심화학습 기술을 사용한 자기장 기반 실내 위치인식 연구
한국 연구재단 - 개발기간 (2017.03.01 ~ 2020.02.28 )
가. 연구 배경 및 개요
본 연구 과제에서는 심화 학습 (deep learning)의 순환신경망 (recurrent neural network) 모델을 이용하여 실내 지구 자기장 값 변화 패턴을 학습시킴으로써 스마트폰의 자기장 센서 값 변화를 통해 현재의 실내 위치를 추정하는 자기장 기반의 새로운 실내 위치 인식 기술을 개발하는 것을 목표로 한다.
지구 자기장 값은 3차원 공간에서의 벡터로 표시된다. 그림 1는 본교 실험 장소에서 측정된 자기장 벡터의 절댓값 크기를 시각화한 것이다. 실내에서의 보행자 이동은 측정되는 자기장 값의 변화를 가져오며 이는 그림 1에서와 같이 자기장 맵 등고선 상에서의 움직임으로 시각화될 수 있고 다음과 같은 특성을 갖는다.
실내 공간에서 같은 자기장 벡터 값을 갖는 여러 장소가 존재할 수 있다. 따라서 단일 자기장 벡터 값만으로는 현재의 위치를 결정하기 어렵다.
보행자는 움직임에 따라 연속적인 이동 궤적을 갖는다. 이는 t-1 시간의 위치와 t 시간의 위치 차이가 적으며 연속적인 값을 가짐을 의미한다. 따라서 현재의 위치는 이전 시간의 위치에 영향을 받는다.
실내에서의 보행자 이동 궤적과 마찬가지로 자기장 값의 변화 역시 연속적인 성격을 가진다. 즉, 인접한 위치의 자기장 값은 차이가 크지 않으며 따라서 보행자의 이동에 따라 자기장 값의 변화는 등고선 상의 움직임과 같이 연속적인 특성을 갖는다.
이를 종합하면 보행자의 이동에 따라 검출된 자기장 벡터 값의 변화 추이가 곡선 파형으로 표시될 수 있으며 이는 연속적인 자기장 벡터 값, 즉, 자기장 벡터 값 시퀀스의 길이가 길어짐에 따라 고유의 파형 패턴이 형성되므로 추정할 수 있는 현재 위치는 한 곳으로 수렴되는 특성을 갖는다.
그림 1 본교 실험 장소에서의 자기장 맵
이 문제는 심화 학습 기술 중에서도 순환 신경망 (Recurrent Neural Network, RNN) 기술을 사용하면 실내 자기장 값의 변화 추이를 입력으로 정확한 실내 위치 추정이 가능하다.다양한 인경 신경망 중에서도 순환 신경망은 출력에서부터 입력으로의 피드백 루프 (feedback loop)가 존재한다. 따라서 순환 신경망으로 학습된 출력 결과는 현재의 입력 값뿐만 아니라 과거의 모든 입력 값에 의해 결정되는 특성을 갖는다. 따라서 실내 자기장 맵으로부터 다양한 보행자의 움직임에 해당하는 자기장 값 시퀀스를 입력으로 생성하여 해당하는 실내 위치를 출력하도록 RNN 모델을 지도 학습함으로써 현재의 정확한 위치를 정확히 추정할 수 있다.
그림 2 은 각각 1개의 입력층과 은닉층, 출력층으로 구성된 기본적인 순환 신경망(RNN) 모델을 보여주며, 그림 3는 순환 신경망(RNN) 모델 중 가장 사용이 많은 LSTM 네트워크의 기본 구조를 보여준다.
그림 2 3 개의 층으로 구성된 기본적인 순환 신경망 모델
입력층에서 은닉층으로, 은닉층에서 은닉층으로, 은닉층에서 출력층으로의 링크에 적용된 가중치를 각각, Win, W, Wout라 표시하고 시간 t 시점에서의 신경망으로의 입력을 3 차원 벡터(X1t, X2t, X3t)로, 중간층 유닛의 출력을 Y, 최종 출력은 2 차원 공간상의 점인 (Z1t, Z2t)로, 중간층의 활성화 함수를 f, 출력층의 활성화 함수를 fout으로 표기하면, 이 RNN모델의 시간 t 시점에서의 출력 Zjt를 다음과 같은 식으로 정의할 수 있다.
Zjt = fout(Wout(f(WinXit + WYt-1)) (i ∈ {1, 2, 3}, j ∈ {1, 2})
나. 연구내용
지구 자기장 값은 전파나 초음파 신호와는 달리 같은 장소에서의 신호 세기가 시간에 따라 변하지 않고 안정적인 특성을 가진다. 하지만, 기존의 자기장 기반 지문인식 기술은 전파 기반의 지문인식에서 유래한 기술로 같은 자기장 값을 가지는 곳이 실내 공간에 여러 곳 존재하기 때문에 정확한 성능을 제공하지 못하는 문제점을 가지고 있다 본 연구에서는 단일 자기장 센서 값이 아닌 일련의 자기장 벡터 시퀀스를 입력으로 순환 신경망 기반의 심화학습 기술을 적용하여 정확하고 경제적인 실내 측위 기술을 개발하는 것을 목표로 한다.본 과제를 통해 개발될 연구 내용은 다음과 같다.
그림 4 RNN 학습을 적용한 지구자기장 기반 실내 위치 인식 시스템의 구성도
■ 자기장 맵 자동 생성 스마트폰 어플리케이션 개발
스마트폰의 휴대만으로 보행자 추측항법과 기본적인 Wi-Fi 기반 지문인식 등을 사용하여 자동으로 실내 자기장 정보를 수집할 수 있는 어플리케이션을 개발한다.
■ 자기장 맵으로부터의 학습 데이터 자동 생성 모듈 개발
신경망 모델의 지도 학습을 위해서는 학습 데이터가 필요하다. 이는 자기장 맵으로부터 추출될 수 있으며 보행자의 이동 패턴을 모사한 다양한 자기장 벡터 시퀀스와 출력위치를 자동적으로 생성, 산출한다.
■ 지구자기장 기반 실내 측위에 최적화된 RNN 망구조 연구
입력, 출력, 각 층별 노드의 수, 가중치와 바이어스의 초기 값, 활성화 함수가 정의되어야 하며 RNN 모델 역시 기본적인 RNN, 양방향 RNN, LSTM등 다양한 RNN 구조를 연구한다.
■ 지구자기장 기반 RNN의 학습 알고리즘 개발
오차 함수의 정의, BPTT 기법을 적용한 역전파 계산 알고리즘, RNN 기울기 소실 문제, 모멘텀과 학습률의 변화 등 다양한 학습 알고리즘을 적용하여 최적화된 학습 알고리즘을 개발한다.
■ 심화 학습을 적용한 서버 실내측위 엔진 개발
스마트폰으로부터 전송된 자기장 벡터 값을 입력으로 학습된 RNN 모델에서의 빠른 순전파 계산을 통해 현재의 위치를 추정한다.
■ 자기장 기반 위치 인식을 위한 스마트폰 어플리케이션 개발
스마트폰에서 측정된 자기장 값을 서버로 보내며 서버로부터 수신된 추정 위치를 스마트폰 지도에 표시한다.
■ 실내 다양한 LBS응용 서비스 연구
실내 사용자 별 위치 정보, 경로추적 정보, 실내 인구 및 이동 패턴 분석, Crowdsourcing을 사용한 전파 맵 보정 및 정밀화 기술 등을 연구한다.
기대효과
■ 사회적 기대효과
위치인식 기반 서비스(LBS)의 높은 수요에도 불구하고 기존 실내 위치인식의 부족한 성능으로 인해 그 수요를 충족시키지 못했다. 본 연구에서 제안하는 실내 측위 기술은 높은 정확성과 연속적 경로탐색의 우수성을 제공하여 위치추정 신뢰도의 문제를 크게 개선시클 수 있을 뿐만 아니라 실시간 트래킹에 최적화된 기술을 제공함으로써 산업계의 LBS 활성화에 큰 도움이 될 것으로 전망한다.
■ 경제적 기대효과
본 연구에서 사용하는 자기장 기반 위치측위는 건물 구조물에 의한 자기장 왜곡 값을 위치추정을 위한 데이터로 사용하기 때문에 추가적인 하드웨어 인프라 구축 필요성이 없다.이는 시스템 구축비용을 크게 감소시켜 실내 측위 시스템의 보급에 큰 도움이 될 것으로 기대한다.
■ 학문적 기대효과
본 연구에서 제안하는 실내 측위 기술은 기존 실내 위치인식에서 주를 이루었던 전파 기반의 지문인식 기법과 달리 시간이 지남에 따라 하나의 좌표로 수렴하는 새로운 위치인식 접근법을 제안하며 그 경제성과 성능이 우수하기 때문에 실내 위치인식 분야에서의 새로운 연구 방향을 제시할 것으로 예상한다.
