본 논문은 Global Positioning System (GPS)를 사용하기 어려운 실내 공간에서 Wi-Fi fingerprint를 이용하여 보행방향을 추정한다. 본 논문에서 제안하는 방향 추정은 다음과 같다. 실내 공간에 임의로 특징 지역 (landmark)을 설정하고 데이터 셋 d₁, d₂, d₃을 구성한다. 특징 지역의 Wi-Fi fingerprint와 라벨을 저장하여 d₁을 얻고 Kernel Linear Discriminant Analysis (KLDA)를 사용하여 처리한다. 특징 지역 간의 이동 경로를 최소 한 번 이상 무작위로 이동하며 라벨이 없는 Wi-Fi fingerprint를 수집하여 d₂을 얻고 KLDA를 이용하여 처리한 후 본 논문에서 제안하 는 알고리즘 을 이용하여 라벨을 메긴 후 K-Nearest Neighbor (K-NN)을 이용하여 학습한다. d₃는 테스트 데이터로 실내 공간을 무작위로 이동하며 Wi-Fi fingerprint를 수집하고 KLDA를 이용하여 처리한 후 d₂을 통해 학습한 K-NN을 통해 보행자의 이동 방향을 추정한다. 추정 시 가장 최근에 추정한 위치로부터 도달할 수 있는 경로만 추정하도록 보정 알고리즘을 적용하였다. 추정 결과는 실내 공간 에서 실제로 이동한 경로와 추정한 경로를 비교하여 정확성을 검증하였고 약 96.7%의 정확도를 얻었다.

Direction Estimation for Wi-Fi Indoor Localization

Dong-gyu Lee, Jae-hyun Yoo*

This paper estimates the walking direction using Wi-Fi fingerprint in an indoor space where the Global Positioning System (GPS) is difficult to use. The directional estimation proposed in this paper is as follows. A feature area (landmark) is arbitrarily set in the indoor space, and data sets d₁, d₂, and d₃ are configured. The Wi-Fi fingerprint and label of the feature area are stored to obtain d₁ and processed using Kernel Linear Discriminant Analysis (KLDA). We randomly move the travel path between feature regions at least once, collect unlabeled Wi-Fi fingerprints, obtain d₂ and process them using KLDA, label them using the algorithm proposed in this paper, and learn them using K-Nearst Neighbor (K-NN). d₃ randomly moves the indoor space as test data, collects Wi-Fi fingerprint, processes it using KLDA, and estimates the direction of pedestrian movement through K-NN learned through d₂. At the time of estimation, a correction algorithm was applied to estimate only paths that can be reached from the most recently estimated location. The estimation results were verified by comparing the actual path moved in the indoor space with the estimated path, and about 96.7% of the accuracy was obtained.

Keywords: GPS, Wi-Fi, landmark, KLDA, K-NN

Speaker 이동규 성신여자대학교