에 3.3 볼트를 제공하여 상기 집적회로(310)에 전력을 공급한다. 도 17에서는, 점선들이 고전압 시스템의 비절연 부분을 나타낸다. 상기 점선들은 10,000 볼트에 이르기까지 보호되는 회로의 부분을 지정한다.

집적회로(310)는 라인 전압 및 전류를 측정하는 상보형 금속 산화물 반도체(complementary metal-oxide-semiconductor; CMOS) 전력 측정 기기이다. 이는 유효, 무효, 및 피상 전력과 아울러 RMS 전력 및 전류를 계산할 수 있다. 이는 "범용 비동기식 송수신기(universal asynchronous receiver/transmitter)"(UART) 기기(330)에 출력 신호들(315)을 제공한다. 상기 UART 기기(330)는 병렬 및 직렬 인터페이스들 사이로 데이터를 변환한다. 상기 UART 기기(330)는 신호들을 마이크로제어기(340)에 제공하도록 접속되어 있는데, 상기 마이크로제어기(340)는 부하(350)에 제공된 출력 전압을 제어하고 상기 부하(350)는 LED 조명 시스템(350)인 것이 바람직하다. 이러한 제어는 스위치(355)를 사용하여 구현된다.

또한, 상기 마이크로제어기(340)에 결부되어 있는 것은 일반적으로 CAN 버스로 언급되고 있는 제어기 영역 네트워크(controller area network; CAN) 버스 시스템을 구현하는 기기들(360, 365)이다. 상기 CAN 버스는 다수의 마이크로제어기가 호스트 컴퓨터에 의존하지 않고 서로 통신하는 것을 허용한다. 이는 통신용 메시지-기반 프로토콜을 제공한다. 상기 CAN 버스는 다수의 노드가 이러한 노드들 간의 통신을 위해 서로 데이지 체인 방식(daisy chain)으로 이루어져 있는 것을 허용한다.

옵션으로 회로 보드 상에 제공되는 것은 전력 모듈(370)이다. 상기 전력 모듈(370)은 자신의 입력 단자들을 통해 AC 전력을 수납하고 자신의 출력 단자에서 제어된 DC 전력을 제공한다. 원한다면, 이는 다음에 검토되는 도 18에 예시되어 있는 기기들 중 일부에 대해 입력 전력을 제공할 수 있다.

도 18은 한 노드 측에 위치한 애플리케이션 제어기의 블록도이다. 상기 노드는 애플리케이션 소프트웨어와의 무선 통신을 제공한다. 이러한 애플리케이션 소프트웨어는 마이크로제어기(400)를 통해 실행하게 되는 전력, 조명, 및 센서들(30)의 제어를 가능하게 한다. 이는 또한 본 도면에 예시되어 있는 여러 모듈에 전력을 제공하고 상기 센서들(30)과의 통신을 가능하게 한다.

도 18의 애플리케이션 제어기는 본 도면 중앙에 도시되어 있는 마이크로제어기(400)의 제어 하에서 동작한다. 예를 들면 도 17의 모듈(370)에 의해 공급되는 착신 전력(405)은 Wi-Fi 통신을 위한 전력을 제공하도록 트랜스포머(410)에 의해 5 볼트로 강압되고, 또한 마이크로제어기(400)에 전력을 제공하는 3.3 볼트 트랜스포머(420)에 제공된다. 전력 공급원(430)은 또한 입력 전압을 수취하고 이를 센서들(30)(도시되지 않음)에 제공한다. 3.3 볼트 전력은 또한 기준 전압 생성기(440)에 제공된다.

상기 마이크로제어기(400)는 여러 기기와의 통신을 위한 다수의 입력 및 출력 단자를 제공한다. 특히, 한 실시 예에서는, 상기 마이크로제어기(400)가 3개의 0 내지 10 볼트 아날로그 출력 신호(450)를 제공하고, 2개의 0 내지 10 볼트 아날로그 입력 신호(460)를 수취하도록 결부되어 있다. 이러한 입력 및 출력 신호들(460, 450)은 여러 센서(30)를 제어하고 여러 센서(30)의 조건을 감지하는데 사용될 수 있다. 상기 마이크로제어기(400)와의 통신은 UART(470)에 의해 그리고 상기 CAN 버스(480)를 사용하여 이루어지게 된다. 도 17에 대해 설명한 바와 같이, CAN 버스(480)는 호스트 컴퓨터를 필요로 하지 않고 마이크로제어기들 간의 통신을 가능하게 한다.

미래의 애플리케이션들(100)을 작동시키고, 유연성(flexibility)을 제공하기 위해, 마이크로제어기(400)는 또한 다수의 범용 입력/출력 핀(490)을 포함한다. 이들은 0 내지 36 볼트 신호를 수취 또는 제공한다. 이들은 소프트웨어를 통해 제어 또는 프로그램될 수 있는 작용을 하는 범용 핀들이다. 이러한 추가 제어 라인들을 지니는 경우에 하드웨어의 교체가 필요 없이 소프트웨어에 의해 작동되는 추가 기능이 허용된다.

마이크로제어기(400)는 또한 한 쌍의 I2C 버스 인터페이스(500)에 결부되어 있다. 이러한 버스 인터페이스들(500)은 상기 보드 상의 다른 구성요소들을 접속시키거나 케이블을 통해 링크되는 다른 구성요소들을 접속시키는데 사용될 수 있다. 상기 I2C 버스(500)는 사전에 정해진 대역폭을 필요로 하지 않지만, 멀티-마스터링, 중재, 및 충돌 검출을 가능하게 한다. 마이크로제어기(400)는 또한 서지 보호를 제공하기 위해 SPI 인터페이스(510)에 접속된다. 그 외에도, 마이크로제어기(400)는 USB 인터페이스(520)에, 그리고 JTAG 인터페이스(530)에 결부되어 있다. 여러 입력 및 출력 버스 및 제어 신호들은 매우 다양한 센서들(30) 및 다른 기기들을 포함하는 상기 노드 인터페이스 측 애플리케이션 제어기가 예를 들면 조명 제어 및 센서 관리를 제공할 수 있게 한다.

이전의 내용은 감지 애플리케이션들(100)과 함께 사용하기 위한 네트워크 연결된 조명 기반구조의 구체적인 내용이었다. 앞서 설명한 바와 같이, 상기 시스템은 현존 또는 미래의 조명 기반구조에 대한 특유한 기능들을 제공한다. 비록 다수의 세부가 상기 시스ㅌ메의 특정 구현 예에 대해 제공되었지만, 당업자라면 본 개시내용의 범위가 첨부한 청구항들에 의해 정해짐을 이해할 것이다.

머신 및 소프트웨어 아키텍처

도 1 - 도 18과 연관지어 설명되어 있는 모듈들, 방법들, 엔진들, 애플리케이션들 등등은 다수의 머신 및 관련 소프트웨어 아키텍처라는 문맥으로 일부 실시 예들에서 구현된다. 이하의 섹션들에는 개시된 실시 예들과 함께 사용하기에 적합한 대표적인 소프트웨어 아키텍처(들)가 기재되어 있다.

소프트웨어 아키텍처들은 특정 목적들에 맞춤화된 기기들 및 머신들을 만들어내기 위해 하드웨어 아키텍처들과 연관지어 사용된다. 예를 들면, 특정 소프트웨어 아키텍처와 결부된 특정 하드웨어 아키텍처는 모바일폰, 태블릿 기기 따위와 같은 모바일 기기를 만들어내게 된다. 약간 다른 하드웨어 및 소프트웨어 아키텍처는 "사물 인터넷(internet of things)"에서 사용하기 위한 스마트 기기를 만들어 낸다. 또 다른 한 조합이 클라우드 컴퓨팅 아키텍처 내에서 사용하기 위한 서버 컴퓨터를 만들어 내고 있지만, 그러한 소프트웨어 및 하드웨어 아키텍처들의 모든 조합이 본원 명세서에 제시되어 있지 않은데, 그 이유는 당업자라면 본원 명세서에 포함되어 있는 개시들과는 다른 맥락으로 본 개시내용을 어떻게 구현해야 할지를 용이하게 이해할 수 있기 때문이다.

소프트웨어 아키텍처

도 19는 본원 명세서에 기재되어 있는 여러 하드웨어 아키텍처와 연관지어 사용될 수있는 대표적인 소프트웨어 아키텍처(200)를 예시하는 블록도(2000)이다. 도 19는 단지 소프트웨어 아키텍처(200)의 비제한적인 예일 뿐이며 당업자라면 다른 여러 아키텍처가 본원 명세서에 기재되어 있는 기능을 가능하게 하도록 구현될 수 있음을 이해할 것이다. 상기 소프트웨어 아키텍처(2002)는 특히 프로세서들(2110), 메모리(2130), 및 I/O 구성요소들(2150)을 포함하는 도 20의 머신(2100)과 같은 하드웨어를 통해 실행 가능하다. 도 19를 참조하면, 대표적인 하드웨어 계층(2004)이 예시되어 있으며 예를 들면 도 20의 머신(2100)을 나타낸 것일 수 있다. 상기 대표적인 하드웨어 계층(2004)은 관련된 실행가능 명령어들(2008)을 지니는 하나 이상의 프로세싱 유닛들(2006)을 포함한다. 실행가능 명령어들(2008)은 도 1 - 도 18의 방법들, 엔진들, 모듈들 등등의 구현을 포함하는 상기 소프트웨어 아키텍처(2002)의 명령어들을 나타낸다. 하드웨어 계층(2004)은 또한 실행가능 명령어들(2008)을 또한 지니는 메모리 및/또는 저장 모듈들(2010)을 포함한다. 하드웨어 계층(2004)은 머신(2100)의 일부로서 예시되어 있는 다른 하드웨어(2012)와 같은, 상기 하드웨어 계층(2004)의 다른 어떤 하드웨어를 나타낸다.

도 19의 대표적인 아키텍처에서는, 상기 소프트웨어(2002)가 계층들의 스택으로서 개념화될 수 있는데, 각각의 계층은 특정 기능을 제공한다. 예를 들면, 상기 소프트웨어 아키텍처(2002)는 운영 체계(2014), 라이브러리들(2016), 프레임워크들/미들웨어(2018), 애플리케이션들(2020)(예컨대, 확률론적 애플리케이션들(117)) 및 프레젠테이션 계층(2044)과 같은 계층들을 포함할 수 있다. 동작 상태에서는, 상기 계층들에 내재하는 애플리케이션들(2020) 및/또는 다른 구성요소들이 소프트웨어 스택을 통해 애플리케이션 프로그래밍 인터페이스(application programming interface; API) 호출들을 인보크하고, 상기 API 호출들(2024)에 응답하여 메시지들(2026)로서 예시되어 있는 응답, 반환값들 등등을 수신할 수 있다. 예시되어 있는 계층들은 사실상 대표적인 것들이며 모든 소프트웨어 아키텍처들이 모든 계층들을 지니는 것은 아니다. 예를 들면, 일부 모바일 또는 특수 목적 운영 체계들(2014)은 프레임워크들/미들웨어 계층(2018)을 제공할 수 없지만, 나머지 모바일 또는 특수 목적 운영 시스템들(2014)은 그러한 계층을 제공할 수 있다. 다른 소프트웨어 아키텍처들은 추가적이거나 서로 다른 계층들을 포함할 수 있다.

상기 운영 체계(2014)는 하드웨어 자원들을 관리하며 공통 서비스들을 제공할 수 있다. 상기 운영 체계(2014)는 예를 들면 커널(2028), 서비스들(2030), 및 드라이버들(2032)을 포함할 수 있다. 상기 커널(2028)은 상기 하드웨어 및 다른 소프트웨어 계층들 간의 추상화 계층으로서 기능할 수 있다. 예를 들면, 상기 커널(2028)은 메모리 관리, 프로세서 관리(예컨대, 스케줄링), 구성요소 관리, 네트워킹, 보안 설정들 등등의 기능을 수행할 수 있다. 상기 서비스들(2030)은 다른 소프트웨어 계층들에 대해 다른 공통 서비스들을 제공할 수 있다. 상기 드라이버들(2032)은 기본 하드웨어를 제어하거나 기본 하드웨어와 인터페이싱하는 기능을 수행할 수 있다. 예를 들어, 상기 드라이버들(2032)은 하드웨어 구성에 응답하여 디스플레이 드라이버들, 카메라 드라이버들, Bluetooth® 드라이버들, 플래시 메모리 드라이버들, 직렬 통신 드라이버들(예컨대, 범용 직렬 버스(Universal Serial Bus; USB) 드라이버, Wi-Fi® 드라이버들, 오디오 드라이버들, 전력 관리 드라이버들 등등을 포함할 수 있다.

상기 라이브러리들(2016)은 상기 애플리케이션들(2020) 및/또는 다른 구성요소들 및/또는 계층들에 의해 이용될 수 있는 공통 기반구조를 제공할 수 있다. 상기 라이브러리들(2016)은 다른 소프트웨어 모듈들이 기본 운영 체계(2014) 기능(예컨대, 커널(2028), 서비스들(2030) 및/또는 드라이버들(2032))과 직접 인터페이스하는 것보다는 용이한 방식으로 태스크들을 수행하는 것을 허용하는 기능을 제공하는 것이 전형적이다. 상기 라이브러리들(2016)은 메모리 할당 함수들, 문자열 조작 함수들, 수학적 함수들 등등과 같은 함수들을 제공할 수 있는 시스템(2034) 라이브러리들을 포함할 수 있다. 그 외에도, 상기 라이브러리들(2016)은 미디어 라이브러리들(예컨대, 동영상 전문가 그룹(moving picture experts group; MPEG) 4, H.264, MPEG-1 또는 MPEG-2 오디오 계층(MP3), AAC, AMR, 공동 사진 전문가 그룹(joint photography experts group; JPG), 포터블 네트워크 그래픽(portable network graphics; PNG)과 같은 여러 미디어 포맷의 프레젠테이션 ㅁ및 조작을 지원하도록 하는 라이브러리들), 그래픽 라이브러리들(예컨대, 디스플레이 상의 그래픽 콘텐츠에 2D 및 3D를 렌더링하는데 사용될 수 있는 개방 그래픽스 라이브러리(Open Graphics Library; OpenGL) 프레임워크), 데이터베이스 라이브러리들(예컨대, 여러 관계형 데이터베이스 함수를 제공할 수 있는 구조화 질의 언어(Structured Query Language; SQL) SQLite), 웹 라이브러리들(예컨대, 웹 브라우징 기능을 제공할 수 있는 웹키트(WebKit)) 등등과 같은 API 라이브러리들(2036)을 포함할 수 있다. 상기 라이브러리들(2016)은 또한 많은 다른 API들(2036)을 상기 애플리케이션들(2020) 및 다른 소프트웨어 구성요소들/모듈들에 제공하도록 하는 매우 다양한 다른 라이브러리(2038)를 포함할 수 있다.

상기 프레임워크들(2018)(또한 때로는 미들웨어라고 언급됨)은 상기 애플리케이션들(2020) 및/또는 다른 소프트웨어 구성요소들/모듈들에 의해 이용될 수 있는 상대적으로 높은 레벨의 공통 기반구조를 제공할 수 있다. 예를 들면, 상기 프레임워크들(2018)은 여러 그래픽 사용자 인터페이스(graphic user interface; GUI) 기능, 고급 자원 관리, 고급 위치 서비스들 등등을 제공할 수 있다. 상기 프레임워크들(2018)은, 일부가 특정 운영 체계(2014) 또는 플랫폼에 특정될 수 있는, 상기 애플리케이션들(2020) 및/또는 다른 소프트웨어 구성요소들/모듈들에 의해 이용될 수 있는 광범위한 영역에 걸친 다른 API들(2036)을 제공할 수 있다.

상기 애플리케이션들(2020)은 내장 애플리케이션들(2040) 및/또는 제3자 애플리케이션들(2042)을 포함한다. 대표적인 내장 애플리케이션들(2040)의 예들은 연락처 애플리케이션, 브라우저 애플리케이션, 북 리더(book reader) 애플리케이션, 위치 애플리케이션, 미디어 애플리케이션, 메시징 애플리케이션, 및/또는 게임 애플리케이션을 포함할 수 있지만, 이들에 국한되지 않는다. 제3자 애플리케이션들(2042)은 광범위하게 구색을 갖춘 다른 애플리케이션들(2020)과 아울러 내장 애플리케이션들 중 어느 하나를 포함할 수 있다. 특정 예에서는, 상기 제3자 애플리케이션(2042)(예컨대, 특정 플랫폼의 벤더와는 다른 실체에 의해 Android™ 또는 iOS™ 소프트웨어 개발 키트(software development kit; SDK)를 사용하여 개발된 애플리케이션)은 iOS™, Android™, Windows® 폰과 같은 모바일 운영 체계(2014), 또는 다른 모바일 운영 체계들(2014)일 수 있다. 이러한 예에서는, 상기 제3자 애플리케이션(2042)은 본원 명세서에 기재되어 있는 기능을 가능하게 하도록 운영 체계(2014)와 같은 모바일 운영 체계에 의해 제공된 API 호출들(2024)을 인보크할 수 있다.

상기 애플리케이션들(2020)은 내장 운영 체계 기능들(예컨대, 커널(2028), 서비스들(2030) 및/또는 드라이버들(2032)), 라이브러리들(예컨대, 시스템(2034), API들(2036), 및 다른 라이브러리들(2038)), 프레임워크들/미들웨어(2018)를 이용하여 상기 시스템의 사용자들(220)과 상호작용하도록 하는 사용자 인터페이스들을 만들어낼 수 있다. 변형적으로나 추가로, 일부 시스템들에서는, 사용자(220)와의 상호작용이 프레젠테이션 계층(2044)과 같은 프레젠테이션 계층을 통해 이루어질 수 있다. 이러한 시스템들에서, 상기 애플리케이션/모듈 "로직"은 사용자(220)와 상호작용하는 애플리케이션/모듈의 실시형태들과 분리될 수 있다.

소프트웨어 아키텍처들(2002) 중 일부는 가상 머신들을 이용한다. 도 19의 예에서, 이는 가상 머신(2048)으로 예시되어 있다. 가상 머신(2048)은 애플리케이션들/모듈들이 (예를 들면, 도 20의 머신(2100)과 같은) 하드웨어 머신을 통해 실행되는 것처럼 애플리케이션들/모듈들이 실행 가능한 소프트웨어 환경을 만들어낸다. 가상 머신(2048)은 호스트 시스템(도 21의 운영 체계(2014))에 의해 호스트되고 전형적으로는 상기 호스트 운영 체계(다시 말하면, 운영 체계(2014))와의 인터페이스와 아울러 상기 가상 머신(2048)의 동작을 관리하는 가상 머신 모니터(2046)를 지니는 것이 전형적이지만 항상 상기 가상 머신 모니터(2046)를 지니는 것은 아니다. 소프트웨어 아키텍처(2002)는 운영 체계(2050), 라이브러리들(2052), 프레임워크들/미들웨어(2054), 애플리케이션들(2056) 및/또는 프레젠테이션 계층(2058)과 같은 가상 머신(2048) 내에서 실행한다. 상기 가상 머신(2048) 내에서 실행하는 이러한 소프트웨어 아키텍처(2002)의 계층들은 앞서 설명한 상응하는 계층들과 동일한 것일 수도 있고 서로 다른 것일 수도 있다.

대표적인 머신 아키텍처 및 머신-판독가능 매체

도 20은 머신-판독가능 매체(예컨대, 머신-판독가능 저장 매체)로부터의 명령어들을 판독하고 본원 명세서에서 검토된 방법들 중 어느 하나 또는 그 이상의 방법들을 수행할 수 있는 일부 대표적인 실시 예들에 따른 머신(2100)의 구성요소들을 예시하는 블록도이다. 특히, 도 20에는 상기 머신(2100)이 본원 명세서에서 검토된 방법들 중 어느 하나 또는 그 이상의 방법들을 수행하게 하기 위한 명령어들(2116)(예컨대, 소프트웨어, 프로그램, 애플리케이션, 애플릿(applet), 앱, 또는 다른 실행가능 코드)이 실행될 수 있게 하는 대표적인 형태의 컴퓨터 시스템에서의 상기 머신(2100)이 개략적으로 나타나 있다. 예를 들면 상기 명령어들(2116)은 상기 머신(2100)이 도 6의 흐름도들을 실행하게 할 수 있다. 추가로 또는 변형적으로, 상기 명령어들(2116)은 도 9 - 도 11에 예시된 모듈들, 엔진들 및 애플리케이션들을 포함하여, 도 3의 감지 엔진(111), 상관 엔진(113), 확률 엔진(115) 및 확률론적 애플리케이션들(117) 등등을 구현할 수 있다. 상기 명령어들(2116)은 비-프로그램된 일반 머신(2100)을 위에서 설명한 방식으로 설명되고 예시된 기능들을 수행하도록 프로그램된 특정 머신(2100)으로 변환시킨다. 변형적인 실시 예들에서는, 상기 머신(2100)이 독립형 기기로서 동작하거나 다른 머신들(2100)에 결부(또는 네트워크 연결)될 수 있다. 네트워크 연결된 배치에서는, 상기 머신(2100)이 서버-클라이언트 네트워크 환경에서 클라이언트 머신 또는 서버 머신의 능력으로나 또는 피어 투 피어(peer-to-peer)(또는 분산) 네트워크 환경에서 피어 머신으로서 동작 가능하다. 상기 머신(2100)은 서버 컴퓨터, 클라이언트 컴퓨터, 개인용 컴퓨터(personal computer; PC), 태블릿 컴퓨터, 랩톱 컴퓨터, 넷북, 셋톱 박스(set-top box; STB), 개인 휴대 정보 단말기(personal digital assistant; PDA), 오락 미디어 시스템, 셀룰러 전화, 스마트폰, 모바일 기기, 착용형 기기(예컨대, 스마트 워치), 스마트 홈 기기(예를 들어, 스마트 어플라이언스(smart appliance)), 다른 스마트 기기, 웹 어플라이언스, 네트워크 라우터, 네트워크 스위치, 네트워크 브리지, 또는 머신(2100)에 의해 취해질 액션들을 지정하는 명령어들(2116)을 순차적으로나 이와는 달리 실행하는 것이 가능한 임의의 머신(2100)을 포함하지만, 이들에 국한되지 않는다. 더욱이, 단지 단일의 머신(2100)이 예시되어 있지만, "머신(machine)"이라는 용어는 또한 상기 명령어들(2116)을 개별적으로나 공동으로 실행하여 본원 명세서에서 검토된 방법들 중 어느 하나 또는 그 이상의 방법들을 수행하는 머신들(2100)의 집합을 포함하는 것으로 여겨질 것이다.

상기 머신(2100)은 버스(2102)를 통해서와 같이 서로 통신하도록 구성될 수 있는 프로세서들(2110), 메모리(2130), 및 I/O 구성요소들(2150)을 포함할 수 있다. 한 대표적인 실시 예에서는, 상기 프로세서들(2110)(예컨대, 중앙 프로세싱 유닛(central processing unit; CPU), 축소 명령어 집합 컴퓨팅(reduced instruction set computing; RISC) 프로세서, 복합 명령어 집합 컴퓨팅(complex instruction set computing; CISC) 프로세서, 그래픽 프로세싱 유닛(graphics processing unit; GPU), 디지털 신호 프로세서(digital signal processor; DSP), 주문형 집적회로(application specific integrated circuit; ASIC), 무선 주파수 집적회로(radio-frequency integrated circuit; RFIC), 다른 한 프로세서, 또는 이들의 임의의 적합한 조합)이 예를 들면 명령어들(2116)을 실행할 수 있는 프로세서(2112) 및 프로세서(2114)를 포함할 수 있다. "프로세서(processor)"라는 용어는 명령어들(2116)을 동시에 실행할 수 있는 2개 이상의 독립 프로세서(2112)(때로는 "코어들"로서 언급됨)를 포함할 수 있는 다중-코어 프로세서들(2112)을 포함하도록 의도된 것이다. 비록 도 20에는 다수의 프로세서(2112)가 도시되어 있지만, 상기 머신(2100)은 단일 코어를 구비한 단일 프로세서(2112), 다수의 코어(예컨대, 다중-코어 프로세스)를 구비한 단일 프로세서(2112), 다수의 코어를 구비한 다수의 프로세서(2112), 또는 이들의 임의 조합을 포함할 수 있다.

상기 메모리/저장 장치(2130)는 메인 메모리, 또는 다른 메모리 저장 장치와 같은 메모리(2132), 및 저장 유닛(2136)을 포함할 수 있으며, 이들 양자 모두는 상기 버스(2102)를 통해서와 같이 상기 프로세서들(2110)에 액세스 가능하다. 상기 저장 유닛(2136) 및 메모리(2132)는 본원 명세서에 기재되어 있는 방법들 또는 기능들 중 임의의 하나 또는 그 이상의 방법들 또는 기능들을 구현하는 명령어들(2116)을 저장한다. 상기 명령어들(2116)은 또한 상기 머신(2100)에 의한 상기 명령어들(2116)의 실행시, 상기 메모리(2132) 내에, 상기 저장 유닛(2136) 내에, 상기 프로세서들(2110) 중 적어도 하나의 프로세서 내에(예컨대, 프로세서의 캐시 메모리 내에), 또는 이들의 임의의 적합한 조합 내에 전부 또는 일부 상주할 수 있다. 따라서, 상기 메모리(2132), 상기 저장 유닛(2136), 및 프로세서들(2110)의 메모리는 머신-판독가능 매체의 예들이다.

본원 명세서에서 사용되는 "머신-판독가능 매체"는 명령어들(2116) 및 데이터를 일시적으로나 영구적으로 저장할 수 있는 기기를 의미하며 랜덤 액세스 메모리(random-access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 버퍼 메모리, 플래시 메모리, 광학 매체, 자기 매체, 캐시 메모리, 다른 타입들의 저장장치(예컨대, 소거 가능한 프로그램 가능 판독 전용 메모리(erasable programmable read-only memory; EEPROM) 및/또는 이들의 임의의 적절한 조합을 포함하지만 이들에 국한되지 않는다. 상기 "머신-판독가능 매체(machine-readable medium)"는 명령어들(2116)을 저장할 수 있는 단일의 매체 또는 다수의 매체(예컨대, 중앙집중되거나 분산된 데이터베이스, 또는 관련 캐시들 및 서버들)를 포함하는 것으로 여겨져야 한다. 상기 "머신-판독가능 매체"는 또한 머신(예컨대, 머신(2100))에 의한 실행을 위한 명령어들(예컨대, 명령어들(2116))을 저장하여 상기 머신(2100)의 하나 이상의 프로세서들(예컨대, 프로세서들(2110))에 의해 실행될 때 상기 머신(2100)으로 하여금 본원 명세서에서 설명한 방법들 중 하나 이상의 방법들을 수행하게 할 수 있는 임의의 매체, 또는 다수의 매체의 조합을 포함하는 것으로 여겨질 것이다. 따라서, "머신-판독가능 매체"는 다수의 저장 장치 또는 기기를 포함하는 "클라우드-기반" 저장 시스템 또는 저장 네트워크들과 아울러, 단일의 저장 장치 또는 기기를 언급한다. "머신-판독가능 매체"라는 용어는 신호들 자체를 배제한다.

상기 I/O 구성요소들(2150)은 입력을 수취하고, 출력을 제공하며, 출력을 생성하고, 정보를 전송하며, 정보를 교환하고, 측정치들을 캡처하는 등등의 기능을 수행하는 매우 다양한 구성요소들을 포함할 수 있다. 특별한 머신에 포함되어 있는 특정 I/O 구성요소들(2150)은 머신 타입에 의존하게 된다. 예를 들면, 모바일폰들과 같은 포터블 머신들(2100)은 아마도 터치 입력 기기 또는 다른 그러한 입력 메커니즘들을 포함하게 되지만, 헤드리스 서버 머신은 아마도 그러한 터치 입력 기기를 포함하지 않게 된다. 당업자라면 상기 I/O 구성요소들(2150)이 도 20에 도시되어 있지 않은 다른 여러 구성요소를 포함할 수 있음을 이해할 것이다. 상기 I/O 구성요소들(2150)은 단지 이하의 검토를 간략화하기 위해 기능에 따라 그룹화된 것뿐이고 그러한 그룹화가 결코 제한적인 것은 아니다. 여러 대표적인 실시 예들에서는, 상기 I/O 구성요소들(2150)이 출력 구성요소들(2152) 및 입력 구성요소들(2154)을 포함할 수 있다. 상기 출력 구성요소들(2152)은 시각 구성요소들(예컨대, 플라즈마 디스플레이 패널(plasma display panel; PDP), 발광 다이오드(light emitting diode; LED) 디스플레이, 액정 디스플레이(liquid crystal display; LCD), 프로젝터, 또는 음극선관(cathode ray tube; CRT), 청각 구성요소들(예컨대, 스피커들), 햅틱(haptic) 구성요소들(예컨대, 진동 모터, 저항 메커니즘들), 다른 신호 생성기들 등등을 포함할 수 있다. 상기 입력 구성요소들(2154)은 영숫자 입력 구성요소들(예컨대, 키보드, 영숫자 입력을 수신하도록 구성된 터치 스크린, 사진 광학 키보드, 또는 다른 영숫자 입력 구성요소들), 포인트 기반 입력 구성요소들(예컨대, 마우스, 터치패드, 트랙볼, 조이스틱, 움직임 센서, 또는 다른 포인팅 기구), 촉각 입력 구성요소들(예컨대, 물리적 버튼, 터치들 또는 터치 제스처의 위치 및/또는 힘을 제공하는 터치 스크린, 또는 다른 촉각 입력 구성요소들), 오디오 입력 구성요소들(예컨대, 마이크로폰) 등등을 포함할 수 있다.

부가적인 대표 실시 예들에서는, 상기 I/O 구성요소들(2150)이 다양한 유형의 다른 구성요소들 중에서 생체 구성요소들(2156), 움직임 구성요소들(2158), 환경 구성요소들(2160), 또는 위치 구성요소들(2162)을 포함할 수 있다. 예를 들면, 상기 생체 구성요소들(2156)은 표정들(예컨대, 손 표정들, 얼굴 표정들, 음성 표정들, 몸 제스처들, 또는 눈 추적)을 검출하고, 생체 신호들(예컨대, 혈압, 심박수, 체온, 땀, 또는 뇌파들)을 측정하며, 사람(예컨대, 음성 인식, 망막 인식, 얼굴 인식, 지문 인식, 또는 뇌파 기반 인식)을 식별하는 등등의 기능을 수행하는 구성요소들을 포함할 수 있다. 상기 움직임 구성요소들(2158)은 가속도 센서 구성요소들(예컨대, 가속도계), 중력 센서 구성요소들, 회전 센서 구성요소들(예컨대, 자이로스코프) 등등을 포함할 수 있다. 상기 환경 구성요소들(2160)은 예를 들면 조도 센서 구성요소들(예컨대, 광도계), 온도 센서 구성요소들(예컨대, 주위 온도를 검출하는 하나 이상의 온도계), 습도 센서 구성요소들, 압력 센서 구성요소들(예컨대, 기압계), 음향 센서 구성요소들(예컨대, 배경 잡음을 검출하는 하나 이상의 마이크로폰들), 근접 센서 구성요소들(예컨대, 인접한 물체들을 검출하는 적외선 센서들), 가스 센서들(예컨대, 안전을 위해 유해 가스 농도를 검출하거나 대기 오염을 측정하도록 하는 가스 측정 센서들), 또는 주변의 물리적 환경에 상응하는 표시들, 측정들 또는 신호들을 제공할 수 있는 다른 구성요소들을 포함할 수 있다. 상기 위치 구성요소들(2162)은 위치 센서 구성요소들(예컨대, 전지구 위치파악 시스템(Global Position System; GPS) 수신기 구성요소), 고도 센서 구성요소들(예컨대, 고도가 유도될 수 있는 공기 압력을 검출하는 고도계들 또는 기압계들, 방위 센서 구성요소들(예컨대, 자력계) 등등을 포함할 수 있다.

통신은 매우 다양한 기술들을 사용하여 구현될 수 있다. 상기 I/O 구성요소들(2150)은 커플링(2182) 및 커플링(2172)을 각각 통해서 상기 머신(2100)을 네트워크(2180) 또는 기기들(2170)에 연결하도록 구성 가능한 통신 구성요소들(2164)을 포함할 수 있다. 예를 들면, 상기 통신 구성요소들(2164)은 상기 네트워크(2180)와 인터페이스하도록 네트워크 인터페이스 구성요소 또는 다른 적합한 기기를 포함할 수 있다. 부가적인 예들에서는, 통신 구성요소들(2164)이 유선 통신 구성요소들, 무선 통신 구성요소들, 셀룰러 통신 구성요소들, 근접장 통신(near field communication; NFC) 구성요소들, Bluetooth® 구성요소들(예컨대, 저전력 Bluetooth®), Wi-Fi® 구성요소들, 및 다른 모달리티들을 통한 통신을 제공하도록 하는 다른 통신 구성요소들을 포함할 수 있다. 상기 기기들(2170)은 다른 한 머신(2100)일 수도 있고 매우 다양한 주변 기기들(예컨대, 범용 직렬 버스(Universal Serial Bus; USB)를 통해 연결된 주변 기기) 중 어느 하나일 수 있다.

더욱이, 상기 통신 구성요소들(2164)은 식별자들을 검출할 수도 있고 식별자들을 검출하도록 동작 가능한 구성요소들을 포함할 수도 있다. 예를 들면, 상기 통신 구성요소들(2164)은 무선 주파수 식별(radio frequency identification; RFID) 태그 판독기 구성요소들, NFC 스마트 태그 검출 구성요소들, 광학 판독기 구성요소들(예컨대, 통일 상품 코드(Universal Product Code; UPC) 바코드와 같은 1차원 바코드들, 신속 응답(Quick Response; QR) 코드, 아즈텍(Aztec) 코드, 데이터 매트릭스, Dataglyph, MaxiCode, PDF417, 울트라 코드, UCC RSS-2D 바코드, 및 다른 광학 코드와 같은 다차원 바코드들을 검출하도록 하는 광학 센서), 또는 음향 검출 구성요소들(예컨대, 태그 오디오 신호들을 식별하도록 하는 마이크로폰들)을 포함할 수 있다. 그 외에도, 다양한 정보가 인터넷 프로토콜(Internet Protocol; IP) 지리적 위치, Wi-Fi® 신호 삼각측량을 통한 위치, 특정 위치를 나타낼 수 있는 NFC 비컨 신호의 검출을 통한 위치 등등과 같은 통신 구성요소들(2164)을 통해 유도될 수 있다.

전송 매체

여러 대표적인 실시 예들에서는, 상기 네트워크(2180)의 하나 이상의 부분들이 애드혹 네트워크, 인트라넷, 엑스트라넷, 가상 사설 통신 네트워크(virtual private network; VPN), 근거리 통신 네트워크(local area network; LAN), 무선 LAN(WLAN), 광역 통신 네트워크(wide area network; WAN), 무선 WAN(WWAN), 도시권 통신 네트워크(metropolitan area network; MAN), 인터넷(80), 인터넷(80)의 일부, 공중전화 교환 네트워크(public switched telephone network; PSTN)의 일부, 기존 전화 서비스(plain old telephone service; POTS) 네트워크, 셀룰러 전화 네트워크, 무선 네트워크, Wi-Fi® 네트워크, 다른 한 타입의 네트워크, 또는 2개 이상의 그러한 네트워크들의 조합일 수 있다. 예를 들면, 상기 네트워크(2180) 또는 상기 네트워크(2180)의 일부는 무선 또는 셀룰러 네트워크를 포함할 수 있으며, 상기 커플링(2182)은 코드 분할 다중 액세스(Code Division Multiple Access; CDMA) 접속, 이동 통신 세계화 시스템(Global System for Mobile communications; GSM) 접속, 또는 다른 타입의 셀룰러 또는 무선 커플링일 수 있다. 본 예에서는, 상기 커플링(2182)이 단일 반송파 무선 전송 기술(Single Carrier Radio Transmission Technology; 1xRTT), 진화-데이터 최적화(Evolution-Data Optimized; EVDO) 기술, 일반 패킷 무선 서비스(General Packet Radio Service; GPRS) 기술, GSM 진화형 고속 데이터 레이트(Enhanced Data rates for GSM Evolution; EDGE) 기술, 3G를 포함하는 3세대 파트너쉽 프로젝트(third Generation Partnership Project; 3GPP), 4세대 무선(4G) 네트워크들, 범용 이동 통신 시스템(Universal Mobile Telecommunications System; UMTS), 고속 패킷 액세스(High Speed Packet Access; HSPA), 마이크로웨이브 액세스를 위한 월드와이드 상호운용성(Worldwide Interoperability for Microwave Access; WiMAX), 장기간 진화(Long Term Evolution; LTE) 표준, 다양한 표준 설정 기구들에 의해 정의된 다른 표준들, 다른 장거리 프로토콜들, 또는 다른 데이터 전송 기술과 같은 다양한 타입의 데이터 전송 기술 중 어느 하나를 구현할 수 있다.

상기 명령어들(2116)은 네트워크 인터페이스 기기(예컨대, 상기 통신 구성요소들(2164)에 포함된 네트워크 인터페이스 구성요소)를 통한 전송 매체를 사용하여 그리고 다수의 널리 알려진 전송 프로토콜들 중 어느 하나(예컨대, 하이퍼텍스트 전송 프로토콜(hypertext transfer protocol; HTTP))를 사용하여 상기 네트워크(2180)를 통해 전송 또는 수신될 수 있다. 마찬가지로, 상기 명령어들(2116)은 기기들(2170)에 대한 커플링(2172)(예컨대, 피어 투 피어 커플링)을 통한 전송 매체를 사용하여 전송 또는 수신될 수 있다. "전송 매체(transmission medium)"라는 용어는 상기 머신(2100)에 의한 실행을 위한 명령어들(2116)을 저장, 부호화, 또는 반송하는 것이 가능한 임의의 무형 매체를 포함하는 것으로 여겨질 것이며, 그러한 소프트웨어의 통신을 가능하게 하도록 디지털 또는 아날로그 통신 신호들 또는 다른 무형 매체를 포함한다.

표현

본원 명세서 전반에 걸쳐, 다수의 예는 단일의 예로서 설명된 구성요소들, 동작들, 또는 구조들을 구현할 수 있다. 비록 하나 이상의 방법들의 개별 단계들이 별도의 단계들로서 예시 및 설명되었지만, 개별 단계들 중 하나 이상의 단계들은 동시에 수행될 수 있으며, 어떤 것도 상기 단계들이 예시된 순서로 수행되지 않아도 된다. 대표적인 구성들에서 별도의 구성요소들로 제시된 구조들 및 기능은 조합된 구조 또는 구성요소로서 구현될 수 있다. 마찬가지로, 단일의 구성요소로서 제시된 구조들 및 기능은 별도의 구성요소들로서 구현될 수 있다. 이러한 변형 예들, 수정 예들, 추가 예들 및 개선 예들 그리고 다른 변형 예들, 수정 예들, 추가 예들, 및 개선 예들은 본원 명세서 내용의 범위 내에 속한다.

비록 발명 내용의 개요가 특정한 대표 실시 예들을 참조하여 설명되었지만, 본 개시내용의 실시 예들의 상대적으로 넓은 범위로부터 벗어나지 않고 상기 실시 예들에 대하여 다양한 수정 예들 및 변경 예들이 이루어질 수 있게 된다. 발명 내용의 그러한 실시 예들은 본원 명세서에서 단지 편의성을 위해 "개시내용"이라는 용어로 개별적으로나 집합적으로 언급될 수 있으며, 하나보다 많은 개시내용 또는 발명 개념이 존재하는 경우에, 임의의 단일 개시내용 또는 발명개념에 대한 본원의 범위를 사실상 개시한 것을 자발적으로 한정하려고 한 것은 아니다.

본원 명세서에서 예시된 실시 예들은 당업자가 개시된 교시들을 구현할 수 있게 할 정도로 충분하게 구체적으로 설명되어 있다. 다른 실시 예들이 사용될 수 있으며 상기 실시 예로부터 도출될 수 있기 때문에, 본 개시내용의 범위로부터 벗어나지 않고 구조적이고 논리적인 치환 예들 및 변경 예들이 이루어질 수 있게 된다. 그러므로 구체적인 내용은 한정하는 의미로 여겨져서는 아니 되며, 여러 실시 예의 범위는 첨부된 청구항들과, 상기 청구항들에서 부여된 등가 범위에 의해서만 정의된다.

본원 명세서에서 사용된 "또는"의 용어는 내적 의미 또는 외적 의미로 해석될 수 있다. 더욱이, 다수의 예는 본원 명세서에서 단일의 예로서 설명된 자원들, 동작들, 또는 구조들에 대해 제공될 수 있다. 추가로, 여러 자원, 동작, 모듈, 엔진, 그리고 데이터 저장 간의 경계들은 다소 임의적인 것이며, 그리고 특별한 동작들은 특정한 전형적인 구성들의 맥락으로 예시되어 있다. 다른 기능 할당들은 예상될 수 있으며 본 개시내용의 다양한 실시 예들의 범위 내에 속할 수 있다. 일반적으로, 대표적인 구성들에서 별도의 자원들로서 제시된 구조들 및 기능은 조합된 구조 또는 자원으로서 구현될 수 있을 것이다. 마찬가지로, 단일의 자원으로서 제시된 구조들 및 기능은 별도의 자원들로서 구현될 수 있다. 이러한 변형 예들, 수정 예들, 추가 예들 및 개선 예들 그리고 다른 변형 예들, 수정 예들, 추가 예들, 및 개선 예들은 첨부된 청구항들에 의해 나타나 있는 바와 같은 본 개시내용의 실시 예들의 범위 내에 속한다. 따라서, 본원 명세서 및 도면들은 제한적인 의미라기보다는 오히려 예시적인 의미로 간주하여야 한다.

Claims (20)

1. 방법에 있어서,
   상기 방법은,
   복수 개의 센서들로부터의 원시 센서 데이터를 수신하는 단계;
   상기 원시 센서 데이터를 기반으로 하여 의미 데이터를 생성하는 단계로서, 상기 의미 데이터는 복수 개의 감지 이벤트들을 포함하며 제1 복수 개의 분류자들을 부가적으로 포함하고 상기 제1 복수 개의 분류자들은 상기 원시 센서 데이터의 수신을 기반으로 하여 검출된 이벤트를 나타내는 의미 데이텀을 포함하는 제1 분류자, 관련 의미 데이텀의 신뢰도를 나타내는 확률을 포함하는 제2 분류자, 관련 의미 데이텀을 감지하는데 이용되는 센서의 위치를 식별하는 제3 분류자, 및 관련 의미 데이텀의 위치를 식별하는 제4 분류자를 포함하는, 단계;
   제2 복수 개의 분류자들을 기반으로 하여 상기 의미 데이터를 상관시켜 복수 개의 의미 데이텀 집성체들을 생성하는 단계로서, 상기 제2 복수 개의 분류자들은 상기 제1 복수 개의 분류자들로부터 선택되는, 단계;
   확률 엔진을 가지고 상기 복수 개의 의미 데이텀 집성체들을 분석하여 상응하는 복수 개의 도출 이벤트들을 생성하는 단계로서, 상기 복수 개의 도출 이벤트들 각각은 파생 확률을 포함하며, 상기 분석은 관련 의미 데이텀의 신뢰도를 각각 나타내는 복수 개의 확률들을 기반으로 하여 생성되는 제1 파생 확률을 포함하는 제1 도출 이벤트를 생성하는, 단계; 및
   적어도 하나의 애플리케이션으로 하여금 상기 복수 개의 도출 이벤트들을 기반으로 하는 서비스를 수행할 수 있게 하는 단계;
   를 포함하는, 방법.
2. 제1항에 있어서, 상기 복수 개의 센서들은 복수 개의 노드들을 포함하는 광센서 네트워크를 이루고 있는 제1 노드 상에 위치한 제1 센서를 포함하는, 방법.
3. 제1항에 있어서, 상기 원시 센서 데이터는 시각 데이터, 청각 데이터, 및 환경 데이터를 포함하고 상기 의미 데이텀에 의해 표현되는 이벤트는 사람의 검출, 차량의 검출, 객체의 검출, 및 비어 있는 주차 공간의 검출을 포함하는, 방법.
4. 제1항에 있어서, 상기 제3 분류자는 제1 센서의 공간 좌표를 포함하고 상기 복수 개의 분류자들은 상기 제3 분류자와 관련이 있는 시간적 좌표를 포함하는 제5 분류자를 포함하는, 방법.
5. 제4항에 있어서, 상기 제4 분류자는 상기 의미 데이텀에 의해 표현되는 제1 이벤트의 공간적 좌표를 포함하고 상기 복수 개의 분류자들은 상기 제1 센서가 상기 의미 데이텀에 의해 표현되는 제1 이벤트를 검출하는데 이용된 시간을 기술(記述)하는 시간적 좌표를 포함하는 제6 분류자를 포함하며 상기 제1 이벤트는 주차 공간이 비어 있는 점유 상태인, 방법.
6. 제1항에 있어서, 상기 제1 복수 개의 분류자들은 복수 개의 애플리케이션들로부터 적어도 하나의 애플리케이션을 식별하는데 이용되는 애플리케이션 식별자를 포함하는 제7 분류자를 포함하고, 상기 복수 개의 애플리케이션들로부터의 각각의 애플리케이션은 서로 다른 서비스를 수행하는데 이용되는, 방법.
7. 제1항에 있어서, 상기 의미 데이터를 상관시키는 단계는 매치(match) 되는 분류자들을 기반으로 하여 추상 그래프들을 생성하도록 상관시키는 단계 및 불분명하게 매치 되는 분류자들을 기반으로 하여 추상 그래프들을 생성하도록 상관시키는 단계 중 적어도 하나를 포함하는, 방법.
8. 제1항에 있어서, 상기 의미 데이터를 상관시키는 단계는 공간적 좌표 및 시간적 좌표 간의 수학적 관계들을 기반으로 하여 상관시키는 단계를 포함하며 상기 공간적 좌표 및 상기 시간적 좌표는 센서 자체, 이벤트 검출, 및 이들 모두의 조합 중 적어도 하나를 포함하는, 방법.
9. 제1항에 있어서, 상기 복수 개의 감지 이벤트들은 제1 감지 이벤트, 제2 감지 이벤트 및 제3 감지 이벤트를 포함하며, 상기 제1 감지 이벤트는 제1 주차 공간이 비어 있는 점유 상태를 기술하는 제1 분류자를 포함하고, 상기 제2 감지 이벤트는 상기 제1 주자 공간이 비어 있는 점유 상태를 기술하는 제1 분류자를 포함하며 제3 감지 이벤트는 상기 제1 주차 공간이 비어 있는 점유 상태를 기술하고, 상기 복수 개의 집성된 의미 데이터는 상기 제1 감지 이벤트, 상기 제2 감지 이벤트 및 상기 제3 감지 이벤트를 집성하는 제1의 집성된 의미 데이터를 포함하는, 방법.
10. 시스템에 있어서,
    상기 시스템은,
    복수 개의 센서들로부터 원시 센서 데이터를 수신하도록 구성되어 있는, 하나 이상의 프로세서들에 의해 구현되는 복수 개의 감지 엔진들로서, 복수 개의 감지 엔진들은 상기 원시 센서 데이터를 기반으로 하여 의미 데이터를 생성하도록 더 구성되어 있으며, 상기 의미 데이터는 복수 개의 감지 이벤트들을 포함하고 제1 복수 개의 분류자들을 더 포함하며, 상기 제1 복수 개의 분류자들은 상기 원시 센서 데이터의 수신을 기반으로 하여 검출되는 이벤트를 표현하는 의미 데이텀을 포함하는 제1 분류자, 관련 의미 데이텀의 신뢰도를 표현하는 확률을 포함하는 제2 분류자, 관련 의미 데이텀을 감지하는데 이용되는 센서의 위치를 식별하는 제3 분류자, 및 관련 의미 데이텀의 위치를 식별하는 제4 분류자를 포함하는, 복수 개의 감지 엔진들;
    제2 복수 개의 분류자들을 기반으로 하여 상기 의미 데이터를 상관시켜 복수 개의 의미 데이텀 집성체들을 생성하도록 구성되어 있는, 하나 이상의 프로세서들에 의해 구현되는 상관 엔진으로서, 상관 엔진은 상기 제1 복수 개의 분류자들로부터 상기 제2 복수 개의 분류자들을 선택하도록 구성되어 있는, 상관 엔진; 및
    상기 복수 개의 의미 데이텀 집성체들을 분석하여 상응하는 복수 개의 도출 이벤트들을 생성하도록 구성되어 있는, 하나 이상의 프로세서들에 의해 구현되는 확률 엔진으로서, 상기 상응하는 복수 개의 도출 이벤트들 각각은 파생 확률을 포함하며, 상기 복수 개의 도출 이벤트들은 제1 파생 확률을 포함하는 제1 도출 이벤트를 포함하고, 확률 엔진은 관련 의미 데이텀의 신뢰도를 각각 표현하는 복수 개의 확률들을 기반으로 하여 상기 제1 도출 이벤트를 생성하며, 확률 엔진은 상기 복수 개의 도출 이벤트들을 인터페이스에 전달하여 적어도 하나의 애플리케이션으로 하여금 상기 복수 개의 도출 이벤트들을 기반으로 하는 서비스를 수행할 수 있게 하도록 더 구성되어 있는, 확률 엔진;
    을 포함하는, 시스템.
11. 제10항에 있어서, 상기 복수 개의 센서들은 복수 개의 노드들을 포함하는 광센서 네트워크를 이루고 있는 제1 노드 상에 위치한 제1 센서를 포함하는, 시스템.
12. 제10항에 있어서, 상기 원시 센서 데이터는 시각 데이터, 청각 데이터, 및 환경 데이터를 포함하며, 상기 의미 데이텀에 의해 표현되는 이벤트는 사람의 검출, 차량의 검출, 객체의 검출, 및 비어 있는 주차 공간의 검출을 포함하는, 시스템.
13. 제10항에 있어서, 상기 제3 분류자는 제1 센서의 공간적 좌표를 포함하며 상기 복수 개의 분류자들은 상기 제3 분류자와 관련이 있는 시간적 좌표를 포함하는 제5 분류자를 포함하는, 시스템.
14. 제13항에 있어서, 상기 제4 분류자는 상기 의미 데이텀에 의해 표현되는 제1 이벤트의 공간적 좌표를 포함하며 상기 복수 개의 분류자들은 상기 제1 센서가 상기 의미 데이텀에 의해 표현되는 제1 이벤트를 검출하는데 이용된 시간을 기술하는 시간적 좌표를 포함하는 제6 분류자를 포함하고 상기 제1 이벤트는 주차 공간이 비어 있는 점유 상태인, 시스템.
15. 제10항에 있어서, 상기 확률 엔진은 사용자 입력들을 기반으로 하여 분석하도록 구성되어 있으며 상기 사용자 입력들은 원하는 정확도 및 사용자 선호도를 포함하는, 시스템.
16. 제10항에 있어서, 상기 확률 엔진은 제2 분류자에 할당되는 가중치를 기반으로 하여 분석하도록 구성되어 있으며 상기 확률 엔진은 시간 경과에 따라 상기 가중치를 변경하는, 시스템.
17. 제10항에 있어서, 상기 복수 개의 도출 이벤트들은 제1 도출 이벤트를 포함하며 상기 확률 엔진은 제1 문턱값을 기반으로 하여 분석하고 상기 제1 문턱값은 상기 제1 도출 이벤트를 생성하는데 이용되는 최소 원시 센서 데이터 레벨을 정의하는, 시스템.
18. 제17항에 있어서, 상기 확률 엔진은 시간 경과에 따라 상기 제1 문턱값을 변경하는, 시스템.
19. 제10항에 있어서, 상기 적어도 하나의 애플리케이션은 주차 위치 애플리케이션, 감시 애플리케이션, 트래픽 애플리케이션, 소매 고객 애플리케이션, 비즈니스 인텔리전스 애플리케이션, 자산 모니터링 애플리케이션, 환경 애플리케이션, 지진 감지 애플리케이션을 포함하는, 시스템.
20. 한 세트의 명령어들이 저장되어 있는 비-일시적인 신호들을 지니는 머신-판독가능 매체로서, 상기 한 세트의 명령어들은, 프로세서에 의해 실행될 때, 머신으로 하여금,
    복수 개의 센서들로부터의 원시 센서 데이터를 수신하는 동작;
    상기 원시 센서 데이터를 기반으로 하여 의미 데이터를 생성하는 동작으로서, 상기 의미 데이터는 복수 개의 감지 이벤트들을 포함하며 제1 복수 개의 분류자들을 부가적으로 포함하고 상기 제1 복수 개의 분류자들은 상기 원시 센서 데이터의 수신을 기반으로 하여 검출되는 이벤트를 나타내는 의미 데이텀을 포함하는 제1 분류자, 관련 의미 데이텀의 신뢰도를 나타내는 확률을 포함하는 제2 분류자, 관련 의미 데이텀을 감지하는데 이용되는 센서의 위치를 식별하는 제3 분류자, 및 관련 의미 데이텀의 위치를 식별하는 제4 분류자를 포함하는, 동작;
    제2 복수 개의 분류자들을 기반으로 하여 상기 의미 데이터를 상관시켜 복수 개의 의미 데이텀 집성체들을 생성하는 동작으로서, 상기 제2 복수 개의 분류자들은 상기 제1 복수 개의 분류자들로부터 선택되는, 동작;
    확률 엔진을 가지고 상기 복수 개의 의미 데이텀 집성체들을 분석하여 상응하는 복수 개의 도출 이벤트들을 생성하는 동작으로서, 상기 복수 개의 도출 이벤트들 각각은 파생 확률을 포함하며, 상기 분석은 관련 의미 데이텀의 신뢰도를 각각 나타내는 복수 개의 확률들을 기반으로 하여 생성되는 제1 파생 확률을 포함하는 제1 도출 이벤트를 생성하는, 동작; 및
    적어도 하나의 애플리케이션으로 하여금 상기 복수 개의 도출 이벤트들을 기반으로 하는 서비스를 수행할 수 있게 하는 동작;
    을 수행하게 하는, 머신-판독가능 매체.

Images