With proliferation of smart phones in recent years, location based services become main stream of IT service market. To support location-based services, many localization techniques have been proposed, such as GPS, RFID, GSM, and WLAN-based. Because of cost advantages, WLAN based localization is most popular in indoor situation, where GPS, the dominant localization technique, is hardly working inside the building. There are many applications using WLAN localization such as indoor navigation. To determine user’s current location using WLAN signals, most of researches use Received Signal Strength Indication (RSSI) from wireless access points. Since WLAN fingerprint is easily gathered by smart phone APIs, and can be used in localization material without information about the position of access points, many localization systems adopt fingerprinting method. In WLAN localization system, floor-level errors are occurred relatively less often than distance-level so that they occupy small portion of indoor localization errors usually. Though, however, the effect of floor-level errors cannot be ignorable. Especially, floor-level error incurs much serious problem in 2D indoor navigation as the application shows only single floor map of current location. If the system estimates wrong floor location, users will view screen of different floor information that are entirely unrelated. In this study, we introduce our floor-level error correcting method working on WFCA. Simply, the correction method is based on access point set similarity of fingerprints using Jaccard’s coefficient. WFCA is also the new concept to predict floor-level errors in off-line phase using collected learning data. Using the combination of off- and on-line phase methodologies, we de-vise a new localization method with less floor-level errors than conventional system. We applied our proposed method to COEX, World Trade Center in Samseong-dong, Gangnam-gu, Seoul, Korea. As the result, with reasonable time cost, we predict about 49% of floor-errors in off-line phase, and correct 26 of total 85 floor-level errors in on-line phase with 4 negative cases. Since the experimental environment is the most realistic case com-paring with other researches, we expect that the result in this thesis is meaningful to the researchers in same discipline.
최근 스마트폰의 확산으로 인해, 위치 기반 서비스는 IT 서비스 시장의 큰 흐름이 되었다. 위치 기반 서비스를 위하여 많은 측위 기술들이 제안되었는데, 이 중 비용우위의 장점으로 인해 WLAN 방식의 측위 기술이 GPS가 작동하지 않는 건물 안에서 활발하게 사용되고 있다. 사용자의 현재 위치를 결정하기 위해, 대부분의 WLAN 연구들에서 RSSI (Received Signal Strength Indication)값을 사용한다. WLAN Fingerprint는 스마트폰의 API에서 쉽게 수집할 수 있고, 이 방식을 사용했을 경우 AP의 위치에 대한 정보가 필요하지 않기 때문에, 많은 측위 시스템이 fingerprint 방식을 채택하고 있다. WLAN 측위 시스템 연구에서, 층 단위 오류는 거리 단위 에러에 비해 상대적으로 드물게 발생하기 때문에 보통 실내 측위 오류 계산에서 낮은 비율을 차지한다. 하지만, 층 단위 오류가 끼치는 영향은 무시할 수 없다. 특히 2D 실내 내비게이션에서는 응용프로그램이 유저의 현재 위치를 포함한 단층만 표시할 수 있기 때문에, 만약 다른 층을 측위한다면 유저는 전혀 관계없는 정보를 접하게 된다. 본 연구에서는 WFCA 상에서 동작하는 층 단위 보정 방법을 제안한다. 보정 방법은 fingerprint에 있는 AP 집합 유사성에 근거하며 Jaccard 계수를 사용하여 산출한다. WFCA 또한 본 연구에서 제시되는 새로운 개념으로, 수집된 학습 데이터를 이용하여 산출해 낸 층간 오류가 빈번한 지역을 일컫는다. 제안된 방법은 서울 강남구 삼성동의 COEX 국제무역센터 측위 데이터에 적용하여 평가하였다. 제안된 방법은 테스트 데이터에서 발생한 총 85개의 오류 중49%의 층간 오류를 예측하고 26개의 오류를 보정하였다.
