선박의 WLAN 환경에서 K-최근접 이웃 알고리즘 기반 Fingerprinting 방식을 적용한 위치 추정 방법 Location Estimation Method Employing Fingerprinting Scheme based on K-Nearest Neighbor Algorithm under WLAN Environment of Ship원문보기
GPS 신호가 도달하지 않는 실내 환경에서 위치를 추정하는 연구는 지금까지 많이 이루어져 왔다. 또한 추정 기법도 여러 가지 기법들이 제안되었다. 본 논문에서는 다층 구조의 선박에서 위치를 추정하는 문제를 심도있게 고찰하였고 K-최근접 이웃 알고리즘 기반 Fingerprint 기법에 의한 위치 추정 방법에 대해 알아보았다. Fingerprint 기법을 쓰기 위해 39개의 RP에서 각각 N=100회의 수신신호를 측정함으로써 신뢰성 있는 DB를 구축하였고 이를 토대로 임의의 위치에 있는 단말기의 위치를 추정하는 모의실험을 하였다. 모의실험을 통해 Fingerprint 기법에 의한 위치 추정 성능은 아주 우수함을 알 수 있었다.
GPS 신호가 도달하지 않는 실내 환경에서 위치를 추정하는 연구는 지금까지 많이 이루어져 왔다. 또한 추정 기법도 여러 가지 기법들이 제안되었다. 본 논문에서는 다층 구조의 선박에서 위치를 추정하는 문제를 심도있게 고찰하였고 K-최근접 이웃 알고리즘 기반 Fingerprint 기법에 의한 위치 추정 방법에 대해 알아보았다. Fingerprint 기법을 쓰기 위해 39개의 RP에서 각각 N=100회의 수신신호를 측정함으로써 신뢰성 있는 DB를 구축하였고 이를 토대로 임의의 위치에 있는 단말기의 위치를 추정하는 모의실험을 하였다. 모의실험을 통해 Fingerprint 기법에 의한 위치 추정 성능은 아주 우수함을 알 수 있었다.
Many studies have been made on location estimation under indoor environments which GPS signals do not reach, and, as a result, a variety of estimation methods have been proposed. In this paper, we deeply consider a problem of location estimation in a ship with a multi-story structure, and investigat...
Many studies have been made on location estimation under indoor environments which GPS signals do not reach, and, as a result, a variety of estimation methods have been proposed. In this paper, we deeply consider a problem of location estimation in a ship with a multi-story structure, and investigate a location estimation method using the fingerprint scheme based on the K-Nearest Neighbor algorithm. A reliable DB is constructed by measuring 100 received signals at each of 39 RPs in order to employ the fingerprint scheme, and, based on the DB, a simulation to estimate the location of a randomly-positioned terminal is performed. The simulation result confirms that the performance of location estimation by the fingerprint scheme is quite satisfactory.
Many studies have been made on location estimation under indoor environments which GPS signals do not reach, and, as a result, a variety of estimation methods have been proposed. In this paper, we deeply consider a problem of location estimation in a ship with a multi-story structure, and investigate a location estimation method using the fingerprint scheme based on the K-Nearest Neighbor algorithm. A reliable DB is constructed by measuring 100 received signals at each of 39 RPs in order to employ the fingerprint scheme, and, based on the DB, a simulation to estimate the location of a randomly-positioned terminal is performed. The simulation result confirms that the performance of location estimation by the fingerprint scheme is quite satisfactory.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그림 1과 같이 GPS 신호가 도달하지 않는 선박의 실내 환경에서 단말기의 위치를 추정하는 문제를 생각해보자. 첫째는 실내 네트워크 환경을 어떤 통신방식으로 구성해야 할 것인가와 그에 따른 장비의 간소화는 어떠한가를 생각해 보야 한다.
더 구체적으로 두 개 이상의 AP를 써서 AP로부터 단말로 전파되어 오는 신호의 세기를 측정하여 위치를 추정하는 방법을 알아보자. Fingerprint 추정은 두단계로 이루어지는데 첫 번째 단계는 Database Correlation을 구축하는 과정이고 두 번째 단계는 임의의 위치에 있는 단말의 위치를 추정하는 Estimation 과정이다.
이는 선박내에서 단말기의 위치에 대한 의미가 정확히 어느 지점에 있는가가 아니라 어느 공간에 있는가가 중요하기 때문이다. 따라서, 본 논문에서 Fingerprint 방법을 쓴 평면상의 위치를 추정하는 문제를 다룬다.
본 논문에서는 GPS 신호가 도달하지 않는 선박의 실내 환경에서 위치를 추정하는 문제를 고찰하였다. 추정방법으로는 K-최근접 이웃 알고리즘 기반 Fingerprint 기법에 의한 위치 추정 방법을 적용하였다.
이는 직선을 x축 상에 놓으면 r은 x가 되기 때문에 AP가 원점에 있다고 가정하면 x의 거리를 추정하는 문제로 생각할 수 있다. 이제 직선상의 추정 문제를 평면상의 추정문제로 확대해 보자. 이는 임의의 (x, y)지점에서 두 개의 AP로부터 거리를 변수 r′과 r″ 으로 표기하면 (2)와 (3)을 얻을 수 있다.
제안 방법
Fingerprint 기법을 쓰기 위해 가로 25m × 세로 4m인 공간을 만들고 1m간격으로 39개의 RP를 배치하고 두 개의 AP가 설치되어 있는 장소에서 단말로 Samsung 노트북 R530을 써서 실험을 하였다. 39개의 RP에서 각각 N = 100회의 수신신호를 측정함으로써 신뢰성 있는 DB를 구축하였고 이를 토대로 (7.5, 0.7) 위치에 단말기가 있을 때 위치를 추정하는 모의실험을 하였다. 모의실험 결과 x방향의 추정값은 # 이었고, y방향의 추정값은 ŷ = 0.
WLAN 환경에서 AP1과 AP2로부터 각 RP로 들어오는 신호의 세기를 Netstumbler를 써서 1초 단위로 100회를 측정하였다. 각 RP에서 측정된 값으로부터 #와 #를 구하여 표 1과 같이 DB화 하였다.
선박의 실내 환경에서 Fingerprint 기법을 적용하여 위치를 추정하는 문제를 모의실험을 통해 검증하였다. 선박의 실내 환경과 유사하게 가로 25m × 세로 4m인 공간을 만들고 1m간격으로 39개의 RP를 배치하고 두 개의 AP가 설치되어 있는 장소에서 단말로 Samsung 노트북 R530을 써서 실험을 하였다.
대상 데이터
Fingerprint 기법을 쓰기 위해 가로 25m × 세로 4m인 공간을 만들고 1m간격으로 39개의 RP를 배치하고 두 개의 AP가 설치되어 있는 장소에서 단말로 Samsung 노트북 R530을 써서 실험을 하였다.
선박의 실내 환경과 유사하게 가로 25m × 세로 4m인 공간을 만들고 1m간격으로 39개의 RP를 배치하고 두 개의 AP가 설치되어 있는 장소에서 단말로 Samsung 노트북 R530을 써서 실험을 하였다.
이론/모형
본 논문에서는 GPS 신호가 도달하지 않는 선박의 실내 환경에서 위치를 추정하는 문제를 고찰하였다. 추정방법으로는 K-최근접 이웃 알고리즘 기반 Fingerprint 기법에 의한 위치 추정 방법을 적용하였다. Fingerprint 기법을 쓰기 위해 가로 25m × 세로 4m인 공간을 만들고 1m간격으로 39개의 RP를 배치하고 두 개의 AP가 설치되어 있는 장소에서 단말로 Samsung 노트북 R530을 써서 실험을 하였다.
성능/효과
모의실험을 통해 알 수 있는 사실은 선박의 환경에서는 정확한 위치보다는 어느 공간에 단말을 갖고 있는 선원이 있는가를 아는 것이 중요하기 때문에, 이런 관점에서 보았을 때 추정 성능은 대체적으로 우수함을 알 수 있었고, 비교적 적은 무선 장비를 사용하는 Fingerprint 기법을 적용하여 위치를 추정하는 것에 대한 타당성을 검증할 수 있었다.
둘째는 위치 추정의 정확도는 어느정도 수준인가를 생각해 보아야 한다. 셋째는 선박의 환경에서 위치 추정은 평면상의 추정문제인가 아니면 공간상의 추정문제인가를 생각해 보아야 한다.
이러한 이유 때문에 주변정보의 DB화에 의해 단말의 위치를 추정하는 Fingerprint 방식을 선택하는 것이 타당성이 있다고 할 수 있다. 셋째의 관점에서는 선박은 여러개의 층으로 구성되어 있고 각 층은 두꺼운 철판으로 막혀있는 공간이 상대적으로 많다는 특성을 갖고 있기 때문에 이러한 다층 구조의 환경에서 단말기의 위치 추정은 매우 어려운 문제로 생각할 수 있다는 것이다. 이를 정확하게 보면 각 층마다 평면상의 추정이 아닌 공간상의 3차원 추정 문제로 접근해야 한다는 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
GPS는 어떤 방법인가?
위치를 추정하는 일반적인 방법은 GPS(Global Positioning System)를 이용하는 방법이다. GPS는 3개 이상의 위성을 이용하여 삼각측량법에 의해 추정하는 방법이다. 그런데 GPS 신호가 도달하지 않는 환경에서는 무선신호를 이용하여 위치를 추정한다.
GPS 신호가 도달하지 않는 선박의 실내 환경에서 단말기의 위치를 추정하려면 어떤 것을 생각해야 하는가?
그림 1과 같이 GPS 신호가 도달하지 않는 선박의 실내 환경에서 단말기의 위치를 추정하는 문제를 생각해보자. 첫째는 실내 네트워크 환경을 어떤 통신방식으로 구성해야 할 것인가와 그에 따른 장비의 간소화는 어떠한가를 생각해 보야 한다. 둘째는 위치 추정의 정확도는 어느정도 수준인가를 생각해 보아야 한다. 셋째는 선박의 환경에서 위치 추정은 평면상의 추정문제인가 아니면 공간상의 추정문제인가를 생각해 보아야 한다.
AOA 기법은 무엇인가?
도심지의 실내 환경이거나 밀폐된 환경에서 이루어지는 위치 추정방법으로는 AOA(Angle of Arrival), TOA(Time of Arrival), TDOA(Time Difference of Arrival), RSS(Received Signal Strength), Fingerprint 방식이 있다. AOA 기법은 두 개 이상의 AP를 써서 단말기로부터 들어오는 신호의 방향, 즉, θ1, θ2, ⋯, θn를 추정하여 위치를 찾는 방법이고. TOA 기법은 AP를 중심으로 반지름 r1, r2, ⋯, rn을 갖는 원을 그려 모든 원들이 교차하는 지점을 추정하는 방법이다.
참고문헌 (18)
Jang Jae Lee, Jang Woo Kwon, Min A Jung, Seong Ro Lee, "Fingerprinting Bayesian Algorithm for Indoor Location Determination," The Journal of Korea Information and Communications Society, Vol.35, No. 6, pp.888-894. 2010.06.
Jang Jae Lee, Min A Jung, Seong Ro Lee, Iick-Ho Song, "KNN/ANN Hybrid Location Determination Algorithm for Indoor Location Base Service," The Journal of Institute Of Electronics And Information Engineers, Vol. 48, No.2, pp.109-115. 2011.03.
Jang Jae Lee, Lick Ho Song, Jong Hwa Kim, Seong Ro Lee, "Optimized KNN/IFCM Algorithm for Efficient Indoor Location," The Journal of Institute Of Electronics And Information Engineers, Vol. 48, No.2, pp.125-133. 2011.03.
Jang Jae Lee, Min A Jung, Seong Ro Lee, "KNN/PFCM Hybrid Algorithm for Indoor Location Determination in WLAN," The Journal of Institute Of Electronics And Information Engineers, Vol. 47, No.6, pp.146-153. 2010.11.
Hyeong-Gon Jo, Seol-Young Jeong, Soon-Ju Kang, "Enhanced Accurate Indoor Localization System Using RSSI Fingerprint Overlapping Method in Sensor Network," The Journal of Korea Information and Communications Society, Vol.37C, No.08, pp.731-740. 2012.08.
Taehoon Kim, Sungwoo Tak, "Modeling and Performance Evaluation of AP Deployment Schemes for Indoor Location-Awareness," Journal of the Korea Institute of Information and Communication Engineering, Vol.17, No.4, pp.847-856, 2013.03.
Jae-Young Cha, Young-Bae Kong, Jeung-Won Choi, Jong-Hwan Ko, Young-Goo Kwon, "IEEE 802.15.4a based Localization Algorithm for Location Accuracy Enhancement in the NLOS Environment," Journal of the Korea Institute of Information and Communication Engineering, Vol.16, No.8, pp.1789-1798. 2012.05.
Sanghyun Son, Hoon Choi, Hyuntae Cho, Yunju Baek, "Location Information Reliability-Based Precision Locating System Using NLOS Condition Estimation," The Journal of Korea Information and Communications Society, Vol.38C, No.01, pp.97-108. 2013.01.
I. Amundson, J. Sallai, X. Koutsoukos and A. Ledeczi, M. Maroti, " RF angle of arrival-based node localisation," Int. J. Sensor Networks, Vol. 9, Nos. 3/4, 2011, pp.209-224, Nos. 3/4, 2011.
Ravindra S and Jagadeesha S N, "TIME OF ARRIVAL BASED LOCALIZATION IN WIRELESS SENSOR NETWORKS: A LINEAR APPROACH," Signal & Image Processing : An International Journal (SIPIJ) Vol.4, No.4, , pp. 13-30. August 2013.
Cong, L. and Weihua Zhuang, "Non-line-of-sight error mitigation in TDOA mobile location," IEEE Global Telecommunications Conference, volume: 1, pp. 680-684. 2001.
Kamol K. and Prashant K., "Properties of Indoor Received Signal Strength for WLAN Location Fingerprinting," IEEE First Annual International Conference on Mobile and Ubiquitous Systems: Networking and Services (Mobi Quitous'04)
Yujin Lim, Jaesung Park, and Sanghyun Ahn, "A Geometric Approach for the Indoor Localization System," The Journal of Institute Of Electronics And Information Engineers Vol.45 TC No.12 , 2008. 12, pp. 1058-1065.
Daye Ahn, Rhan Ha, "Indoor Localization Methodology Based on Smart Phone in Home Environment," The Journal of Korea Information and Communications Society '14-04 Vol.39C No.04, pp. 315-325.
Sung-hyun Wooo, Hyun-sik Jeon, Hyun-ju Park, "A Study on NLOS Error Solution Method in Indoor Location Estimate," Korea Computer Conference Vol. 33, No. 1(D), pp.178-180, 2006
Solomon Chan, Gunho Sohn, "INDOOR LOCALIZATION USING WI-FI BASED FINGERPRINTING AND TRILATERATION TECHIQUES FOR LBS APPLICATIONS," International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXVIII-4/C26. May 16-17, 2012,
Jun MA, Xuansong LI, Xianping TAO and Jian LU, "Cluster Filtered KNN:A WLAN-Based Indoor Positioning Scheme," WOWMOM '08 Proceedings of the 2008 International Symposium on a World of Wireless, Mobile and Multimedia Networks, 23-26 June 2008
S. Papadopoulos, S. Bakiras, D. Papadias, "Nearest Neighbor Search with Strong Location Privacy," The 36th International Conference on Very Large Data Bases, pp.619-629, September 13,2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.