Architecture Design for Human-Driven Systems

Motivation

• Known: 소프트웨어 아키텍처 설계는 전통적으로 기술적 요구사항에 기반하며, 최근에는 비즈니스 가치와 지속가능성이 고려되고 있다. 그러나 인간의 사회적·개인적 지속가능성에 대한 관심은 부족하다.
• Gap: 기존 IoT 시스템 아키텍처 설계는 인간의 행동 패턴과 사용자 경험을 충분히 반영하지 못한다. 시스템의 QoS와 사용자의 QoE 간의 상충관계를 체계적으로 분석하고 최적화할 방법이 없다.
• Why: 군중 관리, 스마트 시티 등 사용자가 직접 참여하는 시스템에서는 인간의 행동이 에너지 소비, 데이터 수집 주기 등 아키텍처 결정에 직접적인 영향을 미친다.
• Approach: ABSS로 인간 행동을 모델링하고, CAPS 프레임워크로 IoT 아키텍처를 정의한 후, CupCarbon으로 통합 시뮬레이션을 수행하여 최적 구성을 도출한다.

Achievement

1. 통합 설계 방법론: 인간 행동 모델(ABM/ABSS)과 IoT 아키텍처 모델(CAPS)을 결합하는 4단계 방법론 제시
   • Agent Modeling & Simulation Stage
   • Agent-IoT Composition Stage
   • IoT Modeling & Simulation Stage
   • Analysis Stage (Trade-off Score 계산)
2. 정량적 평가 지표: QoS/QoE 가중치 조합을 통한 Trade-off Score (ts = ws·Qs + we·Qe)로 아키텍처 선택을 자동화
3. 실제 사례 검증: 우피치 갤러리(Uffizi Galleries) 군중 관리 시스템에 적용하여 두 가지 시나리오(혼잡도 기반/사회적 집단화)에서 최적 구성 도출

How

• ABSS 모델링: PedSim을 사용하여 나이, 성별, 신체 조건, 사회적 집단화 등 인간 특성을 에이전트로 표현
• IoT 아키텍처 정의: CAPS 프레임워크로 다중 관점(소프트웨어, 하드웨어, 물리 공간) 모델링
  • 사람 카운터(People Counter)
  • 카메라(Camera)
  • RFID 리더(RFID Reader)
  • QR 리더(QR Reader)
• 센서 모드 구성: 정상 모드(낮은 주기)와 위기 모드(높은 주기)의 두 가지 작동 모드로 에너지-정확성 균형 조절
• 시뮬레이션 실행: 36개 시뮬레이션(6개 모델 × 3개 구성 × 2개 시나리오) 수행으로 Trade-off Score 계산

Originality

• 인간 행동 중심 설계: 일반적인 비즈니스/환경 지속가능성을 넘어 인간의 사회적·개인적 지속가능성을 아키텍처 설계에 명시적으로 통합
• ABM-IoT 통합 프레임워크: ABSS 결과를 자동으로 IoT 시뮬레이션 입력으로 변환하는 Agent-IoT Data Composition(AIDC) 프로세스 제안
• 다차원 최적화: QoS와 QoE를 동시에 고려하는 정량적 Trade-off Score 메트릭으로 아키텍처 선택의 객관성 제공

Limitation & Further Study

• 데이터 의존성: 실제 행동 데이터 수집의 어려움과 시뮬레이션 파라미터 설정의 정확성에 크게 의존
• 제한된 시나리오: 우피치 갤러리 사례에만 검증되었으며, 다양한 도메인(병원, 공항, 대중교통 등)에서의 일반화 여부 미확인
• 시뮬레이션 복잡도: 36개 시뮬레이션만 수행되어 아키텍처 공간의 탐색이 제한적이며, 확장성 문제 미해결
• 향후 연구: 도구화(Tool) 개발으로 실제 소프트웨어 아키텍트가 사용 가능한 형태로 발전시킬 계획

Evaluation

총평: 인간 행동을 IoT 아키텍처 설계에 통합한다는 혁신적 아이디어와 체계적인 방법론을 제시했으나, 단일 사례 연구와 제한된 검증, 도구 부재로 인한 실용성 미흡이 주요 약점이다. 이 작업은 소시오-테크니컬 시스템 설계 분야에 중요한 기여를 하지만, 추가 사례 적용과 도구화를 통해 보완이 필요하다.