KR102147625B1 - 위치지문맵의 생성 및 이용 - Google Patents

Abstract

본 발명은 멀티센서 위치맵을 구축하는 방법에 관한 것이다. 이 방법은 여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과 여러 장소들을 나타내는 위치 추정치들을 인터페이스를 통해 받되, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하고, 위치 추정치들의 적어도 일부는 다수의 휴대기기의 내부 내비게이션 시스템에서 생기는 단계; 및 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP를 갖는 위치지문 맵을 계산하되, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖는 단계를 포함한다.

Description

위치지문맵의 생성 및 이용{GENERATING AND USING A LOCATION FINGERPRINTING MAP}

본 발명은 위치지문맵의 생성 및 이용에 관한 것이다.

GPS(global positioning system) 기반 내비게이션이 불가능하거나 허용되지 않는 입도를 보이는 실내공간이 지역에서도 아주 정확한 포지셔닝 정보를 제공할 필요성이 점점 더 커지고 있다.

요약

본 발명에 의하면 명세서에서 설명된 모든 단계들의 모든 조합을 실행할 수 있는 방법이 제공된다.

본 발명은 이런 모든 조합을 포함해 전술한 방법들과 모든 단계들을 실행하도록 하는 명령어들을 저장하고 비일시적인 컴퓨터 판독매체를 포함한다. 예를 들어, 이 컴퓨터 판독매체는 명세서에서 설명된 모든 방법의 모든 단계들의 모든 조합을 실행토록 하는 명령어들을 저장할 수 있다.

본 발명은 또한 이런 모든 단계와 조합을 포함해 전술한 모든 방법을 실행하도록 구성된 시스템을 포함한다.

본 발명은 멀티센서 위치맵을 구축하는 방법을 제고하는데, 이 방법은, 여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과 여러 장소들을 나타내는 위치 추정치들을 인터페이스를 통해 받되, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하고, 위치 추정치들의 적어도 일부는 다수의 휴대기기의 내부 내비게이션 시스템에서 생기는 단계; 및 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP(grid point)를 갖는 위치지문 맵을 계산하되, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖는 단계;를 포함한다.

이런 계산을 할 때 맵 캘큐레이터를 통해 다수의 멀티센서 데이터벡터들과 위치 추정치들을 연관시킬 수 있다.

이 방법은 휴대기기의 내부 내비게이션 시스템에서 생긴 위치 추정치를 픽스하기 위해 지역 위치정보를 휴대기기에 반복적으로 공급하는 단계를 더 포함한다.

이 방법은 GP 부근에서 멀티센서 데이터벡터를 획득한 다수의 휴대기기에 응답해 GP 위치정보의 정확도를 업데이트하는 단계를 더 포함할 수 있다.

이 방법은 GP 부근에서 획득한 위치특정 전자기 신호들의 획득에 응답해 GP 위치정보의 정확도를 업데이트하는 단계를 포함할 수 있다.

이 방법은 GP 부근에서 획득한 GPS 신호에 응답해 GP 위치정보의 정확도를 업데이트하는 단계를 더 포함할 수 있다.

이 방법은 실내공간 특이점들을 감지하는 단계와, 특이점 부근에 위치한 GP의 정확도를 업데이트하는 단계를 더 포함할 수 있다.

이 방법은 위치지문 맵의 콘텐트에 의거해 실내공간의 맵을 구축하는 단계를 더 포함할 수 있다.

이 방법은 휴대기기의 위치와 목적지와 위치지문맵에 응답해 휴대기기에 방향정보를 보내는 단계를 더 포함할 수 있다.

위치지문 맵은 3D 맵이다.

이 방법은 GPS 기반 내비게이션의 입도가 임계치보다 낮은 어떤 장소에서 멀티센서 데이터벡터를 수신하기 전에 다수의 실내 장소들에서 휴대기기로 획득한 다수의 멀티센서 데이터벡터들을 받는 단계와, 상기 어떤 장소에서 구한 GPS 위치정보에 의거해 다수의 실내 장소들의 위치 추정치의 정확도를 높이는 단계를 더 포함할 수 있다.

이 방법은 GPS 기반 내비게이션의 입도가 임계치보다 낮은 어떤 장소에서 멀티센서 데이터벡터를 수신한 뒤에 다수의 실내 장소들에서 휴대기기로 획득한 다수의 멀티센서 데이터벡터들을 받는 단계와, 상기 어떤 장소에서 구한 GPS 위치정보에 의거해 다수의 실내 장소들의 위치 추정치의 정확도를 높이는 단계를 더 포함할 수 있다.

멀티센서 데이터벡터는 전자기 정보; 주변 소음, 온도, 지구 자기장 정보 중의 적어도 하나; 또는 만보기 정보를 포함할 수 있다.

이 방법은 사용자의 가속도를 반복적으로 추정하는 단계와, 이런 추정에 응답해 휴대폰 좌표계를 업데이트하는 단계를 더 포함할 수 있다.

이 방법은 사용자의 가속도를 반복적으로 추정하는 단계와, 이런 추정에 응답해 휴대기기의 내부 내비게이션 시스템에서 생긴 위치 추정치를 업데이트하는 단계를 더 포함할 수 있다.

본 발명은 멀티센서 위치맵을 구축하는 다른 방법도 제공한다. 이 방법은 휴대기기가 위치한 어떤 장소에 관한 위치정보이면서 GPS 기반 내비게이션을 이용해 획득한 위치정보를 수신하는 단계; 여러 장소들에서 휴대기기가 획득한 다수의 멀티센서 데이터벡터와, 여러 장소를 나타내도록 휴대기기의 내부 내비게이션 시스템에서 생긴 위치 추정치들을 수신하는 단계; 및 내부 내비게이션 시스템의 추정 정확도에 의거한 위치 추정치들의 정확도와 어떤 장소로부터의 각각의 장소의 거리를 연계하는 단계를 포함한다.

어떤 장소로부터의 거리가 멀수록 정확도는 떨어진다.

이 방법은 GPS 기반 내비게이션을 이용해 구한 휴대기기가 있는 다른 장소의 위치정보를 수신하되, 휴대기기가 여러 장소에 도달한 뒤에 상기 다른 장소에 도달하는 단계; 및 내부 내비게이션 시스템의 추정 정확도와 다른 장소로부터 각각의 장소의 거리에 의거해 여러 지점들의 위치추정치의 정확도를 업데이트하는 단계;를 더 포함할 수 있다.

이 방법은 다수의 멀티센서 데이터벡터들과 다른 휴대기기로부터의 위치 추정치들을 받는 단계와, 휴대기기가 획득한 위치정보에 의거해 다른 휴대기기에서 생긴 위치 추정치들의 정확도를 업데이트하는 단계를 더 포함할 수 있다.

본 발명은 실내공간에서 내비게이션하는 방법도 제공한다. 이 방법은 GPS 위치정보를 휴대기기로 획득하는 단계; GPS 위치정보 획득을 중단한 뒤, 멀티센서 데이터벡터를 획득하고, 멀티센서 데이터벡터를 구한 장소의 위치 추정치를 내부 내비게이션 시스템에서 생성하는 단계; 위치지문 맵의 GP의 멀티센서 데이터벡터에 획득한 멀티센서 데이터벡터를 비교하는 단계; 이런 비교에 의거해 휴대기기의 위치를 결정하는 단계; 및 위치를 갖는 내부 내비게이션 시스템을 업데이트하는 단계를 포함한다.

멀티센서 데이터벡터는 지구자기장 판독값과 통신관련 전자기신호를 포함하고; 위치를 결정할 때 휴대기기가구한 통신관련 전자기신호와 위치지문 맵의 GP의 통신관련 전자기신호 사이의 비교에 의거해 휴대기기의 위치 추정치를 계산하며, 휴대기기가 구한 각각의 자기장 판독값과 위치지문맵의 GP의 자기장 판독값 사이의 비교에 의거 위치 추정치를 업데이트할 수 있다.

본 발명은 멀티센서 위치맵을 구축하는 또다른 방법도 제공한다. 이 방법은 여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과 여러 장소들을 나타내는 위치 추정치들을 인터페이스를 통해 받되, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하고, 위치 추정치들의 적어도 일부는 가속도계 판독값을 처리해 구해지는 단계; 및 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP를 갖는 위치지문 맵을 계산하되, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖는 단계를 포함한다.

본 발명은 멀티센서 위치맵을 구축하는 다른 방법도 제공한다. 이 방법은 여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과 사용자가 여러 장소들 사이를 움직일 때 구한 가속도계 판독값들을 인터페이스를 통해 받되, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하는 단계; 가속도계 판독값들을 처리하여 여러 장소들의 위치를 추정하는 단계; 및 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP를 갖는 위치지문 맵을 계산하되, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖는 단계를 포함한다.

이 방법은 가속도계 판독값들로부터 여러 도보상태에 관한 정보를 추출하는 단계; 및 2개의 도보상태에 관한 가속도계 정보를 처리하여 사용자의 이동 방향을 결정하는 단계를 더 포함할 수 있다.

이 방법은 4개의 도보상태로부터 첫번째와 세번째의 도보상태에 관한 최대 가속도계 판독값들을 감지하는 단계; 및 이 판독값에 응답해 사용자의 이동방향을 결정하는 단계를 더 포함할 수 있다.

이 방법은 4개의 도보상태로부터 두번째와 네번째의 도보상태에 관한 최대 가속도계 판독값들을 감지하는 단계; 및 첫번째부터 네번째 까지의 도보상태 각각에 관련된 최대 가속도계 판독값에 응답해 사용자의 이동방향을 추정하는 단계를 더 포함할 수 있다.

본 발명은 비일시적 컴퓨터 판독매체도 제공하는데, 이 판독매체는 여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과 여러 장소들을 나타내는 위치 추정치들을 인터페이스를 통해 받되, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하고, 위치 추정치들의 적어도 일부는 다수의 휴대기기의 내부 내비게이션 시스템에서 생기도록 하는 명령어; 및 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP를 갖는 위치지문 맵을 계산하되, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖도록 하는 명령어를 저장한다.

본 발명은 다른 비일시적 컴퓨터 판독매체도 제공하는데, 이 판독매체는 휴대기기가 위치한 어떤 장소에 관한 위치정보이면서 GPS 기반 내비게이션을 이용해 획득한 위치정보를 수신하도록 하는 명령어; 여러 장소들에서 휴대기기가 획득한 다수의 멀티센서 데이터벡터와, 여러 장소를 나타내도록 휴대기기의 내부 내비게이션 시스템에서 생긴 위치 추정치들을 수신하도록 하는 명령어; 및 내부 내비게이션 시스템의 추정 정확도에 의거한 위치 추정치들의 정확도와 어떤 장소로부터의 각각의 장소의 거리를 연계하도록 하는 명령어를 저장한다.

본 발명은 또다른 비일시적 컴퓨터 판독매체를 제공하는데, 이 판독매체는 GPS 위치정보를 휴대기기로 획득하도록 하는 명령어; GPS 위치정보 획득을 중단한 뒤, 멀티센서 데이터벡터를 획득하고, 멀티센서 데이터벡터를 구한 장소의 위치 추정치를 내부 내비게이션 시스템에서 생성하도록 하는 명령어; 위치지문 맵의 GP의 멀티센서 데이터벡터에 획득한 멀티센서 데이터벡터를 비교하도록 하는 명령어; 이런 비교에 의거해 휴대기기의 위치를 결정하도록 하는 명령어; 및 위치를 갖는 내부 내비게이션 시스템을 업데이트하도록 하는 명령어를 저장한다.

본 발명은 또다른 비일시적 컴퓨터 판독매체도 제공하는데, 이 판독매체는 여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과 여러 장소들을 나타내는 위치 추정치들을 인터페이스를 통해 받되, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하고, 위치 추정치들의 적어도 일부는 가속도계 판독치들을 처리해 구해지도록 하는 명령어; 및 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP를 갖는 위치지문 맵을 계산하되, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖도록 하는 명령어를 저장한다.

본 발명은 다른 비일시적 컴퓨터 판독매체도 제공하는데, 이 판독매체는 여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과 사용자가 여러 장소들 사이를 움직일 때 구한 가속도계 판독값들을 인터페이스를 통해 받되, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하도록 하는 명령어; 가속도계 판독값들을 처리하여 여러 장소들의 위치를 추정하도록 하는 명령어; 및 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP를 갖는 위치지문 맵을 계산하되, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖도록 하는 명령어를 저장한다.

본 발명의 방법은 다수의 사용자들의 경로를 나타내는 경로정보를 제공하기 위해 지역내의 다수의 사용자의 경로를 표시하는 위치정보를 처리하는 단계를 더 포함할 수 있다. 이 경우, 추정 지역 맵을 생성하기 위해 상기 경로정보를 처리하는 단계를 더 포함할 수 있다.

비일시적 컴퓨터 판독매체는 다수의 사용자들의 경로를 나타내는 경로정보를 제공하기 위해 지역내의 다수의 사용자의 경로를 표시하는 위치정보를 처리하라는 명령어를 저장할 수 있다.

또, 추정 지역 맵을 생성하기 위해 상기 경로정보를 처리하라는 명령어를 저장할 수 있다.

계산을 할 때 다수의 멀티센서 데이터벡터들과 위치 추정치들을 맵 캘큐레이터를 통해 연계하여 위치지문맵을 제공할 수 있다.

비일시적 컴퓨터 판독매체가 휴대기기의 내부 내비게이션 시스템에서 생긴 위치 추정치를 픽스하기 위해 지역 위치정보를 휴대기기에 반복적으로 공급하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 GP 부근에서 멀티센서 데이터벡터들을 획득한 다수의 휴대기기에 응답해 GP 위치정보의 정확도를 업데이트하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 GP 부근에서 획득한 위치특정 전자기신호에 응답해 GP 위치정보의 정확도를 업데이트하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 GP 부근에서 획득한 GPS 신호에 응답해 GP 위치정보의 정확도를 업데이트하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 실내공간 특이점들을 감지하고 이 특이점들 부근에 위치한 GP들의 정확도를 업데이트하라는 명령어들을 저장할 수 있다.

비일시적 컴퓨터 판독매체가 위치지문맵의 콘텐트에 의거해 실내공간의 맵을 구축하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 휴대기기의 위치와 목적지와 위치지문맵에 응답해 휴대기기에 방향정보를 보내라는 명령어를 저장할 수 있다.

이런 위치지문맵은 3D 맵이다.

비일시적 컴퓨터 판독매체가 GPS 기반 내비게이션의 입도가 임계치보다 낮은 어떤 장소에서 멀티센서 데이터벡터를 수신하기 전에 다수의 실내 장소들에서 휴대기기로 획득한 다수의 멀티센서 데이터벡터들을 받도록 하는 명령어와, 상기 어떤 장소에서 구한 GPS 위치정보에 의거해 다수의 실내 장소들의 위치 추정치의 정확도를 높이라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 GPS 기반 내비게이션의 입도가 임계치보다 낮은 어떤 장소에서 멀티센서 데이터벡터를 수신한 뒤에 다수의 실내 장소들에서 휴대기기로 획득한 다수의 멀티센서 데이터벡터들을 받도록 하는 명령어와, 상기 어떤 장소에서 구한 GPS 위치정보에 의거해 다수의 실내 장소들의 위치 추정치의 정확도를 높이라는 명령어를 저장할 수 있다.

멀티센서 데이터벡터는 전자기 정보; 주변 소음, 온도, 지구 자기장 정보 중의 적어도 하나; 또는 만보기 정보를 포함할 수 있다.

비일시적 컴퓨터 판독매체가 사용자의 가속도를 반복적으로 추정하고 이런 추정에 응답해 휴대폰 좌표계를 업데이트하라는 명령어들을 저장할 수 있다.

비일시적 컴퓨터 판독매체가 사용자의 가속도를 반복적으로 추정하고 이런 추정에 응답해 휴대기기의 내부 내비게이션 시스템에서 생긴 위치 추정치를 업데이트하라는 명령어들을 저장할 수 있다.

어떤 장소로부터의 거리가 멀수록 정확도는 떨어진다.

비일시적 컴퓨터 판독매체가 GPS 기반 내비게이션을 이용해 구한 휴대기기가 있는 다른 장소의 위치정보를 수신하되, 휴대기기가 여러 장소에 도달한 뒤에 상기 다른 장소에 도달하도록 하는 명령어; 및 내부 내비게이션 시스템의 추정 정확도와 다른 장소로부터 각각의 장소의 거리에 의거해 여러 지점들의 위치추정치의 정확도를 업데이트하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 다수의 멀티센서 데이터벡터들과 다른 휴대기기로부터의 위치 추정치들을 받도록 하는 명령어와, 휴대기기가 획득한 위치정보에 의거해 다른 휴대기기에서 생긴 위치 추정치들의 정확도를 업데이트하라는 명령어를 저장할 수 있다.

멀티센서 데이터벡터는 지구자기장 판독값과 통신관련 전자기신호를 포함하고; 위치를 결정할 때 휴대기기가구한 통신관련 전자기신호와 위치지문 맵의 GP의 통신관련 전자기신호 사이의 비교에 의거해 휴대기기의 위치 추정치를 계산하며, 휴대기기가 구한 각각의 자기장 판독값과 위치지문맵의 GP의 자기장 판독값 사이의 비교에 의거 위치 추정치를 업데이트할 수 있다.

비일시적 컴퓨터 판독매체가 가속도계 판독값들로부터 여러 도보상태에 관한 정보를 추출하라는 명령어; 2개의 도보상태에 관한 가속도계 정보를 처리하여 사용자의 이동 방향을 결정하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 4개의 도보상태로부터 첫번째와 세번째의 도보상태에 관한 최대 가속도계 판독값들을 감지하라는 명령어; 및 이 판독값에 응답해 사용자의 이동방향을 결정하라는 명령어를 저장할 수 있다.

비일시적 컴퓨터 판독매체가 4개의 도보상태로부터 두번째와 네번째의 도보상태에 관한 최대 가속도계 판독값들을 감지하라는 명령어; 및 첫번째부터 네번째 까지의 도보상태 각각에 관련된 최대 가속도계 판독값에 응답해 사용자의 이동방향을 추정하라는 명령어를 저장할 수 있다.

이하, 첨부 도면들을 참조하여 본 발명에 대해 설명한다.

도 1~12는 본 발명의 여러 실시예에 따른 실내공간과 다수의 GP들을 보여주는 도면들;
도 13~18은 휴대기기의 사용자들에게 전개되는 각종 스크린샷;
도 19~21은 본 발명의 여러 실시예에 따른 가속도계 판독값, 여러 도보상태 및 사용자의 이동방향의 추정을 보여주는 도면들;
도 22~23은 본 발명의 여러 실시예에 따른 각종 힘과 좌표계를 보여주는 도면들;
도 24~28은 본 발명의 여러 실시예에 따른 방법들의 순서도;
도 29는 본 발명의 시스템의 블록도.

이하의 설명은 일례를 든 것일 뿐이고 본 발명의 범위를 제한하는 것은 아님을 알아야 한다.

각종 신호(예; GPS, AGPS(Aided-GPS), GSM, WAP(WLAN Accessp Point), 블루투스(BT), 적외선(IR), CDMA, 3G, 4G/LTE, NFC, 셀룰라, FM 라디오, TV, 지구자기장 크기-방향, WiMax 등)의 수신을 샘플링하여 주어진 위치의 실내나 실외 각각에 대한 고유의 위치지문을 생성할 수 있다.

최근에는 대부분의 스마트폰과 휴대기기에 GPS가 내장된다. GPS를 이용한 아웃도어 포지셔닝은 장점이 있고 다수의 유용한 상용 어플도 있다.

본 발명의 시스템과 방법은 Wi-Fi, GSM, AGPS, 기타 다른 센서 위치지문에 의존한다. 라디오맵이나 위치지문맵은 소정의 인프라스트럭처이다. 쇼핑몰 평면도처럼 실내나 실외 공간을 커버하는 것을 GP라고 할 수 있다. 대략적으로 수미터(1~5 m)마다 할당할 필요는 없다. 각각의 GP나 특정 장소에 대한 측정을 하여 다수의 센서데이터를 수집했다.

예를 들어 실내공간을 1~5m마다 GP로 커버하면, 포인트마다 포괄적인 측정을 하여 각각의 모든 수신된 신호(WiFi, GPS/AGPS, GSM 등)의 값들의 벡터(또는 그룹)이 만들어진다.

모든 GP에 대해, 값이 최대 수십인 벡터는 모든 수신된 WAP의 고유 ID(즉, 특정 WAP MAC ADDRESS 또는 라우터의 물리적 주소)와 WAP RSSI(Received Signal Strength Indication)을 포함한다.

현재는 모든 모바일 운용시스템이 하드웨어 신호에 접속될 수 있는 것은 아니다. IOS6(iPhone's 운용시스템), BlackBerry OS, WP7(윈도우폰 8) 및 관련 기기에 대한 세부사항이 밝혀지면 가능한 많은 휴대기기의 어플이 개발될 것이다.

가능한 많은(최대 40) 셀루라타워의 신호강도는 멀티센서 위치지문 데이터의 일부분으로서 반응이 너무 약해도 저장된다. TV, GSM, CDMA, 3G, FM 라디오 수신, WiMax 등의 다른 신호도 추가할 수 있다.

멀티센서 위치지문

본 명세서의 멀티센서 위치지문 데이터(라디오맵이라고도 함)는 전자기신호를 등록하는데 한정되지 않는다. 마이크로폰, 주변광, 온도, 기압 판독값 등의 다른 소스도 모든 각각의 GP 위치사인의 강도를 다양화하는데 고려되고, 이를 위치지문이라 한다.

현재나 미래의 신호를 특정 위치사인에 병합할지 여부를 결정하기 위한 주요 기준은 위치 특성이다. 따라서, 특정 인도어 장소를 아주 자세하게 스케치할 수 있다.

위치지문을 만드는 것은 리소스와 시간과 비용면에서 아주 힘들고 지난한 일인데, 이는 수많은 모든 측정결과의 벡터들을 각각의 GP에 대한 최소시간내에 모두 교정해야하기 때문이다.

일단 이루어진 교정을 제때 업데이트해야만 하고 비실용적이거나 상업적으로 불가능한 많은 실내지역들에 대한 지속적인 재교정도 해야만 한다.

본 발명의 시스템과 방법은 이런 위치지문을 모든 곳에서 만들어 유지하는데 많은 사용자들을 이용한다.

INS(Inertial Navigation System; 관성항법 시스템)

관성항법은 상대적 내비게이션을 위해 여러 플랫폼(예; 항공기, 선박, 미사일 등)에서 사용되는 방법이다. 관성항법은 시간이 갈수록 정확도가 떨어진다. 실내 내비게이션에 대해 관성항법이 얼마나 빨리 무용해지는지에 대한 주요인은 센서의 품질과 용량이다. 관성항법 시스템의 주요 장점은 이것이 완전히 독립적이라는데 있다.

가속도계, 자이로스코프, 컴파스(이것은 관성항법에 필수는 아니지만 대부분의 기기에 있음)에 잡음이 많을수록 포지셔닝을 위해 관성항법에만 의존하는 시간이 줄어든다. 또, 최근에 휴대기기에 내장되는 소형 가속도계와 자이로스코프는 비행기나 선박처럼 정확하지도 않다.

관성항법 시스템은 절대위치와는 달리 첫 위치와 방향으로부터 3도의 자유도(위치에 3도, 방향에 3도)로 기기의 움직임을 측정할 뿐이다. 이때문에 관성측정을 시작한 이후로 걸린 시간과 초기 위치의 정확도에 관성항법의 정확도가 긴밀히 관련된다.

가속도계, 자이로스코프, 디지털 콤파스를 스마트폰에 설치하는 경향이 점점 높아지고 있다. 소형이고 저렴하며 성능이 더 좋은 관성센서들도 정확도가 좋고 SNR(신호대 잡음비)도 개선되어 있다. 처음에는 iPhone 4, 4s, 5에 9도의 자유도의 센서들이 내장되었다. 삼성 S2, S3, 갤럭시 넥서스와 같은 안드로이드계 기기는 새 표준을 대비하고 있다.

3D 가속도계는 수학적 이중적분(속도변화인 가속도와 위치변화인 속도)를 이용해 3축 이동을 추출할 수 있고 원위치에 추가된 새위치를 계산한다. 3D 자이로스코프는 기기의 각속도를 감지하여 초기 방향의 함수로서 기기의 실제 피치, 롤, 편각을 계산한다. 3D 디지털 콤파스는 지자기장의 방향을 측정한다. 이때문에 기기의 절대방향을 계산할 수 있다.

3종류의 센서 각각은 다른 센서드의 고유 단점들을 어느정도 보상할 수 있다. 콤파스는 비교적 안정되지만 반응이 느리고 (금속물이나 지역 자기장 등에 의한) 로컬 간섭의 위험이 있다. 그 판독값은 가속도계나 자이로스코프로 개선할 수 있다.

현대의 모바일 관성 센서들의 이런 모든 개선은 강력한 시장의 요구에 의한 것으로 물리적인 제한이 있다. 무겁고 고가인 INS의 상태는 최소한 시간당 수백 미터의 드리프트를 겪는다. INS에 픽스 포인트들을 업데이트할 수 없으면, 실내(인도어) 내비게이션에는 금방 쓸모없어진다.

본 발명의 방법과 시스템은 모바일 관성항법 포지셔닝을 갱신하는데 주기적인 픽스 업데이트를 이용한다.

관성항법 시스템 픽스(Fix) 업데이트

관성항법 정확도에 기여하는 한가지 방법은 다른 소스로부터의 포지셔닝 데이터를 입력하는 것이다. 현대의 고급 관성항법 시스템은 전술한 방법을 이용해 시간에 걸친 관성항법을 개선한다. 다른 소스로부터의 포지셔닝(대개 실외의 GPS)을 지속적으로 측정해 관성항법 시스템에 주기적으로 입력하여 픽스한다.

예컨대 GPS로부터의 절대 포지셔닝이 좀더 정확하기 대문에, 시스템은 여전히 (GPS 없이 포지션과 내비게이션을 하는) 관성시스템의 장점들을 취할 수 있고 픽스 포인트들을 이용해 총체적 오차를 제거한다. 따라서, 관성항법 시스템은 수초마다 새로 시작하면서 포지셔닝에 충분히 좋은 정확도를 확보한다.

다른 소스로부터의 픽스 포인트로 관성항법의 드리프트를 제거하는 것도 관성항법 시스템에서 최대한 취할 수 있는 방법이다.

포지셔닝 개선에 DR(Dead Reckoning) 이용

DR은 성격상 관성항법 시스템과 동일하다. 처음ㅇ nlcl에 대한 물체의 위치를 추정하는데 이 과정을 이용하는데, 이때 추정 속도와 이동 시간과 방향으로부터 현 위치를 계산한다. 현대의 관성항법 시스템은 많은 경우 DR에 의존한다.

본 발명의 시스템과 방법은 휴대기기의 가속도계를 이용해 인간의 걸음걸이를 확인하고 이 걸음의 생체기계적 특성에 의거해 보폭을 확인한다. 이런 종류의 걸음은 성별, 연령, 키, 체중과 같은 여러 인자들에 의존한다. 걸음 크기와 방향을 측정하고 걸음수를 세면 이동거리가 얼마인지에 대한 추가 솔루션이 생긴다.

맵매칭(Map Matching)

맵매칭은 신호 포지셔닝과주어진 맵 네트웍으로부터의 데이터를 통합하여 디지털 맵에 가장 일치하는 이동물체의 위치를 추정하는 방법이다. 이런 기술이 필요한 이유는, 포지셔닝 기술에서 구한 위치에 오차가 있기 때문이다. 맵매칭은 GPS 기기의 경로에서 움직이는 자동차를 추적하는 문제에서 처럼 어떤 경로에서 위치를 예상해야 할 때 도움이 된다. 실내에 있을 때는 보통 평면도와 직선 복도를 취한다. 이 방법은 Z축과 X, Y 축에서의 관성항법의 판독오차는 물론 (자이로스코프나 디지털 콤파스로부터의) 축적된 각도오차도 없앨 수 있다.

이런 시스템과 방법은 기본 맵이나 맵 없이 기능함은 물론, 처음 사용이래로 새로운 실내영역에서의 인도오 포지셔닝과 내비게이션도 개선할 수 있다.

온라인과 오프라인의 2가지 맵매칭 알고리즘이 있다. 온라인 맵매칭 알고리즘은 실내 위치를 추정하고 사용자가 아직 감시하지 않은 새 장소에서의 포지셔닝을 개선하는데 현재와 과거의 데이터만 가능한 상황에 적합하다. 오프라인 맵매칭 알고리즘은 GP의 절대위치를 정밀조율해 맵과 좀더 정확하게 일치하도록 하는데 미래 데이터의 전부나 일부를 이용할 수 있을 때 사용된다.

제시된 시스템과 방법은 사이클 개선과정을 일으키는데 유효하다. 사용자들은 이런 알고리즘으로 개선되고 현재 포지셔닝 기술을 이용해 공평한 실내 정확도를 얻는다. 사용자들은 GP를 기록한다. GP는 다른 사용자들이 실내 부분에서의 좀더 좋은 포지셔닝을 하고 총체적 오차를 없애 더 좋은 맵을 만들도록 한다. 좋은 맵은 오프라인 맵매칭을 이용해 GP 위치들을 개선하고, 사이클을 통해 좀더 정확한 포지셔닝과 내비게이션은 물론 사용자들을 위해 좀더 정확한 매핑 인프라스트럭처거 구축된다.

추가 빌트인 포지셔닝-내비게이션 보조

GPS를 충분히 받을 수 있지만, GPS는 포지셔닝에 부정확하면서 중요한 위치지문 수집 방법이다. 실내 GPS 신호는 약하기는 해도 각 장소에 대한 벡터데이터의 일부분으로서 새 포맷으로 저장된다.

예컨대 위성 ID와 신호와 메타데이터들은 수신이 충분치 않을 때는 포지셔닝에는 가치가 없지만 군중 사용자들이 측정해 DB에 저장하는 모든 고유 멀티센서 데이터벡터의 일부분이다.

GPS수신이 충분치 않을 때에도 몇몇 센서들은 포지셔닝을 지원할 수 있다. 셀룰라 수신은 (구글맵을 이용해) 60~300m 정확도를 낸다. 우리의 방식은 가능한 모든 오퍼레이터 범위에 있는 모든 셀타워를 이용하는 것이다. 선택된 오퍼레이터의 특정 셀타워나 가장 강한 것만을 이용하는데 알고리즘을 한정하지 않는다. 또, 작은 장소에 설치되어 몇개의 휴대기기만 취급하는 피코셀과 펨토셀(소형 로컬 셀룰라 안테나)도 셀룰라 위치를 개선하고 고유의 위치지문을 생성한다. 모두 실내 포지셔닝의 개선에 이용된다.

상세 시스템-방법 설명

이하 설명하는 시스템과 방법은 교정과정을 생성하는데 군중을 이용하는 것을 목적으로 한다. 즉, 제시된 어플을 이용하는 사람(또는 군중)이 GPS를 거의/전혀 받지 못하는 장소의 둘레와 내부를 걷거나 운전하면서 교정과정에 기여한다.

도 1~8에서, GP1-5를 각각 10, 20, 30, 40, 50으로 표시하고, 파단선 화살표(11~15)는 GP(10~50) 중의 2개의 연이은 GP들 사이의 경로를 나타낸다. 도 5~8은 나중에 다른 사용자나 같은 사용자가 가로지르는 다른 GP(10')와 경로(12')를 보여준다. 실내공간은 100으로 표시한다.

도 1은 정확한 포지셔닝을 위한 GPS 수신이 없거나 불충분한 실내공간(100)을 보여준다. 본 발명의 시스템과 방법은 위치지문 고유사인의 일부로서 잔류 GPS나 AGPS 수신조차 이용한다. 보행자(사용자)는 어플이 작용하는 휴대기기를 지니고 있다. 이 단계에서는 내부 평면도는 물론 기본지도에 대한 아무런 종래에 데이터도 (시스템 데이터베이스에) 알려져있지 않다. 외부에 있는 동안 사용자는 관성셀룰라(GSM, CMDA, 3G, 기타 표준) 항법에서 사용되는 유효 GPS 수신을 받는다. 이런 수신으로 시스템이 준비되고, 모든 축적된 드리프트 에러가 배제되며, 손실중인 GPS 신호를 향한 우수한 기저선이 생긴다. 걷는 동안 GP가 멀티센서 데이터벡터와 같이 기록되는데, 이런 벡터는 각각의 GP를 위한 고유 위치지문을 생성한다. GP1(10)과 GP2(20)이 기록되고 웹연결을 통해 원격 서버의 그리드 데이터베이스로 보내진다. 입구 GP2(20)를 지난 최종 GPS 업데이트(이하, 픽스(fix)라 한다)에 의해 관성항법을 위한 초기 위치에 대한 양호한 기저선이 깔린다.

도 2는 GP3(30)의 기록을 보여준다. GP3(30)은 새로운 것이고, 이 단계에서(화살표 13을 따른)의 관성항법장치의 정확도에 의거한 절대위치로서 높은 등급으로(작은 원으로) 표시되어, 최종 GPS 픽스(관성항법은 완전히 독립적이어서 단시간 동안 정확하고 실내에서 이용할 수 있다) 이후 몇초내에 셀룰라 삼각측량과 함께 표준 예측알고리즘(예; Kalman Filter, Extended Kalman Filter, Reduced Particle Filter 또는 비슷한 통계적 방법)을 이용해 정확도가 유지된다.

도 3은 실내 입구인 GP2(20)에서의 마지막 정확한 픽스 포인트가 너무 작은 차이와 불확실성으로 축적되기 때문에 성장하는 드리프트(화살표 14로 표시됨)를 보여준다. 이때문에 GP4(40)는 완전히(모든 관련 멀티센서 위치지문) 기록되었다. GP3(30)와 GP4(40) 사이의 시간간격은 1m 내지 5m까지 변하는 인자를 나타낸다. (많은 인접 GP들을 갖는) 고해상 그리드를 생성하면 뒤에 포지셔닝을 더 잘 지원한다. 이 단계에서의 GP4(40)의 등급은 절대위치는 알지만 확실성이 떨어지기 때문에 GP3(30)보다 낮고, 이때문에 GP4(40)를 중간 원으로 표시한다.

도 4는 휴대기기를 소지한 사람이 실내공간 안으로 더 들어가는 것을 보여준다. 전체적인 정확도가 감소되는 비율을 보여주기 위해 선택한 포인트의 수는 일례를 든 것일 뿐임을 알아야 한다. 현대 스마트폰은 관성항법 성능이 더 좋은데, 특히 실내 셀 수신/포지셔닝, 데드 레코닝 앤 맵 매칭 알고리즘의 도움을 받을 때 더 그렇다. 화살표(15)를 따른 드리프트가 높아 큰 원으로 표시되기 때문에 GP5(50)가 비교적 낮은 등급으로 생성되고, 멀티센서 지문데이터 벡터가 (항상 어플이 운용될 때처럼) 기록된다. GP는 일반적으로 군중에게서 모은 데이터와 위치지문의 데이터펙터에 대한 업데이트된 측정치에 의거해 자체 절대 위치에서 현재 개선되고 있다. 어떤 단계에서는 실내에 들어간 첫번째 사용자를 위한 실내 포지셔닝의 정확도를 실내 포지셔닝에서의 사용자 경험을 위해 용인될 정도로 떨어뜨릴 수 있다.

도 5는 뒤에 동일한 실내공간에서 걷는 제2의 다른 사람이나 같은 사람을 보여준다. 이 도면은 사람이 여러 장소들을 드나들면서 그리드의 속도, 업데이트, 견고성 및 정확도에 점차적으로 기여하는 것을 단순화한 것이다. 이 사용자는 (서버측의 데이터베이스에 전체 데이터가 기록되어 있는 다른 GPS 기반 GP 10'에 의거) 나갈때는 다른 경로를 취하지만 들어갈 때는 같은 입구인 GP2(20)로 들어간다. 실내를 걷는 동안 사용자의 기기는 화살표(13) 근처에서나 화살표를 따라 약간의 드리프트를 겪는다. GP3(30) 부근에서 사용자의 휴대기기가 포인트를 기록하고 기존의 GP들에 대해 이 데이터벡터를 실시간으로 비교한다. 사용자는 처음에는 실시간으로 자신의 실내 정확도를 개선하기위해 수집된 GP들에 의존한다. 통계적 방법(주어진 분산함수, 보통 시가에 따른 변화와 다른 휴대기기의 수신 성능은 물론 다른 인자들)을 이용해 픽스가 일어난다(여기서는 다시 편의상 사용자가 아주 비슷한 실내경로를 취한다고 보지만 아닐 경우에도 다른 유효 포인트가 GP3(30) 부근에서 수집되었다고 본다). 이런 픽스는 사용자의 모든 휴대기기의 관성항법의 전체 에러들을 없앤다.

도 6은 첫번째 사용자가 화살표(14)를 따라 갖던 중간 드리프트와는 반대로 화살표(14)에서 작은 에러를 가진채 안쪽으로 더 (화살표(13)과 마찬가지로) 걸어가고 GP4(40)에 비교했을 때 GP4(40)의 등급이 상승하여 중간 원과는 대조적으로 작은 원으로 표시된 것을 보여주는데, 이는 이 포인트의 절대적 위치의 정확도가 더 높기 때문이다. 사용자가 몇초간 멈추어 아무런 걸음도 감시되지 않고 x, y, z 방향의 속도가 최소 임계값보다 낮으면, 더 긴 샘플이 취해지고 (절대적 정확도와는 반대로) 위치지문 측정을 위한 이런 GP 정확도 등급이 상승한다. 통계적 측정을 길게하면 위치지문 벡터데이터의 시간에 따른 변화나 변동에 대해 더 가치있는 데이터가 생긴다. GP마다 (뒤에 설명하는 크기에 의거) 자체 절대적 정확도와 (사용자가 정지했을 때의) 측정길이 등급을 갖는다. 분석에 의하면, 위치지문 샘플링 등급을 최대로 업그레이드하거나 복구하는데 최대 20초가 좋다. 측정이 길면 적시에 일어날 수 있는 소정 액세스 포인트의 값이 없어졌다 재등장하는 것에 알고리즘이 대처하는데 도움이 된다.

도 7은 같은 사람이 편의상 아주 비슷한 경로를 택하여 (첫번째 사용자가 더이상 픽스를 갖지 않아 높은 드리프트를 갖는 것과는 반대로) 화살표(15)의 중간 드리프트로 안으로 더 움직이는 것을 보여준다. 알고리즘은 GP5(50)를 낮은 정확도(큰 원)에서 중간 정확도(중간 원)으로 업그레이드할 수 있다. GP의 크기는 절대적 위치의 관점에서 등급을 강조하도록 선택된다. 작은 것은 정확한 절대위치인 고등급 GP를 나타내고, 중간은 (드리프트가 커서) GP 절대위치에 대한 중간 불확실성을 보여주며, 큰 것은 해당 GP의 절대위치의 관점에서 큰 불확실성과 저등급을 나타낸다. 수집된 데이터는 휴대기기마다 수신강도차가 다른 것에 대비해 휴대기기 종류(일단 등록되면 필요에 따라 자동 갱신됨)를 포함한다.

도 7은 (예컨대 GP4 부근에서의 픽스의 결과로 화살표(15)를 따른 작은 드리프트에 의거해 자신의 휴대기기에 액티브 어플을 깐 다른 사용자들이 동일한 실내측을 감시한 뒤에 더 개선을 하여 GP5(50)가 높은 정밀도를 나타내는 작은 원으로 표시된 것을 보여준다. Wi-Fi 셀룰라 (그리고 다른 멀티센서) 위치지문은 크라우드 소싱된다. 이 과정에 의해 실내 포지셔닝의 정확도를 개선할 수 있다.

도 9~11은 다수의 GP들을 보여준다. 정확도가 높은 GP들은 작은 원의 90으로, 중간 정확도의 GP는 91, 낮은 정확도의 GP는 92로 표시한다. 이런 GP들은 가능한한 다른 사용자에 의해 다른 시간에 수집된다. 다른 층, 엘리베이터, 에스컬레이터, 입출구를 통해 다른 경로로 걸어가면서 각각 다른 기기를 사용하고 각각의 방향마다 시로운 GP를 측정하는 방문자들이 많으면 크라우드소싱 멀티센서 위치기반 지문 지도를 더 정확하게 만들 수 있다.

이 경우, (전술한 얼리어댑터나 매퍼와는 달리 "단골"일 수 있는) 사용자가 아무런 초기 GPS 픽스도 없이 실내에 있는동안 자신의 어플을 시작했고, 화살표(99)는 사용자가 지나간 초기 경로를 보여준다. 최적의 셀 포지셔닝/관성 이동을 이용해 멀티센서 위치지문벡터가 생성되고 (서버에서 관리하지만 휴대기기에 동적으로 로딩되지는 않는) 기존의 위치지문이나 그리드 데이터베이스와 비교한다.

도 10은 사용자가 (자동으로 이루어진) 자신의 실내위치를 픽스하여 보다 정확한 실내 내비게이션을 시작하는 것을 보여준다(98 참조). 실제 내비게이션 솔루션을 생성하려면 자신의 위치를 알아야 한다. 사용자가 다른 GP 부근을 지날 때 가장 가까운 GP에 대한 픽스가 한번 더 자동으로 일어난다. 몇몇 사용자들이 만든 멀티센서 위치지문의 그리드(여기서는 라디오 맵이라고도 함)는 불완전하다. 중간크기와 큰 크기의 GP에서 알 수 있듯이, 이들 GP의 절대위치의 관점에서 이들은 등급이 낮고 불확실성은 크다. 예를 들어 새 액세스 포인트가 추가되거나 셀 타워가 제거되면 이럴 가능성이 크다. 이런 변화가 많지는 않아도, 수집된 멀티센서 데이터 위치지문 때문에 알고리즘이 업데이트된 데이터나 손실 데이터에 의거해 GP의 등급을 낮춘다. 휴대기기를 소지한 개인이 랜덤하게 90도 우회전하면, 알고리즘은 자동으로 중간 GP(91)는 소형으로, 대형 GP(92)는 중간으로 업그레이드한다.

도 11은 절대위치 관점에서 정확도가 낮은 큰 원으로 표시된 GP(92) 부근에서 휴대기기로 멀티센서 위치지문의 업데이트된 그리드를 보여준다. 현재의 실시간 포지셔닝은 보통이고 실내 포지셔닝과 내비게이션을 위한 사용자 경험에도 불충분할 수 있다. 사용자는 실내공간(100)에서 화살표(97) 방향으로 98 지점으로 나간다. 이 지점(93)은 첫 시간동안 측정되지만, 실내공간(100) 밖에 있으므로 GPS 수신을 다시받아 높은 정확도의 GP(93)가 생긴다. 출구를 통해 실내공간(100)을 나갈 수 있다(출구가 넓은지 좁은지 또는 출구가 정확히 이곳에 있는지는 무관하고 알고리즘에 알려져 있지 않다).

도 12는 큰 GP(92)에 대한 역방향 등급 업그레이드(화살표 96)와, GP(93) 부근에 있어 GP(92)의 정확도가 높아지는 것을 보여준다. 이 작업은 보다 정확한 비 GPS 기반의 최종 몇개 실내 섹션들의 추정을 이용하는 알고리즘에 의해 오프라인으로 이루어진다. 예컨대, 자극 N이 업 상태이면, (관성항법에 의거) 사용자가 큰 GP(92)에서 (GPS 수신 갱신 및 픽스 포인트인) 작은 GP(93)까지 317도 방향으로 23m 걸어갔음을 알게된다. 따라서, (이전 실내 픽스로부터의 시간과 전체 정확도에 따라) 최종 실내 포인트의 등급이 중간이나 소형으로 된다. 이전 GP의 등급도 출구로부터 실내공간으로 되돌아 보았을 때 역방향으로 성장하는 드리프트에 의거 비슷하게 업그레이드된다. 이런 식으로 (실시간으로 순방향과 오프라인으로 역방향과 순방향으로) 각각의 고유 GP 등급이 업그레이드되고 모든 현재와 미래 사용자를 위해 그리드가 개선된다. 이런 개선은 최종 사용자나 임의의 사용자의 방향이나 경로에 한정되지 않는데, 이는 인접 GP들 사이의 오프셋을 알고있기 때문이다). 일단 어떤 GP가 절대위치 관점에서 업그레이드되면, 절대위치의 부정확도를 줄여 인접 GP도 업그레이드할 수 있다. 고유 실내 포인트의 예로는 엘리베이터, 에스컬레이터, 계단, 갑작스런 CPS 수신 실내나 사용자에 의한 수동 마크가 있지만, 이에 한정되는 것도 아니다. 마크는 사용자가 유저 인터페이스를 통해 새로운 포인트, 예컨대 화장실이나 사업장 위치 등을 추가하는 것을 의미한다. 알고리즘은 사용자가 서있는 곳이나, 자동차를 출발시키거나, 엘리베이터에 들어가거나, 출구나 계단에 접근하게 되면 사용자가 이를 알려주도록 설계된다.

이 방법은 군중수집 위치지문을 이용한다. 이런 시스템과 방법은 실제/부근 기지국(셀룰라 타워나 Wi-Fi 액세스 포인트, 블루투스 라우터 등) 절대위치, 정확한 평면도 아키텍처, 물리적 전파 등의 데이터베이스를 구축하는 것이 아니라, 각각의 GP에 대한 다수의 센서들을 위한 광범위한 데이터벡터들을 기록하는 것을 목적으로 한다. 이 방법에 의하면 관심있는 방이나 상점이나 지점을 찾기에 충분한 실내 정확도가 개선된다.

기지국 절대위치나 정확한 평면도 아키텍처에 대한 대량의 정보를 미리 수집하는 것과 같은 모델링이나 시뮬레이션 방식의 주요 장점은 복잡한 실내공간에서의 물리적 전파 모델의 불완전 적용에 있다. 또, 다중경로와 같은 복잡한 물리적 영향은 신호강도의 시뮬레이션을 어렵게 한다. 이렇게 되면 실내 포지셔닝의 정확도가 20m 이상을 불충분해진다. (기본 맵이나 평면도와는 달리) 실내 벽체, 모서리, 3D 아키텍처, 재료등의 아주 상세한 모델이 좀더 덜 현실적이 되어야 한다.

이상 설명한 방법과 시스템의 지속적인 "사회적" 사용과 일정량의 휴대기기에 대한 적용은 살아있는 현대식 멀티센서 위치지문 기반이나 GP 데이터베이스를 만들기 위한 측량을 필요로 한다.

(라디오 맵이나 교정 그리드라 하는) 그리드는 관심 실내공간까지 (바이러스처럼) 점점 더 확장한다. 이런 그리드는 풀 3D 실내 내비게이션 경험을 지원하는 실내 포지셔닝을 지속적으로 개선한다.

수집된 경로는 관심 실내공간의 3D 지도를 만드는데 사용된다. 모든 사용자들을 위해 정확한 3D 지도가 발간될 것이고, 매일마다 점점 더 많은 실내공간들이 데이터베이스를 풍성하게 할 것이다.

이 모든 것이 이전 데이터나 추가 하드웨어나 초기 교정 없이 이루어질 수 있다. 또, 업데이트된 지도나 액세스 포인트나 정확한 3D 위치나 다른 관계자와의 협의를 위한 지루한 협상과 같은 복잡한 비즈니스 모델도 불필요하다. 또한, 특별하거나 일반적인 빌딩이나 실내공간의 매핑을 전세계적으로 신속하고 효과적으로 지원할 수 있다.

도 13은 사용자들이 시간을 들여 실제로 만든 가능한 많은 경로(110)의 기록을 보여준다. 이 시스템은 위치지문을 지속적으로 (연장된 배터리 수명, 모바일 기반 클라이언트 서버 병목, 추가설치 디자인 및 시스템 아키텍처 기준에 맞게 최적화된) 시간마다 기록해 웹으로 보내고 장래를 위해 저장한다. 실시간으로 멀티센서 위치 고유 데이터벡터를 현재의 인접 GP(90)에 일치시켜, 가능한 최대의 정확도로 실내 포지셔닝을 한다. 이 시스템은 사용자 경로 전체나 일부를 데이터베이스에 익명으로 기록하고 저장하기도 한다. 충분한 신뢰성을 갖는 GP(90)에 의거한 많은 실제 경로들의 통합 뷰는 그 자체로 훌륭한 인프라스트럭처이자 여러가지로 강력하게 적용할 수 있다. (아무런 포지셔닝 솔루션 없이 내비게이션을 위한 실내공간의 매핑 주도권을 갖는) 구글맵이나 MS Bing Mall Map에 기록된 모든 경로들의 간단한 레이어조차도 골격지도 발간을 위한 자동/반자동 툴의 이용을 가능케한다. 에스컬레이터를 타면서 생기는 층변화를 확인하기 위한 고도를 고려하면 이런 지도를 3차원으로 만들 수 있다. 계단이 가까워지는 방향은 인접 층으로 올라가거나 내려가라는 바이탈 단서를 제공한다. 속도가 알려진 엘리베이터에서의 시간도 층 확인에 기여할 수 있다.

도 14는 통합된 실제 경로맵을 끊기지 않고 둘러싸는 (담장이나 울타리와 같은) 선형 라인을 보여준다. (방문자, 피고용인, 주인, 학생 등의) 사용자는 휴대기기 인터페이스를 통해 (방, 계단, 복도, 게이트, 수하물 찾는곳, 출국심사장, 주차장 입구 등의) 사업장(120)을 표시하고 실내외의 특정 장소의 사진을 업로드할 수 있다. 이때 관심 장소를 위한 실내 디자인 셀프툴(shelf tools)을 이용할 수 있다. 알고리즘이 고유 Wi-Fi 명칭(예; "Gap Free Access")를 찾고, 이 장소에 대한 기존의 데이터베이스로 범위 안에 있다는 "+" 표시를 할 수도 있다. 지도작성을 단순화하기 위해 모든 층은 평평하고 복도 벽은 직선이라고 가정할 수 있다. GPS 수신상태가 양호한 동안 사람들이 걷거나 운전하고 있는 지역을 확인하는 자동 알고리즘이 오픈된 주차장과 같은 부분들에 표시를 하여 실내공간의 운곽선의 정확도와 형태에 기여할 수도 있다. 또, 구글 거리뷰와 같은 어플에 의거해, (실내 매핑의 강자인) 구글맵 6.0과 구글어스 실내 입출구를 확인하고 고유 포인트를 찾아 이 포인트 둘레에 대한 더 자세한 맵을 만들 수도 있다. 만들어진 맵은 기저선으로서 인접 층들에 대해 복제되고, 물론 커뮤니티 멤버나 백오피스 업데이트와 에디션에도 복제할 수 있다. 맵 생성은 복도에 한정되지 않고 Scars, Macy's, Nordstrom, Wal-Mart 등의 대형매장의 내부지도도 만들 수 있는데, 물론 이를 위해 매장의 협조도 불필요하다.

도 15는 백오피스 유저나 프리미언 유저를 위한 실시간 분석이나 사후 분석을 보여준다. 사용자에게 가치가 있는 커뮤니티에 관한 정보, 팁, 쿠폰, 데이터 등과 다른 모든 위치기반 정보들이 공유된다. 많은 어플들이 생성된 인프라스트럭처를 기반으로 할 수 있다. 얼굴(130)은 사용자가 찾고자하는 친구나 가족들의 실시간 위치를 표시한다. (사용자의 페이스북이나 UI를 통한 계정에서 얻은) 친구의 개인정보 설정으로부터 이런 얼굴들이 AR(augmented reality) 인터페이스를 통해 스크린에 나타난다.

도 16은 강력한 비즈니스 인텔리전스 컨슈머 거동-분석 툴을 보여준다. 지금 어디나 무엇이 뜨거운가?, 지금 어디 근처를 지나고 있는가를 추가하는 실시간 열지도가 표시된다. 다른 전문가에 의한 소급적 분석을 위한 극한값일 수도 있다. 층(120)의 지도는 시간당 이 층의 다른 장소들을 통과하는 교통량을 표시하는 (예컨대 다른 색깔의) 아이템(140)으로 강조될 수 있다. 또, 다른 분석으로 모두 사용자의 개인관심사에 속하는 실내공간을 따른 사용자의 통상적인 경로가 밝혀지기도 한다.

이상 설명한 시스템과 방법은 실외로부터 기차역이나 호텔이나 박물관의 실내 깊이를 향해 GP를 완화시키도록 크라우드소싱 현상을 감안하여 실내공간에 관한 아무런 데이터 없이 시작하면서도, (데이터베이스에는 아직 없는) 새로운 빌딩의 처음 입구에서의 포지셔닝 정확도(10~20 m)의 관점에서 가능한 사용자 경험을 특징으로 하여 인프라스트럭처를 개발하고 개선한다. 이것은 (하드웨어 추가 없이) 전례없는 5~7 m의 정확도(룸 레벨 정확도)를 지원하거나, (일단 임계량의 GP들이 실내공간을 감시하는 사용자에 의해 수집되었으면) 추후의 실내 포지셔닝이나 실내 내비게이션에 더 좋을 수 있다.

생성된 인프라스트럭처는 다수의 아주 매력적인 상업적, 지역상업, 로열티, 고객만족도, 고객서비스 및 사회적 적용을 위한 베이스 역할을 한다. 실제 판매소나 통로나 선반이나 제품 부근에서 판매하는 쿠폰과 쇼핑객을 기반으로 소매도 할 수 있다. 상점이나 상품의 조사가 스폰서된 링크 체계를 통해 수입을 일으킬 수도 있다. 이렇게 생긴 데이터베이스를 IPS(indoor positioning system)이라 하거나, 실내 GPS가 사유화되어 SDK(software development kit)나 API로서 제3자에게 판매할 수 있다.

도 17은 사용자(151)가 가장 가까운 활동 ATM(155)에서 현금을 인출하기 위한 경로(153; 고장난 ATM은 비활성화됨), (데이터베이스를 통해 열려있는 상점에서) 무언가를 구입하는 경로(1520, 실내 주차장에 돌아가 차를 운전해 나오는 경로(153)를 보여주는 개략도이다. 실내 포지셔닝의 정확도를 높이는 휴대지갑을 쿨어플(cool applications)이 합칠 수 있다. 다른 어플로 고객서비스와 전체적인 구매경험을 높일 수 있다. 일례로 (판매대행자가 활동 사용자이고 그의 웹기반 휴대기기에서 전술한 어플들이 운용된다고 할 때) 선반 앞에 있으면서 도와줄 참가자를 모집할 수 있다.

도 18은 사용자(15)의 보고가 화재(122), (소방서에서 제3자 어플에 미리 표시할 수 있는) 소방기와 물호스(123)와 비상구, 및 엘리베이터(121)가 표시되거나 깜박이는 재난 관련 시나리오를 보여준다. 비슷한 방법으로 방문객들을 호텔이나 박물관 밖으로 안내하거나, 긴급 환자구호를 위해 공항 게이트로 안내하는 것도 가능하다. 이런 어플은 최적의 탈출경로(150)를 제공한다.

특이 인도어 포인트와 신속 GP 전개에 대한 기여

특이점들은 양호한 픽스 포인트로 사용될 수 있는 좁은 장소이다. 사용자가 길거리로 나가서 GPS 픽스를 받았음을 알고리즘이 확인하면, 사용자의 최종 관성기반 수집된 GP들이 높은 등급을 받는다. 그 이유는, 사용자가 어디있는지 정확히 알기도 하지만 (GP 전개와 최종 픽스이래의 시간에 따라) 지난 10~60초 동안의 정확한 3D 움직임도 알고있기 때문이다. 따라서, 역순으로 되돌아갈 수 있고, 사용자가 수집한 최종 GP에 대한 등급을 (절대 실내위치 관점에서) 높일 수 있다. 엘리베이터에 들어가거나, 에스컬레이터에 타거나 계단을 내려갈 때도 마찬가지다.

이제 GP를 더 빨리 전개하는 방법에 대해 설명한다. (최종 GPS 신호를 나타내는) 입구만 가능한 것이 아니다. 많은 실내 장소들에서 수집된 GP의 등급을 높일 수 있다. 큰 창문 부근의 장소로 전진하면서 갑자기 GPS 수신 실내를 받는 것을 실시간으로 할 수 있다.

(창문 옆에 서있다 GPS 수신을 받아 아주 정확한 픽스를 하는 개인에 의해) 최종 수집된 GP들이 (최종 업데이트 이래 너무 오랜 시간이 지나 부정확하기 때문에) 방금 받은 하위등급보다 더 중요하지만 GPS 픽스로 업그레이드 되었음을 알고리즘이 확인했을 때는 오프라인으로 작업할 수도 있다.

필요한 정확도

5~7 m 또는 그 이상의 인도어 포지셔닝은 양호한 인도어 포지셔닝 경험에 충분하다. 10~20 m는 내비게이션을 잘못해 짜증을 유발할 수 있고, 화장실, 방, 상점, 출구, ATM, 호텔룸, 주차장 등을 찾는데는 cm 단위의 정확도가 불필요하다.

인도어 포지셔닝 개선을 위한 다이나믹 기지국 레버리징

멀티센서 위치지문의 활발한 수집에 광범위한 종래와 장래의 센서 다이나믹 네트웍이 관련된다. 블루트수 기기와 Wi-Fi 핫스팟이 많은 휴대형 스마트폰에 존재한다. 수집된 데이터벡터의 일부는 기본적으로 모바일 네트웍에 할당된다.

자동차에서의 LAN 통신을 포함한 무선통신 기지국의 공급이 확대되고 있다. 몇개국에서는 기차와 버스도 이미 Wi-Fi 액세스포인트들을 갖추고 있다. 이런 다이나믹 인풋들은 (주차나 랩탑을 갖고 앉거나 서있는 동안의) 잠깐 동안은 정지상태이고 인도어 포지셔닝에 대한 정확도를 개선한다.

이런 시스템과 방법은 일시적인 다이나믹 Wi-Fi, 블루투스 및 부상하는 기지국 기술을 이용해 위치지문과 인도어 포지셔닝을 개선한다.

사용자가 무선통신 범위내에서 다른 사용자와 같은 층에 있을 경우, (거리당 신호감소를 계산하는 함수와 같은) 개방공간 전파모델을 취해 삼각측량법으로 포지셔닝을 개선할 수 있다. 주어진 평면도에 의거해 개방공간을 취할 수 있다. 어떤 사용자들이 (안테나 강도와 같은 하드웨어 차이를 고려해) 강력한 위치지문 벡터들을 직접 비교해 바로 근처에 있음을 알 수 있는데, 이는 이 사용자들이 어디에 있는지 정확히 알 필요는 없어도 이들이 가까이 있거나, 정지해 있거나 함께 움직이는지는 정확히 알고있기 때문이다. 이런 공동이동이나 일시적 집합은 이벤트, 데이트, 비즈니스 상황, 쇼핑 선호도 등에 관련된 많은 어플에는 제 역할을 한다.

예컨대 한 사람이 공평한 PGS 수신을 하면서 쇼핑몰 밖에 서있고 다른 사용자는 커피숍 안에 앉아있다면, 이들은 모두 양쪽으로부터의 수신범위내에 있는 제3 사용자의 위치 정확도에 실시간으로 기여할 수 있다. 이런 개선은 애드혹(ad-hoc) 케이스에 가장 이득이 되지만, 많은 사용자들이 실내에 있기 때문에 위치에 기여할 수 있고 GP 샘플링의 구조과정과 유효화를 고정할 수 있다. (평면도로부터) 커피숍에(실내에) 있는 사람으로부터 (실내이기는 해도 보통의 포지셔닝 솔루션을 갖는) 제3 사용자까지 그리고 (GPS 수신을 하고 우수한 포지셔닝을 갖는) 실외의 사람과 제3 사용자 사이에 개방공간이 있음을 알고있으면, 제3 사용자의 포지셔닝을 크게 개선할 수 있다.

시스템 아키텍처 고려

이런 시스템과 방법은 클라이언트 서버 분산 아키텍처로 디자인된다. GP의 데이터베이스와 맵은 서버에 저장된다. 서버측은 전술한 알고리즘과 몇몇 COTS 맵편집 툴을 수반한다. GP 데이터베이스의 동적인 소집합이 자동으로 사용자 기기에 실시간으로 보내지므로, 관련 사용자 근접성을 분석하여 지역적으로 기기에서 비교한다.

모바일 기기의 UI, 하드웨어, 계산/그래픽 용량과 제한사항도 전체적인 반응성능과 사용자 경험과 전반적인 성능의 최적화에 고려된다.

주요 고려사항은 배터리 수명과 메모리 용량과 CPU 병목현상과, 필요한 데이터를 휴대기기에 업로드/다운로드하도록 하는 대역폭 관리를 확보하기 위한 파워 관리이다.

백업모드

포지셔닝 정확도가 임계값 밑으로 떨어지면, 백업모드가 시작한다. 어플이 현재 위치를 요구하고 필요한 목적지까지의 가장 빠르고 짧은 경로를 찾아 내비게이션에 도움을 준다. 이것은 정확도에 의거 자동으로 결정되고 사용자가 쇼핑몰이나 공항 등에서 처럼 부근의 광고판이나 상점명에서 쉽게 자신의 장소를 알 수 있다.

인터넷 연결이 주기적으로 끊어질 경우, 포지셔닝과 내비게이션을 다음과 같이 할 수 있다. 현재 움직이는 방향으로 (또는 뒤로) 좀더 많은 포인트를 갖는 휴대기기에 인접 GP들을 미리 로드하면, 현재 측정된 멀티센서 데이터를 부근의 포인트들과 비교하여 인터넷 연결이 끊어져도 국지화를 할 수 있다.

또, GP 생성이나 재측정을 위해 기기의 버퍼가 센서 데이터 기록을 갖고있을 수도 있다. 웹에 재연결된 동안 이 데이터는 버퍼에서 서버의 데이터베이스로 보내진다.

추가 하드웨어 불필요

이 방법과 시스템은 추가 하드웨어나 소프트웨어가 불필요하다. 인도어 포지셔닝이나 내비게이션을 위해 하드웨어를 추가하는 것은 큰 단점이 된다.

추가 요소(예; 기기에 대한 고유 칩, 특수 개조, 추가 송신기, 라우터, WAP, 수신기, 센서, 적외선 발광기와 같은 약간의 변경이나 내부설치물, RFID 센서 등)를 상당한 실내공간에 적용해도 생산비, 설치비, 유지관리비 등이 크게 증가한다. 신형 고성능 스마트폰의 전파율은 느리고 추가 하드웨어에 의한 인도어 포지셔닝 솔루션으로도 적용이 느려진다는 것을 알고 있다.

공공 포지셔닝과 내비게이션을 위한 모든 장소가 위치지문을 하기에 충분한 상업적 가치를 갖는 것도 아니다.

필수요소

내비게이션을 위한 이상의 정확도와 효과적인 라우팅을 가능케하는 포지셔닝에 대한 최소한의 요구로서 인도어 내비게이션 시스템은 DB와 UI를 가져야 한다.

유저 인터페이스

핵심 인자는 사용자 경험이다. 가벼운 3D/2D 인터페이스가 적당하다. 해상도는 밤이나 낮 동안의 주변광에 대한 자동조절을 제어한다. 목적지를 데이터베이스에서 쉽게 선택할 수 있다. 불활실 원으로 현재 위치를 선명하게 마킹하면 실내공간 맵에 경고음이 울린다. 디스플레이 필터는 카테고리(예; 음식, 신발, 패션 등)별로 관심 장소를 보여준다.

화장실, 계단, 에스컬레이터, 엘리베이터, 입출구, 비상구와 같은 특히 장소들은 선명하게 표시된다. 특이한 실내 포인트들을 위한 특수한 알고리즘 사용을 특이 인도어 포인트라 한다.

처음 사용과 얼리어댑터 인센티브 원칙

충분한 인프라스트럭처(멀티센서 위치지문)를 갖기 전에 사용자들로 하여금 어플을 다운받아 사용케하는 것은 도전과제이다. 이런 상황에서, 교통량과 관심도가 높은 장소들은 수동으로 매핑된다. 매핑과정은 스케치/디자인 툴을 이용해 신속하고 간단하다. 상점이나 방은 노드(그래프의 교차점)로 표시되고, (실내공간과 상점 양쪽의) 복도나 출구나 입구도 표시된다.

또, 셀룰라 기반 내비게이션과 통합된 픽스 포인트로 관성항법 접근을 촉진하면 교정을 시작하기 전에도 포지셔닝을 20m 이내로 더 좋게할 수 있다. (보다 좋은 알고리즘이나 개선된 하드웨어에 의거한) 정확도의 관점에서 경쟁력있는 떠오르는 솔루션처럼, 이상 설명한 솔루션도 더 좋아진다. 크라우드 소싱 멀티센서 정밀 위치지문 그리드가 조용하면서도 점차적으로 퍼지고 있다.

얼리어댑터들이 어플을 다운받아 설치하도록 격려하는 방식에 마일리지가 있다. 가상의 상품이나 페이팔 지불을 할 수 있고, 장래의 사용을 위해 관심 실내공간을 매핑하는데 가장 많이 사용한 사람들에게 배지를 수여할 수 있다.

비즈니스 마크를 업데이트하거나 다른 포인트를 마크하거나, 알고리즘에 의해 필요에 따라 자동으로 뜨는 팝업창에 반응하거나, 특수한 패턴의 인도어를 하거나(예; 입구에서 가장 가까운 출구나 엘리베이터와 같은 특이 포인트에 가는 것이 그리드 전개를 촉진함), 인도어 픽처를 업로드하는 사람에게 비슷한 인센티브를 줄 수도 있다.

사용자에 가까운 사람을 위해 어떤 비즈니스에 피드백을 할 수도 있고, 이것이 비즈니스 가까이에 있는 사람에게 제한될 수도 있는데, 이는 불공평한 상업적 편견이나 스팸을 제한하기 위해서이다.

다른 인센티브로는 멤버들 사이에 팁이나 다른 정보를 공유하는 하위 공동체나 그룹이 있을 수 있다.

이상 설명한 시스템과 방법의 확장성이 가장 큰 장점이다. 현재의 휴대기기와 인프라스트럭처에서 바로 시작할 수 있다. 실내 영역에 추가되는 칩, 센서, 기지국, 송신방법 등이 많을 수록 휴대기기가 이 방법은 물론 다른 모든 방법들에도 장점이 된다.

또, 더 많은 사용자가 인도어 포지셔닝과 내비게이션으로서 채택할수록, 그리드가 더 빨리 퍼진다.

축적된 GP가 재산이기 때문에 2단계 프로그램처럼 작용한다. 로열 유저는 어쨌든 하드웨어 추가 없이도 큰 개선을 볼 것이다. 주변 영역의 보통 빌딩들을 감시하면, 그리드가 만드어지고 포지셔닝 정확도도 다음 레벨로 이동한다.

또, 맹인이나 다른 장애인도 빠르고 안전하게 접근할 수 있도록 하는 점에서 공공에도 큰 이익이 된다. 이렇게 되면 사용자들을 추가로 더 유인할 수 있다.

고전적인 사용례

사용자가 관심 실내구역에서 몇마일 떨어진 실외까지 운전하면서 어플을 시작하는 것오 바람직한 모드의 하나이다. 현재의 실외 GPS 기반 어플로 작업하는 아주 변동적인 특징의 하나는 해당 주소까지 정시에 도착하는 것이지만 (많은 경우) 주차장을 찾아 특정 방이나 가게나 수하물 수령대나 게이트 등으로 가는 길을 찾는데 시간이 더 걸린다.

(인도어 포지셔닝과 내비게이션을 가능케하는 기기의 멀티센서 데이터와 함께 가능한 많은 RF를 사용하는) 이런 총체적인 포지셔닝 방식으로 이런 문제점들을 극복할 수 있다. (멀티센서 위치지문으로 설명된 시스템과 방법을 통해 어떻게든 샘플될 수 있는 정도로) 실내주차가 매핑되면서, 이 시스템을 이용해 실내 포지셔닝과 내비게이션을 할 수 있다.

(쇼핑을 끝내고 시속 10km 이상의 속도로 출발하거나 충전기를 연결할 경우) 주차장을 이제 막 떠나는 공동체 멤버(어플 사용자)가 주차장을 찾는 사람에게 자동으로 푸시통지(push notification)를 할 수 있다.

사용자는 고속도로 광고판의 바코드를 스캔하여 쇼핑몰에 주차를 한 다음 상점 내부까지 걸어가도록 할 수 있다. 사용자가 자기 차까지 걸어가는데 걸릴 정확한 실시간 추정시간을 기초로 다음 스케줄에 늦을 것 같을 때는 통지를 받을 수도 있다(이때 사용할 수 없는 엘리베이터는 최적의 계획 경로에서 배제되고 화장실에 들르는 것은 포함될 수 있고, 지하주차장의 교통상황도 고려할 수 있다).

일반적으로 GP가 경계밖으로부터 자동으로 수립되거나 추가되기 때문에, 모든 사용자를 위한 인도어 포지셔닝이 좀더 정확해지고 5~7 m 보다 더 좋은 정확도로 히트한다. 이런 정확도는 위치지문 방법(Wi-Fi, Cell)으로 이루어진다.

이런 포지셔닝은 전례없는 인도어 내비게이션 경험을 일으킨다. 미래의 가속도계와 자이로스코프조차, 하드웨어가 추가되지 않거나 정기적인 교정이 이루어지지 않으면 이런 정도의 정확도를 얻을 수 없다. 이런 포지셔닝은 실시간으로 정확한 도보경로를 기록하기도 한다. 이런 특징 때문에 다른 사용자들 사이에서도 고객의 거동을 훌륭하게 분석할 수 있다.

비즈니스 모델

실내공간을 감시하는 동안 어플이 온라인으로 유지되고 웹에 연결된다. 이런 연결은 측정된 GP들과 서버에서의 기기의 실제 경로들의 수집을 지원하는 표준이다(Wi-Fi, WAP, Cellular 인터넷 등). 이 데이터는 프라이버시 문제와 가능한 사용자 관심을 피하기 이해 익명으로 전송된다. 어플을 (무료라 유료로) 다운받은 등록된 사용자는 등록할 때 기본 개인정보를 입력한다.

어떤 흥미있는 어플은 스폰서만 있다면 지역광고를 리스트의 상위에 디스플레이할 수 있다. 예컨대 사용자가 레스토랑을 찾고있다면, 처음 2개 결과는 부근에서 스폰서를 받은 것일 것이고 그 뒤의 결과만이 현재 위치에서 떨어진 것일 것이다. 전술한 바와 같은 비즈니스와 분석정보와 비즈니스 정보의 검색 외에도, 실내 사용자 공동체는 위치기반 모바일 광고의 청취자이다. 또, 사용되는 IPS도 점차적으로 제3자를 위한 SDK나 API나 라이브러리로서 상용화될 수 있다.

유망한 어플

관심 실내공간에 관해 업데이트된 정확한 3D 맵은 가치가 높다. 현실성을 강화한 3D 내비게이션은 당신의 친구와 가족과 재난 컨트롤(비상시 호텔 탈출을 안내하는 패닉 버튼), 레저와 쇼핑과 게이트 접근 사이의 개선된 공항시간관리, 자동화된 주차장 마크를 찾아주고, 쇼핑몰에서의 최적의 동선과 쿠폰과 다른 모든 지역의 상업적/광고적 주도권을 찾아줌은 물론 포스퀘어(foursquare)와 같은 어플을 위한 정확하고 자동화된 체크인 체크아웃 서비스를 정확히 찾아준다.

선도적인 실내 마이크로 포지셔닝 시스템과 방법으로서 페이스북과 트위터에도 연결할 수 있다. 증강현실에 따라, 같은 상점을 동시에 찾고있는 2명의 다른 사용자들이 각각 다른 광고를 받을 수 있다.

3D 맵의 고정식 인프라스트럭처에 의거한 유용한 마이크로-로케이션(인도어 내비게이션의 공통 닉네임임) 어플들의 예는 몇개 없다.

또, 실시간 교통으로 기존의 맵을 3D로 만들기도 한다(이를 히트맵이라 함). 다소간 붐비는 지역들의 실시간 관찰, 이제 무슨일이야, 어떤 장소를 덜 찾지?, 왜? 등이 많이 사용된다. 렌탈비용을 검색하거나 포기된 지역에 대한 실제 교통을 개선하고자 할 때 큰 영향을 줄 수 있다.

일상생활을 편안하게 하고 장애인을 돕는 많은 어플들은 적절한 화장실, 레스토랑, 회피할 계단 등을 찾는 최적경로 계획에 의존한다.

다른 카테고리는, 제때 차를 찾고 무료주차장이나 무료 커피나 나쁜 경험과 같은 사회적 요소들을 고속도로에서 제때에 벗어날 시간과 같은 최적 시간관리를 취급한다.

실내 비즈니스 소유자들이 쇼핑몰 맵에 자신의 비즈니스를 추가하고 학생들이 캠퍼스맵에 실험실이나 강의실을 표시할 수 있도록 하는 기본 맵편집툴도 이용할 수 있다. 흡수된 맵 업데이트와 이들을 데이터베이스에 공급하는 것 사이에 반자동 필터가 이용된다.

걷거나 운전하면서 기기를 소지한 온라인 사용자들이 아이콘을 표시하는 것도 지원된다. 보행자 공동체 멤버들 사이에서 인스턴트 메시지를 하는 것도 가능하다. 20m 이내의 친구가 아닌 활동 사용자들에게는 마커를 생략하여 이름이나 닉네임이 프라이버시 문제를 일으킬 수 있는 실제 제3자에게 연결되지 않도록 하여, 프라이버시를 보장하도록 한다.

공동체 멤버들은 온라인, 고장난 ATM, 잠긴 화장실, 비어있는 주차장, 판촉 등을 공유할 수 있다.

자동 층검색

공동 실외 무대와는 반대로 실내공간을 감시하는데 있어서 높이는 아주 중요하다. 모든 우수한 내비게이션 알고리즘은 층수에 의존한다. (내가 어느 층에 있는 지 알고) 스스로 찾는 것이 가장 쉽지만, 자동 층식별은 몇몇 어플에서 기본이 된다. 이에 대해서는 어플 섹션을 참조한다.

실내공간에서 층과 지붕은 위치지문맵의 관점에서 분명한 특성을 갖는다. 층을 바꾸는 동안에는 Wi-Fi 신호가 크게 감소된다.

(Z축) 관성센서와 함께, (1층당 3~20m의 층변화를 결정하는데 있어 민감도와 해상도가 선명하지는 않지만 현재 가장 많이 지원되고 있으며, 2012년부터 몇몇 스마트폰에 적재된 센서인) 스텝 센싱이나 기압도 이용할 수 있다.

실내 GPS 신호의 이용이 (비록 포지셔닝에는 약하기는 해도) 매 GP마다 위치지문 데이터벡터의 일부분으로 기록되면서도, 고층과 저층의 차이를 실시간으로 결정하는데에도 이용된다. 이것은 충분한 위치지문이 수집/분석되는 동안 그리고 지하실과 중간층과 지붕 근처의 통계적 차이의 식별에 의해 대표 GPS 수신을 하는 동안 이루어진다.

배치된 사용자의 (실내외) 동조성이 어플을 위해 분석된다.

여러 사용자들의 동조성을 분석하면 위치기반 개인 광고를 다른 레벨로 이끌 수 있다. 예를 들어, 3명의 움직이는 사용자들이 15m 이내에 있으면서 (본 발명의 시스템과 방법에 의한 공통체나 페이스북에서) '친구' 관계이고 점심시간 무렵이라면 동료들과 함께 레스토랑을 찾는데 힌트를 줄 수 있다.

(프로필에서 알려진) 생일날 저녁시간에 '여자친구'인 사용자와 같이 움직이는 사용자는 좀더 로맨틱한 장소를 위해 쿠폰을 푸시할 수 있다. 낮시간이고 사용자가 와이프의 생일 하루 전에 걷고있는 중이면, 쿠폰에 관련된 선물상점과 여행사가 팝업될 수 있다.

푸시 메시지는 데이터베이스를 구축하는데 사용자의 도움을 요청하는데 사용된다. (예컨대 북쪽이나 남쪽과 같은) x, y 방향의 움직임이 임계값 밑에 있고 z 방향(상승)이 증가되고 GSM 신호가 감소하는 동안 아무런 걸음이 감지되지 않은 것이 확인되면, "엘리베이터를 타고있나"라는 메시지가 나타난다. 이런 방식은 강압적이고 짜증나는 방식으로 이루어지면 안되고 규정대로 분명하게 통제되어야 한다.

서브미터 인도어 포지셔닝 정확도의 추가 개선

알고리즘의 개선은 결국 벽, 모서리, 장애물의 예측에 있다. 대량 수집된 GP들을 오프라인 분석에 의하면, 위치지문맵에서 인접 GP들에 대한 Wi-Fi 신호강도의 갑작스런 변화나 불일치는 신호의 생략을 지적하고, 평면도 맵 생성을 위한 전술한 알고리즘과 함께 물리적인 벽, 모서리, 바닥, 창문 등의 모델링ㅇ르 개선할 수 있다.

액세스 포인트 위치, 송전, 방해물의 모델링에 의거한 다른 포지셔닝 방식과 서브미터 정확도의 인도어 포지셔닝과 내비개이션을 위해 그리드를 보완할 수 있는 전파 모델을 구현하는데 있어 기초를 놓을 수 있다.

이상 설명한 시스템과 방법은 인도어 마이크로 포지셔닝을 향한 '총체적' 방식을 처리한다. 즉, 휴대기기에 내장된 기존은 물론 미래의 모든 센서들을 통합하여 하드웨어 추가 없이 인도어 포지셔닝을 가능케 한다.

이 방법은 인도어 포지셔닝과 내비게이션에 한정되지 않고 GPS 수신이 제한되거나 약한 모든 경우(예; 번잡한 거리, 중심 비즈니스 구역, 거리마켓, 주차장, 지하 등)에도 나쁜 날씨나 많은 구름이나 GPS 시스템의 고장으로 인해 GPS가 작동하지 않을 실외에도 적용할 수 있다.

현재와 가까운 미래의 휴대기기와 스마트폰은 수미터 내지 수십미터의 업데이트를 위한 픽스 포인트만 주어지만 관성항법에 의존할 수 있다. 이런 업데이트들은 기기에 통합될 수 있고, 장기간의 인도어 내비게이션을 위한 정확도를 지원한다.

전술한 바와 같이, Wi-Fi AP(액세스 포인트)나 셀타워 ID나 AP마다의 신호수신강도에 주로 의존하는 크라우드소싱 위치지문 인프라스트럭쳐는 유용한 픽스 포인트 역할을 한다.

휴대기기는 (블루투스, WLAN, GSM, GPS, FM 라디오, 초광대역 인프라스트럭처를 포함한) 모든 수신 소스로부터의 신호강도를 측정하고, 그 판독값과 인접 포인트의 어레이 사이의 실시간 매칭을 실행한다.

이런 매칭에 의해, 기존 알고리즘(Kalman Filter, Reduced Particles Filter, wKNN 등)이 기기의 실제위치가 GP 자체나 충분히 가까이 있을 확률을 계산한다. 이런 방법은 Wi-Fi 포지셔닝으로부터의 연속적이거나 잡음이 있거나 변동하는 측정값들에 의거해 위치를 추정하는데 사용되고 관성항법 센서를 형성한다.

임계범위내에 있고 픽스가 실행되면, 포인트를 공급하여 전체 내비게이션 솔루션에 대한 절대 좌표들을 미리 측정한다. 이렇게 모인 관성항법 위치 드리프트들이 제거되고 전체 포지셔닝 솔루션이 임계치 밑으로 다시 당겨진다. 이에 대해서는 시스템 아키텍처와 디자인을 참조한다.

전술한 바와 같이, 모든 관심 실내장소들(쇼핑몰, 공항, 호텔, 박물관, 병원, 정부건물, 고층 오피스빌딩, 주차장 등)에 대한 라디오맵을 준비하는 것은 리소스를 소비하는 일이다. 이런 일은 아마도 비용과 복잡성 면에서 구글스트릿 프로젝트 정도일 것이다.

이 일에는 고급 측정기기와 고가의 장비를 수년간 실내의 모든 포인트들에 설치하고 수천명을 고용해야 할 것이다. 전술한대로, 이런 위치지문 맵은 시간이 지나면 상당히 변할 수 있으므로, 지속적인 업데이트가 필요하다.

제시된 방법과 시스템은 위치지문 맵(라디오맵 이라고도 함)의 자원소모과정을 용이하게 하고 단순화하며 가속한다. 휴대기기를 소지한 보행자와 운전자의 사회적 파워와 효율이 다른 영역에는 사용되고 있지만 이런 임무에는 아직 이용되지 않고있다.

휴대기기를 소지한 많은 사람들이 교정 맵을 만드는 점진적인 과정에 기여할 수 있다. 실외에 있는 동안 GPS 수신을 하면서 관성항법 시스템에 계속해서 픽스를 한다.

GPS 수신이 인도어 포지셔닝에 너무 약하면, 관성항법을 받아 허용 정확도를 갖는 시간창을 이용한다. 다른 방법, 예컨대 DR(dead reconing), 맵 매칭, 셀룰라 기반 포지셔닝이 이런 시간창을 늘리는데, 이에 대해서는 후술한다.

실내외에서 모두 어플이 작동하는한, 센서가 주기적으로 샘플링된다. Wi-Fi ID와 신호강도, 셀타워 ID와 강도를 3~1/5 Hz 정도의 짧은 시간마다 기록하여 새로운 GP를 생성하도록 한다.

각각의 수집된 데이터벡터는 보행자가 1~2 m/s 정도의 속도로 실내를 움직이는 특정 위치로 간주되고 샘플링에는 1초 정도 필요하다. 이런 방법은 실내공간에 기존의 데이터거 없는 문제를 해결하기 때문에 픽스 포인트는 존재하지 않는다.

픽스 포인트들은 서버의 데이터베이스에 수집된다. 각각의 수집된 (픽스포인트가 되는) GP들에 절대위치의 관점에서 추정된 정확도에 관련되는 번호(등급)과, (사용자가 정지한 동안 이루어진) 하나 이상의 긴 측정치들의 품질이나 길이에 대한 다른 등급이 표시된다. 추정 정확도는 주로 최종 업데이트 이래의 시간의 함수이다.

실시예

(어플을 다운받아 작동시켰다고 가정하고) 처음으로 휴대기기를 지닌채 관심 실내장소에 들어가는 첫번째 사람은 처음으로 GPS 신소를 잃었을 때 아주 좋은 정확도를 갖는다. GPS 픽스에 의해 수 미터 정도의 정확도가 얻어지고, (셀룰라 포지셔닝, DR, 맵매칭을 갖춘) 관성항법 시스템이 이상 설명한 방법에 의거 그의 이동경로를 측정한다.

1초 뒤 그는 우수한 정확도로 자신의 절대위치를 알고 특정 GP에 대한 데이터(Wi-Fi, GSM, GPS/A-GPS, 기타 센서)의 벡터를 명확하게 기록할 수 있다. (그의 부근을 알아 필요한 그리드의 해상도를 조절할 수 있다고 보고) 1 Hz면 양호한 속도라고 가정할 때, 그는 최종 픽스 이래 처음 10초간 9개의 추가 GP를 측정하고 기록할 수 있다. AGPS나 A-GPS는 휴대기기의 표준지원 GPS이다.

이 단계에서 실시간으로 이렇게 기록된 포인트들이 그에게 불필요하다. 사용자는 (셀룰라 타워의 삼각측량에 기초한) 셀룰라 포지셔닝, 관성항법, DR, (이익은 되어도 의무는 아닌 첫감시 이전에 평면도가 제출되었거나 추가되었다고 가정할 때의) 맵매칭을 포함한 완전히 독립적인 방법들에만 의존할 수 있다.

또, 일정 시간 뒤에는 인도어 포지셔닝이 사용자에게 제한된 이익이 되는 포인트까지 정확도가 떨어진다고 말할 수 있다. 1개 이상, 가능하면 1명의 셀룰라 오퍼레이터 이상을 이용할 수 있을 때, 자동으로 사용하도록 선택된 사람(오퍼레이터)과 무관하게, 셀룰라 포지셔닝 솔루션들을 시스템에 사용해 관성항법 솔루션에서의 이동방향과 속도에서의 매칭에 등급을 매길 수 있다.

그러나, 사용자의 감시는 교정된 GP에 기여한다. 실내 위치로부터의 현재까지의 측정으로 데이터를 강화했다. 수집된 GP들은 같은 실내장소에 들어가는 다음 사람(사용자)를 위한 픽스 포인트 역할을 한다.

입구가 몇개인 공항이라고 보자. 편의상 지상주차장만 있고 지하주차장은 없디만 이 경우에도 본 발명의 방법과 시스템을 적용할 수 있다고 가정한다. 휴대기기(스마트폰 등)에 전술한 어플을 이용해 과거에 몇명의 사용자들이 들어갔다.

상당량의 개인들이 (실내영역에서 전에 한 것으로 인센티브를 가져 측정된 GP들을 커버하는) 어플을 다운받아 설치하고 가동시켰다.

보행자가 공항을 들어가고(그리고 GPS 신호를 잃고) 입구를 통과하면서 휴대기기가 새로운 GP를 위한 센서 데이터벡터를 (자동으로) 기록한다. 걸어가는 동안 몇분 뒤 휴대기기는 사용자가 GP에 접근한 것을 확인한다.

시스템은 이 GP를 픽스 포인트로 사용한다. 기기의 관성항법 시스템 에러들은 제거되고, 사용자는 이제 공항 홀 깊숙이 들어갈 준비가 되어있는데, 이는 그의 시스템을 픽스하는 GPS 신호에 거의 일치하기 때문이다. 그는 항상 (위치 정학도의 관점에서 보다 높은) 등급이 아닌 새 GP들을 기록하거나 마킹한다.

잠시 후 많은 유효한 GP들이 차례차례 자동으로 데이터베이스에 추가된다. 이렇게 하여 다른 사용자들을 위한 더 많은 픽스 포인트들이 생겨 공항 실내홀 전체에 대한 완전한 포지셔닝 시스템을 점차로 지원하게 된다.

실내에 있는 동안 여기서 설명한 '총체적' 방식으로 픽스 포인트를 위한 소스들을 계속 찾는다. 예컨대 GPS 신호가 큰 창문 부근에서 감지되됨, 연이어 (다른 인접) 수집된 GP들의 (절대위치 정확도 측면의) 등급을 높이고, 포지셔닝 개선의 지원에 반대되는 모든 측적된 에러들을 리셋한다.

이런 방법은 (휴대기기와 실내영역에) 하드웨어를 추가할 필요를 없애고 시간이 오래 걸리고 비용이 많이 드는 진행형 교정과정의 필요성도 배제한다.

복잡하고 정확하며 유효화된 GP들을 갖는 잘 커버된 실래 영역들이 항상 연속적으로 기록된다. 따라서, AP 손실, 추가 셀룰라 타워나 불균일한 블루투스 수신이 쉽게 극복된다.

사람의 위치를 실시간으로 계산하는데 사용되는 알고리즘은 기록된 데이터의 보다 넓은 벡터에 의존한다. 이렇게 하여 포인트에 대한 업데이트된 데이터벡터를 기록한다. 확률분석으로 새로운 셀타워나 AP 등이 빠졌거나 없어졌거나 바뀌었어도 정확한 기기위치에 관해 아주 좋은 추측을 할 수 있다.

이상 설명한 시스템과 방법은 새롭고 혁신적임은 물론, 아주 매력적인 비즈니스 영역에도 적용할 수 있다.

강화된 휴대기기의 실제 이동방향 추출

실제 이동방향을 측정할 때 몇가지 방법을 적용할 수 있다. DR, 만보기, 관성항법이 가장 일반적인 방법이다.

관성항법은 내장된 가속도계로 측정한 가속도를 이용한다. 측정된 가속도를 기기에서 지구좌표로 옮겨 기기 방향에 대한 의존성을 없앤다.

미세 방향변화를 감지하는데는 자이로스코프를 이용한다. 속도변화인 가속도와 위치변화인 속도는 지구좌표에서의 추정 거리를 생성한다. 공지의 시작점에 대해 새 추정위치를 계산한다.

관성항법의 장점은 방향과 속도 둘다를 안다는데 있다. 콘(con)은 위치추정에 있어서 보다 심각한 드리프트이다. 스마트폰인 경우, 하드웨어 추가 없이는 가속도계에 잡음과 바이어스가 생긴다. 두가지 현상들 모두 치료하고 완화할 수 있다. 완화되었다 해도, 잡음과 바이어스 입력들의 이중 적분이 빠른 드리프트를 일으켜, 기기를 이용한 관성항법이 몇분내로 쓸모없게 된다.

만보계가 관성항법을 보조할 수 있다. 이 방식에서는 이동궤적에 몇가지 추정을 할 수 있다. 걸음을 감지하고 보폭을 다양한 방법으로 추정할 수 있다. 오히려 이동방향이 제한된다. 주어진 맵이나 평면도에 대해 맵-매칭 알고리즘이 이용될 수 있거나, 사용자가 휴대기기를 입력 방향으로 똑바로 수평으로 쥐어 휴대기기가 직관적이 되지 않게 할 필요가 있다.

DR은 새로운 위치를 추정하는데 공지의 방향과 속도나 여러 걸음들을 취하고, 만보계나 관성항복과 결합될 수도 있다.

이런 방법은 가속도계로부터 직접 방향을 추정하고, 내장 센서에서의 잡음과 바이어스의 이중 적분의 필요성은 배제하며, 걷는 동안 어떤 방향도 허용되기 때문에 직관적인 사용도 가능하다.

인간의 걸음을 4가지 구간(201~204)로 구분할 수 있다(도 19 참조). 구간이 0인 스탠딩에서 시작해, 201로 표시된 첫번째 구간은 앞발(오른발)이 앞에 나와 움직이는 것이다. 두번째(202)는 앞발(우측발)이 새 위치를 디딛는 것이다. 세번째(203)는 다른발(좌측)을 앞으로 움직이는 것이다. 네번째(204)는 다른발(왼쪽)을 새 위치에 놓는 것이다. 이어서, 다음 걸음이 시작한다. 편의상, 첫번째 걸음과, 첫번째나 마지막이 아는 일련의 걸음 사이의 차이는 무시할 수 있다.

평면과 측면 양쪽으로 서있는 사람이 보인다. 전진이 평면도에서는 위로, 츠면도에서는 우측을 향한다. 3개의 선(201'~203')은 사람의 발걸음의 시작점과 주안점과 끝점에 위치한다. 이들 선은 한 걸음을 2 구간으로 구분한다. 이들 선은 평면도와 측면도(작은 적색 삼각형) 모두에서 사람의 이동의 기준이 된다. 201로 표시된 영상 쌍에서, 앞발(우측)이 전진한다. 다음 영상 쌍(202)에서는 앞발(우측)이 지면을 딛고, 새 선이 생긴다. 그 다음 영상 쌍(203)에서는 다른 발(좌측)이 뒷쪽에서 앞으로 나오고, 마지막 영상 쌍(204)에서는 다른 발(좌측)이 지면을 딛고 세번째 선이 걸음 끝을 표시하는데 추가된다. 앞발(우측)이 뒷쪽에서 앞으로 이동하면서 다음 걸음이 구간(201)부터 다시 시작한다.

가속도 관점에서의 걸음 패턴의 분석을 나타낸 도 20에서는 첫번째 걸음에서 앞발을 향한 (지구표면에 평행한) 수평 가속도(211) 증가를 측정한다. 이것은 부채꼴과 비슷하게 산란된다. 도 21에 211(1)과 211(2)로 표시된 가속도의 최대값은 헤딩의 관점에서 처리된다. 평균 헤딩은 구간(201)의 메인 헤딩을 결정하는데 사용된다.

도 20은 걷는 동안 나타날 수 있는 전형적인 가속도 패턴(211~4)을 보여준다. 구간(201)은 전진방향보다는 앞발(우측)을 향한 가속도(211)가 강해지면서 시작한다. 신체는 중앙 구간(202)을 향한 가속(212)에 의해 느려진다. 각 걸음의 구간(203)은 대칭적으로 다른 발(좌측)쪽을 향한 가속도(213) 증가를 보여준다. 구간(204)은 중심을 향해 감속된다(214).

구간(202)은 부채꼴 가속도 패턴(212)을 보이고, 이는 신체가 다른 다리를 움직이기 직전에 잠시 "정지"하는 경향을 나타낸다(구간 203 참조). 측정된 가속도들은 크기와 방향이 급변한다.

구간(201)과 마찬가지로 구간(203)도 다른 다리를 향한 부채꼴 가속도 패턴(213)을 보인다. 도 21에서 213(1)과 213(2)로 표시된 가속도의 최대값은 헤딩의 관점에서 처리된다. 평균 헤딩(221)은 구간(203)의 메인 헤딩을 결정하는데 이용된다.

마찬가지로, 구간(204)도 신체가 다른 다리를 움직이기 직전에 "정지"하는 것을 보여주는 부채꼴 가속도 패턴(214)을 보인다. 측정된 가속도들은 크기와 방향이 급변한다.

도 21은 구간(201)에서의 최대 가속도 211(1), 211(2)와 구간(203)에서의 최대 가속도 213(1), 213(2)를 보여준다. 구간(201,203)에서의 최대 가속도들의 합벡터(221,223)도 볼 수 있다. 구간(201)에서 최대 가속도(벡터)를 합하면 구간 방향(221)이 생긴다. 구간(201,203)의 2개 합벡터(221,223)를 합하면 실제 추정 걸음 헤딩(230)이 나타난다. 또, 구간(202,204)에도 같은 과정을 적용하면 반대 방향이 생기고, 이 방향은 전진 방향을 더 지원하고 미세조율하며 부분 걸음드에 도움을 준다. 시간에 따라 필터링하는 동안, 실제 걸음 방향이 실제의 순간적인 기기의 움직임의 개선된 솔루션을 내놓는다.

전술한 것처럼, 각 구간의 최대 가속도벡터들을 합친다. 구간(201,203)의 메인 헤딩을 결정하는데 각 헤딩들을 이용했다. 다음, 구간(201,203)의 대표 벡터들을 합친다. 이 합을 이용해 최종 걸음(4 구간)의 실제 방향을 결정한다. 방향은 걸음의 크기나 보폭의 추정치를 고려하여 결정되고, 최종 공지의 위치로부터 위치 차이의 개선된 추정값을 결정한다.

만보계를 2개 주요 요소, 즉 방향과 속도로 구분하고 제시된 방식에서 방향을 고려하면 기기의 내장 센서로부터 좀더 많은 것을 얻을 수 있다. 기기의 방향에 제한을 둘 필요가 없고, 순수 관성항법을 구현할 때 나타나는 관련 오차의 이중적분이 줄어든다.

이렇게 강화된 만보계는 단독으로 사용되거나 소프트웨어만을 기반으로 하는 스마트폰이나 휴대기기의 인도어(아웃도어) 포지셔닝/내비게이션 시스템의 일부분으로 사용된다.

강화된 휴대기기의 실제방향 추출

기기의 방향은 내부 센서에 의거해 결정된다. 가속도계는 기기의 축선의 가속도를 측정한다. 중력가속도는 지구중심을 향해 9.81m/s²이고 대개 1g로 표시된다. 기타 일상적인 가속도(특히 걸음 가속도)는 보통 1g보다 작으므로, 현재의 기기의 방향 솔루션은 근사법을 실행한다. 모든 감지된 가속도의 합(벡터합)이 지구의 중심을 가르키므로 방향 솔루션이 간단해진다. 이런 간단한 방법이 필수적인데, 이에 대해서는 후술한다.

이런 식으로 지구중심을 가르키는 로컬 수직선이 정해지면 지면에 평행한 (수직선에 직교하는) 표면을 계산할 수 있다. 이런 표면은 기기의 내장 자기계에 의거해 자극이나 지리적인 북극에서 벗어난 방위각이나 헤딩을 추정할 수 있다. 다음 고도를 측정하고(피치), 경사를 측정한다(롤). 기기의 내장 자이로스코프 값들은 잡음을 극복하는 역할도 한다.

기기는 자체의 방향을 모르고, 기기가 작동할 때 똑바로 수평이라고 가정할 수 없다. 추정된 헤딩과 피치와 롤을 이용해 기기의 측정데이터를 지구좌표계로 변환한다.

가속도는 3개의 기기축에서 측정된다. 도 22의 좌측은 3D 가속도계의 일반 측정값을 보여준다. 기기축에서의 이런 측정값을 90으로 표시했다. 3개의 측정값의 합이 기기의 x, y, z 축에 해당한다. 기기가 고정되었다고 보면(일반적으로 기기가 자체적으로는 회전해도 위도와 경도와 고도는 고정되었다고 본다), 총 가속도는 지구 중심을 향하고, 이를 100으로 표시한다. 이런 계산을 근거로, 직교면(110)이 생긴다. 110이 100에 수직이므로, 이론적 지면에는 평행하다고 본다. 이 표면(110)은 기기의 방향 계산의 기준이 된다. 자기계로 측정된 자극 N(120)은 표면(110)의 일부이다. 기기의 헤딩(150)은 표면(110)에서의 기기의 종축선들(140)의 프로젝션(130) 사이와 120 사이의 각도차이다. 130과 140 사이의 각도인 피치(160)와, 롤(180)이 계산되고 3개 각도의 풀세트가 기기의 방향을 나타낸다. 중앙과 우측 도면에 보이는 파단선 화살표(130,190)는 표면(110)에서의 기기의 종축선의 프로젝션과 표면(110)에서의 위도방향의 프로젝션이다. 130과 190은 직교하고 모두 표면(110)에 있다. 피치가 0일 때만 140은 100의 일부분이다. 롤이 0이면 170은 110의 일부분이다. 헤딩이 0이면 120과 130은 일치한다.

(지면에 평행한) 수평 가속도계를 무시할 수 있으면, 수직선(100)과 헤딩(150)과 피치(160)와 롤(180)에서의 오차는 중요치 않다. 그러나, 고정밀도가 요구될 때는, 기기에서의 이런 사소한 오차도 문제가 된다. 특히 측정된 가속도에 의거한 속도변화와 속도변화에 의거한 위치변화를 추출하기 위한 수학적 과정인 이중적분에 관한한 그렇다. 걷기에 관한 가속도가 작용할 때는 최대 1~2g를 이동방향으로 측정할 수 있고 지적해야만하는 선(100)의 방향을 상당히 바이어스한다. 이런 오차들은 이론적 표면(110)을 기울여, 오차를 점점 더 확대한다. 이런 오차 때무에 다음번의 헤딩(150), 피치(160) 및 롤(180)의 계산실수가 더 커진다.

도 23은 추가 도보가속도(105)를 보여준다. 편의상 이 방향은 도 22와 같이 고정되었고 아주 약간의 시간이 흘렀다고 본다. (보행자라면 아무런 걸음이 감지되지 않아) 서있다가 걷기 시작하면서 고정되지 않기 때문에 걷기 시작한 것을 알 수 있는 방법이 있다. 도보 관련 가속도(105)가 이전의 Z 방향 화살표(100)에 추가되고, 계산된 Z(100')는 더이상 지구중심을 향하지 않아 오차가 있는 것이다. 따라서, 회색으로 표시된 표면(110')이 100')에 직교하기 때문에 좌측으로 기울면서 윗쪽으로 올라간다. 좌측의 결과는 피치와 롤 각도들에서 상당한 차이가 있다.

표면(110')이 가속도(105)를 추가한 결과로 위로 올라가면서 계산 표면(110')의 기저선으로서의 계산된 피치ㅡㄹ 줄여, 도 22의 우측의 사이클에서 계산되었던 기기의 종축선(140)에 더 가까워진다. 이 표면(110')의 좌측 경사가 급해지고 표면(110')이 이전 사이클에서 계산했던 기준(190)에서 더 멀어지게 된다. 그 결과, 기기는 정지했을 때(사용자가 걷지 않을 때)와는 다른 롤(180')과 피치(160')를 계산한다. 마찬가지로, 표면(110')이 이전 표면(110)을 대체할 때 헤딩(150')의 오차가 생긴다. 방향에서는 실제 아무런 변화가 없지만, 가속도(105)의 추가로 방향계산에 오차가 생기고, 이것은 기기의 가속도와 지구좌표계로의 변환에 오차를 일으킨다. 이는 걷기 시작해 이런 가속도(105)가 추가되었기 때문에 생기지만, 업데이트된 표면(110')에 의거해 계속해서 지구중심을 향한 벡터(100')를 추정했다. 이런 오차값들은 다음번에 입력이 된다. 도 23의 우측으로 갈수록 상승피치는 작아지고 우측롤은 커지는 것을 보여준다. 기기의 자기 헤딩의 오차도 일어날 수 있다. 중앙과 우측에 보이는 파단선 화살표들에서 130'은 표면(110')에서의 종방향 기기축의 프로젝션이고, 190'은 표면(130')에서의 위도방향의 기기축의 프로젝션이며, 130'과 190' 둘다 직교하면서 표면(110')에 속한다.

이 시스템과 방법은 이동궤적이 인간의 움직임을 취한다는 사실을 이용한다. 가속도에서의 상당한 변화를 반복하거나 만보계나 위치변화를 이용해 도보 패턴을 확인하면, 수평가속도의 크기와 방향을 추정할 수 있다. 지면은 국부적으로는 평평하고 수평이라고 가정한다.

마찬가지로, 걷지 않을 때(만보계가 아무 걸음도 표시하지 않음)는 전혀 움직이지 않는다고 가정할 수도 있다. 걷지는 않아도 에스컬레이터나 자동차를 타고 움직일 수 있기 때문에 항상 그런 것은 아니다). 이 경우, 총 가속도(100)가 지구중심을 향하고 지면에 평행한 직교 표면(110)이 가장 정확한 표면임을 알고있다. 이 표면을 기저선으로 설정하고, 걷기 시작해 걸음을 확인했을 때 수직벡터 방향(100') 계산에 오차가 있다고 예상되는데, 이는 도보의 수평 가속도(105)가 추가되기 때문이다. 다음 이런 수평 가속도(105)는 고려치 않고, 대신에 미리 계산된 방향기준(110)에 집착한다.

수평 가속도(105)의 크기와 방향을 추정했으면, 지구중심을 향하는 국부적 수직선(100)을 계산할 때는 이 추정값을 제외할 수 있다. 화살표(105)가 도보에 관련됨을 알고있어서 이 화살표를 배제한 것처럼 도 23을 참조한다. 수평가속도와 수직선(100)의 혼합이 일어나는지를 추정하기 위해, 총 가속도도 고려한다. 총 가속도가 1g와 상당히 다르면, 이런 혼합이 일어났다고 보고, 순간 수직선 방향과 크기 계산에서 수평벡터를 배제한다. 수평 도보관련 가속도는 순수히 측정할 수 없고 오히려 3D 가속도 측정에 포함되지만, 실제로는 이것이 있는지 의심스러우므로 수평가속도의 관련 부분은 고려하지 않는다. 결과는 도 22와 같아, 걷는 것은 알지만 완전히 중력가속도에 의거해 지구중심을 향한 선(100)을 계속 계산하여, 방향오차에 미치는 도보관련 수평가속도의 영향을 최소화하는데, 이는 여전히 110'이 아닌 100을 방향오차를 낮추는 기준면으로 사용하기 때문이다.

기기의 내장 자이로스코프 판독값도 이전 측정값에서의 실제 방향변화를 평가하는데 사용된다. 각가속도를 나타내는 자이로스코프 값의 변화를 통해 실제 기기 방향변화를 감지할 수 있다. 기기의 방향변화는 실제 방향변화에 관련되지 않은 변화(자기값의 변화나 가속도계의 값이나 잡음 등)로부터 생길 수도 있다.

이런 조작은 로컬 수직선(100)의 좀더 정확한 추정을 가능케한다. 또한, 지면에 평행한 표면(110)의 추정을 개선하고, 방위각(150), 피치(160) 및 롤(180)의 오차도 줄인다. 기기의 방향의 오차가 줄면 이중적분 정확도가 크게 개선되고, 관성항법과 다른 어플도 개선된다.

시중의 센서(가속도계, 자이로스코프, 자기계 등)를 스마트폰에 설치하면 위치관련 어플에 많은 기회가 생긴다. 관성항법도 일례이다. 기기내의 센서는 개선되기는 했어도 잡음과 바이어스가 많다. 관성항법은 잡음과 바이어스가 극히 많은 센서데이터로 의심받는데, 이는 그 계산특성 때문이다. 기기의 감지된 방향에서의 오차감소는 관련물리적 크기를 더 잘 추정하는데 중요하다.

이것은 가속도, 자이로스코프와 자기계의 값들을 좀더 신중하게 점검하여 이루어진다. 가속도는 (중력 관련의) 수직값과 (운동 관련의) 수평값으로 나누어진다. 수직선(100)이 좀더 정확히 추정된다.

지면에 평행하고 수직선(100)에 직교하는 이론적 표면(110)은 피치(160)와 롤(180)의 관점에서 좀더 정확하다. 다음 사이클의 판독값들을 분할하면 좀더 정확해지므로, 110'의 방향이 110에 가까워진다. 이중적분 드리프트가 늦어지고 좀더 좋은 추정값들을 생성한다.

강화된 인도어 내비게이션 포지셔닝 정확도

인도어 내비게이션에 몇가지 방법이 고려된다. GPS 수신이 불충분할 때는 정확한 포지셔닝을 위해 다른 방법을 고려한다. 이런 방법으로 위치지문법이 있다. 이것은 Wi-Fi AC(WAP), GSM, FM, 지구자기장, 주변 소리, 주변광, 기기의 성능에 의거한 추가 감지 데이터와 같은 RF의 관점에서 위치특정 판독값을 기록하는 과정을 통해 이루어진다. 이 방법을 셀룰라 위치와 결합하여 인도어 포지셔닝의 정확도를 더 개선할 수 있다.

이런 위치지문은 그 특성상 물리적 속성, 스케일, 편차, 메타데이터, 해상도, 이로인한 정확도에 있어서 다를 수 있다. 각각의 방법의 전체적인 현재의 정확도를 잘 이해하면 인도어 포지셔닝을 개선할 수 있다.

(아웃도어에도 적용할 수 있음은 물론 GPS 수신을 개선, 보완 또는 대체할 수 있는) 인도어 포지셔닝을 개선하는 시스템과 방법에 대해 설명한다.

구글맵처럼 셀룰라 포지셔닝 기술은 30m 이상의 정확도를 내는 것이 보통이다. (미리 수집된) 공지의 값과 비교되는 자기장 측정으 때로는 10cm 떨어진 포인드들 사이에 뚜렷할 수 있다. Wi-Fi 포지셔닝에 의거한 위치지문도 4~7 m의 층 정확도로 다른 층들을 쉽게 찾을 수 있다. FM 위치지문은 최대 10m의 인도어 정확도가 가능하다.

전수한 초고해상도의 자기장을 갖는 아래쪽의 단위는 마이크로 테슬라이고 지구상의 모든 장소는 겨우 ± 수백 마이크로 테슬라 범위내의 값을 갖는다. 자기장 방향에 있어서 0도 내지 359도로 표현되어 같은 문제가 일어난다. 2개의 실내 인접 포인트들 사이에 차이는 있지만 전세계적으로는 수많은 포인트들이 같거나 아주 비슷한 값을 갖는다. 마찬가지로, FM 라디오 신호는 위치지문은 달라도 넓은 지역에 걸친 많은 다른 지점들 사이에는 동일할 수 있어서 2개의 인접 실내 지점들 사이를 구분할 수 있다.

실내 내비게이션을 위한 자기장을 이용하려면, 미리 수집된 학습태세에 대해 실시간 자기장 데이터를 비교해 시작하는 것은 무용함을 증명할 수 있다. 이 알고리즘은 너무 많은 여러 포인트들에 대해 아주 비슷하다는 것을 밝힐 수 있다. 그러나, 수 미터의 불활실 영역에 있음을 알고있다면, 자기장이 정확도를 더 높이기 위한 최선의 툴임을 증명할 수 있다. 마찬가지로, 수십 미터 법위안에 있음을 알면, FM 라디오도 정확도를 높이는데 도움이 된다.

깔때기 모양의 방식으로 이 방식을 현재의 모든 위치지문 소스에 확장할 수 있다. 이 방법은 점점 더 정밀한 포지셔닝에 도움이 된다. 실시간 정확도 개선에 의한 위치지문 관련 신호의 동적인 구현을 아래로 갈수록 좁아지는 깔대기로 설명할 수 있다. 셀룰라 포지셔닝이 지금 30m 정확도를 구현할 수 있음을 알고있다면, 불확실성을 줄이기 위해 FM이나 다른 가능산 소스를 실시간으로 적용할 수 있다. 이렇게 되면 정확도가 최대 10m로 개선되고, 이런 정확도는 현재의 FM 실내 정확도이다. WAP만으로도 실내 포지셔닝 정확도를 5m까지 개선할 수 있다. 다음, 자기장을 사용해 실내 포지셔닝을 선택하고 1~2m의 정확도를 얻을 수 있다.

이런 시스템과 방법은 모든 다른 포지셔닝 모듈들의 정확도를 평가하는 통계적 알고리즘을 지속적으로 촉진한다. 현재의 정확도와 활실도를 나타내는 해당 동적인 가중치로 자동으로 표시할 수 있다. 예를들어 WAP가 감지되지 않으면, 다른 신뢰성 있는 소스에 의존하도록 바꿀 수 있다. FM 정확도가 현재 40m까지 떠어지고 어떤 이유로 셀룰라 포지셔닝 정확도가 현재 30m이면, 셀위치를 이용해 FM 기반 포지셔닝을 개선한다. 이 경우, 맵매칭 알고리즘을 이용해 정확도를 크게 개선한다.

가용 소스와는 무관하게 어떤 단계에서 (실시간 다이나믹과는 달리) 미리 정해진 순서를 이용해 맵매칭을 사용하거나 첫 단계에서 자기장 값들을 매칭하여 가능한 많은 매칭으로 적절한 정확도를 얻기 때문에 실제 가용 데이터를 기반으로 낮은 정확도부터 높은 정확도까지 깔때기형 계급을 실시간으로 유지하는 것이 중요하다.

올바른 순서로 가용 포지셔닝 모듈만을 이용할 때의 다른 특징은 관련 데이터베이스 소집합만의 똑똑한 동적인 다운로딩이 어느정도 여유를 갖고 가능하여 효율이 개선된다는 것이다. 깔때기형 정확도 보강이 구현될 때, 비교를 위한 기저선 역할을 하는 보다 적은 데이터 포인트들을 앞뒤로 보낸다. 이때문에 데이터 트래픽이 훨씬 줄어들고, 부하도 감소되며, 대역폭도 작아지고 배터리 수명은 크게 늘어난다.

도 24는 본 발명에 따른 방법(280)의 순서도이다.

이 방법은 멀티센서 위치맵을 구축하는데 이용되고; 282 단계에서는 인터페이스나 자동으로 여러 위치에서 다수의 휴대기기에 의해 구해진 다수의 멀티센서 데이터벡터들과, 여러 위치를 나타내는 위치 추정치들을 받는데, 여기서 GPS 기반 내비게이션의 정확도는 허용 임계치보다 낮으며, 위치 추정치들은 다수의 휴대기기의 내부 내비게이션 시스템에서 생긴다. 284 단계에서는, 맵 캘큐레이터에 의해, 다수의 멀티센서 데이터벡터와 위치 추정치들에 응답해, 다수의 GP를 갖는 위치지문 맵을 계산하는데, 각각의 GP는 멀티센서 GP 지문과 GP 위치정보를 갖는다.

계산단계(284)에서, 다수의 멀티센서 데이터벡터들과 위치 추정치들을 맵 캘큐레이터로 연관시켜 위치지문맵을 제공할 수 있다.

286 단계에서는, 휴대기기의 내부 내비게이션 시스템에서 생긴 위치추정치를 픽스하기 위한 지역 위치정보를 휴대기기에 반복적으로 공급한다.

288 단계에서는 GP 위치정보의 정확도를 업데이트한다. 업데이트는 GP 부근에서 멀티센서 데이터벡터를 획득한 다수의 휴대기기에 반응해, GP 부근에서의 위치특정 전자기 신호의 획득에 응답해, 포지셔닝 솔루션이 불충분해도 GP 부근에서 획득한 GPS 신호에 응답해 이루어질 수 있다.

290 단계에서는 실내공간 특이점들을 검색하고 특이점 부근에 위치한 GP들의 정확도를 업데이트한다.

292 단계에서는 위치지문맵의 콘텐트를 기반으로 실내공간의 맵을 구축한다.

294 단계에서, 휴대기기의 위치, 목적지 및 위치지문 맵에 응답해 방향정보를 휴대기기에 보낸다.

이 방법은 3D 위치지문 맵을 계산할 수 있다.

296 단계에서, GPS 기반 내비게이션의 입도가 임계치보다 낮은 어떤 장소에서 멀티센서 데이터벡터를 받기 전에 다수의 실내장소에서 휴대기기로 획득한 다수의멀티센서 데이터벡터들을 받고, 상기 어떤 장소에서 획득한 GPS 위치정보에 의거해 다수의 실내장소의 위치 추정치들의 정확도를 높인다.

298 단계에서, GPS 기반 내비게이션의 입도가 임계치보다 낮은 어떤 장소에서 멀티센서 데이터벡터를 받은 뒤 다수의 실내장소에서 휴대기기가 획득한 다수의 멀티센서 데이터벡터들을 받고, 상기 어떤 장소에서 획득한 GPS 위치정보에 의거해 다수의 실내장소의 위치 추정치들의 정확도를 높인다.

멀티센서 데이터벡터는 전자기 정보, 통신관련 전자기 신호(통신중에 생기는 신호), 주변 잡음, 온도, 지구자기장 정보는 물론 만보기 정보도 포함할 수 있다.

특히 288, 290, 296 및 298 단계는 284 단계에 포함될 수 있고, 286, 292 및 294 단계는 284 단계를 뒤따를 수 있다.

도 25는 본 발명에 따른 방법(300)을 보여준다.

이 방법(300)에서, 310 단계에서는 휴대기기가 있는 어떤 장소의 위치장보를 수신하는데, 이 위치정보는 GPS 기반 내비게이션을 이용해 획득된다. 312 단계에서는, 여러 장소에서 휴대기기가 획득한 다수의 멀티센서 데이터벡터들과, 여러 장소를 나타내는 위치 추정치들을 수신하는데, 이런 위치 추정치들은 휴대기기의 내부 내비게이션 시스템에 의해 생긴다. 314 단계에서는, 내부 내비게이션 시스템의 추정 정확도에 의거한 위치 추정치들의 정확도와 어떤 장소로부터 각 장소의 거리를 연계한다.

어떤 포인트로부터의 거리와 경과시간이 늘어날 수록 정확도는 떨어진다.

320 단계에서는 휴대기기가 있는 다른 장소의 위치정보를 수신하는데, 이 위치정보도 GPS 기반 내비게이션에 의해 구해지고, 이때 휴대기기는 여러 장소들에 도달한 뒤 다른 장소에 도달한다. 322 단계에서는, 내부 내비게이션 시스템의 추정 정확도와 다른 장소로부터 각 장소의 거리에 의거한 여러 포인트들의 위치 추정치들의 정확도를 업데이트한다.

324 단계에서는 다른 휴대기기로부터 다수의 멀티센서 데이터벡터들과 위치 추정치들을 수신하고, 326 단계에서는 휴대기기에서 획득한 위치정보에 의거해 다른 휴대기기에서 생긴 위치 추정치들의 정확도를 업데이트한다.

도 26은 본 발명에 따른 방법(400)을 보여준다.

*이 방법(400)에서, 412 단계에서 GPS 위치정보를 휴대기기로 획득하고; 414 단계에서는 GPS 위치정보의 획득을 중단한 뒤 멀티센서 데이터벡터를 획득하며; 416 단계에서는 멀티센서 데이터벡터를 획득한 장소의 위치 추정치를 내부 내비게이션 시스템으로 생성하며; 420 단계에서는 위치지문맵의 적어도 하나의 GP의 적어도 하나의 멀티센서 데이터벡터에 획득한 멀티센서 데이터벡터를 비교한 다음, 이 비교에 의거 휴대기기의 위치를 결정하고; 428 단계에서는 드리프트가 축적된 내부 내비게이션 시스템을 없애는 동안 위치를 갖는 내부 내비게이션 시스템을 업데이트한다.

멀티센서 데이터벡터는 지구자기장 판독값과 통신관련 전자기 신호를 포함하고; 420 단계에서 위치를 결정할 때, 휴대기기가 획득한 통신관련 전자기 신호와 위치지문맵의 GP의 통신관련 전자기 신호 사이의 비교에 의거해 휴대기기의 위치 추정치를 계산하는 425 단계와, 위치지문맵의 GP의 전자기 판독값과 휴대기기가 획득한 각각의 전자기 판독값 사이의 비교에 의거해 위치 추정값을 업데이트하는 426 단계를 포함할 수 있다.

도 27은 본 발명에 따른 방법(500)을 보여준다.

이 방법(500)에서, 510 단계에서는 여러 장소들을 표시하는 장소 추정치들과 여러 장소에서 휴대기기로 획득한 여러 멀티센서 데이터벡터들을 인터페이스에 의해서나 자동으로 수신하는데, 대부분의 장소들은 GPS 기반 내비게이션의 정확도거 허용 임계치보다 낮은 지역에 위치하고, 위치 추정치들은 가속도계 판독값들을 처리해 얻어진다. 520 단계에서는, 여러 멀티센서 데이터벡터들과 위치 추정치들에 응답해 맵 캘큐레이터를 통해 다수의 GP를 갖는 위치지문맵을 계산하는데, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖는다.

도 28은 본 발명의 방법(600)을 보여준다.

610 단계에서는 사용자가 여러 장소들 사이를 움직일 때 구해진 가속도계 판독값과 여러 휴대기기에서 구한 다수의 멀티센서 데이터벡터들을 인터페이스에 의해서나 자동으로 수신하는데, 대부분의 장소들은 GPS 기반 내비게이션의 정확도거 허용 임계치보다 낮은 지역에 위치한다. 620 단계에서는, 가속도계 판독값들을 처리해 여러 장소의 위치를 추정하고; 630 단계에서는 여러 멀티센서 데이터벡터들과 위치 추정치들에 응답해 맵 캘큐레이터를 통해 다수의 GP를 갖는 위치지문맵을 계산하는데, 각각의 GP가 멀티센서 GP 지문과 GP 위치정보를 갖는다.

620 단계에서, 가속도계 판독값들로부터 여러 도보상태에 관한 정보를 추출하고, 2개의 도보상태에 관한 가속도계 정보를 처리하여 사용자의 이동 방향을 결정할 수 있다.

620 단계에서, 4개의 도보상태로부터 첫번째와 세번째의 도보상태에 관한 최대 가속도계 판독값들을 감지하고 이 판독값에 응답해 사용자의 이동방향을 결정할 수 있다.

620 단계에서, 4개의 도보상태로부터 두번째와 네번째의 도보상태에 관한 최대 가속도계 판독값들을 감지하고, 첫번째부터 네번째 까지의 도보상태 각각에 관련된 최대 가속도계 판독값에 응답해 사용자의 이동방향을 결정할 수 있다.

도 29는 본 발명에 따른 시스템(700)의 블록도이다.

시스템(700)은 여러 휴대기기(720)에서 정보를 받을 수 있는 컴퓨터(710)를 갖는다. 이 컴퓨터(710)는 서버나 다른 종류의 어떤 컴퓨터도 가능하다. 이 컴퓨터는 통신 인터페이스(712)와 맵캘큐레이터(714)를 갖는다. 휴대기기(720)가 다수의 센서(721,722)를 가질 수 있다. 센서의 갯수와 종류는 2개를 넘을 수도 있다. 편의상 도면에는 센서(721,722)를 갖는 휴대기기 하나만 도시한다.

이 시스템은 전술한 모든 방법을 실행할 수 있다. 예를 들어, 컴퓨터(710)는 이 모든 방법들을 실행할 수 있고, 휴대기기(720)는 방법(400)을 실행할 수 있다. 휴대기기(720)가 맵을 받는 어플을 가질 수 있다.

본 발명은 또한 컴퓨터 프로그램에서 구현될 수도 있는데 이 프로그램은 프로그래머블 장치에서 운동되는 본 발명의 단계들을 실행하는 코드를 가질 수 있다.

컴퓨터 프로그램은 운용시스템이나 특정 어플 프로그램과 같은 명령어 리스트이다. 컴퓨터 프로그램은 예컨대 서브루틴, 기능, 처리과정, 객체방법, 객체구현, 실행 어플, 애플릿, 서브렛, 소스코드, 객체코드, 공유 라이브러리/다이나믹 로드 라이브러리 및/또는 컴퓨터 시스템에서 실행하도록 디자인된 다른 명령어 시퀀스를 포함할 수 있다.

컴퓨터 프로그램은 비일시적 컴퓨터 판독매체에 저장될 수 있다. 컴퓨터 프로그램의 일부나 전부는 정보처리시스템에 영구적으로나 원격으로나 임시로 결합된 컴퓨터 판독매체에 제공될 수도 있다. 컴퓨터 판독매체는 아래의 예를 포함하지만 이에 한정되지도 않는다: 디스크와 테이프 저장매체를 포함한 자기저장 매체; CD-ROM, CD-R이나 디지털 비디오디스크 저장매체와 같은 광학 저장매체; FLASH 메모리 EEPROM, EPROM, ROM과 같은 반도체 기반 메모리를 포함한 비휘발성 메모리 저장매체; 강자성 디지털 메모리; MRAM; 레지스터, 버퍼, 캐시, 메인메모리, RAM과 같은 휘발성 저장매체.

컴퓨터 프로세스는 보통 실행(운용) 프로그램의 일부나 전부, 현재 프로그램 값과 상태정보, 및 프로세스의 실행을 관리하도록 운용시스템에서 사용되는 리소스를 포함한다. 운용시스템(OS)은 컴퓨터의 리소스를 관리하는 소프트웨어로서, 이런 리소스에 접속하는데 사용되는 인터페이스를 프로그래머에게 제공한다. 운용시스템은 시스템 데이터와 사용자 입력을 처리하고, 사용자에 대한서비스와 시스템의 프로그램과 같은 내부 시스템 리소스와 임무를 할당하고 관리하여 반응한다.

컴퓨터 시스템은 또한 적어도 하나의 프로세서, 관련 메모리, 다수의 입출력 장치를 포함할 수 있다. 컴퓨터 프로그램을 실행할 때, 컴퓨터 시스템은 프로그램에 따른 정보를 처리하고 I/O 장치를 통해 출력정보를 생산한다.

Claims (2)

1. 멀티센서 위치맵을 구축하는 방법에 있어서:
   여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과, 여러 장소들 사이에서 적어도 하나의 사용자가 소지한 적어도 하나의 휴대기기의 이동시 구한 가속도계 판독값들을 인터페이스를 통해 받되, 상기 이동 중의 적어도 일부는 도보이고, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하는 단계;
   가속도계 판독값들로부터 여러 도보상태에 관한 가속도계 정보를 추출하고, 여러 도보상태 중의 적어도 2개의 도보상태에 대해 상기 가속도계 정보를 통해 현재 측정된 Z 벡터, 피치 각도 및 롤 각도를 실시간 수정해 수평 가속도를 보정함으로써 지구중심을 향한 Z 벡터를 구하는 단계;
   지구중심을 향한 상기 Z 벡터로부터 (Z벡터에 수직인) 지면에 나란한 표면을 계산하는 단계;
   지면에 나란한 상기 표면과 상기 휴대기기에 내장된 적어도 하나의 자기계로 측정한 자기 N극으로부터, 자기 N극으로부터의 방위각 오프셋과 지리적 N극으로부터의 헤딩 오프셋으로 이루어진 군에서 선택된 오프셋을 추정하는 단계;
   상기 여러 도보상태들 중의 적어도 2개의 도보상태에 관련된 가속도계 정보를 처리하여 사용자의 이동방향을 결정하고, 상기 오프셋에 의거해 상기 이동방향을 수정하는 단계; 및
   상기 수정된 이동방향으로부터, 상기 사용자의 적어도 하나의 위치를 추정하는 단계;를 포함하고,
   아래 a 내지 d 중의 적어도 하나는 참인 것을 특징으로 하는 방법.
   a. 맵 캘큐레이터가,
   다수의 멀티센서 데이터벡터들과 추정된 위치에 응답해, GP(grid point)마다 멀티센서 GP 지문과 상기 추정된 위치에서 유도되는 GP 위치정보를 갖춘 다수의 GP를 포함하는 위치지문 맵을 계산하고,
   다수의 휴대기기들 중의 적어도 하나의 위치, 목적지 및 위치지문 맵에 응답해 휴대기기들 중의 적어도 하나에 방향정보에 관한 명령어를 보내며;
   b. 맵 캘큐레이터가, 다수의 멀티센서 데이터벡터들과 추정된 위치에 응답해, GP마다 멀티센서 GP 지문과 상기 추정된 위치에서 유도되는 GP 위치정보를 갖춘 다수의 GP를 포함하는 위치지문 맵을 계산하고,
   다수의 휴대기기들 중의 적어도 하나의 내부 내비게이션 시스템이 두번째 멀티센서 GP 지문을 획득하며,
   상기 내부 내비게이션 시스템이 사용자의 적어도 하나의 내비게이션 시스템 위치를 추정하고, 상기 두번째 멀티센서 GP 지문을 첫번째 멀티센서 GP 지문 중의 적어도 하나에 비교하며, 이런 비교를 통해 다수의 휴대기기들 중의 적어도 하나의 위치를 추정하고;
   c. 상기 맵 캘큐레이터가,
   다수의 멀티센서 데이터벡터와 상기 추정된 위치에 응답해, GP마다 멀티센서 GP 지문과 상기 추정된 위치에서 유도되는 GP 위치정보를 갖춘 다수의 GP를 포함하는 위치지문 맵을 계산하고,
   다수의 휴대기기들 중의 적어도 하나의 위치, 목적지 및 위치지문 맵에 응답해 휴대기기들 중의 적어도 하나에 방향정보를 보내라는 명령어를 저장하며;
   d. 상기 맵 캘큐레이터가, 다수의 멀티센서 데이터벡터들과 추정된 위치에 응답해, GP마다 멀티센서 GP 지문과 상기 추정된 위치에서 유도되는 GP 위치정보를 갖춘 다수의 GP를 포함하는 위치지문 맵을 계산하고,
   다수의 휴대기기들 중의 적어도 하나의 내부 내비게이션 시스템이 두번째 멀티센서 GP 지문을 획득하며,
   상기 내부 내비게이션 시스템이 사용자의 적어도 하나의 내비게이션 시스템 위치를 추정하고, 상기 두번째 멀티센서 GP 지문을 첫번째 멀티센서 GP 지문 중의 적어도 하나에 비교하며, 이런 비교를 통해 다수의 휴대기기들 중의 적어도 하나의 위치를 추정하고, 상기 비교로부터 추정된 상기 위치로 내부 내비게이션 시스템을 업데이트함.
2. 멀티센서 위치맵을 구축하는 시스템에 있어서:
   여러 장소에서 다수의 휴대기기로 구한 다수의 멀티센서 데이터벡터들과, 여러 장소들 사이에서 적어도 하나의 사용자가 소지한 적어도 하나의 휴대기기의 이동시 구한 가속도계 판독값들을 받는 인터페이스로서, 상기 이동 중의 적어도 일부는 도보이고, GPS 기반 내비게이션의 정확도가 허용 임계치보다 낮은 지역에 대부분의 장소들이 위치하는 인터페이스; 및
   상기 인터페이스, 가속도계, 자기계 및 맵 캘큐레이터에 연결되는 프로세서;를 포함하고,
   상기 프로세서는,
   가속도계 판독값들로부터 여러 도보상태에 관한 가속도계 정보를 추출하고, 여러 도보상태 중의 적어도 2개의 도보상태에 대해 상기 가속도계 정보를 통해 현재 측정된 Z 벡터, 피치 각도 및 롤 각도를 실시간 수정해 수평 가속도를 보정함으로써 지구중심을 향한 Z 벡터를 구하며; 지구중심을 향한 상기 Z 벡터로부터 (Z 벡터에 수직인) 지면에 나란한 표면을 계산하고; 지면에 나란한 상기 표면과 상기 휴대기기에 내장된 적어도 하나의 자기계로 측정한 자기 N극으로부터, 자기 N극으로부터의 방위각 오프셋과 지리적 N극으로부터의 헤딩 오프셋으로 이루어진 군에서 선택된 오프셋을 추정하며; 상기 여러 도보상태들 중의 적어도 2개의 상태에 관련된 가속도계 정보를 처리하여 사용자의 이동방향을 결정하고, 상기 오프셋에 의거해 상기 이동방향을 수정하며; 상기 수정된 이동방향으로부터, 상기 사용자의 적어도 하나의 위치를 추정하고;
   상기 맵 캘큐레이터는, 다수의 멀티센서 데이터벡터들과 추정된 위치에 응답해, GP마다 멀티센서 GP 지문과 상기 추정된 위치에서 유도되는 GP 위치정보를 갖춘 다수의 GP를 포함하는 위치지문 맵을 계산하며;
   아래 a 내지 b 중의 적어도 하나가 참인 것을 특징으로 하는 시스템.
   a. 상기 다수의 멀티센서 데이터벡터들의 사용 순서가 동적으로 실시간 가변적이고, 상기 사용 순서가 GP 위치정보의 실시간 정확도의 함수이며;
   b. 상기 프로세서가 추가로,
   다수의 휴대기기들 중의 적어도 하나의 내부 내비게이션 시스템을 통해 두번째 멀티센서 GP 지문을 구하고;
   상기 내부 내비게이션 시스템을 통해 사용자의 적어도 하나의 내비게이션 시스템 위치를 추정하며;
   상기 두번째 멀티센서 GP 지문을 첫번째 멀티센서 GP 지문 중의 적어도 하나에 비교하고;
   상기 비교로부터 다수의 휴대기기들 중의 적어도 하나의 위치를 추정하며;
   상기 비교로부터 추정된 상기 위치로 내부 내비게이션 시스템을 업데이트함.

Images