• 한국정보통신학회논문지
• /
• 제25권1호
• /
• pp.75-80
• /
• 2021

측위 기술은 증강현실, 스마트 팩토리, 자율주행 등에서 중요한 기능을 수행하고 있다. 측위 기술 중에서 비콘을 이용한 측위 방법은 RSSI(Receiver Signal Strength Indicator) 값의 편차로 인하여 도전적인 과제로 여겨져 왔다. 본 논문에서는 수신기의 RSSI 값을 입력으로 하고 거리를 목표 값으로 하는 신경망을 학습시켜서 이동하는 객체에 대한 위치를 예측하였다. 이를 수행하기 위해 RSSI 대비 거리 실측값을 수집하였다. 수집한 데이터로 합성 데이터를 만들기 위한 신경망을 도입하였다. 이 신경망을 바탕으로 거리 대비 RSSI 값을 예측하였다. 합성 데이터를 바탕으로 가상으로 좌표계를 구성하여 객체의 위치를 예측하였다. 합성 데이터를 생성하기 위한 신경망으로 RSSI의 표준편차는 구하였고 이 값을 기반으로 가상환경에서 단말의 위치를 추적하는 신경망을 학습시켜 객체의 좌표를 추정하였다.

• 한국ITS학회 논문지
• /
• 제21권2호
• /
• pp.74-84
• /
• 2022

자율주행 관련 기술의 고도화와 함께 자율차와 비자율차가 혼재된 교통 환경이 예측됨에 따라서 미시구간의 차량 속도정보 예측은 안전한 교통 환경 구축에 가장 중요한 정보 중 하나로 판단되고 있다. 하지만, 현재 제공되는 링크 기준 미시구간 주행 속도는 속도 변화 구간을 정확하게 반영하지 못하는 한계가 있다. 본 연구에서는 미시구간 속도정보 서비스를 위한 개별 차량 빅데이터 기반의 공간 분할 방안을 제시한다. 본 연구에서는 차량 빅데이터를 이용한 동질속도구간 도출과 지오해시 기반의 단계적 구간 분할을 통하여 미시적 속도 정보 변화 지점을 분류하였다. 경부고속도로 경기지역에 대하여 제안된 방법을 적용한 결과 해당 구간 도로는 130 및 170개의 동질속도구간으로 세분되었다. 본 연구에서는 결과 분석을 통하여 제안된 방법은 기존 링크 기반 정보에 비하여 정밀하고 정확한 속도 정보 제공이 가능함을 제시하였으며, 개별 차량 빅데이터를 이용한 미시적 속도 정보 제공을 위한 구간 세분화가 필요함을 검증하였다.

• 한국ITS학회 논문지
• /
• 제14권6호
• /
• pp.60-68
• /
• 2015

최근 첨단기술의 발전은 교통환경에 커다란 변화를 일으키고 있다. 지능형교통시스템(ITS), 자율주행차량 등은 도로 및 자동차는 물론 운전자까지 정보화, 지능화, 자동화하여 안전하고 효율적인 교통운영에 공헌하고 있다. 본 연구에서는 첨단기술의 도입으로 변화하는 미래 교통환경을 위한 모의실험 모형 설계시 고려해야 하는 사항을 제안하였다. 우선 거시적인 설계 방향으로 현실 유사성, 모형 수용성, 규모 확장성을 제안하고 각각에 대한 구체적 고려사항을 나열하였다. 현실에 유사한 실험을 위하여 정산(calibration) 기능이 중요하며, 통신 특성을 위하여 물리 계층(physical layer) 및 맥 계층(MAC layer)에서 발생하는 현상을 구현하여야 한다. 미래의 새로운 교통환경 실험을 수용하려면 API 등 다른 모형의 추가적인 결합을 위한 인터페이스가 고려되어야 한다. 예측하기 어려운 미래 교통환경을 위한 모의실험 모형은 많은 기능을 내재한 거대한 구성보다는 호환 중심의 설계가 필요하며, 실험 규모 확장을 위하여 H/W와 S/W는 함께 최적화되어야 한다. 본 연구의 결과는 미래 교통환경의 모의실험 모형 설계시 가이드라인으로 활용될 것으로 기대된다.