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
- Fingerprinting를 활용하여 객체의 위치를 추정 하는 것은 데이터베이스 구성에 따라 처리 속도 및 정확도에 영향을 미치므로 위치 추정에 사용되는 정보를 복잡하지 않고 명확하게 정의하는 것을 목표로 설계하였다. [그림 5]는 실내 위치 추정에 활용되는 정보로 구성한 데이터베이스 개체-관계 다이어그램(Entity-Relationship Diagram:ERD)이다.
- 본 논문에서는 기존의 Location Fingerprint 기법을 사용하되 참조 위치의 위치 값과 기존 위치 추정 시스템으로부터 얻은 객체의 위치 값, 두 값의 차이 값을 데이터베이스의 환경 정보로 구축함으로써 객체의 위치를 추정할 경우 참조 위치와 측정 위치 간의 차이점으로 해당 위치에서 나타나는 위치 추정 시스템의 위치 측정 특징을 반영하여 객체의 위치 정확도를 향상 시킬 수 있는 실내 위치 추정 알고리즘을 제안하였다.
제안 방법
- [표 2]는 RP의 실제 위치 값을 나타낸다. RP는 X축 방향으로 90cm간격마다 측정하였고, Y축 방향으로는 60cm간격으로 측정하여 데이터베이스에 구축하였다.
- UP를 설정하는 부분은 현재 데이터베이스에 저장된 RP를 선택하도록 하고, 그 위치에서 Ubisense 시스템으로 측정한 객체의 위치 평균값과 오차 정보를 데이터베이스에 저장할 수 있도록 구성하였다. [그림 6]의 b는 객체의 위치를 측정 및 보정하는 화면 구성을 도식화 한 것으로써 Positioning 단계의 절차를 수행하는 구성요소를 나타낸다.
- Location Fingerprint 기법(이하 Fingerprinting)은 확률론적 모델링에 의한 위치 추정 방법으로, 잡음 및 주위 환경의 정보를 이용하여 MS의 위치를 추정하는 기법이다. 경험적인 데이터를 이용하여 이미 알고 있는 BS의 위치와 위치를 알고자 하는 MS와의 수신 신호 세기 (Received Signal Strength Indicator; RSSI)를 비교함으로써 MS의 위치를 추정하며, MS가 향하고 있는 방향이나 잡음을 포함한 환경 정보까지 위치 추정에 반영하기 때문에 높은 정확도를 제공한다[3].
- 사용자에게 제공하는 응용프로그램의 화면 구성은 사용자가 응용프로그램을 편리하게 사용할 수 있도록 구성되어야 한다. 따라서 제안하는 실내 위치 추정 알고리즘을 수행하는 응용프로그램 화면 구성을 [그림 6]과 같이 설계 하였다. 사용자 응용프로그램은 Fingerprinting의 Training 단계에서 사용하는 화면과 Positioning 단계에서 사용하는 화면으로 구성된다.
- [표 3]은 Ubisense 시스템으로 초기에 선정한 25개의 RP의 위치를 10번씩 측정한 후 계산한 평균값을 나타낸다. 또한, RP의 실제 위치 값과 Ubisense 시스템으로 측정하여 계산한 평균값의 차이 값을 계산하여 Ubisense 시스템의 특정 위치에서 나타나는 위치 값의 오차 정도를 데이터베이스에 구축하였다.
- 보정은 Ubisense 시스템에서 객체의 위치를 몇 차례 측정한 후 평균을 계산하고, 계산한 객체의 위치 측정값과 Training 단계에서 구축하여 데이터베이스에서 보관하고 있는 LOCATION_INFORMATION테이블의 UP 정보 값을 비교하여 Ubisense 시스템에서 측정한 객체의 위치와 거리가 가장 가까운 위치에서의 위치 상 측정 특징을 추출한다. 마지막으로 Ubisense 시스템에서 측정한 객체의 위치 값에서 나타나는 측정 특징을 적용시킴으로써 객체의 위치 보정을 완료한다.
- 본 모듈은 Fingerprinting의 Positioning 단계에서 활용하는 모듈로써 Ubisense Location Estimation 모듈에서 측정한 객체의 위치 측정 평균값을 활용하고, Environment Information Collection 모듈에서 구축한 UP 정보를 활용하여 Ubisense Location Estimation 모듈에서 측정한 객체의 위치 값을 보정한다. 보정은 Ubisense 시스템에서 객체의 위치를 몇 차례 측정한 후 평균을 계산하고, 계산한 객체의 위치 측정값과 Training 단계에서 구축하여 데이터베이스에서 보관하고 있는 LOCATION_INFORMATION테이블의 UP 정보 값을 비교하여 Ubisense 시스템에서 측정한 객체의 위치와 거리가 가장 가까운 위치에서의 위치 상 측정 특징을 추출한다. 마지막으로 Ubisense 시스템에서 측정한 객체의 위치 값에서 나타나는 측정 특징을 적용시킴으로써 객체의 위치 보정을 완료한다.
- 본 논문에서 제안하는 실내 위치 추정 알고리즘에 사용되는 실내 위치 추정 시스템은 위치 추정 정밀도가 우수한 UWB(Ultra WideBand)기반의 위치 추정 시스템으로 국한한다. 알고리즘은 Training 단계와 Positioning 단계로 구성된다.
- 측정값들의 편차를 줄임으로써 데이터베이스에 구축한 Ubisense 시스템의 위치 측정 특징 정보를 검색할 때 보다 정확한 정보를 검색할 수 있다. 본 논문에서 제안하는 실내 위치 추정 알고리즘은 Ubisense 시스템에서 측정 반복 횟수를 1회, 5회, 10회 측정한 후 각각의 평균값으로 거리 상 가장 가까운 UP 위치를 선정하여, 선정한 UP 위치에서 나타나는 Ubisense 시스템의 위치 측정 특징을 적용하여 위치 정보를 보완하도록 한다. 실내 위치 추정 알고리즘을 실험하기 위한 첫 번째 실험은, Training 단계에서 구축한 25개의 RP 중에서 선정한 5개의 위치를 Ubisense 시스템으로 측정한 후 측정한 위치 값을 보정하는 것이다.
- 본 논문에서 제안하는 실내 위치 추정 알고리즘은 사용자의 편의를 위하여 응용 프로그램을 개발하였다. 개발한 응용 프로그램에서는 데이터베이스에 환경 정보 구축을 할 수 있고, 데이터베이스에 구축된 정보를 활용하여 위치 추정 시스템에서 측정한 위치 정보를 보정할 수 있다.
- 본 논문에서 제안하는 실내 위치 추정 알고리즘은 응용프로그램에서 Training 단계와 Positioning 단계를 수행할 수 있도록 구성하였다. 사용자에게 제공하는 응용프로그램의 화면 구성은 사용자가 응용프로그램을 편리하게 사용할 수 있도록 구성되어야 한다.
- 본 논문에서는 실내 환경에서 Ubisense 시스템을 이용하여 측정한 객체의 위치 값을 Fingerprinting을 활용하여 보정함으로써 객체의 위치 추정 정확도를 향상시키는 알고리즘을 제안한다. 일반적으로 Fingerprinting은 Training 단계에서 각 RP로부터 RSSI 값을 수집하여 데이터베이스에 구축하고 Positioning 단계에서는 Training 단계에서 구축한 데이터베이스 정보를 활용하여 객체의 위치를 추정하는 반면, 본 논문에서 제안하는 알고리즘의 Training 단계에서는 각 RP의 실제 위치 값과 Ubisense 시스템으로부터 측정한 객체의 위치 값을 이용하여 실제 위치 값과 측정 위치 값의 차이를 데이터베이스의 정보로 구축하고 Positioning 단계에서는 Training 단계에서 구축한 데이터베이스 값으로 Ubisense 시스템으로부터 측정한 객체의 위치 값을 보정하여 객체의 위치 추정 정확도를 향상시키는 방법이다.
- 본 논문에서는 실내 환경에서 위치 추정 시스템이 올바르게 설치되지 않아 객체의 위치 추정 정확도가 낮은 환경일 경우, 위치 추정시스템이 올바르게 설치가 될 때까지 위치 추정 시스템을 반복적으로 재설치 해야 하는 비용을 감소시키고, 위치 추정 시스템에서 측정된 위치정보를 보정함으로써 위치 추정 정확도를 높일 수 있는 실내 위치 추정 알고리즘을 제안한다.
- 본 모듈은 Fingerprinting의 Positioning 단계에서 활용하는 모듈로써 Ubisense Location Estimation 모듈에서 측정한 객체의 위치 측정 평균값을 활용하고, Environment Information Collection 모듈에서 구축한 UP 정보를 활용하여 Ubisense Location Estimation 모듈에서 측정한 객체의 위치 값을 보정한다. 보정은 Ubisense 시스템에서 객체의 위치를 몇 차례 측정한 후 평균을 계산하고, 계산한 객체의 위치 측정값과 Training 단계에서 구축하여 데이터베이스에서 보관하고 있는 LOCATION_INFORMATION테이블의 UP 정보 값을 비교하여 Ubisense 시스템에서 측정한 객체의 위치와 거리가 가장 가까운 위치에서의 위치 상 측정 특징을 추출한다.
- 본 모듈은 Fingerprinting의 Training 단계에서 활용하는 모듈로써 위치 추정에 필요한 정보를 데이터베이스에 구축하는 역할을 수행한다. Training 단계에서는 RP의 실제 위치 값과 Ubisense 시스템에서 RP의 위치를 몇 차례 측정한 후 계산한 평균값, RP의 실제 위치 값과 계산된 평균값의 차이 값으로 데이터베이스를 구축한다.
- 따라서 제안하는 실내 위치 추정 알고리즘을 수행하는 응용프로그램 화면 구성을 [그림 6]과 같이 설계 하였다. 사용자 응용프로그램은 Fingerprinting의 Training 단계에서 사용하는 화면과 Positioning 단계에서 사용하는 화면으로 구성된다.
- 실내 위치 추정 알고리즘을 실험하기 위한 첫 번째 실험은, Training 단계에서 구축한 25개의 RP 중에서 선정한 5개의 위치를 Ubisense 시스템으로 측정한 후 측정한 위치 값을 보정하는 것이다. 실내 위치 추정 알고리즘을 실험하기 위한 두 번째 실험은, 임의로 선정한 5개의 위치를 Ubisense 시스템으로 측정한 후 측정한 위치 값을 보정한다. [표 4]는 첫 번째 실험에서 선정한 RP 식별자의 실제 위치 값을 나타낸다.
- 본 논문에서 제안하는 실내 위치 추정 알고리즘은 Ubisense 시스템에서 측정 반복 횟수를 1회, 5회, 10회 측정한 후 각각의 평균값으로 거리 상 가장 가까운 UP 위치를 선정하여, 선정한 UP 위치에서 나타나는 Ubisense 시스템의 위치 측정 특징을 적용하여 위치 정보를 보완하도록 한다. 실내 위치 추정 알고리즘을 실험하기 위한 첫 번째 실험은, Training 단계에서 구축한 25개의 RP 중에서 선정한 5개의 위치를 Ubisense 시스템으로 측정한 후 측정한 위치 값을 보정하는 것이다. 실내 위치 추정 알고리즘을 실험하기 위한 두 번째 실험은, 임의로 선정한 5개의 위치를 Ubisense 시스템으로 측정한 후 측정한 위치 값을 보정한다.
- Training 단계에서는 실내 환경에서 참조 위치를 설정한 후 설치되어 있는 위치 추정 시스템을 사용하여 참조 위치에서의 위치 값을 얻는다. 실내 환경에 설치된 위치 추정 시스템으로부터 측정된 위치 값과 실제 위치 값의 차이를 데이터베이스에 구축한다. Positioning 단계에서는 위치 추정 시스템으로부터 객체의 위치를 측정하고, 측정한 객체의 위치 값과 가장 가까운 위치를 데이터베이스에서 추출한 후 추출한 위치에서 나타나는 측정 특징을 이용하여 측정 위치 값을 보정함으로써 객체의 위치를 보정한다.
- Y좌표값은 [그림 7]의 기준점을 원점으로 하였기 때문에, 양수와 음수가 존재한다. 실내위치 추정 시스템은 UWB기반인 Ubisense 시스템을 설치하였고, 4개의 센서와 한 개의 태그를 활용하여 객체의 위치를 추정하였다.
- 제안하는 실내 위치 추정 알고리즘의 성능 평가를 위한 실험은 한밭대학교 정보통신 전문대학원 건물 5층 511호에서 실시하였으며, Ubisense 센서와 태그간의 장애물이 존재하지 않는 가시선 환경(Line-Of-Sight: LOS)에서 데이터베이스를 구축하고, 위치 추정 실험을 실시하였다.
대상 데이터
- 본 실험 정보는 25개의 RP 중에 선정한 5개의 RP에서 Ubisense 시스템으로 위치 값을 측정하고 보정한 결과를 나타낸다. [표 6]은 위치 값을 나타내고 [표 7]은 거리오차 값을 나타낸다.
- 본 실험 정보는 임의로 선정한 5개의 위치인 RD에서 Ubisense 시스템으로 위치값을 측정하고 보정한 결과를 나타낸다. [표 8]은 실험한 위치 값을 나타내고 [표 9]는 실험한 거리오차 값을 나타낸다.
- 실험 위치는 25개의 RP중에 5개를 선정하였고, 임의의 위치를 5개 선정하였다. 선정한 위치는 [그림 7]에서 확인할 수 있다.
- 실험 장소의 면적은 5.95 × 6.98m2이고 Training 단계에서 데이터베이스에 구축해야 하는 정보인 RP를 25개 선정하였으며, 기준점을 원점으로 하여 실제 위치를 측정하고 기록하였다.
데이터처리
- Training 단계에서 UP의 위치 값을 삽입할 때 Ubisense Company에서 제공하는 소프트웨어와 Microsoft .NET기반의 API 및 예제 소스를 활용하여 개발한 응용 프로그램을 사용하여 객체의 위치 값을 몇 차례 측정하고 측정한 값들의 평균값을 계산한다.
성능/효과
- 즉, Ubisense 시스템에서 측정한 객체의 위치 값보다 제안하는 실내 위치 추정 알고리즘을 적용하여 보정한 위치추정 값의 거리 오차를 최소 5cm, 최대 46cm정도 줄임으로써 위치 추정 정확도가 향상됨을 확인할 수 있다. 또한, 본 실험에서 X좌표와 Y좌표, Z좌표 모두 위치 정보가 보정된 것을 확인할 수 있었고, 좌표 정보 중 Z좌표 정보가 뛰어나게 보정됨을 확인할 수 있다. 본 실험을 통하여 알 수 있는 또 한 가지는 위치 보정 값의 정확도 향상이 Ubisense 시스템에서 측정하는 반복 횟수에는 영향을 받지 않는 것이다.
- 즉, Ubisense 시스템에서 측정한 객체의 위치 값보다 제안하는 실내 위치 추정 알고리즘을 적용하여 보정한 위치 값의 거리 오차를 최소 6cm, 최대 38cm정도 줄임으로써 정확도를 향상시켰음을 확인할 수 있다. 또한, 본 실험에서도 Z좌표 정보가 우수하게 보정됨을 확인할 수 있다.
- 본 실험에서도 위치 보정 값의 정확도 향상이 Ubisense 시스템에서 측정하는 반복 횟수에는 영향을 받지 않는것을 알 수 있다. 본 실험을 통하여 5개의 RP에서 측정한 위치 정보의 정확도가 임의의 위치에서 측정하여 보정한 위치 정보의 정확도보다 비교적으로 우수한 것을 확인할 수 있다.
- 본 실험에서도 위치 보정 값의 정확도 향상이 Ubisense 시스템에서 측정하는 반복 횟수에는 영향을 받지 않는것을 알 수 있다. 본 실험을 통하여 5개의 RP에서 측정한 위치 정보의 정확도가 임의의 위치에서 측정하여 보정한 위치 정보의 정확도보다 비교적으로 우수한 것을 확인할 수 있다.
- Training단계를 완료한 후 본 화면에서 객체의 위치를 추정할 수 있도록 하였다. 사용자는 알고리즘의 성능평가를 위하여 객체의 실제 위치 값을 입력함으로써 Ubisense 시스템에서 측정한 객체의 위치 오차 정보와 측정값을 보정한 위치 오차 정보를 확인할 수 있다. 사용자는 “Ubisense System 위치 측정”에서 1차로 객체의 위치를 몇 차례 수집하여 평균값을 계산한 후 “위치 보정”을 통하여 Ubisense 시스템에서 측정한 값을 보정할 수 있다.
- 개발한 응용 프로그램에서는 데이터베이스에 환경 정보 구축을 할 수 있고, 데이터베이스에 구축된 정보를 활용하여 위치 추정 시스템에서 측정한 위치 정보를 보정할 수 있다. 이러한 역할을 수행하는 응용 프로그램을 활용하여 본 논문에서 제안하는 실내 위치 추정 알고리즘을 적용한 결과 실내 위치 추정 시스템으로 측정한 위치 정확도를 향상할 수 있었으며, 특히 3차원 정보인 Z좌표의 정확도를 향상할 수 있었다.
- [표 8]과 [표 9], [그림 9]에서 볼 수 있듯이 5개의 RD에서 Ubisense 시스템으로 위치를 측정하여 보정한 값들은 정확도가 향상된 것을 볼 수 있다. 즉, Ubisense 시스템에서 측정한 객체의 위치 값보다 제안하는 실내 위치 추정 알고리즘을 적용하여 보정한 위치 값의 거리 오차를 최소 6cm, 최대 38cm정도 줄임으로써 정확도를 향상시켰음을 확인할 수 있다. 또한, 본 실험에서도 Z좌표 정보가 우수하게 보정됨을 확인할 수 있다.
- [표 6]과 [표 7], [그림 8]에서 볼 수 있듯이 5개의 RP에서 Ubisense 시스템으로 위치를 측정하여 보정한 값들은 정확도가 매우 우수하게 향상된 것을 볼 수 있다. 즉, Ubisense 시스템에서 측정한 객체의 위치 값보다 제안하는 실내 위치 추정 알고리즘을 적용하여 보정한 위치추정 값의 거리 오차를 최소 5cm, 최대 46cm정도 줄임으로써 위치 추정 정확도가 향상됨을 확인할 수 있다. 또한, 본 실험에서 X좌표와 Y좌표, Z좌표 모두 위치 정보가 보정된 것을 확인할 수 있었고, 좌표 정보 중 Z좌표 정보가 뛰어나게 보정됨을 확인할 수 있다.
- 이 때 사용자는 사용자 응용프로그램에서 측정 횟수를 정할 수 있기 때문에, 측정 횟수를 크게 설정함으로써 측정값들의 편차를 줄일 수 있다. 측정값들의 편차를 줄임으로써 데이터베이스에 구축한 Ubisense 시스템의 위치 측정 특징 정보를 검색할 때 보다 정확한 정보를 검색할 수 있다. 본 논문에서 제안하는 실내 위치 추정 알고리즘은 Ubisense 시스템에서 측정 반복 횟수를 1회, 5회, 10회 측정한 후 각각의 평균값으로 거리 상 가장 가까운 UP 위치를 선정하여, 선정한 UP 위치에서 나타나는 Ubisense 시스템의 위치 측정 특징을 적용하여 위치 정보를 보완하도록 한다.
후속연구
- 향후 연구에서는 본 논문에서 제안하는 알고리즘을 기반으로 주변 환경 변화를 스스로 인지하여 대처할 수 있고, 비가시 환경에서도 높은 위치 추정 정확도를 보일 수 있도록 제안하는 알고리즘의 개선이 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.