KR101947442B1 - 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법 - Google Patents

서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법 Download PDF

Info

Publication number
KR101947442B1
KR101947442B1 KR1020160003861A KR20160003861A KR101947442B1 KR 101947442 B1 KR101947442 B1 KR 101947442B1 KR 1020160003861 A KR1020160003861 A KR 1020160003861A KR 20160003861 A KR20160003861 A KR 20160003861A KR 101947442 B1 KR101947442 B1 KR 101947442B1
Authority
KR
South Korea
Prior art keywords
measurement information
terminal
information
database
movement model
Prior art date
Application number
KR1020160003861A
Other languages
English (en)
Other versions
KR20170084613A (ko
Inventor
조영수
김주영
전주일
지명인
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160003861A priority Critical patent/KR101947442B1/ko
Priority to US15/401,585 priority patent/US10123176B2/en
Publication of KR20170084613A publication Critical patent/KR20170084613A/ko
Application granted granted Critical
Publication of KR101947442B1 publication Critical patent/KR101947442B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/001—Transmission of position information to remote stations
    • G01S2205/007—Transmission of position information to remote stations for management of a communication system

Abstract

서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법이 개시된다. 본 발명에 따른 위치 추정 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성하는 이동 모델 생성부; 상기 단말로부터 수신된 복수의 측정정보들을 기반으로 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하고, 상기 동적 위치 데이터베이스를 기반으로 상기 복수의 측정정보들의 우도(Likelihood)에 비례하는 가중치를 산출하는 가중치 산출부; 및 상기 이동 모델에 상응하는 적어도 하나의 샘플 값에 상기 가중치를 적용하여 상기 단말의 위치와 방향을 추정하는 위치 추정부를 포함한다.

Description

서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법{APPARATUS FOR ESTIMATING LOCATION USING COMBINATION OF DIFFERENT POSITIONING RESOURCES AND METHOD USING THE SAME}
본 발명은 서로 다른 측위 자원들의 결합을 이용한 위치 추정 기술에 관한 것으로, 특히 서로 다른 차원의 측위정보들의 우도를 결합한 값을 기반으로 단말의 위치를 추정할 수 있는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법에 관한 것이다.
무선통신 인프라를 이용한 측위 기술은 인프라 종류 및 서비스 범위에 따라 다양하게 존재한다.
예를 들어, GNSS(Global Navigation Satellite System)는 지구 궤도 상의 위성 신호를 이용하여 사용자의 위치를 결정하는 시스템을 의미하며, 이러한 시스템의 일예로 미국의 GPS(Global Positioning System), 러시아의 GLONASS(Global Navigation Satellite System), 유럽의 Galileo 등이 현재 운용 중이거나 운용 예정이다. GNSS는 지구 전 지역을 서비스 하도록 배치되며 정밀한 시각정보와 위성궤도정보를 포함하는 신호를 송출하는 위성부와 적어도 4개 이상의 위성 신호를 수신하여 위치 및 속도를 계산하는 수신부, 위성의 상태 및 궤도를 감시하고 제어하는 지상 제어부로 구성된다.
GNSS는 위성부와 수신부의 직접 가시선(Direct Line Of Sight)이 확보되는 평지나 교외지역에서는 10m 이내의 오차가 발생하는 높은 위치 정확도(Accuracy)와 가용성(Availability)을 제공하지만, 비 가시선(Non Line Of Sight) 구간인 도심 밀집 지역에서는 다중경로오차로 인해 위치 오차가 50m에 다다르고 특히 실내 지역에서는 수신신호 감도가 저하되어 신호 획득을 하지 못해 위치 및 속도 결정이 불가능한 문제점이 있다.
또한, 셀룰러 기반 측위 기술은 이동통신 기지국의 위치정보와 측정신호를 이용하여 사용자의 위치를 결정하는 기술이다. 구체적으로 단말에서 수신 가능한 기지국 수에 따라 Cell-ID, E-OTD(Enhanced-Observed Time Difference), AFLT(Advanced-Forward Link Trilateration) 등으로 분류된다. 도심 및 교외 대부분의 지역을 서비스 범위로 가지는 이통통신 인프라의 특성 상 실외뿐만 아니라 실내에서도 위치 결정이 가능하다는 장점을 가진다. 하지만 기지국의 배치 밀도에 따라 측위 정확도가 달라지고 평균적으로 약 100~800m의 오차가 발생하는 비교적 낮은 위치 정확도를 가져서 수m 정도의 위치 정확도를 요구하는 실내외 항법 서비스 등에 적용하기 어렵다.
또한, Assisted GNSS는 사용자 단말에 내장된 GNSS 수신기의 최소 수신신호 감도를 향상시키고 초기위치 결정시간(Time To First Fix)을 단축시키기 위해 측위 서버로부터 보조정보를 획득하는 기술을 의미한다. 이를 통해 미약 신호 환경인 도심 밀집지역에서 GNSS를 이용한 빠른 위치 결정을 가능하게 하지만, 실내지역에서는 신호가 매우 미약하여 큰 효과를 얻을 수 없다.
또한, Wi-Fi 기반 측위기술은 상기 실내 측위의 어려움을 극복하기 위한 방법으로써, 대표적으로 Wi-Fi AP(Access Point)의 위치 및 측정신호를 이용하여 단말의 위치를 계산하는 방법과 Wi-Fi AP의 radio map을 이용한 Fingerprinting 방법이 있다. 이 때, Wi-Fi AP 위치 및 측정신호를 이용하는 방법은 차량 또는 보행자의 수집위치 및 각 Wi-Fi AP별 수신신호세기를 활용하여 Wi-Fi AP의 위치를 추정하고, 이를 활용하여 Trilateration, WCL, Monte-Carlo 등의 측위 알고리즘을 통해 단말 위치를 계산한다. 또한, Fingerprinting 방법은 차량 및 보행자의 수집위치 및 각 Wi-Fi AP별 수신신호세기를 가공하여 기준 위치의 radio-map을 생성한다. 최종적으로 해당 radio-map과 단말에서 측정된 각 AP별 Wi-Fi 측정 수신신호세기 패턴을 비교하여 최소 수신신호세기 오차를 가지는 기준 위치를 단말 위치로 추정한다.
상기 분석결과를 종합해보면, Wi-Fi 기반 측위기술은 기존 GNSS, 셀룰러 기반 측위기술 대비 실내 환경에서 정밀한 단말의 위치정보를 제공할 수 있다. 하지만 기존 Wi-Fi 기반 측위기술은 위치정보 외에 또 다른 유용한 정보인 방향정보(heading)를 제공하기 어렵기 때문에 비정상적인 위치정보를 필터링 하기가 쉽지 않다. 또한 단말을 소지한 보행 환경의 경우, 보행자가 비행기나 자동차 등과 비교 시 보다 자유롭게 운동하기 때문에 수식화된 운동 상태 방정식을 적용하는 것도 쉽지 않다.
한편, 센서 기반 측위기술은 실내 환경에서 이러한 Wi-Fi 기반 측위 기술의 단점을 보완할 수 있는 기술적 특징을 가지고 있다. 기본적으로 센서 기반 측위기술은 단말 내 또는 단말 외부의 가속도계(accelerometer), 자이로스코프(gyroscope), 지자기계(magnetometer), 고도계(barometer), 경사계(inclinometer), 근접 센서(proximity sensor) 등을 하나 또는 복수개를 결합하여 단말의 위치를 계산하는 기술을 의미한다.
이러한 센서 기반 측위기술의 장점은, 첫째로 GPS나 Wi-Fi 측위기술과 다르게 단말 외부의 환경에 영향을 거의 받지 않는다. 즉, 센서 내부의 물리적 특징(가속도, 속도, 회전속도 등)을 직접적인 측정정보로 활용하여 단말의 위치를 계산하기 때문에 해당 측정정보가 복잡한 실내 환경에 왜곡될 개연성이 크지 않다. 둘째로, 주변에 측위 인프라가 없이도 항상 단말의 측위가 가능하다. 즉, Wi-Fi 기반 측위 기술의 경우 해당 건물 내에서도 Wi-Fi AP가 설치된 환경에서만 단말 측위가 가능하기 때문에 Wi-Fi AP가 설치되지 않은 영역에서는 측위가 불가능하다. 하지만 센서 기반 측위 기술은 센서가 단말과 연결만 되어 있으면 항상 센서정보를 가져와 단말 위치를 계산할 수 있기 때문에 단말 위치정보의 가용성이 크다. 셋째로, MEMS(Micro Electro-Mechanical Systems) 기술의 발전 및 스마트폰의 보급 확대를 통해 최근 센서 가격이 매우 저렴해지고 있다. 이러한 현상은 스마트폰 내 센서 장착을 보편화 시키고, 이를 통해 기존 GPS 기술과의 결합을 용이하게 한다.
하지만 이러한 센서 기반 측위 기술도 극복해야 할 문제가 있다. 첫째로 MEMS 기술을 적용한 센서들의 경우 센서 자체의 품질이 높지 않아서 사용 전에 편향(bias)이나 표류(drift) 등으로 나타나는 센서 오차성분을 제거하는 교정(Calibration) 과정을 반드시 거쳐야 한다. 이러한 교정 과정이 잘 수행되지 않으면, 측정정보를 이용하여 계산된 단말의 위치오차는 시간이 지남에 따라 급증하게 된다. 또한 센서나 단말의 환경(예: 온도 등)마다 이러한 편향 또는 표류에 따른 오차 값이 다르기 때문에 사용하는 단말마다 매번 교정을 수행해야 할 수도 있다. 둘째로, 센서 기반 측위 기술은 절대 측위가 아닌 상대 측위이기 때문에 시작위치의 절대위치를 알아야지만 단말의 절대 위치를 알 수 있다. 이러한 단점을 극복하기 위해 절대 위치 제공이 가능한 GPS의 결합이 필요하다. 셋째로, 센서 기반 측위 기술은 측위 시작 전의 교정작업뿐만 아니라 측위 시 중간중간 보정(correction) 작업을 통해 누적된 위치 오차를 제거해야 장시간 정확한 단말 위치 제공이 가능하다. 단말 보정 역시 절대 위치 제공이 가능한 GPS 위치정보를 활용하며, 지도 내의 관심지점(POI: Points Of Interest)도 보정에 활용될 수 있다.
한국 공개 특허 제10-2015-0080817호, 2015년 7월 10일 공개(명칭: 전파지도DB 로딩 장치와 방법, 및 단말장치)
본 발명의 목적은 측위 알고리즘에서 서로 다른 차원을 가지는 측위 자원들을 효율적으로 결합하여 단말의 위치를 추정하는 것이다.
또한, 본 발명의 목적은 기존의 위치 데이터베이스에서 현재 단말에 상응하는 동적 위치 데이터베이스를 일정 기준에 따라 한정하여 연산함으로써 단말의 위치를 추정하는 시간을 단축시키는 것이다.
또한, 본 발명의 목적은 측정정보 수집 단말과 사용자 단말의 차이에 따른 오차를 감소시켜 보다 정확하게 사용자 단말의 위치를 추정하는 것이다.
상기한 목적을 달성하기 위한 본 발명에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치는, 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성하는 이동 모델 생성부; 상기 단말로부터 수신된 복수의 측정정보들을 기반으로 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하고, 상기 동적 위치 데이터베이스를 기반으로 상기 복수의 측정정보들의 우도(Likelihood)에 비례하는 가중치를 산출하는 가중치 산출부; 및 상기 이동 모델에 상응하는 적어도 하나의 샘플 값에 상기 가중치를 적용하여 상기 단말의 위치와 방향을 추정하는 위치 추정부를 포함한다.
이 때, 가중치 산출부는 단말 별 측정정보 보정 데이터베이스를 기반으로 상기 복수의 측정정보들을 상기 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성하는 측정정보 보정부; 및 상기 복수의 보정 측정정보들 각각에 대한 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 상기 복수의 측정정보들의 우도를 산출하는 우도 결합부를 더 포함할 수 있다.
이 때, 복수의 개별 우도들은 상기 이동 모델에 상응하는 위치에서 가장 가까운 어느 하나의 기준 위치를 기반으로 획득한 제1 측정정보 별 리스트와 상기 복수의 보정 측정정보들을 기반으로 획득한 제2 측정정보 별 리스트를 비교하고, 상기 제1 측정정보 별 리스트와 상기 제2 측정정보 별 리스트 사이에 일치하는 리스트 정보를 이용하여 산출될 수 있다.
이 때, 가중치 산출부는 상기 위치 데이터베이스 중에서 상기 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 기설정된 동적 조건에 만족하는 상기 동적 위치 데이터베이스를 추출하는 동적 위치 데이터베이스 추출부를 더 포함할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스는 종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차 및 스케일 조정 계수 중 적어도 하나를 포함할 수 있다.
이 때, 가중치 산출부는 상기 복수의 측정정보들을 수집한 수집위치와 상기 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시각 동기하여 저장하는 측정정보 수집부를 더 포함할 수 있다.
이 때, 이동 모델 생성부는 확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 상기 이동 모델을 생성할 수 있다.
이 때, 기설정된 동적 조건은 상기 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 상기 복수의 측정정보들에 기반한 상기 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 상기 복수의 측정정보들에 기반한 상기 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응할 수 있다.
또한, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은, 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성하는 단계; 상기 단말로부터 수신된 복수의 측정정보들을 기반으로 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하고, 상기 동적 위치 데이터베이스를 기반으로 상기 복수의 측정정보들의 우도(Likelihood)에 비례하는 가중치를 산출하는 단계; 및 상기 이동 모델에 상응하는 적어도 하나의 샘플 값에 상기 가중치를 적용하여 상기 단말의 위치와 방향을 추정하는 단계를 포함한다.
이 때, 가중치를 산출하는 단계는 단말 별 측정정보 보정 데이터베이스를 기반으로 상기 복수의 측정정보들을 상기 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성하는 단계; 및 상기 복수의 보정 측정정보들 각각에 대한 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 상기 복수의 측정정보들의 우도를 산출하는 단계를 더 포함할 수 있다.
이 때, 복수의 개별 우도들은 상기 이동 모델에 상응하는 위치에서 가장 가까운 어느 하나의 기준 위치를 기반으로 획득한 제1 측정정보 별 리스트와 상기 복수의 보정 측정정보들을 기반으로 획득한 제2 측정정보 별 리스트를 비교하고, 상기 제1 측정정보 별 리스트와 상기 제2 측정정보 별 리스트 사이에 일치하는 리스트 정보를 이용하여 산출될 수 있다.
이 때, 가중치를 산출하는 단계는 상기 위치 데이터베이스 중에서 상기 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 기설정된 동적 조건에 만족하는 상기 동적 위치 데이터베이스를 추출하는 단계를 더 포함할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스는 종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차 및 스케일 조정 계수 중 적어도 하나를 포함할 수 있다.
이 때, 가중치를 산출하는 단계는 상기 복수의 측정정보들을 수집한 수집위치와 상기 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시각 동기하여 저장하는 단계를 더 포함할 수 있다.
이 때, 이동 모델을 생성하는 단계는 확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 상기 이동 모델을 생성할 수 있다.
이 때, 기설정된 동적 조건은 상기 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 상기 복수의 측정정보들에 기반한 상기 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 상기 복수의 측정정보들에 기반한 상기 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응할 수 있다.
본 발명에 따르면, 측위 알고리즘에서 서로 다른 차원을 가지는 측위 자원들을 효율적으로 결합하여 단말의 위치를 추정할 수 있다.
또한, 본 발명은 기존의 위치 데이터베이스에서 현재 단말에 상응하는 동적 위치 데이터베이스를 일정 기준에 따라 한정하여 연산함으로써 단말의 위치를 추정하는 시간을 단축할 수 있다.
또한, 본 발명은 측정정보 수집 단말과 사용자 단말의 차이에 따른 오차를 감소시켜 보다 정확하게 사용자 단말의 위치를 추정할 수 있다.
도 1은 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 시스템을 나타낸 도면이다.
도 2는 도 1에 도시된 위치 추정 장치의 일 예를 나타낸 블록도이다.
도 3은 도 2에 도시된 가중치 산출부의 일 예를 나타낸 블록도이다.
도 4는 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 과정을 나타낸 도면이다.
도 5는 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법을 나타낸 동작 흐름도이다.
도 6은 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법을 상세하게 나타낸 동작 흐름도이다.
본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 시스템을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 시스템은 위치 추정 장치(110), 위치 DB(120) 및 단말 별 측정정보 보정 DB(130)를 포함한다.
이 때, 본 발명의 일실시예에 따른 위치 추정 시스템은 사용자의 단말에서 수신되는 측정정보들을 필터링하여 결합함으로써 보다 효율적으로 단말의 위치를 계산 및 추정할 수 있다.
기존의 위치 추정 기술을 이용하여 실내에서의 위치를 측정하는 경우에는 복잡한 실내 구조와 사용자들의 보행으로 인해 Wi-Fi AP나 블루투스 비콘 등의 신호 전파 모델(signal propagation model)의 오차 확률이 높아 정확한 위치를 추정하는데 어려움이 있었다. 또한, 실내 위치 측정을 위한 사전 수집 등을 통해 위치 데이터베이스를 구축하는 수집 단말과 사용자 단말 간의 신호 및 센서 수신 특성이 다르면 해당 측정정보에 대한 우도(Likelihood) 확률 추정이 부정확할 수 있다.
따라서, 본 발명에 따른 위치 추정 시스템에서는 파티클 필터 등을 활용하는 단말 위치 필터를 기반으로 서로 다른 차원을 가지는 각각의 측정정보들을 확률 밀도 함수(probability density function) 형태로 무차원화하고 동적으로 위치 데이터베이스의 크기를 조절함으로써 단말 내 실시간 연산처리가 가능하도록 하는 위치 추 기술을 제공하고자 한다.
이를 위해 먼저 본 발명에 따른 위치 추정 장치(110)는 단말의 상태변수에 상응하는 이동 모델을 생성할 수 있다. 예를 들어, 확률 기반 이동 모델과 센서 기반 이동 모델 등을 이용하여 단말의 위치나 방향 등에 상응하는 이동 모델의 샘플을 생성할 수 있다.
이 후, 단말로부터 수신된 복수의 측정정보들을 이용하여 이동 모델의 샘플에 적용할 가중치를 계산할 수 있다.
이 때, 위치 추정 장치(110)는 수집위치와 무선통신 인프라 정보 및 센서 정보 등이 서로 시각 동기화되어 저장된 복수의 측정정보들을 기반으로 위치 데이터베이스(120)로부터 동적 위치 데이터베이스를 추출할 수 있다.
이 때, 위치 데이터베이스(120)는 적어도 하나의 수집단말로부터 수신되는 센서정보(121)와 공간 데이터베이스(122)를 기반으로 구축될 수 있다.
이 때, 동적 위치 데이터베이스는 위치 데이터베이스(120)에서 일정한 조건을 만족하는 일부만을 동적으로 추출하여 생성된 데이터베이스에 상응할 수 있다. 즉, 동적의 의미는 시간에 따라 변화하는 단말의 조건에 기반하여 단말에 상응하는 위치 데이터베이스의 정보가 가변적일 수 있다는 것을 나타낼 수 있다.
이 후, 위치 추정 장치(110)는 동적 위치 데이터베이스를 기반으로 복수의 측정정보들에 상응하는 측정정보 별로 개별 우도를 계산할 수 있다.
이 때, 복수의 측정정보는 사용자의 단말로부터 수집된 측정정보이며 위치 데이터베이스는 수집단말을 통해 수집된 정보들을 기반으로 구축된 것일 수 있다. 따라서, 두 단말간의 측정 정보 칩셋의 차이로 발생할 수 있는 오차를 제거하기 위해 단말 별 측정정보 보정 데이터베이스(130)를 통해 사용자의 단말로부터 수집된 복수의 측정정보들을 보정할 수 있다.
이 후, 보정된 복수의 측정정보들과 동적 위치 데이터베이스에서 이동 모델의 샘플과 가장 가까운 기준 위치에 해당하는 측정정보를 비교하여 개별 우도를 계산할 수 있다.
이 후, 복수의 측정정보에 상응하는 측정정보 별 개별 우도, 측 서로 다른 차원의 측정정보 별 개별 우도를 결합한 우도에 비례하는 가중치를 산출할 수 있다.
이 때, 가중치는 합이 1이 되도록 표준화(normalization)할 수 있다.
이 후, 이동 모델의 샘플에 가중치를 적용하여 단말의 위치나 방향을 추정할 수 있다. 예를 들어, 가중치에 비례하는 확률에 따라 이동 모델의 샘플에 상응하는 파티클 집합에 포함할 새로운 파티클들을 계산할 수 있다. 이후, 새로운 파티클들의 위치 또는 방향에 상응하는 평균값으로 단말의 위치와 방향을 계산할 수 있다.
도 2는 도 1에 도시된 위치 추정 장치의 일 예를 나타낸 블록도이다.
도 2를 참조하면, 도 1에 도시된 위치 추정 장치(110)는 통신부(210), 이동 모델 생성부(220), 가중치 산출부(230), 위치 추정부(240) 및 저장부(250)를 포함한다.
통신부(210)는 단말의 위치를 추정하기 위해 필요한 데이터를 송수신하는 역할을 한다. 특히, 본 발명의 일실시예에 따른 통신부(210)는 적어도 하나의 단말로부터 복수의 측정정보들을 수신하고, 단말의 위치를 추정한 정보를 위치 데이터베이스로 제공할 수 있다.
이 때, 통신부(210)는 네트워크를 통해 데이터를 송수신할 수 있다.
이 때, 네트워크는 사용자의 단말과 위치 추정 장치(110) 사이에 데이터를 전달하는 통로를 제공하는 것으로서, 기존에 이용되는 네트워크 및 향후 개발 가능한 네트워크를 모두 포괄하는 개념이다. 예를 들어, 네트워크는 한정된 지역 내에서 각종 정보장치들의 통신을 제공하는 유무선근거리 통신망, 이동체 상호 간 및 이동체와 이동체 외부와의 통신을 제공하는 이동통신망, 위성을 이용해 지구국과 지국국간 통신을 제공하는 위성통신망이거나 유무선 통신망 중에서 어느 하나이거나, 둘 이상의 결합으로 이루어질 수 있다. 한편, 네트워크의 전송 방식 표준은, 기존의 전송 방식 표준에 한정되는 것은 아니며, 향후 개발될 모든 전송 방식 표준을 포함할 수 있다.
이동 모델 생성부(220)는 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성한다.
이 때, 이동 모델은 현재시각의 이전시각부터 현재시각까지의 단말의 상태변수에 상응하는 운동 모델에 상응할 수 있다. 예를 들어, 현재시각이 t라고 가정한다면, 이전 시각인 t-1부터 현재시각인 t까지의 단말의 위치나 방향에 상응하는 운동 모델에 상응할 수 있다.
이 때, 확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 이동 모델을 생성할 수 있다.
이 때, 확률 기반 이동 모델은 단말의 상태 천이 확률을 각각 통계적 모델링을 통해 정의한 것에 상응할 수 있다. 예를 들어, 현재시각이 t라고 가정한다면, 이전시각인 t-1에서 현재시각인 t으로의 운동상태나 위치상태 및 방향상태 등을 통계적 모델링을 통해 정의한 것일 수 있다.
따라서, 확률 기반 이동 모델은 실제 보행자의 이동과 관련된 측정정보를 관측하는 것이 아니기 때문에 모델의 정확성은 떨어질 수 있으나 구현이 간단하다는 장점이 있다.
한편, 센서 기반 이동 모델은 보행자와 같이 갑작스런 방향 전환이 발생하거나 운동 상태의 변화가 심한 주체의 경우에 실측 센서를 활용한 PDR(Pedestrian Dead Reckoning) 기술을 통해 이동 모델의 움직임을 단기간에 비교적 정확하게 예측하는 것에 상응할 수 있다. 이 때, 실측 센서 정보란 가속도계, 자이로스코프, 지자계 등의 센서를 통해 측정된 센서 정보에 상응할 수 있다.
이 때, 본 발명에 따른 이동 모델은 특별한 한정 없이 단말의 이동 특성을 기술할 수 있는 어떠한 방법도 이용이 가능하다.
이 때, 본 발명의 일실시예에 따른 이동 모델을 생성하는 일반적인 수학적 모델은 [수학식 1]과 같다.
[수학식 1]
Figure 112016003420167-pat00001
이 때,
Figure 112016003420167-pat00002
는 현재시각 t의 위치 및 방향 정보에 상응할 수 있으며,
Figure 112016003420167-pat00003
는 현재시각 t에 상응하는 이동 정보를 의미할 수 있다.
가중치 산출부(230)는 단말로부터 수신된 복수의 측정정보들을 기반으로 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하고, 동적 위치 데이터베이스를 기반으로 복수의 측정정보들의 우도(Likelihood)에 비례하는 가중치를 산출한다. 즉, 현재시각에 상응하는 단말의 상태변수에서 현재시각에 단말로부터 수신된 복수의 측정정보들이 존재할 확률을 계산하고, 확률에 비례하여 가중치를 계산할 수 있다.
이 때, 복수의 측정정보들은 단말로부터 수신 가능한 단일 또는 복수개의 무선통신 인프라 정보 및 센서정보 중 적어도 하나를 포함할 수 있다.
이와 같이, 본 발명에 따른 복수의 측정정보들을 나타내는 일반적인 수학적 모델은 [수학식 2]에 상응할 수 있다.
[수학식 2]
Figure 112016003420167-pat00004
이 때,
Figure 112016003420167-pat00005
는 현재시각 t의 측정정보를 의미할 수 있다. 즉, 측정정보는 사용자의 단말에서 수신 가능하면서 단말의 상태변수를 추정하는데 사용 가능한 모든 정보를 의미할 수 있으며, 측정정보의 종류 별로 복수개의 측정정보가 존재할 수 있다.
이 때, 복수의 측정정보들을 수집한 수집위치와 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시간 동기하여 저장할 수 있다.
예를 들어, 복수의 측정정보들은 수집위치, Wi-Fi AP 별 MAC 정보 및 RSSI 정보, 수집방향, 수집을 시작점과 종료점의 상대 위치, 지자계 3축 강도(intensity) 및 방향, 그리고 고도계 기압 값 등을 포함할 수 있다.
이 때, 수집방향은 수집경로를 기반으로 한 절대방위에 상응할 수 있다. 따라서, 측정정보를 수집한 수집 경로에서 방향이 바뀔 때마다 1회씩 수집될 수 있다. 또한 지자계 3축 강도 및 방향은 지자계 기반의 절대 방위인 Mx, My, Mz, yaw 등에 상응할 수 있다.
이 때, 위치 데이터베이스 중에서 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 기설정된 동적 조건에 만족하는 동적 위치 데이터베이스를 추출할 수 있다.
이 때, 동적 위치 데이터베이스는 단말 내 검색범위를 줄여서 위치 추정을 위한 연산을 효율적으로 수행하기 위한 것으로, 사전에 수집단말을 통해 구축된 위치 데이터베이스에서 기설정된 동적 조건에 만족하는 부분만을 추출하여 생성될 수 있다.
이 때, 동적의 의미는 시간에 따라 변화하는 단말의 조건에 따라 단말에 상응하는 위치 데이터베이스의 정보가 가변적일 수 있다는 것을 의미할 수 있다.
이 때, 위치 데이터베이스는 (Xgrid, Ygrid), ({RSSI_avg, RSSI_std}_AP_1, {RSSI_avg, RSSI_std}_AP_2, ..., {RSSI_avg, RSSI_std}_AP_M), {RSSI_avg, RSSI_std}_BT_1, {RSSI_avg, RSSI_std}_BT_2, ..., {RSSI_avg, RSSI_std}_BT_N), (Mag_norm_avg, Mag_norm_std), (Mag_heading_avg, Mag_heading_std), ({Path_heading_path_1}, ..., {Path_heading_path_K}) 및 (Baro_avg, Baro_std) 등을 포함할 수 있다.
이 때, Xgrid, Ygrid는 기준 위치를 의미할 수 있다. 이 때, 기준 위치는 수집 위치와 구별되며, 일정 간격으로 샘플링 된 지점 또는 격자점 등 공간 정보를 단순화하기 위해 이산 공간 또는 연속 공간 내의 나타낸 참조점을 의미할 수 있다.
이 때, {RSSI_avg, RSSI_std}_AP_M는 Wi-Fi AP M에 상응하는 수신신호 세기의 평균 및 표준편차 정보를 의미할 수 있다. 이 때, 수신된 모든 Wi-Fi AP별로 수신신호 세기의 평균 및 표준편차 정보를 반복해서 저장할 수 있다.
이 때, {RSSI_avg, RSSI_std}_BT_N는 Bluetooth N의 수신신호 세기의 평균 및 표준편차 정보를 의미할 수 있다. 이 때, 수신된 모든 Bluetooth별로 수신신호 세기의 평균 및 표준편차 정보를 반복해서 저장할 수 있다.
이 때, Mag_norm_avg, Mag_norm_std는 지자계 norm값의 평균 및 표준편차 정보를 의미할 수 있다. 이 때, 지자계 norm은 다음의 [수학식 3]에 상응하게 계산되며, 단말의 자세와 관계없는 scalar 정보에 상응할 수 있다.
[수학식 3]
Mag_norm =
Figure 112016003420167-pat00006
이 때, Mx, My, Mz는 지자계 기반의 절대 방위에 상응할 수 있다.
이 때, Mag_heading_avg, Mag_heading_std는 지자계 yaw값의 평균 및 표준편차 정보를 의미할 수 있으며, 일종의 방위각에 상응할 수 있다.
이 때, {Path_heading}_path_K는 수집경로 K의 방향을 의미할 수 있다. 이 때, 실내 지도 내의 기준 위치에서 링크를 따라 보행자가 이동할 수 있는 모든 방향들을 의미할 수 있고, 이동 가능한 K번째 방향임을 나타낼 수 있다.
이 때, Baro_avg, Baro_std는 기압 값의 평균 및 표준편차 정보를 의미할 수 있다.
이 때, 위치 데이터베이스의 각 기준위치에서 수집된 측정정보의 종류별 평균과 표준편차는 각 기준 위치의 근처에서 수신된 복수의 측정정보들로부터 평균과 표준편차를 계산한 것을 의미할 수 있다.
예를 들어, 위치 데이터베이스의 기준 위치 A가 존재하고, 기준 위치 A를 기준으로 기설정된 범위 내에서 A1, A2, A3, A4, A5에 각각 상응하는 측정정보가 수집되었다고 가정할 수 있다. 이 때, 기준 위치 A에 상응하는 Wi-Fi AP 별 평균과 표준편차는 A1부터 A5에 각각 상응하게 측정된 Wi-Fi AP별 정보의 평균과 표준편차를 계산한 값에 상응할 수 있다. 이와 마찬가지로, 기준 위치 A에 상응하는 Bluetooth 별 평균과 표준편차 또한 A1부터 A5에 각각 상응하게 측정된 Bluetooth 별 정보의 평균과 표준편차를 계산한 값에 상응할 수 있다.
이 때, 만약 기준 위치와 측정정보가 수집된 위치가 모두 일치한다면, 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하는 작업을 수행할 필요 없이 수집된 측정정보를 이용하여 바로 동적 위치 데이터베이스를 생성할 수도 있다.
이 때, 기설정된 동적 조건은 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응할 수 있다.
이 때, 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 클수록 시간에 따른 단말의 위치변화의 폭이 크다는 것을 의미하기 때문에, 위치 데이터베이스의 어느 하나의 기준 위치를 기반으로 한 동적 위치 데이터베이스를 추출하기 어려울 수 있다. 따라서, 위치 데이터베이스에 존재하는 기준위치들의 간격을 기반으로 threshold를 설정하고, 표준편차가 기설정된 threshold를 초과하는 경우에는 동적 위치 데이터베이스를 생성하지 않을 수 있다.
또한, 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하지 않는다면, 위치 데이터베이스 상에서 단말의 위치를 추정하기 어렵기 때문에 동적 위치 데이터베이스를 생성하기 어려울 수 있다.
따라서 동적 위치 데이터베이스는 기설정된 동적 조건에 만족하는 경우에 생성될 수 있다.
이 때, 기설정된 동적 조건은 검색범위의 한정 조건에 따라 1개 이상을 조합하여 사용될 수도 있다. 예를 들어, 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는지 여부를 먼저 판단한 뒤, 표준편차가 기설정된 threshold 이내에 상응하는 경우에 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는지 여부를 판단하도록 조합할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스를 기반으로 복수의 측정정보들을 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성할 수 있다.
예를 들어, 위치 데이터베이스를 구축하기 위해 사전 측정정보를 수집하는 수집 단말과 단말의 위치 추정을 위해 사용하는 사용자 단말의 측정정보 칩셋이 서로 상이한 경우를 가정할 수 있다. 이 때, 수집 단말과 사용자 단말이 동일한 위치에서 측정정보를 수신한다 하여도 단말 별로 수신 신호특성이 다르기 때문에 두 단말간 서로 상이한 측정정보를 가질 수 있다. 이러한 결과는 동적 위치 데이터베이스와 사용자의 단말에서 측정한 측정정보를 비교하여 우도를 계산할 때 잘못된 확률 값을 계산하는 문제를 야기할 수 있다.
따라서, 본 발명에서는 별도로 저장된 단말 별 측정정보 보정 데이터베이스를 이용하여 사용자 단말의 측정정보가 마치 수집단말에서 수집한 것과 유사하도록 보정하는 보정 과정을 수행할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스는 종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차(bias) 및 스케일 조정 계수(scale factor) 중 적어도 하나를 포함할 수 있다.
단말 별 측정정보 보정 데이터베이스를 사용하는 과정을 예를 들면, 먼저 사용자 단말의 모델번호를 단말 별 측정정보 보정 데이터베이스가 포함된 서버로 전송하여 수집단말의 모델과 비교할 수 있다. 이 후, 두 모델이 상이할 경우에 두 모델 간 차이를 보정할 수 있는 보정 데이터베이스를 검색하고, 보정 데이터베이스를 이용하여 사용자 단말에 상응하는 측정정보를 편차와 스케일 조정 계수로 보정할 수 있다.
이 때, 복수의 보정 측정정보들 각각에 대한 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 복수의 측정정보들의 우도를 산출할 수 있다. 즉, 서로 다른 차원의 관측정보 별로 개별 우도를 계산하고, 최종적으로 이를 결합하여 복수의 측정정보들에 상응하는 우도를 산출할 수 있다.
이 때, 복수의 개별 우도들은 이동 모델에 상응하는 위치에서 가장 가까운 어느 하나의 기준 위치를 기반으로 획득한 제1 측정정보 별 리스트와 복수의 보정 측정정보들을 기반으로 획득한 제2 측정정보 별 리스트를 비교하고, 제1 측정정보 별 리스트와 제2 측정정보 별 리스트 사이에 일치하는 리스트 정보를 이용하여 산출될 수 있다.
이 때, 복수의 개별 우도들을 산출하는 과정을 단계별로 설명하면, 먼저 이동 모델에 상응하는 단말의 현재 위치를 기반으로 동적 위치 데이터베이스 내에서 단말의 현재 위치에 가장 가까운 기준위치를 찾아 각 측정정보 별 위치 데이터베이스 값을 획득할 수 있다. 예를 들어, W-Fi AP의 경우
Figure 112016003420167-pat00007
와 같이 각 수신 AP별 수신신호세기의 평균 및 표준편차 값을 획득하여 제1 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 사용자의 단말에 의해 수신된 복수의 측정정보들을 이용하여 서로 다른 차원의 측정정보 별로 정보를 추출한다. 예를 들어, Wi-Fi AP의 경우 k개의 Wi-Fi AP에 대한 정보가 수신되었다면 W={
Figure 112016003420167-pat00008
}에 상응하게 정의하여 제2 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 위치 데이터베이스에 상응하는 제1 측정정보 별 리스트와 단말로부터 수집된 측정정보에 상응하는 제2 측정정보 별 리스트를 비교하여 서로 일치하는 측정정보만을 정제할 수 있다. 예를 들어, 이동 모델에 상응하는 단말의 현재 위치에 근사한 기준 위치를 포함하는 위치 데이터베이스 내에 m1개의 Wi-Fi AP 리스트가 존재하고, 사용자의 단말로부터 수집된 측정정보 내에 m2개의 Wi-Fi AP 리스트가 존재한다고 가정할 수 있다. 이 경우에 m1개의 Wi-Fi AP 리스트와 m2개의 Wi-Fi AP 리스트 사이에 서로 일치하는 Wi-Fi AP 리스트가 k개라면, [수학식 4]에 상응하게 Wi-Fi AP의 우도가 계산될 수 있다.
[수학식 4]
Figure 112016003420167-pat00009
이 때, [수학식 4]에 대한 복수의 Wi-Fi AP들마다의 수신신호세기는 서로 독립이고, 수신신호세기의 분포는 정규 분포를 따른다는 가정이 필요할 수 있다.
다른 예를 들어, Bluetooth의 경우에, 제1 측정정보 별 리스트와 제2 측정정보 별 리스트 간에 m개의 리스트가 일치한다고 가정하면 [수학식 5] 에 상응하게 우도를 계산할 수 있다.
[수학식 5]
Figure 112016003420167-pat00010
또 다른 예를 들어, 지자계의 norm의 경우에, 단말의 자세와 관계없이 지자계 강도와 절대값은 동적 위치 데이터베이스와 비교하여 이동 모델에 상응하는 단말의 현재 위치의 지자계 크기 분포의 유사성을 [수학식 6]에 상응하게 계산할 수 있다.
[수학식 6]
Figure 112016003420167-pat00011
또 다른 예를 들어, 지자계 yaw의 경우에, 이동 모델에 상응하는 단말의 현재 위치의 yaw 측정방향과 단말에서 측정한 측정정보에 기반한 측정방향이 유사한지 여부에 대한 우도를 [수학식 7]에 상응하게 계산할 수 있다.
[수학식 7]
Figure 112016003420167-pat00012
이 때, 보행자의 경우에는 이동 시 대부분은 경로 방향과 일치하게 움직인다는 가정하에 우도를 계산할 수 있다. 특히, 삼거리나 사거리 등의 교차점 근처에서 방향관련 우도 함수를 이용하여 현재 이동 경로 상의 이동 모델의 샘플에 높은 가중치를 부여할 수 있다.
따라서, 측정정보의 종류에 따라 모두 M개의 개별 우도들이 계산되었다고 가정한다면, M개의 개별 우도들을 [수학식 8]에 상응하게 결합하여 복수의 측정정보들에 상응하는 우도를 최종 계산할 수 있다.
[수학식 8]
Figure 112016003420167-pat00013
이 때, [수학식 8]에서는 측정정보의 종류가 4 종류, 즉 4개의 개별 우도들을 결합하고, 각각의 측정정보의 수신은 독립적이라고 가정할 수 있다.
이 때, 본 발명에 따른 측정정보의 종류와 개수는 제한하지 않을 수 있다. 또한, 사용자의 단말에서 수신 가능한 모든 독립적인 측정정보는 [수학식 8]에 상응하는 형태의 결합을 통해 무차원화된 확률밀도로 이동 모델 상의 위치에서 측정정보의 존재 확률 값을 계산할 수 있다.
위치 추정부(240)는 이동 모델에 상응하는 적어도 하나의 샘플 값에 가중치를 적용하여 단말의 위치와 방향을 추정한다. 예를 들어, 가중치에 비례하는 확률에 따라 이동 모델의 샘플에 상응하는 파티클 집합에 포함할 새로운 파티클들을 계산할 수 있다. 이후, 새로운 파티클들의 위치 또는 방향에 상응하는 평균값으로 단말의 위치와 방향을 계산할 수 있다.
이 때, 이동 모델에 상응하는 적어도 하나의 샘플 값에 대한 가중치는 결합된 우도, 즉 복수의 측정정보에 상응하는 우도에 비례하여 계산될 수 있으며, 가중치는 합이 1에 상응하도록 표준화(normalization)될 수 있다.
이 때, 최종적으로 추정된 단말의 위치와 방향에 대한 정보는 위치 데이터베이스로 전달되어 위치 데이터베이스를 업데이트할 수 있다. 또한, 이동 모델을 생성하는 모듈로 전달되어 향후 단말의 위치를 추정하기 위한 이동 모델을 생성하는데 기반 정보로 활용될 수도 있다.
저장부(250)는 상술한 바와 같이 본 발명의 일실시예에 따른 위치 추정 과정에서 발생되는 다양한 정보를 저장한다.
실시예에 따라, 저장부(250)는 위치 추정 장치(110)와 독립적으로 구성되어 단말의 위치 추정을 위한 기능을 지원할 수 있다. 이 때, 저장부(250)는 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수도 있다.
한편, 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치(110)는 메모리가 탑재되어 그 장치 내에서 정보를 저장할 수 있다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.
이와 같은 위치 추정 장치(110)를 이용함으로써 측위 알고리즘에서 서로 다른 차원을 가지는 측위 자원들을 효율적으로 결합하여 단말의 위치를 추정할 수 있다.
또한, 기존의 위치 데이터베이스에서 현재 단말에 상응하는 동적 위치 데이터베이스를 일정 기준에 따라 한정하여 연산함으로써 단말의 위치를 추정하는 시간을 단축시킬 수 있다.
또한, 측정정보 수집 단말과 사용자 단말의 차이에 따른 오차를 감소시켜 보다 정확하게 사용자 단말의 위치를 추정할 수 있다.
도 3은 도 2에 도시된 가중치 산출부의 일 예를 나타낸 블록도이다.
도 3을 참조하면, 도 2에 도시된 가중치 산출부(230)는 측정정보 수집부(310), 동적 위치 데이터베이스 추출부(320), 측정정보 보정부(330) 및 우도 결합부(340)를 포함한다.
측정정보 수집부(310)는 복수의 측정정보들을 수집한 수집위치와 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시간 동기하여 저장한다.
예를 들어, 복수의 측정정보들은 수집위치, Wi-Fi AP 별 MAC 정보 및 RSSI 정보, 수집방향, 수집을 시작점과 종료점의 상대 위치, 지자계 3축 강도(intensity) 및 방향, 그리고 고도계 기압 값 등을 포함할 수 있다.
이 때, 수집방향은 수집경로를 기반으로 한 절대방위에 상응할 수 있다. 따라서, 측정정보를 수집한 수집 경로에서 방향이 바뀔 때마다 1회씩 수집될 수 있다. 또한 지자계 3축 강도 및 방향은 지자계 기반의 절대 방위인 Mx, My, Mz, yaw 등에 상응할 수 있다.
동적 위치 데이터베이스 추출부(320)는 위치 데이터베이스 중에서 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 기설정된 동적 조건에 만족하는 동적 위치 데이터베이스를 추출한다.
이 때, 동적 위치 데이터베이스는 단말 내 검색범위를 줄여서 위치 추정을 위한 연산을 효율적으로 수행하기 위한 것으로, 사전에 수집단말을 통해 구축된 위치 데이터베이스에서 기설정된 동적 조건에 만족하는 부분만을 추출하여 생성될 수 있다.
이 때, 동적의 의미는 시간에 따라 변화하는 단말의 조건에 따라 단말에 상응하는 위치 데이터베이스의 정보가 가변적일 수 있다는 것을 의미할 수 있다.
이 때, 위치 데이터베이스의 각 기준위치에서 수집된 측정정보의 종류별 평균과 표준편차는 각 기준 위치의 근처에서 수신된 복수의 측정정보들로부터 평균과 표준편차를 계산한 것을 의미할 수 있다.
예를 들어, 위치 데이터베이스의 기준 위치 A가 존재하고, 기준 위치 A를 기준으로 기설정된 범위 내에서 A1, A2, A3, A4, A5에 각각 상응하는 측정정보가 수집되었다고 가정할 수 있다. 이 때, 기준 위치 A에 상응하는 Wi-Fi AP 별 평균과 표준편차는 A1부터 A5에 각각 상응하게 측정된 Wi-Fi AP별 정보의 평균과 표준편차를 계산한 값에 상응할 수 있다. 이와 마찬가지로, 기준 위치 A에 상응하는 Bluetooth 별 평균과 표준편차 또한 A1부터 A5에 각각 상응하게 측정된 Bluetooth 별 정보의 평균과 표준편차를 계산한 값에 상응할 수 있다.
이 때, 만약 기준 위치와 측정정보가 수집된 위치가 모두 일치한다면, 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하는 작업을 수행할 필요 없이 수집된 측정정보를 이용하여 바로 동적 위치 데이터베이스를 생성할 수도 있다.
이 때, 기설정된 동적 조건은 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응할 수 있다.
이 때, 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 클수록 시간에 따른 단말의 위치변화의 폭이 크다는 것을 의미하기 때문에, 위치 데이터베이스의 어느 하나의 기준 위치를 기반으로 한 동적 위치 데이터베이스를 추출하기 어려울 수 있다. 따라서, 위치 데이터베이스에 존재하는 기준위치들의 간격을 기반으로 threshold를 설정하고, 표준편차가 기설정된 threshold를 초과하는 경우에는 동적 위치 데이터베이스를 생성하지 않을 수 있다.
또한, 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하지 않는다면, 위치 데이터베이스 상에서 단말의 위치를 추정하기 어렵기 때문에 동적 위치 데이터베이스를 생성하기 어려울 수 있다.
따라서 동적 위치 데이터베이스는 기설정된 동적 조건에 만족하는 경우에 생성될 수 있다.
이 때, 기설정된 동적 조건은 검색범위의 한정 조건에 따라 1개 이상을 조합하여 사용될 수도 있다. 예를 들어, 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는지 여부를 먼저 판단한 뒤, 표준편차가 기설정된 threshold 이내에 상응하는 경우에 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는지 여부를 판단하도록 조합할 수 있다.
측정정보 보정부(330)는 단말 별 측정정보 보정 데이터베이스를 기반으로 복수의 측정정보들을 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성한다.
예를 들어, 위치 데이터베이스를 구축하기 위해 사전 측정정보를 수집하는 수집 단말과 단말의 위치 추정을 위해 사용하는 사용자 단말의 측정정보 칩셋이 서로 상이한 경우를 가정할 수 있다. 이 때, 수집 단말과 사용자 단말이 동일한 위치에서 측정정보를 수신한다 하여도 단말 별로 수신 신호특성이 다르기 때문에 두 단말간 서로 상이한 측정정보를 가질 수 있다. 이러한 결과는 동적 위치 데이터베이스와 사용자의 단말에서 측정한 측정정보를 비교하여 우도를 계산할 때 잘못된 확률 값을 계산하는 문제를 야기할 수 있다.
따라서, 본 발명에서는 별도로 저장된 단말 별 측정정보 보정 데이터베이스를 이용하여 사용자 단말의 측정정보가 마치 수집단말에서 수집한 것과 유사하도록 보정하는 보정 과정을 수행할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스는 종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차(bias) 및 스케일 조정 계수(scale factor) 중 적어도 하나를 포함할 수 있다.
단말 별 측정정보 보정 데이터베이스를 사용하는 과정을 예를 들면, 먼저 사용자 단말의 모델번호를 단말 별 측정정보 보정 데이터베이스가 포함된 서버로 전송하여 수집단말의 모델과 비교할 수 있다. 이 후, 두 모델이 상이할 경우에 두 모델 간 차이를 보정할 수 있는 보정 데이터베이스를 검색하고, 보정 데이터베이스를 이용하여 사용자 단말에 상응하는 측정정보를 편차와 스케일 조정 계수로 보정할 수 있다.
우도 결합부(340)는 복수의 보정 측정정보들 각각에 대한 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 복수의 측정정보들의 우도를 산출한다.
이 때, 복수의 개별 우도들은 이동 모델에 상응하는 위치에서 가장 가까운 어느 하나의 기준 위치를 기반으로 획득한 제1 측정정보 별 리스트와 복수의 보정 측정정보들을 기반으로 획득한 제2 측정정보 별 리스트를 비교하고, 제1 측정정보 별 리스트와 제2 측정정보 별 리스트 사이에 일치하는 리스트 정보를 이용하여 산출될 수 있다.
이 때, 복수의 개별 우도들을 산출하는 과정을 단계별로 설명하면, 먼저 이동 모델에 상응하는 단말의 현재 위치를 기반으로 동적 위치 데이터베이스 내에서 단말의 현재 위치에 가장 가까운 기준위치를 찾아 각 측정정보 별 위치 데이터베이스 값을 획득할 수 있다. 예를 들어, W-Fi AP의 경우
Figure 112016003420167-pat00014
와 같이 각 수신 AP별 수신신호세기의 평균 및 표준편차 값을 획득하여 제1 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 사용자의 단말에 의해 수신된 복수의 측정정보들을 이용하여 서로 다른 차원의 측정정보 별로 정보를 추출한다. 예를 들어, Wi-Fi AP의 경우 k개의 Wi-Fi AP에 대한 정보가 수신되었다면 W={
Figure 112016003420167-pat00015
}에 상응하게 정의하여 제2 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 위치 데이터베이스에 상응하는 제1 측정정보 별 리스트와 단말로부터 수집된 측정정보에 상응하는 제2 측정정보 별 리스트를 비교하여 서로 일치하는 측정정보만을 정제하여 복수의 측정정보에 상응하는 우도를 산출하는데 사용할 수 있다.
도 4는 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 과정을 나타낸 도면이다.
도 4를 참조하면, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 과정은 먼저 위치 추정 장치에 포함된 이동 모델 생성부를 통해 단말의 상태 변수에 상응하는 이동 모델을 생성할 수 있다(S410). 이 때, 확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 이동 모델을 생성할 수 있다.
이 후, 이동 모델에 상응하는 적어도 하나의 샘플에 대한 가중치를 산출할 수 있는데(S420), 가중치를 산출하기 위해서는 위치 데이터베이스를 참조하여(S423) 사용자의 단말로부터 획득한 복수의 측정정보에 상응하는 동적 위치 데이터베이스를 추출할 수 있다(S424).
이 때, 위치 데이터베이스는 사전에 수집단말을 이용하여 측정정보를 수집하고(S421) 기존의 공간 데이터베이스를 참조하여(S422) 구축될 수 있다.
이 후, 동적 위치 데이터베이스를 기반으로 사용자의 단말로부터 수집된 복수의 측정정보에 상응하는 측정정보 별로 개별 우도를 산출할 수 있다(S427-1~ S427-N).
이 때, 사용자의 단말에 상응하는 측정정보 칩셋과 수집단말에 상응하는 측정정보 칩셋이 상이할 수 있기 때문에, 단말 별 측정정보 보정 데이터베이스를 참조하여(S425) 단말로부터 수집된 복수의 측정정보들을 보정할 수 있다(S426).
즉, 복수의 측정정보들이 마치 수집단말을 통해 수집된 측정정보와 동일하도록 보정한 결과를 이용하여 개별 우도를 산출할 수 있다.
이 후, 복수의 개별 우도들을 결합하여(S428) 복수의 측정정보들의 우도에 비례하는 가중치를 산출할 수 있다(S420).
이 후, 이동 모델에 상응하는 적어도 하나의 샘플에 가중치를 적용하여 사용자 단말의 위치 및 방향을 추정할 수 있다(S430).
이 때, 최종적으로 추정된 단말의 위치와 방향에 상응하는 정보는 위치 데이터베이스와 이동 모델 생성부로 전달되어 향후 단말의 위치를 추정하기 위한 기반 정보로 사용될 수도 있다.
도 5는 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법을 나타낸 동작 흐름도이다.
도 5를 참조하면, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성한다(S510).
이 때, 이동 모델은 현재시각의 이전시각부터 현재시각까지의 단말의 상태변수에 상응하는 운동 모델에 상응할 수 있다. 예를 들어, 현재시각이 t라고 가정한다면, 이전 시각인 t-1부터 현재시각인 t까지의 단말의 위치나 방향에 상응하는 운동 모델에 상응할 수 있다.
이 때, 확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 이동 모델을 생성할 수 있다.
이 때, 확률 기반 이동 모델은 단말의 상태 천이 확률을 각각 통계적 모델링을 통해 정의한 것에 상응할 수 있다. 예를 들어, 현재시각이 t라고 가정한다면, 이전시각인 t-1에서 현재시각인 t으로의 운동상태나 위치상태 및 방향상태 등을 통계적 모델링을 통해 정의한 것일 수 있다.
따라서, 확률 기반 이동 모델은 실제 보행자의 이동과 관련된 측정정보를 관측하는 것이 아니기 때문에 모델의 정확성은 떨어질 수 있으나 구현이 간단하다는 장점이 있다.
한편, 센서 기반 이동 모델은 보행자와 같이 갑작스런 방향 전환이 발생하거나 운동 상태의 변화가 심한 주체의 경우에 실측 센서를 활용한 PDR(Pedestrian Dead Reckoning) 기술을 통해 이동 모델의 움직임을 단기간에 비교적 정확하게 예측하는 것에 상응할 수 있다. 이 때, 실측 센서 정보란 가속도계, 자이로스코프, 지자계 등의 센서를 통해 측정된 센서 정보에 상응할 수 있다.
이 때, 본 발명에 따른 이동 모델은 특별한 한정 없이 단말의 이동 특성을 기술할 수 있는 어떠한 방법도 이용이 가능하다.
이 때, 본 발명의 일실시예에 따른 이동 모델을 생성하는 일반적인 수학적 모델은 [수학식 1]과 같다.
[수학식 1]
Figure 112016003420167-pat00016
이 때,
Figure 112016003420167-pat00017
는 현재시각 t의 위치 및 방향 정보에 상응할 수 있으며,
Figure 112016003420167-pat00018
는 현재시각 t에 상응하는 이동 정보를 의미할 수 있다.
또한, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은 단말로부터 수신된 복수의 측정정보들을 기반으로 위치 데이터베이스에서 동적 위치 데이터베이스를 추출한다(S520).
이 때, 복수의 측정정보들은 단말로부터 수신 가능한 단일 또는 복수개의 무선통신 인프라 정보 및 센서정보 중 적어도 하나를 포함할 수 있다.
이와 같이, 본 발명에 따른 복수의 측정정보들을 나타내는 일반적인 수학적 모델은 [수학식 2]에 상응할 수 있다.
[수학식 2]
Figure 112016003420167-pat00019
이 때,
Figure 112016003420167-pat00020
는 현재시각 t의 측정정보를 의미할 수 있다. 즉, 측정정보는 사용자의 단말에서 수신 가능하면서 단말의 상태변수를 추정하는데 사용 가능한 모든 정보를 의미할 수 있으며, 측정정보의 종류 별로 복수개의 측정정보가 존재할 수 있다.
이 때, 복수의 측정정보들을 수집한 수집위치와 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시간 동기하여 저장할 수 있다.
예를 들어, 복수의 측정정보들은 수집위치, Wi-Fi AP 별 MAC 정보 및 RSSI 정보, 수집방향, 수집을 시작점과 종료점의 상대 위치, 지자계 3축 강도(intensity) 및 방향, 그리고 고도계 기압 값 등을 포함할 수 있다.
이 때, 수집방향은 수집경로를 기반으로 한 절대방위에 상응할 수 있다. 따라서, 측정정보를 수집한 수집 경로에서 방향이 바뀔 때마다 1회씩 수집될 수 있다. 또한 지자계 3축 강도 및 방향은 지자계 기반의 절대 방위인 Mx, My, Mz, yaw 등에 상응할 수 있다.
이 때, 위치 데이터베이스 중에서 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 기설정된 동적 조건에 만족하는 동적 위치 데이터베이스를 추출할 수 있다.
이 때, 동적 위치 데이터베이스는 단말 내 검색범위를 줄여서 위치 추정을 위한 연산을 효율적으로 수행하기 위한 것으로, 사전에 수집단말을 통해 구축된 위치 데이터베이스에서 기설정된 동적 조건에 만족하는 부분만을 추출하여 생성될 수 있다.
이 때, 동적의 의미는 시간에 따라 변화하는 단말의 조건에 따라 단말에 상응하는 위치 데이터베이스의 정보가 가변적일 수 있다는 것을 의미할 수 있다.
이 때, 위치 데이터베이스는 (Xgrid, Ygrid), ({RSSI_avg, RSSI_std}_AP_1, {RSSI_avg, RSSI_std}_AP_2, ..., {RSSI_avg, RSSI_std}_AP_M), {RSSI_avg, RSSI_std}_BT_1, {RSSI_avg, RSSI_std}_BT_2, ..., {RSSI_avg, RSSI_std}_BT_N), (Mag_norm_avg, Mag_norm_std), (Mag_heading_avg, Mag_heading_std), ({Path_heading_path_1}, ..., {Path_heading_path_K}) 및 (Baro_avg, Baro_std) 등을 포함할 수 있다.
이 때, Xgrid, Ygrid는 기준 위치를 의미할 수 있다. 이 때, 기준 위치는 수집 위치와 구별되며, 일정 간격으로 샘플링 된 지점 또는 격자점 등 공간 정보를 단순화하기 위해 이산 공간 또는 연속 공간 내의 나타낸 참조점을 의미할 수 있다.
이 때, {RSSI_avg, RSSI_std}_AP_M는 Wi-Fi AP M에 상응하는 수신신호 세기의 평균 및 표준편차 정보를 의미할 수 있다. 이 때, 수신된 모든 Wi-Fi AP별로 수신신호 세기의 평균 및 표준편차 정보를 반복해서 저장할 수 있다.
이 때, {RSSI_avg, RSSI_std}_BT_N는 Bluetooth N의 수신신호 세기의 평균 및 표준편차 정보를 의미할 수 있다. 이 때, 수신된 모든 Bluetooth별로 수신신호 세기의 평균 및 표준편차 정보를 반복해서 저장할 수 있다.
이 때, Mag_norm_avg, Mag_norm_std는 지자계 norm값의 평균 및 표준편차 정보를 의미할 수 있다. 이 때, 지자계 norm은 다음의 [수학식 3]에 상응하게 계산되며, 단말의 자세와 관계없는 scalar 정보에 상응할 수 있다.
[수학식 3]
Mag_norm =
Figure 112016003420167-pat00021
이 때, Mx, My, Mz는 지자계 기반의 절대 방위에 상응할 수 있다.
이 때, Mag_heading_avg, Mag_heading_std는 지자계 yaw값의 평균 및 표준편차 정보를 의미할 수 있으며, 일종의 방위각에 상응할 수 있다.
이 때, {Path_heading}_path_K는 수집경로 K의 방향을 의미할 수 있다. 이 때, 실내 지도 내의 기준 위치에서 링크를 따라 보행자가 이동할 수 있는 모든 방향들을 의미할 수 있고, 이동 가능한 K번째 방향임을 나타낼 수 있다.
이 때, Baro_avg, Baro_std는 기압 값의 평균 및 표준편차 정보를 의미할 수 있다.
이 때, 위치 데이터베이스의 각 기준위치에서 수집된 측정정보의 종류별 평균과 표준편차는 각 기준 위치의 근처에서 수신된 복수의 측정정보들로부터 평균과 표준편차를 계산한 것을 의미할 수 있다.
예를 들어, 위치 데이터베이스의 기준 위치 A가 존재하고, 기준 위치 A를 기준으로 기설정된 범위 내에서 A1, A2, A3, A4, A5에 각각 상응하는 측정정보가 수집되었다고 가정할 수 있다. 이 때, 기준 위치 A에 상응하는 Wi-Fi AP 별 평균과 표준편차는 A1부터 A5에 각각 상응하게 측정된 Wi-Fi AP별 정보의 평균과 표준편차를 계산한 값에 상응할 수 있다. 이와 마찬가지로, 기준 위치 A에 상응하는 Bluetooth 별 평균과 표준편차 또한 A1부터 A5에 각각 상응하게 측정된 Bluetooth 별 정보의 평균과 표준편차를 계산한 값에 상응할 수 있다.
이 때, 만약 기준 위치와 측정정보가 수집된 위치가 모두 일치한다면, 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하는 작업을 수행할 필요 없이 수집된 측정정보를 이용하여 바로 동적 위치 데이터베이스를 생성할 수도 있다.
이 때, 기설정된 동적 조건은 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응할 수 있다.
이 때, 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 클수록 시간에 따른 단말의 위치변화의 폭이 크다는 것을 의미하기 때문에, 위치 데이터베이스의 어느 하나의 기준 위치를 기반으로 한 동적 위치 데이터베이스를 추출하기 어려울 수 있다. 따라서, 위치 데이터베이스에 존재하는 기준위치들의 간격을 기반으로 threshold를 설정하고, 표준편차가 기설정된 threshold를 초과하는 경우에는 동적 위치 데이터베이스를 생성하지 않을 수 있다.
또한, 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하지 않는다면, 위치 데이터베이스 상에서 단말의 위치를 추정하기 어렵기 때문에 동적 위치 데이터베이스를 생성하기 어려울 수 있다.
따라서 동적 위치 데이터베이스는 기설정된 동적 조건에 만족하는 경우에 생성될 수 있다.
이 때, 기설정된 동적 조건은 검색범위의 한정 조건에 따라 1개 이상을 조합하여 사용될 수도 있다. 예를 들어, 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는지 여부를 먼저 판단한 뒤, 표준편차가 기설정된 threshold 이내에 상응하는 경우에 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는지 여부를 판단하도록 조합할 수 있다.
또한, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은 동적 위치 데이터베이스를 기반으로 복수의 측정정보들의 우도(Likelihood)에 비례하는 가중치를 산출한다(S530). 즉, 현재시각에 상응하는 단말의 상태변수에서 현재시각에 단말로부터 수신된 복수의 측정정보들이 존재할 확률을 계산하고, 확률에 비례하여 가중치를 계산할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스를 기반으로 복수의 측정정보들을 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성할 수 있다.
예를 들어, 위치 데이터베이스를 구축하기 위해 사전 측정정보를 수집하는 수집 단말과 단말의 위치 추정을 위해 사용하는 사용자 단말의 측정정보 칩셋이 서로 상이한 경우를 가정할 수 있다. 이 때, 수집 단말과 사용자 단말이 동일한 위치에서 측정정보를 수신한다 하여도 단말 별로 수신 신호특성이 다르기 때문에 두 단말간 서로 상이한 측정정보를 가질 수 있다. 이러한 결과는 동적 위치 데이터베이스와 사용자의 단말에서 측정한 측정정보를 비교하여 우도를 계산할 때 잘못된 확률 값을 계산하는 문제를 야기할 수 있다.
따라서, 본 발명에서는 별도로 저장된 단말 별 측정정보 보정 데이터베이스를 이용하여 사용자 단말의 측정정보가 마치 수집단말에서 수집한 것과 유사하도록 보정하는 보정 과정을 수행할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스는 종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차(bias) 및 스케일 조정 계수(scale factor) 중 적어도 하나를 포함할 수 있다.
단말 별 측정정보 보정 데이터베이스를 사용하는 과정을 예를 들면, 먼저 사용자 단말의 모델번호를 단말 별 측정정보 보정 데이터베이스가 포함된 서버로 전송하여 수집단말의 모델과 비교할 수 있다. 이 후, 두 모델이 상이할 경우에 두 모델 간 차이를 보정할 수 있는 보정 데이터베이스를 검색하고, 보정 데이터베이스를 이용하여 사용자 단말에 상응하는 측정정보를 편차와 스케일 조정 계수로 보정할 수 있다.
이 때, 복수의 보정 측정정보들 각각에 대한 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 복수의 측정정보들의 우도를 산출할 수 있다. 즉, 서로 다른 차원의 관측정보 별로 개별 우도를 계산하고, 최종적으로 이를 결합하여 복수의 측정정보들에 상응하는 우도를 산출할 수 있다.
이 때, 복수의 개별 우도들은 이동 모델에 상응하는 위치에서 가장 가까운 어느 하나의 기준 위치를 기반으로 획득한 제1 측정정보 별 리스트와 복수의 보정 측정정보들을 기반으로 획득한 제2 측정정보 별 리스트를 비교하고, 제1 측정정보 별 리스트와 제2 측정정보 별 리스트 사이에 일치하는 리스트 정보를 이용하여 산출될 수 있다.
이 때, 복수의 개별 우도들을 산출하는 과정을 단계별로 설명하면, 먼저 이동 모델에 상응하는 단말의 현재 위치를 기반으로 동적 위치 데이터베이스 내에서 단말의 현재 위치에 가장 가까운 기준위치를 찾아 각 측정정보 별 위치 데이터베이스 값을 획득할 수 있다. 예를 들어, W-Fi AP의 경우
Figure 112016003420167-pat00022
와 같이 각 수신 AP별 수신신호세기의 평균 및 표준편차 값을 획득하여 제1 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 사용자의 단말에 의해 수신된 복수의 측정정보들을 이용하여 서로 다른 차원의 측정정보 별로 정보를 추출한다. 예를 들어, Wi-Fi AP의 경우 k개의 Wi-Fi AP에 대한 정보가 수신되었다면 W={
Figure 112016003420167-pat00023
}에 상응하게 정의하여 제2 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 위치 데이터베이스에 상응하는 제1 측정정보 별 리스트와 단말로부터 수집된 측정정보에 상응하는 제2 측정정보 별 리스트를 비교하여 서로 일치하는 측정정보만을 정제할 수 있다. 예를 들어, 이동 모델에 상응하는 단말의 현재 위치에 근사한 기준 위치를 포함하는 위치 데이터베이스 내에 m1개의 Wi-Fi AP 리스트가 존재하고, 사용자의 단말로부터 수집된 측정정보 내에 m2개의 Wi-Fi AP 리스트가 존재한다고 가정할 수 있다. 이 경우에 m1개의 Wi-Fi AP 리스트와 m2개의 Wi-Fi AP 리스트 사이에 서로 일치하는 Wi-Fi AP 리스트가 k개라면, [수학식 4]에 상응하게 Wi-Fi AP의 우도가 계산될 수 있다.
[수학식 4]
Figure 112016003420167-pat00024
이 때, [수학식 4]에 대한 복수의 Wi-Fi AP들마다의 수신신호세기는 서로 독립이고, 수신신호세기의 분포는 정규 분포를 따른다는 가정이 필요할 수 있다.
다른 예를 들어, Bluetooth의 경우에, 제1 측정정보 별 리스트와 제2 측정정보 별 리스트 간에 m개의 리스트가 일치한다고 가정하면 [수학식 5] 에 상응하게 우도를 계산할 수 있다.
[수학식 5]
Figure 112016003420167-pat00025
또 다른 예를 들어, 지자계의 norm의 경우에, 단말의 자세와 관계없이 지자계 강도와 절대값은 동적 위치 데이터베이스와 비교하여 이동 모델에 상응하는 단말의 현재 위치의 지자계 크기 분포의 유사성을 [수학식 6]에 상응하게 계산할 수 있다.
[수학식 6]
Figure 112016003420167-pat00026
또 다른 예를 들어, 지자계 yaw의 경우에, 이동 모델에 상응하는 단말의 현재 위치의 yaw 측정방향과 단말에서 측정한 측정정보에 기반한 측정방향이 유사한지 여부에 대한 우도를 [수학식 7]에 상응하게 계산할 수 있다.
[수학식 7]
Figure 112016003420167-pat00027
이 때, 보행자의 경우에는 이동 시 대부분은 경로 방향과 일치하게 움직인다는 가정하에 우도를 계산할 수 있다. 특히, 삼거리나 사거리 등의 교차점 근처에서 방향관련 우도 함수를 이용하여 현재 이동 경로 상의 이동 모델의 샘플에 높은 가중치를 부여할 수 있다.
따라서, 측정정보의 종류에 따라 모두 M개의 개별 우도들이 계산되었다고 가정한다면, M개의 개별 우도들을 [수학식 8]에 상응하게 결합하여 복수의 측정정보들에 상응하는 우도를 최종 계산할 수 있다.
[수학식 8]
Figure 112016003420167-pat00028
이 때, [수학식 8]에서는 측정정보의 종류가 4 종류, 즉 4개의 개별 우도들을 결합하고, 각각의 측정정보의 수신은 독립적이라고 가정할 수 있다.
이 때, 본 발명에 따른 측정정보의 종류와 개수는 제한하지 않을 수 있다. 또한, 사용자의 단말에서 수신 가능한 모든 독립적인 측정정보는 [수학식 8]에 상응하는 형태의 결합을 통해 무차원화된 확률밀도로 이동 모델 상의 위치에서 측정정보의 존재 확률 값을 계산할 수 있다.
또한, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은 이동 모델에 상응하는 적어도 하나의 샘플 값에 가중치를 적용하여 단말의 위치와 방향을 추정한다(S540). 예를 들어, 가중치에 비례하는 확률에 따라 이동 모델의 샘플에 상응하는 파티클 집합에 포함할 새로운 파티클들을 계산할 수 있다. 이후, 새로운 파티클들의 위치 또는 방향에 상응하는 평균값으로 단말의 위치와 방향을 계산할 수 있다.
이 때, 이동 모델에 상응하는 적어도 하나의 샘플 값에 대한 가중치는 결합된 우도, 즉 복수의 측정정보에 상응하는 우도에 비례하여 계산될 수 있으며, 가중치는 합이 1에 상응하도록 표준화(normalization)될 수 있다.
이 때, 최종적으로 추정된 단말의 위치와 방향에 대한 정보는 위치 데이터베이스로 전달되어 위치 데이터베이스를 업데이트할 수 있다. 또한, 이동 모델을 생성하는 모듈로 전달되어 향후 단말의 위치를 추정하기 위한 이동 모델을 생성하는데 기반 정보로 활용될 수도 있다.
또한, 도 5에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은 단말의 위치를 추정하기 위해 필요한 데이터를 송수신 한다. 특히, 적어도 하나의 단말로부터 복수의 측정정보들을 수신하고, 단말의 위치를 추정한 정보를 위치 데이터베이스로 제공할 수 있다.
이 때, 네트워크를 통해 데이터를 송수신할 수 있다.
이 때, 네트워크는 사용자의 단말과 위치 추정 장치 사이에 데이터를 전달하는 통로를 제공하는 것으로서, 기존에 이용되는 네트워크 및 향후 개발 가능한 네트워크를 모두 포괄하는 개념이다. 예를 들어, 네트워크는 한정된 지역 내에서 각종 정보장치들의 통신을 제공하는 유무선근거리 통신망, 이동체 상호 간 및 이동체와 이동체 외부와의 통신을 제공하는 이동통신망, 위성을 이용해 지구국과 지국국간 통신을 제공하는 위성통신망이거나 유무선 통신망 중에서 어느 하나이거나, 둘 이상의 결합으로 이루어질 수 있다. 한편, 네트워크의 전송 방식 표준은, 기존의 전송 방식 표준에 한정되는 것은 아니며, 향후 개발될 모든 전송 방식 표준을 포함할 수 있다.
또한, 도 5에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은 상술한 바와 같이 본 발명의 일실시예에 따른 위치 추정 과정에서 발생되는 다양한 정보를 저장한다.
실시예에 따라, 정보를 저장하는 저장 모듈은 위치 추정 장치와 독립적으로 구성되어 단말의 위치 추정을 위한 기능을 지원할 수 있다. 이 때, 저장 모듈은 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수도 있다.
이와 같은 위치 추정 방법을 통해 측위 알고리즘에서 서로 다른 차원을 가지는 측위 자원들을 효율적으로 결합하여 단말의 위치를 추정할 수 있다.
또한, 기존의 위치 데이터베이스에서 현재 단말에 상응하는 동적 위치 데이터베이스를 일정 기준에 따라 한정하여 연산함으로써 단말의 위치를 추정하는 시간을 단축시킬 수 있다.
또한, 측정정보 수집 단말과 사용자 단말의 차이에 따른 오차를 감소시켜 보다 정확하게 사용자 단말의 위치를 추정할 수 있다.
도 6은 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법을 상세하게 나타낸 동작 흐름도이다.
도 6을 참조하면, 본 발명의 일실시예에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법은 먼저 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성한다(S610).
이 때, 이동 모델은 현재시각의 이전시각부터 현재시각까지의 단말의 상태변수에 상응하는 운동 모델에 상응할 수 있다.
이 때, 확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 이동 모델을 생성할 수 있다.
이 때, 확률 기반 이동 모델은 단말의 상태 천이 확률을 각각 통계적 모델링을 통해 정의한 것에 상응할 수 있다.
따라서, 확률 기반 이동 모델은 실제 보행자의 이동과 관련된 측정정보를 관측하는 것이 아니기 때문에 모델의 정확성은 떨어질 수 있으나 구현이 간단하다는 장점이 있다.
한편, 센서 기반 이동 모델은 보행자와 같이 갑작스런 방향 전환이 발생하거나 운동 상태의 변화가 심한 주체의 경우에 실측 센서를 활용한 PDR(Pedestrian Dead Reckoning) 기술을 통해 이동 모델의 움직임을 단기간에 비교적 정확하게 예측하는 것에 상응할 수 있다. 이 때, 실측 센서 정보란 가속도계, 자이로스코프, 지자계 등의 센서를 통해 측정된 센서 정보에 상응할 수 있다.
이 때, 본 발명에 따른 이동 모델은 특별한 한정 없이 단말의 이동 특성을 기술할 수 있는 어떠한 방법도 이용이 가능하다.
이 후, 사용자의 단말로부터 복수의 측정정보들을 수집한다(S620).
이 때, 복수의 측정정보들은 단말로부터 수신 가능한 단일 또는 복수개의 무선통신 인프라 정보 및 센서정보 중 적어도 하나를 포함할 수 있다.
이 때, 복수의 측정정보들을 수집한 수집위치와 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시간 동기하여 저장할 수 있다.
예를 들어, 복수의 측정정보들은 수집위치, Wi-Fi AP 별 MAC 정보 및 RSSI 정보, 수집방향, 수집을 시작점과 종료점의 상대 위치, 지자계 3축 강도(intensity) 및 방향, 그리고 고도계 기압 값 등을 포함할 수 있다.
이 때, 수집방향은 수집경로를 기반으로 한 절대방위에 상응할 수 있다. 따라서, 측정정보를 수집한 수집 경로에서 방향이 바뀔 때마다 1회씩 수집될 수 있다. 또한 지자계 3축 강도 및 방향은 지자계 기반의 절대 방위인 Mx, My, Mz, yaw 등에 상응할 수 있다.
이 후, 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 동적 조건에 만족하는 동적 위치 데이터베이스를 추출한다(S630).
이 때, 동적 위치 데이터베이스는 단말 내 검색범위를 줄여서 위치 추정을 위한 연산을 효율적으로 수행하기 위한 것으로, 사전에 수집단말을 통해 구축된 위치 데이터베이스에서 기설정된 동적 조건에 만족하는 부분만을 추출하여 생성될 수 있다.
이 때, 위치 데이터베이스의 각 기준위치에서 수집된 측정정보의 종류별 평균과 표준편차는 각 기준 위치의 근처에서 수신된 복수의 측정정보들로부터 평균과 표준편차를 계산한 것을 의미할 수 있다.
이 때, 만약 기준 위치와 측정정보가 수집된 위치가 모두 일치한다면, 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하는 작업을 수행할 필요 없이 수집된 측정정보를 이용하여 바로 동적 위치 데이터베이스를 생성할 수도 있다.
이 때, 기설정된 동적 조건은 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응할 수 있다.
이 때, 기설정된 동적 조건은 검색범위의 한정 조건에 따라 1개 이상을 조합하여 사용될 수도 있다. 예를 들어, 복수의 측정정보들에 기반한 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는지 여부를 먼저 판단한 뒤, 표준편차가 기설정된 threshold 이내에 상응하는 경우에 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 복수의 측정정보들에 기반한 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는지 여부를 판단하도록 조합할 수 있다.
이 후, 복수의 측정정보들 각각에 대한 개별 우도를 산출한다(S640).
이 때, 단말 별 측정정보 보정 데이터베이스를 기반으로 복수의 측정정보들을 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성할 수 있다.
예를 들어, 위치 데이터베이스를 구축하기 위해 사전 측정정보를 수집하는 수집 단말과 단말의 위치 추정을 위해 사용하는 사용자 단말의 측정정보 칩셋이 서로 상이한 경우를 가정할 수 있다. 이 때, 수집 단말과 사용자 단말이 동일한 위치에서 측정정보를 수신한다 하여도 단말 별로 수신 신호특성이 다르기 때문에 두 단말간 서로 상이한 측정정보를 가질 수 있다. 이러한 결과는 동적 위치 데이터베이스와 사용자의 단말에서 측정한 측정정보를 비교하여 우도를 계산할 때 잘못된 확률 값을 계산하는 문제를 야기할 수 있다.
따라서, 본 발명에서는 별도로 저장된 단말 별 측정정보 보정 데이터베이스를 이용하여 사용자 단말의 측정정보가 마치 수집단말에서 수집한 것과 유사하도록 보정하는 보정 과정을 수행할 수 있다.
이 때, 단말 별 측정정보 보정 데이터베이스는 종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차(bias) 및 스케일 조정 계수(scale factor) 중 적어도 하나를 포함할 수 있다.
단말 별 측정정보 보정 데이터베이스를 사용하는 과정을 예를 들면, 먼저 사용자 단말의 모델번호를 단말 별 측정정보 보정 데이터베이스가 포함된 서버로 전송하여 수집단말의 모델과 비교할 수 있다. 이 후, 두 모델이 상이할 경우에 두 모델 간 차이를 보정할 수 있는 보정 데이터베이스를 검색하고, 보정 데이터베이스를 이용하여 사용자 단말에 상응하는 측정정보를 편차와 스케일 조정 계수로 보정할 수 있다.
이 때, 복수의 개별 우도들을 산출하는 과정을 단계별로 설명하면, 먼저 이동 모델에 상응하는 단말의 현재 위치를 기반으로 동적 위치 데이터베이스 내에서 단말의 현재 위치에 가장 가까운 기준위치를 찾아 각 측정정보 별 위치 데이터베이스 값을 획득할 수 있다. 예를 들어, W-Fi AP의 경우
Figure 112016003420167-pat00029
와 같이 각 수신 AP별 수신신호세기의 평균 및 표준편차 값을 획득하여 제1 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 사용자의 단말에 의해 수신된 복수의 측정정보들을 이용하여 서로 다른 차원의 측정정보 별로 정보를 추출한다. 예를 들어, Wi-Fi AP의 경우 k개의 Wi-Fi AP에 대한 정보가 수신되었다면 W={
Figure 112016003420167-pat00030
}에 상응하게 정의하여 제2 측정정보 별 리스트에 포함시킬 수 있다.
이 후, 위치 데이터베이스에 상응하는 제1 측정정보 별 리스트와 단말로부터 수집된 측정정보에 상응하는 제2 측정정보 별 리스트를 비교하여 서로 일치하는 측정정보만을 정제하여 우도를 산출하는데 사용할 수 있다.
이 후, 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 복수의 측정정보들의 우도에 비례하는 가중치를 산출한다(S650).
예를 들어, 측정정보의 종류에 따라 모두 M개의 개별 우도들이 계산되었다고 가정한다면, M개의 개별 우도들을 [수학식 8]에 상응하게 결합하여 복수의 측정정보들에 상응하는 우도를 최종 계산할 수 있다.
[수학식 8]
Figure 112016003420167-pat00031
이 때, [수학식 8]에서는 측정정보의 종류가 4 종류, 즉 4개의 개별 우도들을 결합하고, 각각의 측정정보의 수신은 독립적이라고 가정할 수 있다.
이 후, 이동 모델에 상응하는 적어도 하나의 샘플에 가중치를 적용한다(S660). 예를 들어, 가중치에 비례하는 확률에 따라 이동 모델의 샘플에 상응하는 파티클 집합에 포함할 새로운 파티클들을 계산할 수 있다.
이 후, 단말의 방향 및 위치를 추정한다(S670). 즉, 새로운 파티클들의 위치 또는 방향에 상응하는 평균값으로 단말의 위치와 방향을 계산할 수 있다.
이 때, 이동 모델에 상응하는 적어도 하나의 샘플 값에 대한 가중치는 결합된 우도, 즉 복수의 측정정보에 상응하는 우도에 비례하여 계산될 수 있으며, 가중치는 합이 1에 상응하도록 표준화(normalization)될 수 있다.
이상에서와 같이 본 발명에 따른 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
110: 위치 추정 장치 120: 위치 데이터베이스
121: 센서 정보 122: 공간 데이터베이스
130: 단말 별 측정정보 보정 데이터베이스
210: 통신부 220: 이동 모델 생성부
230: 가중치 산출부 240: 위치 추정부
250: 저장부 310: 측정정보 수집부
320: 동적 위치 데이터베이스 추출부
330: 측정정보 보정부 340: 우도 결합부

Claims (16)

  1. 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성하는 이동 모델 생성부;
    상기 단말로부터 수신된 복수의 측정정보들을 기반으로 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하고, 상기 동적 위치 데이터베이스를 기반으로 상기 복수의 측정정보들의 우도(Likelihood)에 비례하는 가중치를 산출하는 가중치 산출부; 및
    상기 이동 모델에 상응하는 적어도 하나의 샘플 값에 상기 가중치를 적용하여 상기 단말의 위치와 방향을 추정하는 위치 추정부
    를 포함하고,
    상기 가중치 산출부는
    단말 별 측정정보 보정 데이터베이스를 기반으로 상기 복수의 측정정보들을 상기 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성하는 측정정보 보정부; 및
    상기 복수의 보정 측정정보들 각각에 대한 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 상기 복수의 측정정보들의 우도를 산출하는 우도 결합부를 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 복수의 개별 우도들은
    상기 이동 모델에 상응하는 위치에서 가장 가까운 어느 하나의 기준 위치를 기반으로 획득한 제1 측정정보 별 리스트와 상기 복수의 보정 측정정보들을 기반으로 획득한 제2 측정정보 별 리스트를 비교하고, 상기 제1 측정정보 별 리스트와 상기 제2 측정정보 별 리스트 사이에 일치하는 리스트 정보를 이용하여 산출되는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치.
  4. 청구항 1에 있어서,
    상기 가중치 산출부는
    상기 위치 데이터베이스 중에서 상기 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 기설정된 동적 조건에 만족하는 상기 동적 위치 데이터베이스를 추출하는 동적 위치 데이터베이스 추출부를 더 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치.
  5. 청구항 1에 있어서,
    상기 단말 별 측정정보 보정 데이터베이스는
    종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차 및 스케일 조정 계수 중 적어도 하나를 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치.
  6. 청구항 1에 있어서,
    상기 가중치 산출부는
    상기 복수의 측정정보들을 수집한 수집위치와 상기 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시각 동기하여 저장하는 측정정보 수집부를 더 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치.
  7. 청구항 1에 있어서,
    상기 이동 모델 생성부는
    확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 상기 이동 모델을 생성하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치.
  8. 청구항 4에 있어서,
    상기 기설정된 동적 조건은
    상기 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 상기 복수의 측정정보들에 기반한 상기 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 상기 복수의 측정정보들에 기반한 상기 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치.
  9. 현재시각을 기반으로 단말의 상태변수에 상응하는 이동 모델을 생성하는 단계;
    상기 단말로부터 수신된 복수의 측정정보들을 기반으로 위치 데이터베이스에서 동적 위치 데이터베이스를 추출하고, 상기 동적 위치 데이터베이스를 기반으로 상기 복수의 측정정보들의 우도(Likelihood)에 비례하는 가중치를 산출하는 단계; 및
    상기 이동 모델에 상응하는 적어도 하나의 샘플 값에 상기 가중치를 적용하여 상기 단말의 위치와 방향을 추정하는 단계
    를 포함하고,
    상기 가중치를 산출하는 단계는
    단말 별 측정정보 보정 데이터베이스를 기반으로 상기 복수의 측정정보들을 상기 위치 데이터베이스에 상응하는 수집 단말에 상응하게 보정하여 복수의 보정 측정정보들을 생성하는 단계; 및
    상기 복수의 보정 측정정보들 각각에 대한 복수의 개별 우도들을 기설정된 결합식을 기반으로 결합하여 상기 복수의 측정정보들의 우도를 산출하는 단계를 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법.
  10. 삭제
  11. 청구항 9에 있어서,
    상기 복수의 개별 우도들은
    상기 이동 모델에 상응하는 위치에서 가장 가까운 어느 하나의 기준 위치를 기반으로 획득한 제1 측정정보 별 리스트와 상기 복수의 보정 측정정보들을 기반으로 획득한 제2 측정정보 별 리스트를 비교하고, 상기 제1 측정정보 별 리스트와 상기 제2 측정정보 별 리스트 사이에 일치하는 리스트 정보를 이용하여 산출되는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법.
  12. 청구항 9에 있어서,
    상기 가중치를 산출하는 단계는
    상기 위치 데이터베이스 중에서 상기 복수의 측정정보들에 상응하는 측정정보 별 평균과 표준편차를 기반으로 기설정된 동적 조건에 만족하는 상기 동적 위치 데이터베이스를 추출하는 단계를 더 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법.
  13. 청구항 9에 있어서,
    상기 단말 별 측정정보 보정 데이터베이스는
    종류가 상이한 단말 별로 동일 위치에서 측정된 측정정보 별 수신 값의 편차 및 스케일 조정 계수 중 적어도 하나를 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법.
  14. 청구항 9에 있어서,
    상기 가중치를 산출하는 단계는
    상기 복수의 측정정보들을 수집한 수집위치와 상기 복수의 측정정보들에 포함된 무선통신 인프라 정보 및 센서 정보 중 적어도 하나를 시각 동기하여 저장하는 단계를 더 포함하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법.
  15. 청구항 9에 있어서,
    상기 이동 모델을 생성하는 단계는
    확률 기반 이동 모델 및 센서 기반 이동 모델 중 적어도 하나를 기반으로 상기 이동 모델을 생성하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법.
  16. 청구항 12에 있어서,
    상기 기설정된 동적 조건은
    상기 위치 데이터베이스에 포함된 적어도 하나의 기준 위치가 상기 복수의 측정정보들에 기반한 상기 단말의 위치로부터 기설정된 기준 범위 이내에 존재하는 경우 및 상기 복수의 측정정보들에 기반한 상기 단말의 위치에 대한 표준편차가 기설정된 threshold 이내에 상응하는 경우 중 적어도 하나에 상응하는 것을 특징으로 하는 서로 다른 측위 자원들의 결합을 이용한 위치 추정 방법.
KR1020160003861A 2016-01-12 2016-01-12 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법 KR101947442B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160003861A KR101947442B1 (ko) 2016-01-12 2016-01-12 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법
US15/401,585 US10123176B2 (en) 2016-01-12 2017-01-09 Location estimation apparatus and method using combination of different positioning resources

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160003861A KR101947442B1 (ko) 2016-01-12 2016-01-12 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170084613A KR20170084613A (ko) 2017-07-20
KR101947442B1 true KR101947442B1 (ko) 2019-02-13

Family

ID=59275204

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160003861A KR101947442B1 (ko) 2016-01-12 2016-01-12 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법

Country Status (2)

Country Link
US (1) US10123176B2 (ko)
KR (1) KR101947442B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130155102A1 (en) * 2011-12-20 2013-06-20 Honeywell International Inc. Systems and methods of accuracy mapping in a location tracking system
DE102016107940A1 (de) * 2016-04-28 2017-11-02 Balluff Gmbh Verfahren zur Netzwerkinitialisierung eines Netzwerks zur Funkortung von Objekten innerhalb eines begrenzten Raumes
US10721708B1 (en) * 2018-11-20 2020-07-21 Cisco Technology, Inc. Device location classification using data collected by wireless access points
KR102284926B1 (ko) * 2019-12-18 2021-08-03 한국항공우주연구원 인원 간의 상대위치와 시각동기를 이용한 소음원 추적 시스템 및 소음원 추적 방법
KR102656500B1 (ko) 2021-05-04 2024-04-12 한국전자통신연구원 무선 통신 인프라 매칭 특징점을 활용한 기계 학습 기반 미수집 지점의 측위 데이터베이스 생성 및 측위 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101264306B1 (ko) * 2012-01-10 2013-05-22 숭실대학교산학협력단 이동 모델 학습을 통한 실내 위치 추적 장치 및 이를 위한 기록매체

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101462058B1 (ko) * 2010-10-22 2014-11-19 에스케이 텔레콤주식회사 로그 데이터를 이용한 ａｐ 위치 추정 방법과 그를 위한 장치 및 단말기
KR101280032B1 (ko) * 2010-11-24 2013-06-28 광양시 위치 인식 시스템 및 그 방법
US8542368B2 (en) 2010-12-17 2013-09-24 Electronics And Telecommunications Research Institute Position measuring apparatus and method
KR101833217B1 (ko) * 2011-12-07 2018-03-05 삼성전자주식회사 자기장 지도 기반 측위 시스템에서 이용되는 이동 단말 및 이를 이용한 위치 추정 방법
KR101300394B1 (ko) 2012-02-07 2013-08-26 금오공과대학교 산학협력단 무선 ａｐ 및 가속도 센서를 이용한 실내 위치 안내 시스템 및 그 방법
US9526082B2 (en) 2012-04-13 2016-12-20 Electronics And Telecommunications Research Institute Method and apparatus for estimating location of pedestrian using step length estimation model parameters
US9161172B2 (en) * 2012-11-06 2015-10-13 Qualcomm Incorporated Map-based adaptive sampling of orientation sensors for positioning
US9510318B2 (en) * 2013-06-27 2016-11-29 Google Technology Holdings LLC Method and apparatus for ascertaining a location of a personal portable wireless communication device
KR20150080817A (ko) * 2014-01-02 2015-07-10 한국전자통신연구원 전파지도ｄｂ 로딩 장치와 방법, 및 단말장치
KR102034527B1 (ko) 2014-02-11 2019-10-21 한국전자통신연구원 와이-파이 위치와 센서정보 결합을 통한 단말 위치 필터링 시스템 및 그 방법
US9369982B2 (en) * 2014-03-28 2016-06-14 Intel Corporation Online adaptive fusion framework for mobile device indoor localization

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101264306B1 (ko) * 2012-01-10 2013-05-22 숭실대학교산학협력단 이동 모델 학습을 통한 실내 위치 추적 장치 및 이를 위한 기록매체

Also Published As

Publication number Publication date
US20170201865A1 (en) 2017-07-13
US10123176B2 (en) 2018-11-06
KR20170084613A (ko) 2017-07-20

Similar Documents

Publication Publication Date Title
US20200141739A1 (en) Navigate, track, and position mobile devices in gps-denied or gps-inaccurate areas with automatic map generation
US9980246B2 (en) Systems and methods for using three-dimensional location information to improve location services
US9854404B2 (en) Techniques for generating environment and reference data reports for particular environments on behalf of mobile devices
KR101947442B1 (ko) 서로 다른 측위 자원들의 결합을 이용한 위치 추정 장치 및 방법
US11714161B2 (en) Distance-based positioning system and method using high-speed and low-speed wireless signals
US20170248428A1 (en) Indoor positioning system and method
JP2008139247A (ja) Ｇｐｓ測位装置
EP3195003A1 (en) Mobile device sensor and radio frequency reporting techniques
CN103841642A (zh) 一种三维室内定位方法
US8378891B2 (en) Method and system for optimizing quality and integrity of location database elements
US9658313B2 (en) Terrestrial positioning assistance serving based on receiver device context
US9116006B2 (en) Apparatus and method for determining indoor collection points and collecting heterogeneous infrastructure measurement information
KR101694728B1 (ko) 실내 수집 위치와 이종 인프라 측정정보를 수집하는 장치 및 방법
US10993204B2 (en) Systems and methods for determining if a receiver is inside or outside a building or area
US20220357464A1 (en) Determining position information of mobile devices
KR102153932B1 (ko) 측위 인프라 데이터베이스 자동 갱신 장치 및 방법
KR20160105628A (ko) 비콘과 가속도 센서를 활용한 이동거리와 위치 측정 방법 및 이를 이용한 실내 측위 시스템
KR20150112659A (ko) 단말 이동 방향 결정 및 위치 보정 방법, 그리고 이를 이용한 측위 장치
US20240061097A1 (en) Positioning system, method and computer program product utilizing inputs from geostationary communication satellites
US20230319762A1 (en) Method and apparatus for estimating location
Pertusini et al. goGPS: accurate road mapping using low-cost GPS receivers
JP2002168935A (ja) 電波発信源特定方法及び装置ならびに電波発信源特定システム
US10330768B2 (en) Method implemented by a mobile device for obtaining its position and device implementing this method
EP4305465A1 (en) Improved position accuracy using sensor data

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant