한동수 교수팀이 개발한 KAILOS 개념도
[대전=일요신문] 육군영 기자 = KAIST 전산학부 한동수 교수 연구팀(지능형서비스통합 연구실)이 크라우드소싱을 기반으로 높은 확장성을 가진 실내 위치 인식 기술을 개발했다.
이번 기술은 스마트폰에 탑재된 센서에 수집된 정보를 기반으로 무선랜 신호(일명 핑거프린트)의 수집 위치를 자동으로 분석해주는 AI기법이다.
실내 위치측정은 Wifi, beacon, GPS등을 기반으로 세계적인 주요 IT기업들이 다양한 노력을 했으나 지역이나 건물마다 다른 신호 특성, 측정기기의 높은 오차율, 실시간 측정으로 발생하는 문제점 등에 발목을 잡혀 있다.
특히 와이파이 포지셔닝 시스템(WPS)는 건물의 층을 구분하지 못한다는 한계가 있으며 정확도 높은 라디오맵 구축은 지금까지 IT업계에서 뜨거운 감자로 통하고 있다.
한동수 교수 연구팀은 무선랜 신호와 스마트폰이 사용되는 건물이면 어디든 적용 가능한 실내 위치 인식 시스템의 라디오맵을 구축했다.
이번 연구는 다양한 기기와 알고리즘을 유기적으로 적용해 정확도를 높일 수 있어 도심의 실내 위치 인식 시스템 구축비용을 크게 낮출 수 있을 것으로 기대된다.
연구팀은 불특정 다수의 스마트폰을 통해 수집된 무선신호를 클러스터링을 통해 건물별로 분류한 뒤 기압 정보를 통해 다시 층별로 분류했다.
이어 한 교수는 날씨 변화로 인한 기압 정보 측정에 어려움을 겪던 기존 기술의 한계를 극복하고 수집된 무선신호를 층별로 구분하는 기법을 새롭게 개발했다.
연구팀은 지하 2층, 지상 6층의 12만 평 규모의 실내 쇼핑몰을 대상으로 정확도를 측정한 결과 3~6m 수준의 정확도를 보임을 확인했다.
층 구분 정확도도 95% 이상 가능해 수작업을 통한 정확도를 넘어서는 결과를 보였고, 도시 전체 건물에 적용했을 때도 유사한 결과를 얻을 수 있을 것으로 예상된다.
관성 센서 기반의 관성항법(Pedestrian Dead Reckoning) 기법을 접목해 초기 라디오맵을 구축했고, 관성 센서로부터 얻어지는 신호 정보 없이 수집된 무선신호는 지역 탐색과 전역 탐색을 반복적으로 수행하는 최적화 기계학습 알고리즘을 통해 수집 위치를 최적화했다.
이번에 개발한 기술을 주요 IT 기업, 통신사, 온라인 쇼핑사의 앱을 통해서 수집된 신호에 적용하면 도시 및 국가 규모의 실내 위치 인프라를 손쉽게 구축할 수 있을 것으로 예상된다.
한동수 교수는 “대규모 무선신호를 수집할 수 있는 기업이 해당 기술을 도입하면 가까운 미래에 대부분의 실내 공간에서도 5~10m 수준의 정확도 높은 위치 인식 서비스가 제공될 수 있을 것”이라며 “실내외 통합 내비게이션, 응급 호출 서비스 등 스마트시티를 구현하는 데 유용하게 활용될 수 있을 것”이라고 말했다.
ilyo08@ilyo.co.kr