KR20230075861A - 지능형 복합 환경 센서 시스템 및 그 운영 방법 - Google Patents

지능형 복합 환경 센서 시스템 및 그 운영 방법 Download PDF

Info

Publication number
KR20230075861A
KR20230075861A KR1020210162478A KR20210162478A KR20230075861A KR 20230075861 A KR20230075861 A KR 20230075861A KR 1020210162478 A KR1020210162478 A KR 1020210162478A KR 20210162478 A KR20210162478 A KR 20210162478A KR 20230075861 A KR20230075861 A KR 20230075861A
Authority
KR
South Korea
Prior art keywords
complex
sensor module
analysis model
sensor
type information
Prior art date
Application number
KR1020210162478A
Other languages
English (en)
Inventor
김승식
Original Assignee
유엔젤주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 유엔젤주식회사 filed Critical 유엔젤주식회사
Priority to KR1020210162478A priority Critical patent/KR20230075861A/ko
Publication of KR20230075861A publication Critical patent/KR20230075861A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

본 발명은 지능형 복합 환경 센서 시스템 및 그 운영 방법에 관한 것으로, 본 발명에 따른 시스템은 복합 센서 모듈에서 수집되는 센서 데이터 유형 정보 및 복합 센서 모듈이 설치된 장소 유형 정보를 입력받는 정보 입력부, 센서 데이터 유형 정보 및 장소 유형 정보를 기초로 복합 센서 모듈이 설치된 장소의 환경 정보 예측에 적합한 분석 모델을 선정하는 모델 선정부, 및 선정된 분석 모델을 복합 센서 모듈에 배포하는 모델 배포부를 포함한다. 본 발명에 의하면 다양한 환경 센서를 수용하면서 설치 환경에 맞는 엣지 인공지능 분석 모델을 복합 센서 모듈에 탑재하여 설치된 공간의 환경 상태 점수를 예측하여 출력할 수 있다.

Description

지능형 복합 환경 센서 시스템 및 그 운영 방법{Iintelligent complex environmental sensor system and its operating method}
본 발명은 인공지능 분석 모델을 복합 센서 모듈에 배포하여 환경 상태 및 이상 상태를 현장에서 모니터링하고 그 결과를 사용자에게 출력할 수 있는 지능형 복합 환경 센서 시스템 및 그 운영 방법에 관한 것이다.
인공지능 플랫폼 기술 경쟁이 대규모 데이터 분석에서 실시간 데이터 대응으로 진화되고 있어 엣지(Edge) 컴퓨팅의 중요도가 높아지고 있다. 글로벌 ICT 기업들은 산업현장에서 클라우드(Cloud) 컴퓨팅과 Edge 컴퓨팅의 상호 보완 서비스를 통해 경쟁력을 강화하고 있는 중이다.
Edge 클라우딩을 위한 차세대 디바이스 요소 기술이 진화 중이며, 오픈소스재단 및 글로벌 기업에서 Edge 컴퓨팅을 위한 소프트웨어(S/W) 기술 공개가 증가 중이다. Edge 컴퓨팅을 지원하는 산업용 임베디드 인공지능 디바이스 개발을 위해서는 반도체, 임베디드 S/W, 인공지능, IoT 등의 기술 융합이 중요하다.
이러한 상황에서 다양한 환경 센서 디바이스를 수용하면서 구축 환경에 맞는 엣지 AI 분석 모델이 탑재된 복합 센서 모듈을 이용하여 공간환경 상태값을 측정 예측할 수 있는 지능형 복합 환경 센서 시스템 및 그 운영 방법에 대한 개발이 요구되고 있다.
따라서 본 발명이 해결하고자 하는 기술적 과제는 다양한 환경 센서를 수용하면서 설치 환경에 맞는 엣지 인공지능 분석 모델을 복합 센서 모듈에 탑재하여 설치된 공간환경 상태값을 측정 예측할 수 있는 지능형 복합 환경 센서 처리 장치 및 그 운영 방법을 제공하는 것이다.
상기한 기술적 과제를 해결하기 위한 본 발명의 한 실시예에 따른 지능형 복합 환경 센서 시스템은 복합 센서 모듈에서 수집되는 센서 데이터 유형 정보 및 상기 복합 센서 모듈이 설치된 장소 유형 정보를 입력받는 정보 입력부, 상기 센서 데이터 유형 정보 및 상기 장소 유형 정보를 기초로 상기 복합 센서 모듈이 설치된 장소의 환경 정보 예측에 적합한 분석 모델을 선정하는 모델 선정부, 및 상기 선정된 분석 모델을 상기 복합 센서 모듈에 배포하는 모델 배포부를 포함한다.
상기 분석 모델은 센서 데이터 유형 정보 및 장소 유형 정보에 따라 미리 준비되어 있을 수 있다.
상기 시스템은, 상기 복합 센서 모듈에서 수집되는 센서 데이터를 이용하여 학습 데이터를 구축하고, 상기 구축된 학습 데이터로 상기 분석 모델에 대한 재학습을 수행하는 재학습부를 더 포함할 수 있다.
상기 모델 배포부는, 상기 재학습된 분석 모델을 상기 복합 센서 모듈에 재배포할 수 있다.
상기 분석모델은, 상기 복합 센서 모듈에서 수집되는 센서 데이터를 입력받아 미리 정해진 시간 후 환경 상태 점수를 예측하여 출력할 수 있다.
상기 분석모델은, 랜덤포레스트(Random Forest), K-NN(k-Nearest Neighbor), SVM(Support Vector Machine), CNN(Convolution Neural Network), LSTM(Long Short-Term Memory) 또는 GAN(Generative Adversarial Network) 모델 중 하나로 학습될 수 있다.
상기한 기술적 과제를 해결하기 위한 본 발명의 한 실시예에 따른 지능형 복합 환경 센서 시스템 운영 방법은, 복합 센서 모듈에서 수집되는 센서 데이터 유형 정보 및 상기 복합 센서 모듈이 설치된 장소 유형 정보를 입력받는 단계, 상기 센서 데이터 유형 정보 및 상기 장소 유형 정보를 기초로 상기 복합 센서 모듈이 설치된 장소의 환경 정보 예측에 적합한 분석 모델을 선정하는 단계, 및 상기 선정된 분석 모델을 상기 복합 센서 모듈에 배포하는 단계를 포함한다.
상기한 기술적 과제를 해결하기 위한 본 발명의 한 실시예에 따른 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 상기 방법을 실행시키기 위한 프로그램을 기록할 수 있다.
본 발명에 의하면 다양한 환경 센서를 수용하면서 설치 환경에 맞는 엣지 인공지능 분석 모델을 복합 센서 모듈에 탑재하여 설치된 공간의 환경 상태 점수를 예측하여 출력할 수 있다.
도 1은 본 발명의 일 실시예에 따른 지능형 복합 환경 센서 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 지능형 복합 환경 센서 관리 서버의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 지능형 복합 환경 센서 시스템의 동작 흐름도이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 지능형 복합 환경 센서 시스템의 구성도이다.
도 1을 참고하면, 본 발명에 따른 지능형 복합 환경 센서 시스템은 복합 센서 모듈(100) 및 중앙 서버(200)를 포함할 수 있다.
복합 센서 모듈(100) 및 중앙 서버(200)는 통신망(10)을 통해 각종 정보 및 데이터를 교환할 수 있다.
통신망(10)은 구내 정보 통신망(local area network:LAN), 도시권 통신망(metropolitan area network:MAN), 광역 통신망(wide area network:WAN), 인터넷 등을 가리지 않고, 통신 방식도 유선, 무선을 가리지 않으며 어떠한 통신 방식이라도 상관없다.
복합 센서 모듈(100)은 이산화탄소 센서, 온도 센서, 습도 센서, 공기 유속/유량 센서, 수질 센서, 유독 가스 센서, 누액 감지 센서, 먼지 센서, 소음 센서, 조도 센서, 모션 센서 등이 장착될 수 있다. 복합 센서 모듈(100)에 장착되는 센서의 조합은 필요에 따라 달라질 수 있다. 예컨대 복합 센서 모듈(100)이 설치되는 장소 유형에 따라 달라 모니터링해야 되는 환경 정보 종류에 따라 달라질 수 있다. 가령 실내 공기질 모니터링이 필요한 경우 소음 센서, 모션 센서 등을 장착하지 않을 수도 있다. 물론 실내에 위치한 사람의 수나 활동 정도에 따라 공기질 예측이 달라질 수 있으므로 그런 경우 모션 센서를 복합 센서 모듈(100)에 장착하는 것도 가능하다.
중앙 서버(200)는 복합 센서 모듈(100)을 관리하고, 복합 센서 모듈(100)에서 수집된 센서 데이터를 빅데이터로 구축하는 것도 가능하다. 그리고 중앙 서버(200)는 센서 데이터를 훈련 데이터로 복합 센서 모듈(100)이 설치된 장소에서 환경 정보를 예측하는 분석 모델에 대한 머신러닝을 통해 장소 유형 별로 미리 분석 모델을 생성하고, 이후 복합 센서 모듈(100)에 배포하는 것도 가능하다.
도 2는 본 발명의 일 실시예에 따른 지능형 복합 환경 센서 관리 서버의 구성도이다.
도 2를 참고하면, 중앙 서버(200)는 정보 입력부(210), 모델 선정부(220), 모델 배포부(230), 재학습부(240) 및 데이터베이스(250)를 포함할 수 있다.
정보 입력부(210)는 복합 센서 모듈(100)에서 수집되는 센서 데이터 유형 정보 및 복합 센서 모듈(100)이 설치된 장소 유형 정보를 입력받을 수 있다. 여기서 복합 센서 모듈(100)이 설치된 장소 유형 정보는 복합 센서 모듈(100)을 사용하는 사용자나 또는 복합 센서 모듈(100)을 설치한 설치 기사 등으로부터 입력받을 수 있다.
센서 데이터 유형 정보는 센서 종류 정보일 수 있다. 이산화탄소 센서, 온도 센서, 습도 센서, 공기 유속/유량 센서, 수질 센서, 유독 가스 센서, 누액 감지 센서, 먼지 센서, 소음 센서, 조도 센서, 모션 센서 등의 센서 종류에 대한 정보를 센서 데이터 유형 정보로 이용할 수 있다.
장소 유형 정보는 교육 기관, 사무실, 공장, 병원, 가정 등으로 구분될 수 있으며, 교육 기관도 유아학교, 초등학교, 중학교, 고등학교, 대학교 등으로 세분화된 장소 유형 정보를 제공받을 수 있다. 또한 지하, 지상 여부, 개방 장소, 밀폐 장소 등의 장소 유형도 세부적으로 구분하여 제공받을 수도 있다. 가정의 경우도 아파트, 주상복합, 단독주택 등의 유형을 구분하여 제공받을 수도 있으며, 가정 내에서도 거실, 부엌, 침실 등으로 장소 유형을 더욱 세분화하여 제공받을 수도 있다.
모델 선정부(220)는 센서 데이터 유형 정보 및 장소 유형 정보를 기초로 상기 복합 센서 모듈(100)이 설치된 장소의 환경 정보 예측에 적합한 분석 모델을 선정할 수 있다.
센서 데이터 유형 정보 및 장소 유형 정보 별로 적합한 분석 모델에 대한 정보는 사전에 데이터베이스(250)에 미리 준비되어 저장될 수 있다. 이를 위해 중앙 서버(200)는 과거에 장소 유형 별로 구분하여 수집된 센서 데이터로 빅데이터를 구축하고, 이를 학습 데이터로 이용하여 여러 인공지능 모델 알고리즘을 환경 정보 예측, 예컨대 실내 공기질 예측 등을 하도록 훈련시키고, 장소 유형별로 예측 성능이 우수한 모델을 사전에 분류하여 준비해놓을 수 있다.
분석 모델은 복합 센서 모듈에서 수집되는 센서 데이터를 입력받아 미리 정해진 시간 후 환경 상태 점수를 예측하여 출력하도록 훈련된 인공지능 모델일 수 있다.
분석모델은, 랜덤포레스트(Random Forest), K-NN(k-Nearest Neighbor), SVM(Support Vector Machine), CNN(Convolution Neural Network), LSTM(Long Short-Term Memory) 또는 GAN(Generative Adversarial Network) 모델 중 하나로 환경 상태 점수를 예측하여 출력하도록 학습될 수 있다.
모델 배포부(230)는 선정된 분석 모델을 복합 센서 모듈(100)에 배포할 수 있다.
재학습부(240)는 복합 센서 모듈(100)에서 수집되는 센서 데이터를 이용하여 구축된 학습 데이터로, 복합 센서 모듈(100)에 배포 탑재된 분석 모델에 대한 재학습을 수행할 수 있다.
모델 배포부(230)는 재학습된 분석 모델을 복합 센서 모듈(100)에 재배포할 수 있다.
데이터베이스(250)는 중앙 서버(200)의 동작과 관련된 각종 정보 및 데이터를 저장할 수 있다. 데이터베이스(250)는 복합 센서 모듈(100)에서 수집된 센서 데이터를 빅데이터로 구축할 뿐만 아니라, 분석모델을 저장할 수 있다.
도 3은 본 발명의 일 실시예에 따른 지능형 복합 환경 센서 시스템의 동작 흐름도이다.
도 1 및 도 3을 참고하면, 먼저 복합 센서 모듈(100)을 특정 장소에 설치한다(S310).
복합 센서 모듈(100)의 사용자 또는 설치자는 자신이 사용하는 정보 단말, 예컨대 스마트폰, 데스크탑 컴퓨터, 노트북, 태블릿 PC 등으로 중앙 서버(200)에 접속하여 복합 센서 모듈(100)에서 수집되는 센서 데이터 유형 정보 및 복합 센서 모듈(100)이 설치된 장소 유형 정보를 입력할 수 있다(S320).
중앙 서버(200)는 센서 데이터 유형 정보 및 장소 유형 정보를 기초로 데이터베이스(250)에 저장된 분석 모델 중에서 복합 센서 모듈(100)이 설치된 장소의 환경 정보 예측에 적합한 분석 모델을 선정할 수 있다(S330).
다음으로 중앙 서버(200)는 통신망(10)을 통해 선정된 분석 모델을 복합 센서 모듈(100)에 배포할 수 있다(S340).
복합 센서 모듈(100)에 배포되어 탑재된 분석 모델은, 복합 센서 모듈(100)에서 수집되는 센서 데이터를 이용하여 미리 정해진 시간 후 해당 장소의 환경 상태 점수를 예측하여 출력할 수 있다(S350).
한편 복합 센서 모듈(100)은 실시간으로 또는 주기적으로 수집되는 센서 데이터 및 예측된 환경 상태 점수를 중앙 서버(200)에 전송할 수 있다(S360).
중앙 서버(200)는 복합 센서 모듈(100)에서 수집되는 센서 데이터 및 예측된 환경 상태 점수를 이용하여 학습 데이터를 구축하고, 구축된 학습 데이터로 상기 분석 모델에 대한 재학습을 수행할 수 있다(S370).
마지막으로 중앙 서버(200)는 재학습된 분석 모델을 복합 센서 모듈(100)에 재배포할 수 있다(S380).
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (13)

  1. 복합 센서 모듈에서 수집되는 센서 데이터 유형 정보 및 상기 복합 센서 모듈이 설치된 장소 유형 정보를 입력받는 정보 입력부,
    상기 센서 데이터 유형 정보 및 상기 장소 유형 정보를 기초로 상기 복합 센서 모듈이 설치된 장소의 환경 정보 예측에 적합한 분석 모델을 선정하는 모델 선정부, 및
    상기 선정된 분석 모델을 상기 복합 센서 모듈에 배포하는 모델 배포부
    를 포함하는 지능형 복합 환경 센서 시스템.
  2. 제 1 항에서,
    상기 분석 모델은,
    센서 데이터 유형 정보 및 장소 유형 정보에 따라 미리 준비되어 있는 지능형 복합 환경 센서 시스템.
  3. 제 2 항에서,
    상기 복합 센서 모듈에서 수집되는 센서 데이터를 이용하여 학습 데이터를 구축하고, 상기 구축된 학습 데이터로 상기 분석 모델에 대한 재학습을 수행하는 재학습부를 더 포함하는 지능형 복합 환경 센서 시스템.
  4. 제 3 항에서,
    상기 모델 배포부는,
    상기 재학습된 분석 모델을 상기 복합 센서 모듈에 재배포하는 지능형 복합 환경 센서 시스템.
  5. 제 4 항에서,
    상기 분석모델은,
    상기 복합 센서 모듈에서 수집되는 센서 데이터를 입력받아 미리 정해진 시간 후 환경 상태 점수를 예측하여 출력하는 지능형 복합 환경 센서 시스템.
  6. 제 5 항에서,
    상기 분석모델은,
    랜덤포레스트(Random Forest), K-NN(k-Nearest Neighbor), SVM(Support Vector Machine), CNN(Convolution Neural Network), LSTM(Long Short-Term Memory) 또는 GAN(Generative Adversarial Network) 모델 중 하나로 학습된 지능형 복합 환경 센서 시스템.
  7. 복합 센서 모듈에서 수집되는 센서 데이터 유형 정보 및 상기 복합 센서 모듈이 설치된 장소 유형 정보를 입력받는 단계,
    상기 센서 데이터 유형 정보 및 상기 장소 유형 정보를 기초로 상기 복합 센서 모듈이 설치된 장소의 환경 정보 예측에 적합한 분석 모델을 선정하는 단계, 및
    상기 선정된 분석 모델을 상기 복합 센서 모듈에 배포하는 단계
    를 포함하는 지능형 복합 환경 센서 시스템 운영 방법.
  8. 제 7 항에서,
    상기 분석 모델은,
    센서 데이터 유형 정보 및 장소 유형 정보에 따라 미리 준비되어 있는 지능형 복합 환경 센서 시스템 운영 방법.
  9. 제 8 항에서,
    상기 복합 센서 모듈에서 수집되는 센서 데이터를 이용하여 학습 데이터를 구축하고, 상기 구축된 학습 데이터로 상기 분석 모델에 대한 재학습을 수행하는 단계를 더 포함하는 지능형 복합 환경 센서 시스템 운영 방법.
  10. 제 9 항에서,
    상기 재학습된 분석 모델을 상기 복합 센서 모듈에 재배포하는 단계를 더 포함하는 지능형 복합 환경 센서 시스템 운영 방법.
  11. 제 10 항에서,
    상기 분석모델은,
    상기 복합 센서 모듈에서 수집되는 센서 데이터를 입력받아 미리 정해진 시간 후 환경 상태 점수를 예측하여 출력하는 지능형 복합 환경 센서 시스템 운영 방법.
  12. 제 11 항에서,
    상기 분석모델은,
    랜덤포레스트(Random Forest), K-NN(k-Nearest Neighbor), SVM(Support Vector Machine), CNN(Convolution Neural Network), LSTM(Long Short-Term Memory) 또는 GAN(Generative Adversarial Network) 모델 중 하나로 학습된 지능형 복합 환경 센서 시스템 운영 방법.
  13. 컴퓨터에 제7항 내지 제12항 중 어느 한 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020210162478A 2021-11-23 2021-11-23 지능형 복합 환경 센서 시스템 및 그 운영 방법 KR20230075861A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210162478A KR20230075861A (ko) 2021-11-23 2021-11-23 지능형 복합 환경 센서 시스템 및 그 운영 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210162478A KR20230075861A (ko) 2021-11-23 2021-11-23 지능형 복합 환경 센서 시스템 및 그 운영 방법

Publications (1)

Publication Number Publication Date
KR20230075861A true KR20230075861A (ko) 2023-05-31

Family

ID=86543990

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210162478A KR20230075861A (ko) 2021-11-23 2021-11-23 지능형 복합 환경 센서 시스템 및 그 운영 방법

Country Status (1)

Country Link
KR (1) KR20230075861A (ko)

Similar Documents

Publication Publication Date Title
Himeur et al. AI-big data analytics for building automation and management systems: a survey, actual challenges and future perspectives
Dai et al. A review of studies applying machine learning models to predict occupancy and window-opening behaviours in smart buildings
Yang et al. A systematic approach to occupancy modeling in ambient sensor-rich buildings
Wei et al. Multi-objective optimization of the HVAC (heating, ventilation, and air conditioning) system performance
Du et al. Fault detection and diagnosis for buildings and HVAC systems using combined neural networks and subtractive clustering analysis
US20190391573A1 (en) Deep-learning-based fault detection in building automation systems
Jiang et al. Bayesian filtering for building occupancy estimation from carbon dioxide concentration
US10282062B2 (en) Techniques for repairable system simulations
KR20230075862A (ko) 자동 머신러닝 기반 복합 환경 분석 인공지능 모델 자동 배포 관리 시스템 및 그 운영 방법
Chen et al. Deep learning for building occupancy estimation using environmental sensors
Pešić et al. BLEMAT: data analytics and machine learning for smart building occupancy detection and prediction
US20220164681A1 (en) System and method for improving reliability of an information handling system
US20230169224A1 (en) Building data platform with digital twin based virtual indicators
Lazarova-Molnar et al. Challenges in the data collection for diagnostics of smart buildings
Aguilar et al. An autonomic cycle of data analysis tasks for the supervision of HVAC systems of smart building
Lytvyn et al. A smart home system development
KR20230075861A (ko) 지능형 복합 환경 센서 시스템 및 그 운영 방법
KR20220021339A (ko) 스마트 팜 시스템에서 다중 축사 장비의 동적 이상상황 인지 시스템 및 방법
US20230168638A1 (en) Building data platform with digital twin based situational experimentation
US20230168640A1 (en) Building data platform with digital twin based historical scenario generation
KR102351385B1 (ko) 딥 러닝 기반 대형 전시장 재실 인원 변화 실시간 예측 프로그램
US11747145B2 (en) Evacuation using digital twins
KR20230032804A (ko) 디지털 트윈 모델을 이용한 공기질 관리 방법
Chenaru et al. Virtual sensor for behavior pattern identification in a smart home application
Goyal et al. Design and implementation of a test bed for building controls