사용자 이동성과 센서 밀집도를 고려한 앱 프로파일 기반 센서 레지스트리 시스템의 성능 평가

2.1 센서 레지스트리 시스템

SRS는 센서 네트워크 환경 하에서 모든 장치들이 다양한 유형의 센서 정보를 의미적으로 해석하기 위한 센서 메타데이터 관리 방법이다[3]. 이상적인 센서 네트워크 환경의 구현을 위해서는 모바일 기기에서 센서 및 센서 네트워크에 독립적으로 모든 센서 정보를 해석하고 이용해야 한다[4]. 그러나 기존 시스템들은 센서가 이용할 정보를 사전에 정의하는 제한된 환경만을 고려하기 때문에 이러한 한계를 개선하고 센서 간의 끊김 없는 서비스의 제공과 상호 운용성 개선을 위해 SRS가 제안되었다[5].

SRS 환경에서 모바일 기기는 특정 센서로부터 센서 데이터를 수신한다. SRS는 수신 받은 센서 데이터를 통해 센서 데이터의 의미, 즉 센서 데이터의 유형, 센서 데이터의 단위 등과 같은 정보를 획득한다. 그 후 센서 식별자를 이용하여 센서 정보를 확인하고 모바일 기기로 전송하는 시스템이며 이 시스템을 통하여 센서 데이터의 즉시적 처리가 가능한 장점이 있다[6].

그러나 SRS는 센서 데이터를 처리할 때 반복성의 증가로 인해 성능이 저하되는 문제점이 있다. 모바일 기기는 센서의 유형, 센서 데이터 단위 등과 같은 정보를 얻기 위해 SRS에 요청하여 센서 식별자를 제공받는다[7]. SRS는 제공받은 센서 식별자를 이용하여 센서 데이터의 의미를 해석하고 처리하게 된다. 이 과정에서 SRS는 새로운 센서 데이터를 수신하거나 센서 생산자, 관리자 등과 같은 추가적인 정보를 이용하고자 할 경우, 위의 과정을 반복적으로 수행하게 되어 전체적인 성능을 저하시킨다[8].

2.2 앱 프로파일 기반 센서 레지스트리 시스템

앞서 언급한 성능 저하 문제를 해결하기 위해 프로파일을 이용하는 앱 프로파일 기반 센서 레지스트리 시스템이 제안되었다[9]. 앱 프로파일 기반 SRS는 센서의 정보를 프로파일을 통해 모바일 기기에 저장하고 재사용함으로써 불필요한 센서 데이터를 필터링한다. 센서 데이터 저장을 위한 임시 저장 리스트를 구축하기 위해 SRS보다 비용이 증가하는 반면 센서 메타데이터를 필터링 및 재사용하여 속도를 향상시킨다. 그러나 실제 환경에서의 사용자의 이동성, 센서의 밀집도, 센서의 종류와 노드 개수 등을 고려하지 않은 문제가 있다[10].

이 논문에서는 이동 환경에서 실험을 진행하고 센서의 종류와 노드 개수를 늘려가며 실험을 진행한다. 추가적으로 밀집이 높고 낮은 환경을 고려하여 실험 평가를 진행한다.

3.1 시스템 구조

실험을 위한 시스템 구조는 기존 연구와의 실험 및 평가 결과의 신뢰성을 제공하기 위해서는 동일한 환경에서 구현 및 실험을 수행해야 한다. 따라서 이 논문에 기술한 대부분의 구조, 데이터 모델, 프로세스, 알고리즘 등의 시스템 설계는 선행 연구인 [9]에서 정의한 앱 프로파일 기반 센서 레지스트리 시스템과 동일하게 설계한다.

그림 1은 앱 프로파일 기반 센서 레지스트리 시스템의 구조를 보인다. 시스템은 크게 두 영역, 모바일과 SRS로 구성된다. 모바일 앱은 BLE (Bluetooth Low Energy)센서를 통하여 센서 아이디(Sensor ID)와 센서 값(Sensor Value)을 전달받는다. 해당 데이터를 이용하는 모바일 앱은 센서 데이터 유형을 프로파일(Profile) 형태로 기록한다.

Fig. 1.

System architecture

유효한 센서 데이터의 활용을 위한 임시 저장 리스트(tmpSML)는 센서 메타데이터를 포함한다. 그 후 센서 데이터는 검사가 가능한 정보(Sensor ID)를 SRS에 수신하여 센서 메타데이터를 요청한다. SRS는 크게 센서 메타데이터 관리 시스템(Sensor Registry Management System, SRMS)과 센서 레지스트리(Sensor Registry, SR)로 구성된다. SRMS는 센서 구성 정보를 검사하기 위한 데이터베이스를 관리하는 시스템이며, SR은 센서 유형과 단위 등 다양한 센서 메타데이터로 구성된 데이터베이스이다. SRMS를 통하여 센서 레지스트리 값을 데이터베이스에 저장 후 센서 메타데이터를 사용자 영역으로 전송한다. 모바일은 센서 메타데이터를 전달 받은 후, 자신이 가진 프로파일을 활용하여 전달 받은 센서의 유효성을 검사한다. 유효성이 검사된 센서 데이터는 모바일 앱을 통하여 유효한 데이터의 정보를 사용자에게 제공이 가능하다.

3.2 사용자 이동성과 밀집도

본 논문에서는 사용자 이동성과 밀집도, 센서 종류, 센서 노드 개수의 변화에 따른 실험 평가를 수행한다. 사용자의 이동성은 센서 네트워크 환경에서 중요한 요소이다. 이동성이 없는 환경은 규칙적인 센서 데이터의 수집이 가능하다. 하지만 이동성이 있는 환경은 센서 데이터의 수집이 규칙적이지 않다. 그러므로 사용자의 이동성은 SRS 환경에서 필수적으로 고려해야 할 실험 환경이다. 또한 밀집도의 같은 경우 균일한 밀집도는 안정적인 센서 데이터의 수집이 이루어지나 불균일한 밀집도는 불안정한 센서 데이터의 수집이 이루어질 가능성이 존재하여 SRS 환경에서 사용자의 이동성과 더불어 필수적으로 고려해야 할 실험 환경이다.

3.3 시스템 구현

본 논문의 구현 환경은 표 1과 같다. 모바일 기기의 운영체제는 Android 6.0.1 (Marshmallow)를 사용하며, 통신을 위한 BLE (Bluetooth Low Energy) 모듈은 HC-05 bluetooth Slave UART를 사용한다. 모바일 기기의 데이터 저장을 위한 데이터베이스는 SQLite를 사용한다. 메타데이터의 제공을 위한 서버 데이터베이스는 Oracle Database 11g Express Edition를 사용하고 서버 운영체제는 Windows 10 Pro를 사용한다. 센서 데이터 수집을 위한 센서 종류는 temp, humidity, gas, alcohol, illum, dust이다.

Table 1.

Implementation environment

모바일 앱 실행 후 START 버튼을 누르게 되면 BLE와 통신이 완료된다. 그 후 BLE와 통신을 하며 센서 데이터를 수신 받아 화면에 출력하게 된다. 출력 된 센서 데이터는 모바일 앱 내부의 데이터베이스(SQLite)에 저장이 된다. 그 다음 SEND 버튼을 누를 시 그림 2(a)와 같이 SRMS를 통해 메타데이터를 제공받는다. 그 후 프로파일 정보를 통해 유효성을 검사하게 되며 유효한 값, 유효하지 않은 값으로 구분 짓는다. 마지막으로 그림 2(b)와 같이 실시간으로 유효성이 검사된 데이터들이 센서 아이디, 센서 타입, 단위, 측정된 값과 유효성 검사의 소요 시간이 출력되어 사용자에게 제공된다.

Fig. 2.

Screenshot of implemented mobile app

4.1 실험 방법

본 논문에서 실험을 위해 고려한 인자는 밀집도, 센서 종류, 센서 노드 개수로 분류된다. 실제 환경에서 이동성이 없는 환경은 적합하지 않으므로 모든 실험 환경은 이동성이 있는 환경만 고려하였다.

그림 3(a)는 사용자 이동의 예시이며 이를 통해 실험 환경이 이동성이 있음을 알 수 있다. 그림 3(b)는 센서 밀집도 인자의 변화에 따른 실험 예시이다. 이러한 실험을 통해 이동성과 밀집도 인자가 SRS의 전체적인 성능에 차이를 주는지를 볼 수 있다.

Fig. 3.

Example of experiment environment

밀집도 인자는 {D₁, D₂} 두 가지로 인자 값을 나누어 실험을 진행한다. D₁은 밀집도가 균일한 환경이며 센서 노드의 수는 N₂이다. D₂는 밀집도가 불균일한 환경이며 센서 노드의 수는 N₂를 나타낸다. 여기서 균일한 환경은 센서 노드들의 배치가 일정한 환경을 뜻하며 불균일한 환경은 센서 노드들의 배치가 일정하지 않은 환경을 의미한다.

표 2는 실험에 사용된 센서 유형을 보여준다. 센서 종류는 실험 평가에서 같은 유형의 센서일지라도 실제 처리 시 성능의 차이가 발생 할 수 있고 처리 후 측정 단위가 달라지는 경우가 존재하므로, 실험에 사용된 센서는 측정 단위가 다르거나 측정한 값의 정밀도에 따라 좀 더 세부적으로 센서 종류를 분류한다. S_ID는 센서의 식별자 이름이다. MODEL은 실제 실험에 사용된 센서 종류이며 S_TYPE은 센서의 종류를 나타낸다. UNIT은 구성단위이며 각 타입에 알맞은 단위로 실험을 진행한다.

Table 2.

Sensor types for the experiments

센서 종류 인자는 {T₁, T₂, T₃} 세 가지로 인자 값을 나누어 실험을 진행한다. T₁은 {s011, s012, s013}, T₂는 {s011, s012, s013, s014, s021, s022}, T₃은 {s011, s012, s013, s014, s021, s022, s031, s032, s041}을 뜻한다. 여기서 센서 종류는 실험 평가에서 같은 유형의 센서 일지라도 실제 처리 시 성능의 차이가 발생 할 수 있고 처리 후 측정 단위가 달라질 수 있는 가능성이 존재한다.

따라서 실험 평가를 할 때 측정 단위가 다르거나 측정한 값의 정밀도에 따라 좀 더 세부적으로 센서 종류를 나누어 {T₁, T₂, T₃} 세 가지로 실험을 한다. 마지막으로 센서 노드 개수 인자는 {N₁, N₂} 두 가지로 인자 값을 나누어 실험을 한다. N₁은 센서 노드 수가 2개, N₂는 센서 노드 수가 4개를 뜻한다.

표 3은 실험을 위한 실험 유형을 나타낸다. 앞서 설명한 실험에 사용한 인자를 밀집도, 센서 종류, 센서 노드 개수로 유형을 나누어 총 12개의 케이스로 분류하여 소요 시간의 비교 평가를 진행한다.

Table 3.

Experiment cases

4.2 실험 결과

이 절에서는 표 3의 실험 유형을 인자별로 짝지어 실험 결과를 비교한다. 비교 평가는 센서 데이터 유효성 검사의 소요 시간을 기준으로 실시하며 하나의 실험 유형 당 20회씩 측정을 한다. x축은 센서 데이터 이용 횟수를 나타내며, y축은 소요 시간을 표현한다.

그림 4는 센서 밀집도, 센서 종류가 같을 시 센서 노드 수의 변화에 따른 소요 시간의 비교 평가이다. 그림 4(a)-(c)는 케이스 1, 2와 케이스 3, 4 그리고 케이스 5, 6의 비교이다. 센서 밀집도가 D₁이며, 센서 종류의 경우 그림 4(a)는 T₁, 그림 4(b)는 T₂, 그림 4(c)는 T₃이며 센서 노드가 N₁, N₂로 변화할 때 소요 시간의 비교이다. 그림 4(d)-(f)는 케이스 7, 8과 케이스 9, 10 그리고 케이스 11, 12의 비교이다. 센서 밀집도가 D₂이며, 센서 종류의 경우 그림 4(d)는 T₁, 그림 4(e)는 T₂, 그림 4(f)는 T₃이며 센서 노드가 N₁, N₂로 변화할 때 소요 시간의 비교이다.

Fig. 4.

Comparison results of sensor processing time by the sensor nodes

그림 5는 센서 노드, 센서 밀집도가 같을 시 센서 종류의 변화에 따른 소요 시간의 비교 평가이다. 그림 5(a)-(b)는 케이스 1, 3, 5와 케이스 2, 4, 6의 비교이다. 센서 밀집도는 D₁, 센서 노드 수의 경우 그림 5(a)는 N₁, 그림 5(b)는 N₂이며 센서 종류가 T₁, T₂, T₃로 변화할 때 소요 시간의 비교이다. 그림 5(c)-(d)는 케이스 7, 9, 11와 케이스 8, 10, 12의 비교이다. 센서 밀집도는 D₂, 센서 노드 수의 경우 그림 5(c)는 N₁, 그림 5(d)는 N₂이며 센서 종류가 T₁, T₂, T₃로 변화할 때 소요 시간의 비교이다.

Fig. 5.

Comparison results of sensor processing time by the sensor types

그림 6은 센서 종류가 같을 시 센서 밀집도의 변화에 따른 소요 시간의 비교 평가이다. 그림 6(a)는 케이스 1, 2 와 케이스 7, 8의 비교를 보여준다. 센서 종류가 T₁일 때 센서 밀집도의 변화에 따른 소요 시간을 보여준다. 그림 6(b)는 케이스 3, 4와 케이스 9, 10의 비교를 보여준다. 센서 종류가 T₂일 때 센서 밀집도의 변화에 따른 소요시간을 보여준다.

Fig. 6.

Comparison results of sensor processing time by the sensor density

표 4는 센서 노드 개수에 따른 실험 결과 요약을 보여준다. 그림 4에서 센서 밀집도와 센서 종류가 같을 경우 센서 노드 수의 변화에 따른 소요 시간을 비교하였다. 센서 노드 수가 N₁일 경우와 N₂일 경우의 평균 시간의 차이가 24.13과 26.33으로 적은 차이가 있다. 따라서 센서 노드 수는 SRS에 영향을 적게 끼치는 것으로 볼 수 있다.

Table 4.

Summery of experiment by the sensor nodes (unit: ms)

표 5는 센서 종류에 따른 실험 결과 요약을 보여준다. 그림 5에서 센서 노드 수, 센서 밀집도가 같을 경우 센서 종류의 변화에 따른 소요 시간을 비교하였다. 센서 종류가 T₁, T₂, T₃와 같이 종류가 다를 경우 평균 시간이 12.56, 19.35, 78.55로 점점 증가하는 것으로 보아 센서 종류의 증가는 SRS에 영향을 끼치는 것으로 볼 수 있다.

Table 5.

Summery of experiment by the sensor types (unit: ms)

표 6은 센서 밀집도에 따른 실험 결과 요약을 보여준다. 그림 6에서 센서 종류가 같을 경우 센서 밀집도의 변화에 따른 소요 시간을 비교하였다. 센서 밀집도가 D₁, D₂와 같이 균일한 밀집도와 불균일한 밀집도일 경우 평균 시간이 6.04와 44.44로 매우 큰 차이가 있었다. 그 결과 센서 밀집도는 다른 두 요소에 비해 가장 큰 차이를 볼 수 있었다. 따라서 센서 밀집도는 SRS에 큰 영향을 끼치는 것으로 볼 수 있다.

Table 6.

Summery of experiment by the sensor density (unit: ms)

따라서 앞서 실험을 통해 비교 평가를 한 결과, SRS는 이동성이 있는 환경에서 센서 노드 개수에 변화에 따른 영향은 적다. 하지만 센서 종류와 센서 밀집도와 같은 인자들, 특히 센서 밀집도는 전체적인 성능에 큰 영향을 주는 것을 실험을 통해 알 수 있다.