A Design of the EIPS (Enhanced Indoor Positioning System) based on MCS = MCS에 기반한 EIPS (Enhanced Indoor Positioning System)의 설계

다국어 초록 (Multilingual Abstract)

There is a limitation of IPS (Indoor Positioning System) because of unstable GPS (Global Positioning System) signal in indoor space. The signal is unstable because of the barrier (walls) between the user and the satellites. This study develops EIPS (Enhanced Indoor Positioning System) to overcome that limit. The EIPS combined Wi-Fi fingerprinting, Magnetic Fingerprinting and Image Processing technology to locate and navigate user in indoor space.
The EIPS consists of four modules: WFPM (Wi-Fi Fingerprinting Positioning Module), MFPM (Magnetic Fingerprinting Positioning Module), FPM (Final Positioning Module) and PPM (Picture Positioning Module). The WFPM collects the Wi-Fi fingerprinting data. The WFPM processes the collected data with MANN to obtain the user predicted location-1. The MFPM collects the magnetic fingerprinting data and processes the collected data with a DTW and MMCL algorithm. The FPM receives predicted location-1and predicted location-2 of the user from WFPM and MFPM. The FPM calculates the final predicted location of the user. The final predicted location is stored to the central database. The PPM makes the user take the picture of landmarks around him. The picture is processed by the ESVM to help the map to be generated. The user also can search for their location or destination more accurately by using the PPM. The result of the PPM is compared with the final predicted location and stored in the Central Database.
The EIPS is simulated using MATLAB. The simulation data is collected using iPhone 6 from the 3rd floor of Engineering Building, Catholic Kwandong University. The RPs are placed all over the corridor one meter apart from each other. The magnetic fingerprinting is collected by walking around the corridor.
In the first simulation, the Wi-Fi fingerprinting obtained about 89% accuracy, the magnetic fingerprinting obtained about 93% accuracy and the EIPS obtained about 94% accuracy. The EIPS provides more accuracy than Wi-Fifingerprinting and magnetic fingerprinting. In the second simulation, the Wi-Fi fingerprinting obtained 3.6 meters average error, the magnetic fingerprinting obtained 3.1 meters average error and the EIPS obtained 2.9 meters average error.Hence, the EIPS has less average error than Wi-Fi fingerprinting and magnetic fingerprinting. This study also showed the effectiveness of Gaussian Filter which is used in the PPM and showed that the ESVM provided more accurate result and less error rate than SVM.

국문 초록 (Abstract)

실내 공간에 있는 불안정한 위성 항법 시스템 신호 때문에 실내 위치 시스템의 제한이 있다. 이용자와 위성사이에 있는 장벽있기 때문에 신호는 불안정하다. 이 연구는 제한을 극복하기 위하여EIPS (Enhanced Indoor Positioning System)을 개발한다. EIPS는 실내 공간에 이용자를 위치시켜 항해하기 위해 와이파이 핑거프린팅, 마크네틱 핑거프린팅과 영상처리 기술을 결합한다.
EIPS는 4개 모듈인 WFPM (Wi-Fi Fingerprinting Positioning Module), MFPM (Magnetic Fingerprinting Positioning Module), FPM (Final Positioning Module)과 PPM (Picture Positioning Module)으로 구성된다. WFPM은 와이파이 핑거프린팅 데이터를 수집한다. WFPM은 예상된 위치-1에서 이용자를 얻기 위해 MANN으로 수집된 데이터를 처리한다. MFPM은 마크네틱 핑거프린팅 데이터를 수집하고, DTW와 MMCL 알고리즘을 갖고 수집한 데이터를 처리한다. FPM은 WFPM과 MFPM으로부터 예상된 위치-1과 예상된 위치-2를 수신한다. FPM은 이용자의 마지막의 예상된 위치를 산출한다. 마지막의 예상된 위치는 중앙 데이터베이스에 저장된다. PPM은 이용자가 그의 주위에 있는 랜드마크의 사진을 촬영하도록 한다. 사진은 발생된 지도를 도와주기 위해 ESVM으로 처리된다. 이용자 또한 PPM을 이용하여 위치나 목적지를 좀 더 정확하게 찾을 수 있다. PPM의 결과는 마지막의 예상된 위치와 비교하고 중앙 데이터베이스에 저장된다.
EIPS는 MATLAB으로 모의 실험한다. 데이터는 가톨릭관동대학교 공학관 3층에서 iPhone 6으로 수집한다. RP들은 1미터 씩 서로 떨어져 모든 복도에 설치해놓았다. 마크네틱 핑거프린팅은 복도를 걸어 다니면서 수집한다.
첫 번째 모의 실험에서 와이파이 핑거프린팅은 89% 정확도를 얻었으며, 마크네틱 핑거프린팅은 93% 정확도를 얻고, EIPS은 94% 정확도를 얻었다. EIPS은 와이파이 핑거프린팅과 마크네틱 핑거프린팅보다 더 정확하다는 것을 보여준다. 두 번째 모의 실험에서 와이파이 핑거프린팅 오류의 평균은 3.6미터, 마크네틱 핑거프린팅 오류의 평균은 3.1미터, EIPS 오류의 평균은 2.9미터로 나타났다. 따라서, EIPS 오류의 평균이 와이파이 핑거프린팅과 마크네틱 핑거프린팅 오류의 평균보다 더 낮다. 이 연구를 통하여 PPM에 이용한 가우스필터의 효과와 ESVM은 SVM보다 더 정확한 결과와 낮은 오류 속도를 보여준다.

목차 (Table of Contents)

• I. Introduction 1
• 1.1 Background and Purpose 1
• II. Literature Study 3
• 2.1 Fingerprinting 3
• 2.2 Artificial Neural Network 4
• 2.3 Dynamic Time Warping and Monte Carlo Localization 5
• 2.4 Support Vector Machine 6
• 2.5 Mobile Crowd Sensing 7
• 2.6 Image Processing 8
• III. A Design of the Enhanced Indoor Positioning System (EIPS) based on MCS 9
• 3.1 Wi-Fi Fingerprinting Positioning Module 12
• 3.2 Magnetic Fingerprinting Positioning Module 15
• 3.3 Final Positioning Module 17
• 3.4 Picture Crowd Sensing Module 18
• 3.4.1 Picture Feature Extraction 19
• 3.4.2 Filter and Process Feature 22
• 3.4.2.1 Enhanced Support Vector Machine 23
• 3.4.2.2 Similar Probabilities Measurement 24
• IV. Simulation Result 25
• 4.1 Comparison among Wi-Fi fingerprinting, Magnetic fingerprinting and EIPS 26
• 4.2 Comparison of processing the picture without Gaussian Filter and with Gaussian Filter 29
• 4.3 Comparison of using SVM and MSVM 31
• V. Conclusion 32
• References 33
• Abstract 36
• 국문초록 38
• Acknowledgement 40