DOI QR코드

DOI QR Code

실시간 유비쿼터스 환경에서 센서 데이터 처리를 위한 대기시간 산출 알고리즘

Queuing Time Computation Algorithm for Sensor Data Processing in Real-time Ubiquitous Environment

  • 투고 : 2010.12.25
  • 심사 : 2011.01.09
  • 발행 : 2011.03.31

초록

실시간 유비쿼터스 환경은 센서로부터 얻어낸 데이터를 기반으로 상황을 인지하고 사용자에게 적절한 반응을 보이기까지 제한된 시간 내에 모든 것을 처리해야 한다. 전체적인 센서 데이터 처리는 센서로부터의 자료 확보, 상황 정보의 획득, 그리고 사용자로의 반응이라고 하는 과정을 거친다. 즉, 유비쿼터스 컴퓨팅 미들웨어는 입력된 센서 자료 및 데이터베이스 또는 지식베이스로부터 일련의 자료들을 활용하여 상황을 인식하며, 그 상황에 적합한 반응을 하게 된다. 그런데 실시간 환경의 특징 상 센서데이터가 들어오면 각 가용 자원들을 검색하고 그 곳에 있는 미들웨어가 데이터를 처리 할 경우 어느 정도의 대기 시간이 필요한지를 결정해야 한다. 또한 센서 데이터 처리의 우선순위가 높을 때는 미들웨어가 현재 처리중인 데이터를 언제 처리를 중지하고 얼마나 대기시켜야 하는지도 결정해야 한다. 그러나 이러한 의사결정에 대한 연구는 아직 활발하지 않다. 따라서 본 논문에서는 유비쿼터스 미들웨어가 이미 센서 데이터를 처리하고 있고 동시에 새로운 센서 데이터를 처리해야 할 때 각 작업의 최적 대기시간을 계산하고 스케줄링하는 알고리즘을 제안한다.

The real-time ubiquitous environment is required to be able to process a series of sensor data within limited time. The whole sensor data processing consists of several phases : getting data out of sensor, acquiring context and responding to users. The ubiquitous computing middleware is aware of the context using the input sensor data and a series of data from database or knowledge-base, makes a decision suitable for the context and shows a response according to the decision. When the real-time ubiquitous environment gets a set of sensor data as its input, it needs to be able to estimate the delay-time of the sensor data considering the available resource and the priority of it for scheduling a series of sensor data. Also the sensor data of higher priority can stop the processing of proceeding sensor data. The research field for such a decision making is not yet vibrant. In this paper, we propose a queuing time computation algorithm for sensor data processing in real-time ubiquitous environment.

키워드

참고문헌

  1. Arasu, A., B. Babcock, S. Babu, J. Cieslewicz, M. Datar, K. Ito, R. Motwani, U. Srivastava, and J. Widom, STREAM : The Stanford Data Stream Management System, Technical Report. Stanford InfoLab, 2004.
  2. Bumbalek, Z., J. Zelenka, and L. Kencl, e-Scribe : Ubiquitous Real-Time Speech Transcription for the Hearing-Impaired, http://www.rdc.cz/download/publications/escribe.pdf.
  3. Galob, L., M. T. Ozsu, "Issues in Data Stream Management", ACM SIGMOD Record, Vol. 32, No.2(2003), 5-14. https://doi.org/10.1145/776985.776986
  4. Garvey, A. and V. Lesser, Design-to-time Real- Time Scheduling, IEEE Transactions on Systems, Man and Cybernetics, Vol.23, No.6 (1993).
  5. Hastie, T., R. Tibshirani, and J. Friedman, The Elements of Statistical Learning : Data Mining, Inference, and Prediction, Springer, 2001.
  6. Hatala, M., R. Wakkary, L. Kalantari, Rules and ontologies in support of real-time ubiquitous application, Web Semantics, (2005), 5-22.
  7. Lee, B., S. Lim, J. Kim, "Scalable real-time monitoring system for ubiquitous smart space", Information Processing Letters, Vol.110 (2010), 294-299. https://doi.org/10.1016/j.ipl.2010.02.005
  8. Liu, J. W. S., Real-Time Systems, Prentice Hall, 2000.
  9. Musolesi, M., "Real-Time Ubiquitous Urban Sensing and Modelling", IEEE Internet Computing, Vol.12, No.4(2008), 12-21. https://doi.org/10.1109/MIC.2008.90
  10. Nam, M., M. Z. Al-Sabbagh, J. Kim, M. Yoon, C. Lee, and E. Y. Ha, "A Real-Time Ubiquitous System for Assisted Living : Combined Scheduling of Sensing and Communication for Real-Time Tracking", IEEE Transactions on Computers, Vol.57, No.6 (2008), 795-808. https://doi.org/10.1109/TC.2008.21
  11. Schurgers, C., V. Tsiatsis, S. Ganeriwal, and M. Srivastava, "Optimizing Sensor Networks in the Energy-Latency-Density Design Space", IEEE Transaction on Mobile Computer, Vol. 1, No.1(2002).
  12. Sim, S., J. F. Carbonell-MArquez, B. F. Spencer Jr., and H. Jo, "Decentralized random decrement technique for efficient data aggregation and system identification in wireless smart sensor networks", Probabilistic Engineering Mechanics, Vol.26(2011), 81-91. https://doi.org/10.1016/j.probengmech.2010.07.002