본 논문에서는 스마트폰 기반의 멀티소스 및 지리적 환경 정보를 머신 러닝을 사용하여 긴급 위치 서비스에서 측위 신뢰도를 분석하는 새로운 접근 방식을 제안한다. 글로벌 위성 항법 시스템에서는 측 위 결과의 정확성을 확인하기 위해 신뢰도 및 불확실성 지수를 계산하여 결정할 수 있고, LTE 및 WiFi 신호에 대한 신뢰도 및 불확실성 지수는 각각 유사한 방법을 사용하여 결정할 수 있다. 긴급 위치 서 비스를 위한 위치 정보를 제공함에 있어서 정확도를 높이기 위해 복합 측위와 같은 다양한 방법들이 제안되고 있다. 그러나 멀티소스 신호를 사용하는 스마트폰 측위에서 제한된 장치 성능으로 인해 측 위 결과의 신뢰도와 불확실성을 검증하기 어렵다. 예를 들어, 스마트폰의 GNSS 안테나로 신뢰도와 불확실성을 계산하는 기존 방식은 항상 신뢰할 수 있는 정보를 제공하지 못할 수도 있다. 따라서 본 논 문에서 스마트폰 기반의 멀티소스 신호와 지리적 환경 정보를 머신 러닝을 이용하여 측위 정보의 신뢰도 지수를 분석한다. 제시된 분석을 검증하기 위해 현장 테스트 결과와 지리적 환경 정보를 머신 러 닝 학습 모델을 통해 시뮬레이션을 수행하였다. 분석 결과, 제안된 분석은 측위 결과의 신뢰도를 높이고 긴급 위치 서비스에서 측위 정보의 품질을 향상시킬 수 있음을 보여준다.

Positioning Confidence Analysis of Emergency Location Services’ Using Smartphone Based Multi-source Signals and Geo-Location Data Machine Learning

Yeji Kim, Dongwook Choi*

In this paper, we present a new approach to analyze positioning confidence in emergency location services using smartphone based multi-source and geo-location data machine learning. To verify accuracy of positioning result, for example, global satellite navigation system can calculate confidence and uncertainty indexes. Confidence and uncertainty indexes for LTE and WiFi signals can be determined using a similar method, respectively. In providing location information for emergency location services, various methods for increasing the accuracy of location information are proposed such as a hybrid positioning. However, in smartphone positioning using multi-source signals, it is very difficult to verify the confidence and uncertainty of positioning results because of the limited device performances. For instance, conventional ways of calculating confidence and uncertainty with GNSS antenna of smartphone can derive unreliable indexes. In this paper, we analyze confidence index of positioning information using data machine learning of smartphone based multi-source signals and geographic information. To verify presented analysis, field test results and geo-location data machine learning simulations have conducted. The analyzed result shows that the proposed analysis can increase reliability in confidence index of positioning results and can improve quality of positioning information in emergency location services.

Keywords: multi-source, geo-location, positioning, confidence, machine learning

Speaker 김예지 KT