스마트 폰 기반의 가정환경 내 사용자 공간 위치 예측 기법

국문 초록 (Abstract)

유비쿼터스 환경에서 실내 공간의 사용자 위치정보는 다양한 응용분야에서 사용자에 특화된 서비스를 제공하는데 필요한 필수적인 정보이기 때문에 매우 중요하다. 기존연구들은 규모가 큰 건물에서의 사용자 위치 예측만 고려하고 있고 실험 대상이 되는 공간에서 고정된 AP가 다수 존재한다고 가정한다. 그러나 일반 가정은 면적이 좁은 공간들로 구성되며 고정된 AP가 소수이고 변화가 유동적인 환경이다. 본 논문에서는 기존 연구들이 AP환경이 비교적 안정적인 큰 건물에서의 사용자 위치 예측에 집중한 것과 달리, 일반 가정환경에서 와이파이 핑거프린트 방식을 기반으로 하여 공간을 식별하고 사용자의 위치를 Room-level로 예측하는 사용자 공간 예측 시스템을 제안한다. 실제 가정에서 실험을 한 결과 제안하는 시스템이 모든 가정에서 평균 80%이상의 정확도로 사용자가 위치한 공간을 예측함을 알 수 있었다.

다국어 초록 (Multilingual Abstract)

In ubiquitous environment, User’s location information is very important to serve personalized service to user. Previous works consider only User’s locations in the big buildings and assume APs are fixed. Normal home environment, However, is consists of small spaces. And the state of APs is highly fluid. Previous research has focused on indoor localization in the building where has stationary AP environment. However, in this paper, we propose as User’s Location Predicting System that finds out a space where a user is located based on Wi-Fi Fingerprint approach in home environments. The results that conducted real home environments are using the system show more than 80% accuracy.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• Ⅱ. 실내공간 식별 및 사용자 공간 위치 예측
• Ⅲ. 실험
• Ⅳ. 결론
• References

참고문헌 (Reference)

1 권오병, "실내에서 Wi-Fi를 이용한 위치 정보 시스템의 설계 및 구현" 한국디지털정책학회 11 (11): 243-249, 2013

2 전현식, "실내 환경에서 효과적인 위치 측위 시스템에 관한 연구" 한국통신학회 34 (34): 119-129, 2009

3 김현수, "수신 신호 핑거프린트와 전파 예측 모델을 이용한 무선랜 기반 실내 위치추정" 한국통신학회 38 (38): 1021-1029, 2013

4 A. Rai, "Zee : Zero-effort crowdsourcing for indoor localization" 293-304, 2012

5 "Weka 3: Data mMining Software in Java"

6 C. Wu, "WILL : Wireless indoor localization without site survey" 64-72, 2012

7 M. Youssef, "The horus WLAN location determination system" 205-218, 2005

8 N. B. Priyantha, "The cricket location-support system" 32-43, 2000

9 R. Want, "The active badge location system" 10 (10): 91-102, 1992

10 M. Azizyan, "SurroundSense : Mobile phone localization via ambience Fingerprinting" 261-272, 2009

11 "Stanford Topic Modeling Toolbox"

12 P. Bahl, "RADAR : An in-building RF-based user location and tracking system" 2 : 775-784, 2000

13 S. Geisser, "Predictive inference: an introduction" CRC Press 1993

14 Z. Yang, "Locating in Fingerprint space : Wireless indoor localization with little human intervention" 269-280, 2012

15 L. M. Ni, "LANDMARC : Indoor location sensing using RFID" 10 (10): 701-710, 2004

16 K. Chintalapudi, "Indoor localization without the pain" 173-194, 2010

17 P. Bahl, "Enhancements to the RADAR user location and tracking system" Microsoft Research 2000

18 M. Minami, "DOLPHIN : A practical approach for implementing a fully distributed indoor ultrasonic positioning system" 347-365, 2004

19 T. T. Tanimoto, "An elementary mathematical theory of classification and prediction" IBM 1958

20 Y. Jiang, "ARIEL : Automatic wi-fi based room fingerprinting for indoor localization" 441-450, 2012

21 A. Athalye, "A novel semi-passive RFID system for indoor localization" 13 (13): 528-537, 2013

22 S. Y. Seidel, "914 MHz path loss prediction models for indoor wireless communications in multifloored buildings" 40 (40): 207-217, 1992

23 J. Oh, "3D indoor postioning system based on smartphone" 38 (38): 1126-1133, 2013