KR20220118027A - 파편적 데이터 통합 장치 및 방법 - Google Patents
파편적 데이터 통합 장치 및 방법 Download PDFInfo
- Publication number
- KR20220118027A KR20220118027A KR1020210021632A KR20210021632A KR20220118027A KR 20220118027 A KR20220118027 A KR 20220118027A KR 1020210021632 A KR1020210021632 A KR 1020210021632A KR 20210021632 A KR20210021632 A KR 20210021632A KR 20220118027 A KR20220118027 A KR 20220118027A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- fragmentary
- information
- search
- unit
- Prior art date
Links
Images
Classifications
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
-
- 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
- G06F16/2228—Indexing structures
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—Query formulation using system suggestions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Library & Information Science (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은, 이종의 파편적 데이터에 파편적 데이터를 검색하기 위한 복수의 검색 정보를 추가하는 정보 추가부와, 복수의 검색 정보 중 적어도 하나를 선택하는 선택부와, 선택된 검색 정보에 대한 기준 정보를 설정하는 설정부와, 설정된 기준 정보를 기준으로 이종의 파편적 데이터들 중 관련성 있는 파편적 데이터를 검색하는 검색부와, 파편적 데이터를 시간축을 기준으로 통합하는 통합부를 포함하는 파편적 데이터 통합 장치를 제공한다.
Description
본 발명은 파편적 데이터 통합 장치 및 방법에 관한 것이다.
IoT(Internet of Things) 기술의 발전과 기기 보급의 확산으로 확보할 수 있는 데이터의 종류와 양이 기하급수적으로 늘어나고 있다. 그 중 시계열 기반 데이터의 경우 활용 가능한 분석 오픈 소스가 영상 등 타 데이터 포맷에 비해 많지 않고, 원시 자료의 데이터 전처리 난이도가 높아 민간이 의미 있는 통찰 정보를 뽑아내기 위한 추가 비용이 높은 편이다.
여기서, 시계열 기반 오픈 소스로는 분산 처리(Hadoop), 관측·수집(telegraf, prometheus), 시각화(Grafana 등), 저장 관리(InfouxDB, Machbase, Graphite 등), 분석 예측(prophet 등) 등이 있으나 서로 다른 이종의 파편적 데이터의 통합 최적화는 고려하지 않고 있다.
또한, 단일 시계열 분석에 대한 기술 연구는 꾸준히 발전하여 왔으나 파편화된 이종의 시계열 데이터를 검색하고 통합 분석하는 알고리즘 및 플랫폼 연구는 더디게 진행되고 있는 실정이다.
또한, 현재까지 시계열 데이터 분석은 정해진 목적에 의해 수집된 정형화된 데이터를 사용하여 학습 모델의 정확도를 높이는 방향으로 주로 연구가 진행되고 있다.
또한, 현실에서 수집되는 대부분의 데이터들은 서로 다른 물리 단위, 해상도, 사이즈 및 포맷에 대한 개별 차가 뚜렷하고 대부분 목적이 합의되지 않은 채로 수집되고 있고, 데이터 수집 시 정해진 활용 용도(무엇을 분석할지, 어떻게 활용될지 등)에 따라 개별적으로 수집되고 활용되었다.
또한, 이종의 파편적 데이터들은 서로 다른 특성으로 인해 해석되지 못한 채 데이터 공간만 차지하여 경제적 손실을 야기하고 있다.
따라서, 서로 다른 목적과 장소에서 수집된 이종의 파편적 데이터들에 대해 필요와 목적이 변하더라도 적시 적소의 데이터를 선택하고 통합하여 이를 활용할 필요가 있다.
상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은, 다양한 장소에서 생성되며 서로 다른 특성을 갖는 다수의 파편적 데이터에 대한 원활한 검색이 가능한 파편적 데이터 통합 장치 및 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 서로 다른 특성으로 인해 즉각 활용이 어려운 지엽적인 파편적 데이터를 통합하여 활용할 수 있어 경제적 손실을 최소화할 수 있는 파편적 데이터 검색 통합 및 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 수집되는 파편적 데이터의 범위와 특성에 따라 새로운 목적으로 생성하여 활용할 수 있는 파편적 데이터 통합 장치 및 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 불특정 목적을 기반으로 수집된 파편적 데이터를 쉽게 취사 선택하고 이를 통합하여 활용할 수 있는 파편적 데이터 통합 장치 및 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 이종의 파편적 데이터 간 추가적인 관계를 파악할 수 있고, 다수의 프라이빗 데이터와 오픈 빅 데이터들을 통합 및 활용할 수 있는 파편적 데이터 통합 장치 및 방법을 제공하는 것을 목적으로 한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
전술한 과제를 해결하기 위해, 본 발명은, 이종의 파편적 데이터에 파편적 데이터를 검색하기 위한 복수의 검색 정보를 추가하는 정보 추가부와, 복수의 검색 정보 중 적어도 하나를 선택하는 선택부와, 선택된 검색 정보에 대한 기준 정보를 설정하는 설정부와, 설정된 기준 정보를 기준으로 이종의 파편적 데이터들 중 관련성 있는 파편적 데이터를 검색하는 검색부와, 파편적 데이터를 시간축을 기준으로 통합하는 통합부를 포함하는 파편적 데이터 통합 장치를 제공한다.
여기서, 파편적 데이터는 시계열 데이터, 반시계열 데이터 및 비시계열 데이터를 포함할 수 있다.
또한, 복수의 검색 정보는, 파편적 데이터의 종류, 취득 장소, 취득 시간, 에러, 접근 레벨, 속성, 생성 주체 및 신뢰도 중 적어도 하나를 포함할 수 있다.
또한, 통합부는, 검색부가 검색한 파편적 데이터를 취득 장소의 공간적 특성, 취득 시간의 유사성, 생성 주체의 관련성 및 시계열 패턴의 상관성 중 적어도 하나를 기준으로 파편적 데이터를 통합할 수 있다.
또한, 통합부는, 검색부가 검색한 파편적 데이터를 파편적 데이터의 생성 목적 및 파편적 데이터와 관련된 이슈 중 적어도 하나를 기준으로 파편적 데이터를 통합할 수 있다.
또한, 통합부는, 검색부가 검색한 파편적 데이터의 수집 주기, 데이터 양, 데이터 질 및 수집 기간 중 적어도 하나를 기준으로 파편적 데이터를 선택하여 통합할 수 있다.
또한, 비시계열 데이터는 취득 시간 정보를 포함할 수 있다.
또한, 검색부는, 선택부가 검색 정보로 파편적 데이터의 종류 및 취득 시간을 선택하고, 설정부가 기준 정보로 기준 시간대를 설정하면, 기준 시간대와 동일한 시간대에 취득된 파편적 데이터를 검색할 수 있다.
또한, 검색부는, 선택부가 검색 정보로 파편적 데이터의 취득 장소를 선택하고, 설정부가 기준 정보로 기준 장소를 설정하면, 기준 장소와 동일한 장소 또는 기준 장소를 기준으로 일정 범위 내의 장소에서 취득된 파편적 데이터를 검색할 수 있다.
또한, 검색부는, 선택부가 검색 정보로 파편적 데이터의 생성 주체를 선택하고, 설정부가 기준 정보로 기준 생성 주체를 설정하면, 기준 생성 주체와 동일한 생성 주체 또는 기준 생성 주체와 일정 관계가 있는 생성 주체가 생성한 파편적 데이터를 검색할 수 있다.
또한, 본 발명은, 정보 추가부가 이종의 파편적 데이터에 파편적 데이터를 검색하기 위한 복수의 검색 정보를 추가하는 단계와, 선택부가 복수의 검색 정보 중 적어도 하나를 선택하는 단계와, 설정부가 선택된 검색 정보에 대한 기준 정보를 설정하는 단계와, 검색부가 설정된 기준 정보를 기준으로 이종의 파편적 데이터들 중 관련성 있는 파편적 데이터를 검색하는 단계와, 통합부가 파편적 데이터를 시간축을 기준으로 통합하는 단계를 포함하는 파편적 데이터 통합 방법을 제공한다.
여기서, 파편적 데이터는 시계열 데이터, 반시계열 데이터 및 비시계열 데이터를 포함할 수 있고, 복수의 검색 정보는 파편적 데이터의 종류, 취득 장소, 취득 시간, 에러, 접근 레벨, 속성, 생성 주체 및 신뢰도 중 적어도 하나를 포함할 수 있다.
또한, 파편적 데이터를 통합하는 단계는, 검색부가 검색한 파편적 데이터를 취득 장소의 공간적 특성, 취득 시간의 유사성, 생성 주체의 관련성 및 시계열 패턴의 상관성 중 적어도 하나를 기준으로 파편적 데이터를 통합하는 단계일 수 있다.
또한, 파편적 데이터를 통합하는 단계는, 검색부가 검색한 파편적 데이터를 파편적 데이터의 생성 목적 및 파편적 데이터와 관련된 이슈 중 적어도 하나를 기준으로 파편적 데이터를 통합하는 단계일 수 있다.
또한, 파편적 데이터를 통합하는 단계는, 검색부가 검색한 파편적 데이터의 수집 주기, 데이터 양, 데이터 질 및 수집 기간 중 적어도 하나를 기준으로 파편적 데이터를 선택하여 통합하는 단계일 수 있다.
본 발명에 따르면, 다양한 장소에서 생성되며 서로 다른 특성을 갖는 다수의 파편적 데이터에 대한 원활한 검색이 가능하며, 복합적으로 상호 연결성을 갖는 파편적 데이터를 통합 분석함으로써 통합적 및 개별적 상황을 해석 및 예측할 수 있고 의사 결정 활용에 연결시켜 데이터 처리 비용을 절감할 수 있다. 또한, 서로 다른 특성으로 인해 즉각 활용이 어려운 지엽적인 파편적 데이터를 활용할 수 있어 경제적 손실을 최소화할 수 있다.
또한, 본 발명에 따르면, 수집되는 파편적 데이터의 범위와 특성에 따라 새로운 목적으로 생성하여 활용할 수 있으며, 불특정 목적을 기반으로 수집된 파편적 데이터를 쉽게 취사 선택하여 활용할 수 있고, 이종의 파편적 데이터 간 추가적인 관계를 파악할 수 있다. 또한, 다수의 프라이빗 데이터와 오픈 빅 데이터들을 통합 및 활용할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시 예에 따른 파편적 데이터 통합 장치의 주요 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 파편적 데이터 통합 장치의 제어부의 구성을 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 파편적 데이터 통합 장치가 시간축을 기준으로 파편적 데이터를 통합하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 파편적 데이터 통합 장치를 이용해 실내 공기질의 원인 분석 및 향후 상황을 예측하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 파편적 데이터 통합 장치를 이용해 특정 가전 기기가 생체에 미치는 영향을 분석하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 파편적 데이터 통합 방법의 순서도이다.
도 2는 본 발명의 실시예에 따른 파편적 데이터 통합 장치의 제어부의 구성을 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 파편적 데이터 통합 장치가 시간축을 기준으로 파편적 데이터를 통합하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 파편적 데이터 통합 장치를 이용해 실내 공기질의 원인 분석 및 향후 상황을 예측하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 파편적 데이터 통합 장치를 이용해 특정 가전 기기가 생체에 미치는 영향을 분석하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 파편적 데이터 통합 방법의 순서도이다.
본 발명의 구성 및 효과를 충분히 이해하기 위하여, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예들을 설명한다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라, 여러 가지 형태로 구현될 수 있고 다양한 변경을 가할 수 있다. 단지, 본 실시예에 대한 설명은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위하여 제공되는 것이다. 첨부된 도면에서 구성요소는 설명의 편의를 위하여 그 크기를 실제보다 확대하여 도시한 것이며, 각 구성요소의 비율은 과장되거나 축소될 수 있다.
'제1', '제2' 등의 용어는 다양한 구성요소를 설명하는데 사용될 수 있지만, 상기 구성요소는 위 용어에 의해 한정되어서는 안 된다. 위 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 수 있다. 예를 들어, 본 발명의 권리범위를 벗어나지 않으면서 '제1구성요소'는 '제2구성요소'로 명명될 수 있고, 유사하게 '제2구성요소'도 '제1구성요소'로 명명될 수 있다. 또한, 단수의 표현은 문맥상 명백하게 다르게 표현하지 않는 한, 복수의 표현을 포함한다. 본 발명의 실시예에서 사용되는 용어는 다르게 정의되지 않는 한, 해당 기술분야에서 통상의 지식을 가진 자에게 통상적으로 알려진 의미로 해석될 수 있다.
도 1은 본 발명의 실시 예에 따른 파편적 데이터 통합 장치의 주요 구성을 나타낸 도면이다.
도 1에 도시한 바와 같이, 본 발명에 따른 파편적 데이터 통합 장치(100)는, 통신부(110), 입력부(120), 표시부(130), 메모리(140) 및 제어부(150)를 포함하여 구성될 수 있다.
통신부(110)는 서버(미도시) 등의 외부 장치와의 통신을 수행하여 이종의 파편적 데이터를 전송 받을 수 있다. 이를 위해, 통신부(110)는 5G(5th generation communication), LTE-A(long term evolution-advanced), LTE(long term evolution), 블루투스, BLE(bluetooth low energe), NFC(near field communication) 등의 무선 통신을 수행할 수 있고, 케이블 통신 등의 유선 통신을 수행할 수 있다.
입력부(120)는 사용자의 입력에 대응하여, 입력 데이터를 발생시킨다. 입력부(120)는 적어도 하나의 입력 수단을 포함한다. 입력부(120)는 키보드(key board), 키패드(key pad), 돔 스위치(dome switch), 터치패널(touch panel), 터치 키(touch key), 마우스(mouse), 메뉴 버튼(menu button) 등을 포함할 수 있다.
표시부(130)는 파편적 데이터 통합 장치(100)의 동작과 관련된 검색 정보 및 기준 정보를 표시하고, 파편적 데이터 통합 장치(100)가 검색 및 통합한 파편적 데이터를 표시한다.
이와 같은, 표시부(130)는 액정 디스플레이(LCD; liquid crystal display), 발광 다이오드(LED; light emitting diode) 디스플레이, 유기 발광 다이오드(OLED; organic LED) 디스플레이, 마이크로 전자기계 시스템(MEMS; micro electro mechanical systems) 디스레이 및 전자 종이(electronic paper) 디스플레이를 포함한다. 또한, 표시부(130)는 입력부(120)와 결합되어 터치 스크린(touch screen)으로 구현될 수 있다.
메모리(140)는 파편적 데이터 통합 장치(100)의 동작 프로그램들을 저장한다. 또한, 메모리(140)는 파편적 데이터 검색 및 통합에 관련된 각종 알고리즘을 저장할 수 있고, 메모리(140)는 외부 장치로부터 수신된 다수의 파편적 데이터를 저장할 수 있다.
제어부(150)는 메모리(140)에 저장된 동작 프로그램 및 알고리즘을 이용하여 파편적 데이터를 검색하고 통합하는 일련의 동작 과정을 수행할 수 있다.
도 2는 본 발명의 실시예에 따른 파편적 데이터 통합 장치의 제어부의 구성을 나타낸 도면이다.
본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)는, 서로 다른 목적 및 장소에서 수집된 파편적 데이터들에 대해서 필요와 목적에 따라 적시 적소에서 관련성 있는 파편적 데이터를 쉽고 효율적으로 검색하고, 관련성 있는 파편적 데이터를 통합하여 활용할 수 있다.
도 2를 참조하면, 본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)의 제어부(150)는, 정보 추가부(151), 선택부(152), 설정부(153), 검색부(154) 및 통합부(155)를 포함하여 구성될 수 있다.
정보 추가부(151)는 이종의 파편적 데이터에 서로 관련된 파편적 데이터를 검색하기 위한 복수의 검색 정보를 추가할 수 있다.
여기서, 이종의 파편적 데이터는, 다양한 생성 주체가 다양한 장소에서 생성한 서로 다른 특성을 갖는 데이터로서, 서로 다른 권한을 갖고 수집된 지엽적이고 불완전한 데이터를 의미할 수 있다.
이러한 파편적 데이터는 시계열 데이터, 반시계열 데이터 및 비시계열 데이터를 포함할 수 있다.
시계열 데이터는, 일반 데이터와 달리 시간 정보를 포함하고 있으며, 시간 자체가 매우 중요한 기준이 되는 데이터이다.
IoT(Internet of Things) 센서의 센서 데이터는 대부분 일정 시간 간격을 바탕으로 수집된다. 여기서, 영상 데이터의 경우 컨텐츠 흐름에 따른 시간 정보를 포함하고 있지만 취득 시간 정보를 포함하고 있지 않아 비시계열 데이터이다.
또한, 이벤트(문 개폐 등)를 인식하는 이벤트 데이터는 일정 간격에 의해 획득된 데이터가 아니라 이벤트 상황 발생에 따라 수집되는 비 정기적인 데이터이기 때문에 비시계열 데이터이다.
또한, 뉴스 등의 텍스트 위주의 이슈 데이터는 이슈가 발생한 시점의 시간 정보를 활용할 수는 있으나, 대부분 시간 정보 보다는 이슈 그 자체를 중심으로 보관되고 해석 되어지기 때문에 비시계열 데이터이다.
생체 데이터는 시계열 데이터라고 정의할 수는 있으나 필요에 따라 수집되기 때문에(Cross-Sectional Data) 단기간 수집된 파편화된 데이터 형태로 저장되어있고 장기간 관점에서는 측정되지 않고 비어있는 시간대가 많아 반시계열 데이터이다.
복수의 검색 정보는 파편적 데이터의 종류, 취득 장소, 취득 시간, 에러, 접근 레벨, 속성, 생성 주체 및 신뢰도 중 적어도 하나를 포함할 수 있다.
선택부(152)는 복수의 검색 정보 중 적어도 하나를 선택할 수 있다. 즉, 선택부(152)는 파편적 데이터의 종류, 취득 장소, 취득 시간, 에러, 접근 레벨, 속성, 생성 주체 및 신뢰도 중 적어도 하나를 선택할 수 있다.
여기서, 파편적 데이터의 종류는 파편적 데이터가 시계열 데이터, 반시계열 데이터 및 비시계열 데이터 중 어디에 해당하는지를 의미하며, 향후 파편적 데이터 통합 시 활용될 수 있다.
또한, 파편적 데이터의 취득 장소는 파편적 데이터를 취득한 고유의 장소를 의미하며, 향후 파편적 데이터 통합 시 활용될 수 있다.
또한, 파편적 데이터의 취득 시간과 관련하여, 시계열 데이터는 당연히 시간 정보를 포함하고 있어 문제 없지만, 비시계열 데이터는 시간 정보를 포함하고 있지 않아 데이터를 취득한 취득 시간 정보를 파편적 데이터에 추가할 수 있다.
또한, 파편적 데이터의 에러와 관련하여, 데이터에 이상이 발생한 시간 정보를 파편적 데이터에 추가하여 향후 파편적 데이터를 통합하여 생성된 통합 데이터의 에러율을 추정할 수 있다.
또한, 파편적 데이터의 접근 레벨을 파편적 데이터에 추가하여, 데이터의 접근 권한을 확인하고 파편적 데이터 통합 시 통합 가능 여부를 확인 및 관리할 수 있다. 여기서, 접근 레벨은 데이터 사용에 대한 비용 지불과도 연결될 수 있다.
또한, 파편적 데이터의 속성은 수치형(numeric), 문자형(string) 및 범주형(categorical) 등이 있을 수 있으며, 향후 파편적 데이터가 통합된 후 다른 테이터와의 연산을 수행해야 할 경우 이를 고려할 수 있다.
또한, 파편적 데이터의 생성 주체는 생성자, 생성 가구, 생성 국가 및 생성 기기 등이 있을 수 있으며, 이를 검색 정보로 추가하면 생성 주체와 관련된 파편적 데이터를 검색할 수 있다.
또한, 파편적 데이터의 신뢰도와 관련하여, 신뢰도를 파편적 데이터에 추가하여 향후 파편적 데이터를 통합하여 생성된 통합 데이터의 신뢰도를 추정할 수 있다.
설정부(153)는 선택부(152)에 의해 선택된 검색 정보에 대한 기준 정보를 설정할 수 있다. 즉, 설정부(153)는 파편적 데이터의 취득 장소에 대한 기준 장소를 설정할 수 있고, 파편적 데이터의 취득 시간에 대한 기준 시간대(예컨대, 특정 시간대, 특정 일, 특정 월 및 특정 계절)를 설정할 수 있고, 파편적 데이터의 생성 주체에 대한 기준 생성 주체(예컨대, 특정 기기, 특정 사용자 및 특정 국가)를 설정할 수 있다.
검색부(154)는 설정부(153)에 의해 설정된 기준 정보를 기준으로 이종의 파편적 데이터들 중 서로 관련성 있는 파편적 데이터를 검색 및 수집할 수 있다.
구체적으로, 검색부(154)는, 선택부(152)가 검색 정보로 파편적 데이터의 종류 및 취득 시간을 선택하고, 설정부(153)가 기준 정보로 기준 시간대를 설정하면, 설정된 기준 시간대와 동일한 시간대에 취득된 파편적 데이터를 검색할 수 있다.
또한, 검색부(154)는, 선택부(152)가 검색 정보로 파편적 데이터의 취득 장소를 선택하고, 설정부(153)가 기준 정보로 기준 장소를 설정하면, 설정된 기준 장소와 동일한 장소 또는 기준 장소를 기준으로 일정 범위 내의 장소에서 취득된 파편적 데이터를 검색할 수 있다.
또한, 검색부(154)는 선택부(152)가 검색 정보로 파편적 데이터의 생성 주체를 선택하고, 설정부(153)가 기준 정보로 기준 생성 주체를 설정하면, 설정된 기준 생성 주체와 동일한 생성 주체 또는 기준 생성 주체와 일정 관계가 있는 생성 주체가 생성한 파편적 데이터를 검색할 수 있다.
한편, 선택부(152)는 복수의 검색 정보를 선택할 수 있고, 설정부(153)는 각 검색 정보에 대한 기준 정보를 설정할 수 있다. 이에 따라, 검색부(154)는 복수의 기준 정보를 기준으로 관련성 있는 파편적 데이터를 검색 및 수집할 수 있다. 예를 들어, 선택부(152)는 검색 정보로 파편적 데이터의 취득 시간 및 장소를 선택할 수 있고, 설정부(153)는 취득 시간 및 장소에 대한 기준 시간대 및 기준 장소를 설정할 수 있다. 이에 따라, 검색부(154)는 기준 시간대 및 기준 장소를 기준으로 관련성 있는 파편적 데이터를 검색 및 수집할 수 있다.
이와 같이, 검색부(154)에 의해 검색된 파편적 데이터는 향후 통합되어 분석됨으로써, 파편적 데이터의 데이터 활용 가치를 향상시킬 수 있다.
표시부(130)는 검색부(154)에 의해 검색된 파편적 데이터들을 기준 정보를 기준으로 시각화하여 표시함으로써 파편적 데이터의 통합 가능성을 판단할 수 있다.
도 3은 본 발명의 실시예에 따른 파편적 데이터 통합 장치가 시간축을 기준으로 파편적 데이터를 통합하는 방법을 설명하기 위한 도면이다.
통합부(155)는 검색부(154)가 검색한 파편적 데이터를 시간축을 기준으로 통합한다.
도 3을 참조하면, 시계열성 정도는 이슈 데이터, 영상 데이터, 이벤트 데이터, 생체 데이터 및 센서 데이터 순으로 크다. 따라서, 통합부(155)는 파편적 데이터의 시계열적 특성을 기준으로 파편적 데이터를 통합할 수 있다.
예를 들어, 통합부(155)는 시계열성 정도가 비교적 큰 서로 다른 센서 데이터를 통합할 수 있다. 또한, 센서 데이터와 시계열성 정도가 비교적 작은 이슈 데이터를 통합할 수도 있다. 이 때, 이슈 데이터는 정보 추가부(151)에 의해 취득 시간 정보를 포함할 수 있기 때문에, 통합부(155)는 센서 데이터 및 이슈 데이터의 취득 시간이 동일한 시간대에 한해 통합할 수 있다.
통합부(155)는, 검색부(154)가 검색한 파편적 데이터를 취득 장소의 공간적 특성, 취득 시간의 유사성, 생성 주체의 관련성 및 시계열 패턴의 상관성 중 적어도 하나를 기준으로 파편적 데이터를 통합할 수 있다.
또한, 통합부(155)는, 검색부(154)가 검색한 파편적 데이터를 파편적 데이터의 생성 목적 및 파편적 데이터와 관련된 이슈 중 적어도 하나를 기준으로 파편적 데이터를 통합할 수 있다.
한편, 검색부(154)가 검색한 파편적 데이터는 양 및 질이 서로 다를 뿐만 아니라, 수집 주기 및 수집 기간도 다르다.
따라서, 통합부(155)는, 검색부(154)가 검색한 파편적 데이터의 수집 주기, 데이터 양, 데이터 질 및 수집 기간 중 적어도 하나를 기준으로 파편적 데이터를 선택하여 통합할 수 있다. 예를 들어, 통합부(155)는, 검색부(154)가 검색한 파편적 데이터들 중 수집 주기, 데이터 양, 데이터 질 및 수집 기간이 유사한 파편적 데이터를 통합할 수 있다.
통합부(155)는, 파편적 데이터에 추가된 에러를 이용하여 통합 데이터의 에러율을 추정할 수 있고, 이를 통해 에러율이 가장 작은 통합 데이터가 생성되도록 파편적 데이터를 통합할 수 있다.
또한, 통합부(155)는, 파편적 데이터에 추가된 신뢰도를 이용하여 통합 데이터의 신뢰도를 추정할 수 있고, 이를 통해 신뢰도가 가장 높은 통합 데이터가 생성되도록 파편적 데이터를 통합할 수 있다.
전술한 본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)는, 다양한 장소에서 생성되며 서로 다른 특성을 갖는 다수의 파편적 데이터에 대한 원활한 검색이 가능하며, 복합적으로 상호 연결성을 갖는 파편적 데이터를 통합 분석함으로써 통합적 및 개별적 상황을 해석 및 예측할 수 있고 의사 결정 활용에 연결시켜 데이터 처리 비용을 절감할 수 있다. 또한, 서로 다른 특성으로 인해 즉각 활용이 어려운 지엽적인 파편적 데이터를 활용할 수 있어 경제적 손실을 최소화할 수 있다.
도 4은 본 발명의 실시예에 따른 파편적 데이터 통합 장치를 이용해 실내 공기질의 원인 분석 및 향후 상황을 예측하는 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 복수의 가구 내부에 실내 공기질 측정기가 각각 구비되어 실내 공기질을 측정하여 실내 공기질 데이터(H1, H2, H3)를 생성한다. 실내 공기질의 원인 분석 및 향후 상황을 예측하기 위해 실내 공기질 데이터(H1, H2, H3)와 연관될 수 있는 데이터로는 공공에서 제공하는 실외 공기질 데이터(A1, A2)와 날씨 데이터(W)가 있을 수 있다. 여기서, 실외 공기질 데이터(A1, A2) 및 날씨 데이터(W)는 전국적으로 여러 특정 지역들에 산발적으로 설치된 기기에 의해 측정되어 공개되기 때문에 누구든지 자유롭게 활용 가능하다.
이 때, 실내 공기질(H1, H2, H3)의 원인 분석 및 향후 상황을 예측하기 위해서는 개별 가구와 가장 가까운 위치에서 측정 및 생성된 실외 공기질 데이터(A1, A2) 및 날씨 데이터(W)를 검색 및 수집하고 이를 가공하여 활용해야 한다.
이를 위해, 본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)는, 파편적 데이터의 취득 장소 및 시간을 설정하여 파편적 데이터를 검색함으로써, 개별 가구와 가장 가까운 위치에서 측정 및 생성된 실외 공기질 데이터(A1, A2) 및 날씨 데이터(W)를 쉽고 효율적으로 검색할 수 있고, 이들 데이터들을 실내 공기질 데이터(H1, H2, H3)에 시간축으로 통합하여 분석함으로써 실내 공기질의 원인 분석 및 향후 상황을 예측할 수 있다.
도 4는 본 발명의 실시예에 따른 파편적 데이터 통합 장치를 이용해 특정 가전 기기가 생체에 미치는 영향을 분석하는 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 특정 가구는 두 개의 분리된 제1 및 제2 공간을 가질 수 있으며, 제1 공간 내부에는 하나의 IoT 센서가 구비되어 제1 환경 데이터(R1)를 생성하고, 제2 공간 내부에는 두 개의 IoT 센서가 구비되어 제2 및 제3 환경 데이터(R2, R3)를 생성한다. 또한, 특정 가구를 구성하는 제1 내지 제3 구성원들은 개개의 생체 상황을 측정하여 생체 데이터(P1, P2, P3)를 생성하는 기기를 휴대하고 있다.
여기서, 제1 구성원이 제1 공간(R1) 내부에 있고, 제2 및 제3 구성원이 제2 공간(R2) 내부에 있는 경우, 제1 공간(R1)에 있는 특정 가전 기기가 제1 구성원의 생체에 미치는 영향을 분석하기 위해 생체 데이터(P1)와 연관될 수 있는 데이터는 제1 환경 데이터(R1)이고, 제2 공간(R2)에 있는 특정 가전 기기가 제2 및 제3 구성원의 생체에 미치는 영향을 분석하기 위해 생체 데이터(P2, P3)와 연관될 수 있는 데이터는 제2 및 제3 환경 데이터(R2, R3)이다.
여기서, 본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)는, 파편적 데이터의 취득 장소 및 시간을 설정하여 파편적 데이터를 검색함으로써, 개별 구성원이 있는 공간에 위치한 IoT 센서가 측정 및 생성한 환경 데이터를 쉽고 효율적으로 검색할 수 있고, 검색된 환경 데이터를 생체 데이터에 시간축으로 통합하여 분석함으로써 특정 가전 기기가 생체에 미치는 영향을 효율적으로 분석할 수 있다.
본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)는, 파편적 데이터의 접근 레벨을 고려하여 파편적 데이터를 검색 및 통합할 수 있다.
예를 들어, 한 지역에 설치된 복수의 CCTV에서 회득한 영상 데이터(즉, 시간별 장소에 방문한 사람에 대한 시계열 데이터)와 날씨 및 교통 등에 관한 공공 데이터를 통합하여 새로운 서비스를 제공할 수 있다 이 때, 각 CCTV의 소유자에 따라 해당 데이터를 공개하는 조건(예컨대, 비용 지불 및 정책적 권한 등)이 서로 다른 경우 서비스 제공자는 조건에 맞는 파편적 데이터만을 선별적으로 검색하고 통합할 수 있다.
이 외에도 본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)는 다양한 사례에 기반하여 검색 정보를 선택하고 기준 정보를 설정함으로써, 서로 관련성 있는 파편적 데이터를 효율적으로 검색하여 통합할 수 있다.
전술한 본 발명의 실시예에 따른 파편적 데이터 통합 장치(100)에 따르면, 수집되는 파편적 데이터의 범위와 특성에 따라 새로운 목적으로 생성하여 활용할 수 있으며, 불특정 목적을 기반으로 수집된 파편적 데이터를 쉽게 취사 선택하여 활용할 수 있고, 이종의 파편적 데이터 간 추가적인 관계를 파악할 수 있다. 또한, 다수의 프라이빗 데이터와 오픈 빅 데이터들을 통합 및 활용할 수 있다.
도 6은 본 발명의 실시예에 따른 파편적 데이터 통합 방법의 순서도이다.
이하, 도 1 내지 도 6을 참조하여 본 발명의 실시예에 따른 파편적 데이터 통합 방법을 설명하되 전술한 내용과 동일한 내용에 대해서는 생략하겠다.
본 발명의 실시예에 따른 파편적 데이터 통합 방법은, 먼저, 정보 추가부(151)가 이종의 파편적 데이터에 파편적 데이터를 검색하기 위한 복수의 검색 정보를 추가한다(S10). 여기서, 파편적 데이터는 시계열 데이터, 반시계열 데이터 및 비시계열 데이터를 포함한다. 그리고, 그리고, 비시계열 데이터는 취득 시간 정보를 포함한다. 그리고, 복수의 검색 정보는 파편적 데이터의 종류, 취득 장소, 취득 시간, 에러, 접근 레벨, 속성, 생성 주체 및 신뢰도 중 적어도 하나를 포함한다.
다음, 선택부(152)가 복수의 검색 정보 중 적어도 하나를 선택한다(S20).
다음, 설정부(153)가 선택된 검색 정보에 대한 기준 정보를 설정한다(S30).
다음, 검색부(154)가 설정된 기준 정보를 기준으로 이종의 파편적 데이터들 중 관련성 있는 파편적 데이터를 검색한다(S40).
여기서, 파편적 데이터를 검색하는 단계(S40)는, 검색 정보를 선택하는 단계(S20)에서 검색 정보로 파편적 데이터의 종류 및 취득 시간을 선택하고, 기준 시간대를 설정하는 단계(S30)에서 기준 정보로 기준 시간대를 설정하면, 기준 시간대와 동일한 시간대에 취득된 파편적 데이터를 검색한다.
또한, 파편적 데이터를 검색하는 단계(S40)는, 검색 정보를 선택하는 단계(S20)에서 검색 정보로 파편적 데이터의 취득 장소를 선택하고, 기준 정보를 설정하는 단계(S30)에서 기준 정보로 기준 장소를 설정하면, 기준 장소와 동일한 장소 또는 기준 장소를 기준으로 일정 범위 내의 장소에서 취득된 파편적 데이터를 검색한다.
또한, 파편적 데이터를 검색하는 단계(S40)는, 검색 정보를 선택하는 단계(S20)에서 검색 정보로 파편적 데이터의 생성 주체를 선택하고, 기준 정보를 설정하는 단계(S30)에서 기준 정보로 기준 생성 주체를 설정하면, 기준 생성 주체와 동일한 생성 주체 또는 기준 생성 주체와 일정 관계가 있는 생성 주체가 생성한 상기 파편적 데이터를 검색한다.
다음, 통합부(155)가 검색부(154)에 의해 검색된 파편적 데이터를 시간축을 기준으로 통합한다(S50).
여기서, 파편적 데이터를 통합하는 단계(S50)는, 검색부(154)가 검색한 파편적 데이터를 취득 장소의 공간적 특성, 취득 시간의 유사성, 생성 주체의 관련성 및 시계열 패턴의 상관성 중 적어도 하나를 기준으로 파편적 데이터를 통합한다.
또한, 파편적 데이터를 통합하는 단계(S50)는, 검색부(154)가 검색한 파편적 데이터를 파편적 데이터의 생성 목적 및 파편적 데이터와 관련된 이슈 중 적어도 하나를 기준으로 파편적 데이터를 통합한다.
또한, 파편적 데이터를 통합하는 단계(S50)는, 검색부(154)가 검색한 파편적 데이터의 수집 주기, 데이터 양, 데이터 질 및 수집 기간 중 적어도 하나를 기준으로 파편적 데이터를 선택하여 통합한다.
전술한 본 발명의 실시예에 따른 파편적 데이터 통합 방법은, 다양한 장소에서 생성되며 서로 다른 특성을 갖는 다수의 파편적 데이터에 대한 원활한 검색이 가능하며, 복합적으로 상호 연결성을 갖는 파편적 데이터를 통합 분석함으로써 통합적 및 개별적 상황을 해석 및 예측할 수 있고 의사 결정 활용에 연결시켜 데이터 처리 비용을 절감할 수 있다. 또한, 서로 다른 특성으로 인해 즉각 활용이 어려운 지엽적인 파편적 데이터를 활용할 수 있어 경제적 손실을 최소화할 수 있다.
또한, 본 발명의 실시예에 따른 파편적 데이터 통합 방법은, 수집되는 파편적 데이터의 범위와 특성에 따라 새로운 목적으로 생성하여 활용할 수 있으며, 불특정 목적을 기반으로 수집된 파편적 데이터를 쉽게 취사 선택하여 활용할 수 있고, 이종의 파편적 데이터 간 추가적인 관계를 파악할 수 있다. 또한, 다수의 프라이빗 데이터와 오픈 빅 데이터들을 통합 및 활용할 수 있다.
본 발명의 상세한 설명에서는 구체적인 실시 예에 관하여 설명하였으나 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시 예에 국한되지 않으며, 후술되는 청구범위 및 이 청구범위와 균등한 것들에 의해 정해져야 한다.
100: 파편적 데이터 통합 장치
110: 통신부
120: 입력부
130: 표시부
140: 메모리
150: 제어부
151: 정보 추가부
152: 선택부
153: 설정부
154: 검색부
155: 통합부
110: 통신부
120: 입력부
130: 표시부
140: 메모리
150: 제어부
151: 정보 추가부
152: 선택부
153: 설정부
154: 검색부
155: 통합부
Claims (15)
- 이종의 파편적 데이터에 상기 파편적 데이터를 검색하기 위한 복수의 검색 정보를 추가하는 정보 추가부;
상기 복수의 검색 정보 중 적어도 하나를 선택하는 선택부;
선택된 상기 검색 정보에 대한 기준 정보를 설정하는 설정부;
설정된 상기 기준 정보를 기준으로 상기 이종의 파편적 데이터들 중 관련성 있는 상기 파편적 데이터를 검색하는 검색부; 및
상기 파편적 데이터를 시간축을 기준으로 통합하는 통합부
를 포함하는 파편적 데이터 통합 장치.
- 제 1 항에 있어서,
상기 파편적 데이터는
시계열 데이터, 반시계열 데이터 및 비시계열 데이터를 포함하는
파편적 데이터 통합 장치.
- 제 2 항에 있어서,
상기 복수의 검색 정보는
상기 파편적 데이터의 종류, 취득 장소, 취득 시간, 에러, 접근 레벨, 속성, 생성 주체 및 신뢰도 중 적어도 하나를 포함하는
파편적 데이터 통합 장치.
- 제 3 항에 있어서,
상기 통합부는
상기 검색부가 검색한 상기 파편적 데이터를 상기 취득 장소의 공간적 특성, 상기 취득 시간의 유사성, 상기 생성 주체의 관련성 및 시계열 패턴의 상관성 중 적어도 하나를 기준으로 상기 파편적 데이터를 통합하는
파편적 데이터 통합 장치.
- 제 1 항에 있어서,
상기 통합부는
상기 검색부가 검색한 상기 파편적 데이터를 상기 파편적 데이터의 생성 목적 및 상기 파편적 데이터와 관련된 이슈 중 적어도 하나를 기준으로 상기 파편적 데이터를 통합하는
파편적 데이터 통합 장치.
- 제 1 항에 있어서,
상기 통합부는
상기 검색부가 검색한 상기 파편적 데이터의 수집 주기, 데이터 양, 데이터 질 및 수집 기간 중 적어도 하나를 기준으로 상기 파편적 데이터를 선택하여 통합하는
파편적 데이터 통합 장치.
- 제 3 항에 있어서,
상기 비시계열 데이터는
취득 시간 정보를 포함하는
파편적 데이터 통합 장치.
- 제 7 항에 있어서,
상기 검색부는
상기 선택부가 상기 검색 정보로 상기 파편적 데이터의 종류 및 취득 시간을 선택하고, 상기 설정부가 상기 기준 정보로 기준 시간대를 설정하면,
상기 기준 시간대와 동일한 시간대에 취득된 상기 파편적 데이터를 검색하는
파편적 데이터 통합 장치.
- 제 3 항에 있어서,
상기 검색부는
상기 선택부가 상기 검색 정보로 상기 파편적 데이터의 취득 장소를 선택하고, 상기 설정부가 상기 기준 정보로 기준 장소를 설정하면,
상기 기준 장소와 동일한 장소 또는 상기 기준 장소를 기준으로 일정 범위 내의 장소에서 취득된 상기 파편적 데이터를 검색하는
파편적 데이터 통합 장치.
- 제 3 항에 있어서,
상기 검색부는
상기 선택부가 상기 검색 정보로 상기 파편적 데이터의 생성 주체를 선택하고, 상기 설정부가 상기 기준 정보로 기준 생성 주체를 설정하면,
상기 기준 생성 주체와 동일한 생성 주체 또는 상기 기준 생성 주체와 일정 관계가 있는 생성 주체가 생성한 상기 파편적 데이터를 검색하는
파편적 데이터 통합 장치.
- 정보 추가부가 이종의 파편적 데이터에 상기 파편적 데이터를 검색하기 위한 복수의 검색 정보를 추가하는 단계;
선택부가 상기 복수의 검색 정보 중 적어도 하나를 선택하는 단계;
설정부가 선택된 상기 검색 정보에 대한 기준 정보를 설정하는 단계;
검색부가 설정된 상기 기준 정보를 기준으로 상기 이종의 파편적 데이터들 중 관련성 있는 상기 파편적 데이터를 검색하는 단계; 및
통합부가 상기 파편적 데이터를 시간축을 기준으로 통합하는 단계
를 포함하는 파편적 데이터 통합 방법.
- 제 11 항에 있어서,
상기 파편적 데이터는
시계열 데이터, 반시계열 데이터 및 비시계열 데이터를 포함하는
상기 복수의 검색 정보는
상기 파편적 데이터의 종류, 취득 장소, 취득 시간, 에러, 접근 레벨, 속성, 생성 주체 및 신뢰도 중 적어도 하나를 포함하는
파편적 데이터 통합 방법.
- 제 12 항에 있어서,
상기 파편적 데이터를 통합하는 단계는
상기 검색부가 검색한 상기 파편적 데이터를 상기 취득 장소의 공간적 특성, 상기 취득 시간의 유사성, 상기 생성 주체의 관련성 및 시계열 패턴의 상관성 중 적어도 하나를 기준으로 상기 파편적 데이터를 통합하는 단계인
파편적 데이터 통합 방법.
- 제 11 항에 있어서,
상기 파편적 데이터를 통합하는 단계는
상기 검색부가 검색한 상기 파편적 데이터를 상기 파편적 데이터의 생성 목적 및 상기 파편적 데이터와 관련된 이슈 중 적어도 하나를 기준으로 상기 파편적 데이터를 통합하는 단계인
파편적 데이터 통합 방법.
- 제 11 항에 있어서,
상기 파편적 데이터를 통합하는 단계는
상기 검색부가 검색한 상기 파편적 데이터의 수집 주기, 데이터 양, 데이터 질 및 수집 기간 중 적어도 하나를 기준으로 상기 파편적 데이터를 선택하여 통합하는 단계인
파편적 데이터 통합 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210021632A KR102457965B1 (ko) | 2021-02-18 | 2021-02-18 | 파편적 데이터 통합 장치 및 방법 |
| PCT/KR2022/002227 WO2022177268A1 (ko) | 2021-02-18 | 2022-02-15 | 파편적 데이터 통합 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210021632A KR102457965B1 (ko) | 2021-02-18 | 2021-02-18 | 파편적 데이터 통합 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220118027A true KR20220118027A (ko) | 2022-08-25 |
| KR102457965B1 KR102457965B1 (ko) | 2022-10-24 |
Family
ID=82931476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210021632A KR102457965B1 (ko) | 2021-02-18 | 2021-02-18 | 파편적 데이터 통합 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102457965B1 (ko) |
| WO (1) | WO2022177268A1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130103657A1 (en) * | 2010-05-14 | 2013-04-25 | Hitachi, Ltd. | Time-series data management device, system, method, and program |
| JP2017191454A (ja) * | 2016-04-13 | 2017-10-19 | 株式会社インテージテクノスフィア | データ統合システム、方法及びプログラム |
| JP2019506697A (ja) * | 2016-02-09 | 2019-03-07 | ムーンシャドウ モバイル, インコーポレイテッドMoonshadow Mobile, Inc. | 時系列データベースを保存、更新、検索及びフィルタリングするシステム及び方法 |
| KR20200105101A (ko) * | 2019-02-28 | 2020-09-07 | 김상준 | 3차원 시계열 데이터 가시화 시스템 및 방법 |
| KR20210013754A (ko) * | 2018-06-06 | 2021-02-05 | 지멘스 악티엔게젤샤프트 | 수치 시계열 데이터에서 범위 검색을 수행하기 위한 방법 및 컴퓨터화된 디바이스 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101221959B1 (ko) * | 2010-12-21 | 2013-01-15 | 한국항공대학교산학협력단 | 맵 인터페이스와 지식처리를 활용한 지역관련정보 통합검색방법 |
| US9129039B2 (en) * | 2011-10-18 | 2015-09-08 | Ut-Battelle, Llc | Scenario driven data modelling: a method for integrating diverse sources of data and data streams |
| KR101604086B1 (ko) * | 2014-03-11 | 2016-03-17 | 계명대학교 산학협력단 | 이종데이터를 이용한 통합진단 및 유사환자 검색 시스템 |
| KR102356666B1 (ko) * | 2017-04-24 | 2022-01-28 | 한국전자통신연구원 | 다중로그 데이터 기반의 공공안전 위험상황 감지, 예측, 대응 방법 및 장치 |
| KR101955550B1 (ko) * | 2017-04-28 | 2019-03-08 | 서울대학교 산학협력단 | 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 |
-
2021
- 2021-02-18 KR KR1020210021632A patent/KR102457965B1/ko active IP Right Grant
-
2022
- 2022-02-15 WO PCT/KR2022/002227 patent/WO2022177268A1/ko active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130103657A1 (en) * | 2010-05-14 | 2013-04-25 | Hitachi, Ltd. | Time-series data management device, system, method, and program |
| JP2019506697A (ja) * | 2016-02-09 | 2019-03-07 | ムーンシャドウ モバイル, インコーポレイテッドMoonshadow Mobile, Inc. | 時系列データベースを保存、更新、検索及びフィルタリングするシステム及び方法 |
| JP2017191454A (ja) * | 2016-04-13 | 2017-10-19 | 株式会社インテージテクノスフィア | データ統合システム、方法及びプログラム |
| KR20210013754A (ko) * | 2018-06-06 | 2021-02-05 | 지멘스 악티엔게젤샤프트 | 수치 시계열 데이터에서 범위 검색을 수행하기 위한 방법 및 컴퓨터화된 디바이스 |
| KR20200105101A (ko) * | 2019-02-28 | 2020-09-07 | 김상준 | 3차원 시계열 데이터 가시화 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102457965B1 (ko) | 2022-10-24 |
| WO2022177268A1 (ko) | 2022-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11670021B1 (en) | Enhanced graphical user interface for representing events | |
| US20220365498A1 (en) | Building smart entity system with agent based communication and control | |
| US10942721B2 (en) | Context-based analytical engine for extending application functionality | |
| Tönjes et al. | Real time iot stream processing and large-scale data analytics for smart city applications | |
| US20190361412A1 (en) | Building smart entity system with agent based data ingestion and entity creation using time series data | |
| US20190089193A1 (en) | Systems and methods for tracking consumption management events | |
| US11764991B2 (en) | Building management system with identity management | |
| CN115033657B (zh) | 基于知识图谱的查询方法、装置、设备及存储介质 | |
| Apiletti et al. | Energy-saving models for wireless sensor networks | |
| CN105786897B (zh) | 用于提供基于情境感知的用户关注信息的情境感知本体构建方法 | |
| US20200233836A1 (en) | Computer system and method of presenting information useful for achieving purposes related to object | |
| CN110008101A (zh) | 客户端性能评价方法、装置、存储介质及电子设备 | |
| Bianchini et al. | Data management challenges for smart living | |
| CN111295652B (zh) | 将外部数据自动连接到业务分析过程 | |
| Robles et al. | OpenTwins: An open-source framework for the design, development and integration of effective 3D-IoT-AI-powered digital twins | |
| KR102457965B1 (ko) | 파편적 데이터 통합 장치 및 방법 | |
| KR102457964B1 (ko) | 파편적 데이터 검색 장치 및 방법 | |
| Acquaviva et al. | Enhancing Energy Awareness Through the Analysis of Thermal Energy Consumption. | |
| Singh et al. | Semantic search system for real time occupancy | |
| US20150154279A1 (en) | Apparatus and method for building relation model based on resource management architecture | |
| Hiriyannaiah et al. | Data Reduction Techniques in Fog Data Analytics for IoT Applications | |
| US10983806B2 (en) | User interface for computer system usage types | |
| Niskanen et al. | Towards semantic facility data management | |
| Li et al. | Sensing by proxy in buildings with agglomerative clustering of indoor temperature movements | |
| US10795925B2 (en) | Method, device and arrangement for measurement of app usage based on visual characteristics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |