$\require{mediawiki-texvc}$

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.

BLE Beacons의 RSSI를 이용한 실내 Zone인식 시스템
Indoor Zone Recognition System using RSSI of BLE Beacon 원문보기

한국철도학회 논문집 = Journal of the Korean Society for Railway, v.19 no.5 = no.96, 2016년, pp.585 - 591  

김진평 (Korea Railroad Research Institute) ,  안태기 (Korea Railroad Research Institute) ,  김상훈 (Korea Railroad Research Institute) ,  안치형 (Korea Railroad Research Institute)

초록
AI-Helper 아이콘AI-Helper

최근 IoT환경에서 다양한 위치기반의 서비스의 확산으로 인해 실내측위는 중요한 영역으로 자리잡고 있다. 이에 본 논문에서는 특정 공간에 시설물, 서비스 등을 고려한 가상의 영역을 Zone으로 설정하였고, 다층퍼셉트론(MLP: Multi-Layer Perceptron)을 사용하여 Zone을 인식하는 방법을 제안하였다. 제안방법의 다층퍼셉트론은 입력으로 BLE(Bluetooth Low Energy) Beacon의 RSSI(Received Signal Strength Indicator)신호를 입력으로 활용하였고 현재 위치의 소속된 Zone을 출력하였다. 제안방법의 검증을 위해서 실제 역사와 유사한 크기의 실험환경을 구축하였으며 4개의 Beacon을 설치하였고 2개의 Zone영역을 설정하였다.

Abstract AI-Helper 아이콘AI-Helper

Recently, indoor location detection has become an important area in the IoT (Internet of Things) environment for various indoor location-based services. In this paper, our proposed method shows that a virtual region can be divided electromagnetically according to specific facilities or services in v...

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 BLE Beacon으로부터 RSSI값을 모바일 디바이스를 통해 수신하여 주변 환경을 고려하여 설정된 가상의 영역, 즉 Zone을 인식하는 Zone기반 위치측위 방법을 제안하였다. 제안한 방법은 벽과 같은 구조물이 존재하지 않는 개방공간에서 신호의 분석만으로 기설정된 가상의 영역을 인식하는 방법으로 지하철 역사, 쇼핑몰과 같은 물리적으로 분리되지 않은 개방공간 다수 존재하는 실내 환경에서 알림서비스, 시설물정보제공서비스, 비상상황알림 서비스 등 다양한 분야에 적용이 가능하다.
  • 본 논문에서는 실내 환경에서 사용자의 정확한 위치를 인식하기보다 사용자가 속해있는 영역(Zone)을 인식하는데 목적을 두 고 있다. 제안하는 방법에서 Zone이란 상점 위치, 시설물 위치, 안전 영역 등을 고려하여 관리자가 구조물에 의해 물리적으로 분리되지 않고 특정영역을 좌표만으로 설정한 가상의 영역을 의미한다.
  • 따라서 객체의 정확한 위치를 측정하기보다 영역기반의 실내위치측위 연구가 최근 관심을 받고 있으나 벽에 의한 영역분리[11] 또는 안테나의 방향성[9]에 의한 영역분리 등이 대부분이며 개방된 공간에서 영역을 분리하는 연구는 미흡한 상태이다. 이에 본 연구는 BLE Beacon의 RSSI를 활용하여 영역을 벽과 같은 구조물에 의해 분리되지 않은 개방된 환경에서 가상의 영역(Zone)을 설정하고 이를 인식하기 위한 Zone인식을 통한 실내 환경의 위치인식시스템을 제안한다. 제안방법은 서비스 기반 또는 시설물 기반 등의 실내위치측위 서비스를 수행하는데 정확한 위치를 추정하는 방법에 비해 안정적으로 객체의 위치를 추정할 수 있다.
  • 7%로 비교적 우수한 성능이 도출되었으나 Zone의 외부에서 측정한 지점에 대해서는 비교적 낮은 정확도를 나타냈다. 향후 Beacon의 수를 증가시키거나 TX power설정을 변경하는 실험을 추가적으로 수행하여, 인식률을 향상시키거나 정해진 공간에서 더욱 많은 Zone을 인식하는 것을 목표로 하고 있다. 또한, 시설물, 보행자 등 신호의 왜곡이 발생하는 실제 환경에서 Beacon의 RSSI를 수집하여 Zone을 인식하는 연구를 진행할 계획이다.

가설 설정

  • 4과 같이 Zone의 경계선 주변과 Zone밖의 경계선 주변에서 측정을 수행하였다. Beacon의 RSSI 측정을 위해 삼성 갤럭시4 (Samsung Galaxy 4)를 측정디바이스로 사용하였으며 각 측정지점에 대해 동일한 기기를 사용하여 1시간동안 1028ms간격으로 측정하였으며 사람이 모바일 디바이스를 파지하고 있다는 가정으로 1.5m 높이를 측정높이로 설정하였으며 RSSI값을 수집한 결과 각 Beacon에서 1800개씩의 RSSI샘플을 수집하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
실외에서 사용되는 GPS위성의 문제점은 무엇인가? 위치 기반기술은 실외환경에서 위치를 측정하기 위한 GPS(Global Positioning System) 기술로서 매우 성공적으로 위치측위서비스들 을 생산해냈고 넓은 영역의 서비스에 적용되고 있다[2]. 그러나 실외에서 사용되는 GPS위성은 실내에서는 GPS신호를 수신하지 못하는 이유로 사용이 제한되기 때문에, 실내 위치측위 및 네비게이션 등의 분야에서 활용하기 어려운 고유한 문제점이 있다[3]. 또한, 다양한 IoT서비스에 대한 수요가 증가함에 따라 실내공간에서 사용자 혹은 사물의 위치를 추정하는 실내위치측위 (IPS: Indoor Positioning System) 기술의 중요성이 날로 강조되고 있다[4].
실내위치측위기술이란 무엇인가? 그러나 실외에서 사용되는 GPS위성은 실내에서는 GPS신호를 수신하지 못하는 이유로 사용이 제한되기 때문에, 실내 위치측위 및 네비게이션 등의 분야에서 활용하기 어려운 고유한 문제점이 있다[3]. 또한, 다양한 IoT서비스에 대한 수요가 증가함에 따라 실내공간에서 사용자 혹은 사물의 위치를 추정하는 실내위치측위 (IPS: Indoor Positioning System) 기술의 중요성이 날로 강조되고 있다[4].
복잡한 실내 환경에서는 사용자가 어느 서비스영역에 위치하는 지를 인식하는 것이 중요한 정보일 수 있기 때문에, 관심받는 기술은 무엇인가? 또한 사무실, 쇼핑몰 등의 복잡한 실내 환경에서는 사용자가 공간 내의 어느 위치에 정확히 있는가 보다는 어느 서비스영역에 위치하는 지를 인식하는 것이 더욱 중요한 정보일 수 있다[10]. 따라서 객체의 정확한 위치를 측정하기보다 영역기반의 실내위치측위 연구가 최근 관심을 받고 있으나 벽에 의한 영역분리[11] 또는 안테나의 방향성[9]에 의한 영역분리 등이 대부분이며 개방된 공간에서 영역을 분리하는 연구는 미흡한 상태이다. 이에 본 연구는 BLE Beacon의 RSSI를 활용하여 영역을 벽과 같은 구조물에 의해 분리되지 않은 개방된 환경에서 가상의 영역(Zone)을 설정하고 이를 인식하기 위한 Zone인식을 통한 실내 환경의 위치인식시스템을 제안한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (16)

  1. Liu, Hui, et al. (2007) Survey of wireless indoor positioning techniques and systems, IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 37(6), pp. 1067-1080. 

  2. Gu, Yanying, Anthony Lo, and Ignas Niemegeers (2009) A survey of indoor positioning systems for wireless personal networks, IEEE Communications surveys & tutorials, 11(1), pp. 13-32. 

  3. Mok, Esmond, and Bernard KS Cheung (2013) An improved neural network training algorithm for Wi-Fi fingerprinting positioning, ISPRS International journal of geo-information, 2(3), pp. 854-868. 

  4. Zhuang, Yuan, et al. (2016) Smartphone-Based Indoor Localization with Bluetooth Low Energy Beacons, Sensors, 16(5), p. 596. 

  5. Koyuncu, Hakan, and Shuang Hua Yang (2010) A survey of indoor positioning and object locating systems, IJCSNS International Journal of Computer Science and Network Security, 10(5), pp. 121-128. 

  6. Kriz, Pavel, Filip Maly, and Tomas Kozel (2016) Improving Indoor Localization Using Bluetooth Low Energy Beacons, Mobile Information Systems 2016. 

  7. N. Patwari, J.N. Ash, S. Kyperountas, A.O. Hero III, R.L. Moses, and N.S. Correal (2005) Locating the nodes: cooperative localization in wireless sensor networks, IEEE Signal Processing, Magazine, 22(4), pp. 54-69. 

  8. X. Li, K. Pahlavan, M. Latva-aho, and M. Ylianttila (2000) Comparison of indoor geolocation methods in DSSS and OFDM wireless LAN systems, Proceedings of the 52nd Vehicular Technology Conference, Boston, pp. 3015-3020, 

  9. R. Peng and M.L. Sichitiu (2006) Angle of arrival localization for wireless sensor networks, Proceedings of the 3rd Annual IEEE Communications Society on Sensor and AdHoc Communications and Networks(Secon '06), Reston, pp. 374-382, 

  10. Jin-Woo Song, Soo-Jung Hur, Yong-Wan Park, Kook-Yeol Yoo (2012) Database Investigation Algorithm for High-Accuracy based Indoor Positioning , IEMEK Journal of Embedded Systems and Applications, 7(2), pp. 85-93. 

  11. Guzman-Quiros, Raul, et al. (2015) Integration of directional antennas in an RSS fingerprinting-based indoor localization system, Sensors, 16(1), p. 4. 

  12. Wu, Chenshu, et al. (2013) WILL: Wireless indoor localization without site survey, IEEE Transactions on Parallel and Distributed Systems, 24(4), pp. 839-848. 

  13. T.N. Lin, P.C. Lin (2005) Performance comparison of indoor positioning techniques based on location fingerprinting in wireless networks, Proceedings on WIRLES'05, 2, pp. 1469-1574 

  14. Hinton, Geoffrey, et al. (2012) Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups. IEEE Signal Processing Magazine, 29(6), pp. 82-97. 

  15. Kjaergaard, Mikkel Baun, Georg Treu, and Claudia Linnhoff-Popien (2007) Zone-based RSS reporting for location fingerprinting, International Conference on Pervasive Computing, Springer Berlin Heidelberg, Pisa, pp. 316-333. 

  16. Chauvin, Yves, and David E. Rumelhart. (1995) Backpropagation: theory, architectures, and applications. Psychology Press, London, pp. 23-30. 

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

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