As location-aware mobile devices such as smartphones are prevalent these days, location-based applications become very popular and ubiquitous in our daily lives. Introduced in diverse domains such as social networks (e.g., Foursquare and Google Latitude), transportation (e.g., Google Navigation), commerce (e.g., Google AdMob and Shopkick), etc., location-based applications provide users with more convenience than ever before. However, the majority of existing location-based applications use very limited information such as current location. For example, they recommend nearby restaurants based on a user’s current location. Such static and limited information is insufficient to provide not only new functionality but also rich user experiences.
Beyond simply using a user’s current location information, understanding and exploiting human-place interaction gives more opportunities to provide true mobile context-aware applications. People usually use diverse places such as home, office, restaurants, etc. in their daily lives. In other words, a person’s daily life can be considered as a sequence consisting of interaction with diverse places. Therefore, if we can comprehensively understand human-place interaction, we can provide rich user experiences that can eventually enrich their daily lives. For example, we may imagine that a service recommends some nice places by predicting places where a user would highly likely visit next.
From this perspective, in this dissertation, we provide novel systems enabling comprehensive human-place interaction monitoring, and novel applications using the systems. To comprehensively understand hu-man-place interaction, we divide the problem into two sub-problems: in-building human-place interaction and city-wide human-place interaction. In each problem, we discover unique challenges and provide interesting approaches.
First, we provide a smartphone system (i.e., VisitSense) enabling in-building human-place interaction monitoring and prediction, and a novel mobile advertising application (i.e., AdNext) using it. People often use complex buildings such as shopping malls, museums, hospitals, etc. However, sometimes, it is very hard to conveniently use such complex buildings, since there are too many places dispersed in a very large space. Therefore, it is essential to provide users with relevant information based on their goal and preferences. As one of representative applications to address such problems, we provide AdNext. AdNext is a visit-pattern-aware mobile advertising system for urban commercial complexes. AdNext can provide highly relevant ads to users by predicting places where the users will highly likely visit next. To predict the next visit place, we present a causality-based visit prediction model using Bayesian networks. To automatically collect the users’ place visit history by smartphones, we utilize Wi-Fi-based indoor localization.
Second, we provide a middleware system that support developing large-scale location-based applications based on city-wide human-place interaction monitoring. While living in a city, people usually have very unpleasant experiences such as severe traffic jams in downtown, horribly crowed subways at rush-hour, etc. We conjecture that such problems occur from the lack of understanding city dynamics. To address these problems, it is essential to monitor city-wide human-place interstation. However, realizing such large-scale monitoring basically requires a high-performance and scalable location data processing. To do this, we provide MobiiScape, a novel middleware that collectively monitors city-wide human-place interaction in a large-scale city. MobiiScape provides a SQL-like monitoring query language that enables to intuitively monitor city-wide human-place interaction. Further, MobiiScape provides a set of scalable stream processing techniques to efficiently process a large number of monitoring queries over a large number of location streams.
최근 스마트폰과 같은 위치인식 모바일 장치가 급속히 보급되면서, 위치기반 애플리케이션(location-based application)이 우리 일상 속에 널리 사용되고 있다. 위치기반 애플리케이션은 소셜 네트워크, 교통, 상업 등 다양한 영역에서 등장하고 있으며, 사용자들에게 이전보다 더 많은 편리함을 제공하고 있다. 하지만, 현재 위치기반 어플리케이션들의 대부분은 ‘사용자의 현재 위치’라는 매우 제한적인 정보만을 사용하고 있다. 예를 들면, 사용자의 현재 위치를 기반으로 주변 음식점을 추천하는 식이다. 이렇게 정적이고 제한적인 정보만으로는 새로운 기능뿐만 아니라 풍부한 사용자 경험을 제공하기가 어렵다.
단순히 사용자의 현재 위치만을 이용하는 것을 넘어서, 인간-장소 상호작용(human-place interaction)을 이해하고 이용하는 것은 진정한 모바일 상황인식 애플리케이션(mobile context-aware application)을 개발하는 데에 새로운 가능성을 제공할 것이다. 일상 속에서, 사람들은 집, 사무실, 식당과 같이 다양한 장소들을 사용한다. 뿐만 아니라, 사람들의 활동이나 행동은 현재 있는 장소에 매우 많이 영향을 받는다. 즉, 어떤 사람의 일상은 다양한 장소들과의 상호작용의 연속으로 구성된다고 생각할 수 있다. 따라서, 우리가 인간-장소 상호작용을 포괄적으로 이해할 수 있다면, 우리 일상을 보다 풍요롭게 하는 진정한 모바일 상황인식 애플리케이션을 제공할 수 있을 것이다. 예를 들면, 어떤 사람의 장소 방문 패턴을 이해해서, 그 사람이 다음에 방문할 장소를 예측한 후에, 그것에 따라서 미리 적당한 장소를 추천하는 것이 가능할 것이다.
이 학위 논문은 일상에서 인간-장소 상호작용을 포괄적으로 이해하는 것을 가능하게 하는 새로운 시스템들과 그 시스템들을 이용하는 새로운 애플리케이션들을 제시한다. 인간-장소 상호작용을 포괄적으로 이해하기 위해서, 하나의 커다란 문제를 두 개의 세부 문제들로, 즉, 건물내 인간-장소 상호작용 (in-building human-place interaction)과 도시규모 인간-장소 상호작용 (city-wide human-place interaction)으로 나누어서 접근한다. 그리고 각 문제 영역에서, 새로운 기술적 과제들을 발견하고 그것에 대한 흥미로운 해결방법들을 제시한다.
첫째, 건물내 인간-장소 상호작용(in-building human-place interaction)을 모니터링하고 예측하는 스마트폰 기반 시스템(VisitSense)을 제시한다. 그리고, 이 시스템을 이용하는 새로운 모바일 광고 애플리케이션인 AdNext 제시한다. 일상에서 사람들은 다양한 장소들로 구성된 복합 건물들을 종종 사용한다. 예를 들면, 쇼핑몰, 박물관, 병원 등과 같은 복합 건물들을 이용한다. 그런데, 다양한 장소들이 매우 넓은 공간에 복잡하게 배치되어 있기 때문에, 이러한 복합 건물을 사용하는 것은 때때로 매우 어려운 일이다. 따라서, 사용자가 이러한 복합 건물을 편리하게 이용할 수 있도록, 사용자의 방문 목적이나 취향을 반영해서 관련 장소 정보를 제공하는 것이 필요하다. 이러한 문제를 해결하는 대표적인 모바일 애플리케이션의 하나로서, 우리는 AdNext를 제시한다. AdNext는 쇼핑몰에서 사용자의 장소방문패턴(place visit pattern)에 따라 광고를 제공하는 새로운 모바일 광고 시스템이다. AdNext는 어떤 사용자의 다음 방문 장소를 예측해서 사용자에게 매우 관련성이 높은 광고를 제공한다. 사용자의 다음 방문 장소를 예측하기 위해서, 우리는 베이지안 네트워크(Bayesian networks)를 이용한 인과성 기반 방문 예측 모델(causality-based visit prediction model)을 제시한다. 그리고, 사용자의 장소 방문 기록을 자동으로 수집하기 위해서, AdNext는 Wi-Fi기반 실내 위치인식 기술을 이용한다.
둘째, 도시규모 인간-장소 상호작용(city-wide human-place interaction)을 효율적으로 모니터링해서 대규모 위치기반 애플리케이션의 개발을 돕는 미들웨어를 제시한다. 도시 생활을 하다보면 심각한 교통체증이나 출근길의 만원 지하철과 같은 매우 불편한 문제들을 경험하게 된다. 이러한 문제들의 근본적인 이유는 도시의 역동성(city dynamics)에 대한 정보가 부족하기 때문이다. 이러한 문제를 해결하기 위해서는 도시규모 인간-장소 상호작용의 모니터링이 필수적이다. 그런데 이러한 대규모 모니터링을 가능하게 하기 위해서는 확장성 있는 위치 데이터 처리 엔진이 필수적이다. 이를 위해서, 우리는 MobiiScape이라는 미들웨어를 제시한다. MobiiScape은 SQL과 유사한 모니터링 언어를 애플리케이션에게 제공해서, 도시규모 인간-장소 상호작용 관찰을 쉽게 수행하는 것을 가능하게 한다. 뿐만아니라, 대규모 위치 데이터 처리를 위해서 다양한 위치 데이터 처리 기법을 제공한다.
