KR20190076377A - Energy-harvesting system and method based on internet of things and big data analytics - Google Patents
Energy-harvesting system and method based on internet of things and big data analytics Download PDFInfo
- Publication number
- KR20190076377A KR20190076377A KR1020170178128A KR20170178128A KR20190076377A KR 20190076377 A KR20190076377 A KR 20190076377A KR 1020170178128 A KR1020170178128 A KR 1020170178128A KR 20170178128 A KR20170178128 A KR 20170178128A KR 20190076377 A KR20190076377 A KR 20190076377A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- unit
- energy harvesting
- internet
- energy
- Prior art date
Links
- 238000003306 harvesting Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012517 data analytics Methods 0.000 title abstract 3
- 230000036541 health Effects 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract 7
- 238000007405 data analysis Methods 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 3
- 239000008103 glucose Substances 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 7
- 238000002565 electrocardiography Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 239000013078 crystal Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241001124569 Lycaenidae Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 229910002113 barium titanate Inorganic materials 0.000 description 1
- JRPBQTZRNDNNOP-UHFFFAOYSA-N barium titanate Chemical compound [Ba+2].[Ba+2].[O-][Ti]([O-])([O-])[O-] JRPBQTZRNDNNOP-UHFFFAOYSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 229910000625 lithium cobalt oxide Inorganic materials 0.000 description 1
- BFZPBUKRYWOWDV-UHFFFAOYSA-N lithium;oxido(oxo)cobalt Chemical compound [Li+].[O-][Co]=O BFZPBUKRYWOWDV-UHFFFAOYSA-N 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- LJCNRYVRMXRIQR-OLXYHTOASA-L potassium sodium L-tartrate Chemical compound [Na+].[K+].[O-]C(=O)[C@H](O)[C@@H](O)C([O-])=O LJCNRYVRMXRIQR-OLXYHTOASA-L 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 235000011006 sodium potassium tartrate Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02N—ELECTRIC MACHINES NOT OTHERWISE PROVIDED FOR
- H02N2/00—Electric machines in general using piezoelectric effect, electrostriction or magnetostriction
- H02N2/18—Electric machines in general using piezoelectric effect, electrostriction or magnetostriction producing electrical output from mechanical input, e.g. generators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
본 발명은 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 시스템 및 방법에 관한 것이다.The present invention relates to an energy harvesting system and method based on the object Internet and big data analysis.
최근 몇 년 동안 연구자들은 M2M(Machine to Machine) 및 IoT(Internet of Things) 기술 및 시장에 많은 관심을 보였다[1,32].In recent years, researchers have shown great interest in M2M (Machine to Machine) and IoT (Internet of Things) technologies and markets [1,32].
M2M과 IoT는 인터넷을 통해 연결된 모바일 폰과 개인용 컴퓨터뿐만 아니라 효율적인 활용도를 높이기 위해 LAN(Local Area Network)이나 인터넷을 통해 기존 장치와 수십억 개의 모든 장치를 무선으로 상호 연결하는 것을 말한다[2 , 31].M2M and IoT refer to wirelessly interconnecting existing devices and billions of devices across a LAN (Local Area Network) or the Internet to increase efficiency, as well as mobile phones and personal computers connected via the Internet [2, 31] .
계속해서, 수십억 가지의 장치로 수십억 개의 배터리를 구동, 유지 보수, 구매 및 처분해야 한다. 에너지 하베스팅은 무공해 에너지를 사용하여 쉽게 물건이나 IoT 장치에 전원을 공급하는 단순하고 명확한 솔루션이다[3,14].Continually, billions of devices need to drive, maintain, buy, and dispose of billions of batteries. Energy Harvesting is a simple and clear solution to easily supply power to goods or IoT devices using pollution-free energy [3,14].
무선 단말기에 내장된 물건 또는 장치에는 네트워크에 연결된 센서가 포함되어 있으며 주변 환경에 대한 데이터 및 정보를 수집한다.The wireless terminal's built-in things or devices include sensors connected to the network and collect data and information about the surrounding environment.
습도, 온도, 조명, 압력, 운동, 응력, 위치, 왜곡, 유속, 가스 등에 대해 무선 센서 단자가 활용하는 여러 종류의 센서가 있다.There are several types of sensors that wireless sensor terminals utilize for humidity, temperature, lighting, pressure, motion, stress, position, distortion, flow rate,
이 센서 중 일부는 혈압 측정 센서[4]와 소비자가 사용하는 전자 기기의 지속 가능한 전원을 포함한다[5].Some of these sensors include blood pressure measurement sensors [4] and a sustainable power source for consumer electronic devices [5].
IoT의 주요 의무는 센서를 모든 유형의 위치에 배치하여 데이터를 수집하는 기능이다. The primary obligation of IoT is the ability to collect data by placing sensors in all types of locations.
그러나 중요한 문제는 전원 공급, 배터리의 수명 또는 배터리 하위 조항에 대한 시간 단계이다. However, an important issue is the power supply, the life of the battery or the time step for battery sub-clause.
또한 배터리 비용뿐만 아니라 대규모 유지 관리에 관한 문제도 있다. 효과적인 솔루션은 에너지 하베스팅을 사용하고 있다[3]. 에너지 하베스팅 기술은 피에조 일렉트릭 요소, 태양 전지 및 열전 소자를 사용하여 진동(압전 효과), 빛 및 열에너지를 전기로 변환하는 요소를 사용한다. There are also problems with large maintenance as well as battery costs. An effective solution is to use energy harvesting [3]. Energy harvesting technology uses piezo electric elements, solar cells and thermoelectric elements to convert vibrations (piezoelectric effects), light and thermal energy into electricity.
피에조 일렉트릭(Piezoelectricity)은 광범위한 재료 선택과 디자인을 가지고 있으며, 상호 성장하는 여러 응용 [6-8]를 위한 기반을 제공한다. 또한 이 기술은 웨어러블 시스템에 특히 적합하다. 이러한 상황에서 압전성을 활용하기 위해 다양한 대안을 고려할 수 있다. 따라서 이 하베스팅 방법은 IoT 환경에서 사용되는 전력 센서에 적용될 수 있다. 반면에 센서가 배치되는 위치가 다양할수록 데이터의 다양성과 정밀도가 커진다. Piezoelectricity has a wide range of material choices and designs and provides the basis for many inter-growing applications [6-8]. This technique is also particularly suitable for wearable systems. In this situation, various alternatives can be considered to utilize piezoelectricity. Therefore, this harvesting method can be applied to the power sensor used in the IoT environment. On the other hand, as the location of the sensors is varied, the versatility and accuracy of the data increases.
빅데이터(Big Data)는 이전에는 불가능했던 보이지 않는 패턴을 분석, 프로 시저, 모니터링 및 예측하고 새로운 서비스와 비즈니스를 지원하는 데 도움이 된다.Big Data helps you analyze, proce- dure, monitor and forecast unpredictable patterns that were previously impossible and support new services and businesses.
전문가는 빅 데이터가 가장 중요한 검색 중 하나라고 제안했다. 이 모델은 미래로 옮겨 갈 엄청난 양의 데이터를 수집하고 집계하는 데 달려있다[10-12]. Experts suggested that Big Data is one of the most important searches. This model relies on collecting and aggregating huge amounts of data to move into the future [10-12].
건강 관리에서 빅 데이터 분석은 건강 모니터링 및 감시의 맥락에서 중요한 역할을 한다. 빅 데이터(Big Data) 분석은 인체에 이식된 다양한 센서로 생성된 빅 데이터 (BIG Data)에서 유용한 정보를 얻을 수 있다. Big data analysis in health care plays an important role in the context of health monitoring and surveillance. Big Data analysis provides useful information in BIG Data generated by various sensors implanted in human body.
퍼지 보증 기법은 사용자의 생체 정보를 엄청난 양의 데이터로 처리하기 위해 구현된다[27]. 유사하게 인간의 얼굴과 관련된 데이터는 클라우드 컴퓨팅 기반의 기법을 사용하여 프로세스를 적용하기 위해 수집된다[28]. 그래서 실시간 모니터링과 의사 결정을 위한 건강 모니터링을 위한 연구자들이 여러 가지 제안을 했다. Fuzzy assurance techniques are implemented to process a user's biometric information into a huge amount of data [27]. Similarly, data related to human faces are collected to apply processes using cloud computing-based techniques [28]. So researchers for real-time monitoring and health monitoring for decision making have made several proposals.
따라서 엄청난 양의 데이터를 처리하는 것이 이제 건강 관리의 필요성이 되었다. 하둡(Hadoop)은 서로 다른 인체 센서에서 수집된 이종 데이터에 대한 처리 단위로 선택된다. 맵 리듀스(MapReduce) 방법은 하둡(Hadoop)에서 데이터를 분석하는 데 사용된다. 맵 리듀스는 매핑과 리듀스라는 두 가지 작업을 수행한다.Thus, handling huge amounts of data has become a necessity for health care. Hadoop is selected as a processing unit for heterogeneous data collected from different human sensors. The MapReduce method is used to analyze data in Hadoop. MapReduce performs two tasks: mapping and redescing.
매핑(Mapping)은 데이터를 다른 형식으로 변환하는 데 사용되며, 리듀스(Reduce)는 매핑에서 생성된 데이터를 병합한다. 결과는 실질적으로 수량이 감소한다[13].Mapping is used to convert the data to another format, and Reduce merges the data generated in the mapping. The result is substantially reduced yield [13].
위에서 설명한 바와 같이 사물 인터넷(IoT)의 분야에서 현재의 발전과 성장은 의료의 새로운 시대에 큰 잠재력을 제공하고 있다. As described above, the current development and growth in the field of Internet of Things (IoT) is providing great potential for a new era of medical care.
그리고, 건강 관리의 미래는 여러 건강 규정을 포함하여 인간의 생명과 건강의 우수성을 향상시키기 때문에 광범위하게 유망하다. And, the future of health care is broadly promising because it improves the excellence of human life and health, including health regulations.
하지만, 헬스 케어 분야에서 다각적인 IoT 장치의 지속적인 증가는 건강 모니터링, 데이터 처리, 현명한 결정 및 이벤트 관리에 사용되는 IoT 터미널 노드에 전원을 공급하는 것과 같은 도전 과제에 빠져 있다.However, the continued growth of multiple IoT devices in the healthcare sector is challenging, such as powering the IoT terminal nodes used for health monitoring, data processing, intelligent decision making and event management.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 에너지 하베스팅 및 데이터 생성 계층과, 데이터 전처리 계층 및 데이터 처리 및 적용 계층을 포함하여 건강 분야에 실질적이고 즉각적인 가치를 제공하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 시스템 및 방법을 제공하는 데 있다.Disclosure of Invention Technical Problem [8] The present invention has been made in order to solve the above-mentioned problems, and it is an object of the present invention to provide a method and apparatus for providing a real and immediate value to a health field including an energy harvesting and data generation layer, a data preprocessing layer, And to provide an energy harvesting system and method based on data analysis.
본 발명에서는 에너지 하베스팅의 진보를 강조하고 근본적인 인식을 강조한다. The present invention emphasizes the progress of energy harvesting and emphasizes fundamental awareness.
특정 개념 모듈은 인간 건강 모니터링 전문가의 맥락에서 피에조 전기의 기능과 포괄적인 분석을 요약한다. 또한, 압전 효과 및 그 장치에 대한 인체 동작의 맥락에서 중요한 설계 전략을 더욱 강조한다. The specific concept module summarizes the function and comprehensive analysis of piezoelectrics in the context of human health monitoring professionals. It further highlights important design strategies in the context of piezoelectric effects and human motion for the device.
또한, 인간의 행동과 제스쳐는 기계적 에너지 하베스팅의 설계를 설명하기 위해 논의된다. In addition, human behavior and gestures are discussed to illustrate the design of mechanical energy harvesting.
이 분석은 건강 모니터링 센서에 압전기를 사용할 수 있는 가능성이 있음을 시사한다. This analysis suggests the possibility of using a piezoelectric sensor in a health monitoring sensor.
반면에 본 발명에서는 빅 데이터 분석을 사용하여 스마트 건강 모니터링 및 계획을 위한 솔루션을 제안하여 의료 시스템에서 실시간 데이터 처리 및 의사 결정을 구현한다. On the other hand, the present invention proposes a solution for smart health monitoring and planning using big data analysis to implement real-time data processing and decision making in the medical system.
제안된 아키텍처는 데이터 처리, 지능형 의사 결정 및 자체 포함 데이터 수집을 수행 할 수 있다. The proposed architecture can perform data processing, intelligent decision making and self-contained data collection.
본 발명에서 하둡(Hadoop)은 서로 다른 인체 센서에서 수집된 이기종 데이터 처리 장치로 선택된다. 하둡 (Hadoop) 프로세싱은 지능형 의사 결정을 생성한다.In the present invention, Hadoop is selected as a heterogeneous data processing device collected from different human body sensors. Hadoop processing produces intelligent decisions.
또한, 본 발명은 에너지 하베스팅 및 데이터 생성 계층과, 데이터 전처리 계층 및 데이터 처리 및 적용 계층을 포함하여 건강 분야에 실질적이고 즉각적인 가치를 제공한다.The present invention also provides real and immediate value to the health sector, including energy harvesting and data generation layers, data preprocessing layers and data processing and application layers.
도 1은 에너지 하베스팅의 작동 원리와 적용 분야를 나타내는 도면이다.
도 2는 압전 효과의 기본 원리를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치의 구성도이다.
도 4는 인체에 부착된 압전 장치를 나타내는 도면이다.
도 5는 최소-최대 정규화 알고리즘을 나타내는 도면이다.
도 6은 핸들러의 대기열 처리 과정을 나타내는 도면이다.
도 7은 if/then 문을 사용한 규칙 정의를 보여주는 도면이다.
도 8은 본 발명의 일 실시예에 따른 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법의 흐름도이다.
도 9는 환자의 심장 박동 비율을 나타내는 도면이다.
도 10은 다른 활동중의 환자의 ECG를 나타내는 도면이다.
도 11은 본 발명의 제안된 시스템에 따른 효과를 나타내는 도면이다.
도 12는 본 발명의 제안된 시스템에 따른 출력을 나타내는 도면이다.1 is a view showing an operating principle and an application field of energy harvesting.
2 is a view for explaining the basic principle of the piezoelectric effect.
FIG. 3 is a configuration diagram of an energy harvesting apparatus based on object Internet and big data analysis according to an embodiment of the present invention.
4 is a view showing a piezoelectric device attached to a human body.
5 is a diagram illustrating a minimum-maximum normalization algorithm.
FIG. 6 is a diagram showing a process of a queue of a handler. FIG.
7 is a diagram showing a rule definition using an if / then statement.
FIG. 8 is a flow chart of an energy harvesting method based on object Internet and big data analysis according to an embodiment of the present invention.
9 is a chart showing the heart rate of the patient.
Figure 10 is a diagram showing the ECG of a patient during other activities.
11 is a diagram showing the effect of the proposed system of the present invention.
12 is a diagram showing the output according to the proposed system of the present invention.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이하에서는 특정 실시예들을 첨부된 도면을 기초로 상세히 설명하고자 한다.BRIEF DESCRIPTION OF THE DRAWINGS The present invention is capable of various modifications and various embodiments, and specific embodiments will be described in detail below with reference to the accompanying drawings.
이하의 실시예는 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.The following examples are provided to aid in a comprehensive understanding of the methods, apparatus, and / or systems described herein. However, this is merely an example and the present invention is not limited thereto.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시 예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail. The following terms are defined in consideration of the functions of the present invention, and may be changed according to the intention or custom of the user, the operator, and the like. Therefore, the definition should be based on the contents throughout this specification. The terms used in the detailed description are intended only to describe embodiments of the invention and should in no way be limiting. Unless specifically stated otherwise, the singular form of a term includes plural forms of meaning. In this description, the expressions "comprising" or "comprising" are intended to indicate certain features, numbers, steps, operations, elements, parts or combinations thereof, Should not be construed to preclude the presence or possibility of other features, numbers, steps, operations, elements, portions or combinations thereof.
또한, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.It is also to be understood that the terms first, second, etc. may be used to describe various components, but the components are not limited by the terms, and the terms may be used to distinguish one component from another .
1. IoT의 에너지 하베스팅 및 건강 관리를 위한 대용량 데이터 분석1. Large data analysis for IoT's energy harvesting and healthcare
IoT의 급속한 진전은 연구원들이 건강 관리를 위한 유능한 아키텍쳐 디자인을 개발하는 데 초점을 옮겼다. 표준 의료 아키텍처는 다양한 장점을 제공할 수 있다. 또한 IoT 및 빅 데이터 분석과 관련된 다양한 연구 방법이 개념적 수준에서 절대적 운영에 이르기까지 건강 관리 분야의 IoT 및 빅 데이터에 의해 다루어지고 있다. 최근 연구 그룹은 IoT 및 빅데이터(Big Data) 분석을 기반으로 하는 건강 관리를 위한 일반 구조 설계를 설명하기 위한 다양한 솔루션을 개발하기 위해 노력해 왔다.The rapid progress of IoT has focused on researchers developing competent architectural designs for healthcare. A standard medical architecture can provide a variety of benefits. In addition, various research methods related to IoT and Big Data Analysis are covered by IoT and Big Data in the field of healthcare from conceptual level to absolute operation. Recent research groups have sought to develop a variety of solutions to describe general structural design for healthcare based on IoT and Big Data analysis.
1.1. 사물 인터넷에서 에너지 하베스팅 필요성 1.1. The Need for Energy Harvesting on the Internet
인터넷 연결은 센서, 임베디드 시스템, 계측기, 컨트롤러, 카메라, 차량, 웨어러블 전자 장치 및 기타 물체에 부착될 것으로 예상된다. 이 물체는 대부분 무선 센서 기반 터미널이며, 그 중 많은 센서가 상대적으로 작다. 이러한 독립형 IoT 노드는 주로 배터리를 사용하지만, 배터리는 필요한 크기가 작기 때문에 효과적인 솔루션이 아니다. 따라서 모든 센서가 예상 수명 동안 기능을 수행하는 데 필요한 전력을 제공하는 것은 잠재적으로 IoT를 제한할 수 있는 주요 도전 과제를 구성한다.Internet connections are expected to be attached to sensors, embedded systems, instruments, controllers, cameras, vehicles, wearable electronics, and other objects. Most of these objects are wireless sensor-based terminals, many of which are relatively small. While these standalone IoT nodes primarily use batteries, they are not an effective solution because they are small in size. Thus, providing all the sensors with the power they need to perform their functions over their expected lifetime constitutes a major challenge that potentially limits IoT.
따라서 엔지니어는 IoT 노드 환경에서 에너지를 얻으려고 노력하고 있다. 이 기술 클러스터의 주요 용어는 에너지 하베스팅이다. 그러나 이것은 이러한 시스템에 전지 역할을 하지 않는다는 것을 주장하는 것이 아니다. 일단 주변 에너지가 수집되면, 다음과 같은 시간에 필요한 전류를 공급하기 위해 저장해야한다.So engineers are trying to get energy in an IoT node environment. The main term for this technology cluster is Energy Harvesting. However, this does not claim to be a battery for these systems. Once the ambient energy is collected, it must be stored to provide the required current at the following times:
(1) 필요하다 (IoT 노드는 낮은 듀티 사이클을 가지며, 예를 들어, 센서의 주기적인 공기 온도 샘플은 시간당 수 밀리 초 동안만 활성화될 수 있으며, 나머지 시간에는 휴면 모드에 있을 수 있다.)(IoT node has a low duty cycle, for example, the sensor's periodic air temperature sample can only be activated for a few milliseconds per hour and may be in dormant mode for the rest of the time).
(2) 에너지원을 사용할 수 없는 경우 (예 : 태양 광선이 밤에 나타나지 않는 경우).(2) the source of energy is not available (eg sunlight does not appear at night).
종래의 재충전용 코인 셀 배터리는 박막 충전식 고체 배터리 및 수퍼 커패시터처럼 상기 방식으로 사용될 수 있다.Conventional rechargeable coin cell batteries can be used in this manner like thin film rechargeable solid state batteries and supercapacitors.
1.2. 에너지 하베스팅1.2. Energy harvesting
에너지 하베스팅은 태양열, 열, 풍력, 전자기 에너지, 운동 에너지, 운동 등의 외부 소스로부터 에너지를 끌어내기 위해 사용되는 프로세스이다. 에너지 하베스팅 기술은 빛을 변환하는 발전 요소(태양 광), 열(열전기) 진동 (압전) 또는 RF 에너지(휴대폰 탑에서 방출되는 것과 같은)를 엄청난 손실 없이 엄청난 방식으로 전기로 변환한다. 에너지 하베스팅의 작동 원리와 적용 분야가 도 1에 나와 있다.Energy Harvesting is a process used to derive energy from external sources such as solar heat, heat, wind, electromagnetic energy, kinetic energy, and motion. Energy harvesting technology transforms light into electricity in enormous ways without the loss of power generating elements (solar), heat (thermoelectric) vibrations (piezo), or RF energy (such as those emitted from cell tower). The operating principles and applications of energy harvesting are shown in FIG.
특수 회로는 에너지 하베스팅 기술이 적용된 무선 노드를 위해 설계되었다 [15]. 에너지 하베스터는 착용 가능한 전자 장치 및 무선 센서 네트워크와 같은 소형 무선 장치에 전력을 공급하고 에너지를 저장하는 데 사용된다. 이러한 기술은 IoT, M2M 통신 시스템 및 웨어러블 바이오 모니터링 시스템에서 중요한 역할을 한다[16].Special circuits are designed for wireless nodes with energy harvesting technology [15]. Energy harvesters are used to power and store energy in small wireless devices such as wearable electronic devices and wireless sensor networks. These technologies play an important role in IoT, M2M communication systems and wearable bio-monitoring systems [16].
1.3. 피에조 전기1.3. piezoelectricity
일종의 기계적 응력, 압력 또는 진동에 기초하여 교류(AC 전압)를 발생시키는 특정 자원의 능력을 압전성(piezoelectricity)이라고 한다. 단어 "압전"은 그리스어 단어 "piezein"에서 파생된 것으로, 톱니, 핀치 또는 스퀴즈 및 "피에조"의미 푸시를 의미한다. 압전 소자(재료)가 기계적 압력 및 응력하에 놓여지면 소자에 중심을 둔 음전하 및 양전하의 이동이 발생하여 외부 전기장이 발생한다.The ability of a particular resource to generate an alternating current (AC voltage) based on a kind of mechanical stress, pressure, or vibration is called piezoelectricity. The word "piezo" is derived from the Greek word "piezein", which means sawtooth, pinch or squeeze and "piezo" meaning push. When a piezoelectric element (material) is placed under mechanical pressure and stress, a movement of a negative charge and a positive charge centered on the element occurs and an external electric field is generated.
압전은 진동, 운동 또는 압력을 기반으로 하는 비 전통적인 에너지 수확 방법 중 하나이다.Piezoelectric is one of the nontraditional energy harvesting methods based on vibration, motion or pressure.
이 에너지는 재생 가능하고, 비용이 적으며, 오염이 없다. 압전 변환기는 압박을 받으면 전력을 발생시킨다[17]. 압전 효과의 기본 원리는 도 2에 나와 있다.This energy is renewable, less expensive, and free from contamination. Piezoelectric transducers generate power when pressed [17]. The basic principle of the piezoelectric effect is shown in Fig.
기계적 응력이나 힘이 수정 결정에 가해지면 수정 결정 표면에 전기 전하가 생기고 그 반대의 경우도 마찬가지이다 [19,20]. 전하의 양은 응력의 양에 직접적으로 비례한다. 압전성을 생성하는 일부 재료는 석영 결정체, 로셀 염 및 바륨 티타 네이트이며, 이들은 모두 IoT 소자에 내장 될 수 있다.When mechanical stress or force is applied to the crystal, electric charge is generated on the crystalline crystal surface and vice versa [19,20]. The amount of charge is directly proportional to the amount of stress. Some of the materials that produce piezoelectricity are quartz crystals, Rochelle salt and barium titanate, all of which can be embedded in IoT devices.
생성 된 에너지는 다음 방정식을 통해 계산할 수 있다.The generated energy can be calculated by the following equation.
(수학식 1)(1)
E=1/2(CV2)E = 1/2 (CV 2 )
이 방정식은 커패시터에 저장된 에너지를 나타내며, 여기서 E는 커패시터에 저장된 에너지이다. C는 커패시턴스이다. V는 커패시터 양단에서 측정된 전압이다.This equation represents the energy stored in the capacitor, where E is the energy stored in the capacitor. C is the capacitance. V is the voltage measured across the capacitor.
전압 단위 V가 볼트인 경우 에너지 단위 E는 줄인다. 피에조 소자에 대한 각 탭의 생성 에너지는 아래의 등식에 의해 계산된다.If voltage unit V is volts, energy unit E is reduced. The generated energy of each tap for the piezo element is calculated by the following equation.
(수학식 2)(2)
E=1/2(CV1 2)-V0 E = 1/2 (CV 1 2 ) -V 0
여기서 V0는 탭 전의 전압이고, V1은 압전 소자상의 탭 이후의 전압이다. 수정 표면 및 힘을 증가시킴으로써, 예를 들어, 일부 마이크로 컨트롤러 임베디드 장치에 의해 제어될 수 있는 센서 노드를 포함하는 애플리케이션에 대해 보다 많은 전력이 도출될 수 있다. 이러한 IoT 디바이스는 전력 소모가 적으며, 압전 트랜스 듀서가 생성하는 전력으로 충분하다.Where V 0 is the voltage before the tap and V 1 is the voltage after the tap on the piezoelectric element. By increasing the crystal face and force, more power can be derived, for example, for applications including sensor nodes that can be controlled by some microcontroller embedded devices. This IoT device consumes less power and the power generated by the piezoelectric transducer is sufficient.
1.4. 의료 분야의 빅 데이터 분석1.4. Big data analysis in medical field
건강 관련 데이터가 끊임없이 형성되고 수집되므로 데이터 양이 적다. 데이터는 실시간으로 빠른 속도로 수집된다. 비할 데 없는 속도로 데이터를 수집하는 연속적인 흐름은 새로운 도전을 제시한다. 수집되고 저장되는 데이터의 다양성과 볼륨이 변경됨에 따라 속도가 생성되기 때문에 속도가 변경된다. 이러한 속도 변화는 검색, 비교, 분석 및 의사 결정에 중요하다. 상승 데이터의 속도는 또한 일관된 모니터링을 필요로하는 데이터에 의해 증가되어왔다. 예를 들면 매일 또는 여러번(인슐린 펌프를 사용하여보다 일정한 제어)의 당뇨병성 포도당 측정, 인체 판독 값의 혈압(BP) 및 심전도(EKG 또는 ECG) 등이 있다.Health data is constantly being formed and collected, so data volume is low. Data is collected at high speed in real time. The continuous flow of data at unprecedented rates presents a new challenge. The speed is changed because the speed is generated as the volume and variety of data collected and stored is changed. These speed changes are important for search, comparison, analysis and decision making. The speed of rising data has also been increased by data requiring consistent monitoring. For example, diabetic glucose measurements, blood pressure (BP) and electrocardiogram (EKG or ECG) of human readings are available daily or several times (more controlled using insulin pumps).
또한 환자의 다양한 의료 환경에서 연속적인 실시간 데이터는 삶의 질과 죽음의 차이를 의미할 수 있다. 예를 들어 혈압에 대한 외상 모니터링, 안면 마비 작업 영역 스크린, 침대 옆에 놓인 심장 모니터 등이 있다. 가능한 한 빨리 감염을 탐지하고 정확한 치료법을 제공하는 등의 시간제 응용 프로그램은 생명을 구하고 병원 감염을 예방할 수 있다. 또한, 심장 마비 예측을 위한 하이브리드 의사 결정 지원 기술이 제안되었다[29].In addition, continuous real-time data in a patient's diverse medical settings may indicate a difference in quality of life and death. For example, there are trauma monitoring for blood pressure, a face paralysis work area screen, and a heart monitor placed beside the bed. Time-of-day applications such as detecting infections as soon as possible and providing accurate remedies can save lives and prevent hospital infection. In addition, a hybrid decision support technology for heart attack prediction has been proposed [29].
엄청난 양의 다양한 데이터는 건강 관리 데이터가 어려움을 주는 흥미로운 요소이다. 건강 관리는 구조화된 데이터에서 구조화되지 않은 데이터로의 변환 자동화를 포함하여 다양한 데이터를 결합하고 개조하는데 보다 효과적인 방법을 필요로 한다. 의료 데이터에서 보장 또는 정확성은 중요한 데이터 분석 및 결과에 오류가 없고 신뢰할 수 있어야 한다. 데이터 품질 문제는 다음 두 가지 이유로 건강 관리에서 심각한 문제이다. An enormous amount of diverse data is an interesting element that makes healthcare data difficult. Healthcare requires a more effective method for combining and modifying various data, including automating the conversion from structured data to unstructured data. In medical data, assurance or accuracy must be reliable and error-free in the analysis and results of important data. Data quality problems are a serious healthcare problem for two reasons.
(1) 사망 또는 사망 판정은 정확한 정보에 달려 있다.(1) Death or death determination depends on accurate information.
(2) 의료 데이터의 질이 변경 가능하고 종종 부정확하다. (2) The quality of medical data is changeable and often incorrect.
제스쳐 및 교차점에서 대용량 데이터에 대한 분석을 수행하는 기능은 모든 전문 분야에서 의료 서비스를 재구성한다. 건강 데이터의 성격이 진보함에 따라 분석 기술도 볼륨, 속도 및 다양성을 충족시키는 데 필요한 다각적이고 정교한 분석에 적합하다.The ability to perform analysis of large volumes of data at gestures and crossings restructures medical services in all areas of specialization. As the nature of health data advances, analytical techniques are well suited to the multifaceted and sophisticated analysis needed to meet volume, speed and diversity.
2. 본 발명의 과제2. Problems of the Invention
IoT는 하트 비트 센서, 온도 센서, 글루코 미터 등과 같은 이기종 센서의 도움으로 스마트 건강을 위한 기반을 제공한다. IoT의 주요 의무는 모든 유형의 위치에 센서를 배치하여 데이터를 수집할 수 있는 기능이다. 그러나 중요한 문제는 전원 공급 장치, 배터리 수명 또는 배터리 교체시기이다. 마찬가지로 IoT 장치는 빅 데이터 분석 기술로 분석 할 수 있는 대량의 데이터를 제공하며 공개적이고 사용자 중심의 에코 시스템을 제공한다. 빅 데이터 분석은 대형 데이터 세트에 적용되어 효율적인 의사 결정을 위한 보이지 않는 패턴과 상호 관계를 나타낸다. IoT 장치 및 데이터 분석에 대한 주요 문제점 및 과제는 아래에 강조 표시되어 있다.IoT provides a foundation for smart health with the help of heterogeneous sensors such as heartbeat sensors, temperature sensors, and glucometers. The primary obligation of IoT is the ability to collect data by placing sensors at all types of locations. However, an important issue is the power supply, battery life, or battery replacement time. Similarly, IoT devices provide a massive amount of data that can be analyzed with big data analysis techniques and provide an open, user-centric ecosystem. Big data analysis is applied to large data sets and correlates with invisible patterns for efficient decision making. Key issues and challenges for IoT device and data analysis are highlighted below.
2.1. IoT 작업에 대한 도전2.1. Challenges to IoT work
IoT 애플리케이션들에서, 많은 것들 또는 무선 단말기들이 상호 접속된다.In IoT applications, many or wireless terminals are interconnected.
따라서 배터리를 사용하여 태양 전지에 전력을 공급하고 관리하는 것은 복잡한 작업이다. 다음은 IoT 터미널 노드에 전원을 공급하는 데 따르는 어려움이다.Therefore, powering and managing solar cells using batteries is a complex task. The following are difficulties in supplying power to IoT terminal nodes.
● 제한된 에너지 자원 : 장치의 중요한 에너지 자원은 1 차 및 2 차로 분류 할 수 있는 배터리이다. 1 차 배터리는 충전이 불가능하고 에너지가 한정되어 있기 때문에 수십억 가지 IoT 배터리에 사용할 수 없다. 2 차 전지는 재충전 가능하며, 대부분의 IoT 장치는 비용 대비 효과가 뛰어나고 융통성이 있어 충전식 전지로 작동된다. 충전식 배터리에는 니켈 - 금속 수소화물, 니켈 카드뮴 및 리튬 코발트 산화물이 포함된다. IoT 어플리케이션 노드는 배터리를 연속적으로 충전해야하는 연속 전원 공급 장치를 필요로 한다. 이것은 재충전 배터리로 인한 주요 도전 과제이다.● Limited energy resources: The primary energy resources of the device are the primary and secondary classifiable batteries. Primary batteries can not be used for billions of IoT batteries because they can not be recharged and have limited energy. Rechargeable batteries are rechargeable, and most IoT devices are cost-effective and flexible and operate with rechargeable batteries. Rechargeable batteries include nickel-metal hydride, nickel cadmium, and lithium cobalt oxide. The IoT application node requires a continuous power supply to continuously charge the battery. This is a major challenge due to rechargeable batteries.
● 교체 : 일차 전지는 충전이 필요없는 이동 노드에서 사용되었다. 이러한 배터리는 전력이 소모될 때 교체해야 한다. 일부 IoT 애플리케이션의 경우 연속적인 데이터 공급을 중단한다 [16]• Replacement: The primary cell was used in a mobile node that does not require charging. These batteries must be replaced when power is depleted. For some IoT applications, continuous data feeds are discontinued [16]
●생태적 한계 : 위성 모니터링 시스템과 같은 응용 프로그램은 교체되거나 재충전되지 않는 배터리를 사용한다. 에너지 하베스팅 장치는 위성 시스템의 태양 에너지와 같은 응용 분야에서 중요한 역할을 한다.● Ecological limitations: Applications such as satellite monitoring systems use batteries that are not replaced or recharged. Energy harvesting devices play an important role in applications such as solar energy in satellite systems.
● 환경 위험 : WSN(무선 센서 네트워크)을 사용하여 대규모 응용 프로그램을 배포하려면 무선 센서를 작동하는 데 많은 수의 배터리가 필요하며, 매일 수백 개의 일회용 배터리를 사용하는 심각한 환경 위험을 초래한다 [18].● Environmental risk: Deploying large applications using a wireless sensor network (WSN) requires a large number of batteries to operate the wireless sensor and pose a serious environmental risk using hundreds of disposable batteries daily [18] .
2.2. 건강 관리를 위한 빅 데이터의 문제점2.2. Problems of Big Data for Health Care
스마트 건강은 전통적인 의료 서비스 방식을 현명하고 효율적인 방법으로 전환하는 새로운 제안이다. 그러나 스마트 건강의 완전한 시스템을 만드는 직접적인 방법이 없기 때문에 이 교환은 어려울 수 있다. 빅데이터 분석에는 데이터 기록 및 수집, 데이터 정리, 데이터 통합, 데이터 집계, 데이터 쿼리, 데이터 표현 및 데이터 분석 등 여러 단계가 수반된다. 합의된 각 단계는 다음과 같은 문제를 제기한다.Smart health is a new proposal that turns traditional health care practices into smart and efficient ways. But this exchange can be difficult because there is no direct way to create a complete system of smart health. Big data analysis involves several steps, such as data logging and data collection, data integration, data aggregation, data querying, data representation and data analysis. Each agreed step raises the following questions:
● 데이터 집계 : 다양하고 이질적인 여러 소스에서 온 데이터가 적절하게 집계되어야하며 복잡성이 도입되어야한다.Data aggregation: Data from diverse and heterogeneous sources must be appropriately aggregated and complexity introduced.
● 데이터 형식 : 데이터는 다양한 형식, 포맷, 대리자 및 의미 체계의 형태이다.● Data format: Data is in the form of various formats, formats, surrogates and semantics.
● 불완전성 : 불완전한 데이터는 누락된 데이터 필드 값을 의미하며 분석시 불확실성을 유발할 수 있다.● Incomplete: Incomplete data means missing data field values and can cause uncertainty in analysis.
● 적시성 : 처리할 수량이 증가하므로 데이터를 검사하는 데 추가 시간이 필요하다. 즉각적인 결과가 필요할 때 특히 문제가 된다.● Timeliness: As the quantity to be processed increases, additional time is required to inspect the data. This is particularly problematic when immediate results are needed.
● 규모 조정 : 방대한 양의 데이터를 구성하는 것은 어려운 문제를 야기한다.● Scaling: Constructing vast amounts of data can be a challenge.
● 표준화 : 일반적으로 데이터 수집은 느슨하게 제어되어 범위를 벗어나는 값 (예 : 환자의 심장 박동수 -10°C) 및 불합리한 데이터 통합(예 : 환자 - 성별 : 남성, 임신 : 예)을 초래한다. 결과적으로 오도된 결과 일 수 있다.● Standardization: Data collection is generally loosely controlled resulting in out-of-range values (eg, patient's heart rate -10 ° C) and unreasonable data integration (eg patient-gender: male, pregnancy: yes). As a result, it may be a misleading result.
● 소음 제거 : 귀중한 데이터 및 소음의 분할은 문제가 되지 않는다. 데이터 값은 서비스 도메인의 콘텍스트에 기초하여 정의된다.● Noise reduction: Dividing valuable data and noise is not a problem. The data value is defined based on the context of the service domain.
● 대기열 처리 : 처리를 수행하는 즉시 응답으로 지연이 발생할 수 있다. 많은 경우 처리 과정에서 기다리지 않아야 한다 [26].● Queuing: Delays can occur in response to processing. In many cases, you should not wait in the process [26].
3. 제안된 본 발명3. Proposed inventions
도 3은 본 발명의 일 실시예에 따른 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치의 구성도이다.FIG. 3 is a configuration diagram of an energy harvesting apparatus based on object Internet and big data analysis according to an embodiment of the present invention.
도 3을 참조하면, 본 발명의 일 실시예에 따른 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치는 에너지 하베스팅 및 데이터 생성 계층(또는 하베스팅 및 데이터 생성부)(100)과, 데이터 전처리 계층(또는 데이터 전처리부)(200) 및 데이터 처리 및 응용 계층(또는 데이터 처리 및 응용부)(300)을 포함한다.Referring to FIG. 3, an energy harvesting apparatus based on object Internet and big data analysis according to an embodiment of the present invention includes an energy harvesting and data generating layer (or harvesting and data generating unit) 100, (Or data preprocessor) 200 and a data processing and application layer (or data processing and application unit)
에너지 하베스팅 및 데이터 생성 계층(또는 하베스팅 및 데이터 생성부)(100)은 최하위 계층이다. 건강 모니터링 웨어러블 장치인 건강 모니터링 센서(120)와 통합된 에너지 하베스팅의 하베스터(110)의 포괄적인 분석 및 활용은 이 계층에서 다루어진다. 이것이 가상 계층이라는 것을 여기서 언급할 가치가 있다. The energy harvesting and data generation layer (or harvesting and data generation unit) 100 is the lowest layer. A comprehensive analysis and utilization of energy harvesting harvester 110 integrated with
건강 모니터링 센서(100)는 온도 센서, 심장 박동 센서, 호흡 센서, 글루코 미터 등을 포함한다.The
상기 하베스터(110)는 압전 장치로 이루어지며 인체의 압력을 전기 에너지로 변환한다.The harvester 110 is made of a piezoelectric device and converts the pressure of the human body into electric energy.
이는 IoT에서 에너지 하베스팅의 중요성과 필요성을 보여 주며, 특히 유지 보수 필요성이 전혀 없는 24 시간 그리고 365일까지 기능이 있어야 하는 건강 모니터링 센서에서 그러하다.This shows the importance and necessity of energy harvesting in IoT, especially for health monitoring sensors that require 24 hours and 365 days of no maintenance.
상기 하베스터(110)를 구성하는 압전 장치는 압력 영역을 확인하는 다른 인체 부분에 부착될 수 있다.The piezoelectric device constituting the harvester 110 may be attached to another human body part confirming the pressure area.
압력 영역은 압전 장치가 압전 효과를 발생시켜 전기 에너지를 생성하도록 한다. 이 에너지는 도 4에 도시된 바와 같이 인체에 설치된 착용형 건강 모니터링 센서(120)에 공급된다.The pressure region allows the piezoelectric device to generate a piezoelectric effect to produce electrical energy. This energy is supplied to a wearable
압전 효과를 사용하여 에너지를 유도할 수 있는 많은 인간 제스쳐가 있다. 인간의 행동과 인간의 몸짓은 서로 다른 유형의 압력 영역을 만들어 에너지를 생성한다. 인간의 행동과 그에 해당하는 압력 영역은 아래에 나와 있으며 적절한 몸짓으로 표 1에 표시되어 있다.There are many human gestures that can induce energy using piezoelectric effects. Human behavior and human gestures generate energy by creating different types of pressure zones. Human behavior and corresponding pressure areas are listed below and are shown in Table 1 as appropriate gestures.
*앉기(SITTING) - 압력 영역 : 몸 전체의 아래 부분* SITTING - Pressure area: Lower part of whole body
*보행(WALKING)- 압력 지역 : 신발창, 다리 운동, 손, 어깨* WALKING - Pressure area: sole, leg exercise, hand, shoulder
*슬리핑(SLEEPING) - 압력 영역 : 전신의 뒷부분* SLEEPING - Pressure area: the back of the whole body
*러닝(RUNNING) - 압력 영역 : 신발 바닥, 다리 움직임, 손, 어깨* RUNNING - Pressure area: shoe bottom, leg movement, hand, shoulder
*자전거타기(CYCLING)- 압력 영역 : 발, 다리 움직임, 손, 어깨* CYCLING - Pressure zone: feet, leg movements, hands, shoulders
*운전(DRIVING) - 압력 영역 : 손바닥, 손, 발* DRIVING - Pressure zone: palms, hands, feet
*운반 중(CARRYING) - 압력 구역 : 손바닥, 손, 발* Carrying - Pressure zone: palms, hands, feet
*타이핑(TYPING) - 압력 구역 : 손, 손바닥, 손가락 팁* TYPING - pressure zone: hand, palm, finger tip
*스포츠(SOPRTS)- 압력 영역 : 전신 영역* Sports (SOPRTS) - Pressure zone: Full body zone
*운동(EXERCISE) - 압력 영역 : 전신 영역* EXERCISE - Pressure zone: Full body zone
*이완(RELAXING) - 압력 영역 : 몸 전체의 아래 부분* RELAXING - Pressure area: Lower part of whole body
*노동(LABOUR) - 압력 영역 : 손바닥, 신발 밑창, 손, 다리, 어깨* Labor (LABOUR) - Pressure area: palms, shoe soles, hands, legs, shoulders
*등받이 운반(CARRYING BACKPACK) - 압력 영역 : 등, 어깨* CARRYING BACKPACK - Pressure area: back, shoulder
(표 1)(Table 1)
인체 압력은 다수의 하베스터(압전 장치)(110)에 공급되어 전기 에너지를 생산한다. The human body pressure is supplied to a plurality of harvesters (piezoelectric devices) 110 to produce electric energy.
하베스팅 모듈(130)은 압력(압전 효과)을 감지한 다음 다양한 마이크로 컨트롤러를 사용하여 기계 에너지를 전기 에너지로 변환하며, 나중에 전기 에너지를 하베스팅과 함께 사용되는 메모리에 저장하고 유지한다. The
에너지가 저장되면 다양한 건강 모니터링 센서(120)에 에너지가 로드(소비)된다. When energy is stored, energy is loaded (consumed) in various
마이크로 컨트롤러(140) 및 통신부(150)의 지원으로 센서(120)에서 생성된 데이터는 센서와 함께 개인용 서버(160)에 저장된다.Data generated by the
한편, 최근의 실세계 빅 데이터는 특성이 엄청나고 여러 이질적인 출처로부터 유래한 원산지 때문에 불일치, 가치 누락, 형식 노이즈에 매우 취약하다. 물론, 품질이 낮은 데이터는 낮은 품질의 처리 결과로 이어질 것이다. 실제 처리 전에 적용될 때 데이터 전처리 계층(또는 데이터 전처리부)(200)은 데이터 처리의 전반적인 품질 및/또는 실제 처리에 필요한 시간을 눈에 띄게 향상시킬 수 있다. On the other hand, recent real-world Big Data is very vulnerable to discrepancies, omissions, and formal noises due to the nature of its origin and its origins in many heterogeneous sources. Of course, low quality data will lead to low quality processing results. When applied before actual processing, the data preprocessing layer (or data preprocessor) 200 can significantly improve the overall quality of the data processing and / or the time required for actual processing.
이에 따라 데이터 전처리 계층(200)은 획득 시스템(210), 데이터 집계부(220), 데이터 변환부(230) 및 데이터 필터부(240)로 이루어져 있다.Accordingly, the
상기 데이터 집계부(220)는 상기 건강 모니터링 센서(120)에서 수집된 대용량 데이터를 축소한다. The
막대한 양의 데이터에 대한 복잡한 데이터 분석 및 처리는 오랜 시간이 걸릴 수 있으므로 이러한 분석은 비실용적이거나 실행 불가능하다.This analysis is impractical or impractical because complex data analysis and processing of huge amounts of data can take a long time.
따라서 데이터 집계부(220)는 데이터 축소 기술을 적용하여 볼륨이 훨씬 적지만 원본 데이터의 무결성을 철저히 유지하는 데이터 집합의 축소된 표현을 얻을 수 있다.Accordingly, the
즉, 축소된 데이터 세트에 대한 처리는 보다 효율적이어야 하지만 동일한(또는 거의 동일한) 분석 결과를 생성해야 한다.That is, processing on the reduced dataset should be more efficient but produce the same (or nearly identical) analysis results.
상기 데이터 변환부(230)는 데이터를 적절한 형식의 양식으로 변환하거나 통합한다.The
이를 위해 데이터 변환부(230)는 최소-최대 정규화 기술을 사용하여 데이터를 특정의 정확하고 작은 범위로 스케일링하여 데이터를 변환한다. To this end, the
정규화의 근본적인 이유는 데이터의 가치 한도를 확고한 특정 범위로 제한하는 것이다. The fundamental reason for normalization is to limit the value limits of the data to a certain specific range.
최소-최대 정규화는 데이터 범위를 특정 범위로 확장하는 데 광범위하게 사용되기 때문에 제공된다. 최소-최대 정규화는 아래 수학식 3을 사용하여 특정 값 M을 특정 범위[x-y]에서 다른 값 N으로 변환하는 데 사용된다.Minimum-maximum normalization is provided because it is widely used to extend the data range to a specific range. The min-max normalization is used to convert a specific value M from a specific range [x-y] to another value N using the following equation (3).
(수학식 3)(3)
여기서 M은 정규화할 값이다. Mmin은 최소값이고, Mmax는 최대값이며, y는 상한이고, x는 하한이다. 이를 위하여 도 5의 알고리즘이 사용된다.Where M is the value to be normalized. Mmin is a minimum value, Mmax is a maximum value, y is an upper limit, and x is a lower limit. The algorithm of FIG. 5 is used for this purpose.
한편, 실제 세계의 데이터는 종종 노이즈를 포함하며, 이는 실제 데이터에서 많은 잘못된 데이터가 관찰될 수 있음을 의미한다.On the other hand, real world data often includes noise, which means that a lot of erroneous data can be observed in real data.
상기 데이터 필터부(240)는 노이즈, 불일치 및 불완전한 데이터를 제거한다. 노이즈에는 가치가 없고 처리에 영향을 미치지 않는 데이터가 포함될 수 있다. 불일치란 데이터의 불일치로 불완전한 데이터가 속성값 또는 특정 관심 속성이 부족하다는 것을 나타낸다. 칼만 필터는 이러한 잡음을 데이터에서 제거하는 가장 유리한 필터이다.The data filter 240 removes noise, inconsistencies, and incomplete data. Noise can include data that is not valuable and does not affect processing. A discrepancy is an inconsistency in the data, indicating that the incomplete data is missing an attribute value or a particular attribute of interest. The Kalman filter is the most advantageous filter to remove such noise from the data.
다음으로, 데이터 처리 및 응용 계층(또는 데이터 처리 및 응용부)(300)은 전반적인 처리 및 의사 결정을 담당하며, 대기열부(310), 하둡(Hadoop) 서버(320), 저장 장치(330), 규칙 엔진(340), 지능형 의사 결정부(350) 및 이벤트 관리부(360)를 포함한다.The data processing and application layer (or data processing and application unit) 300 is responsible for overall processing and decision making and includes a queue unit 310, a
상기 대기열부(310)는 처리를 수행하는 데 즉각적인 응답이 필요하지 않은 대기열 위에 데이터 장치를 배치하는 방법을 제공하는 프로세스이다.The queue unit 310 is a process that provides a method of placing a data device on a queue that does not require an immediate response to perform processing.
대기열의 목적은 처리의 중단과 중단을 막기 위한 것이다. The purpose of the queue is to prevent disruption and interruption of processing.
대기열부(310)는 t시간에 D데이터 항목을 수신 한 다음 적절하게 후속 요소로 전달하는 방식으로 작동한다. The queue unit 310 operates in such a manner that it receives the D data item at time t and then appropriately transfers it to the subsequent element.
대기열부(310)의 큐잉 처리는 도 6에서와 같이 핸들러 H에 의해 처리된다. M / M / 1 큐잉 모델은 효과적인 큐잉 기능으로 인해 제안된 큐잉 아키텍처에 적용된다.The queuing processing of the queue unit 310 is processed by the handler H as shown in FIG. The M / M / 1 queuing model is applied to the proposed queuing architecture due to the effective queuing capability.
하둡 서버(Hadoop Server)(320)는 코어 프로세싱을 담당한다. 이 단위는 하나의 서버 형식으로 데이터를 전달하는 제안된 아키텍처의 주요 처리 단위이다.The
하둡 서버(320)는 대규모 데이터 세트를 분산된 형태로 처리 및 저장하는 데 사용된다.
하둡 서버(320)를 사용하면 노드 수천 개가 포함된 요청을 실행할 수 있고 노드 간 빠른 데이터 전송 속도가 촉진되는 수천 테라 바이트의 데이터를 저장할 수 있다.The
병렬 처리는 데이터 분석을 향상시킨다[32]. 하둡 서버(320)는 데이터 분석을 위해 맵리듀스 기술을 사용한다. 이는 다음 두 단계로 처리를 수행한다. Parallel processing improves data analysis [32]. The
(1) 데이터가 다른 데이터 집합으로 변환되는 매핑 프로세스와 (2) 매핑된 데이터와 결과를 결합하는 리듀스 프로세스를 포함한다. 데이터 세트의 각 개별 데이터 항목을 가져 와서 다음 방정식에 따라 결과를 생성한다.(1) a mapping process in which data is converted to a different data set, and (2) a reduction process that combines the mapped data and results. Take each individual data item in the data set and generate the result according to the following equation:
(수학식 4)(4)
저장 장치(330)는 처리된 결과를 저장하도록 계획되어 있으며, 이는 나중에 결정을 내리는 데 사용된다.The
데이터 저장은 의료 데이터 분석에서 필수적인 역할을 한다. 따라서, 제안 된 아키텍처는 용이한 데이터 저장을 가능하게 하기 위해 HDFS 및 HBASE와 같은 저장 기술을 이용한다.Data storage plays an essential role in medical data analysis. Thus, the proposed architecture uses storage technologies such as HDFS and HBASE to enable easy data storage.
HDFS는 하둡(Hadoop)의 핵심 스토리지이며, HDFS의 저장 공간이 분산되어 있기 때문에 대규모 데이터 클러스터의 작은 하위 집합에 대해 맵 리듀스 구현을 보완한다. HDFS is Hadoop's core storage and because the storage space of HDFS is distributed, it complements the mapping reduction implementation for a small subset of large data clusters.
또한 HDFS는 빅 데이터 처리의 확장성 요구 사항을 단순화한다. 마찬가지로 HBASE는 유용성 및 내결함성을 향상시키는 실시간 조회를 제공하므로 하둡의 처리 속도를 향상시키기 위해 활용된다.HDFS also simplifies the scalability requirements of big data processing. Similarly, HBASE is used to improve Hadoop throughput by providing real-time queries that improve usability and fault tolerance.
다음으로, 규칙 엔진(340)은 처리된 데이터의 평가를 위해 정의된 다양한 규칙과 임계값을 유지 관리하는 데 사용된다. 임계값은 TLV(임계값 한도)로 표시된 정확한 값이다. TLV는 신체 온도 TLV와 같은 데이터를 바탕으로 위험하거나 높거나 낮은 인체 온도 값에 따라 정의된다. 이와 마찬가지로 몇 가지 규칙이 정의된다. 규칙은 의사 결정 및 이벤트 관리에 사용되는 TLV 기반 if / then문이다. 규칙 정의 접근법은 도 7에 도시된 알고리즘 2로 제공된다.Next, the
의사 결정부(350)는 지능형 의사 결정을 수행하며, 이벤트 관리부(360)는 지능형 의사 결정을 기반으로 이벤트를 생성 및 전달하여 해당 사용자에게 전달한다. 이벤트를 분류하고 의사 결정을 생성한다. 제안된 시스템과 최종 사용자 간의 조정자이다.The
지능형 결정은 이벤트 및 해당 부서를 유니 캐스팅하거나 사용자가 고수준 및 저수준 이벤트를 구별하는 데 사용되는 온톨로지별 결정을 설명한다.Intelligent decisions describe events and ontology-specific decisions that are used to unicast the event and its departments or to distinguish high-level and low-level events from users.
고급 이벤트는 부서 수준에서 저장되며 수신자에게 유니 캐스트로 전달되지만 하위 이벤트는 더 이상 진행되지 않는다. Advanced events are stored at the department level and are delivered unicast to the recipient, but no further sub-events are processed.
하위 서비스 이벤트 계층은 해당 이벤트를 생성하고 이를 포함된 알림 구성 요소로 전송한다.The child service event layer generates the event and sends it to the included notification component.
자체 감독 결정은 적절한 분리가 수행되고 의사 결정이 해당 사용자에게 전송되는 분리 단위에 대해 유니 캐스트이다.The self-supervisory decision is unicast for the segregated units where appropriate segregation is performed and the decision is sent to that user.
도 8은 본 발명의 일 실시예에 따른 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법의 흐름도이다.FIG. 8 is a flow chart of an energy harvesting method based on object Internet and big data analysis according to an embodiment of the present invention.
도 8을 참조하면, 본 발명의 일 실시예에 따른 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법은 인체의 압력 영역에서 압력이 발생하면 인체의 압전 영역에 설치된 압전 장치로 이루어진 하베스터가 기계적 에너지를 전기적 에너지로 변환하여 전기 에너지를 생산한다(S110).Referring to FIG. 8, an energy harvesting method based on object Internet and big data analysis according to an embodiment of the present invention is a method of harvesting energy using a piezoelectric device installed in a piezoelectric region of a human body when pressure is generated in a pressure region of a human body The mechanical energy is converted into electrical energy to produce electrical energy (S110).
그러면, 하베스팅 모듈은 하베스터가 생산한 전기에너지를 저장하여 유지하며(S120), 건강 모니터링 센서로 전력을 제공한다(S130).Then, the harvesting module stores and maintains electric energy produced by the harvester (S120), and provides power to the health monitoring sensor (S130).
상기 건강 모니터링 센서는 부착된 인체의 건강 정보를 획득하여 전달한다(S140).The health monitoring sensor acquires and transmits health information of the attached human body (S140).
데이터 전처리부는 데이터를 집계하고 정규화하며, 필터링한다(S140).The data preprocessor aggregates, normalizes, and filters the data (S140).
이후에, 데이터 전처리부는 유용한 데이터는 추가 처리를 위해 대기열부로 보내지만 유용하지 않은 데이터는 폐기된다(S170). Thereafter, the data preprocessor sends useful data to the queue for further processing, but data that is not available is discarded (S170).
대기열부는 큐닝을 수행하며(S160), 하둡 서버가 대용량 데이터 세트를 분산 처리하고(S170), 저장한다(S180).The queue unit performs the queuing (S160), and the Hadoop server distributes the large data set (S170) and stores (S180).
사전 처리 후, 데이터는 Hadoop의 2개의 노드의 클러스터를 사용하여 처리된다. 처리된 데이터는 HDFS와 같은 분산 저장 메커니즘을 사용하여 저장되고 관리된다.After preprocessing, the data is processed using a cluster of two nodes of Hadoop. The processed data is stored and managed using a distributed storage mechanism such as HDFS.
한편, 규칙 엔진에 다양한 임계값 한계(TLV)를 설정하고 데이터 규칙을 평가할 때 사용되는 다양한 규칙을 정의하여 규칙 엔진을 유지 관리한다(S190).Meanwhile, the rule engine is maintained by defining various thresholds (TLV) in the rule engine and various rules used when evaluating data rules (S190).
TLV는 다양한 조치를 취하기 위한 경계선이다. TLV is a boundary line for various actions.
이후에, 이벤트 관리 및 의사 결정이 이루어지는데, TLV를 기반으로 한다(S200). 처리된 데이터 및 규칙은 의사 결정 및 이벤트 관리에 사용되어 해당 사용자에게 알린다. Thereafter, event management and decision making are performed based on TLV (S200). The processed data and rules are used for decision making and event management to inform the user.
4. 데이터 분석 및 결과4. Data Analysis and Results
이 절에서는 제안된 방안을 사용하여 얻은 결과에 대한 포괄적인 분석을 설명한다. 분석은 제안된 아키텍처를 평가하기 위해 다양한 신뢰할 수 있는 출처에서 수집된 다양한 데이터 세트에서 수행된다. 전처리 및 처리의 제안된 아키텍처는 전적으로 다양한 출처에서 수집된 이전 데이터의 처리에만 의존한다. 초기에는 원시 데이터를 포함하여 데이터가 흐릿하다. 따라서 Hadoop 처리 위에 사전 처리를 수행한다. 따라서 Hadoop의 시간과 효율성이라는 맥락에서 처리의 현저한 최적화가 실현된다. 또한 전처리는 실제 데이터를 적은 시간에 처리하는 데 도움이 된다.This section describes a comprehensive analysis of the results obtained using the proposed approach. The analysis is performed on various data sets collected from various trusted sources to evaluate the proposed architecture. The proposed architecture of preprocessing and processing relies solely on the processing of previous data collected from various sources. Initially, the data is fuzzy, including raw data. Therefore, pre-processing is performed on Hadoop processing. Thus, a significant optimization of processing is realized in the context of Hadoop's time and efficiency. Preprocessing also helps to process real data in less time.
4.1. 구현 세부 사항 및 데이터 소스4.1. Implementation details and data sources
제안된 시스템은 Apache Hadoop withMap에서 구현된다. 단일 노드 Hadoop 설정에서 Java 프로그래밍을 줄인다. mapping은 계열 파일 옵셋을 키로 취하고 값(하트)을 매개 변수 값으로 취한다. 또한 데이터 집합은 신뢰할 수 있고 유효한 원본에서 가져와 명시적으로 액세스 및 인증할 수 있다. 데이터 세트에는 다양한 활동에 해당하는 하트 비트 속도 및 다양한 활동에 상응하는 ECG와 같은 의료 데이터 세트가 포함된다[23-25]. 전체적으로 볼 때 2GB 이상의 데이터가 검사된다. 하트 비트 데이터 세트에는 54 개의 속성이 있고 ECG 데이터 세트에는 모든 레코드에 대해 24 개의 속성이 있다.The proposed system is implemented in Apache Hadoop with Map. Reduce Java programming in single node Hadoop setup. The mapping takes the series file offset as the key and takes the value (heart) as the parameter value. Data sets can also be accessed and authenticated explicitly from trusted and valid sources. Data sets include medical data sets such as ECGs corresponding to various activities and heartbeat rates for various activities [23-25]. Overall, more than 2 GB of data is scanned. The heartbeat data set has 54 attributes and the ECG data set has 24 attributes for all records.
4.2. 분석 결과 및 토론4.2. Analysis results and discussions
심장 박동 속도 데이터 세트에는 컴퓨터 작업, 운전, 청소 및 축구 경기와 같은 다른 활동을 수행하는 동안 세 명의 다른 환자의 심박동 수를 포함한다. 또한 ICU 환자의 심장 박동 수를 조사하여 몇 가지 심각한 수치가 포함되어 있다. 청소 및 컴퓨터 작업은 일반적으로 어려운 작업이 아니므로 하트 비트 속도가 느려진다. 반대로 축구와 운전은 육체적으로 요구되기 때문에 사용자의 심장 박동수가 더 높아질 것이다. 또한 사용자가 더 많은 압박감을 느끼므로 게임을 하는 동안 하트 비트 속도가 점차 증가한다. 시스템은 이러한 하트 비트 속도를 측정하고 속도가 정상 TLV를 초과할 때 이벤트를 생성한다. 요금이 심각한 TLV를 초과하면 일부 비상 조치가 필요하다. TLV는 사용자의 나이와 수행 한 해당 작업을 기반으로 측정된다. The heart rate data set includes the heart rate of three other patients while performing other activities such as computer work, driving, cleaning, and soccer games. In addition, the number of heart beats in patients with ICU was investigated and included some serious values. Cleaning and computer tasks are generally not a difficult task, and the heartbeat rate is slow. Conversely, since soccer and driving are physically demanding, the user's heart rate will be higher. Also, since the user feels more pressure, the heartbeat rate gradually increases during the game. The system measures these heartbeat rates and generates an event when the rate exceeds the normal TLV. If the charge exceeds the critical TLV, some emergency action is required. The TLV is measured based on the age of the user and the corresponding work performed.
전체 심장 박동 속도가 도 9에 도시되어 있으며, 유사하게, 심전도는 도 10에 도시된 바와 같이 사용자의 심박수를 모니터하기 위해 또한 측정되고, 마찬가지로, 심전도 검사는 또한 서있는 것과 같은 다양한 활동에 대해 분석되고 측정된다.9, and similarly, the electrocardiogram is also measured to monitor the user's heart rate, as shown in FIG. 10, and likewise, the electrocardiogram is also analyzed for various activities such as standing .
자전거 타기, 걷기, 조깅, 자전거 타기 등을 할 수 있다. 자전거 타기와 조깅과 같은 육체 운동 중에는 판독 결과가 기타 육체와 비교하여 추가 점프를 보인다.You can ride a bike, walk, jog, or ride a bike. During physical exercise such as cycling and jogging, the readout results in additional jumps compared to other flesh.
빅 데이터를 처리하기 위해 효율성과 시간에 관해 제안된 아키텍처를 검증했다. 제안된 시스템의 효율성이 기존 시스템과 비교하여 극적으로 증가하는 것으로 나타났다. 크기 227 MB의 ECG 데이터 세트, 크기 118 MB의 온도 데이터 세트 및 여러 속성을 가진 1.7 GB의 하트 비트 평가 세트를 고려한다 [25-28].We verified the proposed architecture for efficiency and time to handle big data. The efficiency of the proposed system increases dramatically compared to the existing system. Consider a ECG data set of size 227 MB, a temperature data set of 118 MB in size, and a 1.7 GB heartbeat evaluation set with several attributes [25-28].
제안된 작업의 효과를 평가하기 위해 처리량이 밀리 초 단위로 계산되고 처리 시간이 초 단위로 계산되는 처리량 및 처리 시간을 고려한다. 또한, 다양한 데이터 세트에 대한 처리량 및 처리 시간이 도 11에 도시되어 있다. 또한, 상이한 크기(더 큰 크기로부터 더 큰 크기까지)의 상이한 데이터 세트가 또한 제안된 시스템을 사용하여 테스트 된다. 데이터 세트의 크기가 증가 될 때 전체 처리량이 감소되는 것이 관찰된다. 이 현상을 도 12에 나타낸다.Consider the throughput and processing time in which the throughput is calculated in milliseconds and the processing time is calculated in seconds to evaluate the effectiveness of the proposed task. Also, throughput and processing time for various data sets are shown in FIG. In addition, different data sets of different sizes (from larger size to larger size) are also tested using the proposed system. It is observed that the overall throughput decreases as the size of the data set increases. This phenomenon is shown in Fig.
5. 결론 및 향후 연구5. Conclusion and Future Research
의료의 개념은 IoT의 광범위한 성장으로 인해 극적으로 변화하고 있다. 그럼에도 불구하고 IoT 최종 단말기의 신규성(novelty), 대용량 데이터 처리 능력 및 네트워킹과 같은 기존의 건강 모니터링 기능에 영향을 미치는 주요 과제가 남아 있다. 따라서 학계와 산업계는 실용적인 의료 분야에서 IoT를 위한 안정적인 아키텍처 개발에 주력하고 있다. 본 발명에서는 Big Data 분석을 사용하여 효과적인 스마트 건강 모니터링 아키텍처를 제안한다. 현명한 결정과 이벤트 관리가 본 발명의 가장 중요한 목적이다. 제안된 방법은 에너지 수확 기반의 IoT 건강 관리의 효과를 강조한다. 이와 관련하여, IoT에서 에너지 수확을 위한 개념적 틀이 제시된다. 건강 모니터링 센서에 대한 압전성을 이용한 에너지 수확과 관련하여 포괄적인 분석 및 디스카운션이 수행된다. Big Data 분석은 Map Reduce 메커니즘이 있는 Hadoop 서버를 사용하여 수행된다. 다양한 데이터 세트를 검사, 평가, 분석 및 테스트하여이를 기반으로 Big Data의 장점과 의료 기능을 통합할 수 있다. 그러나, 제안된 계획이 모든 가능한 요구에 맞춰져 있지 않기 때문에, 현재의 작업은 향후 확장될 수 있다.The concept of medical care is dramatically changing due to the widespread growth of IoT. Nevertheless, there remains a major challenge affecting existing health monitoring functions such as novelty of IoT end-stations, high-capacity data processing capabilities and networking. Therefore, academia and industry are focusing on developing a stable architecture for IoT in practical medical field. The present invention proposes an effective smart health monitoring architecture using Big Data analysis. Wise decisions and event management are the most important goals of the present invention. The proposed method emphasizes the effect of energy harvesting based IoT health care. In this regard, a conceptual framework for energy harvesting is presented in IoT. Comprehensive analysis and dis- cussion is conducted on energy harvesting using piezoelectricity for health monitoring sensors. Big Data analysis is performed using a Hadoop server with Map Reduce mechanism. By examining, evaluating, analyzing and testing a variety of data sets, it is possible to integrate the benefits of Big Data and medical functions. However, since the proposed scheme is not tailored to all possible needs, current work can be extended in the future.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The foregoing description is merely illustrative of the technical idea of the present invention, and various changes and modifications may be made by those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments of the present invention are not intended to limit the scope of the present invention but to limit the scope of the present invention. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents thereof should be construed as being included in the scope of the present invention.
100 : 에너지 하베스팅 및 생성 계층 110 : 하베스터
120 : 건강 모니터링 센서 130 : 하베스팅 모듈
140 : 마이크로 컨트롤러 150 : 통신부
160 : 개인용 서버 200 : 데이터 전처리 계층
220 : 데이터 집계부 230 : 데이터 변환부
240 : 데이터 필터부 300 : 데이터 처리 및 응용 계층
310 : 대기열부 320 : 하둡 서버
330 : 저장 장치 340 : 규칙 엔진
350 : 지능형 의사 결정부 360 : 이벤트 관리부
100: Energy Harvesting & Generation Layer 110: Harvester
120: health monitoring sensor 130: harvesting module
140: Microcontroller 150:
160: Personal server 200: Data preprocessing layer
220: Data aggregation unit 230: Data conversion unit
240: Data filter unit 300: Data processing and application layer
310: Queue part 320: Hadoop server
330: storage device 340: rule engine
350: intelligent decision making unit 360: event management unit
Claims (19)
상기 하베스팅 및 데이터 생성 계층에서 획득한 대용량의 건강 정보 데이터를 축소하고 정규화하며 필터링하는 데이터 전처리 계층; 및
상기 데이터 전처리 계층에서 전달되는 대규모 데이터 세트를 분산된 형태로 처리 및 저장하는 데이터 처리 및 응용 계층을 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.An energy harvesting and data generation layer for supplying power to the health monitoring sensor using a harvester attached to a pressure region of the human body and acquiring health information from the health monitoring sensor;
A data preprocessing layer for reducing, normalizing and filtering the large-capacity health information data acquired by the harvesting and data generation layer; And
And a data processing and application layer for processing and storing a large-scale data set transmitted from the data pre-processing layer in a distributed form, and an energy harvesting device based on Big-net data analysis.
상기 하베스팅 및 데이터 생성부에서 획득한 대용량의 건강 정보 데이터를 축소하고 정규화하며 필터링하는 데이터 전처리부; 및
상기 데이터 전처리부에서 전달되는 대규모 데이터 세트를 분산된 형태로 처리 및 저장하는 데이터 처리 및 응용부를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.An energy harvesting and data generating unit for supplying power to a health monitoring sensor using a harvester attached to a pressure region of a human body and acquiring health information from the health monitoring sensor;
A data preprocessing unit for reducing, normalizing and filtering the large-capacity health information data acquired by the harvesting and data generating unit; And
And a data processing and application unit for processing and storing a large-scale data set transmitted from the data preprocessing unit in a distributed form, and an energy harvesting apparatus based on Big Internet analysis.
상기 에너지 하베스팅 및 데이터 생성부는
인체에 부착되어 건강 정보를 획득하는 다수의 건강 모니터링 센서; 및
인체의 압력 영역에 설치되어 압력을 전기 에너지로 변환하여 상기 다수의 건강 모니터링 센서에 전력을 공급하는 하베스터를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method according to claim 2,
The energy harvesting and data generating unit
A plurality of health monitoring sensors attached to the body to obtain health information; And
And a harvester installed in a pressure region of the human body to convert the pressure into electric energy to supply power to the plurality of health monitoring sensors, wherein the energy harvesting apparatus is based on the Internet and Big Data Analysis.
상기 다수의 건강 모니터링 센서는 온도 센서, 심장 박동 센서, 호흡 센서 및 글루코 미터 중 적어도 하나 이상을 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method according to claim 3,
Wherein the plurality of health monitoring sensors include at least one of a temperature sensor, a heart rate sensor, a breathing sensor, and a glucose meter.
상기 하베스팅 및 데이터 생성부는
상기 하베스터에서 생산한 전기 에너지를 저장하고 관리하며 상기 다수의 건강 모니터링 센서에 제공하는 하베스팅 모듈을 더 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method according to claim 3,
The harvesting and data generating unit
Further comprising a harvesting module for storing and managing electric energy produced by the harvester and providing the electric energy to the plurality of health monitoring sensors.
상기 하베스팅 및 데이터 생성부는
상기 다수의 건강 모니터링 센서에서 건강 정보를 획득하는 마이크로 컨트롤러;
상기 마이크로 컨트롤러에서 획득한 건강 정보를 전송하는 통신부; 및
상기 통신부가 전송한 건강 정보를 전송받아 개인별로 저장하여 관리하는 개인용 서버를 더 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method according to claim 3,
The harvesting and data generating unit
A microcontroller acquiring health information from the plurality of health monitoring sensors;
A communication unit for transmitting health information acquired by the microcontroller; And
And a personal server which receives the health information transmitted from the communication unit and stores and manages the personal information. The energy harvesting apparatus is based on the Internet and Big Data Analysis.
상기 데이터 전처리부는
상기 하베스팅 및 데이터 생성부에서 생성한 대용량의 건강 정보를 축소하는 데이터 집계부; 및
상기 데이터 집계부에서 축소된 데이터를 정규화하는 데이터 변환부를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method according to claim 2,
The data preprocessing unit
A data aggregation unit for reducing the large-capacity health information generated by the harvesting and data generation unit; And
And a data conversion unit for normalizing the reduced data in the data aggregation unit. The energy harvesting apparatus based on the Internet and Big Data Analysis.
상기 데이터 변환부는 최소-최대 정규화 기술을 사용하여 데이터를 스케일링하여 데이터를 변환하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method of claim 7,
Wherein the data conversion unit scales data by using a minimum-maximum normalization technique to convert data, and the energy harvesting device is based on BigInt Data Analysis.
상기 데이터 전처리부는
상기 데이터 변환부에서 정규화된 데이터를 필터링하여 노이즈를 제거하는 데이터 필터부를 더 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method of claim 7,
The data preprocessing unit
And a data filtering unit for filtering the normalized data by the data converting unit to remove noise. The energy harvesting apparatus according to claim 1,
상기 데이터 필터부는 칼만 필터를 사용하여 데이터의 노이즈를 제거하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method of claim 9,
Wherein the data filter unit removes noise of data using a Kalman filter. The energy harvesting apparatus based on the Internet and Big Data analysis.
상기 데이터 처리 및 응용부는
상기 데이터 전처리부에서 데이터 항목을 수신 한 다음 후속 요소로 전달하는 방식으로 작동하는 대기열부;
상기 대기열부에서 전달되는 대규모 데이터 세트를 분산된 형태로 처리 및 저장하는 하둡 서버; 및
상기 하둡 서버에서 처리된 결과를 저장하는 저장 장치를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.The method according to claim 2,
The data processing and application unit
A queue unit operable to receive a data item from the data preprocessor and to forward the data item to a subsequent element;
A Hadoop server for processing and storing large-scale data sets transmitted from the queue unit in a distributed form; And
And a storage device for storing a result processed by the Hadoop server, wherein the energy harvesting device is based on the Internet and Big Data Analysis.
상기 데이터 처리 및 응용부는
처리된 데이터의 평가를 위해 정의된 다양한 규칙과 임계값을 유지 관리하는 규칙 엔진;
상기 규칙 엔진의 다양한 규칙과 임계값을 참조하여 지능형 의사 결정을 수행하는 지능형 의사 결정부; 및
상기 지능형 의사 결정부의 지능형 의사 결정을 기반으로 이벤트를 ㅅ수행하생성 및 전달하는 이벤트 관리부를 더 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.12. The method of claim 11,
The data processing and application unit
A rule engine that maintains various rules and thresholds defined for evaluation of processed data;
An intelligent decision unit for performing intelligent decision making by referring to various rules and thresholds of the rule engine; And
And an event management unit for generating and transmitting an event based on the intelligent decision-making of the intelligent decision-making unit. The energy harvesting apparatus is based on the Internet and Big Data Analysis.
상기 하둡 서버는 데이터를 다른 데이터 세트로 변환되는 매핑 프로세스와 매핑된 데이터와 결과를 결합하는 리듀스 프로세스를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 장치.12. The method of claim 11,
Wherein the Hadoop server includes a mapping process that converts data into a different data set and a redescription process that combines the mapped data and the result. The energy harvesting device is based on the Internet and Big Data Analysis.
(B) 상기 건강 모니터링 센서로부터 획득한 대용량의 건강 정보 데이터를 데이터 전처리부가 축소하고 정규화하며 필터링하는 단계; 및
(C) 대기열부가 대기열을 큐닝하고, 하둡 서버가 건강 정보 데이터 세트를 분산 처리하고 저장하는 단계를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법.(A) obtaining health information from a health monitoring sensor by supplying power to a health monitoring sensor using a harvester attached to a pressure region of a human body when pressure is generated in a pressure region of the human body;
(B) reducing, normalizing and filtering a large amount of health information data acquired from the health monitoring sensor by a data preprocessing unit; And
(C) an energy harvesting method based on the Internet and Big Data analysis, wherein the queue portion queues the queue, and the Hadoop server distributes and stores the health information data set.
상기 (A) 단계는
(A-1) 인체의 압력 영역에서 압력이 발생하면 인체의 압전 영역에 설치된 압전 장치로 이루어진 하베스터가 기계적 에너지를 전기적 에너지로 변환하여 전기 에너지를 생산하는 단계;
(A-2) 하베스팅 모듈은 하베스터가 생산한 전기에너지를 저장하여 유지하며, 건강 모니터링 센서로 전력을 제공하는 단계; 및
(A-3) 건강 모니터링 센서가 건강 정보를 획득하여 전송하는 단계를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법.The method of claim 14,
The step (A)
(A-1) generating a electric energy by transforming mechanical energy into electric energy by a harvester comprising a piezoelectric device installed in a piezoelectric region of a human body when pressure is generated in a pressure region of a human body;
(A-2) The harvesting module stores and maintains the electric energy produced by the harvester, and provides power to the health monitoring sensor; And
(A-3) a method for energy harvesting based on the Internet and Big Data Analysis, which includes a step in which a health monitoring sensor acquires and transmits health information.
상기 (B) 단계는
(B-1) 데이터 전처리부가 데이터를 축소하는 단계;
(B-2) 데이터 전처리부가 최소-최대 정규화 기술을 사용하여 데이터를 정규화하는 단계; 및
(B-3) 데이터 전치리부가 데이터를 칼만 필터를 이용하여 필터링하는 단계를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법.The method of claim 14,
The step (B)
(B-1) reducing the data preprocessing unit data;
(B-2) normalizing the data using a minimum-maximum normalization technique; And
And (B-3) filtering the data transferring data using a Kalman filter. The method of energy harvesting based on the Internet and Big Data analysis.
상기 (C) 단계 이전에
(D) 데이터 전처리부가 유용한 데이터는 추가 처리를 위해 대기열부로 전송하는 단계; 및
(E) 데이터 전처리부가 유용하지 않은 데이터를 폐기하는 단계를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법.The method of claim 14,
Before the step (C)
(D) transmitting data useful for data preprocessing to the queue for further processing; And
(E) an energy harvesting method based on object-oriented Internet and Big Data analysis, comprising the step of discarding data that the data preprocessor is not usable.
상기 (C) 단계에서 하둡 서버는 데이터를 다른 데이터 세트로 변환되는 매핑 프로세스와 매핑된 데이터와 결과를 결합하는 리듀스 프로세스를 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법.The method of claim 14,
Wherein the Hadoop server in the step (C) includes a mapping process in which data is converted into another data set, and a reduction process of combining the mapped data and the result, and the energy harvesting method based on the Internet.
(F) 규칙 엔진에 처리된 데이터의 평가를 위해 정의된 다양한 규칙과 임계값을 유지 관리하는 단계;
(G) 지능형 의사 결정부가 상기 규칙 엔진의 다양한 규칙과 임계값을 참조하여 지능형 의사 결정을 수행하는 단계; 및
(H) 이벤트 관리부가 상기 지능형 의사 결정부의 지능형 의사 결정을 기반으로 이벤트를 생성 및 전달하는 단계를 더 포함하는 사물 인터넷과 빅 데이터 분석을 기반으로 한 에너지 하베스팅 방법.The method of claim 14,
(F) maintaining the various rules and thresholds defined for evaluation of the processed data in the rule engine;
(G) performing intelligent decision making with reference to various rules and threshold values of the rule engine; And
(H) generating and transmitting an event based on intelligent decision-making of the intelligent decision-making unit by an event management unit; and a method of energy harvesting based on Big Data Analysis.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170178128A KR20190076377A (en) | 2017-12-22 | 2017-12-22 | Energy-harvesting system and method based on internet of things and big data analytics |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170178128A KR20190076377A (en) | 2017-12-22 | 2017-12-22 | Energy-harvesting system and method based on internet of things and big data analytics |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190076377A true KR20190076377A (en) | 2019-07-02 |
Family
ID=67258381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170178128A KR20190076377A (en) | 2017-12-22 | 2017-12-22 | Energy-harvesting system and method based on internet of things and big data analytics |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20190076377A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110929116A (en) * | 2019-11-18 | 2020-03-27 | 上海维谛信息科技有限公司 | Multi-terminal-oriented real-time editable data visualization platform |
| KR20220153385A (en) | 2021-05-11 | 2022-11-18 | 경희대학교 산학협력단 | Measuring device using energy harvsting and Wearable portable Monitoring powerless System including the device |
| KR102537966B1 (en) * | 2022-06-14 | 2023-05-31 | (주)오투컴퍼니 | An Integrated Management System and Method for the Cultivation and Sale of Fish Species in Idle Farms using AI |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101743999B1 (en) | 2016-07-11 | 2017-06-20 | 숙명여자대학교산학협력단 | Terminal and method for verification content |
| KR20170107189A (en) | 2016-03-15 | 2017-09-25 | 가톨릭관동대학교산학협력단 | mobile health care system and mobile health dashboard providing system based on components using the same |
-
2017
- 2017-12-22 KR KR1020170178128A patent/KR20190076377A/en not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170107189A (en) | 2016-03-15 | 2017-09-25 | 가톨릭관동대학교산학협력단 | mobile health care system and mobile health dashboard providing system based on components using the same |
| KR101743999B1 (en) | 2016-07-11 | 2017-06-20 | 숙명여자대학교산학협력단 | Terminal and method for verification content |
Non-Patent Citations (30)
| Title |
|---|
| [1] L. Atzori, A. Iera, G. Morabito, The Internet of things: a survey, Int. J. Comput.Telecommun. Netw. 54 (15) (2010) 2787-2805. |
| [10] A.J. Jara, D. Genoud, Y. Bocchi, Big data in smart cities: from poisson to humandynamics, in: Proceedings of the 28th IEEE International Conference onAdvanced Information Net-working and Applications Workshops (WAINA'14), IEEE, Victoria, BC, Canada, 2014, pp. 785-790, May. |
| [11] M. Gohar, J.-G. Choi, S.-J. Koh, K. Naseer, S. Jabbar, Distributed mobilitymanagement in 6LoWPAN-based wireless sensor networks, Int. J. Distrib.Sensor Networks 2015 (2015) 12, ArticleID620240. |
| [12] T. Dunne, Big Data, Analytics, and Energy Consumption, Lavastorm AgleAnalytics, Boston, Mass, USA, 2012. |
| [13] Dean, Jeffrey, Sanjay Ghemawat, MapReduce: simplified data processing onlarge clusters, Commun. ACM 51 (no. 1) (2008) 107-113. |
| [14] Jianli Pan, Raj Jain, Subhathi Paul, Tam Vu, Abusayeed Saifullah, Mo Sha, AnInternet of Things Framework for Smart Energy in Building: Deigns, Prototypeand Experiments, IEEE Internet Things J. 2 (No. 6) (2015) 527-537. |
| [15] Tutu Wan, Emre Salaman, Milutin Stanacevic, A new circuit design frameworkfor IoT devices: charge-recycling with wireless power harvesting, IEEE International Conference pages 2406-2409 vol. 134 (2016) A635-A646,December. |
| [16] S. Grady, Powering wearable technology and internet of everything devices,2014 http://www.cymbet.com/pdfs/Powering-Wrable-Technologyand-the-Internet-of-Everything-WP-72-10.1.pdf. |
| [17] M. Takeuchi, S. Matsuzawa, K. Tairaku, C. Takatsu, Piezoelectric generator aspower supply for RFID-Tags and applications, IEEE Ultrasonic Symposium(2007). |
| [18] G. Kortuem, F. Kawsar, D. Fitton, V. Sundramoorthy, Smart objects as buildingblocks for the internet of things, IEEE Internet Comput. 14 (no. 1) (2010)44-51. |
| [19] N. Saber, Q. Meng, H.-Y. Hsu, S.-H. Lee, H.-C. Kuan, D. Marney, N. Kawashima, J.Ma, Smart thin-film piezoelectric composite sensors based on high leadzirconatetitanate content, Struct. Health Monit. 14 (3) (2014) 214-227. |
| [2] Awais Ahmad, Anand Paul, M. MazharRathore, An efficientdivide-and-conquer approach for big data analytics in machine-to-machinecommunication, Neurocomputing 174 (2016) 439-453. |
| [20] L. Persano, C. Dagdeviren, C. Maruccio, L.D. Lorenzis, D. Pisignano,Cooperativity in the enhanced piezoelectric response of polymer nanowires,Adv. Mater. 26 (45) (2014) 7574-7580. |
| [21] U. Varshney, Pervasive healthcare and wireless health monitoring, J. MobileNetworks Appl. (Spec. Issue on Pervasive Healthcare) 12 (2-3) (2007)111-128, Springer. |
| [23] Attila Reiss, Didier Stricker, Introducing a new benchmarked dataset foractivity monitoring, 2012 16th International Symposium on WearableComputers (ISWC), IEEE (2012) 108-109. |
| [24] Attila Reiss, Didier Stricker, Creating and benchmarking a new dataset forphysical activity monitoring, Proceedings of the 5th International Conferenceon PErvasive Technologies Related to Assistive Environments ACM (2012) 40. |
| [25] Rafael Garcia OrestiBanos, Juan A. Holgado-Terriza, Miguel Damas, HectorPomares, Ignacio Rojas, Alejandro Saez, Claudia Villalonga, mHealthDroid: anovel framework for agile development of mobile health applications, in:Ambient Assisted Living and Daily Activities, Springer InternationalPublishing, 2014, pp. 91-98. |
| [26] M. Babar, F. Arif, Smart urban planning using big data analytics to contendwith the interoperability in internet of things, Future Gen. Comput. Systems77 (2017) 65-66. |
| [27] X. Li, J. Niu, S. Kumari, F. Wu, A.K. Sangaiah, K.K.R. Choo, A three-factoranonymous authentication scheme for wireless sensor networks in internetof things environments, J. Network Comput. Appl. 11 (2017), Available online. |
| [28] P. Hu, H. Ning, T. Qiu, Y. Xu, X. Luo, A.K. Sangaiah, A unified face identificationand resolution scheme using cloud computing in internet of things, FutureGen. Comput. Systems 4 (2017), Available online. |
| [29] O.W. Samuel, G.M. Asogbon, A.K. Sangaiah, P. Fang, Guanglin Li, An integrateddecision support system based on ANN and Fuzzy AHP for heart failure riskprediction, Expert Systems Appl. 68 (2017) 163-172. |
| [3] Canan Dagdeviren, Pauline Joe, Ozlem L. Tuzman, Kwi-Il Park, Keon Jae Lee,Yan Shi, Yonggang Huang, John A. Rogers, Recent progress in flexible andstretchable piezoelectric devices for mechanical energy harvesting, sensingand actuation, Extreme Mech. Lett. 9 (2016) 269-281. |
| [31] T. Qiu, Y. Zhang, D. Qiao, X. Zhang, M.L. Wymore, A.K. Sangaiah, A robust timesynchronization scheme for industrial internet of things, IEEE Trans. Ind. Inf.(2017). |
| [32] D.V. Medhane, A.K. Sangaiah, ESCAPE: effective scalable clustering approachfor Parallel Execution of continuous position-based queries in positionmonitoring applications, IEEE Trans. Sustainable Comput. 2 (no.2) (2017)49-51. |
| [4] S. Terry, J.S. Eckerle, R.S. Kornbluh, T. Low, C.M. Ablow, Silicon pressuretransducer arrays for blood-pressure measurement, Sensors 23 (1-3) (1990)1070-1079. |
| [5] S.P. Beeby, M.J. Tudor, N.M. White, Energy harvesting vibration sources formicrosystems applications, Meas. Sci. Technol. 17 (2006). |
| [6] H. Zhang, X.S. Zhang, X. Cheng, Y. Liu, M. Han, X. Xue, S. Wang, F. Yang, S.A.Smitha, H. Zhang, Z. Xua, A flexible and implantable piezoelectric generatorharvesting energy from the pulsation of ascending aorta: in vitro and in vivostudies, Nano Energy 12 (2015) 296-304. |
| [7] S. Priya, D.J. Inman, Energy Harvesting Technologies, Springer Science, NewYork, USA, 2009. |
| [8] Z.L. Wang, Nanogenerator for Self-Powered Devices and Systems, GeorgiaInstitute of Technology, Atlanta USA, 2011. |
| [9] C. Cecchinel, M. Jimenez, S. Mosser, M. Riveill, An architecture to support thecollection of big data in the internet of things, Proceedings of the 2014 IEEE World Congress on Services (SERVICES) (2014) 442-449, http://dx.doi.org/10.1109/SERVICES.2014.83, R175-R195 Actuators A21-A23 (1990) 1070-1079. |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110929116A (en) * | 2019-11-18 | 2020-03-27 | 上海维谛信息科技有限公司 | Multi-terminal-oriented real-time editable data visualization platform |
| KR20220153385A (en) | 2021-05-11 | 2022-11-18 | 경희대학교 산학협력단 | Measuring device using energy harvsting and Wearable portable Monitoring powerless System including the device |
| KR102537966B1 (en) * | 2022-06-14 | 2023-05-31 | (주)오투컴퍼니 | An Integrated Management System and Method for the Cultivation and Sale of Fish Species in Idle Farms using AI |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Babar et al. | Energy-harvesting based on internet of things and big data analytics for smart health monitoring | |
| Zhou et al. | Smart insole for robust wearable biomechanical energy harvesting in harsh environments | |
| Xu et al. | Portable and wearable self-powered systems based on emerging energy harvesting technology | |
| Queralta et al. | Edge-AI in LoRa-based health monitoring: Fall detection system with fog computing and LSTM recurrent neural networks | |
| Shi et al. | Triboelectric nanogenerators and hybridized systems for enabling next-generation IoT applications | |
| Rong et al. | Energy solutions for wearable sensors: A review | |
| Saraereh et al. | A hybrid energy harvesting design for on-body internet-of-things (IoT) networks | |
| Tanwar et al. | Human arthritis analysis in fog computing environment using Bayesian network classifier and thread protocol | |
| Akhtar et al. | Energy harvesting for self-sustainable wireless body area networks | |
| Shi et al. | Overview of human walking induced energy harvesting technologies and its possibility for walking robotics | |
| Guo et al. | Self-powered multifunctional electronic skin for a smart anti-counterfeiting signature system | |
| KR20190076377A (en) | Energy-harvesting system and method based on internet of things and big data analytics | |
| Li et al. | Monitoring and forecasting the development trends of nanogenerator technology using citation analysis and text mining | |
| Yu et al. | Application of nanogenerators in the field of acoustics | |
| Rokonuzzaman et al. | Self-sustained autonomous wireless sensor network with integrated solar photovoltaic system for internet of smart home-building (IoSHB) applications | |
| Hossain et al. | A piezoelectric smart textile for energy harvesting and wearable self-powered sensors | |
| Agarwal et al. | SVM based context awareness using body area sensor network for pervasive healthcare monitoring | |
| Zheng et al. | Bioinspired triboelectric nanosensors for self-powered wearable applications | |
| Fernandez et al. | On-body piezoelectric energy harvesters through innovative designs and conformable structures | |
| Javaid et al. | Self-powered sensors: Applications, challenges, and solutions | |
| Chen et al. | Kinetic energy harvesting based sensing and iot systems: a review | |
| Baburaj et al. | Factors affecting the performance of flexible triboelectric nanogenerators (F-TENGs) and their sensing capabilities: A comprehensive review | |
| Oh et al. | U-healthcare sensorgrid gateway for connecting wireless sensor network and grid network | |
| Wang et al. | Hydrogel-Based Energy Harvesters and Self-Powered Sensors for Wearable Applications | |
| Din et al. | RETRACTED: Erratum to “Smart health monitoring and management system: Toward autonomous wearable sensing for Internet of Things using big data analytics [Future Gener. Comput. Syst. 91 (2019) 611–619]” |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| X601 | Decision of rejection after re-examination |