RSSI 데이터 기반 머신러닝 실내 측위 연구

• 영문명: Machine Learning Indoor Localization Study Based on RSSI Data
• 발행기관: 한국자료분석학회
• 저자명: 전수영(Sooyoung Cheon) 이대국(Daekug Lee) 주아림(Ah-Rim Joo)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.25 No.6, 2159~2170쪽, 전체 12쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2023.12.31

국문 초록

최근 과학기술 발달과 함께 측위 기술은 스마트폰과 사물 인터넷 기기를 통해 사용자에게 실시간 위치 정보를 바탕으로 맞춤형 모바일 서비스 제공을 가능하게 하였다. 특히 GPS 기반의 실시간 측위가 대표적으로 활용되고 있다. 그러나, GPS 정보 수집이 용이한 실외와 달리 실내에서는 GPS 수신율이 현저히 저하될 뿐만 아니라 GPS의 위도와 경도 정보만으로는 정확한 사용자의 실내 위치 측정이 어렵다. 본 연구에서는 RSSI 데이터를 활용하여 사용자의 실내 위치 추정을 제안하고자 한다. 이를 위해 머신러닝 분류기인 SVM, 의사결정나무, ExtraTrees, 랜덤포레스트, KNN 알고리즘을 WAP로부터 수집된 RSSI 데이터에 적용하여 실내 측위 연구를 수행하였다. 또한, 머신러닝 분류기 중 성능이 가장 우수하였던 랜덤포레스트 기반 RFE를 적용하여 RSSI의 특징을 추출해 영향력이 큰 WAP를 선별하였고, 선별된 RSSI 데이터만으로 머신러닝 분류를 통해 실내 측위를 실시하였다. 이를 통해 더 적은 양의 데이터임에도 보다 정확한 실내 측위가 가능함을 확인하였다. 추가로 RSSI 데이터로부터 위도 및 경도를 추정할 수 있어 실내뿐만 아니라 실외 위치도 추정할 수 있음을 회귀분석을 통해 확인하였다.

영문 초록

With the recent development of science and technology, localization technology has made it possible to provide customized mobile services based on real-time location information to users through smartphones and Internet of Things devices. In particular, GPS-based real-time localization is commonly used. However, unlike outdoors, not only does the GPS reception rate decrease significantly indoors, but it is also difficult to accurately measure the user's indoor location using only GPS latitude and longitude information. In this study, we propose to measure the user's indoor location using RSSI (received signal strength indicator). For this purpose, an indoor localization study was conducted by applying machine learning classifiers, SVM, decision tree, ExtraTrees, random forest, and KNN to RSSI data. Among the machine learning classifiers, random forest exhibited the best performance. Therefore, we applied random forest-based RFE to extract features from RSSI data. We confirmed that even with a smaller amount of data, it was possible to achieve more accurate indoor positioning. In addition, it was confirmed through regression analysis that latitude and longitude can be estimated from RSSI data, so that indoor as well as outdoor locations can be estimated.

목차

1. 서론

2. RSSI 데이터 기반 실내 측위

3. 데이터 설명

4. 연구방법

5. 분석 결과

6. 결론

References

키워드

측위 머신러닝 Localization Machine Learning RSSI RFE