There have been many attempts to locate mobile devices by using wireless signals indoors. Recently, there are also trials to combine various sensors such as magnetometer and barometer along with wireless LAN signals to further enhance the positioning accuracy. However, sensor fusion for indoor positioning has to overcome problems of deciding weights of wireless signals and sensor values, and handling of different input rates. In this paper, we propose a machine learning method that can integrate wireless signals and sensing data with different scan rates and propose a positioning engine using it. In order to verify the effectiveness of the proposed method, we collected signal data in two types of indoor space characterized by narrow corridor and wide open space respectively and measured the accuracy of positioning using the proposed method. In a comparison with the existing positioning methods, the advantages and disadvantages of this system are analyzed. We also measured the improvement of positioning accuracy by the adding of new sensors.
실내에서 무선 신호 세기를 이용하여 사람의 위치를 알아내는 방법은 많이 연구되고 있다. 최근에는 특별히 무선랜 신호뿐만 아니라 지자기 값과 기압계 등 여러 센서를 접목하여 위치를 보다 정교하게 측정하는 시도가 많다. 그런데 실내 측위에서 센서 융합은 무선 신호와 센서값의 비중, 서로 다른 입력 주기 등의 문제가 있다. 본 논문에서는 스캔 주기가 다른 무선 신호 데이터와 센서 데이터를 유기적으로 결합하여 사용할 수 있는 기계 학습 기법을 제안하고, 이를 활용한 측위 엔진을 제안한다. 제안한 시스템의 효율성을 확인하기 위하여 좁은 복도 그리고 넓은 오픈 공간으로 특징지어지는 두 가지 형태의 실내 공간에서 신호 자료를 수집하고, 본 측위 엔진을 활용하여 사람의 위치의 정확도를 측정하였다. 기존의 측위 방법과 비교하고, 본 시스템의 장단점을 알아본다. 또한, 이용하는 센서를 바꾸어가며, 센서 별로 측위 정확도 향상에 얼마나 도움을 주는지도 측정하였다.
