기계학습 기반의 IMU 보행 데이터와 Wi-Fi Fingerprinting을 이용한 실내 위치 추정

Abstract

정보통신 기술의 발전과 실내 위치 정보 시장의 밝은 전망으로, 위치 기반 서비스에 대한 수요과 관심이 높아지고 있다. 위치추정에 일반적으로 사용하는 GPS는 실내에서의 수신 강도 및 수신 대역 문제로 실내에서 사용하기 적합하지 않다. 이에, 실내 위치추정을 위해 다양한 기술이 연구되고 있고, 대표적으로 저전력 블루투스 비컨, 초광대역, 관성 측정 장치, Wi-Fi 등이 있다. 특히, IMU 센서를 이용한 측위 방법은 전자기기 대부분에 센서가 내장되어있고, 주기적인 변화를 인식하여 연속적인 보행자의 위치를 추정할 수 있다. 그러나, 센서의 누적 오차와 낮은 정확도로, 다른 측위 기술과의 결합이 필수적이다. Wi-Fi를 이용한 측위 방법 중 Fingerprinting을 이용한 측위 방법은 Wi-Fi AP의 위치를 알 필요가 없고 건물 대부분에 Wi-Fi AP가 설치되어있어, 추가적인 인프라 구성 비용이 들지 않는다. 그러나 데이터 사전 수집 비용이 비교적 크고 주기적인 데이터 갱신이 필요하다. 본 논문은 기계학습 기반의 IMU 센서 데이터 위치추정 모델을 구성하여 보행자의 위치를 실시간으로 추정하다가, 기존 Wi-Fi를 이용한 추정 방법보다 더욱 효율적으로 구성한 모델이 실내에 임의로 정한 랜드마크를 식별할 때마다 파티클 필터를 이용하여 위치를 보정 한다. 이처럼, Wi-Fi 추정 모델을 기존 방법이 아닌, 효율적인 방법으로도 융합 알고리즘을 통해 높은 정확도의 위치추정 결과를 얻을 수 있는 방법에 대해 제안하였고, 실제 실내에서 보행한 데이터로 결과를 분석하였다.