스마트폰 센싱 데이터를 통한 사용자의 지속적인 비활동 상태 중 중재가능한 상황 예측

Abstract

최근 연구결과에 따르면 의자에 앉아 있거나 쇼파에 기대어 누워있는 등과 같은 비활동 상태를 장시간 유지하게 되면 당뇨와 비만 등 다양한 질병의 발병 확률이 높아진다고 한다. 특히 평소 운동량과는 상관없이 자주 장시간 앉아 있게 되면 여전히 이러한 질병이 발생 위험이 있다. 따라서 평소에 오래 앉아 있었다고 판단되면 잠깐 일어나서 휴식을 취하는 것이 중요한데, 보통의 경우 자신이 오래 앉아 있었는지 자각하기 힘들다는 문제점이 있다. 이와 같은 문제를 해결하기 위해 우리는 스마트폰 센서를 활용하여 사용자의 비활동 상태가 감지됬을때 활동적인 휴식을 선제적으로 제안하는 적시 중재 서비스 앱인 BeActive를 개발하였다. 하지만 모든 비활동 상태가 중재가 가능한 것은 아니다. 예를 들어 집에서 tv를 보거나 책을 읽고 있는 경우에는 중재 메시지를 받고 휴식을 취하는 것이 가능하지만 학교 수업, 업무 중, 차량 탑승 중과 같이 사회적, 물리적 이유로 일어나서 휴식을 취하는 것이 불가능한 상황도 존재한다. 이런 불가능한 상황에 전달되는 중재 메시지는 중재가 가능하지도 않을 뿐더러 오히려 사용자로 하여금 짜증을 유발하거나 현재 하는 일에 방해가 될 수 있다. 따라서 본 연구에서는 스마트폰 센서 데이터를 활용하여 사용자의 가용도(Availability) 를 판단하는 기계 학습 모델을 제시하기로 한다. 최종적으로 언급한 기계 학습 모델을 활용하여 사용자가 중재 메시지를 전달 받고 휴식이 가능한 상황(Available Moments)에서만 중재 메시지를 전달하여 효과적 인 Just in time Intervention 시스템을 개발하는 것에 그 목적을 둔다. 기계 학습을 위해 3주간 31명의 실험 참가자를 대상으로 사용자의 가용도에 대한 설문 응답과 각종 스마트폰 센서 데이터들을 수집하였고 수집한 센서 데이터들로부터 사용자의 컨텍스트를 고려하기 위한 여러 카테고리의 피쳐들을 추출하였다. 테스트 결과 Baseline 모델 대비 최대 10%p의 정확도와 24%p의 F1 score 향상을 보임을 확인하였다. 또한 피쳐 중요도 분석을 통하여 여러 스마트폰 센서 피쳐들 중 사용자의 장소에 관련된 피쳐들과 시간에 관련된 피쳐들이 사용자의 가용도를 판단하는 것에 있어서 가장 중요한 피쳐들임을 확인하였다.