스마트폰 기반 경량 그룹 식별 프레임워크 MeetSense

본 논문은 조직 내에서 형성되는 공식·비공식 그룹을 스마트폰 센서를 이용해 자동으로 식별하고, 그 동태를 파악하기 위한 경량 프레임워크인 MeetSense를 제안한다. 그룹 식별의 핵심 과제는 ‘같은 공간에 있더라도 서로 다른 대화 그룹에 속할 수 있다’는 점이며, 이를 해결하기 위해 두 가지 주요 지표를 활용한다. 첫 번째는 기존 연구와 마찬가지로 Wi‑Fi RSSI, Bluetooth, GPS 등을 이용한 물리적 근접성이다. 두 번째는 음향 컨텍스트로, 각 스마트폰이 수집한 마이크 입력에서 지배적인 화자의 톤 파워를 추출한다. 사람들은 대화 중에 동시에 말을 하지 않는 경우가 대부분이며, 한 순간에 하나의 화자가 주도적인 음향 신호를 만든다. 따라서 같은 그룹에 속한 디바이스는 동일한 화자의 톤 파워를 높은 비율로 감지하고, 다른 그룹은 상대적으로 낮은 파워를 기록한다. MeetSense는 먼저 Wi‑Fi 기반 근접성 검출을 통해 잠재적 공동체 집합을 만든다. 이 단계에서는 기존의 지도학습 기반 방법이나 Manhattan 거리 기반 무감독 방법을 적용할 수 있다. 이후, 각 디바이스 쌍에 대해 음향 유사도 행렬을 구축한다. 여기서는 복잡한 MFCC·GMM 방식 대신, 저전력 마이크에서도 실시간으로 계산 가능한 파워 스펙트럼 기반 톤 강도(α)를 사용한다. 이 두 모달리티를 결합해 가중 그래프를 생성하고, Louvain 등 모듈러티 최적화 기반 커뮤니티 탐지 알고리즘을 적용한다. 모듈러티는 발견된 군집의 내부 연결 강도와 외부 연결 약함을 정량화하는 지표로, 값이 높을수록 군집이 응집된 것으로 판단한다. MeetSense는 모듈러티가 일정 임계값 이하인 군집을 자동으로 폐기함으로써 잘못된 그룹(오탐)을 크게 감소시킨다. 또한, 환경에 따라 근접성만으로 충분히 그룹을 구분할 수 있는 경우와, 소음이 심해 음향 컨텍스트가 필수적인 경우를 자동으로 전환하도록 가중치를 동적으로 조정한다. 시스템 구현은 Android 스마트폰을 이용해 센서 로그(위치·음향)를 수집하고, 중앙 서버에 전송하는 구조이다. 음향 전처리는 스마트폰 자체에서 수행되며, FFT 기반 파워 스펙트럼을 실시간으로 계산해 0.5초 단위로 업데이트한다. 이후 서버에서는 전체 유사도 행렬을 구축하고, 모듈러티 기반 커뮤니티 탐지를 수행한다. 평가 실험은 IIT Kharagpur 캠퍼스 내에서 7가지 시나리오(실내 강의실, 실험실, 카페, 야외 도로변 등)와 6개의 그룹 구성을 대상으로 진행되었다. 각 실험에서는 4~6명의 참여자를 배치하고, 실제 대화와 배경 소음(60 dB 이상)을 포함시켰다. 결과는 평균 90% 이상의 정확도를 보였으며, 특히 소음이 큰 야외 환경에서도 85% 이상의 정확도를 유지했다. 계산량 측면에서는 전체 프로세스가 1초 이내에 완료되었으며, 스마트폰 배터리 소모는 기존 MFCC 기반 방법에 비해 30% 이하로 낮았다. 논문은 또한 기존 연구와의 차별점을 명확히 제시한다. Next2Me와 같은 시스템은 Wi‑Fi와 사운드 피그프린트를 결합했지만, 사운드 피그프린트 추출에 높은 정확도가 요구되고, 시간 동기화 문제에 취약했다. 반면 MeetSense는 톤 파워만을 이용해 시간 동기화 의존도를 크게 낮추고, 모듈러티 기반 군집 품질 검증을 통해 오탐을 억제한다. 한계점으로는 마이크의 전방향 특성으로 인해 인접 그룹의 음성이 섞여 들어올 수 있다는 점, 디바이스 간 클럭 차이로 인한 미세한 시간 오차, 그리고 대규모(수백 명) 환경에서 모듈러티 최적화가 계산 비용을 증가시킬 가능성이 있다. 향후 연구에서는 딥러닝 기반 음성 분리, BLE와의 하이브리드 근접성 측정, 그리고 분산형 모듈러티 계산을 통해 확장성을 개선할 계획이다. 결론적으로 MeetSense는 위치와 음향 두 모달리티를 효율적으로 결합하고, 네트워크 과학의 모듈러티 개념을 활용함으로써, 실시간·경량·무감독 방식으로 다양한 환경에서 그룹을 정확히 식별할 수 있는 실용적인 프레임워크를 제공한다.