KR20160133716A

KR20160133716A - 측위 환경 분석 장치, 이를 이용한 단말기의 위치 결정 성능 예측 방법 및 시스템

Info

Publication number: KR20160133716A
Application number: KR1020150066587A
Authority: KR
Inventors: 김주영; 이승용; 조영수; 지명인; 박상준; 신성웅
Original assignee: 한국전자통신연구원
Priority date: 2015-05-13
Filing date: 2015-05-13
Publication date: 2016-11-23
Also published as: US20160337804A1; US9699614B2; KR102034082B1

Abstract

실내 공간에서 위치기반 서비스(Location Based Service, LBS) 제공을 위한 플랫폼 구성 시 사이트 조사를 통해 수집된 측위 자원 정보와 측위 데이터베이스 등을 활용하여 서비스 대상 지역의 측위 환경을 분석함으로써 예상되는 위치 정확도 등 측위 서비스의 품질을 종합적으로 분석하는 장치, 방법 및 시스템을 제시한다. 제시된 시스템은 지점별 측위 자원 정보를 포함하는 수집 데이터를 획득하는 하나 이상의 수집 장치; 상기 하나 이상의 수집 장치로부터의 수집 데이터를 전달받고 이를 DB화하여 저장하는 수집 서버, 및 상기 측위 자원 정보를 분석 및 가공하여 위치 결정에 사용될 측위 DB를 생성하는 측위 DB 생성 장치를 포함하는 LBS 플랫폼; 및 상기 수집 서버와 상기 측위 DB 및 사용자 단말 중에서 하나 이상으로부터 환경 분석 데이터를 로딩하고, 상기 환경 분석 데이터를 근거로 각 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측하는 측위 환경 분석 장치;를 포함한다.

Description

측위 환경 분석 장치, 이를 이용한 단말기의 위치 결정 성능 예측 방법 및 시스템{Positioning environment analysis apparatus, positioning performance projection method and system of terminal using the same}

본 발명은 측위 환경 분석 장치, 이를 이용한 단말기의 위치 결정 성능 예측 방법 및 시스템에 관한 것으로, 보다 상세하게는 실내 공간에서 위치기반 서비스 (Location Based Service, LBS) 제공을 위한 플랫폼 구성 시 사이트 조사를 통해 수집된 측위 자원 정보와 측위 데이터베이스 등을 활용하여 서비스 대상 지역의 측위 환경을 분석함으로써 예상되는 위치 정확도 등 측위 서비스의 품질을 종합적으로 분석하는 장치, 방법 및 시스템에 관한 것이다.

스마트폰이 빠르게 보급되면서 이를 활용한 내비게이션이나 일부 SNS(Social Network Service) 등에서 사용자의 위치 정보를 필요로 하고 있다. 이러한 어플리케이션들에서는 제공된 사용자의 위치 정보를 활용하여 길 안내 서비스를 제공하거나 맞춤형 광고 서비스 등의 위치 기반 서비스(Location Based Services, LBS)를 제공하고 있다. 그에 따라, 이러한 서비스 제공을 위해 사용자의 위치를 정확하게 결정해 주는 시스템의 필요성이 대두되고 있다.

이러한 필요성에 대응하기 위해 실외의 경우 GPS(Global Positioning System, GPS)가 개발되어 빌딩이 밀집되어 있는 일부 도심지를 제외한 대부분의 지역에서 매우 정확한 위치 결정이 가능하다. 그러나, 실내의 경우 실제 상용 서비스에서 활용 가능할 정도로 정확하게 위치를 결정하는 시스템이 아직 연구, 개발중에 있다.

한편, 스마트폰의 등장으로 인한 다른 효과 중 하나로써 실내공간에서 사용 가능한 무선 랜(Wi-Fi) 접속점(Access Point, AP)이 급격하게 늘어나고 있다는 것이다. 특히, 도시지역에서는 대부분의 실내 공간에서 Wi-Fi 이용이 가능하여 접근성이 매우 뛰어나다. 이러한 흐름에 맞추어 이미 널리 설치된 Wi-Fi를 활용한 실내 위치 결정 방법들에 대한 연구가 활발하게 진행되고 있다.

제안된 여러 위치 결정 방법 중 하나는 사전에 서비스 지역에 대한 상세한 사이트 조사를 통해 지역 내 각 지점별로 수신되는 Wi-Fi의 전파 세기(Received Signal Strength Indicator, RSSI) 특성을 획득하고 향후 위치 결정 단계에서 사용자가 수신한 전파 세기 특성과 비교하는 방식이다. 마치 지문에 사람마다 다른 고유한 무늬의 패턴이 있는 것처럼 실내 공간의 각 지점마다 전파의 물리적 특성이 다르고 이러한 패턴을 사용자의 수신 패턴과 비교하므로, 이러한 기법을 전파 지문 기법(Fingerprinting)이라고도 한다(P. Bahl and V. N. Padmanabhan. "RADAR: an in-building RF-based user location and tracking system," in INFOCOM 2000. Nineteenth Annual joint Conference of the IEEE Computer and Communications Societies. Proceedings. IEEE, 2000, pp. 775-784, vol2 참조).

자세히 설명하면, Wi-Fi의 폭발적인 보급으로 많은 실내 공간에서는 한 지점에서 동시에 여러 개의 AP로부터의 신호를 수신할 수 있다. Wi-Fi 신호와 같은 전파는 송신기로부터의 거리에 따라 수신 세기가 감소하는 특성을 보인다. 그러므로 이러한 환경하에서는 각 AP에서 송신한 신호의 감쇄 정도가 서로 달라 AP 별 RSSI가 다르게 측정된다. 실내 공간에 분포한 각 지점마다 지점-AP간 거리가 서로 다르므로 AP 별 RSSI는 지점마다 다른 특성을 나타낸다. 이렇게 지점마다 사용자가 수신할 것이라 예상되는 RSSI 값을 DB화하여 저장하면 이후 사용자가 Wi-Fi 신호를 수신하였을 때 가장 유사한 패턴이 위치한 장소를 사용자의 위치로 결정하는 데 사용할 수 있다.

실내공간은 천장과 벽 등으로 인해 구조가 복잡하기 때문에 신호가 극심한 다중경로(multipath)를 겪으므로 매우 복잡한 신호 특성을 갖는다. 따라서 패턴 비교형식의 측위가 거리 추정이나 커버리지 기반의 다른 측위 방식보다 일반적으로 훨씬 나은 성능을 보인다. 또한, 이러한 신호 특성으로 인해 지점별 수신 세기 예측이 매우 어려우므로 정확한 패턴을 획득하는 것이 중요하다. 따라서, 높은 정확도의 위치 결정을 위해서는 서비스 지역에 대한 사전 사이트 조사를 수행하여 물리적 속성 패턴의 DB를 구축하는 방식이 보통 사용된다.

이렇게 Wi-Fi 신호와 같은 전파는 실내 공간의 여러 지점마다 상이한 물리적 특성을 나타내므로, 이 패턴을 DB로 구축할 경우 향후 패턴 비교를 통해 사용자의 위치를 결정할 수 있다. 이때, 사용할 수 있는 인프라를 측위 자원이라 정의하는데, 이러한 측위 자원은 Wi-Fi에만 국한되는 것은 아니다. IndoorAtlas 사의 경우 Wi-Fi가 아닌 지점별 지자기 패턴 정보를 활용하여 위치 결정에 사용하는 방식을 제안한 바 있다 (https://www.indooratlas.com/features, 미국 공개특허 제2013-0179074호, 미국 공개특허 제2013-0177208호 참조).

이 밖에도 사용할 수 있는 측위 자원에는 LTE(Long Term Evolution) 등의 이동통신망, Bluetooth, NFC, 기압 정보 등이 포함될 수 있다. 이하 기술하는 명세서 내용에서 설명의 편의성을 위해 Wi-Fi를 활용하는 측위를 위주로 기술하겠으나, 이것이 명세서에서 나타내는 측위 자원을 Wi-Fi로 한정하는 것은 아니며 상기 예시한 측위 자원들을 포함한다. 또한, 이렇게 사이트 조사를 통해 구축된 데이터베이스를 측위 데이터베이스라 하며, 이하 측위 DB라 칭한다.

앞서 기술한 바와 같이 정확한 측위 DB 구축을 위해서는 사전에 넓은 영역에 대한 사이트 조사가 필요하며, 이를 위해서는 많은 비용이 필요하다는 문제가 있다.

이를 극복하기 위해서, 센서를 통해 수집자의 위치를 추적할 수 있는 수집 장치를 활용하여 이동하면서 측위 자원 정보를 수집하는 동적 수집 아이디어가 창시된 바 있다. 그리고, 최근에는 수집 장치로 스마트폰을 이용하는 사례가 많이 등장하고 있다(Y. Cho et al., “WARP-P: Wireless signal Acquisition with Reference Point by using simplified PDR - system concept and performance assessment,” Proc. the ION 2013 Pacific PNT Meeting, Apr. 2013. 참조). 이러한 아이디어들은 수집과 사이트 조사 과정에서 소요되는 시간과 비용을 효과적으로 저감하여, 신속하고 저렴하게 측위 DB와 이를 활용한 위치 기반 서비스를 위한 플랫폼(이하 "LBS 플랫폼"이라 함) 구축에 필요한 데이터를 모을 수 있는 효과가 있다.

하지만, 동적 수집을 활용하더라도 실제 위치 기반 서비스를 제공할 수 있는 수준의 LBS 플랫폼을 구축하기 위해서는 한 번의 사이트 조사만으로는 어렵고, 도 1과 같이 반복적인 과정을 거쳐야 하기 때문에 여전히 비용에 대한 문제가 발생한다.

실제 플랫폼을 구축함에 있어 대부분의 실내공간에서 한 번의 사이트 조사만으로는 충분한 위치 결정 성능을 보이는 측위 DB를 구축하기 어렵다. 실 환경에서는 Wi-Fi AP와 같은 인프라가 충분하지 않아서 활용 가능한 측위 자원이 부족한 경우가 발생할 수 있다. 또한 사이트 조사 과정에서 수집자가 잘못된 경로 또는 방향에서 측위 자원을 수집하는 것 따위의 실수를 하는 등 위치 결정 성능의 저하에 영향을 주는 여러 요인들이 발생한다. 이로 인해 일단 사이트 조사를 거쳐 측위 DB를 생성하면 서비스 대상지에서의 실제 측위 테스트를 통해 위치 결정 성능을 검증하고 문제점을 파악하여 재수집을 하는 반복 과정을 거친다.

이러한 과정은 서비스 대상지의 측위 환경을 파악하여 만약 특정 지역에 인프라가 부족하다면 적절한 곳에 추가 인프라를 설치하는 등의 대응을 하고, 수집 데이터가 부족하거나 오류가 있다고 판단될 경우 재수집을 하는 등 기존의 DB로는 성능을 만족할 수 없었던 원인을 찾고 이를 해결하기 위함이다. 실제 위치 기반 서비스를 위해서는 사용자가 요구하는 수준의 위치 결정 성능이 보장되어야 하므로 이러한 작업은 성능이 만족될 때까지 반복적으로 수행되는 데 이 과정에서 많은 시간과 비용이 소모된다. 특히, 서비스 대상 지역에 직접 방문하여 실험을 하고 추후 대응을 해야 하기 때문에 서비스 대상 지역이 멀리 떨어져 있을수록 더욱 많은 추가 비용이 발생하게 된다. 이는 위치 정보 사업자 입장에서 해외진출 등 사업을 확장하는 데 근본적인 문제점으로 작용하기도 한다.

또한, 실제 서비스 시에는 측위 DB에 여러 측위 자원이 포함될 수 있다. 그리고, 각 측위 자원을 활용하여 위치 결정을 수행함에 있어 다양한 측위 방식으로 위치 결정이 가능하기 때문에 어떤 자원을 활용하여 어떤 방식으로 위치 결정을 수행하는 것이 가장 최적의 위치 결정 성능을 보이는지 알기 어려운 문제점이 있다. 특히, 실내 공간은 지점별로 측위 자원의 물리적 특성이 매우 상이할 수 있어 서비스 지역 안의 구역별로도 최적의 측위 자원-측위 방식 조합이 다를 수 있어 하나의 지역에서 최적의 위치 결정 시스템을 구성하더라도 다른 구역 또는 다른 층으로 이동하였을 때는 또 다른 조합을 찾아야 한다. 이러한 문제점을 해결하기 위해서는 단순한 형태의 현장 테스트의 형태로는 어렵고 측위 환경에 대한 보다 정확한 분석을 할 수 있는 장치 또는 시스템이 필요하다.

정리하자면 비록 사이트 조사 과정의 비용이 줄어들어도 시스템 구축 전체 과정에서의 효율적인 플랫폼 구축 방안이 없이는 반복적인 사이트 조사와 현장 검증으로 불필요한 비용이 소모된다는 문제점이 여전히 존재한다. 또한, 위치 결정 플랫폼이 잘 구축되더라도 이를 효과적으로 사용하여 최적의 측위 서비스를 제공하기 위해 최적의 위치 결정 조합을 찾기에 단순한 현장 테스트로는 어려움이 있다는 문제점 역시 존재한다.

본 발명과 관련되는 선행기술로는, 대한민국 등록특허 제0441048호(무선 통신망과 A-GPS 방식을 이용한 이동통신단말기의 위치 결정의 성능 평가 방법 및 시스템), 미국 공개특허 제2008-0108371호, 미국 공개특허 제2012-0112958호가 있다.

본 발명은 상기한 종래의 문제점을 해결하기 위해 제안된 것으로, 패턴 비교 방식을 활용하여 실내 측위 서비스를 제공함에 있어 기존 위치 결정 플랫폼 구축 방식의 한계를 극복하여 실내 위치기반 서비스를 제공하는 사업자가 한 번의 사이트 조사를 통해 측위 인프라 정보를 수집하고 측위 DB를 만들었을 때 이를 바탕으로 측위 환경을 분석함으로써 서비스 지역에서의 위치 결정 성능을 예측하고 예상되는 성능이 좋지 않은 지역에서는 그 원인에 대한 정보를 제공하는 장치와 방법 및 시스템을 제공함에 그 목적이 있다.

또한, 본 발명은 측위 환경 분석 결과를 바탕으로 서비스 지역에서 구축된 측위 DB와 위치 결정 플랫폼을 활용하였을 때 최적의 성능을 얻을 수 있는 측위 자원과 이를 활용하는 가장 적합한 위치 결정 방식, 매개변수 조합 등의 정보를 산출할 수 있는 장치와 방법 및 시스템을 제공함에 그 목적이 있다.

상기와 같은 목적을 달성하기 위하여 본 발명의 바람직한 실시양태에 따른 측위 환경 분석 장치는, 수집 서버, 측위 DB, 및 사용자 단말 중에서 하나 이상으로부터 위치 결정 성능 분석에 활용되는 환경 분석 데이터를 로딩하는 환경 분석 데이터 로딩부; 및 상기 환경 분석 데이터를 근거로 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측하는 분석 및 예측부;를 포함한다.

상기 분석 및 예측부는, 상기 환경 분석 데이터를 직접 활용하여 분석함으로써 측위 자원의 분포 현황을 파악하는 기본 측위 환경 분석부; 상기 환경 분석 데이터를 가공하여 분석함으로써 상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 위치 결정 성능 예측부; 및 상기 환경 분석 데이터를 근거로 실제 현장에서의 측위 수행결과와 이를 통해 얻을 수 있는 위치 결정 성능을 도출하는 측위용 데이터 기반 분석부;를 포함할 수 있다.

상기 기본 측위 환경 분석부에서 분석하는 정보는 상기 측위 자원별로 패턴이 생성된 위치, 지점별로 수집된 신호들의 평균 RSSI, 신호를 송신하는 송신기의 개수, 참 방향과의 틀어진 정도, 및 전체 층 평균 기압과의 차이 중에서 하나 이상을 포함할 수 있다.

상기 위치 결정 성능 예측부는 상기 측위 DB에 구축되어 있는 지점 간 패턴의 유사도를 분석하여 상기 위치 결정 성능을 예측할 수 있다.

상기 위치 결정 성능 예측부는, 상기 측위 DB가 구성된 지점 중에서 획득한 선택 지점의 수신감도 패턴을 기준으로 다른 지점의 수신감도 패턴과의 신호거리를 측정하여 가장 가까운 신호거리를 갖는 지점을 검색하고, 상기 신호거리의 분포를 기반으로 상기 위치 결정 성능을 분석하되, 상기 유사도는 상기 신호거리일 수 있다.

상기 위치 결정 성능 예측부는, 상기 선택 지점의 수신감도 패턴에 임의의 잡음을 추가하고, 상기 위치 결정 성능 분석을 반복 시뮬레이션할 수 있다.

상기 위치 결정 성능 예측부는, 상기 환경 분석 데이터를 가공하여 서비스 지역의 각 지점에서 측위 자원을 사용하여 측위를 수행했을 때 예상되는 추정 위치를 추가로 예측할 수 있다.

상기 분석 및 예측부의 결과를 토대로 위치 결정 성능이 열악한 취약 지점을 도출하는 취약 지점 도출부; 및 다양한 위치 결정 방식과 설정 값을 근거로 서비스 지역의 각 지점에서 사용 가능한 위치 결정 방식 및 각 방식에서 설정한 매개변수 값에 따라 예측되는 위치 결정 성능을 도출하고, 각기 도출된 위치 결정 성능을 비교하여 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 최적 시스템 분석부;를 추가로 포함할 수 있다.

상기 분석 및 예측부와 상기 취약 지점 도출부 및 상기 최적 시스템 분석부의 결과를 디스플레이하는 가시화부; 및 상기 분석 및 예측부와 상기 취약 지점 도출부 및 상기 최적 시스템 분석부의 결과를 사업자에게 피드백하는 피드백부;를 추가로 포함할 수 있다.

그리고, 본 발명의 바람직한 실시양태에 따른 단말기의 위치 결정 성능 예측 방법은, 측위 환경 분석 장치가, 수집 서버, 측위 DB, 및 사용자 단말 중에서 하나 이상으로부터 위치 결정 성능 분석에 활용되는 환경 분석 데이터를 로딩하는 단계; 및 상기 측위 환경 분석 장치가, 상기 환경 분석 데이터를 근거로 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측하는 단계;를 포함한다.

상기 위치 결정 성능을 평가 및 예측하는 단계는, 상기 환경 분석 데이터를 직접 활용하여 분석함으로써 측위 자원의 분포 현황을 파악하는 단계; 상기 환경 분석 데이터를 가공하여 분석함으로써 상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계; 및 상기 환경 분석 데이터를 근거로 실제 현장에서의 측위 수행결과와 이를 통해 얻을 수 있는 위치 결정 성능을 도출하는 단계;를 포함할 수 있다.

상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계는, 상기 측위 DB에 구축되어 있는 지점 간 패턴의 유사도를 분석하여 상기 위치 결정 성능을 예측할 수 있다.

상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계는, 상기 측위 DB가 구성된 지점 중에서 선택 지점의 수신감도 패턴을 획득하는 단계; 상기 획득한 선택 지점의 수신감도 패턴을 기준으로 다른 지점의 수신감도 패턴과의 신호거리를 측정하여 가장 가까운 신호거리를 갖는 지점을 검색하는 단계; 및 상기 신호거리의 분포를 기반으로 상기 위치 결정 성능을 분석하는 단계;를 포함하되, 상기 유사도는 상기 신호거리일 수 있다.

상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계는, 상기 선택 지점의 수신감도 패턴에 임의의 잡음을 추가하는 단계를 추가로 포함하고, 상기 위치 결정 성능 분석을 반복 시뮬레이션할 수 있다.

상기 위치 결정 성능을 평가 및 예측하는 단계 이후에, 위치 결정 성능이 열악한 취약 지점을 도출하는 단계; 및 다양한 위치 결정 방식과 설정 값을 근거로 서비스 지역의 각 지점에서 사용 가능한 위치 결정 방식 및 각 방식에서 설정한 매개변수 값에 따라 예측되는 위치 결정 성능을 도출하고, 각기 도출된 위치 결정 성능을 비교하여 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 단계;를 추가로 포함할 수 있다.

상기 위치 결정 성능을 평가 및 예측하는 단계, 상기 위치 결정 성능이 열악한 취약 지점을 도출하는 단계, 및 상기 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 단계의 결과를 디스플레이하는 단계; 및 상기 위치 결정 성능을 평가 및 예측하는 단계, 상기 위치 결정 성능이 열악한 취약 지점을 도출하는 단계, 및 상기 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 단계의 결과를 사업자에게 피드백하는 단계;를 추가로 포함할 수 있다.

그리고, 본 발명의 바람직한 실시양태에 따른 단말기의 위치 결정 성능 예측 시스템은, 지점별 측위 자원 정보를 포함하는 수집 데이터를 획득하는 하나 이상의 수집 장치; 상기 하나 이상의 수집 장치로부터의 수집 데이터를 전달받고 이를 DB화하여 저장하는 수집 서버, 및 상기 측위 자원 정보를 분석 및 가공하여 위치 결정에 사용될 측위 DB를 생성하는 측위 DB 생성 장치를 포함하는 LBS 플랫폼; 및 상기 수집 서버와 상기 측위 DB 및 사용자 단말 중에서 하나 이상으로부터 환경 분석 데이터를 로딩하고, 상기 환경 분석 데이터를 근거로 각 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측하는 측위 환경 분석 장치;를 포함한다.

상기 수집 장치는 수집이 이루어진 시간, 수집 좌표, 측위 자원 정보를 주기적으로 획득하고, 획득한 정보를 하나로 묶어 수집 데이터를 구성하여 저장하고, 상기 수집 데이터를 상기 수집 서버에게로 전달할 수 있다.

상기 측위 DB 생성 장치는, 패턴이 생성될 대표 지점을 도출하고, 대표 지점 인근의 수집 데이터를 활용하여 지점별 패턴을 생성하여 상기 측위 DB를 생성할 수 있다.

상기 측위 DB 생성 장치는, 상기 수집 서버에서 전달받은 수집 데이터를 확인하여 수집 좌표를 분석하여 대표 지점들을 도출하고, 대표 지점 인근의 수집 데이터를 묶어 각 데이터에 포함된 측위 인프라 별 측정 정보 각각의 평균을 구함으로써 패턴을 생성하고, 모든 대표 지점에서 생성된 패턴을 묶어 상기 측위 DB를 생성할 수 있다.

이러한 구성의 본 발명에 따르면, 수집 데이터와 이를 활용하여 구축된 측위 DB 등을 바탕으로 실내 측위 환경을 분석함으로써 서비스 대상 지역의 위치 결정 성능을 예측하고 취약지점을 검출하여 이에 따른 해결방안을 도출할 수 있다. 그리고, 주어진 환경에서 최적의 측위가 가능한 위치 결정 방식을 분석할 수 있다.

사업자는 서비스에 앞서 현장의 측위 환경을 분석하는 것이 가능하며 주어진 환경에서 어떤 위치 결정 방식을 사용했을 때 어느 정도의 정확도를 어떻게 얻을 수 있는지를 파악할 수 있다.

도 1은 종래의 위치 기반 서비스를 위한 LBS 플랫폼 구축 과정을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 단말기의 위치 결정 성능 예측 시스템의 구성도이다.
도 3은 측위 DB 생성시 도출되는 대표 지점의 구성 실시예를 나타낸 도면이다.
도 4는 도 2에 도시된 측위 환경 분석 장치의 구성도이다.
도 5는 측위 환경 분석의 바람직한 화면 구성 실시예를 나타낸 도면이다.
도 6은 측위 DB 내 선택된 한 지점에 대해 유사도를 기반으로 위치 결정 성능을 예측하는 방식의 실시예를 나타낸 도면이다.
도 7은 선택 지점에서 측위 수행시 예상 추정 위치를 도시한 실시예를 나타낸 도면이다.
도 8은 선택 지점과 다른 지점간의 신호거리 분포를 도시한 실시예를 나타낸 도면이다.
도 9는 측위 로그를 활용하여 파티클 필터를 활용한 측위 시스템의 위치 결정 결과를 도시한 실시예를 나타낸 도면이다.
도 10은 본 발명의 실시예에 따른 위치 기반 서비스를 위한 LBS 플랫폼 구축 과정 설명에 채용되는 도면이다.
도 11은 서비스 지역 내 Wi-Fi 신호의 평균 RSSI를 이산화하여 도시한 예를 나타낸 도면이다.
도 12 및 도 13은 Wi-Fi AP 개수가 다른 지점에서의 측위 수행 결과를 예시한 그래프이다.
도 14는 본 발명의 실시예에 따른 측위 수행 결과를 예시한 도면이다.
도 15는 본 발명의 실시예가 구현된 컴퓨터 시스템을 나타낸 도면이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 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.

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 문맥 상 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.

본 발명은 위치 정보 사업자(이하 "사업자"라고 함)가 패턴 비교 방식을 활용하는 실내 위치 기반 서비스를 위한 플랫폼(이하 "LBS 플랫폼"이라 함) 구축 과정 중 사이트 조사의 결과로 수집된 측위 자원 데이터, 및 이를 활용하여 생성된 측위 DB 등을 기반으로 위치 기반 서비스(이하 "서비스"라고 함) 대상 지역의 측위 환경을 분석하여 실제 서비스 시 예상되는 위치 결정 성능(즉, 측위 품질)을 종합적으로 산출하고 최적의 LBS 플랫폼을 구성할 수 있는 정보를 제공하는 것에 기술적 특징이 있다.

또한, 분석 결과를 바탕으로 최적의 위치 결정 시스템을 구성하는 방법을 제공하는 것 역시 본 발명의 범위에 포함된다.

이를 위해, 본 발명은 측위 DB를 분석하여 서비스 지역 내 측위 자원 현황을 분석할 수 있고, 측위 자원을 하나 혹은 복합적으로 활용했을 때의 위치 결정 성능을 예측할 수 있고, 이를 기반으로 최적의 위치 결정 방식과 이를 위한 매개변수 설정 값을 도출할 수 있는 방법 혹은 장치를 제공한다.

상기 방법 또는 장치에 있어 위치 결정 성능은 측위 정확도뿐만 아니라 신뢰도, 가용성 등 사용자가 복합적으로 느끼는 측위 품질을 의미한다.

도 2는 본 발명의 실시예에 따른 단말기의 위치 결정 성능 예측 시스템의 구성도이고, 도 3은 측위 DB 생성시 도출되는 대표 지점의 구성 실시예를 나타낸 도면이고, 도 4는 도 2에 도시된 측위 환경 분석 장치의 구성도이다.

본 발명의 실시예에 따른 단말기의 위치 결정 성능 예측 시스템은 수집 장치(10), LBS 플랫폼(20), 및 측위 환경 분석 장치(60)를 포함한다.

수집 장치(10)는 수집하는 사람 또는 장치의 위치를 실시간으로 추정할 수 있고, 측위 서비스 제공 시 활용할 Wi-Fi, Bluetooth, 지자기계 따위의 측위 자원 정보를 획득할 수 있는 모듈이 장착되어 있다.

수집 장치(10)는 실시간 위치 정보와 지점별 측위 자원 정보 및 수집 시간 따위의 측위 DB 생성에 필요한 관련 정보들을 함께 묶은 수집 데이터를 획득할 수 있는 처리 및 저장 모듈과 프로그램을 탑재하고 있다.

수집 장치(10)는 수집이 이루어진 시간, 수집 좌표, 측위 자원 정보(예컨대, Wi-Fi AP 리스트와 각 AP 별 Wi-Fi 수신감도, 지자기계의 x, y, z축 값, 지자기계 방향 값, 기압계 값, Bluetooth 비컨 리스트와, 비컨 별 수신감도 등) 등을 주기적으로 획득한다. 수집 장치(10)는 이렇게 획득한 정보를 하나로 묶어 수집 데이터를 구성하여 저장하며, 이를 유무선으로 연결된 수집 서버(30)로 전달한다.

수집 데이터에서 수집 좌표는 절대위치를 나타내기 위한 위경도 좌표 형식을 띨 수도 있다. 한편, 건물별 ID를 부여하고 건물의 기준이 되는 위치 등과 같은 건물 기본 정보를 기존에 구축한 뒤 건물별 상대좌표를 활용하여 수집 좌표를 나타낼 수도 있다. 이 밖에 수집된 위치를 나타낼 수 있는 별도 좌표계가 사용될 수 있다.

효율적으로 위치 결정 플랫폼을 구축하고자 하는 본 발명의 목적에 따라 상기 수집 데이터 이외에도 다른 정보들이 포함될 수 있다. 이중 하나로 수집 장치(10)에서 각 측위 자원을 수집하는 데 사용한 하드웨어 정보(예컨대, Wi-Fi 칩셋 정보)와 같은 수집장치 모듈 기본정보가 포함될 수 있다. 만약, 수집 장치(10)가 스마트폰과 같은 기성품일 경우 수집장치 모듈 기본정보는 해당 제품의 모델명으로 대체될 수 있다. 이러한 정보가 포함되는 이유는 다양한 수집 장치를 활용할 경우 내장된 하드웨어가 서로 달라서 이 차이로 인해 같은 환경에서도 장치간 수집 정보가 다를 수 있어 향후 보정 등을 위해 모듈 정보가 필요하기 때문이다.

LBS 플랫폼(20)은 측위 환경 분석 장치(60)로부터 환경 정보를 전달받을 수 있다.

LBS 플랫폼(20)은 수집 서버(30), 측위 DB 생성 장치(40), 및 측위 DB(50)를 포함한다. 여기서, 수집 서버(30), 측위 DB 생성 장치(40), 측위 DB(50)는 각각 다른 장치로 구성될 수도 있고, 또는 하나의 장치에서 별도의 모듈이나 프로그램으로 구성될 수도 있다.

수집 서버(30)는 다수의 수집 장치(10)와 유무선으로 연결되고, 상이한 시각에 수집된 각기 다른 수집 장치(10)로부터의 수집 데이터를 전달받고 이를 DB화 하여 저장한 수집 DB(도시 생략)를 포함하고 있다.

수집 서버(30)는 수집 DB를 구성함에 있어서 의미 없는 데이터라 판단되면 이를 제거하고 선별적으로 데이터를 획득할 수 있다. 이에 대한 실시 예로 고정되어 있지 않은 측위 인프라(예컨대, 이동형 Wi-Fi AP)로부터 전달되어 수집된 정보를 제거하는 것이 포함된다.

또한, 수집 서버(30)는 측위 DB 생성 장치(40)에서 DB 생성을 위해 특정 조건에 해당하는 수집 정보를 요청할 경우 수집 DB를 검색하여 해당 조건에 일치하는 데이터를 전송할 수 있다. 여기서, 특정 조건은 수집 데이터가 수집된 시간; 수집 데이터가 수집된 건물, 건물 내 층, 구역과 같은 장소; 수집된 측위 인프라; 수집한 장치의 종류 혹은 특정 하드웨어와 같은 수집장치 모듈 기본정보; 등을 포함할 수 있다.

측위 DB 생성 장치(40)는 수집 서버(30)와 유무선으로 연결되어 있거나 또는 수집 서버(30) 안에 모듈 혹은 프로그램으로 포함되어 수집 DB를 로딩할 수 있고 이를 가공하여 사용자의 측위 서비스 시 활용하는 패턴 DB를 생성하는 프로그램 또는 모듈을 탑재하고 있다. 그리고, 측위 DB 생성 장치(40)는 패턴 DB를 측위 DB(50)로 전달할 수 있는 모듈을 포함하고 있다.

측위 DB 생성 장치(40)는 사업자가 원하는 시점, 장소 등에서 수집된 측위 자원 정보를 분석, 가공하여 위치 결정에 직접 사용될 측위 DB(50)를 만든다. 측위 DB 생성 장치(40)는 측위 DB 생성을 위해 수집 서버(30)에 특정 조건에 해당하는 수집 데이터만 요청할 수 있다. 정확한 위치 결정 수행을 위한 측위 DB 생성에는 다양한 방식을 사용할 수 있으며 본 발명에서는 다음과 같은 실시 예가 제공될 수 있다.

측위 DB 생성 장치(40)에서 측위 DB를 생성하는 실시 예에서는 패턴이 생성될 대표 지점을 도출한 뒤, 각 대표 지점 인근의 수집 데이터를 활용하여 지점별 패턴을 생성하여 최종적으로 측위 DB(50)를 만든다. 이를 위해 수집 DB에서 전달받은 수집 데이터를 확인하여 수집 좌표를 분석하여 대표 지점들을 도출하는 단계; 대표 지점 인근의 수집 데이터를 묶어 각 데이터에 포함된 측위 인프라 별 측정 정보 각각의 평균을 구함으로써 패턴을 생성하는 단계; 모든 대표 지점에서 생성된 패턴을 묶어 측위 DB를 만드는 단계;를 거친다. 여기서, 대표 지점들을 도출하는 단계에는 지도상의 네트워크 정보를 활용할 수 있는 경우 수집된 링크를 확인하여 해당 링크 상에 일정한 간격으로 떨어져 있는 지점들을 선정한다. 만약, 네트워크 정보가 없을 경우 전체 수집 좌표를 확인하여 동서남북 또는 상하좌우 가장자리의 좌표를 얻고, 이를 기반으로 일정한 간격의 지점들을 생성한다.

한편, 대표 지점을 선정하고 인근의 수집 데이터를 묶어 패턴을 생성하는 방식의 바람직한 예는 도 3과 같이 도시될 수 있다.

도 3에서, 마름모(11)가 대표 지점을 의미한다. 직선(12)은 수집이 이루어진 지도상의 링크를 의미한다. 사각형(13)은 수집된 지점을 의미한다. 앞서 기술한 것처럼 네트워크 정보를 제공받을 수 있는 경우 직선(즉, 링크)(12) 상에 일정한 간격으로 떨어져 있는 지점들(11)을 대표 지점으로 선정한다. 이때, 각 대표 지점을 중심으로 원(14)안에서 수집된 데이터(13)들은 해당하는 대표 지점의 패턴을 생성하는 데 사용된다. 설명의 편의성을 위해 측위 자원을 Wi-Fi로 한정할 경우 여러 수집 지점에서 모아진 각 AP별 RSSI를 평균하여 패턴을 생성하며, 이렇게 생성된 대표 지점별 패턴을 모두 모아 측위 DB(50)를 생성한다.

한편, 도 2에서, 측위 DB(50)는 측위 DB 생성 장치(40)를 통해 생성된 서비스 지역 내 지점들의 측위 자원의 물리적 특성정보(즉, 패턴 DB)를 저장한다.

측위 DB(50)는 사용자 단말(70)에 유무선을 통해 직접 전달되어 사용자 단말(70)에서 직접 위치를 계산하여 서비스를 받을 수도 있다. 측위 DB(50)는 사용자 단말(70)이 올려주는 패턴 정보(즉, 측위용 데이터)를 LBS 플랫폼(20)에서 비교하여 위치 결정값만 내려주는 형태로도 사용될 수 있다.

이러한 역할을 수행하기 위한 바람직한 측위 DB(50)의 구성 예는 다음과 같은 정보들을 포함하며, 이를 활용하는 위치 결정 방식 또는 시스템에 서로 다른 형식을 띠거나 정보가 가감될 수 있다. 측위 DB(50)에는 DB를 생성한 실내 공간의 건물 이름, 위경도 절대좌표 따위의 건물 정보; 측위 방식에 따라 대표 지점별로 수집된 Wi-Fi AP 리스트, 또는 Bluetooth 비컨 리스트와 같은 측위 자원의 리스트; 각 자원별 수신신호 감도, 또는 지자기계 값과 같은 측위 자원 정보; 특정 수집 시간, 장소, 수집 장치 따위의 수집 데이터 요청 시 검색 조건; 측위 DB(50)를 생성한 시간; 서비스 시 측위 모듈에서 활용할 수 있는 실내 경로의 네트워크 정보 등이 포함될 수 있다.

도 2에서, 사용자 단말(70)은 서비스를 받는 사용자가 지니고 있는 단말 또는 단말에 탑재되어 있는 프로그램 또는 어플리케이션을 의미한다. 한편, 사용자 단말(70)은 사용자가 사람이 아닌 로봇 등의 장치일 경우 해당 장치 자체 또는 장치 내의 프로그램 또는 어플리케이션일 수 있다.

사용자 단말(70)은 LBS 플랫폼(20)으로부터 측위 DB(50)를 전달받아 이후에는 별도의 연결 없이 독립적으로 측위를 수행할 수도 있지만, 형태에 따라 LBS 플랫폼(20) 또는 측위 환경 분석 장치(60)와 정보를 주고 받을 수 있다.

배경기술에서 언급한 바 있는 서비스 전 현장 테스트에 있어 구축된 LBS 플랫폼(20)의 성능을 검증하기 위해 사용자는 실제 사용할 단말 또는 프로그램을 사용한다. 이때, 확보된 측위용 데이터를 측위 환경 분석 장치(60)에 전달하거나, 또는 서비스의 형태에 따라 사용자 단말(70)이 직접 측위용 데이터를 LBS 플랫폼(20)이나 측위 환경 분석 장치(60)에 전달하는 것이 사용자 단말(70)과 LBS 플랫폼(20), 측위 환경 분석 장치(60) 간에 정보를 주고받는 예에 포함된다. 여기서, 측위용 데이터에는 사용자 단말(70)에서 위치 결정을 위해 획득한 측위 자원 정보가 제공된다. 이 밖에 측정 시간, 실시간 실제 위치, 측정 단말 정보, 단말에서 수행한 추정 위치 값, 추정 위치를 산출하기 위해 사용한 위치 결정 방식 등이 측위용 데이터에 포함될 수 있다.

도 2에서, 측위 환경 분석 장치(60)는 측위 DB(50)와 유무선으로 연결되어 이를 로딩할 수 있다. 측위 환경 분석 장치(60)는 측위 DB(50)를 기반으로 서비스 지역의 측위 환경을 분석하는 방법을 구현한 프로그램 또는 장치를 탑재하고 있다. 측위 환경 분석 장치(60)는 분석결과와 로그 등 관련 정보를 디스플레이하는 장치를 포함하고 있고, 이 정보를 다시 LBS 플랫폼(20)으로 제공하는 모듈을 포함하고 있다.

즉, 측위 환경 분석 장치(60)는 측위 DB(50)를 포함하는 환경 분석 데이터를 로딩하고, 이를 바탕으로 측위 환경을 분석하여 여러 정보를 도출하여 가시화한 뒤, LBS 플랫폼 사업자에게 도출된 정보를 전달할 수 있다.

효과적인 측위 환경 분석을 위해 환경 분석에 사용되는 정보는 측위 DB(50)에 한정되지 않으며, 수집 서버(30)에서 수집 데이터를 직접 불러올 수도 있고 현장 검증 시 확보되거나 또는 사용자 단말(70)로부터 전달된 측위용 데이터 역시 활용될 수도 있다. 이는 도 2에 점선 형태로 도시되어 있다. 이렇게 측위 DB(50)를 포함하여 위치 결정 성능 분석에 활용되는 데이터를 이하에서는 "환경 분석 데이터"라고 한다.

측위 환경 분석 장치(60)를 통해 제공되는 정보에는 서비스 지역의 기본적인 측위 환경정보, 환경 분석 데이터를 가공하여 얻은 지점별 또는 경로별 위치 결정 성능, 위치 결정 성능 분석 결과에 따른 측위 취약 예상지점 또는 구역, 및 환경 분석 데이터를 기반으로 서비스 대상 지역의 환경에서 최적의 성능을 얻을 수 있는 위치 결정 방식과 이때의 매개변수 조합 등이 있다.

그리고, 도출된 정보를 가시화하는 기능은 본 발명의 목적을 달성하기 위해 다양한 분석결과를 여러 형태로 가시화하는 것을 의미하며 이는 특정 방식에 한정되지 않는다. 가시화에 있어 보조정보로 서비스 지역의 실내 지도를 활용하기 위한 실내 지도 DB 로딩기능이 포함될 수 있다. 분석결과와 서비스 대상 지역의 지도를 활용하여 이를 효과적으로 도시화하기 위한 화면의 구성 예는 후술할 < 실시예 >에서 설명하기로 한다.

가시화의 또 다른 형태로는, 분석결과를 토대로 예상 위치 추정 오차의 누적분포함수(Cumulative Distribution Function, CDF)와 같은 오차 분석결과 통계정보를 산출하여 가시화하여 제공하는 기능도 포함된다.

상술한 실시 예의 또 다른 형태로는, 분석 결과를 화면에 디스플레이하는 것뿐만 아니라 로그 형태로 남기는 것 역시 포함된다.

그리고, LBS 플랫폼(20)의 사업자에게 도출된 정보를 전달하는 기능에 있어서 반드시 유무선으로 연결된 통신이나 로그를 제공하는 형태로 정보를 전달하는 것만을 의미하는 것은 아니다. 플랫폼을 구축하고 관제하는 사업자가 가시화된 정보를 직접 확인함으로써 정보를 제공받는 것 역시 가능하다.

한편, 측위 환경 분석 장치(60)는 측위 환경을 분석하고 위치 결정 성능을 평가하고 예측하기 위해 도 4에 도시된 바와 같이, 환경 분석 데이터 로딩부(80), 분석 및 예측부(82), 취약 지점 도출부(84a, 84b), 최적 시스템 분석부(86), 가시화부(88), 및 피드백부(90)를 포함한다.

환경 분석 데이터 로딩부(80)는 수집 서버(30), 측위 DB(50), 및 사용자 단말(70)로부터 환경 분석 데이터를 로딩한다.

분석 및 예측부(82)는 환경 분석 데이터들을 직접 활용하거나 이를 가공하여 각 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측한다.

여기서, 분석 및 예측부(82)는 기본 측위 환경 분석부(82a), 위치 결정 성능 예측부(82b), 및 측위용 데이터 기반 분석부(82c)를 포함한다.

기본 측위 환경 분석부(82a)는 환경 분석 데이터를 직접 활용하여 분석함으로써 측위 자원의 분포 따위의 현황을 파악한다.

기본 측위 환경 분석부(82a)에서 분석하는 정보에는 측위 자원별로 패턴이 생성된 위치, Wi-Fi 및 Bluetooth와 같은 측위 자원의 경우 지점별 수집된 신호들의 평균 RSSI, 신호를 송신하는 송신기(Wi-Fi의 경우 AP)의 개수, 지자기와 같은 측위 자원의 경우 참 방향과의 틀어진 정도, 및 기압계와 같은 측위 자원의 경우 전체 층 평균 기압과의 차이와 같은 정보가 포함될 수 있다.

상술한 정보를 제공함에 있어 또 다른 예로 지점별 평균 RSSI나 송신기 개수 따위의 정보를 이산화하여 계층으로 나누고 이를 제공할 수 있다.

Wi-Fi를 단독으로 사용하는 위치 결정 시스템을 가정하였을 때 일반적으로 평균 RSSI가 높고 수신 가능한 AP의 개수가 많고 위치 결정 성능이 우수하다. 따라서, 이러한 정보를 그대로 활용하여 제공할 수 있다. 또는 -90~-80dBm 지점, -80~-70dBm 지점과 같이 이를 이산화하여 레벨을 나누어 제공 및 도시함으로써 서비스 지역 내에서의 위치 결정 성능의 상대적 정확도를 표현하는 데 활용할 수 있다.

위치 결정 성능 예측부(82b)는 환경 분석 데이터를 가공, 분석하여 서비스 지역의 각 지점에서 여러 측위 자원을 단독 또는 복합적으로 사용하였을 때의 예상되는 위치 결정 성능을 도출한다. 상기의 예상되는 위치 결정 성능과 함께, 위치 결정 성능 예측부(82b)는 환경 분석 데이터를 가공하여 서비스 지역의 각 지점에서 여러 측위 자원을 단독 또는 복합적으로 사용하여 측위를 수행했을 때 예상되는 추정 위치(이하 "예상 추정 위치"라고 함)를 예측할 수 있다.

환경 분석 데이터를 가공, 분석하는 방법은 특정 방식으로 한정되지 않는다. 측위 DB(50)를 분석하여 인접 지점의 패턴 간 유사도를 측정함으로써, 지점별 위치 결정 성능을 예측하고 해당 측위 DB(50)를 사용하였을 때 예상되는 지점별 추정 위치를 도출하는 예에 대해 후술할 < 실시예 >에서 설명하기로 한다.

한편, 각 지점에서 예상되는 추정 위치를 예측하는 방식을 활용하여 서비스 지역에서 보행자가 걸을 수 있는 특정 경로에 대한 위치 결정 시뮬레이션을 할 수 있다. 이를 위한 바람직한 실시 예는 보행자가 걸을 수 있는 경로를 선정하여 해당 경로에 위치한 연속적인 지점들을 도출하는 단계, 각 지점에서의 추정 위치를 예측하는 단계, 및 연속되는 지점들의 예상 추정 위치를 묶어 가시화하거나 제공하는 단계를 포함할 수 있다.

측위용 데이터 기반 분석부(82c)는 현장에서 제공된 별도의 측위용 데이터를 측위 DB(50)와 함께 다양한 위치 결정 시스템에 적용함으로써 실제 현장에서의 측위 수행결과와 이를 통해 얻을 수 있는 위치 결정 성능을 도출한다. 실제 측위용 데이터를 활용하여 Wi-Fi와 보행 항법 센서, 지자기계, 기압계 등을 활용한 복합 측위 시스템을 활용함으로써 위치 결정 시스템의 성능을 분석한 실시 예에 대해 후술할 < 실시예 >에서 설명하기로 한다.

도 4에서, 취약 지점 도출부(84a, 84b)는 분석 및 예측 결과를 토대로 취약지점을 도출한다. 취약 지점 도출부(84a)는 기본 측위 환경 분석부(82a)의 분석 결과를 토대로 위치 결정 성능이 열악한 지점(즉, 취약 지점)을 도출(산출)할 수 있다. 취약 지점 도출부(84b)는 위치 결정 성능 예측부(82b)와 측위용 데이터 기반 분석부(82c)의 결과를 토대로 위치 결정 성능이 열악한 지점(즉, 취약 지점)을 도출(산출)할 수 있다.

상술한 위치 결정 성능이 열악한 지점을 산출하는 기준은 절대적 혹은 상대적 기준으로 선정될 수 있다.

최적 시스템 분석부(86)는 위치 결정 성능 분석에 있어 위치 결정 방식별로 서로 다른 매개변수를 대입해 시뮬레이션하여 각 설정 별 위치 결정 성능을 평가하고 이를 통해 최적의 위치 결정 방식과 매개변수 설정 값을 산출한다.

즉, 최적 시스템 분석부(86)는 다양한 위치 결정 방식과 설정 값을 근거로 위치 결정 성능 예측을 수행하여 서비스 지역의 각 지점에서 사용 가능한 위치 결정 방식, 및 각 방식에서 설정한 매개변수 값에 따라 예측되는 위치 결정 성능을 도출한다. 최적 시스템 분석부(86)는 각기 도출된 위치 결정 성능을 비교하여 최적의 성능을 내는 위치 결정 방식-매개변수 정보를 제공한다.

예를 들어, 다양한 측위 자원이 사용 가능한 환경에서 Wi-Fi를 사용하는 시스템을 적용했을 때 Wi-Fi를 기반으로 K=3인 K-NN을 사용하였을 때의 성능이 제일 우수하게 판단되었을 경우 해당 정보를 제공할 수 있다.

분석하는 측위 자원 및 시스템은 한정되지 않으며, 다양한 측위 자원에 대해 단독 또는 복합적으로 사용하는 여러 위치 결정 방식에 대해 분석할 수 있다.

도 4에서, 가시화부(88)는 분석 및 예측부(82)와 취약 지점 도출부(84a, 84b) 및 최적 시스템 분석부(86)에서의 결과를 디스플레이하고 로그를 기록한다.

도 4에서, 피드백부(90)는 분석 및 예측부(82)와 취약 지점 도출부(84a, 84b) 및 최적 시스템 분석부(86)에서의 결과를 사업자에게 유무선으로 전달하는 경우 사업자에게 해당 결과를 제공한다.

< 실시예 >

도 5는 측위 환경 분석의 바람직한 화면 구성 실시예를 나타낸 도면이고, 도 6은 측위 DB 내 선택된 한 지점에 대해 유사도를 기반으로 위치 결정 성능을 예측하는 방식의 실시예를 나타낸 도면이고, 도 7은 선택 지점에서 측위 수행시 예상 추정 위치를 도시한 실시예를 나타낸 도면이고, 도 8은 선택 지점과 다른 지점간의 신호거리 분포를 도시한 실시예를 나타낸 도면이고, 도 9는 측위 로그를 활용하여 파티클 필터를 활용한 측위 시스템의 위치 결정 결과를 도시한 실시예를 나타낸 도면이고, 도 10은 본 발명의 실시예에 따른 위치 기반 서비스를 위한 LBS 플랫폼 구축 과정 설명에 채용되는 도면이고, 도 11은 서비스 지역 내 Wi-Fi 신호의 평균 RSSI를 이산화하여 도시한 예를 나타낸 도면이고, 도 12 및 도 13은 Wi-Fi AP 개수가 다른 지점에서의 측위 수행 결과를 예시한 그래프이고, 도 14는 본 발명의 실시예에 따른 측위 수행 결과를 예시한 도면이다.

기본 측위 환경 분석부(82a)에서의 기본 측위 환경 분석에 있어 바람직한 가시화의 실시예는 도 5와 같이 도시될 수 있다. 도 5는 실제 하나의 실내공간에서 사이트 조사를 통해 생성된 측위 DB를 활용하여 지점별로 수신된 Wi-Fi 신호의 평균 RSSI를 이산화하여 서로 다른 색깔로 구분함으로써 가시화한 실시예이다.

예측 시스템을 통해 효과적으로 정보를 제공하기 위해, 기본 측위 환경 분석부(82a)는 실내 공간의 도면 등으로 표현된 실내 지도 정보를 제공하고, 지도 내 측위 DB가 생성된 지점을 도시하며, 각 지점을 도시함에 있어 분석하고자 하는 정보(예컨대, 평균 RSSI)를 수준에 따라 상이하게(예컨대, 상이한 색깔로) 표기하였으며, 그 범례를 제공하였다.

도 5에 따르면, 7-6-5-4-3의 순으로 갈수록 평균 RSSI가 낮은 지점을 의미하며, 이는 도 5의 좌측 상단의 범례에 수치와 함께 표시되어 있다.

서로 다른 수준을 나타내는 정보를 색깔 등으로 나타냄에 있어서 Wi-Fi만을 도시할 수 있는 것은 아니며, Bluetooth, 이동통신망에서의 RSSI, 지자계 x, y, z 축 값 등 측위 DB 내 수치화되어 저장된 다른 정보 역시 마찬가지로 도시가 가능하다.

지자기 정보가 추가되어 지점별 Magnetic compass의 방향정보를 확보하였을 경우, 측위 DB(50)가 생성된 지점에서 일정한 길이를 가지는 선 또는 화살표 등의 형태로 그 방향을 표시한다. 이는 측위 DB(50)에 포함된 방향 정보를 전달하기 위함이며, 이를 표기하기 위한 선의 형태 등은 한정되지 않는다.

보다 정확한 정보 전달을 위하여 이산화된 색깔 이외에 수치 정보를 직접 표기할 수 있다. 이는 별도의 표 형태로 제공하거나, 각 지점의 위에 해당하는 수치 정보를 텍스트로 표기하는 방식 등을 통해 구현될 수 있다.

이러한 방식으로 제공된 기본 측위 환경 분석 결과를 활용하여 위치 결정 성능의 요소 중 하나인 각 측위 자원을 활용하였을 때의 가용성 정보를 제공할 수 있다. 즉, 특정 구역에서 측위 자원이 수집되지 않아 활용이 불가능할 경우 이 정보를 제공할 수 있다.

한편, 위치 결정 성능 예측부(82b)는 K-NN(K-Nearest Neighbor)알고리즘을 활용하여 측위 DB(50)에 구축되어 있는 지점 간 패턴의 유사도를 분석하고 위치 결정 성능을 예측하는데, 그 방식은 다음과 같을 수 있다.

K-NN(K-Nearest Neighbor) 알고리즘은 패턴 비교 방식의 측위에서 일반적으로 활용되는 기법 중 하나로, 사용자가 수신한 신호와 DB의 수신감도 패턴의 유사도를 비교하여 가장 유사한 패턴이 위치한 곳을 사용자의 위치로 결정한다. 여기서, 유사도는 두 패턴을 벡터로 표현하였을 때 벡터 공간 상에서의 거리, 즉 Euclidean distance를 구함으로써 패턴의 유사도(이하 "신호거리"라고 함)를 측정할 수 있다. 측위 DB(50) 내 m번 째 지점의 수신감도 패턴과 사용자가 수신한 신호의 신호거리를 계산하는 식은 아래의 수학식 1과 같다.

여기서, r_i는 사용자의 수신 신호 패턴을 의미하고, p_i,m은 전파지문지도의 m번 째 지점에 매핑되어 있는 수신감도 패턴을 의미하고, n은 패턴을 이루고 있는 벡터 성분의 개수를 의미한다. Wi-Fi를 활용하는 경우 각각의 AP에서 수신한 수신신호가 벡터 성분이므로, 수신한 Wi-Fi AP의 개수가 n이 된다. 신호거리는 벡터 각 성분 값의 차이의 합으로 계산되므로, 이 거리가 가깝다는 것(즉, s값이 작다는 것)은 두 수신감도 패턴들이 유사하다는 것을 의미한다.

K-NN 알고리즘이 패턴의 유사도를 측정하므로 본 실시 예에서는 패턴간 유사도를 측정하고 이를 통해 위치 결정 성능을 예측하기 위해 K-NN 알고리즘에서 사용한 신호거리 측정방식을 사용한다. 그에 따라, 측위 DB 내 선택된 한 지점에 대해 유사도를 기반으로 위치 결정 성능을 예측하는 방식으로는, 도 6에서와 같이, 측위 DB(50)가 구성된 지점 중 한 지점을 선택하여(이하 "선택 지점"이라 함) 수신감도 패턴을 획득하는 단계(91), 선택 지점의 수신감도 패턴을 기준으로 다른 지점의 수신감도 패턴과의 신호거리를 측정하는 단계(93), 가장 가까운 신호거리를 갖는 지점을 찾는 단계(94), 신호거리의 분포를 기반으로 위치 결정 성능을 분석하는 단계(95)를 포함하는 방식이 제공될 수 있다.

도 6에서, 보다 정확한 위치 결정 성능 예측을 위해, 선택 지점의 수신감도 패턴에 임의의 잡음을 추가하는 단계(92), 반복 시뮬레이션하여 분석하는 단계(96)가 포함될 수 있다.

위치 결정 성능 예측부(82b)가 위치 결정 성능 예측을 함에 있어서 선택 지점에서 측위를 수행하였을 때의 예상 추정위치는 가장 유사한 패턴을 갖는(즉, 가장 가까운 신호거리를 갖는) 지점으로 도출(산출)된다.

또 다른 예로 포함된 반복 시뮬레이션을 통한 위치 결정 성능 예측에서는 선택 지점의 수신감도 패턴에 더해진 임의의 백색 잡음으로 인해 예상 추정위치가 매 시뮬레이션마다 다르게 도출될 것이다. 이를 활용하여 충분한 횟수만큼 서로 다른 백색 잡음을 추가한 시뮬레이션을 수행하여 예상 추정위치들을 산출해 냄으로써 이들의 위치 추정 오차 평균이나 표준편차와 같은 통계치를 해당 지점의 위치 결정 성능으로 추정할 수 있다.

한편, 신호거리의 분포를 기반으로 위치 결정 성능을 분석하는 단계(95)에서는 신호의 외란(disturbance)에 의해 패턴이 유사한 지점으로 사용자의 위치가 추정 될 수 있음을 이용하여 일정 수준 이상의 유사도를 갖는 지점의 범위를 위치 결정 오 추정 범위로 예측한다. 여기서, 오 추정 범위로 예측하는 유사도의 범위를 정하는 기준은 한정하지 않으며, 실제 서비스 대상 지역 또는 그와 비슷한 일반적인 환경에서 신호 수신 시 발생하는 수신감도 표준편차를 활용하는 것이 포함될 수 있다.

상기 실시예에 따라 위치 결정 오 추정 범위가 도출될 경우 참 위치와 해당 범위 내 지점들 간 거리의 평균을 산출하여 위치 결정의 신뢰도로 제공한다. 신뢰도로 제공할 수 있는 정보에는 상술한 평균의 값만 포함되는 것은 아니며, 해당 범위에서 가장 멀리 떨어진 지점과 참 위치 간의 거리를 측정하는 등의 방식이 사용될 수 있고, 가시화를 통해 패턴이 유사한 지점의 분포를 도시하는 것도 포함될 수 있다.

제시한 예들을 종합하여 구성할 수 있는 실시 예를 정리하여 보면, 각 지점에 대해 백색 잡음을 추가한 반복 시뮬레이션을 통해 나온 위치 오차의 평균으로 해당 위치의 오차를 추정하고, 잡음이 없는 상태에서 추정된 오 추정 범위의 최대 거리를 통해 신뢰도를 추정한다.

상술한 실시예와 도 6에 도시된 방식으로 한 지점에 대한 위치 결정 성능을 예측하는 방식을 측위 DB(50)가 생성된 모든 지점에 대해 반복 수행하면 서비스 지역 전역에 대한 위치 결정 성능 분석이 가능하다.

상기 실시 예에서 수신감도 패턴은 측위 DB(50)에 있는 것만을 활용해야 하는 것은 아니며, 환경 분석 데이터를 모두 활용하는 것 역시 가능하다.

한편, 유사도 기반 위치 결정 성능 예측의 실시예에 따라 잡음이 추가되지 않은 상태에서 선택 지점의 수신감도 패턴과 가장 가까운 신호거리를 가진 지점을 찾아 이를 측위 수행 시 추정위치로 도출하는 단계를 수행하고 이를 가시화한 화면의 바람직한 구성 예는 도 7과 같이 도시될 수 있다.

도 7에서, 참조부호 97은 실내 공간의 외형을 의미하고, 점(98)들은 측위 DB(50)가 생성된 대표 지점들을 의미한다. 도 7에서, 점(99)은 선택 지점(위치 결정 성능을 확인하고자 하는 지점)을 의미하고, 점(100)은 점(99)에서 측위 수행 시 예상되는 추정 위치이다.

그리고, 선택 지점과 다른 지점 간 신호거리 분포를 사용자에게 가시화하기 위한 화면 구성의 실시예는 도 8과 같다.

도 8에서, 육각 별(101)은 측위 품질을 알고 싶은 지점을 의미하고, 오각 별(102)은 예상 추정위치를 의미하고, 나머지 점(21 ~ 29)들이 측위 DB(50)가 생성된 지점을 의미하며, 점에 표시된 색깔이 신호거리를 나타내고 있다. 28-27-26-25-24-23-22-21로 갈수록 패턴 간 신호거리가 큰 것을 의미한다. 검은 점들은 패턴이 전혀 일치하지 않음을 나타낸다(이 경우에도 신호 거리가 이산화되어 도시되어 있다). 즉, 빨간 색으로 표기한 지점(28)들은 패턴의 신호거리가 매우 가까워 상당히 높은 유사도를 보이는 지점들이며, 이 지점들이 위치 결정 오 추정 범위에 속하는 지점이 된다. 상기한 바와 같이 이 지점들 중 가장 먼 거리에 있는 지점과의 거리를 측정하거나 빨간 지점(28)들과 참 위치간 거리의 통계치 등과 같은 오 추정 범위에 속하는 지점들의 분포 정보를 위치 결정의 신뢰도로 제공할 수 있다.

위치 결정 성능 예측부(82b)에서 분석을 위해 환경 분석 데이터를 가공하여 사용할 수 있는 지표는 패턴의 유사도에 한정되지 않는다. 예를 들어, Wi-Fi를 사용하는 시스템의 경우 측위 DB(50)에서 인접한 지점간에 일치하는 패턴 내 AP 개수가 활용될 수 있다.

한편, 측위용 데이터 기반 분석부(82c)에서의 측위용 데이터 기반 분석에 있어 바람직한 가시화의 실시예는 도 9와 같이 도시될 수 있다.

도 9는 실제 실내 공간에서 구축한 측위 DB(50)와 별도로 수집한 측위 로그를 활용하여 Wi-Fi와 지자기계, 보행항법 센서, 기압계 등을 사용하여 사용자의 위치를 결정하는 파티클 필터를 구성하여 측위를 수행하였을 때의 결과를 도시하고 있다.

도 9에서, 점(103)들은 위치 결정을 위해 설정된 파티클들의 위치를 의미하고, 가운데 점(104)은 결정된 위치 값이다. 점(105)들은 측위 DB(50)가 구축되어 있는 지점들을 의미한다. 추가적인 정보 전달을 위해 참 위치 정보가 확보되었을 경우 이를 도시하고 추정 위치와의 거리를 측정하여 이를 표시하는 것도 가능하다. 이때, 명확한 전달을 위해 참 위치와 추정 위치 사이를 선분으로 연결하여 도시할 수 있다.

상술한 바와 같은 본 발명을 통해 서비스 지역마다 서로 상이한 측위 환경에 대해 저비용으로 효율적인 파악이 가능하며, 이를 통해 위치 결정 정확도, 신뢰도, 가용성을 포함하는 위치 결정 성능을 포함할 수 있다. 또한, 주어진 환경적 제약이 발생한 원인을 파악할 수 있어 이를 해결하기 위한 정보로 활용 가능하다. 그리고, 해당 지역에서 얻을 수 있는 최적의 위치 결정 성능은 어떻게 되는지 및 이를 위해 사용해야 하는 위치 결정 방식은 어떻게 되는 지를 손쉽게 확인할 수 있다. 따라서, 도 1에서 설명하였던 반복적인 사이트 조사와 현장 검증이 필요 없어져 플랫폼 구축에 필요한 비용을 최소화한다. 이를 통해, 개선된 위치 결정 플랫폼 구축 과정은 도 10과 같이 도시할 수 있다.

이를 통해 궁극적으로는 서비스 지역의 측위 환경에 영향을 덜 받는 강인한 위치 결정 시스템 또는 플랫폼을 구축할 수 있다. 즉, 열악한 측위 환경에서도 최적의 성능을 얻을 수 있는 조치 방안이나 위치 결정 시스템 구성을 빠르고 손쉽게 찾을 수 있으므로, 언제 어디서나 사용자에게 원하는 수준의 위치 결정 성능을 제공하는 시스템의 구축이 가능하다.

아울러 실제 서비스를 제공함에 있어서 본 발명을 위치 결정 플랫폼의 관제 목적으로도 활용이 가능하다. 특히, 사용자로부터 측위용 로그를 확보할 수 있는 상황에서는 서비스를 운영함에 있어 사용자가 실제 서비스받는 위치 성능을 실시간으로 모니터링할 수 있고, 이에 따라 성능이 열화되는 지점이 있을 경우 이에 대한 모니터링과 대응이 가능하다.

이러한 효과를 얻기 위한 실시 예 중 측위 환경 분석 장치(60)의 기본 측위 환경 분석부(82a)를 통해 측위가 열악할 것이라 예측되는 지점들 또는 구역을 찾을 수 있으며 이에 따른 대응이 가능하다. 즉, 평균 RSSI가 너무 낮아 위치 결정 성능이 나쁠 것이라 예상되는 구역에 대해 인접한 곳에 추가 AP를 설치하는 조치를 취함으로써 환경을 개선할 수 있다. 뿐만 아니라, 지점별로 어떤 측위 자원이 분포하고 있는지 확인할 수 있으므로, 각 자원을 활용하는 위치 결정 시스템의 가용성을 확인할 수 있다.

도 11은 실제 한 실내공간에서 생성한 측위 DB를 기반으로 Wi-Fi의 평균 RSSI 값을 이산화하여 가시화함으로써 RSSI 분포를 도시한 것이다. 도시된 바와 같이 위치 1은 Wi-Fi 신호의 평균 RSSI가 높게 수신되는 지역으로서, 측위 환경이 좋은 지점이다. 위치 2는 수신되는 Wi-Fi 신호의 평균 신호가 -85.0dBm 아래일 정도로 측위 환경이 매우 열악한 곳이다.

위치 1 및 위치 2에서 측위를 수행한 결과 얻어진 위치 추정 오차를 CDF(Channel Definition Format ; 채널 전송 형태 규격)로 표현하면 도 12 및 도 13과 같이 나타난다. 도 12는 위치 1에서 측위를 수행한 결과의 CDF이고, 도 13은 오른쪽이 위치 2에서 얻은 결과 CDF이다.

위치 1에서는 모든 측위 결과가 6m 오차 범위 안에 들어왔지만, 위치 2에서는 최대 70-80m 가까운 오차를 보이는 경우도 있었다. 이는 위치 2에서 수신하는 신호의 세기가 굉장히 미약하여 인근 지점과 차별되는 물리적 특성을 보이지 않고 있어 이와 비슷한 환경인 위치 3(도 11 참조)의 인근 위치로 잘못 추정되는 경우가 많았기 때문이다. 이 경우 위치 2, 위치 3의 인근 지역에 각각 AP를 설치할 경우 위치 결정 성능을 크게 개선할 수 있다. 이렇게 수신신호의 평균 RSSI를 이산화하여 도시하여 기본 측위 환경 정보를 제공함으로써 이를 통해 위치 결정 성능을 예측할 수 있고, AP 개수를 이산화하여 그 레벨을 도시하거나 이러한 정보들을 복합적으로 고려하여 도시하는 것도 가능하다.

한편, 상술한 효과를 얻기 위한 실시 예 중 측위 환경 분석 장치(60)의 위치 결정 성능 예측부(82b)는 환경 분석 데이터 일부를 그대로 활용하여 정보를 제공한 기본 측위 환경 분석부(82a)와는 달리 이를 가공하여 분석함으로써 보다 정확한 위치 결정 성능 예측 정보를 제공할 수 있다. 즉, 실제 위치 결정 시스템, 특히 패턴형태의 DB를 활용하는 위치 결정 시스템에서 활용하는 물리적 특정 정보를 분석함으로써 보다 정확하고 수치화된 위치 결정 성능 예측이 가능하다.

여기서, 사용자가 실 환경에서 일반적으로 수신하게 되는 신호의 특성을 살펴보면, 사용자 주변의 물리 환경이 늘 완벽하게 일정하지 않고 자연스레 계속하여 변화한다. 또, 수신기 자체에서 발생하는 열 잡음 등의 요소들로 인해 수신감도의 변화(즉, 외란)가 생기게 된다.

패턴 DB를 활용하는 위치 결정 시스템에서는 가장 유사한 패턴을 갖는 지점으로 사용자의 위치를 추정하므로 수신감도가 변화함에 따라 결정되는 사용자의 위치도 계속해서 변하게 된다. 이 경우, 유사한 패턴을 갖는 지점의 범위가 넓을 경우 이러한 추정 위치의 변화 폭도 커지게 된다. 따라서, 일정 수준 이상의 유사도를 갖는 지점들을 찾으면 오 추정 범위를 예측할 수 있어 이를 위해 신호거리를 비교하는 실시 예를 제공한 바 있다.

도 14는 도 8의 육각 별(101)로 도시된 선택 지점에서 측위를 수행한 결과를 도시하고 있다. 유사한 패턴을 갖는 지점의 분포가 넓은 만큼 넓은 지역에 걸쳐 위치가 잘못 추정된 것을 확인할 수 있다. 실제 최대 30-50m 정도의 위치 추정 오차가 발생하였으며, 이는 유사도 기반의 위치 결정 성능 예측에서 나타낸 도 8의 빨간 점들의 분포 정도와 비슷하다.

또 다른 실시 예 중 하나인 측위 환경 분석 장치(60)의 측위용 데이터 기반 분석부(82c)는 실제 서비스를 받는 사용자가 확보한 데이터를 활용하기 때문에 보다 정확하게 위치 결정 성능을 도출할 수 있다는 장점이 있으며, 적용 가능한 다양한 측위 시스템에 대해 정밀한 분석을 할 수 있다는 장점이 있다.

한편, 상술한 본 발명의 실시예는 컴퓨터 시스템에서 구현될 수 있다. 도 15에 도시된 바와 같이, 컴퓨터 시스템(120)은 버스(122)를 통하여 서로 통신하는 하나 이상의 프로세서(121), 메모리(123), 사용자 인터페이스 입력 장치(126), 사용자 인터페이스 출력 장치(127) 및 스토리지(128)를 포함할 수 있다. 또한, 컴퓨터 시스템(120)은 네트워크(130)에 연결되는 하나 이상의 네트워크 인터페이스(129)를 더 포함할 수 있다. 프로세서(121)는 중앙 처리 장치 또는 메모리(123) 또는 스토리지(128)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(123) 및 스토리지(128)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리(123)는 ROM(124)이나 RAM(125)을 포함할 수 있다.

그리고, IoT 시대를 대비하여 컴퓨터 시스템(120)을 소형의 컴퓨팅 디바이스로 구현시킨 경우, 컴퓨팅 디바이스에 이더넷(Ethernet) 케이블을 연결하면 무선 공유기처럼 동작해서 모바일 디바이스가 무선으로 게이트웨이에 붙어서 암복호화 기능을 할 수 있으므로, 이를 위해 컴퓨터 시스템(120)은 무선 통신 칩(와이파이 칩)(131)을 추가로 포함할 수 있다.

따라서, 본 발명의 실시예는 컴퓨터로 구현된 방법이나 컴퓨터에서 실행가능한 명령어들이 기록된 비일시적인 컴퓨터에서 읽을 수 있는 매체로 구현될 수 있다. 컴퓨터에서 읽을 수 있는 명령어들이 프로세서에 의해서 수행될 때, 컴퓨터에서 읽을 수 있는 명령어들은 본 발명의 적어도 한 가지 태양에 따른 방법을 수행할 수 있다.

이상에서와 같이 도면과 명세서에서 최적의 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로, 본 기술 분야의 통상의 지식을 가진자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

10 : 수집 장치 20 : LBS 플랫폼
30 : 수집 서버 40 : 측위 DB 생성 장치
50 : 측위 DB 60 : 측위 환경 분석 장치
70 : 사용자 단말 80 : 환경 분석 데이터 로딩부
82 : 분석 및 예측부 82a : 기본 측위 환경 분석부
82b : 위치 결정 성능 예측부 82c : 측위용 데이터 기반 분석부
84a, 84b : 취약 지점 도출부 86 : 최적 시스템 분석부
88 : 가시화부 90 : 피드백부

Claims

수집 서버, 측위 DB, 및 사용자 단말 중에서 하나 이상으로부터 위치 결정 성능 분석에 활용되는 환경 분석 데이터를 로딩하는 환경 분석 데이터 로딩부; 및
상기 환경 분석 데이터를 근거로 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측하는 분석 및 예측부;를 포함하는 것을 특징으로 하는 측위 환경 분석 장치.
청구항 1에 있어서,
상기 분석 및 예측부는,
상기 환경 분석 데이터를 직접 활용하여 분석함으로써 측위 자원의 분포 현황을 파악하는 기본 측위 환경 분석부;
상기 환경 분석 데이터를 가공하여 분석함으로써 상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 위치 결정 성능 예측부; 및
상기 환경 분석 데이터를 근거로 실제 현장에서의 측위 수행결과와 이를 통해 얻을 수 있는 위치 결정 성능을 도출하는 측위용 데이터 기반 분석부;를 포함하는 것을 특징으로 하는 측위 환경 분석 장치.
청구항 2에 있어서,
상기 기본 측위 환경 분석부에서 분석하는 정보는 상기 측위 자원별로 패턴이 생성된 위치, 지점별로 수집된 신호들의 평균 RSSI, 신호를 송신하는 송신기의 개수, 참 방향과의 틀어진 정도, 및 전체 층 평균 기압과의 차이 중에서 하나 이상을 포함하는 것을 특징으로 하는 측위 환경 분석 장치.
청구항 2에 있어서,
상기 위치 결정 성능 예측부는 상기 측위 DB에 구축되어 있는 지점 간 패턴의 유사도를 분석하여 상기 위치 결정 성능을 예측하는 것을 특징으로 하는 측위 환경 분석 장치.
청구항 4에 있어서,
상기 위치 결정 성능 예측부는,
상기 측위 DB가 구성된 지점 중에서 획득한 선택 지점의 수신감도 패턴을 기준으로 다른 지점의 수신감도 패턴과의 신호거리를 측정하여 가장 가까운 신호거리를 갖는 지점을 검색하고, 상기 신호거리의 분포를 기반으로 상기 위치 결정 성능을 분석하되, 상기 유사도는 상기 신호거리인 것을 특징으로 하는 측위 환경 분석 장치.
청구항 5에 있어서,
상기 위치 결정 성능 예측부는,
상기 선택 지점의 수신감도 패턴에 임의의 잡음을 추가하고, 상기 위치 결정 성능 분석을 반복 시뮬레이션하는 것을 특징으로 하는 측위 환경 분석 장치.
청구항 5에 있어서,
상기 위치 결정 성능 예측부는,
상기 환경 분석 데이터를 가공하여 서비스 지역의 각 지점에서 측위 자원을 사용하여 측위를 수행했을 때 예상되는 추정 위치를 추가로 예측하는 것을 특징으로 하는 측위 환경 분석 장치.
청구항 1에 있어서,
상기 분석 및 예측부의 결과를 토대로 위치 결정 성능이 열악한 취약 지점을 도출하는 취약 지점 도출부; 및
다양한 위치 결정 방식과 설정 값을 근거로 서비스 지역의 각 지점에서 사용 가능한 위치 결정 방식 및 각 방식에서 설정한 매개변수 값에 따라 예측되는 위치 결정 성능을 도출하고, 각기 도출된 위치 결정 성능을 비교하여 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 최적 시스템 분석부;를 추가로 포함하는 것을 특징으로 하는 측위 환경 분석 장치.
청구항 8에 있어서,
상기 분석 및 예측부와 상기 취약 지점 도출부 및 상기 최적 시스템 분석부의 결과를 디스플레이하는 가시화부; 및
상기 분석 및 예측부와 상기 취약 지점 도출부 및 상기 최적 시스템 분석부의 결과를 사업자에게 피드백하는 피드백부;를 추가로 포함하는 것을 특징으로 하는 측위 환경 분석 장치.
측위 환경 분석 장치가, 수집 서버, 측위 DB, 및 사용자 단말 중에서 하나 이상으로부터 위치 결정 성능 분석에 활용되는 환경 분석 데이터를 로딩하는 단계; 및
상기 측위 환경 분석 장치가, 상기 환경 분석 데이터를 근거로 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측하는 단계;를 포함하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 방법.
청구항 10에 있어서,
상기 위치 결정 성능을 평가 및 예측하는 단계는,
상기 환경 분석 데이터를 직접 활용하여 분석함으로써 측위 자원의 분포 현황을 파악하는 단계;
상기 환경 분석 데이터를 가공하여 분석함으로써 상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계; 및
상기 환경 분석 데이터를 근거로 실제 현장에서의 측위 수행결과와 이를 통해 얻을 수 있는 위치 결정 성능을 도출하는 단계;를 포함하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 방법.
청구항 11에 있어서,
상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계는,
상기 측위 DB에 구축되어 있는 지점 간 패턴의 유사도를 분석하여 상기 위치 결정 성능을 예측하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 방법.
청구항 12에 있어서,
상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계는,
상기 측위 DB가 구성된 지점 중에서 선택 지점의 수신감도 패턴을 획득하는 단계;
상기 획득한 선택 지점의 수신감도 패턴을 기준으로 다른 지점의 수신감도 패턴과의 신호거리를 측정하여 가장 가까운 신호거리를 갖는 지점을 검색하는 단계; 및
상기 신호거리의 분포를 기반으로 상기 위치 결정 성능을 분석하는 단계;를 포함하되,
상기 유사도는 상기 신호거리인 것을 특징으로 하는 단말기의 위치 결정 성능 예측 방법.
청구항 13에 있어서,
상기 서비스 지역의 각 지점에서 측위 자원을 사용하였을 때의 예상되는 위치 결정 성능을 도출하는 단계는,
상기 선택 지점의 수신감도 패턴에 임의의 잡음을 추가하는 단계를 추가로 포함하고,
상기 위치 결정 성능 분석을 반복 시뮬레이션하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 방법.
청구항 10에 있어서,
상기 위치 결정 성능을 평가 및 예측하는 단계 이후에,
위치 결정 성능이 열악한 취약 지점을 도출하는 단계; 및
다양한 위치 결정 방식과 설정 값을 근거로 서비스 지역의 각 지점에서 사용 가능한 위치 결정 방식 및 각 방식에서 설정한 매개변수 값에 따라 예측되는 위치 결정 성능을 도출하고, 각기 도출된 위치 결정 성능을 비교하여 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 단계;를 추가로 포함하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 방법.
청구항 15에 있어서,
상기 위치 결정 성능을 평가 및 예측하는 단계, 상기 위치 결정 성능이 열악한 취약 지점을 도출하는 단계, 및 상기 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 단계의 결과를 디스플레이하는 단계; 및
상기 위치 결정 성능을 평가 및 예측하는 단계, 상기 위치 결정 성능이 열악한 취약 지점을 도출하는 단계, 및 상기 최적의 성능을 내는 위치 결정 방식 및 매개변수 정보를 제공하는 단계의 결과를 사업자에게 피드백하는 단계;를 추가로 포함하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 방법.
지점별 측위 자원 정보를 포함하는 수집 데이터를 획득하는 하나 이상의 수집 장치;
상기 하나 이상의 수집 장치로부터의 수집 데이터를 전달받고 이를 DB화하여 저장하는 수집 서버, 및 상기 측위 자원 정보를 분석 및 가공하여 위치 결정에 사용될 측위 DB를 생성하는 측위 DB 생성 장치를 포함하는 LBS 플랫폼; 및
상기 수집 서버와 상기 측위 DB 및 사용자 단말 중에서 하나 이상으로부터 환경 분석 데이터를 로딩하고, 상기 환경 분석 데이터를 근거로 각 측위 자원별 서비스 지역에서의 지점별 위치 결정 성능을 평가 및 예측하는 측위 환경 분석 장치;를 포함하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 시스템.
청구항 17에 있어서,
상기 수집 장치는 수집이 이루어진 시간, 수집 좌표, 측위 자원 정보를 주기적으로 획득하고, 획득한 정보를 하나로 묶어 수집 데이터를 구성하여 저장하고, 상기 수집 데이터를 상기 수집 서버에게로 전달하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 시스템.
청구항 17에 있어서,
상기 측위 DB 생성 장치는,
패턴이 생성될 대표 지점을 도출하고, 대표 지점 인근의 수집 데이터를 활용하여 지점별 패턴을 생성하여 상기 측위 DB를 생성하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 시스템.
청구항 19에 있어서,
상기 측위 DB 생성 장치는,
상기 수집 서버에서 전달받은 수집 데이터를 확인하여 수집 좌표를 분석하여 대표 지점들을 도출하고,
대표 지점 인근의 수집 데이터를 묶어 각 데이터에 포함된 측위 인프라 별 측정 정보 각각의 평균을 구함으로써 패턴을 생성하고,
모든 대표 지점에서 생성된 패턴을 묶어 상기 측위 DB를 생성하는 것을 특징으로 하는 단말기의 위치 결정 성능 예측 시스템.