머신러닝 기법을 활용한 활동 인식 연구

Abstract

위성 신호를 기반으로 라이프로그(life-log)를 기록할 수 있는 서비스가 더해지면서 지난 이동 기록(e.g., 방문 장소, 이동 경로)을 살펴볼 수 있게 되었다. 하지만 이러한 서비스는 위성 신호에 의존적이기 때문에 방문 장소에 대한 관심 지점(Point of interest, POI) 정보만을 파악할 수 있는 단계이며, 이 또한 위성 신호 품질에 따라 부정확한 경우가 발생한다. 또한, 특정 장소에서는 한 가지 이상의 역할이 있을 수 있기 때문에 활동(activity)과 같은 장소가 가지는 역할을 파악하기에는 역부족이다. 따라서 활동을 추정하기 위해서는 POI 정보가 부정확한 경우에도 주요 특징(features)을 토대로 활동을 추정할 수 있어야 하며, 특정 장소에서 한 가지 이상의 활동이 있는 경우에도 활동을 추정할 수 있어야 한다.

본 논문에서는 이러한 한계를 극복하고자 활동 인식 문제에 대해 다룬다. 제안하는 활동 인식 기법은 선행 연구에서 제안한 특징 외에도 (1)주변 POI와의 최단 경로, (2)개인의 선호도, (3)활동 반경, (4)사회인구학적 특성(socio-demographic)을 포함하여 특징 조합을 구성하였으며, 머신러닝 및 딥러닝 모델에 적용하여 활동을 추정하였다. 제안하는 활동 인식 기법은 딥러닝 모델을 통해 96.70%의 정확도로 활동을 추정하였으며, 기존에 제안된 기법보다 9.89% 더 높은 성능을 보였다. 또한, 학습에 포함되지 않은 피험자에 대해서도 89.56%의 정확도로 활동을 추정하였으며, 이 실험에서 또한 기존에 제안된 기법보다 8.24% 더 높은 성능을 보였다. 이를 통해 제안하는 활동 인식 기법이 기존에 제안된 기법보다 성능이 우수함을 확인하였다. 본 논문에서는 실험 데이터를 통해 POI가 부정확한 경우 및 특정 장소에서 한 가지 이상의 활동이 있는 경우가 빈번함을 확인할 수 있었으며, 실험 결과를 통해 이와 같은 경우에도 제안하는 활동 인식 기법을 통해 활동을 추정할 수 있었음을 고찰하였다.