$\require{mediawiki-texvc}$

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.

GPS 이동 궤적과 관심지점 정보를 이용한 시맨틱 궤적 생성 기법
A Technique for Generating Semantic Trajectories by Using GPS Positions and POI Information 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.4 no.10, 2015년, pp.439 - 446  

장유희 (연세대학교 전산학과) ,  이주원 (연세대학교 전산학과) ,  임효상 (연세대학교 컴퓨터정보통신공학부)

초록
AI-Helper 아이콘AI-Helper

최근 위치기반서비스의 확장을 위해 GPS 위치정보에 관심지점(POI: Point of Interest) 정보를 결합한 시맨틱 궤적(Semantic Trajectory)이 주목받고 있다. 기존 연구의 경우 GPS 궤적과 POI의 면적정보(polygon)가 겹치는 경우를 찾아내어 시맨틱 궤적을 생성하였다. 하지만 구글 지도, 네이버 지도, OpenStreetMap 등과 같은 공개된 지리 정보 시스템에서는 POI의 면적정보를 제공하지 않기 때문에 기존 방법으로는 시맨틱궤적을 생성하지 못하는 문제가 있다. 본 논문에서는 POI의 면적정보가 없는 제한적인 상황에서도 GPS 위치정보와 POI의 좌표값(points)만을 이용하여 시맨틱 궤적을 생성할 수 있는 기법을 제안한다.

Abstract AI-Helper 아이콘AI-Helper

Recently, semantic trajectories which combine GPS positions and POIs(Point of Interests) become more popular in order to expand location based services. To construct semantic trajectories, the existing algorithms exploit the extent information of POIs described as polygons and find overlapping regio...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 공개된 지리 정보 시스템에서 제공하는 POI 정보와 사용자의 GPS 궤적을 이용해 사용자가 방문한 POI의 업종정보로 이루어진 시맨틱 궤적을 생성하는 기법을 제안하였다. POI 정보를 이용해 시맨틱 궤적을 생성하기 위해서는 사용자가 방문한 POI를 추정해야 한다.
  • 하지만 GPS 오차가 발생할 경우 사용자가 방문한 것으로 추정된 POI의 정확도가 낮아지는 문제가 있으며 실제 GPS 정보의 대부분은 오차가 포함되어 있다. 본 논문에서는 이런 두 가지 문제를 개선하고자 POI의 면적정보가 없는 제한적인 상황에서도 사용자가 방문한 POI를 보다 정확하게 추정하여 시맨틱 궤적을 생성하는 기법을 제안하였다.
  • 본 논문은 모바일 사용자의 이동경로를 나타내는 GPS 궤 적과 POI의 중심점 정보를 이용하여, 면적정보가 없는 제한 적인상황에서도시맨틱궤적을생성할수있는기법을제안 한다. 제안하는 기법은 먼저 GPS 궤적으로부터 속력을 계산하고, 계산된 속력으로 GPS 궤적에서 사용자가 정지했을만한 구간을 판별한다.
  • 예측 정지 구간을 설명하기에 앞서 본 논문에서 사용하는 GPS 궤적과 POI 정보에 대해 서술한다. 사용자의 이동경로를 나타내는 GPS 궤적(GPS Trajectory)은 GT = { P1, .
  • 하지만 이 방법은 사용자의 궤적과 가장 가까운 하나의 POI만을 사용자가 방문했던 POI로 고려하고, 같은 방문 POI를 갖는 연속된 GPS 위치를 묶어서 하나의 정지구간으로 식별하기 때문에 POI가 밀집된 환경에서는 GPS의 오차로 인해 사용자가 실제 방문한 POI를 정확하게 유추하지 못하는 문제가 있다. 이를 개선하고자 본 논문에서는 단순히 거리가 가까운 하나의 POI만을 사용하는 것이 아니라 방문 가능성 있는 여러 개의 POI들 중 거리가 가장 가깝고 오랫동안 머물렀을만한 POI를 방문한 POI로 유추함으로써 GPS의 오차가 발생하더라도 사용자가 방문한 POI를 보다 정확하게 판별하는 기법을 제안한다.

가설 설정

  • 다음 단계에서는 각각의 예측 정지 구간에서 사용자가 실 제로 방문했다고 추정되는 후보 POI(CPOI: Candidate POI)들을 선별하기 위해 예측 정지 구간의 지점들을 영역으로 확장하고, 확장된 영역 내에 포함된 POI들을 후보 POI로 선별한다. GPS의 지점들은 GPS 오차로 인해 실제 사용자의 정확한 위치를 나타내지 않기 때문에 확장된 영역은 사용자가 머물렀을 가능성이 있는 모든 점을 포함한 영역이라고 가정한다. 설명의 편의성을 위해 k번째 예측 정지 구간 PSIk에 포함된 한 점 Pi를 Pk,i로 표현하고, Pk,i의 좌표 값을 중점으로 반지름이 R인 원을 Circlek,i = (Pk,i, R)로 표현한다.
  • 또한 실제 사용자의 이동 수단은 차량, 대중교통, 도보 등 다양하지만 사용자가 원하는 장소를 최종적으로 방문할 때는 일반적으로 걸어서 이동한다. 따라서 제안하는 기법에서는 예측 정지 구간을 사람이 평균적으로 걷는 속력 이하로 움직인 구간으로 가정한다. 본 논문에서는 평균 걷는 속도로 1.
  • 이를 위해 셀 내부의 POI들의 위치는 균일하게 분포되어 있다고 가정하고 R을 결정하게 된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
시맨틱 궤적이란 무엇인가? 더욱 풍부한 지식의 발견을 위해 GPS 궤적이 어떤 의미를 내포하고 있는지를 설명하기 위한 추가적인 정보인 의미정보(contextual data)를 활용하려는 노력이 진행되었다. GPS 궤적에 의미정보를 더하여 생성한 궤적을 시맨틱 궤적이라 부른다[3]. 의미정보의 예로는 GPS 궤적에서 이동 객체가 정지했던 구간을 식별하는 어노테이션(annotation) 정보, 도로망 (Road Network)과의 연계성, 날씨 정보, 이동 수단, 머물렀던 관심 지점(POI: Point of Interest)의 업종정보(category) 등이 있다.
기존 연구에서는 어떻게 시맨틱 궤적을 생성하였는가? 최근 위치기반서비스의 확장을 위해 GPS 위치정보에 관심지점(POI: Point of Interest) 정보를 결합한 시맨틱 궤적(Semantic Trajectory)이 주목받고 있다. 기존 연구의 경우 GPS 궤적과 POI의 면적정보(polygon)가 겹치는 경우를 찾아내어 시맨틱 궤적을 생성하였다. 하지만 구글 지도, 네이버 지도, OpenStreetMap 등과 같은 공개된 지리 정보 시스템에서는 POI의 면적정보를 제공하지 않기 때문에 기존 방법으로는 시맨틱궤적을 생성하지 못하는 문제가 있다.
POI의 면적정보를 유추하기 위해 보로노이 다이이어그램을 이용하여 각각의 POI 좌표 정보들 간의 거리에 따라 영역을 분할하는 방법은 어떤 문제가 있는가? 사용자 궤적이 다각형을 지나가게 되면 사용자가 다각형에 포함된 POI를 방문했다고 유추하였다. 하지만 이 방법은 사용자의 궤적과 가장 가까운 하나의 POI만을 사용자가 방문했던 POI로 고려하고, 같은 방문 POI를 갖는 연속된 GPS 위치를 묶어서 하나의 정지구간으로 식별하기 때문에 POI가 밀집된 환경에서는 GPS의 오차로 인해 사용자가 실제 방문한 POI를 정확하게 유추하지 못하는 문제가 있다. 이를 개선하고자 본 논문에서는 단순히 거리가 가까운 하나의 POI만을 사용하는 것이 아니라 방문 가능성 있는 여러 개의 POI들 중 거리가 가장 가깝고 오랫동안 머물렀을만한 POI를 방문한 POI로 유추함으로써 GPS의 오차가 발생하더라도 사용자가 방문한 POI를 보다 정확하게 판별하는 기법을 제안한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. Giannotti, Fosca, et al., "Trajectory pattern mining," Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining, ACM, 2007 

  2. Li, Quannan, et al., "Mining user similarity based on location history," Proceedings of the 16th ACM SIGSPATIAL international conference on Advances in geographic information systems, ACM, 2008. 

  3. Parent, Christine, et al., "Semantic trajectories modeling and analysis," ACM Computing Surveys (CSUR), Vol.45, No.4, (2013): 42. 

  4. Ye, Yang, et al., "Mining individual life pattern based on location history," Mobile Data Management: Systems, Services and Middleware, 2009. MDM'09. Tenth International Conference on, IEEE, 2009. 

  5. Alvares, Luis Otavio, et al., "Dynamic modeling of trajectory patterns using data mining and reverse engineering," Tutorials, posters, panels and industrial contributions at the 26th international conference on Conceptual modeling-Volume 83, Australian Computer Society, Inc., 2007. 

  6. Xie, Kexin, Ke Deng, and Xiaofang Zhou, "From trajectories to activities: a spatio-temporal join approach," Proceedings of the 2009 International Workshop on Location Based Social Networks. ACM, 2009. 

  7. Renso, Chiara, et al., "How you move reveals who you are: understanding human behavior by analyzing trajectory data." Knowledge and Information Systems, Vol.37, No.2, pp.331-362. 2013. 

  8. Ying, Josh Jia-Ching, et al., "Semantic trajectory mining for location prediction," Proceedings of the 19th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, ACM, 2011. 

  9. Alvares, Luis Otavio, et al., "A model for enriching trajectories with semantic geographical information," Proceedings of the 15th annual ACM international symposium on Advances in geographic information systems, ACM, 2007. 

  10. 김회평, "걷는 속도," 문화일보 신문기사 [Internet], http://www.munhwa.com/news/view.html?no2007050401033037076002. 5, 2007. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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