| 1 |
1
이동 단말의 셀 신호의 변화 패턴을 이용하여 상기 이동 단말의 이동성을 판단하는 방법에 있어서, 상기 이동 단말에 의해 측정된 서빙 셀(serving cell)의 신호를 수집하는 단계;상기 수집된 셀 신호에서 기 정해진 주기(N) 단위로 제1 시각(t)부터 제2 시각(t+J-1)까지의 일정 구간(J)에서의 평균 기울기를 K개 산출하는 단계; 및상기 산출된 K개의 평균 기울기를 이용하여 상기 이동 단말의 이동 상태를 판단하는 단계;를 포함하는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 2 |
2
제1 항에 있어서,상기 서빙 셀의 신호를 수집하는 단계 이전에, 상기 이동 단말이 일정 속도 이상으로 움직이는 것을 감지하는 단계;를 더 포함하는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 3 |
3
제1 항에 있어서, 상기 평균 기울기는 선형 회귀(linear regression) 방식에 따라 산출되는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 4 |
4
제1 항에 있어서, 상기 평균 기울기는하기 수학식을 만족하는 최소 에러 값에 따라 산출되는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 5 |
5
제1 항에 있어서, 상기 일정 구간(J)은 상기 이동 단말의 셀 신호의 변화 패턴을 기초로 설정되는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 6 |
6
제1 항에 있어서, 상기 이동 단말의 이동 상태를 판단하는 단계는상기 산출된 K개의 평균 기울기를 이용하여 최대 값, 최소 값, m 번째 최대 값, m 번째 최소 값, 평균, 분산, 표준 편차 중 적어도 어느 하나의 파라미터를 산출하는 단계; 및상기 산출된 파라미터 중 적어도 어느 하나와 고속 이동 또는 정지 상태에 관한 학습 데이터를 비교하여 상기 이동 단말의 고속 이동 또는 정지 여부를 판단하는 단계;를 포함하는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 7 |
7
제6 항에 있어서, 상기 m은 상기 K보다 작은 정수로 설정되는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 8 |
8
제1 항에 있어서, 상기 판단하는 단계 이후에, 상기 판단 결과를 고속 이동 또는 정지 상태에 관한 학습 데이터에 반영하여 학습하는 단계;를 더 포함하는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 9 |
9
제8 항에 있어서, 상기 학습하는 단계는 베이즈 추론(bayesian inference), 의사결정트리(decision tree), 서포트 벡터 머신(support vector machines), 은닉 마르코프 모델(hidden markov model), 신경망(neural networks) 알고리즘 중 적어도 어느 하나를 이용하여 학습하는 것을 특징으로 하는 셀 신호를 이용한 이동 단말의 이동성 판단 방법
|
| 10 |
10
제1 항 내지 제9 항 중 어느 하나의 항에 기재된 셀 신호를 이용한 이동 단말의 이동성 판단 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체
|
