RFID 기술를 이용한 다양한 응용분야에서 잘못된 RFID 리더기의 배치로 인해 리더기간의 간섭이 발생한다. 리더기 간의 간섭은 어떤 리더기가 다른 리더기의 동작에 간섭을 일으키는 신호를 송신하여 태그를 인식하는 것을 방해할 때 발생한다. RFID 시스템에서 리더기의 충돌 문제는 시스템 처리량과 인식의 효율성의 병목현상을 발생 시킨다. 본 논문에서는 RIFD 안테나 배치의 적합도를 높이기 위해서 진화 연산 기법을 이용한 새로운 RFID 리더기 배치 설계 시스템을 제안한다. 먼저, 주위 환경에 민감한 안테나의 전파 특성을 분석하고, 특성 데이터베이스를 구축한다. 그리고, 안테나를 최적으로 배치하기 위한 EAEncoding 기법과 Fitness 기법 및 유전잔 연산자를 제안한다. 제안하는 기법의 우수성을 보이기 위해서 시뮬레이션을 수행하였으며, 실험 결과, 약 100세대의 진화 연산을 통해 커버율 95.45%, 간섭율 10.29%의 RFID 안테나 배치의 적합도를 달성하였다.
RFID 기술를 이용한 다양한 응용분야에서 잘못된 RFID 리더기의 배치로 인해 리더기간의 간섭이 발생한다. 리더기 간의 간섭은 어떤 리더기가 다른 리더기의 동작에 간섭을 일으키는 신호를 송신하여 태그를 인식하는 것을 방해할 때 발생한다. RFID 시스템에서 리더기의 충돌 문제는 시스템 처리량과 인식의 효율성의 병목현상을 발생 시킨다. 본 논문에서는 RIFD 안테나 배치의 적합도를 높이기 위해서 진화 연산 기법을 이용한 새로운 RFID 리더기 배치 설계 시스템을 제안한다. 먼저, 주위 환경에 민감한 안테나의 전파 특성을 분석하고, 특성 데이터베이스를 구축한다. 그리고, 안테나를 최적으로 배치하기 위한 EA Encoding 기법과 Fitness 기법 및 유전잔 연산자를 제안한다. 제안하는 기법의 우수성을 보이기 위해서 시뮬레이션을 수행하였으며, 실험 결과, 약 100세대의 진화 연산을 통해 커버율 95.45%, 간섭율 10.29%의 RFID 안테나 배치의 적합도를 달성하였다.
Incorrect deployment of RFID readers occurs reader-to-reader interferences in many applications using RFID technologies. Reader-to-reader interference occurs when a reader transmits a signal that interferes with the operation of another reader, thus preventing the second reader from communicating wi...
Incorrect deployment of RFID readers occurs reader-to-reader interferences in many applications using RFID technologies. Reader-to-reader interference occurs when a reader transmits a signal that interferes with the operation of another reader, thus preventing the second reader from communicating with tags in its interrogation zone. Interference detected by one reader and caused by another reader is referred to as a reader collision. In RFID systems, the reader collision problem is considered to be the bottleneck for the system throughput and reading efficiency. In this paper, we propose a novel RFID reader anti-collision algorithm based on evolutionary algorithm(EA). First, we analyze characteristics of RFID antennas and build database. Also, we propose EA encoding algorithm, fitness algorithm and genetic operators to deploy antennas efficiently. To show superiority of our proposed algorithm, we simulated our proposed algorithm. In the result, our proposed algorithm obtains 95.45% coverage rate and 10.29% interference rate after about 100 generations.
Incorrect deployment of RFID readers occurs reader-to-reader interferences in many applications using RFID technologies. Reader-to-reader interference occurs when a reader transmits a signal that interferes with the operation of another reader, thus preventing the second reader from communicating with tags in its interrogation zone. Interference detected by one reader and caused by another reader is referred to as a reader collision. In RFID systems, the reader collision problem is considered to be the bottleneck for the system throughput and reading efficiency. In this paper, we propose a novel RFID reader anti-collision algorithm based on evolutionary algorithm(EA). First, we analyze characteristics of RFID antennas and build database. Also, we propose EA encoding algorithm, fitness algorithm and genetic operators to deploy antennas efficiently. To show superiority of our proposed algorithm, we simulated our proposed algorithm. In the result, our proposed algorithm obtains 95.45% coverage rate and 10.29% interference rate after about 100 generations.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 RFID 리더기 안테나를 최적으로 배치하기 위한 진화 연산 알고리즘을 제안하였다. 기존의 문제 정의를 수정하여, RFID 안테나의 모델을 단순한 원반 형태가 아닌 실제 실험을 통해 얻어진 결과를 가지고 사용하였다.
본 논문에서는 최소개의 리더기 안테나를 이용하여 넓은 영역을 모두 커버하기 위한 RFID 리더기 안테나의 배치 최적화 알고리즘을 제안한다. 단순한 원반 형태가 아닌 실제 전파 특성과 비슷한 형태의 안테나 모델을 활용하였으며, 안테나 이득의 변화에 따라 인식 거리가 달라진다는 점에 착안하여 다양한 안테나 이득을 적용하여 서로 다른 인식 거리를 갖는 안테나들이 적용 될 수 있도록 하였다.
제안 방법
이를 해결하기 위해 메타휴리스틱 서치 기법 중 가장 일반적으로 널리 사용되고 있는 진화 연산 알고리즘 (EA)을 사용하였다[4]. 그리고 RFID 안테나 배치 문제에 적합한 새로운 인코딩 기법을 제안하였다. 또한 사용자가 가중치를 조절 가능하도록 적합도 함수를 꾸며 EA 을 설계하였다.
본 논문에서는 RFID 리더기 안테나를 최적으로 배치하기 위한 진화 연산 알고리즘을 제안하였다. 기존의 문제 정의를 수정하여, RFID 안테나의 모델을 단순한 원반 형태가 아닌 실제 실험을 통해 얻어진 결과를 가지고 사용하였다. 또한 파워 레벨을 달리하여 서로 다른 크기의 인식 범위를 갖는 안테나들을 사용하였다.
본 논문에서는 최소개의 리더기 안테나를 이용하여 넓은 영역을 모두 커버하기 위한 RFID 리더기 안테나의 배치 최적화 알고리즘을 제안한다. 단순한 원반 형태가 아닌 실제 전파 특성과 비슷한 형태의 안테나 모델을 활용하였으며, 안테나 이득의 변화에 따라 인식 거리가 달라진다는 점에 착안하여 다양한 안테나 이득을 적용하여 서로 다른 인식 거리를 갖는 안테나들이 적용 될 수 있도록 하였다. 이를 해결하기 위해 메타휴리스틱 서치 기법 중 가장 일반적으로 널리 사용되고 있는 진화 연산 알고리즘 (EA)을 사용하였다[4].
그리고 RFID 안테나 배치 문제에 적합한 새로운 인코딩 기법을 제안하였다. 또한 사용자가 가중치를 조절 가능하도록 적합도 함수를 꾸며 EA 을 설계하였다. 새로운 인코딩 방법에 맞도록 진화 연산자들 또한 추가 제안하였다.
기존의 문제 정의를 수정하여, RFID 안테나의 모델을 단순한 원반 형태가 아닌 실제 실험을 통해 얻어진 결과를 가지고 사용하였다. 또한 파워 레벨을 달리하여 서로 다른 크기의 인식 범위를 갖는 안테나들을 사용하였다. 더욱이 임의의 영역 전체를 커버하기 위한 RFID 안테나 최적 배치 문제를 해결하기 위해서, 진화 연산 알고리즘을 새롭게 제안하였다.
이 때 문제에서 찾으려 하는 변수들을 숫자의 배열 형태로 만드는 것을 인코딩이라고 한다. 본 논문에서는 안테나를 최적으로 배치하기 위한 문제를 다루기 때문에, 안테나의 위치, 그리고 안테나의 인식 반경, 안테나의 개수 등의 정보가 포함되도록 유전자형을 만들어야 한다. 이러한 목적을 이루기 위해, 아래 그림 2와 같은 방식으로 유전자 인코딩을 제안한다.
본 장에서는 먼저 제안하는 RFID 안테나 최적 배치를 위한 진화 알고리즘의 특징을 기술하고, 안테나 정보를 진화 알고리즘에서 필요한 데이터 형태로 변환하기 위한 인코딩 기법과 적합도 함수에 대해 기술한다.
이를 위해 RFID 문제에 적합한 인코딩 방식을 제안하였고, 진화가 제대로 이루어지게 하기 위해 진화 연산자 역시 새롭게 설계하였다. 안테나의 커버율과 간섭율을 조합하여 적합도 함수를 구현하였다. 본 논문에서는 실제 실험을 통해 얻어진 DB를 기반으로 제안된 알고리즘을 검증하였고, 기존의 방식보다 나은 성능을 보임을 확인하였다.
위의 과정을 통해 실제 도면상에서 의미하는 값들을 얻어낸 후, 도면 상에 가상으로 배치를 해본 후 그렇게 배치 했을 경우의 커버율(Cover Rate, CR)과 간섭율(Interference Rate, IR)을 계산한다. 이때, 커버율과 간섭율은 수식 (7), (8)과 같이 계산된다.
대상 데이터
최적화 실험을 위한 첫 번째 예제로 그림 3과 같은 사용자 도면을 생성하여 사용하였다. 가로 9.65m, 세로 8.35m의 로비를 가상으로 생성하여 실험을 진행하였다. 각 모서리 부분에 기둥으로 판단되는 장애물 영역이 존재하도록 하였다.
이론/모형
이는 이전 세대에서 가장 우수한 개체를 다음 세대에 전달하는 방식으로 빠른 수렴 속도를 얻을 수 있다는 장점이 있다. 그리고 나머지 부모 세대를 선택하는 데에는 일대일 토너먼트 방식을 사용하였다. 왜냐하면 엘리티즘으로 빠른 수렴속도를 얻을 수 있지만 자칫 개체의 다양성(Diversity)은 훼손될 수 있기 때문이다.
EA 최적화 엔진은 유전자 인코딩, 다음 세대 형성(Reproduction), 엘리트 개체 선정과 부모 세대 선정, EA 연산자, 적합도 계산으로 이루어져 있다. 부모 세대를 선택하기 위해서 먼저 엘리티즘(Elitism)을 사용했다. 이는 이전 세대에서 가장 우수한 개체를 다음 세대에 전달하는 방식으로 빠른 수렴 속도를 얻을 수 있다는 장점이 있다.
단순한 원반 형태가 아닌 실제 전파 특성과 비슷한 형태의 안테나 모델을 활용하였으며, 안테나 이득의 변화에 따라 인식 거리가 달라진다는 점에 착안하여 다양한 안테나 이득을 적용하여 서로 다른 인식 거리를 갖는 안테나들이 적용 될 수 있도록 하였다. 이를 해결하기 위해 메타휴리스틱 서치 기법 중 가장 일반적으로 널리 사용되고 있는 진화 연산 알고리즘 (EA)을 사용하였다[4]. 그리고 RFID 안테나 배치 문제에 적합한 새로운 인코딩 기법을 제안하였다.
성능/효과
안테나의 커버율과 간섭율을 조합하여 적합도 함수를 구현하였다. 본 논문에서는 실제 실험을 통해 얻어진 DB를 기반으로 제안된 알고리즘을 검증하였고, 기존의 방식보다 나은 성능을 보임을 확인하였다. 하지만 아직 진화 초기 유전자들이 무작위로 선정되기 때문에 진화가 수렴하기까지 오랜 시간이 걸린다는 단점이 있다.
하지만 100세대 정도 되었을 때, 어느 정도 수렴했다고 볼 수 있기 때문에 여기에서 진화를 멈추었다. 이 때 최종적으로 커버율이 95.45%, 간섭율이 10.29% 되도록 하는 RFID 안테나 배치 결과를 얻을 수 있었다.
새로운 인코딩 방법에 맞도록 진화 연산자들 또한 추가 제안하였다. 제안된 진화 연산 알고리즘의 성능을 평가한 결과 매 세대 얻어진 최우수 개체(Elite)의 적합도 값은 진화가 진행 될수록 적합도가 전체적으로 증가하였으며, 만약 세대 수를 늘려 진화를 계속 할 경우 더 좋은 값을 찾을 수도 있을 것이다. 하지만 100세대 정도 되었을 때, 어느 정도 수렴했다고 볼 수 있기 때문에 여기에서 진화를 멈추었다.
후속연구
하지만 아직 진화 초기 유전자들이 무작위로 선정되기 때문에 진화가 수렴하기까지 오랜 시간이 걸린다는 단점이 있다. 향후 연구는 이러한 문제를 극복하기 위해 유전자 초기화 단계에서 가능성이 있는 유전자들을 선정하는 기법을 연구하는 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
RFID가 다양한 서비스에 빠른 속도로 보급되고 있는 이유는 무엇인가?
최근 RFID (Radio Frequency Identification)는 비접촉식 통신 기술의 일종으로 근거리 물체 인식, 위치 인식, 센서 네트워크 구축 등 다양한 분야에 여러 가지 형태로 응용되고 있다[1][2]. 특히 사용자가 관리할 사물에 태그를 부착한 후, 송수신 부의 전파를 활용하면 손쉽게 그 사물에 대한 정보 및 주변 정보를 인식가능하기 때문에, 다양한 서비스에 빠른 속도로 보급되고 있다. 하지만 여전히 RFID 리더기의 경우 단가가 높기 때문에, 다수의 리더기와 안테나를 활용하기에 경제적인 제약이 있다.
토너먼트 방식의 특징은 무엇인가?
왜냐하면 엘리티즘으로 빠른 수렴속도를 얻을 수 있지만 자칫 개체의 다양성(Diversity)은 훼손될 수 있기 때문이다. 이러한 이유로 토너먼트 방식을 사용했고, 이 방식은 무작위로 두 개체를 뽑아 비교한 후 이긴 개체를 다음 세대의 부모로 선택하는 방식이기 때문에 다양성을 확보할 수 있는 좋은 방법이 된다.
EA 최적화 엔진은 무엇으로 이루어져 있는가?
그림 1은 본 논문이 제안하는 최적 배치 EA의 흐름도를 나타내고 있다. EA 최적화 엔진은 유전자 인코딩, 다음 세대 형성(Reproduction), 엘리트 개체 선정과 부모 세대 선정, EA 연산자, 적합도 계산으로 이루어져 있다. 부모 세대를 선택하기 위해서 먼저 엘리티즘(Elitism)을 사용했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.