■ 이기종 네트워크를 효율적으로 운용하는 기법 개발 다양한 광역 모니터링 기기들은 각각이 다양한 종류의 네트워크(PAN, LAN, WAN)에 접속하고, 심지어는 여러 네트워크에 동시에 접근할 수 있는 기기도 사용될 수 있으며, 각각의 네트워크 마다 다른특성을 가진다. 특히, 전송률, 에너지 소모량, 지연 시간, 프로토콜 오버헤드 등, 네트워크 주요 특성에서 큰 차이를 보인다. 또한 광역 환경에서는 도시인지, 자연인지에 따라서도 각각 사용할 수 있는 네트워크가 다르다. 따라서 각각의 특성을 고려하여 효율적인 네트워크와 전송 경로를 선택하는 기법을 개발한다. ■ 다양한 에너지원을 이용하는 기기의 효율적인 에너지 관리 기법 개발 광역에서 사용되는 기기들은 설치 환경에 따라 사용할 수 있는 에너지원이 다르다. 태양 에너지나 풍력의 경우 실내에서는 사용할 수 없고, 피에조는 자연환경에서 사용하기 힘들다. 따라서 각 에너지원의 특성에 맞는 에너지 관리 기법을 개발한다. ■ 다양한 전송 기술과 에너지원을 이용하여 응용의 서비스 품질 증대 각 기기는 다양한 성능을 가지고 있고 응용에 따른 워크로드가 다르기 때문에 이를 고려한 에너지 관리 기법을 개발하여 서비스의 품질을 증대시킨다. • 기기의 워크로드 분석 응용의 특성에 따른 연산과 전송 패턴 등을 파악하고 기기가 처리해야 하는 연산량과 데이터 전송량 등의 워크로드를 분석한다. • 응용의 요구 사항과 에너지 상황에 따른 전송기술 선택 기법 개발 응용의 요구 사항(데이터양, 지연 시간, 주기성, 신뢰성 등)과 할당된 에너지 상황을 고려하여 최적의 전송 기술과 네트워크 내에서의 전송 경로를 선택해야 한다. 또한, 상황에 따라 선택하는 네트워크가 다를 수 있는데, 사용자가 이를 인지하지 못하게 하기 위해 이기종 네트워크 간 핸드오버(handover) 기법을 개발해야 한다. 최근 유행하는 AI를 위한 IoT기기는 추론이나 훈련을 위해 신경망의 일부를 전송해야하기 때문에 데이터 전송량이 기존의 다른 응용보다 훨씬 크다[5]. 이를 위해, 동시에 여러 네트워크를 사용하여 데이터 수집률을 높이는 기법을 연구한다. • 통합 플랫폼 개발 위에서 언급된 기법들을 개발 후, 전체 통합된 시스템을 운용하기 위한 플랫폼을 개발한다. 또한, 전체 시스템의 실제 성능 측정과 분석을 위한 테스트베드를 구축하여 성능 평가를 진행하고, 그 결과를 분석하여 앞서 개발된 기법들과 통합 시스템의 성능을 더욱 최적화한다.

■ 연구 배경 광역에서 환경을 모니터링하기 위해서는 여러 종류의 기기들이 사용될 수 있다. 일기 예보 시스템을 예로 들면, 전통적인 일기 예보 시스템은 기상청과 같은 기관이 기후 예측을 위한 기기들을 설치하고 그 정보를 모으고 분석하여 향후 일기를 예측하고 있다. 하지만 더욱 정밀한 예측을 위해서는, 기관의 기기들만 활용하는 것은 대량의 데이터 수집에 어려움이 있을 수 있기 때문에, 개인이나 다른 업체들이 운용중인 다양한 기기들의 데이터를 추가로 확보함으로써 데이터의 정밀도를 높일 수 있다. 또한 이러한 기기들 간에 기후 예측을 위한 AI의 학습 연산을 분산 처리함으로써 예측의 정밀도를 높일 수 있다. ■ 이기종 네트워크를 효율적으로 운용하는 기법 개발 다양한 광역 모니터링 기기들은 각각이 다양한 종류의 네트워크(PAN, LAN, WAN)에 접속하고, 심지어는 여러 네트워크에 동시에 접근할 수 있는 기기도 사용될 수 있으며, 각각의 네트워크 마다 다른 특성을 가진다. 특히, 전송률, 에너지 소모량, 지연 시간, 프로토콜 오버헤드 등, 네트워크 주요 특성에서 큰 차이를 보인다. 또한 광역 환경에서는 도시인지, 자연인지에 따라서도 각각 사용할 수 있는 네트워크가 다르다. 따라서 각각의 특성을 고려하여 효율적인 네트워크와 전송 경로를 선택하는 기법을 개발한다. ■ 다양한 에너지원을 이용하는 기기의 효율적인 에너지 관리 기법 개발 광역에서 사용되는 기기들은 설치 환경에 따라 사용할 수 있는 에너지원이 다르다. 태양 에너지나 풍력의 경우 실내에서는 사용할 수 없고, 피에조는 자연환경에서 사용하기 힘들다. 따라서 각 에너지원의 특성에 맞는 에너지 관리 기법을 개발한다. ■ 다양한 전송 기술과 에너지원을 이용하여 응용의 서비스 품질 증대 각 기기는 다양한 성능을 가지고 있고 응용에 따른 워크로드가 다르기 때문에 이를 고려한 에너지 관리 기법을 개발하여 서비스의 품질을 증대시킨다. • 기기의 워크로드 분석 응용의 특성에 따른 연산과 전송 패턴 등을 파악하고 기기가 처리해야 하는 연산량과 데이터 전송량 등의 워크로드를 분석한다. • 응용의 요구 사항과 에너지 상황에 따른 전송기술 선택 기법 개발 응용의 요구 사항(데이터양, 지연 시간, 주기성, 신뢰성 등)과 할당된 에너지 상황을 고려하여 최적의 전송 기술과 네트워크 내에서의 전송 경로를 선택해야 한다. 또한, 상황에 따라 선택하는 네트워크가 다를 수 있는데, 사용자가 이를 인지하지 못하게 하기 위해 이기종 네트워크 간 핸드오버(handover) 기법을 개발해야 한다. 최근 유행하는 AI를 위한 IoT기기는 추론이나 훈련을 위해 신경망의 일부를 전송해야하기 때문에 데이터 전송량이 기존의 다른 응용보다 훨씬 크다[5]. 이를 위해, 동시에 여러 네트워크를 사용하여 데이터 수집률을 높이는 기법을 연구한다. • 통합 플랫폼 개발 위에서 언급된 기법들을 개발 후, 전체 통합된 시스템을 운용하기 위한 플랫폼을 개발한다. 또한, 전체 시스템의 실제 성능 측정과 분석을 위한 테스트베드를 구축하여 성능 평가를 진행하고, 그 결과를 분석하여 앞서 개발된 기법들과 통합 시스템의 성능을 더욱 최적화한다.