초록 ▼

연구개발 목표 및 내용
최종 목표
최근 딥러닝 기술이 다양한 분야에 활용되면서, 딥러닝 기반 자율주행 관련 연구들이 수행되고 있다. 본 연구는 차량/드론 자율항법을 위한 기반 기술을 제공하기 위해 딥러닝 기법을 이용하여 GNSS 정밀 기선해석 과정 중 대기 보정에 해당하는 대류층 지연오차 모델을 설계한다. GNSS 정밀 기선해석은 코드 및 위상 데이터를 사용하여 수학적 모델 기반 배치/칼만 필터를 적용하는 것이 일반적이지만, 본 연구에서는 딥러닝 기법을 적용하여 대류층 오차를 개별적으로 추정함으로써 관측값 기반모델이 아닌

연구개발 목표 및 내용
최종 목표
최근 딥러닝 기술이 다양한 분야에 활용되면서, 딥러닝 기반 자율주행 관련 연구들이 수행되고 있다. 본 연구는 차량/드론 자율항법을 위한 기반 기술을 제공하기 위해 딥러닝 기법을 이용하여 GNSS 정밀 기선해석 과정 중 대기 보정에 해당하는 대류층 지연오차 모델을 설계한다. GNSS 정밀 기선해석은 코드 및 위상 데이터를 사용하여 수학적 모델 기반 배치/칼만 필터를 적용하는 것이 일반적이지만, 본 연구에서는 딥러닝 기법을 적용하여 대류층 오차를 개별적으로 추정함으로써 관측값 기반모델이 아닌 상태 기반 모델링을 수행한다. 대류층 오차는 실시간 정밀위치를 위해 반드시 추정이 필요한 오차로 추정 모델을 통해 향후 !MU 등 저가의 센서를 다양하게 결합할 수 있는 기반 기술을 개발하고자 한다.
전체 내용
본 연구에서는 딥러닝을 사용하여 GNSS 기선해석에서 대기 보정 오차에 해당하는 대류층 지연 오차를 추정한다. 오차 추정은 딥러닝 기법 중 시계열 데이터 처리에 효과적인 LSTM(Long Short-Term Memory) 모델을 구현한다. LSTM 모델은 오픈소스인 python 라이브러리 기반 다중 레이어로 설계하여 과거 데이터와 최신 데이터를 연결시킨다. 초반에는 GNSS 기반 위치정보, 차량 속력 데이터, IMU 수평 정보 기반 모델 설계를 수행하고 후반에는 대류층 지연오차와 기상데이터를 입력하여 모델을 설계/테스트한다. 위성궤도 예측 연구로 방송궤도력을 분석하고 전리층 지연오차 모델을 확인하였다. 대류층 지연오차는 지역과 시간에 따라 모델링하고, LSTM 내부 구조를 변형시키며 추정 정확도 향상 연구를 수행하였다.

연구개발성과
(연구결과)
LSTM 기반 딥러닝 대류층 지연오차 추정 모델 설계 딥러닝 위성궤도 예측 테스트

연구개발성과 활용계획 및 기대 효과
(연구결과 중요성)
본 연구는 오픈소스 기반으로 딥러닝 모델을 설계하여 GNSS 기선해석과 대류층 지연오차를 추정함으로써 자율주행용 정밀 위치 결정을 위한 기본 연구로 활용 가능하다. 기존 수학적 모델에 기반한 해석을 대신하여 딥러닝 방법을 적용함으로써 기존방식과 다른 새로운 해결 방법을 제시하고, 추정된 지연오차를 지역적으로 모델링하여 보정신호를 생성하는 연구 기반을 마련할 수 있다. 멀티 레이어 딥러닝 기술을 적용함으로써, 드론 등 자율항법 뿐 아니라 향후 다양한 업무에 활용할 수 있고, 산업화 가능성을 제고할 수 있을 것으로 예상된다. LSTM 기반 대류층 지연오차 추정 모델링 과정을 기반으로 하여 또다른 대기 오차인 전리층 지연오차를 영상 기반 딥러닝 모델인 CNN/CNN-LSTM을 사용하여 모델링하면 위성 기반 위치결정오차에 큰 부분을 차지하는 지연오차를 실시간으로 예측할 수 있을 것으로 기대한다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 9
• 1) 연구수행 결과 ... 9
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 14
• 5. 연구개발성과의 관리 및 활용 계획 ... 14
• 6. 참고문헌 ... 14
• 끝페이지 ... 15