이동 객체의 위치 정보는 차량 추적, 디지털 전장, 위치 기반 서비스, 텔레메틱스 등에 적용되며, 일정한 시간의 주기마다 측정된 위치 좌표가 시스템에 저장된다. 이 때 시스템에 저장되지 않은 질의 시점에서의 위치 정보를 추정하기 위해 선형 함수가 주로 사용된다. 그러나 선형 함수를 사용한 위치 추정에는 오차가 발생되므로, 위치 표현의 부정확성을 보완하기 위한 방법이 필요하다. 이 논문에서는 선형위치 추정 함수의 오차를 감소시키기 위해 3차 스플라인 보간법의 적용을 제안한다. 먼저 2차원 공간에서 이동하는 객체의 위치 정보를 정의한다. 다음으로 3차 스플라인 보간법을 제안한 데이타 모델의 위치 추정에 적용하고, 위치 추정 연산 알고리즘을 기술한다. 마지막으로 제안한 위치 추정 연산 모델의 정확성을 실험한다. 실험 결과, 이 논문에서 제안한 위치 추정 연산은 적은 량의 위치 정보를 사용함에도 불구하고, 선형 함수를 사용한 경우보다 더 정확한 결과를 나타내었다. 제안 방법은 이동 객체의 위치 정보 관리를 위한 데이타 저장공간 및 통신비용을 감소시키는 장점을 가진다.
이동 객체의 위치 정보는 차량 추적, 디지털 전장, 위치 기반 서비스, 텔레메틱스 등에 적용되며, 일정한 시간의 주기마다 측정된 위치 좌표가 시스템에 저장된다. 이 때 시스템에 저장되지 않은 질의 시점에서의 위치 정보를 추정하기 위해 선형 함수가 주로 사용된다. 그러나 선형 함수를 사용한 위치 추정에는 오차가 발생되므로, 위치 표현의 부정확성을 보완하기 위한 방법이 필요하다. 이 논문에서는 선형위치 추정 함수의 오차를 감소시키기 위해 3차 스플라인 보간법의 적용을 제안한다. 먼저 2차원 공간에서 이동하는 객체의 위치 정보를 정의한다. 다음으로 3차 스플라인 보간법을 제안한 데이타 모델의 위치 추정에 적용하고, 위치 추정 연산 알고리즘을 기술한다. 마지막으로 제안한 위치 추정 연산 모델의 정확성을 실험한다. 실험 결과, 이 논문에서 제안한 위치 추정 연산은 적은 량의 위치 정보를 사용함에도 불구하고, 선형 함수를 사용한 경우보다 더 정확한 결과를 나타내었다. 제안 방법은 이동 객체의 위치 정보 관리를 위한 데이타 저장공간 및 통신비용을 감소시키는 장점을 가진다.
Location information of mobile objects is applied to vehicle tracking, digital battlefields, location based services, and telematics. Their location coordinates are periodically measured and stored in the application systems. The linear function is mainly used to estimate the location information th...
Location information of mobile objects is applied to vehicle tracking, digital battlefields, location based services, and telematics. Their location coordinates are periodically measured and stored in the application systems. The linear function is mainly used to estimate the location information that is not in the system at the query time point. However, a new method is needed to improve uncertainties of the location representation, because the location estimation by linear function induces the estimation error. This paper proposes an application method of the cubic spline interpolation in order to reduce deviation of the location estimation by linear function. First, we define location information of the mobile object moving on the two-dimensional space. Next, we apply the cubic spline interpolation to location estimation of the proposed data model and describe algorithm of the estimation operation. Finally, the precision of this estimation operation model is experimented. The experimentation comes out more accurate results than the method by linear function, although the proposed location estimation function uses the small amount of information. The proposed method has an advantage that drops the cost of data storage space and communication for the management of location information of the mobile objects.
Location information of mobile objects is applied to vehicle tracking, digital battlefields, location based services, and telematics. Their location coordinates are periodically measured and stored in the application systems. The linear function is mainly used to estimate the location information that is not in the system at the query time point. However, a new method is needed to improve uncertainties of the location representation, because the location estimation by linear function induces the estimation error. This paper proposes an application method of the cubic spline interpolation in order to reduce deviation of the location estimation by linear function. First, we define location information of the mobile object moving on the two-dimensional space. Next, we apply the cubic spline interpolation to location estimation of the proposed data model and describe algorithm of the estimation operation. Finally, the precision of this estimation operation model is experimented. The experimentation comes out more accurate results than the method by linear function, although the proposed location estimation function uses the small amount of information. The proposed method has an advantage that drops the cost of data storage space and communication for the management of location information of the mobile objects.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
확률을 이용한 방법은 관련연구에서 구체적인 적용 방법이 언급되지 않았기 때문에 실험을 통한 비교가 어렵다. 따라서 선형 함수와 비교 실험한 결과를 제시한다. 먼저, 실험 대상이 되는 이동 객체는 도로에서 이동하는 차량으로 한정한다.
따라서 이 논문에서는 선형 함수에 의한 위치 추정 결과의 오차를 줄일 수 있는 방법으로 3차 스플라인 보간법의 사용을 제안하였다. 먼저 2차원 공간에서 이동객체의 위치 정보 및 위치 추정 함수를 정의하였다.
이와 같은 이유로 이동 객체의 불확실성을 줄이고, 불확실한 위치정보에 대한 질의에 적절히 응답할 수 있는 방법이 연구되었다. 이 논문에서는 샘플링 오차로 인한 이동 객체의 불확실한 위치 정보 처리 방법에 관한 내용만을 다룬다. 이동 객체의 불확실한 위치 추정을 위해 그 동안 연구된 내용들을 살펴보고, 이들의 특징을 검토한다.
이것의 목적은 주어진 점들을 지나면서 오차에 영향을 받지 않는 유연한 곡선을 그리는 것이다[16, 17]. N+1 개의 점으로 구성된 집합 #이 있을 때, #[16, 18]과 같은 3차 다항식의 계수를 구하여 식을 완성한다.
이때 moving_history에 저장되지 않은 특정한 시점에서의 위치 정보를 직접 검색하지 못하는 문제점이 발생된다. 이를 해결하기 위해 이 논문에서는 3차 스플라인 보간법을 적용한 이동 객체의 위치 추정 방법을 제안한다.
가설 설정
있다. 만약, 시스템이 제시한 위치 추정 결과의 위치편차가 50m 라고 가정하자. 이때 A라는 사용자는 50m 정도의 편차는 무시할 수 있다고 생각하여 위치추정 결과의 정확성을 100%로 생각할 수 있다.
따라서 선형 함수와 비교 실험한 결과를 제시한다. 먼저, 실험 대상이 되는 이동 객체는 도로에서 이동하는 차량으로 한정한다. 위치 추정에 사용된 차량의 이동 궤적은 서울시 데이타베이스의 주요 간선도로 중 세 곳을 채택하였으며 그림 3과 같다.
여기에서, 厝 나타내는 시간 속성은 유효 시간(valid time)만을 고려하며, 처리 시간(transaction time)은 고려하지 않는다. 처리 시간은 유효 시간 즉, 관측 시간과 동일하다고 가정한다.
제안 방법
제시하였다. Pfoser는 데이타베이스에 저장된 두 점의 위치 정보를 직선 형태로 연결한 라인 세그먼트 (line segment)를 이용하여 이동 궤적을 표현하였으며, 이 때 직선의 함수로 표현되는 부분 구간의 오차 값의 범위를 제공하기 위해 확률 함수를 사용할 것을 제안하였다. 따라서 실제 과거 및 미래의 위치 정보의 추정은 부분 구간의 선형 함수로 나타낸 것과 동일한 결과를 가진다.
Traj_2에서는 전체적으로 위치 편차가 120m 보다 적게 발생되었기 때문에 불확실성 영역을 30, 60, 90, 120m로 설정한 후 위치 추정 결과의 정확성을 계산하였다.
다량의 위치 좌표 추정 연산이 동시에 수행된다면 계산속도에 차이를 보일 수 있을 것이다. 그러나, 이 논문에서는 한번에 하나의 위치 좌표만을 추정하도록 연산하였으며, 실험에서는 다수의 위치 좌표를 개별적으로 연산한 후 전체의 정확성을 평균값으로 제시하였다.
좌표 값이 필요하다. 따라서, Traj_l, Traj_2, Traj_3에서 이동하는 객체의 완전한 이동 경로를 나타낼 수 있는 이력 위치 좌표 값을 미리 선정하여 각각의 이동 시간과 위치 좌표 값을 세 개의 서로 다른 임시 테이블에 미리 저장하였다., 완전한 이동.
따라서, 이 논문에서는 불확실성 처리의 이론적인 방법론 대신, 그동안 사용된 선형 함수에 의한 위치 추정 결과의 오차를 줄일 수 있는 방법으로 3차 스플라인 보간법을 적용한 연산 및 알고리즘을 제안한다. 이를 위해 먼저, 2차원 공간에서 이동하는 이동 객체의 위치 정보를 정의하고, 제안한 이동 객체의 위치 정보 모델을 이용하여 3차 스플라인 보간법을 적용한 위치 추정 함수 및 처리 알고리즘을 기술한다.
반환하는 함수이다. 먼저, 위치 추정을 위한 3차 스플라인 보간법을 적용하기 위해 mow切gjzisf(兀y에 저장된 위치 정보 중、mo_id 객체에 대해 左+]의조건을 만족하는 4점의 위치 좌표 (卜1, 幻—1成-1), (上 U’), 아汁1土+i, Hh), (左+2, 豹+ 2, 北+2)를 검색한다. 그리고, (幻, , 儿)를 구하기 위해 위치 추정 함수 Gs*(馈를 처리하는 Splineinterpolation.
따라서 %는 #에서 /의 간격을 ;만큼 증가시키면서 추출한 위치 샘플의 집합을 나타낸다. 생성된 위치 샘플을 이용하여 완전한 이동 경로 집합 Trajy, Traj2, 7%巩에 저장된 모든 과거의 시점에 대해 위치 추정 연산을 수행하였다. 위치 샘플 집합 S, .
각각의 이동 구간에 대해. 서로 다른 8개의 위치 샘플을 생성하여 개별적인 테이블에 저장하였다. 생성된 위치 정보 샘플 집합은 표 1과 같다.
선형 회귀 모형의 위치 추정 모델[2, 1 이에서는 데이타베이스에 저장되지 않은 이동 객체의 위치 추정을 위해 선형 회귀 함수(linear regression function)를 이용한 위치 추정 연산 모델을 제시하였다. 이를 위해 이동 지식베이스(movement knowledge base)라는 이름의 위치 정보 저장 구조를 제시하였으며, 불확실성 값을 제공하기 위해 타원 방정식을 이용한 오차 범위 제공 방안을 소개하였다.
여기에서 Pfoser는 시공간 불확실성의 요소를 공간 객처〕, 시간 점, 시간 구간으로 구분하였으며, 서로 다른 네 가지 종류의 시공간 시나리오와 변화에 대해 퍼지 집합 또는 확률을 이용한 변화 함수의 구조를 제시하였다. 그러나 불확실성을 포함하는 시공간 데이타의표현 방법이 제시되지 않았으며, 실제 적용 가능한 퍼지 및 확률 함수를 제시하지 못하고 있다.
과거 위치 추정 실험을. 위해 세 이동 구간의 완전한 이동 경로 집합 Trajlt Traj2, B力3에 대해 위치 샘플링 간격을 2에서 16까지 2씩 증가시키면서 새로운 위치 샘플을 발생시켰다. 각각의 이동 구간에 대해.
이 논문에서 대상으로 하는 이동 객체의 위치 정보를 정의하고, 3차 스플라인 보간법을 적용한 위치 추정 방법을 기술한다.
이 논문에서는 원값 대신 불확실성 영역의 반경을 나타내는 값을 사용하였다. 그리고 I원값 —추정값은 위치추정 결과로 발생되는 추정 값과 실제 값과의 위치 편차로 대신하였다.
이 논문에서는 샘플링 오차로 인한 이동 객체의 불확실한 위치 정보 처리 방법에 관한 내용만을 다룬다. 이동 객체의 불확실한 위치 추정을 위해 그 동안 연구된 내용들을 살펴보고, 이들의 특징을 검토한다.
적용한 연산 및 알고리즘을 제안한다. 이를 위해 먼저, 2차원 공간에서 이동하는 이동 객체의 위치 정보를 정의하고, 제안한 이동 객체의 위치 정보 모델을 이용하여 3차 스플라인 보간법을 적용한 위치 추정 함수 및 처리 알고리즘을 기술한다. 제안한 위치 추정 연산알고리즘을 이용한 실험을 통해 위치 추정 결과의 오차 및 정확성을 분석한다.
추정 연산 모델을 제시하였다. 이를 위해 이동 지식베이스(movement knowledge base)라는 이름의 위치 정보 저장 구조를 제시하였으며, 불확실성 값을 제공하기 위해 타원 방정식을 이용한 오차 범위 제공 방안을 소개하였다. 질의 처리를 위한 상위 집합(superset), 하위 집합(subs或) 개념도 추가로 제시하였지만, 적용알고리즘이나 구현 사례를 제시하지 않고 있다.
대상 데이터
먼저, 이동 객체는 2차원 공간에서 이동하는 점 객체를 대상으로 한다. 이동 객체의 이동 위치 정보는 GPS와 같은 센서 시스템으로부터 획득한다.
먼저, 실험 대상이 되는 이동 객체는 도로에서 이동하는 차량으로 한정한다. 위치 추정에 사용된 차량의 이동 궤적은 서울시 데이타베이스의 주요 간선도로 중 세 곳을 채택하였으며 그림 3과 같다. 하나의 이동 구간에서 이동 객체의 움직임은 연속적으로 발생된다.
데이터처리
, 16이다. 생성된 위치 추정 연산 결과의 오차 계산은 완전한 이동 경로 집합 Trajb Traj2, TV勿3와 위치 추정 결과 집합 E”와의 절대 오차를 구하여 계산하였다. 각각의 이동 구간에서의 미래 위치 추정 실험 결과는 그림 5와 같다.
제안한 이동 객체의 위치 정보 모델을 이용하여 3차 스플라인 보간법을 적용한 위치 추정 연산 및 처리 알고리즘을 기술하였다. 아울러 위치 추정 연산 알고리즘을 이용한 실험을 통해 위치 추정 결과의 오차 및 정확성을 분석하였다.
위치 추정 실험결과를 토대로 세 곳의 이동 구간에서 발생된 위치 추정 연산 결과의 오차 변화 추이 분석을 위해, 세 이동 구간에서의 위치 추정 결과의 평균값을 계산하였으며, 각 위치 샘플의 간격에 따라 평균 위치 추정 오차 값을 비교하였다. 오차 변화 추이 결과는 그림 6과 같다.
위치 추정 연산 결과의 오차 실험 값을 이용하여, 선형 함수와 스플라인 함수에 의한 위치 추정 결과의 정확성을 비교하였다. 정확성 값을 계산하기 위해 그림 7 과 같이 불확실성 영역 (uncertainty area) 의 반경을 변경시켜가며 정확성 값을 계산하였다.
제안한 위치 추정 연산 모델의 특성을 분석하기 위해 동일한 실험 데이타를 이용하여 선형 함수와 3차 스플라인 함수를 이용한 위치 추정 실험을 수행하고, 각 실험에서 산출된 위치 추정 결과를 비교 분석하였다. 확률을 이용한 방법은 관련연구에서 구체적인 적용 방법이 언급되지 않았기 때문에 실험을 통한 비교가 어렵다.
이를 위해 먼저, 2차원 공간에서 이동하는 이동 객체의 위치 정보를 정의하고, 제안한 이동 객체의 위치 정보 모델을 이용하여 3차 스플라인 보간법을 적용한 위치 추정 함수 및 처리 알고리즘을 기술한다. 제안한 위치 추정 연산알고리즘을 이용한 실험을 통해 위치 추정 결과의 오차 및 정확성을 분석한다. 실험결과를 통해 데이타베이스에 저장된 동일한 위치 정보를 활용할 경우, 기존의 선형 함수를 사용한 경우보다 3차 스플라인 보간법을 적용한 경우 위치 추정의 정확성을 높일 수 있음을 보인다.
이론/모형
[16-18]. 이 논문에서는 포물선으로 끝나는 3차 스플라인 보간법을 이용하여 과거 위치를 추정한다. 포물선으로 끝나는 3차 스플라인의 끝점 제약 조건[16]은 다음과 같다.
mk 값을 구하기 위해서는 다음 선형 연립방정식의 해를 구한다. 이 방법은 U6]에서 제시된 방법을 적용한 것이다.
좌표의 기본 단위는 픽셀이고, 저장된, 위치 샘플은 1 픽셀당 실제 거리로 약 30m 정도에 해당된다. 이동 객체의 이동 경로를 화면에 보이기 위한 지도는 ZEUS 공간 객체 관리 시스템 [19] 에 저장된 서울시 데이타베이스의 맵 이미지를 활용하였다.
먼저 2차원 공간에서 이동객체의 위치 정보 및 위치 추정 함수를 정의하였다. 제안한 이동 객체의 위치 정보 모델을 이용하여 3차 스플라인 보간법을 적용한 위치 추정 연산 및 처리 알고리즘을 기술하였다. 아울러 위치 추정 연산 알고리즘을 이용한 실험을 통해 위치 추정 결과의 오차 및 정확성을 분석하였다.
성능/효과
이 결과는 적은 량의 위치 정보만을 가지고도 기존에 제안된 방법과 비슷한 수준의 정확성을 얻을 수 있음을 의미한다. 결국 이 논문에서 제안한 위치 추정 연산을 사용하면 데이타의 저장 공간을 절약할 수 있을 뿐만 아니라, 실시간 환경에서 이동 객체의 위치 정보 획득을 위한데이타 송수신 비용도 감소시킬 수 있음을 확인하였다.
이 결과는 적은 량의 위치 정보만을 가지고도 기존에 제안된 방법과 비슷한 수준의 정확성을 얻을 수 있음을 의미한다. 결국 이 논문에서 제안한 위치 추정 연산을 사용하면 데이타의 저장 공간을 절약할 수 있을 뿐만 아니라, 실시간 환경에서 이동 객체의 위치 정보 획득을 위한데이타 송수신 비용도 감소시킬 수 있음을 확인하였다.
위치 샘플의 간격이 2일 때 데이타베이스에 저장된 이력 위치 정보의 량이 가장 많고, 16일 때 가장 적은 이력 위치 정보를 가진다. 그래프에서 알 수 있듯이 세 곳의 이동 구간에서 실험한 이동객체의 과거 위치 추정 연산 결과를 보면 모든 구간에서 공통적으로 선형 함수를 이용한 경우보다 스플라인 함수를 이용한 위치 추정 결과가 더욱 정확함을 확인하였다. 특히, 위치 샘플의 간격이 커질수록 선형 함수를 이용한 결과와 스플라인 함수를 이용한 결과 값의 차이가 더 커지는 특징을 발견하였다.
즉 샘플 간격이 커질수록 데이타베이스에 저장되는 데이타 량이 적어진다. 그런데 실험을 통해 위치 샘플의 간격이 커질수록 이 논문에서 제안한 위치 추정 연산이 더 정확한 결과를 발생시킴을 확인하였다. 이 결과는 적은 량의 위치 정보만을 가지고도 기존에 제안된 방법과 비슷한 수준의 정확성을 얻을 수 있음을 의미한다.
그림 6의 결과에서 알 수 있듯이 과거 위치 추정 연산의 결과가 미래 위치 추정 연산의 결과보다 약 4배 정도 정확하게 추정됨을 알 수 있었다. 아울러 이 논문에서 제안한 스플라인 함수를 이용한 위치 추정 연산 결과의 오차가 기존의 선형 함수를 사용한 경우보다 더 적게 나타남을 확인하였다.
추정 오차 결과를 비교한 그래프이다. 실험 결과 스플라인 함수를 이용한 위치 추정 연산 결과가 선형함수를 이용한 경우보다 더 정확하게 나타났다.
제안한 위치 추정 연산알고리즘을 이용한 실험을 통해 위치 추정 결과의 오차 및 정확성을 분석한다. 실험결과를 통해 데이타베이스에 저장된 동일한 위치 정보를 활용할 경우, 기존의 선형 함수를 사용한 경우보다 3차 스플라인 보간법을 적용한 경우 위치 추정의 정확성을 높일 수 있음을 보인다. 아울러 제안 방법이 위치 추정 결과의 정확성을 향상시킴으로서, 이동 객체의 위치 정보 관리를 위한 데이타 저장비용 및 위치 정보 송수신 비용을 감소시킬 수 있는 장점을 가짐을 알 수 있다.
실험결과를 통해 데이타베이스에 저장된 동일한 위치 정보를 활용할 경우, 기존의 선형 함수를 사용한 경우보다 제안한 3차 스플라인 보간법을 적용한 경우 위치 추정의 정확성을 높일 수 있음을 확인하였다. 결국이 논문에서 제안한 위치 추정 연산을 사용하면 데이타의 저장공간을 절약할 수 있을 뿐만 아니라, 실시간 환경에서 이동 객체의 위치 정보 획득을 위한 데이타 송수신 비용도 감소시킬 수 있음을 확인하였다.
이것은 실험 대상인 이동 차량이 도로와 같은 특정한 이동 경로를 따라서 움직이는 특성을 가지기 때문이다. 아울러 모든 실험 결과에서 스플라인 함수를 이용한 위치 추정 결과가 선형 함수를 이용한 경우보다 더 정확하게 나타나고 있다. 이것은 이동 차량의 움직임이 수 미터의 짧은 거리에서는 직선으로 나타나지만, 수십 미터 이상의 먼 거리에서는 부드러운 곡선의 형태로 이동하는 특성을 띠기 때문이다.
정확하게 추정됨을 알 수 있었다. 아울러 이 논문에서 제안한 스플라인 함수를 이용한 위치 추정 연산 결과의 오차가 기존의 선형 함수를 사용한 경우보다 더 적게 나타남을 확인하였다. 전체적인 오차 변화 추이는 위치 샘플의 간격이 커질수록 위치 추정 연산 결과의 오차가 커지는 현상을 보이고 있다.
실험결과를 통해 데이타베이스에 저장된 동일한 위치 정보를 활용할 경우, 기존의 선형 함수를 사용한 경우보다 3차 스플라인 보간법을 적용한 경우 위치 추정의 정확성을 높일 수 있음을 보인다. 아울러 제안 방법이 위치 추정 결과의 정확성을 향상시킴으로서, 이동 객체의 위치 정보 관리를 위한 데이타 저장비용 및 위치 정보 송수신 비용을 감소시킬 수 있는 장점을 가짐을 알 수 있다.
그런데 실험을 통해 위치 샘플의 간격이 커질수록 이 논문에서 제안한 위치 추정 연산이 더 정확한 결과를 발생시킴을 확인하였다. 이 결과는 적은 량의 위치 정보만을 가지고도 기존에 제안된 방법과 비슷한 수준의 정확성을 얻을 수 있음을 의미한다. 결국 이 논문에서 제안한 위치 추정 연산을 사용하면 데이타의 저장 공간을 절약할 수 있을 뿐만 아니라, 실시간 환경에서 이동 객체의 위치 정보 획득을 위한데이타 송수신 비용도 감소시킬 수 있음을 확인하였다.
아울러 이 논문에서 제안한 스플라인 함수를 이용한 위치 추정 연산 결과의 오차가 기존의 선형 함수를 사용한 경우보다 더 적게 나타남을 확인하였다. 전체적인 오차 변화 추이는 위치 샘플의 간격이 커질수록 위치 추정 연산 결과의 오차가 커지는 현상을 보이고 있다.
첫째, 위치 추정의 정확성 : 데이타베이스에 저장된 동일한 위치 정보를 활용할 경우, 기존의 선형 함수만을 사용한 경우보다 이 논문에서 제안한 3차 스플라인 보간법을 적용한 경우 위치 추정 결과의 오차를 전체적으로 줄일 수 있음을 확인하였다. 특히 위치 샘플 간격이 커질수록 스플라인 보간법에 의한 위치 추정 결과가 더 정확함을 알 수 있었다.
줄일 수 있음을 확인하였다. 특히 위치 샘플 간격이 커질수록 스플라인 보간법에 의한 위치 추정 결과가 더 정확함을 알 수 있었다.
그래프에서 알 수 있듯이 세 곳의 이동 구간에서 실험한 이동객체의 과거 위치 추정 연산 결과를 보면 모든 구간에서 공통적으로 선형 함수를 이용한 경우보다 스플라인 함수를 이용한 위치 추정 결과가 더욱 정확함을 확인하였다. 특히, 위치 샘플의 간격이 커질수록 선형 함수를 이용한 결과와 스플라인 함수를 이용한 결과 값의 차이가 더 커지는 특징을 발견하였다.
후속연구
향후에는 위치 추정 연산뿐만 아니라, 불확실성 영역 및 위치 추정 결과의 오차 값을 정량화하여 제시할 수 있는 방법의 연구를 진행할 것이다. 아울러 실시간 환경에서 발생되는 위치 정보의 불확실성 처리 방법에 대한 연구도 수행될 것이다.
그런데, 기존의 연구들은 대부분 이동 객체의 위치 정보를 이용하여 과거 및 미래의 위치 정보를 추정할 때 선형 함수를 사용하거나, 선형 회귀 함수를 적용하고 있다. 특히 선형 함수에 의한 위치 추정 결과의 부정확성을 보완하기 위해 불확실성 값의 오차 영역을 함께 제공할 것을 제안하고 있다. 그러나, 기존의 연구에서 제안된 불확실성 처리 방법들은 실험을 통해 정량화된 형태의 결과로 제시되지 못하고 있으며 방법론적인 제안에만 그치고 있다.
언급하였다. 향후에는 위치 추정 연산뿐만 아니라, 불확실성 영역 및 위치 추정 결과의 오차 값을 정량화하여 제시할 수 있는 방법의 연구를 진행할 것이다. 아울러 실시간 환경에서 발생되는 위치 정보의 불확실성 처리 방법에 대한 연구도 수행될 것이다.
참고문헌 (20)
D. Pfoser and C. S. Jensen, 'Capturing the Uncertainty of Moving Object Representations,' CHOROCHRONOS, Technical Report CC-99-2, Apr. 1999
J. Moreira, C. Ribeiro, and J. M. Saglio, 'Representation and Manipulation of Moving Points: An Extended Data Model for Location Estimation,' Cartography and Geographic Information Systems(CaGIS), ACSM, Vol. 26, No.2, Apr. 1999
S. S. Park, Y. A. Ahn, and K. H. Ryu, 'Moving Objects Spatiotemporal Reasoning Model for Battlefield Analysis,' Proceedings of Military, Government and Aerospace Simulation part of ASTC'01, Apr. 2001, pp. 108-113
안윤애, 류근호, 조동래, '전장분석을 위한 이동 객체의 위치 예측 시스템,' 정보과학회논문지, 제8권 제6호, 2002년 12월 pp. 765-777
D. Pfoser and N. Tryfona, 'Fuzziness and Uncertainty in Spatiotemporal Applications,' CHOROCHRONOS, Technical Report CH-00-04, Feb. 2000
A. P. Sistla, O. Wolfson, S. Chamberlain, and S. Dao, 'Querying the Uncertain Position of Moving Objects,' Springer Verlag Lecture Notes in Computer Science number 1399, 1998, pp. 310-337
O. Wolfson, S. Chamberlain, S. Dao, L. Jiang, and G. Mendez, 'Cost and Imprecision in Modeling the Position of Moving Objects,' Proceedings of the 14th International Conference on Data Engineering, Orlando, FL, Feb. 1998
O. Wolfson, B. Xu, S. Chamberlain, and L. Jiang, 'Moving Objects Databases: Issues and Solutions,' Proceedings of the 10th International Conference on Scientific and Statistical Database Management, SSDBM'98, Capri, Italy, Jul. 1998, pp. 111-122
O. Wolfson, P. Sistla, B. Xu, J. Zhou, S. Chamberlain, N. Rishe, and Y. Yesha, 'Tracking Moving Objects Using Database Technology in DOMINO,' Proceedings of NGITS'99, The 4th Workshop on Next Generation Information Technologies and Systems, Zikhron-Yaakov, Israel, Jul. 1999, pp. 112-119
T. S. Yeh and B. D. Carnbray, 'How to Model Highly Variable Data in a Complex Object Data Model,' Proceedings of the COMAD'94, 1994, pp. 169-186
P. Sistla, O.Wolfson, S.Chamberlain, S.Dao, 'Modelling and Querying Moving Objects,' Proceedings of the 13th International Conference on Data Engineering, Birmingham, UK, 1997
M. Erwig, R. H. Guting, M. Schneider, and M. Vazirgiannis, 'Spatio-Temporal Data Types: An Approach to Modeling and Querying Moving Object in Databases,' GeoInformatica Vol. 3, No. 3, 1999, pp. 269-296
R. H. Guting and et al., 'A Foundation for Representing and Querying Moving Objects,' ACM Transactions on Database Systems, Vol.25, No.1, pp.1-42, 2000
L. Forlizzi, R. H. Guting, E. Nardelli, and M. Schneider, 'A Data Model and Data Structures for Moving Objects Databases,' Proceedings of the ACM SIGMOD'00, 2000, pp. 319-330
S. Shumilov and J. Seibeck, 'Database Support for Temporal 3D Data : Extending the Geo-Toolkit', Proceedings of the 7th EC-GI & GIS Workshop, ECGIS'01, Potsdam, Germany, Jun. 2001
정상권, 이승래, 권욱현, 'CEMTool을 활용한 수치해석', 인터넷 공개강좌, http://www.cernworld.com, 2004
R. Bartels, J. Beatty, and B. Barsky, 'An Introduction to Splines for Use in Computer Graphics & Geometric Modeling,' Morgan Kaufmann Publishers, Inc., 1987
유해영, 이준신, 고영주, 심홍태, '수치해석 제6판', 사이텍미디어, 1999
한국통신데이타, 'GIS를 위한 객체관계형 공간 데이터 베이스 관리시스템', ZEUS 2000, ZEUS/X 사용자 매뉴얼, 한국통신데이타(주), 2002년
안윤애, '위치 추정을 지원하는 모바일 객체 관리 시스템', 이학박사학위논문, 2003년 2월
※ AI-Helper는 부적절한 답변을 할 수 있습니다.