스마트폰에서 센서 데이터의 효과적인 저장 및 관리 방법
Effective Storage and Management Techniques for Sensor Data in Smartphones
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 기술의 발달로 인간의 직접적인 개입을 최소화하고 기계간의 통신을 통해 지능적인 서비스를 제공하는 M2M 개념이 등장하였고 모바일기기의 보급 확산으로 편의성을 더하는 스마트한 세상을 열어가고 있다. 본 논문에서는 스마트폰에 탑재된 모바일 센서의 데이터를 효율적으로 저장 및 관리하는 에이전트를 설계 및구현하였다. 모바일 센서관리 에이전트는 센서 데이터의 효율적인 저장 및 관리 위해 정제 및 축소기법을 사용한다. 센서 데이터 관리 매니저와 에이전트간의 데이터 전송량을 감소하기 위해 센싱 데이터가 허용 범위를 넘은 경우에만 매니저에게 보고하고 그 이외에는 에이전트가 요약 정보를 저장하고 주기적으로 요약 정보를 보내는 방법을 적용하였다. 본 논문에서는 시간 간격과 값의 범위에 따른 데이터 축소 방법인 HAA 알고리즘을 제안하였고 실험을 통해 높은 비율로 데이터가 축소됨을 보인다. HAA 알고리즘이 다양한 M2M 응용 분야에서 점점 더 증가하는 스트림 모바일 센서 원천 데이터의 축소와 저장관리에 실용적으로 적용될 수 있다.
Abstract
Recently the concept of M2M (Machine to Machine) is introduced, which means that intellectual service is provided through communication between machines. M2M minimizes the human involvement, and expands the supply of mobile devices; hence it is opening a smart world with added convenience. In this paper, an agent which efficiently manages mobile sensor data in smartphone is designed and implemented. The mobile sensor management agent uses refinement and reduction techniques for efficient storage and search of the sensor data. In order to reduce the amount of transmission between the sensor data manager and the agent, a method is applied where the agent notifies to the manager only when the sensing data exceeds the allowable scope else stores the summarized information and sends it periodically. In this study, we propose a HAA (Historical Aggregate Approximation) algorithm, a data reduction method which reduces data across the time interval and value range, and showed through a test that the data was reduced at a high ratio. HAA algorithm can be practically applied to reduction and storage management of mobile stream sensor data which is increasing more and more in diverse M2M application fields
참고문헌 (12)
- "ETSI M2M"[URL]
- "3GPP TS 22.368 v11.0.0, Service requirements for Machine-Type Communications (MTC): Stage 1 (release 10)", ~ (2010)
- A. Orrevad, "M2M Traffic Characteristics", 석사, pp.2009
- Suman Pandey, "Towards Management of Machine to Machine Network", 13th Asia-Pacific Network Operations and Management Symposium (APNOMS 2011), pp.21~23 (2011)
- Keogh, E.J., "An Enhanced Representation of Time Series Which Allows Fast and Accurate Classification, Clustering, and Relevance Feedback", Proc. of the 4th ACM Int’l Conf. on Knowledge Discovery and Data Mining, pp.239~243 (1998)
- Keogh, E., "Dimensionality Reduction for Fast Similarity Search in Large Time Series Databases", Knowledge and Information Systems, 3(3), pp.263~286 (2000)
- Lin, J., "A Symbolic Representation of Time Series with Implications for Streaming Algorithms", Proc. of the 8th ACM SIGMOD Workshop on Research issues in Data Mining and Knowledge Discovery, pp.2~11 (2003)
- Han, J., "Stream Cube : An Architecture for Multi-Dimensional Analysis of Data Streams", Distributed and Parallel Databases, 18(2), pp.173~197 (2005)
- Wu, H., "Subsequence Matching on Structured Time Series Data", Proc. of the ACM Int’l Conf. on Management of Data, pp.682~693 (2005)
- "Moving average"[URL]
- "Samsung GALAXY Tab"[URL]
- D. J. Abadi, "Aurora: A New Model and Architecture for Data Stream Management", The VLDB Journal, 12(2), pp.120~139 (2003)