선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 네트워크 기반 측위기술 중 실내에서 이동체의 위치를 결정하기 위해 주위의 환경정보를 반영하여 잡음으로 인한 오차요인을 줄일 수 있는 Fingerprint 방법을 적용하여 ToA 기반의 위치측위 시스템을 개발하는 것을 목표로 한다. 또한 Fingerprint방법의 확률론적 알고리즘을 개선하여 계산된 확률 값을 Log-scale로 변환하여 가중치를 부여하는 방법을 적용한 Log-scale 알고리즘을 이용하였다.
- 본 연구에서는 위치기반서비스의 핵심기능을 담당하는 측위기술 중 ToA 방법을 적용한 위치측위 시스템을 구현하고 그 성능을 검증하였다.
제안 방법
- Mobile 노드의 위치를 추정하기 위해 Training 단계에서 20개의 RP에 Mobile 노드를 위치시키고 1초에 1번씩 총 35회를 측정하여 각 AP 노드들과 Mobile 노드의 거리 정보 및 위치 정보를 Fingerprint DB에 저장하였다. Positioning 단계에서는 [그림 9]와 같이 구성된 RP의 중간 지점, 2개의 RP 중간 지점, 4개의 RP 중간 지점 등 48개의 지점에 Mobile 노드를 위치시키고 각 1초에 1번씩 총 10회를 측정하여 Fingerprint 방법을 적용하여 Mobile 노드의 위치를 추정하여 구현된 시스템의 성능을 분석하였다.
- Mobile 노드의 위치를 추정하기 위해 Training 단계에서 20개의 RP에 Mobile 노드를 위치시키고 1초에 1번씩 총 35회를 측정하여 각 AP 노드들과 Mobile 노드의 거리 정보 및 위치 정보를 Fingerprint DB에 저장하였다. Positioning 단계에서는 [그림 9]와 같이 구성된 RP의 중간 지점, 2개의 RP 중간 지점, 4개의 RP 중간 지점 등 48개의 지점에 Mobile 노드를 위치시키고 각 1초에 1번씩 총 10회를 측정하여 Fingerprint 방법을 적용하여 Mobile 노드의 위치를 추정하여 구현된 시스템의 성능을 분석하였다.
- ToA 방법에 의해 계산된 결과값이 전송되면 Fingerprint DB에서 ToA 방법의 추정 위치 및 거리 정보와 가장 적합한 RP를 선별한 후 Log-scale 변환 확률론적 알고리즘을 이용하여 최종 Mobile 노드의 위치를 계산하고 2차 추정 위치를 사용자에게 전송한다.
- 또한 Fingerprint방법의 확률론적 알고리즘을 개선하여 계산된 확률 값을 Log-scale로 변환하여 가중치를 부여하는 방법을 적용한 Log-scale 알고리즘을 이용하였다. ToA 방법을 적용한 실내 위치측위 시스템을 구현하여 실내에서 테스트를 수행하고 취득한 정보를 바탕으로 다양한 분석을 통해 시스템의 성능을 검증하였다.
- 제안하는 위치측위 시스템은 사용자가 Mobile 노드의 위치 데이터를 요청하게 되면 TOA의 SDS-TWR 프로토콜을 이용해 거리를 계산하고, 계산된 AP 노드와 Mobile 노드 사이의 거리 정보를 통해 Mobile 노드의 추정 위치를 계산한다. 그 다음으로 ToA 방법으로 추정된 위치 정보 및 거리 정보는 Fingerprint 프로세스로 전송되어 Training 단계에서 미리 구성된 RP의 데이터를 바탕으로 ToA 방법으로 계산된 추정 위치 및 거리 정보와 가장 적합한 RP를 선별한 후 본 연구에서 적용한 확장된 확률론적 알고리즘을 이용하여 최종 Mobile 노드의 위치를 계산하여 사용자에게 위치정보를 전송하는 단계로 구성된다.
- 노드 A부터 B까지 통신에 걸린 지연시간과 통신시간을 노드의 타이머를 이용하여 측정하고 노드에 걸리는 통신시간에 지연시간을 제외한 후 여기에 전파의 속도 c를 곱하여 거리 d값을 계산한다.
- 시스템의 성능을 분석하기 위한 실험 환경은 8m x 10m 공간의 강의실 네 모서리에 각각 AP 노드를 설치하고, 실험 구역 밖에 Sink 노드와 PC를 설치하여 구성하였다. 또한 전파의 회절, 반사, 흡수 등으로 받는 영향을 최소화하기 위해 각 AP 노드들과 Mobile 노드의 높이를 삼각대를 이용하여 지면에서 150cm 높이에 설치하였다.
- 본 연구에서 사용된 확률론적 알고리즘은 일반적으로 사용되는 우선순위가 가장 높은 RP를 MU의 위치로 결정하는 Rice Gaussian 알고리즘이 아닌 우선순위가 높은 k개의 RP를 고려하여 확률값을 Log-scale로 변환하여 새로운 가중치를 계산하여 MU의 위치를 추정한다. 따라서 Log-scale로 변환한 확률값을 이용하여 j번째 RP의 가중치 wj를 표현하면 다음과 같이 나타낼 수 있다[1].
- 본 연구에서는 Log-scale 변환 확률론적 알고리즘을 사용함으로써 사용자의 위치를 정확히 계산하기 위해 가장 적절한 RP의 수를 고려하였고, 실험을 통해 기존의 방법과 비교·분석하였다.
- 제안하는 위치측위 시스템은 사용자가 Mobile 노드의 위치 데이터를 요청하게 되면 TOA의 SDS-TWR 프로토콜을 이용해 거리를 계산하고, 계산된 AP 노드와 Mobile 노드 사이의 거리 정보를 통해 Mobile 노드의 추정 위치를 계산한다. 그 다음으로 ToA 방법으로 추정된 위치 정보 및 거리 정보는 Fingerprint 프로세스로 전송되어 Training 단계에서 미리 구성된 RP의 데이터를 바탕으로 ToA 방법으로 계산된 추정 위치 및 거리 정보와 가장 적합한 RP를 선별한 후 본 연구에서 적용한 확장된 확률론적 알고리즘을 이용하여 최종 Mobile 노드의 위치를 계산하여 사용자에게 위치정보를 전송하는 단계로 구성된다.
대상 데이터
- 4GHz ISM 대역의 RFID 리더와 태그를 사용하여 시스템을 구성하였다. RFID 리더는 4개의 AP 노드와 PC와 통신하기 위한 Sink 노드로 구성하였고, 태그는 Mobile 노드로 구성하였다. [그림 7]은 본 연구에서 구현된 시스템 장비 및 구성도이다.
- 본 연구에서 구현하는 실내 위치측위 시스템의 검증을 위해 H/W는 독일 Natotron Technologies사의 2.4GHz ISM 대역의 RFID 리더와 태그를 사용하여 시스템을 구성하였다. RFID 리더는 4개의 AP 노드와 PC와 통신하기 위한 Sink 노드로 구성하였고, 태그는 Mobile 노드로 구성하였다.
- 시스템의 성능을 분석하기 위한 실험 환경은 8m x 10m 공간의 강의실 네 모서리에 각각 AP 노드를 설치하고, 실험 구역 밖에 Sink 노드와 PC를 설치하여 구성하였다. 또한 전파의 회절, 반사, 흡수 등으로 받는 영향을 최소화하기 위해 각 AP 노드들과 Mobile 노드의 높이를 삼각대를 이용하여 지면에서 150cm 높이에 설치하였다.
이론/모형
- H/W를 제어하고 알고리즘을 구현하기 위한 S/W는 계측/제어 솔루션인 National Instrument 사의 LabVIEW 2010을 사용하였다. [그림 8]은 각 AP 노드들과 Mobile 노드의 거리를 계산하기 위해 수행되는 프로그램 실행 화면이다.
- 따라서 본 연구에서는 네트워크 기반 측위기술 중 실내에서 이동체의 위치를 결정하기 위해 주위의 환경정보를 반영하여 잡음으로 인한 오차요인을 줄일 수 있는 Fingerprint 방법을 적용하여 ToA 기반의 위치측위 시스템을 개발하는 것을 목표로 한다. 또한 Fingerprint방법의 확률론적 알고리즘을 개선하여 계산된 확률 값을 Log-scale로 변환하여 가중치를 부여하는 방법을 적용한 Log-scale 알고리즘을 이용하였다. ToA 방법을 적용한 실내 위치측위 시스템을 구현하여 실내에서 테스트를 수행하고 취득한 정보를 바탕으로 다양한 분석을 통해 시스템의 성능을 검증하였다.
- 먼저 사용자가 Mobile 노드의 위치 데이터를 요청하게 되면 각 AP 노드와 Mobile 노드 사이의 전파 도달 시간을 이용하여 AP 노드와 Mobile 노드 사이의 거리를 측정하기 위해 SDS-TWR 알고리즘을 사용한다. 계산된 AP 노드와 Mobile 노드 사이의 거리 정보는 서버로 전송되고, 서버는 거리 정보를 이용하여 삼각측량 방법을 통해 Mobile 노드의 1차 추정 위치를 계산한다.
- 여기서 노드간 거리를 측정하기 위해 IEEE 802.15.4a에 정의된 SDS-TWR(Symmetric Double Sided Two-Way Ranging) 프로토콜을 사용하였다.
성능/효과
- Mobile 노드가 RP 중간에 위치하면 제안된 확률론적 알고리즘과 ToA 방법을 적용한 시스템의 오차가 9cm로 상당히 적다는 것을 알 수 있다. 이는 평균값 또는 메디안 값을 이용하여 가중치를 계산한 결정론적 알고리즘에 비해 제안된 확률론적 알고리즘을 이용하는 것이 Fingerprint 방법을 적용하는데 적절하다는 것을 보여준다.
- 실내 실험환경에서 구현된 시스템의 성능은 기존의 결정론적 알고리즘을 활용한 평균과 메디안을 활용한 kWNN 측위방법에 비해서 평균 측위오차가 약 24%, 34% 작게 나타난 것을 알 수 있다. 또한 기존의 확률론적 알고리즘인 Rice Gaussian 알고리즘과 비교하였을 때에도 19% 측위 오차가 감소하는 것을 볼 수 있다.
- 본 연구를 통해 우선순위에 따라 동일하지 않은 가중치를 가지는 확률론적 알고리즘을 활용한 Fingerprint 방법을 적용한 ToA 기반 실내 위치측위 시스템을 구현하고, 실험을 통해 설정한 RP 간격의 절반인 1m 이내로 오차범위를 줄인 것을 확인할 수 있었다.
- 실내 실험환경에서 구현된 시스템의 성능은 기존의 결정론적 알고리즘을 활용한 평균과 메디안을 활용한 kWNN 측위방법에 비해서 평균 측위오차가 약 24%, 34% 작게 나타난 것을 알 수 있다. 또한 기존의 확률론적 알고리즘인 Rice Gaussian 알고리즘과 비교하였을 때에도 19% 측위 오차가 감소하는 것을 볼 수 있다.
- Mobile 노드가 RP 중간에 위치하면 제안된 확률론적 알고리즘과 ToA 방법을 적용한 시스템의 오차가 9cm로 상당히 적다는 것을 알 수 있다. 이는 평균값 또는 메디안 값을 이용하여 가중치를 계산한 결정론적 알고리즘에 비해 제안된 확률론적 알고리즘을 이용하는 것이 Fingerprint 방법을 적용하는데 적절하다는 것을 보여준다.
- 이러한 측위 시스템을 사용하여 실내 환경에서 실험한 결과 기존의 결정론적 알고리즘 중 평균값과 메디안 값을 이용한 kWNN 측위방법에 비해서 평균 측위오차가 약 24%, 34% 작게 나타난 것을 알 수 있었고, 1m 이내로 오차범위를 줄인 것을 확인할 수 있었다.
후속연구
- 추후 연구로는 실내의 이상적인 환경이 아닌 다양한 AP 노드들이 불규칙하게 설치되고 장애물이 존재하는 일반적인 환경에서 다양한 환경 변수들을 고려하여 실험을 실시하고자 한다. 또한 이동하는 물체에 대한 필터링 기법과 ToA 기반 Fingerprint 방법을 적용하여 실외 환경에서 오차를 줄일 수 있는 연구가 필요하다.
- 추후 연구로는 실내의 이상적인 환경이 아닌 다양한 AP 노드들이 불규칙하게 설치되고 장애물이 존재하는 일반적인 환경에서 다양한 환경 변수들을 고려하여 실험을 실시하고자 한다. 또한 이동하는 물체에 대한 필터링 기법과 ToA 기반 Fingerprint 방법을 적용하여 실외 환경에서 오차를 줄일 수 있는 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.