유비쿼터스 환경에서 위치추적 서비스를 구현하기 위해서는 위치 정보 및 이를 기반으로 한 주변의 상황에 대한 정보와 최적화된 위치 서비스 제공이 필요하다. 본 논문에서 제안하는 위치보정 기법은 실제 위치하는 측정태그와 보정태그와의 거리계산을 통하여 최적의 위치 값을 추출해내는 기법으로써 우선적으로 앤커에 수신된 태그의 위치 값 계산을 한 후 보정태그와의 거리 오차 계산을 통하여 위치 값을 보정한다. 본 논문에서는 CSS기반의 RF칩을 이용하여 실내에서 각 노드 간의 위치를 측정하는 시스템을 개발하고, 이에 대한 정밀도를 높이는 알고리즘을 제안하고자 한다.
유비쿼터스 환경에서 위치추적 서비스를 구현하기 위해서는 위치 정보 및 이를 기반으로 한 주변의 상황에 대한 정보와 최적화된 위치 서비스 제공이 필요하다. 본 논문에서 제안하는 위치보정 기법은 실제 위치하는 측정태그와 보정태그와의 거리계산을 통하여 최적의 위치 값을 추출해내는 기법으로써 우선적으로 앤커에 수신된 태그의 위치 값 계산을 한 후 보정태그와의 거리 오차 계산을 통하여 위치 값을 보정한다. 본 논문에서는 CSS기반의 RF칩을 이용하여 실내에서 각 노드 간의 위치를 측정하는 시스템을 개발하고, 이에 대한 정밀도를 높이는 알고리즘을 제안하고자 한다.
In this paper, we expect that the IEEE 802.15.4a, which is based on CSS, will be used a lot without getting help from other systems or sensors and will make it possible to measure the distance between radio chips in sensor network field, where the location information of the standard have to be base...
In this paper, we expect that the IEEE 802.15.4a, which is based on CSS, will be used a lot without getting help from other systems or sensors and will make it possible to measure the distance between radio chips in sensor network field, where the location information of the standard have to be based upon. But, the error rate will be high, so we will correct the location of the tag, which will be received by anchor. The technology of location correction we offer is reducing the error rate through calculating the distance from Compensation Tag, and after that, unite the Toa method with the Fingerprint method and adapt them to location correction technology, calculate the location's estimate, and finally abstract the best suited location estimate for Compensation Tag. At last, we offer developing systems as indoor systems of CSS, which pursue the location between nodes, and a thesis about indoor systems and making their accuracy higher.
In this paper, we expect that the IEEE 802.15.4a, which is based on CSS, will be used a lot without getting help from other systems or sensors and will make it possible to measure the distance between radio chips in sensor network field, where the location information of the standard have to be based upon. But, the error rate will be high, so we will correct the location of the tag, which will be received by anchor. The technology of location correction we offer is reducing the error rate through calculating the distance from Compensation Tag, and after that, unite the Toa method with the Fingerprint method and adapt them to location correction technology, calculate the location's estimate, and finally abstract the best suited location estimate for Compensation Tag. At last, we offer developing systems as indoor systems of CSS, which pursue the location between nodes, and a thesis about indoor systems and making their accuracy higher.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 우선 선행 연구로 삼각측량법과 삼각측량법과 Fingerprint 방식을 결합한 위치보정 방식에 대해 실험하고 그 결과를 고찰하였다.
현재 UWB기반에서는 수십 cm 이내의 정밀도를 요구하는 거리 측정이 가능하며 CSS기반에서는 거리에 상관없이 2m 내외의 오차로 정밀한 거리 측정이 가능하다. 하지만 무선통신의 특성상 항상 동일한 위치 값을 계산하지 못하기 때문에 본 논문에서는 RTLS 위치 계산 방식으로 대표되는 기술들을 통한 위치추정의 정확도를 높이고자 위치보정 기법을 제안한다.
제안 방법
그러므로 본 논문에서 제안하는 알고리즘으로는 측정 오차의 한계를 극복하기위한 방안으로 보정태그를 이용한 위치보정 알고리즘을 제시하여 보다 세밀한 근거리 위치추적 시스템의 보정 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 보정태그를 두어 보정태그와 앤커 사이의 거리를 계산하여 태그가 가지는 오차를 계산하는 알고리즘으로써 태그의 위치를 보정한다.
마지막 세 번째 실험에서는, 본 논문에서 제안하는 알고리즘 기법은 보정태그를 이용하여 실제거리와 측정거리의 오차의 평균을 구하여 그 오차평균을 측정하고자하는 태그의 측정값에서 제거하여 보정태그 위치를 보정함으로써, 삼각측량법과 Fingerprint 방식을 혼합한 방식을 사용하는 것보다 향상된 위치의 정확도를 제공하도록 하였다. 그 결과 본 논문에서 제안하는 알고리즘의 기법을 적용한 오차율은 0.
먼저 장애물이 존재 하지 않는 실내 환경에서 실험을 진행하였다. 본 논문에서는 사용된 위치 값에 대하여 각각 실제 위치 값(true position), 측정 위치 값(measured position), 그리고 추정 위치 값(estimated position)으로 정의하였으며, 표 1에 나타내었다[8].
그러므로 본 논문에서 제안하는 알고리즘으로는 측정 오차의 한계를 극복하기위한 방안으로 보정태그를 이용한 위치보정 알고리즘을 제시하여 보다 세밀한 근거리 위치추적 시스템의 보정 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 보정태그를 두어 보정태그와 앤커 사이의 거리를 계산하여 태그가 가지는 오차를 계산하는 알고리즘으로써 태그의 위치를 보정한다.
먼저 장애물이 존재 하지 않는 실내 환경에서 실험을 진행하였다. 본 논문에서는 사용된 위치 값에 대하여 각각 실제 위치 값(true position), 측정 위치 값(measured position), 그리고 추정 위치 값(estimated position)으로 정의하였으며, 표 1에 나타내었다[8].
본 논문에서는 삼각측량법과 Fingerprint 방식을 결합한 위치보정 방식으로 주차장 환경에서 실험하였으며 실험한 알고리즘의 시나리오는 다음과 같다.
본 논문에서는 삼각측량법과 Fingerprint방식에 대한 실험을 수행하고, 이 두 가지 방식을 결합한 위치보정 기법으로 위치 거리계산을 통하여 최적의 위치 값을 추출하는 실험을 통해 제안하는 알고리즘의 성능을 비교한다.
본 실험에서는 우선 각 측정점에서 로그파일의 값들을 평균하여 엑셀파일로 변환한 후 실제 위치값(실위치 (xt, yt))를 계산하고 추정위치(#, #)를 비교할 수 있도록 하였으며, 실제위치와 추정위치간의 오차를 다음 식과 같이 계산하여 표시하였다.
앞서 제안한 알고리즘을 바탕으로 60.00m × 60.00m탐색 범위 내에 2개의 보정태그를 각각 앤커 AP1의 X, Y 좌표(0m, 0m)을 기준으로 보정태그1의 위치는 (15m, 30m)에 설치해두고 보정태그 2의 위치는(45m, 30m)에 설치하였다.
이러한 제안한 알고리즘은 하나의 특정 앤커에 적용하는 것이 아니라 4개의 앤커 모두에 적용하였다. 본 논문에서의 실험과 같은 방법으로 보정태그의 평균 오차를 구하게 된다.
표2에서는 삼각측량법과 Fingerprint 방식 그리고 보정태그를 적용한 보정기법에 대한 실험결과를 비교하였다.
하지만 오차율의 크기의 값이 중요한 사안이 아닌 오차율의 값을 얼마나 줄이냐는 문제이기 때문에 본 논문에서는 보정태그의 위치를 60.00m×60.00m탐색 범위 내에 임의의 좌표를 두어 실험을 하였으며, 보정태그의 개수를 4개의 환경에서 오차율의 범위를 실험하였다.
대상 데이터
본 실험에서는 크기가 22.50m × 10.80m이고 높이가 3.50m인 소형 강당에서 18개의 측정 점에서 측정한 결과를 다양한 형태로 정리하여 분석하였다.
데이터처리
이렇게 앤커와 보정태그 사이의 오차를 평균으로 구해지게 되고, 측정된 실제태그의 측정값에 평균오차를 빼주면 이 값이 실제태그가 위치한 위치 점에서 가지는 오차 값이 된다. 이러한 오차 값을 하나의 특정 앤커에 적용하는 것이 아니라 4개의 앤커 모두를 위 실험과 같은 방법으로 앤커와 보정태그 사이의 평균 오차를 구하게 된다. 보정태그의 위치 점에 따라 오차율의 범위가 달라지게 된다.
이론/모형
하지만, 앤커와 태그가 가지고 있는 기본적인 오차율인 근본 오차를 해결하기에는 역부족이었다. 근본 오차를 해결하기 위한 방법으로 본 논문에서는 두 번째로 실험을 수행 하였던 삼각측량법과 Fingerprint방식의 혼합방식을 사용하였다. Fingerprint방식 역시, 무선 네트워크가 가지고 있는 근본 오차를 해결하는 데에는 도움이 되었지만, 오차를 현저하게 줄이지는 못하였다.
성능/효과
마지막 세 번째 실험에서는, 본 논문에서 제안하는 알고리즘 기법은 보정태그를 이용하여 실제거리와 측정거리의 오차의 평균을 구하여 그 오차평균을 측정하고자하는 태그의 측정값에서 제거하여 보정태그 위치를 보정함으로써, 삼각측량법과 Fingerprint 방식을 혼합한 방식을 사용하는 것보다 향상된 위치의 정확도를 제공하도록 하였다. 그 결과 본 논문에서 제안하는 알고리즘의 기법을 적용한 오차율은 0.30m에서 1.00m 이내에 오차 범위를 나타내는 것을 볼 수 있었다. 또한, 보정태그를 사용함으로써 근본 오차를 줄이는 것뿐 아니라 위치 계산을 위한 거리 추정에서 발생되는 오차 중 측정 할 때 마다 매번 변하는 측정 오차를 줄일 수 있다.
00m 이내로 줄어드는 것을 확인 할 수 있었다. 그러므로, 본 논문에서 제안하는 보정기법은 삼각측량법과 Fingerprint방식을 혼합한 방식을 사용하는 것보다 향상된 위치의 정확도와 신뢰성을 제공하였으며, 보정태그를 사용함으로써 위치 계산을 위한 거리 추정에서 발생되는 오차 중 측정 할 때 마다 매번 변하는 측정 오차와 근본 오차를 줄일 수 있다.
그림 9과 그림 10은 실제태그1과 실제태그2의 실험 결과를 나타낸 것으로써, 실제태그1의 위치인 55m에서의 오차 평균은 기존 방식에서는 4.62m를 보이지만, 본 논문에서 제안하는 알고리즘을 적용한 결과 0.27m로 평균 오차율이 감소하였다. 아울러 실제태그2인 65m일 때의 오차 평균은 4.
또한 측정 시 마다 변하는 측정 오차를 해결하기에는 한계점이 많은 문제를 해결하기위해 본 논문에서 제안하는 알고리즘으로써 보정태그를 이용하여 위치 계산을 위한 거리 추정에서 발생되는 오차 중 측정 할 때 마다 매번 변하는 측정 오차와 근본 오차를 줄일 수 있다.
본 논문에서의 실험과 같은 방법으로 보정태그의 평균 오차를 구하게 된다. 본 논문에서 제안하는 알고리즘 기법을 적용하여 보정태그에서 계산 된 평균 오차 값을 통해 태그의 위치를 보정함으로써, 그 오차율의 범위가 0.30m에서 1.00m 이내로 줄어드는 것을 확인 할 수 있었다. 그러므로, 본 논문에서 제안하는 보정기법은 삼각측량법과 Fingerprint방식을 혼합한 방식을 사용하는 것보다 향상된 위치의 정확도와 신뢰성을 제공하였으며, 보정태그를 사용함으로써 위치 계산을 위한 거리 추정에서 발생되는 오차 중 측정 할 때 마다 매번 변하는 측정 오차와 근본 오차를 줄일 수 있다.
그림 11은 엑셀로 표현된 보정태그의 개선된 오차범위를 직관적으로 보여주기 위한 화면으로, 원점을 나타내는 보정태그를 중심으로 기존 방법을 이용한 평균 오차율의 범위와 본 논문에서 제안하는 알고리즘을 적용한 평균 오차율의 범위를 비교하여 나타내었다. 본 논문에서는 제안하는 알고리즘에 대한 실험 결과는 한 개의 앤커가 가지는 보정태그의 평균 오차율만을 실험 결과로 제시 하였지만, 네 개의 앤커에 모두 적용하여 결과를 산출하면, 측정 시 마다 발생되는 측정 오차에 대한 오차율을 줄일 수 있기 때문에 신뢰성이 높은 오차범위를 가지게 된다.
본 논문의 실험을 통해 삼각측량법을 이용한 위치추정 방식보다는 삼각측량법과 Fingerprint방식의 혼합방식을 사용하였을 경우 측정값과 실제 위치와의 차이가 많이 존재하는 것도 있었으나, 대체적으로 Fingerprint 데이터베이스와 매칭 함으로써 오차율의 범위가 감소하였음을 보았다.
위 실험결과는 측정 환경에 따라 1.60m에서 2.75m로 비록 오차율의 범위가 증가하였지만, RTLS에서 권고하는 위치추정의 허용오차 이내의 범위인 3m를 만족하였다. 하지만, 앤커와 태그가 가지고 있는 기본적인 오차율인 근본 오차를 해결하기에는 역부족이었다.
위 표에 나타내었듯이 본 논문에서 제안하는 보정태그의 기법이 다른 위치추정의 보정 기법보다 신뢰성이 뛰어나다는 것을 확인 할 수 있었다.
위와 같이 실제 위치를 보정하는 방법으로는 첫 번째 실험은 삼각측량법으로 본 논문에서 실험 했듯이 위치추정 기법으로써 가장 많이 쓰이는 기법이지만, 신호의 세기나 주변 환경 여건에 많은 제약을 따르기 때문에 위치 추정의 오차 발생율이 1.60m로 본 논문에서 실험한 3 가지 방법 중 가장 높은 것으로 확인 되었으며, 실제 환경에서 태그의 신호를 수신한 앤커는 여러 가지 물리적 요인으로 인하여 측정 시간의 오차가 발생하게 된다.
위와 동일한 실험 방법을 적용하여 4개의 보정태그를 설치하여 실험을 진행하였으며, 오차 범위가 축소되는 것을 확인 할 수 있다.
위의 실험결과 삼각측량법의 경우 추정위치는 그 오차가 대부분( 80% 이내) 1.60m 이내임을 알 수 있었다. 하지만 Fingerprint 방식을 결합 한 결과 추정위치의 오차가 1.
60m 이내임을 알 수 있었다. 하지만 Fingerprint 방식을 결합 한 결과 추정위치의 오차가 1.10m 이내로 줄어든 것을 확인 할 수 있었다.
후속연구
하지만 본 연구의 한계점으로는 첫 번째, 보정태그의 위치 점에 따라 오차율의 차이가 생기게 된다는 점이다. 두 번째, 보정태그의 위치 선정에 대한 연구의 부족이다.
두 번째, 보정태그의 위치 선정에 대한 연구의 부족이다. 현재 보정태그의 정확한 위치를 선정하기 위한 Location Test와 Ranging Test를 통해 앤커의 위치와 태그의 위치 변환과정에 대한 실험을 하고 있으며 향후 알고리즘에 대한 수정 연구를 계속 할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
유비쿼터스 시대를 지원하기 위한 핵심적인 기반 기술에는 무엇이 있는가?
최근 발전이 가속화되고 있는 유비쿼터스 시대를 지원하기 위한 핵심적인 기반 기술로는 객체인식, 위치추적, 행위분석 등이 있다. 특히 기존의 위치추적 서비스는 GPS를 활용한 실외 환경 중심으로 개발되어졌으나 유비쿼터스 환경이 구축됨에 따라 실내 환경에서 위치추적에 대한 관심과 필요성이 증가되고 있다[1][2].
근거리 위치추적 솔루션의 특성은?
근거리 위치추적 솔루션(RTLS)은 주로 실내나 제한된 공간과 같은 근거리에서 사용되며, 오차가 3m 이내로 정확도가 높다. 이러한 특성을 가진 위치추적 솔루션은 주차장, 헬스케어센터, 생산라인, 물류창고 등과 같은 다양한 산업시설은 물론, 위치기반 출입 통제와 같은 보안 용도로도 사용될 수 있다.
근거리 위치추적 기술의 위치인식 기술로는 무엇이 있는가?
RTLS 시스템에서의 위치인식 기술로는 첫 번째, 삼각측량법을 이용하여 개체의 위치를 추정하는 “삼각법(Triangulation)”, 두 번째, 사물의 영상을 이용한 “영상 분석법(Scene Annalisis)”, 세 번째로는 Presence 기능으로 알려져 있는 “인접법(Proximity)”, 이 중에서 삼각법에 의한 위치추적이 가장 보편적인 위치추정 방법이다.
참고문헌 (10)
박옥선, 정광렬, 김성희, "유비쿼터스 컴퓨팅을 위한 위치인식 기술 및 시스템", ETRI 주간기술동향, 1098호, 2003. 6.
Jeffrey Hightower, and Gaetano Borriello, "Location Systems for Ubiquitous Computing," Computer, vol. 34, no. 8, pp. 57-66, IEEE Computer Society Press, Aug. 2001.
고형준, 류대현, 두주영, 김연수, "CSS/ToA 기반 RTLS의 현장 적용 시험", 제 30 회 한국정보처리학회 추계학술발표대회 15권 2호, 2008.
Nayef Alsindi, Xinrong Li. & Kaveh Pahlavan. "Analysis of Time of Arrival Estimation Using Wideband Measurements of Indoor Radio Propagations", IEEE Trans. on Instrumentation and Measurement, Vol.56. No.5, Oct. 2007.
한세대학교, CSS 방식의 근거리 위치인식 솔루션 개발, 한국전파진흥원, 2010.
이경국, "Chirp신호기반 실시간 위치추적 기술", 정보처리학회 제16권 제3호, 2009.
Mauro Brunato, ROberto Battiti. "Statistical Learning Theory for Location Fingerprinting in Wireless LANs", Computer Networks and ISDN Systems. Vol 47. pp. 825-845. April 2005. pp.31-39.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.