본 연구실은 데이터베이스 관리 시스템(DBMS)과 빅데이터 처리 기술을 중심으로 다양한 연구를 수행하고 있습니다. 데이터베이스 관리 분야에서는 전통적인 관계형 데이터베이스부터 비정형 데이터, 시공간 데이터, 센서 데이터 등 다양한 데이터 유형을 효율적으로 저장, 관리, 검색하는 방법론을 개발합니다. 특히, 대용량 데이터의 실시간 처리와 분산 환경에서의 데이터 일관성, 신뢰성, 확장성 확보에 중점을 두고 있습니다. 빅데이터 처리 기술에서는 MapReduce, Hadoop, Spark 등 분산처리 프레임워크를 활용하여 대규모 데이터의 저장, 분석, 처리 효율을 극대화하는 연구를 진행합니다. 또한, 센서 네트워크, RFID, IoT 등에서 발생하는 스트림 데이터를 실시간으로 수집, 분석, 저장하는 시스템 아키텍처와 알고리즘을 개발하고 있습니다. 이러한 기술은 스마트 시티, 물류, 교통, 환경 모니터링 등 다양한 응용 분야에 적용되고 있습니다. 연구실은 데이터 품질 평가, 데이터 중복 제거, 데이터 인덱싱, 질의 최적화 등 데이터 관리의 전주기적 문제를 다루며, 실제 산업 현장과 연계된 프로젝트를 통해 실용적이고 혁신적인 데이터 관리 솔루션을 제시하고 있습니다. 이를 통해 데이터 기반의 의사결정 지원과 지능형 서비스 구현에 기여하고 있습니다.

시공간 데이터베이스와 이동 객체 관리 기술은 본 연구실의 핵심 연구 분야 중 하나입니다. 이동 객체 데이터베이스는 차량, 선박, 드론 등 이동체의 위치와 궤적 정보를 효과적으로 저장하고, 실시간으로 질의 및 분석할 수 있도록 지원하는 시스템을 개발합니다. 이를 위해 R-Tree, TPR-Tree, TB-Tree 등 다양한 시공간 인덱스 구조와 최적화된 질의 처리 알고리즘을 연구하고 있습니다. 특히, 불확실성 영역 기법, 궤적 클러스터링, 시공간 근접성 기반 디클러스터링 등 이동체의 동적 특성을 반영한 데이터 모델링과 인덱싱 방법을 개발하여, 대규모 이동 객체의 실시간 추적과 예측, 경로 최적화, 이상 탐지 등에 활용하고 있습니다. 또한, 센서 네트워크와 연계하여 다양한 환경 데이터와 융합 분석을 수행함으로써, 스마트 교통, 물류, 재난 대응 등 실질적인 사회 문제 해결에 기여하고 있습니다. 이러한 연구는 IoT, 스마트시티, 자율주행, 물류 혁신 등 첨단 산업 분야에서 요구되는 대규모 시공간 데이터의 효율적 관리와 분석을 가능하게 하며, 실시간 데이터 스트림 처리, 복합 이벤트 탐지, 예측 모델링 등 다양한 응용 기술로 확장되고 있습니다.

본 연구실은 복합 스트림 데이터의 실시간 처리와 인공지능(AI) 기반 예측 시스템 개발에도 주력하고 있습니다. 다양한 센서, CCTV, 레이더, RFID 등에서 발생하는 대용량 스트림 데이터를 실시간으로 수집, 분석, 처리하는 기술을 연구하며, 규칙 기반 복합 이벤트 처리(CEP)와 딥러닝 기반 예측 모델을 융합하여 고도화된 데이터 분석 환경을 구축합니다. 특히, CNN, RNN 등 딥러닝 모델을 활용한 시계열 예측, 부품 고장 예측, 교통 혼잡 예측, 강우량 및 시정거리 추정 등 다양한 산업 및 사회 분야에 적용 가능한 AI 예측 시스템을 개발합니다. 또한, 해시 인덱싱, RETE 알고리즘 등 고속 스트림 데이터 처리 기술을 통해 실시간 의사결정 지원과 위험 탐지, 재난 대응 등 신속한 서비스 제공이 가능하도록 연구를 진행하고 있습니다. 이러한 연구는 산업 현장에서의 예지정비, 스마트 팩토리, 지능형 교통 시스템, 환경 모니터링 등 다양한 분야에 적용되어, 데이터 기반의 미래 예측과 자동화, 효율화에 크게 기여하고 있습니다. 실제 프로젝트와 특허, 논문을 통해 그 성과가 입증되고 있으며, 첨단 AI 및 빅데이터 기술의 실용적 확산에 앞장서고 있습니다.