데이터 수집 및 시각화 인프라
-
기술 스택: Home Assistant를 중심으로 수집된 데이터를 로컬 InfluxDB에 저장하고, Grafana의 Geomap 패널을 사용하여 위치 데이터를 시각화했습니다.
-
데이터 정제: SQL 쿼리를 통해 GPS 정확도가 100미터 미만인 데이터만 추출함으로써, 기지국 기반의 부정확한 위치 정보를 배제하고 신뢰도를 높였습니다.
-
맵 타일 활용: Thunderforest Landscape 맵 타일을 적용하여 OSM 기반의 산책로나 지형 정보 위에서 위치 점들을 확인할 수 있도록 구성했습니다.
활동 패턴 및 하드웨어 분석
-
이동 수단별 데이터 밀도: 내비게이션 앱을 사용하는 운전 중에는 고정밀 데이터가 빈번하게 기록되지만, 자전거를 타거나 기기를 휴대만 할 때는 센서가 수동 모드(PRIORITY_PASSIVE)로 작동하여 데이터 빈도와 정확도가 낮아짐을 확인했습니다.
-
성능 제약과 개선: 라즈베리 파이 4B 환경에서 대규모 위치 데이터와 히트맵을 동시 처리할 때 시스템 부하가 발생하여 자동화 기능에 지장을 주는 사례를 경험했습니다. 이를 해결하기 위해 고성능 슬림 PC로의 마이그레이션을 계획 중입니다.
-
데이터 활용 확장성: iOS 및 Android의 활동 인식 센서(Walking, Automotive, Cycling 등)를 결합하면 더욱 정교한 행동 분석이 가능할 것으로 기대하고 있습니다.