KAIST, 크라우드소싱 기반의 실내 위치인식 기술 개발

KAIST는 이 대학 한동수 전산학부 교수팀(지능형서비스통합 연구실)이 크라우드소싱 기반의 실내 위치 인식 기술을 개발했다고 10일 발표했다. 크라우드소싱이란 불특정 다수의 사람 혹은 기기로부터 데이터를 대량으로 모으는 행위 또는 방법을 말한다.
연구팀은 지하 2층, 지상 6층의 12만 평 규모의 실내 쇼핑몰을 대상으로 측정한 결과 3~6m 수준의 정확도를 확인했다. 층 구분 정확도도 95% 이상 가능해 수작업을 통한 정확도를 넘어서는 결과를 보였고, 도시 전체 건물에 적용했을 때도 유사한 결과를 얻을 수 있을 것으로 예상했다.

이번에 개발한 기술을 주요 IT 기업, 통신사, 온라인 쇼핑사의 앱을 통해서 수집된 신호에 적용하면 도시 및 국가 규모의 실내 위치 인프라를 손쉽게 구축할 수 있을 것으로 예상된다.
이 기술은 스마트폰에 탑재된 다양한 센서로 수집된 신호를 바탕으로 무선랜 신호(일명 핑거프린트)의 수집 위치를 자동으로 라벨링하는 인공지능 기법이다. 무선랜 핑거프린트란 특정 지점에서 수신된 무선랜 신호의 강도에 대한 정보로서 보통 해당 지점에 위치한 이동 기기에서 수신된 AP의 ID (BSSID)와 신호강도 (RSSI) 쌍의 리스트로 표현된다. 무선신호 수집위치 라벨링이란 크라우드소싱을 통해 수집된 위치정보 없이 수집된 무선신호(혹은 핑거프린트)가 수집된 위치를 태깅하는 것을 말한다. 무선신호의 수집위치가 라벨링된 데이터는 라디오맵 생성에 사용되는 기초 데이터이다.

무선랜 신호가 존재하고 스마트폰이 사용되는 건물이면 어디든 적용할 수 있고 정확도가 높아 도심의 실내 위치 인식 시스템 구축비용을 획기적으로 줄일 수 있을 것으로 기대된다.



그동안 세계적인 주요 IT 기업들은 실내 환경에서 정확도 높은 위치정보를 제공하기 위해 다양한 노력을 해 왔지만, 정확도 높은 라디오맵(특정 지역이나 건물의 신호 특성) 구축에 많은 어려움을 겪고 있다. 주로 활용되는 와이파이 포지셔닝 시스템(WPS)는 건물의 층을 구분하지 못한다는 한계가 있다.

연구팀은 문제 해결을 위해 우선 불특정 다수의 스마트폰을 통해 수집된 무선신호를 클러스터링을 통해 건물별로 분류한 뒤 기압 정보를 통해 다시 층별로 분류했다. 연구팀은 날씨 변화로 인한 기압 정보 측정에 어려움을 겪던 기존 기술의 한계를 극복하고 수집된 무선신호를 층별로 구분하는 기법을 새롭게 개발했다.

한동수 교수팀은 새로 개발한 반 자율학습 위치 라벨링 인공지능(AI) 기법을 통해 무선신호의 수집 위치를 라벨링했다. 관성 센서 기반의 관성항법(Pedestrian Dead Reckoning) 기법을 접목해 초기 라디오맵을 구축했고, 관성 센서로부터 얻어지는 신호 정보 없이 수집된 무선신호는 지역 탐색과 전역 탐색을 반복적으로 수행하는 최적화 기계학습 알고리즘을 통해 수집 위치를 최적화했다. 라디오맵이란 특정 지역이나 건물의 신호 특성을 나타내는 모델로서 해당 지역이나 건물의 여러 지점에서 얻어진 무선랜 핑거프린트와 수집위치 정보로 표현된다.

한동수 교수는 “대규모 무선신호를 수집할 수 있는 기업이 해당 기술을 도입하면 가까운 미래에 대부분의 실내 공간에서도 5~10m 수준의 정확도 높은 위치 인식 서비스가 제공될 수 있을 것”이라며 “실내외 통합 내비게이션, 응급 호출 서비스 등 스마트시티를 구현하는 데 유용하게 활용될 수 있을 것”이라고 말했다.

한교수는 KAIST에서 개발한 개방형 실내 위치인식 시스템을 카일로스(KAILOS·KAIST Indoor Locating System)로 명명했다. 라디오맵과, 위치엔진, 신호 수집 툴 등으로 구성되어 있다. 전 세계 누구든 KAILOS를 활용하여 자신이 원하는 건물의 실내 위치인식 시스템을 구축할 수 있다. 이번에 개발된 수집 위치 라벨링 AI 기술은 KAILOS에 통합됐다.


이재구 글로벌이코노믹 기자 jklee@g-enews.com