지오펜스는 실세계 지리에서 구획된 가상의 반경으로, 필요에 의해 그때마다 생성될 수도 있거나 사전에 특정 영역을 지오펜스로 지정할 수도 있다. 기존의 지오펜스 애플리케이션들은 구글 지도 또는 웹 기반 지도를 바탕으로 사용자 정의에 의해 경도와 위도로 직접 지정한다. 그러나 대부분의 지오펜스 애플리케이션들은 실내외 동시 지원 및 3차원 공간에 대한 지오펜스를 지원하지 않고 있다. 따라서 본 논문에서는 3차원 지오펜스를 위해 실내외 위치 식별 메커니즘을 제안하고, 이를 스마트폰에 적용하여 3차원 지오펜스를 구현한다. 제안된 위치 식별 메커니즘은 위치 식별을 위해 다양한 유무선 네트워크를 사용하는 것이 아니라 단지 GPS와 WiFi 환경만으로 3차원 지오펜스에서 실내인지 실외인지 식별하고, 더불어 건물의 실내에서는 몇 층에 있는가를 식별한다. 향후에는 3차원 지오펜스가 사물인터넷(IoT) 환경에서의 애플리케이션 개발에 필수적인 요소 기술이 될 것이다.
지오펜스는 실세계 지리에서 구획된 가상의 반경으로, 필요에 의해 그때마다 생성될 수도 있거나 사전에 특정 영역을 지오펜스로 지정할 수도 있다. 기존의 지오펜스 애플리케이션들은 구글 지도 또는 웹 기반 지도를 바탕으로 사용자 정의에 의해 경도와 위도로 직접 지정한다. 그러나 대부분의 지오펜스 애플리케이션들은 실내외 동시 지원 및 3차원 공간에 대한 지오펜스를 지원하지 않고 있다. 따라서 본 논문에서는 3차원 지오펜스를 위해 실내외 위치 식별 메커니즘을 제안하고, 이를 스마트폰에 적용하여 3차원 지오펜스를 구현한다. 제안된 위치 식별 메커니즘은 위치 식별을 위해 다양한 유무선 네트워크를 사용하는 것이 아니라 단지 GPS와 WiFi 환경만으로 3차원 지오펜스에서 실내인지 실외인지 식별하고, 더불어 건물의 실내에서는 몇 층에 있는가를 식별한다. 향후에는 3차원 지오펜스가 사물인터넷(IoT) 환경에서의 애플리케이션 개발에 필수적인 요소 기술이 될 것이다.
Geofence is a virtual perimeter for a real-world geographical area, which could be statically or dynamically established the specified area if necessary. Many geofencing applications incorporate 2D(two-dimensional) map such as the Google map, allowing administrators to define boundaries on top of a ...
Geofence is a virtual perimeter for a real-world geographical area, which could be statically or dynamically established the specified area if necessary. Many geofencing applications incorporate 2D(two-dimensional) map such as the Google map, allowing administrators to define boundaries on top of a satellite view of a specific geographical area. But these applications do not provide 3D(three-dimensional) spatial information as well as 2D location information no matter where indoor or outdoor. Therefore we propose a mechanism to identify indoor or outdoor location for 3D geofence, and implement 3D geofence using smartphone. The proposed mechanism identifies the position information on 3D geofence regardless of indoor or outdoor, inter-floor with only GPS and WiFi. In the near future, 3D geofence as well as LBS are promising applications that become possible when IoT can become organized and connected by location.
Geofence is a virtual perimeter for a real-world geographical area, which could be statically or dynamically established the specified area if necessary. Many geofencing applications incorporate 2D(two-dimensional) map such as the Google map, allowing administrators to define boundaries on top of a satellite view of a specific geographical area. But these applications do not provide 3D(three-dimensional) spatial information as well as 2D location information no matter where indoor or outdoor. Therefore we propose a mechanism to identify indoor or outdoor location for 3D geofence, and implement 3D geofence using smartphone. The proposed mechanism identifies the position information on 3D geofence regardless of indoor or outdoor, inter-floor with only GPS and WiFi. In the near future, 3D geofence as well as LBS are promising applications that become possible when IoT can become organized and connected by location.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 실내외 모두 적용되는 3차원 지오펜스를 위한 위치 식별 메커니즘을 제안하고, 스마트폰을 이용해서 제안된 메커니즘을 적용한 3차원 지오펜스를 구현한다. 제안된 메커니즘은 3차원 지오펜스를 위해 기존의 위치 추적을 연구하는 것이 아니라, 위치 인식(location awareness)에 주된 초점을 두고 있다.
가설 설정
반면에 WiFi AP는 정확성이 비콘보다는 떨어지지만 개인 및 건물, 그리고 공공장소에도 많이 설치되어 있기 때문에 보편적이고 누구나 접근 가능하기에 본 논문의 알고리즘 개발 모델로 GPS와 WiFi 만으로 제한한 것이다. 아울러 임의의 건물 실내는 각 층마다 최소 한 개 이상의 WiFi가 설치되어 있다고 가정하며, 각각의 WiFi 맥주소(MaC Address)는 건물 각 층의 정보가 함께 맵핑된 데이터베이스가 있음을 전제로 한다. 한편으로 제안된 알고리즘은 WiFi 사용 인증이 안되어 있어도, 검색(scan) 범위내의 AP에 대한 RSSI만으로도 무인증 인식 서비스를 지원한다.
본 장에서는 3차원 지오펜스를 위해 실내외 위치를 식별하기 위한 메커니즘에 대해서 자세히 기술한다. 제안된 알고리즘은 실내외를 위치 인식을 판별하기 위해 GPS와 건물내에 설치된 WiFi AP만을 이용하는 것으로 가정한다. 왜냐하면 정확성으로는 AP로서 비콘을 좋지만 아직 많이 보급되지 있지 않기 때문에 배제한다.
제안 방법
그림 6 (a)는 GPS가 수신되지 않는 5층 실내 화면으로서 GPS가 측정되지 않기 때문에 구글 맵에 사용자의 위치를 표시할 수 없다. 그러나 제안된 알고리즘은 실내일지라도 건물 중앙에 기본 좌표값을 매핑하여 맵에 핀을 표시한다. 더불어 Notice 부분에 실내 5층이라는 정보와 함께 토스트 메시지로 GPS가 수신 안되고 있음을 보여준다.
본 논문에서는 3차원 지오펜스를 위해 실내외 위치 식별 메커니즘을 제안하고 이를 통해 스마트폰을 이용한 3차원 지오펜스를 구현하였다. 현재 지원하고 있는 대부분의 지오펜스는 3차원 공간에 대한 지오펜스를 지원하지 않는다.
본 장에서는 제안한 알고리즘들을 적용한 스마트폰 기반의 3D 지오펜스 플랫폼을 이용한 실험 결과를 기술한다. 실험에 적용한 건물은 우리대학교 모 건물이며, 삼성 Galaxy S4 기종의 스마트폰을 이용하여 위치 식별을 하였다.
이를 해결하기 위해 1층에서 WiFi 연결을 시도하는 경우에 WiFi의 RSSI를 이용하여 AP를 우선 순위(priority)로 그룹화하여 Context를 생성하는 알고리즘으로 그림 2와 같은 APGC 알고리즘을 제안한다.
따라서 본 논문에서는 실내외 모두 적용되는 3차원 지오펜스를 위한 위치 식별 메커니즘을 제안하고, 스마트폰을 이용해서 제안된 메커니즘을 적용한 3차원 지오펜스를 구현한다. 제안된 메커니즘은 3차원 지오펜스를 위해 기존의 위치 추적을 연구하는 것이 아니라, 위치 인식(location awareness)에 주된 초점을 두고 있다. 위치인식이라 함은 임의의 건물내에서 같은 층간에서의 미세한 이동은 간과하지만 층간 이동이 일어났을 때는 위치 변동을 감지 처리하는 메커니즘이다.
대상 데이터
본 장에서는 제안한 알고리즘들을 적용한 스마트폰 기반의 3D 지오펜스 플랫폼을 이용한 실험 결과를 기술한다. 실험에 적용한 건물은 우리대학교 모 건물이며, 삼성 Galaxy S4 기종의 스마트폰을 이용하여 위치 식별을 하였다.
성능/효과
현재 지원하고 있는 대부분의 지오펜스는 3차원 공간에 대한 지오펜스를 지원하지 않는다. 그러므로 본 논문에서 제안한 실내외 위치 식별 메커니즘을 통해 건물 내에서도 실내의 어느 층에 위치하고 있는 지, 또한 실내외 구분이 애매한 상황을 정확히 식별할 수 있음으로써 3차원 지오펜스 서비스를 지원한다.
이를 위해서 매 초단위로 추적하는 대신, 이벤트 유도 방식을 사용하여 이벤트가 발생했을 경우에만 적용하므로 많은 연산 비용을 필요하지 않는다. 더욱이 본 논문에서 제안하는 실내외 위치 식별 메커니즘은 GPS와 WiFi AP(Access Point)와 WiFi의 RSSI(Received Signal Strength Indication)만을 이용하여 실내에서는 몇 층에 있는지, 그리고 건물 내외 1층 창가 근처의 애매한 위치에 사용자가 있는 경우, 실내인지 실외인 지를 정확히 파악하기 힘든 상황에서도 식별할 수 있다.
알고리즘_2에서 우선 순위와 차기 순위(next ranking)를 결정하기 위해, 실험대상의 건물에 설치된 WiFi AP를 모두 검색하여 가장 강한 신호를 수신하며 접속을 시도하는 AP의 RSSI를 조사한 결과 약 5미터 범위에 있는 AP(약 –75db 이상)들이였으며, -76db 부터 –90db까지는 신호는 측정되나 연결을 시도하지 않았다.
후속연구
향후 초연결 지향적인 사물인터넷(IoT, Internet of Things)은 미래 인터넷 기술로서 각 구성요소인 인간, 사물, 서비스 등의 분산된 환경요소를 갖고 있기 때문에 사물 공간 연결망으로 LBS, 특히 3차원 지오펜스 기술이 필요하다. 그러므로 사물인터넷과 더불어 위치 정보 기반의 상황인식 및 인지기능을 갖춘 개선된 3차원 지오펜스에 대한 연구가 보다 더 필요하다.
또한 알고리즘_1은 같은 층내에서의 위치 이동은 AP를 기준으로 RSSI 강도에 따라서 가장 큰 RSSI 값이 주어지는 영역에서 위치하고 있을 경우 해당 AP 영역내에 매칭을 하여 층간 이동이 없음을 식별한다. 반면에 실내의 다른 층으로 위치 이동은 층간 이동시에는 WiFi RSSI가미치지 않는 음영지역이 대부분 존재하는 것을 감안하여 음영지역에 대한 Context 스위치가 일어나기 때문에 차후 RSSI가 가장 세게 감지되는 영역의 층에 대한 AP 정보를 접근하여 해당 층의 위치를 파악하도록 제공한다.
향후 초연결 지향적인 사물인터넷(IoT, Internet of Things)은 미래 인터넷 기술로서 각 구성요소인 인간, 사물, 서비스 등의 분산된 환경요소를 갖고 있기 때문에 사물 공간 연결망으로 LBS, 특히 3차원 지오펜스 기술이 필요하다. 그러므로 사물인터넷과 더불어 위치 정보 기반의 상황인식 및 인지기능을 갖춘 개선된 3차원 지오펜스에 대한 연구가 보다 더 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
지오펜스란?
지오펜스는 실세계 지리에서 구획된 가상의 반경으로, 필요에 의해 그때마다 생성될 수도 있거나 사전에 특정 영역을 지오펜스로 지정할 수도 있다. 기존의 지오펜스 애플리케이션들은 구글 지도 또는 웹 기반 지도를 바탕으로 사용자 정의에 의해 경도와 위도로 직접 지정한다.
기존의 지오펜스 애플리케이션은 경도와 위도를 어떻게 지정하는가?
지오펜스는 실세계 지리에서 구획된 가상의 반경으로, 필요에 의해 그때마다 생성될 수도 있거나 사전에 특정 영역을 지오펜스로 지정할 수도 있다. 기존의 지오펜스 애플리케이션들은 구글 지도 또는 웹 기반 지도를 바탕으로 사용자 정의에 의해 경도와 위도로 직접 지정한다. 그러나 대부분의 지오펜스 애플리케이션들은 실내외 동시 지원 및 3차원 공간에 대한 지오펜스를 지원하지 않고 있다.
기존의 3차원을 위한 실내의 위치 추적 알고리즘의 단점은?
실외는 기본적으로 GPS를 이용하여 실외를 쉽게 구현하지만, 실내에서는 GPS가 수신이 안되기 때문에 3차원을 위한 실내의 위치 추적에 관한 연구들과 알고리즘은 매우 많이 발표되었다[8-13]. 그러나 기존의 실내 위치추적(location tracking) 알고리즘들은 실시간 위치 추적을 위해 많은 연산과 비용을 처리해야 하는 부담이 상존한다[5, 6].
참고문헌 (13)
Ulrich Bareth, Axel Kupper, Peter Ruppel "geoXmart - A Marketplace for Geofence- Based Mobile Services", IEEE 34th ACSAC, 2010, pp. 101-106
Kupper Axel, Ulrich Bareth, Behrend Freese. "Geofencing and Background Tracking-The Next Features in LBSs." Proc. the 41th Annual Conference of the Gesellschaft fur Informatik eV, 2011.
Dmitry Namiot, "GeoFence services," IJOIT, 2013, pp. 23-29
Byungkook Jeon, R. Young Chul Kim, "A System for detecting the Stray of Objects within User-defined Region using Location-Based Services", IJSEA, Vol. 7, 2013, pp. 355-362
Byungkook Jeon, Sungkuk Cho, "Design of 3D Geofence Model by Location-aware Mechanism", Information, Vol. 18(7), 2015, pp. 3175-3180
Byungkook Jeon, DORJ Ulzii Orshikh, Sungjin Cho, Sungkuk Cho, 2015, "A Framework of the 3D Geofence System for Location Awareness", IJCC, 2015, pp. 37-39
Google, http://developer.android.com/
B. Li, J. Salter, A. G. Dempster, and C. Rizos, "Indoor positioning techniques based on Wireless LAN," in Proc. 2006 Auswireless Conf., pp. 1-7, Sydney, Mar. 2007.
B. Li, I. J. Quader, and A. G. Dempster, "On outdoor positioning with Wi-Fi," J. GPS, vol. 7, no. 1, 2008, pp. 18-26
Y. Gu, A. Lo, and I. Niemegeers, "A survey of indoor positioning systems for wireless personal networks," IEEE Comm. Surveys Tutorials, Vol. 11, No. 1, 2009, pp. 13-32
Jung Nam Bae, Young Hoon Choi, Jin Young Kim, "Performance Analysis of TH-PPM UWB System for Positioning in Indoor Environment", JIIBC, Vol. 10, 2010, pp. 153-158
Yvette Gelogo, Hye-jin Kim, "Context- Awareness for Location Based-Service for Ubiquitous Learning withunderlying Principles of Ontology, Constructivism, Artificial Intelligence", IJIBC, Vol.4 No.2, 2012, pp. 7-11.
Nguyen Duc Hai, Nguyen Tan Phuc, DoanKhue, Ta Ho Thai Hai, Pham Tran Vu, "Improving Utilization of GPS Data for Urban Traffic Applications", IJIBC, Vol.7 No.1, 2015, pp. 6-9
※ AI-Helper는 부적절한 답변을 할 수 있습니다.