금일(3/15) 고려대학교 하나스퀘어 멀티미디어관에서 우리 학교와 조지위싱턴대 간의 joint research collaboration program의 일환으로 국제 빅데이터 워크샵이 개최되었다. 주로 기법적 측면의 문제의식이나 알고리즘의 소개가 아닌 분석사례를 발표하는 자리였다. 재미 있었던 몇 가지 주제에 대해서 요약토록 한다.

1. Transportation engineering

    강승모 교수님의 발표내용으로, 교통시스템과 관련하여 다양한 데이터가 쌓이고 있어 이를 활용한 분석이 필요하다는 점을 강조하였다. 대규모의 교통데이터의 예시로, ITS에 연결된 다수의 교통체증 수집센서들과 서울 내 대중교통을 이용하는 시민의 99.02%가 스마트 카드 시스템을 이용율, 전체 약 30% 이상의 차량에 장착된 dashcam(blackbox 장치) 등을 들 수 있다. 다양하고 방대한 이종의 데이터로부터 travel time forecasting, accident analysis, demand analysis, route guidance, vehicle2vehicle or vehicle2infrastructure communication 등 다양한 응용 분야가 존재함을 소개하였다. 대표적 사례로 Microsoft의 realtime traffic analysis system과 택시 할당 최적 전략 (Santi. et. al. 2014) 등을 소개하였다. 무엇보다 사진, 영상, 소리 등 다양한 타입의 데이터를 통합하여(multimodal machine learning), 감지나 예측 정확도를 향상시킬 수 있는 기법의 도입이 필요한 사례들을 엿볼 수 있었다.

2. Smart Solar Power Plant: Where does Big Data come from?

    김용신 교수님의 발표내용으로, 전라남도 고창에 설치되어 있는 태양광발전시스템의 모니터링 시스템 개발에 관한 설명을 진행하였다. 분석기법에 관한 내용은 아니었으나, 현재 PV 패널 시스템이 처한 문제점을 명확히 정의하고(diagnosis system 부재 등), 비용을 최소화한 모니터링 및 이상감지 시스템의 설계에 관하여 소개하였다. 수천 수만개의 태양광 패널들을 효율적 관리를 위해 기본 모니터링 시스템을 구축하는 각 단계별 스토리가 흥미로웠다.

3. Climate Informatics

    워크샵이든 컨퍼런스든 발표자가 부재하여 취소된 세션은 봤지만 대신 동영상을 틀어준 경험은 처음이다. 비록 발표자는 못봤지만 주제 자체는 상당히 흥미로웠는데, 기후변화를 분석하기 위해서 다양한 마이닝 기법을 적용하고 있는 사례를 선보였다. 특히, 기후변화의 예측 정확도 향상을 위해 다양한 기후 예측시스템들의 결과를 혼합하여 co-training approach 방식 기법을 선보여 예측 정확도를 향상시킨 사례연구가 인상깊었다. (단 발표자는 ensemble 기법으로 표현하였다.) 이외에도 transfer learning을 활용한 기후변화의 시계열적 특성의 예측 연구사례와 LDA 기반 topic modeling을 통해서 기후를 예측하는 연구사례도 소개하였다.