_ hwp

Transcription

1 중견연구자지원사업 ( 핵심연구 ) 최종보고서 양식 A101 1 부처사업명 ( 대 ) 기초연구사업보안등급 ( 보안, 일반 ) 일반 2 사업명 ( 중 ) 중견연구자지원사업공개가능여부 ( 공개, 비공개 ) 공개 3 세부사업명 ( 소 ) 핵심연구 ( 개인 ) 4 과제성격 ( 기초, 응용, 개발 ) 기초 4-1 실용화대상여부 ( 실용화, 비실용화 ) 실용화 5 과제명 6 주관연구기관 7 협동연구기관 8 주관연구책임자 년도 정부출연금 (A) 국문 영문 불규칙한수신기배치와장애물환경하에서고객위치확인방법개발 A Development of Customer Location Identification Method under Irregular Receiver Layout and Barrier Existence 인하대학교산학협력단 성명이창호직급 ( 직위 ) 수석급 ( 교수 ) 소속부서항공 조선 산업공학부전공산업공학 현금 (C) 9 연구개발비및참여연구원수 ( 단위 : 천원, M Y) 기업체부담금 현물 (D) 소계 E=(C+D) 정부외출연금 (B) 상대국부담금 (F) 합계 G=(A+B+E) 참여연구원수 1 차년도 95, , 차년도 95, , 차년도 차년도 차년도 0 0 합계 190, , 총연구기간 (24 개월 ) 11 다년도협약연구기간 (24 개월 ) 12 당해연도연구기간 (12 개월 ) 13 참여기업 14 국제공동연구 중소기업수대기업수기타계 상대국연구기관수상대국연구개발비상대국연구책임자수 관계규정과모든지시사항을준수하면서이연구개발사업을성실히수행하였으며아래와같이최종보고서를제출합니다 년 04 월 27 일 주관연구책임자 : 이창호 ( 인 ) 주관연구기관장 : 김연성 ( 직인 ) 교육과학기술부장관귀하 0-1 -

2 주요항목작성요령 2 공개가능여부 : 기초연구사업은공개를기본으로함. 단불가피하게비공개 ( 평가용도이외에는연구보고서배포를제한하는경우 ) 로하는경우사유를공문으로제출및양식중 < 연구내용및결과 > 의 10. 기타사항란에명확히기재함 5 과제명 : 당초연구과제 ( 과제명변경을재단에서승인받은경우는승인된과제명 ) 명을기재함 9 정부출연금 : 전체연구기간의연도별연구비를기재함참여연구원수 : 연구책임자를제외한참여연구원수기재 10 총연구기간 : 연구시작일부터연구종료일까지총연구기간을기재 셀보호된내용수정방법 : 해당셀선택 > 마우스우측버튼클릭 > 표셀속성선택 > 셀선택 > 셀보호해제 중견연구( 핵심연구 ) 협약연구기간적용안내 선정연도연구기간총연구기간다년도협약기간당해연도협약기간비고 2010 년 2 년 ~ ~ ~ 년 1 년 ~ ~ ~

3 목차 Ⅰ. 연구계획요약문 1. 국문요약문 4 Ⅱ. 연구결과요약문 1. 국문요약문 2. 영문요약문 5 6 Ⅲ. 연구내용 1. 연구개발과제의개요 2. 국내외기술개발현황 3. 연구수행내용및결과 4. 목표달성도및관련분야에의기여도 5. 연구결과의활용계획 6. 연구과정에서수집한해외과학기술정보 7. 주관연구책임자대표적연구실적 8. 참고문헌 9. 연구성과 10. 기타사항

4 연구계획요약문 연구의 목적및내용 연구결과 연구결과의활용계획 중심어 양식 A201 u-city 사업이본격화되면서위치기반서비스에대한관심이증가하고다양한비즈니스모델이개발되고있다. 이에따라고객의위치를확인할수있는방법론이다양하게개발되고있다. 특히실내 외모두에서활용가능한다양한방법들이연구되고있으며, 실외에서많이사용되는 GPS 방법이실내에서도적용하는방안을개발하고있다. 그러나아직은측정에따른산포가커서신뢰성에의문이제기되거나값비싼모듈을적용해야하기때문에보편화되기에는많은문제점이존재한다. 따라서본연구에서는기존에실내에서위치를측위하는방법인 Fingerprint 측위방식을실외에적용하여고객의위치를확인할수있도록개발하고실제현장에적용하고자한다. 2008년도부터 2009년도까지인천정보산업진흥원에서수행한 위치정보기반개방형모바일서비스시스템개발 사업은인천지역중일부지역에서그지역에들어오는고객을확인하고, 실시간으로해당고객에게필요한서비스를휴대단말기를통해제공하는시스템을구축하였다. 이사업에서는시스템이구축된지역전체를대상으로고객의존재여부만확인하고, 해당고객에게전체지역에대한서비스메시지를보내는방법으로구축되었다. 고객의위치를좀더상세히파악할수있으면위치에따라세밀하고차별화된서비스제공이가능할것이다. 이에따라본연구에서는이미다수의수신기들이구축되어있는환경하에서태그를소지한고객의위치를상세히파악할수있는방법을개발하고자한다. 불규칙하게배치되어있는수신기와현장의전파송 수신을방해하는건물, 사람등다양한장애물이존재하는실외환경에서고객의위치를확인하는알고리즘을개발하고, 실제구축된환경하에서개발한알고리즘에대한실제적용가능성테스트를진행하고, 개발한알고리즘의정확도를향상시킬수있는방안을연구하고자한다. 이를위해그동안실내에서위치측위방법으로사용되었던다양한측위방법들중실외에서적용가능성이있는 Fingerprint 방식을활용하고, 실외에구축되어있는수신기들을활용하여좀더정확하게고객의위치를확인할수있는알고리즘을개발한다. 본연구에서제안하는고객위치확인방법은기존의방법들에비해실제환경에서의장애물들을고려하여개발하기때문에고객위치의측정산포영향을최소화할수있으리라기대한다. 1차년도에는 Fingerprint 방법을활용하여불규칙하게배치되어있는수신기와현장의전파송수신을방해하는다양한장애물존재하에서실외고객위치확인알고리즘을개발하고, 2차년도에는개발한알고리즘을이용하여측정하고평가한후보완하여현장에적용하기위한연구개발과정을수행하고자한다. 1) Fingerprint 방법을활용한실외에서고객위치를확인하는방법은이미구축되어있는수신기들을활용하여비교적정확한고객위치를저렴한방법으로파악가능할것이다. 2) 이러한방법을활용하면이미개발한 u-zone Service라는 u-city 모델에적용가능하며, 향후보편적인 u-city 사업에도활용가능하리라기대한다. 그래서 u-city 사업에서이미시내곳곳에구축한다양한수신기들을활용하면고객위치를파악하여다양한위치기반서비스를저렴하게보편화할수있으리라기대한다. 3) 무선센서망 (USN) 에서도위의방법을활용하여위치기반서비스비즈니스모델을구축할수있으리라기대한다. 위치기반서비스고객위치확인핑거프린트방법전파세기 u-city 작성시유의사항 1) 연구계획서 ( 지원신청서 ) 제출시의국문연구요약문을그대로작성함 ( 당초내용을복사사용가능함 ) 2) 본요약문의내용은외부에공개할수있음 3) 반드시 1페이지이내로만기재함 - 4 -

5 연구결과요약문 한글요약문 연구의 목적및내용 연구결과 연구결과의활용계획 중심어 양식 A202 u-city 사업이본격화되면서위치기반서비스에대한관심이증가하고다양한비즈니스모델이개발되고있다. 이에따라고객의위치를확인할수있는방법론이다양하게개발되고있다. 특히실내 외모두에서활용가능한다양한방법들이연구되고있으며, 실외에서많이사용되는 GPS 방법이실내에서도적용하는방안을개발하고있다. 그러나아직은측정에따른산포가커서신뢰성에의문이제기되거나값비싼모듈을적용해야하기때문에보편화되기에는많은문제점이존재한다. 따라서본연구에서는기존에실내에서위치를측위하는방법인 Fingerprint 측위방식을실외에적용하여고객의위치를확인할수있도록개발하고실제현장에적용하고자한다. 본연구에서는 1차년도에실외에서위치를측정하기위한기술로 Fingerprint 방식을적용할실제구역을선정하고실제구역을일정범위로설정한 Zone을구성하여건물의위치, 도로및주변환경을반영하고불규칙한수신기배치환경하에서 BS(Base Station) 의위치를결정한다. Fingerprint 측위방식의준비단계로실제장소의장애물환경 ( 건물, 사람, 다른전파등 ) 을고려하여구성한 Zone에서 Reference Point를설정하고, 각 Reference Point의위치, 측정한거리값등을고려한 Zone내의인식좌표를설정한다. 그다음으로 Fingerprint 측위방법중확률론적알고리즘을개발하고산포를줄이기위한방안으로확률값에가중치를부여하여 log-scale 로변환하여더정확한고객위치확인알고리즘을개발하였다. 2차년도는개발된알고리즘의신뢰도 / 정확도를확인하고개선하기위해실제환경하에서의고객위치확인방법의적용가능성테스트를진행하였다. 다양한방법의테스트시나리오를작성하여측정오차를줄이고, 실제테스트결과와기개발된알고리즘의결과를비교분석하여정확도를향상시키는방안으로데이터보정및필터링방법을개발하여적용하였다. 또한보정계수를산정하여각기기를보정해줌으로써기기별오차를줄이고현재많이사용되는측위방법인삼각측량법과최소자승법을같이연구하여기개발된알고리즘과의비교연구를통해다른기기및환경에서도적용할수있도록구현하였다. 이를통해실제환경하에서테스트한결과기개발된알고리즘에다양한필터링및보정방법을적용하였을경우약 1.02m의오차가발생하였고, 삼각측량법및최소자승법에비해약 30%, 9.3% 의오차개선효과가발생하였다. 또한 RP에위치할확률을계산하였을경우에도 20개의 RP 중 2~3개의 RP에서만오차가크게발생하였고다른 RP에서는상당히정확한결과를보여주었다. 이를통해실제환경에서적용할수있는가능성을확인하였고다양한기기에서도기개발된알고리즘을사용하여측위정확도를향상시킬수있을것으로기대된다. 1) Fingerprint 방법을활용한실외에서고객위치를확인하는방법은이미구축되어있는수신기들을활용하여비교적정확한고객위치를저렴한방법으로파악가능할것이다. 2) 이러한방법을활용하면이미개발한 u-zone Service라는 u-city 모델에적용가능하며, 향후보편적인 u-city 사업에도활용가능하리라기대한다. 그래서 u-city 사업에서이미시내곳곳에구축한다양한수신기들을활용하면고객위치를파악하여다양한위치기반서비스를저렴하게보편화할수있으리라기대한다. 3) 무선센서망 (USN) 에서도위의방법을활용하여위치기반서비스비즈니스모델을구축할수있으리라기대한다. 위치기반서비스고객위치확인핑거프린트방법전파세기 u-city 표양식변경및삭제불가능하며이미지, 수식, 표의삽입을금지하고특수문자기호는전각기호만을이용하여작성함 본요약문은정보제공용으로활용되므로핵심적인내용을중심으로이해하기쉽도록기재하고한장이내로작성함 - 5 -

6 SUMMARY 양식 A2 Purpose& contents Result Expected Contribution Keywords Concerns and several business models for location based service are developed according to progress of u-city. Many customer location identification methods are developed. Some methods are used in case of indoor and others are used in case of outdoor. For example, GPS was developed in use of outdoor and it was also expanded to use for indoor. But there are many problems for generalization of location based service because of cost and error of customer location identification. We developed customer location identification method, test for real application, and develop a real application system in case of outdoor through the application of Fingerprint method to be used in case of indoor. In the first year we developed the Fingerprint method for outdoor tag location determination. We added the probabilistic algorithm, weights, and log-scale transformation to Fingerprint method to decrease the determination error. We tested the algorithm at lab and outdoor environment. We constructed the test environment through the establishment of reference points, AP, base station, and tag location for tag location determination under the existence of several barriers such as persons, wall, and other radio waves. In the second year we progressed the developed algorithm at first year to verify the reliability and accuracy and to decrease the location determination error. So we tested under several test scenarios and environments, and then we supplement the first year algorithm through data correction and several filtering methods. We also tested the triangular method and least square method. We improved the first year algorithm through the data correction, several filtering methods, and triangular method. We obtained the test results of 1.02m location determination error and we improved the location determination accuracy in comparison with other existing methods. Also we obtained the good results for calculating the probability of existence of tag in the reference point. (1) We can develop several applications at a moderate price the customer location identification method under the environment of irregular layout of receivers and barriers existence through application of Fingerprint method. (2) It is expected to apply the developed customer location identification method under the environment of "u-zone Service" and also we can expand the method for the u-city environment. (3) It will be expected to develop some new business models for location based service through the expansion of the method under ubiquitous sensor network(usn). Location Based Service Location Identification Fingerprint Method RSSI u-city 03 표양식변경및삭제불가능하며이미지, 수식, 표의삽입을금지하고특수문자기호는전각기호만을이용하여작성함 본요약문은정보제공용으로활용되므로핵심적인내용을중심으로이해하기쉽도록기재하고한장이내로작성함 - 6 -

7 연구내용및결과 1. 연구개발과제의개요 ~ 10. 기타사항을항목에따라작성함 제목 14point, 소제목 12point, 본문내용은 10point 로작성하며, 줄간간격은조정가능함 연구내용및결과 (1 번부터 10 번까지 ) 는 100 페이지이내로작성함 내용작성과관련한설명내용 ( 청색박스로표시된부분 ) 은내용작성시제거하고기술함 양식 A 연구개발과제의개요 가. 연구개발의목적및필요성 최종목표 : 불규칙한수신기배치와장애물환경하에서고객위치확인방법개발 위치기반서비스를위한국내 외위치측위방법들및연구현황을살펴보면실내측위기술중많이사용되고있는기술은적외선및초음파기술에서 WLAN 및 RFID 기술로변화하는것을확인할수있다. 이러한경향은시스템을구축하기위한여러가지고려해야할요소중비용적측면에서상당히효과적인장점을가지기때문이다. WLAN 방식은노트북컴퓨터, PDA, 혹은다른 WLAN 장치, 모바일장치들을사용하여미들웨어혹은어플리케이션수준에서소프트웨어의도구에의하여구현될수있는환경을갖추고있기때문에, 전용으로실내에서위치를측위하는방식들보다현저하게저렴한비용으로시스템을구현할수있다. RFID 방식의경우는비가시적이고비접촉식이며동시에여러태그를고속으로인식할수있는기술로현재연구및사업이활발히진행중에있고적은기반시설과낮은비용으로구축할수있는장점이있다. 2008년도부터 2009년도까지인천정보산업진흥원에서수행한 위치정보기반개방형모바일서비스시스템개발 사업은인천광역시의일부지역에서그지역에들어오는고객을확인하고, 실시간으로해당고객에게필요한서비스를휴대단말기를통해제공하는시스템을구축하였다. 시스템이구축된지역에고객이들어오면 RFID 태그를발급하고리더가태그의위치정보를읽어고객의정보를서버로전송한다. 전송된고객정보를바탕으로고객의위치정보를파악하고특정구역에맞는다양한컨텐츠들을사용자의휴대단말기로전송한다. 이사업에서는시스템이구축된지역전체를대상으로고객의존재여부만확인하고, 해당고객에게전체지역에대한서비스메시지를보내는방법으로구축되었다. 고객의위치를정확히확인하는것이매우어렵기때문에고객의위치를정확히확인하고차별화된서비스를제공하는상세한비즈니스모델을구축하지는못하였다. 고객의위치를좀더상세히파악할수있으면위치에따라세밀하고차별화된서비스제공이가능할것이다. 본연구에서는이미다수의수신기들이구축되어있는환경하에서태그를소지한고객의위치를상세히파 - 7 -

8 악할수있는방법을개발하고자한다. 불규칙하게배치되어있는수신기들과현장의전파송 수신을방해하는건물, 사람등다양한장애물들이존재하는실외환경에서고객의위치를확인하는알고리즘을개발하고, 실제구축된환경하에서개발한알고리즘에대한실제적용가능성테스트를진행하고, 개발한알고리즘의정확도를향상시킬수있는방안을연구하고자한다. 이를위해그동안실내에서위치측위방법으로사용되었던다양한측위방법들중실외에서적용가능성이있는 Fingerprint 방식을활용하고, 실외에구축되어있는수신기들을활용하여좀더정확하게고객의위치를확인할수있는알고리즘을개발한다. 이미실외에서적용가능한다양한고객위치확인방법들이연구되었지만본연구에서제안하는고객위치확인방법은기존의방법들에비해실제환경에서의장애물들을고려하여개발하기때문에고객위치의측정산포영향을최소화할수있을것이다. [ 그림 1] 은이상의연구과제를구현하기위한전체프로세스의흐름도를나타낸다. [ 그림 1] 전체프로세스흐름도 - 8 -

9 나. 연구범위및연구수행방법 (1) 연구범위 본연구에서는위치기반서비스를제공하기위해반드시필요한기술중측위기술의정확성을향상시켜다양한서비스를제공할수있는알고리즘을개발하고환경변수를고려하여실제환경에서적용가능성테스트를실시하여고객의위치를정확히확인하는시스템을구현하고자한다. [ 그림 2] 는본연구의전체시스템의구성도를나타낸다. [ 그림 2] 연구과제의전체시스템구성도 1 차년도연구는 Fingerprint 방식을이용하여실외의장애물환경하에서고객의위치확인알고리즘을개발 하였다. 이를위해 Fingerprint 방식을적용할 Zone 구성및 BS 의위치를설정하고, 장애물환경을반영한 RP 를구성하고 Zone 좌표를설정하였다. 2.45GHz 대역의 Active RFID 시스템을구현하고 RSSI 및 ToA 방 - 9 -

10 법을적용하여 MU의위치를추정하기위해실내및실외에서단위테스트를진행하였다. Fingerprint 방법을적용하기위해각 RP에서 Training 단계를수행하고 Training Data를 DB로저장하였다. 각 RP 및임으로선택한지역에서 Positioning 단계를수행하고 Training Data와비교하여 MU의위치를추정하였다. 정확한 MU를추정하기위해설정한 RP에서의측정된값의산포를줄이기위한보정방법으로확률론적알고리즘을개발하여적용하고, 보정된알고리즘을사용하여정확한고객의위치를확인하는시스템을구현하였다. 2차년도연구는개발된고객위치확인알고리즘의신뢰도 / 정확도를확인하기위해설정한 Zone에서실제환경하에서의고객위치확인방법의적용가능성테스트를진행하였다. 이를위해다양한방법의테스트시나리오를작성하여측정오차를줄이고, 실제테스트결과와개발된알고리즘을통해계산된결과와의차이를비교 분석하였다. 테스트결과를바탕으로환경요인에대한영향성을검토하여실제환경에서의고객의위치측위정확도를향상시킬수있는방안을연구하고, 개발된고객위치확인알고리즘을적용할수있는방안을모색하였다. (2) 1 차년도연구목표및내용 본연구의내용은실외에서위치를측정하기위한기술로 Fingerprint 방식을적용할실제구역을선정하고실제구역을일정범위로설정한 Zone을구성하여건물의위치, 도로및주변환경을반영하고불규칙한수신기배치환경하에서 BS(Base Station) 의위치를결정한다. Fingerprint 측위방식의준비단계로실제장소의장애물환경 ( 건물, 사람, 다른전파등 ) 을고려하여구성한 Zone에서 Reference Point를설정하고, 각 Reference Point의위치, 측정한 RSSI 값등을고려한 Zone내의인식좌표를설정한다. 측정한 RSSI 값의산포를줄이기위한방안으로특정범위의값을제거하는필터및불필요한데이터값을보정할수있는방법들을사용하여특정거리이상의결과값에대해 RSSI 값을보정하고, 불규칙한수신기배치상황에서보정된 RSSI 값을바탕으로 Reference Point의좌표및 RSSI 값을데이터베이스에저장하여위치측위서버를구축한다. 실내 외에불규칙적으로설치된다중 BS(Base Station) 와장애물환경을설정하여, 측정된 RSSI 값의신뢰도를높이기위해필터 process를계산하고 Fingerprint 측위방식의 Reference 값과비교하여최적의고객위치를확인할수있는알고리즘을개발한다. 이상의내용을각연구세부내용으로기술하면다음과같다. 1) 연구목표 : Fingerprint 방식을이용하여실외의장애물환경하에서고객의위치확인알고리즘개발 2) 연구내용 1 Fingerprint 방식을적용할 Zone 구성및 BS 위치설정 : 실외에적용가능한측위기술중주위의환경정보를측위에사용하여정확한위치를제공할수있는

11 Fingerprint 방식을선택하여실제구역을대상으로 Zone 을구성하고, 건물의위치, 방향등을고려하여 태그의신호를수신하는 BS(Base Station) 의위치를설정함. 2 장애물환경을반영한 Reference Point 설정및 Zone 좌표설정 : 장애물환경 ( 건물, 사람, 다른전파등 ) 을고려하여구성한 Zone 에 Reference Point 를설정하고, 각 Reference Point 의위치, RSSI 값등을고려한 Zone 내의인식좌표설정. 3 측정된 RSSI 값의산포를줄이기위한보정방법분석 : 일정거리이상에서 RSSI 값의불규칙성에대한산포를줄이는방법으로필터및보정방법을사용 하여 RSSI 값의신뢰도를향상시킬수방법을분석함. 4 고객의위치확인알고리즘개발 : 실외에불규칙적으로설치된 BS와다양한장애물환경하에서 RSSI 값을측정하고, 측정된 RSSI 값을필터링하여나온데이터를 Reference Point의값과비교하여최적의고객위치를확인할수있는알고리즘을개발함. (2) 2 차년도연구목표및내용 2차년도연구는개발된고객위치확인알고리즘의신뢰도 / 정확도를확인하기위해설정한 Zone에서실제환경하에서의고객위치확인방법의적용가능성테스트를진행한다. 이를위해다양한방법의테스트시나리오를작성하여측정오차를줄이고, 실제테스트결과와개발된알고리즘을통해계산된결과와의차이를비교 분석한다. 테스트결과를바탕으로환경요인에대한영향성을검토하여실제환경에서의고객의위치측위정확도를향상시킬수있는방안을연구하고, 개발된고객위치확인알고리즘을적용할수있는방안을모색하도록한다. 1) 연구목표 : 현장테스트를통해개발한위치추적알고리즘의정확도 / 신뢰도향상방안연구 : u-zone 서비스에적용가능한시스템구축방안연구 2) 연구내용 1 고객의정확한위치를추적할수있도록구성한방법의실제적용가능성테스트 : 불규칙적으로설치된다중 BS 와다양한환경정보를수집하여가공할수있는 Fingerprint 방식의 Reference Point 값을데이터베이스에저장하고실제구역을대상으로설정한 Zone 에서고객의위치를

12 측정할수있는방법에대한테스트를실시하여비교 분석함. : 기설치된시스템과의비교를위해 u-zone 의시스템과의테스트시나리오를작성하며, 개발한알고리즘의 자체평가를위해다양한테스트시나리오를작성하여기존시스템과의차이및개발된알고리즘의오차를분석함. 2 테스트결과를바탕으로실제환경과의정확도를향상시킬수있는방안연구 : 최근연구가진행되고있는 Kalman Filter 등통계적 수리적방법을고려하며, u-zone에서의테스트결과를바탕으로현장에설치된 13.56MHz와 2.45GHz 대역의 Dual Band RFID Tag를고려하며, 환경요인의영향성을검토하여개발한알고리즘의정확도를향상시킬수있는방안을제시함. 3 개발된고객위치확인알고리즘을적용할수있는방안연구 : u-zone 에서불규칙한 BS 와다양한장애물환경을고려한시스템구축방안을제시하고 u-city 등에 적용할수있는방안연구 2. 국내외기술개발현황 가. 국내외관련기술개발현황 (1) LBS 의기술개발현황 처음군사용으로출발한 LBS는그효용성이입증되면서교통 치안등공공부문에서널리활용되고있다. 특히 GPS 수신칩의가격하락, 지리정보축적, 정부정책등에힘입어 2004년이후내비게이션을중심으로 LBS의상업화가급진전되었고, 노키아, 구글, 야후등글로벌기업들도본격적으로사업을확대하고있다. 위치정보의효과적인활용은단순히하나의사업분야에그치지않고국가전반의가치를높일수있는전략적자산으로변화하고있다.[28] LBS 사업은수요자 ( 소비자, 기업, 공공 ) 및서비스성격 ( 정적, 동적 ) 에따라 6가지유형으로구분되며, 각각의대표적사업으로는위치기반생활정보제공, 텔레매틱스, 지도기반웹사이트제작, 물류 자산관리시스템, 위치기반지리정보시스템, 지능형교통시스템등을들수있다. 1 위치기반생활정보제공사업 ( 구글맵모바일등 ) 은특정장소에대한정보등 나만의지도 를인터넷에만들어타인과공유하거나지역업체정보를검색할수있게하는것이다 ( 소비자, 정적 ). 2 차량운행정보및관리서비스를제공하는텔레매틱스사업 (GM의온스타등 ) 은자동차제조업체, 보험사등다양한업체들이참여하면서시장규모가가장크고성장속도도빠르다 ( 소비자, 동적 ). 3 기업의상품정보를지도와연계 제작하는지도기반웹사이트제작사업 ( 윙버스의여행지도등 ) 은부동산중개 여행업체등에서주로활용되고있으며 ( 기업,

13 정적 ), 4 물류 자산관리시스템사업 (Pay-As-You-Drive 보험등 ) 으로는위치추적을통해물류비를절감하는분야와고객의차량사용량등에따라요금을책정하는보험서비스분야가부상하고있다 ( 기업, 동적 ). 5 위치기반지리정보시스템사업 ( 구글어스등 ) 은특정지역을통과하는개인에게교통사고, 범죄빈도등의정보를제공하는것이다 ( 공공, 정적 ). 6 지능형교통시스템사업 ( 통행료징수시스템등 ) 은차량의위치정보를활용하여도로교통, 차량안전, 대중교통등을효율적으로관리하는것이다 ( 공공, 동적 ).[23] (2) 위치측위기술 (LDT : Location Determination Technology) 개발현황 위치기반서비스는이동통신망기술, 위치추적기술, 단말기기술및정보기술과의통합기술로서이들이유기적으로결합된시스템구성이필요하다. 위치기반서비스를위한기술체계는휴대단말기의위치를파악하는무선측위기술과서비스를위한핵심기반기술을제공하는 LBS 서버기술, 그리고다양한 LBS 응용기술들을들수있다. 이러한시스템환경으로구축한위치정보서비스는위치정보의정확도에따라서비스의종류와질이달라지기때문에고정밀측위기술이요구되고있다. 1) 위치인식의기본원리에따른구분 1 근접성을이용한방법 (Proximity) 근접성을이용한위치인식방법은이미위치가알려진장치에근접해있는물체에대해위치를감지하는방법이다. 한정된범위에서가능한방법으로서무선랜, 블루투스, RFID 등의근거리망과 Cell-ID와같은이동통신망에서다양하게적용될수있다. 근접성을이용한방식은크게 3가지로물리적인접촉 (Proximity/Physical) 을감지하는방법과무선셀접속점 (Proximity/Cell) 을감시하는방법, 그리고자동 ID 시스템관측 (Proximity/ID) 으로구분할수있다.[23] 구분내용적용범위 물리접인접촉을감지하는방법 무선셀접속점을감시하는방법 자동 ID 시스템관측 < 표 1> 근접성을이용한방법의내용및적용범위 실제물체가직접적인물리적접촉을감지하는방법 이동기기가무선셀네트워크안에서하나혹은복수의접속포인트의가용범위내에들어왔는지를감시하여이동기기의위치를추정하는방법 자동식별시스템이나 ID tag 를이용하여이동물체의위치를유추하는방법 압력센서, 터치센서, 전하장감지기등 이동통신망의 Cell-ID, 적외선을이용한 AT&T 의 Active Badge, Xerox 의 ParcTAB, 무선랜을이용한카네기멜론의 Wireless Andrew 등 POS(Point Of Sale), credit-card network, 컴퓨터로그인기록등의자동적인사용자 ID 기록시스템의정보를관측하는방법등

14 2 삼각측량을이용한방법 (Triangulation) 세지점에대한위치정보를기반으로거리측정또는각도를이용하여이동물체의 2차원또는 3차원좌표를인식하는방법으로비교적정확한위치측정이가능하다. 삼각측량을이용하여 2차원좌표를알기위해서는 3개지점에대한정보가있어야되며, 3차원좌표를인식하기위해서는 4개의지점에대한정보가있어야한다. 삼각측량법을사용하는방법으로는거리측정방식과각도측정방식등이있다.[27] 먼저거리측정방식은신호또는전파의비행시간또는감쇄를이용하여셋이상의기준점으로부터의거리를측정하여위치를계산하는방법이다. 이방법에는위성신호도달시간거리를이용한삼각측량인 GPS, 통신망을이용한 E-OTD, 초음파를이용한 AT&T의 Active Bat, RF 신호를이용한 SpotOn 등이있다. 각도측정방식은거리측정방식과유사하나물체의위치를계산하는데거리대신각도를이용하는방법으로세지점의각도를알거나두개의각도와기준점간거리를이용하는방법등이사용될수있다. 이방법을사용하는기술에는통신망의전파를이용한 AOA, 카메라영상을이용한 4S-VAN, Microsoft의 EasyLiving 등이있다.[23] [ 그림 3] 거리기반삼각측량 [ 그림 4] 각도기반삼각측량 3 장면분석을이용한방법 (Scene Analysis) 장면분석을이용한방법은특정지점에서관측된전자기적또는물리적신호의특성을데이터베이스화해놓은후이동장치에서취득된신호의특성과비교하여위치를파악하는방법이다. 장면분석방법은장면의특성에따라카메라를사용하는시스템의경우이미지를분석하며, 전파신호의수신기를사용하는경우는전파의신호세기를분석하게된다. 즉, 장면분석법에의한위치검출방법은위치를파악하기위한곳의환경적특징을미리알고있어야한다는전제조건하에이루어지는방법이다. 따라서관측된장면은표현되기쉽고비교하기쉬운특징으로단순화해야한다. 장면분석을이용한방법으로는정적장면분석방법 (Scene/Static) 과차등장면분석방법 (Scene/Differential) 등이있다.[23] 먼저정적장면분석방법은대상지역에대한조사를통해관측된모든 Scene들을데이터베이스에저장하고단말에의해획득된 Scene을이데이터베이스에있는 Scene들과비교하여위치를결정하는방법이다

15 차등장면분석방법은정적장면분석방법과같이데이터베이스를이용하는것은동일하나하나의 Scene 에 의해서위치를결정하는것이아니라두개이상의연속적인 Scene 의차이에의해위치를결정하는방법이다. 대표적인시스템으로는 Microsoft 연구소의 RADAR 위치시스템이있다.[23] 2) 위치신호수신주체에따른구분 위치인식기술들은위치신호수신주체가단말인가위치네트워크인프라인가에따라위치측위방식을구분하는방법이다. 즉단말을중심으로위치를수행하는방식을단말기반의측위 (MS-Based Positioning), 네트워크에서위치를측위하는방식을네트워크기반의측위 (Network Based Positioning), 이들둘을융합하여사용하는방식을혼합형측위 (Hybrid Positioning) 등으로구분한다.[20][23] < 표 2> 위치신호수신주체에따른구분 구분 MS-Based Positioning Network Based Positioning Hybrid Positioning 종류 A-GPS, MS Assisted TOA, MS Assisted TDOA 등 Cell-ID, AOA, TOA, TDOA 등 AOA+TOA, AOA+TDOA, AOA+RTT, GPA+CDMA, DCM 등 1 MS-Based Positioning A-GPS(Assisted GPS) 알고리즘은 Location 서버에서 reference GPS 수신기를이용하여 GPS 위성신호와데이터를실시간으로관리하며이동단말이위치측위를요청하면서버는현재단말이있는위치에서탐색해야할 GPS 위성신호의 Doppier 주파수와 Code 위치, 그리고각각의탐색범위에관한정보를휴대단말로보내주게된다. 이렇게획득한 GPS 신호의측정치는다시 Location 서버로보내지게되며여기서단말의위치를계산하여단말기로보내주게된다. 이방식은 CDMA 이동통신사업자들이주로채택하고있는기술로써 Nextel, Sprint PCS, Verizon Wireless 등의사업자들이도입하여운용하고있다.[21][36] [ 그림 5] MS-Based Positioning

16 2 Network Based Positioning 기존다수의이동통신사업자들이사용한 Cell-ID 기술은별도의단말기및네트워크의변경이필요없는가장단순한네트워크기반의위치측위기술로서, 이용자가속한기지국의 ID를통해이용자의위치를 3초이내에파악할수있는장점이있다. 그러나셀반경의크기에따라위치정보의정확도가큰편차를보이는단점이있다. 즉, 기지국의간격이촘촘한도심의경우 100~1,000m의정확도를나타낼수있지만, 외곽지역의경우셀반경이수십 Km에이르는것도있어서위치정보의정확도를보장할수없다.[16] AOA(Angle Of Arrival) 는단말기의신호를수신한 3개의기지국의신호수신각도의차이를이용하여위치정보를제공하는알고리즘이다.[7][20] TOA(Time Of Arrival) 는단말기의신호를수신한한개의서비스셀기지국과 2개의주변기지국들사이의신호도달시간을이용하여위치정보를제공하는알고리즘이다.[9][35] TDOA(Time Difference Of Arrival) 는한개의서비스셀기지국과 2개의주변기지국사이의수신신호의도달시간의차이를이용하여거리를산출하고사용자의위치를추정한다. TDOA 알고리즘을기반으로발전된알고리즘들이 E-OTD(Enhanced Observed Time Difference), U-TDOA(Uplink TDOA), FLT(Forward Link Trilateration) 방식등이있다.[12][35][36] AOA, TOA, TDOA 방식은측위파라메타의신뢰성에크게의존함에따라오차범위가크고중계기가설치되어기지국신호에변화요인이발생하면위치측위결과값이사용자의위치에서많이벗어나게되는단점을가지고있다.[36] [ 그림 6] Network Based Positioning 3 Hybrid Positioning DCM(Database Correlation Method) 방법은어떤특정장소에종속적인측정데이터 ( Fingerprint") 들에대해서 데이터베이스를구축한후측정된 Fingerprint 데이터와 DB 데이터들을비교하여위치를추정하는방식이다. 그러나이방법은도심지역에서는성능이좋지만 BS 의밀도가작은교외지역에서는성능이좋지않으며, 또한

17 주변환경이바뀔경우 DB 를갱신해주어야하기때문에 DB 구축에많은시간과비용이드는단점이있다. [18][20] [ 그림 7] Hybrid Positioning < 표 3> 위치측위기술의장 / 단점비교 측위기술장점단점 Cell ID AOA 별도의부가장치나업그레이드불필요 비교적정확한측정값제공 위치정확도가 cell 반경과같기때문에오차범위가큼 건물등에의한다중경로발생시큰오차가나타날수있으며, Base station 과의거리와배치에따라정확도가영향을받음 TOA 단말기에추가적인기능확장이필요없음 두장치간의동기가맞아야함 건물등에의한다중경로에의한영향이큼 TDOA A-GPS 구현하기쉬움 초기위치인식시간을줄일수있음 다중경로에의한오차가적음 위치계산에최소 3 개의 Base station 이필요함 가시위성의개수에따라성능에큰차이가발생 실내이용어려움 GPS+CDMA 정확도가높음 위성과 Mobile station, Base station 과 Mobile station 간의 NLOS(Non Line of Sight) 의영향을크게받음 Mobile station 에 GPS 기능이있어야함 DCM (Fingerprint) 주위의환경정보를측위에사용하므로정확한위치해를제공할수있음 Base Station 의밀도가높을수록성능이좋음 Base station 의밀도가작은교외지역에서성능이좋지않으며, 주변환경변경시 DB 를갱신해주어야함

18 3) 위치측위획득방법에따른구분 위치를측정하는방법은여러가지신호에기반하여위치정보를획득하게된다. 이러한신호를얻을수있는 방법은매우다양하며최근에는그영역이점차확대되고있는추세이다. 1 위성신호기반측위기술 위성기반측위기술은순수하게위성에서송신되는신호를바탕으로신호수신기능을갖는최종사용자장치를이용하여위치를계산하는방식이다. 이방법의종류로는일반적인 GPS, Galileo와같이일반이용자의휴대용수신장치를통하여수신된위성신호만을이용하는위성단독 (satellite only) 방법과위성신호를항공 / 측량등의사용을위해정밀도를높일수있도록별도의제어세그먼트또는장치, 추가위성을함께이용하는증강 (augmented) 방식이있다.[11][20] 2 WLAN 신호기반측위기술 일반적으로 WLAN에기반한측위기술들은단말이수신하는 RF 신호강도 (signal strength) 를측정하여신호감쇄로인한신호전달거리를측정하여위치를계산하는기술이다. 무선랜기반위치시스템들은다른종류의시스템에비하여갖는장점은이미보편적으로사용중인 WLAN을이용하므로비용측면에서상당히효과적이다. 즉, 노트북컴퓨터, PDA, 혹은다른 WLAN 장치, 모바일장치들에서위치시스템은미들웨어혹은어플리케이션수준에서소프트웨어의도구에의하여구현될수있는환경을갖추고있다. 이를이용한대표적인시스템으로는 Macrosoft사의 RADAR(Radio Detection And Ranging) 시스템, Ekahau사의 EPE(Ekahau Positioning Engine), Intel사의 Place Lab 등이있다.[3][6] 3 적외선기반측위기술 적외선을이용한방식은실내곳곳에부착된적외선센서가고유 ID 코드를가진적외선장치를인식하여위치를찾아내는방식이다. 비교적시스템의구성이간단하고저렴하나적외선신호의특성상가시거리내에서만사용이가능하고형광또는직접적인태양광이비치는장소에서는사용하기어려운단점이있다. 이를이용한대표적인시스템으로는 AT&T Lab에서개발한 Active Badge System 등이있다.[28] 4 초음파기반측위기술 초음파를이용한방식으로는빠른 RF 신호와상대적으로느린초음파의전송속도차를이용하여대상체의

19 위치를찾아내는방법이다. 이는 3 차원의위치인식이가능하고저전력, 저비용의시스템을구성할수있는장 점을가진다. 이를이용한시스템으로는 MIT 의 Cricket System 과 AT&T Lab 에서개발한 Active Bat System 이대표적이다.[28] 5 RFID 기반측위기술 어플리케이션에따라 60KHz로부터 5.8GHz 범위의주파수를사용하는 RFID 기반추적시스템들은정확한위치정보가없이한태그의존재혹은비존재에의하여어렴풋한위치를파악하고있는정도이다. 그러나이러한정보도실시간위치시스템과결합함으로써실시간측위를가능하게할수있다. RFID 시스템은적은기반시설과낮은비용으로구축할수있는위치인식시스템의특징을가지고있다. 대상체에부착된 RFID 태그에 ID를저장하고이를포인터로이용하여대상체에대한정보를네트워크에연결된데이터처리시스템으로부터얻는다. 따라서태그에필요한메모리와전력, 비용을줄일수있을뿐만아니라네트워크를통해대량의데이터를전송하므로무선대역폭자원을절약할수있다.[19][20] RFID 측위는두가지방식이있는데, 이동가능한사람, 사물, 건물등에부착된 RFID 태그로부터읽힌식별번호를알려진위치에고정되어있는 RFID 리더에게전송하는역방향링크에의한측위와반대로고정되어있는건물또는사물등에위치정보가알려진 RFID 태그가부착되어있고이동가능한사람, 차량등이리더를통해 RFID 태그로부터위치를파악하는순방향링크에의한측위로구분될수있다. 이를이용한대표적인시스템으로는워싱턴대학의전산학과에서수행중인 Portolano 프로젝트의일부로개발된 SpotON이있다. [28][34] 6 UWB 기반측위기술 UWB(Ultra Wideband) 는단거리구간에서저전력으로넓은스펙트럼주파수를통해많은양의디지털데이터를전송하기위한무선기술로서, 변복조기능이필요없고낮은전력밀도를가진다. 이는투과성이좋아서건물내의벽이나비금속칸막이등을통과할수있고음영지역에서도사람이나사물의위치를파악할수있으며정확도가높아서실내위치인식에많이사용될것으로기대되고있다. 대표적인예로, Ubisense사의 Ubitag가있다.[16][27] (3) 국내연구개발현황 국내의많은기업및연구소, 학교등에서다양한실내 외위치측위방법들을연구하고있으며, 측정오차를 줄이려는방안들을모색하고있다. WLAN, RSSI, Fingerprint, IEEE WPAN 기반의 Zigbee 모듈등 다양한기술들을도입하여, 실내 외위치측위방법들의대표적인연구현황을조사하였다

20 1 무선랜의신호세기를이용한실내측위알고리즘성능비교시뮬레이터연구 [14] 연구수행기관 : 경북대학교산업대학원 연구내용 : 최근실내측위에많이활용되고있는무선랜의신호세기를이용하여측위를위한실험을수행하고알고리즘별측위성능을비교하였다. 측위성능비교에는데이터베이스방식과신호감쇄식을통한삼각측량방식의알고리즘을설정하였다. 연구결과 : 가로, 세로 6m의실내환경에서측위를수행한결과일반적인 Fingerprint 방식에의한오차가가장크게나타났고, K-NN 방식에서가장좋은성능을나타내었다. 데이터베이스를기반으로하지않는 WCL 방식및신호감쇄식방식에서도비교적양호한성능의측위결과를나타내었다. 이로써, 사전데이터베이스구성이쉽지않은모바일단말에서도주변 AP의신호세기만으로실내환경에서의위치추정이가능함을확인하였다. 2 AP를측위기준으로하는 WLAN기반실내위치인식 [3] 연구수행기관 : 서울시립대학교대학원전자전기컴퓨터공학과 연구내용 : 별도로측위기준점을설치하지않고도이들각 AP를측위기준점으로사용할수있는실내위치인식방법을제안하였다. AP의정확한위치는설치과정에서등록되므로각 AP가타 AP의신호를모니터링하는방식으로측위기준점역할을수행할수있다. Wi-Fi 망관리센터에서는 SNMP 프로토콜을이용하여 AP들을원격모니터링하고각 AP는주변 AP들의신호세기정보를수집한후환경감쇄인자를계산하면인자는동일 Cell Space에있는이동단말에상속되어주변 AP 와의거리를추정한다. 1단계에서는신호세기의패턴정합에의하여 Cell Space를결정하고, 2단계에서는 AP사이의신호세기로부터환경감쇄파라미터를추정한후삼각측량법에의해이동단말의위치를정밀추정한다. 연구결과 : 실험결과위치측정의오차는 3~6미터로서비교적정확한성능을보였다. 벽과층에대한정보를환경감쇄로대체하여구현을용이하게하였다. 3 센서네트워크상에서수신신호세기 (RSSI) 의정성적특성을이용한위치추정방법 [5] 연구수행기관 : 아주대학교대학원전자공학과 연구내용 : 일반적인위치측정방법은 GPS인데외부요인에많은영향을받고, 초기위치바이어스에따른오차도존재한다. 또한모든센서에 GPS를설치하는것도불가능하기때문에센서네트워크상에서수신신호세기 (RSSI) 를이용한위치추정을하였다. 수신신호세기의특성상, 그값이선형적이지못하고외부환경에쉽게변화하는등의특성으로인해잠재적인부정확성을내포하기때문에정성적분석을통한위치추정을하였다. 또한추가적인 GPS를사용하여그정확도를높임과동시에 GPS로부터발생하는바이어스오차등을줄여고가의 DGPS를대신하는위치추정알고리즘을제안하였다. 데이터의증감을바탕으로한데이터의이동벡터를생성하고, 저가형 GPS와혼합된이동벡터를

21 이용한위치추정방법과의비교를통해제안된알고리즘의성능실험을통하여검증하였다. 연구결과 : 모의실험을통하여실제실험에적용가능여부와알고리즘의적합성을검증하였다. 일반적인최소평균제곱오차법을이용한위치추정방법과이동벡터를이용한위치추정방법과의비교를통해제안된알고리즘의성능을검증한결과저가형 GPS의단점인바이어스오차를줄여주는것을볼수있었다. 4 IEEE WPAN을이용한실내 외결합측위시스템 [15] 연구수행기관 : 경북대학교대학원전자공학과 연구내용 : 실내 / 외에서끊김없는연속적인측위서비스를위한시스템의구현에있어서필수적으로고려되어야할요소인서비스의연속성에대해초점을맞추어사용자의위치를결정하고자한다. 실외측위를위해 GPS 위성을이용하였고, 실내측위를위해서 IEEE WPAN 기반의 Zigbee 모듈의 RSSI 값을사용하였다. Zigbee 모듈의 RF 신호의세기인 RSSI 값을사용하여실내측위를수행함으로써저비용, 범용성을높일수있었고, 향후추가적인근거리센서네트워크의구성을통하여다양한부가서비스를제공할수있을것이다. 연구결과 : 결합측위시스템을 2가지이동노드의이동가능한상황을가정하여실험을수행하였고, 연속적인측위서비스가가능함을보였다. 실내에서실외로이동할경우초기구동시간의최소화를통해연속적인측위서비스가가능함을확인하였다. 실외에서실내로의이동의경우실내기준노드의위치값의전송및실내 외교차점에서의연속적인측위서비스가가능함을확인하였다. (4) 국외연구개발현황 < 표 4> 국외위치인식시스템의방식및설명 위치인식시스템 Active Badge Active Bat 연구기관 AT&T AT&T 위치탐지방식 Proximity ( 적외선 ) Circular Lateration ( 초음파 ) 특징 IrDA기능이부착된 Badge를사용자가몸에지니고다니면 Badge는주기적으로신호를송출하고천장에부착된 IrDA 센서가신호를인식해서사용자의현재위치파악 건물내부곳곳에센서를설치해야하기때문에비용이많이소요되며다양한위치기반서비스제공이힘듦 사람이나사물에초음파발생기인 Bat을부착하고사무실의천정에는초음파수신기를부착 초음파수신기들을모두초기화하고, 특정 Bat을호출하며호출된 Bat은초음파를발생하고발생된초음파를천청에부착되어있는센서들이검출하여초기화이후초음파신호를수신할때까지의지연시간을센서에저장 서버에서각센서에저장되어있는지연시간을가져와서 3개의센서에서검출한지연시간을이용해 Bat의위치계산

22 Cricket RADAR (Radio Detection And Ranging) EPE (Ekahau Positioning Engine) EasyLiving SpotON MIT MS Ekahau MS 워싱턴대학 Proximity ( 초음파 ) Fingerprint (WLAN) Fingerprint (WLAN) Proximity ( 영상기반 ) RFID (Ad-hoc) 천정에초음파발생기를부착하고이동체가초음파수신기휴대 천정에설치된각각의노드는 RF 신호와상대적으로느린초음파신호를함께전송하면수신기에서는이신호들의도달시간차를이용해노드에서단말기까지거리를측정하고측정된거리값을이용해단말기의위치를결정 IEEE 무선네트워킹기술을기반으로건물내의사용자위치를인식하고추적하기위한 RF 기반시스템으로서다중수신기에서수집된신호세기정보를사용하여사용자의좌표를측정 베이스시스템에이동기기가보내는신호의세기및 SNR(signal to noise ratio) 신호를측정하여위치를파악하게되는데측위에장면분석법및삼각측량법을함께사용함 RADAR방식을사용하면필요한기지국수가적고, 동일한기반시설을사용하는장점이있으나, 위치인식대상물체가 WLAN을지원해야함으로크기가작거나전력이제한된장치에 RADAR를적용하는것은비실용적임 기존 Wi-Fi 네트워크를이용하여실내와실외의 3미터에서 5미터내에위치한표지장비를정확하게찾아낼수있는소프트웨어기반실시간위치인식시스템 IEEE 기반으로연결된무선 PDA나노트북등 VoIP를내장한단말기위치를 1m 이내의오차로정확하게찾아냄 모든장치가무선 LAN을지원해야하기때문에소형기기나배터리등과같은제한적인전원장치를가진기기들에는적용되기힘들다는단점이있음 실시간 3차원카메라를이용하여가정환경에서위치인식능력제공. 카메라로찍힌장면을통해이동거리와이동각도를측정하여각엔티티간좌표프레임을정의함 실루엣, 얼굴색, 얼굴패턴등을이용한멀티모달프로세싱을통해정확도향상 고성능카메라를사용하더라도일반적으로비전시스템이프레임을분석하기위해서는엄청난양의프로세싱전력이필요함 개별태그사이의측정된거리정보를 Ad-hoc 네트워크방식으로서로교환하여현재의자기위치를감지함 Ad-hoc 네트워크에기반하므로절대적인위치정보가아닌상대적인위치정보를제공하지만, 상대위치정보와고정되어있는태그의절대위치정보를이용하면이동태그의절대위치정보를알아낼수있음 동일범위에보다많은태그가존재할수록거리측정정밀도가높아지는효과가있음 나. LBS 시장및산업동향 (1) 국외 LBS 시장및산업동향 주요시장조사기관인 ABI Research가 2009년발표한전망에따르면, 세계 LBS 시장규모는 2007년약 5억달러에서 2013년 130억달러에이를것으로예상하고있다. 2006년과 2007년시장규모는 5억달러수준에서별다른변화를보이고있지않으나, 2008년 15억달러를넘어큰성장세를보이며, 특히 2010년이후성장폭은더욱증가할것으로전망하고있다. ABI Research에서는위치기반서비스의연평균성장률을 72% 로예상

23 하고있다.[13][16][59] 현재 LBS 시장은기존이동통신사중심에서구글이나야후등인터넷업체와노키아와같은단말기벤더들이경쟁하고있는상태이다. 그동안이동통신사들은주로내비게이션과위치추적, 가장가까운곳찾기등의서비스에초점을맞추었지만, LBS를확산시키는데는어려움을겪어왔다. 그러나구글과 Skyhook 등이기지국데이터베이스를구축하고위치정보 API가단말에통합되면서, 애플의 AppStore나구글의 Android Market과같은써드파티의유통채널에서제공되는다양한위치기반애플리케이션개발이가능해졌다. 또한노키아는 Navteq, Plazes 등지도데이터제공업체를인수하면서 LBS 분야에서괄목할만한성장을이루었으며, 단말시장에서의높은점유율을기반으로 LBS 응용을단말에통합하면서이동통신사와인터넷업체들간의 LBS 주도권경쟁에서유리한입지를점하고있다.[13][59] (2) 국내 LBS 시장및산업동향 국내 LBS 시장규모는 2008년 4,560억원의규모를형성했으며, 2009년에는 6,300억원, 2010년에는 8,500억원, 2011년에는 1조 2,000억원대를넘어설것으로조사되었다. 또한, 2008년에서 2009년까지 38%, 2009년에서 2010년까지 36%, 2010년에서 2011년까지 50% 로평균적으로 41% 대의높은성장률을보일것으로전망하였다.[13][16] 국내 LBS 서비스별매출비중을살펴보면, 2008년교통 / 항법서비스가전체시장의 56% 정도를차지하고있으며, 그뒤를안전 / 보안서비스, 친구찾기와같은위치확인서비스가차지하고있다. 전반적인서비스매출경향을살펴보면, 교통 / 항법서비스의주도하에각서비스의비중이골고루확대되고분산된점을들수있다. 이는 10% 이상이거나이에준하는서비스가 4대분야 ( 교통 / 항법, 위치확인, 안전 / 보안, B2B) 로확대되면서 2007년조사에서 2개분야 ( 교통 / 항법, 위치확인 ) 에머물렀던수치를크게앞서고있다는점이다. 이는다양한서비스들이고르게발전되고있다는점에서향후시장확대에매우긍정적인신호로보여진다.[13][16] < 표 5> 국내 LBS 산업분야별시장규모와투자규모 [ 단위 : 백만원 ] 구분 2008년 2009년 2010년 2011년 시스템 58,684(12,465) 108,166(14,845) 209,334(13,351) 510,634(13,618) 단말 210,456(15,082) 347,546(27,347) 281,459(31,570) 306,798(37,603) 서비스 187,490(38,910) 273,527(67,529) 364,510(90,817) 469,647(148,378) 기타 92(2,410) 2,330(1,898) 3,350(3,199) 3,900(3,659) 합계 456,722(68,867) 631,569(111,619) 858,653(138,937) 1,290,979(203,258) ( 괄호안은투자액 )

24 다. 국내외관련분야의환경변화 (1) 시장변화 1) LBS 시장현황 EU의 AGILE의조사에따르면스마트폰의사용자가늘어남에따라무선기반의 LBS 어플리케이션시장이 14년까지 145억달러 ( 약 16조원 ) 에이를것으로전망하였다. 2010년 12월 'Microsoft' 의온라인설문조사에서응답자의 61% 가 LBS를인지하고있으며, 51% 는사용경험이있고, 경험자의 94% 는 LBS를가치있는서비스로판단하고있다. LBS에서주로사용되는서비스는 GPS 내비게이션 ( 사용자의 70% 경험 ), 날씨주의보 (46%), 실시간교통정보 (36%), 음식점검색및정보 (38%), 그리고주변편의점안내 (36%) 등이있다. LBS 서비스의비즈니스적가치도상당한것으로조사되었는데, 지역기반소매점광고를모바일로받았을때, 약 20% 정도가일단그내용을확인하며, 그중 46% 정도는실제점포를방문하거나혹은받은쿠폰을사용한적이있다고조사되었다. 유럽시장도 Galileo( 글로벌내비게이션위성시스템 ) 가 2013년본격화되면내비게이션서비스를기초로 LBS 시장이확대될것으로예상하고있다 [57][58]. 또한내비게이션소프트웨어업체인 Telmap은 11년 LBS 트렌드로다음의 9가지를예측하고있다. < 표 6> Telmap 의 11 년 LBS 트렌드 트렌드 모바일기기들은각종위치정보기술을이용하여위치정보를끊김없이획득함 실내측위기술의발전으로사용자의위치정보는끊김없는파악의가능성이더욱높아짐 사례및전망 Wi-Fi, Cell-ID, GPS signal, NFC 등 모바일기기의소셜시스템은위치파악능력과통합 내비게이션기능은소셜활동과결합되어보다정교한지역정보가제공되는 서비스로진화 속도위반카메라, 교통번잡 지역, 도로통제, 교통사고등 위치정보사용자들은항시추적되는것은우려하지만, 자신의위치정보를 공유하고플때는공유함 Google Latitude 는실패할 것임 LBS 를사용하여특정지역환경이주거지역으로적절한지판단하는초우량 지역정보경험 (Ultra local experience) 이제공될것 이웃성향, 범죄율등

25 위치정보가통신사간자유롭게이동및공유될것임 SNS 의진화처럼통신사간 장벽이없어질것임 대형업체들의모바일에대한인지도가더욱향상되어, 관계성높고아주 개인적인혜택들이모바일광고나증강현실로제공될것임 상세한정보가증강현실로 제공 10 년에는검증되지않고약속과다른 LBS 서비스가많았으나, 올해부터는 보다다양한경로를통해서로확인하고검증하는질적개선이이뤄질것임 LBS 판도에큰변화가도래하여, 유럽에서 Nokia 의 LBS 입지는약화되고, Google 의입지는강화될것임 2) 스마트폰및 Tablet PC 시장현황 10년스마트폰의활성화로스마트폰가입자가빠르게증가하여 2010년말 720만명으로이동전화가입자의 14% 수준으로나타났다. 11년에는아이폰과갤럭시S의후속기종의등장과통신사약정기간이만료되는고객의수가 1,500만명인것을감안하면 2011년말까지약 2,000만명수준까지증가할것으로예상된다. 삼성경제연구소의자료에따르면일반휴대폰은연평균 9.2% 의성장을보이는반면스마트폰은 33.5% 의높은성장을보이고있으며, 이를통해 13년에는스마트폰이용률이전체휴대폰의 40% 에근접할것으로전망하고있다 [57]. < 표 7> 세계스마트폰판매율 ( 단위 : 백만대, %) 구분 10년 11년 12년 13년 휴대폰판매대수 1,202 1,306 1,432 1,568 스마트폰판매대수 스마트폰성장률 스마트폰비중 Gartner가 2010년 12월에발표한전망에따르면, Tablet PC의출하량은 10년 2,200만대에서 14년 20,000 만대에이를것으로예상하고있다. 이는모바일인터넷을손쉽게사용할수있는환경이구축되고, UI를비롯한 Tablet PC의발전으로사용의편리함과같은이유로높은성장을나타내고있으며, 지역별시장규모는북미 53%, 서유럽 33%, 아시아태평양 11%, 기타 3% 의시장을지니고있다 [57]

26 [ 그림 8] Tablet PC 시장규모 (2) 기술변화 1) 표준화 최근이동통신망, 단말의측위정보와 GPS 정보, Wi-Fi 등의다양한기술을이용하는측위기술과위치정보활용기술들이등장하고있으며스마트폰과같은모바일기기의확산, 4세대이동망기술의발전으로보다정밀하고활용성있는기술표준에대한요구로 TTA( 한국정보통신학회 ), LBS 산업협회에서표준화작업이계획중이며, 향후 2~4년기간동안표준화를진행할것으로전망된다 [22]. 또한모바일 LBS 서비스기술은개발초기단계로써다양한 IPR(Intellectual Property Right: 지적재산권 ) 을확보할수있는가능성이높고, 이동통신, 유비쿼터스컴퓨팅등다양한분야에서중요기술로다루어지기때문에 OMA, 3GPP, IETF와같은다양한표준화기구에서국제표준개발을진행하고있다 [12][17][22][58]. 2) 기술동향 아이폰과더불어시작된스마트폰의폭발적인성장으로 LBS를 가능성을가진킬러앱 의하나가아닌 시장에서성공한킬러앱 의하나로시장의전면에등장하게했다. Gartner의 2012년스마트폰애플리케이션예측 보고서에서는 LBS를 2위로예상할정도로 LBS는스마트폰의킬러앱으로확고히자리잡고있다. 스마트폰에서의 LBS의성공은플랫폼단에서의 LBS 기술지원및기술의개방에힘입은바가크다. 아이폰과안드로이드에서는 LBS를킬러앱으로정의하고 GPS, WLAN, 디지털컴퍼스 (Digital Compass) 등의하드웨어적인지원,

27 LBS를위한다양한기술및 API, DB 제공등을통해 LBS 활성화를위한토대를마련했다. 또한서비스적으로이러한기술지원을기반으로 foursquare를비롯한다양한 LBS 서비스가성공을거두고있고, 소셜네트워크서비스 (SNS: Social Network Service), 증강현실 (AR: Augmented Reality), 게임등다른킬러앱과연계해다양한서비스를제공하고있으며향후안전및사고예방등의공공적인측면에서도다양한애플리케이션이기대되고있다 [17][22]. 또한 2010년에는소셜네트워크서비스와위치기반서비스의결합인 LBSNS(Location Based Social Networking Service) 가하나의거대한축을형성하면서소셜네트워크가확장하는데큰일임을담당해왔다. 대표적으로 Foursaqure, Gowalla 등이이러한 LBSNS의확장을글로벌시장에서이끌어왔고, 최근에는한국형위치기반 SNS 도잇따라출시되고있다. 런파이프 ( 나우프로필 ), 아임인 (KTH) 등이이미서비스에돌입했고, 다음커뮤니케이션역시 플레이스 라는이름으로한국형서비스에나섰다. 이러한상황에서 LBSNS를기반으로무선근거리기술의총체인 RFID가결합된새로운형태의서비스가확산될조짐을보이고있다. 이미무선근거리기술인 Wi-Fi, GPS, Bluetooth 등의기술은스마트폰의핵심적역할을담당하는시장파괴적기술 (Disruptive Tech) 의 3 총사로자리를잡았고, 이러한무선근거리기술을통해특정물체의 ID를확인할수있는 RFID가결합될경우더욱풍부한비즈니스모델로확산될가능성은업계에서논의되어왔다. 그러한논의가실제서비스로연동되면서현실화되고있다. 최근미국콜로라도에위치한베일리조트에서는새로운위치기반 Social Media 서비스인에픽믹스 (EpicMix) 라는서비스를시작하였다 [24]. LBS 진화를위한기술적인측면으로는복합측위를통한측위정밀도향상이필수적이다. GPS, WLAN뿐만아니라 RFID, WPAN, VLC 등실내측위의고도화를위한기술들이적용되어정밀도가향상되어야다양한서비스의지원이가능할것이다. 최근에는위치정보를획득하는방법에대한연구보다는일정수준의정확도를지닌측위방법과상업화와의결합된비즈니스모델에대한연구가주로이루어지고있다. Skyhook Wireless의 Wi-Fi 측위시스템 WPS(Wi-Fi Positioning System) 이상용화되었다. Skyhook Wireless가개발한소프트웨어는무선라우터로부터발신되는 의무선신호를사용해 Wi-Fi 기술을탑재한디바이스의위치를정확하게검출한다. Skyhook은특정도시에설치된모든무선 AP의정보를모은데이터베이스를작성했다. 데이터베이스작성은실제거리를차로달림으로써 신호를탐지하는방법을사용하였다. WPS는무선라우터를식별하기위한번호를사용하고, 이러한 AP의위치정보를데이터베이스에이용하고있다. 클라이언트를가동하고있는모바일기기를가진사용자가거리에나오면소프트웨어는 AP의스캔을실시하고, 수신한복수의 Wi-Fi 신호를데이터베이스와비교하는것으로사용자위치를계산한다. Wi-Fi 신호의밀집도가높을수록소프트웨어에의한디바이스의위치측정의정확도가향상된다. 한편, WPS 기술의결점은 AP가밀집하여설치되어있어야한다는것이다. 따라서현재도시지역에적용되고있지만 AP가전혀설치되어있지않은또는배치간격이떨어져있는지방에는적합하지않다. 현재, Skyhook는뉴욕, 보스턴, 시카고, 로스앤젤레스, 샌프란시스코를포함한미국내주요도시 24개의지도를작성하였고미국에있는 100개도시의지도작성을예정하고있다 [24][29][59]

28 3. 연구수행내용및결과 가. 연구수행방법 (1) 1 차년도연구수행방법 위치기반서비스를제공하기위해반드시필요한기술중측위기술의정확성을향상시키기위해크게 3가지방법으로연구를수행하였다. 첫번째거리측정알고리즘부분은우선 RSSI 방법및 ToA 방법등거리측정방법들을조사하였고, 다양한방법들중 ToA 방법에대해거리별로테스트틀수행하여보정계수를산정하여구현하였다. 두번째로실내및실외에서사용가능한 Fingerprint Method를적용하여 Zone 및 RP를구성하고 Training 단계및 Positioning 단계를통해고객위치추정알고리즘을구현하였다. 세번째로 Fingerprint에서사용된데이터의산포를감소시키는방법으로확률론적알고리즘을사용하여확률값에가중치를부여한후확률값을 log-scale로변환하여측정데이터의산포를감소시키고실내및실외테스트를수행하여구현알고리즘에대한결과를분석하였다. 다음그림은본연구에사용된 3가지수행방법을나타낸다. [ 그림 9] 1 차년도연구수행방법

29 (2) 2 차년도연구수행방법 2차년도연구는개발된고객위치확인알고리즘의신뢰도 / 정확도를확인하기위해설정된 Zone에서실제환경하에서고객위치확인방법의적용가능성테스트를진행하였다. 이를위해다양한방법의테스트시나리오를작성하여측정오차를줄이고, 실제테스트결과와개발된알고리즘을통해계산된결과와의차이를비교 분석하였다. 테스트결과를바탕으로환경요인에대한영향성을검토하여실제환경하에서고객의위치측위정확도를향상시킬수있는방안을연구하고, 개발된고객위치확인알고리즘을적용할수있는방안을모색하였다. 다음그림은 2차년도연구에사용된 3가지수행방법을나타낸다. [ 그림 10] 2 차년도연구수행방법 나. 1 차년도연구수행내용및결과 (1) 1 차년도연구수행내용 1) 거리측정알고리즘

30 1 RSSI(Received Signal Strength Indication) Ranging RSSI를이용한거리측정방법은 AP(Access Point) 에서수신된 Tag의신호세기를측정하여이용하는것으로, Tag와 AP 사이에서의신호의파워손실혹은경로손실 (path loss) 을신호가이동한거리와연결시키는방식이다. RSSI 거리측정은이미 에의해지원되고있으며간단한방법으로측정이가능하다. 또한 ToA 또는 TDoA 기반의거리측정과달리동기화를요구하지않는다. 그러나멀티패스로인한감쇄편차가최대문제가된다. 그러므로다양한측정방법과측정의평균을요구한다. 즉 RSSI 거리측정이정확히이루어지기위해서는정확한채널모델이선행되어야한다. 신호의경로손실과거리와의관계는식 (1) 에보이는 Friis의공식에의해설명된다 [2][5]. log (dbm) 식 (1) RSSI를사용한위치추정의정확성은 RSSI 측정의정확성과실제이동장치가있는환경에따라달라진다. 즉, 태그및 AP의안테나방향성, 송신기와수신기사이에존재하는장애물, 사무실의칸막이나벽의재질등환경에따라측정된 RSSI 값이안정적이지않다. 또한식 (1) 에서보이는것처럼신호의경로손실과거리와의관계는로그관계가존재하기때문에, 측정되는거리가멀면멀수록경로손실의변화가위치추정정확도에미치는영향은커진다. 따라서 RSSI를이용한위치추정은상대적으로낮은위치추정정확성및낮은위치추정안정성을제공한다. 그러나 RSSI를이용하기위한장치의구조가간단하고기존의근거리무선통신기술들이 RSSI 정보를이용할수있는구조를취하고있기때문에위치추적과관련된분야에서광범위하게사용되고있다 [2][5]. 2 ToA(Time of Arrival) Ranging ToA는송신기와수신기사이의거리를측정하기위해시간정보를이용한다. 일반적으로 RF 신호는빛의속도로전파되기때문에송신기에서수신기까지신호를전송하는데걸리는시간에 RF 신호의속도를곱해서송신기와수신기사이의거리로계산할수있다. 일반적으로두장치사이의거리는송신기에서수신기로신호를전파하는데걸리는시간과비례한다. [ 그림 11] 과같이송신기에서 시간에신호를보내고수신기에서 시간에신호가도착되면, 송신기와수신기사이의거리는식 (2) 와같다. 여기서 은무선신호의전파속도 (Speed of Light), 과 는각각송신기에서보내고수신기에서받은시간이다 [9][43]. 식 (2)

31 [ 그림 11] ToA Ranging ToA Ranging 에서는크게 TWR(Two Way Ranging) 방법과 OWR(One Way Ranging) 방법으로나누어진다. 이러한방법들은두장치간에동기가맞아야정확한측정이가능하다. 그래서통신프로토콜과네트워크토 폴로지에크게의존한다. 3 SDS-TWR(Symmetric Double Sided-Two Way Ranging) 본연구에서는송신기와수신기사이의거리측정을위해 IEEE a에정의된 TWR 거리측정프로토콜을이용하였다. TWR 거리측정기술은송신기에서출발하여수신기에도착한전파전송시간과전파속도를통해거리를측정하는기술이다. 기존의 RSSI 기반의기술보다더높은정확도를가진거리측정기술이며, 초음파속도의약 90만배빠른실제 RF 전파를기준으로한다. 실제각장치간거리를측정하기위한여러전파전송시간은칩셋에서계산해주고마이크로프로세서에서는해당시간정보를기반으로각장치간의거리를계산한다 [10][15]. 거리를측정하기위해노드 A는노드 B에게 ranging 메시지를보낸다. 노드 A는패킷전송이시작되는시간을저장해두고, 노드 B에서는패킷이도착한시간을저장한다. 그다음노드 B는 만큼의시간을기다 리고, 다시노드 A 에게 ranging 메시지를보낸다. 여기서 는 보다더길게설정한다. 마지막으로 노드 B는자신이측정한시간을노드 A에게모두전송하면, 노드 A의 시간을측정할수있다. 그리고 시간은식 (4) 와같이구할수있다 [10][15]. 식 (3)

32 식 (4) [ 그림 12] TWR Ranging 더정밀한거리측정을위해 TWR 거리측정프로토콜을확장시킨 SDS(Symmetric Double Sided)-TWR 거리측정프로토콜을사용한다. SDS-TWR은 TWR을한번더반복해서거리측정의정확성을높이는기술이다. [ 그림 13] 과같이노드 A와 B가패킷을교환한뒤, 바로노드 B에서노드 A로패킷을교환하는방식이다. 식 (5), 식 (6) 과같이 2개의 round를계산할수있다 [10][15]. 식 (5) 식 (6) 식 (5), 식 (6) 의식을정리하면식 (7) 과같다. 식 (7) 여기서식 (7) 을 에관해정리하면, 식 (8) 과같이 시간을구할수있다. 그러므로이두번의 TWR 을 통해평균적으로보다정확한거리를계산할수있다. 식 (8)

33 [ 그림 13] SDS-TWR Ranging 4 보정계수산정 본연구에서거리측정알고리즘을이용하여계산된거리값에대한정확도를확인하기위해실내및실외에서테스트를수행하고회귀분석을이용하여각거리값들을보정하였다. 회귀분석 (Regression Analysis) 은관찰된연속형변수들에대하여독립변수와종속변수사이의인과관계에따른수학적모델인선형적관계식을구하여어떤독립변수가주어졌을때이에따른종속변수를예측하고, 도출된수학적모델이독립변수와종속변수간관계를얼마나잘설명하고있는지를판별하기위한적합도를검증하는통계적분석방법이다. 회귀분석은시간에따라변화하는데이터나어떤영향, 가설적실험, 인과관계의모델링등의통계적예측에이용될수있다. 우선 ToA를이용한거리측정의정확도를확인하기위해각 AP 별로실내에서단위테스트를수행하였다. 테스트는 Tag를각 AP로부터 1m씩거리를늘려가며테스트하였고, 총 50회씩 3번의테스트를수행하여평균값을계산하고보정계수를산정하였다. < 표 8> 각 AP 별거리에따른실내테스트 1m 2m 3m 4m 5m 6m 7m 8m 9m 10m 11m 12m 13m 14m AP AP AP AP

34 [ 그림 14] AP 별거리에따른신호값실내테스트 [ 그림 14] 에서파란색점은실제거리를나타내고, 빨간색점은거리측정알고리즘을이용하여거리별로테스트한결과값을평균한측정거리이다. 빨간색점사이의선은측정거리에대한회귀선을나타낸다. 실내에서거리측정알고리즘을이용하여계산된거리값에대한보정계수를산정하기위하여각 AP의특성을고려하여회귀분석을통해기울기및 y 절편을계산하여시스템에구현하였다. 계산된보정계수는다음과같다. AP1 의기울기는 , y 절편은 , 1m 지점의신호값평균은 ( 원데이터값 - y 절편 ) / 기울 기 = 보정된값 2.99 이므로공식에대입하면 ( ) / = 1.24 AP1 의 1m 지점의보정된값은 1.24 이고다음값들도이와같은형식으 로구한다

35 [ 그림 15] AP 별거리에따른실내신호값보정전 후비교 [ 그림 15] 에서빨간색점은거리측정알고리즘을이용하여거리별로테스트한결과값을평균한측정거리를나타내고, 파란색점은보정계수를사용하여보정한보정거리이다. 빨간색점사이의선은측정거리에대한회귀선을나타내고파란색사이의선은보정거리에대한회귀선을나타낸다. 실외에서 ToA를이용한거리측정의정확도를확인하기위해각 AP 별로단위테스트를수행하였다. 테스트는 Tag를각 AP로부터 1m씩거리를늘려가며테스트하였고, 총 50회씩 3번의테스트를수행하여평균값을계산하고보정계수를산정하였다. < 표 9> 각 AP별거리에따른실외테스트 1m 2m 3m 4m 5m 6m 7m 8m 9m 10m 11m 12m 13m 14m 15m AP AP AP AP

36 [ 그림 16] 각 AP 별거리에따른실외테스트 [ 그림 16] 에서파란색점은실제거리를나타내고, 빨간색점은거리측정알고리즘을이용하여거리별로테스트한결과값을평균한측정거리이다. 빨간색점사이의선은측정거리에대한회귀선을나타낸다. 실외에서거리측정알고리즘을이용하여계산된거리값에대한보정계수를산정하기위하여각 AP의특성을고려하여회귀분석을통해기울기및 y 절편을계산하여시스템에구현하였다. 계산된보정계수는다음과같다. AP1 의기울기는 , y 절편은 , 1m 지점의신호값평균은 ( 원데이터값 - y 절편 ) / 기울 기 = 보정된값 2.88 이므로공식에대입하면 ( ) / = 1.33 AP1 의 1m 지점의보정된값은 1.33 이고다음값들도이와같은형식으 로구한다

37 [ 그림 17] 각 AP 별거리에따른실외신호값보정전 후비교 [ 그림 17] 에서빨간색점은거리측정알고리즘을이용하여거리별로테스트한결과값을평균한측정거리를나타내고, 파란색점은보정계수를사용하여보정한보정거리이다. 빨간색점사이의선은측정거리에대한회귀선을나타내고파란색사이의선은보정거리에대한회귀선을나타낸다. 위와같이실내및실외에서테스트를실시하여각 AP의특성에맞는보정계수를산정하고각 AP별로보정계수를프로그램에적용하여좀더정확한고객위치확인알고리즘을구현하였다. 2) Fingerprint Method 1 Fingerprint Method Fingerprint 방법은 AP 가설치된환경에 AP 와통신이가능한단말기를가진사용자가진입하였을때, AP 로 부터의신호세기를확인하여데이터베이스에미리저장되어있는참조지점 (RP: Reference Point) 들에서의 신호세기와비교하여가장유사한특성을가지는 RP 를사용자의위치로추정하는방법이다. 이방법은미리

38 설정된구역에서신호특성을파악하여 DB에저장해두는학습 (Training) 단계와이를토대로객체의위치를결정하는위치결정 (Positioning) 단계로나누어진다. 측위이전에미리구역을설정하고구역마다신호특성을파악한후 DB에저장해두어야하는선행작업이필요하고측위구역의환경이바뀔때마다매번이과정을다시수행해야하는단점이있지만주변의노이즈및주위환경정보를측위에반영하기때문에기존의모델식기반의측위방법보다주변환경으로인한제약을적게받고위치정확성이뛰어나다는장점이있다. 본연구에서는 AP로부터의신호세기대신전파전송시간과전파속도를통해계산된거리값을이용하여 Fingerprint 방법을구현하였다. [ 그림 18] 은 m개의 RP와 n개의 AP가존재하는측위인프라내에서의 Fingerprint 측위방법을나타낸다 [39][40][41][50]. [ 그림 18] Fingerprint 방법에의한측위 2 Fingerprint Method 의 AP 위치및 RP 설정 앞절의거리측정알고리즘에서각 AP 별로최대인식거리를측정한결과를분석해보면실내는최대 14m, 실외는최대 15m 까지 Tag 를인식하였다. 따라서본연구에서는각 AP 에대한송수신통신거리를감안한 AP

39 위치설정은각 AP들이최대 14m 이내에위치하도록 Zone을구성하였다. 상세한 Zone 구성은각 AP들을일반적으로배치한시스템의경우가로 8m, 세로 10m 공간에 AP를배치하였다. 이와같은 Zone 구성은 AP 간최대거리가약 12.8m로 AP의최대인식거리내에서시스템을구성할수있다. 일반적으로 AP를배치한 Zone의경우 RP의간격을구성하기위해실내및실외에서단위테스트를실시하였다. RP 간격을 1m, 1.5m, 2m, 2.5m, 3m 간격으로단위테스트를수행한결과 RP 간격이너무좁을경우 AP와 Tag의측정거리값의차이가많이발생하지않아서 Fingerprint Method를적용할경우측위오차가발생하고, RP 간격이너무넓을경우 Positioning 단계에서 RP를선택할때인접한 RP를선택한경우에도측위오차가많이발생하는문제점이발견되었다. 따라서 RP 구성을위한단위테스트결과 Zone 내 RP 간격을 2m로설정하는것이최적의 RP 구성인것을확인하고 RP를설정하였다. [ 그림 19] 일반적인수신기배치하에서 Zone 및 RP 구성도 [ 그림 20] 불규칙한수신기배치하에서 Zone 및 RP 구성도 본연구에서는일반적인수신기배치뿐만아니라불규칙적으로수신기가배치된환경하에서고객위치를확인하는알고리즘을개발하기위해각수신기사이의거리및안테나의각도등을고려하여수신기의배치를변경하여설치하고 RP를구성하여 Fingerprint의 Training 및 Positioning 단계를수행하였다. 또한실외에서 Zone 구성도실내와동일한방식으로가로 8m, 세로 10m로 Zone을설정한후 AP의위치및 RP 구성도실내와동일한방식으로설정하였다

40 3 Fingerprint 측위방법 Fingerprint 방법을활용하여위치를결정하기위해 DB에저장하는 Fingerprint 데이터는어떤데이터를사용할것인지또는측위에서어떻게활용할것인지에따라서결정론적방법과확률론적방법으로나눌수있다. 결정론적알고리즘은다수의 AP에서수신되는거리값을설정된 RP에서수차례측정하여측정값들의평균값또는중간값과같은대표값을 DB에저장한후 Positioning 단계에서측위한거리값과의유클리드거리를비교하여가장작은유클리드값을가진 RP의좌표를 Tag의좌표로추정하는방법이다. 유클리드거리대신맨하탄거리를사용할수도있지만계산상의편의를위해일반적으로유클리드거리를많이사용한다. 확률론적알고리즘은 Training 단계에서특정 AP에서수신되는거리값을설정된 RP에서수차례측정하여반복측정에따른데이터의분포를나타낼수있는파라미터 ( 평균, 표준편차 ) 를 DB에저장한다. 이러한측정을 RP와 AP의수에따라반복적으로수행하여 DB를구성한후, Positioning 단계에서는 DB에저장된파라미터를따르는분포를기반으로 Tag의위치에서수신된거리값이관측될확률을계산한다 [20][21]. Tag의위치에대한후보 RP를선정하는방법에따라서, Fingerprint 측위방법을 NN, knn, kwnn 방법으로나눌수있다. 각알고리즘의파라미터값을참조하여후보 RP 중에 MU와가장유사한파라미터값을가지는하나의 RP를선택하는 NN(Nearest Neighborhood) 알고리즘, k개의후보 RP를선택하여모두동일한가중치를부여하는 knn(k-nearest Neighborhood) 알고리즘, k개의후보 RP에서로다른가중치를부여하는 kwnn (k-weighted Nearest Neighborhood) 알고리즘이있다. < 표 10> 은 Fingerprint 측위방법의분류표를나타낸다 [39][40][41][50]. < 표 10> Fingerprint 측위방법의분류표 측정데이터 (DB 저장값 ) 측위에사용되는파라미터 최인접 RP 하나만도출 우선순위에따라 k 개의 RP 고려 동일가중치 비동일가중치 결정론적측위방법 거리의평균값거리의중간값 Positioning 단계의거리값과 DB에저장된 RP의거리값의유클리드거리 Positioning 단계의거리값과 DB에저장된 RP의거리값의유클리드거리 NN knn kwnn NN knn kwnn 확률론적측위방법 거리의 평균과 표준편차 DB에저장된데이터를기반으로하는 Rice- 분포에 Positioning 단계의거리값이 Gaussian 관측될확률 - - Rice- 확률값을 log-scale로변환 - - Gaussian kwnn

41 4 결정론적알고리즘을적용한 Fingerprint 측위방법 Fingerprint의 Positioning 단계에서 Tag의위치를계산하기위해서다양한알고리즘이사용된다. 가장기본적인알고리즘중하나는 NN(Nearest neighborhood) 알고리즘이다. NN 알고리즘은데이터베이스에저장된 거리값 와 Tag 에서측정한거리값 사이의거리가최소가되는 RP 를 Tag 의 위치로결정하는방법이다. NN 알고리즘을일반화하여식으로표현하면식 (9) 와같다 [31][39][40][41][50]. 식 (9) 식 (9) 에서 (=1, 2,, n) 는통신가능한 AP의개수이며, 는데이터베이스에저장된거리값, 는 Tag에서측정한거리값이며, 는 과 두벡터의 Distance를나타낸다. =1일때 은맨하탄거리를나타내며, =2일때 는유클리드거리를나타낸다. 일반적으로 Distance를구할때는유클리드거리를사용하며, 본연구에서도각측위알고리즘들의성능을비교하기위해결정론적방법에서는유클리드거리를사용하였다. 식 (9) 에서 =2일때의유클리드거리를적용하고미리정의된 RP 에서의 Distance는식 (10) 과같다 [31]. 식 (10) 은 AP의개수를나타내며 이다. 는 Tag의위치에서 번째 AP로부터거리값, 는 번째 AP로부터측정한 번째 RP의거리값, 는 와 간의유클리드거리를각각나타낸다. 위식을통해각 RP마다 Tag의거리값의유클리드거리가구해진다. 만일 m개의 RP가존재한다면, m개의유클리드거리중에서가장작은값을보이는 RP를최인접 RP로결정을하는방법이 NN 알고리즘이다. 다음으로가장높은우선순위를나타내는하나의 RP를고려하는방법이외에우선순위에따라 k개의 RP를고려하는방법이있다. k개의 RP를고려할때, 유클리드거리에따른우선순위에상관없이 k개의 RP에동일한가중치를주어위치를결정하는 knn 알고리즘과 k개의 RP 중에서유클리드거리의값에따라서로다른가중치를주어위치를결정하는 kwnn 알고리즘이주로사용된다 [49]. knn 알고리즘은 DB에저장된각각의 RP와 Tag 사이의거리값의유클리드거리가작은 k개의 RP를선택하여동일한가중치로 k개좌표의산술평균을구하여 Tag의위치로결정하는방법이다. knn 알고리즘에서도 NN 방법과마찬가지로먼저 DB에저장된 RP의거리값들과측정된 Tag의거리값들의유클리드거리를구한다. 모든 RP에서 Tag와의유클리드거리가구해지면값이작은순서대로우선순위가높은 k개의후보 RP를선

42 정한다. 이때 DB 에저장된 RP 와대응되는좌표들을활용하여다음식을통해 knn 알고리즘을적용한 Tag 의 위치를결정할수있다 [38][39][40][49]. 식 (11) 식을통해알수있듯이우선순위가높은 개의후보 RP 들이 로동일한가중치를갖는다. kwnn 알고리즘은앞서살펴보았던 knn 알고리즘에서우선순위를가지는 k개의후보 RP를선정하는단계까지는동일한과정을실행한다. 다만, Tag의추정위치를계산할때 knn 알고리즘이 k개의후보 RP에동일한가중치를부여한데반해서, kwnn 알고리즘은우선순위를결정한파라미터인유클리드거리를참고하여우선순위가높은후보 RP에더높은가중치를적용한다. 즉, 유클리드거리가작은 RP에더큰가중치를주기때문에 k개의후보 RP를결정할때유클리드거리가작은값을가지는후보 RP의좌표에해당 RP의유클리드거리의역수만큼의가중치를준다. 가중치는식 (12) 과같이구할수있다 [39][40][41][51]. 식 (12) 식 (12) 에서 는 DB 에저장된거리값 와 Tag 에서측정한거리값 가정확히일치하여 가 0 이될경 우, 분모가 0이되는것을방지하기위해분모에더해주는 0에가까운아주작은상수이다. 는 k개의우선순위안에드는 RP 의가중치이다. 이가중치를바탕으로 kwnn 알고리즘을적용한 Tag의추정위치는식 (13) 을통해구할수있다. 식 (13) 5 확률론적알고리즘을적용한 Fingerprint 측위방법 Rice Gaussian 알고리즘은 Fingerprint 에소속된 RP 에서 AP 로부터거리값이 인거리가될확률을 계산한다. 확률을계산하기위해 AP 에서실제로측정된거리값이 DB 에저장된 AP 의파라미터를가지는

43 정규분포의밀도함수와대응된다. Rice Gaussian 알고리즘은고정된위치에서측정한거리값은정규분포를따 른다는가정을하고있어서 AP 의정규분포의특성을나타내는파라미터는평균 와표준편차 가된다. 따라서 Tag 의위치에서 AP 로부터거리값 가될확률 는다음의식 (14) 와같다 [3][31]. 식 (14) 식 (14) 에서 에서 m 은수신가능한 AP 의개수를나타내고, 에서 n 은 RP 의 개수를나타낸다. 는 와 를파라미터로가지는정규분포의밀도함수 (density function) 를의미 한다. 밀도함수의파라미터들은 RP 와 AP 에서반복측정된측정치들의평균과표준편차이다. 정규분포의밀도 함수에서특정값 의확률은 0 이므로, 입력된거리값을고유하게분별할수있도록적분구간을 로설정한다 [54]. [ 그림 21] 은 Rice Gaussian 알고리즘을활용한 Fingerprint 측위방법의두단계를나타낸다. [ 그림 21] Rice Gaussian 알고리즘측위방법의두단계 실제측정샘플에포함된 개의 RP 에서 개의 AP 로부터수신되는전체거리값에대해개별적확률을계산 한다음, Tag 의위치와가장유사한 RP 를결정하기위해 RP 의총확률 는식 (15) 과같이 개의

44 AP 로부터각각거리값 를가질모든확률들의곱으로계산된다. 식 (15) 이때, n 개의 RP 들중에서총확률값 가가장높은 RP 의좌표를 Tag 의위치로결정한다. 3) 산포감소방안 Rice Gaussian 알고리즘을적용하여수신된거리값의총확률을구하는것은가장높은하나의 RP를선정하는방법이다. 이는결정론적알고리즘의 NN 알고리즘처럼하나의 RP를 Tag의위치로선정하기때문에 Tag가정확히 RP의가운데위치하지않을경우에큰오차가발생할가능성이있다. 따라서본연구에서는결정론적알고리즘에서와같이우선순위가높은 k개의 RP를고려하여확률적방법을활용한 kwnn 알고리즘을제시한다. 확률론적알고리즘에서의파라미터는 RP 의총확률값 이다. 이값은확률값이면서식 (15) 와같이여러 AP들의개별확률의곱으로계산된값이다. 0보다크고 1보다작은확률값들의곱으로계산되는 값의특성상유클리드거리와같은방법으로가중치를적용하는것은적합하지않다. 확률론적알고리즘에서가중치가적용되는실제적인경향을파악하기위해 20개의 RP로구성된측위구역에서 48회의측위테스트결과를분석해보았다. 48회의테스트에서모든 RP에해당하는가중치파라미터인 값들을계산하여내림차순으로정렬한후에우선순위가높은, 즉 값이큰 5개의값들의평균을구하여 < 표 11> 에정리하였다. 이와함께확률적인측위방법에서고려할인접 RP의수를 k=1에서 ( 이때는 Rice Gaussian 알고리즘이적용됨 ) k=5까지의경우에대하여 kwnn 알고리즘적용을위한가중치계산과정을제시하였다. 확률값은지수로표현하였다. < 표 11> kwnn 알고리즘적용을위한가중치계산 ( 확률론적알고리즘 ) 우선순위 P j(s) 의산술평균 가중치 k=1 k=2 k=3 k=4 k=5 k=1 7.E % 100% 100% 100% 100% k=2 7.E-24 0% 0% 0% 0% k=3 4.E-80 0% 0% 0% k=4 3.E-103 0% 0% k=5 7.E-199 0% 가중치합계 100% 100% 100% 100% 100%

45 표를통해알수있듯이확률 는확률값의산술적인합계에서자신의확률값비중을계산해서는고려할인접 RP의개수인 k를아무리증가시키더라도첫번째우선순위 RP는거의 100% 의가중치를, 나머지모든 RP들은거의 0% 의가중치를가지게되어우선순위에따른 k개의 RP를고려할수가없게된다. 실제 48회의테스트에서후보 RP를구할수없었던 5번의테스트를제외한 43회의테스트에서첫번째우선순위 RP의가중치가모두 100% 이고나머지모든 RP의가중치가 0% 로계산되었다. 확률론적알고리즘의가중치계산과정에서살펴보았듯이, 가중치계산파라미터인확률값 를그대로사용해서는 k개의 RP를고려할수없다. 사실 < 표 11> 에서계산된 48회의측정에서우선순위에따른확률값 의산술평균도큰의미가없다고할수있다. 왜냐하면, 0과 1 사이에서지수적인차이를보이는 0 에가까운수들의산술평균을구하게되면가장큰값에지배적인영향을받게되어다른값들의특성이잘반영되기어렵기때문이다. < 표 11> 에서와같이첫번째우선순위를가지는확률값에항상 100% 의가중치가부여된것은이러한이유때문이다. 따라서 < 표 11> 에서와같이우선순위에따라서선형적인차이가아닌지수적으로큰차이를보이는값들의가중치를구하기위해서본연구에서는확률값을 log-scale로변환하여새로운가중치를계산한다. 따라서 log-scale로변환한확률값을이용하여 번째 RP의가중치 를표현하면식 (12) 와식 (15) 로부터식 (16) 와같이나타낼수있다. log log 식 (16) log-scale로변환한후제곱과루트를적용한것은모든확률값이폐구간 [0, 1] 내에존재하기때문에 log 값은항상음수가되므로이값에더해주는 와부호를맞추어분모가 0이되는것을방지하기위함이다. 또한밑을 10으로취한것은확률값의지수적인관계를 log-scale로변환하여나타낼때직관적으로쉽게알아보기위함이며, 식 (17) 과같이 log의성질에의해서밑을다른수로취하더라도결과적으로동일한가중치가도출된다. 식 (17) 의좌변은높은우선순위를가지는 k개의 RP 중에서 n번째 RP의가중치를계산하는식이다. 단, 는 번째우선순위를가지는 RP 를의미하며, n 은 1 보다크거나같고, k 보다작거나같은양의정수이다. log log log log log log 식 (17) log log

46 < 표 11> 의결과에서확률값을 log-scale 로변환한후에다시가중치를계산해보면 < 표 12> 와같은결과를 얻는다. LSP 는 Logarithmic Scale Probability 의약자로사용하였다. 우선순위 < 표 12> 확률값의 log-scale 변환을통한 kwnn 가중치 LOG 10 (P j (S)) 의평균값 (LSP) 1/LSP 가중치 k=1 k=2 k=3 k=4 k=5 k= % 70% 58% 50% 45% k= % 25% 21% 19% k= % 15% 14% k= % 13% k= % 가중치합계 100% 100% 100% 100% 100% < 표 12> 에나타난가중치는 < 표 11> 에서와같은첫번째우선순위 RP이외의모든 RP의가중치가 0% 가되어우선순위에따라 k개의 RP를고려할수없는문제점을해결하였다. 결정론적알고리즘의 kwnn 알고리즘의가중치와비교하였을때, 첫번째우선순위 RP가전체가중치에미치는영향이다소큰것을확인할수있다. 이가중치를활용하여확률적인방법의 kwnn 알고리즘을적용한 MU의추정위치는식 (18) 을통해구할수있다. log log 식 (18) log log

47 (2) 1 차년도연구수행결과 1) 위치추정시스템및프로그램구현 1 테스트장비 본연구에서는불규칙한수신기배치하에서고객위치확인알고리즘의정확도향상을위해거리측정알고리즘을도입하고 Labview 프로그램을이용하여 S/W를구성하였다. 측정된거리데이터의보정을위해각 AP를거리별로측정하여산출된데이터를회귀분석을통해보정계수를산정하여알고리즘을구현하였다. 실내및실외에서고객의위치확인의정확도를높이기위해 Fingerprint 방법을이용하였고, 실내및실외에서각 AP 의최대인식거리를기반으로 Zone 및 RP 구역을설정하였다. Fingerprint Method를활용하기위해 Training 단계와 Positioning 단계에서테스트를진행하고각테스트에서나온데이터의산포를감소시키기위해확률론적알고리즘을변형하여 Log-Scale 확률론적알고리즘을제안하였다. 알고리즘및구현시스템의성능을검증하기위한테스트장비로는독일 Nanotron사의 nanoloc 칩셋을사용하여시스템을구현하였다. < 표 13> 는테스트에사용된 2.4GHz ISM 대역의 RFID 리더의세부사양을보여준다. < 표 13> 테스트에사용한 RFID 리더의세부사양 Modulation Technique Operates Worldwide Ranging Accuracy Chirp Spread Spectrum 2.4GHz ISM band 2m indoors/ 1m outdoors Supply Voltage 2.3V to 2.7V Output Power Date Rates Receiver Sensitivity Current Consumption TX Current Consumption RX -33dBm to 0dBm 125kbps to 2Mbps up to -97dBm 0dBm starts at 33mA Picture and Block Diagram

48 2 테스트환경및프로그램구현 먼저본연구에서제안한 Log-Scale 확률론적알고리즘과다른측위방법들의성능을비교하기위해서실내테스트를수행하였다. 인하대학교 2호관북측 671호강의실에서사람들의통행이적은주말에테스트를진행하였다. 강의실내부의책상, 의자, 교탁등 RP 구역내의모든장애물들을제거한후에가로한변의길이가 2m인정사각형 RP를가로로 4개세로로 5개배열하여총 20개의 RP를구성하였다. 실내테스트를수행한강의실의모습이 [ 그림 22] 에나타나있다. 바닥의붉은색선과검은색테이프를이용하여 RP 구역을표시하였고, 정확한측위지점에서측정을수행하여측정오차가측위오차에반영되는것을방지하였다. Training 단계에서는 RP의가운데에서각 AP와 MU 사이의거리를측정하기때문에, 만일 Positioning 단계에서 RP 가운데에서만신호세기를측정하게되면측위방법의성능이실제보다좋게나오는경향이있어서 RP 가운데, 두 RP 사이, 네 RP 사이에서각각 20, 16, 12번씩측정을하였다. [ 그림 22] 강의실에서수행한실내테스트환경 [ 그림 23] 건물옥상에서수행한실외테스트환경 Training 단계에서는각 RP의가운데위치에서리더로전송되는거리값을 1초에 5번씩총 60초측정하였다. 총 60초의측정시간중시스템의안정화에걸리는시간을필터링하여총 40초의데이터를사용하여각 RP 의 Training 데이터를수집하여 DB에저장하였다. [ 그림 24] 는측위테스트를위한장비와구성도를나타내고있다. 시스템의성능을분석하기위한실험환경은 8m x 10m 공간의강의실네모서리에각각 AP를설치하고, 실험구역밖에 Sink 노드와 PC를설치하여구성하였다. 또한전파의회절, 반사, 흡수등으로받는영향을최소화하기위해각 AP들과 Tag의높이를삼각대를이용하여지면에서 150cm 높이에설치하였다

49 [ 그림 24] 시스템실험장비및구성도 H/W 를제어하고알고리즘을구현하기위한 S/W 는계측 / 제어솔루션인 National Instrument 사의 LabVIEW 2010 을사용하였다. [ 그림 25] 는각 AP 와 Tag 의거리를계산하기위해수행되는프로그램실행화면이다. [ 그림 25] LabVIEW 프로그램실행화면 테스트프로그램은크게 3개의 Tab으로구성되어있으며, 각 Tab의기능은다음과같다. Setting Tab은 RS232 포트또는 USB 포트의 baud rate, parity, data bit, stop bit와같은연결설정, AP의좌표, Data 구조와관련된수치를입력하는기초설정과관련된부분이다. Display Tab은 initialize, run을수행하게되면 2차원평면에 Tag의 id와위치, AP와의거리, Tag의계산된위치, 송수신데이터가표시되도록구성하였다. Table Tab은시간, 거리, Tag id, AP number, error code를실시간으로화면에출력해주며이데이터가자동저장되는경로를지정할수있도록구성하였다

50 2) 일반적인수신기배치하에서시스템의정확도테스트및수행결과 본연구에서개발한고객위치확인알고리즘을이용하여시스템을구성하고테스트프로그램을구현하여실제실내및실외에서테스트를수행하고결과를분석하였다. 제안하는알고리즘의성능을평가하기위해결정론적알고리즘을통한테스트결과를함께분석하였다. Training 단계에서는 2m 간격으로구성된 20개의 RP에서 50회측정의평균값및편차를 DB에저장하는경우와중간값을대푯값으로활용하는경우를모두적용하여결과를분석하였다. 측위오차는 Tag의실제위치와측위방법을통해계산된 Tag의추정위치간의거리차이를 계산하여도출하였다. Tag 의실제위치 와측위방법을활용하여계산한 Tag 의추정위치 간의 거리오차는다음과같이구할수있다. 식 (19) 일반적인수신기배치하에서실내테스트는 20개의 RP에서각각 50회반복측정하여각 AP별로거리값을 DB에저장하는 Training 단계를거친후, Positioning 단계에서는 RP의가운데 20개지점에서각각 50회측정, 두 RP 사이 16개지점에서각각 50회측정, 네개의 RP 사이 12개지점에서각각 50회측정등총 48개지점에서측위한후전체평균측위오차를분석하였다. [ 그림 26] 일반적인수신기배치하에서 Positioning 단계의 측위지점

51 < 표 14> 일반적인수신기배치하에서실내테스트결과분석 ( 단위 : cm, %) 결정론적알고리즘 확률론적알고리즘 구분 평균값활용 중간값활용 NN knn kwnn NN knn kwnn 제안알고리즘 평균오차 오차개선량 오차개선율 오차개선량 : 131( 결정론적알고리즘의평균값활용시 NN의평균오차 ) - 91( 제안알고리즘의평균오차 ) = 40cm 오차개선율 : 40( 오차개선량 ) / 131( 평균오차 ) = 0.31 * 100 = 31% 나머지수치들도동일한방식으로계산함 실내에서테스트한결과는제안하는알고리즘이기존결정론적알고리즘에비해비교적높은측위정확성을보였다. Fingerprint 측위방법으로일반적으로활용되는평균값을통한결정론적알고리즘과비교하였을때, NN 방법보다는 31%, knn 방법보다는 35%, kwnn 방법보다는 24% 평균측위오차개선율을보였다. 이는거리상으로각각 40cm, 48cm, 28cm에해당하는거리이다. [ 그림 27] 일반적인수신기배치하에서실내테스트결과비교 일반적인수신기배치하에서실외테스트는다른모든조건들은실내테스트와동일하게설정하여테스트를수행하였고그결과를분석하였다. 20개의 RP에서각각 50회반복측정하여각 AP별로거리값을 DB에저장하는 Training 단계를거친후, Positioning 단계에서는 RP의가운데 20개지점에서각각 50회측정, 두 RP 사이 16개지점에서각각 50회측정, 네개의 RP 사이 12개지점에서각각 50회측정등총 48개지점에서측위한후전체평균측위오차를분석하였다

52 < 표 15> 일반적인수신기배치하에서실외테스트결과분석 ( 단위 : cm, %) 구분 평균값활용 결정론적알고리즘 중간값활용 확률론적알고리즘 NN knn kwnn NN knn kwnn 제안알고리즘 평균오차 오차개선량 오차개선율 오차개선량 : 69( 결정론적알고리즘의평균값활용시 NN의평균오차 ) - 51( 제안알고리즘의평균오차 ) = 18cm 오차개선율 : 18( 오차개선량 ) / 169( 평균오차 ) = 0.26 * 100 = 26% 나머지수치들도동일한방식으로계산함 실외에서테스트한결과는제안하는알고리즘이기존결정론적알고리즘에비해일부낮은측위정확성을보였지만전체적으로는매우좋은성능을보여주었다. Fingerprint 측위방법으로일반적으로활용되는평균값을통한결정론적알고리즘과비교하였을때, NN 방법보다는 26%, knn 방법보다는 26% 평균측위오차개선율을보인반면 kwnn 방법보다는 -16% 낮은개선율을보였다. 이는거리상으로각각 18cm, 18cm, -7cm에해당하는거리이다. 그이유는테스트를실시한실외환경이신호값에영향을주는요소가거의존재하지않았기때문이다. 제안하는알고리즘은신호의표준편차를이용해위치를계산하기때문에환경적영향이매우적다보니신호값의편차가매우적거나없었기때문에확률론적알고리즘이결정론적알고리즘의 kwnn 방법보다좋지않은결과를보여주었다. 하지만일반적인실외환경은이처럼장애요소가제거된공간이아니기때문에실제환경에서테스트를수행하면보다좋은성능을보여줄것이다. [ 그림 28] 일반적인수신기배치하에서실외테스트결과비교

53 3) 불규칙한수신기배치하에서시스템의정확도테스트및수행결과 불규칙한수신기배치하에서실내테스트는 12개의 RP에서각각 50회반복측정하여각 AP별로거리값을 DB에저장하는 Training 단계를거친후, Positioning 단계에서는 RP의가운데 12개지점에서각각 50회측정, 두 RP 사이 2개지점에서각각 50회측정, Zone 경계 4개지점에서각각 50회측정등총 18개지점에서측위한후전체평균측위오차를분석하였다. [ 그림 29] 불규칙한수신기배치하에서 Positioning 단계의 측위지점 < 표 16> 불규칙한수신기배치하에서실내테스트결과분석 ( 단위 : cm, %) 결정론적알고리즘 확률론적알고리즘 구분 평균값활용 중간값활용 NN knn kwnn NN knn kwnn 제안알고리즘 평균측위오차 오차개선량 오차개선거리 오차개선량 : 121( 결정론적알고리즘의평균값활용시 NN의평균오차 ) - 131( 제안알고리즘의평균오차 ) = -10cm 오차개선율 : -10( 오차개선량 ) / 121( 평균오차 ) = * 100 = -8% 나머지수치들도동일한방식으로계산함

54 불규칙한수신기배치하에서실내테스트결과는제안하는알고리즘이기존결정론적알고리즘에비해전체적으로미세하게좋은성능을보여주었다. Fingerprint 측위방법으로일반적으로활용되는평균값을통한결정론적알고리즘과비교하였을때, NN 방법보다는 8% 적지만 knn 방법보다는 26%, kwnn 방법보다는 4% 평균측위오차개선율을보였다. 이는거리상으로각각 -10cm, 45cm, 6cm에해당하는거리이다. [ 그림 30] 불규칙한수신기배치하에서실내테스트결과비교 불규칙한수신기배치하에서실외테스트는다른모든조건들은실내테스트와동일하게설정하여테스트를수행하였고그결과를분석하였다. 12개의 RP에서각각 50회반복측정하여각 AP별로거리값을 DB에저장하는 Training 단계를거친후, Positioning 단계에서는 RP의가운데 12개지점에서각각 50회측정, 두 RP 사이 2개지점에서각각 50회측정, Zone 경계 4개지점에서각각 50회측정등총 18개지점에서측위한후전체평균측위오차를분석하였다. < 표 17> 불규칙한수신기배치하에서실외테스트결과분석 ( 단위 : cm, %) 결정론적알고리즘구분평균값활용중간값활용 확률론적알고리즘 NN knn kwnn NN knn kwnn 제안알고리즘 평균오차 오차개선량 오차개선율 오차개선량 : 130( 결정론적알고리즘의평균값활용시 NN의평균오차 ) - 98( 제안알고리즘의평균오차 ) = 32cm 오차개선율 : 32( 오차개선량 ) / 130( 평균오차 ) = 0.25 * 100 = 25% 나머지수치들도동일한방식으로계산함

55 불규칙한수신기배치하에서실외테스트결과는제안하는알고리즘이기존결정론적알고리즘에비해전체적으로좋은성능을보여주었다. Fingerprint 측위방법으로일반적으로활용되는평균값을통한결정론적알고리즘과비교하였을때, NN 방법보다 25%, knn 방법보다는 38%, kwnn 방법보다는 27% 평균측위오차개선율을보였다. 이는거리상으로각각 32cm, 60cm, 37cm에해당하는거리이다. [ 그림 31] 불규칙한수신기배치하에서실외테스트결과분석 4) 전체테스트결과정리 본연구에서 Fingerprint 방법을적용한알고리즘을이용하여실내및실외에서테스트를수행하였고, 전체 결과를 < 표 18>, [ 그림 32] 과같이정리하였다. < 표 18> 전체테스트결과분석 ( 단위 : cm, %) 구분 평균값활용 결정론적알고리즘 중간값활용 확률론적알고리즘 NN knn kwnn NN knn kwnn 제안알고리즘 실내일반 실외일반 실내불규칙 실외불규칙

56 [ 그림 32] 전체테스트결과비교 테스트결과를비교해보면결정론적알고리즘의경우평균값과중간값은거의유사한패턴의결과를보였다. 그이유는 Training 단계및 Positioning 단계에서수집된데이터에대해각도및데이터수집량에따라필터링하여데이터의특정범위의값을제거하였기때문이다. 그리고결정론적알고리즘과확률론적알고리즘을비교해보면상당한차이가발생하는것을알수있다. 대부분의경우확률론적알고리즘의결과가 30% 정도더좋은것으로나타났는데일반적인수신기배치하에서실외테스트의경우만제안알고리즘이좀더측정오차가발생한것을알수있다. 그이유는확률론적알고리즘의경우확률값을계산하여다른가중치를부여하는데일반적인수신기배치하에서거리측정알고리즘을통해계산된거리값의확률이거의유사하여편차가적었기때문이다. 또한일반적으로각모서리에수신기를배치하는상황에서는 RP 간격을 2m로설정하였을경우 1m 이내로상당히좋은결과를보여주고있다. 불규칙하게수신기를배치한경우는실내에서는 1m 이상의측위오차가발생하였지만실외테스트에서는 1m 이내의결과를보여주었다. 불규칙하게수신기를배치한경우안테나특성에따라테스트의측위결과가달라지는것을확인할수있었다. 본테스트에서사용된안테나의경우전방으로 120도정도의각도에서는대부분 MU를파악하고데이터를수신하지만그이상으로각도가벌어진곳에서 MU가위치하면 MU를파악하는횟수가현저히떨어지고신뢰할수없는데이터가발생한다. 따라서본 1차년도연구에서개발된고객위치확인알고리즘및테스트결과를고려하여실제적용가능성테스트를실시할때각도를고려하여수신기를배치해야한다

57 다. 2 차년도연구수행내용및결과 (1) 2 차년도연구수행내용 1차년도에개발한측위알고리즘의정확도향상방안을마련하기위해연구를수행하였다. 첫번째효율적인측위를위하여사용자가요구하는정확도에따라측위방법을이원화하는방안을모색하였다. 사용자가대략적인위치를원할경우사용자가위한 Zone을알려주고정밀한측위결과를원할경우사용자가위치한 RP 를보여주는방향으로연구를진행하였다. 설정된 Zone에서사용자의위치를확인하기위한방안으로삼각측량법, 최소자승법그리고삼각측량법과 Fingerprint 방법을결합한방법연구하고삼각측량법, 최소자승법, Fingerprint 방법의측위정확도비교테스트를실시하였다. 두번째로정확도를향상시키기위한방안으로측위에사용되는 값을회귀분석을통해보정하고필터링기준을만들어오차가큰 값들을필터링하였다. 또한환경요인의영향성을검토하고 Kalman Filtering 방법을적용하였으며최종적으로고객의위치를추정하는방안을마련하였다. 세번째로는알고리즘을적용하기위한방안으로실내외장애물환경을고려하는방안과시스템구축방안을제시하고타시스템에적용할수있는방안을제시하였다. 마지막으로실내및실외테스트를진행하고테스트결과를분석하였다. 1) 실제적용가능성테스트 1 실제측위기반으로 Zone 구성 1차년도연구수행중 Fingerprint 방법의 Zone을구성할때현재사용중인기기의성능을고려하여 PR를구성하고 RP의크기를 Zone으로구성하였다. 하지만 Fingerprint 방법은 Training 단계와 Positioning 단계에서모두해당 PR에서측정된데이터를저장해야하기때문에상당한시간과데이터저장공간이필요로하게된다. 따라서 2차년도연구에서는정밀한측위가필요하지않은경우및데이터저장을많이하지않고빠르게고객위치를찾는경우를대비하여실제측위를기반으로 Zone을구성하였다. 우선다음그림과같이기존 20개의 RP가있는실험환경에서총 6개의 Zone을구성하였다. 그이유는 AP 의송수신거리가 2m~8m까지안정적인데이터를수집할수있으며, 사각형의좁은면은 Tag를인식하는데어려움이있어서사각형의좁은면적은 Zone을크게구성하고사각형의중간은 Zone을작게구성하였다. 이러한 Zone 구성을통해다양한측위방법들을실험한결과실제측위과정에서상당히정확하게고객의위치를확인할수있었다. 또한측위서비스를이용하는사용자가적을경우에는계산랑에따른문제가크지않지만사용자가많아질경우측위알고리즘의효율성이중요한문제로부각될것이다. 따라서사용자가원하는측위정확도에따라측위결과를두가지로나누어결과를보여주도록하였다. 사용자가자신이위치한

58 대략적인범위를알고싶을경우해당 Zone 으로위치를출력하고, 정밀한위치를원할경우해당 RP 로사용 자가위치한범위를출력하도록하였다. [ 그림 33] 실제측위기반 Zone 구성방법 2 설정된 Zone 에서고객위치확인방법개발 ( 삼각측량법 ) 삼각측량법에의한위치추정은이미좌표가알려져있는세개혹은그이상의기준점과모바일장치사이의거리를계산해냄으로써모바일장치의위치를추정하는방법이다. 기준점과모바일장치사이의거리는 RSSI와같은전파특성값을이용해계산된다. 예를들어설명하면고정노드 A에서 만큼의거리가떨어진이동노드 M이있다고가정했을때노드 M이위치할수있는범위는반지름 을갖는원이된다. 만약고정노드 A의위치가 (X, Y) 이고이동노드의위치가 (x, y) 일경우다음과같은수식으로나타낼수있다. 식 (20) 만약고정된노드가 3 개이고그들과이동노드 M 사이의거리가,, 라고한다면이동노드 M 이존

59 재할수있는위치는반지름,, 를가지는세원의교점이된다. 예를들어고정노드 A 와 B, C 의위 치가각각 (X1,Y1) 과 (X2, Y2), (X3, Y3) 이고이동노드의위치가 (x, y) 일경우다음과같은수식으로나 타낼수있다. 식 (21) 위수식을계산하면우리는고정된하나의 (x, y) 값을구할수있다. 즉최소한 3개의고정노드와그들간의거리,, 를알게되었을때우리는이동노드의정확한위치를파악할수있게된다 [16][21]. 하지만세기준점으로그려진세개의원이한점에만날확률은극히희박하여보통의경우세개의원이각각만나게되는접점의평균을구해위치를추정하게된다. 만약 AP의수가 3개이상일경우기준이될세점을선정하는기준을마련하는방법도까다롭기때문에삼각측량대신계산이간편한최소자승법을사용하는사례도있다. 따라서본연구에서는테스트범위에존재하는모든 AP를기준점으로사용하였다. n개의 AP가존재할경우두개의 를선정하여방정식을구성하면 개의식조합을도출할수있다. 식 (22) 각각의식조합은다음 [ 그림 34] 와같이 를반지름으로하여그려진원의교점이 0~2 개로 3 가지의경우가 있다

60 교점이없을경우교점이하나일경우교점이두개일경우 [ 그림 34] 를반지름으로하여그려진원의교점 따라서정확한태그의위치를추정하기위해서는 좌표들중실제위치와근사한값들만을선정하는 과정이필요하다. Ⅰ) and Ⅱ) max and max Ⅲ) AP를꼭지점으로하는볼록집합영역 ( 인접한 2개의 AP를연결하는직선방정식으로표현되는 half space들의교집합 ) Ⅳ) (ⅰ) 하나의방정식조합에서 2개의해가구해질경우 - 2개의해가 Ⅰ), Ⅱ), Ⅲ) 을모두만족할경우두해의평균값 - 2개의해중 Ⅰ), Ⅱ), Ⅲ) 을모두만족한해가하나일경우만족한해만최종좌표계산에사용 (ⅱ) 하나의방정식조합에서한개의해가구해질경우 - 한개의해가 Ⅰ), Ⅱ), Ⅲ) 을모두만족할때최종좌표계산에사용 최종좌표는 Ⅰ), Ⅱ), Ⅲ) 을모두만족하면서 Ⅳ) 번의과정을거친 좌표들의평균으로계산한다. 또한필터링과정을 Ⅰ) 번부터순차적으로진행하는이유는계산이간단한필터를앞에두어프로그램의계산량을줄이기위함이다. 사다리꼴안에두원으로표시된교점은두원이범위내 ((Ⅰ), Ⅱ), Ⅲ) 을만족하는경우 ) 에존재하므로두점의평균점을최종계산에사용한다. 삼각형의교점은세교점중범위밖의교점은사용하지않는다. 따라서최종좌표는사다리꼴안에위치한십자가형태의도형과삼각형의평균이된다. 3 설정된 Zone 에서다양한고객위치확인방법개발 ( 최소자승법 ) 최소자승법은 1805 년 Legendre 가최초로발표하였으나, 이론개발과응용은 Gauss 에의하여 1794 년부터시

61 작된것으로알려져있다. Gauss에의한발표는 1809년에이루어졌다. 잉여관측이있는경우에는구하고자하는미지값의해가여러개가될수있다. 관측과관측잔차등은확률과통계의이론을따르고있으므로, 여러개의미지값중에서가장확률이높은값을통계적으로계산하는방법이다. 최소자승법은다음의특징을가지고있다 [15][16][47]. Ⅰ) 통계적이론에충실하므로조정결과가엄격 (rigorous) 함 Ⅱ) 관측인자에관계없이미지변수를조정할수있어알고리즘적용이용이함 Ⅲ) 결과의통계학적정밀도분석이가능하므로조정후최확값에대한정밀도분석이가능함 Ⅳ) 관측계획에대한모의가가능하여실행전관측계획을수립할수있음 Ⅴ) 행렬 (Matrix) 연산이가능함 Ⅵ) 각관측값의신뢰성 ( 가치 ) 에따라관측값의무게 ( 경중률 ) 를달리할수있음 보통미지변수가많은연립방정식을직접수계산하는것은불가능하기때문에, 계산의효율을위하여행렬 (Matrix) 을사용하는것이보편적이다. 미지변수의수가 n 개이고관측수가 m 개인관측방정식을행렬의형 태로바꾸면다음식과같이표현할수있다. 식 (23) 정규방정식을행렬형태로부터바로구하여보기로하기때문에관측방정식의잔차제곱의합을계산하면다 음과같다. 식 (24) 여기서 은스칼라값이므로 이다. 식 (25) 잔차제곱의합을미지변수에대해편미분하여 0 으로놓으면식 (26) 과같이계산된다

62 식 (26) 양변의전치행렬을구하면식 (27) 과같이계산된다. 식 (27) 이식은정규방정식이며, 위에서구한정규방정식을행렬형태로표현한것과동일하다. 이정규방정식으로 부터해를구하면양변에 를곱한다. 식 (28) 결과적으로식 (28) 이행렬형태로구한최소자승법의해이다. 일반적으로삼각측량법의복잡한방정식의해를구하는것보다쉬운방법이기때문에사용되기도한다. 최소자승법은삼각측량법과다르게복잡한방정식을행렬을이용해비교적쉽게방정식의해를구할수있다. 삼각측량법과마찬가지로두개의 를기준으로방정식을구성하였고, 동일한숫자의방정식개수가도출된다

63 식 (29) 삼각측량법과기본적인방정식은동일하지만최소자승법에서는 AP 의위치를행렬 A, 태그의위치를행렬 L 로하여식 (30) 에대입한다. 본연구에서는사용되는모든 AP 의위치를계산에사용하였다. 식 (30) 최소자승법에서연립방정식의해는단하나만구해지기때문에삼각측량법에서수행했던좌표를필터링하는 부분은필요없지만범위내의좌표를최종좌표로도출하는과정은삼각측량법과동일한과정을거친다. Ⅰ) and Ⅱ) max and max

64 Ⅲ) AP 를꼭지점으로하는볼록집합영역 ( 인접한 2 개의 AP 를연결하는직선방정식으로표현되는 half space 들의교집합 ) 따라서최소자승법으로구해진연립방정식의해가 Ⅰ), Ⅱ), Ⅲ) 번을모두만족한다면최종좌표로출력한다. 4 설정된 Zone 에서다양한고객위치확인방법개발 ( 삼각측량법과 Fingerprint 방법을결합한방법 ) 삼각측량법과 Fingerprint 방법은측위방법중가장널리쓰이는방법들이다. 하지만두방법을모두사용하는측위방법은많지않은것으로조사되었다. 두방법이사용된경우를살펴보면두방법을통해각기위치를계산하고두방법으로계산된결과중보다오차가적다고판단되는결과를최종좌표로나타내는수준이다. 본연구에서는두방법을결합한측위방법을연구하였다. 이방법의큰틀은삼각측량법으로계산된위치를사용자가위치한대략적인위치 (Zone) 로파악하고대략적인위치를기반으로 Fingerprint 방법에사용되는 값들을필터링하는것이다. 삼각측량법과 Fingerprint 방법을결합한방법의첫번째단계는 RP를여러개씩묶어 Zone을구성하는것이다. 본연구에서 Zone을설정하는기준은지금까지수행해왔던삼각측량법을활용한측위결과의데이터분포를활용해지정하였다. 두번째단계는설정된각각의 Zone과 AP들과의실제거리를파악하는것이다. AP들과지정된존과의실제최대, 최소거리를구하여필터링기준으로사용하게된다. 다음의그림은 Zone의지정과 AP와 Zone과의최대, 최소거리를보여준다. [ 그림 35] Zone 의지정과 AP 와 Zone 과의최대, 최소거리

65 세번째로마련된필터링기준을바탕으로 Fingerprint 방법의트레이닝데이터를필터링한다. 예를들어 AP1~AP4까지의신호를 1번 Zone에서수집한다고했을때 1번 Zone에해당하는필터링기준을바탕으로실시간으로수집되는신호가기준을벗어나게되면앞에수집된신호중기준에만족하는신호를가져다 DB에저장하게된다. 만약첫신호부터필터링기준을벗어난다면 Zone마다지정된초기값을사용하게된다. 네번째단계는삼각측량법으로태그가어느존에위치하는지를확인하는단계다. 세번째단계까지는 Fingerprint 방법의트레이닝단계에해당되고실제로위치를파악하는것은네번째단계부터시작된다. 삼각측량으로태그가어느 Zone에위치하고있는지파악하고 Tag가위치한해당 Zone의필터링기준을불러오게된다. 다섯번째단계는실시간으로수집되는 Positioning 데이터를네번째단계에서불러온필터링기분과비교하는단계다. AP가 4대라면 4개의수신된신호를필터링기준과비교하고필터링기준에벗어난다면앞전의필터링기준을만족하는데이터로채우게되며, 첫신호부터기준을벗어난다면지정된초기값을사용한다. 다섯번째이후의단계는본연구에서제시하는 Fingerprint 방법의 Positioning 과정에따라계산이이루어진다. 2) 정확도향상방안 2차년도연구의목표는고객위치확인알고리즘의신뢰도 / 정확도를확인하고적용가능성테스트를진행하는것이다. 이를위해실제측위기반으로 Zone을구성하고설정된 Zone에서고객위치를확인하는방법을여러가지개발하여적용가능성테스트를진행하였다. 이를기반으로고객위치확인알고리즘의정확도향상을위해회귀분석을통한보정된거리값에대한필터링방법과 Zone 내의조건을만족하는필터링방법을적용하여 Fingerprint 방법의정확도를향상시킬수있었다. 추가로환경요인의영향성을검토하여실제환경에서사용할수있도록시스템을구현하였고, 이동하는물체를측위하기위한 Kalman Filtering 방법을적용하여고객위치확인알고리즘을보정하였다. 1 보정및필터링방법 본연구에서사용된테스트장비는독일 Nanotron사의 nanoloc 칩셋을사용하였다. 이칩셋에서는 AP와 Tag간의거리값뿐만아니라어떤 AP와통신을통해계산된거리값인지판별할수있는 ID, 날짜, 시간, 거리값과여러종류의에러코드를포함하여데이터를출력한다. 칩셋제조사에서는에러코드 015번을제외한나머지에러코드를출력하는데이터는사용하지않도록권장하고있고, 실제테스트결과 015번이외의에러코드를포함하는데이터들은매우큰거리값의오차를보여주거나거리값이누락되는현상이나타나기때문에에러코드 015번이외의데이터들은필터링하였다. 1차로필터링을거치고비교적정확한 값을계산할수있는 SDS-TWR 방법을사용했더라도실제환경에서는전파의산란, 반사, 흡수등으로인해오차를가지게된다. 따라서정확한 Tag의위치를계산하기위해서는보정과정이필요하다. 본연구에서는 값의보정을위해

66 회귀분석을사용하였다. 회귀분석 (Regression Analysis) 은관찰된연속형변수들에대하여독립변수와종속변수사이의인과관계에따른수학적모델인선형적관계식을구하여어떤독립변수가주어졌을때이에따른종속변수를예측하고, 도출된수학적모델이독립변수와종속변수간관계를얼마나잘설명하고있는지를판별하기위한적합도를검증하는통계적분석방법이다. 회귀분석은시간에따라변화하는데이터나어떤영향, 가설적실험, 인과관계의모델링등의통계적예측에이용되는방법으로 값이오차를포함하고있더라도통계적으로유의한예측값 를구할수있다. [ 그림 36] 회귀분석을통한 보정 2 Zone 내의조건을만족하는 Filtering 방법적용 필터링과보정단계를거친 는회귀분석을통하여보정해도 의오차가매우클경우에는실제거리와근 사한 를구하는데한계가있다. 따라서오차가큰 는각각의 AP 들을직선으로연결하여범위를지정하고 범위밖으로벗어나는 를필터링하는방법을사용하였다. max and max max : x 축에위치한좌표의최대값 max : y 축에위치한좌표의최대값

67 필터링은간단하게 가 AP 들을연결하여그려진범위의최대 축의값과최대 축의값보다클경우필 터링하는방법을사용하였다. [ 그림 37] 값필터링방법 3 환경요인의영향성검토 전파는반사, 흡수, 산란등으로인해전파가가진특성에벼화를가져오고환경변화에민감하다고알려져있다. 따라서전파를이용한측위시스템에도환경에따른변수를부여해야할필요성이있다. 하지만실제환경에서는사물의배치와바닥또는벽의재질, 전파환경의복잡도등많은환경변수가존재한다. 이러한다양한환경변수에따라측위시스템이일일이대응한다는것은현실적으로매우어렵다. 따라서본연구에서는실내와실외환경에따른환경변수를고려하여측위시스템이수집하는 값들을보정할수있는계수를생성하는방법을사용하였다. 보정계수를계산하는방법의첫단계는측위시스템이설치될장소에서의데이터수집이다. 실내의경우구조물과가구등사물의배치는쉽게변하지않는다는가정하에 AP를정해진위치에배치하고모든 AP를작동시켜선파를송수신하도록한다. [ 그림 38] 과같이 Tag는 AP들의사이를일정거리씩이동하며데이터를수집하여각각의 AP 별로 DB에저장한다

68 [ 그림 38] 환경요인을위한태그의위치이동및 DB 저장 이때모든 AP를작동시키는이유는전파환경의복잡성을최대한고려하기위한방안이다. 실외도실내와마찬가지로주변의건물, 가로등, 구조물등의배치가쉽게변하지않는다는가정하에실내와동일한방법으로데이터를수집한다. 두번째단계에서는수집된데이터를바탕으로보정계수를계산한다. 보정계수의계산은 1차년도의보정계수계산과동일한회귀분석을이용하였다. 세번째단계는보정계수의적용이다. 측위시스템이위치한환경에따라각각의 AP 별로계산된보정계수를적용하게된다. 본연구에서는실내와실내에따른환경변수만을적용하였지만시간대에따른유동인구, 날씨의변화등에대한적용도가능할것으로예상된다. 4 Kalman Filtering 방법적용 칼만필터 (Kalman Filter) 는상태를나타내는값을구하는과정으로상태의예측과실측치를이용한예측치의갱신을반복한다. 예를들어실내측위의경우에는단말기의위치를임의의값으로예측하고실측값을반영하여갱신한다음이를토대로또다시현재위치를예측하고실측값을반영하여갱신하는과정을반복함으로써단말기의위치를결정한다.[4]

69 [ 그림 39] Kalman Filtering 프로세스 본연구에서는시스템모델의잡음과측정잡음을나타내는 와 를평균 0, 분산 인백색 Gaussian 잡음 으로가정하였다. 식 (31) 과같은시스템모델의공식에서상태변수는 x 와 y 좌표가존재하기때문에식 (32) 와 같은행렬로구성하였다. 식 (31) 위치 속도 위치 속도 식 (32) 상태전이행렬 A 는 x 축과 y 축방향으로이동한다고가정하여식 (33) 과같은행렬로표현하였다. 여기서 는 한번의측위가진행되는시간을의미한다. 식 (33)

70 행렬 H 는 x 축과 y 축방향의위치만을측정하고속도는실제로측정하지않기때문에식 (34) 와같이표현하였다. 식 (34) 잡음의공분산행렬 Q 와 R 중 Q 는측정잡음에대한오차의정보부족과시스템잡음 R 은모델링방법의어 려움으로인하여테스트과정에서인자를변경해가며최적의수치를찾아사용하였다. 5 고객위치추정 정확도향상방안으로기개발된알고리즘에대한필터링및보정을통하여고객위치를추정할수있는시 스템을구현하였다. 다음그림은 2 차년도연구를통해개발된알고리즘과보정및필터링방법을적용하는 Fingerprint 방법을나타낸다. [ 그림 40] 보정및필터링방법을적용한 Fingerprint 방법 위방법으로알고리즘의정확도를향상한결과실내의평균오차는 0.82m, 실외에서평균오차는 0.54m 로일 반적인방법에비해오차가상당히감소한것을확인할수있었다

71 3) 알고리즘적용방안 2차년도연구결과를바탕으로알고리즘을적용할수있는방안을고려하였다. 최근스마트폰의보급으로대부분의위치기반서비스가 Wi-Fi 방식으로이루어지는것을확인한후본연구에서 Wi-Fi를적용하여실제시스템을구현하는방법을적용해보았다. 우선 Wi-Fi 신호를이용한테스트를실시하였는데 Fingerprint 방법과동일한환경에서실시하였다. 테스트에사용된 AP는 Buffalo의 WZR-HP-G450H 4대를사용하였고 Tag의역할을하는수신기는노트북을사용하였다. Wi-Fi 신호의수집방법은한대의노트북이테스트범위내에위치하여데이터를수집하고또다른노트북으로테스트범위밖에서수집된데이터를실시간으로확인하였다. [ 그림 41] 와이파이신호를이용한삼각측량법테스트환경 Wi-Fi 신호의특성을파악하기위한거리별테스트를진행하였다. [ 그림 42] Wi-Fi 의거리별테스트

72 1m부터 12m까지전체적인그래프추세는송 수신기사이가멀어질수록신호값이작아지는것을확인했지만 1~2m 구간과 8m 이상의구간은 dbm값이거리에따른특성에따르지않는것을확인할수있다. 이를통해실제환경에서적용할수있는구간은 3m 이상 8m 이하의거리에서사용가능함을알수있었다. Wi-Fi를이용한고객위치를확인하는시스템을구현할경우우선 Wi-Fi 거리에따른신호특성을파악한후정밀한측위가이루어질수있는알고리즘을적용하는것이다. 이를위해본연구에서사용된삼각측량법에보정및필터링방법을적용한개발알고리즘을적용하여빠르게대략적인고객위치를찾을수있는시스템을구현하였다. 다음으로삼각측량법을이용한 Wi-Fi 측위오차확인테스트를실시하였다. 신호값은하나의 RP 에서초당 1회씩 30초간수집하여 Friis 공식을통해거리값으로변환하여측위하였다. < 표 19> Wi-Fi 를이용한삼각측량법실내테스트결과 RP No 오차 RP No 오차 Wi-Fi를이용한삼각측량법실내테스트결과평균 2.62m의오차를보여주었다. Wi-Fi 신호의거리에따른신호세기를보면 1m 단위로증가하며데이터를수집하였을때각각의거리마다구분이될만한특성을나타내지않는다. 기존많은연구에서 Wi-Fi 신호를이용한시스템구현및테스트를진행하였는데본연구에서는 Wi-Fi를대략적인고객위치를확인할수있는수단으로사용하고평균오차가약 3m 이내인것을확인할수있었다. 이결과를이용하여고객의위치를파악할때 2.45Ghz 대역의 RFID로정밀측위하기에앞서 Zone을파악할수있는수단으로사용한다면빠르고손쉽게고객이 Zone 안에있는지를파악할수있을것으로기대된다. 본연구를추후타시스템에적용할경우기존에설치된 Wi-Fi 방식으로고객의위치를빠르게찾을수있도록연구에서적용한필터링및보정방법을이용한삼각측량법으로고객이 Zone 내에위치하고있는지를추정할수있다. 추가로고객의위치를상세히파악하고싶다면 2.45Ghz 대역의 RFID를실내및실외에설치하여본연구에서적용한거리별기기특성을파악하고 PR를설정한다음측위하면측위오차의절반이내의정확도를구현할수있을것이다. 본연구를통해개발된알고리즘은현재 u-city 사업이본격화되면서위치기반서비스에대한관심이증가하고다양한비즈니스모델이개발되고있고이에따라고객의위치를확인할수있는방법론이다양하게개발되고있기때문에시스템구축없이기개발된알고리즘과필터링및보정방법을적용하여고객위치를좀더정확히측정할수있고, 아직시스템이구축되지않은 u-city의경우고객위치의정확도를필요로하는분야에적용할수있도록구축하는방법을모색하는것이필요하다

73 (2) 2 차년도연구수행결과 2차년도연구를통해개발된알고리즘및시스템의성능을검증하기위해실내및실외테스트를진행하였다. 우선실내환경의특성을적용하기위해테스트장비의특성을파악하는테스트를진행하였다. AP와 Tag와의거리를 3m, 6m로설정하고각위치에서 30초간측정하였다. 이테스트에서는각 AP의최대신호도달거리, 초당데이터수를파악하여장비의신뢰성을검증하였다. 다음으로각 AP의거리별정확도를판별하기위하여기기별보정계수를산정하는테스트를수행하였다. AP와 Tag와의거리는 0.8m에서 7.2m까지 0.8m씩거리를늘려테스트를수행하고각거리마다 30초씩데이터를수집하여충분한수의데이터를확보한후기기별보정계수를산정하였다. 세번째로설정된 Zone에서고객위치를확인하는방법들중삼각측량과최소자승법을기개발된알고리즘을적용하여개선된시스템을구현하고테스트를진행하였다. 윗변이 4m, 아랫변이 6m, 높이가 4m인사다리꼴형태로불규칙한테스트범위를설정하였다. [ 그림 43] 2 북 670B 강의실테스트환경 [ 그림 44] 삼각측량법과최소자승법비교테스트환경 네번째로실내테스트를위해 8x10m 크기의강의실을선정하여테스트 Zone을설정하고 Fingerprint 방법의 Training 단계를수행하였다. RP는가로, 세로 2m씩총 RP의수를 20개로설정하고, Training Data는각 RP의중앙에서 300초씩측위하여충분한데이터를수집하였다. 실외테스트의경우실내테스트와마찬가지로 8x10m 크기의운동장에서테스트를실시하였고 RP의개수도실내와동일하게 20개로설정하여각 RP에서 30초와 300초씩측위하여데이터를수집하였다

74 [ 그림 45] 실내강의실테스트환경 [ 그림 46] 실외운동장테스트환경 마지막으로 Positioning 단계를수행한다. Positioning 단계에서는각 RP 의중앙에서데이터를수집하고추 가로각 RP 의지정된지점에서데이터를수집하여한개의 RP 당총 5 곳의 Positioning Data 를수집하였다. 1) 테스트프로그램 시스템의 H/W를제어하고알고리즘을구현하기위한 S/W는계측 / 제어솔루션인 National Instrument 사의 LabVIEW 2010을사용하였다. 테스트프로그램에는다양한보정방법과필터링방법이적용되었는데, 데이터가흘러가는통로를제외하고모두모듈화하였다. 모든부분을모듈화함으로써보정이나필터링방법의적용전 후비교와추후새로운보정과필터링방법의적용이용이해졌다. 또한 MS-SQL 2000을통해 DB와연동하여측정된데이터를저장하거나불러와사용하여, 삼각측량법과최소자승법, Fingerprint 방법에동일한데이터를사용하도록하였다. 프로그램의메인화면은 Setting 탭과 Display 탭으로구분하여 Setting 탭에서는측위장비와 PC간의연결세팅, 데이터형식세팅, AP 개수와위치를설정할수있다. AP의위치를지정하게되면측위알고리즘에사용되는계수들도자동으로변경된다. 보정계수적용을위한세팅창은향후실내, 실외등환경변화에따라보정계수를달리적용할수있다. Display 탭에서는측위과정중에태그의위치를실시간으로확인가능하도록하였다. 좌표를표시하는화면의격자는 Setting 탭에 AP의위치값에따라결정되며단위는미터로표시된다. 프로그램의스타트버튼과초기화, 정지버튼을함께추가하였고각각의 AP와태그간의거리값은막대형태의그래프로실시간표시되며 x, y좌표를실시간으로표시한다. 또한현재위치계산에사용되는태그의번호확인이가능하며결과값은프로그램화면의테이블과엑셀파일그리고 DB에저장된다

75 [ 그림 47] Setting 탭화면 [ 그림 48] Display 탭화면 2) 측위테스트결과분석 1 실내 외보정계수산정테스트 실내 외에서환경의변화에따라발생하는오차가포함된 값에환경변수를반영한보정계수산정테스트를실시하였다. 테스트는실내의경우인하대학교 2북관 6층복도에서실시하였다. 테스트방법은전파환경의복잡도를최대한반영하기위해모든 AP를작동시킨상태에서 AP와 Tag 사이의간격을일정하게넓혀가며테스트진행하였다. 테스트는각기다른날짜에총 3회실시하였고측정위치에서 30초간데이터를수집하였다. [ 그림 49] 에서파란색점은실제거리를나타내고, 빨간색점은거리측정알고리즘을이용하여거리별로테스트한결과값을평균한보정전거리이다. 빨간색점사이의선은측정거리에대한회귀선을나타낸다. 실내에서거리측정알고리즘을이용하여계산된거리값에대한보정계수를산정하기위하여각 AP의특성을고려하여회귀분석을통해기울기및 y 절편을계산하여시스템에구현하였다. 보정계수의계산방법은다음과같다. AP1 의기울기는 , y 절편은 , 0.8m 지점의신호값평균은 ( 원데이터값 - y 절편 ) / 기울 기 = 보정된값 3.65 이므로공식에대입하면 ( ) / = 0.26 AP1 의 0.8m 지점의보정된값은 0.96m 이고다음값들도이와같은형식 으로구한다

76 AP1 AP2 Ap3 Ap4 [ 그림 49] AP 별실외보정계수산정테스트 < 표 20> 실외측정값보정계수적용전, 후비교 AP1 AP2 AP3 AP4 실제거리 보정전 보정후 보정전 보정후 보정전 보정후 보정전 보정후 실외보정계수산정테스트방법도실내와마찬가지로모든 AP 를작동시킨상태에서 AP 와 Tag 사이의간 격을일정하게넓혀가며테스트하였다. 데이터수집은측정위치에서 30 초동안 3 회실시하였다

77 AP1 AP2 AP3 Ap4 [ 그림 50] AP 별실외보정계수산정테스트 < 표 21> 실외측정값보정계수적용전, 후비교 AP1 AP2 AP3 AP4 실제거리 보정전 보정후 보정전 보정후 보정전 보정후 보정전 보정후 삼각측량법과최소자승법결과비교 우선사용자의대략적인위치 (Zone) 를파악하는방안으로삼각측량법과최소자승법을사용하기위해두방법 중보다정확도가높고환경변화에따른영향을적게받는방법을알아보기위해비교테스트를실시하였다. 두방법의비교테스트는 AP1 번의지점을 (0, 0) 으로하여기준으로하였고그는 (3, 2), (4, 3), (2, 3) 의

78 세지점에위치시켜 30초간측정하였다. 사다리꼴형태로테스트범위를지정한이유는최소자승법의경우직사각형또는정사각형형태로테스트범위를지정하고각모서리에 AP를배치하면계산과정에서분모가 0이되어결과가도출되지않는경우가있기때문이다. 측위정확도의척도는태그의실제위치와측위방법을활용하여계산한태그의추정위치간의거리오차를사용하였다. 3개의측위지점에태그를위치시켜 3분간측정한데이터를바탕으로삼각측량법과최소자승법으로계산된좌표의정확도는다음과같다. < 표 22> 삼각측량법과최소자승법오차비교 단위 : 오차 (m) 오차 (3, 2) (4, 3) (2, 3) 삼각측량법 최소자승법 오차 오차의표준편차 [ 그림 51] 태그위치별오차및오차의표준편차비교 테스트결과삼각측량법이최소자승법에비해더작은오차를보여주었다. 테스트범위중앙부근에위치한 (3, 2) 지점의경우최소자승법에비해삼각측량이 33%, (4, 5) 지점에서는 42%, (2, 3) 지점에서는 31% 더좋은결과를보여주었다. 오차의편차를보았을때삼각측량이최소자승법에비해편차가적은고른결과를보여주었고전체적으로테스트범위양쪽모서리에비해중앙부근에위치한지점의결과가좋은점을확인할수있다. 테스트결과에따라서사용자의대략적인위치 (Zone) 을파악하는방법으로삼각측량법을이용하기로하였다

79 3 삼각측량법과 Fingerprint 방법결과비교 다음테스트는삼각측량법과 Fingerprint 방법의측위오차를비교하기위한테스트를진행하였다. 삼각측량법과최소자승법의정확도비교테스트에서삼각측량이최소자승법에비해좋은결과를보여주었기때문에제안하는 Fingerprint 방법과비교테스트를진행하였다. 또한트레이닝데이터수집시간과 Fingerprint 방법의정확도변화를확인하고자하였다. 테스트는 2회진행하였으며 Training 데이터는두번의테스트모두동일한데이터를사용하였다. Training 데이터는 20개 RP에서 30초, 5분동안수집하여 DB에저장하였고 Positioning 데이터는 20개 RP에서 30초간수집하여실시간으로측위테스트를진행하였다. 정확성의척도가되는측위오차는태그의실제위치와측위방법을통해계산된태그의추정위치간의거리차이를계산하여도출하였다. < 표 23> 삼각측량법과 Fingerprint 방법의실내오차및성공률비교 30 초간 Training 데이터 5 분간 Training 데이터 첫번째테스트 두번째테스트 Fingerprint 방법 삼각측량법 Fingerprint 방법 삼각측량법 평균오차 평균오차 평균오차 평균오차 삼각측량법과 Fingerprint 방법의실내비교테스트결과는삼각측량법의경우기존방법대로필터링및보정방법을적용하여계산된거리값을삼각측량알고리즘을적용하여테스트를진행하였고, Fingerprint 방법의경우 Training 데이터를 30초간, 5분간측위하여데이터를저장하고 Positioning 단계를실시하여테스트를진행한결과를요약한것이다. 첫번째테스트에서는 30초간 Training 데이터를수집한 Fingerprint 방법을적용한측위결과가삼각측량법에비해 15% 정도측위오차가감소하였고, 5분간 Training 데이터를수집한 Fingerprint 방법을적용한측위결과는삼각측량법과거의유사한측위오차가발생된것을확인하였다. 두번째테스트에서는 30초간 Training 데이터를수집한 Fingerprint 방법을적용한측위결과가삼각측량법에비해 19% 측위오차가증가하였으나 5분간 Training 데이터를수집한 Fingerprint 방법을적용한측위결과는삼각측량법에비해 15% 정도측위오차가감소하였다. 이테스트결과를분석해보면 Training 데이터의수집시간을길게하면편차가적어져오차를감소시키는것으로파악되었다. 실외테스트는실내테스트와동일한조건하에테스트를진행하였으며 Training 데이터는 5분간수집한데이터를사용하였다. 실내테스트와마찬가지로측위정확도의척도로태그의실제위치와측위방법을통해계산된태그의추정위치간의거리차이를계산하였다

80 < 표 24> 삼각측량법과 Fingerprint 방법의실외오차비교 Fingerprint 방법 (5 분트레이닝 ) 평균오차 삼각측량법 평균오차 실외테스트에서 Fingerprint 방법은실내에비해좋은결과를보여주었지만삼각측량법의경우실내결과에비해오차는낮지만성공률은떨어지는것으로나타났다. 이는삼각측량으로계산된좌표가실제태그가위치한 RP와매우근접한위치로계산된것을의미한다. 실내와마찬가지로실외테스트에서 Fingerprint 방법이삼각측량법에비해좋은결과를보여주었다. [ 그림 52] 실내측위방법오차비교 [ 그림 53] 실외측위방법오차비교 4 Fingerprint 방법과삼각측량법과 Fingerprint 방법을결합한방법의결과비교 삼각측량법과 Fingerprint 방법의측위오차비교결과 Training 데이터와 Positioning 데이터가불안정하거나연속적으로편차가큰데이터들이계속들어온다면 Fingerprint 방법이삼각측량법에비해좋은결과를보여주지못하는것으로분석되었다. 따라서본연구에서측위정확도를향상시키기위한방법으로 Fingerprint 방법과삼각측량법을결합한새로운방법을개발하였다. 우선삼각측량법으로대략적인 Zone의위치를확인하고 Fingerprint 방법으로정밀한위치를측위할경우기존 1차년도에개발된 Fingerprint 방법과비교를통해측위정확도가향상된정도를확인해보았다. 삼각측량법과 Fingerprint 방법을결합한새로운방법을테스트하기위해기존테스트에서사용된 DB에저장된데이터를활용하였다. 기존의데이터를사용하였기때문에실내와실외모두기존의테스트와동일한조건이라고할수있다. Training 데이터는 5분간수집된데이터를사용하였고 < 표 25> 는실내테스트결과를보여준다

81 < 표 25> Fingerprint 방법과삼각측량법과결합한방법의실내오차및성공률비교 첫번째테스트 두번째테스트 Fingerprint 방법 (5 분트레이닝 ) 삼각측량법과 Fingerprint 를결합한방법 Fingerprint 방법 (5 분트레이닝 ) 삼각측량법과 Fingerprint 를결합한방법 평균오차평균성공률평균오차평균성공률평균오차평균성공률평균오차평균성공률 % % % % 실내테스트결과첫번째테스트에서는기존방법에비해오차는 0.33m 감소하였고성공률은 9.03% 증가하였다. 두번째테스트에서는기존방법에비해오차는 0.33m 감소하였고성공률은 1.03% 감소하였다. 두번의테스트에서기존방법에비해오차는동일하게감소하였지만성공률은약간의증가와약간의감소를보인다. 성공률의변화가크지는않지만측위결과들을실제 RP의위치에찍어보면인접한 RP에위치하고있음을확인하였으며기존방법에비해측위결과들의분포의크기가감소한것을확인하였다. [ 그림 54] Fingerprint 방법과삼각측량법과결합한방법의실내오차및성공률비교그래프 다음 < 표 26> 은실외테스트결과를보여준다. 실내테스트와마찬가지로기존의 DB 에저장된데이터를사 용하였으며 5 분간수집한 Training 데이터를사용하였다. < 표 26> Fingerprint 방법과삼각측량법과결합한방법의실외오차및성공률비교 Fingerprint 방법 (5 분트레이닝 ) 삼각측량법과 Fingerprint 를결합한방법 평균오차평균성공률평균오차평균성공률 % %

82 실내테스트와마찬가지로오차는기존방법에비해 0.2m 감소하였고성공률은 0.35% 증가하였다. 실외테 스트에서도성공률의변화가크지는않지만측위결과들을실제 RP 의위치에찍어보면인접한 RP 에위치하고 있음을확인하였으며기존방법에비해측위결과들의분포의크기가감소한것을확인하였다. [ 그림 55] Fingerprint 방법과삼각측량법과결합한방법의실외오차및성공률비교그래프 5 Kalman Filtering 을적용한이동고객의위치확인결과 Kalman Filtering을적용한테스트는삼각측량법과 Fingerprint 방법을결합한방법으로계산된좌표를사용하였다. 계산된좌표를사용하였기때문에앞의테스트와동일한환경과조건으로수행했다고할수있다. Kalman Filtering을모든 RP에적용하지않고 MU가이동하는경로를 1, 6, 7, 8, 9, 10, 15, 20번 RP를거쳐이동했다고가정하고테스트를진행하였다. [ 그림 56] MU 의이동경로

83 < 표 27> Kalman Filtering 을적용한테스트결과 실내 실외 첫번째테스트 두번째테스트 RP 1 RP 6 RP 7 RP 8 RP 9 RP 10 RP 15 RP 20 적용전 적용후 적용전 적용후 적용전 적용후 테스트결과 Kalman Filtering을적용하였을때삼각측량법과 Fingerprint 방법을결합한방법에비해오차는실내가평균 0.8% 증가하였고실외는 18% 증가하였다. 이결과는 Kalman Filtering을적용하기전의측위좌표의분포는 RP 중앙을기준으로방사형으로분포하고있는반면, 적용후에는 MU의이동경로에따라데이터가분포하기때문이다실내보다실외의오차변화가큰이유는실외가실내에비해오차가작고실내결과에비해 RP의중앙에더욱조밀하게분포하기때문이다. 따라서 Kalman Filtering을적용한테스트결과에서오차는측위시스템의성능의척도로사용하는것은맞지않은것으로판단되며사용자가이동할때비정상적인움직임을나타내는것을방지할수있을것으로예상된다. 6 테스트결과종합 실내테스트결과를종합해보면 Fingerprint 방법에 Training 데이터수집시간의증가에따른정확도와성공률이증가하는것을알수있고삼각측량법과결합하여사용할경우더정밀한측위가가능한것을확인하였다. Fingerprint 방법에 Training 데이터수집시간이 30초에서 5분으로증가했을때오차는 13% 감소하였고성공률은 10% 증가하였으며 5분 Training 데이터를사용한 Fingerprint 방법과삼각측량을결합한방법을비교해보면오차는 40% 감소, 성공률은 4% 증가하였다. 결론적으로 Training 시간의증가와삼각측량법과의결합으로오차는 58% 감소하였고성공률은 14% 증가하였으며삼각측량법에비해서는오차는 53% 작고, 성공률은 18% 가높은것으로나타났다

84 [ 그림 57] 실내테스트 1, 2 회결과종합 실외테스트결과를종합해보면 5분동안 Training 데이터를수집한 Fingerprint 방법에비해삼각측량법과결합한방법이더정밀한측위가가능한것을확인하였다. 삼각측량법과결합한 Fingerprint 방법은 5분 Training 데이터를적용한 Fingerprint 방법에비해오차는 37% 감소하였고성공률은 0.35% 증가하였다. 삼각측량법과비교했을때오차는 104% 낮고성공률은 33% 높은것으로나타났다. [ 그림 58] 실외테스트 1, 2 회결과종합 실내와실외모두삼각측량법을단독으로사용해측위했을때오차범위 1m 근방에서측위가가능하다. 하지만사용자가더정밀한측위를요청할경우삼각측량법과 Fingerprint 방법을결합한방법을사용할수있다. 따라서사용자가원하는측위정밀도에따라대응이가능할것으로예상되며이러한상황에따라계산량을조절할수있어측위시스템의효율성측면에서도좋은결과를보여준것으로판단된다