시간 정보를 활용한 Time Aligned-LSTM 사람 행동 예측 연구

초록

최근 IoT 장치가 널리 보급되면서 많은 센서가 존재하고 다양한 정보를 측정하고 있다. 특히, 집은 사용자의 생활에 큰 부분을 차지하고 다양한 센서의 설치가 가능해 다양한 정보를 수집하기 쉽다. 사용자의 현재 위치와 장치 사용 정보, 시간정보를 분석해 사용자의 행동이나 패턴, 습관 등을 찾아낼 수 있고 이런 행동 예측은 다양한 서비스를 가능하게 한다. 사용자의 행동 예측 기존 연구에서는 행동의 발생한 시간이 매우 중요한데 모델 학습에 이러한 정보가 활용되지 않았다. 따라서, 본 연구에서는 스마트 홈 환경에서 센서 데이터 이외에도 발생 시간 정보를 사용하는 사용자의 행동 예측 모델을 제안한다. 발생 시간의 모델 입력 활용, 여러 데이터 세트에서의 모델 성능 평가 결과 Bi-LSTM 보다 제안된 모델의 정확도가 1.2~5.7% 높았다.

키워드