Context-aware Recommendation System for Water Resources Distribution in Smart Water Grids

Size: px

Start display at page:

Download "Context-aware Recommendation System for Water Resources Distribution in Smart Water Grids"

희도 자
6 years ago
Views:

Context-aware Recommendation System for Water Resources Distribution in Smart Water Grids Qinghai Yang, Kyung-Sup Kwak To cite this version: Qinghai Yang,

<hal-01120512> HAL Id: hal-01120512 https://hal.archives-ouvertes.

1 Context-aware Recommendation System for Water Resources Distribution in Smart Water Grids Qinghai Yang, Kyung-Sup Kwak To cite this version: Qinghai Yang, Kyung-Sup Kwak. Context-aware Recommendation System for Water Resources Distribution in Smart Water Grids. [Research Report] Inha University <hal > HAL Id: hal Submitted on 6 May 2015 HAL is a multi-disciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

2 한국ITS학회논문지 pissn 제권 제호 년 월 Context-aware Recommendation System for Water Resources Distribution in Smart Water Grids (Qinghai Yang) (Kyung Sup Kwak) 본논문에서는최종사용자의프로파일 (profile), 물의종류및네트워크상태를고려한미래의스마트워터그리드에서의물의분배를위한컨텍스트인지추천시스템을제안한다. 수자원에대한최종사용자의공통적인관심사를근거로최종사용자를각각다른공동체로군집화하기위한스펙트럴군집화방안을개발하였다. 수자원에대한최종사용자의선호도평가목록을얻기위한역전파신경망을도입하여설계하였다. 본방식은예상평가가가장높은수자원을최종사용자에게추천토록하였다. 시뮬레이션의결과는제안된방식이기존의추천방안에비하여보다나은사용자의경험을바탕으로, 추천의정확도 ( 오차 2.5% 이내 ) 를상당히개선시킬수있음을보여주었다. 핵심어 : 스마트워트그리드, 컨텍스트인지, 신경망, 역전파, 스펙트럴군집화 fi 본연구는국토교통부물관리연구사업의연구비지원 기술혁신 에의해수행되었음 주저자 인하대학교정보통신대학원 현재중국서안전자과기대학교수 교신저자 인하대학교정보통신공학부교수 논문접수일 년 월 일 논문심사일 년 월 일 게재확정일 년 월 일

3 일부국가의수처리시설에있어서워터그리드는심각하게노후화된기반구조로인한여러가지문제에직면하고있다 이로인하여물의손실 물의도난 시설에대한수입손실과관련된문제가발생한다 스마트워터그리드는선진화된정보및통신기술을사용하여수자원관리시스템의이와같은문제를극복하기위한고효율의차세대물관리시스템이다 통신기술을수자원관리시스템과융합한지능형물관리시스템은물의수요를정확하게조절함으로써수자원의지역적또는시간적불균형을완화시키는데도움을주고 적절한정보를실시간으로교환하는양방향수자원정보네트워크를통하여실시간프레임워크상에서의수자원의공급을지원한다 전력망의그린화및효율적관리를위하여적용하고있는스마트그리드와유사한개념의스마트워터그리드는수자원그리드에정보통신기술을적용하여수자원의적정한배분 비상시수자원확보는물론수자원누수및오염감시 수자원의원격계측및요금정보등을유무선센서네트워크를활용하여공급자와사용자의편의성을제고하고자원을효율을극대화하고있다 최근 스마트워터그리드에대한관심이지속적으로증가하며 물분배시스템의감시와관련된연구가증가하고있다 워터그리드를위한무선센서네트워크기반의솔루션을검토하였고 여기에서 소형센서는특정이벤트또는작업상태를즉시검출하고이와관련되는정보를물관리시스템으로전달할수있다 참고문헌 에따르면 현재지능형무선센서시스템이최종사용자의물소비활동 선호도 장소및시간에대한정보를추적하기위하여물관리시스템에설치되어있다 그러나 현재사용되는또는시장에서구입이가능한솔루션의대부분은최종사용자에적합한물공급에대한요구를실시간으로충족시키지못한다 참고문헌 의저자는물처리과정을제어하기위하여최종사용자의요구사항을인지하기위한추천시스 템의응용과함께수자원분배에대하여개괄적으 로설명하고있다 최종사용자의물소비선호도 물의품질 지역형태및그리드네트워크의상태와 같은컨텍스트정보를이용한추천시스템은더욱 적합한수자원을최종사용자에게실시간으로전달 하는잠재력이있다 종래의추천시스템에서 그결과는수자원이분산되어야하는실제상황과 일치할수없다 컨텍스트정보는추천에영향을미 치고 스마트워터그리드를위하여보다나은수자 원할당을지원할수있다 추천시스템과무 선센서네트워크의컨텍스트인지정보를결합한 스마트워터그리드에대한조직적인연구결과는 아직이분야에서찾아볼수가없다 본논문에서는워터그리드내의최종사용자에 게완벽한수자원을추천하기위하여스마트워터 그리드네트워크를위한새로운수자원분배추천 방식을제안한다 최종사용자의물소비선호도 물의품질 지역형태및그리드네트워크의상태와 같은컨텍스트정보를이용하여최종사용자를각 각의다른네트워크공동체로군집화하기위한스 펙트럴군집화방안을제안하였고 수자원에대한 최종사용자의선호도평가목록을얻기위하여역 전파신경망을사용하기위한새로운추천프레임 워크를설계하였다 스마트워트그리드컨텍스트인지추천프레임 워크를 절에기술하였고 컨텍스트인지수자원 추천방식을 절에 시스템의평가결과를 에 그리고결론은 절에맺었다 그림 에서보는바와같이 스마트워터그리드 는첨단정보및통신기술을사용하여전통적인 수자원관리시스템의한계를극복하기위한고효 율의차세대물관리시스템이다 종합물관리시 스템으로써의스마트워터그리드는다음과같은 서비스를제공하기위하여설계되었다 빗물 재활용수 바닷물과같은수자원을이용 Vol.13 No.2( ) The Journal of The Korea Institute of Intelligent Transport Systems 81

한다 수자원의불균형을완화하기위하여물을효과적으로분배 관리 운송한다 발전된센서네트워크를이용하여수자원네트워크의안정성을실시간으로감시한다 깨끗한물을수자원네트워크에게전송한다 스마트워터그리드의기존의수자원관리시스템은빈번한누수와비효율적인물의생산으로인하여물의손실이크고 물이사용되는곳과요구되는품질에관계없이물의품질이동일하기때문에처리비용이크다 당연히

추천엔진모듈추천엔진모듈은사용자의물소비파라미터의피드백에따라서수자원을공동체의최종사용자에게추천한다 이모듈에서는 개종류의수자원신선한물 빗물 바닷물등이자원서버에저장되어있고명의사용자가공동체내에분포되어있다고가정한다 사용자의프로파일과물소비이력에근거하여사용자를위한수자원을선택한다 실제로이는다차원입력및다차원출력모델로 자원의특성 컨텍스트 사용자프로파일 및스마트워터그리드의상태

4 한다 수자원의불균형을완화하기위하여물을효과적으로분배 관리 운송한다 발전된센서네트워크를이용하여수자원네트워크의안정성을실시간으로감시한다 깨끗한물을수자원네트워크에게전송한다 스마트워터그리드의기존의수자원관리시스템은빈번한누수와비효율적인물의생산으로인하여물의손실이크고 물이사용되는곳과요구되는품질에관계없이물의품질이동일하기때문에처리비용이크다 당연히 스마트워터그리드내최종사용자들의수자원에대한관심사가각기다르기때문에다양한사용자의관심을충족시켜지능적인워터그리드를구축하기위하여수자원추천시스템이필요하다 할수있다 최종사용자는사용자의물소비성향을고려하여각기다른공동체로군집화되며 이는각기다른사용자의수자원에대한요구를처리하기위한방안으로평가된다 추천엔진모듈추천엔진모듈은사용자의물소비파라미터의피드백에따라서수자원을공동체의최종사용자에게추천한다 이모듈에서는 개종류의수자원신선한물 빗물 바닷물등이자원서버에저장되어있고명의사용자가공동체내에분포되어있다고가정한다 사용자의프로파일과물소비이력에근거하여사용자를위한수자원을선택한다 실제로이는다차원입력및다차원출력모델로 자원의특성 컨텍스트 사용자프로파일 및스마트워터그리드의상태 가입력되고 시나리오 수자원 및스코어 가출력되며 이들의입출력관계를다음과같이정의한다 수자원서버 이모듈에서 개종류의수자원이자원서버에 저장되어있으며 이들은네트워크의가장자리에 위치하고있다 스마트워터그리드에서의수자원 그림 에서보는바와같이한공동체내의최종사용자에게수자원을추천하기위하여타당한수자원추천시스템프레임워크를먼저설계하고 프레임워크는추천시스템에새로이추가되는요소인수자원서버 추천엔진및공동체를포함하는세개의부분으로구성된다 공동체모듈 사용자들의성향에따라 서로유사한관심사를 가지는사용자는동일한종류의수자원을필요로 82 한국 ITS 학회논문지제 13 권, 제 2 호 (2014 년 4 월 )

5 분배를위하여두개의방안으로나눌수있다 그중하나는 최종사용자가수자원서버로요청을보내고 수자원서버는요청된수자원을사용자에게전달하며 다른하나는추천엔진이최종사용자를위한수자원을추천하고 이로인하여수자원서버는사용자의요청이없어도수자원을사용자에게일방적으로제공한다 본논문에서는특히두번째방안을고려한다 예측의정확도가높고시간지연이낮은수자원추천시스템을개발하기위하여스마트워터그리드를설계및구현하였으며 이로인하여공동체에속한최종사용자에게근사적인추천을제공할수있다 본논문의핵심목표는본추천방식에서추천의정확도를높이는것이다 추천의정확도를높이기위하여본논문에서는수자원에대한최종사용자의공통적인관심사를근거로최종사용자를각각다른공동체로군집화하기위하여스펙트럴군집화방법을채택한다 그리고 최종사용자의추가요청을예측하기위하여콘텐츠기반으로획득한수자원평가를역전파신경망으로입력한다 컨텍스트표현컨텍스트정보를효과적으로기술하는것은매우중요한일이다 하기와같이컨텍스트정보모델을기술하기위하여온톨로지접근방법을사용할수있다 사용자의행동컨텍스트 시간 장소 활동등 사용자의물소비컨텍스트 물의종류 물의양 시간 목적등 워터그리드네트워크컨텍스트 네트워크의상태 커버리지 용량 전력등 공통관심사에기반한네트워크공동체수자원에대한사용자의공동관심사를기반으로최종사용자를각각다른공동체로군집화한다 스 펙트럴그래프이론을이용하여스펙트럴군집화 알고리즘을구축하며 이는기존의군집화알고리 즘에비하여임의의형태의샘플공간에서군집화 를하는장점이있으며전역적최적해로의수렴이 우수하다 공동체를발견하기위한이새 로운스펙트럴군집화방법은인접행렬과이득행렬 을구축함으로써구현된다 첫째 스마트워터그리 드내에 명의사용자가있는것으로가정하고 명의사용자를 개의공동체로군집화하기위하 여이득함수기반의스펙트럴군집화알고리즘을 정의한다 그상세한절차를하기에설명한다 인접행렬 네트워크내에 명의최종사용자가 있는것으로가정하며 Λ 을네트워크내의인접행 렬이라정의한다 사용자 와 사이에연관성이있 다면이는공통의관심사를나타내며 Λ 이되고 연관성이없다면 Λ 이된다 상호행렬집합 를 표현하기위하여행렬 의원소는다음과같이표 현된다 여기에서 Λ 와 Λ 는인접행렬 Λ 의원소이고 사용자 및사용자 모두가사용자 와의연결면 이있다면 Λ Λ 이되고 이는사 용자 와사용자 사이의공통이웃 공통관심사항 의수를나타낸다 이득행렬 와 를사용자 와사용자 사이의 등급으로정의하고 이등급은네트워크내에서사 용자와다른사용자들사이의연결면의수를나타 낸다 임의의사용자쌍에서공통이웃의수는 로 이득함수는다음과같이표현된다 여기에서 는공동체내에서의회원함수 로정의한다 사용자 와사용 Vol.13 No.2( ) The Journal of The Korea Institute of Intelligent Transport Systems 83

6 자 가동일한공동체내에있으면 이되고 그렇지않으면 이된다 Φ 는공통관심사에 기반한공통이웃의개수와임의의관심사에기반 한공통이웃의개수와의차이로정의된다 공동체 의표현벡터는 S = ( s1,..., s n ) 로표현한다 사용자 가제 공동체에속해있으면 si 지않다면 si 이된다 이되고 그렇 공동체에대하여인접항목만고려한다 여기서 이득행렬 는다음과같이정의될수있다 정의된인접행렬 Λ 와이득행렬 에근거하여그 림 에서보는바와같이복잡한네트워크를두개 의공동체로군집화하는과정은다음과같다 첫째 이득행렬 의최대고유값중에서주 고 유벡터를계산하고 고유벡터내주된요소의부호 에기반한네트워크를두개의공동체로군집화한 다 각각의공동체는새로운스펙트럴군집화방법 에의하여다시다른공동체로분리된다 추천엔진 수자원에대한유사성산출 콘텐츠기반의 추천시스템은물사용이력에있어서수자원에대 하여유사한관심을가지는최종사용자에게수자 원을추천한다 사용자를기술하는파라미터가 개 있다고가정하면 초기특성에대한사용자 의선 호도가중치는 w = ( w1,..., w n ) 로표현되고 수 자원에대한초기특성사이의상관관계는벡터 c = (,..., ) 로표현된다 사용자성향과수자 c1 c n 원특성사이의유사성은콘텐츠기반의접근방법 을통하여계산된다 유사성방정식은다음과같이 정의된다 유사성고유벡터공간 S = ( s1,..., s n ) 를얻을 수있고 이는사용자 와 개수자원사이의유사 성을나타낸다 수자원평가예측 컨텍스트정보는베이지안 네트워크 에의해분류된다 자원 의평가를예측하기위하여역전파신경망에의하 여학습하여예측되며 역전파신경망을설계하였 다 베이즈네트워크의주된아이디어는분류되지 않은항목에대한현재의네트워크상태에서각카 테고리의발생확률을계산하는것이고 확률이가 장높은항목이해당카테고리에속하는것으로분 류된다 베이지안네트워크는그림 에서보는바와같이 컨텍스트인지정보를분류하는데사용된다 베이 지안네트워크를기반으로컨텍스트인지정보를 개의카테고리로분류하고 이는 λ λ λ 로정의된다 컨텍스트상황 λ 에서사용자 84 한국 ITS 학회논문지제 13 권, 제 2 호 (2014 년 4 월 )

7 가수자원 를요청할확률은사용자의이력에근 거하여다음과같이계산된다 여기에서 는수자원 의 개의특성 λ 는 시나리오내요청의수 는 와유사한요청된수 자원의수 는특성 를가지는수자원을요청 한횟수 λ 는시나리오 λ 에서물을요청한횟수 를나타낸다 나머지는이와동일한방식으로나타 낼수있으며 λ λ λ 로표현 되는 차원의컨텍스트벡터를얻을수있다 그림 는역전파네트워크의하나의예를보여준다 역전파신경망은세가지의계층 즉입력층 은 닉층 출력층을가지며 이세가지계층에서의사용 자의행위에대한피드백을고려하여가중치를조 절할수있다는큰장점이있다 본논문의설 계구조에서 입력신경세포의수는컨텍스트벡터 λ 의요소의수와동일하고 서로다른컨텍스트상 황에서의확률값 λ 은입력층에대한입력으 로사용된다 은닉층에서의신경세포의수는상수 값이아니며예측결과의평균제곱오차 에따라달라진다 역전파신경 망의목적은수자원의평가를획득하는것이므로 출력층을위해서는하나의노드만을설계하였다 트랜잭션함수로시그모이드 함수를채택 하였다 하나의신경세포에여러개의입력이있다 면 이러한입력은입력값 의가중치합을통하 여얻을수있다 출력은다음의방정식을통하여 계산할수있다 출력노드의출력값이예상치와다른경우가 중치를변경할필요가있다 역전파네트워크의역 전파단계에서 출력층의오류신호는전방으로전 파되어가중치를오류함수네트워크의음의기울기 방향으로수렴된다 은닉노드 에서출력으로의가 중치수정량은시간 에서 라고가정하면 이 는다음과같이표현할수있다 여기서 는오류함수이고 는출력 Vol.13 No.2( ) The Journal of The Korea Institute of Intelligent Transport Systems 85

8 의기대출력이다 은닉층 에서출력층으로수 정된가중치는다음과같이계산할수있다 여기에서 는학습보정율이다 이와유사하게 입력노드 l 에서은닉노드 로의상관값 wlj ( t) 얻을수있고 이는다음과같이계산할수있다 를 마지막으로 수자원 에대한예측평가는다음 과같이계산한다 여기에서 는유사도의가중치이고 는컨텍 스트예측확률의가중치이고 은네트워트상테 의가중치이다 가중치는고정된 것이아니며 각각다른요구사항과네트워크상황 을고려하여조절할수있다 결론적으로 이와같은추천방식을사용하여 개의수자원을학습하고예측할수있으며 이러한 방식을통하여사용자에대한자원추천수준을나 타내는예측자원의평가목록을얻을수있다 또 한 가장높은예측평가를가지는수자원을사용자 에게추천하는것이일반적이다 파라미터설계 관련되는표준플랫폼과물공동체네트워크내 사용자의실험데이터를이용할수없음고려하여 본시뮬레이션에서는스마트워터그리드로부터 실험데이터를얻기위하여샘플방법을채택한다 자원특성 컨텍스트인지정보 시간 장소 활동 및워터그리드네트워크상태를포함하는세가지 종류의컨텍스트정보를고려한다 개의컨텍스 트정보실험데이터 공동체내 명의사용자 그 리고 가지종류의수자원이시뮬레이션의파라미 터로주어진다 사용자는시뮬레이션이시작할때 시스템에합류하고시뮬레이션종료시에시스템을 떠난다 이와같은파라미터를고려하여 개의입 력층노드 개의은닉층노드및 개의출력층노 드를포함하는역전파신경망을설계하였다 또한 서로다른수자원추천시스템에대하여일정한기 준을정하기어렵기때문에 세개의평가기준을 정하여수자원추천방식의품질을표시하였다 정 밀도 과회수도 를포함하는추천모델 의품질나타내기위하여추천수자원의수 과 관심수자원의수 를사용하며 이는다음과같 이정의한다 기준 정밀도값은추천되는자원의양에대한 사용자가관심을가지며이에따라추천되는수자 원의양의비율이며 다음과같이주어진다 기준 회수도는수집된관심대상자원의양에 대한추천되는관심대상수자원의양의비율이며 다음과같이주어진다 기준 사용자의만족도값 은수자원의 용적 수자원의인기도 수자원의품질 및가중치 에대한정도의합으로계산되며 다음 과같이주어진다 86 한국 ITS 학회논문지제 13 권, 제 2 호 (2014 년 4 월 )

9 정밀도는추천시스템의정확도를나타내며 회수도는관심있는수자원의추천비율을나타내고 그리고 값은추천에대한사용자의만족도를나타낸다 평가결과 수자원분배방식의설계된파라미터에근거하여 먼저 정밀도와회수도에대한값을계산할수있다 예를들어 본추천방식은예측값이 이고회수도가 일때 의사용자만족도를달성한다 사용자마다각각의성향이다르기때문에수자원의평가는사용자에있어서불공정대상이다 정규화된평가기준을다음과같이정의한다 max 여기에서 은물이용공동체내의최종사용자 의수이며 이다 제안된추천시스템의성능 을 와 에대한시뮬레이션을통하여평가 하였다 표 은물종류의수에따른 의값을 제안한방식과임의방식을비교하였으며 제안한 방식에모든종류의물에대하여개선되었음을보 여준다 제안된시스템의 는무작위추천시스템의 보다높다 그림 은제안된시스템의확장성 과수렴도 를보여주며 이 는본논문의추천시스템이설계된역전파신경망 에대하여빠른수렴도와높은확장성을가지고있 다는것을시사한다 그림 은추천방식의예측성능을보여준다 제 안된방식이수자원을추천함에있어서수자원평 가예측에대하여양호한성능을가진다는것을나 타낸다 본논문에서는최종사용자의만족도와물네트 워크운용의효율성을높이기위한스마트워터그 리드의컨텍스트인지정보에기반한수자원분배 추천방식을제안하였다 컨텍스트정보와함께최 종사용자의프로파일을고려하여사용자를스마트 Vol.13 No.2( ) The Journal of The Korea Institute of Intelligent Transport Systems 87

10 워터그리드내의물사용공동체로군집화하기위한새로운스펙트럴군집화방법을제안하였다 수자원추천을위하여역전파신경망을개발하였으며 이는수자원평가예측에대하여보다우수한성능을보여주었다 또한 서로다른시나리오에서추천의정확성를판단하기위하여 와 의측면에서제안방식의성능을평가하였다 fi fi 88 한국 ITS 학회논문지제 13 권, 제 2 호 (2014 년 4 월 )

한국 학회회장 년 월 년 월 한국통신학회회장 년 월 년 월 인하대학교정보통신대학원원장 년 월 년 월 미국 연구원 년 월 년 월 미국 연구원 년 월 미국 전기컴퓨터공학과통신이론및시스템 공학박사 년 월

11 저자소개 년 월 현재 중국서안전자과기대학부교수 교수 년 월 년 월 중국서안전자과기대학부교수 년 월 년 월 초광대역무선통신연구센터 년 월 인하대학교정보통신대학원박사졸업 년 월 중국서안전자과기대학정보통신학과석사졸업 년 월 중국산동대학교통신공학과학사졸업 년 월 현재 인하대학교정보통신공학부교수 현재인하석좌교수 년 월 현재 인하대학교초광대역무선통신연구센터 센터장 년 월 년 월 한국 학회회장 년 월 년 월 한국통신학회회장 년 월 년 월 인하대학교정보통신대학원원장 년 월 년 월 미국 연구원 년 월 년 월 미국 연구원 년 월 미국 전기컴퓨터공학과통신이론및시스템 공학박사 년 월 미국 전기공학과 공학석사 년 월 인하공대전기공학과 공학사 연락처 Vol.13 No.2( ) The Journal of The Korea Institute of Intelligent Transport Systems 89

04 ÇÐ¼ú_±â¼ú±â»ç

04 ÇÐ¼ú_±â¼ú±â»ç 42 s p x f p (x) f (x) VOL. 46 NO. 12 2013. 12 43 p j (x) r j n c f max f min v max, j j c j (x) j f (x) v j (x) f (x) v(x) f d (x) f (x) f (x) v(x) v(x) r f 44 r f X(x) Y (x) (x, y) (x, y) f (x, y) VOL.