mobile off
ABOUT US  |  RESEARCH  |  PUBLICATION   |  COURSE  |  SEMINAR  |  LINKS
Research
Physically-Based Simulation
Fluid Interaction
Fire
Ice and Snow
Water
Smoke
Shell Deformation
User Behavior Analysis
Sentiment Analysis
Outlier Detection
Automatic Player Behavior Analysis
Adaptive Agent Navigation
Crowd Simulation
Graphics Applications
Neuroimage
Artificial Life
3D Geometry Processing
Real domain data visualization
Integral MLS Surface Model
SDF-based Geometry Synthesis
Point-based Geometry and Modeling
Texture Processing
Automatic Player Behavior Analysis

1. 연구 개요

 현실 세계에서의 소비자의 동선은 다양한 부가 가치를 창출해 낼 수 있는 유용한 정보이다. 오프라인 매장에서의 소비자 동선 분석은 소비자의 선호 매장 및 주요 방문 지역을 파악할 수 있게 해주고 이는 소비자의 생활 패턴과 구매 성향 추론할 수 있도록 해준다. 정확한 동선 분석은 상품 제공자의 추가적인 매출 성장에 크게 기여할 수 있다. 만약 가상 월드 내에 이러한 동선 분석 기법이 적용된다면 동일하게 유용한 정보를 제공할 수 있을 것이다. 본 연구에서는 가상 월드 내에서의 컨텐츠 분석을 목적으로 한 동선 분석 시스템을 제안하였다. 이러한 시도는 컨텐츠 개발 및 업데이트 부분에 주요한 참고자료로 활용될 수 있다.
 
 
2. 관련 연구

 많은 수의 기본 동선 분석 기법이 데이터 마이닝 분야에서 제안되었다 이 중 유사한 속성의 동선을 묶어 이를 분류해 내는 동선 클러스터링(Trajectory Clustering) 기법들은 크게 1) 계층적 클러스터링 기법, 2) 밀도 기반 클러스터링 기법, 3) 그리드 기반 클러스터링 기법, 4) 분활 기반 클러스터링 기법, 네 가지로 구분될 수 있다.
 계층적 클러스터링 기법은 동선을 동일한 속성의 그룹으로 분류하기 위해 계층적으로 공간을 분활해 나간다. 대표적인 알고리즘으로는 CURE, ROCK, CLIUGUE, BIRCH 등이 존재한다. 밀도 기반 알고리즘은 동선의 밀도를 기준으로 동선을 분류한다. 이는 동선 밀집 지역과 예외 지역을 분류하는데 효과적이다. 대표적인 알고리즘으로는 DBSCAN, WaveCluster 알고리즘이 존재한다. 그리드 기반 클러스터링 기법은 각 동선들을 그리드 기반으로 분류한 뒤 동일한 속성을 가진 그리드끼리 병합을 통해 동선을 클러스터링하는 기법이다. 대표적인 알고리즘으로는 STING, DENCLUE, MAFIA 등이 존재한다. 분활 기반 클러스터링 기법은 대상이 되는 공간을 최적의 동선 분류에 적합한 자료 구조체로 분류한 후 클러스터링하는 기법이다. 대표적인 알고리즘으로는 CLARANS가 존재한다.
 
 
3. Technical Issue

 우리는 계층적 2-Level의 클러스터링 기법을 새로이 제안하였다. 우리는 쿼드 트리를 사용하여 계층적으로 동선을 분류해 낸 뒤 밀도 기반의 DBSCAN 알고리즘을 적용하여 세부적인 동선 분류 성능을 높이고자 하였다. 이는 빠른 탐색과 분석의 복잡도를 낮추고 빠르게 동선을 컨텐츠로 분리하는데 유리하다. 또한 가상 월드 내에서 지형 처리를 위해 사용되는 공간 분활 기법등과 손쉽게 통합될 수 있는 장점이 있다.


 
 
4. 결과


Behavior analysis result for the Ogrima map (red: social, blue: movement, purple: combat, green: idling behavior)


Behavior analysis results for the Nagrand map (red: social, blue: movement, purple: combat, green: idling behavior)
 
 
5. Related publication

paper

[1] Shin-Jin Kang, Young Bin Kim, Taejung Park and Chang-Hun Kim, "Automatic player behavior analysis system using trajectory data in a massive multiplayer online game," Multimedia Tools and Applications, March 2012.

[2] 강신진, 김영빈, 박태정, 김창헌, “가상 월드에서 동선 데이터를 활용한 유저 행동 자동 분석 시스템”, 한국게임학회 춘계학술대회, pp. 215-219, 2011.



ABOUT_US  |  RESEARCH  |  PUBLICATION  |  COURSE  |  SEMINAR  |  LINKS