[논문]저가형 측위장치에 RTS 보정정보의 실시간 LSTM 예측 기능 구현을 통한 PPP

김범수; 김민규; 김정래; 부성춘; 이철수

doi:10.12673/jant.2022.26.2.119

저가형 측위장치에 RTS 보정정보의 실시간 LSTM 예측 기능 구현을 통한 PPP
Real-time LSTM Prediction of RTS Correction for PPP by a Low-cost Positioning Device 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.26 no.2, 2022년, pp.119 - 124

김범수 (한국항공대학교 항공우주 및 기계공학부) , 김민규 (한국항공대학교 항공우주 및 기계공학부) , 김정래 (한국항공대학교 항공우주 및 기계공학부) , 부성춘 (LIG넥스원 C4I 연구소) , 이철수 (LIG넥스원 C4I 연구소)

초록
AI-Helper

IGS (international gnss service)에서는 GNSS (global navigation satellite system) 위성의 항법메시지에 적용할 수 있는 RTS (real-time service) 궤도 및 시계 보정정보를 제공한다. 하지만, 인터넷 단절이 발생하면 RTS 값을 수신할 수 없으므로, 안정적인 PPP (precise point positioning)를 수행하기 위해 신호 단절이 발생한 경우 RTS 보정정보를 예측해서 사용해야 한다. 본 논문에서는 실시간으로 신호 단절 구간에서 LSTM (long short-term memory) 알고리듬으로 궤도 및 시계 보정정보를 예측하여 PPP를 진행하였다. 연산 처리 속도가 빠르지 않은 Raspberry Pi (RPI)에 LSTM 알고리듬을 구현하여 예측성능을 분석하였다. 다항식 예측기법과 비교하여 LSTM은 장기간 예측에서 우수한 성능을 보였다.

Abstract ▼ AI-Helper

The international gnss service (IGS) provides real-time service (RTS) orbit and clock correction applicable to the broadcast ephemeris of GNSS satellites. However, since the RTS correction cannot be received if the Internet connection is lost, the RTS correction should be predicted and used when a signal interruption occurs in order to perform stable precise point positioning (PPP). In this paper, PPP was performed by predicting orbit and clock correction using a long short-term memory (LSTM) algorithm in real-time during the signal loss. The prediction performance was analyzed by implementing the LSTM algorithm in RPI (raspberry pi), the processing speed of which is not high. Compared to the polynomial prediction model, LSTM showed excellent performance in long-term prediction.

주제어

표/그림 (8)

그림 그림 1. LSTM 네트워크 구조 Fig. 1. Architecture of LSTM network
그림 그림 2. RTKLIB PPP의 데이터 흐름 및 추가된 기능 Fig. 2. Data flowchart and added function to RTKLIB PPP
그림 그림 3. PRN 5 RTS 궤도(radial) 관측값 및 예측값 Fig. 3. Observations and predictions of PRN 5 RTS orbit(radial)
그림 그림 4. RTS 궤도 보정정보 3D 예측 RMSE Fig. 4. RTS orbit correction 3D estimation RMSE
표 표 1. 궤도 예측 3D 오차 통계 (2022년 3월 1-6일, 단위: meters) Table 1. 3D error statistics of orbit predictions (March 1-6, 2022, unit: meters)
그림 그림 5. 실시간 PPP 3D 오차 (2022년 3월 21일) Fig. 5. Real-time PPP 3D error (March 21, 2022)
그림 그림 6. 예측 구간별 PPP 3D 평균 오차 Fig. 6. Average PPP 3D error with prediction intervals
표 표 2. PPP 3D RMS 오차 통계 (2022년 3월 1-6일, 단위: meters) Table 2. 3D RMS error statistics of PPP (March 1-6, 2022, unit: meters)

AI 본문요약
AI-Helper

제안 방법

LSTM 네트워크는 그림 1과 같이 1-step 뒤의 값, 즉 60초 뒤의 값을 예측하도록 훈련되었다. RPI로 훈련 네트워크의 이식은 LSTM 층과 fully-connected 층의 가중치와 바이어스를 텍스트 파일에 저장하는 것으로 이루어졌다. 주기적으로 데스크탑에서 새로운 보정정보로 훈련된 네트워크를 인터넷을 통해 RPI로 옮기는 것으로 LSTM 네트워크의 업데이트가 가능하다.
또한, 비교 연구를 위해 RPI에 다항식 모델을 사용한 RTS 보정정보의 예측 기능도 구현되었다.
그림 2는 RPI에서 RTKLIB이 구동되어 PPP가 실시간으로 수행될 때 데이터의 흐름을나타낸 것이다. 수신기와 NTRIP 클라이언트를 통해 RTS 데이터를 수신하고 위성의 실시간 정밀궤도 및 시계를 계산하여 PPP에 적용한다.
실시간 실험에서는 GPS 위성만 사용하여 PPP가 수행되었으며, 그림 3과 같이 신호 단절 이전 1시간 관측값으로 LSTM 네트워크의 업데이트를 수행하고 신호 단절 발생 후 1시간 동안 예측이 진행되었다.
LSTM 네트워크 훈련에 사용된 IGS03 RTS 데이터는 2022년 1월 28일부터 2월 3일까지이다. 실험은 2022년 3월 1일부터 6일까지 수행되었으며, 하루에 5번씩 총 30번의 신호 단절을 발생시키고 RTS 예측 오차를 분석하였다.
저가형 수신기와 RPI를 이용하여 실시간 PPP를 수행하는 도중에 인위적으로 신호 단절을 발생시키는 실험을 진행하였다. LSTM 네트워크의 예측성능은 다항식 모델과 비교되었으며, PPP 정확도 분석도 수행되었다.

대상 데이터

LSTM 네트워크 훈련에 사용된 IGS03 RTS 데이터는 2022년 1월 28일부터 2월 3일까지이다. 실험은 2022년 3월 1일부터 6일까지 수행되었으며, 하루에 5번씩 총 30번의 신호 단절을 발생시키고 RTS 예측 오차를 분석하였다.
RTS 보정정보가 없는 PRN 11, 28 위성을 제외하고 총 30개의 위성에 대해서 예측이 진행되었다. 한 시점에서 LSTM 네트워크로 총 30개 위성의 RTS 궤도 보정정보를 예측하는데 RPI에서 평균 0.
RTS는 60초 간격의 IGS03 궤도 보정정보를 사용했다. LSTM 네트워크는 그림 1과 같이 1-step 뒤의 값, 즉 60초 뒤의 값을 예측하도록 훈련되었다.
IGS RTS 보정정보는 RTCM (radio technical commission for maritime services) SSR (state space representation) 형식으로 NTRIP (network transport of RTCM via internet protocol) 클라이언트를 통해 전송된다. 사용자는 인터넷 환경에서 NTRIP 클라이언트를 통해 실시간으로 GNSS 궤도 및 시계 보정정보를 생성 관리 기관에 따라 각각 60초, 10초 또는 5초 간격으로 수신할 수 있다.

데이터처리

1시간의 신호 단절 구간에서 LSTM의 RTS 궤도 예측성능을 다항식 모델과 비교하였으며, 상수 모델을 사용하여 RTS 시계를 예측했다. 다항식 모델 대비 LSTM을 사용한 결과 RTS 3D예측 오차를 94.
저가형 수신기와 RPI를 이용하여 실시간 PPP를 수행하는 도중에 인위적으로 신호 단절을 발생시키는 실험을 진행하였다. LSTM 네트워크의 예측성능은 다항식 모델과 비교되었으며, PPP 정확도 분석도 수행되었다.

성능/효과

그림 5는 1시간의 예측 구간에 대해LSTM 예측을 진행한 경우와 신호 단절이 발생하지 않은 경우의 실시간 위치추정 결과이다. LSTM을 사용한 결과 1시간 동안 신호 단절 이전과 같이 0.3 m 수준의 위치추정 정확도를 유지하는 것을 알 수 있다.
1시간의 신호 단절 구간에서 LSTM의 RTS 궤도 예측성능을 다항식 모델과 비교하였으며, 상수 모델을 사용하여 RTS 시계를 예측했다. 다항식 모델 대비 LSTM을 사용한 결과 RTS 3D예측 오차를 94.7% 오차를 감소시킬 수 있었다. 또한, 실시간 예측 결과를 방송궤도력에 적용하여 실시간 PPP 성능을 비교한 결과 전체 구간에서 81.
7% 오차를 감소시킬 수 있었다. 또한, 실시간 예측 결과를 방송궤도력에 적용하여 실시간 PPP 성능을 비교한 결과 전체 구간에서 81.1%의 오차를 감소시킬 수있었다. 약 10분까지는 다항식 모델과 LSTM의 성능이 비슷하지만, 예측이 구간 길어질수록 다항식 모델은 급격히 발산하고 LSTM은 오차가 일정 수준을 유지할 수 있었다.
표 1은 일자별로 나눈 RTS 궤도 3D RMS 오차의 평균이다. 모든 결과에서 LSTM의 예측 결과가 우수한 것을 알 수 있으며, 다항식 모델의 3D 궤도 오차는 3월 6일에 7.754 m로가장 크며, 표준 편차는 37.105 m로 매우 크게 발산한 것을 알 수 있다. 해당일자에 PRN 22 위성의 관측 데이터 개수가 부족하여 예측값이 발산한 것이 그 원인인데, 이 경우에도 LSTM을 사용하면 기존의 예측 정확도를 유지할 수 있다.
1%의 오차를 감소시킬 수있었다. 약 10분까지는 다항식 모델과 LSTM의 성능이 비슷하지만, 예측이 구간 길어질수록 다항식 모델은 급격히 발산하고 LSTM은 오차가 일정 수준을 유지할 수 있었다.
3 m 이내의 오차를 보이지만, 다항식 모델을 사용하는 경우는 평균 1 m를 초과한다. 전체적으로 LSTM 모델을 사용하는 경우 다항식 모델 대비 약 81.1%의 오차를 감소시킬 수 있었다.
그림 4는 각 PRN에 대해 모든 데이터의 3D RMS 오차의 평균을 나타낸 그래프이다. 총 30번 수행된 1시간 RTS 궤도 예측 결과에서 다항식 모델 대비 LSTM을 사용하는 경우 3D RMS 오차를 평균 94.7% 감소시킬 수 있다.
RTS 보정정보가 없는 PRN 11, 28 위성을 제외하고 총 30개의 위성에 대해서 예측이 진행되었다. 한 시점에서 LSTM 네트워크로 총 30개 위성의 RTS 궤도 보정정보를 예측하는데 RPI에서 평균 0.026초가 소요되었다. 이는 프로그램 내에서 RTS궤도 보정정보의 해독에 필요한 0.

참고문헌 (12)

International GNSS Service. IGS Real-Time Service Fac Sheet [Internet]. Available; https://kb.igs.org/hc/en-us/articles/201087803-IGS-Real-Time-Service-Fact-Sheet
T. Hadas and J. Bosy, "IGS RTS precise orbits and clocks verification and quality degradation over time", GPS Solutions, Vol. 19, No. 1, pp. 93-105, Jan. 2015.

상세보기
Z. Nie, Y. Gao, Z. Wang, S. Ji, and H. Yang, "An approach to GPS clock prediction for real-time PPP during outages of RTS stream", GPS Solutions, Vol. 22, No. 14, Nov. 2017. (Online Publication)
H. Ge, B. Li, T. Wu and S. Jiang, "Prediction models of GNSS satellite clock erros: Evaluation and application in PPP", Advances in Space Research, Vol. 68, No. 1, pp. 2470-2487, Sep. 2021.

상세보기
M. G. Kim and J. R. Kim, "Predicting IGS RTS corrections using ARMA neural networks", Mathematical Problems in Engineering, Vol. 2015, No. 851761, pp. 1-11, Jun. 2015.
M. G. Kim and J. R. Kim. "GA-ARMA model for predicting IGS RTS corrections", International Journal of Aerospace Engineering, Vol. 2017, No. 6316590, pp. 1-7, Mar. 2017.
M. G. Kim and J. R. Kim, "A short-term prediction method of the IGS RTS clock correction by using LSTM network", Journal of Positioning, Navigation, and Timing, Vol. 8, No. 4, pp. 209-214, Nov. 2019.

원문보기 상세보기
J. H. Kim, M. G. Kim and J. R. Kim, "Prediction Performance Analysis for the IGS RTS Clock Correction using LSTM Network", in KSAS 2020 Spring Conference, Goseong-gun, pp 683-684, Jul. 2020.
T. Takasu. RTKLIB: An Open Source Program Package for GNSS Positioning [Internet]. Available; http://www.rtklib.com/
J. H. Kim, Development of real-time precise satellite navigation device using RTS correction with bidirectional LSTM algorithm, M.S. dissertation, Korea Aerospace University, Goyang-si, Feb. 2021.
Z. Cui, R. Ke, Z. Pu and Y. Wang, "Deep Bidirectional and Unidirectional LSTM Recurrent Neural Network for Network-wide Traffic Speed Prediction", in International Workshop on Urban Computing, London, pp 1-11, Aug. 2018.
T. Hadas, J. Kaplon, K. Wilgan, J. Bosy and J. Sierny, "Verification of real-time IGS products and their influence on Precise Point Positioning", in GNSS PPP Workshop: Reaching Full Potential, Ottawa, pp. 1-25, 2013.

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