Journal of KIISE (정보과학회 논문지)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지
DOI QR코드

DOI QR Code

Robust Particle Filter Based Route Inference for Intelligent Personal Assistants on Smartphones

스마트폰상의 지능형 개인화 서비스를 위한 강인한 파티클 필터 기반의 사용자 경로 예측

  • 백혜정 (전주기전대학 포렌식정보보호과) ;
  • 박영택 (숭실대학교 컴퓨터학부)
  • Received : 2014.06.20
  • Accepted : 2014.12.04
  • Published : 2015.02.15
⟨ Previous Next ⟩

Abstract

Much research has been conducted on location-based intelligent personal assistants that can understand a user's intention by learning the user's route model and then inferring the user's destinations and routes using data of GPS and other sensors in a smartphone. The intelligence of the location-based personal assistant is contingent on the accuracy and efficiency of the real-time predictions of the user's intended destinations and routes by processing movement information based on uncertain sensor data. We propose a robust particle filter based on Dynamic Bayesian Network model to infer the user's routes. The proposed robust particle filter includes a particle generator to supplement the incorrect and incomplete sensor information, an efficient switching function and an weight function to reduce the computation complexity as well as a resampler to enhance the accuracy of the particles. The proposed method improves the accuracy and efficiency of determining a user's routes and destinations.

스마트폰내 GPS 및 다양한 센서 데이터를 이용하여 스마트폰 사용자의 이동 패턴을 학습하고, 이를 기반으로 사용자 목적지와 경로를 예측하여 사용자의 의도에 맞는 서비스를 제공하는 위치기반 지능형 개인화 서비스(Intelligent personal assistant) 연구가 활발히 진행 되고 있다. 위치기반 개인화 서비스의 지능성은 불완전한 센서 데이터로부터 사용자 이동 정보를 처리하여, 실시간으로 사용자의 경로를 예측하는 정확성과 효율성에 좌우된다. 본 논문은 불완전한 정보로부터 사용자의 경로와 목적지를 추론하는 동적 베이지안 네트워크 기반의 강인한 파티클 필터(Robust particle filter)를 제안한다. 제안한 강인한 파티클 필터 방법은 부정확하고, 불완전한 센서 정보를 보완할 수 있는 파티클 생성, 실시간에 계산 복잡도를 감소시키는 효율적인 스위칭 함수와 가중치 함수, 파티클의 정확도를 향상시키는 재표본화로 구성되며, 사용자의 목적지와 경로의 예측 정확성과 효율성의 성능을 향상시켰다.

Keywords

Acknowledgement

Grant : 모바일 플랫폼 기반 계획 및 학습 인지 모델 프레임워크 기술 개발

Supported by : 정보통신기술진흥센터

References

  1. J. Froehlich, J. Krumm, "Route Prediction from Trip Observations," Society of Automotive Engineers (SAE) World Congress & Exhibition, Technical paper 2008-01-0201, 2008.
  2. K. Tanaka, Y. Kishino, T. Terada, S. Nishio, "A destination prediction method using driving contexts and trajectory for car navigation systems," Proc. of the 2009 ACM symposium on Applied Computing, pp. 190-195, 2009.
  3. Google, GoogleNow [Online]. Available: http://www.google.com/landing/now/ (downloaded 2014. Jun. 12)
  4. SSU, Cognitive Planning and Learning for Mobile Platforms [Online]. Available: http://ailab.ssu.ac.kr/rb/?c=6/19 (downloaded 2014. Jun. 12)
  5. P. Davidson, J. Collin, J. Raquet, and J. Takala, "Application of Particle Filters for Vehicle Positioning Using Road Maps," Proc. of the 23rd IONGNSS, pp. 1653-1661, 2010.
  6. J. Kim, H. Baek, Y. Park, "An Approach of Learning Probabilistic Graphical Models for Smartphone Users' Travel Routes," Journal of KIISE : Software and Applications, Vol. 41, No. 2, pp. 153-163, Feb. 2014. (in Korean)
  7. K. Murphy, Dynamic Bayesian Networks : Representation, Inference and Learning, PhD Thesis, UC Berkeley, Computer Science Divicaion, Jul. 2002.
  8. L. Liao, D. Patterson, D. Fox, H. Kautz, "Learning and Inferring Transportation Routines," Journal of artificial Intelligence, Vol. 171, pp. 311-331, Apr. 2007. https://doi.org/10.1016/j.artint.2007.01.006
  9. A. Doucet, N. Freitas, N. Gordon, Sequential Monte Carlo in Practice, pp. 159-176. Springer-Verlag, NewYork, 2001.
  10. M. S. Arulampalam, S. Maskell, N. Gordon, and T. Clapp, "A Tutorial on Particle Filters for Online Nonlinear/Non-Gaussian Bayesian Tracking," IEEE Transactions on Signal Processing, Vol. 50, No. 2, pp. 174-188, Feb. 2002. https://doi.org/10.1109/78.978374
  11. T. Charitos, "Smoothed Particle Filtering for Dynamic Bayesian Networks," Proc. of the 17th ECAI, pp. 745-746, 2006.
  12. J. Hol, T. Schon, and F. Gustafsson, "On Resampling Algorithms for Particle Filters," Nonlinear Statistical Signal Processing Workshop, 2006 IEEE, pp. 79-82, 2006.
  13. J. Kim, Y. Park, "POI Detection and Route Identification for Building Route Models for Smartphone Users," Journal of KIISE : Software and Applications, Vol. 40, No. 12, pp. 799-808, Dec. 2014. (in Korean)
  14. S. Russell, P. Norvig, Java Implementation of Artificial Intelligence: A Modern Approach(3rd ed.). [Online]. Avaiable: http://code.google.com/p/aima-java/ (downloaded 2014. Jun. 12)