| 초록 |
□ 연구개요 와이파이 무선신호 기반 실내위치 인식성능을 개선하고 데이터베이스(DB) 관리 시스템을 개발하는 것으로, 크라우드소싱을 활용하여 공유기의 위치 변경, 설치 및 제거에서 발생하는 환경변화 및 신호특성변화 탐지기술을 연구한다. 비용과 시간 측면에서 효율적인 학습자 데이터 동적 수집(mobile fingerprinting)과 데이터 분석을 위한 특징점 추출(feature extraction)을 선행하고, 변화 탐지기술을 통해 데이터베이스 자율관리 시스템을 설계한다. 또한 실내지도를 이용할 수 없는 상황을 대비하여 경로학습(trajectory learning) 기반 위치인식 시스템을 연구한다. 스마트기기로 동작하는 위치 인식 및 크라우드소싱 통합 소프트웨어 앱을 개발하고 여러 공공 건물에서 실험 검증한다. □ 연구 목표대비 연구결과 - 1차연도는 학습데이터 동적수집(mobile fingerprinting), 특징점 추출(feature extraction), 위치추정 프레임워크 구축이 목표이다. 와이파이 무선신호 세기의 특성을 분석하여 오토엔코더와 주성분분석 알고리즘과 가우시안프로세스 기계학습 기법을 사용하여 확률적인 특징데이터로 변환하였다. 동적수집을 위해 준지도식학습기법 (semi-supervised learning)을 사용하여 unlabeled 데이터를 활용하는 알고리즘을 개발하였다. 위치추정 프레임워크는 딥러닝을 기반하였고 스마트폰에 동작가능하도록 실시간 모델을 구축하여 tensorlite를 이용하여 앱으로 구현하였다. 1차년도의 연구물을 SCI 2편으로 게재하하여 1차연도 연구목표 대비 100% 달성하였다. - 2차연도는 환경변화에 의한 전자지문방식 학습데이터 DB의 오염도를 추정하여 갱신 알람 알고리즘을 개발하는 것이 목표이다. 오토엔코더와 가우시안 프로세스를 거친 확률적인 특징데이터(probabilistic feature DB)를 KL divergence에 의해 오염도 metric을 정의하였다. 특히, 위치 측위 결과에 영향을 많이 미치는 변화와 그렇지 않은 변화를 구별하여 DB를 갱신해야하는 시점을 정확히 판별할 수 있다. 2차년도 연구물을 SCI 2편으로 게재하하여 2차연도 연구목표 대비 100% 달성하였다. - 3차연도는 맵이 주어지지 않은 상황을 고려한 경로학습(trajectory learning) 알고리즘을 개발하고 실시간 실내측위 통합 알고리즘을 개발하여 공공장소 복합건물에서시연한다. 한경대, 성신여대, 강남역 코엑스, 판교역 공용오피스에서 실험한 결과를 논문과 보고서에 기술하였다. 3차년도 연구물울 특허 1편으로 출원하여 3차연도 연구목표 대비 100% 달성하였다. □ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성) 최근 실내위치추정은 소방청, 경찰청, 국토부같이 화재의 위험이나 취약계층의 보안 및 교통정보를 위해 큰 주목을 받고 있으며 여러 개의 정부 과제 지원 사업이 이를증명하고 있다. 미국 FCC와 유럽과 같은 해외에서도 긴급구조 측위 및 요구사항을 제시하였으며 스마트폰의 긴급구조콜 기능을 추가하였다. 국내에서도 실내 측위의정확도 향상 및 효율성을 높이기 위해 정부 차원의 투자가 이루어지고 있으며, 본 과제 연구물의 크라우드소싱 기술이 활용되어 데이터 사용 및 자동관리 시스템 구축에 큰 도움이 될 수 있을 것이라 판단한다. 2020년도까지만 해도 구글맵에 실내위치가 표기가 된 지역이 매우 제한적이었던 구글맵과 애플맵이 이제는 독자적인 실내측위시스템을 개발하여 실내외 통합 위치 측위 서비스가 진행되고 있다. 추가 연구 방향으로는, 와이파이 무선신호를 기반으로 하는 본 연구물을 관성센서, 지자기센서와같은 정밀측위 센서데이터와 연계하고 확장하여 더욱 고도화된 실내측위 시스템를 조만간 개발할 수 있을 것으로 기대한다. (출처 : 연구결과 요약문 2p) |
