KR102632309B1 - 무선 신호를 이용하여 위치를 측정하는 장치 및 방법 - Google Patents
무선 신호를 이용하여 위치를 측정하는 장치 및 방법 Download PDFInfo
- Publication number
- KR102632309B1 KR102632309B1 KR1020210102745A KR20210102745A KR102632309B1 KR 102632309 B1 KR102632309 B1 KR 102632309B1 KR 1020210102745 A KR1020210102745 A KR 1020210102745A KR 20210102745 A KR20210102745 A KR 20210102745A KR 102632309 B1 KR102632309 B1 KR 102632309B1
- Authority
- KR
- South Korea
- Prior art keywords
- signal
- location
- information
- wireless signal
- measurement
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000004364 calculation method Methods 0.000 claims abstract description 58
- 238000004891 communication Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 181
- 238000013473 artificial intelligence Methods 0.000 claims description 51
- 230000006870 function Effects 0.000 claims description 50
- 238000010801 machine learning Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 40
- 230000007613 environmental effect Effects 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 238000013213 extrapolation Methods 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 6
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 29
- 238000000691 measurement method Methods 0.000 description 9
- 230000001502 supplementing effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000003550 marker Substances 0.000 description 3
- 230000009469 supplementation Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
Classifications
-
- 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
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- 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
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Abstract
본 발명은 위치를 측정하는 장치 및 방법에 관한 것으로, 보다 상세하게는, 무선 신호의 수신 강도를 이용하여 측정 대상 공간 내부에서 신호를 수신한 단말기의 위치를 효과적으로 획득하는 장치와 그 동작 방법에 관한 것이다. 본 발명에 따른 무선 신호를 이용하여 위치를 측정하는 장치는 적어도 하나의 송신기로부터 단말로 발신된 적어도 하나의 무선 신호에 대한 정보를 수신하는 통신부; 상기 적어도 하나의 무선 신호의 특성 정보를 식별하는 신호 처리부; 상기 적어도 하나의 무선 신호의 특성 정보를 이용하여 상기 단말의 위치 정보를 획득하는 위치 연산부를 포함할 수 있다.
Description
본 발명은 위치를 측정하는 장치 및 방법에 관한 것으로, 보다 상세하게는, 무선 신호의 수신 강도를 이용하여 측정 대상 공간 내부에서 신호를 수신한 단말기의 위치를 효과적으로 획득하는 장치와 그 동작 방법에 관한 것이다.
최근 휴대용 정보통신기기의 대중화에 따라 휴대기기에서의 정밀한 위치 측정 수요가 늘어나고 있다. 휴대기기에서의 위치 측정은 GPS와 같은 위성 기반의 위치측정 체계에 의존하는 방법이 있으나, GPS 신호는 실내 또는 기타 위성전파 수신을 방해하는 장애물이 있는 환경에서는 정상적으로 수신되지 않고, 지리적인 위치를 파악하는 데는 용이하지만 더 국소적인 위치 측정이 어렵다는 단점이 있다. 예를 들어, GPS 신호만을 이용하여 현재 휴대기기가 특정 건물 내부의 몇 층에 위치하고 있는지, 해당 층 내부의 어느 방에 위치하고 있는지 명확하게 특정하는 것에는 곤란함이 있다.
더 정밀한 위치 측정을 위하여, 휴대기기에 수신되는 각종 무선 신호의 특성으로부터 휴대기기의 위치를 파악하는 방법이 개발되어 있다.
도 1은 무선 신호의 수신 강도를 활용해서 무선 신호 송신기까지의 거리를 측정하는 방법을 간략히 나타낸 것이다.
도 1을 참조하면, 송신기(100)에서 발신된 무선 신호(120)가 단말기(110)에 수신될 때, 신호의 강도는 송신기가 멀리 있음에 따라 감쇄되는 것이 일반적이다. 이에 따라, 거리가 멀어짐에 따라 신호 강도가 소정의 함수 곡선에 의하여 감쇄되는 거리 비례 모델(130)을 적용할 수 있다. 이에 따라 이론적으로는 신호의 강도로부터 신호 송신기까지의 거리를 추정할 수 있다.
신호 송신기까지의 거리를 복수로 측정하고 각 신호 송신기의 위치를 특정할 수 있는 경우, 이른바 삼변측량법(三變測量法, Trilaterlation)에 의거하여 단말기의 위치를 정밀하게 측정할 수 있다.
도 2는 삼변측량법에 의하여 단말기의 위치를 측정하는 방법을 간략히 나타낸 것이다.
도 2를 참조하면, 제 1 송신기(200-1)와 제 2 송신기(200-2)의 설치 위치 정보가 사전에 공지되어 있다고 가정할 때, 단말기(210)는 상술한 거리 추정 방법을 응용하여 제 1 송신기까지의 제 1 거리(220-1) 및 제 2 송신기까지의 제 2 거리(220-2)를 획득할 수 있다. 이 때 제 1 송신기에서 제 2 송신기까지의 직선거리(230) 또한 자명하므로, 제 1 송신기, 제 2 송신기, 및 단말기를 꼭지점으로 하는 가상의 삼각형을 상정하고, 이를 통하여 공지된 송신기의 위치로부터 단말기의 위치를 추정할 수 있다. 이 같은 방법을 활용하면 각종 상용 무선 신호가 용이하게 침투하고 있는 각종 실내 공간 등에서도 단말기의 위치를 상대적으로 정확하게 파악하는 것이 가능하다.
그러나, 종래에는 상기와 같은 삼변측량에 의한 위치 측정 과정에 여러 가지 한계가 존재하였다.
도 3a는 실제 측정 환경에서 종래 위치 측정 방법에 발생하는 환경 장애물로 인한 측정 오차의 발생을 나타낸 개념도이다.
무선 신호는 측정 공간의 구조 및 공간 내의 각종 장애물에 의하여 반사, 굴절, 회절, 및 차단되므로, 이론적 환경에서 특정 유형의 무선 신호에 대응하여 계산된 거리 비례 모델이 실제 환경에서는 적용되기 어려운 문제가 있다.
도 3a를 참조하면, 제 1 송신기(300-1)로부터 단말기(310)에 전송되는 제 1 신호(320-1)는 이론에 부합하는 신호 강도 대 거리 비례 관계(340-1)를 나타내지만, 제 2 송신기(300-2)로부터 전송되는 제 2 신호(320-2)는 무선 전파 경로 상의 장애물(330)로 인해 이론과 상이한 신호 강도 대 거리 비례 관계(340-2)를 보이게 되고, 측정 오차의 원인이 된다.
도 3b는 실제 측정 환경에서 종래 위치 측정 방법에 발생하는 신호 유형의 차이로 인한 측정 오차의 발생을 나타낸 개념도이다.
무선 신호의 수신 강도와 무선 신호 송신기까지의 거리가 대체로 비례함은 경험적 및 이론적으로 알 수 있으나, 그 비례 관계가 단순 1차 방정식에 의하지 않기 때문에 계산 과정에서 오차가 발생할 수 있다. 무선 신호가 가지는 파동으로서의 특징으로 인하여, 수신 강도와 물리적 거리 간의 비례 관계는 로그 방정식에 가까운 대응 관계를 형성하며, 또한 무선 신호의 유형에 따라 그 관계가 저마다 상이하다. 이를테면, 주파수 대역이 각기 다른 LTE, 5G, Wifi, LoRa, 저전력 블루투스(BLE, Bluetooth Low Energy), 초광대역 무선통신(UWB: Ultra-wideband) 유형의 무선 신호들은, 각자 상이한 신호 수신 강도 대비 거리 비례 모델을 가진다.
도 3b를 참조하면, 제 1 송신기(300-1)로부터 단말기(310)에 전송되는 제 1 신호(320-1)는 이론에 부합하는 신호 강도 대 거리 비례 관계(340-1)를 나타내지만, 제 3 송신기(300-3)로부터 전송되는 제 3 신호(320-3)는 주파수 특성의 차이로 인하여 이론과 상이한 신호 강도 대 거리 비례 관계(340-3)를 보이게 되고, 측정 오차의 원인이 된다.
더욱이, 모든 무선 신호의 송신기 위치를 단말기가 사전에 알 수 없다는 문제도 존재한다. 통신 신호 규약에 위치 정보를 브로드캐스트(Broadcast)하도록 설계되지 않은 무선 신호인 경우, 무선 신호를 수신하더라도 해당 신호가 송신되는 송신기의 정확한 위치를 알 수 없다. 이 때는 상술한 삼변측량법에 의한 가상의 삼각형을 그리더라도 꼭지점의 위치와 변의 길이를 결정할 수 없어, 측정 오차의 원인이 되거나 측정에 실패하는 원인이 된다.
상술한 문제점을 해결하기 위한 본 발명의 일 양태에 따른 목적은, 송신기의 위치가 확인 된 무선 신호를 이용하여 더욱 정밀하게 위치를 측정하고, 송신기의 위치가 확인되지 않은 무선 신호를 이용하여서도 측정 공간 내부에서의 추정 위치 산출을 용이하게 하는 방법, 및 상기 방법을 이용한 위치 측정 장치를 제공하는 것이다.
상기의 기술적 과제를 해결하기 위한 본 발명의 일 양태에 따른 무선 신호를 이용하여 위치를 측정하는 장치는, 적어도 하나의 송신기로부터 단말로 발신된 적어도 하나의 무선 신호에 대한 정보를 수신하는 통신부; 상기 적어도 하나의 무선 신호의 특성 정보를 식별하는 신호 처리부, 상기 신호의 특성 정보는 적어도 하나의 무선 신호의 수신 강도와 유형을 포함함; 상기 적어도 하나의 무선 신호의 특성 정보를 이용하여 상기 단말의 위치 정보를 획득하는 위치 연산부를 포함하고, 상기 위치 연산부는, 상기 적어도 하나의 무선 신호 각각에 대해, 무선 신호의 유형에 따른 수신 강도와 송신기로부터의 거리 간 비례 관계를 기반으로, 상기 적어도 하나의 송신기로부터 상기 단말까지의 거리 정보를 획득하고, 적어도 하나의 상기 획득된 거리 정보를 이용하여 상기 단말의 위치를 연산할 수 있다.
상기 수신부가 수신하는 무선 신호 정보는, LTE, 5G, Wifi, LoRa, 저전력 블루투스(BLE, Bluetooth Low Energy), 초광대역 무선통신(UWB: Ultra-wideband) 중 적어도 한 가지 유형의 무선 신호에 대한 신호 정보일 수 있다.
상기 신호의 특성 정보는, 해당 무선 신호를 송신한 송신기의 설치 위치 정보를 포함할 수 있다.
상기 위치 연산부에서의 상기 단말의 위치에 대한 연산은 측정 대상 공간의 측정 환경 정보를 이용하되, 상기 측정 환경 정보는 상기 측정 대상 공간 내부의 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함할 수 있다.
상기 신호의 특성 정보는, 해당 무선 신호를 송신한 송신기의 설치 위치 정보를 포함하고, 상기 위치 연산부에서의 상기 단말의 위치에 대한 연산은 측정 대상 공간의 측정 환경 정보를 이용하되, 상기 측정 환경 정보는 상기 측정 대상 공간 내부의 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함하고, 상기 신호 특성 정보와 상기 측정 환경 정보 중 적어도 하나는 위치 측정 장치에 미리 저장되어 있는 것을 사용할 수 있다.
상기 위치 연산부는 머신 러닝 기반으로 동작하는 인공지능 모델에 의하여 연산을 수행하고, 상기 위치 연산부는, 학습 단계 환경 정보 중 적어도 하나의 값이 변화함에 따라, 무선 신호의 송신기로부터 수신부까지의 거리에 따라 수신된 무선 신호의 강도가 변화하는 정도를 측정한 하나 이상의 측정 결과를 학습 데이터 셋으로 입력하는 학습 데이터 셋 입력부; 상기 학습 단계 환경 정보와 측정 결과를 상기 머신 러닝 인공지능 모델에 학습시켜 측정 환경 적응적 비례 함수를 생성하는 함수 생성부; 및 상기 머신 러닝 인공지능 모델에 상기 측정 환경 정보와 상기 신호 특성 정보를 입력하여, 가장 유사한 학습 단계 환경 정보에서 동일한 신호 유형의 신호로부터 얻어진 적응적 비례 함수를 적용하고, 이를 기반으로 신호 송신기로부터 상기 수신부까지의 거리를 계산하는 계산부를 포함할 수 있다.
상기 머신 러닝 인공지능 모델은 가우스 과정 회귀(GPR: Gaussian Process Regression) 방식에 기반할 수 있다.
상기 학습 단계 환경 정보는 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함할 수 있다.
상기 위치 연산부는, 적어도 하나의 신호를 송신한 송신기의 설치 위치와 상기 거리 정보를 조합하여, 삼변측량법(三變測量法, Trilaterlation)에 따라 상기 신호 수신부의 위치를 계산할 수 있다.
상기 위치 연산부는, 하나 이상의 상기 신호 특성 정보를 신호 핑거프린트 맵에 기록된 위치 지점 별 특성 정보와 비교하여 차이를 계산하고, 상기 계산된 차이가 가장 적은 위치 지점을 상기 신호 수신부의 위치로 간주할 수 있다.
상기 신호 핑거프린트 맵은, 측정 대상 공간을 단위 면적으로 분할하여 적어도 하나의 위치 지점을 식별하고, 상기 적어도 하나의 위치 지점에서 수신한 적어도 하나의 무선 신호의 적어도 하나의 신호 특성 정보를 수집하고, 상기 수집된 신호 특성 정보를 상기 위치 지점과 연관시킨 정보를 포함할 수 있다.
상기 위치 지점에서 수신한 무선 신호의 신호 특성 정보는, 별도의 무선 신호 수집 장치에 의하여 해당 위치 지점에서 수신한 무선 신호의 신호 특성 정보에 기반하여 수집될 수 있다.
상기 위치 연산부는, 상기 적어도 하나의 식별된 위치 지점에 대하여, 해당 위치 지점에서 수집된 신호의 특성 정보가 존재하지 않는 경우, 적어도 하나의 가장 인접한 위치 지점에 연관되어 신호 핑거프린트 맵에 기록된 적어도 하나의 신호 특성 정보를 사용하여, 해당 위치 지점의 신호 특성 정보를 보간(Interpolation) 또는 외삽(Extrapolation) 중 적어도 하나의 방법에 의해 추정하고, 상기 신호 핑거프린트 맵은 상기 추정된 신호 특성 정보를 상기 위치 치점과 연관시킨 정보를 포함할 수 있다.
상기 위치 연산부는 머신 러닝 기반으로 동작하는 인공지능 모델에 의하여 연산을 수행하고, 상기 위치 연산부는, 학습 단계 환경 정보 중 적어도 하나의 값이 변화함에 따라, 무선 신호의 송신기로부터 수신부까지의 거리에 따라 수신된 무선 신호의 강도가 변화하는 정도를 측정한 하나 이상의 측정 결과를 학습 데이터 셋으로 입력하는 학습 데이터 셋 입력부; 상기 학습 단계 환경 정보와 측정 결과를 상기 머신 러닝 인공지능에 학습시켜 측정 환경 적응적 추정 함수를 생성하는 함수 생성부; 및 상기 머신 러닝 인공지능에 상기 위치 지점의 공간적 위치, 상기 위치 지점의 측정 환경 정보, 및 상기 신호 특성 정보를 입력하여, 가장 유사한 학습 단계 환경 정보에서 동일한 신호 유형의 신호로부터 얻어진 환경 적응적 추정 함수를 적용하고, 이를 기반으로 해당 위치 지점에서의 신호 특성 정보를 추정하는 계산부를 포함할 수 있다.
상기 머신 러닝 인공지능은 가우스 과정 회귀(GPR: Gaussian Process Regression) 방식에 기반할 수 있다.
상기 학습 단계 환경 정보와 측정 환경 정보는 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함할 수 있다.
본 발명의 일 양태에 따른 무선 신호를 이용하여 위치를 측정하는 클라이언트 장치는, 적어도 하나의 송신기로부터 발신된 적어도 하나의 무선 신호를 수신하는 신호 수신부; 상기 적어도 하나의 무선 신호의 특성 정보를 식별하는 신호 처리부, 상기 신호의 특성 정보는 신호의 수신 강도와 신호의 유형을 포함함; 상기 적어도 하나의 신호의 특성 정보를 위치 측정 서버에 송신하는 통신부; 및 상기 위치 측정 서버로부터 신호의 유형에 따른 신호의 수신 강도와 신호 송신기로부터의 거리 간 비례 관계를 기반으로 연산된 상기 신호 수신부의 위치를 수신하는 위치 정보 수신부를 포함할 수 있다.
본 발명의 일 양태에 따른 무선 신호를 이용하여 위치를 측정하는 방법은, 적어도 하나의 송신기로부터 단말로 발신된 적어도 하나의 무선 신호의 특성 정보를 식별하는 단계, 상기 신호의 특성 정보는 신호의 수신 강도와 신호의 유형을 포함함; 상기 신호의 유형에 따른 신호의 수신 강도와 신호 송신기로부터의 거리 간 비례 관계를 기반으로, 상기 적어도 하나의 무선 신호의 송신기로부터 상기 신호 수신부까지의 거리 정보를 획득하고, 적어도 하나의 상기 거리 정보를 이용하여 상기 신호 수신부의 위치를 연산하는 단계를 포함할 수 있다.
상기 신호의 특성 정보는, 해당 무선 신호를 송신한 송신기의 설치 위치 정보를 포함하고; 상기 위치를 연산하는 단계는, 측정 대상 공간의 측정 환경 정보를 이용하고; 상기 측정 환경 정보는 상기 측정 대상 공간 내부의 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함할 수 있다.
상기 위치를 연산하는 단계는, 머신 러닝 인공지능을 연산에 이용하고, 상기 머신 러닝 인공지능은 가우스 과정 회귀(GPR: Gaussian Process Regression) 방식에 기반할 수 있다.
본 발명의 무선 신호를 이용하여 위치를 측정하는 장치 및 방법에 따르면, 위치가 알려진 송신기로부터의 무선 신호를 이용해 보다 정확하고 정밀한 위치 측정이 가능해지는 효과가 있다.
또한, 위치 측정을 위한 별도의 기술적 준비가 구비되어 있지 않은 일반적인 주변 무선 신호를 이용해서도 위치 측정이 가능해지는 방법을 제공하는 효과가 있다.
또한, 신호의 유형과 측정 환경의 각종 장애물 및 날씨의 변화 등에 대응하여서도 정밀한 위치 측정이 가능하도록 하는 효과가 있다.
또한, 전문가에 의해 완전히 전파 특성이 조사되지 않은 측정 대상 공간 내부에서도 보간 및 외삽된 정보를 이용하여 높은 정말도로 위치 측정이 가능해지는 효과가 있다.
도 1은 종래 무선 신호의 수신 강도를 활용해서 무선 신호 송신기까지의 거리를 측정하는 방법을 나타낸 개념도,
도 2는 삼변측량법에 의하여 단말기의 위치를 측정하는 방법을 나타낸 개념도,
도 3a는 실제 측정 환경에서 종래 위치 측정 방법에 발생하는 환경 장애물로 인한 측정 오차의 발생을 나타낸 개념도,
도 3b는 실제 측정 환경에서 종래 위치 측정 방법에 발생하는 신호 유형의 차이로 인한 측정 오차의 발생을 나타낸 개념도,
도 4는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 방법을 사용하는 시스템을 개략적으로 나타낸 개념도,
도 5는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 데 있어서 신호 특성 정보 및 측정 환경 정보를 고려하는 방법을 나타낸 개념도,
도 6은 측정 대상 공간을 단위 면적으로 분할하는 방법을 설명하기 위한 개념도,
도 7a는 본 발명의 일 실시예에 따른 신호 핑거프린트 맵을 이용하여 위치를 측정하는 방법을 설명하기 위한 개념도,
도 7b는 본 발명의 일 실시예에 따른 신호 핑거프린트 맵에 대한 일치 판단 과정을 나타낸 개념도,
도 7c는 본 발명의 일 실시예에 따른 신호 핑거프린트 맵의 구성 정보를 나타낸 개념도,
도 8a는 불완전한 신호 핑거프린트 맵을 나타낸 개념도,
도 8b는 외삽에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도,
도 8c는 보간에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도,
도 8d는 외부 정보원에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도,
도 8e는 보완된 신호 핑거프린트 맵을 나타낸 개념도,
도 9는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 방법을 나타낸 흐름도,
도 10은 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 장치를 나타낸 구조도이다.
도 2는 삼변측량법에 의하여 단말기의 위치를 측정하는 방법을 나타낸 개념도,
도 3a는 실제 측정 환경에서 종래 위치 측정 방법에 발생하는 환경 장애물로 인한 측정 오차의 발생을 나타낸 개념도,
도 3b는 실제 측정 환경에서 종래 위치 측정 방법에 발생하는 신호 유형의 차이로 인한 측정 오차의 발생을 나타낸 개념도,
도 4는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 방법을 사용하는 시스템을 개략적으로 나타낸 개념도,
도 5는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 데 있어서 신호 특성 정보 및 측정 환경 정보를 고려하는 방법을 나타낸 개념도,
도 6은 측정 대상 공간을 단위 면적으로 분할하는 방법을 설명하기 위한 개념도,
도 7a는 본 발명의 일 실시예에 따른 신호 핑거프린트 맵을 이용하여 위치를 측정하는 방법을 설명하기 위한 개념도,
도 7b는 본 발명의 일 실시예에 따른 신호 핑거프린트 맵에 대한 일치 판단 과정을 나타낸 개념도,
도 7c는 본 발명의 일 실시예에 따른 신호 핑거프린트 맵의 구성 정보를 나타낸 개념도,
도 8a는 불완전한 신호 핑거프린트 맵을 나타낸 개념도,
도 8b는 외삽에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도,
도 8c는 보간에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도,
도 8d는 외부 정보원에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도,
도 8e는 보완된 신호 핑거프린트 맵을 나타낸 개념도,
도 9는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 방법을 나타낸 흐름도,
도 10은 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 장치를 나타낸 구조도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
개선된 방법으로 무선 신호를 이용하여 위치를 측정하는 시스템
도 4는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 방법을 사용하는 시스템을 개략적으로 나타낸 개념도이다. 본 발명의 일 실시예에 따른 무선 신호를 이용한 위치 측정 시스템은 단말기(400), 무선 신호 송신기(410, 420) 및 위치 측정 서버(440)를 포함할 수 있다.
도 4를 참조하면, 단말기(400)는 사용자 통신 단말로, 각종 무선 신호의 수신 기능이 있는 장치이다. 상기 단말기(400)는 이동국(MS), 사용자 장비(UE; User Equipment), 사용자 터미널(UT; User Terminal), 무선 터미널, 액세스 터미널(AT), 터미널, 고정 또는 이동 가입자 유닛(Subscriber Unit), 가입자 스테이션(SS; Subscriber Station), 셀룰러 전화, 무선 기기(wireless device), 무선 통신 디바이스, 무선송수신유닛(WTRU; Wireless Transmit/Receive Unit), 이동 노드, 모바일, 모바일국, 개인 휴대 정보 단말(personal digital assistant; PDA), 스마트폰, 랩톱, 넷북, 개인용 컴퓨터, 무선 센서, 소비자 전자기기(CE) 또는 다른 용어들로서 지칭될 수 있다. 상기 단말기(400)의 다양한 실시예들은 셀룰러 전화기, 무선 통신 기능을 가지는 스마트 폰, 무선 통신 기능을 가지는 개인 휴대용 단말기(PDA), 무선 모뎀, 무선 통신 기능을 가지는 휴대용 컴퓨터, 무선 통신 기능을 가지는 디지털 카메라와 같은 촬영장치, 무선 통신 기능을 가지는 게이밍 장치, 무선 통신 기능을 가지는 음악저장 및 재생 가전제품, 무선 인터넷 접속 및 브라우징이 가능한 인터넷 가전제품뿐만 아니라 그러한 기능들의 조합들을 통합하고 있는 휴대형 유닛 또는 단말기들을 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 실시예에 따르면, 단말기(400)는 적어도 하나의 무선 신호 송신기(410, 420)로부터 무선 신호(470-1, 470-2)를 수신할 수 있다. 단말기(400)가 상기 송신기(410, 420)와 교환하는 무선통신 신호의 유형은 LTE, 5G, Wifi, LoRa, 저전력 블루투스(BLE, Bluetooth Low Energy), 초광대역 무선통신(UWB: Ultra-wideband) 등 통용되는 무선통신 프로토콜에 해당할 수 있으나, 반드시 이에 한정되어야 하는 것은 아니다.
단말기(400)에 무선 신호를 제공하는 무선 신호 송신기(410, 420)는 크게 위치 측정 대응 송신기(410)와 일반 송신기(420)로 구분될 수 있다.
위치 측정 대응 송신기(410)는 송신기가 설치된 정확한 위치에 관련한 정보를 본 발명의 실시예에 의한 위치 측정 시스템에 제공하는 송신기일 수 있다. 이 때, 상기 설치 위치에 관련한 정보는 무선 신호(470-1)를 통해 단말기에 전송될 수도 있고, 또는, 서버와의 통신(480-3)을 통해 위치 측정 서버(440)에 제공될 수도 있으며, 또는, 위치 측정 서버(440) 내부에 사전에 기록되어 있을 수도 있다.
일반 송신기(420)는 단말기(400)에 무선 신호를 전송하는 송신기 가운데 상기 위치 측정 대응 송신기(410)에 해당하는 송신기들을 제외한 것들을 지칭할 수 있다. 일반 송신기(420)의 설치 위치와 관련된 정보는 무선 신호(470-2)를 통해 별도로 제공되지 아니할 수 있다.
환경 정보 공급자(430)는 단말기(400)가 위치를 측정하고자 하는 공간 내부의 측정 환경 정보를 공급하는 정보 주체이다. 상기 환경 정보 공급자(430)가 제공하는 측정 환경 정보는 위치 측정 현장의 날씨, 기온, 습도, 조도 중 적어도 하나를 포함하는 자연 환경상의 정보일 수 있고, 위치 측정 현장의 위도, 경도, 주소, 지면으로부터의 고도, 건물에서의 층(層), 층 바닥면으로부터의 고도 등 지리적 정보일 수 있고, 위치 측정 대상 공간의 평면도, 장애물의 위치도, 벽의 위치도 등 공간적 정보일 수 있고, 상술한 각각의 정보가 통합된 복합적 정보일 수 있다. 상기 환경 정보 공급자(430)의 다양한 실시예들은 개별 센서, 센서 네트워크, 공공 기상 정보 API, 민간 기상 정보 API, 기후 통계 데이터베이스, 건축 설계 정보 데이터베이스, 공간 실측 정보 데이터베이스, 환경ㆍ지리ㆍ공간적 정보를 측정하는 기계장치, 환경ㆍ지리ㆍ공간적 정보를 측정하는 전자적 장치, 환경ㆍ지리ㆍ공간적 정보를 공급하는 정보처리 장치를 포함할 수 있으나, 반드시 이에 한정되어야 하는 것은 아니다. 환경 정보 공급자(430)가 공급하는 측정 환경 정보는 무선 신호(480-4)를 통해 단말기에 전송될 수도 있고, 또는, 서버와의 통신(480-4)을 통해 위치 측정 서버(440)에 제공될 수도 있다.
본 발명의 실시예에 따르면, 위치 측정 서버(440)는 단말기(400)로부터 분리된 장치이며, 바람직하게는, 유선 또는 무선 통신 네트워크에 연결되어 있는 대용량 컴퓨팅 장치로 구현될 수 있다. 상기 위치 측정 서버는 물리적 서버 내에서 구현되거나, 클라우드(Cloud) 서비스와 같은 가상의 원격 서버 상에서 구현될 수 있다. 상기 위치 측정 서버(440)는 단말기(400)로부터 위치 측정 요청 메시지(480-1)를 받아, 단말기(400)의 위치를 계산하고, 단말기(400)에 위치 정보 메시지(480-2)를 전송하는 기능을 수행할 수 있다. 이 때, 위치 측정 요청 메시지(480-1)에는 단말기(400)가 수신한 무선 신호(470-1, 470-2)의 각각에 대한 특성 정보, 단말기(400)를 통해 수신된 위치 측정 대응 송신기(410)의 설치 위치 정보, 단말기(400)를 통해 수신된 측정 환경 정보(480-4)가 포함될 수 있다.
본 발명의 다른 실시예에 따르면, 위치 측정 서버(440)에서 수행되는 기능은 위치 측정 서버(440)에 의해 애플리케이션(APP: Application) 형태로 단말기(400)에 제공될 수 있다. 단말기(400)는 사용자 입력을 통해 위치 측정 명령(480-1)을 받아, 단말기(400)의 위치를 계산하고, 위치 정보(480-2)를 산출하는 기능을 수행할 수 있다. 본 명세서 상에서, 위치 측정 서버(440)에서 수행되는 기능은 서버(440)에서 제공하는 앱을 통해 단말기(400)에서도 동일 또는 유사하게 수행될 수 있음은 본 발명이 속하는 기술분야의 통상의 기술자에게는 자명한 것일 것이다.
한편, 위치 측정 서버(440)는 단말기(400)의 위치를 계산하는 과정을 위치 측정 연산 장치(450)를 이용하여 수행할 수 있다. 본 발명의 실시예에 따르면, 위치 측정 연산 장치(450)의 전부 또는 일부는 머신 러닝(Machine Learning)에 의해 학습된 인공지능 모델(460)을 사용하여 동작할 수 있다. 위치 측정 연산 장치(450)는 무선 신호의 수신 강도, 무선 신호의 유형, 측정 대상 공간의 측정 환경 정보 등 입력 정보(490-1)를 인공지능 모델(460)에 입력하고, 그 결과로 추정된 거리 정보를 반환받고, 하나 이상의 상기 거리 정보를 조합함으로써 계산한 위치 정보(490-2)를 위치 측정 서버(440)에 반환하여, 위치 측정 서버(440)가 단말기(400)에 위치 정보(480-2)를 통지하도록 할 수 있다.
본 발명의 실시예에 따르면, 상기 인공지능 모델(460)은 상기 위치 측정 연산 장치(450)과 함께 상기 위치 측정 서버(440) 내부에 설치되어, 위치 측정 서버(440)의 컴퓨팅 자원을 공유할 수 있다. 본 발명의 또 다른 실시예에 따르면, 상기 인공지능 모델(460)은 상기 위치 측정 서버(440)의 외부에 설치되어, 위치 측정 서버(440)의 내부에 설치된 위치 측정 연산 장치(450)와 통신 네트워크로 연결되어 입출력을 교환하는 형태로 구현될 수 있다. 이 밖에도 대용량 컴퓨팅 장치를 포함하는 연산 시스템의 구축 및 인공지능 모델 기반의 연산 장치 구현에 있어서 다양한 방법이 적용될 수 있다는 것은, 본 발명이 속하는 기술분야의 통상의 기술자에게는 자명한 것일 것이다.
본 발명의 실시예에 따르면, 상기 인공지능 모델(460)이 학습하는 대상은 무선 신호의 수신 강도, 무선 신호의 유형, 측정 대상 공간의 측정 환경 정보 등의 변화와, 위치 측정 대응 무선 송신기(410)까지의 거리를 추정하기 위한 신호 강도 대비 거리 비례 모델을 상호 연관시킨 정보일 수 있다.
본 발명의 다른 실시예에 따르면, 상기 인공지능 모델(460)이 학습하는 대상은 무선 신호의 수신 강도, 무선 신호의 유형, 측정 대상 공간의 측정 환경 정보 등의 변화를, 측정 대상 공간 내부를 단위 면적으로 분할한 지점마다 위치적으로 연관시킨 정보일 수 있다.
본 발명의 또 다른 실시예에 따르면, 상기 위치 측정 연산 장치(450)는 상기 인공지능 모델(460) 대신 동일한 연산 기능을 수행하는 다른 수단을 활용하여 연산을 수행할 수 있다. 예를 들어, 상기 위치 측정 연산 장치(450)는 내부에 상기 인공지능 모델(460)과 동일한 목적의 연산을 수행하여 동일한 범주의 결과 값을 도출하도록 종래의 또는 새로운 방식으로 설계된 판단 알고리즘을 탑재하여, 상기 인공지능 모델(460)을 활용하지 않고도 본 발명의 구현에 있어 필요한 위치 측정 연산을 수행할 수 있다. 이러한 연산 절차의 구현 방법으로는 본 발명의 본질적 사상을 구현하는 범위 내에서 다양한 방법이 적용될 수 있으며, 이는 본 발명이 속하는 기술분야의 통상의 기술자에게는 자명한 것일 것이다.
이하 본 발명의 바람직한 실시예로서, 상기 위치 측정 연산 장치(450)가 상기 머신 러닝 인공지능 모델(460)에 기반하여 연산을 수행하는 실시예를 기준으로, 본 발명에 따른 위치 측정 연산의 방법에 관하여 상세히 서술하고자 한다.
개선된 거리 비례 함수의 도출과 개선된 삼변측량의 적용
본 발명의 실시예에 따르면, 상기 머신 러닝 인공지능 모델(460)은 송신기로부터의 이격 거리에 따라 변화하는 무선 신호의 수신 강도를 무선 신호 유형 및 측정 대상 공간의 측정 환경 정보 값과 연관시켜 학습하고, 이를 바탕으로 소정의 신호 강도를 이용해 송신기까지의 거리를 추정할 수 있는 비례 함수를 예측하여 저장할 수 있다. 바람직하게는, 상기 함수 예측은 가우스 과정 회귀(GPR: Gaussian Process Regression) 또는 그에 유사한 알고리즘에 의해 동작하여, 복수의 입력된 결과값으로부터 연속된 함수를 추정해 내는 과정일 수 있으나, 반드시 이에 한정되어야만 하는 것은 아니다.
도 5는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 데 있어서 신호 특성 정보 및 측정 환경 정보를 고려하는 방법을 나타낸 개념도이다.
도 5를 참조하면, 상기 머신 러닝 인공지능 모델(460)의 학습 과정에는, 바람직하게는, 신호의 수신 강도에 관한 정보(500), 신호의 유형에 관한 정보(510), 측정 대상 공간의 측정 환경 정보(520), 및 송신기로부터의 거리 정보(530)가 입력으로 활용될 수 있다. 이 때, 신호의 수신 강도(500)와 거리 정보(530)는 각각 비례 함수의 x축과 y축을 구성하는 성분으로, 실제 관측 결과를 입력으로 받으며, 가우스 과정 회귀에 의해 비례 함수를 추정하는 근거로 활용될 수 있다. 또한, 상기 추정된 비례 함수에는 상기 신호 유형 정보(510) 및 측정 환경 정보(520)중 적어도 하나가 연관되어 학습되며, 서로 상이한 신호 유형 정보(510) 및 측정 환경 정보(520)에 의해 연관된 하나 이상의 비례 함수(540)가 머신 러닝에 의해 학습되어 저장될 수 있다.
본 발명의 실시예에 따르면, 상기 머신 러닝 인공지능 모델(460)은 상기 학습된 결과를 토대로 신호 강도 정보로부터 거리 정보를 도출하는 데 사용될 수 있다. 바람직하게는, 신호의 수신 강도에 관한 정보(500), 신호의 유형에 관한 정보(510), 및 측정 대상 공간의 측정 환경 정보(520)가 입력값으로 주어지면, 기존에 학습한 상기 하나 이상의 비례 함수(540) 가운데 가장 유사한 신호 유형 정보 및 측정 환경 정보가 연관되어 있는 비례 함수를 선택하고, 해당 비례 함수에 신호의 수신 강도 정보를 투입함으로써 정확도가 높은 거리 정보(530)를 획득할 수 있다.
본 발명의 실시예에 따르면, 상술한 바와 같이 신호 강도로부터 신호 송신기까지의 거리를 더 정밀하게 측정할 수 있게 되므로, 종래의 삼변측량법을 활용하더라도 종래의 기술에 비해 더욱 정확도가 높은 단말기의 위치를 획득할 수 있게 된다.
도 2를 다시 참조하면, 상기 위치 측정 장치(440), 위치 측정 연산 장치(450), 및 머신 러닝 인공지능(460)를 활용하는 경우, 제 1 송신기까지의 제 1 거리(220-1) 및 제 2 송신기까지의 제 2 거리(220-2)를 더욱 높은 정확도로 획득할 수 있다. 따라서, 제 1 송신기, 제 2 송신기, 및 단말기를 꼭지점으로 하는 가상의 삼각형을 상정하고, 이를 통하여 공지된 송신기의 위치로부터 단말기의 위치를 추정하는 데 있어 종래 기술에 비하여 높은 정확도를 기대할 수 있게 된다.
신호 핑거프린트 맵에 의한 단말기의 위치 측정
상술한 바와 같이, 본 발명의 실시예에 따르면, 삼변측량법에 의한 위치 측정의 정확도를 향상하는 효과가 있다. 그러나, 상술한 실시예는, 신호의 송신기가 위치한 곳의 정보가 적어도 2개소 이상 공지되어 있지 아니한 경우 적용되기 어렵다는 제약이 있다. 예를 들어, 특정 지점에서 수신되는 무선 신호는 그 통신 프로토콜의 규약에서 송신기 위치 정보의 제공을 허용하지 아니할 수 있다. 또는, 무선 신호를 통해 송신기 위치 정보가 전송되고 있으나, 단말기 또는 단말기의 사용자가 해당 위치 정보에 대한 사용 권한을 획득하지 못하였을 수 있다. 본 발명은 상술한 것과 같은 제약이 있는 환경에서도 단말기 위치 측정의 정확도를 향상할 수 있는 실시예를 더 제공한다.
본 발명의 실시예에 따르면, 상기 위치 측정 연산 장치(450)는 신호 핑거프린트 맵 정보를 활용하여 단말기의 위치를 측정하고, 상기 머신 러닝 인공지능 모델(460)은 상기 신호 핑거프린트 맵의 작성, 보완, 및 비교 중 적어도 하나의 과정에 활용될 수 있다.
본 발명의 실시예에 따르면 상기 신호 핑거프린트 맵은 단말기가 위치를 측정하고자 하는 측정 대상 공간을 단위 면적으로 분할하여 적어도 하나의 위치 지점을 식별하고, 상기 적어도 하나의 위치 지점에서 수신한 적어도 하나의 무선 신호의 적어도 하나의 신호 특성 정보를 수집하고, 상기 수집된 신호 특성 정보를 상기 위치 지점과 연관시킨 정보를 포함할 수 있다. 상술한 바와 같이 특정 위치 지점에서 수신된 신호의 특징을 해당 위치 지점의 위치 정보와 연관한 정보는 신호의 송신기 위치와는 무관한 정보이므로, 이를 통해 신호 강도 대비 송신기까지의 거리 비례 관계에 의존하지 않는 위치 측정을 실시할 수 있다.
도 6은 측정 대상 공간을 단위 면적으로 분할하는 방법을 설명하기 위한 개념도이다.
도 6을 참조하면, 측정 대상 공간의 평면도(600)에서 단말기(620)의 위치를 획득하고자 하는 경우, 무선 신호의 송신기 위치를 활용할 수 없는 경우 상술한 제약 사항이 발생한다. 이 때, 측정 대산 공간(600)을 단위 면적으로 분할하여 신호 핑거프린트 맵(610)을 획득하면, 상기 단말기(620)의 위치는 특정 단위 면적 위치 지점(630)에 해당하게 된다. 따라서, 상기 단말기가 수신한 무선 신호가 상기 신호 핑거프린트 맵(610)에서 어느 특정 위치 지점(630)에 대응하는지를 식별할 필요가 있다.
상술한 단위 면적 분할 방법의 예시는 본 발명의 실시예를 설명하기 위해 단순화한 것으로, 본 발명의 기술적 목적을 달성하는 범위 내에서 다양한 변형이 가능하다. 예를 들어, 단위 면적을 분할하는 방법은 측정 대상 공간을 동일한 면적과 변 길이를 가지는 정사각형 단위로 분할하는 방법일 수 있다. 또는, 단위 면적을 분할하는 방법은 측정 대상 공간을 변의 길이, 변의 개수, 내부 면적 중 적어도 하나가 가변하는 하나 이상의 도형으로 분할하는 방법일 수 있다. 또는, 단위 면적을 분할하는 방법은 측정 대상 공간에 적어도 하나의 위치 마커를 설정하고, 위치 마커별로 단위 면적 구역을 설정하고, 측정 대상 공간의 각 위치 지점은 가장 근접한 위치 마커의 구역에 속하도록 설정하는 방식으로 분할하는 방법일 수 있다.
도 7a는 신호 핑거프린트 맵을 이용하여 위치를 측정하는 방법을 설명하기 위한 개념도이다.
도 7a를 참조하면, 단말기(700)는 위치를 알 수 없는 제 1 송신기(710-1)가 전송한 제 1 신호 및 제 2 송신기(710-2)로부터 전송된 제 2 신호를 수신하여, 제 1 신호의 수신 강도와 제 2 신호의 수신 강도로 구성된 신호 핑거프린트를 구성할 수 있다. 도 7에는 상기 신호 핑거프린트의 예시로서 제 1 예시(720-1)와 제 2 예시(720)가 나타나 있다. 상기 제 1 예시(720-1)를 예로 들어 설명하면, 상기 제 1 예시(720-1)는 제 1 신호의 수신 강도가 "1", 제 2 신호의 수신 강도가 "3"으로 기록된 정보 묶음일 수 있다. 이 때, 신호 핑거프린트 맵(730)에는 측정 대상 공간의 단위 면적별 위치 지점마다 제 1 신호의 수신 강도와 제 2 신호의 수신 강도가 정보 묶음으로서 저장되어 있을 수 있다. 상기 신호 핑거프린트 맵(730)에서 제 1 예시와 일치하는 위치 지점, 즉, 제 1 신호의 수신 강도가 "1", 제 2 신호의 수신 강도가 "3"인 위치 지점을 식별하면, 해당 위치 지점을 단말기(700)의 제 1 예시에 따른 위치(740-1)로 판단할 수 있다. 또 다른 예로서, 상기 제 2 예시(720-2)를 예로 들어 설명하면, 상기 제 2 예시(720-2)는 제 1 신호의 수신 강도가 "7", 제 2 신호의 수신 강도가 "8"로 기록된 정보 묶음일 수 있다. 상술한 것과 동일한 과정에 의하여 신호 핑거프린트 맵(730)에서 일치하는 위치 지점을 식별하면, 해당 위치 지점을 단말기(700)의 제 2 예시에 따른 위치(740-2)로 판단할 수 있다.
본 발명의 실시예에 따르면, 상기 일치하는 위치 지점을 식별하는 방법은, 단말기가 수신한 무선 신호로부터 만들어진 정보 묶음을 신호 핑거프린트 맵에 속한 위치 지점별 정보 묶음과 비교하여, 가장 정보 값의 차이가 적은 위치 지점을 "일치하는" 위치로 판단하는 방법일 수 있다.
도 7b는 본 발명의 일 실시예에 따른 신호 핑거프린트 맵에 대한 일치 판단 과정을 나타낸 개념도이다.
도 7b를 참조하면, 예를 들어, 단말기가 수신한 신호로부터는 제 1 신호의 수신 강도가 "5", 제 2 신호의 수신 강도가 "9"으로 기재된 제 3 예시의 정보 묶음(750)이 제공되고, 제 1 후보 위치(760-1)와 제 2 후보 위치(760-2) 중 일치하는 위치를 선택하는 경우, 각 후보 위치에 기록된 제 1 신호의 수신 강도와 제 2 신호의 수신 강도를 제 3 예시로 주어진 값과 비교하여, 제 1 차이(770-1) 및 제 2 차이(770-2)를 계산할 수 있다. 주어진 예시에서, 제 1 차이(770-1)는 제 3 예시의 제 1 신호 값인 "5"에서 제 1 후보 위치의 제 1 신호 값인 "8"을 뺄셈한 뒤 그 절대값을 구하는 방식으로 제 1 신호간 차이 "S1"을 구하고, 제 3 예시의 제 2 신호 값인 "9"에서 제 1 후보 위치의 제 2 신호 값인 "7"을 뺄셈한 뒤 그 절대값을 구하는 방식으로 제 2 신호간 차이 "S2"을 구한 다음, "S1"과 "S2"를 더하여 제 1 후보 위치에서의 제 1 차이(770-1)를 구한 것이다. 주어진 예시에서는, 제 1 차이(770-1)가 "5", 제 2 차이(770-2)가 "9"이므로, 제 1 후보 위치(760-1)를 단말기의 위치로 판단할 수 있다. 상술한 방법에 의하면, 무선 신호의 특성 상 발생하는 미세한 오차를 극복하고 본 발명에 따른 위치 측정을 실시할 수 있다
상술한 측정 방법의 예시는 본 발명의 실시예를 설명하기 위해 단순화한 것으로, 본 발명의 기술적 목적을 달성하는 범위 내에서 다양한 변형이 가능하다. 예를 들어, 상기 신호 핑거프린트 맵은 각각의 위치 지점마다 하나 이상 임의의 개수의 신호 수신 강도 정보를 묶은 정보 묶음일 수 있다. 또는, 상기 신호 핑거프린트 맵은 각각의 위치 지점마다 하나 이상 임의의 개수의 신호에 대하여 신호의 수신 강도와 신호의 유형을 묶은 정보 묶음일 수 있다. 또는, 상기 신호 핑거프린트 맵은 각각의 위치 지점마다 하나 이상 임의의 개수의 신호에 대한 정보와 함께 적어도 하나의 측정 환경 정보를 결합시킨 정보 묶음일 수 있다. 상기 신호 핑거프린트 맵에서 일치하는 위치 지점을 판단하기 위해 차이를 구하는 방법은, 정보 묶음 구성 요소 각각의 차이를 단순 합산하는 방식이거나, 구성 요소 각각에 가중치를 두어 차등 합산하는 방식이거나, 복수의 차이 값을 산술, 논리, 또는 기하 평균에 의하여 조합하는 방식일 수 있다.
도 7c는 상술한 본 발명 실시예 중 바람직한 한 예를 나타낸 것이다. 도 7c에 나타난 정보 묶음(780)은 본 발명의 일 실시예에 따른 신호 핑거프린트 맵에서 특정 위치 지점에 연관되어 있는 정보 묶음으로, 상술한 도 7a의 신호 핑거프린트 맵(730)에 속하는 위치 지점별 정보, 이를테면, 제 1 예시에 따른 위치(740-1)나 제 2 예시에 따른 위치(740-2)와 같은 위치 지점의 정보값을 나타낸 것일 수 있다. 상기 정보 묶음(780)에는 적어도 하나의 무선 신호를 분석하여 추출한 무선 신호 송신기의 네트워크 장치 MAC 주소(781)가 기록되고, 상기 MAC 주소에 대응하는 무선 신호의 수신 강도(782)가 기록된다. 상기와 같이 네트워크 장치마다 고유하게 지정되는 MAC 주소를 기준 삼아 구성된 정보 묶음은, 다양한 유형을 가진 무선 신호들 간에 신호 수신 강도의 목록을 통합하여 나열할 수 있다는 장점이 있다.
상술한 측정 방법에 따라 신호 핑거프린트 맵을 사용해 위치를 측정하고자 하는 경우, 신호 핑거프린트 맵의 정밀도를 확보할 필요가 있다. 바람직하게는, 신호 핑거프린트 맵은 사전에 위치 측정 전문가에 의하여 측정 대상 공간 내의 가능한 한 많은 단위 면적당 위치 지점에서 수신되는 가능한 한 많은 무신 신호의 정보를 수집한 정보일 수 있다. 그러나, 상술한 것과 같은 정밀한 사전 정보 수집이 곤란한 경우, 본 발명의 실시예에 따르면, 신호 핑거프린트 맵의 보완을 실시할 수 있다.
도 8a는 불완전한 신호 핑거프린트 맵을 나타낸 개념도이다.
도 8a를 참조하면, 제시된 신호 핑거프린트 맵(800)은 단위 면적당 위치 지점마다 제 1 신호 및 제 2 신호의 수신 강도를 기록한 정보 묶음이 기록되어 있으나, 그 기록이 불완전하여, 정보 묶음이 기록되지 않은 단위 면적이 존재한다. 이 같은 불완전한 기록은 신호 핑거프린트 맵을 작성할 때의 신호 정보 수집 과정이 불완전하였거나, 측정이 실시된 이후 측정 대상 공간의 구조가 변경되었기 때문에 발생하였을 수 있다. 제시된 신호 핑거프린트 맵(800)을 사용하여 위치를 측정하는 경우, 상술한 바와 같이 정보 묶음이 기록되지 않은 영역에 단말기가 위치하면, 단말기의 위치를 측정할 수 없거나 다른 위치로 잘못 측정하게 될 우려가 있다. 따라서, 다양한 방법에 의하여 보완을 실시할 수 있다.
도 8b는 외삽(外揷, Extrapolation)에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도이다.
도 8b에 나타난 바와 같이, 본 발명의 실시예에 따르면, 신호의 수신 강도를 알 수 없는 위치 지점에 대하여, 신호의 수신 강도를 알 수 있었던 위치 지점에서 측정된 수신 강도 값을 토대로 예상되는 수신 강도의 값을 외삽을 통해 추정(810)할 수 있다. 상기 외삽을 통한 추정 과정은 다양한 수학적 방법에 의하여 실시될 수 있다. 예를 들어, 상기 외삽을 통한 추정 과정은 신호 핑거프린트 맵에 기록되어 있는 측정값으로부터 선형적 계산에 의해 외삽한 것일 수 있다. 더 바람직하게는, 상기 외삽을 통한 추정 과정은 상기한 머신 러닝 인공지능 모델에 의하여 동작하는 것으로, 가우스 과정 회귀(GPR) 또는 그에 유사한 알고리즘에 의해 동작하여, 신호 핑거프린트 맵에 기록되어 있는 측정값으로부터 연속된 함수를 추정해 내고, 추정된 함수를 이용하여 상기 측정값이 없는 영역의 값을 추정하는 과정일 수 있으나, 반드시 이 같은 방법에 한정되어야만 하는 것은 아니다.
도 8c는 보간(補間, Interpolation)에 의한 신호 핑거프린트 맵의 보완 과정을 나타낸 개념도이다.
도 8c에 나타난 바와 같이, 본 발명의 실시예에 따르면, 신호의 수신 강도를 알 수 없는 위치 지점에 대하여, 신호의 수신 강도를 알 수 있었던 위치 지점에서 측정된 수신 강도 값을 토대로 예상되는 수신 강도의 값을 보간을 통해 추정(820)할 수 있다. 예를 들어, 상기 외삽을 통한 추정 과정은 신호 핑거프린트 맵에 기록되어 있는 측정값으로부터 선형적 계산에 의해 보간한 것일 수 있다. 바람직하게는, 상기 보간을 통한 추정 과정은 머신 러닝 인공지능에 의하여 동작하는 것으로, 가우스 과정 회귀(GPR) 또는 그에 유사한 알고리즘에 의해 동작하여, 복수의 입력된 결과값으로부터 연속된 함수를 추정해 내고, 추정된 함수를 이용하여 측정 값이 없는 영역의 값을 추정하는 과정일 수 있으나, 반드시 이 같은 방법에 한정되어야만 하는 것은 아니다.
상기 머신 러닝 인공지능을 이용한 보간 또는 외삽에 의하여 신호 핑거프린트 맵을 보완하는 과정에서, 상기 머신 러닝 인공지능이 입려된 결과값으로부터 연속된 함수를 추정해 내는 과정에는, 측정 환경 정보가 반영될 수 있다. 본 발명의 실시예에 따르면, 환경 정보 중 적어도 하나의 값이 변화함에 따라, 무선 신호의 송신기로부터 수신부까지의 거리에 따라 수신된 무선 신호의 강도가 변화하는 정도를 측정한 하나 이상의 측정 결과를 학습 데이터 셋으로 입력하고, 상기 환경 정보와 측정 결과를 상기 머신 러닝 인공지능에 학습시켜 측정 환경 적응적 추정 함수를 생성하고, 상기 머신 러닝 인공지능에 상기 위치 지점의 공간적 위치, 상기 위치 지점의 측정 환경 정보, 및 상기 신호 특성 정보를 입력하여, 가장 유사한 학습 단계 환경 정보에서 동일한 신호 유형의 신호로부터 얻어진 환경 적응적 추정 함수를 적용하고, 이를 기반으로 해당 위치 지점에서의 신호 특성 정보를 추정하도록 하는 과정이 적용될 수 있다. 그러나, 반드시 상술한 것과 같은 과정을 통하여 측정 환경 정보가 반영될 필요는 없으며, 상기 연속된 함수의 추정을 측정 환경 정보의 차이에 따라 보다 정밀하게 진행하기 위한 다양한 방법을 적용하여 실시할 수 있다.
도 8d는 외부 정보원에 의한 싱호 핑거프린트 맵의 보완 과정을 나타낸 개념도이다.
도 8d에 나타난 바와 같이, 본 발명의 실시예에 따르면, 신호의 수신 강도를 알 수 없는 위치 지점에 대하여, 외부 정보원을 이용해 보완을 실시(830)할 수 있다. 본 발명의 실시예에 따르면, 상기 외부 정보원은 별도의 무선 신호 수집 장치에 의하여 해당 위치 지점에서 수신한 무선 신호의 신호 특성 정보일 수 있다. 본 발명의 다른 실시예에 따르면, 상기 외부 정보원은 해당 위치 지점에서 무선 신호를 수신할 수 있는 임의의 단말기에 의해 위치 측정 또는 그 외의 목적으로 수신된 무선 신호의 신호 특성 정보를 저장한 데이터베이스일 수 있다. 상술한 바와 같이 임의의 단말기가 수신한 신호 특성 정보를 수집하기 위하여, 크라우드 소싱(Crowd Sourcing)과 같은 수단이 활용될 수 있다.
도 8e는 보완된 신호 핑거프린트 맵을 나타낸 개념도이다.
상술한 외삽, 보간, 외부 정보원 등의 수단에 의하여 불완전한 신호 핑거프린트 맵(800)이 보완된 신호 핑거프린트 맵(840)으로 완성되었으며, 이를 이용하여 상술하였던 바와 같이 신호 핑거프린트 맵에 의한 위치 측정을 실시할 수 있다.
본 발명의 일 실시예에 따른 위치 측정 방법
도 9는 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 방법을 나타낸 흐름도이다.
도 9를 참조하면, 상술한 위치 측정 방법과 시스템에 의하여 단말기의 위치를 측정하는 과정은 도 9에 나타난 바와 같은 흐름도로 요약할 수 있다. 본 발명의 실시예에 따르면, 도 9에 나타난 과정은 위치 측정 서버(440)에서 수행될 수 있으며, 보다 구체적으로는, 위치 측정 연산 장치(450)의 동작 방식일 수 있다.
본 발명의 실시예에 따르면, 위치 측정 연산 장치(450)에는 위치 측정 요청과 함께 무선 신호 정보가 입력값으로 주어질 수 있다. 입력된 무선 신호 정보로부터 무선 신호의 수신 강도, 무선 신호의 유형이 분석되고, 해당 무선 신호의 송신기 위치를 사용할 수 있는지 여부가 분석된다(S900). 분석 결과 해당 무선 신호의 송신기 위치를 사용할 수 있는 경우(S910), 본 발명에 의하여 개선된 삼변측량에 의하면 높은 정확도로 거리 측정이 가능하므로, 신호 수신 강도 정보로부터 상술한 방법을 활용해 송신기까지의 거리를 측정하고(S930), 상기 거리를 이용하여 삼변측량법에 따른 연산을 실시하여(S940) 단말기(400)의 위치를 구할 수 있다(S970). 무선 신호의 송신기 위치를 사용할 수 없는 경우에는, 현재 지점에서 수신된 무선 신호의 정보를 신호 핑거프린트 맵과 대조하기 위해, 신호 핑거프린트 맵과 동일한 구성으로 정보 묶음을 구성하고(S950), 신호 핑거프린트 맵과 대조하여 가장 일치하는 위치 지점을 식별함으로써(S960) 단말기(400)의 위치를 구할 수 있다(S970).
상기 순서도를 기초로 설명된 방법은, 편의상 일련의 단계 또는 블록으로 설명되었으나, 청구된 본 발명의 특징은 단계들 또는 블록들의 순서에 한정되는 것은 아니며, 어떤 단계는 다른 단계와 상술한 바와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당업자라면 순서도에 나타낸 단계들이 배타적이지 않고, 다른 단계가 포함되거나 순서도의 하나 또는 그 이상의 단계가 본 발명의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
본 발명의 일 실시예에 따른 위치 측정 장치
도 10은 본 발명의 일 실시예에 따른 무선 신호를 이용하여 위치를 측정하는 장치를 나타낸 구조도이다.
도 10을 참조하면, 상술한 위치 측정 방법에 따르는 위치 측정 장치(1000)는 통신부(1020), 신호 처리부(1030), 위치 연산부(1040)를 포함할 수 있으며, 상기 위치 연산부(1040)는 계산부(1050), 함수 생성부(1060), 머신 러닝 인공지능 모델(1070), 및 학습 데이터 셋 입력부(1080)를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 통신부(1020)는 적어도 하나의 송신기로부터 발신된 무선 신호를 수신한 단말(1010)로부터 상기 무선 신호의 정보를 수신할 수 있다. 상기 무선 신호는 LTE, 5G, Wifi, LoRa, 저전력 블루투스(BLE, Bluetooth Low Energy), 초광대역 무선통신(UWB: Ultra-wideband) 중 적어도 하나의 유형에 속할 수 있다. 상기 신호 처리부(1030)는 상기 통신부(1020)가 수신한 적어도 하나의 무선 신호의 특성 정보를 식별하도록 구성될 수 있다. 이 때, 상기 신호의 특성 정보는 적어도 하나의 무선 신호의 수신 강도와 유형을 포함할 수 있다.
상기 위치 연산부(1040)는 상기 적어도 하나의 무선 신호의 특성 정보를 이용하여 상기 단말의 위치 정보를 획득하는 계산부(1050)를 포함하도록 구성될 수 있다. 바람직하게는 상기 계산부(1050)는 상기 적어도 하나의 무선 신호 각각에 대해, 무선 신호의 유형에 따른 수신 강도와 송신기로부터의 거리 간 비례 관계를 기반으로, 상기 적어도 하나의 송신기로부터 상기 단말까지의 거리 정보를 획득하고, 적어도 하나의 상기 획득된 거리 정보를 이용하여 상기 단말의 위치를 연산하도록 구성될 수 있다. 상기 위치 연산은 대상 공간의 측정 환경 정보를 이용하며, 상기 측정 환경 정보는 상기 측정 대상 공간 내부의 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함할 수 있다.
상기 계산부(1050)는 머신 러닝 기반으로 동작하는 인공지능 모델(1070)과 연결되어 연산을 수행하고, 상기 계산부(1050)는 학습 단계 환경 정보 중 적어도 하나의 값이 변화함에 따라, 무선 신호의 송신기로부터 수신부까지의 거리에 따라 수신된 무선 신호의 강도가 변화하는 정도를 측정한 하나 이상의 측정 결과를 학습 데이터 셋 입력부(1080)로 입력하여 머신 러닝 인공지능 모델(1070)의 학습이 이루어지도록 구성될 수 있다. 또한, 상기 계산부(1050)는 다양한 측정 환경에서의 측정 환경 정보와 측정 결과를 상기 머신 러닝 인공지능 모델(1070)에 학습시켜 측정 환경 적응적 비례 함수를 생성하는 함수 생성부(1060)와 연결될 수 있다.
상기와 같은 구조에서, 상기 계산부(1050)는 상기 머신 러닝 인공지능 모델(1070)에 상기 측정 환경 정보와 상기 신호 특성 정보를 입력하여, 가장 유사한 측정 환경에서 동일한 신호 유형의 신호로부터 얻어진 적응적 비례 함수를 적용하고, 이를 기반으로 신호 송신기로부터 상기 수신부까지의 거리를 계산하도록 구성될 수 있다.
또한, 상기 머신 러닝 인공지능 모델(1070)은 가우스 과정 회귀(GPR: Gaussian Process Regression) 방식에 기반하여 구현될 수 있다.
이상 도면 및 실시예를 참조하여 설명하였지만, 본 발명의 보호범위가 상기 도면 또는 실시예에 의해 한정되는 것을 의미하지는 않으며 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (20)
- 무선 신호를 이용하여 위치를 측정하는 장치에 있어서,
적어도 하나의 송신기로부터 단말로 발신된 적어도 하나의 무선 신호에 대한 정보를 수신하는 통신부;
상기 적어도 하나의 무선 신호의 특성 정보를 식별하는 신호 처리부, 상기 신호의 특성 정보는 적어도 하나의 무선 신호의 수신 강도와 유형을 포함함;
상기 적어도 하나의 무선 신호의 특성 정보를 이용하여 상기 단말의 위치 정보를 획득하는 위치 연산부를 포함하고,
상기 위치 연산부는, 상기 적어도 하나의 무선 신호 각각에 대해, 무선 신호의 유형에 따른 수신 강도와 송신기로부터의 거리 간 비례 관계를 기반으로, 상기 적어도 하나의 송신기로부터 상기 단말까지의 거리 정보를 획득하고,
적어도 하나의 상기 획득된 거리 정보를 이용하여 상기 단말의 위치를 연산하되,
상기 위치 연산부는 머신 러닝 기반으로 동작하는 인공지능 모델에 의하여 연산을 수행하고,
상기 위치 연산부는,
학습 단계 환경 정보 중 적어도 하나의 값이 변화함에 따라, 무선 신호의 송신기로부터 상기 통신부까지의 거리에 따라 수신된 무선 신호의 강도가 변화하는 정도를 측정한 하나 이상의 측정 결과를 학습 데이터 셋으로 입력하는 학습 데이터 셋 입력부;
상기 학습 단계 환경 정보와 측정 결과를 상기 머신 러닝 인공지능 모델에 학습시켜 측정 환경 적응적 비례 함수를 생성하는 함수 생성부; 및
상기 머신 러닝 인공지능 모델에 상기 측정 환경 정보와 상기 신호 특성 정보를 입력하여, 가장 유사한 학습 단계 환경 정보에서 동일한 신호 유형의 신호로부터 얻어진 적응적 비례 함수를 적용하고, 이를 기반으로 신호 송신기로부터 상기 통신부까지의 거리를 계산하는 계산부를 포함하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 1 항에 있어서,
상기 통신부가 수신하는 무선 신호 정보는,
LTE, 5G, Wifi, LoRa, 저전력 블루투스(BLE, Bluetooth Low Energy), 초광대역 무선통신(UWB: Ultra-wideband) 중 적어도 한 가지 유형의 무선 신호에 대한 신호 정보인, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 1 항에 있어서,
상기 신호의 특성 정보는, 해당 무선 신호를 송신한 송신기의 설치 위치 정보를 포함하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 1 항에 있어서,
상기 위치 연산부에서의 상기 단말의 위치에 대한 연산은 측정 대상 공간의 측정 환경 정보를 이용하되,
상기 측정 환경 정보는 상기 측정 대상 공간 내부의 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 1 항에 있어서,
상기 신호의 특성 정보는, 해당 무선 신호를 송신한 송신기의 설치 위치 정보를 포함하고,
상기 위치 연산부에서의 상기 단말의 위치에 대한 연산은 측정 대상 공간의 측정 환경 정보를 이용하되,
상기 측정 환경 정보는 상기 측정 대상 공간 내부의 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함하고,
상기 신호 특성 정보와 상기 측정 환경 정보 중 적어도 하나는 위치 측정 장치에 미리 저장되어 있는 것을 사용하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 삭제
- 제 4 항에 있어서,
상기 머신 러닝 인공지능 모델은 가우스 과정 회귀(GPR: Gaussian Process Regression) 방식에 기반하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 4 항에 있어서,
상기 학습 단계 환경 정보는 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 3 항에 있어서,
상기 위치 연산부는, 적어도 하나의 신호를 송신한 송신기의 설치 위치와 상기 거리 정보를 조합하여, 삼변측량법(三變測量法, Trilaterlation)에 따라 상기 통신부의 위치를 계산하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 1 항에 있어서,
상기 위치 연산부는,
하나 이상의 상기 신호 특성 정보를 신호 핑거프린트 맵에 기록된 위치 지점 별 특성 정보와 비교하여 차이를 계산하고,
상기 계산된 차이가 가장 적은 위치 지점을 상기 통신부의 위치로 간주하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 10 항에 있어서,
상기 신호 핑거프린트 맵은,
측정 대상 공간을 단위 면적으로 분할하여 적어도 하나의 위치 지점을 식별하고, 상기 적어도 하나의 위치 지점에서 수신한 적어도 하나의 무선 신호의 적어도 하나의 신호 특성 정보를 수집하고, 상기 수집된 신호 특성 정보를 상기 위치 지점과 연관시킨 정보를 포함하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 11 항에 있어서,
상기 위치 지점에서 수신한 무선 신호의 신호 특성 정보는, 별도의 무선 신호 수집 장치에 의하여 해당 위치 지점에서 수신한 무선 신호의 신호 특성 정보에 기반하여 수집되는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 11 항에 있어서,
상기 위치 연산부는;
상기 적어도 하나의 식별된 위치 지점에 대하여, 해당 위치 지점에서 수집된 신호의 특성 정보가 존재하지 않는 경우, 적어도 하나의 가장 인접한 위치 지점에 연관되어 신호 핑거프린트 맵에 기록된 적어도 하나의 신호 특성 정보를 사용하여, 해당 위치 지점의 신호 특성 정보를 보간(Interpolation) 또는 외삽(Extrapolation) 중 적어도 하나의 방법에 의해 추정하고,
상기 신호 핑거프린트 맵은 상기 추정된 신호 특성 정보를 상기 위치 지점과 연관시킨 정보를 포함하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 삭제
- 제 13 항에 있어서,
상기 머신 러닝 인공지능은 가우스 과정 회귀(GPR: Gaussian Process Regression) 방식에 기반하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 제 13 항에 있어서,
상기 학습 단계 환경 정보와 측정 환경 정보는 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함하는, 무선 신호를 이용하여 위치를 측정하는 장치. - 무선 신호를 이용하여 위치를 측정하는 클라이언트 장치에 있어서,
적어도 하나의 송신기로부터 발신된 적어도 하나의 무선 신호를 수신하는 신호 수신부;
상기 적어도 하나의 무선 신호의 특성 정보를 식별하는 신호 처리부, 상기 신호의 특성 정보는 신호의 수신 강도와 신호의 유형을 포함함;
상기 적어도 하나의 신호의 특성 정보를 위치 측정 서버에 송신하는 통신부; 및
상기 위치 측정 서버로부터 신호의 유형에 따른 신호의 수신 강도와 신호 송신기로부터의 거리 간 비례 관계를 기반으로 연산된 상기 신호 수신부의 위치를 수신하는 위치 정보 수신부를 포함하되,
상기 위치 측정 서버는 머신 러닝 기반으로 동작하는 인공지능 모델에 의하여 연산을 수행하고,
상기 위치 측정 서버는,
학습 단계 환경 정보 중 적어도 하나의 값이 변화함에 따라, 무선 신호의 송신기로부터 상기 신호 수신부까지의 거리에 따라 수신된 무선 신호의 강도가 변화하는 정도를 측정한 하나 이상의 측정 결과를 학습 데이터 셋으로 입력하는 학습 데이터 셋 입력부;
상기 학습 단계 환경 정보와 측정 결과를 상기 머신 러닝 인공지능 모델에 학습시켜 측정 환경 적응적 비례 함수를 생성하는 함수 생성부; 및
상기 머신 러닝 인공지능 모델에 상기 측정 환경 정보와 상기 신호 특성 정보를 입력하여, 가장 유사한 학습 단계 환경 정보에서 동일한 신호 유형의 신호로부터 얻어진 적응적 비례 함수를 적용하고, 이를 기반으로 신호 송신기로부터 상기 신호 수신부까지의 거리를 계산하는 계산부를 포함하는, 무선 신호를 이용하여 위치를 측정하는 클라이언트 장치. - 무선 신호를 이용하여 위치를 측정하는 방법에 있어서,
신호 수신부가 적어도 하나의 송신기로부터 단말로 발신된 적어도 하나의 무선 신호의 특성 정보를 식별하는 단계, 상기 신호의 특성 정보는 신호의 수신 강도와 신호의 유형을 포함함;
상기 신호의 유형에 따른 신호의 수신 강도와 신호 송신기로부터의 거리 간 비례 관계를 기반으로, 상기 적어도 하나의 무선 신호의 송신기로부터 상기 신호 수신부까지의 거리 정보를 획득하고, 적어도 하나의 상기 거리 정보를 이용하여 상기 신호 수신부의 위치를 연산하는 단계를 포함하되,
상기 신호 수신부의 위치를 연산하는 단계는, 머신 러닝 기반으로 동작하는 인공지능 모델에 의하여 수행되고,
상기 신호 수신부의 위치를 연산하는 단계는,
학습 단계 환경 정보 중 적어도 하나의 값이 변화함에 따라, 무선 신호의 송신기로부터 상기 신호 수신부까지의 거리에 따라 수신된 무선 신호의 강도가 변화하는 정도를 측정한 하나 이상의 측정 결과를 학습 데이터 셋으로 입력하는 단계;
상기 학습 단계 환경 정보와 측정 결과를 상기 머신 러닝 인공지능 모델에 학습시켜 측정 환경 적응적 비례 함수를 생성하는 단계; 및
상기 머신 러닝 인공지능 모델에 상기 측정 환경 정보와 상기 신호 특성 정보를 입력하여, 가장 유사한 학습 단계 환경 정보에서 동일한 신호 유형의 신호로부터 얻어진 적응적 비례 함수를 적용하고, 이를 기반으로 신호 송신기로부터 상기 신호 수신부까지의 거리를 계산하는 단계를 포함하는, 무선 신호를 이용하여 위치를 측정하는 방법. - 제 18 항에 있어서,
상기 신호의 특성 정보는, 해당 무선 신호를 송신한 송신기의 설치 위치 정보를 포함하고;
상기 위치를 연산하는 단계는, 측정 대상 공간의 측정 환경 정보를 이용하고;
상기 측정 환경 정보는 상기 측정 대상 공간 내부의 무선 신호 유형, 날씨, 장애물의 위치, 벽의 위치, 건물에서의 층(層), 지면으로부터의 고도, 층 바닥면으로부터의 고도 중 적어도 하나를 포함하는, 무선 신호를 이용하여 위치를 측정하는 방법. - 제 18 항에 있어서,
상기 위치를 연산하는 단계는, 머신 러닝 인공지능을 연산에 이용하고,
상기 머신 러닝 인공지능은 가우스 과정 회귀(GPR: Gaussian Process Regression) 방식에 기반하는, 무선 신호를 이용하여 위치를 측정하는 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210102745A KR102632309B1 (ko) | 2021-08-04 | 2021-08-04 | 무선 신호를 이용하여 위치를 측정하는 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210102745A KR102632309B1 (ko) | 2021-08-04 | 2021-08-04 | 무선 신호를 이용하여 위치를 측정하는 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230020850A KR20230020850A (ko) | 2023-02-13 |
| KR102632309B1 true KR102632309B1 (ko) | 2024-02-02 |
Family
ID=85202714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210102745A KR102632309B1 (ko) | 2021-08-04 | 2021-08-04 | 무선 신호를 이용하여 위치를 측정하는 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102632309B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101775510B1 (ko) * | 2016-04-15 | 2017-09-06 | 영남대학교 산학협력단 | 실내 위치 측정 장치 및 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101440834B1 (ko) * | 2010-07-05 | 2014-09-18 | 에스케이텔레콤 주식회사 | 무선랜 기반 측위를 위한 데이터베이스 갱신 방법 및 장치 |
| KR101675058B1 (ko) * | 2010-07-13 | 2016-11-11 | 에스케이텔레콤 주식회사 | 이동통신단말기 측위 장치 및 그 장치의 측위 방법, 이동통신단말기 측위 서버 및 그 서버의 구동 방법 |
| KR101260647B1 (ko) * | 2011-08-19 | 2013-05-06 | 서울대학교산학협력단 | 무선센서네트워크 상에서 효율적인 다변측량을 이용한 무선측위방법과 이를 실시하기 위한 프로그램이 기록된 기록매체 |
| KR101726677B1 (ko) * | 2015-04-29 | 2017-04-14 | 국방과학연구소 | 무선 센서 네트워크 장치 및 그 제어방법 |
| KR102302808B1 (ko) * | 2017-07-12 | 2021-09-14 | 주식회사 케이티 | 위치 측위 방법 및 장치 |
-
2021
- 2021-08-04 KR KR1020210102745A patent/KR102632309B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101775510B1 (ko) * | 2016-04-15 | 2017-09-06 | 영남대학교 산학협력단 | 실내 위치 측정 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230020850A (ko) | 2023-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mackey et al. | Improving BLE beacon proximity estimation accuracy through Bayesian filtering | |
| US8634853B2 (en) | Method for enhancing location identity through incorporation of shorter-range communication and sensing (nearlocate) | |
| RU2685227C2 (ru) | Определение местонахождения беспроводного устройства оборудования пользователя в целевой зоне | |
| US9491585B2 (en) | Location determination using dual statistical filters | |
| US9664773B2 (en) | Utilizing a mobile device to learn parameters of a radio heat map | |
| CN107431995B (zh) | 实现对移动装置的估计位置的验证 | |
| US20150346317A1 (en) | Deduplicating Location Fingerprint Data | |
| US20170160375A1 (en) | Estimation of a level for an observation data set | |
| Noh et al. | Infrastructure-free collaborative indoor positioning scheme for time-critical team operations | |
| TW201130351A (en) | System and method for effectively populating a mesh network model | |
| Ren et al. | D-Log: A WiFi Log-based differential scheme for enhanced indoor localization with single RSSI source and infrequent sampling rate | |
| Grzechca et al. | Analysis of object location accuracy for iBeacon technology based on the RSSI path loss model and fingerprint map | |
| Moghtadaiee et al. | New reconstructed database for cost reduction in indoor fingerprinting localization | |
| KR20160133716A (ko) | 측위 환경 분석 장치, 이를 이용한 단말기의 위치 결정 성능 예측 방법 및 시스템 | |
| Narzullaev et al. | Novel calibration algorithm for received signal strength based indoor real-time locating systems | |
| KR20160090853A (ko) | Rtt-기반 실내 위치확인 시스템을 배치시키기 위한 시스템 및 방법 | |
| Campana et al. | Towards an indoor navigation system using Bluetooth Low Energy Beacons | |
| Yiu et al. | Locating user equipments and access points using RSSI fingerprints: A Gaussian process approach | |
| Maduskar et al. | RSSI based adaptive indoor location tracker | |
| Alikhani et al. | Fast fingerprinting based indoor localization by Wi-Fi signals | |
| Janicka et al. | Application of RSSI based navigation in indoor positioning | |
| US20170034657A1 (en) | Access point position determination by mobile devices crowd sourcing | |
| Moghtadaiee et al. | Design protocol and performance analysis of indoor fingerprinting positioning systems | |
| Rahman et al. | Paired measurement localization: a robust approach for wireless localization | |
| Zadgaonkar et al. | Locating objects in warehouses using ble beacons & machine learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |