스마트폰 사용자의 이동 변화량 예측을 위한 딥러닝 기반 보행자 관성항법 기법 (Deep Learning-Based PDR Scheme for Predicting Movement Changes for Smartphone Users)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 46권 / 11호 / 1908 ~ 1919페이지
· 저자명 : 김관수, 신요안

초록

실내에서 스마트폰 사용자의 위치를 추적하기 위해 이동 변화량을 센서 기반으로 계산하는 보행자 관성항법(Pedestrian Dead Reckoning; PDR)에서, 사용자 보폭 추정 문제, 보행 경로에 따른 센서 드리프트 문제 등을 해결하여 측위 정확도를 향상하기 위한 연구가 활발히 진행되고 있다. 본 논문에서는 기존 보행자 관성항법에서 발생하는 문제를 해결하기 위해, 사용자가 건물 외부에서 스마트폰을 가지고 걸을 때 얻을 수 있는 가속계, 지자기, 자이로스코프의 센서값을 전처리하여 입력 데이터로 하고, 걸음마다 기록된 GPS 위성 신호로 계산된 위치 변화량을 출력 데이터로 구성해 심층 신경망을 지도 학습시켜, 실외 뿐 아니라 실내에서도 스마트폰 사용자의 보행 중이동 변화량을 예측하는 딥러닝 기반의 PDR 기법을 제안한다. Android OS 기반 삼성전자의 Galaxy S8 스마트폰에서 앱을 구축하고, 딥러닝 프레임는 스마트폰에 이식이 쉬운 Google사의 TensorFlow를 사용하여, 제안하는딥러닝 기반 PDR 기법의 측위 성능을 확인하였다.

영어초록

The pedestrian dead reckoning (PDR) using the inertial measurement units (IMUs) inside the smartphones, calculates the movement variations track the location of indoor smartphone users, and the research is actively underway to improve the localization accuracy by solving user stride estimation and sensor drift problems along the walking paths. In this paper, we propose a deep learning-based PDR method to address the issues arising from the existing PDR schemes. The proposed PDR method pre-processes the sensor values of accelerators, geomagnetic sensors, and gyroscopes that users can obtain when walking with smartphones outside the building, and constructs the location variations computed by GPS satellite signals as the output data. By using the supervised deep neural networks with the configured data, we predict changes in the movement of smartphone users, while walking outdoors as well as indoors. We built the apps on Android OS-based Samsung Galaxy S8 smartphones, utilized the deep learning framework of Google's TensorFlow which is easy to port to smartphones, and verified the localization performance of the proposed method.

참고자료

· 없음