[논문]글로벌 실내 위치인식 및 실내.외 통합 내비게이션 시스템

한동수; 정석훈

초록
AI-Helper

최근 실내에서 사용할 수 있는 무선랜 신호의 증가와 스마트폰 사용자의 폭발적 증가로 무선랜 신호를 이용한 스마트폰의 실내 위치인식에 대한 요구가 커지고 있다. 본 고에서는 전 세계 실내 공간을 대상으로 위치정보를 제공하는 글로벌 실내 위치인식 및 실내,외 통합 내비게이션 서비스 실현에 요구되는 제반 환경과 요소 기술을 위치기술 스택이라는 틀을 통해서 소개한다. 아울러 사용자 참여 방식으로 글로벌 실내 위치인식 시스템을 구현하기 위한 KAIST Indoor Locating System(KAILOS)의 주요 구성 요소와 핵심 요소 기술, 그리고 KAILOS상에서 구현된 KAIST 캠퍼스 실내,외 통합 내비게이션 시스템에 대해서도 소개한다.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 고에서는 GIPS 구현에 필요한 핵심적인 요소들을 위치인식 기술스택의 틀을 통해서 소개하고, GIPS의 구체적인 실현을 위한 방안으로 개발된 크라우드소싱 GIPS인 KAILOS를 소개 하였다. 무선랜 신호에 기반한 완성도 높은 GIPS 실현에는 오랜 기간이 소요될 것으로 예상된다.
이러한 문제점을 해소할 목적으로 카이스트는 사용자 참여 방식으로 실내지도와 라디오맵을 수집하고, 이를 바탕으로 실내 위치정보를 제공하는 KAIST Indoor Locating System(KAILOS) 시스템을 개발하고 운영하고 있다[2]. 본 고에서는 KAILOS 시스템의 특성과 구성에 관해서도 소개한다.
각 위치인식 알고리즘은 정확도, 응답 속도, 그리고 구현의 복잡도 측면에서 장, 단점이 있고, 라디오맵의 정밀도에 따라서도 그 성능이 달라지는 특성이 있다. 본 고에서는 무선랜 신호를 기반으로 GIPS를 실현하기 위한 다양한 라디오맵 구축 방법을 소개하고 각 위치인식 알고리즘의 특성에 대해서도 라디오맵과 연계하여 설명한다.
실제로 현재 카이스트에서는 캠퍼스의 실내,외를 아우르는 내비게이션 시스템이 KAILOS상에서 개발되어 서비스되고 있다. 본 고에서는 카이스트 캠퍼스 내비게이션 서비스를 통해서 GIPS와 실내,외 통합 내비게이션 서비스가 가져다 줄 수 있는 편의성의 단면에 관해서도 살펴본다.

제안 방법

War-driving 에서는 무선랜 신호와 GPS 신호를 동시에 수집하는 기기를 차량에 탑재하고 도심의 주요 도로를 운행하면서 GPS 신호와 무선랜 신호를 수집한다. 무선랜 신호의 수집 지점은 함께 수집된 GPS 신호를 참조위치로 활용하여 라벨링한다. 실제로 스카이훅사는 이 방식을 사용하여 미국 주요 도시의 라디오맵을 구축하였고, 애플의 WiFi Positioning Service (WPS)에 적용되어 서비스되고 있다.
KAILOS는 실내지도와 라디오맵이 수집된 건물에 대해서 실내 위치정보 서비스와 함께 실내,외 통합 내비게이션 서비스를 제공한다. 이를 위해서 KAILOS는 KAI-Pos가 제공하는 실내 위치정보에 기반하여 구동되는 실내 내비게이션 시스템을 장착하고 이를 다시 실외 내비게이션 시스템과 통합시켜 실내,외 통합 내비게이션 시스템을 제공한다. 현재는 구글 실외 내비게이션 시스템과 SKT T-Map이 KAILOS 실내 내비게이션 시스템과 연동될 수 있다.
실내지도 그리고 라디오맵의 등록과 함께 약 4,000개에 달하는 KAIST의 교수 연구실, 강의실, 회의실 등의 POI 정보 또한 모두 등록하였다. 카이스트 실내,외 통합 캠퍼스 내비게이션 앱도 개발하여 구글 Play store를 통하여 배포하였다. KAIST 캠퍼스 실내,외 통합 내비게이션 시스템이 구축되고 앱이 배포됨으로써 카이스트 구성원과 방문자들은 처음 방문하는 건물의 경우에도 실내,외 구분 없이 길 안내를 받으며 손쉽게 목적지를 찾아가는 새로운 경험을 할 수 있다.

대상 데이터

KAILOS는 현재 대전 카이스트 캠퍼스에서 서비스 되고 있다. KAI-Navi 구축을 위해 캠퍼스에 위치한 약 40여개의 건물에 대한 실내지도를 등록하였으며, 라디오맵 구축을 위한 핑거프린트는 WS를 통해서 수집하였다. 실내지도 그리고 라디오맵의 등록과 함께 약 4,000개에 달하는 KAIST의 교수 연구실, 강의실, 회의실 등의 POI 정보 또한 모두 등록하였다.
<그림 3>은 라디오맵 구축을 포함한 코엑스 실내 위치인식 및 내비게이션 시스템 개발 과정을 보여주고 있다. 당시 코엑스 라디오맵 구축을 위하여 약 2주간 10여명의 수집 인원이 투입되었으며, 약 10km에 달하는 수집경로상에 설정된 1만 여 수집 지점에서 20만여개의 핑거프린트를 수집하였다. 하지만 PMC 방식은 라디오맵 구축에 지나치게 많은 시간과 비용이 소요되는 단점이 있다.
신호수집계획이 완료되면 해당 건물의 해당 층에서 신호를 수집할 수 있다. 수집자는 KAILOS에서 제공하는 WS용 신호수집 툴을 사용하여 계획된 경로를 따라 천천히 움직임으로써 신호를 수집한다. 수집이 완료된 신호는 모아져 KAILOS에 송신된다.
KAI-Navi 구축을 위해 캠퍼스에 위치한 약 40여개의 건물에 대한 실내지도를 등록하였으며, 라디오맵 구축을 위한 핑거프린트는 WS를 통해서 수집하였다. 실내지도 그리고 라디오맵의 등록과 함께 약 4,000개에 달하는 KAIST의 교수 연구실, 강의실, 회의실 등의 POI 정보 또한 모두 등록하였다. 카이스트 실내,외 통합 캠퍼스 내비게이션 앱도 개발하여 구글 Play store를 통하여 배포하였다.

성능/효과

구체적으로 KAI-Navi는 실내에서 수신되는 주변의 음향과 실외에서 수신되는 음향에 차이가 있다는 것에 착안하여 실외와 실내를 구분할 수 있는 음향 샘플을 채취하여 학습한 뒤 실내,외를 판단한다. 실험 결과 사용된 기법의 실내,외 위치 판별 정확도는 평균 90%를 상회하는 것으로 확인되었다. 판별에 소요되는 시간은 약 2.
WS 방식은 PMC 방식에 비해 수집되는 신호의 양이 현격하게 줄어들어 정확도 손실을 초래하긴 하지만 신호를 수집하는 비용과 시간을 대폭 절감하는 장점이 있다. 이 방식은 2014년 2차 코엑스 라디오맵 구축사업에 적용되었으며, 비교 결과 2010년도에 적용한 PMC 방식에 비해 약 90% 이상의 비용과 시간을 절감하는 효과가 있는 것으로 확인되었다.
확장된 Viterbi 알고리즘의 정확도를 대전 카이스트 N1 건물 7층에서 확인한 결과, kNN 방식에 비해 평균 약 30% 정도의 정확도 개선 효과가 있는 것으로 확인되었다. 이를 2014년 12월 말 코엑스 실내 위치인식 시스템에 실제로 적용하였을때에는, 라이오맵이 WS 방식으로 구축되었음에도 불구하고, 2010년 PMC 방식으로 구축된 라이오맵에서 구동된 Weighted kNN 방식의 위치인식 알고리즘을 사용한 결과보다 현격하게 개선된 정확도를 보이는 것으로 확인되었다. 또한 2014년 10월말 벡스코에서 개최된 Indoor Positioning and Indoor Navigation (IPIN 2014) 국제 학술대회의 Competition 세션에서도 8개국 10여 개의 참가 팀 중 유일하게 4m 대의 가장 우수한평균 오차 거리를 달성하여 KAI-Pos가 사용하고 있는 확장된 Viterbi 알고리즘의 우수성이 확인되었다<그림 10>.
확장된 Viterbi 알고리즘의 정확도를 대전 카이스트 N1 건물 7층에서 확인한 결과, kNN 방식에 비해 평균 약 30% 정도의 정확도 개선 효과가 있는 것으로 확인되었다. 이를 2014년 12월 말 코엑스 실내 위치인식 시스템에 실제로 적용하였을때에는, 라이오맵이 WS 방식으로 구축되었음에도 불구하고, 2010년 PMC 방식으로 구축된 라이오맵에서 구동된 Weighted kNN 방식의 위치인식 알고리즘을 사용한 결과보다 현격하게 개선된 정확도를 보이는 것으로 확인되었다.

후속연구

아직은 캠퍼스 실내,외 통합 내비게이션이 사용되기 시작한 시점이어서 그 효용성을 확인하지는 못하고 있다. 그러나 계속해서 사용자를 확보하고 있어 머지않아 서비스의 효용성이 확인될 것으로 보이며, 장래에는 마을, 도시, 국가 단위로 실내,외 통합 내비게이션 서비스가 점차 확대될 수 있을 것으로 기대된다.
향후 GIPS를 실현하여 널리 확산되는 데는 오랜 시간이 소요될 것으로 예상된다. 전 세계 건물에 대한 실내지도가 준비되어야 하고 각 건물 별로 라디오맵도 필요하기 때문이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	글로벌 라디오맵과 더불어 GIPS 구현에 꼭 필요한 것은 무엇인가?	글로벌 라디오맵과 더불어 GIPS 구현에 꼭 필요한 것은 라디오맵 상에 탑재되는 실내 위치인식 시스템이다. 그 동안 라디오 맵에 기반한 실내 위치인식을 위한 다양한 알고리즘이 개발되어 왔다.
	War-driving 방식의 단점은 무엇인가?	실제로 스카이훅사는 이 방식을 사용하여 미국 주요 도시의 라디오맵을 구축하였고, 애플의 WiFi Positioning Service (WPS)에 적용되어 서비스되고 있다. 하지만 GPS를 참조위치로 사용하는 War-driving 방식은 GPS 신호가 도달하지 않는 실내에서 수집된 무선랜 신호를 활용하지 못하는 단점과 참조위치에 GPS 오류가 반영되는 단점을 가지고 있다.
	크라우드소싱 기법은 무엇인가?	라디오맵 구축에 있어 최근 주목을 받고 있는 방법은 크라우드소싱 기법을 활용하는 것이다. 이 방식은 불특정 다수의 스마트폰 사용자들로부터 얻어지는 무선랜 핑거프린트의 수집 지점을 자동으로 라벨링하여 라디오맵을 구축하는 기법이다[4]-[7]. 크라우드소싱 라디오맵 구축 자동화 기법은 라디오맵 구축 비용 절감 측면에서 획기적이긴 하지만 불특정 다수의 스마트폰에서 수집위치 정보 없이 수집된 무선랜 핑거프린트의 자동으로 라벨링 해야 하는 난제를 해결해야 한다.

참고문헌 (8)

Han, Dongsoo, et al. "Building a Practical Wi-Fi-Based Indoor Navigation System." Pervasive Computing, IEEE 13.2 (2014): 72-79.

상세보기
KAIST Indoor Locating System, http://kailos.io
Google Indoor Maps, http://support.google.com/gmm/bin/topic.py?hlen&topic1685871
Rai, Anshul, et al. "Zee: zero-effort crowdsourcing for indoor localization." Proceedings of the 18th annual international conference on Mobile computing and networking. ACM, 2012.
Wang, He, et al. "No need to war-drive: unsupervised indoor localization." Proceedings of the 10th international conference on Mobile systems, applications, and services. ACM, 2012.
Wu, Chenshu, et al. "WILL: Wireless indoor localization without site survey." Parallel and Distributed Systems, IEEE Transactions on 24.4 (2013): 839-848.

상세보기
Yang, Zheng, Chenshu Wu, and Yunhao Liu. "Locating in fingerprint space: wireless indoor localization with little human intervention." Proceedings of the 18th annual international conference on Mobile computing and networking. ACM, 2012.
Ferris, Brian, Dieter Fox, and Neil Lawrence. "WiFi-SLAM using Gaussian process latent variable models." Proceedings of of the 20th International Joint Conference on Artificial Intelligence vol.7 (2007). 2480-2485.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

글로벌 실내 위치인식 및 실내.외 통합 내비게이션 시스템 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

글로벌 실내 위치인식 및 실내.외 통합 내비게이션 시스템 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

한동수 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

초록
AI-Helper

AI 본문요약
AI-Helper