현재 사회는 무선 통신기술의 발전으로 위치기반 서비스에 관심이 높아지고 있으며 이로 인해, 위치 정보의 중요성이 증가하는 추세이다. 위치정보를 계산하는 위해 여러 가지 방안이 제안되고 있으며, 그중에서도 삼변측량 기법이 대표적이다. 삼변측량 기법은 세 개의 비컨노드에서 알고자 하는 위치 사이의 거리정보를 통해 계산한다. 비컨 노드에서 알고자 하는 위치 사이 거리정보를 얻을 때 장애물이나 주변 환경에 의해 거리오차가 발생하며 이로 인해 정확한 위치정보를 얻을 수 없다. 현재로서 위치정보의 정확도를 높이기 위해 다양한 알고리즘이 있다. 하지만 이러한 알고리즘들의 체계적인 분석이 진행되지 않고 있다. 본 논문은 위치인식 기술들을 분석하고, 거리오차로 인해 위치정보의 오차를 줄이기 위한 알고리즘들을 다양한 측면에서 체계적이고 실증적인 분석을 통해 비교평가 하였다.
현재 사회는 무선 통신기술의 발전으로 위치기반 서비스에 관심이 높아지고 있으며 이로 인해, 위치 정보의 중요성이 증가하는 추세이다. 위치정보를 계산하는 위해 여러 가지 방안이 제안되고 있으며, 그중에서도 삼변측량 기법이 대표적이다. 삼변측량 기법은 세 개의 비컨 노드에서 알고자 하는 위치 사이의 거리정보를 통해 계산한다. 비컨 노드에서 알고자 하는 위치 사이 거리정보를 얻을 때 장애물이나 주변 환경에 의해 거리오차가 발생하며 이로 인해 정확한 위치정보를 얻을 수 없다. 현재로서 위치정보의 정확도를 높이기 위해 다양한 알고리즘이 있다. 하지만 이러한 알고리즘들의 체계적인 분석이 진행되지 않고 있다. 본 논문은 위치인식 기술들을 분석하고, 거리오차로 인해 위치정보의 오차를 줄이기 위한 알고리즘들을 다양한 측면에서 체계적이고 실증적인 분석을 통해 비교평가 하였다.
Currently in the development of community wireless technology is gaining interest in location-based services and as a result, the importance of the location information is a growing trend. To calculate the location information is being suggested several ways, among them Trilateration is representati...
Currently in the development of community wireless technology is gaining interest in location-based services and as a result, the importance of the location information is a growing trend. To calculate the location information is being suggested several ways, among them Trilateration is representative. Trilateration is three beacon nodes, the distance between the location in which you want to calculate with information. Beacon from a node to know where to get information when the distance between the obstacle and the distance error caused by the surrounding environment, which leads to the exact location can not be obtained. Currently due to distance error, location information has a variety of algorithms to reduce the error. However, a systematic analysis of these algorithms is not progress. This paper analyzes the location-aware technologies, and the error the distance of the location information to reduce errors in the various aspects of the algorithm for the systematic and empirical comparison was evaluated through the analysis.
Currently in the development of community wireless technology is gaining interest in location-based services and as a result, the importance of the location information is a growing trend. To calculate the location information is being suggested several ways, among them Trilateration is representative. Trilateration is three beacon nodes, the distance between the location in which you want to calculate with information. Beacon from a node to know where to get information when the distance between the obstacle and the distance error caused by the surrounding environment, which leads to the exact location can not be obtained. Currently due to distance error, location information has a variety of algorithms to reduce the error. However, a systematic analysis of these algorithms is not progress. This paper analyzes the location-aware technologies, and the error the distance of the location information to reduce errors in the various aspects of the algorithm for the systematic and empirical comparison was evaluated through the analysis.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 장에서는 기본적인 삼변측량에 대해 설명한다. 또한, 거리측정 오차 발생 시 거리오차를 줄이기 위해 존재하는 대표적인 삼변측량 알고리즘을 소개한다.
가설 설정
첫 번째 가중치는 노드와 노드 사이의 각이 60도에 가까울수록 가중치를 적게 준다. 두 번째 노드 사이의 거리가 같으면 같을수록 가중치를 적게 준다. 마지막 세 번째는 세 개의 노드 사이에 예상위치가 무게중심에 가까울수록 가중치를 적게 준다.
제안 방법
Real Position은 어느 위치에 있더라도 수식[]을 통해 3개 이상의 노드로부터 수신할 수 있다. Real Position과 노드들의 거리를 구한 다음 이것을 가우시안 분포를 적용하여 오차를 강제로 주어졌다. 오차가 주어진 거리를 토대로 각 삼변측량을 100번 반복한다.
본 논문은 다양한 삼변측량 기술들을 분석하고, 거리오차로 인해 위치정보의 오차를 줄이기 위한 알고리즘들을 다양한 측면에서 체계적이고 실증적인 분석을 통해 비교평가 하였다. 위치인식 기술은 다른 기술들에 우선하는 기반 기술로서 중요도가 높으며 활발히 연구되고 있다.
하지만 이러한 알고리즘들의 체계적인 분석이 진행되지 않고 있다. 본 논문은 위치인식 기술들을 분석하고, 거리오차로 인해 위치정보의 오차를 줄이기 위한 알고리즘들을 다양한 측면에서 체계적이고 실증적인 분석을 통해 비교평가 하였다.
본 장에서는 모의실험을 통해 삼변측량 알고리즘들을 c ++ 을 이용하여 구현하고 테스트 및 성능 평가를 수행했다. 그림 1 과 같이 가상의 공간 100m x 100m 환경에서 각 노드을 배치하고 하나의 Real Position을 랜덤하게 주어진다.
가로 첫 번째 R1은 알고자 하는 위치에 해당한다. 이렇게 측정된 RSSI 값의 정보를 토대로 지역 유사성이 가장 큰 노드 들을 이용하여 삼변측량을 한다. [7]
성능/효과
과같이 그래프로 나타내었다. 그림을 보게 되면 Real Position과 노드 사이의 거리를 30% 가우시안 분포를 적용한 상황에서 확률을 이용한 삼변측량이 Real Position과 가장 적은 오차를 보였으며 40% 이상 가우시안 분포를 적용한 결과로는 토폴러지를 이용한 삼변측량이 가장 적은 오차를 나타내었다. 지역 유사성을 이용한 삼변측량은 30% 이하일 경우에는 확률을 이용한 삼변측량과 비슷한 오차를 나타내었으나 40% 이상일 경우에는 가장 큰 오차를 나타내었다.
이 세 가지 삼변 측량은 각각 장단점을 가지고 있다. 알고자 하는 위치와 노드 사이의 거리의 오차가 가장 적을 때 확률을 이용한 삼변측량이 가장 적은 오차를 보장해 줄 것이고, 거리오차가 클 때에는 토폴러지를 이용한 삼변측량이 적은 위치 오차를 보장해 줄 것이다.
후속연구
정확한 위치 데이터를 얻기 위해 다양한 방법들이 연구 개발되고 있으나, 아직은 완벽한 기술은 개발되고 있지 않았다. 향후에도 이에 관해 중요한 연구 주제가 될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.