4 |
4
만보기로 사용되는 센서(3); 및 센서(3)를 이용해 사용자(1) 걸음 수를 측정하며, 센서(3)가 걸음 수를 측정할 때마다 내부의 앱 DB(30)에 측정 값을 저장하며, 저장된 값들은 뷰(View) 화면을 통해 사용자(1)에게 제공하는 걷기 활동량 예측 앱(10); 을 포함하되,걷기 활동량 예측 앱(10)은, 사용자(1)가 선택할 수 있는 화면으로 개인 정보 화면, 목표 화면, 과거 화면, 현재 측정 화면, 미래 예측 화면, 개인 기록 화면을 제공하고,뷰(View)에서는 과거 화면, 현재 화면, 미래 예측 화면으로 구분되며, 미래 예측 화면에서 보여주는 데이터는 걷기 활동량 예측 앱(10)의 예측 필터(30)를 이용해 계산하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 시스템을 이용한 걷기 활동량 예측 방법에 있어서,걷기 활동량 예측 앱(10)이 사용자(1)의 개인 정보를 수신한 뒤, 개인 정보를 걷기 활동량 예측 앱(10) 내부 데이터베이스인 앱 DB(20)에 저장하는 제 1 단계;걷기 활동량 예측 앱(10)이 사용자(1)의 개인 목표를 입력받은 뒤, 개인 목표를 앱 DB(20)에 저장하는 제 2 단계;걷기 활동량 예측 앱(10)이 센서(3)에 대한 제어를 통해 사용자(1)의 걸음 수 측정을 시작하는 제 3 단계;걷기 활동량 예측 앱(10)이 사용자(1)의 걸음을 인식할 때마다 걷기 활동량 예측 앱(10) 내부 앱 DB(20)에 시간과 걸음 수를 저장하는 제 4 단계;걷기 활동량 예측 앱(10)이 사용자(1)로 예측 값을 요청받은 경우, 저장된 걸음 수를 가지고 걷기 활동량 예측 앱(10) 내부에 있는 칼만 필터를 이용한 예측 필터(prediction filer)(30)를 통해 값을 계산하는 제 5 단계; 및걸음 수의 예측 부분을 구현하기 위한 칼만 필터는,(1) Project the state ahead, (2) 상태 추정과 추정에 대한 에러 변화를 계산하는 Project the error convariance ahead로 이루어져 상태 추정과 추정에 대한 에러 변화를 계산하는 예측단계와, (1) Compute the Kalman gain, (2) Update estimate with measurement zk, (3) 최적의 칼만 이득(Kalman gain)값 K를 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 Update the error convariance로 이루어져 최적의 칼만 이득(Kalman gain)값을 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 보정 단계로 나뉘며,예측 단계(1, 수학식 1 참조)에서 (수학식 1)로서 이전 데이터를 통해 예측 값을 추정하되, 구하는 은 특정 시간 k에서의 보정을 하기 전인 걸음 수 예측 값이고, 은 k-1에서의 걸음 수인 xk-1, 이전 상태에 대한 상태 전이인 A, 사용자 입력에 의한 상태 전이인 B, 특정 시간에서 사용자 입력인 uk를 통해 구하고,예측 단계(2, 수학식 2)에서(수학식 2)로서 공분산 Pk-을 추정하되, 예측은 상태가 전이 되지 않기 때문에 A = 1 이라 정의하고, 사용자 입력이 없기 때문에 uk=0이라 정의되며, Q는 예측 노이즈 공분산으로 정의하고,보정 단계 (3, 수학식 3)에서(수학식 3)로서 Pk-, H, R을 이용해 특정 시간 k에서의 칼만 게인 Kk을 구하고, H는 전달함수, R은 측정 노이즈 공분산으로 정의하고,보정 단계 수학식 4에서 (수학식 4)로서 xk-와 Kk, zk를 통해 특정 시간 k에서의 구하려는 걸음 수 예측 값 xk을 구하며,보정 단계 수학식 5에서(수학식 5)로서 공분산 Pk을 보정하고,걷기 활동량 예측 앱(10)이 측정 값과 예측 값을 출력하는 제 6 단계; 를 포함하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 방법
|
5 |
5
만보기로 사용되는 센서(3); 및 센서(3)를 이용해 사용자(1) 걸음 수를 측정하며, 센서(3)가 걸음 수를 측정할 때마다 내부의 앱 DB(30)에 측정 값을 저장하며, 저장된 값들은 뷰(View) 화면을 통해 사용자(1)에게 제공하는 걷기 활동량 예측 앱(10); 을 포함하되,걷기 활동량 예측 앱(10)은, 사용자(1)가 선택할 수 있는 화면으로 개인 정보 화면, 목표 화면, 과거 화면, 현재 측정 화면, 미래 예측 화면, 개인 기록 화면을 제공하고,뷰(View)에서는 과거 화면, 현재 화면, 미래 예측 화면으로 구분되며, 미래 예측 화면에서 보여주는 데이터는 걷기 활동량 예측 앱(10)의 예측 필터(30)를 이용해 계산하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 시스템을 이용한 걷기 활동량 예측 방법에 있어서,걷기 활동량 예측 앱(10)이 사용자(1)의 개인 정보 입력 여부를 확인에 따라, 개인 정보 입력시 사용자(1)의 목표 입력 여부를 확인하는 제 1 단계;개인 정보뿐만 아니라 목표를 입력하게 되면, 걷기 활동량 예측 앱(10)이 사용자(1)로부터 과거, 현재, 미래 중 원하는 데이터 선택 정보를 수신하는 제 2 단계;데이터 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)이 사용자(1)로부터 원하는 데이터의 기간 선택 정보를 수신하는 제 3 단계;기간 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)이 기간 선택 정보에 예측 데이터에 해당하는 데이터 기간이 포함된 경우 예측 계산 과정을 진행하되, 예측 계산 과정은 걷기 활동량 예측 앱(10) 내부에 있는 칼만 필터를 이용한 예측 필터(prediction filer)(30)를 통해 값을 계산하는 제 4 단계; 를 포함하고,걸음 수의 예측 부분을 구현하기 위한 칼만 필터는,(1) Project the state ahead, (2) 상태 추정과 추정에 대한 에러 변화를 계산하는 Project the error convariance ahead로 이루어져 상태 추정과 추정에 대한 에러 변화를 계산하는 예측단계와, (1) Compute the Kalman gain, (2) Update estimate with measurement zk, (3) 최적의 칼만 이득(Kalman gain)값 K를 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 Update the error convariance로 이루어져 최적의 칼만 이득(Kalman gain)값을 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 보정 단계로 나뉘며,예측 단계(1, 수학식 1 참조)에서 (수학식 1)로서 이전 데이터를 통해 예측 값을 추정하되, 구하는 은 특정 시간 k에서의 보정을 하기 전인 걸음 수 예측 값이고, 은 k-1에서의 걸음 수인 xk-1, 이전 상태에 대한 상태 전이인 A, 사용자 입력에 의한 상태 전이인 B, 특정 시간에서 사용자 입력인 uk를 통해 구하고,예측 단계(2, 수학식 2)에서(수학식 2)로서 공분산 Pk-을 추정하되, 예측은 상태가 전이 되지 않기 때문에 A = 1 이라 정의하고, 사용자 입력이 없기 때문에 uk=0이라 정의되며, Q는 예측 노이즈 공분산으로 정의하고,보정 단계 (3, 수학식 3)에서(수학식 3)로서 Pk-, H, R을 이용해 특정 시간 k에서의 칼만 게인 Kk을 구하고, H는 전달함수, R은 측정 노이즈 공분산으로 정의하고,보정 단계 수학식 4에서 (수학식 4)로서 xk-와 Kk, zk를 통해 특정 시간 k에서의 구하려는 걸음 수 예측 값 xk을 구하며,보정 단계 수학식 5에서(수학식 5)로서 공분산 Pk을 보정하고,걷기 활동량 예측 앱(10)이 사용자(1)의 요구한 내용을 바탕으로 결과를 출력하는 제 5 단계; 를 더 포함하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 방법
|