2017년 12월
17ZH1500-01-2200P -i-연구개발결과 보고서
단말 근접 실시간 스마트 서비스추천플랫폼
기술 개발
Development of Technologies for Proximity, Real-time, and Smart
Service Recommendation Platform
2017년 12월
17ZH1500-01-2200P
-ii-
단말 근접 실시간 스마트 서비스추천플랫폼
기술 개발
2017년 12월
17ZH1500-01-2200P -iii-본 문서에서 음영처리된 부분은 (
) 정보공개법 제9조의 비공개대상정보
와 저작권법 및 그 밖의 다른 법령에서 보호하고 있는 제3자의 권리가 포함된 저
작물로 공개대상에서 제외되었습니다.
-１-
제 출 문
본 연구보고서는 주요사업인“단말 근접 실시간 스마트 서비스추천플랫폼
기술 개발”의 결과로서, 본과제에 참여한 아래의 연구팀이 작성한 것입니다.
2017년 12월
연구책임자
사업책임자 : 황승구(ETRI, 초연결통신연구소)
과제책임자 : 정기숙(ETRI, 네트워크연구본부)
-２- 사업책임자 책임연구원 황승구 (ETRI 초연결통신연구소) 과제책임자 책임연구원 정기숙 (ETRI 네트워크연구본부) 참여연구원 책임연구원 금창섭 (ETRI 네트워크연구본부) 책임연구원 김응하 (ETRI 네트워크연구본부) 책임연구원 이병선 (ETRI 네트워크연구본부) 책임연구원 임종철 (ETRI 네트워크연구본부) 책임연구원 유현경 (ETRI 네트워크연구본부) 선임연구원 타이광퉁 (ETRI 네트워크연구본부) 책임연구원 권동승 (ETRI 초연결원천연구본부) 선임연구원 백동명 (ETRI 네트워크연구본부) 책임연구원 이경휴 (ETRI 국방신뢰인프라연구실) 책임연구원 최길영 (ETRI 기업지원협력실)
-３-
요 약 문
I. 제목
단말 근접 실시간 스마트 서비스추천플랫폼 기술 개발
II. 연구목적 및 중요성
미래의 서비스 제공 패러다임인 ‘ 나를 이해하고, 나를 위한, 나에게 맞춘 인텔리전스 서비스’를 효과적으로 제공할 수 있는 플랫폼 기술 개발이 필요하며, 나를 이해하고, 나를 위한, 나에게 맞춘 인텔리전스 서비스’를 실현하기 위해서는 사용자가 속한 공간(또는 상 황)에 적합한 서비스를 즉시적으로 제공해야 한다. 이러한 서비스는 대용량 서버 기반의 클 라우드 컴퓨팅을 통하여 제공될 수도 있지만, 사용자 주변 상황을 가장 잘 아는 사용자 근 접 노드에서 지연 없이 실시간으로 제공 되어야 한다. 무선접속 장치(Access Point), 소형 셀, IoT 게이트웨이와 같은 사용자 근접의 자원제약 장치에서 지능형 서비스 제공하는 것에 대한 수요가 증가하고 있으며, 이에 대응하여 소형 장치에 탑재될 수 있는 로컬 인텔리전스 서비스플랫폼에 대한 원천기술을 확보함을 목적으로 한다.
III. 연구내용 및 범위
o 총년도(2015년 1월 1일 – 2017년 12월 31일) - 단말 근접 실시간 스마트 서비스추천 플랫폼 기술 개발 o 총년도 연구 내용 및 범위 - 1차년도(2015): 공간 특화 서비스추천 알고리즘 설계 및 성능 검증 단말 근접 마이크로 인텔리전스 서비스플랫폼 아키텍처 설계 단말 근접 패스트 데이터 분석 알고리즘 설계 및 IPR 확보 공간 특화 서비스 추천 알고리즘 설계 및 IPR 확보 서비스 추천 알고리즘 성능 검증 환경 구축 및 학습 데이터 수집 공간 특화 서비스 관련 표준화 IPR 확보 Public/Private 공간 특화 로컬 인텔리전스 서비스 발굴 및 BM 연구 - 2차년도(2016): 지역공간 특화 로컬 인텔리전스 서비스추천 핵심기술 개발-４- 지역공간 특화 로컬 인텔리전스 서비스 추가 발굴 분산형 모바일 엣지 클라우드 서비스플랫폼 아키텍처 연구 지역공간 특화 패스트 데이터 분석 알고리즘 개발 및 IPR 확보 로컬 인텔리전스 서비스 추천 알고리즘 개발 및 IPR 확보 지역공간 특화 서비스 추천 알고리즘 성능 검증 오픈 HW 기반 경량형 서비스 추천 프레임워크 개발 - 3차년도(2017): 로컬인텔리전스 알고리즘 고도화 및 서비스추천플랫폼 PoC개발 로컬 인텔리전스 서비스추천 알고리즘 고도화 경량형 패스트 데이터 분석 알고리즘 고성능화 로컬 인텔리전스 서비스추천플랫폼 PoC 개발 오픈 하드웨어 기반 개방형 Wi-Fi AP 테스트베드 구축 로컬 인텔리전스 특화 서비스 추가 발굴 및 개발 인터넷 클라우드와 모바일 엣지 서비스 연동 구조 연구
IV. 연구 결과
o 로컬 인텔리전스 서비스추천 알고리즘 고도화 서비스 추천 재현율(recall rate) 목표치 40%: 44.4 % 달성 서비스 추천 채택율(Precision rate) 목표치 80%: 81.1% 달성 o 로컬 인텔리전스 서비스추천플랫폼 PoC 개발 오픈 하드웨어 기반 개방형 Wi-Fi AP 테스트베드 구축 및 성능 측정 시험 서비스 추천 내부 응답 시간 목표치 100 msec 이하: 평균 68msec 달성 서비스 세션 설정 지연 시간 목표치 30 msec 이하: 10msec 달성 o 로컬 인텔리전스 서비스 추천 관련 표준화
국제표준승인기고서:“OMA-TS-REST_NetAPI_ZonalPresence-V1_0”, O MA, 2016.3. 승인
ETSI MEC 기고서 1건 반영, OMA 기고서 22건 반영 o 단말근접 로컬 인텔리전스 특화 서비스 발굴 및 개발 2015년~2016년: 서비스 8건 발굴
2017년 추가발굴: 존 프레즌스(zonal presence) 정보를 기반으로 한 복합 지 역공간에서의 추천 서비스, 드론을 활용한 활주로 이상 감지 서비스 등 2건 o 로컬 인텔리전스 서비스추천 IPR 확보
-５-
국제 특허 2건(국제표준 특허 1건 포함) 출원, 국내 특허 13건 출원 o IF상위20% SCI-e 급 학술 논문 2건
Jeongseok Yu, Laihyuk Park, Junho Park, Sungrae Cho, and Changsup Keum, “CoR-MAC: Contention over Reservation MAC Protocol for Time-Critical Services in Wireless Body Area Sensor Networks,” Sensors, vol. 16, 2016.5.
“Adaptive Ressource Balancing for Serviceability Maximization in Fog Radio Access Networks”, IEEE Access, Vol.5, 2017
V. 연구개발결과의 활용계획
o 본 과제결과물 기술이전 후 통한 연구원 기술창업 - 금창섭 책임연구원/사업책임자, 2018년 1월 연구원 창업예정 (빅픽처랩(주)) - 핵심기술이 검증된 본 과제 결과물(핵심특허와 로컬 인텔리전스 설계기술) 기술 이전 후 이를 상용화 수준으로 추가 개발하여 사업화 추진 o 모바일 엣지 서비스 추천 기술 기반의 클라우드와 엣지 컴퓨팅 협력형 서비스 BM 창 출에 활용- IoT GW, Small Cell, WiFi AP에서 Connectivity와 Intelligence 동시에 제공하 는 장치/서비스로 활용가능 - Connected Car, 드론 등과 같이 통신 지연에 민감하고 프라이버시가 중요한 서 비스에 활용 가능성 높음 종래의 과거를 분석하는 클라우드 빅데이터 기술에서 탈피하여 사용자 근접 지역에서 발생하는 패스트 데이터 분석하여 골든타임 내에 서비스를 추천하는 원천 기술 확보 o 모바일 엣지 노드에서 개인화된 서비스 추천 지능을 제공하는 지능형 IoT 디바이스 분야와 5G 초연결 기반 초지능 서비스 ’ 와 같은 5G 서비스 네트워킹 분야로 적용 가능
VI. 기대성과 및 건의
o 5G 초연결 네트워크 서비스 - 5G 이동통신망은 사용자에게 보다 빠른 데이터 접속 서비스를 제공함은 물론 근 접 기반 서비스 및 다양한 예측형 인텔리전스 서비스가 제공되는 환경으로 발전 할 것으로 예측함-６- - 소형셀이나 이동셀에 본 과제에 따른 서비스추천플랫폼 기술을 탑재함으로써, 소 형셀과 이동셀을 스마트 기지국화 할 수 있으며, 이를 통해 5G 이동통신망의 비 전인 단말 근접 서비스 및 상황인지형 서비스 제공 가능 - OTT에 의해 서비스가 제공되는 모델에서 사용자가 접속한 근접 기지국에서 서 비스가 제공될 수 있는 새로운 형태의 서비스 제공 o 공간 특화 개인화 서비스 - 모바일 엣지 노드에서 즉시적으로 서비스를 제공하는 모바일 엣지 클라우드 서비 스 가속화 - 엣지 컴퓨팅과 마이크로 인텔리전스 추천 기술을 결합함으로써 기존의 서버 기반 상황 인지 서비스와 차별화되는 공간 특화 서비스 제공을 통하여 개인화 서비스 틈새 시장 창출 가능 o 지능형 IoT 게이트웨이 - IoT 시장은 갈수록 커지고 있으며, 앞으로 댁내와 회사등에 IoT 게이트웨이가 도입이 가속화될 전망임 - 현재의 IoT 게이트웨이는 센서들이 사용하는 다양한 프로토콜을 변환하고 각종 센서로부터 정보를 수집하여 제공하는 제한적인 역할을 하고 있음 - IoT 게이트웨이에 본 과제에 따른 서비스추천플랫폼 기술을 적용한다면, IoT 게 이트웨이가 다양한 센서 정보를 실시간으로 분석하여 머신 러닝함으로써 새로운 가치를 창출 가능
ABSTRACT
I. Title
Development of Technologies for Proximity, Real-time, and Smart Service Recommendation Platform
II. The Objectives
- Future service supply paradigm with the motto “Understand me, For me, and Fit me intelligence” need a technology platform that understands u ser’s space/situation in order to provide suitable service. Although big data server based cloud computing platform can support such services, it is possible to have them in real time without any delay by exploiting th
-７-
e user’s proximity node which have detail knowledge of the user’s ne arby condition/situation. As the increasing demand of intelligence service from resource constrained device such as Wireless Access Point, small c ell, IoT gateway, this project aim to secure original technology to provid e local intelligence service on small computing devices.
III. The Contents and Scope of the Study
o Project duration (from 2015-01-01 to 2017-12-31)
- Development of Technologies for Proximity, Real-time, and Smart Service Recommendation Platform
o Total year research objective and contents
- Year 1 (2015): Space specific service recommendation algorithm design and performance evaluation
Terminal proximity micro-intelligence service platform architecture design Fast data analysis algorithm design and IPR acquisition.
Terminal proximity service recommendation algorithm design and IPR acquisition
Environment construction for performance evaluation of recommendation algorithm and data collecting
Standardized IPR acquisition for related space specific service
Public/Private space specific local intelligence service discovery and BM research
- Year 2 (2016): Development of core technology for space specific recommendation service and validation
Additional space specific local intelligence services exploration Distributed mobile edge cloud service platform architecture study
Policy based personal information management and service access control technology research
Fast data analysis and local intelligence algorithm development and additional IPR acquisition
Development of lightweight recommendation service framework for open hardware systems.
Local recommendation service algorithm performance field test and improvement
-８-
- Year 3 (2017) Algorithm enhancement and Service Recommendation platform PoC testbed development
Algorithm enhancement
Local intelligence Service Recommendation platform PoC testbed development
Open wi-fi AP testbed deployment
Study on interworking between cloud and edge services
IV. Results
o Local intelligence Algorithm enhancement recall rate 40%: 44.4 % obtained Precision rate 80% : 81.1% obtained
o Local intelligence Service Recommendation platform PoC testbed development Open wi-fi AP testbed deployment and test
Response time 100 msec: average 68msec obtained Session setup latency 30 msec: 10msec obtained o Standardizaion
“OMA-TS-REST_NetAPI_ZonalPresence-V1_0”, OMA, 2016.3. approved ETSI MEC 1, OMA 22 approved o Local intelligence services exploration
2015 ~2016: 8 services explored 2017: 2 more services explored
o Local intelligence Service Recommendation IPR
13 Domestic patents and 2 international patent filed o IF 20% SCI-e papers
Jeongseok Yu, Laihyuk Park, Junho Park, Sungrae Cho, and Changsup Keum, “CoR-MAC: Contention over Reservation MAC Protocol for Time-Critical Services in Wireless Body Area Sensor Networks,” Sensors, vol. 16, 2016.5.
“Adaptive Ressource Balancing for Serviceability Maximization in Fog Radio Access Networks”, IEEE Access, Vol.5, 2017
-９-
V. Expected Result & Proposition
o Technology transfer and commercialization
- Start-up based on the project results: BigPictionLab corp. Keum Chang-sup 2018. 1
o Acquiring core technology for recommendation of golden time service by analyzing fast data generated from user’s nearby area, instead of relying on big data cloud technology for historical data analysis.
o It can be also applied to the 5G service networking markets.
6. Expected Result & Proposition
5G super-connected network service
It is expected that 5G mobile network will provide much faster data rates to users than now and will be evolved to the environments which produce a variety of intelligent services and proximity services.
By deploying the service recommendation platform of this project to small cells and/or access points, small cells and access points can be intelligent. Through this, context aware services and proximity services can be delivered to users.
New service providing paradigm can be given a birth against OTT based service providing paradigm.
Space specific personalized service
Accelerating mobile edge cloud services which provide services directly at mobile nodes.
Exploring new niche markets which provided personalized services taking advantage of space based context, edge computing and micro intelligence recommendation technologies.
Smart IoT gateway
IoT market is increasingly growing and it is expected that the introduction of home and business IoT gateway is accelerated.
-１０-
Current IoT gateways play a limited role as collecting and converting various sensor types of information.
If the service recommendation platform technologies is applied to IoT gateways, the IoT gateways, which can do machine learning and analyze data in real time, can provides various intelligent services, and bring new values.
-１１-
목 차
제 1 장 연구개발 배경 ... １５ 제 1 절 연구개발의 필요성 및 목적 ... １５ 제 2 절 연구개발 동향 ... １５ 제 2 장 관련 기술 동향 분석 ... ２１ 제 1 절 단말 근접 서비스 기술 ... ２１ 제 2 절 단말 협업 미들웨어 기술 ... ２４ 제 3 절 소형 장치 하드웨어 플랫폼 기술 ... ２７ 제 4 절 단말근접 데이터분석 및 서비스추천 알고리즘 ... ３１ 제 3 장 연구개발 목표 및 범위 ... ４５ 제 1 절 총괄연도 연구 범위 ... ４５ 제 2 절 당해연도 연구 범위 및 목표 ... ４６ 제 3 절 연구개발 추진 체계 및 방법 ... ４８ 제 4 절 당해연도 연구 목표 달성도 ... ５０ 제 4 장 연구 수행 내용 및 결과 ... ５３ 제 1 절 로컬 인텔리저스 서비스추천 알고리즘 고도화 ... ５３ 제 2 절 경량형 패스트데이터 분석 알고리즘 고성능화 ... ７３ 제 3 절 로컬 인텔리전스 서비스추천플랫폼 PoC 개발 ... ７６ 제 4 절 로컬 인텔리전스 특화 서비스 추가 발굴 및 개발 ... １０３ 제 5 장 연구 성과 활용 가능성 ... １１１ 제 1 절 활용 분야 ... １１１ 제 2 절 기대 효과 ... １１１ [부록 1] 연구 결과물 ... １１４ [부록 2] 참고문헌 ... １１９ [부록 3] 약어표... １２７-１２-
그림 목차
<그림 1> 비콘 기반의 근접 서비스 제공 예 ... ２２ <그림 2> ProSe 기반 동작서비스 원리 ... ２３ <그림 3> AllJoyn 프레임워크 구조 ... ２５ <그림 4> ARDUINO Uno SMD R3 ... ２８ <그림 5> 라즈베리 파이 3 ... ２８ <그림 6> 비글 본 블랙... ２９ <그림 7> 단말근접 실시간 스마트 서비스추천플랫폼 기술개발 연구 목표 ... ４５ <그림 8> 전체 연구개발 추진 일정 ... ４６ <그림 9> 2017년 연구개발 추진 일정 ... ４７ <그림 10> 연구개발 추진 체계 ... ４９ <그림 11> 알고리즘 연구 프로세스 ... ４９ <그림 12> 2016년 개별 사용자별 선호 예측을 위한 데이터 수집 결과 ... ５４ <그림 13> 개별 사용자 모형과 통합 사용자 모형의 단순 병합 전략 ... ５５ <그림 14> 협력적 병합 선호 예측 모형 ... ５６ <그림 15> 개별 사용자 선호 모형 ... ５７ <그림 16> 통합 선호 예측 모형 ... ５７ <그림 17> 협력적 병합 선호 예측 모형의 학습 알고리즘 ... ５９ <그림 18> 개인별 회귀 모형에서의 추천 정확도 vs. 추천 재현도 ... ６２ <그림 19> 통합 사용자 분류 모형에서의 추천 정확도 vs. 추천 재현도 ... ６４ <그림 20> 통합 사용자 회귀 모형에서의 추천 정확도 vs. 추천 재현도 ... ６５ <그림 21> 개인 식별 변수 + 통합 분류 모형의 추천 정확도 vs. 재현도 ... ６６ <그림 22> 개인 식별 변수 + 통합 회귀 모형의 추천 정확도 vs. 재현도 ... ６７ <그림 23> 협력적 병합 예측 모형의 오분류율, 정확도, 재현도 vs. L-norm .... ７０ <그림 24> 모형별 추전 정확도 vs. 추천 재현도 ... ７１ <그림 25> 라즈베리파이 클러스터 구성 ... ７４ <그림 26> 라즈베리파이 클러스터 시스템 구조도 ... ７５ <그림 27> LISP PoC 시스템 논리 구조도 ... ７８ <그림 28> LISP PoC 시스템 구조도 ... ７９ <그림 29> 추천 서비스 인터페이스 절차도 ... ８３ <그림 30> 서비스 추천 절차도 ... ８４ <그림 31> 기계학습 모델 제작 절차도 ... ８５ <그림 32> 센서 및 액추에이터 게이트웨이 연결 절차도 ... ８５ <그림 33> 로컬 인텔리전스 서비스추천플랫폼 PoC 기능 구조도 ... ８７ <그림 34> 책 추천 서비스 처리 기능 절차도 ... ８９ <그림 35> 온도 자동제어 추천 서비스 처리 기능 절차도 ... ９１ <그림 36> LISP PoC 데이터베이스 구성도 ... ９２ <그림 37> LISP PoC 테스트베드 시험 구성도 ... ９４ <그림 38> LISP PoC 테스트베드 ... ９５ <그림 39> LISP PoC 테스트베드에서 제공되는 사용자 단말 API ... ９６ <그림 40> LISP PoC 테스트베드 소프트웨어 동작 화면 ... ９７ <그림 41> 오픈하드웨어 Wi-Fi AP 기반 LISP PoC ... ９８ <그림 42> Zonal presence 기반 추천 서비스 제공 구성도... １０５ <그림 43> 활주로 점검 서비스 제공 구성도 ... １０８-１３-
표 목차
< 표 1 > 3GPP MEC 표준문서 ... １９ < 표 2 > Single Board Computer 비교 ... ２９ < 표 3 > 2017년 기술개발 성과지표 ... ４７ < 표 4 > 2017년 예산 집행현황 ... ５１ < 표 5 > 개별 사용자 선호 모형 vs. 통합 사용자 선호 모형 ... ５４ < 표 6 > 개별 회귀 모형에서의 오분류율, 추천 정확도, 추천 재현도 ... ６２ < 표 7 > 개인별 회귀 모형 생성을 위한 총 소요 시간(초) ... ６３ < 표 8 > 통합 사용자 분류 모형에서의 오분류율, 추천 정확도, 추천 재현도 .... ６３ < 표 9 > 통합 사용자 분류 모형 생성을 위한 총 소요 시간(초) ... ６４ < 표 10 > 통합 사용자 회귀 모형 오분류율, 추천 정확도, 추천 재현도 ... ６４ < 표 11 > 통합 사용자 회귀모형 생성을 위한 총 소요 시간(초) ... ６５ < 표 12 > 개인 식별 변수+통합 분류 모형의 오분류율, 추천 정확도, 재현도 .. ６５ < 표 13 > 개인 식별 변수+통합 분류 모형 생성을 위한 총 소요 시간(초) ... ６６ < 표 14 > 개인 식별 변수+통합 회귀 모형의 오분류율, 추천 정확도, 재현도 .. ６６ < 표 15 > 개인 식별 변수+통합 회귀 모형 생성을 위한 총 소요 시간(총) ... ６７ < 표 16 > 협력적 병합 예측 모형에서의 오분류율, 추천 정확도, 재현도 ... ６８ < 표 17 > 모형별 오분류율, 추천 정확도, 추천 재현도 ... ７０ < 표 18 > 최종 선택 모형 오분류율, 추천 정확도, 추천 재현도 ... ７２ < 표 19 > 분산처리에 의한 K평균 군집화 결과 ... ７５ < 표 20 > 분산처리에 의한 결정트리 학습결과 ... ７５ < 표 21 > 분산처리에 의한 협업 필터링 결과 ... ７５ < 표 22> 기능 개체간 상호 관계 ... ７９ < 표 23 > 로컬 인텔리전스 추천 서비스 목록 ... １０３
-１４-
제 1 장
연구개발 배경
-１５-
제 1 장
연구개발 배경
제 1 절 연구개발의 필요성 및 목적
사람과 모든 주변 사물이 통신네트워크 또는 인터넷에 연결되어 지능화되는 만물지능통 신 시대의 메가 트렌드는 네트워크의‘초연결화’와 서비스의 ‘초지능화’로 요약할 수 있 다. 초연결 환경에서 사물·네트워크·정보의 연관성 분석을 통해 사용자의 상황을 이해하 고 의도를 예측하여 사용자 만족도를 극대화하는 서비스 제공 기술이 요구되고, 개인화·지 능화된 서비스의 효과적인 제공을 위해 다양한 상황정보를 기반으로 사용자의 의도를 지능 적, 능동적으로 파악하고 대응할 수 있는 서비스 기술 개발이 필요하다. 센서 기술과 머신 러닝 기술의 발전, 퍼스널 클라우드, 인간 중심의 사용자 인터페이스 발전 및 네트워크의 융합 등 기술 발전은 더욱 정교한 상황 판단을 기반으로‘나’를 중심으로 하는 개인 맞춤 형 서비스 욕구를 증대시킴으로써, 일상생활의 공간을 지능공간화 하여 교통, 의료, 에너지 등 전 분야를 대상으로 안전하고 편리한 서비스 제공이 가능한 프레임워크 구축이 요구되고 있다. 또한 미래의 서비스 제공 패러다임인‘나를 이해하고, 나를 위한, 나에게 맞춘 인텔리 전스 서비스’를 효과적으로 제공할 수 있는 플랫폼 기술 개발이 필요하며, 나를 이해하고, 나를 위한, 나에게 맞춘 인텔리전스 서비스’를 실현하기 위해서는 사용자가 속한 공간(또 는 상황)에 적합한 서비스를 즉시적으로 제공해야 한다. 이러한 서비스는 대용량 서버 기반 의 클라우드 컴퓨팅을 통하여 제공될 수도 있지만, 사용자 주변 상황을 가장 잘 아는 사용 자 근접 노드에서 지연 없이 실시간으로 제공 되어야 한다. 무선접속 장치(Access Point), 소형셀, IoT 게이트웨이와 같은 사용자 근접의 자원제약 장치에서 지능형 서비스 제공하는 것에 대한 수요가 증가하고 있으며, 이에 대응하여 소형 장치에 탑재될 수 있는 로컬 인텔 리전스 서비스플랫폼에 대한 원천기술을 확보함을 목적으로 한다.제 2 절 연구개발 동향
1. 국내외 기술 동향
국내에서 상황인지형 서비스는 2000년대 중후반에 많이 연구되었고, 실제 서비스들도 출시된 적이 있지만, 기술과 시장의 미숙으로 거의 성공하지 못하였으나, 최근 이동통신 서 비스는 물론 TV, 가전, 스마트 홈 등 다양한 분야에 걸쳐 연구 및 제품이 선보이고 있다.-１６-
최근 이동통신망에서는 데이터의 폭발적 증가에 대응하고, 사용자에게 보다 나은 QoE 를 제공하기 위해 콘텐츠나 서비스를 네트워크 엣지에서 사용자에게 직접 제공하는 기술이 개발되고 되고 있으며, 대표적인 예로 SKT의 Service Aware RAN 기술이 있다. SKT/KT/LGU+ 는 기존의 메크로 셀룰러 환경에 소형셀을 결합한 Het-Net 환경 구축을 통한 용량 증대를 도모하고 있으나, 소형셀 기지국에 지능을 탑재하는 연구는 진행하고 있 지 않다. 한국전자통신연구원에서는 WiFi D2D 기술을 이용한 로컬 광고 기술을 개발하였으 며, AP에 근접해 있는 사용자들에게 광고를 전송하는 기능을 제공한다. 최근 SK텔레콤은 실내에서 사용자의 미세한 위치를 기반으로 광고 등 서비스가 가능한 비콘 및 관련 서비스 개발을 위한 플랫폼 ‘위즈턴’을 출시하였다. 국외에서는 최근 사용자에게 보다 나은 서비스 경험을 제공하고, 망 부하를 줄이기 위 해 네트워크의 엣지에서 콘텐츠를 캐싱하거나, 서비스를 제공하는 엣지 컴퓨팅과 관련된 다 양한 기술이 부각되고 있다. 사용자의 근처에 있는 엑세스 노드에서 콘텐츠를 캐싱하여 사 용자에게 빠르게 전송해주는 CDN 기술은 이미 널리 쓰이고 있다. 시스코는 포그 컴퓨팅이 라는 개념을 통해 사용자가 접속하는 엑세스 노드에서 사용자 데이터를 수집하고, 즉각적으 로 데이터를 처리하는 기술을 개발 중이며, Google은 Google Now을 통해 사용자 컨텍스트 기반의 개인화된 추천 서비스를 제공하고 있다.
2012년 12월 3GPP SA#58에서 삼성전자는 기지국 레벨의 RAN edge node에 응용 서비스 제어 기능을 통합하여 사용자 QoE를 증대시키는 Mobile CDN(mCDN) 과 Mobile CS(mCS) 를 지원하는 이동통신 네트워크 구조에 대한 연구를 제안하였다. 2012년 Small Cells World Summit에서 3G와 LTE 스몰셀을 개발하는 Ubiquisys는 인텔과 합작으로 스 몰셀에 “Edge Cloud”라 불리는 클라우드 플랫폼을 장착하여 다양한 응용을 탑재할 수 있 는 “Smart Cell” 기술을 선보였다.
무선 AP나 비콘 등을 활용한 다양한 단말 근접 서비스(Proximity Service)들이 상용 화되어 실생활에 도입되고 있으며 전망도 밝은 편이나, 현재는 지능화된 서비스를 제공하지 는 못하고 있고, 추후 지능화된 서비스를 제공할 수 있도록 발전할 것으로 예상된다. Gimbal과 iBeacon은 블루투스 저전력 기술을 활용한 기술로서, 동전크기 정도의 비콘 하드 웨어와 통신하여 근접 기반 서비스를 제공할 수 있는 소프트웨어 프레임워크를 같이 제공하 고 있으며, Gimbal과 iBeacon은 로컬 광고/쇼핑몰 제품 안내/전자 결재 등 다양한 분야에 활용될 수 있으나, 사용자에게 지능적인 서비스를 제공하지 못한다는 제약이 있다. 스마트 홈, 스마트 가전, 스마트 시티 등 다양한 분야에서 상황 인지 서비스 또는 머신 러닝에 기반한 지능화된 기능을 제공하는 연구가 진행 중이며, 실제 상용화 되어 제품으로 출시되고 있는 추세로 지속적인 발전 가능성이 있다. NEST는 온도조절기 제품 안에 사용자 의 사용 패턴을 학습하는 지능을 탑재하여 자동으로 온도를 조절하는 기능을 제공하고, GE
-１７- 는 사용자의 사용 패턴을 학습하여 동작하는 Aros라는 에어콘을 출시하였다. 스마트폰 제 조업체에서는 여러 정보를 활용하여 사용자에게 도움을 주는 개인비서 어플리케이션(예: 시 리, Cortana)을 개발하고 있으나, 상황인식에 기반한 서비스 추천보다는 음성을 통한 스마 트폰 기능 수행에 초점이 맞추어져 있다. 다양한 사물이 통신장치와 센서로 망에 연결되어 정보를 공유하고 서로의 동작을 제어 하는 사물인터넷(IoT·Internet of Things)의 세상이 2017년 하반기 본격화될 전망이다. 웨어러블 기기 등 비교적 크기가 작고 사물 간 교환하는 데이터의 양이 많지 않은 기기를 소물(Small Thing)이라고 하며, 이러한 소물에 적용되는 사물 인터넷 기술을 소물인터넷이 라 하는데 지난달까지 소물인터넷을 위한 전국망들이 속속 깔리고 관련 서비스가 늘어나면 서 사물인터넷 대중화를 이끌고 있다. 소물인터넷의 기술 표준은 SK텔레콤이 지난해 6월부 터 활용 중인 로라(LoRa)와 KT·LG유플러스가 지난달 공동으로 전국망을 구축한 협대역 사물인터넷(NB-IoT)이 있다. 이통 3사 모두 영상 모니터링 등 실시간 중용량 데이터가 필 요한 소물인터넷 서비스에는 통신사의 LTE 망을 그대로 사용하는 저전력 장거리 통신 표 준 기술인 LTE-M을 활용하고 있다. 통신사들은 포화상태에 이른 국내 이동통신 시장을 대신할 새로운 수익원으로 사물인터 넷 시장에 힘을 쏟고 있다. SK텔레콤은 지난해 11월 위치 측정 전문 스타트업 스파코사와 협력해 위치 추적 단말기 지퍼(Gper) 서비스를 시작으로 현재까지 로라망을 활용한 22개 의 서비스를 선보였고 올해 내로 공공안전·산업 분야 서비스를 포함해 50종의 상품·서비 스를 선보일 계획이다. 지난달에는 로라를 활용해 소의 이력을 관리하고 질병·임신 등 소 의 신체 변화를 모니터링하는 ‘라이브케어(Live Care)’서비스를 출시했다. 라이브케어 서 비스는 소의 첫번째 위에 로라 통신 모듈을 탑재한 바이오캡슐을 투입해 소의 체온과 산도 등을 모니터링해 소의 질병 징후와 발정 탐지, 수정 적기 예측, 분만 징후 파악, 물 마심 횟 수를 제공한다. 해외진출에도 적극 나서고 있다. SK텔레콤은 지난달 중국 충칭시 등과 사업 협력 양해각서를 체결하고 가스 원격 검침, 스마트 가로등 시범서비스를 시작했다. KT는 지난해 말 센서와 GPS, 무선 통신 모듈을 갖춘 작업자용 안전띠를 선보였는데 이를 사용하면 아파트 등 건설현장에서 작업자의 추락 사고를 예방하고 사고 발생 시 신속하게 대처할 수 있다. 물류 관리 서비스인 ‘콜드체인’ 서비스는 온도에 민감한 제품 배송 시 상차부터 하차 단계까지 배송 상태와 품질의 변화를 실시간으로 모니터링해주는 서비스다. 지난달 6일에는 스마트 IoT센서를 부착한 발광다이오드(LED) 전등을 쪽방촌 독거노인 80 가구에 시범적으로 제공했다. 동작감지 기능을 갖춘 스마트 IoT센서는 할머니·할아버지의 움직임이 장기간 없을 때 사회복지사에게 바로 알려준다. 문자·음성 자동변환(Text to Speech·TTS)과 비상벨 등의 기능을 갖추고 있어, 안내방송이나 긴급 상황 전달도 할 수 있다. 지난달 27일에는 현대해상과 ‘IoT 기반의 보험융합상품 공동 개발 협력을 위한 업
-１８- 무협약’을 체결하고 NB-IoT 기반 위치 추적기를 활용한 어린이 보호 상품 출시를 준비 하고 있다.
2. 국내외 표준화 동향
근접 기반 서비스를 가능하게 하는 다양한 Radio 기술이 표준화가 완료되었거나 진행 중이며, 3GPP에서는 2012년부터 친구 찾기, 광고 등 물리적으로 인접해 있는 단말을 이용 한 서비스를 가능하게 하는 ProSe(Proximity-based Service) 표준화를 진행해 오고 있다. WiFi Alliance에서는 IEEE 무선랜 표준을 기반으로 하여 인접한 단말끼리 직접 통신할 수 있는 WiFi Direct로 불리는 산업 표준을 만들었으며, 이미 대부분의 스마트폰 기기에 탑재 되어 사용되고 있다. IEEE에서는 근접 기반 서비스가 가능한 PAC(Peer Aware Communication)에 대한 표준화를 2012년부터 진행 중(IEEE 802.15.8)이다. 2010년 비 콘 기반의 근접 서비스가 가능한 Bluetooth LE라는 산업 표준이 완료되었고, 애플 iBeacon 과 Gimbal 플랫폼의 기초 기술로 사용되었다.상황인지 서비스와 머신 러닝은 그 특성상 표준화가 이루어지는 대상은 아니나, Semantic 웹 기술을 위한 콘텍스트 정보의 표현 및 처리를 위한 표준화가 W3C를 통해 이 루어지고 있다. OMA에서는 2010년부터 NGSI(Next Generation Service Interface)의 일 부 기능으로 Context 정보를 관리하는 API 표준화 작업을 진행해왔으나, 현재는 활동이 없 는 상태이다. 소형셀은 산업체 표준화 작업을 위해 Small Cell Forum이 결성되어 작업을 진 행하고 있으며, 3GPP에서는 HeNB를 위주로 하여 Release 8부터 표준화 작업이 진행되어 오고 있다. C-RAN은 NGMN을 중심으로 표준화 작업이 이루어지고 있으나, 3GPP에서의 표준화 작업은 활동이 없고, C-RAN과 소형셀에 지능을 넣어 서비스를 제공하는 것 자체는 표준화 이슈는 아닌 것으로 파악된다. IoT 및 M2M 관련 표준화는 여러 단체에서 활발히 진행되고 있는데, ITU-T에서는 글로벌 규모의 IoT 시스템 기술 표준 제정 작업을 하고 있으며, 3GPP에서는 이동통신 기반 의 M2M 서비스 실현을 가능하게 하는 MTC(Machine Type Communication) 표준화를 진 행 중이다. M2M 서비스 플랫폼에 대한 표준화가 ETSI M2M TC를 비롯하여 여러 기관에서 진행되고 있었으나, 최근 세계 지역별 대표 표준화 기관이 공동으로 설립한 oneM2M이 결 성되어 글로벌 표준 작업을 하고 있으며, 2014년 7월 표준 릴리즈 1을 공표하였다. IETF에 서는 6LoWPAN WG, ROLL WG, Core WG 등 워킹 그룹을 통해 IP 상에서 IoT를 지원하 기 위한 다양한 프로토콜 표준화 작업을 진행하고 있으며, CoAP 규격을 표준화하였다.
-１９-
위한 기술을 표준화하기 위한 노력을 하고 있으며 2017년 현재 작업중이거나 완료한 표준 문서는 아래와 같다.
< 표 1 > 3GPP MEC 표준문서 문서 번호 문서 제목
GR MEC 018 Mobile Edge Computing(MEC); End to End Mogility Aspects GS MEC 010-1 Mobile Edge Computing (MEC); Mobile Edge Management; Part
1: System, host and platform management
GS MEC 015 Mobile Edge Computing (MEC); Bandwidth Management API GS MEC 016 Mobile Edge Computing (MEC); UE application interface
GS MEC 009 Mobile Edge Computing (MEC); General principles for Mobile Edge Service APIs
GS MEC 010-2 Mobile Edge Computing (MEC); Mobile Edge Management; Part 2: Application lifecycle, rules and requirements management GS MEC 011 Mobile Edge Computing (MEC); Mobile Edge Platform
Application Enablement
GS MEC 012 Mobile Edge Computing (MEC); Radio Network Information API GS MEC 013 Mobile Edge Computing (MEC); Location API
GS MEC-IEG 006 Mobile Edge Computing; Market Acceleration; MEC Metrics Best Practice and Guidelines
GS MEC 002 Mobile Edge Computing (MEC); Technical Requirements
GS MEC 003 Mobile Edge Computing (MEC); Framework and Reference Architecture
GS MEC 001 Mobile Edge Computing (MEC) Terminology GS MEC-IEG 004 Mobile-Edge Computing (MEC); Service Scenarios
-２０-
제 2 장
-２１-
제 2 장 관련 기술 동향 분석
제 1 절 단말 근접 서비스 기술
단말 근접 서비스란 물리적으로 가까이 있음으로써 가능한 서비스를 일컫는다. 예를 들 어, 사용자가 카페 앞을 지나갈 때, 카페로부터 할인 쿠폰을 수신하거나 공원에서 아이가 부모로부터 멀어지게 되면 경고음이 울리는 서비스이다. 근접 서비스는 사용자가 있는 위치가 서비스를 제공함에 있어 중요한 정보로 작용한다 는 점에서 기존의 위치 기반 서비스(Location Based Service: LBS)와 유사하다고 볼 수 있 으며, 범의로 근접 서비스를 일종의 위치 기반 서비스를 보는 것도 문제는 없을 것이라고 생각한다. 그러나 구체적으로 살펴보면 근접 서비스는 위치 기반 서비스와 확연히 다른 특 징이 있다. 첫 번째로 서로 가까이 있음을 판단하는 방법이다. 위치 기반 서비스의 경우 단 말에서 사용자의 위치가 계산되어 인터넷에 연결된 서버로 전송되면 서버에서 사용자의 위 치와 서버에 이미 저장되어 있는 상점의 위치나 다른 사용자의 위치를 비교하여 계산함으로 써 두 가지 대상이 서로 가까이 있음을 파악한다. 그러나, 근접 서비스는 대상(단말)끼리 직접적인 무선 통신을 통해 근접해 있음을 알아낸다. 다른 말로, 위치 기반 서비스의 경우 사용자의 지리적 위치가 서비스 제공의 필수 요소인 반면 근접 서비스는 사용자의 지리적 좌표 정보 보다는 사용자가 어떤 대상과 물리적으로 같은 공간에 있다는 사실 자체가 중요 한 요소가 된다. 또한 근접 서비스의 경우 대상 단말끼리 직접 통신을 통해 양방향 혹은 단 방향의 데이터를 주고 받을 수 있다는 특징이 있다. 근접 서비스의 이러한 특징들은 서비스 의 적재성, 적시성을 향상시키는 데 기여를 한다. 근접 서비스가 가능하기 위해서는 무선 계층의 단말 간 직접 통신 기술이 필요한데 대 표적인 것으로 블루투스(Bluetooth), Wi-Fi D2D, LTE D2D 기술을 들 수 있다. 단말간 직 접 통신을 하기 위해서는 단말은 다른 단말이 자신과 접속할 수 있도록 하기 위해 소량의 데이터를 공중(air)에 브로드캐스트해야만 하는데, 이 때 전송되는 소량의 데이터에 서비스 에 활용될 수 있는 데이터를 포함하는 것이 기본적인 동작 원리라고 말할 수 있다. 현재까 지는 많은 솔루션이 오프라인 매장에서 소비자에게 보다 나은 서비스를 제공하기 위한 것들 이 대부분이지만, 최근 스마트 홈, 유통 등 다양한 분야로 적용 범위가 확대되는 양상을 보 이고 있다.1. Bluetooth 기반 근접 서비스 기술
최근 근거리 무선 통신 기술인 블루투스 기반의 비콘을 이용한 근접 서비스 솔루션들이-２２-
잇달아 출시되고 있다. 블루투스 비콘의 경우 GPS(Global Positioning System) 기반 위치 측위에 비해 실내에서 사용 가능하고 더 정교하다는 장점이 있어 경기장, 전시회, 미술관, 상점 등 건물 내에서 다양한 서비스를 제공할 수 있는 기반 기술로 사용될 수 있다. 대표적 인 사례로, 애플의 iBeacon과 Gimbal을 들 수 있으며, 국내에서도 SKT가 솔루션을 이미 출시하고 있다. 아래 그림은 블루투스 비콘을 이용한 근접 서비스의 대표적인 예이다. <그림 1> 비콘 기반의 근접 서비스 제공 예 사용자가 매장 근처에 가면 매장에서 광고하는 특별 판매 행사 안내를 받고, 매장 안으 로 들어가면 즉석에서 할인 쿠폰을 받게 된다. 진열된 상품 앞에 서면 그 상품에 대한 다양 한 정보를 스마트폰을 통해 즉시에 확인할 수 있으며, 물건을 구입하고 매장을 나갈 시에는 자동으로 결재까지 이루어진다. 매장 내에 비콘이라 불리는 조그마한 장치를 설치하고, 사 용자의 스마프폰에는 비콘을 인식하는 어플리케이션이 설치가 된다면 위와 같은 서비스는 쉽게 구현될 수 있다. 이러한 유형의 서비스에서의 가장 큰 강점은 제공되는 서비스가 현재 의 사용자의 의도와 높은 관련성(Relevance)을 가질 수 있다는 점이다. 즉, 필요한 곳(적 재성)에서 필요한 시점(적시성)에 서비스 제공이 가능해 질 수 있다는 것이다.
2. LTE 기반 근접 서비스 기술
LTE 기반의 근접 서비스는 2011년 2월 퀄컴이 MWC(Mobile World Congress)에서 FlashLinQ를 시연한 이래 3GPP에서도 Prose라는 이름으로 표준화가 되고 있다. 3GPP에 서 표준화하고 있는 Prose는 크게 일반적인 상황에 사용되는 시나리오와 비상 상황시 공공 의 안전을 위해 단말간 직접 통신을 가능하게 하는 public safety 시나리오로 나눌 수가 있
-２３-
다. 일반적인 시나리오에서는 두 단말이 직접 데이터 통신을 할 수 있는 방법과 더불어 두 가지의 찾기(Discovery) 방법을 제시하고 있다. 열린 찾기(Open Discovery)의 경우는 아 무런 조건 없이 근처에 있는 단말이 서로 그 존재를 발견할 수 있는 경우이고, 제한된 찾기 (Restricted Discovery)의 경우에는 특정한 조건(예: 친구 사이)이 맞을 때만 서로 발견할 수 있는 경우이다. 전자는 상점에서 광고를 하는 경우에 유용하고 후자는 SNS와 같은 어플 리케이션을 사용할 때 유용할 수 있다.
Prose를 이용한 D2D 통신은 모바일 트래픽 폭증을 경감시키는 역할을 할 것으로 기 대하고 있는 반면 Prose Discovery 기능은 모바일 마케팅, GeoFencing와 같은 새로운 근 접 기반 서비스의 등장을 가속화시킬 것으로 기대하고 있다. 3GPP Prose를 이용한 서비스 동작 원리는 다음과 같다.
<그림 2> ProSe 기반 동작서비스 원리
먼저 단말 A와 단말 B에는 근접 서비스를 위한 어플리케이션이 실행되고 있다고 가정 한다. 단말 A는 기지국의 도움을 받아 Prose Application ID와 같은 특정 근접 기반 서비스 와 연관된 작은 정보를 주기적으로 공중(Air)에 브로드캐스트하고, 단말 B는 기지국으로부 터 얻은 정보에 근거하여 무선 전송 프레임내에서 단말 탐색을 위한 정보를 수신하고 Prose Application ID를 추출한다. Prose Application ID에는 사용자 근처에 있는 특정 매장 을 식별할 수 있는 비즈니스 카테고리, 비즈니스 서브 카테고리, 비즈니스 이름, 상점 아이 디 등이 포함될 수 있다. 단말에서 실행 중인 어플리케이션은 Prose Application ID를 해석 하여 사용자에게 정보를 알려주게 되는데, 필요에 따라 D2D 연결을 통해 부가적인 통신을 수행(3a)하거나 인터넷에 있는 어플리케이션 서버와 연동(3b)할 수 있을 것이다.
응용 서버
기지국 도움 정보
1. Broadcasting
APP. ID 2. monitoring APP. ID 3a. D2D Communication 3b . Connect To App . Server 단말 A 단말 B
-２４-
3. WiFi 기반 근접 서비스 기술
Wi-Fi는 우리가 가장 흔하게 사용하는 인터넷 접속 방법의 하나로서, 사용자 단말이 AP에 접속하게 됨으로써 IP 연결 서비스를 사용하게 된다. 그러나 최근 Wi-Fi를 단순한 인터넷 접속 방법으로 사용하는 것이 아닌 근접 서비스를 제공하기 위한 방법으로 사용하기 위한 기술 들이 등장하고 있다. AP를 이용하여 상점 주변에 있는 사람들에게 광고를 할 수 있는 플랫폼이 상용화되어 사용되고 있으며, 근접 단말간 컨텐츠 공유, SNS 메시징, 근접 광고 등과 같은 Wi-Fi Direct를 이용한 다양한 근접 서비스가 제공되고 있다.AP를 이용한 근접 마케팅 솔루션은 사용자가 AP에 접속하지 않고 AP가 전송하는 광 고 메시지를 수신하는 경우와, 사용자가 AP에 접속하여 브라우저를 실행하면 특정 광고 페 이지가 자동으로 나오도록 하는 경우이다. 예를 들어 커피숍에 갔을 때 커피숍에서 제공하 는 무료 Wi-Fi 서비스를 사용하기 위해 커피숍에 설치된 AP에 접속하면 광고 페이지가 나오고, 해당 광고 페이지를 보고 난 후에야 비로소 다른 인터넷 웹 페이지에 접속할 수 있 도록 하는 서비스가 후자의 예이다. 근접 거리 내 고객에게 맞춤형 광고를 제공하는 근접 마케팅 솔루션인 iSign은 Wi-Fi와 블루투스를 결합하여, 자사 서버에 미리 등록된 고객에 게 인터랙티브 마케팅 지원을 위해 개별 상점에 설치된 AP 모양의 기기에서 고객의 위치를 이용하여 로컬 광고를 전달한다.
제 2 절 단말 협업 미들웨어 기술
단말 협업 미들웨어 기술은 근거리의 로컬 네트워크에 연결된 단말들이 통신할 수 있고, 상호간 다양한 서비스를 제공할 수 있도록 하는데, 로컬 네트워크 접속 및 주소 할당과 장 치(혹은 서비스) 발견이 주요 이슈이다. 로컬 네트워크에서 단말들이 접속해서 서로 통신 하기 위해서는 네트워크 주소가 필요 하다. 대부분의 기술은 IP 주소를 이용하기 때문에, 로컬 네트워크에 접속시에 동적으로 IP 주소를 할당해 주는 방식이 필요하다고 할 수 있다. 특히 이 때 사용되는 IP는 글로벌 IP일 필요는 없을 것이다. 따라서 ZeroConf와 같이 단말에게 링크 로컬 주소를 할당해주는 방식 은 상당히 효과적인 방식이라고 할 수 있다. 이미 설정되어 있던 글로벌 IP를 이용하던지 링크 로컬 주소를 즉시적으로 할당 받아 사용하던지간에 어플리케이션 입장에서 더욱 중요한 것은 다른 장치를 발견하거나 다른 장 치가 제공하는 서비스를 발견하는 일일 것이다. 단말 협업 미들웨어 기술은 장치 및 서비스 를 발견하는 자체 기술을 모두 포함하고 있으며, 이 기술이 바로 단말 협엽 미들웨어 기술-２５- 의 핵심이라고 할 수 있다. 이러한 기술은 디렉토리 역할을 하는 서버를 별도로 이용하는 서버/클라이언트 방식으로 동작할 수도 있고, 그러한 서버없이 멀티캐스트와 같은 기술을 이용하여 피어 대 피어 방식으로 동작할 수도 있다. 이러한 미들웨어 기술의 덕택으로 어플 리케이션 로직과 네트워킹 로직을 분리할 수 있게 됨으로써, 쉽게 로컬 네트워킹 환경을 위 한 어플리케이션 개발이 용이해 질 수 있다.
1. AllJoyn
AllJoyn은 근접 디바이스간 분산된 어플리케이션을 공유할 수 있도록 P2P 통신을 지 원하는 프레임워크로, Bluetooth, Wi-Fi, Wi-Fi Direct와 같은 물리적인 통신 방식을 기반 으로 한다. AllJoyn은 OS에 크게 구애받지 않는 크로스 플랫폼 기술이며, AllJoyn 어플리케 이션은 모바일 디바이스, 태블릿, TV, PC와 같은 다양한 디바이스 상에 구현이 되어 상호 연동 가능하다. AllJoyn은 2011년 Mobile World Congress 에서 Qualcomm이 선보였으며, 현재는 AllSeen Alliance에서 open source project로 AllJoyn 프레임워크 기반 IoT 상호운 용을 진행중이다. <그림 3> AllJoyn 프레임워크 구조 AllJoyn 응용은 디바이스간 P2P 기능을 이용하여 근거리에 있는 사람들과 게임, 미디 어 공유, 협업 등을 가능하게 한다. 예를 들어, 실시간 멀티플레이어 게임, 쿠폰이나 명함을 제공하는 proximity 서비스, 행사나 여행에서 찍은 사진을 디지털 액자나 TV와 같은 다른 미디어에 동기화 서비스, 회사 동료나 학교 친구와 프로젝트 협업 서비스, 차량/홈 스테레오-２６- 에 폰에 있는 음악 재생 목록을 생성하거나 스트리밍 서비스 등 다양하게 이용될 수 있다. 이처럼 AllJoyn 프레임워크는 근거리 기반 P2P 통신을 지원하는 오픈 소스 프레임워크로 널리 활용 가능하며, Proximity 기반 광고 및 쿠폰 제공 서비스에 이용될 수 있다.
2. ZeroConf (Bonjour)
ZeroConf 기술은 로컬 네트워크 상에서 장치들을 쉽게 발견하고 장치들이 제공하는 서 비스를 쉽게 사용할 수 있도록 하기 위해 개발된 기술로서 IETF에서 표준화된 기술이다. ZeroConf의 표준화는 애플이 제안한 Bonjour에 기반하기 때문에 Bonjour라고 혼용되어 사용되기도 한다. 대부분의 OS에서는 이미 Bonjour를 지원하고 있다. ZeroConf 기술은 IP 상에서의 제로 컨피규레이션 네트워킹을 가능하기 하는 기술을 표방한다. 제로 컨피규레이 션 네트워킹은 Ad-hoc으로 네트워크에 접속하고 네트워크 접속된 다른 장치들을 쉽고 찾 고, 그들이 제공하는 서비스를 쉽게 사용하도록 하는 기술로, 장치에 IP 할당(Addressing), IP 대신 이름으로 장치 사용(Naming), 장치들이 제공하는 서비스 찾기(Service Discovery) 가 중요하다. ZeroConf 기술은 사용자가 이동하면서 여러 가지 장치를 사용하는 환경에서는 더더욱 필요성이 부각되는 기술이다. 예를 들어, 사용자가 휴대폰에 저장된 사진이 있다고 하자. 사 용자가 외근을 가게 되었는데, 휴대폰에 저장된 사진을 출력할 일이 생겼다고 하자. 이때 ZeroConf 기술을 이용하면 사용자는 외근을 간 장소에서 아무런 절차 없이 외근지의 로컬 네트워크에 접속하게 되고, 외근지에 있는 프린터를 발견하여 바로 사용할 수 있게 된다.3. UPnP
UPnP 기술은 MS가 주축이 되어 제안한 홈 네트워크 미들웨어 기술로 정보가전, 무선 통신장치, PC관련 장비 등 여러 장소에 분산되어 있는 디바이스와 서비스간의 편리한 통신 을 제공한다. 이는 윈도우의 PnP(Plug and Play)를 보다 다양한 장치에 적용할 수 있게 확 장한 것으로, 네트워크상에서 관리자의 직접적인 개입이 없거나, 사전 정보가 없는 상태에 서도 장치들의 연결이 가능하도록 해준다. UPnP는 TCP/IP를 사용하여 구성된다. 이 프로 토콜 위에서 XML(eXtensible Markup Language) 기반으로 SOAP(Simple Object Access Protocol)과 GENA(General Event Notification Architecture), SSDP(Simple Service Discovery Protocol)를 사용해 정보를 주고 받는다. 따라서 구현된 프로그램의 언어나 기 반 시스템에 독립적이다. 그리고 웹 브라우저를 통해 디바이스를 제어하는 사용자 인터페이 스를 제공한다.-２７- UPnP의 동작은 디바이스와 컨트롤 포인트를 중심으로 설명 할 수 있다. 디바이스는 사 용자가 필요로 하는 서비스를 제공하는 장치로 컨트롤 포인트의 명령을 받아들여 서비스를 제공하는 역할을 한다. 컨트롤 포인트는 명령을 만드는 장치로 필요에 따라 디바이스에게 서비스를 요청 한다. UPnP 기술은 단말근접 서비스 제공을 위해 필요한 장치검색 및 서비 스검색 관점에서 기술에 대한 깊이 있는 이해가 필요할 것으로 판단된다. 응용 및 서비스플 랫폼 입장에서는 이를 활용하는 관점에서 접근해야 한다.
제 3 절 소형 장치 하드웨어 플랫폼 기술
수많은 사물이 서로 연결되는 IoT가 실현되어 감에 따라 사물이 다양한 기능을 수행할 필요성이 점차 증대되고 있다. 기존에는 이러한 사물들이 특정 사용 목적에만 사용되었기 때문에, 주로 특화된 HW와 소프트웨어로 구성된 특수 목적의 embedded system 형태로 개발되었는데, 점차 사물의 지능이 발전함에 따라 좀 더 소프트웨어가 기능을 주도하는 형 태로 변화가 이루어지고 있다. 이러한 변화를 가능하게 하는 것이 오픈 하드웨어 플랫폼 기 술이라고 할 수 있다. 본 절에서는 대표적인 오픈 하드웨어 플랫폼과 범용성을 가진 소형 장치용 하드웨어 플랫폼에 대하여 개괄적으로 설명하고자 한다. 소형 장치용 하드웨어 플 랫폼들은 대부분 SBC(Single Board Computer) 형태를 가진다.1. 아두이노(Arduino)
아두이노는 2005년 이탈리아에서 학생들에게 쉽게 센서와 엑츄에이터를 이용하는 장치 를 만드는 수단을 제공할 목적으로 시작된 프로젝트였으나, 최근 IoT 관련 여러 장치들을 실험적으로 만들어 볼 수 있는 프로젝트로 발전하였다. 기본적인 개발 소프트웨어를 탑재한 하드웨어가 출시되고 있으며 개발 커뮤니티가 활성화되어 있다. 기본적으로 Atmel사의 AVR 기반으로 단일보드를 제공하였으나 현재는 Cortex-M을 이용한 제품이 많이 출시되 고 있다. 아두이노는 보드의 회로도가 공개되어 있기 때문에, 회로도를 이용하여 새로운 형 태의 보드를 개발하는 것을 가능하게 한다.-２８- <그림 4> ARDUINO Uno SMD R3
2. 라즈베리 파이
2012년 영국의 라즈베리 파이 재단이 학교에서 컴퓨터 및 과학 교육을 증진시키기 위 해 만들어진 라즈베리 파이는 범용성을 가진 대표적인 오픈 소스 싱글보드 컴퓨터이다. 하 나의 보드위에 CPU 및 메모리, 그래픽카드, 각종 입출력 장치를 갖춘 하나의 컴퓨터이다. 특히 센서 들을 쉽게 연동할 수 있는 SPI, UART, GPIO, I2C 등 다양한 입출력을 지원한다. GUI 기반 OS의 설치가 가능하고 다양한 개발 툴의 설치가 용이하여 다양한 어플리케이션 의 개발이 용이하다는 장점이 있다. 라즈베리 파이도 오픈 하드웨어 플랫폼으로서 설계도가 공개되어 있다. <그림 5> 라즈베리 파이 33. 비글본 블랙
비블본은 텍사스 인스트루먼트사에서 개발된 ARM 기반의 프로세서를 쓰는 싱글 보드 컴퓨터로서 BeagleBoard, BeagleBorad xM, BeagleBon 등 다수의 모델을 갖추고 있다. 특 히 최근 출시된 비글 본 블랙은 라즈베리 파이와 유사한 성능을 가지고 있으며, 1GHz 클럭-２９-
스피드를 가진 ARM Cortex A8 프로세서를 장착했으며, 512MB RAM에 2GB의 온 보드 플 래시 스토리지를 가지고 있으며, 기본적으로 리눅스 계열의 OS인 Angstrom이 설치되어 있 다.
<그림 6> 비글 본 블랙
4. 대표적인 SBC 성능 비교
최근 다양한 사양을 가진 싱글보드 컴퓨터들이 다수 출시되고 있다. 예를 들어 Banana Pi, Orange Pi, ODROID, CubieBoard 등이 있다.
< 표 2 > Single Board Computer 비교
모델명 Soc 구조 속도 RAM
Banana Pi M2 Allwinner A31s ARM-Cortex-A7 1GHz 1GM Banana Pi M3 Allwinner A83T ARM-Cortex-A7 1.8GHz 2GM BeagleBone TI Sitara AM335x ARM-Cortex-A8 720MHz 256MB BeagleBone Black TI Sitara AM335x ARM-Cortex-A8 1GHz 512MB
Cubieboard Allwinner A10 ARM-Cortex-A8 1GHz 1GB Cubieboard4 Allwinner A80 ARM Cortex-
A15x4
1.3GHz 2GB
ODROID-C2 Amlogic S905 ARM-Cortex-A53 1.5GHz 2GB ODROID-XU4 Smasung Exynos 5 ARM-Cortex-A15 2GHz 2GB
-３０- Octa(5422)
Orange Pi plus ? ARM-Cortex-A7 1.5GHz 1GB Raspberry Pi 2 Model B Broadcom BCM2836 ARM-Cortex-A7 900Mhz 1GB Raspberry Pi 3 Model B Broadcom BCM2837 ARM-Cortex-A53 1.2 GHz 1GB
UDOO Quad Freescale i.MX6 Quad ARM-Cortex-A9 1GHz 1GB HummingBoard i2 Freescale i.MX6 Dual lite ARM-Cortex-A9 1GHz 1GB
pcDuino3 Allwinner A20 ARM-Cortex-A7 1GHz 1GB
5. IoT용 하드웨어 플랫폼
IoT 플랫폼 시장을 점유하기 위해 거대한 하드웨어 회사들이 다양한 하드웨어 플랫폼 과 더불어 개발을 활성화하기 위한 오픈 커뮤너티를 운영하고 있다. 삼성은 Artik이라는 IoT 개발 플랫폼을 운영하고 있다. Artik은 프로세서(AP), 메모리, 통신, 센서 등으로 구성 된 초소형 IoT 모듈로, 소프트웨어/드라이버, 스토리지, 보안 솔루션, 개발보드, 클라이드 기능의 하나의 모듈에 집적된 플랫폼이라고 할 수 있다. 삼성은 다양한 크기와 성능을 가진 Artik 모듈을 제공하고 있다. 인텔은 손가락 정도의 크기를 가진 웨어러블 기기용 하드웨어 플랫폼인 에디슨 플랫폼을 출시하고 있는데, WiFi, 블루투스 등 통신을 기본적으로 지원하 는 초소형, 초저전력 플랫폼으로서 소형 IoT 기기에 제작에 특화되어 있다. 다양한 센서을 연동하기 위한 I/O 핀을 장착하고 있으며 1GB의 메모리와 500Mhz 혹은 100Mhz의 CPU 성능을 가지고 있다. 인텔은 또한 아두이노 급의 범용 개발 보드인 Galileo도 출시하고 있 다. 세계적인 프로세서 개발 회사인 ARM은 ARM Mbed 프로젝트를 진행하고 있다. ARM Mbed 프로젝트는 ARM Cortex-M 계열의 저전력 MCU(Micro Controller Unit)를 이용한 사용자 친화형 개발환경을 제공하고 있으며, 보드를 구성하는 MCU 및 부품들의 위치, 핀 번호 연결 등의 정보를 제공하고 다른 부품들을 손쉽게 추가하거나 교체할 수 있도록 정보 를 공개하고 있다. 이는 ARM사가 독자적으로 제공하는 프로젝트가 아니라, Cortex-M을 마이크로 컨트롤러로 사용하여 제어모듈을 생산하는 Freescale, STMicro, TI 및 NXP 등 경량단말을 위한 칩 제공업체들이 HW 플랫폼을 공 개하고 협력하는 체계로 구축되어 있다. 이 프로젝트는 클라우드 서버에 컴파일러, 디버거 등 의 개발 SW를 제공하고, 사용자
-３１-
는 관련 응용을 설치하 지 않고도 바로 웹 기반으로 프로젝트를 생성하고 소스에 대한 실행 파일을 얻도록 손쉬운 개발 툴 제공하고 있 다. 또한, 사용자/개발자는 자신이 개발한 기능 을 공개 라이브러리 형식으로 제공이 가능하다. 프로젝트의 확산을 위해서 ARM사는 HDK(Hardware Development Kit)와 SDK(Software Development Kit)를 공개하고 있 으 며, 관련업체에서는 자사의 개발보드를 공개하여 개발자의 자발적인 참여를 유도하고 있다.
제 4 절 단말근접 데이터분석 및 서비스추천 알고리즘
단말근접 서비스 추천을 위해서는 사용자의 근접 공간에서 필요한 데이터를 수집하여 이를 분석하고 사용자의 동작이나 반응을 기반으로 하여 플랫폼에서 학습하는 지능이 존재 해야 한다. 근접공간에 따라 서비스의 추천 내용이나 목적, 그 방법이 달라지는 환경적인 요인이 존재하므로 주변 데이터를 수집하고 이를 분석하는 것으로 출발한다. 대상 추천 서 비스에 적합한 알고리즘을 선정하기 위해 널리 사용된 기계 학습 알고리즘에 대해 살펴본다.1. 데이터 분석 기법 기본 프로파일
데이터는 다음과 같이 매우 단순한 데이터 패턴을 보이는 경우가 많다. - 의사결정나무는 의사결정규칙(decision 하나의 속성이 데이터 패턴의 많은 부분을 설명하고 다른 속성은 큰 영향을 미치지 못하는 경우 - 속성들이 데이터 패턴에 미치는 영향이 서로 독립적이고 영향력이 비슷한 경우 (각 속성 별로 영향력이 독립) - 데이터 패턴이 몇 개의 핵심 속성에 의해 단순한 논리적 구조로 표현될 수 있어서 의사결정나무로 표현될 수 있는 경우 (의사결정나무) - 사례를 다른 클래스로 분류하는 독립적인 몇 개의 규칙으로 표현이 가능한 경우(각 클래스 별로 부여 규칙이 독립) - 서로 다른 속성의 부분집합 사이에 의존성이 있는 경우 (연관규칙) - 수치 속성 간에 선형적인 의존성이 있는 경우 (선형회귀분석) - 속성 공간에서의 분류의 부여가 사례들 간의 거리에 의해 영향을 받은 경우 (사례 기반 학습) - 분류 결과가 주어져 있지 않은 경우 (군집화)-３２- 가능한 수 많은 데이터 집합에는 서로 다른 수 많은 데이터 구조가 발생할 수 있다. 하 나의 데이터 구조를 잘 파악하는 데이터 마이닝 기법이 매우 단순하지만 전혀 다른 데이터 구조를 파악 하는 것에 실패할 수 있다. 따라서 서로 다른 데이터 패턴에는 서로 다른 데이 터 분석 기법을 필요로 한다.
2. 1R방법
1-Rule (1R) 방법은 한 계층의 의사결정나무이며, 규칙의 집합이 모두 한 속성에 대한 검사로 이루어 진다. 1R은 매우 간단한 방법이지만 종종 데이터의 패턴을 적절히 표현하는 방법이 된다. 특히 복잡한 방법과 비교해도 매우 높은 정확도를 보이기도 한다. - 이는 실 제 세상의 데이터 패턴의 많은 부분이 이러한 단순한 구조로 구성되어 있기 때문이다. 범주형 속성의 1R 범주형 속성을 이용하여 1R을 만드는 경우, 범주형 속성의 서로 다 른 값 별로 분기를 만든다. 각 분기별로 가장 많이 나타난 클래스를 그 분기의 결과값으로 한다. 클래스 결과가 동일한 경우에는 임의의 규칙을 세워 한 클래스를 결정한다. 각 분기 에서의 오분류율을 계산한다. 1R 방법 모든 속성에 대하여 서로 다른 규칙 집합 또는 한 계층 분기를 하는 의사결정 나무를 만든다. 서로 다른 규칙 집합 중 오분류율이 가장 낮은 규칙 집합을 1R의 최종 결 과로 선택한다. 결측값의 경우 하나의 새로운 분기로 처리한다. 수치 속성은 단순한 분절 방법을 이용 하여 범주형 변수로 전환하고, 전환된 범주형 변수를 분기로 나눈다. - 수치 속성의 값을 기준으로 사례를 정렬한다. 그러면 수치 속성의 값 순서로 클래스 값의 나열이 구성된다. 클래스의 나열을 분절하는 가장 단순한 방법은 클래스가 바뀔 때마다 분절하는 것이다. 그리고 분절이 이루어지게 하는 수치 속성의 테스트 기준은 분절의 좌우에 있는 수치 속성 의 중간 값으로 설정한다. 그러나 위의 방법은 너무 자잘한 분절을 만들 가능성이 크다. 이 경우 규칙 자체가 의미하는 바를 파악하기 어려울 뿐 아니라, 과적합이 일어날 가능성도 크 다. 따라서 분절을 할 때 하 나의 분절에 포함되는 다수를 차지하는 클래스가 몇 개 이상 포함되도록 최소값에 대한 조건을 부여한다. Holte(1993) 는 기념비적인 논문에서 기계 학습에서 자주 이용되는 16 개의 데이터 집합을 이용하여 1R 방법의 성능에 대한 포괄적인 연구를 수행하였다. 1R의 단순함에도 불 구하고 최신의 학습 알고리즘과 비교해도 단지 수 퍼센트 정도 밖의 성능 차이를 보이지 않 았다. 복잡한 학습 기법의 해석의 어려움, 긴 학습 시간을 고려할 때, “단순한 기법 먼저” 의 원칙의 중요성을 보여주는 사례라 할 수 있다.-３３-
