2013. 11. 30

권 순 현 (kwonshzzang@etri.re.kr)

Sensor Network & Semantic Web 기술 동향 1

IoT 시맨틱 플랫폼(COMUS 플랫폼) 2

플랫폼 활용 3 3

•  시맨틱 어노테이션 & 변환기술 •  USN자원/실세계이벤트/서비스/상황 온톨로지 모델링 기술 •  IoT 시맨틱 시맨틱 추론 기술(병렬/분산 추론) •  IoT 시맨틱 레파지토리 적재기술 •  GEO/기상 LOD 구축 및 연계

•  센서 커뮤니티 •  플랫폼 활용 서비스(기상센서 API, 웰라이프 수면관리 서비스, 오미(五味)길 서비스)

E-H A-L A-H E-L

High-level Sensor Low-level Sensor

Motivation

§ 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". Amit Sheth . pp. 4. Feb. 2008.>

Sensor Network & Semantic Web 기술동향 1

The Challenge Collection and analysis of information from heterogeneous multi-layer sensor nodes

<Source : “Semantic Sensor Web". Amit Sheth . pp. 4. Feb. 2008.>

Why this is a Challenge?

§  센서데이터의 표현과 동작이 통일되지 못함

§  리소스의 공유를 위한 수단이 없음

§ 리소스의 사용과 배치가 특정 지역, 프로그램, 디바이스에 국한되어 사용되어짐

Resulting in a lack of communication and interoperability

<Source : “Semantic Sensor Web". Amit Sheth . pp. 4. Feb. 2008.>

How to deal with?

Sensor Network

Sensor Web

Semantic Sensor Web

상호작용이 없는 네트워크 이질적인 데이터 표현 사일로 형태의 서비스 제공

공유 가능한 센서 네트워크 문법수준의 표준화로 센서데이터를 표현 표준 API기반의 서비스 제공

웹 상에서 개방적인 네트워크 의미수준의 센서메타데이터를 표현 Semantic Web 기술기반의 서비스 제공

웹 개방적/의미적

Sensor Network & Semantic web W3C Semantic Web

Resource Description Framework RDF Schema Web Ontology Language Semantic Web Rule Language

OGC Sensor Web Enablement SensorML O&M TransducerML GeographyML

SML-S O&M-S TML-S

Web Services Web Services Description Language REST

SAWSDL SA_REST

National Institute for Standard and Technology

Semantic Interoperability Community of Practice Sensor Standards Harmonization

Sensor Ontology

Sensor Ontology

OGC SWE(Sensor Web Enablement)

다양한 타입의 클라이언트 매체

카타로그 서비스

SOS

SAS

SPS

Client

센서 데이터에 접근 서비스

각 센서 시스템에 과제 할당 및 전달 서비스

등록된 클라이언트에게 경보 알림 서비스

서비스, 센서, 제공자, 데이터에 대한 정보 목록 등록 저장 검색 서비스

O&M 센싱 값, 측정단위에 대한 표준

TML 시스템과 실시간데이터 변환 표준

SML 센싱 데이터 표현의 표준

<출처 : “Semantic Sensor Web”, Amit Sheth, Cory Henson, Satya S.Sahoo>

Semantic Sensor Web의 출현

Semantic Sensor Web

OGC 표준화 노력

Semantic Web

센서 데이터의 의미와 설명을 위한 확장 된 기반 제공

Open Geospatial Consortium (OGC: www.opengeospatial.org) - 산·학, 정부로 조직된 국제 컨소시움 - 웹 기반 센서네트워크와 저장된 센서 데이터를 검색하고 접근할 수

있는 센서 웹의 실현을 위해 표준 프로토콜과 API의 중요성 강조

W3C 의 Semanticweb Activity (www.w3.org/2001/sw) - 웹에서의 데이터 공유와 재사용을 위한 프레임 제공을 위한 노력

- 센서 데이터의 의미와 설명을 제공할 수 있는 기술 제공

Semantic Sensor Web의 출현

- 센서가 웹에서 액세스되고 제어가능 하도록 센서데이터, 센서 데이터 모델, 센서

웹 서비스 에 관한 표준 API, 모델링 언어에 관한 표준 규격 제공

-  표준 API : O&M, SOS, SPS, SAS, WNS

-  표준 모델링 언어: SML, TML

-  온톨로지 (시간, 장소, 주제 온톨로지 및 센서 도메인 온톨로지)

-  의미 데이터 모델링 언어 : RDF, OWL, SWRL

-  시멘틱 어노테이션, 룰기반의 추론

OGC의 SWE(Sensor Web Enablement)

Semantic web technologies

Semantic Sensor Web 센서로부터 센싱된 데이터를 온톨로지와 시맨틱 어노테이션으로 의미적 표현 이질적인 센서데이터를 표준화된 시맨틱 데이터로 표현함으로써 센서간의 상호운용성을 증대 시맨틱 지식기반 융복합 서비스 제공

<출처 : “Semantic Sensor Web”, Amit Sheth, Cory Henson, Satya S.Sahoo>

Sensor Web vs SSW Sensor Web Semantic Sensor Web

IPTV 서비스 모바일 서비스 웹서비스

Value#1 Value#2 Value#3 Value#4

Service#1 Service#2 Service#3

Sensor Data Translator

Static Service Discovery

USN

정적인 센서데이터를 구문적인 데이터로 표현 Syntactic 수준의 표준화 획일적이고 Silo한 서비스만을 제공

센서데이터를 의미적이고 동적인 데이터로 표현 Semantic 수준의 표준화 시맨틱 지식기반 서비스 제공

매쉬업 서비스

USN

Semantic Data Translator

Dynamic Service Discovery

Semantics LOD

모바일 서비스

IPTV 서비스

Service Mashup

IoT 시맨틱 플랫폼(COMUS 플랫폼) 2

IoT 시맨틱 플랫폼 (COMUS 플랫폼)

Semantic Translator

Translation Rule

RDF

SensorML/Sensor O&M XML

시맨틱 USN 저장소 Suite

추론기

SPARQL 인터페이스

SPARQL Endpoint

Context Synchronizer

Service Synchronizer

USN자원/커뮤니티/실세계 이벤트/서비스/ 상황 온톨로지

Service Executor

Context Service O

pen API

Push Service 센서데이터 + 지도서비스 매쉬업

모바일 서비스

스마트홈서비스

도심지

스마트홈

기상센서

Plug&Play 센서

Linking Open Data

온톨로지 규칙기반 추론기술 (Rule Entailment Reasoning)

USN자원/실세계이벤트/서비스/상황 온톨로지 모델링 기술(RDF(S), OWL)

시맨틱 어노테이션&변환기술 (Semantic Annotation&Tranlation)

LOD(Linked Open Data) 연계기술

IoT Semantic Repository 적재기술

COMUS PLATFORM

시맨틱 어노테이션&변환기술

id= { {“jobtype”, “1”}, {“subjet”, “id$”}, {“object”, “resource:SensorNode”} } positon={ {“jobtype” , “1”}, {“subject”, “position_uri$”}, {“object”, “geo:Location”), ……………………………………….. }

Translation Rule

Collector & Analyzer

Run-Time Translator

Schema Verifier

Triple Creator

Rule Parser

Knowledge Creator

Ontology Parser

Rule Adder Ontology Adder

classes properties Rule Set

Translation Knowledge Ontology KB

Person Device

Time Spatial Context

Service Action Upper

Domain

Repository Interface IoT Semantic Repository

Sensor Specification

Sensor Observation

Real Event/Context

Invoke Service

JSON/XML/EXCEL

Sensor Network

JSON

Target Ontology Schema

RDF(S)/OWL

RDF

Build

기상센서데이터의 시맨틱 변환

id= { {“jobtype”, “1”}, {“subjet”, “id$”}, {“object”, “resource:SensorNode”} } positon={ {“jobtype” , “1”}, {“subject”, “position_uri$”}, {“object”, “geo:Location”), ……………………………………….. }

Semantic Translator

AWS Data

변환온톨로지모델 Translation Rule

resource:323 rdf:type resource:SenosorNode

resource:323 resource:daily 22.5^^xsd:float

resource:323 resource:weekly 23.8^^xsd:float

RDF Data

JSON/XML/RDF

시맨틱 어노테이션&변환 예제 { {“awsID”, “323”}, {“manufacturer”, “ETRI”}, {“position”, “pos_323”}, {“coordinate”, { {“latitude”, “32.7296”}, {“longitude”, “127.1141”}, {“altitude”, “101.31”}, } } }

Input Data(JSON)

awsID= { { “jobtype”, “1”},

{“subject”, “awsID$“}, {“object”, “resource:SensorNode”}}

Translation Rule #1

resource:323 rdf:type resource:SenosorNode

RDF생성

resource:SensorNode

resource:323

rdf:type

manufacturer= { {“jobtype”, “3”}, {“subject”, “awsID$”}, {“predicate”, “has||Manufacturer@”}, {“object”, “manufacturer$^^xsd:string”} }

Translation Rule #2

resource:323 resource:hasManufacturer “ETRI”

ETRI

resource:hasManufacturer

position= { { {“jobtype”, “1”}, {“subject”, “postion$”}, {“object”, “geo:LocationCoordinate”}}, { {“jobtype”, “2”}, {“subject”, “awsID$”}, {“predicate”, “has||Position@”}, {“object”, “position$”}} }

Translation Rule #3 space:pos_323 rdf:type geo:LocationCoordinate

geo:LocationCoordinate

resource:323 resource:hasPosition space:pos_323

Space:pos_323 space:latitude 32.7296

space:pos_323

rdf:type resource:hasPosition

32.7296

space:latitude

USN자원/실세계이벤트/서비스/상황 모델링

Resource Ontology

Policy Ontology

Community Ontology

Time Ontology

Space Ontology

Event Ontology

Weather Ontology

실세계 이벤트 온톨로지군

Service

Context

Policy

Agent

서비스 Upper 온톨로지

Service

Context

Agent

Policy

rdfs:subClassOf rdfs:subClassOf

rdfs:subClassOf

rdfs:subClassOf

서비스 Domain 온톨로지

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 온톨로지의 인스턴스값

– 출력 •  추상화된 실세계 이벤트 정보 •  프로세스된 Event 온톨로지의 인스턴스값

실세계 이벤트 모델 개괄구조

Resource Ontology

Event Ontology

Time Ontology

Space Ontology

Agent Ontology

FOAF Ontology

owl:equivalentClassOf/ owl:equivalentPropertyOf

Weather Ontology

OWL-Time Ontology

Service Ontology

owl:imports

OpenCYC/OpenGIS Ontology

Community Ontology

Service Ontology

실세계 이벤트 데이터 Flow

Sensor_2 Sensor_3

Sensor_1

Ontology Translation

Context1 Context2 Context3 Service1 Service2 Service3

서비스 도메인 온톨로지

SensorML/Sensor O&M/COMUS XML

Resource 기본명세

Resource 소유정보

Resource 위치정보

Resource 센싱정보

Resource 커뮤니티정보

data

Space 기본명세

Space 연계정보

Space Geo 정보

Spatial Ontology

Time 인스턴스정보

Time 인터발정보

인터발 관계정보

Time Ontology

data

기상 지역정보

기상 시간정보

기상 데이터정보

Weather Ontology

Static Policy 규칙정보

Dynamic Policy

규칙정보

Policy 관계정보

Policy Ontology

data

Agent 명세정보

Agent SNS 정보

Agent Ontology

Agent Policy정보

Resource Ontology

Resource Policy 정보

data

이벤트데이터

Event 명세정보

Event 관계정보

Event 값정보(정량,정성)

Event Ontology

Ontology Inference

센서데이터의 시맨틱 가공단계

센싱데이터 이벤트정보 상황정보 서비스정보

센싱데이터 시맨틱 가공단계

시맨틱 USN 저장소 (센싱데이터, 이벤트정보

)

시맨틱 USN 저장소 (상황정보, 서비스정보)

실시간 이벤트 추론 상황추론엔진

•  서비스 독립적 데이터 •  대용량 데이터 •  빠른추론, 간편한 모델

•  서비스 의존적 데이터 •  주관적, 디테일 데이터 •  상세추론, 세밀한 모델

실세계 이벤트 모델 처리 프로세스

Resource Ontology

Event Ontology

Spatial Ontology

Time Ontology

Weather Ontology

hasPosition

hasTime

detects hasEventSpace

hasEventTemporal

① 입력 (센서명세정보, 실시간 센서데이터를 시맨틱 변환하여 적재)

센서의 명세정보와 실시간 센서데이터의 연계

③ 공간온톨로지 정량적인 공간정보를 개념화된 공간개념으로 확장(센서가 존재하는 위치에 대한 개념정보)

④ 기상온톨로지 정량적인 기상정보를 개념적인 공간정보와 시간정보로 연계한 온톨로지

⑤ 이벤트 온톨로지 이벤트 데이터를 생성하고 실세계 이벤트 실세계 이벤트 각 요소(공간, 시간, 기상)과 연계하는 온톨로지

⑥ 출력 실세계 이벤트 정보를 각 도메인 서비스 에게 제공함

Object

센서명세정보

SensorNode Sensor

TRAFFIC_SERVICE_1_1_1 TRAFFIC_SERVICE_1_1

rdf:type rdf:type

TEMPERATURE

consistOf

hasPosition

spatial:Pos

127.2121

37.4232

0.0

long

alt

lat

hasGoal

ObjectInput

Obs_1212_11212 21

hasValue

weather101

rdf:type

hasTime Time_102121

detects

2012:09:19T18:50:00

inXSDDateTime

센싱값정보

event

hasPOI

역삼동

subsumedBy

강남구

서울

subsumedBy

subsumedBy 회사밀집지역

유흥가

상업지역

rdf:type

rdf:type

rdf:type

Geo 정보로의 확장

한가을

저녁

퇴근시간

러쉬아워

rdf:type

rdf:type rdf:type

rdf:type

시간개념으로의 확장

hasEventSpatial

21

temperature

80 humidity

10 uv

rainy

status

hasSpace

hasTime

기상정보의 연계 호우경보

강남역

hasEventTemporal

hasEventWeather

이벤트 데이터 생성

회피지역존재상황 기상특보가 발휘되고 러쉬아워인 지역

상황정보로의 활용

IoT 시맨틱 추론 기술(병렬/분산)

import Resource 센싱값 생성

Temporal 처리

Spatial 처리

Agent 정보리턴

JSON

Policy 정보리턴

Weather 처리

Event처리 export

Inferred RDF

실세계 이벤트 추론 WorkFlow

MapReduce MapReduce MapReduce MapReduce

impl

emen

tatio

n

implementation

Job Tracker

Job Control

HBase/HDFS

IoT 시맨틱 레파지토리 적재기술

Repository API

HTTP Server application

SeRQL SPARQL

SAIL API RIO

RDF Model

HBase Reposiotry API

HDFS

HBase Map Reduce

extended Sesame Apache

Sesame Repository API 를 상속하여 기능 확장

HBase기반 시맨틱 레파지토리

GEO/기상 LOD 구축 http://comus.linkeddata.kr : 안행부 새도명 주소, 기상청 AWS 기반 구축

<SPARQL Endpoint>

Sensor Data의 LOD 연계

Transducer

Sensor

rdfs:subClassOf

TR_101 implements

TEMPERATURE

rdf:type

Req_1350

ObservationValue

rdf:type

TMP_20130908132435

2013-09-08T13:24:35

owltime:inXSDDateTime

hasTime

10

hasValue Autumn

Afternoon rdf:type

rdf:type

Location_101

127.345

37.113

19.432

altitude

Daejeon Gajeongro

ETRI hasPOI

geo:spatiallySubsumedBy Weather

W_101 Rainy

hasQualitative

9.8

130

Heavy Rain Warning

Metropolitan Region

rdf:type

rdf:type

InterVal_101

hasTime

owltime:Insides

longitude rdf:type

GEO LOD

Weather LOD

플랫폼 활용 2 3

Community •  특정 목적(이벤트)에 따라 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

Community 온톨로지 구조

Resource

Observation

Time

resource:produces

resource:hasTime

Weather weather:hasObservation

weather:hasTime

Space

resource:hasPosition

Weather Forecast

weather:hasSpace

weather:hasSpace weather:hasForecast

Linked Data

Platform Data

Community

Goal

comm_101

comm_102 comm_103

comm_104

Status

rdf:type

rdf:type

rdf:type

rdf:type Fire

ResourceType comm:hasStatus

comm:hasGoal

SMOKING

FLAME

OXYGEN

rdf:type

comm:hasStatus

Active

Community Ontology

Service

Context

comm:hasResourceType

context:drives

EmergencyContext EscapeContext

rdf:type

Service Ontology

Discovery Resource Invoke Context/Service

Community 동작(Discovery Resource) Community

comm_102

Active

Detect Fire

SMOKING FLAME

CO2

Policy

Adjacent

Continuous

hasDetectingPolicy

rdf:type

c:hasResourceType

Resource

Weather

Traffic

Con_101

Resource_102

Resource_103

Resource_101

rdf:type

rdf:type

rdf:type

Space

Weather

COEX

CALT

HyunDai Department

adjacent

hasSpace

hasSpace

SamsungDong

isPartOf

rdf:type

Weather_101

RAINY

rdf:type

rdf:type

rdf:type

rdf:type

hasEventResource

hasEventWeather

Discovery Resource

Community 동작(Context Aware)

Community

Resource_101

Resource_102

Resource_103

comm_102 hasEventResource

prod

uces

Obs_101

8.9

produces

Obs_102

138.21

Obs_103 7.8

Tmp_20131126183223

2013-11-26T13:54:23

owltime:inXSDdate

EarlyWinter

RushHour

ClosingHour

rdf:type

rdf:type

COEX

Business Area

Entertainment Area

Weather_101

Sleet

Difficulty Entry

≡∃  𝒉𝒂𝒔𝑬𝒗𝒆𝒏𝒕𝑺𝒑𝒂𝒄𝒆.𝑩𝒖𝒔𝒊𝒏𝒆𝒔𝒔𝑨𝒓𝒆𝒂  ⊓

         ∃  𝒉𝒂𝒔𝑬𝒗𝒆𝒏𝒕𝑻𝒆𝒎𝒑𝒐𝒓𝒂𝒍.𝑪𝒍𝒐𝒔𝒊𝒏𝒈𝑯𝒐𝒖𝒓⊓

∃  𝒉𝒂𝒔𝑬𝒗𝒆𝒏𝒕𝑾𝒆𝒂𝒕𝒉𝒆𝒓.𝑺𝒍𝒆𝒆𝒕

hasEventTemporal

Initial State Fire

𝒉𝒂𝒔𝑬𝒗𝒆𝒏𝒕𝑹𝒆𝒔𝒐𝒖𝒓𝒄𝒆(?𝒙,  ?𝒓𝟏)∧𝒉𝒂𝒔𝑹𝒆𝒔𝒐𝒖𝒓𝒄𝒆𝑻𝒚𝒑𝒆(?𝒓𝟏,  𝑺𝑴𝑶𝑲𝑬)∧ 𝒑𝒓𝒐𝒅𝒖𝒄𝒆𝒔(?𝒓𝟏,  ?𝒚𝟏)∧𝒉𝒂𝒔𝑽𝒂𝒍𝒖𝒆(?𝒚𝟏,  ?𝒗𝟏)∧𝒔𝒘𝒓𝒍𝒃:𝒈𝒓𝒆𝒂𝒕𝒉𝒆𝒓𝑻𝒉𝒂𝒏(?𝒗𝟏,  𝟕)∧ 𝒉𝒂𝒔𝑬𝒗𝒆𝒏𝒕𝑹𝒆𝒔𝒐𝒖𝒓𝒄𝒆(?𝒙,  ?𝒓𝟐)∧𝒉𝒂𝒔𝑹𝒆𝒔𝒐𝒖𝒓𝒄𝒆𝑻𝒚𝒑𝒆(?𝒓𝟐,  𝑭𝑳𝑨𝑴𝑬)∧ 𝒑𝒓𝒐𝒅𝒖𝒄𝒆𝒔(?𝒓𝟐,  ?𝒚𝟐)∧𝒉𝒂𝒔𝑽𝒂𝒍𝒖𝒆(?𝒚𝟐,  ?𝒗𝟐)∧𝒔𝒘𝒓𝒍𝒃:𝒍𝒆𝒔𝒔𝑻𝒉𝒂𝒏(?𝒗𝟐,  𝟏𝟎𝟎) ⟶𝑰𝒏𝒊𝒕𝒊𝒂𝒍𝑺𝒕𝒂𝒕𝒆𝑭𝒊𝒓𝒆(?𝒙)  

Community 동작(Collaborate Community)

COEX CALT

HynDai Depart

GEO LOD(http://comus.etri.re.kr/RWEvent/Space)

adjacent

comm_101

comm_102

comm_103

hasSpace

Detect Traffic

Traffic Congestion

Slide Road

Recommend Public Transit

rdf:type

Detect Fire

Initial State Fire

Entry Difficulty

Detect Customer Number

Crowed

No Parking

Activated Community

Vehicle Control

Prohibit Come

out of Car Prohibit of Passing

Shared Context

rdf:type

LOD 연계를 통한 기상데이터의 활용

리소스

resource:res_101

resource:res_101_obs

측청된다

resource:UV

측정값

time:tmp_101

시간을 가진다

2013-07-23T14:34:53

한여름

장마

오후

시간값

위치한다

space:pos_101

Geo LOD

지역 광역시

중구

128.232

37.4213

10.323

경도

위도

서울시 열린 데이터광장

문화재

남대문

9

값을 가진다

……

…

…… 구조 관련역사

재원

기상 LOD 기상

weather:w101 폭우

2013-07-24

event:ev_101

문화재관리의 위험상황

현재 자외선지수가 높고 내일 습도가 높을 것으로 예상됨

owl:ObjectProperty owl:DatatypeProperty rdf:type rdfs:subClassOf rdfs:subPropertyOf

시간값 전이다

시간을 가진다

시간을 가진다 측정값을 가진다

고도

YTN Tower

남대문

위치를 가진다

포함된다

포함된다 가깝다

지역을 가진다

위치를 가진다

같다

•  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

"   기술 정의 •  대용량 스트리밍 센서 데이터 처리를 위한 NoSQL 기반의 저장소 개발 및 운영 •  국내 기상 센서 데이터 전체에 대한 SensorQL 기반 서비스 구축 •  Daum 개발자 네트워크를 통한 베타 서비스 구현 및 매쉬업 과제 개발

기상센서 API

웰라이프 수면관리 서비스

•  건강/수면/활동/환경 센서장치와 게이트웨이, 미들웨어, COMUS 플랫폼 연동을 통한 센서 데이터 수집 및 관리

•  3축 가속도 센서, 마이크로폰 센서를 활용한 수면 중, 무호흡/코골이/뒤척임 감지

•  표준 가이드라인 기반 건강/수면/활동/환경 수집 정보의 전처리 및 등급화

•  시맨틱 추론 온톨로지를 활용한 상황정보 추출 및 건강상태 증진/악화 요인, 수면상태 증진/악화 요인, 수면 피드백 정보 분석

•  스마트 앱 기반 건강/수면/활동/환경 정보 및 누적 데이터, 피드백 콘텐츠 제공

"   기술 정의 •  댁내/사용자 설치/부착 형 센서를 활용한 사용자 건강/수면/활동과 댁내 환경 모니터링 및 관리 •  비만 개선 및 수면품질 향상을 위한 사용자 맞춤형 전문가 콘텐츠 제공 •  시멘틱 추론 엔진 기반 수면/건강의 증진/악화 요인 분석

오미(五味)길 서비스

•  기상, 교통, 위치, 센서정보 및 여행 컨텐츠의 시맨틱 데이터 모델링/가공/처리 기술 개발 -  SPARQL 쿼리를 통한 시맨틱 데이터 가공 처리 연계 시스템 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 스마트폰용 앱 및 오미길 서비스 개발 -  개인 선호도를 통한 맞춤형 음식 추천 시스템 개발 -  COMUS 플랫폼과 연동하기 위한 인터페이스 개발 -  염도 섭취량 정보 제공 기능 개발

"   기술 정의 •  오미(五味)+길: 달고, 시고, 쓰고, 맵고, 짠 음식에 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 관리 및 개인 음식 추천 서비스

센서와 시맨틱웹의 만남은

시맨틱 어노테이션,온톨로지을 통해 센서 웹의 문법적 표준화 서비스에 풍부한 의미을 부여하고,

To Enrich

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.

To Reduce To Provide To Connect

의미적 상호운용성을 통한 소통의 단절 해소

융복합을 통한 지식과 서비스 창출

센서데이터 재사용 가능