딥러닝 기반의 대기압을 활용한 옥내 층수 예측 모델의 제안 (A Proposal of An Indoor Floor Prediction Model using Deep Learning-based Atmospheric Pressure)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 22권 / 5호 / 43 ~ 50페이지
· 저자명 : 정태양, 김규석, 김주희

초록

GPS(Global Positioning System)의 평면 측위 오차는 지속적으로 감소하고 있다. 그러나 이 기술의 한계상 실내에서의 측위는 여전히 불가능하며, 고도 오차는 수십 미터 수준으로 크다. 고도에 따른 기압의 차이가 있다는 사실에 근거하여 본 연구에서는 스마트폰의 기압 센서를 활용하여 실내에서의 지상 및 지하 층수 예측 모형을 제안한다. 연구 방법론으로는 수집된 기압 정보를 기반으로 대기압에 기반한 고도 측정의 정확도를 높이기 위하여 DNN(Deep Neural Networks) 모형에 학습하여 결과를 예측한다. 기존의 대기압을 활용한 연구는 주로 실외에서 이루어진 것으로 본 연구는 실내에서도 대기압을 활용하여 고도 측정이 가능함을 제시하는 연구이다. 샘플 데이터를 기반으로 예측한 결과, 지하 층수 예측을 100% 성공하였다. 따라서 대기압 데이터를 활용하여 옥내 층수 예측의 가능성을 제시한다.

영어초록

The plane positioning error of Global Positioning System(GPS) is continuously decreasing. However, due to the limitations of this technology, indoor positioning is still impossible, and altitude errors are as large as tens of meters. In order to measure altitude, based on the fact that there is a difference in air pressure according to altitude, we use a smartphone's air pressure sensor. In this study, we propose an indoor prediction model for the number of floors above and below ground using the barometric pressure sensor of a smartphone. Based on the collected air pressure information, the research methodology predicts the results by learning a Deep Neural Networks(DNN) model to increase the accuracy of altitude measurement based on atmospheric pressure. As a research methodology, the results are predicted by learning a DNN model based on the collected atmospheric pressure information. As a result of the prediction based on sample data, the prediction of the number of underground floors was 100% successful. Therefore, we suggest the possibility of predicting the number of indoor floors using atmospheric pressure data.

참고자료

· 없음