KR20170141928A - 데이터 플랫폼에 기반한 IoT 서비스 제공 방법 및 그 장치 - Google Patents

Abstract

본 발명의 일 실시 태양에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법은, IoT 서비스 제공 장치가, 복수의 IoT 기기로부터 복수의 종류의 센싱 데이터를 수신하는 단계와 상기 IoT 서비스 제공 장치가, 서로 다른 종류의 상기 센싱 데이터 사이의 상관/연관 관계를 분석하는 단계와 상기 IoT 서비스 제공 장치가, 상관/연관 관계를 분석한 결과를 이용하여 각 종류의 상기 센싱 데이터의 가중치를 결정하는 단계 및 상기 IoT 서비스 제공 장치가, 상기 가중치가 반영된 상기 센싱 데이터를 이용하여 제1 IoT 서비스를 제공하는 단계를 포함할 수 있다.

Description

데이터 플랫폼에 기반한 IoT 서비스 제공 방법 및 그 장치 {Method and apparatus for providing IoT service based on data platform}

본 발명은 데이터 플랫폼에 기반하여 IoT 서비스를 제공하는 방법 및 그 장치에 관한 것이다. 보다 자세하게는 하나 이상의 IoT 기기로부터 센싱 데이터(sensing data)를 수신하고, 수신한 센싱 데이터를 융합할 수 있는 데이터 플랫폼을 이용하여, IoT 서비스의 사용성과 가용성을 최대화하기 위한 방법 및 그 방법을 수행하는 장치에 관한 것이다.

최근 IoT 기기의 보급과 사용이 활성화 되면서, IoT 기기를 이용하여 제공할 수 있는 IoT 서비스의 종류 또한 다양해지고 있다. 즉 의료, 물류, 에너지, 사회 안전, 스마트 홈 등 다양한 분야에서 IoT 기술이 확산됨에 따라, 많은 IoT 서비스 사업자들이 자신들의 서비스를 위한 IoT 애플리케이션을 개발하고 서비스를 운영하고 있다.

그러나 종래의 IoT 기기들은 대부분 한가지 활동에 초점이 맞춰져 개발되어 왔다. 예를 들면 수면이나 운동, TV 시청과 같이 하나의 서비스에 초점을 맞추고 이러한 서비스를 제공하기 위한 IoT 기기를 각 제조사에서 개발해왔다. 그러다 보니 각 제조사가 만든 IoT 기기 중심으로 IoT 환경이 구축되어 왔다.

예를 들면 동일한 서비스를 제공하기 위한 IoT 기기임에도 제조사에 따라 내장된 센서가 다르고 수집하는 데이터가 다를 수 있다. 이로 인해 데이터 중복 수집의 문제나, 동일 상황에 대한 상이한 인식 등이 발생할 수 있다. 예를 들어 한 명의 사용자가 수면 관리를 위해 서로 다른 제조사가 만든 제1 IoT 기기와 제2 IoT 기기를 사용한다고 가정해보자. 이 때, 제1 IoT 기기에서의 분석 결과와 제2 IoT 기기에서의 분석 결과가 다르게 나올 수 있다. 이로 인해 사용자에게는 사용성 측면에서 제한이 생길 수 있다.

또한 일부 IoT 기기가 동일한 센서를 내장하고 동일한 데이터를 수집하는데도 서로 데이터를 공유하지 않기 때문에, 특정 IoT 기기에 문제가 발생한 경우에는 해당 IoT 기기가 제공하는 IoT 서비스를 원활하게 제공 받지 못하는 상황이 발생할 수 있다. 이로 인해 사용자에게는 가용성 측면에서 제한이 생길 수 있다.

예를 들어 한 명의 사용자가 수면 관리를 위해 제1 IoT 기기를 사용하고, 운동 관리를 위해 제2 IoT 기기를 사용한다고 가정해보자. 이 때, 제1 IoT 기기와 제2 IoT 기기에 내장된 센서가 동일하여 수집하는 정보도 같은 경우에도, 제1 IoT 기기가 고장 나면 수면 관리 서비스를 받을 수 없게 된다. 만약 제1 IoT 기기와 제2 IoT 기기가 수집한 데이터를 공유할 수 있다면, 제1 IoT 기기가 고장 나더라도 제2 IoT 기기가 수집한 데이터를 바탕으로 수면관리 서비스를 제공할 수도 있을 것이다.

이에 각 제조사에서 만든 IoT 기기 중심의 IoT 환경이 아니라 IoT 서비스를 중심으로 각 IoT 기기가 수집한 데이터를 공유하고 융합할 수 있는 방법이 요구된다.

본 발명이 해결하고자 하는 기술적 과제는 데이터 플랫폼에 기반하여 IoT 서비스를 제공하는 방법 및 그 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 해결하기 위한 본 발명의 일 태양에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법은, IoT 서비스 제공 장치가, 복수의 IoT 기기로부터 복수의 종류의 센싱 데이터를 수신하는 단계와 상기 IoT 서비스 제공 장치가, 서로 다른 종류의 상기 센싱 데이터 사이의 상관/연관 관계를 분석하는 단계와 상기 IoT 서비스 제공 장치가, 상관/연관 관계를 분석한 결과를 이용하여 각 종류의 상기 센싱 데이터의 가중치를 결정하는 단계 및 상기 IoT 서비스 제공 장치가, 상기 가중치가 반영된 상기 센싱 데이터를 이용하여 제1 IoT 서비스를 제공하는 단계를 포함할 수 있다.

일 실시예에서, 상기 상관/연관 관계를 분석하는 단계는, 상기 서로 다른 종류의 상기 센싱 데이터를 대상으로 로지스틱 회귀 분석과 주성분 분석을 적용하는 단계를 포함할 수 있다.

다른 실시예에서, 상기 센싱 데이터의 가중치를 결정하는 단계는, 각 종류의 상기 센싱 데이터의 비례 계수를 구하고, 상기 비례 계수를 이용하여 상기 가중치를 결정하는 단계를 포함할 수 있다.

또 다른 실시예에서, 상기 비례 계수를 이용하여 상기 가중치를 결정하는 단계는, 상기 비례 계수의 역수를 상기 가중치로 결정하는 단계를 포함할 수 있다.

또 다른 실시예에서, 상기 제1 IoT 서비스를 제공하는 단계는, 상기 복수의 종류의 센싱 데이터 중 제1 종류의 센싱 데이터의 수신이 누락되는 경우, 상기 제1 종류의 센싱 데이터와 상관/연관 관계를 가지는 다른 종류의 센싱 데이터를 이용하여, 상기 제1 종류의 센싱 데이터의 참조가 필요한 제1 IoT 서비스를 제공하는 단계를 포함할 수 있다.

또 다른 실시예에서, 상기 제1 종류의 센싱 데이터의 참조가 필요한 제1 IoT 서비스를 제공하는 단계는, 상기 다른 종류의 센싱 데이터를 이용하여 상기 제1 종류의 센싱 데이터의 값을 복원한 가상의 센싱 데이터를 생성하는 단계를 포함할 수 있다.

또 다른 실시예에서, 상기 복수의 IoT 기기는, 상기 제1 IoT 서비스를 제공하는 제1 IoT 기기 내지 제n IoT 기기를 포함하고, 상기 제1 IoT 서비스를 제공하는 단계는, 상기 제1 IoT 기기 내지 제n IoT 기기가 측정한 센싱 데이터를 상기 가중치에 따라 합산하여 상기 제1 IoT 서비스를 제공하는 단계를 포함할 수 있다.

종래에는 IoT 기기를 중심으로 IoT 서비스가 1:N 으로 관리가 되었다면, 본 발명의 몇몇 실시예에 따르면, IoT 서비스를 중심으로 IoT 기기를 1:N으로 관리하게 된다. 즉, IoT 서비스를 중심으로 서로 다른 IoT 기기에서 수집한 센싱 데이터를 공유하고 융합할 수 있게 되어, IoT 기기가 수집한 데이터의 사용성을 높일 수 있다.

또한 IoT 서비스를 중심으로 IoT 기기를 1:N으로 관리하게 되므로, 특정 IoT 기기에 장애가 발생하더라도 다른 IoT 기기를 이용하여 IoT 서비스를 사용자에게 제공할 수 있다. 사용자에게 안정적으로 IoT 서비스를 제공할 수 있으므로 가용성을 확보할 수 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.

도 1은 신체 부위별로 장착 가능한 웨어러블 디바이스(wearable device)의 수를 설명하기 위한 도면이다.
도 2는 신체 부위별로 장착 가능한 웨어러블 디바이스에서 수집하는 데이터를 설명하기 위한 도면이다.
도 3 내지 도 5는 IoT 기기가 수집하는 데이터와 IoT 기기가 제공하는 IoT 서비스를 설명하기 위한 예시도이다.
도 6은 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법을 설명하기 위한 예시도이다.
도 7a 내지 도 7b는 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법에서 가용성을 확보하기 위한 방법을 설명하기 위한 도면이다.
도 8a 내지 도 8c는 본 발명의 일 실시예에서 사용될 수 있는 회귀 분석을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에서 사용될 수 있는 센싱 데이터 간의 가중치를 설명하기 위한 도면이다.
도 10a 내지 도 11b는 본 발명의 일 실시예에서 사용될 수 있는 로지스틱 회귀 분석의 로지스틱 함수(logistic function)를 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 장치의 구성도이다.
도 13은 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법의 순서도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.

명세서에서 사용되는 "포함한다 (comprises)" 및/또는 "포함하는 (comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 본 발명에 대하여 첨부된 도면에 따라 보다 상세히 설명한다.

도 1은 신체 부위별로 장착 가능한 웨어러블 디바이스(wearable device)의 수를 설명하기 위한 도면이다.

도 1을 참고하면, 사람 모양의 형상에서 머리부터 발 끝까지 장착 가능한 웨어러블 디바이스의 수가 각 부위별로 표시된 것을 볼 수 있다. 도 1의 수치는 2014년 말을 기준으로 한 통계 자료에서 발췌한 것이다. 도 1의 도면을 표로 간단히 정리해보면 아래와 같다. 표에서도 알 수 있듯이 머리와 손목에 장착 가능한 IoT 기기가 가장 활성화 되어 있다.

신체 부위	웨어러블 기기의 수
머리(Head)	42개
목(Neck)	11개
가슴(Chest)	7개
몸통(Torso)	12개
팔(Arms)	8개
손목(Wrist)	85개
손(Hands)	5개
허리(Waist)	9개
다리(Legs)	7개
발(Feet)	8개

도 1에 예시된 것처럼, IoT 기기 중에서 가장 상용화가 많이 이루어진 분야 중에 하나가 웨어러블 디바이스 관련된 분야로 사람의 활동량 등을 측정하여 맞춤 서비스를 제공하는 분야이다. 예를 들면 Fitbit 사의 제품군이나, 삼성의 기어 시리즈와 스마트 밴드, 소니의 스마트 워치와 스마트 밴드 제품들이 있다.

이처럼 많은 IoT 기기가 출시되어 있지만, 제조사 별로 제품 별로 제각각이어서 이를 융합한 서비스나 제품이 출시되어 있는 것은 아니다. 이에 IoT 기기들이 수집한 센싱 데이터를 취합한 데이터 플랫폼을 구축하여 일종의 생태계로서 작용하여, IoT 서비스를 제공할 수 있다면 IoT 서비스의 사용성과 가용성을 강화할 수 있을 것이다.

도 1에서는 웨어러블 디바이스 위주로 표시하였지만 본 발명의 데이터 플랫폼이 대상으로 하는 IoT 기기가 웨어러블 디바이스에 한정되는 것은 아니다. 그 외에서 가정에서 스마트 홈을 위해 설치되는 IoT 기기나, 공장에서 생산 공정 자동화를 위해 설치되는 IoT 기기도 대상이 될 수 있다. 이하, 이해의 편의를 돕기 위해 현재 상용화가 많이 된 웨어러블 디바이스 위주로 데이터 플랫폼에 대해서 설명하도록 한다.

도 2는 신체 부위별로 장착 가능한 웨어러블 디바이스에서 수집하는 데이터를 설명하기 위한 도면이다.

도 2를 참고하면 각 신체 부위별로 장착 가능한 다양한 웨어러블 디바이스가 있고, 여기서 각각 수집하는 정보들을 볼 수 있다. 예를 들면 머리에 장착 가능한 기기는 뇌파 등을 감지하여 수면 시간(sleep time)에 관한 데이터를 수집할 수 있고, 목에 장착 가능한 기기는 사용자가 갑자기 쓰러지거나 하는 경우(fall detect)를 감지할 수 있다.

또한 팔에 장착 가능한 밴드류는 혈압(blood pressure)이나 칼로리(calories)를 측정할 수도 있다. 그리고 손목에 장착 가능한 밴드류는 스트레스(stress)나 활동량(total activity)을 측정할 수도 있다. 뿐만 아니라 가슴 부위에 패치형으로 부착되는 기기는 심전도(ECG; Electrocardiography)를 측정할 수도 있다.

그 외에도 손가락 끝에 장착 가능한 기기는 산소 포화도(SpO2)를 측정할 수 있고, 허리춤에 장착 가능한 기기는 체온(skin temperature)을, 바지 주머니에 장착 가능한 기기는 만보기(pedometer)로 사용자의 걸음 수를 측정할 수도 있다. 이처럼 다양한 IoT 기기를 통하여 다양한 정보를 수집할 수 있다.

이렇게 IoT 기기에서 데이터를 수집하기 위해서는 센서(sensor)를 내장하고 있어야 한다. 경우에 따라서는 하나의 IoT 기기가 여러 개의 센서를 내장하고 있을 수 있다. 몇몇 상용화 제품들의 센서를 살펴보면 다음의 표 2와 같다.

IoT 기기	내장 센서
삼성의 기어 핏	가속도 센서, 자이로 센서, 심박수 센서
삼성의 기어 S	가속도 센서, 자이로 센서, 고도 센서, GPS, 심박수 센서, 주변광 센서, 자외선 센서,
Fitbit의 손목 밴드(Flex)	3축 가속도계
Fitbit의 스마트 워치(Surge)	GPS, 3축 가속도계, 3축 자이로스코프, 디지털 컴퍼스, 광학 심박동 모니터, 고도계, 주변광 센서

표 2에서도 볼 수 있듯이, 몇몇 IoT 기기에는 내장된 센서가 일부 겹치는 경우가 있다. 즉 IoT 기기별로 수집하는 데이터가 일부 중복되는 경우가 발생할 수도 있다. 하지만 수집한 데이터를 이용하여 IoT 서비스를 제공할 때, 서로 수집하는 데이터가 중복되는데도 불구하고, 데이터를 공유하는 경우는 거의 없다. 그러다 보니, 데이터의 활용도가 떨어지는 경우가 많다.

도 3 내지 도 5는 IoT 기기가 수집하는 데이터와 IoT 기기가 제공하는 IoT 서비스를 설명하기 위한 예시도이다.

도 3을 참고하면 3개의 IoT 기기가 예시된 것을 볼 수 있다. 하나는 손목에 착용이 가능한 밴드(110)이고 다른 하나는 옷의 주머니에 장착이 가능한 클립(120)이고 나머지 하나는 손목에 착용이 가능한 시계(130)이다. 도 3에 예시된 IoT 기기는 한 명의 사용자가 복수의 IoT 기기를 사용하는 것을 전제로 한다.

밴드(110)의 경우 수집하는 데이터는 체온과 심박수이며 이를 이용하여 운동 관리(220)를 서비스로 제공한다. 예를 들면 운동 시간이나, 운동시 소모된 칼로리 등을 관리하는 서비스가 있을 수 있다. 클립(120)의 경우 수집하는 데이터는 수면 시간과 체온이며, 수면 시간을 기준으로는 수면 관리(210)를 서비스로 제공하고, 체온을 기준으로는 운동 관리(220)를 서비스로 제공한다. 시계(130)의 경우 수집하는 데이터는 맥박, 혈류, 데시벨이며 맥박과 혈류를 기준으로는 운동 관리(220)를 서비스로 제공하고, 데시벨을 기준으로는 음악 제어(230)를 서비스로 제공한다.

도 3의 예시에서는 수집하는 데이터는 서로 상이하나, 제공하는 서비스는 유사한 부분이 많다. 밴드(110), 클립(120), 시계(130)의 IoT 기기 모두 운동 관리(220)를 기본으로 제공하고 클립(120)의 경우 수면 관리(210)을 추가로 더, 시계(130)의 경우 음악 제어(230)를 추가로 더 제공하는 것을 볼 수 있다.

하지만, 도 3의 예시처럼 각 IoT 기기끼리 통신을 하는 등으로 수집한 데이터를 서로 공유하는 기능이 있는 것은 아니다. 각 기기별로 데이터를 수집하고 다른 IoT 기기와는 별개로 서비스를 제공할 뿐이다. 그러다 보니, 밴드(110)에서 제공하는 운동 관리(220) 서비스와 클립(120)에서 제공하는 운동 관리(220) 서비스가 서로 다른 결과를 보여주는 경우가 발생할 수도 있고, 반대로 클립(120)이 고장 나면 수면 관리(210) 서비스를 받을 수 없는 경우도 생긴다.

도 3에서 각 기기의 둘레에 표시한 경계선처럼, 종래에는 IoT 기기를 중심으로 IoT 기기와 IoT 서비스가 1:N의 관계를 가지고 사용자에게 제공되었다. 만약 IoT 서비스를 중심으로 IoT 서비스와 IoT 기기가 1:N의 관계를 가지고 사용자에게 제공된다면 사용자 편의성을 더욱 높일 수 있을 것이다.

도 4는 도 3을 센서 측정과 서비스 제공 부분으로 나누어서 다시 표시한 그림이다. 도 4를 참고하면 IoT 서비스 별로 어떠한 IoT 기기가 해당 서비스를 제공하는지 볼 수 있다. 즉 도 3이 IoT 기기 중심으로 그린 도면이라면 도 4는 IoT 서비스 중심으로 그린 도면이다.

도 4를 참고하면 수면 관리(210) 서비스는 클립(120)만이 제공한다. 마찬가지로 음악 제어(230) 서비스는 시계(130) 만이 제공한다. 수면 관리(210) 서비스는 이를테면 수면 시간을 자동으로 분석하여 숙면, 뒤척임, 깨어남을 확인하고 진동으로 알람을 제공하는 기능 등을 말한다. 음악 제어(230) 서비스는 이를테면 주변의 소음 정도를 측정하여 스마트폰에 있는 음악의 선곡이나 플레이, 음량 조정을 제공하는 기능 등을 말한다.

운동 관리(220) 서비스는 밴드(110)와 클립(120) 및 시계(130)가 모두 제공하는 IoT 서비스이다. 운동 관리(220) 서비스는 이를 테면 달리기, 자전거 타기 등의 운동 종류를 판단하고 칼로리 소모량을 측정하는 기능, 운동 목표를 설정하고 달성 여부를 제공하는 기능 등을 말한다.

하지만 운동 관리(220) 서비스는 밴드(110)와 클립(120) 및 시계(130)가 모두 제공하는 IoT 서비스이나, 각 IoT 기기에서 이용하는 센싱 데이터는 상이하다. 밴드(110)의 경우에는 체온과 심박수를 이용하여 운동 관리(220) 서비스를 제공하고, 클립(120)의 경우에는 체온만으로, 시계(130)의 경우에는 맥박과 혈류를 이용하여 운동 관리(220) 서비스를 제공한다.

운동 관리(220) 서비스를 제공하는 IoT 기기가 여러 개임에도, 각각 서비스를 제공하기 때문에 정확도가 차이가 날 수 밖에 없다. 만약 운동 관리(220) 서비스를 제공하기 위해, 각 IoT 기기가 수집한 체온, 심박수, 맥박, 혈류를 모두 고려하여 IoT 서비스를 제공할 수 있다면 사용성이 높아질 것이다.

만약 도 5에 예시된 것처럼 세 개의 IoT 기기 중에서 클립(120)이 고장 났다고 가정해보자. 이 경우에 클립(120)에서 수집하는 데이터 중에서 수면 시간과 관련된 데이터는 사용할 수 없게 된다. 물론 클립(120)에서 체온도 수집하고 있으므로 클립(120)이 고장 나게 되면 클립(120)이 수집한 체온도 사용할 수 없게 되나, 밴드(110)에서 체온을 수집하고 있으므로 문제가 없다.

이렇게 클립(120)이 고장 나게 되면 다른 IoT 서비스는 문제가 없으나 수면 관리(210) 서비스는 이용할 수 없게 된다. 이 때 만약 다른 기기가 수면 시간을 수집할 수 있거나, 또는 수면 시간을 대신할 수 있는 정보를 수집할 수 있다면, 클립(120)이 고장나도 사용자에게 수면 관리(210) 서비스를 제공할 수 있을 것이다. 즉 IoT 서비스의 가용성이 높아지게 될 것이다.

도 3 내지 도 5를 통해서 종래의 IoT 기기와 해당 IoT 기기가 제공하는 IoT 서비스의 예시를 살펴보았다. 본 발명에서는 IoT 서비스의 사용성과 가용성을 높이기 위해서 데이터 플랫폼을 이용한 IoT 서비스 제공 방법을 제안한다. 본 발명의 일 실시예에서 사용하는 데이터 플랫폼에 대해서는 도 6을 통해서 살펴보도록 한다.

도 6은 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법을 설명하기 위한 예시도이다.

종래에는 도 3의 예시처럼 IoT 기기와 IoT 서비스가 1:N의 관계로, 즉 IoT 기기 중심으로 IoT 서비스가 제공되었다. 이에 비해 본 발명에서는 IoT 서비스를 중심으로 IoT 환경을 구축하기 위해서 IoT 기기와 IoT 서비스 사이에 데이터 플랫폼(300)이라는 중개 기능을 가진 구성 요소를 더 포함한다.

데이터 플랫폼(300)은 IoT 기기(100)가 수집한 정보를 취합하고 가공하여 IoT 서비스(200)에 제공하는 역할을 한다. 종래의 도 3이 파이프 라인 구조라면 도 6은 모래 시계와 같은 구조라고 볼 수 있다. 각 IoT 기기(100)가 수집한 정보가 데이터 플랫폼(300)에서 융합되어 IoT 서비스(200)에 제공됨으로써 사용성과 가용성을 확보할 수 있다.

도 7a 내지 도 7b는 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법에서 가용성을 확보하기 위한 방법을 설명하기 위한 도면이다.

도 7a를 참고하면 데이터 플랫폼(300) 내에서 각 IoT 기기가 수집하여 전송한 데이터 사이의 상관/연관 관계를 분석한 것을 볼 수 있다. 즉, 수면 시간은 체온과 데시벨을 이용하여 추정이 가능하고 심박수는 맥박과 혈류 속도를 이용해 추정이 가능한 점을 데이터 플랫폼(300)에서 알 수 있다.

예를 들면 체온이 일정하고 데시벨이 낮은 경우 사람이 수면 상태라고 보고, 체온이 일정하게 그리고 데시벨이 낮게 유지되는 시간을 분석하여 수면 시간을 계산해낼 수도 있다. 이를 통해 뇌파를 측정하는 센서가 없어서 직접적으로 수면 시간을 측정할 수는 없으나, 체온과 데시벨을 측정하는 센서를 이용하여 간접적으로 수면 시간을 측정할 수도 있다.

물론 뇌파 분석 등을 통해 직접적으로 수면 시간을 측정할 수 있는 클립(120) 기기가 있는 경우에는 이처럼 체온과 데시벨을 이용하여 간접적으로 수면 시간을 측정할 필요는 없다. 그러나 앞서 도 5에서 살펴본 것처럼 클립(120)이 고장나는 경우 사용자는 수면 관리(210) 서비스를 받을 수 없는 상황을 방지하고자 할 때는, 이러한 상관/연관 관계를 이용할 수 있다.

도 7b를 참고하면 도 5의 경우와 마찬가지로 클립(120) 기기가 고장 나서 수면 시간을 직접적으로 측정한 데이터를 사용할 수 없는 것을 볼 수 있다. 그럼에도 도 7b의 경우에서는 체온과 데시벨을 이용하여 가상으로 수면 시간을 계산해내서 활용할 수 있다. 즉 간접적으로 추정한 수면 시간을 이용하여 수면 관리 서비스(210)를 사용자에게 제공할 수 있다.

표 2에서 살펴본 것처럼 IoT 기기가 내장하고 있는 센서가 일부 중복되는 것이 많은 점을 고려하면, 어느 한 기기의 고장에도 불구하고 다른 기기의 센서 정보를 활용하여 사용자에게는 IoT 서비스를 동일하게 적용할 수 있다. 이를 위해서 본 발명의 일 실시예에서 사용되는 데이터 플랫폼(300)은 각 IoT 기기로부터 센싱 데이터를 수신하여 상관/연관 관계를 분석한다.

다시 말해 데이터 간의 종속성을 분석하여 어느 한 데이터를 이용할 수 없는 상황이 발생하더라도 종속성이 있는 다른 데이터로부터 이용할 수 없는 해당 데이터를 복원할 수 있다. 즉 IoT 서비스를 제공하기 위해서 도 7b에 예시된 것처럼 가상의 수면 시간 노드를 생성하고 가상의 수면 시간 노드의 정보를 활용할 수 있다.

사용자의 입장에서는 어느 한 IoT 기기가 고장 나더라도 IoT 서비스(200)를 문제 없이 제공받을 수 있으므로 IoT 서비스(200)의 가용성을 높일 수 있다. 종래에는 IoT 기기 중심이었다면 본 발명에서는 IoT 서비스 중심이므로 IoT 서비스가 IoT 기기에 대해 가지는 의존도를 낮추어 서비스를 안정적으로 제공할 수 있다.

이를 위해서는 각 센싱 데이터 간의 상관/연관 관계를 알아야 한다. 본 발명의 데이터 플랫폼(300)은 각 센싱 데이터 간의 상관/연관 관계(correlation)를 분석하기 위하여 로지스틱 회귀 분석을 활용할 수 있다. 이와 관련해서는 도 8a 내지 8c 에서 보다 자세히 살펴보도록 한다.

도 8a 내지 도 8c는 본 발명의 일 실시예에서 사용될 수 있는 로지스틱 회귀 분석을 설명하기 위한 도면이다.

로지스틱 회귀 분석은(logistic regression)는 D.R.Cox가 1958년에 제안한 확률 모델로서 독립 변수의 선형 결합을 이용하여 사건의 발생 가능성을 예측하는데 사용되는 통계 기법이다. 로지스틱 회귀 분석에 관련된 보다 자세한 내용은 위키 웹사이트 https://en.wikipedia.org/wiki/Logistic_regression에서 확인할 수 있다.

도 8a를 참고하면 수면 시간과 체온 및 데시벨 사이의 상관/연관 관계를 분석하는 과정을 볼 수 있다. 클립(120)의 고장으로 수면 시간을 직접적으로 측정할 수 없는 경우, 체온과 데시벨을 이용하여 수면 시간을 추정할 수 있다. 우선 주성분을 이루는 체온과 데시벨의 계수를 계산한다. 즉 체온과 데시벨 사이의 상관/연관 관계를 먼저 분석한다.

다음으로 도 8b를 참고하면 수면 시간과 도 8a에서 구한 체온과 데시벨의 연관성 주성분 사이의 상관/연관 관계를 다시 분석하는 것을 볼 수 있다. 즉, 추정하려는 수면 시간 이외의 데이터에 대해 먼저 상관/연관 관계를 분석하고, 추출할 비활성 데이터 축으로 이를 투영(projection)하여 비활성 데이터를 유추할 수 있다.

도 8c를 참고하면 체온과 데시벨과 수면 시간으로 이루어진 3차원 평면에서 체온과 데시벨과 수면 시간의 상관/연관 관계가 하나의 주성분으로 표현된 것을 볼 수 있다. 이러한 상관/연관 관계 분석은 누적 데이터가 많을수록 정확도가 높아지게 된다. 즉 체온, 데시벨, 수면 시간의 데이터가 쌓일수록 이전의 데이터를 분석하여 상관/연관 관계를 지속적으로 갱신해 나갈 수 있다.

도 9는 본 발명의 일 실시예에서 사용될 수 있는 센싱 데이터 간의 가중치를 설명하기 위한 도면이다.

도 9를 참고하면 운동 관리(220) 서비스를 제공하기 위한 4개의 변수 체온, 심박수, 맥박, 혈류 사이의 상관/연관 관계 분석을 통해 각 변수의 가중치를 표시한 것을 볼 수 있다. 편의상 합이 1이 되도록 스케일링(scaling)하여 가중치를 표시하였다.

각 변수 간의 가중치는 각 변수의 상관/연관 관계를 분석하는 과정에서 얻을 수 있다. 예를 들면 변수 a와 변수 b가 상관/연관 관계를 분석하였더니 그 상관/연관 관계가 2:1의 비율을 가질 수 있다. 즉 특정 지표에 영향을 미치는 정도가 a가 2의 값이 증가하여 미치는 정도와 b가 1의 값이 증가하여 미치는 정도가 동일한 것으로 평가될 수 있다. 이 경우 b가 더 작은 변화에도 더 큰 영향을 미치므로 비례의 역수를 가중치로 할 수 있다. 즉 a의 가중치는 1, b의 가중치는 2가 될 수 있다.

이처럼 본 말영의 데이터 플랫폼을 이용하면, 센싱 데이터 간의 연관도 및 가중치를 정의하여 통합적으로 IoT 서비스를 제공할 수 있다. 특정 IoT 서비스와 관련된 센싱 데이터를 모두 반영하여 IoT 서비스를 제공하므로 IoT 기기가 수집한 데이터 사이의 이질감을 해소할 수 있다.

도 9를 참고하면 운동 관리(220) 서비스를 제공하기 위하여 체온은 0.1의 가중치로, 심박수는 0.5의 가중치로, 맥박은 0.3의 가중치로, 혈류는 0.2의 가중치로 데이터를 종합하여 운동 관리(220) 서비스를 제공하는 것을 볼 수 있다. 종래에는 도 3의 예처럼 밴드(110)는 체온과 심박수만으로 운동 관리(220) 서비스를 제공하고, 클립(120)은 체온만으로 운동 관리(220) 서비스를 제공하던 것에 비해 본 발명에서는 각 IoT 기기의 데이터를 종합하여 IoT 서비스를 제공한다. 이를 통해 IoT 서비스의 사용성을 높일 수 있다.

도 10a 내지 도 11b는 본 발명의 일 실시예에서 사용될 수 있는 로지스틱 회귀 분석의 로지스틱 함수(logistic function)를 설명하기 위한 도면이다.

로지스틱 함수는 독립 변수와 무관하게 종속 변수의 값이 범위 [0, 1] 사이에 있도록 변환한 결과를 말한다. 이 때 독립 변수의 범위에 따라 종속 변수의 신뢰도가 달라질 수 있다. 도 10a의 경우 체온과 데시벨의 주성분으로 수면 시간을 추정할 때, 문턱값(threshold)이 0.5를 기준으로 시그모이드 함수(sigmoid function)의 값이 달라지는 것을 볼 수 있다.

즉 도 10a처럼 체온과 데시벨의 주성분 값이 2와 8의 범위인 경우에는 수면을 정상으로 판단하고 이 때의 신뢰도는 높다. 반대로 도 10b의 경우처럼 체온과 데시벨의 주성분 값이 -2와 -8의 범위인 경우에는 수면을 이상으로 판단하고 이 때에도 신뢰도가 높다.

그러나 문턱값인 0.5와 -0.5 사이인 경우에는 신뢰도가 상대적으로 낮아지게 된다. 도 11a의 경우에는 체온과 데시벨의 주성분 값이 -4와 +6으로 이때에는 신뢰도가 높은 구간과 신뢰도가 낮은 구간을 모두 포함하고 있고 그 비율이 신뢰도가 낮은 구간이 많은 것을 볼 수 있다. 즉 도 11a의 경우 체온과 데시벨을 이용하여 수면 시간을 추정할 수는 있으나 신뢰도가 낮은 추정 값을 얻게 된다.

도 11a의 경우에 비해 도 11b의 경우에는 체온과 데시벨의 주성분이 1h과 8 사이로 수면을 전상으로 판단한다. 이 때에는 신뢰도가 높은 구간과 낮은 구간을 모두 포함하고 있으나, 도 11a의 경우와는 달리 신뢰도가 높은 구간의 비율이 더 높으므로 도 11a의 경우에 비해 신뢰도가 상대적으로 높다고 볼 수 있다.

즉 다른 IoT 기기의 측정값을 이용하여 상관/연관 관계에 따라 다른 IoT 기기의 값을 추정할 수 있을 뿐만 아니라 신뢰도 또한 제공할 수 있다. 본 발명의 일 실시예에 따른 데이터 플랫폼(300)은 단순히 각 IoT 기기로부터 수집한 센싱 데이터를 융합하는 것에서 그치는 것이 아니라 신뢰도를 함께 제공하여 IoT 서비스의 사용성, 가용성, 신뢰도를 모두 확보할 수 있다.

도 12는 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 장치의 구성도이다.

도 12를 참고하면 본 발명의 데이터 플랫폼에 기반한 IoT 서비스 제공 장치(10)는 IoT 데이터 수신 모듈(510)과 IoT 데이터 융합 모듈(550) 및 IoT 서비스 제공 모듈(530)을 포함할 수 있다.

IoT 데이터 수신 모듈(510)은 복수의 IoT 기기로부터 각 IoT 기기가 내장된 센서를 이용하여 측정한 데이터를 수신하는 역할을 수행한다(S1110). 그 다음으로는 수신한 데이터들 사이의 상관/연관 관계를 분석한다(S1130). 상관/연관 관계를 분석하는 과정은 수신한 데이터를 IoT 데이터 융합 모듈(550)에 전달하여 진행된다.

IoT 데이터 융합 모듈(550)은 IoT 데이터 수신 모듈(510)로부터 수신한 데이터를 이용하여 상관/연관 관계를 분석하고, 가중치를 연산하고, 신뢰도를 구하는 과정을 수행한다. 우선 분석을 필요로 하는 데이터들 사이에서 주성분을 추출한다(S1510). 즉 독립 변수 사이의 상관/연관 관계를 먼저 분석하여 하나의 변수로 차원을 낮추고, 그 후에 해당 주성분과 분석이 필요한 종속 변수 사이의 상관/연관 관계를 구한다(S1530). 독립 변수의 차원을 환원해가면서 상관/연관 관계를 구하는 과정에 대해서는 도 8a 내지 8c에서 자세히 살펴보았다.

주성분 분석(Principal component analysis; PCA)이란 고차원의 데이터를 저차원의 데이터로 환원시키는 통계적 분석 방법이다. 주성분 분석을 통해 원래의 표본보다 차원이 같거나 낮은 표본으로 변환할 수 있다. 3차원 이상의 데이터의 집합을 하나의 직선으로 근사하기 위해서 주성분 분석을 이용하면, 손쉽고 효율적으로 상관/연관 관계를 분석할 수 있다.

기기 고장 등으로 사용할 수 없는 비활성 센서 데이터를 추정하기 위해서는 나머지 데이터들로 이루어진 표본의 주성분을 하나의 직선으로 근사시킨 후 이를 비활성 센서 데이터의 축으로 투영한다. 주성분을 하나의 직선으로 근사시키는 과정에서 각 센서 데이터의 계수를 계산할 수 있다. 그리고 비활성 센서 데이터의 축으로 투영된 주성분을 통해서 비활성 데이터를 유추할 수 있다.

주성분을 분석하여 주성분과 분석이 필요한 종속 변수와의 상관/연관 관계를 구한 후에는, 사용한 주성분을 기준으로 잔차를 계산하고 신뢰도를 추출하여 추정한 종속 변수의 값과 함께 제공한다(S1550). 또한 지금까지의 상관/연관 관계를 분석한 과정들은 데이터가 쌓일수록 정확도가 높아지므로 지속적으로 머신 러닝에 의해 주성분 계수의 업데이트가 진행될 수 있다(S1570).

IoT 기기의 각 센싱 데이터 사이의 상관/연관 관계를 분석하는 작업은 사전에 수행될 수 있다. 그러다가 특정 IoT 기기에 장애가 발생하면 해당 IoT 기기가 수집하던 센싱 데이터를 다른 센싱 데이터를 바탕으로 가공해서 제공할 수 있다. 이를 통해 IoT 서비스의 가용성을 높일 수 있다. 이 과정에서 융합해서 복원한 IoT 데이터의 신뢰도를 함께 제공하여 사용자 편의성을 높일 수 있다.

또한 상관/연관 관계 분석을 통해 특정 IoT 서비스를 하나의 센싱 데이터만을 바탕으로 제공하는 것이 아니라 관련이 있는 다른 IoT 기기의 센싱 데이터도 취합하여 서비스를 제공함으로써 IoT 서비스의 사용성을 높일 수 있다. 이 과정에서 각 IoT 센싱 데이터 사이의 가중치를 반영하여 IoT 서비스를 제공함으로써, 사용자의 편의성을 높일 수 있다.

IoT 서비스 제공 모듈(530)에서는 IoT 데이터 융합 모듈(550)에서 상관/연관 관계 분석을 통해서 제공한 정보를 바탕으로 IoT 서비스를 제공한다(S1310). 이 과정에서 센싱 데이터간 가중치를 반영하여 서비스를 제공한다(S1330). 종래에는 각 IoT 기기에서 측정한 센싱 데이터만을 바탕으로 IoT 서비스를 제공하였으나, 본 발명의 데이터 플랫폼(300)을 이용하면 여러 IoT 기기가 수집한 데이터를 각각의 가중치에 따라 취합하여 IoT 서비스를 제공할 수 있다.

도 13은 본 발명의 일 실시예에 따른 데이터 플랫폼에 기반한 IoT 서비스 제공 방법의 순서도이다.

도 12는 IoT 기기의 센싱 데이터를 취합하여 IoT 서비스를 제공하는 일반적인 경우의 도면이다. 만약 도 12의 상태에서 특정 IoT 기기가 고장 나는 경우에는 사전에 IoT 데이터 융합 모듈(550)에서 분석한 상관/연관 관계를 이용하여 장애로 인해 누락된 IoT 데이터를 가상으로 복원하여 IoT 서비스를 제공할 수 있다.

도 13을 참고하면, 각 IoT 기기로부터 센싱 데이터를 수집한다(S2100). 만약 특정 IoT 기기의 데이터가 누락이 되었다면, 데이터 융합이 필요한지 확인한다(S2200). 만약 데이터의 융합이 필요하다면 가상 노드를 생성하여 다른 IoT 기기가 측정한 데이터를 바탕으로 누락된 IoT 기기의 데이터를 복원한다(S2300).

복원과 함께, 신뢰 구간에 따른 신뢰도를 연산하고 이를 복원한 데이터와 함께 제공한다(S2400). IoT 서비스 제공 모듈(530)에서는 수신한 복원 데이터와 신뢰도를 참고하여 사용자에게 IoT 서비스를 제공한다(S2500). 이를 통해 IoT 서비스의 가용성과 신뢰도를 함께 확보할 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims (9)

1. IoT 서비스 제공 장치가, 복수의 IoT 기기로부터 복수의 종류의 센싱 데이터를 수신하는 단계;
   상기 IoT 서비스 제공 장치가, 서로 다른 종류의 상기 센싱 데이터 사이의 상관/연관 관계를 분석하는 단계;
   상기 IoT 서비스 제공 장치가, 상관/연관 관계를 분석한 결과를 이용하여 각 종류의 상기 센싱 데이터의 가중치를 결정하는 단계; 및
   상기 IoT 서비스 제공 장치가, 상기 가중치가 반영된 상기 센싱 데이터를 이용하여 제1 IoT 서비스를 제공하는 단계를 포함하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
2. 제 1항에 있어서,
   상기 상관/연관 관계를 분석하는 단계는,
   상기 서로 다른 종류의 상기 센싱 데이터를 대상으로 로지스틱 회귀 분석과 주성분 분석을 적용하는 단계를 포함하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
3. 제 1항에 있어서,
   상기 센싱 데이터의 가중치를 결정하는 단계는,
   각 종류의 상기 센싱 데이터의 비례 계수를 구하고, 상기 비례 계수를 이용하여 상기 가중치를 결정하는 단계를 포함하는
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
4. 제3항에 있어서,
   상기 비례 계수를 이용하여 상기 가중치를 결정하는 단계는,
   상기 비례 계수의 역수를 상기 가중치로 결정하는 단계를 포함하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
5. 제1항에 있어서,
   상기 제1 IoT 서비스를 제공하는 단계는,
   상기 복수의 종류의 센싱 데이터 중 제1 종류의 센싱 데이터의 수신이 누락되는 경우, 상기 제1 종류의 센싱 데이터와 상관/연관 관계를 가지는 다른 종류의 센싱 데이터를 이용하여, 상기 제1 종류의 센싱 데이터의 참조가 필요한 제1 IoT 서비스를 제공하는 단계를 포함하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
6. 제5항에 있어서,
   상기 제1 종류의 센싱 데이터의 참조가 필요한 제1 IoT 서비스를 제공하는 단계는,
   상기 다른 종류의 센싱 데이터를 이용하여 상기 제1 종류의 센싱 데이터의 값을 복원한 가상의 센싱 데이터를 생성하는 단계를 포함하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
7. 제8항에 있어서,
   상기 가상의 센싱 데이터를 생성하는 단계는,
   로지스틱 회귀 함수를 이용하여 복원한 가상의 센싱 데이터의 신뢰도를 연산하는 단계를 포함하고,
   상기 제1 종류의 센싱 데이터의 참조가 필요한 제1 IoT 서비스를 제공하는 단계는,
   상기의 신뢰도를 함께 제공하는 단계를 포함하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
8. 제7항에 있어서,
   상기 신뢰도를 연산하는 단계는,
   상기 로지스틱 회귀 함수에서 문턱값 이내의 구간을 포함한 비율을 이용하여 상기 신뢰도를 연산하는 단계를 포함하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.
9. 제1항에 있어서,
   상기 복수의 IoT 기기는,
   상기 제1 IoT 서비스를 제공하는 제1 IoT 기기 내지 제n IoT 기기를 포함하고,
   상기 제1 IoT 서비스를 제공하는 단계는,
   상기 제1 IoT 기기 내지 제n IoT 기기가 측정한 센싱 데이터를 상기 가중치에 따라 합산하여 상기 제1 IoT 서비스를 제공하는,
   데이터 플랫폼에 기반한 IoT 서비스 제공 방법.

Images