Recently with the proliferation of smart phones, it is available to provide navigation system for pedestrian. Since Global Positioning System (GPS), which is widely used for outdoor navigation, doesn’t work effectively in indoor situation, other positioning technologies are needed for indoor situation and these technologies are called Indoor Positioning System (IPS). There are various IPSs of different technologies and among them, WLAN-based IPS is more popular because it is cost effective and the most of smart phones has WLAN capabilities. Nevertheless, WLAN-based IPS has limitation in accuracy because WLAN signal fluctuates due to multipath phenomenon, reflection, diffraction, refraction, and so on. To overcome the erratic results of IPS, location tracking is generally used. Since location tracking refers to the history of pedestrian or object’s movement, it is able to compensate erratic results of IPS. Generally Kalman filter is used for location tracking to correct the erratic results of IPS. Kalman filter consists of two phases: prediction and update. In prediction phase, it predicts next state with current state and in update phase, the predicted state and measured state are weighted averaged. Some studies utilized additional sensors such as gyroscope and digital compass like outdoor navigation to improve prediction accuracy, but actually those methods have low accuracy because the additional sensors cannot provide the orientation of pedestrian indirectly. Some studies proposed to utilize map information, but they have still erratic predictions at intersection. In weight determination for update phase, there is no consideration about the dynamic accuracy variation of WLAN-based IPS. In this thesis, we propose an enhanced Kalman filter for indoor navigation using way network and error estimation. In the prediction phase, it predicts all the possible positions along way network and selects the best one among them and in update phase, it estimates the error level of measurement and determines weight for predicted state and measured state. The validation is conducted in KAIST library 4th floor and Emart at Seongsu 1st floor. As the result, the both of proposed prediction model and weighting scheme improved the mean error distance, and it outperformed other method which refers to map information.
최근 급속도로 스마트폰이 보급되면서 다양한 서비스들이 새로 개발되었고 그 중 GPS기반 보행자 네비게이션 시스템은 많은 사용자들에게 각광을 받고 있다. 하지만 GPS 기반 네비게이션의 문제점은 GPS가 실내 환경에서 정확도가 매우 떨어진다는데 있으며 이를 해결하기 위해 IPS, 즉, 실내위치 인식 기술이 널리 연구되고 있다. 그동안 제안된 여러 IPS 중에서 무선랜 기반 IPS가 특히 각광을 받고 있는데, 이는 기존의 인프라를 활용할 수 있으므로 비용적으로 효율적이며 사용자 역시 소지한 스마트폰으로 쉽게 서비스를 이용할 수 있기 때문이다. 하지만 무선랜 기반 IPS는 무선랜 신호의 멀티패스 현상, 반사, 회절, 굴절 등의 현상으로 인해 정확도가 여전히 제한적이다. 이러한 문제를 해결하기 위해 위치추적, 즉 보행자의 히스토리 정보를 활용하여 IPS의 오류를 보정하며 일반적으로 칼만필터가 이에 널리 활용된다. 칼만필터는 예측 단계와 보정 단계로 구성되는데 예측단계에서는 현재 상태를 바탕으로 그 다음 상태를 예측하고, 보정단계에서는 이렇게 예측된 상태와 측정된 상태를 가중치 평균을 내게 된다. 이 칼만필터는 예측 단계에서 선형적 역학계를 기반으로 하므로 비선형적인 보행자의 움직임을 예측하는데에 있어 그 정확도가 떨어지게 된다. 따라서 그 동안 디지털 나침반, 자이로스코프와 같은 추가적인 센서를 활용하는 연구, 맵 정보를 활용하는 연구들이 있어왔는데, 그 정확도가 실제 보행자용 실내 네비게이션 구축에 적용되기는 어려웠다. 또한 무선랜 기반 IPS는 건물의 특성, AP의 밀도, 보행자의 밀도 등에 따라 정확도가 매우 유동적인데 기존 칼만필터의 가중치 기법은 이를 제대로 반영하지 못하는 단점이 있다. 본 연구에서는 경로망 및 오류추정을 이용한 무선랜 기반의 실내 네비게이션용 칼만필터를 제안한다. 예측단계에서는 경로망을 따라 모든 가능한 지점들을 계산하고 그 중 측정된 위치와 가장 가까운 지점을 선택한다. 보정단계에서는 오류추정이 활용되는데 이전의 오류 정도와 현재 추정된 오류를 비교하여 가중치를 정하고 예측된 위치와 측정된 위치를 가중치 평균하게 된다. 검증은 한국과학기술원 도서관 4층, 이마트 성수점 1층에서 이루어졌으며, 예측 단계, 보정 단계를 나누어 각각 제안된 방법을 적용시켰다. 결과적으로 제안된 예측 모델과 가중치 결정 방법 모두 평균 오차 거리를 향상시켰으며 이는 제안된 방법이 예측 단계와 보정 단계 모두에 향상을 가져왔다고 할 수 있다.
