최근 스마트폰 내비게이션의 그룹주행, 위치공유 등 다양한 최신 기능을 사용하기 위해서 스마트폰 내비게이션을 이용하는 사람들이 많이 증가하였다. 하지만, 스마트폰에는 다양한 목적을 가진 많은 앱이 설치되기 때문에 하나의 앱이 사용할 수 있는 저장 공간이 한정적이다. 그래서 내비게이션 전용기기에서 맵매칭을 수행하기 위해 사용되는 용량이 큰 도로네트워크 데이터를 스마트폰에 저장할 수 없기 때문에 맵매칭을 할 수 없다. 또한, 외부 GPS 장치를 사용하지 않는 스마트폰의 경우 내비게이션 전용기기에 비해 GPS 위치측위가 부정확하다. 이러한 문제점으로 스마트폰 내비게이션은 정확한 위치 안내를 하지 못하고 있다. 이에 본 연구의 목적은 스마트폰 내비게이션에서 정확한 위치 안내를 위해 내비게이션 전용기기에서 사용되는 도로네트워크 정보를 새로운 도로네트워크 포맷 설계 및 변환으로 용량을 감소시키고 운전자의 운전 패턴 데이터를 데이터베이스화하여 기존 내비게이션 전용기기 맵매칭 보다 정확한 맵매칭을 하는 것이다. 결과적으로 맵매칭이 어려운 여러 도로가 만나는 교차로, 고속도로에 인접한 좁은 도로, GPS 오차가 많이 발생하는 빌딩 숲 등에서 내비게이션 전용기기와 비교분석을 통해 스마트폰에서 기존 내비게이션 전용기기보다 80% 이상의 작은 저장 공간의 사용으로 보다 정확한 맵매칭이 가능했으며 향후 내비게이션뿐만 아니라 GPS 위치측위와 지도를 사용하는 다양한 앱에서 더욱 정확한 위치기반 서비스가 가능할 것으로 판단된다.
최근 스마트폰 내비게이션의 그룹주행, 위치공유 등 다양한 최신 기능을 사용하기 위해서 스마트폰 내비게이션을 이용하는 사람들이 많이 증가하였다. 하지만, 스마트폰에는 다양한 목적을 가진 많은 앱이 설치되기 때문에 하나의 앱이 사용할 수 있는 저장 공간이 한정적이다. 그래서 내비게이션 전용기기에서 맵매칭을 수행하기 위해 사용되는 용량이 큰 도로네트워크 데이터를 스마트폰에 저장할 수 없기 때문에 맵매칭을 할 수 없다. 또한, 외부 GPS 장치를 사용하지 않는 스마트폰의 경우 내비게이션 전용기기에 비해 GPS 위치측위가 부정확하다. 이러한 문제점으로 스마트폰 내비게이션은 정확한 위치 안내를 하지 못하고 있다. 이에 본 연구의 목적은 스마트폰 내비게이션에서 정확한 위치 안내를 위해 내비게이션 전용기기에서 사용되는 도로네트워크 정보를 새로운 도로네트워크 포맷 설계 및 변환으로 용량을 감소시키고 운전자의 운전 패턴 데이터를 데이터베이스화하여 기존 내비게이션 전용기기 맵매칭 보다 정확한 맵매칭을 하는 것이다. 결과적으로 맵매칭이 어려운 여러 도로가 만나는 교차로, 고속도로에 인접한 좁은 도로, GPS 오차가 많이 발생하는 빌딩 숲 등에서 내비게이션 전용기기와 비교분석을 통해 스마트폰에서 기존 내비게이션 전용기기보다 80% 이상의 작은 저장 공간의 사용으로 보다 정확한 맵매칭이 가능했으며 향후 내비게이션뿐만 아니라 GPS 위치측위와 지도를 사용하는 다양한 앱에서 더욱 정확한 위치기반 서비스가 가능할 것으로 판단된다.
Recently, there has been an increase in the number of people who use the smart-phone navigation for using various latest functions such as group driving and location sharing. But smart-phone has a limited storage space for one application, since a lot of applications with different purposes are inst...
Recently, there has been an increase in the number of people who use the smart-phone navigation for using various latest functions such as group driving and location sharing. But smart-phone has a limited storage space for one application, since a lot of applications with different purposes are installed in the smart-phone. For this reason, road network data with a large space of memory used for map matching in the device for navigation cannot be stored in the smart-phone for this reason map matching is impossible. Besides, smart-phone which doesn't use the external GPS device, provides inaccurate GPS information, compared to the device for navigation. This is why the smart-phone navigation is hard to provide accurate location determination. Therefore, this study aims to help map matching that is more accurate than the existing device for navigation, by reducing the capacity of road network data used in the device for navigation through format design of a new road network and conversion and using a database of driver's driving patterns. In conclusion, more accurate map matching was possible in the smart-phone by using a storage space more than 80% less than existing device at the intersection where many roads cross, the building forest that a lot of GPS errors occur, the narrow roads close to the highway. It is considered that more accurate location-based service would be available not only in the navigation but also in various applications using GPS information and map in the future Navigation.
Recently, there has been an increase in the number of people who use the smart-phone navigation for using various latest functions such as group driving and location sharing. But smart-phone has a limited storage space for one application, since a lot of applications with different purposes are installed in the smart-phone. For this reason, road network data with a large space of memory used for map matching in the device for navigation cannot be stored in the smart-phone for this reason map matching is impossible. Besides, smart-phone which doesn't use the external GPS device, provides inaccurate GPS information, compared to the device for navigation. This is why the smart-phone navigation is hard to provide accurate location determination. Therefore, this study aims to help map matching that is more accurate than the existing device for navigation, by reducing the capacity of road network data used in the device for navigation through format design of a new road network and conversion and using a database of driver's driving patterns. In conclusion, more accurate map matching was possible in the smart-phone by using a storage space more than 80% less than existing device at the intersection where many roads cross, the building forest that a lot of GPS errors occur, the narrow roads close to the highway. It is considered that more accurate location-based service would be available not only in the navigation but also in various applications using GPS information and map in the future Navigation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구와 관련된 선행연구로는 스마트폰의 센서를 이용한 위치정확도 개선에 대한 연구로서(이동훈, 2012) 자이로, 나침반, 가속도 센서를 이용하여 GPS 위치측위를 개선하였다[12]. 하지만, 다양한 센서 사용으로 인한 배터리 사용증가로 배터리 사용량이 중요한 내비게이션에는 활용하기 어려우며, 이 연구는 GPS 위치측위를 개선하여 GPS 오차를 줄이기 위한 방법으로 GPS 위치를 도로에 매칭 하지 못하는 연구였다.
본 연구의 목적은 Lite 도로네트워크를 사용하고 운전자의 과거 운전 경험 데이터 활용으로 내비게이션 전용기기의 맵매칭 보다 정확하고 가벼운 새로운 경험론적 패턴기반의 맵매칭 엔진을 개발하는 것이다.
본 연구는 스마트폰 내비게이션의 저장 공간의 부족으로 도로네트워크 데이터를 사용할 수 없어 맵매칭을 수행할 수 없는 문제점과 내장 GPS 장치를 사용하고 실내에 거치함에 따라 부정확한 GPS 위치측위가 되는 문제점을 극복하기 위한 방안으로 스마트폰을 위한 Lite 도로네트워크 설계와 경험론적 패턴기반의 맵매칭 엔진 개발 방법을 제시하였다. 이를 통해 만들어진 경험론적 패턴기반의 맵매칭 엔진을 스마트폰 내비게이션에 적용하여 기존 내비게이션 전용기기의 데이터 대비 80.
제안 방법
이러한 문제점을 해결하기 위해 기존 내비게이션 전용기기에서 사용하는 용량이 큰 도로네트워크 데이터를 본 연구 과제로 만들게 되는 경험론적 패턴기반의 맵매칭 엔진을 위한 Lite 도로네트워크 포맷을 설계 및 변환하여 스마트폰에 저장 가능하게 하고, GPS의 오차가 발생하거나 GPS 측위 위치 주위에 많은 도로가 있어 도로 매칭이 어려운 상황에서는 운전자의 과거 이동패턴 데이터를 이용하는 방법으로 맵매칭의 정확도를 개선하였다.
본 연구는 현대엠엔소프트의 PND 내비게이션인 맵피에서 사용되고 있는 지도 데이터와 맵매칭 엔진을 베이스로 연구를 진행하였으며, 지도 데이터의 도로네트워크를 본 연구로 만들게 되는 새로운 포맷인 Lite 도로네트워크로 변환하고, 기존 맵매칭 엔진에서 운전자의 이동패턴 데이터를 추가로 이용하여 도로에 매칭을 하는 경험론적 패턴기반의 맵매칭을 개발하였다.
연구 흐름도 및 진행과정은 다음 Figure 1과 같이 진행하며 Lite 도로네트워크 변환 프로그램 및 경험론적 패턴기반의 맵매칭 엔진 개발을 위한 개발 환경은 가볍고 빠른 성능을 위해 Visual Studio 2008에서 C언어를 사용하여 개발을 진행하였다. 또한, Lite 도로네트워크 및 경험론적 패턴기반의 맵매칭 엔진 검증을 위한 프로그램은 C++의 MFC를 이용하여 개발하였다.
연구 흐름도 및 진행과정은 다음 Figure 1과 같이 진행하며 Lite 도로네트워크 변환 프로그램 및 경험론적 패턴기반의 맵매칭 엔진 개발을 위한 개발 환경은 가볍고 빠른 성능을 위해 Visual Studio 2008에서 C언어를 사용하여 개발을 진행하였다. 또한, Lite 도로네트워크 및 경험론적 패턴기반의 맵매칭 엔진 검증을 위한 프로그램은 C++의 MFC를 이용하여 개발하였다. 이렇게 만들어진 경험론적 패턴기반의 맵매칭 엔진을 현대엠엔소프트의 안드로이드 내비게이션인 맵피 위드 다음에 적용하여 스마트폰에서 맵매칭이 되는 것을 확인 하고, 내비게이션 전용기기의 맵매칭 엔진과 비교분석을 통해 기존 맵매칭 보다 향상된 경험론적 패턴기반의 맵매칭 엔진을 확인하였다.
또한, Lite 도로네트워크 및 경험론적 패턴기반의 맵매칭 엔진 검증을 위한 프로그램은 C++의 MFC를 이용하여 개발하였다. 이렇게 만들어진 경험론적 패턴기반의 맵매칭 엔진을 현대엠엔소프트의 안드로이드 내비게이션인 맵피 위드 다음에 적용하여 스마트폰에서 맵매칭이 되는 것을 확인 하고, 내비게이션 전용기기의 맵매칭 엔진과 비교분석을 통해 기존 맵매칭 보다 향상된 경험론적 패턴기반의 맵매칭 엔진을 확인하였다.
본 연구의 경험론적 패턴기반의 맵매칭 엔진을 개발하기 위해서는 GPS의 NMEA(National Marine Electronics Association) 규격을 사용하게 되며, NMEA는 시간, 위치, 방위 등의 정보를 전송하기 위한 규격이다. 데이터 형식은 $로 시작해서 NMEA 코드이름, 그리고 데이터의 마지막에는 *와 데이터 유효성 검증을 위한 Checksum으로 끝난다.
내비게이션 전용기기에서 사용되고 있는 도로네트워크 데이터에는 맵매칭을 하는데 필요하지 않는 많은 정보를 담고 있기 때문에 용량이 크다. 그래서 본 연구는 경험론적 패턴기반의 맵매칭 엔진에서 사용하게 될 맵매칭을 하기위한 최소한의 정보만을 가진 Lite 도로네트워크 포맷을 설계하였다. 기본 도로네트워크 데이터는 현대엠엔소프트 내비게이션인 맵피에서 사용하고 있는 도로네트워크 데이터를 사용하였다.
위와 같이 기존의 도로네트워크 데이터를 Lite 도로네트워크로 변환하기 위해 Visual Studio 도구와 C언어를 이용하여 변환 프로그램을 개발 했으며 이 프로그램은 기존의 도로네트워크 데이터에서 의미 있는 정보를 가져오기 위해 Parsing을 하고 앞서 설명한 필요한 정보를 추출한 뒤 Lite 도로네트워크 포맷에 맞게 데이터를 저장하였다.
경험론적 패턴기반의 맵매칭 엔진을 개발과 추후 비교분석을 쉽게 진행하기 위해 현대엠엔소프트의 맵피 내비게이션 맵매칭 엔진을 베이스로 개발을 진행하였다. 본 연구 최종 과제인 경험론적 패턴기반의 맵매칭 엔진은 앞서 만든 Lite 도로네트워크 정보와 운전자의 이동패턴 데이터베이스를 이용하여 아래와 같은 순서로 진행 된다.
대상 데이터
그래서 본 연구는 경험론적 패턴기반의 맵매칭 엔진에서 사용하게 될 맵매칭을 하기위한 최소한의 정보만을 가진 Lite 도로네트워크 포맷을 설계하였다. 기본 도로네트워크 데이터는 현대엠엔소프트 내비게이션인 맵피에서 사용하고 있는 도로네트워크 데이터를 사용하였다. 전국의 링크와 노드, 국가표준링크 등을 담고 있으며 용량은 1.
내비게이션 전용기기 맵매칭과의 비교를 위해서 부정확한 GPS정보가 담겨있는 NMEA데이터를 수집하고, 수집된 NMEA데이터는 UDP통신을 이용하여 실시간으로 각 내비게이션으로 송신한다. 각 내비게이션은 UDP로 받은 NMEA를 GPS가 들어오는 것처럼 처리를 하여 실제 주행하는 것과 같은 가상의 환경을 만든다.
성능/효과
기존 내비게이션 전용기기에서 사용하고 있는 거대한 데이터와 새로운 Lite 도로네트워크 데이터 포맷을 비교한 결과 1207.25MB에서 237.02MB로 감소하면서 기존 대비 80%이상 용량이 감소가 된 것을 확인할 수 있다. 237.
기존 맵매칭 엔진이 수행하기 어려운 위 2가지 상황에서 새로운 경험론적 패턴기반의 맵매칭 엔진과 비교를 통해 기존에 할 수 없었던 상황에서 정확하게 맵매칭이 된 것을 확인하였다. 이 외에도 빌딩숲, 날씨 등 다양한 악조건 상황에서도 정확한 맵매칭 서비스를 운전자에게 제공할 수 있을 것으로 기대된다.
본 연구는 스마트폰 내비게이션의 저장 공간의 부족으로 도로네트워크 데이터를 사용할 수 없어 맵매칭을 수행할 수 없는 문제점과 내장 GPS 장치를 사용하고 실내에 거치함에 따라 부정확한 GPS 위치측위가 되는 문제점을 극복하기 위한 방안으로 스마트폰을 위한 Lite 도로네트워크 설계와 경험론적 패턴기반의 맵매칭 엔진 개발 방법을 제시하였다. 이를 통해 만들어진 경험론적 패턴기반의 맵매칭 엔진을 스마트폰 내비게이션에 적용하여 기존 내비게이션 전용기기의 데이터 대비 80.37%의 도로네트워크 데이터 용량 감소를 확인 했으며, 기존 내비게이션 전용기기에서 맵매칭을 수행하기 어려운 많은 도로가 만나는 교차로 및 빌딩 숲과 같이 GPS 반사에 의해 오차가 발생하는 도로에서 경험론적 패턴기반의 맵매칭 엔진을 적용한 내비게이션이 보다 정확하게 운전자가 위치하고 있는 도로에 매칭되는 것을 확인함으로써 경험론적 패턴기반의 맵매칭 엔진의 우수함을 증명하였다. 하지만, 본 연구는 GPS 위치측위 기반으로 맵매칭을 수행하기 때문에 GPS 오차가 큰 경우에는 맵매칭 수행에 어려움이 있었으며, 또한 운전자가 처음 이동한 도로에서는 수집된 운전자의 이동패턴 데이터가 없기 때문에 기존 맵매칭 엔진과 큰 차이가 없었다.
37%의 도로네트워크 데이터 용량 감소를 확인 했으며, 기존 내비게이션 전용기기에서 맵매칭을 수행하기 어려운 많은 도로가 만나는 교차로 및 빌딩 숲과 같이 GPS 반사에 의해 오차가 발생하는 도로에서 경험론적 패턴기반의 맵매칭 엔진을 적용한 내비게이션이 보다 정확하게 운전자가 위치하고 있는 도로에 매칭되는 것을 확인함으로써 경험론적 패턴기반의 맵매칭 엔진의 우수함을 증명하였다. 하지만, 본 연구는 GPS 위치측위 기반으로 맵매칭을 수행하기 때문에 GPS 오차가 큰 경우에는 맵매칭 수행에 어려움이 있었으며, 또한 운전자가 처음 이동한 도로에서는 수집된 운전자의 이동패턴 데이터가 없기 때문에 기존 맵매칭 엔진과 큰 차이가 없었다. 이 문제점 해결을 위한 향후 연구방향으로는 위치측위에 도움을 줄 수 있는 다른 장치를 이용한 GPS 위치측위 알고리즘을 연구하여 보다 정밀한 GPS 위치측위를 이용 할 필요가 있다고 판단된다.
이를 통해 운전자가 스마트폰 내비게이션을 이용하게 되면 내비게이션 전용기기 보다 정확한 위치를 운전자에게 안내하는 것이 가능하게 되며, 정확한 위치 안내는 정확한 경로안내 및 경로이탈 없는 주행을 가능하게 해준다. 따라서 많은 운전자들이 경험론적 패턴기반의 맵매칭 엔진을 적용한 스마트폰 내비게이션을 이용하게 되면 운전자의 운전시간을 줄여 교통체 증을 감소시킬 수 있으며, 교통체증에 의한 각종 환경적·사회적·경제적 비용 감소 효과의 가능성을 도출하였다.
이를 통해 운전자가 스마트폰 내비게이션을 이용하게 되면 내비게이션 전용기기 보다 정확한 위치를 운전자에게 안내하는 것이 가능하게 되며, 정확한 위치 안내는 정확한 경로안내 및 경로이탈 없는 주행을 가능하게 해준다. 따라서 많은 운전자들이 경험론적 패턴기반의 맵매칭 엔진을 적용한 스마트폰 내비게이션을 이용하게 되면 운전자의 운전시간을 줄여 교통체 증을 감소시킬 수 있으며, 교통체증에 의한 각종 환경적·사회적·경제적 비용 감소 효과의 가능성을 도출하였다.
후속연구
하지만, 본 연구는 GPS 위치측위 기반으로 맵매칭을 수행하기 때문에 GPS 오차가 큰 경우에는 맵매칭 수행에 어려움이 있었으며, 또한 운전자가 처음 이동한 도로에서는 수집된 운전자의 이동패턴 데이터가 없기 때문에 기존 맵매칭 엔진과 큰 차이가 없었다. 이 문제점 해결을 위한 향후 연구방향으로는 위치측위에 도움을 줄 수 있는 다른 장치를 이용한 GPS 위치측위 알고리즘을 연구하여 보다 정밀한 GPS 위치측위를 이용 할 필요가 있다고 판단된다.
이는 추후에 운전자가 해당 지점에서 맵매칭을 할 때 사용하게 된다. 그리고 진입시간을 저장하여 평일 출퇴근, 주말 나들이와 같이 상황에 맞게 활용 하게 되며 마지막으로 특정 진입 링크ID로 진입해서 특정 링크ID로 진출한 횟수를 저장하여 횟수가 높은 패턴에 높은 가중치를 주어 추후 경험론적 패턴기반의 맵매칭 엔진을 개발할 때 사용하게 된다.
질의응답
핵심어
질문
논문에서 추출한 답변
SQLite는 무엇인가?
SQLite는 SQL을 Embedded환경에서 사용할 수 있도록 최적화시킨 버전으로서 Embedded System이 요구하는 적은 자원을 활용하면서 최고의 성능을 발휘할 수 있도록 하였으며, Embedded System이 요구하는 건을 만족시킬 수 있었기 때문에 많은 업체들이 SQLite를 Embedded 제품의 Database Solution으로 사용하고 있다. SQLite는 Mobile Device//Platform에서도 많이 사용되고 있으며, Mobile device 제조 대표업체인 심비안(Symbian)으로부터 지원을 받고 있다.
GPS는 어디에 활용되고 있는가?
GPS(Global Positioning System)는 GPS 위성에서 보내는 신호를 수신하여 사용자의 현재 위치를 계산하는 위성항법 시스템이다. 항공기, 선박, 자동차 등의 내비게이션 장치에서 주로 쓰이고 있으며, 최근에는 스마트폰, 태블릿 PC 등에서도 많이 활용되고 있다.
GPS 위치측위는 어떻게 좌표 값을 구하는가?
GPS 위치측위는 GPS 위성과 GPS 수신기의 거리를 계산해 좌표 값을 구한다. 만일 우리가 GPS 위성의 위치와 거리를 정확하게 알 수 있다면 3개의 GPS 위성만으로도 정확한 위치를 알 수 있다.
참고문헌 (15)
ERIC, A; DAVID, P. 1999, Land-Vehicle Navigation Using GPS, Proceedings of the IEEE, 87(1):145-146.
Francisco, C. P; Hugo, C; Nuno, M. P. 2009, An off-line map-matching algorithm for incomplete map databases, Springer. Retrieved 2015-5-12 from http://www.academia.edu/1869728/An_off-line_map-matching_algorithm_for_incomplete_map_databases.
Kim, H. J. 2009, Improving Positional Accuracy of Car Navigation by Prediction of GPS Signal, Master's Degree Thesis, Seoul National University.
Koo, J. M. 2005, Implementation of map information and matching algorithm for GPS system application, Master's Degree Thesis, Kookmin University.
Lee, D. H. 2012, Suggestion for the improvement of the location accuracy through sensor of smart phone in navigation, Master's Degree Thesis, Hanyang University.
Schuessler, N; Axhausen, K. W. 2009, Map-matching of GPS traces on high-resolution navigation networks using the Multiple Hypothesis Technique (MHT), Working paper 568. IVT, ETH Zurich, Zurich.
Yin, L; Chengyang, Z; Yu, Z; Xing, X; Wei, W; Yan, H. 2009, Map-Matching for Low-Sampling-Rate GPS Trajectories, in Proceedings of the 17th ACMSIGSPATIAL International Conference on Advances in Geographic Information Systems.
Yongy, Z; Bo, S; Jin, L. 2007, A Map Matching Algorithm in GPS-based Car Navigation System, Third International Conference on International Information Hiding and Multimedia Signal Processing (IIH-MSP 2007), 1-4.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.