Earticle

This paper presents a sensor fusion method for a Wi-Fi-based indoor positioning system, named the KAist Indoor LOcating System (KAILOS), which was developed to realize a global indoor positioning system (GIPS) that utilizes crowd-sourced fingerprints. KAILOS supports the deployment of indoor positioning systems in buildings by collecting indoor maps and fingerprint DBs of buildings for the GIPS. Thereby, KAILOS provides a method based on sensor fusion for volunteers to develop indoor positioning systems for their buildings. KAILOS has been made available online for public use. In addition, various location-based applications can also be developed using KAILOS.

위성항법장치(GPS)를 이용한 위치 추정 방법은 자동차의 내비게이션 시스템을 비롯한 다양 한 분야에서 응용되고 있다. 하지만 GPS 신호는 실내에서 측정이 어려우므로 건물이나 공장과 같은 실내에서 특정 물체의 위치를 파악하기에는 어려움이 많다. 본 연구에서는 이러한 한계 점을 극복하기 위하여 공장 내에서의 물자관리를 위해 저전력 블루투스(BLE) 기반의 객체 위 치 추정하는 시스템을 제안한다. 객체위치 추정 시스템은 블루투스 신호 발생기, 수신기, 그리 고 데이터베이스 서버로 이루어져 있으며 물자에는 BLE를 기반으로 하는 신호 발생기를 부착 하고, 공장 내부에 수신기를 적절하게 배치하여 구성하였다. 또한 본 연구에서 기존의 삼변 측 량법의 오차를 감소시키기 위해 4개의 수신기를 사용하는 4축 측량알고리즘인 “대각측량”을 제안한다. 제안하는 알고리즘은 기존 삼변측량대비 우수한 성능을 보였으며 공장에 시스템을 설치하여 실험을 수행함으로써 본 연구에서 제안하는 시스템과 알고리즘의 실효성을 증명하였다.

The method of estimating a position using a GPS has been applied to various fields including a navigation system of an automobile. However, since it is difficult to measure GPS signals indoors, it is difficult to locate specific objects indoors such as a building or factory. To overcome these limitations, this study proposes a system for object location estimation based on Bluetooth5 for the management of materials in factories. The object position estimation system consists of a Bluetooth signal generator, a receiver, and a database server. A signal generator based on Bluetooth Low Energy(BLE) is attached to the material and a receiver is appropriately arranged inside the factory. In this study, we propose “Diagonal Survey Method”, a 4–axis survey algorithm using four receivers to reduce the error of existing trilateration method. The proposed algorithm showed good performance compared to the conventional trilateration and we verified the effectiveness of the proposed system and algorithm by performing the experiment by installing the system in the factory.

The purpose of this paper is introducing WiFi based EKF(Extended Kalman Filter) method for indoor positioning. The advantages of our EKF method include：1) Any special equipment dedicated for positioning is not required. 2) Implementation of EKF does not require off-line phase of fingerprinting methods. 3) The EKF effectively minimizes squared deviation of the trilateration method. In order to experimentally prove the advantages of our method, we implemented indoor positioning systems making use of the K-NN(K Nearest Neighbors), Bayesian, decision tree, trilateration, and our EKF methods. Our experimental results show that the average-errors of K-NN, Bayesian and decision tree methods are all close to 2.4 meters whereas the average errors of trilateration and EKF are 4.07 meters and 3.528 meters, respectively. That is, the accuracy of our EKF is a bit inferior to those of fingerprinting methods. Even so, our EKF is accurate enough to be used for practical indoor LBS systems. Moreover, our EKF is easier to implement than fingerprinting methods because it does not require off-line phase.

The deployment of a fingerprint positioning method consists of an offline phase and a real-time phase. During the offline phase, a fingerprint database is built. This process is tedious and time consuming. Even so, the majority of WiFi-based indoor positioning methods implemented in practical indoor location–based service (ILBS) systems are the fingerprint method, because this method is accurate enough, whereas other WiFi-based indoor positioning methods are too inaccurate. During the real-time phase, the fingerprint method obtains a test fingerprint (a set of WiFi signals collected at that moment). Then, for each fingerprint, fi , in the fingerprint database, it compares fi with the test fingerprint in order to find the most similar fi . This paper introduces a novel method of comparing two fingerprints in order to improve the accuracy of the fingerprint method. This method assigns weights to received signal strength indications (RSSIs) based on the variance of the RSSIs.

Location based services are very useful to human beings. The vehicle navigation service that is used by almost all drivers in the world is an example location based service. As the man made constructions are getting bigger and bigger, indoor location based services are demanded. Matter of fact, researches for indoor location based service started in the early 1990s and developing techniques with which universally available efficient indoor location based service systems can be built is one of the hottest current research issues. Considering the features of smart phones, its computing power and the sensor devices equipped on it, moreover it is one of the most popular personal belongings, we conclude that a smart phone is the most ideal device on which indoor location based service systems should be executed. Therefore, we propose a method of indoor positioning that determines the user's current position with the smart phone's sensor values. Referring to the accelerometer values, our method counts steps. With the orientation values, our method estimates the direction. With the step count and the direction, our method determines the current location of the user. Referring to the floor map, our method adjusts the user's current location from time to time. We have implemented the proposed method on Android smart phones and our test results are discussed in this paper.

In this paper, we propose an indoor positioning system that makes use of the attenuation model for IEEE 802.11 Channel State Information (CSI) in order to determine its distance from an Access Point (AP) at a fixed position. With the use of CSI, we can mitigate the problems present in the use of Received Signal Strength Indicator (RSSI) data and increase the accuracy of the estimated mobile device's location. For the experiments we performed, we made use of the Intel 5300 Series Network Interface Card (NIC) in order to receive the channel frequency response. The Intel 5300 NIC differs from its counterparts in that it can obtain not only the RSSI but also the CSI between an access point and a mobile device. We can obtain the signal strengths and phases from subcarriers of a system which in turn means making use of this data in the estimation of a mobile device's position.

In this paper, we propose a new algorithm to improve the accuracy of indoor positioning techniques using Wi-Fi access points as beacon nodes. The proposed algorithm is based on the Weighted Centroid algorithm, a popular method widely used for indoor positioning, however, it improves some disadvantages of the Weighted Centroid method and also for other kinds of indoor positioning methods, by using the received signal strength correction method and genetic algorithm to prevent the signal strength fluctuation phenomenon, which is caused by the complex propagation environment. To validate the performance of the proposed algorithm, we conducted experiments in a complex indoor environment, and collect a list of Wi-Fi signal strength data from several access points around the standing user location. By utilizing this kind of algorithm, we can obtain a high accuracy positioning system, which can be used in any building environment with an available Wi-Fi access point setup as a beacon node.

위치를 정확하게 측정하는 것은 다양한 서비스를 제공하는 데 필요하다. 실내 측위를 위한 데이터는 스마트 폰의 앱을 통해 WiFi 장치로부터 RSSI 값을 측정한다. 이렇게 측정된 데이터는 기계학습의 원시 데이터가 된다. 특징 데이터는 측정된 RSSI 값이고, 레이블은 측정한 위치에 대한 공간의 이름으로 한다. 이를 위한 기계학습 기법은 분류에 효율적인 기법을 적용하여 WiFi 신호만으로 정확한 위치를 예측하는 기법을 연구하고자 한다. 앙상블은 하나의 모델보다 다양한 모델을 통하여 더 정확한 예측값을 구하는 기법으로, bagging과 boosting이 있다. 이 중 Boosting은 샘플링한 데이터를 바탕으로 모델링한 결과를 통해 모델의 가중치를 조정하는 기법으로, 다양한 알고리즘이 있다. 본 연구는 위 기법 중 XGboost를 이용하고, 다른 앙상블 기법과 이용한 수행결과를 바탕으로 성능을 평가한다.

Accurately measuring location is necessary to provide a variety of services. The data for indoor positioning measures the RSSI values from the WiFi device through an application of a smartphone. The measured data becomes the raw data of machine learning. The feature data is the measured RSSI value, and the label is the name of the space for the measured position. For this purpose, the machine learning technique is to study a technique that predicts the exact location only with the WiFi signal by applying an efficient technique to classification. Ensemble is a technique for obtaining more accurate predictions through various models than one model, including backing and boosting. Among them, Boosting is a technique for adjusting the weight of a model through a modeling result based on sampled data, and there are various algorithms. This study uses Xgboost among the above techniques and evaluates performance with other ensemble techniques.

실외에서의 위치추적은 GPS(Global Positioning System) 등의 다양한 방법이 활용가능하다. 하지만 실내에서는 사용이 어려워 비전, RFID 및 Zigbee 등을 활용한 다양한 연구가 진행되고 있다. 본 연구에서는 비교적 비용 효과적으로 구축이 가능한 수동형 RFID 태그를 기반 이동형 로봇의 위치 추적 알고리즘을 제안하도록 한다. 총 7 종의 태그에 대하여 각 태그가 가지고 있는 특성을 실험을 통하여 분석하고 분석한 결과에 따라 태그를 배치하여 효과적으로 로봇의 이동에 따른 위치 추적 및 이동방향 예측방법을 기술한다. 제안하는 방법을 실험실 환경에서 레고 마인드스톰을 활용하여 그 효용성을 나타내도록 한다.

Fingerprinting 방식에서 KNN은 WLAN 기반 실내 측위에 가장 많이 적용되고 있지만 KNN의 성능은 k개의 이웃 수와 RP의 수에 따라 민감하다. 논문에서는 KNN 성능을 향상시키기 위해 ANN 군집화를 적용한 KNN과 ANN을 혼합한 알고리즘을 제안하였다. 제안한 알고리즘은 신호잡음비 데이터를 KNN 방법에 적용하여 k개의 RP을 선택한 후 선택된 RP의 신호잡음비를 ANN에 적용하여 k개의 RP를 군집하여 분류한다. 실험 결과에서는 위치 오차가 2m 이내에서 KNN/ANN 알고리즘이 KNN 알고리즘보다 성능이 우수하다.

위치기반 서비스는 사용자의 지리적인 현재 위치를 기반으로 사용자에게 제공되는 서비스를 일컫는다. 위치기반 서비스는 고부가가치를 제공하기 때문에 기업, 산업, 그리고 개인 생활에까지 널리 적용되고 있다. 사용자의 위치 판단(측위)은 위치기반 서비스 시스템 구축에 반드시 필요한 요소 기술이다. GPS로 인하여 건물 외부에서의 측위는 성공적으로 실용되고 있으나, 옥내 측위는 많은 전략이 발표되었음에도 불구하고 일반적인 해법이 아직도 존재하지 않는다. 성공적인 옥내 측위 해법이 존재하지 않는 이유 중 하나는 현존하는 대부분의 측위 전략이 전적으로 측위에만 사용되는 특수 장치를 사용하기 때문이다. 본 논문에서는 부가적인 장비를 사용하지 않는 옥내 측위 전략을 소개한다. 또한, 제안하는 옥내 측위 전략과 GPS 기반의 옥외 측위 방법을 통합하여 옥내외 겸용 측위 시스템을 구축하고, 이 시스템의 실험 결과를 소개한다.

Location-Based Service (LBS) is a service provided to the user based on the user's current geographic location. Since LBS provides a higher value-added service, LBS has been applied on various businesses, industries and even on personal lives. Positioning users is the essential technology in building an LBS system. Thanks to GPS (Global Positioning System), Positioning outdoor is successfully used in practice. However, there is not a general solution for indoor positioning yet, even though many strategies for indoor positioning have been introduced. One of the reasons for the lack of successful indoor positioning is that most of the existing indoor positioning strategies require special equipments dedicated for positioning. This paper introduces an indoor positioning strategy that does not require any additional equipments. Integrating our indoor positioning strategy with GPS-based outdoor positioning, we have implemented an indoor-outdoor positioning system. Experimental results of the system is also introduced.

최근 모바일 단말 기술의 발전과 무선망의 성능 향상에 따른 다양한 서비스가 제공되고 있는 추세이며, 위치정보인식시스템과 결합된 서비스에 많은 관심이 높아졌다. 본고에서는 GPS(Global Positioning System)의 신호가 미치지 못하는 건물의 실내환경에 적합한 경로 안내서비스 및 지하시설물 안내 등 초정밀 실내 측위 서비스를 제공하기 위한 융합 측위 방안을 제안한다. 융합 측위 방안은 실내외 연속 측위를 위해 실외에서는 GPS를 이용하고 실내환경에서는 WLAN 기반의 측위 전용 AP(Access Point)를 이용, 전파신호의 LoS(Line of Sight)를 확보하여 측위하고 전파음영지역에서는 스마트폰의 가속도, 자이로센서 등 여러 가지 관성센서를 활용하여 PDR(Pedestrian Dead Reckoning) 알고리즘 등을 적용하여 측위한다. 또한 측위 정확도 향상 및 오차를 줄이기 위한 방법으로 LSE(Least Squire Estimation) 및 EKF(Extended Kalman Filter), KNN(K-Neighbor Node)/MSSM(Maximum Signal Strength Model) Algorithm 등 다양한 융합 측위 알고리즘을 적용하여 실내환경에 적합한 최적의 초정밀 실내 측위 서비스를 제공한다.

실내 측위 분야에서는 사용할 수 없는 GPS 의 한계를 극복하기 위해 대두되고 있는 기술들은 대부분 사설 무선 통신망(Private Wireless Network)를 이용한 방법이다. 그러나 이러한 방법들은 설치 및 유지 보수비용이 많이 들고 측위 오차가 수 미터로 실내 주차장 등 정밀한 측위가 필요한 장소에서 사용하기에 부적합하다. 본 논문에서는 QR 코드 인식 기반 차량용 실내 측위 방법을 제안하였다. QR 코드 스캔을 통해 절대 좌표를 얻고 아핀 변환(affine transform)을 통한 기울기(Tilt) 및 회전(Roll) 보정과 스케일 변환 및 삼각함수를 이용한 카메라의 위치 정보(상대좌표)를 획득하여 정밀한 위치 좌표를 계산한다. 결과적으로 13.79cm 의 평균 오차를 달성해 기존 무선 네트워크 기반 기술의 오차 50cm 대비 단지 27.6% 정도 오차율에 해당함을 확인하였다.

GPS is not able to be used for indoor positioning and currently most of techniques emerging to overcome the limit of GPS utilize private wireless networks. However, these methods require high costs for installation and maintenance, and they are inappropriate to be used in the place where precise positioning is needed as in indoor parking lots. This paper proposes a vehicular indoor positioning method based on QR-code recognition. The method gets an absolute coordinate through QR-code scanning, and obtain the location (an relative coordinate) of a black-box camera using the tilt and roll angle correction through affine transformation, scale transformation, and trigonometric function. Using these information of an absolute coordinate and an relative one, the precise position of a car is estimated. As a result, average error of 13.79cm is achieved and it corresponds to just 27.6% error rate in contrast to 50cm error of the recent technique based on wireless networks.

The purpose of this paper is introducing WiFi based EKF(Extended Kalman Filter) method for indoor positioning. The advantages of our EKF method include: 1) Any special equipment dedicated for positioning is not required. 2) implementation of EKF does not require off-line phase of fingerprinting methods. 3) The EKF effectively minimizes squared deviation of the trilateration method. In order to experimentally prove the advantages of our method, we implemented indoor positioning systems making use of the K-NN(K Nearest Neighbors), Bayesian, decision tree, trilateration, and our EKF methods. Our experimental results show that the average-errors of K-NN, Bayesian and decision tree methods are all close to 2.4 meters whereas the average errors of trilateration and EKF are 4.07 meters and 3.528 meters, respectively. That is, the accuracy of our EKF is a bit inferior to those of fingerprinting methods. Even so, our EKF is accurate enough to be used for practical indoor LBS systems. Moreover, our EKF is easier to implement than fingerprinting methods because it does not require off-line phase.

실내 측위 시스템에 사용되는 Beacon의 신호는 반사 및 왜곡되어 노이즈 신호가 발생한다. 이 노이즈를 제거하기 위해 KF(Kalman Filter)가 널리 사용되어 왔다. KF를 적용하기 위해서는 각 제품의 신호 종류와 강도, 환경을 고려한 Parameters 최적화 과정이 필요하다. 본 논문에서는 BLE Beacon 기반 실내 측위 시스템에서 GA(Genetic Algorithm)를 활용한 KF Parameters의 최적화 문제 해결 방안을 제안한다. Beacon과 수신기 사이에 일정 거리를 두고 제안한 기법을 적용하여 KF Parameters를 최적화한 후, KF를 통과한 추정거리와 필터링을 거치지 않은 거리를 비교하였다. 제안하는 기법은 RSSI(Received Signal Strength Indi- cation)를 기반으로 하는 실내 측위 시스템에서 KF의 Parameters 최적화 소요시간 단축과 정확도 향상이 가능할 것으로 기대된다.

Beacon signals used in indoor positioning system are reflected and distorted, resulting in noise signals. KF(Kalman Filter) has been widely used to remove this noise. In order to apply the KF, optimization process considering the signal type, signal strength, and environmental elements of each product is required. In this paper, we propose a solution to the optimization problem of KF Parameters using GA(Genetic Algorithm) in BLE(Bluetooth Low Energy) Beacon-based indoor positioning system. After optimizing KF Parameters by applying the proposed technique with a certain distance between Beacon and receiver, we compared the estimated distance passed through KF with the unfiltered distance. The proposed technique is expected to reduce the time required and improve accuracy of KF Parameters optimization in an indoor positioning system based on RSSI (Received Signal Strength Indication).

In off-line phase of the preliminary Cut-off indoor positioning scheme, which is one of the indoor positioning scheme using the fingerprint, relative ranks of peak RSSIs received from beacons at each reference point are stored in the fingerprint map. In some reference points, signals of multiple beacons may be received. In this case, the relative ranks may be different when constructing fingerprint and when receiving signals in real-time. To solve this problem, we propose a method to utilize only up to five beacons with high ranking when constructing a fingerprint and when receiving signals in real-time and comparing them with stored information of a fingerprint. Experiments were conducted on the estimation probabilities and the average error when using this method. Those are compared with the previous methods. Experimental results show that the estimation probabilities and the average error are improved by removing only the remaining five beacons at each reference point of the fingerprint.

최근, RSSI 기반의 핑거프린팅 위치추정 기술은 실내 위치 기반 서비스에 널리 사용되고 있다. 기존의 핑거프린팅 기법에서는 위치추정 정확도를 높이기 위해 수신 되는 최대한 많은 수의 AP들을 사용하거나, 측위에 소요되는 시간을 줄이기 위해 RSSI 신호의 세기가 가장 강한 일부의 AP만을 선택하여 사용하였다. 그러나 실제 환경에서 발생하는 사람의 움직임이나 이동하는 장애물등의 주변 환경 변화에 따른 RSSI의 오차가 반영되지 않았다. 이러한 환경변화는 RSSI 신호 세기의 예측값과 실측값과의 차이를 발생시키는 원인이 되며, 위치추정에 예측할 수 없는 오차를 발생시키게 된다. 따라서, 환경요인에 의한 오차 발생을 완화하기 위해서 주변 환경 변화를 고려하여 실내 측위에 적절한 AP들을 선택하여 사용하는 기술이 필요하다. 본 논문에서는 주변 환경의 영향을 고려하여 안정적인 AP만을 선택하는 방식과 이에 적합한 측위 알고리즘을 제안한다. 또한 실험을 통하여 제안한 방식과 기존의 AP 선출 방식의 성능을 비교 분석하였다.

Recently, an RSSI-based fingerprinting localization technology has been widely used in indoor location-based services. In the conventional fingerprinting method, as many APs as possible are used to increase the accuracy of location estimation. In another study, a part of APs having the strongest RSSI signal intensity are selected and used to reduce the time spent for positioning. However, it does not reflect the influence of RSSI occurred from the changes of the surrounding environments such as human movement or moving obstacles in a real environment. The environmental changes may cause the difference between the predicted RSSI signal strength value and the measured value, and thus occur an unpredictable error in the position estimation. Therefore, in order to mitigate the error caused by environmental factors, it is necessary to select APs suitable for indoor positioning estimation considering the changes in the surrounding environments. In this paper, we propose a method to select stable APs considering the influence of surrounding environments and derive a suitable positioning algorithm. In addition, we compare and analyze the performance of the proposed method with that of the existing AP selection methods through experiments.