1 / 37

IoT , Wearable&LOD

IoT , Wearable&LOD. 2014. 06. 27. 권 순 현 (kwonshzzang@etri.re.kr). 1. 2. 3. 3. 목 차. 사물인터넷 ( IoT ) 과 LOD. IoT 시맨틱 플랫폼 (COMUS 플랫폼 ). 시맨틱 어노테이션 & 변환기술 USN 자원 / 실세계이벤트 / 서비스 / 상황 온톨로지 모델링 기술 IoT 시맨틱 시맨틱 추론 기술 ( 병렬 / 분산 추론 ) IoT 시맨틱 레파지토리 적재기술 GEO/ 기상 LOD 구축 및 연계. 플랫폼 활용.

ervin
Download Presentation

IoT , Wearable&LOD

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. IoT, Wearable&LOD • 2014. 06. 27 권 순 현 (kwonshzzang@etri.re.kr)

  2. 1 2 3 3 목 차 사물인터넷(IoT)과 LOD IoT시맨틱 플랫폼(COMUS 플랫폼) • 시맨틱어노테이션& 변환기술 • USN자원/실세계이벤트/서비스/상황 온톨로지 모델링 기술 • IoT시맨틱시맨틱 추론 기술(병렬/분산 추론) • IoT시맨틱레파지토리 적재기술 • GEO/기상 LOD 구축 및 연계 플랫폼 활용 • 센서 커뮤니티 • 플랫폼 활용 서비스(기상센서 API, 웰라이프 수면관리 서비스, • 오미(五味)길 서비스)

  3. 1 사물인터넷(Internet of Things)

  4. Mark Weiser의인사이트 • Ubiquitous Computing의 정의 • Mark D. Weiser • The most profound technologies are those that "disappear ". They weave themselves into the fabric of everyday life until they are indistinguishable from it. (Title: The Computer for the 21 Century, Scientific American, 1991 pp.66~75) • A less-traveled path I call the "invisible"; its highest ideal is to make a computer so imbedded, so fitting, so natural, that we use it without even thinking about it. (I have also called this notion “Ubiquitous Computing.”) I believe that in the next twenty years the second path will come to dominate. (Title: Creating the Invisible interface, UIST94 Proceedings ACM symposium) • The important waves of technological change are those that fundamentally alter the place of technology in our lives. What matters is not technology itself, but its relationship to us.  Ubiquitous computing will require a new approach to fitting technology to our lives, an approach we call "calm technology". (Title: The Coming Age of CARM Technology, 1996) • 사물과 컴퓨터의 구분이 불가능 - Capability • 협업지능에 의한 최선책 - Solution • 인간의 지각과 인지능력을 사물이 이해하고 맞추어 줌 – Human Tech(조화)

  5. 사물인터넷이란? 사물들간의 인터넷

  6. 사물간의 협업을 위한 요구사항 • 사물간의 협업(Collaboration) • 사물의 센서데이터의 정의와 표현의 표준화 - Standardization • 사물간의 협업을 위한 글로벌한 인터페이스 제공 - Global Interface • 사물의 지능화를 위한 타 지식과의 융합 – Knowledge Convergence 여기서 대안은 LOD(Linked Open Data)

  7. 하지만….. Low-level Sensor High-level Sensor A-H E-H A-L E-L • How do we determine if A-H = A-L ? (Same time? Same place ?) • How do we determine if E-H = E-L ? (Same entity ?) • How do we determine if E-H or E-L constitutes a threat ? <Source: “Semantic Sensor Web". AmitSheth. pp. 4. Feb. 2008.>

  8. IoT오픈 데이터플랫폼 LOD 데이터 클라우드 오픈데이터 생태계 조성 오픈데이터기반 개발 다양한 국민의견 수렴의 장 마련 이벤트 온톨로지 부가가치 창출 Geo-Names 관광 정보 Life Log 교통 정보 재정정보 기상정보 공공데이터 오픈 FOAF Friends of a Friends 기업 서비스 개발자 지자체 정보 오픈데이터기반 서비스 앱스토어 기업수입 획득 다양한 애플리케이션 개발 IoT오픈데이터 플랫폼 오픈데이터 이용 오픈데이터기반 지식 스토어 수입모델 발굴 각종 IoT단말 오픈데이터발행 기업 스마트홈 오픈데이터 이용 기상센서 Plug&Play센서 오픈데이터 발행 도심지 서비스 이용자

  9. IoT오픈데이터 플랫폼의 기술적 이슈 • IoT데이터의 실시간성 – Real Time • 실시간 RDF 데이터 변환 – Real Time Semantic Translation • 실시간LOD 발행 – Real Time LOD Publishing • 실시간지식 융합(상황인지)– Real Time knowledge convergence • IoT데이터의 대용량성– Large Scale • 대용량 데이터 저장 – IoT Semantic Repository • 대용량 데이터 처리 – Large Scale Semantic Reasoning

  10. IoT오픈데이터 플랫폼(COMUS 플랫폼) 2

  11. IoT오픈데이터 플랫폼 (COMUS 플랫폼) 센서데이터 + 지도서비스 매쉬업 Push Service Context Service COMUS PLATFORM 모바일 서비스 Service Synchronizer Service Executor Context Synchronizer 스마트홈 Open API 스마트홈서비스 Plug&Play센서 USN자원/실세계이벤트/서비스/상황 온톨로지 모델링 기술(RDF(S), OWL) 시맨틱USN 저장소 Suite 도심지 SPARQL 인터페이스 IoT Semantic Repository 적재기술 USN자원/커뮤니티/실세계 이벤트/서비스/ 상황 온톨로지 Linking Open Data RDF Semantic Translator 시맨틱어노테이션&변환기술 (Semantic Annotation&Tranlation) 기상센서 SPARQL Endpoint LOD(Linked Open Data) 연계기술 Translation Rule 온톨로지 규칙기반 추론기술 (Rule Entailment Reasoning) 추론기 SensorML/Sensor O&M XML

  12. 시맨틱어노테이션&변환기술 Device Time Person Sensor Network Target Ontology Schema Context Spatial Upper Action Service Domain JSON/XML/EXCEL JSON Knowledge Creator Run-Time Translator Build RDF(S)/OWL Rule Parser Ontology Parser Collector & Analyzer Translation Rule id= { {“jobtype”, “1”}, {“subjet”, “id$”}, {“object”, “resource:SensorNode”} } positon={ {“jobtype” , “1”}, {“subject”, “position_uri$”}, {“object”, “geo:Location”), ……………………………………….. } Schema Verifier Sensor Specification Rule Adder Ontology Adder Sensor Observation Triple Creator Real Event/Context Translation Knowledge Ontology KB Invoke Service Rule Set classes properties IoT Semantic Repository Repository Interface RDF

  13. 기상센서데이터의 시맨틱 변환 AWS Data 변환온톨로지모델 Translation Rule JSON/XML/RDF id= { {“jobtype”, “1”}, {“subjet”, “id$”}, {“object”, “resource:SensorNode”} } positon={ {“jobtype” , “1”}, {“subject”, “position_uri$”}, {“object”, “geo:Location”), ……………………………………….. } Semantic Translator RDF Data

  14. 시맨틱어노테이션&변환 예제 Translation Rule #1 Input Data(JSON) awsID= { { “jobtype”, “1”}, {“subject”, “awsID$“}, {“object”, “resource:SensorNode”}} { {“awsID”, “323”}, {“manufacturer”, “ETRI”}, {“position”, “pos_323”}, {“coordinate”, { {“latitude”, “32.7296”}, {“longitude”, “127.1141”}, {“altitude”, “101.31”}, } } } Translation Rule #2 manufacturer= { {“jobtype”, “3”}, {“subject”, “awsID$”}, {“predicate”, “has||Manufacturer@”}, {“object”, “manufacturer$^^xsd:string”} } RDF생성 Translation Rule #3 position= { { {“jobtype”, “1”}, {“subject”, “postion$”}, {“object”, “geo:LocationCoordinate”}}, { {“jobtype”, “2”}, {“subject”, “awsID$”}, {“predicate”, “has||Position@”}, {“object”, “position$”}} } resource:SensorNode geo:LocationCoordinate rdf:type resource:hasPosition rdf:type space:latitude resource:hasManufacturer resource:323 space:pos_323 32.7296 ETRI

  15. USN자원/실세계이벤트/서비스/상황 모델링 서비스 Upper 온톨로지 실세계 이벤트온톨로지군 Space Ontology Event Ontology Policy Ontology Agent Service Policy Context Service Agent Context Policy rdfs:subClassOf Resource Ontology rdfs:subClassOf rdfs:subClassOf rdfs:subClassOf Weather Ontology Time Ontology Community Ontology 서비스 Domain 온톨로지

  16. 실세계 이벤트 모델 개요 • 실세계 이벤트(Real Event) COMUS 플랫폼에서 유통되는 센서데이터를 특정 서비스 도메인과 독립적 ,일반적 지식(기상, 위치, 시간, 사용자 정책 등)과 연계하여 추상화한 개념 • 실세계 이벤트 모델링 실세계 이벤트 데이터 생성을 위한 명세정보와 프로세스를 모델링화한 지식베이스 • 입력 • RDF로 변환된 정량적인 센서데이터 • Resource 온톨로지의인스턴스값 • 출력 • 추상화된 실세계 이벤트 정보 • 프로세스된Event 온톨로지의인스턴스값

  17. 실세계 이벤트 모델 개괄구조 owl:imports Service Ontology Policy Ontology FOAF Ontology OWL-TimeOntology owl:equivalentClassOf/ owl:equivalentPropertyOf Event Ontology Agent Ontology Time Ontology Community Ontology Space Ontology Weather Ontology Resource Ontology OpenCYC/OpenGISOntology

  18. 실세계 이벤트 데이터 Flow 서비스 도메인 온톨로지 Context1 Context3 Service2 Context2 Service1 Service3 이벤트데이터 Agent Ontology Event Ontology data Agent Policy정보 Agent 명세정보 Agent SNS 정보 Event 값정보(정량,정성) Event 명세정보 Event 관계정보 Ontology Inference Weather Ontology Policy Ontology data Static Policy 규칙정보 Dynamic Policy 규칙정보 Policy 관계정보 기상 지역정보 기상 시간정보 기상 데이터정보 Spatial Ontology Time Ontology data Space 기본명세 Space 연계정보 Space Geo 정보 Time 인스턴스정보 Time 인터발정보 인터발 관계정보 data Resource 소유정보 Resource 위치정보 Resource 기본명세 Resource 커뮤니티정보 Resource 센싱정보 Resource Policy 정보 Resource Ontology Ontology Translation SensorML/Sensor O&M/COMUS XML Sensor_1 Sensor_2 Sensor_3

  19. 센서데이터의 시맨틱 가공단계 센싱데이터시맨틱 가공단계 서비스정보 이벤트정보 상황정보 센싱데이터 • 서비스 독립적 데이터 • 대용량 데이터 • 빠른추론, 간편한 모델 • 서비스 의존적 데이터 • 주관적, 디테일 데이터 • 상세추론, 세밀한 모델 실시간 이벤트 추론 상황추론엔진 시맨틱USN 저장소 (센싱데이터, 이벤트정보) 시맨틱USN 저장소 (상황정보, 서비스정보)

  20. 실세계 이벤트 모델 처리 프로세스 ③공간온톨로지 정량적인 공간정보를 개념화된 공간개념으로 확장(센서가 존재하는 위치에 대한 개념정보) ⑥ 출력 실세계 이벤트 정보를 각 도메인 서비스 에게 제공함 Spatial Ontology 센서의 명세정보와 실시간 센서데이터의 연계 hasSpace hasPosition hasEventSpace ⑤ 이벤트 온톨로지 이벤트 데이터를 생성하고 실세계 이벤트 실세계 이벤트 각 요소(공간, 시간, 기상)과연계하는 온톨로지 detects hasEventResource Resource Ontology Event Ontology Weather Ontology hasEventWeather triggeredEvent hasEventTemporal hasTime hasTime ④ 기상온톨로지 정량적인 기상정보를 개념적인 공간정보와 시간정보로 연계한 온톨로지 ① 입력 (센서명세정보, 실시간 센서데이터를 시맨틱 변환하여 적재) Time Ontology

  21. 회피지역존재상황 상황정보로의 활용 기상정보의 연계 기상특보가 발휘되고 러쉬아워인 지역 21 호우경보 temperature Geo 정보로의 확장 hasSpace 서울 80 humidity status subsumedBy 회사밀집지역 weather101 uv 10 강남구 rdf:type hasTime rainy 역삼동 유흥가 subsumedBy 시간개념으로의 확장 rdf:type hasEventWeather 러쉬아워 subsumedBy 저녁 상업지역 강남역 rdf:type hasEventSpatial 퇴근시간 한가을 센서명세정보 event Object rdf:type rdf:type hasPOI hasEventTemporal rdf:type rdf:type 이벤트 데이터 생성 센싱값정보 long spatial:Pos SensorNode Sensor ObjectInput 2012:09:19T18:50:00 127.2121 lat inXSDDateTime 37.4232 rdf:type rdf:type rdf:type hasPosition alt Time_102121 0.0 consistOf hasTime TRAFFIC_SERVICE_1_1_1 TRAFFIC_SERVICE_1_1 detects hasGoal hasValue Obs_1212_11212 21 TEMPERATURE

  22. IoT시맨틱 추론 기술(병렬/분산) 실세계 이벤트 추론 WorkFlow Temporal 처리 Weather 처리 Spatial 처리 JSON import Resource센싱값 생성 Inferred RDF Agent 정보리턴 Event처리 export Policy 정보리턴 implementation implementation implementation implementation implementation implementation Job Control MapReduce MapReduce MapReduce Job Tracker MapReduce HBase/HDFS

  23. IoT시맨틱레파지토리 적재기술 HBase기반 시맨틱레파지토리 HTTP Server application Sesame Repository API 를 상속하여 기능 확장 SPARQL SeRQL RDF Model RIO SAIL API Repository API HBase Map Reduce HBaseReposiotry API HDFS extended Sesame Apache

  24. GEO/기상 LOD 구축 http://comus.linkeddata.kr : 안행부새도명 주소, 기상청 AWS 기반 구축 <SPARQL Endpoint>

  25. Sensor Data의 LOD 연계 GEO LOD Daejeon Heavy Rain Warning geo:spatiallySubsumedBy Gajeongro rdf:type Metropolitan Region Weather geo:spatiallySubsumedBy rdf:type 127.345 ETRI rdf:type hasPOI longitude hasSpace Weather LOD Location_101 hasQualitative latitude 37.113 Transducer hasTime Rainy windSpeed altitude W_101 InterVal_101 9.8 precipitatoin hasPosition 19.432 rdfs:subClassOf 130 ObservationValue Sensor owltime:Insides rdf:type rdf:type rdf:type Afternoon produces rdf:type hasTime TR_101 implements TMP_20130908132435 Autumn hasValue Req_1350 owltime:inXSDDateTime TEMPERATURE 10 2013-09-08T13:24:35

  26. 플랫폼 활용 3 2

  27. Community • 특정 목적(이벤트)에따라 동적으로 발생되고 소멸되어 지는 센서들의 의미적 집합 • 목적 • 화재, 홍수, 범죄, 백화점 세일, 연휴기간 • 동작 • 이벤트 발생시 명세된 커뮤니티의 역할에 따라 동적 커뮤니티 생성 • 생성된 커뮤니티의 조건에 따라 협업할 센서 리스트 발견 • 커뮤니티 구성원(센서)으로부터 센서데이터 수집 및 분석 • 커뮤니티간의 데이터 공유를 통한 헙업 진행

  28. Community 온톨로지 구조 Community Ontology Service Ontology comm:hasStatus comm:hasGoal context:drives rdf:type comm:hasGoal rdf:type rdf:type comm_104 Fire rdf:type rdf:type comm_101 comm:hasResourceType rdf:type comm:hasStatus FLAME EscapeContext comm_102 comm_103 OXYGEN Active SMOKING EmergencyContext Invoke Context/Service Discovery Resource weather:hasSpace Linked Data weather:hasForecast resource:hasPosition weather:hasSpace resource:produces weather:hasObservation Weather Forecast Community Space Goal Context Service Status Observation Resource Weather Time ResourceType Platform Data resource:hasTime weather:hasTime

  29. Community 동작(Discovery Resource) RAINY rdf:type Detect Fire hasGoal hasQualitativeValue rdf:type hasEventSpace hasEventWeather hasCondition hasStatus comm_102 Weather_101 Resource Weather Space hasSpacePolicy Con_101 hasSpace Adjacent c:hasResourceType Active hasCollaborate isPartOf hasCollaborate hasEventResource hasDetectingPolicy FLAME Traffic SMOKING CO2 COEX hasEventResource hasEventResource SamsungDong adjacent r:hasResourceType r:hasResourceType Weather isPartOf Continuous r:hasResourceType hasSpace adjacent hasSpace adjacent Policy isPartOf rdf:type Resource_101 Community hasSpace rdf:type CALT Resource_102 rdf:type rdf:type HyunDai Department rdf:type rdf:type Resource_103 rdf:type Discovery Resource

  30. Community 동작(Context Aware) 8.9 EarlyWinter rdf:type hasValue rdf:type RushHour hasTime Obs_101 produces rdf:type ClosingHour hasEventResource Tmp_20131126183223 owltime:inXSDdate Resource_101 hasTime hasEventTemporal 2013-11-26T13:54:23 comm_102 hasEventResource produces hasValue Obs_102 hasTime hasEventSpace 138.21 Resource_102 hasEventResource hasValue produces 7.8 Obs_103 hasEventWeather Resource_103 COEX Initial State Fire rdf:type rdf:type Community Business Area Weather_101 Difficulty Entry rdf:type Entertainment Area Sleet

  31. Community 동작(Collaborate Community) GEO LOD(http://comus.etri.re.kr/RWEvent/Space) adjacent HynDai Depart adjacent adjacent COEX CALT hasSpace hasSpace Detect Customer Number hasGoal hasSpace comm_101 comm_103 Activated Community hasGoal rdf:type hasGoal rdf:type comm_102 rdf:type rdf:type rdf:type Detect Traffic Detect Fire rdf:type rdf:type rdf:type rdf:type rdf:type rdf:type rdf:type rdf:type Shared Context Prohibit Come out of Car Recommend Public Transit Initial State Fire Traffic Congestion Slide Road Crowed Vehicle Control Entry Difficulty No Parking Prohibit of Passing

  32. LOD 연계를 통한 기상데이터의 활용 서울시 열린 데이터광장 Geo LOD 문화재 rdfs:subPropertyOf rdfs:subClassOf rdf:type owl:DatatypeProperty owl:ObjectProperty 광역시 지역 구조 같다 남대문 포함된다 중구 관련역사 재원 포함된다 남대문 가깝다 현재 자외선지수가 높고 내일 습도가 높을 것으로 예상됨 기상 LOD 37.4213 …… …… 9 … 128.232 10.323 2013-07-24 YTN Tower 기상 위치를 가진다 문화재관리의 위험상황 지역을 가진다 경도 예보정보를 가진다 폭우 event:ev_101 weather:w101 위치를 가진다 위도 고도 시간을 가진다 장마 측정값 리소스 space:pos_101 시간을 가진다 측정값을 가진다 위치한다 시간값 전이다 한여름 resource:res_101_obs 오후 측청된다 시간을 가진다 값을 가진다 시간값 목적을 가진다 resource:res_101 2013-07-23T14:34:53 time:tmp_101 resource:UV

  33. 기상센서 API • 기술 정의 • 대용량 스트리밍 센서 데이터 처리를 위한 NoSQL기반의 저장소 개발 및 운영 • 국내 기상 센서 데이터 전체에 대한 SensorQL기반 서비스 구축 • Daum개발자 네트워크를 통한 베타 서비스 구현 및 매쉬업 과제 개발 • 대용량 센서 데이터 저장 실험: 2012년 3월부터 기상청으로부터 수집한 실측 센서 7종에 대한 3억 건의 데이터와 분당 추가되는 증분식Incremental) 데이터 업데이트 및 검색 기능 성능 보장 • SensorQL Console 추가 개발: 센서 데이터 활용을 위한 질의 처리 시스템인 개발자 도구를 직관적이고 용이하게 구축, JSON 데이터 처리 기능 제공 • 시범 기상 센서 구축: 제주 Daum GMC 및 Space.1 등 2개 지역에 기상 센서 실측 장비 설치 및 데이터 추가 진행

  34. 지능형 군행군 제어 시스템

  35. 오미(五味)길 서비스 • 기술 정의 • 오미(五味)+길: 달고, 시고, 쓰고, 맵고, 짠음식에 대한 정보 및 해당 정보를 기반으로 한 건강 관리의 길, 즉, 여행/식당 정보의 길을 제공하는 서비스 • 염도 센서를 이용한 누적 염도정보 제공 서비스 • 음식의 味感 정보 기반의 건강 관리및 개인 음식 추천 서비스 • 기상, 교통, 위치, 센서정보 및 여행 컨텐츠의시맨틱데이터 모델링/가공/처리 기술 개발 • SPARQL 쿼리를 통한 시맨틱 데이터 가공 처리 연계시스템 설계 및 개발 • 기상 데이터와 연계한 온톨리지 모델링 • 먹거리(음식)데이터의 온톨리지 모델링 • 모바일 단말에서의 개인일정, 사진, GPS 기능과 연동된 맞춤형 여행추천/안내/지원 서비스 개발 • 염도&온도센서 개발 • 모바일 연동 측정 기술 개발 • 개인 단말기 스마트폰용앱 및 오미길 서비스 개발 • 개인 선호도를 통한 맞춤형 음식 추천 시스템 개발 • COMUS 플랫폼과 연동하기 위한 인터페이스 개발 • 염도 섭취량 정보 제공 기능 개발

  36. IoT와 LOD의 만남은 To Enrich To Reduce To Provide To Connect • 시맨틱어노테이션,온톨로지을 통해 센서 웹의 문법적 표준화 서비스에 풍부한 의미을 부여하고, 온톨로지를 이용해서 의미적 모호성을 감소시키고, 컴퓨터가 이해할 수 있는 데이터를 제공하여 상이한 장비와 제반 프로세스라도 처리 가능하게 하여, 센서정보와 웹정보를 표출시켜 다양한 융복합 기반의 Linked Data 서비스를 가능하게 한다. • 의미적 상호운용성을 통한 소통의 단절 해소 • 융복합을 통한 지식과 서비스 창출 • 센서데이터 재사용 가능

  37. 감사합니다

More Related