[논문]기압 고도계를 이용한 GPS 수직오차 개선

김라우; 최광호; 임준후; 유원재; 이형근

doi:10.12673/jant.2016.20.1.29

기압 고도계를 이용한 GPS 수직오차 개선
Improving GPS Vertical Error Using Barometric Altimeter 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.20 no.1 = no.76, 2016년, pp.29 - 36

김라우 (한국항공대학교 항공전자정보공학과) , 최광호 (한국항공대학교 항공전자정보공학과) , 임준후 (한국항공대학교 항공전자정보공학과) , 유원재 (한국항공대학교 항공전자정보공학과) , 이형근 (한국항공대학교 항공전자정보공학과)

초록
AI-Helper

위성항법시스템 (GPS; global positioning system)은 도심지의 빌딩이나 터널, 고가도로와 같은 지형적 환경에 의해 전파 수신이 어려워지면 가시 위성의 개수가 급격히 줄어들어 위치오차가 매우 커지거나 측위가 불가능하게 된다. 특히 수직 위치오차는 GPS의 기하학적 배치에 의한 한계로 인하여 수평오차보다 약 1.5 배 이상 크며 혹독한 신호 환경에서는 수평오차보다 더욱 크게 증가하게 된다. 본 논문에서는 GPS의 수직오차 개선을 위해 GPS와 저가형 기압 고도계의 결합 방법을 제안하였다. 제안된 방법은 기압 고도계에 의하여 제공된 기압 고도 측정치에 해면기압과 해면온도에 의한 보상치와 지오이드고를 적용시킨 후 칼만필터에 의하여 GPS 고도와 기압 고도를 융합하는 특징을 가진다. 정적 실험과 차량 실험을 통하여 제안된 기압 고도계와 GPS의 융합 방식의 정확도를 평가하였다. 그 결과 제안된 방법이 고도 정보의 정확도를 크게 향상시킬 수 있음을 확인하였다.

Abstract ▼ AI-Helper

Accuracy of GPS (global positioning system) deteriorates dramatically or positioning is impossible in urban area occasionally since high-rise buildings and elevated roads make the reception of navigation signal very difficult so that number of visible satellites decreases. In these cases, vertical error usually becomes much larger than the horizontal error due to the intrinsic geometry of GPS satellites. To obtain more accurate and reliable height information, this paper proposes a hybrid method that combines GPS and a low-cost barometric altimeter. In the proposed method, the sea-level pressure and the sea-surface temperature are applied to the output of the altimeter. Next, the difference between the ellipsoid and the geoid is compensated. Finally, a simple Kalman filter combines the compensated barometric altitude and the GPS height. By static and car experiments, performance of the proposed method is evaluated. By the experiment results, it can be seen that the proposed method improves the altitude accuracy considerably.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 GPS와 기압 고도계의 장점을 융합하여 수직오차를 줄이기 위하여 기압 고도의 산출 및 보정방법을 제시하여 기압 고도를 GPS 고도로 환산하고, 칼만필터를 이용하여 기압 고도와 GPS 고도를 융합하는 알고리즘을 제안하였다.
본 논문에서는 기압 고도계를 이용하여 GPS의 수직오차를 개선한다. 이를 위해 예측 단계에서 기압 고도를 이용하며, 이를 토대로 추정 단계에서 칼만이득을 가중치로 사용하여 GPS 고도와 예측 단계에서 얻은 값으로 최종 고도값을 추정한다.
제안된 방법의 정확도를 평가하기 위하여 실내 정적 실험과 차량 실험이 수행되었다. 실내 정적 실험은 제안된 기압 고도의 산출 및 보정방법의 적용 가능성을 확인하고 기압 고도계의 오차 특성분석을 위해 수행되었으며 차량 실험은 제안된 칼만필터 융합 알고리즘의 성능을 평가하기 위해 수행되었다.
이 값이 임계값을 초과할 시에는 GPS 정보가 불확실하다고 판단하여 측정값의 영향을 받는 추정 단계를 거치지 않고 고도 추정값은 고도 예측값으로 대체하고, 오차 공분산은 오차 공분산 예측값으로 대체하도록 설계하였다. 이 과정을 통하여 지형적 환경 등의 요인에 의해 가시위성의 수가 급격히 적어지거나 GPS 신호 수신을 하지 못하여 GPS 수직오차가 급증해도 정확한 고도값 계산을 가능하도록 하였다.

가설 설정

여기서 시스템 모델의 업데이트 계수 A는 샘플링 주기인 1초 동안 큰 고도 변화가 없다고 가정하여 1로 고정했다. 이를 보완하기 위해 기압 고도의 변화량을 추가 변수 #로 설정하였다.

제안 방법

본 논문에서는 기상청에서 제공되는 여러 정보들 중에 기온과 해면기압에 대한 정보를 활용하였다. 기상청 정보는 현지 시간 (UTC +09:00)으로 제공되기 때문에 제안된 방법에서는 GPS 시간을 현지 시간으로 변환하는 과정을 수행하였다.
본 논문에서 제안된 방법은 기압 고도계에서 측정된 기압을 기상청에서 제공하는 실제 해면기압과 해면온도로 보상된 식에 의해 산출된 기압 고도에 대하여 지오이드고를 적용함으로써 GPS 고도와 등가한 타원체 고도로 변환하는 방식을 사용한다.
본 논문에서는 기상청 정보를 활용하여 동시간의 해면기압과 온도를 사용하고 지오이드고 보정을 통하여 최종적으로 산출된 기압 고도 측정값의 변화량을 사용함으로써 오차를 최소화 하였다. 제안된 방법은 자체적으로 기압 고도를 GPS 고도로 환산하기 때문에 별도의 기준국 설치를 필요로 하지 않는다.
실내 정적 실험에서는 제안된 기압 고도 산출 및 보정방법을 통하여 기압 고도를 GPS 고도로 정밀하게 환산하는 과정을 제시하였다. 이 과정에서 RMSE값이 117.
칼만필터의 전체적인 순서도는 그림 5와 같으며, 기존 칼만 필터 알고리즘과 차별성을 두고 단점을 보완하기 위하여 추정 단계로 넘어가기 전 과정에 측정값 (GPS 고도)과 고도 예측값의 차이를 계산하는 식을 추가하였다. 이 값이 임계값을 초과할 시에는 GPS 정보가 불확실하다고 판단하여 측정값의 영향을 받는 추정 단계를 거치지 않고 고도 추정값은 고도 예측값으로 대체하고, 오차 공분산은 오차 공분산 예측값으로 대체하도록 설계하였다. 이 과정을 통하여 지형적 환경 등의 요인에 의해 가시위성의 수가 급격히 적어지거나 GPS 신호 수신을 하지 못하여 GPS 수직오차가 급증해도 정확한 고도값 계산을 가능하도록 하였다.
본 논문에서는 기압 고도계를 이용하여 GPS의 수직오차를 개선한다. 이를 위해 예측 단계에서 기압 고도를 이용하며, 이를 토대로 추정 단계에서 칼만이득을 가중치로 사용하여 GPS 고도와 예측 단계에서 얻은 값으로 최종 고도값을 추정한다. 자세한 내용은 각 절에서 설명하기로 한다.
본 논문에서는 기상청 정보를 활용하여 동시간의 해면기압과 온도를 사용하고 지오이드고 보정을 통하여 최종적으로 산출된 기압 고도 측정값의 변화량을 사용함으로써 오차를 최소화 하였다. 제안된 방법은 자체적으로 기압 고도를 GPS 고도로 환산하기 때문에 별도의 기준국 설치를 필요로 하지 않는다.
제안된 방법의 정확도를 평가하기 위하여 실내 정적 실험과 차량 실험이 수행되었다. 실내 정적 실험은 제안된 기압 고도의 산출 및 보정방법의 적용 가능성을 확인하고 기압 고도계의 오차 특성분석을 위해 수행되었으며 차량 실험은 제안된 칼만필터 융합 알고리즘의 성능을 평가하기 위해 수행되었다.
칼만필터의 전체적인 순서도는 그림 5와 같으며, 기존 칼만 필터 알고리즘과 차별성을 두고 단점을 보완하기 위하여 추정 단계로 넘어가기 전 과정에 측정값 (GPS 고도)과 고도 예측값의 차이를 계산하는 식을 추가하였다. 이 값이 임계값을 초과할 시에는 GPS 정보가 불확실하다고 판단하여 측정값의 영향을 받는 추정 단계를 거치지 않고 고도 추정값은 고도 예측값으로 대체하고, 오차 공분산은 오차 공분산 예측값으로 대체하도록 설계하였다.
표준대기의 해면기압과 해면온도를 가정하는 기존의 방법에 의해 발생되는 오차를 방지하기 위하여 제안된 방법에서는 기상청에서 제공하는 해면기압과 해면온도를 1분 주기로 식 (1)에 의하여 보상해 주는 방식을 사용하였다. 기상청은 방재용 기상관측장비에서 측정된 해면기압과 해면온도 정보를 1분 간격으로 제공한다.

대상 데이터

그림 1은 기상청에서 온라인으로 제공하는 지역별 상세 관측 자료를 예시한 것이다. 본 논문에서는 기상청에서 제공되는 여러 정보들 중에 기온과 해면기압에 대한 정보를 활용하였다. 기상청 정보는 현지 시간 (UTC +09:00)으로 제공되기 때문에 제안된 방법에서는 GPS 시간을 현지 시간으로 변환하는 과정을 수행하였다.
실내 정적 실험은 한국항공대학교 연구동에서 10시간 동안 수행되었으며 실험 결과는 표 1과 그림 7 – 그림 8에 나타내었다.
실내 정적 실험의 기준값 측정을 위한 장비로는 Trimble사의 choke ring 안테나와 Net R5 수신기가 사용되었으며 차량 실험의 기준값 측정을 위한 장비로는 Novatel사의 GPS-703-GGG 안테나와 ProPak6 수신기가 사용되었다.
실험장비는 BOSCH사의 저가형 기압 고도계 BMP180, Ublox사의 저가형 L1 단일 주파수 GPS 수신기 AEK-4T, 저가형 임베디드 보드 Beaglebone Black이 사용되었다[5]. 실험장비들의 인터페이스는 그림 6에 나타나 있다.
차량 실험은 위성 가시성이 확보되며 고도변화가 잦은 제2 자유로 법곳 IC-현천 IC 사이의 약 15 km 구간에서 수행하였다.

이론/모형

기압 고도와 GPS 고도를 융합하는 데에는 칼만필터를 이용한 알고리즘이 활용되었다. 칼만필터는 잡음이 포함되어 있는 시스템의 상태를 추적하는 재귀 필터이다.
표에서 각 항목은 단독 GPS 고도와 융합 고도를 기준고도와 비교하여 오차 제곱의 평균, 오차 평균, 오차의 표준편차를 수치로 나타낸 것이다. 기준고도는 고성능의 GPS 수신기와 정밀 GPS 소프트웨어 패키지인 GAFAS[8]를 활용하여 RTK (real-time kinematic) 기법으로 산출되었으며, 기준국은 한국항공대학교 연구동 옥상에 설치된 기준국을 활용하였다. 표 2에서 볼 수 있듯이 융합 고도는 단독 GPS 고도와 비교하여 RMSE 값이 10.
그림 4는 국토지리정보원에서 제공하는 지오이드고 정보를 예시한 것이다. 본 논문에서는 최신 국가지오이드 모델인 KNGeoid14를 사용하였으며 이는 2014년에 구축되었다. 기존 KNGeoid13과 달리 육상 부분만을 대상으로 한 것이 아니라 섬 및 해양을 포함하여 한반도 전 지역의 지오이드고를 계산할 수 있다[7].

성능/효과

24 m 낮게 측정되었다. RMSE 값은 보정 전이 117.32 m, 보정 후가 1.17 m로 약 99% 향상되었음을 확인할 수 있다.
융합 고도의 오차는 점으로 표시하였고 단독 GPS 고도의 오차는 별모양으로 표시하였다. 고가도로 밑을 지나 일시적으로 GPS 신호수신이 불가능했던 9개 구간에서 단독 GPS의 고도 오차값이 크게 증가하며 융합 고도보다 전반적인 오차가 큼을 확인할 수 있다.
보정된 기압 고도의 오차 특성은 평균 –0.24, 표준편차 1.15 인 가우시안 분포를 보였다.
융합 고도의 오차 특성은 평균 –0.10, 표준편차 1.04인 가우시안 분포를 보였다.
실내 정적 실험에서는 제안된 기압 고도 산출 및 보정방법을 통하여 기압 고도를 GPS 고도로 정밀하게 환산하는 과정을 제시하였다. 이 과정에서 RMSE값이 117.32 m에서 1.17 m로 약 99% 이상 감소하였음을 확인하였다. 차량 실험에서는 2장의 기압 고도의 산출 및 보정과정을 거친 기압고도와 측정된 GPS 고도가 제안된 칼만필터 알고리즘에 의해서 효율적으로 융합 됨을 확인하였다.
17 m로 약 99% 이상 감소하였음을 확인하였다. 차량 실험에서는 2장의 기압 고도의 산출 및 보정과정을 거친 기압고도와 측정된 GPS 고도가 제안된 칼만필터 알고리즘에 의해서 효율적으로 융합 됨을 확인하였다. 이 과정에서 RMSE값이 10.
04 m 로 약 90% 이상 감소하였음을 확인하였다. 특히 GPS 신호 수신이 불가능한 구간에서도 수직위치 정보를 제공함을 확인하였다.
기준고도는 고성능의 GPS 수신기와 정밀 GPS 소프트웨어 패키지인 GAFAS[8]를 활용하여 RTK (real-time kinematic) 기법으로 산출되었으며, 기준국은 한국항공대학교 연구동 옥상에 설치된 기준국을 활용하였다. 표 2에서 볼 수 있듯이 융합 고도는 단독 GPS 고도와 비교하여 RMSE 값이 10.72 m에서 1.04 m로 약 90% 향상되었다.

후속연구

도심지에서는 빌딩 등 지형적 환경에 의해 가시위성의 수가 급격히 줄어들어 측정 오차가 매우 커지거나 측위가 불가능해지는 경우가 종종 발생한다[2]. 따라서 가시위성의 수가 적을 때, 수직위치 정보를 측위 과정에서 사용하면 더 정확한 결과를 얻을 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기압 고도계는 어떤 영향을 많이 받는가?	기압 고도계는 대표적인 고도 측정 센서로, 내장된 디지털 센서가 내부와 외부의 압력 차이를 이용하여 고도를 산출한다. 기압 고도계는 GPS와 달리 지형적 환경에 영향을 많이 받지 않으나 날씨의 영향을 많이 받는다[3]. 또한 단기간의 상대적인 고도변화 측정은 GPS보다 정확하다는 장점을 지닌다.
	기압 고도계란 무엇인가?	기압 고도계는 측정하는 고도에 따라 변화하는 대기의 압력과 온도를 이용하여 지오이드에 대한 고도정보를 제공하는 장비이다. 다양한 기압과 고도의 관계식이 있지만, 그 중에서 가장 널리 사용되는 모델은 다음과 같다[4].
	기압 고도계에서 나타나는 문제점은 무엇인가?	또한 단기간의 상대적인 고도변화 측정은 GPS보다 정확하다는 장점을 지닌다. 그러나 지오이드를 기준으로 하는 기압 고도는 해면기압이 실시간으로 변화하기 때문에 산출방법이나 보정방법에 따라서 절대적인 고도값에는 오차가 있을 수 있다.

참고문헌 (8)

N. H. Kim, C. H. Park, "A barometric altitude sensor and GPS altitude system fusion by using Kalman filter," in Proceeding of the 36th Institute of Electronics Engineers of Korea (IEEK), Jeju: Korea pp. 549-551, July 2013.
V. Zaliva and F. Franchetti, "Barometric and GPS altitude sensor fusion," in Proceeding of the 2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Florence: Italy, pp. 7525-7529, May 2014.
H. Yoo, S. B. Chun, C. B. Kwon, Y. J. Lee, G. I. Jee, H. S. Jun and J. M. Joo, "Altitude estimation improvement in DGPS using barometric altitude sensors," Journal of The Korean Society for Aeronautical & Sciences, Vol. 34, No. 1, pp. 89-94, Jan. 2006.
K. H. Park, A Fusion of GPS and baro-altimeter for stabilizing vertical channel, M.S. dissertation, Seoul National University, Seoul, Feb. 2003.
Bosch Sensortec Gmbh, BMP180 Digital pressure sensor data sheet, BOSCH Sensortec, Reutlingen, BST-BMP180-DS000-09, April 2013.
Korea Meteorological Administration [Online]. Available: http://www.kma.go.kr/weather/observation/aws_table_popup.jsp
National Geographic Information Institute [Online]. Available:http://ngii.go.kr
Navigation & Information Systems Laboratory (NISL) [Online]. Available: http://nisl.kau.ac.kr/GAFAS.zip

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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