행위 기반 추론을 적용한 모바일 온돌 난방 제어 시스템 모델

A Mobile Ondol Heating Control System Model using the Behavior driven Inference

이 주 현*      박 성 준**    이 현 수***
Lee, Ju-Hyun  Park, Sung-Jun  Lee, Hyun-Soo

……………………………………………………………………………………………………………………………
Abstract
A MOCS(Mobile Ondol heating Control System) is designed for the context-aware inference and the control of the device using mobile phone. The MOCS prepares indoor thermal environments and corresponds to the situation like resident’s coming home. Ondol Heater can be controlled as if the resident came home already. The MOCS adopts direct or indirect awareness of context in housing environment. In this research, it deals with the system making up with agent control module for the direct control and DBMS including the inference for the indirect control. Agent control module is made up of MainServer module for receiving control command and HomeAgent module that operates transmission and receiver by USN(Ubiquitous Sensor Network) device. DBMS consists of the event log data and the control log data including various databases. The structure of database has systemic information using the hierarchy of physical and electronic context for the inference. Furthermore, we suggest and implement what to provide, control and manage the home service in the mobile environment. Finally, it is expected to embody the ubiquitous housing and apply an ondol heating system communicating between human and home at anytime and in anyplace.
……………………………………………………………………………………………………………………………
키워드 : 난방 제어 시스템 , 온돌, 상황인지, 추론, 모바일 시스템
Keywords : Heating Control System, Ondol, Context-Aware, Behavior Driven Inference, Mobile System
……………………………………………………………………………………………………………………………
1. 서  론

현대 아파트를 중심으로 보편화 되어있는 온수온돌시스템은 여러 개의 온수파이프를 통해 각 공간과 연결되어있다. 대부분 공간과 행위를 고려해서 거주자가 임의적으로 온도를 제어하고 있다. 이러한 온돌 난방 시스템은 열용량이 큰 바닥 패널에서 열을 공급하는 특성상 열적 지연효과로 인해 과열 및 과냉 현상(이진영 외3인, 1998)이 일어나 적정한 온도를 벗어나는 경우가 많다. 본 연구에서는 이러한 문제를 해결하기 위해 행위기반 추론을 사용하여 온돌 난방을 제어하고자 한다.
본 연구에서는 효율적인 난방 제어 시스템을 위해서 공간에서 연속적으로 일어나는 행위에 초점을 둔다. 난방 제어 시스템을 중심으로 고려한다면 거주 공간에서 일어나는 거주자 행위는 어느 정도 연속된 패턴을 형성한다. 이러한 연속된 행위를 통해 상황을 예측하고 대응한다면, 난방을 위한 효율적인 제어가 가능하여 에너지 절감 및 거주자의 온열 쾌적감을 극대화 할 수 있을 것이다.
본 연구에서 다루고 있는 공간을 위한 유비쿼터스 컴퓨팅 기술은 최종적으로 인간을 지원하는 서비스를 제공하는 것을 목표로 하고 있기 때문에 인간이 원하는 서비스에 최적화되게 구성되어야 한다. 또한, 본 연구에서 고려하는 난방 시스템을 위한 서비스를 중심으로 센서구성의 최소화를 생각해야 할 것이다.
유비쿼터스 컴퓨팅 환경은 수많은 센서를 사용하면서 발생하는 문제인 감시하는 환경의 성격을 최소화 하고, 인간의 삶을 지원하는 긍정정인 환경이 되어야 한다. 본 연구는 인간의 가장 기본적인 열환경을 위한 난방 제어 시스템에 일차적으로 유비쿼터스 컴퓨팅을 적용하여 인간을 위한 긍정적인 온열환경을 지원하고자 한다.
센서구성과 추론 방식은 서비스 지원 방향에 따라서 개발한다. 본 연구에서 다루는 온돌 난방 제어 시스템에서는 온도 및 기본적 행위(취침, 외출 등)와 관련된 센서를 구성하며, 추론 방식에는 사례기반추론의 일종인 행위 기반 추론을 사용한다. 또한, 모바일 환경을 지원할 수 있는 방안을 고려하여 시스템 모델을 구축할 것이다. 이러한 하드웨어와 소프트웨어를 중심으로 공간과 행위를 고려하고, 인간을 위해 최적화된 환경으로서 수정‧진화할 수 있는 추론 시스템을 개발하려는 것이 본 연구의 목적이다.

2. 상황인지 추론을 위한 라이프 패턴

2.1 상황인지 추론
상황(Context)은 언어학에서 언어의 사용에 영향을 주는 의사전달 상황의 적절한 제한의 의미(손병룡, 2001)로 사용되고, 문화를 다루는 인문 사회과학적 연구(김국선, 2004)에서 시대적인 흐름이나 문화 환경적인 태도의 의미로도 사용된다. 특히, 상황의 개념은 컴퓨팅 분야에서 보다 활발하게 사용되고 있다. 상황인지를 위한 상황에 대한 정의의 정보 체계로 이해하며 상황요소에 대한 다양한 정의로 상황을 파악하고 있다. 이러한 정보 체계로서의 상황의 의미가 기존의 사회 인문학적 용어와 차이점을 두기 위해 국내의 연구에서는 컨텍스트로 사용하는 경우가 많은 편이다. 본 연구에서도 컴퓨팅 측면의 컨텍스트로 표기한다.
컨텍스트를 환경에서 사용하기 위해서는 컨텍스트와 서비스를 제공하는 어플리케이션과의 커뮤니케이션(Henricksen, 2002)이 필요하다. 컨텍스트를 해석하여 특정한 서비스로 연결시켜주는 역할을 수행하는 것이 상황인지 추론 시스템이다. 이진영 외3인(1998)의 온돌 난방 공간에서의 예측제어에 사용한 ‘역전파 학습 알고리즘’도 추론을 위한 방법이며, 이를 통해 구현한 제어 시스템이 추론 제어 시스템이다.
상황인지 추론은 고정적이지 않은 센서들과 다수의 분산되고 이질적이며 끊임없이 변화하는 컨텍스트(Salber, 1999)를 고려해야하기 때문에 상당히 어렵다. 따라서 본 연구는 온돌 난방 제어 시스템과 연결할 수 있는 인간의 정형적인 행위에만 초점을 두어 해석할 행위를 최소한으로 한다.

2.2 거주자의 라이프 패턴
행위 기반 추론 일종의 사례 기반 추론방식이다. 본 연구에서는 일반적인 사례 기반 추론방식에 사용자, 시간, 공간, 행위, 서비스(난방 제어)를 연계시켜 추론에 적용하고자 한다.
사용자, 시간, 공간, 행위, 서비스의 다섯 가지 요소가 모여서 라이프 패턴을 형성한다. 패턴에서 제공되는 서비스는 공간과 행위의 일치 방식을 중요한 개념으로 하고 있다. 공간과 행위의 연속된 패턴에서 상황을 예측하고 대응할 수 있는 것이다.
거주자의 라이프 패턴을 유비쿼터스 컴퓨팅을 활용하여 도출하기 위해서는 거주자의 행위분석을 일차적으로 하여야 한다. 거주자의 행위분석은 거주자를 각 공간에 설치된 센서를 통해서 유무를 확인하고, 거주자의 자세(앉음, 일어남 등)와 거주자의 주변 오브젝트(기기 및 장치)의 상태를 통해서 파악할 수 있다.
본 연구에서 시스템 모델을 개발하기 위해 먼저 관찰조사를 통해 다섯 가족의 라이프패턴을 조사한 결과 다음과 같은 라이프패턴을 추출할 수 있었다.

표 1. 라이프패턴

3 pattern
Mon
a-b-c, b-c-d, c-d-e, e-j-c, j-c-d, c-d-h, d-h-l, h-l-m, l-m-s
Tue
a-b-c, b-c-d, e-j-c, j-c-d, c-d-h, d-h-m, h-m-l
Wed
a-b-c, b-c-d, c-d-e, e-j-d, j-d-l, d-l-s
Thu
a-b-c, b-c-d, c-d-e, e-j-c, j-c-d, c-d-m, d-m-l
Fri
a-b-c, b-c-d, c-d-e, e-j-c, j-c-d, c-d-m, d-m-l, m-l-s
5 pattern
Mon
a-b-c-d-e, b-c-d-e-j, c-d-e-j-c, d-e-j-c-d, e-j-c-d-h, j-c-d-h-l, c-d-h-l-m, d-h-l-m-s
Tue
a-b-c-d-e, b-c-d-e-j, c-d-e-j-c, d-e-j-c-d, e-j-c-d-h, j-c-d-h-m, c-d-h-m-l, d-h-m-l-s
Wed
a-b-c-d-e, b-c-d-e-j, c-d-e-j-d, d-e-j-d-l, e-j-d-l-s
Thu
a-b-c-d-e, b-c-d-e-j, c-d-e-j-c, d-e-j-c-d, e-j-c-d-m, j-c-d-m-l, c-d-m-l-s
Fri
a-b-c-d-e, b-c-d-e-j, c-d-e-j-c, d-e-j-c-d, e-j-c-d-m, j-c-d-m-l, c-d-m-l-s


라이프패턴의 행위에 들어갈 수 있는 항목으로는 기상(a), 용변(b), 세수(c), 갱의(d), 외출(e), 요리(f), 가사작업 및 정리(g), 식사(h), TV시청(i), 신문읽기(독서)(j), 샤워(k), 컴퓨터 사용(l), 청소(m), 빨래(n), 공부(o), 취침(p),  운동(q), 대화(r) 등이 있다.
거주자에 따라 각각 다른 라이프패턴을 도출할 수 있을 것이다. 본 연구에서는 하루에 일어나는 일련의 행위를 순차적으로 작성한 다음, 하루에 일어난 연속된 행위를 2개의 행위 조합, 3개의 행위 조합, n개의 행위 조합(n=하루 중 일어난 총 행위 수)으로 구분한 후 행위 조합의 빈도를 계산하여 라이프패턴을 추출하였다. 표 1은 3개, 5개의 연속된 행위 조합을 보여준다.
행위 기반 추론에서 3개의 연속된 패턴에서 'c-d-e'를 사용하면 c(세수)-d(갱의)-e(외출)가 나타내는 행위의 빈도를 통해 c(세수)의 시점에서 난방 제어가 일어날 수 있다. 또한, 'a-b-c-d-e'의 5개의 연속된 패턴을 사용한다면, a(기상)의 시점에서 난방 제어가 일어날 수도 있다. 물론, 주거환경에서는 여러 사람의 요구와 행위가 일어나기 때문에, 공간별, 거주자별 우선순위에 따른 추론 방식도 필요하다.
행위를 감지하는 문제는 고가의 시스템이나 고기능의 장비에 의해 가능할 것이다. 그러나 이러한 정보를 주택 내에 장착하는 것은 경제성의 논리에서 보았을 때 비현실적이며 사생활 침해의 문제를 발생한다. 결론적으로 말해 현 상황에서 센서를 통해 거주자 행위의 모든 종류를 파악하는 것은 매우 어려운 일이다. 본 연구에서는 연속된 행위에서 기상(a), 외출(e), 샤워(k), 취침(p) 등의 행위로만으로도 난방 제어를 위한 일차적인 행위 예측이 가능할 것으로 한정한다. 또한, 시스템이 공간을 파악하여야 원활한 행위 기반 추론과 난방 제어가 가능하기 때문에, 각 공간에 대한 거주자의 유무 파악이 가능한 스위치 센서나 적외선센서는 필요할 것이다.

3. 행위 기반 추론

3.1 행위와 난방 제어 시스템
본 연구에서는 온돌 난방 제어 시스템에서 사용할 추론 방법을 행위 기반 추론으로 다루고자 한다. 행위 기반 추론은 행위의 학습을 통해 상황을 예측하여 환경에 대응하는 방식이다.
본 연구에서 다루고 있는 행위를 고려한 온돌 난방 제어의 분명한 구별은 전통한옥에서 찾아 볼 수 있다. 전통한옥은 여러 채로 분리된 공간 구조를 가지고 있어 한옥의 난방 시스템인 여러 개의 아궁이와 굴뚝(유호천, 1982)이 나타난다. 또한, 각 채에서도 온돌 난방이 적용되지 않는 마루를 사이로 구별되고, 필요에 따라서 각 각 난방을 적용해야 하는 분리된 난방 구조를 가지고 있다. 즉, 기술적인 문제와 남성공간과 여성공간의 기능적인 구분으로 인하여 각 방마다 별도의 난방 시스템을 적용하고 있다고 할 수 있다. 안방과 사랑방은 각 각 별도의 난방 시스템을 가지고 있으며, 일부 윗방만이 안방이나 사랑방의 난방 시스템을 공유하고 있다. 안방과 사랑방은 남녀의 구별뿐 아니라 공간의 기능에서도 구분되기 때문에 행위에 따라 구분된 난방 제어가 가능했을 것이다.
본 연구에서는 공간에서 연속적으로 일어나는 행위에 초점을 둔다. 공간에서 일어나는 행위의 연속된 패턴에서 상황을 예측하고 대응한다면, 난방을 위한 효율적인 제어가 가능하여 에너지 절감 및 거주자의 온열 쾌적감을 극대화 할 수 있을 것이다.

3.2 행위 기반 추론을 위한 정보 구조
본 연구에서는 먼저 위치정보를 기반으로 하여 행위를 결정하기로 한다. 따라서 물리적 환경의 정보는 거주자의 위치를 파악할 수 있도록 체계화 하여야 한다. 추가적으로 거주자의 주변 오브젝트(기기 및 장치)의 상태 파악을 위해서 물리적 환경의 정보 구성에 센서 및 기기의 정보를 포함하여야 할 것이다.
종합적인 정보구조와 향후 다른 서비스 시스템을 고려한다면 그림 1과 같은 물리적 환경과 거주자 상황을 고려한 기본적인 정보구조(Profile DB)가 필요하다.













그림 1. 추론을 위한 기본 정보구조(Profile DB)

물리적 환경 정보에는 거주자가 살고 있는 주택의 정보가 저장이 된다. 주택정보는 House Level, Room Level, System Level, Device Level, Sensor Level 등으로 나뉜다. House Level에는 주거형태, 주소, 평형, 층수, 방의 구성 등이 포함이 된다. Room Level에는 각 방에 들어가는 시스템의 정보가 저장되며, System Level에는 System에 포함되는 디바이스와 센서와 서비스 실행을 위한 센서 값의 조건 등이 저장된다. Device Level에는 디바이스 관련한 정보, Sensor Level에는 센서 관련 정보가 저장된다. 난방 제어 시스템은 Device Level 이며, 난방 제어 시스템과 여러 관련 센서들이 포함되어 하나의 난방 서비스를 형성한 것이 System Level이다.
거주자 정보에는 거주자의 사회‧인문학적 정보들과 각 거주자에게 맞춤형 서비스를 제안하기 위해 각각의 취미나 건강, 선호사항 등이 저장될 수 있다. 또한 어린이나 노약자의 경우 접근하면 위험한 구역이 있기 때문에 접근권한과 시간의 정보도 포함시킨다.
행위 기반 추론을 위해서 그림 1의 기본적인 정보 구조를 바탕으로 거주자의 행위를 추출하여 저장한 데이터베이스가 필요하다. 표 2는 행위를 추출한 거주자의 Life Pattern DB 이다.

표 2. Life Pattern DB


Location
User
Behavior
Time
No
HouseID
RoomID
User
Behavior
Day
Time
001
103
bed1
Lee
get up
Mon
06:30
002
103
bath
Lee
enter
Mon
06:32
003
103
bath
Lee
shit
Mon
06:33
004
103
bath
Lee
wash up
Mon
06:35
005
103
bed1
Lee
dress up
Mon
06:50
006
103
bed1
Lee
dress up
Mon
06:50
007
103
bed1
Lee
dress up
Mon
06:50
008
103
dinning
Lee
eat
Mon
07:10
009
103
entrance
Lee
go out
Mon
07:30












4. 행위 기반 추론 시스템

4.1 행위 기반 추론의 시스템 구성
행위 기반 추론을 위해서는 여러 개의 데이터베이스와 프로그램 모듈을 사용하게 된다. 데이터베이스에는 기본 적인 정보 구조로서 그림 1에서 설명한 Profile DB 가 있고,  응급상황을 대처할 수 있는 규칙 정보를 포함하고 있는 Emergency Rule DB 가 있다. 또한,  Profile DB 와 시스템의 로그(이력)데이터로 추출한 Life Pattern DB가 있다 Life Pattern DB는 표 2의 정보구조를 가지고 있으며, 추가적으로 서비스 실행 및 중지 등의 제어 정보를 포함한다.
프로그램 모듈에는 시스템의 운영 메모리인 Working Memory를 기본적으로 포함하며, Monitor Agent, Context Interpreter, Device Controller, Event Handler 로 구성된다. Monitor Agent는 시스템 초기화시 Profile DB와 Emergency Rule DB의 내용을 읽어 일차적으로 Working Memory를 구축한다. 우선 User Level에서는 가족관계와 사용자 접근사항에 관한 정보를 읽어 들이게 될 것이다. 그 다음 House Level에서 각 실에 배치되어 있는 시스템, 디바이스, 센서의 종류를 읽어 들인다. 이를 바탕으로 Monitor Agent는 Working Memory에 올라오는 정보들을 주기적으로 체크한다. Agent들의 작동 상황을 감시하고 중재한다.
Context Interpreter는 상황에 대한 판단을 내려 Device 작동에 관한 최종 결정을 내리는 역할을 한다. 본 연구에서는 난방제어 시스템에 한정하지만, 일반적으로 여러 서비스를 위해 작동시킬 디바이스가 여러 개 검색된 경우 Context Interpreter는 중요한 역할을 한다. Context Interpreter는 Life Pattern DB 를 통해 검색하여 최적의 서비스를 제공하게 된다.
Device Controller 는 결정된 Device 명령을 실행하기 위해 전송한다. Device 작동상태를 변경하고 조정하는 역할이다. Device Controller는 Device 작동 정보를 각 제어기에 전송한다.

4.2 행위 기반 추론의 시스템 Flow
행위 기반 추론 시스템은 그림 2와 같은 서비스 Flow를 가지게 된다.
① 시스템이 켜지면 (System On), Monitor Agent는 Profile DB, Emergency Rule DB 의 정보를 가져와서 초기 Working Memory 를 구축한다.
② Monitor Agent 는 Working Memory 를 항상 감시하며, Working Memory 에 새로운 센서정보 (New Value) 가 감지되면, 먼저 Emergency Rule 을 검사하고 Emergency Rule 일 경우 곧바로 Device Controller 에 Execution Device 를 전달(명령을 실행할 디바이스를 전달)하여 서비스를 제공한다.
③ Emergency Rule 이 아닐 경우 Context Interpreter 에 정보를 전달한다. Context Interpreter 는 Life Pattern DB 에서 Life Pattern 를 검색하여, Life Pattern 이 맞는 Device 가 검색되면 Device Controller 에 Execution Device 를 전달하여 서비스를 제공한다. (Life Pattern 이 맞는 Device 가 여러 개일 경우 먼저 Life Pattern 의 우선순위(Top Level)부터 서비스를 제공하게 되고, 동일 순위일 경우 검색의 순차적으로 서비스가 제공되게 된다.)
④ Device Controller 는 제공받은 Execution Device 의 정보를 Working Memory 를 통해 확인하여 명령을 실행시킬 Device 가 있다면, 명령을 실행시켜 서비스를 제공한다.
⑤ 서비스가 제공되면 제공된 서비스 정보는 Working Memory 를 통해 Event Handler 에 전달되며, Event Handler 는 Saving Task Log(로그데이터 저장) 와 Execution Info.(디바이스 실행정보 전달)를 수행한다.
⑥ Execution Info. 는 Working Memory 를 통해 Device Controller 에 전달되며 순차적으로 여러 개의 서비스를 실행하게 된다.
⑦ Event Handler 는 Saving Task Log 를 통해 로그데이터를 저장하며, Delete Memory 를 통해 Working Memory 를 최적화하게 된다.

























그림 2. 행위 기반 추론의 Flow

5. 행위 기반 추론을 적용한 온돌 난방 제어 시스템

5.1 모바일 제어 시스템
유비쿼터스 컴퓨팅 및 모바일 환경에 익숙한 거주자들을 고려하고, 행위 기반 추론을 적용한 난방 제어 시스템을 효과적으로 적용하게 위해서는 모바일 제어 시스템이 필수적이다.
모바일 제어 시스템은 그림 3과 같이 모바일 폰 시스템, 서버 시스템, 홈 시스템으로 구성된다. 모바일 폰 시스템은 주택의 상황을 모니터링 하고 제어할 수 있는 모듈로 구성되며, 서버 시스템은 모바일 폰의 제어 정보를 처리하기 위한 Agent Control Module과 DBMS, Signal converter로 구성된다. Agent Control Module은 4장에서 설명한 프로그램 모듈로 구성되며, DBMS는 데이터베이스를 다루게 된다. Signal converter는 시스템의 제어 정보를 무선으로 변환하여 디바이스(예 : 난방 제어기)에게 전달하는 역할을 수행한다. 홈 시스템은 센서들과 디바이스들로 구성된 하드웨어 시스템으로 기존의 홈 네트워크를 구성하는 물리적인 구성 요소들을 포함한다.











그림 3. 모바일 제어 시스템의 구성과 제어

모바일 제어 시스템의 제어는 그림 3의 순서로 제어하게 된다. 먼저 거주자가 홈 시스템의 기기를 제어할 필요가 있을 때, 거주자는 모바일 폰 시스템에서 원하는 서비스를 선택하여 실행하게 된다. 모바일 폰 시스템은 모바일 신호 중계기(Base Transceiver Station : BTS)에 제어 정보를 전달하고(1), 모바일 신호 중계기는 서버시스템의 Agent Control Module에 제어 정보를 중계한다(2).
Agent Control Module은 그림 2의 행위 기반 추론의 Flow에 따라서 DBMS에 정보를 전달, 검색하여 결과를 획득하고(3), 제어 정보를 변환하기 위해 Signal converter에 정보를 전달한다(4). 최종적으로 무선으로 변환된 정보가 홈 시스템에 전달되고(5), 무선 제어 정보를 통해 기기가 작동된다.
모니터링의 제어도 이와 동일하게 이루어지나, 정보의 전달 순서는 역으로 이루어지게 된다. 이러한 모바일 제어 시스템을 사용하게 되면, 유비쿼터스 컴퓨팅의 이상적인 환경인 언제, 어디서나 원하는 서비스가 가능해지는 것이다.

5.2 온돌 난방 제어 시스템
모바일 제어 시스템은 난방 제어와 같이 주택이 미리 준비하는 것이 바람직할 경우는 특히 유용할 것이다. 즉, 주택에 난방 시스템이 가동되고 있지 않은 경우, 거주자가 귀가하면서 난방 시스템을 미리 가동 시켜 쾌적한 온열환경을 획득할 수 있다. 따라서 거주자의 다양한 상황을 고려한다면, 다양한 난방 제어 시스템이 필요하다. 본 연구는 유비쿼터스 컴퓨팅을 활용한 제어 시스템과 앞에서 설명한 모바일 제어 시스템뿐 아니라 여러 가지 제어 시스템을 고려하고자 한다. 그림 4는 다양한 난방 제어 시스템을 설명하고 있다.
거주자가 직접 제어(1), 개인용 컴퓨터 및 홈 네트워크(20), 웹 제어(3), 모바일 폰 제어(4), 행위 기반 추론에 의한 제어(5)를 고려할 수 있다.


그림 4. 다양한 난방 제어 시스템

거주자가 직접 제어(1), 개인용 컴퓨터 및 홈 네트워크(20), 웹 제어(3), 모바일 폰 제어(4)는 모두 거주자가 자신의 요구에 따라서 직접 제어하는 것이며, 행위 기반 추론에 의한 제어(5)는 유비쿼터스 컴퓨팅 환경이 거주자의 상황에 따라서 추론하여 대응함으로써 제어가 이루어지는 것이다. 본 연구에서 초점을 두고 있는 행위 기반 추론에 의한 제어 시스템은 다음 절에서 설명한다.

5.3 행위 기반 추론을 적용한 온돌 난방 제어 시스템
본 연구에서는 행위 기반 추론을 적용한 난방 제어 시스템을 다루고 있다. 난방 제어 시스템이 기본적으로 다양한 제어 시스템이 가능하도록 구성하며, 행위 기반 추론의 프로그램 모듈들을 반영하여 시스템을 제안하고자 한다. 본 연구에서 제안하는 행위 기반 추론을 적용한 난방 제어 시스템 모델은 그림 5와 같다.














그림 5. 행위 기반 추론을 적용한 난방 제어 시스템 모델

Agent Control Module 은 MainSever와 HomeAgent로 구성된다. MainServer 모듈은 모바일 폰이나 웹, 기타 제어 정보를 전달받아 HomeAgent 에 전달하게 된다. 이를 위해 MainServer 모듈은 Mobile Connecter 와 Web Connecter 를 사용하게 된다. 국내의 모바일 환경을 고려하면 WIPI (Wireless Internet Platform for Interoperability)와 OSGi, Mobile Emulator 등이 사용될 수 있다.
MainServer 모듈은 직접 제어를 위해 사용하는 모듈이다. 따라서 거주자의 신상의 확인이 필요할 수 있으며 이러한 정보는 Profile DB (1.1)에서 정보를 얻을 수 있다. 기본적으로 MainServer 모듈은 제어 명령을 전달받아(1), HomeAgent 에 중계한다(2).
HomeAgent 는 본 연구에서 제시하는 행위 기반 추론을 수행하기 위한 여러 프로그램으로 구성되어 있으며, MainServer 의 제어 정보를 바탕으로 향후 추론을 위한 데이터 저장과 명령 수행도 이루어진다. HomeAgent 의 프로세스는 기본적으로 그림 2의 행위 기반 추론의 Flow에 따라서 수행된다. 추가적으로 DB Manager 가 추론을 위한 로그생성과 저장을 통해 Life Pattern DB 생성의 기반을 마련한다.

결    론

본 연구에서 제안하는 행위 기반 추론을 적용한 모바일 온돌 난방 제어 시스템 모델은 온돌의 효율적인 에너지 절감과 온열 쾌적감 확보를 위한 상황인지의 연구라는 새로운 연구주제를 논의하고 있다.
국내외에서 연구 중인 지능형 주거환경은 다양한 자동화 서비스를 제공하기 위한 홈오토메이션에 중점을 두고 있어 유비쿼터스 컴퓨팅 기술의 도입이 미흡하고 거주자의 주거욕구에 반응하지 못한다. 그러므로 주거환경을 공유하는 다양한 거주자들이 기술에 대한 긍정적인 측면을 인정할 수 있는 상황인지 서비스를 제공해야 한다. 본 연구는 주거 환경에서 일차적으로 필요한 난방 제어 시스템에 초점을 두어 연구하였으며, 행위를 기반으로 하는 추론에 대하여 논의함으로써 거주자를 위한 유비쿼터스 컴퓨팅 기술의 도입을 추구하고자 하였다.
본 연구에서 행위 기반 추론을 적용한 난방 제어 시스템 모델을 제안하였지만, 온돌 난방 제어 시스템에 실제적으로 적용하기 위해서는 여러 가지 하드웨어적인 기술 개발과 공간과 행위를 고려한 분할 난방 시스템에 대한 기술이 필요하다.
본 연구를 통하여 온돌의 현대화된 도입과 확산을 위해 모바일 및 유비쿼터스 컴퓨팅 기술에 대한 지속적인 논의와 공간과 행위를 고려한 분할 난방에 대한 다양한 연구를 기대한다.

본 연구는 지식경제 프론티어 기술개발사업의 일환으로 추진되고 있는 지식경제부의 유비쿼터스 컴퓨팅 및 네트워크원천기반기술개발 사업의 09C1-C4-11T과제로 지원된 것이다.

참고문헌

 1. 김국선, 한·중·일 주거문화 맥락에서 본 전통가구 디자인 특성 비교연구, 연세대학교 대학원 박논, 2004
 2. 손병룡, 정보전달에서 맥락의 역할, 경상대학교 대학원 박논, 2001
 3. 유호천, 한옥에 있어서 온돌의 굴뚝에 관한 조사 연구, 대한건축학회지, 26권 108호, 1982
 4. 이선우 외 3인, 아랫목/윗목 개념을 적용한 가열면 분할 방안에 관한 연구, 대한건축학회논문집 계획계, v.24 n.11, 2008
 5. 이진영 외 3인, 공동주택 온돌 난방 공간에서의 예측 제어에 관한 연구, 대한건축학회논문집 계획계, v.14 n.11, 1998
 6. Henricksen, K. and Indulska, J. and Rakotonirainy, A.,Modeling Context Information in Pervasive Computing Systems. Proceedings of the First International Conference on Pervasive Computing. 2002
 7. Madhusudan, T., Zhao, J.L. and Marshall, B., A case-based reasoning framework for workflow model management, Data & Knowledge Engineering, 50(1), 2004, Pp. 87-115
 8. Mchserry, D., Interactive case-based reasoning in equential diagnosis. Applied Intelligence, 14(1), 2001, Pp. 65–76.
 9. Salber, D.  and Dey, A.K. and Abowd, G.D., The context Toolkit: Aiding the development of context-enabled applications, in Proceedings of CHI’99, 1999, Pp.434-441.
10. Schilit, B. and Adams, N. and Want, R.,Context-aware computing applications, Mobile Computing Systems and Applications, 1994, Pp. 85-90.