KR102106260B1 - Smart community system and method for discovering multi-dimensional smart community - Google Patents
Smart community system and method for discovering multi-dimensional smart community Download PDFInfo
- Publication number
- KR102106260B1 KR102106260B1 KR1020180076431A KR20180076431A KR102106260B1 KR 102106260 B1 KR102106260 B1 KR 102106260B1 KR 1020180076431 A KR1020180076431 A KR 1020180076431A KR 20180076431 A KR20180076431 A KR 20180076431A KR 102106260 B1 KR102106260 B1 KR 102106260B1
- Authority
- KR
- South Korea
- Prior art keywords
- community
- home
- proximity
- family
- similarity
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- BXWNKGSJHAJOGX-UHFFFAOYSA-N hexadecan-1-ol Chemical compound CCCCCCCCCCCCCCCCO BXWNKGSJHAJOGX-UHFFFAOYSA-N 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 인간 중심의 스마트 커뮤니티를 형성할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법에 관한 것으로,
이는 회원 등록을 요청하는 가정이 존재하면, 상기 가정이 이용하는 홈 네트워크를 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 저장한 후 상기 가정을 회원으로 등록하는 단계; 다수의 가정이 회원 등록된 상태에서 커뮤니티 그룹 생성이 요청되면, 상기 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석함으로써, 가정 간 유사도를 파악하는 단계; 및 가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성하는 단계를 포함할 수 있다.The present invention relates to a smart community system and a multi-dimensional smart community construction method for forming a human-centered smart community,
This includes the step of collecting and storing member information including information on a home, family members, and home appliances through a home network used by the home, and then registering the home as a member if a home requesting member registration exists; Determining a similarity between households by calculating and analyzing physical, social, and economic proximity between households based on the member information when community group creation is requested while a plurality of households are registered as members; And generating at least one community group by clustering the plurality of members based on similarities between families.
Description
본 발명은 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 발견 방법에 관한 것으로, 특히 각 가정의 물리적, 사회적, 경제적 측면을 고려하여 인간 중심적인 커뮤니티를 형성하고 추천할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법에 관한 것이다. The present invention relates to a smart community system and a method for discovering a multi-dimensional smart community thereof, and in particular, a smart community system and a multi-dimensional smart community thereof to enable human-centered communities to be formed and recommended in consideration of the physical, social, and economic aspects of each family It is about a method of construction.
모든 가정에 인터넷이 확산됨에 따라 주민들이 이전보다 서로 더 가까워지는 기회가 늘어났다. 그러나 견고한 구조적 장벽이 높아지고 그러한 지역 내 사회적 관계는 전통적인 마을에 비해 약하다. 따라서 커뮤니티를 활성화하고 궁극적으로 건설적인 참여와 주민 간의 커뮤니티 공유를 통해 커뮤니티 의식을 고양시키는 것은 현재 현대 주택 단지에서 어려운 문제로 대두되고 있다. With the spread of the Internet in every home, opportunities for residents to get closer to each other have increased. However, solid structural barriers are elevated and social relationships within such regions are weak compared to traditional villages. Therefore, revitalizing the community and ultimately raising community consciousness through constructive participation and community sharing among residents is currently a difficult problem in the modern housing complex.
이러한 커뮤니티를 활성화하기 위한 노력의 일환으로 여러 스마트 홈에 IoT가 설치하고, 이들을 서로 상호 연결하는 스마트 커뮤니티 개념이 제시되었다. As part of efforts to revitalize these communities, the concept of a smart community that IoT is installed in multiple smart homes and interconnects them has been presented.
스마트 커뮤니티는 주민들이 집단 지성을 활용함으로써 개인의 경제적 이익을 극대화 할뿐만 아니라 자원과 서비스의 자발적 상호 교환을 통해 커뮤니티 이익을 달성할 수 있게 함으로써, 궁극적으로 커뮤니티 의식과 삶의 질을 향상시키는 것을 목표로 한다. 그러한 스마트 커뮤니티를 활성화시키기 위해, 주민들은 기꺼이 사회봉사에 참여하고 헌신함을 가정으로 해야 한다. The smart community aims to ultimately improve community consciousness and quality of life by enabling residents to achieve community benefits through voluntary interchange of resources and services as well as maximizing individual economic benefits by utilizing collective intelligence. Shall be In order to revitalize such a smart community, residents must assume that they are willing to participate and devote themselves to community service.
이러한 참여와 헌신은 사람들을 그룹으로 모으는 것만으로는 보장되지 않기 때문에, (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계 학적 정보와 같은 커뮤니티 형성의 3 가지 원동력에 기초하여, 사람들을 분류하고 커뮤니티 그룹을 생성해야 한다. These engagements and dedication are not guaranteed by just bringing people together, so there are three types of community formation: (1) familiarity effects, (2) interests and hobbies, (3) socio-economic status and demographic information. Based on the driving force, we need to categorize people and create community groups.
그러나 종래에는 지리적 근접성, 자원 종류 및 양과 같은 물리적 측면만을 고려하여 스마트 커뮤니티를 구축 및 운영하고 있어, 주민들의 커뮤니티 이익을 달성하고 궁극적으로 커뮤니티 의식을 고양시킬 수 있는 보다 인간 중심의 스마트 커뮤니티를 형성하기에는 한계가 있었다. However, in the past, the smart community has been built and operated considering only physical aspects such as geographical proximity, resource type, and quantity, so it is not possible to form a more human-centered smart community that can achieve community benefit of residents and ultimately raise community awareness. There were limits.
이에 상기와 같은 문제점을 해결하기 위한 것으로써, 본 발명은 각 가정의 물리적, 사회적, 경제적 측면을 고려하여 인간 중심의 스마트 커뮤니티를 형성할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법을 제공하고자 한다. In order to solve the above problems, the present invention provides a smart community system and a multi-dimensional smart community construction method for forming a human-centered smart community in consideration of the physical, social, and economic aspects of each family. I want to.
그리고 스마트 커뮤니티의 서비스 유형 및 목적에 따라 유사성 측정을 위한 물리적, 사회적, 경제적 근접성 각각의 가중치를 조정할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법을 제공하고자 한다. In addition, we would like to provide a smart community system and a multi-dimensional smart community construction method for adjusting the weights of physical, social and economic proximity for measuring similarity according to the service type and purpose of the smart community.
또한 최소한의 개인 정보만을 사용할 수 있도록 하는 스마트 커뮤니티 시스템 및 이의 다차원 스마트 커뮤니티 구성 방법을 제공하고자 한다. In addition, it is intended to provide a smart community system that allows only minimal personal information to be used and a method for constructing a multi-dimensional smart community.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned will be clearly understood by those skilled in the art from the following description.
상기 과제를 해결하기 위한 수단으로써, 본 발명의 일 실시 형태에 따르면 회원 등록을 요청하는 가정이 존재하면, 상기 가정이 이용하는 홈 네트워크를 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 저장한 후 상기 가정을 회원으로 등록하는 단계; 다수의 가정이 회원 등록된 상태에서 커뮤니티 그룹 생성이 요청되면, 상기 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석함으로써, 가정 간 유사도를 파악하는 단계; 및 가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성하는 단계는 다차원 스마트 커뮤니티 구성 방법을 제공한다. As a means for solving the above problems, according to an embodiment of the present invention, if there is a family requesting member registration, member information including information about a house, family members, and home appliances through a home network used by the family Collecting and storing, then registering the home as a member; Determining a similarity between households by calculating and analyzing physical, social, and economic proximity between households based on the member information when community group creation is requested while a plurality of households are registered as members; And generating at least one community group by clustering the plurality of members based on similarities between families provides a method for constructing a multidimensional smart community.
상기 가정 간 유사도를 파악하는 단계는 상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 물리적, 사회적, 경제적 근접도 각각의 가중치를 조정할 수 있는 것을 특징으로 한다. The step of determining the similarity between the assumptions is characterized in that the weight of each physical, social and economic proximity can be adjusted according to the service type and purpose of the community group.
상기 회원 정보는 주택 정보, 가정 구성원 정보, 및 가전기기 정보를 포함하며, 상기 주택 정보는 주택 위치, 주택 크기, 주택 소유 여부, 주택에 구비된 가전 기기 종류에 대한 정보를 포함하고, 상기 가정 구성원 정보는 구성원 수, 가족 구성 형태, 생활 패턴, 구성원 각각의 직업 및 나이에 대한 정보를 포함하고, 상기 가전 기기 정보는 기기 타입, 제조사, 제조 일자, 기능, 사용 횟수 및 기간에 대한 정보를 포함하는 것을 특징으로 한다. The member information includes home information, home member information, and home appliance information, and the home information includes home location, home size, home ownership, and information on the types of home appliances provided in the home. The information includes information on the number of members, family composition, life patterns, and occupations and ages of each member, and the home appliance information includes information on a device type, a manufacturer, a manufacturing date, a function, a frequency of use, and a period of time. It is characterized by.
상기 가정 간 유사도를 파악하는 단계는 물리적 거리(Physical Distance), 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs)를 기반으로 가정 간 물리적 근접성을 산출하고, 가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents)을 기반으로 가정 간 사회적 근접성을 산출하는 단계; 주택 크기 차이(Difference of home size), 가전 기기 세트 유사성(Similarity of a set of home appliances), 주택 소유권 유사성(Similarity of home ownership), 직업 유사성(Similarity of Occupations of residents)을 기반으로 가정 간 경제적 근접성을 산출하는 단계; 상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성을 기 설정된 가중치에 따라 고려하여 가정 간 유사도를 산출하는 것을 특징으로 한다.The step of determining the similarity between the homes is based on the physical distance, the number of mutual neighbors, the number of mutual friends, and the number of encounters based on the number of encounter logs. Calculating physical proximity and calculating social proximity between homes based on family of family composition and age of family distribution; Economic proximity between homes based on Difference of home size, Similarity of a set of home appliances, Similarity of home ownership, and Similarity of Occupations of residents Calculating a; It is characterized in that similarity between households is calculated by considering the physical proximity, the social proximity, and the economic proximity according to predetermined weights.
상기 가정간 유사도를 파악하는 단계는 상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성의 산출을 위한 변수 각각의 가중치를 추가 조정할 수 있는 것을 특징으로 한다. The step of determining the similarity between the assumptions is characterized in that the weight of each of the variables for calculating the physical proximity, the social proximity, and the economic proximity can be adjusted according to the service type and purpose of the community group.
상기 방법은 새로운 가정이 회원 등록되면, 상기 새로운 가정과 상기 커뮤니티 그룹간의 물리적, 사회적, 경제적 근접도를 산출 및 비교 분석하여, 추천 대상 그룹을 선별 및 안내하는 단계를 더 포함하는 것을 특징으로 한다. The method may further include, when a new family is registered as a member, further comprising calculating and comparing and analyzing physical, social, and economic proximity between the new family and the community group, and selecting and guiding a group to be recommended.
또한 상기 방법은 커뮤니티 그룹 단위로 스마트 커뮤니티 서비스를 제공하는 단계를 더 포함하는 것을 특징으로 한다. In addition, the method is characterized in that it further comprises the step of providing a smart community service on a community group basis.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면 다수의 IoT와 홈 게이트웨이를 통해 홈 네트워크를 구축하고, 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 제공하는 다수의 홈 네트워크 시스템; 및 다수의 홈 네트워크 시스템이 제공하는 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석하여 가정 간 유사도를 파악한 후, 상기 가정 간 유사도를 기반으로 상기 다수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성 및 운영하는 커뮤니티 센터를 포함하는 스마트 커뮤니티 시스템을 제공한다. As a means for solving the above problems, according to another embodiment of the present invention, a home network is established through a plurality of IoTs and a home gateway, and member information including information about houses, family members, and home appliances is collected and provided. A number of home network systems; And calculating and analyzing physical, social, and economic proximity between families based on member information provided by a number of home network systems to identify similarities between families, and clustering the plurality of members based on the similarities between families to at least It provides a smart community system that includes a community center that creates and operates one community group.
본 발명은 물리적, 사회적, 경제적 근접성을 통해 (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계학적 정보와 같은 커뮤니티 형성의 3 가지 원동력을 반영하고, 이를 기반으로 인간 중심의 스마트 커뮤니티를 형성할 수 있도록 한다. The present invention reflects the three driving forces of community formation, such as (1) familiarity effects, (2) interests and hobbies, (3) socio-economic status and demographic information through physical, social and economic proximity, and based on this In order to form a human-centered smart community.
그리고 스마트 커뮤니티의 서비스 유형 및 목적에 따라 유사성 측정을 위한 물리적, 사회적, 경제적 근접성 각각의 가중치, 더 나아가서는 근접성 산출에 이용되는 변수의 가중치까지 조정할 수 있도록 함으로써, 스마트 커뮤니티 이용 의도를 보다 정확하고 충실하게 반영할 수 있도록 한다. In addition, according to the service type and purpose of the smart community, it is possible to adjust the weight of each physical, social, and economic proximity to measure similarity, and furthermore, to adjust the weight of variables used for calculating proximity, thereby making the intention to use the smart community more accurate and faithful. So that it can be reflected.
또한 최소한의 개인 정보만을 사용하여서도 스마트 커뮤니티 발견이 가능하도록 함으로써, 개인 정보 제공에 대한 사용자 부담을 최소화할 수 있도록 한다. In addition, it is possible to minimize the user burden on providing personal information by enabling smart community discovery using only minimal personal information.
도 1은 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템의 다차원 스마트 커뮤니티 구성 방법을 도시한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 인간 중심의 커뮤니티를 발견하기 위한 클러스터링 알고리즘을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 다차원 스마트 커뮤니티 구성 방법을 실제 적용예를 도시한 도면이다. 1 is a diagram illustrating a smart community system according to an embodiment of the present invention.
2 is a diagram illustrating a multi-dimensional smart community configuration method of a smart community system according to an embodiment of the present invention.
3 is a diagram for explaining a clustering algorithm for discovering a human-centered community according to an embodiment of the present invention.
4 is a diagram illustrating an actual application example of a method for constructing a multi-dimensional smart community according to an embodiment of the present invention.
본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.Objects and effects of the present invention, and technical configurations for achieving them will be clarified with reference to embodiments described below in detail together with the accompanying drawings. In the description of the present invention, when it is determined that a detailed description of known functions or configurations may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted.
그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to a user's or operator's intention or practice.
그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms. Only the present embodiments are provided to make the disclosure of the present invention complete, and to fully inform the person of ordinary skill in the art to which the invention pertains, the scope of the invention, and the invention is defined by the scope of the claims. It just works. Therefore, the definition should be made based on the contents throughout this specification.
본 발명의 커뮤니티 발견 방법은 클러스터링 알고리즘과 매우 관련이 있는 데, 클러스터링의 기본 기준은 서로 비슷한 개체는 동일 그룹으로 클러스터링하고, 서로 상이한 개체는 다른 그룹으로 클러스터링하는 것이다. The community discovery method of the present invention is very related to the clustering algorithm, and the basic criterion of clustering is to cluster similar entities into the same group and to cluster different entities into different groups.
클러스터링의 수학 공식은 유사성 측정(거리 함수)과 목적 함수(클러스터링 기준)의 두 가지 측정 기준이 정의된다. In the mathematical formula of clustering, two metrics are defined: a similarity measure (distance function) and an objective function (clustering criterion).
이에 본 발명은 (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계 학적 정보와 같은 커뮤니티 형성의 3 가지 원동력에 기초하여, 사람들을 분류하고 커뮤니티 그룹을 생성할 수 있도록 한다. Accordingly, the present invention is based on three driving forces of community formation, such as (1) familiarity effect, (2) interests and hobbies, (3) socio-economic status and demographic information, to categorize people and create community groups. Make it possible.
이를 위해, 본 발명은 물리적, 사회적, 경제적 근접성이라는 3 가지 요소를 통해 상기의 커뮤니티 형성의 3 가지 원동력을 반영하고, 이를 통해 커뮤니티 발견을 위한 유사성 산출 동작을 수행하도록 한다. To this end, the present invention reflects the three driving forces of the above-mentioned community formation through three factors: physical, social, and economic proximity, and performs similarity calculation for community discovery through this.
물리적 근접성은 일정 거리 이내에 있으며 일정 수준의 친밀감을 가진 사람들을 발견하기 위한 것이다. 이는 특정 커뮤니티 구성시에 공통의 목표를 달성하기 위한 작업에 참여하고 공동 작업을 하는 사람들이 서로 익숙하지 않아 당황스러워할 가능성을 낮추고, 대면 접촉을 통한 현장 지원이 보다 용이해질 수 있도록 하기 위함이다. 사회적 근접성은 이웃 사이의 사회적 동질성을 고취시킬 수 있는 비슷한 사회적 측면(예를 들어, 라이프 스타일)을 공유하는 사람들을 연결시키기 위한 것이다. 경제적 근접성은 유사한 사회 경제적 지위를 가진 사람을 발견하기 위한 것으로, 수입과 교육 수준에 의해 결정되는 사회 경제적 지위(SES)를 기반으로 산출 가능하다. Physical proximity is to discover people who are within a certain distance and have a certain level of intimacy. This is to reduce the likelihood of embarrassment to people who participate in and work together to achieve a common goal when establishing a specific community, and make on-site support through face-to-face contact easier. Social proximity is intended to connect people who share similar social aspects (eg, lifestyles) that can inspire social homogeneity among neighbors. Economic proximity is intended to find people with similar socio-economic status, and can be calculated based on socio-economic status (SES) determined by income and education level.
그리고 스마트 커뮤니티가 제공하고자하는 커뮤니티 그룹 각각의 서비스 유형 및 목적에 따라 유사성 측정을 위한 물리적, 사회적, 경제적 근접성 각각의 가중치를 조정할 수 있도록 한다. In addition, the weight of each physical, social and economic proximity for measuring similarity can be adjusted according to the service type and purpose of each community group to be provided by the smart community.
예를 들어, 이웃 감시 서비스는 가정의 경제력에 관계없이 지리의 가까움이 이웃을 주의 깊게 관찰 할 수 있는 스마트 커뮤니티를 형성하는 핵심 요소이기 때문에, 물리적 근접성에 더 높은 가중치를 부여하고 경제적 근접성에 대해서는 더 낮은 가중치를 할당하도록 한다. 마찬가지로 에너지 절약 서비스는 가정의 일반적인 복지와 생활 방식이 스마트 커뮤니티를 형성하는 데 중요하기 때문에, 물리적 근접성보다 사회적 근접성과 경제적 근접성에 더 큰 가중치를 두도록 한다. For example, the neighborhood monitoring service gives higher weight to physical proximity and more to economic proximity, as proximity to geography is a key element in forming a smart community that can closely observe its neighbors regardless of the economic power of the home. Try to assign a low weight. Likewise, energy-saving services place greater weight on social and economic proximity than physical proximity, because the general well-being and lifestyle of the home is important to form a smart community.
더하여, 본 발명은 근접도 각각의 가중치 균형 이외에, 근접도 산출에 이용되는 변수의 종류 및 가중치도 임의 조정할 수 있어야 한다. 즉, 근접도 각각의 변수는 거리 함수에 직접적으로 반영되므로 스마트 커뮤니티가 발견하는 유형에 따라 달라진다. 결과적으로, 근접도 산출에 이용되는 변수는 발견하고자하는 스마트 커뮤니티에 대해 가장 잘 묘사해야한다. In addition, the present invention should be able to arbitrarily adjust the types and weights of variables used for calculating proximity, in addition to the weight balance of each proximity. In other words, each variable of proximity is directly reflected in the distance function, so it depends on the type discovered by the smart community. As a result, the variables used to calculate proximity should best describe the smart community you want to discover.
또한 본 발명은 사용자 개인 정보와 커뮤니티 발견 품질 사이의 균형점을 찾는 것이다. 개별 사용자의 관점에서, 대상 가정에 대해 잘 매치되고 유익한 스마트 커뮤니티 회원을 발견하려면 기성품 추천 시스템이 가정의 디지털 발자국(digital footprints)을 활용하여 가정에 대한 개인 정보를 공개하는 것이 필수적이다. The present invention also seeks to find a balance between user personal information and community discovery quality. From an individual user's point of view, it is essential for ready-made referral systems to utilize their digital footprints to disclose personal information about their homes in order to find smart community members who are well matched and beneficial to the target home.
본 발명은 개인 정보의 남용을 방지하기 위해, 개인 정보 보호에 대한 우려를 해소하면서 특정 개인 데이터가 적합한 매치와 관련이 있는지 분석하도록 한다. In order to prevent the abuse of personal information, the present invention solves the concern about the protection of personal information and analyzes whether specific personal data is related to a suitable match.
개인 정보 사용에 대한 본 발명의 이론적 근거는, 다른 사람들이 이름과 주소 같은 사용자의 신원을 추측 할 수 있는 사용자의 직접적인 개인 정보를 요청할 뿐만 아니라 사용자가 정보 유출 정도를 제어할 수 있도록 하는 것이다. 커뮤니티 발견의 품질을 보장하기 위해, 공개된 개인 데이터의 양에 따른 성능 저하를 최소화하는 탄력적이고 취약성이 낮은 커뮤니티 발견 방법을 제안하고자 한다. The rationale of the present invention for the use of personal information is to allow others to control the degree of information leakage, as well as to request the user's direct personal information that can guess the user's identity, such as name and address. In order to guarantee the quality of community discovery, we intend to propose a flexible and vulnerable community discovery method that minimizes the performance degradation caused by the amount of personal data disclosed.
도 1은 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템을 도시한 도면이다. 1 is a diagram illustrating a smart community system according to an embodiment of the present invention.
도 1에서와 같이, 본 발명의 스마트 커뮤니티 시스템은 다수의 홈 네트워크 시스템(100)과 커뮤니티 센터(200)로 구성될 수 있다. 1, the smart community system of the present invention may be composed of a number of
홈 네트워크 시스템(100) 각각은 다수의 IoT(110)와 홈 게이트웨이(120)를 통해 홈 네트워크를 구축하고, 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 제공하도록 한다. Each of the
IoT 장치(110)는 자체 유지 장치로서, 가전 기기 자체로 구현될 수 있고, 가전 기기와 상호 연동되는 센서 형태로 구현될 수도 있다. 이는 가족 구성원이 수행하려는 작업의 종류를 인식하는 기능, 홈 게이트웨이(120)를 통해 다른 장치의 도움을 요청하는 기능, 개인화된 사용자 인터랙션을 제공하는 기능 등을 수행한다. The
홈 게이트웨이(120)는 Bluetooth, Wi-Fi 또는 Zigbee와 같은 근거리 무선 방식으로 댁내 IoT 장치(110)들과 통신함으로써, 홈 네트워크를 지원한다. 그리고 가족 구성원의 생활양식과 행동 패턴을 추론하는 데 중요한 역할을 하는 컨텍스트 정보를 IoT 장치(110) 및 가족 구성원으로부터 수집한 후, 커뮤니티 센터(200)에 제공하도록 한다. The
커뮤니티 센터(200)는 홈 네트워크를 구축 및 이용하는 가정을 회원으로 등록한다. 그리고 홈 네트워크 시스템(100)이 제공하는 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석하여 가정 간 유사도를 파악한 후, 상기 가정 간 유사도를 기반으로 다수의 가정을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성 및 운영하도록 한다. The
도 2는 본 발명의 일 실시 예에 따른 스마트 커뮤니티 시스템의 다차원 스마트 커뮤니티 구성 방법을 도시한 도면이다. 2 is a diagram illustrating a multi-dimensional smart community configuration method of a smart community system according to an embodiment of the present invention.
도 2을 참고하면, 본 발명의 스마트 커뮤니티 발견 방법은 크게 회원 등록 단계(S1), 커뮤니티 그룹 생성 단계(S2), 커뮤니티 서비스 제공 단계(S3), 및 커뮤니티 그룹 추천 단계(S4) 등을 포함한다. Referring to FIG. 2, the smart community discovery method of the present invention largely includes a member registration step (S1), a community group creation step (S2), a community service providing step (S3), and a community group recommendation step (S4). .
회원 등록 단계(S1)Member registration stage (S1)
만약, 회원 등록을 요청하는 가정이 존재하면, 커뮤니티 센터(200)는 가정이 이용하는 홈 네트워크를 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 획득한 후 상기 가정을 회원으로 등록하도록 한다. If there is a family requesting member registration, the
앞서 설명한 바와 같이, 본 발명은 물리적, 사회적 및 경제적 근접성을 통해 (1) 친숙함 효과, (2) 관심과 취미, (3) 사회 경제적 지위 및 인구 통계학적 정보와 같은 커뮤니티 형성의 3 가지 원동력을 반영하여 사람들을 분류하고 커뮤니티 그룹을 생성할 수 있도록 한다. As described above, the present invention provides three driving forces for community formation: (1) familiarity effects, (2) interests and hobbies, (3) socio-economic status and demographic information through physical, social and economic proximity. Reflect to categorize people and create community groups.
이에 본 발명에서는 물리적, 사회적 및 경제적 근접성의 산출이 가능하도록, 표1에서와 같이 주택(home), 가정(household), 및 개별 가전기기라는 세 가지 관점에서 회원 정보를 수집 및 제공하도록 한다. Accordingly, in the present invention, to enable the calculation of physical, social, and economic proximity, member information is collected and provided from three viewpoints: home, household, and individual home appliance as shown in Table 1.
표 1을 참고하면, 회원 정보는 주택 정보(Home), 가정 구성원 정보(Household), 및 가전기기 정보(Individual Appliance)를 포함하며, 주택 정보는 다시 주택 위치(Home location), 주택 크기(Home size), 주택 소유 여부(Home ownership), 주택에 구비된 가전 기기 종류(Installed home appliance)에 대한 정보를 포함하고, 가정 구성원 정보는 구성원 수(Number of residents), 가족 구성 형태(Family Composition), 생활 패턴(Commuting timeslot), 구성원 각각의 직업 및 나이(Occupations of residents, Age distribution of residents)에 대한 정보를 포함하고, 가전 기기 정보는 기기 타입(Device type), 제조사(Manufacturer), 제조 일자(Date of production), 기능(Operation), 사용 횟수 및 기간(Number of use of a device per week, Duration of use of a device at Referring to Table 1, member information includes housing information (Home), household member information (Household), and household appliance information (Individual Appliance), and the housing information is again a home location (Home location), a house size (Home size) ), Home ownership, information about the type of home appliance installed in the home, and home member information including the number of residents, family composition, and life Patterns (Commuting timeslot), including information about the occupation and age of each member (Occupations of residents, Age distribution of residents), household appliance information includes the device type (Device type), manufacturer (Manufacturer), date of manufacture (Date of Production, Function, Number of use of a device per week, Duration of use of a device at
a time)에 대한 정보를 포함함을 알 수 있다. a time).
이때의 회원 정보는 회원 등록을 요청한 사람이 직접 입력한 정보만을 이용하여 생성될 수 있으나, 대부분의 경우에는 홈 게이트웨이 등을 통해 수집되는 컨텍스트 정보를 추가 이용하여 생성될 수도 있다. At this time, the member information may be generated using only the information directly input by the person who requested the member registration, but in most cases, it may also be generated by additionally using context information collected through a home gateway or the like.
커뮤니티 그룹 생성 단계(S2)Community group creation step (S2)
다수의 가정이 회원 등록된 상태에서 커뮤니티 그룹 생성이 요청되면, 회원 정보를 기반으로 가정간 물리적, 사회적, 경제적 근접도를 산출 및 비교하여 가정간 유사도를 파악한 후, 유사도가 높은 회원끼리 그룹핑하여 적어도 하나의 커뮤니티 그룹을 생성하도록 한다. When a community group is requested while a number of families are registered as members, calculate and compare physical, social, and economic proximity between families based on member information to determine similarities between families, and group at least similar members to group at least Create a community group.
이를 위해 본 발명은 회원 정보를 기반으로 한 인간 중심의 커뮤니티 발견을 클러스터링 함수로 공식화한다. 이는 물리적, 사회적 및 경제적 근접값을 기반으로 수행되며, 이때의 3가지 근접값은 두 가정을 매칭하는 데 사용되고, 클러스터링을 위한 거리 함수로 간주된다. To this end, the present invention formulates human-centered community discovery based on member information as a clustering function. This is done based on physical, social and economic proximity values, where the three proximity values are used to match the two assumptions and are considered distance functions for clustering.
가정(h1,h2)간 물리적 근접성은 앞서 설명한 바와 같이 주민들간의 친밀감을 보장하기 위한 것으로, 두 가정간의 물리적 거리와, 친구 관계 및 만남 이력과 같은 주민들의 사회적 관계를 통해 가정간 노출 가능성을 평가함으로써 산출 가능하다. 이는 수학식 1과 같이, 물리적 거리(Physical Distance), 서로 이웃수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs) 중 적어도 하나를 변수로 가지는 거리 함수를 통해 산출될 수 있다. As described above, the physical proximity between homes (h1, h2) is to ensure intimacy between residents, by evaluating the likelihood of exposure between families through the physical distance between the two families and the social relationships of residents such as friendship and encounter history. It is possible to calculate. It has a variable having at least one of Physical Distance, Number of Mutual Neighbors, Number of Mutual Friends, and Number of Encounter Logs, as in
[수학식 1][Equation 1]
이때, α1 ~ α4는 변수 각각의 가중치이며, 이들의 초기값은 0.25으로 동일하게 설정된다. At this time, α1 to α4 are the weights of the variables, and their initial values are set equal to 0.25.
물리적 거리(Physical Distance)는 회원 정보에 포함된 주택 위치를 기반으로 산출될 수 있다. 만약, 주택 위치 정보가 없다면, 스마트 폰 등의 위치 정보를 기반으로 가정 또는 직장의 위치를 추론하고, 이를 기반으로 물리적 거리를 산출할 수도 있다. 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends)는 온라인 SNS의 친구 목록, 스마트 폰 등의 전화번호부에 등록된 친구 목록을 기반으로 산출될 수 있다. 만남 횟수(Number of Encounter Logs)는 스마트 폰의 위치가 동일 장소에 위치하는 횟수를 기반으로 산출될 수 있다.The physical distance may be calculated based on the location of the house included in the member information. If there is no home location information, the location of a home or work may be inferred based on location information such as a smart phone, and a physical distance may be calculated based on this. The number of neighbors (Number of Mutual Neighbors) and the number of friends of each other (Number of Mutual Friends) may be calculated based on a friend list registered in the phone book, such as a friend list of an online SNS or a smart phone. The number of encounters (Number of Encounter Logs) may be calculated based on the number of times the location of the smart phone is located in the same place.
다만, 물리적 거리(Physical Distance), 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs)와 같은 변수는 서로 상이한 척도(scale)로 측정될 수 있음을 고려하여, 이하의 수학식2에 따라 0-1 배율로 정규화되도록 한다. However, variables such as Physical Distance, Number of Mutual Neighbors, Number of Mutual Friends, and Number of Encounter Logs are measured on different scales. Considering that it can be, it is normalized to a 0-1 magnification according to Equation 2 below.
[수학식 2][Equation 2]
이때, x는 변수를 의미하고, i는 가정 쌍(예를 들어, h1-h2, h1-h3 등)의 인덱스이다. 이와 같은 정규화 방법은 이하에서 언급되는 변수에 대해서도 동일하게 적용된다. In this case, x means a variable, and i is an index of hypothetical pairs (eg, h1-h2, h1-h3, etc.). This normalization method applies equally to the variables mentioned below.
한편, 가정(h1,h2)간 사회적 근접성은 사회적 동질성과 자기 확신을 보장하는 사람들을 찾기 위한 것으로, 수학식3에서와 같이 가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents)을 변수로 가지는 거리 함수를 통해 산출될 수 있다. 즉, 본 발명의 가정 구성 형태 및 연령대를 라이프 스타일 표현으로 활용하여 사회적 근접성을 산출하도록 한다. On the other hand, social proximity between homes (h1, h2) is to find people who guarantee social homogeneity and self-confidence, as shown in
[수학식 3][Equation 3]
이때, β1, β2는 각 변수의 가중치이며, 이들의 초기값은 0.5으로 동일하게 설정된다. At this time, β1 and β2 are the weights of each variable, and their initial values are set equal to 0.5.
가족 형태 유사성(Similarity of family composition)는 회원 정보의 가족 구성 형태를 비교 분석하여 산출되며, 연령대 유사성(Similarity of age distribution of residents)는 회원 정보의 연령대 정보를 기반으로 산출될 수 있을 것이다. 이때, 가족 구성 형태는 C. J. Morgan, 1979. Eskimo hunting groups, social kinship, and the possibility of kin selection in humans. Ethol. Sociobiol.1, 1 (1979), 83-86.에 의해 제안된 가족 체계를 기반으로 정의될 수 있다. 다만, 이러한 정보는 범주적이며 한정된 표본 집합을 가지므로, Jaccard 유사성 계수를 사용하여 표현되도록 한다. The family of family composition is calculated by comparing and analyzing the family composition of member information, and the family of age distribution of residents can be calculated based on the age group information of member information. At this time, the family composition type is C. J. Morgan, 1979. Eskimo hunting groups, social kinship, and the possibility of kin selection in humans. Ethol. It can be defined on the basis of the family system proposed by Sociobiol. 1, 1 (1979), 83-86. However, since this information is categorical and has a limited set of samples, it is expressed using Jaccard similarity coefficient.
가정(h1,h2)간 경제적 근접성은 유사한 사회 경제적 지위를 가진 가정을 발견하기 위한 것으로, 수학식 4와 같이 주택 크기 차이(Difference of home size), 가전 기기 세트 유사성(Similarity of a set of home appliances), 주택 소유권 유사성(Similarity of home ownership), 직업 유사성(Similarity of Occupations of residents)을 변수로 가지는 거리 함수를 통해 산출될 수 있다. 즉, 많은 사람들이 수입과 같은 금융 정보의 공개를 꺼려함을 고려하여, 주택 크기, 가전기기 세트, 주택 소유 유형 및 주민 직업과 같은 주택 관련 정보를 활용한다. Economic proximity between homes (h1, h2) is to find homes with similar socio-economic status, as shown in
[수학식 4][Equation 4]
이때, γ1 내지 γ는 각 변수의 가중치이고, 이들의 초기값은 0.25로 동일하게 설정된다.At this time, γ1 to γ are weights of each variable, and their initial values are set equal to 0.25.
주택 크기 차이(Difference of home size)는 회원 정보의 주택 크기를 비교 분석하여 산출되며, 이때의 주택 크기는 평방미터로 측정되므로 차이가 거리 측정값이 될 수 있다. Difference of home size is calculated by comparing and analyzing the home size of the member information, and since the home size is measured in square meters, the difference may be a distance measurement value.
가전 기기 세트 유사성(Similarity of a set of home appliances)는 회원 정보의 가전 기기 세트를 기반으로 산출될 수 있다. 가전 --제품 세트는 장치 유형을 통해 정의되고, 제조업체는 일련의 범주 값으로 정의되므로, Jaccard 유사도 계수가 적용된다. 주택 소유권 유사성(Similarity of home ownership)는 회원 정보의 주택 소유권을 기반으로 산출될 수 있다. 주택 소유 유형은 임대 또는 구입한 주택의 범주 값으로 표현되므로, 정보 일치 시에는 1을, 그렇지 않으면 0의 값을 가지도록 한다. 직업 유사성의 경우, 개인 주민의 직업은 ISCO(international standard classification of occupations, International Labour Office 2012 참고)의 주요 및 하위 주요 그룹의 레벨로 정의되며, 이 문자열을 토큰화 프로세스를 거쳐 쉼표로 구분된 값의 형태로 계산 방식으로 표현된다. 이에 본 발명은 직업 유사성을 가정 구성원의 직종과 비교하고, Jaccard 유사성 계수를 기반으로 유사성을 산출할 수 잇도록 한다. Similarity of a set of home appliances may be calculated based on a set of household appliances of member information. Appliances-Product sets are defined by device type, and manufacturers are defined by a set of categorical values, so the Jaccard similarity factor applies. The similarity of home ownership can be calculated based on the home ownership of member information. The type of homeownership is expressed as the category value of the rental or purchased house, so if the information matches, it is set to 1, otherwise it is set to 0. In the case of occupational similarity, the occupation of an individual resident is defined as the level of major and sub-major groups of the International Standard Classification of Occupations (ISCO) (see International Labor Office 2012). It is expressed in the form of a calculation. Accordingly, the present invention compares the occupational similarity with the occupation of the household member, and makes it possible to calculate the similarity based on the Jaccard similarity coefficient.
이하, 표 2는 근접도 산출에 이용되는 각 변수의 거리 측정값을 도시한 표이다. Hereinafter, Table 2 is a table showing a distance measurement value of each variable used for calculating proximity.
표 2를 참고하면, 물리적 거리(Physical Distance) 및 주택 크기 차이(Difference of home size)는 수학식 5로 정의되는 유클리드 거리 측정 함수를 이용하여 산출된다. 유클리드 거리 측정은 유클리드 공간에서 두 점 X와 Y 사이의 직선거리이다. 이것이 거리 척도이기 때문에, 본 발명은 각 근접 척도에서 반대의 의미를 갖기 위해 상호(reciprocal)를 취하도록 한다. Referring to Table 2, the physical distance and the difference of home size are calculated using the Euclidean distance measurement function defined by
[수학식 5][Equation 5]
이때, X와 Y는 비교 대상인 두 가정을 의미한다. In this case, X and Y mean two assumptions to be compared.
서로 이웃수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs), 가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents), 가전 기기 세트 유사성(Similarity of a set of home appliances), 직업 유사성(Similarity of Occupations of residents)는 수학식 6으로 정의되는 Jaccard 유사도 계수를 이용하여 산출된다. Jaccard 유사도 계수는 교차점의 크기를 수학식 6과 같이 표본 집합의 합집합 크기로 나눈 값으로 정의된다.Number of Mutual Neighbors, Number of Mutual Friends, and Number of Encounter Logs, Family of Family Composition, and Similarity of Age Distribution of Residents , Similarity of a set of home appliances and Similarity of Occupations of residents are calculated using the Jaccard similarity coefficient defined by Equation (6). The Jaccard similarity coefficient is defined as the size of the intersection point divided by the union size of the sample set, as shown in
[수학식 6][Equation 6]
주택 소유권 유사성(Similarity of home ownership)는 수학식 7에서와 같은 단순 매칭 계수를 기반으로 산출된다. 즉, 변수가 하나의 속성을 가지므로, 서로 일치 여부를 단순 체크하는 방식으로 산출된다. The similarity of home ownership is calculated based on a simple matching coefficient as in Equation 7. That is, since variables have one attribute, they are calculated by simply checking whether they match each other.
[수학식 7][Equation 7]
즉, 본 발명은 근접성 각각의 의도를 가장 잘 반영하는 변수를 선별 및 이용하여, 의미 중복을 최소화하고 근접 값 사이의 응집력을 높일 수 있도록 한다. 또한 이러한 유형의 근접식 모델링은 주민이 개인 정보 제공을 원하지 않는 경우에도, 몇 가지 대체 변수를 통해 유사 의미를 도출할 수 있도록 함으로써, 데이터 유형의 개수에 덜 취약한 장점을 가진다. That is, the present invention is to select and use variables that best reflect each intention of proximity, thereby minimizing semantic overlap and increasing cohesion between proximity values. In addition, this type of proximity modeling has the advantage of being less vulnerable to the number of data types by allowing similar meanings to be derived through several substitution variables even when the residents do not want to provide personal information.
그리고 가정 간 물리적, 사회적 및 경제적 근접성 모두가 산출되면, 수학식 8 및 9의 클러스터링 알고리즘의 거리 함수로서 3 가지의 근접값을 통합하도록 한다. In addition, when both physical, social, and economic proximity between households are calculated, three proximity values are integrated as a distance function of the clustering algorithms of
[수학식 8][Equation 8]
[수학식 9][Equation 9]
이때, PP는 물리적 근접성, SP는 사회적 근접성, EP는 경제적 근접성을 나타낸다. α, β 및 γ 값은 3 가지의 근접값 각각의 가중치로, 이는 커뮤니티 그룹의 서비스 유형 및 목적에 따라 조정될 수 있다. At this time, PP represents physical proximity, SP represents social proximity, and EP represents economic proximity. The α, β and γ values are the weights of each of the three proximity values, which can be adjusted according to the service type and purpose of the community group.
그리고 근접값을 통합 결과를 기반으로 다수의 가정을 클러스터링하여 다수의 커뮤니티 그룹을 생성하도록 한다. In addition, multiple community groups are created by clustering multiple assumptions based on the result of the integration of proximity values.
본 발명은 도 3에서와 같은 k- 평균 및 k- 모드 프로세스를 통합한 k- 프로토타입 클러스터링 방법을 이용하는 데, 이는 데이터 모델이 자연 질서 또는 거리를 평가하기가 쉽지 않은 이산성을 가진 범주형 속성도 포함하기 때문이다. The present invention utilizes a k-prototype clustering method incorporating k-average and k-mode processes as in FIG. 3, which is a categorical property with discreteness in which the data model is not easy to evaluate natural order or distance. It also includes.
도 3은 본 발명의 일 실시 예에 따른 인간 중심의 커뮤니티를 발견하기 위한 클러스터링 알고리즘을 설명하기 위한 도면이다. 3 is a diagram for explaining a clustering algorithm for discovering a human-centered community according to an embodiment of the present invention.
먼저, 모든 가정의 k 초기 클러스터 모드가 각 클러스터마다 하나씩 무작위로 선택된다(1 ~ 3 행). First, the k initial cluster mode of all households is randomly selected (one to three rows), one for each cluster.
그런 다음 각 가정과 초기 클러스터 사이의 거리 점수를 측정하고, 각 가정을 가장 가까운 클러스터에 할당한다. 각 클러스터의 주택 중에서 클러스터 내 거리를 최소화하는 클러스터 모드를 업데이트한다(5 ~ 16 행). The distance score between each assumption and the initial cluster is then measured, and each assumption is assigned to the nearest cluster. Update the cluster mode that minimizes the distance in the cluster among the houses of each cluster (
모든 가정이 클러스터에 할당된 후에는 현재 클러스터의 모드에 대한 개체의 거리 점수를 다시 계산한다. 오브젝트가 가장 가까운 모드가 현재 클러스터가 아닌 다른 클러스터에 속하는 것으로 발견되면 오브젝트를 해당 클러스터에 재 할당하고 두 클러스터의 모드를 갱신한다. After all assumptions have been assigned to the cluster, the object's distance score for the current cluster's mode is recalculated. If the object finds that the closest mode belongs to a cluster other than the current cluster, it reassigns the object to that cluster and updates the modes of both clusters.
이 절차는 전체 데이터 세트를 평가 한 후, 각 클러스터에 속한 가정이 더 이상 변경되지 않을 때까지 반복된다(20 행).This procedure is repeated after evaluating the entire data set, until the assumptions belonging to each cluster are no longer changed (row 20).
커뮤니티 서비스 제공 단계(S3)Community service provision phase (S3)
다수의 가정이 다수의 커뮤니티 그룹으로 클러스터링되면, 각 가정의 홈 게이트웨이(120)는 가족 구성원의 행동 패턴, 가정 기기의 사용 패턴 등에 대한 컨텍스트 정보를 주기적으로 생성하여 커뮤니티 센터(200)에 제공하도록 한다. 그러면, 커뮤니티 센터(200)는 커뮤니티 그룹 단위로 각 가정이 제공하는 컨텍스트 정보를 수집 및 분석하여, 기 설정된 서비스 유형 및 목적에 맞는 정보 제공 또는 원격 동작을 다양하게 수행할 수 있도록 한다. When a plurality of families are clustered into a plurality of community groups, the
예를 들어, 스마트 커뮤니티의 목적이 에너지 절감인 경우, 커뮤니티 센터(200)는 각 가정이 가전기기를 사용할 때마다 전력 사용 패턴을 모니터링하고 가정이 속한 커뮤니티 그룹의 평균 전력 사용량과 비교한다. 그리고 가전기기의 사용 패턴(예를 들어, 전력 소비 수준)이 커뮤니티 평균치를 벗어나면 절전 경고 메시지가 해당 가정의 스마트 폰으로 전송된다. 또한 절전 경고에 링크된 URL 또는 어플리케이션 메뉴를 통해 해당 가정은 가전기기의 총 에너지 소비를 줄이기 위해 제품을 원격으로 끌 수 있도록 한다. For example, if the purpose of the smart community is energy saving, the
즉, 본 발명은 커뮤니티 그룹 단위로 커뮤니티 서비스를 제공할 수 있도록 한다. That is, the present invention makes it possible to provide community services on a community group basis.
커뮤니티 그룹 추천 단계(S4)Community group recommendation stage (S4)
새로운 가정이 회원 등록되면, 새로운 가정과 커뮤니티 그룹간의 물리적, 사회적, 경제적 근접도를 산출 및 비교 분석하여, 추천 커뮤니티 그룹을 선별 및 안내하도록 한다. When a new home is registered as a member, the physical, social and economic proximity between the new home and the community group is calculated and compared to select and guide the recommended community group.
즉, 커뮤니티 그룹 단위로 회원 정보 평균값을 산출 및 저장한 후, 새로 회원 등록된 가정의 회원 정보와 상기의 회원 정보 평균값을 비교하여 새로운 가정과 커뮤니티 그룹간 물리적, 사회적, 경제적 근접도를 산출하도록 한다. 그리고 가장 높은 유사도를 가지는 커뮤니티 그룹을 새로운 가정에 추천하도록 한다. That is, after calculating and storing the average member information in community group units, the member information of the newly registered family and the average member information are compared to calculate physical, social, and economic proximity between the new family and the community group. Also, recommend the community group with the highest similarity to the new home.
또 다르게는 새로운 가정이 발생할 때마다, 새로운 가정을 포함한 모든 회원의 물리적, 사회적, 경제적 근접도를 재산출하고 앞서 설명된 클러스터링 동작을 재수행함으로써, 다수의 커뮤니티 그룹을 재산출할 수도 있도록 한다. Alternatively, whenever a new home occurs, it is also possible to recalculate multiple community groups by recalculating the physical, social and economic proximity of all members, including the new home, and redoing the clustering operations described above.
도 4는 본 발명의 일 실시 예에 따른 다차원 스마트 커뮤니티 구성 방법을 실제 적용예를 도시한 도면으로, 이는 에너지 절약을 스마트 커뮤니티의 목적으로 한다. FIG. 4 is a diagram showing an actual application example of a method for constructing a multidimensional smart community according to an embodiment of the present invention, which aims to save energy for a smart community.
먼저, 커뮤니티 센터(200)는 스마트 커뮤니티용 어플리케이션을 생성 및 배포하고, 사용자 각각은 자신의 단말(예를 들어, 스마트 폰, 태플릿 PC)를 통해 이를 다운로드 및 설치하도록 한다. First, the
그리고 사용자 각각은 어플리케이션의 회원 가입 절차를 통해 스마트 커뮤니티에 회원 가입하고, 로그인 절차를 통해 스마트 커뮤니티 발견을 요청한다. And each user joins the smart community through the application's membership registration process, and requests the discovery of the smart community through the login process.
커뮤니티 센터는 회원 가입 절차, 또는 최초 로그인시 어플리케이션을 통해 예비 조사를 수행함으로써 회원에 대한 기본 정보를 획득하도록 한다. 또한 사용자가 이용하는 홈 네트워크가 홈 게이트웨이를 통해 가족 구성원의 행동 패턴, 가정 기기의 사용 패턴 등에 대한 컨텍스트 정보를 추가 수집하여, 회원 정보를 생성 및 저장하도록 한다. The community center acquires basic information about a member by performing a preliminary investigation through a membership registration process or an application upon initial login. In addition, the home network used by the user additionally collects context information on family members' behavior patterns, home device usage patterns, and the like through the home gateway to generate and store member information.
그러고 나서, 저장된 회원 정보를 기반으로 가정 간 3 가지 근접값을 산출 및 클러스터링함으로써, 에너지 절약을 위한 다수의 커뮤니티 그룹을 생성한다. Then, by calculating and clustering three proximity values between households based on the stored member information, a number of community groups for energy saving are generated.
그러고 나서, 사용자가 가전기기를 사용할 때마다 전력 사용 패턴을 모니터링하고, 사용자가 속한 커뮤니티 그룹의 평균 전력 사용량과 비교한 후, 사용자의 가전기기의 사용 패턴 (예를 들어, 전력 소비 수준)이 임계값으로 커뮤니티 그룹의 평균치를 벗어나면 푸시 알람 형식으로 스마트 폰에 경고 메시지를 전송하도록 한다. 그리고 경고 메시지에 링크된 URL 또는 메뉴를 통해 사용자가 해당 가전기기의 전원을 원격 제어할 수 있도록 한다. Then, whenever the user uses the home appliance, the power usage pattern is monitored, compared to the average power usage of the community group to which the user belongs, and then the user's home appliance usage pattern (e.g., power consumption level) is critical If the value exceeds the average value of the community group, a warning message is sent to the smartphone in the form of a push alarm. In addition, the user can remotely control the power of the corresponding home appliance through a URL or menu linked to the warning message.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those skilled in the art to which the present invention pertains may make various modifications and variations without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the claims below, and all technical spirits within the scope equivalent thereto should be interpreted as being included in the scope of the present invention.
Claims (8)
회원 등록을 요청하는 가정이 존재하면, 상기 커뮤니티 센터가 상기 가정이 이용하는 홈 네트워크 시스템을 통해 주택, 가족 구성원, 가전 기기에 대한 정보를 포함하는 회원 정보를 수집 및 저장한 후 상기 가정을 회원으로 등록하는 단계;
복수의 가정이 회원 등록된 상태에서 상기 홈 네트워크 시스템을 통해 커뮤니티 그룹 생성이 요청되면, 상기 커뮤니티 센터가 상기 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석함으로써, 가정 간 유사도를 파악하는 단계; 및
상기 커뮤니티 센터가 가정 간 유사도를 기반으로 상기 복수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성하는 단계를 포함하며,
상기 가정 간 유사도를 파악하는 단계는
물리적 거리(Physical Distance), 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs)를 기반으로 가정 간 물리적 근접성을 산출하고,
가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents)을 기반으로 가정 간 사회적 근접성을 산출하고,
주택 크기 차이(Difference of home size), 가전 기기 세트 유사성(Similarity of a set of home appliances), 주택 소유권 유사성(Similarity of home ownership), 직업 유사성(Similarity of Occupations of residents)을 기반으로 가정 간 경제적 근접성을 산출하며,
상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성을 기 설정된 가중치에 따라 고려하여 상기 가정 간 유사도를 산출하되, 상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 각각의 가중치를 조정할 수 있는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법. In the multi-dimensional smart community configuration method by a smart community system including a plurality of home network systems and community centers,
If a family requesting member registration exists, the community center collects and stores member information including information about a house, family members, and home appliances through the home network system used by the family, and then registers the family as a member To do;
When a plurality of families are registered as members and a community group is requested to be generated through the home network system, the community center calculates and analyzes the physical, social, and economic proximity between families based on the member information, thereby similarity between families Grasping; And
And generating, by the community center, at least one community group by clustering the plurality of members based on similarities between families.
The step of determining the similarity between the assumptions
Calculate physical proximity between homes based on Physical Distance, Number of Mutual Neighbors, Number of Mutual Friends, and Number of Encounter Logs,
Calculate social proximity between homes based on the Family of family composition and the Family of age distribution of residents,
Economic proximity between homes based on Difference of home size, Similarity of a set of home appliances, Similarity of home ownership, and Similarity of Occupations of residents Yields
Multidimensional, characterized in that the physical proximity, the social proximity, and the economic proximity are considered according to predetermined weights to calculate similarities between the assumptions, but each weight can be adjusted according to the service type and purpose of the community group. How to build a smart community.
주택 정보, 가정 구성원 정보, 및 가전기기 정보를 포함하며,
상기 주택 정보는 주택 위치, 주택 크기, 주택 소유 여부, 주택에 구비된 가전 기기 종류에 대한 정보를 포함하고,
상기 가정 구성원 정보는 구성원 수, 가족 구성 형태, 생활 패턴, 구성원 각각의 직업 및 나이에 대한 정보를 포함하고,
상기 가전 기기 정보는 기기 타입, 제조사, 제조 일자, 기능, 사용 횟수 및 기간에 대한 정보를 포함하는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법. The method of claim 1, wherein the member information
Housing information, household member information, and home appliance information,
The housing information includes information on the location of the house, the size of the house, whether the house is owned, and the type of home appliance provided in the house
The household member information includes information on the number of members, family composition, life patterns, and occupations and ages of each member.
The home appliance information includes a device type, a manufacturer, a manufacturing date, a function, a number of uses, and a period of time.
상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성의 산출을 위한 변수 각각의 가중치를 추가 조정할 수 있는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법. The method of claim 1, wherein determining the similarity between the assumptions
A method for constructing a multi-dimensional smart community, wherein the weight of each variable for calculating the physical proximity, the social proximity, and the economic proximity can be adjusted according to the service type and purpose of the community group.
새로운 가정이 회원 등록되면, 상기 커뮤니티 센터가 상기 새로운 가정과 상기 커뮤니티 그룹간의 물리적, 사회적, 경제적 근접도를 산출 및 비교 분석하여, 추천 대상 그룹을 선별 및 안내하는 단계를 더 포함하는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법. According to claim 1,
When a new home is registered as a member, the community center further includes calculating and comparing physical, social, and economic proximity between the new home and the community group, and selecting and guiding a target group for recommendation. How to build a smart community.
상기 커뮤니티 센터가 커뮤니티 그룹 단위로 스마트 커뮤니티 서비스를 제공하는 단계를 더 포함하는 것을 특징으로 하는 다차원 스마트 커뮤니티 구성 방법. According to claim 1,
The community center further comprises the steps of providing a smart community service on a community group basis.
복수의 홈 네트워크 시스템이 제공하는 회원 정보를 기반으로 가정 간 물리적, 사회적, 경제적 근접도를 산출 및 분석하여 가정 간 유사도를 파악한 후, 상기 가정 간 유사도를 기반으로 상기 복수의 회원을 클러스터링하여 적어도 하나의 커뮤니티 그룹을 생성 및 운영하는 커뮤니티 센터를 포함하며,
상기 커뮤니티 센터는,
물리적 거리(Physical Distance), 서로 이웃 수(Number of Mutual Neighbors), 서로 친구 수(Number of Mutual Friends), 및 만남 횟수(Number of Encounter Logs)를 기반으로 가정 간 물리적 근접성을 산출하고,
가족 형태 유사성(Similarity of family composition), 연령대 유사성(Similarity of age distribution of residents)을 기반으로 가정 간 사회적 근접성을 산출하고,
주택 크기 차이(Difference of home size), 가전 기기 세트 유사성(Similarity of a set of home appliances), 주택 소유권 유사성(Similarity of home ownership), 직업 유사성(Similarity of Occupations of residents)을 기반으로 가정 간 경제적 근접성을 산출하며,
상기 물리적 근접성, 상기 사회적 근접성, 및 상기 경제적 근접성을 기 설정된 가중치에 따라 고려하여 상기 가정 간 유사도를 산출하되, 상기 커뮤니티 그룹의 서비스 유형 및 목적에 따라 각각의 가중치를 조정할 수 있는 것을 특징으로 하는 스마트 커뮤니티 시스템. A plurality of home network systems for constructing a home network through a plurality of IoT and home gateways, and collecting and providing member information including information about houses, family members, and home appliances; And
After calculating and analyzing physical, social, and economic proximity between families based on member information provided by a plurality of home network systems, similarities between families are identified, and then the plurality of members are clustered based on the similarities between families to at least one. And a community center that creates and operates community groups in
The community center,
Calculate physical proximity between homes based on Physical Distance, Number of Mutual Neighbors, Number of Mutual Friends, and Number of Encounter Logs,
Calculate social proximity between homes based on the Family of family composition and the Family of age distribution of residents,
Economic proximity between homes based on Difference of home size, Similarity of a set of home appliances, Similarity of home ownership, and Similarity of Occupations of residents Yields
Smart considering the physical proximity, the social proximity, and the economic proximity according to a predetermined weight to calculate the similarity between the assumptions, each weight can be adjusted according to the service type and purpose of the community group Community system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180076431A KR102106260B1 (en) | 2018-07-02 | 2018-07-02 | Smart community system and method for discovering multi-dimensional smart community |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180076431A KR102106260B1 (en) | 2018-07-02 | 2018-07-02 | Smart community system and method for discovering multi-dimensional smart community |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200003536A KR20200003536A (en) | 2020-01-10 |
| KR102106260B1 true KR102106260B1 (en) | 2020-05-04 |
Family
ID=69158496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180076431A KR102106260B1 (en) | 2018-07-02 | 2018-07-02 | Smart community system and method for discovering multi-dimensional smart community |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102106260B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101516329B1 (en) * | 2013-12-27 | 2015-05-06 | 충북대학교 산학협력단 | System and method for recommending group in social network environments |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101434296B1 (en) * | 2012-06-18 | 2014-08-29 | 중앙대학교 산학협력단 | Apparatus and method for monitoring amount of energy consumption in apartment housing |
| KR20140140309A (en) * | 2013-05-29 | 2014-12-09 | (주) 다이퀘스트 | Method for calculating simularity between users and item recommendation method using the same |
-
2018
- 2018-07-02 KR KR1020180076431A patent/KR102106260B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101516329B1 (en) * | 2013-12-27 | 2015-05-06 | 충북대학교 산학협력단 | System and method for recommending group in social network environments |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200003536A (en) | 2020-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109241405A (en) | A kind of associated education resource collaborative filtering recommending method of knowledge based and system | |
| US9148347B2 (en) | Network data analysis | |
| US20140244710A1 (en) | Context aware actions among heterogeneous internet of things (iot) devices | |
| EP2371153A1 (en) | Method and system for providing wireless communication between user equipments | |
| CN104865927A (en) | Method and apparatus for constructing user model, and equipment control method and apparatus | |
| US20090006613A1 (en) | System and a method for updating a user presence status on a terminal by aggregating multisource information | |
| Lu et al. | HBGG: A hierarchical Bayesian geographical model for group recommendation | |
| Lee et al. | An intelligent power monitoring and analysis system for distributed smart plugs sensor networks | |
| Acemoglu et al. | Privacy-constrained network formation | |
| Chin et al. | Who should I add as a" friend"? A study of friend recommendations using proximity and homophily | |
| KR20120045861A (en) | Method and server for providing social network based question and answer service | |
| Zhao et al. | Social discovery: Exploring the correlation among three-dimensional social relationships | |
| Wang et al. | Interplay between social selection and social influence on physical proximity in friendship formation | |
| JPWO2016147298A1 (en) | RECOMMENDATION DEVICE, RECOMMENDATION DETERMINING METHOD, AND COMPUTER PROGRAM | |
| Kim et al. | A multi-dimensional smart community discovery scheme for IoT-enriched smart homes | |
| KR102106260B1 (en) | Smart community system and method for discovering multi-dimensional smart community | |
| Chen et al. | Passive profiling of mobile engaging behaviours via user-end application performance assessment | |
| JP2020077151A (en) | Community activity measurement method, community maturity measurement method, and community activity measurement program | |
| CN105320748A (en) | Retrieval method and retrieval system for matching subjective standards of users | |
| KR102483713B1 (en) | System and operation method for matching advertiser and influencer for social media marketing | |
| Kim et al. | SpinRadar: a spontaneous service provision middleware for place-aware social interactions | |
| KR101151695B1 (en) | Mobile ecosystem based on characteristic of user and method for providing a service thereof | |
| Chung et al. | Dynamic trend detection in us border security social-media networks | |
| Peng et al. | A node selection paradigm for crowdsourcing service based on region feature in crowd sensing | |
| KR102426748B1 (en) | System for recommending service based on disc |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |