한국연구재단 과제 한국과 중국간의 협력 제안서 (NRF-NSFC 한중 협력 사업계획서 양식)

소개글

"한국연구재단 과제 한국과 중국간의 협력 제안서 (NRF-NSFC 한중 협력 사업계획서 양식)"에 대한 내용입니다.

목차

없음

본문내용

연구개발목표 (500자 내외)
-오늘날 도시 지역의 인구 증가율은 높은 수치를 기록한다. 정보화 사회에서 점점 늘어나는 데이터들을 효과적으로 처리하기 위한 노력은 계속되어 왔지만 데이터 간 이질성으로 인해 데이터에 대한 해석, 결합, 분석 및 적절한 소비는 매우 어려운 문제이다. 급격히 성장하게 될 사물인터넷 (Internet of Things, IoT)환경에서 스마트 시티의 대규모 데이터를 효율적으로 처리하기
위해 다른 기술과의 융합이 요구된다. 따라서 본 연구에서는, 스마트 시티 내의 스마트 홈, 스마트 산업 및 스마트 헬스 케어 등의 다양한 분야로부터 지능적인 데이터 수집 및 분석 기술을 설계한다. 이 기술은 데이터를 수집하여 지능형 데이터 분류 모델을 만들고 이를 기반으로 에너지 효율성, 경제성 평가 및 스마트 시티 관리와 같은 다양한 애플리케이션에 대한 의사 결정을 제공할 수 있다

<중 략>

근 유엔의 보고서에 따르면 도시 지역의 인구 증가율은 2050년까지 66%에 달할 것으로 추산되며, 세계 자원의 70%가 도시에서 소비된다고 한다. 이와 같이 스마트 시티는 기후 변화를 통제하고 도시시민의 삶의 질을 향상시키는 새로운 기술을 적용하면서 경제 성장을 지원하는 효과적인 방법이다. 또한, 스마트 시티는 경제 및 사회적 성과를 향상시키기 위해 사용 가능한 자원을 안전하고 지속적이며 효율적으로 통제하는데 중점을 두고 있다. 도시 안에서 사람, 시스템 및 사물은 수많은 데이터를 생성한다. 따라서 다양한 매체의 데이터는 스마트 시티의 가장 확장성 있는 자산으로 간주된다. 그러나 데이터의 이질성으로 인해 구성, 해석, 결합, 분석 및 소비에 많은 어려움이 있다. 이전보다 데이터의 크기는 커졌으며 수자원, 에너지, 교통 및 건물과 같은 이기종 환경에서 발생한다.

참고 자료

Chen, M., Hao, Y., Hwang, K., Wang, L., & Wang, L. (2017). Disease prediction by
machine learning over big data from healthcare communities. IEEE Access, 5,
8869-8879. Ÿ Zhou, L., Pan, S., Wang, J., & Vasilakos, A. V. (2017). Machine learning on big data:
Opportunities and challenges. Neurocomputing, 237, 350-361. Ÿ L’heureux, A., Grolinger, K., Elyamany, H. F., & Capretz, M. A. (2017). Machine learning
with big data: Challenges and approaches. IEEE Access, 5(5), 777-797. Ÿ Sharma, P. K., Singh, S., Jeong, Y. S., & Park, J. H. (2017). Distblocknet: A distributed
blockchains-based secure sdn architecture for iot networks. IEEE Communications
Magazine, 55(9), 78-85. Ÿ Zhu, C., Shu, L., Leung, V. C., Guo, S., Zhang, Y., & Yang, L. T. (2017). Secure
multimedia big data in trust-assisted sensor-cloud for smart city. IEEE Communications
Magazine, 55(12), 24-30. Ÿ He, X., Wang, K., Huang, H., & Liu, B. (2018). Qoe-driven big data architecture for
smart city. IEEE Communications Magazine, 56(2), 88-93. Ÿ Moreno, M. V., Terroso-Sáenz, F., González-Vidal, A., Valdés-Vela, M., Skarmeta, A.
F., Zamora, M. A., & Chang, V. (2017). Applicability of big data techniques to smart
cities deployments. IEEE Transactions on Industrial Informatics, 13(2), 800-809. Ÿ He, Y., Yu, F. R., Zhao, N., Leung, V. C., & Yin, H. (2017). Software-defined networks
with mobile edge computing and caching for smart cities: A big data deep
reinforcement learning approach. IEEE Communications Magazine, 55(12), 31-37. Ÿ Marjani, M., Nasaruddin, F., Gani, A., Karim, A., Hashem, I. A. T., Siddiqa, A., &
Yaqoob, I. (2017). Big IoT data analytics: architecture, opportunities, and open research
challenges. IEEE Access, 5, 5247-5261. Ÿ Rathore, S., & Park, J. H. (2018). Semi-supervised learning based distributed attack
detection framework for IoT. Applied Soft Computing. 11. Sharma, P. K., & Park, J. H.
(2018). Blockchain based hybrid network architecture for the smart city. Future
Generation Computer Systems. Ÿ NIA, 2017년 BIG DATA 시장현황 조사, 2017. Ÿ 안성원, 빅데이터(Big Data)의 특성과 동향, 소프트웨어정책연구소, 2016.09. Ÿ KIEP, 베이징의 빅데이터 산업 현황과 시사점, 2017.11. Ÿ IDC, Worldwide Big Data Technology and Services Forecast, 2016-2020, 2016. Ÿ STEPI, 일본 미래투자전략 2017 대응 정책과 시사점, 2017. Ÿ KITA, 유럽의 빅데이터 및 정보보안 관련 산업 주요 동향, 2017.7. Ÿ 이성복, 해외 자본시장의 빅데이터 도입 현황 및 시사점, 자본시장연구원, 2016.12. Ÿ 이진형. 데이터 빅뱅, 빅 데이터 (BIG DATA) 의 동향. Journal of Communications & Radio
Spectrum, 통권, 2012, 47: 43-55.