Automatic sensor data stream segmentation for real-time activity prediction in smart spaces

Abstract

스마트 공간에서 사람의 행동을 인지/예측하고자 하는 연구들이 활발이 진행되고 있다. 이와 같은 연구들의 큰 장애물 중 하나는 다양한 IoT 장치들로부터 끊임없이 들어오는 데이터 스트림을 실시간으로 처리하는 문제이다. 데이터를 분석해 분류하는 머신러닝 알고리즘들은 분할 된 세그먼트 단위의 데이터를 처리하기 때문에, 데이터 스트림을 실시간으로 적절하게 분할하는 기술은 행동 인지/예측 알고리즘의 성능에 많은 영향을 끼친다. 따라서 본 연구에서는 예측된 사람의 행동이 언제 끝나는지를 자동적으로 찾아내는 기법을 제안하며, 이 때 문자열 비교 알고리즘인 Jaro-Winkler distance를 이용한다. 또한 기존 기법들의 문제점들로 꼽히는 과도한 전처리 과정이나 시멘틱한 정보를 이용한 복잡한 계산을 생략하면서도 합리적인 성능을 낼 수 있도록 하고, 어떤 행동 모델이나 환경에도 적용할 수 있는 일반화된 기법을 고안하는 것에 주 목적을 둔다. 제안된 알고리즘은 실제 환경에 구축된 테스트베드를 이용해 모은 데이터셋을 이용해 평가하였다. 실험 결과로는, 제안된 알고리즘 만으로의 정확도는 75%까지의 성능을 보여주었으며, 시멘틱한 정보를 담은 간단한 규칙을 추가한 결과 정확도는 96%까지 오를 수 있음을 확인하였다. 이를 통해 제안된 알고리즘이 모든 환경에 적용이 가능한, 데이터 스트림 분할 과정의 첫 번째 단계가 될 수 있으며 이 후 각 환경에 맞는 시멘틱한 규칙을 추가하면 높은 수준의 정확도로 데이터 스트림을 분할하는 데 활용될 수 있음을 확인하였다.