온톨로지기반 상황인지 추론시스템 설계 및 구현 - 여행정보안내 스마트폰 앱을 사례로
Design and Implementation of Context Awareness Inference System Based on Ontology - Focusing on Tour Information Guidance
SmartPhone Application
1)
이재길*ㆍ주용진**ㆍ박수홍***
Lee, Jae GilㆍJoo, Yong JinㆍPark, Soo Hong
要 旨
지난 몇 년 동안 스마트 기기의 보급을 통해 위치기반서비스(LBS)가 사회와 산업 등 여러 곳에서 주목을 받았다.
위치기반서비스는 사용자의 위치를 중요한 요소로 사용하기 때문에 모바일 사용자의 활용도가 높다. 현재 위치기 반서비스는 사용자의 위치에 대한 정보만 고려하고 있으며, 이는 개인화된 서비스를 제공함에 한계가 있다. 따라 서 검색 결과의 정확성에 큰 영향을 끼치는 움직임, 교통상황, 날씨, 시간, 개인정보, 선호도 등에 관한 상황정보를 고려된 서비스의 지원에 대한 필요성이 제시되고 있다. 본 연구에서는 사용자의 움직임, 선호도, 스케줄을 고려한 상황인지 추론 시스템을 설계하고, 사용자에게 개인화된 정보를 추론함에 있다. 이를 위해 Movemnet 온톨로지, 사 용자 프로파일 온톨로지, 스케줄 온톨로지, 과업 온톨로지를 구축하고 이에 기반하여 스마트 어플리케이션을 개발 하였다. 제작된 어플리케이션을 통해 사용자의 선호도와 움직임, 이동방향에 따른 적절한 추천 결과가 도출됨을 보였다.
핵심용어 : 온톨로지, 상황인지, 추론시스템, 위치기반서비스, 모바일, 시맨틱
Abstract
For the last few years, LBS has attracted considerable attention from many industries and societies as a result of propagated smart devices. LBS has a high utilization of mobile users as it uses user positions as a significant factor.
Current LBS has only taken user position into account and it makes some limits. So, it is necessarily suggested that support for personalized services which consider user's motion, traffic condition, weather condition, time, personal information and preferences that have a huge impact on the accuracy. The purpose of this study is to design the inference systems with user's motion, preferences and schedules and provide users with the personalized information.
To achieve this, Movement Ontology, User Profile Ontology, Schedule Ontology and Work Ontology should be constructed and based on this, smart applications were developed. Developed applications induced appropriately recommended results according to user's preference, motion and directions.
Keywords : Ontology, Context Awareness, Inference System, LBS, Mobile, Semantic
1. 서 론
Where 2.0 의 등장 이후, 지리정보서비스(GIS)는 기 존 서비스 사업자가 주도하는 일방적인 인터넷 서비스
에서 개인 사용자의 참여와 공감을 적극적으로 유도하 는 소셜화된 다양한 모바일 서비스로 변화되고 있다.
이러한 환경 속에서 최근 GPS 위치 정보를 기반으로 SNS(Social network Service)나 증강현실(AR: Aug-
2012년 10월 18일 접수, 2012년 11월 5일 수정, 2012년 11월 8일 채택
* 정회원ㆍ인하대학교 지리정보공학과 석사과정(Member, Master Course, Dept. of Geoinformatic Engineering, INHA University, mspa7da@gmail.com)
** 교신저자ㆍ정회원ㆍ인하공업전문대학 항공지리정보과 조교수(Corresponding author, Member, Asistant Professor, Dept of Aerial Geoinformatics, INHA Technical College, jyj@inhatc.ac.kr)
*** 정회원ㆍ인하대학교 지리정보공학과 교수(Member, wProfessor, Dept. of Geoinformatic Engineering, INHA University, shpark@inha.ac.kr)
Vol.20 No.4 December 2012 pp.67-75 연구논문
ISSN: 1598-2955 (Print) http://dx.doi.org/10.7319/kogsis.2012.20.4.067
mented Reality) 등이 융합된 스마트 폰 기반의 LBS (Location-based Service)가 주목을 받고 있다. 이러한 위치기반서비스는 사용자 또는 사물의 동적인 위치 정 보를 기반으로 한 각종 서비스 (예, 친구 찾기, 안심귀 가, 길안내 등)를 제공하므로 무선 인터넷을 사용하는 모바일 사용자의 위치 이동 정보가 정보 검색에 있어 중요한 역할을 한다(Costa-Requena, 2002). 하지만 자 율적이고 사용자 중심의 지능화된 서비스를 제공하기 위해 위치정보에 더해 상황인식(Context Awareness) 정보 (선호도, 움직임, 교통상황, 날씨, 시간, 개인정보 등)를 통한 개인화된 서비스 지원에 대한 필요성이 요 구되고 있다(Spiekermann, 2004).
개인화된 서비스를 위해 선호도와 관심 정보 등 사용 자 프로파일 정보를 의미적으로 조합하고 표현하기위 한 기술이 요구되며 이에 시맨틱 웹의 핵심 기술인 온 톨로지1)가 고려될 수 있다(Joo, 2011). 온톨로지 구축 을 통해 상황정보 및 서비스 데이터를 개념화하고 데 이터간의 관계를 제시함으로써 연관된 정보를 제공할 수 있다. 현재까지 위치기반서비스 관련 현행 연구들 (Lee et al., 2010; Song, 2009)은 단순히 웹에서 사용 자가 직접 검색하거나 또는 사용자의 위치 반경에 따 라 POI(Point of Interest)를 검색하는데 그치고 있어 사용자의 움직임, 목표 지점, 이동 방향, 선호도 등을 종합적으로 고려한 개인화된 서비스 제공에 한계를 가 진다.
따라서 본 연구의 목적은 여행안내 시나리오에 기반 을 두어 모바일 환경에서 사용자의 이동 패턴(움직임) 과 프로파일 정보(선호도와 스케줄링 정보)를 고려한 온톨로지 기반 상황인지 추론 시스템 설계․구현하는 것 이다. 즉, 본 연구에서는 단순한 지역 정보검색 서비스 또는 특정 공간 내에서의 서비스가 아닌 사용자의 움직 임에 적합한 맞춤형 정보를 제공할 수 있는 개인화된 상황인지 추론 시스템을 구현하고자 하였다.
이를 위한 연구의 내용으로 우선, 인문지리정보 또 는 위치기반서비스에 적용된 국내외 온톨로지에 대한 현재까지의 연구 사례를 제시하여 기존 연구의 한 계점을 분석하고 본 연구 방법의 착안점을 정립한 다. 3장에서는 사용자 Movement(좌표, 접근성, 이동 방향 등), 프로파일(직업, 소유카드, 취미, 혼인여부 등), 스케줄, 호텔 및 대중교통 온톨로지를 이용하여 여행정 보 OWL 모델을 설계한다. 4장에서는 실제 여행안내 추천을 위한 상황 인지 추론 프로토타입 시스템을 구현
하여 부산 해운대를 대상으로 사용자 질의 처리 검색과 추론 결과를 실증 분석한다. 마지막으로 5장에서는 본 연구를 통한 결론과 시사점을 도출한다.
2. 온톨로지 기반 상황인지 서비스
2.1 상황인지와 온톨로지 개념
상황(Context)이란 ‘어떠한 일이 존재하거나 발생하 는 상황관계 조건’으로 정의하며, 흔히 기술적 관점에 서는 어떤 객체 상태의 특성을 나타내는 필요한 정보로 기술한다(Jiang and Yao, 2006). 개인의 다양한 심리 · 사고 · 행동을 고려하지 않은 현재 지식기반 서비스의 획일주의는 점차 새로운 수요 및 수요자 창출의 한계에 봉착하고 있다. 이를 뛰어넘을 새로운 대안으로 상황인 지서비스가 부상하고 있다. 상황은 주위 환경 또는 처 해있는 상황으로 언급하여 정의한 경우가 있다. 상황의 본질의 경우 ｢실세계에 존재하는 실체(entity)의 상태를 특징화하여 정의한 정보｣라고 정의 할 수 있으며, 여기 서 인간, 장소 또는 사람과 서비스간의 상호 작용을 의 미한다고 할 수 있다.
언제 어디서나 사람이나 사물의 위치를 파악하여 부 가적인 서비스를 제공하는 것이 상황인지 서비스이다 (Mcdiamid. A., Irvine. J, 2004). 시맨틱 웹은 컴퓨터 가 공유되는 데이터들의 광범위한 개념을 이해하기 위 해 정량적인(formal) 온톨로지에 기반한 구조적인 데이 터에 크게 의존하게 된다. 특정 도메인 내의 지식들을 개념화 하고 이를 명세화(specification)함으로써 애플 리케이션 간의 정보 공유와 재사용을 도울 수 있다.
일반적으로 온톨로지는 도메인 내의 개념 및 개념 사 이의 관계, 개념의 속성 및 특성, 속성 및 특성에 부여 된 제약 조건 및 객체들로 표현된다(Lee et al., 2010).
온톨로지를 이용해서 특정 도메인의 단어를 공통으로 정의하고, 지식을 공유할 수 있다. 온톨로지 언어로는 OWL을 W3C에서 제안하고 있으며, 이는 RDF, RDFS 를 보완한 언어이기 때문에 표현성이 더 뛰어나다(Lee, 2010). OWL은 OWL-Lite, OWL -DL, OWL-Full 세 가지 형태가 존재한다.
OWL 기반 온톨로지 구축에서 가장 먼저 고려해야 할 사항은 네임스페이스(Name Space)의 결정이다.
OWL은 XML구조, RDF, RDF 스키마 등에 기반을 둔 언어 이므로 이들의 네임스페이스가 우선적으로 정의 되어 있어야 하고, 동시에 OWL 네임스페이스 및 구축
1) 온톨로지는 시맨틱 웹의 데이터 구조 기술로써 컴퓨터가 콘텐츠의 내용을 의미적으로 분석할 수 있게 하며, 산발적으로 퍼져있 는 데이터소스를 통합․분석하는 기술임(SungHuk Kim, 2011). 이러한 온톨로지는 정보를 표현하기 위한 개념(Concept)과 관계 (Relationship)를 정의한 정형적인 명세(Formal Specification)로 구성됨.
대상 온톨로지에 요구되는 데이터유형을 XML 구조로 정의한 네임스페이스 등이 있어야한다. 온톨로지 구축 에 필요한 다음 단계는 클래스(Class)와 하위 클래스의 정의로써, 클래스의 텍사노미(Taxonomy)구성은 클래스 간의 상ㆍ하 관계를 지칭한다. OWL의 속성은 객체형 속성(Object Property)과 데이터형 속성(Data Property) 로 구분된다. 객체형 속성은 클래스 요소들간의 관계를 나타내며, 데이터형 속성은 클래스 요소가 취해야하는 데이터의 형식과 값을 기술한다. 또한, OWL의 속성 값은 제한이 가능한데, 속성값의 인스턴스의 조절, 최 대치, 최소치 등은 카디날리티(Cardinality)를 적용하여 통제한다.
2.2 개인화 서비스 개념과 제공방식
개인화 서비스란 사용자의 현재 상황, 행동, 성향, 선 호도 등의 정보를 바탕으로 사용자가 원하거나 필요로 하는 정보를 제공하여, 사용자가 어떠한 시스템 상에서 원하는 정보를 찾는데 소요되는 시간과 비용을 감소시 키고, 손쉽게 접근 할 수 있도록 하는 서비스이다. 이러 한 개인화 서비스가 가장 활발히 진행되고 있는 연구 분야로는 사용자 주변 환경과 상태를 인지하여 정보를 제공하는 상황인식서비스(Context Awareness Service) 와 상황인식 기술을 기반으로 하여 대중교통정보, POI 정보, 기타 유용한 정보 등을 사용자에게 자동으로 추 천하는 추천서비스가 있다. 개인화 서비스를 제공하기 위해서는 서비스를 제공하는 시스템들이 사용자의 요 구 정보, 사용자의 행동, 선호도 등을 분석하고 그에 적 합한 콘텐츠나 서비스를 제공해야한다. 이러한 개인화 서비스를 제공하기 위해 가장 먼저 고려되어야 할 사항 은 사용자의 선호도 정보 수집이다(SeungKeun Lee, 2006). 이러한 개인화 서비스 제공방식에는 필터링방 식과 온톨로지 기반의 사용자 프로파일을 사용하는 방 식이 있다.
2.2.1 필터링 방식
필터링은 다른 사용자들의 선호도 정보를 바탕으로 유사한 성향을 가지는 이웃 사용자를 찾고, 그 이웃 사 용자에 의해 높은 선호도를 보인 아이템을 현 사용자에 게 제공하는 방식이다. 이러한 필터링 방식은 기존의 웹 상에서 쇼핑몰, 컨텐츠 등의 추천서비스에 사용되는 성공적인 개인화 서비스 제공방식이라 할 수 있다. 그 러나 필터링 방식은 서비스 대상 아이템에 대한 초기 평가 문제와 사용자 질의 처리에 있어서 의미적이고 개 념적인 질의를 처리할 수 없다는 단점이 있다.
GIS, LBS 환경에서 사용자의 질의는 다양한 속성을 가지는 POI 또는 지리정보에 대한 질의가 대부분이므
로 필터링 방식은 GIS, LBS환경과 같이 개체 속성이 일관되지 못하고 다양한 레이어를 가지는 환경에서의 개인화 서비스 제공방식에는 적합하지 않다.
2.2.2 프로파일 방식
프로파일(Profile)이란 서비스 제공에 있어서 필요한 정보들을 기계가 이해할 수 있는 언어로 작성한 것으로 써, 대부분의 프로파일 정보들을 미리 작성될 수 있으 며, 서비스를 사용자 환경에 적용시켜 제공하는 정보 제공자의 역할을 한다(Visser, 2002; Niaraki and Kim, 2007). 그 중 사용자 선호정보 프로파일은 사용자에 관 련된 정보를 묘사한 것으로 사용자의 기본정보, 선호도, 스케줄을 포함한다.
사용자 프로파일을 사용하여 개인화 서비스를 제공 하고자 할 때, 사용자의 선호정보를 어떻게 처리하여 사용자에게 적합한 정보를 제공하는 가에 대한 개인화 서비스 제공방식은 선택의 매우 중요한 요소이다 (Tilson et al., 2004).
GIS나 LBS와 같이 공간정보를 다루는 환경에서는 상황인식 서비스, 추천 서비스의 제공과 같은 개인화 서비스의 구현을 위해 온톨로지 기반의 사용자 프로파 일을 사용하여 사용자의 복잡한 선호정보를 개념적이 고 의미적으로 처리하는 방식이 적합하다.
2.3 지리정보와 온톨로지
개인화 서비스 제공에 있어서 온톨로지 기반 프로파 일을 이용한 방식은 GIS 환경에서 적합하기 때문에, 이 러한 환경에서의 상황인지 시스템, 추천 시스템 등의 개인화 서비스 제공 시스템들은 온톨로지를 기반으로 설계되어 연구가 진행되었다. 최근 시맨틱 지리정보시 스템 중 “인문지리정보 통합 및 서비스체계 구축 시범 사업”의 결과로 시맨틱 검색 포털 ‘COSMOS' 서비스 를 제공하고 있다. 시맨틱 검색 방식을 이용하여 인문 지리정보의 상호관계를 지식화하고 확장된 연관 정보 검색 결과를 3차원 공간정보 상에 융·복합하여 보여주 는 서비스 체계를 구축하였다. 이 서비스는 지도를 중 심으로 각종 인문지리정보(11개 영역 : 지질지형·기후·
생태환경·수문·역사문화·사회·관광여가·산업·자원·교통 통신·공공서비스)를 연관정보와 함께 제공한다. 이 연 구는 사용자의 검색의도를 분석한 후 적합한 결과를 분 류별로 제공해 주며, 선택 정보에 대한 연관정보를 동 시에 표현하여 사용자 검색 결과의 정확성을 높일 수 있는 양질의 정보를 제공하고 있다. 그러나 이는 웹에 서 사용자가 직접 검색하는 시스템으로서 사용자의 상 황인지를 통해 개인화된 서비스를 제공해주지 못하고
있다.
WonYong Song 등(2009)은 비 구조화된 웹 자원으 로부터 지리정보 온톨로지를 확장할 수 있는 구현 모델 을 제안하였다. 비 공간 정보들 간의 관계가 정의되어 있지 않아 컴퓨터가 이해할 수 있는 환경이 제공되지 않는다는 문제를 해결하기 위하여 지리정보 온톨로지 를 정의함으로써 정확한 정보를 제공할 수 있었다. 제 안 모델을 통해 웹 온톨로지 인스턴스를 시스템에 독립 적으로 확장할 수 있으며, 검색 결과의 정확성을 높임 을 보였다. 그러나 POI에 대한 세부적인 검색지원이 되 지 않고 지도상에 POI의 위치만을 표현함으로써 GIS 를 위치표현의 도구로 사용하고 있다.
Yu et al.(2009)는 실제 유비쿼터스의 혜택을 받게 되는 사용자들이 참여하는 LBS 지식 베이스 기반의 추 론 시스템 플랫폼을 제시했다. 구현과 실험을 통해 사 용자들이 자신만의 지식을 구축할 수 있으며, 이러한 집단 지성(Collective Intelligence)으로 구축된 지식 기 반 하에 입력된 사용자 프로필과 추론을 통하여 사용자 의 현재 LBS 상황에 대한 가장 적절한 추천 결과가 도 출됨을 보였다. Yu et al.(2009)의 연구는 사용자가 위 치기반 지식 베이스를 구축할 수 있도록 제공해 주며, 추론 엔진을 통하여 구축된 지식 베이스로 상황에 따른 위치기반 추천 서비스를 제공해 줄 수 있도록 하는 것 이다. 그러나 이 연구에서는 사용자의 움직임, 이동방 향을 인지하지 못하여, 실시간으로 변화하는 사용자의 상황을 인지하는데 한계가 있다.
3. 여행정보 OWL 모델 설계
온톨로지를 설계하기 위해서는 특정 도메인에서 사 용되는 용어들과 그들 간에 관계를 분석하고 모델링해 야한다. 온톨로지는 클래스, 관계, 함수, 공리, 인스턴스 를 사용하여 그 도메인에서 사용되는 용어(term)들과 그들 사이의 관계를 정의함으로써 모델링된다. 본 연구 에서 여행정보 OWL모델을 구축하기위해 Movement 온톨로지, 사용자 프로파일 온톨로지, 스케줄 온톨로지, 과업 온톨로지를 연관시켜 개별 지식체계를 구조화하 였다. 온톨로지 설계를 위해 Protege를 사용하였다.
3.1 온톨로지 구성
온톨로지는 활용에 따라 의존성 수준(level of dependence)을 달리하여, 상위(top-level), 도메인 (domain), 과업(task), 응용(application) 온톨로지로 구 분이 된다(Lee, 2011). 본 연구에서는 아래 Figure 1과 같이 도메인 온톨로지, 컨텐츠 온톨로지, 응
Figure 1. The Ontology Structure of System
용 온톨로지를 구성 된다. 도메인 온톨로지에는 시스템 의 공간 상태를 결정하는 Movement 온톨로지가 있다.
과업 온톨로지는 컨텐츠 정보를 수집하고 도메인 온톨 로지와 응용 온톨로지에 연관된 컨텐츠와 특정 시스템 의 컨텐츠 정보를 가지고 있다. 응용 온톨로지는 시스 템의 사용자 프로파일 정보를 정의하는 프로파일 온톨 로지, 사용자의 스케줄을 정의 하는 스케줄 온톨로지로 구성된다.
3.2 Movement 온톨로지
움직이는 물체(스마트폰, 네비게이션이 장착된 차량 및 사람)의 정보 검색은 (X, Y) 좌표만으로 결정할 수 없다. 움직이는 물체의 좌표, 접근성, 이동 방향등에 따 라 검색되는 정보는 바뀌게 된다. 그러나 현재 GIS, LBS에서 사용되는 검색은 사용자의 위치를 기반으로 일정 반경 내의 정보를 검색하였다. 이와 같은 방법은 사용자의 움직임, 이동방향, 목적방향의 정보에 대한 고려가 되지 않는다. 본 연구에서는 이러한 한계점을 극복하기 위하여 Movement 온톨로지를 제안하였다.
Movement 온톨로지는 Movement 클래스, Position 클 래스, Location 클래스, Point 클래스, Reach 클래스 구 성된다. 사용자의 움직임과 방향에 따라 검색반경이 변 하게 된다. 즉, Figure 2는 사용자의 움직임이 없는 경 우 원형 검색반경이며, Figure 3은 사용자가 방향성을 가지고 움직일 경우의 타원형 검색반경을 나타낸다.
사용자가 방향성을 가지고 움직이는 경우 도로 네트워 크를 따라 사용자가 앞으로 만나게 될 지리공간에 대해 정보를 검색하게 된다.
Figure 2. Circular Radius Search when Stopping Object
Figure 3. Elliptical Radius Search when Moving Object
Figure 4. Movement Ontology Structure for Moving Objects
Figure 4는 Movement 온톨로지의 구조를 나타낸다.
Movement클래스가 Position클래스와 연결되며, 이는 Location 클래스와 Reach 클래스와 연결되어 사용자의 움직임에 따라 검색반경을 원형 또는 타원형을 결정하 게 된다. 사용자의 위치는 Coordinate 클래스를 통해 좌표로 표시된다.
3.3 응용 온톨로지
응용 온톨로지는 사용자의 프로파일 정보를 가지는 프로파일 온톨로지와 시간정보를 가지는 스케줄 온톨 로지로 구성된다.
Figure 5는 사용자 프로파일 온톨로지의 구조를 나 타낸다. 사용자 프로파일 온톨로지는 사용자의 직업, 소유카드, 취미, 혼인여부, POI선택결정요소, 최소POI 등급, 보행가능범위, 스케줄의 정보로 온톨로지가 구성 된다. 보행가능범위와 최소POI등급은 POI선택결정요 소로서 사용된다. POI선택결정요소, 소유카드, 취미정 보 활용하여 사용자의 선호도를 반영하게 된다.
아래 Figure 6는 스케줄 온톨로지에 대한 구조를 나 타낸다. 시간은 사용자가 POI 또는 대중교통 선택에 있 어 중요 속성 중 하나이다. POI의 서비스 시작 시간, 종료 시간과 사용자의 스케줄을 비교하여 사용자의 스 케줄에 적합한 정보를 우선적으로 제공해 준다. 스케줄 온톨로지는 실시간으로 사용자에게 적합한 POI를 추천
Figure 5. User Profile Ontology Structure
Figure 6. Schedule Ontology Structure
해 주기 위한 클래스와 관계로 정의된다(Figure 6). 현 재 날짜와 시간정보 클래스, 사용자의 자유시간 클래스, 사용자 비자유시간 클래스, 주위의 대중교통 출발, 도 착시간 클래스로 구성된다.
3.4 과업 온톨로지
본 연구에서 여행정보 위한 온톨로지 정보를 호텔, 대중교통으로 제한한다. 과업 온톨로지는 호텔과 대중 교통정보를 위한 클래스와 등급의 분류(Classification) 를 위한 클래스로 구성된다. 대중교통은 출발시간, 도 착시간, 이동시간, 주요지점으로 구성된다(Figure 7).
호텔의 정보로서 이름, 브랜드, 객실, 가격, 위치, 예
Figure 7. Task Ontology Structure
Individual iShopPoi is Hotel and Shop_Type="Hotel",
Shop_Location="Haeundae", Shop_Brand="Paradise",
Shop_Name="Paridise_Haeundae", Shop_Grade=8,
MinPrice=7, MaxPrice=30, Shop_Time=24hours, hasRoom=iRoom sweet hasRoom=iRoom twinbed, hasRoom=iRoom dublebed, hasDiscountByCard
=iDiscountByCardBCPluseCard, hasServiceRange = 300, Position_X=35.16005, Position_Y=129.16411;
Table 1. An Extract from a Part of Hotel Individual in Task Ontology
약정보 클래스로 구성된다. 또한, 호텔의 서비스 반 경을 나타내는 ServiceRange 클래스가 있다. 호텔에서 제공하는 객실 인디비주얼 하위 속성으로 객실의 종류 와 가격, 할인율, 예약일정 등이 있다.
본 연구에서는 연구지역인 부산 해운대 지역의 숙박 업소를 모델링 하였다. 호텔정보, 지하철정보는 웹에서 획득하였다. Table 1은 해운대의 한 호텔에 대한 정보 를 내용이다. 호텔의 속성으로 평점, 가격, 영업시간, Room 타입, 빈방여부, 할인카드, 좌표정보를 가지고 있다. Table 2는 해운대 근처의 지하철 정보이며, 출발
Individual iTransport is Subway and Transport_Type="Subway",
Transport_Station="Haeundae ST.", Time_Departure_UP=UpTimetable_Val, Time_Departure_Down=DownTimetable_Val, Position_X=35.16393,
Position_Y=129.15885;
Table 2. An Extract from a Part of Subway Individual in Task Ontology
Figure 8. An Extract from a Part of Tour Information OWL-Model(Class) (Use Protege-OWL Viz)
시간, 도착시간, 위치정보를 가지고 있다.
앞서 설계한 온톨로지와 함께 최종적으로 OWL모델 을 개발하였다. Figure 8은 Protege-Onto Viz를 이용하 여 작성된 OWL 모델의 클래스를 표현한 것이다.
4. 여행정보 추론을 위한 시스템 구현
4.1 상황인지 추론 시스템 아키텍쳐
상황인지 추론 시스템은 안드로이드기반 어플리케이 션을 구현하였다. Figure 9는 본 연구에서 제안하는 상 황인지 여행정보 추론 시스템의 구조이다. 시스템은 사 용자의 움직임, 이동성, 정보 등의 상황정보를 얻게 된 다. 앞에서 구축된 온톨로지는 AndroJena 0.5를 통해 편집되고, ARQoid를 통해 RDQL 추론을 한다. 추론결 과 정제모듈은 추론결과와 Google Map 정보를 추론결 과 출력모듈로 전송한다. 추론결과 출력모듈은 사용자 에게 추론된 결과를 제공한다.
본 연구에서 사용된 AndroJena는 HP에서 개발안 Jena Semantic Web framework를 안드로이드 플랫폼 에 포팅 한 것이다. AndroJena는 ARQoid Query Engine, TDB Database를 지원한다. Jena는 RDF, RDFS, OWL, RDQL에 대한 프로그래밍 환경을 제공 하고 추론 엔진이 포함되어 있다. ARQoid는 Jena의 ARQ RDQL 엔진을 안드로이드에 포팅 한 것이다.
사용자의 기본정보, 선호정보는 아래 Figure 10과 같 이 직접 자신의 정보를 입력하게 된다. 사용자의 나이, 직업, 혼인여부, 할인카드, 취미, 공간선호도 등의 정보 를 입력하게 된다. 입력받은 정보는 AndroJena에서 제
Figure 9. Context Awareness Tour Information Guidance Information Inference System Prototype Structure
Figure 10. User Information Input Interface
//Save User Information, Context Information //Read OWL in Ontology
read a owl file from the ontology creat a owl scheme
if ( exist rdf file of context information ){
//Open RDF file
open the rdf file of user context information (rdf contents file)
//Compare RDF OWL
compare the owl scheme with category of the rdf File
store nodeinfo of owl scheme of current context category
//Save Context Information Using Read RDF while Not end of the rdf file{
read a line of the rdf file
if ( tag of rdf file equals current owl scheme node){
write context information to current line of rdf file}
move to next node of owl scheme}
}
else{//New RDF
generate the rdf file of context category with matching the owl scheme
write the user context information to generated rdf file
}
Table 3. Insertion Algorithm of User`s Context I nformation RDF Contents
Figure 11. User Movements, Preferences, Context-Awareness utilizing Inference Hotel 공하는 RDF API를 사용하여 RDF 컨텐츠 내용을 삽
입, 삭제 한다. 사용자 정보 삽입을 위해 알고리즘을 작 성하였다. Table 3은 RDF 컨텐츠 내용을 편집하기 위한 알고리즘이다. 생성되는 정보는 온톨로지에 저장된다.
4.2 사용자 질의 추론 결과 분석
Table 4는 상황인지 추론을 위해 숙박시설에 대한 의미적인 검색을 수행하기 위한 RDQL질의이다. 질의 처리 검증을 위해 「해운대 출발 지점에서 동쪽으로 도 착 지점까지 움직이며 10분 거리 내에 존재하는 호 텔」을 검색하였다. 출발 지점은 사용자의 현재 위치이 며 도착 지점은 해운대 중동역으로 하였다. Table 5.
And 절에 5번째 (?PoiEndDis<=UserEndDis+10) 조건 은 사용자와 도착지점의 거리(PoiEndDis) POI와 도착 지점의 거리(UserEndDis)를 비교한다. 이 조건은 POI 와 도착지점의 거리가 사용자와 도착지점의 거리에 10m를 더한 거리보다 작을 경우에만 질의되도록 한다.
이 질의문을 통해 10~20만원대에 예약 가능한 호텔 숙 박정보에 대해 룸 타입, 할인정보, 조식여부에 대해 의 미적으로 정의된 개념과 관계를 참조해서 정보를 질의 할 수 있다.
Figure 11은 사용자에게 최적화된 결과가 추론되어 정보 제공되고 있는 화면이다. 사용자의 움직임과 목적 지를 인지하여 타원형 반경검색을 하고 있다. 또한 사 용자는 ‘BC플러스카드’를 소지하고 있으며, 가격이 10 만원~20만원 사이, 교통시설과 10분 이내를 고려한 최 적의 호텔을 추론 및 추천해 주고 있다. 추론결과를 통 해 본 연구에서 제시된 사용자의 선호도와 이동경로, 움직임 따른 개인화된 서비스가 적용 가능함을 알 수 있다.
SELECT ?name ?address ?price ?discountcard ?room ?meal ?transport
WHERE (?x, <kb:name> ?name), (?x, <kb:address> ?address), (?x, <kb:price> ?price),
(?x, <kb:discount> ?discountcard), (?y, <kb:room> ?room),
(?z, <kb:meal> ?meal), (?y, <kb:transport> ?transport), And ((?price >=100000)&&
(?price <=200000)&&
(?transport<=10)&&
(?servicerange<=20)&&
(?PoiEndDis<=UserEndDis+10)) USING rdf FOR
<http://www.w3.org/1999/02/22-rdf-syntax-ns#>
rdfs For
<http://www.w3.org/2000/01/rdf-schema vcard FOR
<http://www.w3.org/2001/vcard-rdf/3.0#>
kb For
<http://protege.stanford.edu/kb#>
Table 4. User`s RDQL Query
5. 결 론
위치기반서비스중 상황인지 추론시스템은 사용자의 위치를 중요한 요소로 사용하기 때문에 모바일 사용자 의 활용도가 높으며, 이러한 사용자의 위치, 움직임에 대한 정보는 상황을 인지하고 사용자에게 개인화된 정 보를 제공함에 있어서 매우 중요하다. 따라서 본 연구 는 모바일 환경에서 사용자의 상황인지정보(움직임, 상
황, 선호도 등)를 고려한 상황인지 추론 시스템을 설계 하고, 사용자에게 개인화된 정보를 추론함을 목적으로 하였다.
이를 위해 우선, 국내외 LBS/상황인지 시스템에 대 한 현황분석을 통해 사용자의 움직임 정보를 고려하고 있지 않음을 파악하였다. 둘째, 사용자의 움직임과 이 동방향의 상황정보를 인지하기 위하여 Movement 온톨 로지를 제안하고 모델링하였다. 셋째, 상황인지 여행정 보 추론시스템에 필요한 Movemnet 온톨로지 뿐만 아 니라, 사용자 프로파일 온톨로지, 스케줄 온톨로지, 과 업 온톨로지를 설계 및 구축하였다. 넷째, 스마트 어플 리케이션을 구현하고 사용자의 움직임과 이동방향 인 지를 통해 개인화된 정보를 추론하는지를 확인하였다.
결론적으로 사용자의 움직임과 이동방향에 따라 원형 반경검색 또는 타원형 반경검색이 적용되어 사용자에 게 개인화된 정보 추론 및 제공이 가능할 것이다. 또한, 기존의 국내 GIS 솔루션에서의 검색 방법은 DB에 SQL문을 이용한 단순 키워드 방식의 검색이었다. 이러 한 키워드 기반의 검색방식은 사용자의 복잡한 질의를 처리하기 위해서는 사용자가 여러 번의 검색을 수행을 통한 비교작업을 해야 하는 불편함이 있었다. 그러나 본 논문의 온톨로지 기반 방식은 클래스 구조와 추론을 통해 복잡한 질의를 처리할 수 있다. 따라서 본 연구 결 과를 통해 사용자의 움직임을 고려하여 개인화된 지리 정보 검색에 효율성을 증진하는데 기여 할 것으로 기대 된다.
감사의 글
이 논문은 공간정보 전문인력 양성사업의 지원을 받 아 수행된 연구임
참고문헌
1. Abolghasem Sadeghi Niaraki, Kim Kyehyun, 2007, Ontology based personalized route planning system using a multi-criteria decision making approach, Expert System with Applications Vol.36, pp.2250- 2259.
2. Bin Jiang, Xiaobai Yao, 2006, Location-based services and gis in perspective, Computers Environ- ment and Urban Systems 30, pp.712-725.
3. Costa Requena, J., Haitao, T., and Espigares, I., 2002, Consistent lbs solution in next generations of mobile internet, in proceedings of the ninth
international conference on parallel and distributed systems, pp.637-642. Helsinki.
4. Joo Yongjin, 2011, Knowledge based new poi recommendation method in lbs using geo-ontology and multi-criteria decision analysis, KOGSIS, vol.19, No. 1, pp.13-20.
5. Kim, Sunghyuk 2011, A study of ontology-based context modeling in the area of u-convention, KOSIM, Vol. 28, No. 3, pp.123-139.
6. Lee, Seungkeun 2006, Ontology based context aware service middleware for ubiquitous computing environment, INHA University Doctoral Thesis.
7. Lee, Yangwon Ku, Chayong Choi, Jinmu 2010, Data modeling and ontology building for and intergrated gis database, KCA, Vol. 10, No. 2, pp129-137.
8. Lee, Sanghoon 2010, Landslide susceptibility analysis using bayesian network and semantic technology, KOGSIS, Vol. 18, No. 4, pp.61-69.
9. Mcdiamid, A., and Irvine, J, 2004, Achieving anonymous location-based services, In proceedings of the vehicular technology conference, pp.2970- 2973.
10. Song, Wonyong Baik, Dookwo Jeong, Dongwon 2009, Populating geo-ontology with web resources, KIISE, Vol. 15, No. 10, pp.740-751.
11. Spiekermann, S., 2004, General aspects of location- based services, Morgan Kaufmann, San Francisco.
12. Shuain Yauan, Jun Shen, Jun Yan, 2008, A practical geographic ontology for spatial web services, IEEE International Conference on Services Compution.
pp.579-580.
13. Tilson, D., Lyytinen, K., Baxter, R., 2004, A framework for selection a location based service(lbs) strategy and service portfolio, System Science, pp.78-87.
14. U. Visser, H. Stuckenschmiclt, G. Schuster, T.
Vogele, 2002, Ontoloies for geographic information processing. Computers & Geosciences 28, pp.103- 117.
15. Yu, Younghoon Kim, Jihyeok Shin, Kwangcheol Jo, Geunsik 2009, Recommendation system using location-based ontology on wireless internet: An example of collective intelligence by using 'mashup' applictions, Expert Systems with Applictions Vol,36.
pp.11675-11681.
