$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

스마트 폰 기반의 가정환경 내 사용자 공간 위치 예측 기법
Indoor Localization Methodology Based on Smart Phone in Home Environment 원문보기

한국통신학회논문지. The Journal of Korea Information and Communications Society. 통신이론 및 시스템, v.39C no.4, 2014년, pp.315 - 325  

안다예 (Hongik University, Dept. of Computer Engineering, Real-time System Lab.) ,  하란 (Hongik University, Dept. of Computer Engineering, Real-time System Lab.)

초록
AI-Helper 아이콘AI-Helper

유비쿼터스 환경에서 실내 공간의 사용자 위치정보는 다양한 응용분야에서 사용자에 특화된 서비스를 제공하는데 필요한 필수적인 정보이기 때문에 매우 중요하다. 기존연구들은 규모가 큰 건물에서의 사용자 위치 예측만 고려하고 있고 실험 대상이 되는 공간에서 고정된 AP가 다수 존재한다고 가정한다. 그러나 일반 가정은 면적이 좁은 공간들로 구성되며 고정된 AP가 소수이고 변화가 유동적인 환경이다. 본 논문에서는 기존 연구들이 AP환경이 비교적 안정적인 큰 건물에서의 사용자 위치 예측에 집중한 것과 달리, 일반 가정환경에서 와이파이 핑거프린트 방식을 기반으로 하여 공간을 식별하고 사용자의 위치를 Room-level로 예측하는 사용자 공간 예측 시스템을 제안한다. 실제 가정에서 실험을 한 결과 제안하는 시스템이 모든 가정에서 평균 80%이상의 정확도로 사용자가 위치한 공간을 예측함을 알 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In ubiquitous environment, User's location information is very important to serve personalized service to user. Previous works consider only User's locations in the big buildings and assume APs are fixed. Normal home environment, However, is consists of small spaces. And the state of APs is highly f...

주제어

#Indoor Localization   #Wi-Fi Fingerprint   #Topic Modeling   #GMM   #Smartphone  

질의응답

핵심어 질문 논문에서 추출한 답변
가정환경에서의 에너지 관리를 위해서는 무엇이 필수적인가? 실내공간의 사용자 위치정보는 에너지 관리를 위한스마트 홈, 홈 메디컬 등 다양한 분야에서 사용자에 특화된 서비스를 제공하는데 필요한 사용자 컨텍스트 정보 중 하나이다. 특히 가정환경에서의 에너지 관리를 위해서는 실내 공간, 사용자, 전자제품 사이의 관계를 유추하는 것이 필수적이고 이를 위해서 가장 먼저 선행되어야 할 것은 실내 공간에서의 사용자 위치를 예측하는 것이다. 여기서 실내 공간의 사용자 위치는 사용자가 어떤 독립적인 기능을 갖는 공간에 위치하는지 예측하는 것을 의미한다.
일반 가정환경에서 사용자 위치를 예측하기 위해서는 유동적인 AP환경의 변화에도 적응 할 수 있는 다른 접근방법이 필요한 이유는 무엇인가? 그러나 두 연구에서는 모두 와이파이 핑거프린트로 사용자 위치를 예측하기 위해 사용하는 AP들의 정확한 위치를 알고 있고 AP들의 위치가 고정되어있다고 가정한다. 그러나 상대적으로 크기가 작고 각 공간들이 명확하게 구분되지 않는 일반 가정은 대형 건물에 비해 설치된 AP 성능이 떨어지며 수집되는 AP의 개수나 세기와 설치된 위치가 유동적인 환경이다. 따라서 일반 가정환경에서 사용자 위치를 예측하기 위해서는 유동적인 AP환경의 변화에도 적응 할 수 있는 다른 접근방법이 필요하다.
실내 공간에서 사용자 위치를 예측하는 연구가 활발하게 진행되는 이유는 무엇인가? 위치정보를 이용하면 독립적인 기능을 갖는 여러 공간과 그 공간에 위치하는 사용자들 사이의 관계를 유추 할 수 있는 등 다양하게 활용될 수 있다. 유비쿼터스를 실현하기 위해 사용자 위치정보를 얻는 것은 매우 중요하기 때문에 최근 실내 공간에서 사용자 위치를 예측하는 연구가 활발하게 진행되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (23)

  1. L. M. Ni, Y. Liu, Y. C. Lau, and A. P. Patil, "LANDMARC: Indoor location sensing using RFID," Wirel. Netw., vol. 10, no. 6, pp. 701-710, 2004. 

    상세보기 crossref

  2. A. Athalye, V. Savic, M. Bolic and P. M. Djuric, "A novel semi-passive RFID system for indoor localization," Sensors J. IEEE, vol. 13, no. 2, pp. 528-537, Feb. 2013. 

    상세보기 crossref

  3. M. Minami, Y. Fukuju, K. Hirasawa, S. Yokoyama, M. Mizumachi, H. Morikawa, and T. Aoyama, "DOLPHIN: A practical approach for implementing a fully distributed indoor ultrasonic positioning system," UbiComp 2004, Ubiquitous Computing, pp. 347-365, 2004. 

  4. R. Want, A. Hopper, V. Falcao, and J. Gibbons, "The active badge location system," ACM Trans. Inf. Syst. (TOIS), vol. 10, no. 1, pp. 91-102, 1992. 

    상세보기 crossref

  5. N. B. Priyantha, A. Chakraborty, and H. Balakrishnan, "The cricket location-support system," in Proc. Int. conf. Mobile comput. netw., ACM, pp. 32-43, 2000. 

  6. S. Y. Seidel and T. S. Rappaport, "914 MHz path loss prediction models for indoor wireless communications in multifloored buildings," IEEE Trans. Antennas Propagation, vol. 40, no. 2, pp. 207-217, Feb. 1992. 

    상세보기 crossref

  7. K. Chintalapudi, A. Padmanabha Iyer, and V. N. Padmanabhan, "Indoor localization without the pain," in Proc. Int. conf. Mobile comput. netw., ACM, pp. 173-194, 2010. 

  8. P. Bahl and V. N. Padmanabhan, "RADAR: An in-building RF-based user location and tracking system," in Proc. IEEE INFOCOM 2000, Vol. 2, pp. 775-784, 2000. 

  9. P. Bahl, V. N. Padmanabhan, and A. Balachandran, Enhancements to the RADAR user location and tracking system, Microsoft Research, 2000. 

  10. M. Youssef and A. Agrawala, "The horus WLAN location determination system," in Proc. Int. conf. Mobile Syst., Appl., Serv., ACM, pp. 205-218, 2005. 

  11. M. Azizyan, I. Constandache and R. R. Choudhury, "SurroundSense: Mobile phone localization via ambience Fingerprinting," in Proc. Int. Conf. Mobile Comput. Netw., ACM, pp. 261-272, 2009. 

  12. A. Rai, K. K. Chintalapudi, V. N. Padmanabhan, and R. Sen, "Zee: Zero-effort crowdsourcing for indoor localization," in Proc. Int. Conf. Mobile Comput. Netw., ACM, pp. 293-304, 2012 

  13. O. B. Kwon and K. S. Kim, "The design and implementation of location information system using wireless fidelity in indoors," J. Digital Policy & Management, vol. 11, no. 4, pp. 243-249, Apr. 2013. 

    원문보기 상세보기 crossref

  14. H. Jeon, N. Kim, and H. Park, "A study on effective location determination system in indoor environment," J. KICS, vol. 34, no. 2, pp. 119-129, Feb. 2009. 

  15. J. Oh, "3D indoor postioning system based on smartphone," J. KICS, vol. 38C, no. 12, pp. 1126-1133, Dec. 2013. 

  16. H. Kim, J. Bae, and J. Choi, "Wireless LAN based indoor postioning using received signal fingerprint and propagation prediction model," J. KICS, vol. 38A, no. 12, pp. 1021-1029, Dec. 2013. 

    원문보기 상세보기 crossref

  17. Y. Jiang, X. Pan, K. Li, Q. Lv, R. P. Dick, M. Hannigan and L. Shang, "ARIEL: Automatic wi-fi based room fingerprinting for indoor localization," in ACM Ubicomp, pp. 441-450, Sept. 2012. 

  18. C. Wu, Z. Yang, Y. Liu, and W. Xi, "WILL: Wireless indoor localization without site survey," in Proc. IEEE INFOCOM, pp. 64-72, Mar. 2012. 

  19. Z. Yang, C. Wu and Y. Liu, "Locating in Fingerprint space: Wireless indoor localization with little human intervention," in Proc. Int. Conf. Mobile Comput. Netw., ACM,, pp. 269-280, Aug. 2012. 

  20. Weka 3: Data mMining Software in Java, Retrieved Dec. 1, 2013, from http://www.cs.w aikato.ac.nz/ml/weka/ 

  21. Stanford Topic Modeling Toolbox Retrieved Dec., 1, 2013, from http://nlp.stanford.edu/soft ware/tmt/tmt-0.4/ 

  22. S. Geisser, Predictive inference: an introduction, CRC Press, 1993. 

  23. T. T. Tanimoto, An elementary mathematical theory of classification and prediction, IBM Technical Report, 1958. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로