위치 기반 보호 시스템은 신변보호자의 안전 확보를 위해 정상적인 이동 경로로 학습하고, 이상 이동 여부를 정확하게 판단할 수 있어야 한다. 그러나 GPS 신호는 환경에 따라 수신이 누락되거나 왜곡되 는 경우가 있어, 실시간 위치 추적과 이상 탐지의 정확도를 저하시킨다. 본 연구에서는 Gaussian Process Regression(GPR)을 활용하여, 사용자의 시간 흐름에 따른 연속적인 위치를 예측하고 이동 경로를 학 습하는 방법을 제안한다. GPR 모델은 지하와 같은 GPS 음영구역에서 발생한 결측치를 보간하여 학습한다. 또한, 각 위치는 절대 시간이 아닌 상대 시간 기준으로 변환되어, 평소와 다른 시간대에 이동 이 이 루어져도 정상 패턴으로 인식할 수 있도록 설계되었다. 제안된 방법을 통해 가상 데이터와 실제 스마트워치로 수집한 데이터로 실험을 수행하였다. 그 결과, GPR 기반의 위치 예측 모델은 누락된 위치의 연 속성과 정확도를 향상시키고, 이상 이동 여부를 정밀하게 판단할 수 있음을 확인하였다.

Path Learning for Protected Individuals Using Gaussian Processes

Yoon-ji Shin, Hee-Rang An, Jae-Hyun Yoo*

Location-based protection systems must learn normal path patterns and accurately detect abnormal paths in order to ensure the safety of protected individuals. However, GPS signals can be interrupted or distorted depending on the environment, reducing the accuracy of real-time location tracking and anomaly detection. In this study, we propose a method that utilizes Gaussian Process Regression (GPR) to predict continuous positions over time and learn path patterns. The GPR model interpolates missing values that occur in GPS-shadowed areas such as underground environments during the learning process. Additionally, each position is converted from absolute time to relative time, enabling the system to recognize paths occurring at unusual times as normal patterns. We conducted experiments using the proposed method with virtual data and data collected from actual smartwatches. The results confirmed that the GPR-based location prediction model improves the continuity and accuracy of missing locations and can precisely determine the presence of abnormal paths.

Keywords: GPS, GPR, location-based protection

Speaker 신윤지 성신여자대학교