| 1 |
1
와이파이 단말기의 위치를 예측하는 방법에 있어서,(a) 연속된 공간에 위치한 다수의 정점(vertex)을 간선(edge)으로 연결하여 그래프를 생성하는 단계,(b) 상기 각 정점 별로 측정된 와이파이 단말기의 신호 정보를 축적하여 훈련 DB를 구축하는 단계,(c) 상기 훈련 DB에 기초하여 상기 각 정점에 대한 우도(友度;likelihood) 확률을 나타내는 정규 확률 분포를 학습하는 단계 및(d) 상기 학습된 정규 확률 분포에 기초하여, 와이파이 단말기의 위치 추정을 위한 확률 기반의 인식 모델을 생성하는 단계를 포함하되, 상기 위치 추정의 대상이 되는 와이파이 단말기는 상기 그래프 상의 임의 지점에 위치하는, 위치 예측 방법
|
| 2 |
2
제 1 항에 있어서,상기 다수의 정점은 상기 그래프가 상기 연속된 공간 상에서 직선 형태를 가지도록 배치되며, 상기 각 정점을 연결하는 간선(edge)은 시작 정점과 종료 정점을 가지는 것인, 위치 예측 방법
|
| 3 |
3
제 1 항에 있어서,상기 (b) 단계는 상기 각 신호 정보로부터 상기 각 정점의 위치 아이디 및 상기 각 정점에서의 와이파이 신호 수신 강도를 추출하고, 상기 추출된 위치 아이디 및 와이파이 신호 수신 강도를 축적하여 상기 훈련 DB를 구축하는, 위치 예측 방법
|
| 4 |
4
제 1 항에 있어서,상기 (c) 단계는상기 각 정점 별로 상기 정규 확률 분포의 매개 변수인 평균 및 분산 값을 산출하는, 위치 예측 방법
|
| 5 |
5
제 2 항에 있어서,상기 (d) 단계는상기 그래프 상의 임의 지점에 대한 평균 및 분산 값은 상기 임의의 지점이 위치한 간선의 시작 정점과 종료 정점의 평균 및 분산 값에 선형 보간(linear interpolation)을 적용하여 산출하는 단계 를 포함하되, 상기 그래프 상의 임의 지점에서의 와이파이 신호 강도의 확률은 상기 정규 확률 분포를 가지는 것인, 위치 예측 방법
|
| 6 |
6
제 1 항에 있어서,(e) 상기 그래프 상에 존재하는 와이파이 단말기에 대한 복수의 제 1 후보 위치에서 와이파이 신호가 재수신되면, 상기 확률 기반의 인식 모델에 기초하여, 상기 제 1 후보 위치에 가중치를 부여하는 단계 및(f) 상기 제 1 후보 위치에 부여된 가중치에 비례하여 상기 와이파이 단말기에 대한 제 2 후보 위치를 예측하는 단계를 더 포함하는, 위치 예측 방법
|
| 7 |
7
와이파이 단말기의 위치를 예측하는 방법에 있어서,(a) 연속된 공간에 위치한 다수의 정점(vertex)을 간선(edge)으로 연결하여 그래프를 생성하는 단계,(b) 상기 그래프 상의 임의 지점에 위치하는 와이파이 단말기의 정지 또는 이동에 대한 상태 변화를 나타내는 운동 상태 전이 모델을 생성하는 단계,(c) 상기 와이파이 단말기가 상기 그래프 상에서 이동하는 경우, 상기 이동에 대한 이동 속도 모델을 생성하는 단계(d) 상기 와이파이 단말기가 상기 그래프 상에서 이동하는 경우, 제 1 간선에서 제 2 간선으로의 이동에 대한 간선 전이 모델을 생성하는 단계 및(e) 상기 운동 상태 전이 모델, 상기 이동 속도 전이 모델 및 상기 간선 전이 모델에 기초하여 상기 와이파이 단말기의 위치 예측을 위한 상태 전이 모델을 생성하는 단계를 포함하되, 상기 간선(edge)은 시작 정점과 종료 정점을 가지며, 상기 제 1 간선의 종료 정점과 상기 제 2 간선의 시작 정점은 서로 동일한 것인, 위치 예측 방법
|
| 8 |
8
제 7 항에 있어서,상기 (b) 단계는 조건부 확률 분포를 따르는 상기 운동 상태 전이 모델을 생성하되, 상기 조건부 확률 분포는 2 × 2 크기의 조건부 확률 행렬로 표현되는 것인, 위치 예측 방법
|
| 9 |
9
제 7 항에 있어서,상기 (c) 단계는상기 와이파이 단말기의 이동 속도를 샘플링하여 상기 이동 속도 모델을 생성하되, 상기 이동 속도는 상기 와이파이 단말기의 평균 속도 및 분산을 매개 변수로 하는 정규 확률 분포를 따르는 것인, 위치 예측 방법
|
| 10 |
10
제 7 항에 있어서,상기 (d) 단계는상기 제 1 간선에서 상기 제 2 간선으로 이동할 조건부 확률 분포를 따르는 상기 간선 전이 모델을 생성하되, 상기 조건부 확률 분포는 상기 제 1 간선의 종료 정점에 연결된 간선의 수가 k개인 경우, k × k 크기의 조건부 확률 행렬로 표현되는 것인, 위치 예측 방법
|
| 11 |
11
제 7 항에 있어서,상기 (e) 단계의 상태 전이 모델은 시간(t)에 따라 상기 그래프 상의 임의 지점에 위치하는 와이파이 단말기의 현재 상태를 함수(xt)로 표현하되, 상기 함수(xt)는상기 와이파이 단말기가 위치한 상기 임의 지점이 속해있는 간선의 아이디(et),상기 간선(et)의 진입점을 나타내는 시작 정점의 아이디(st),상기 간선(et)의 시작 정점(st)으로부터 상기 와이파이 단말기가 위치한 임의 지점까지의 거리(dt) 및 상기 와이파이 단말기의 정지 또는 이동을 나타내는 운동 상태(mt)를 파라미터로 포함하는, 위치 예측 방법
|
| 12 |
12
제 11 항에 있어서,상기 (e) 단계는상기 와이파이 단말기의 상태가 제 1 상태에서 제 2 상태로 변하는 경우, 상기 와이파이 단말기의 운동 상태가 정지이면, 상기 제 2 상태를 상기 제 1 상태와 동일한 것으로 판단하는, 위치 예측 방법
|
| 13 |
13
제 11 항에 있어서,상기 (e) 단계는상기 와이파이 단말기의 상태가 이전 상태인 제 1 상태(t-1)에서 현재 상태인 제 2 상태(t)로 변하는 경우, 상기 제 1 상태(t-1)에서 상기 와이파이 단말기의 운동 상태(mt-1)가 ‘이동’이면,(e-1) 상기 이동 속도 모델에 기초하여 상기 와이파이 단말기의 이동 속도를 샘플링함으로써 단위 시간 동안 이동한 거리(d)를 산출하는 단계,(e-2) 상기 와이파이 단말기가 위치한 임의 지점으로부터 상기 산출된 단위 시간 동안 이동한 거리(d)를 합산하고, 상기 합산된 거리(dt-1+d)가 상기 제 1 상태(t-1)에서의 간선(et-1)의 종료 정점을 벗어나는지 판단하는 단계,(e-3) 상기 판단 결과 벗어나지 않는 경우, 상기 제 2 상태(t)에서 상기 와이파이 단말기가 위치한 임의 지점까지의 거리(dt)는 상기 합산된 거리(dt-1+d)이며, 상기 제 2 상태(t)에서의 간선의 아이디(et) 및 시작 정점의 아이디(st)는 상기 제 1 상태(t-1)에서의 간선(et-1)의 아이디 및 시작 정점의 아이디(st-1)와 각각 동일한 것으로 판단하는 단계 및(e-4) 상기 판단 결과 벗어나는 경우, 상기 제 1 상태(t-1)에서의 간선(et-1)의 종료 정점에 연결된 간선 중 어느 하나를 선택하고, 상기 선택된 간선(et)으로 진입하여 상기 제 2 상태(t)에서의 파라미터를 산출하는 단계를 포함하는, 위치 예측 방법
|
| 14 |
14
제 13 항에 있어서,상기 (e-4) 단계는(e-4a) 상기 합산된 거리(dt-1+d)에서 상기 제 1 상태(t-1)에서의 간선(et-1)의 길이를 차감하여, 상기 제 2 상태(t)에서 상기 와이파이 단말기가 위치한 임의 지점까지의 거리(dt)를 산출하는 단계,(e-4b) 상기 간선 전이 모델에 기초하여 상기 제 1 상태(t-1)에서의 간선(et-1)의 종료 정점에 연결된 간선 중 어느 하나를 선택(et)하는 단계 및(e-4c) 상기 선택된 간선(et)의 시작 정점을 선택(st)하는 단계를 포함하는, 위치 예측 방법
|
| 15 |
15
제 7 항에 있어서,(f) 상기 그래프 상에 존재하는 와이파이 단말기에 대한 복수의 제 1 후보 위치에 대하여, 상기 상태 전이 모델에 기초하여 상기 와이파이 단말기에 대한 제 2 후보 위치를 예측하는 단계,(g) 상기 제 2 후보 위치에서 와이파이 신호를 재수신하고, 상기 재수신된 와이파이 신호에 실시간 위치 추정을 위한 인식 모델을 적용하여 상기 제 2 후보 위치에 가중치를 부여하는 단계 및(h) 상기 제 2 후보 위치에 부여된 가중치에 비례하여 상기 와이파이 단말기에 대한 제 3 후보 위치를 예측하는 단계를 더 포함하는, 위치 예측 방법
|
| 16 |
16
와이파이 단말기의 위치를 예측하는 방법에 있어서,(a) 연속된 공간에 위치한 다수의 정점(vertex)을 간선(edge)으로 연결하여 그래프를 생성하는 단계,(b) 상기 그래프 상에 존재하는 와이파이 단말기에 대한 복수의 제 1 후보 위치를 예측하는 단계,(c) 상기 제 1 후보 위치에 대하여, 상기 와이파이 단말기의 움직임을 나타내는 상태 전이 모델을 생성하고, 상기 상태 전이 모델에 기초하여 상기 와이파이 단말기에 대한 제 2 후보 위치를 예측하는 단계,(d) 상기 제 2 후보 위치에서 와이파이 신호를 재수신하고, 상기 재수신된 와이파이 신호에 실시간 위치 추정을 위한 인식 모델을 적용하여 상기 제 2 후보 위치에 가중치를 부여하는 단계 및(e) 상기 제 2 후보 위치에 부여된 가중치에 비례하여 상기 와이파이 단말기에 대한 제 3 후보 위치를 예측하는 단계를 포함하는, 위치 예측 방법
|
| 17 |
17
제 16 항에 있어서,상기 (c) 단계는(c-1) 상기 그래프 상의 임의 지점에 위치하는 상기 와이파이 단말기의 정지 또는 이동에 대하여 조건부 확률 분포를 따르는 운동 상태 전이 모델을 생성하는 단계,(c-2) 상기 와이파이 단말기의 평균 속도 및 분산을 매개 변수로 하는 정규 확률 분포를 따르는 이동 속도를 샘플링하여 이동 속도 모델을 생성하는 단계,(c-3) 상기 와이파이 단말기가 제 1 간선에서 제 2 간선으로 이동할 조건부 확률 분포를 따르는 간선 전이 모델을 생성하는 단계 및(c-4) 상기 운동 상태 전이 모델, 상기 이동 속도 전이 모델 및 상기 간선 전이 모델에 기초하여 상기 상태 전이 모델을 생성하는 단계를 포함하는, 위치 예측 방법
|
| 18 |
18
제 16 항에 있어서,상기 (d) 단계는(d-1) 상기 생성된 그래프 상의 각 정점 별로 측정된 와이파이 단말기의 신호 정보로부터, 상기 각 정점의 위치 아이디 및 상기 각 정점에서의 와이파이 신호 수신 강도를 추출하고, 상기 추출된 위치 아이디 및 와이파이 신호 수신 강도를 축적하여 훈련 DB를 구축하는 단계,(d-2) 상기 훈련 DB에 기초하여, 상기 각 정점 별로 상기 각 정점에 대한 우도(友度;likelihood) 확률을 나타내는 정규 확률 분포의 매개 변수인 평균 및 분산 값을 산출하고, 상기 산출된 각 정점 별 평균 및 분산 값을 이용하여 상기 정규 확률 분포를 학습하는 단계 및(d-3) 상기 학습된 정규 확률 분포에 기초하여, 상기 인식 모델을 생성하는 단계를 포함하는, 위치 예측 방법
|
| 19 |
19
제 16 항에 있어서,상기 (c) 단계는상기 상태 전이 모델을 시간(t)에 따라 상기 그래프 상의 임의 지점에 위치하는 와이파이 단말기의 현재 상태를 함수(xt)로 표현하되,상기 함수(xt)는상기 와이파이 단말기가 위치한 상기 임의 지점이 속해있는 간선의 아이디(et),상기 간선(et)의 진입점을 나타내는 시작 정점의 아이디(st),상기 간선(et)의 시작 정점(st)으로부터 상기 와이파이 단말기가 위치한 임의 지점까지의 거리(dt) 및 상기 와이파이 단말기의 정지 또는 이동을 나타내는 운동 상태(mt)를 파라미터로 포함하는, 위치 예측 방법
|
| 20 |
20
제 18 항에 있어서,상기 (d-3) 단계는상기 와이파이 단말기가 위치한 임의 지점에 대한 평균 및 분산 값으로서, 상기 임의 지점이 위치한 간선의 시작 정점과 종료 정점의 평균 및 분산 값에 선형 보간(linear interpolation)을 적용하여 산출하는 단계 를 포함하되, 상기 임의 지점에서의 와이파이 신호 강도의 확률은 상기 학습된 정규 확률 분포를 가지는 것인, 위치 예측 방법
|
| 21 |
21
와이파이 단말기의 위치를 예측하는 장치에 있어서,연속된 공간에 위치한 다수의 정점(vertex)을 간선(edge)으로 연결하여 그래프를 생성하는 그래프 생성부,상기 그래프 상에 존재하는 와이파이 단말기에 대한 복수의 제 1 후보 위치에 대하여, 상기 와이파이 단말기의 움직임을 나타내는 상태 전이 모델을 생성하고, 상기 상태 전이 모델에 기초하여 상기 와이파이 단말기에 대한 제 2 후보 위치를 예측하는 위치 예측부,상기 제 2 후보 위치에서 와이파이 신호를 재수신하고, 상기 재수신된 와이파이 신호에 실시간 위치 추정을 위한 인식 모델을 적용하여 상기 제 2 후보 위치에 가중치를 부여하는 가중치 갱신부 및상기 제 2 후보 위치에 부여된 가중치에 비례하여 상기 와이파이 단말기에 대한 제 3 후보 위치를 예측하는 리샘플링부를 포함하는, 위치 예측 장치
|
| 22 |
22
제 21 항에 있어서,상기 그래프 생성부는 상기 그래프가 상기 연속된 공간 상에서 직선 형태를 가지도록 상기 다수의 정점(vertex)을 배치하며, 상기 각 정점을 연결하는 간선(edge)은 시작 정점과 종료 정점을 가지도록 하는, 위치 예측 장치
|
| 23 |
23
제 21 항에 있어서,상기 위치 예측부는 상기 와이파이 단말기의 정지 또는 이동 여부를 나타내는 운동 상태 전이 모델, 상기 와이파이 단말기의 이동 속도에 대한 이동 속도 모델 및 상기 와이파이 단말기의 상기 간선에 대한 전이를 나타내는 간선 전이 모델을 각각 생성하고, 이에 기초하여 상기 상태 전이 모델을 생성하는, 위치 예측 장치
|
| 24 |
24
제 23 항에 있어서,상기 위치 예측부는 조건부 확률 분포를 따르는 상기 운동 상태 전이 모델을 생성하되, 상기 조건부 확률 분포는 2 × 2 크기의 조건부 확률 행렬로 표현되는 것인, 위치 예측 장치
|
| 25 |
25
제 23 항에 있어서, 상기 위치 예측부는 상기 와이파이 단말기의 이동 속도를 샘플링하여 상기 이동 속도 모델을 생성하되, 상기 이동 속도는 상기 와이파이 단말기의 평균 속도 및 분산을 매개 변수로 하는 정규 확률 분포를 따르는 것인, 위치 예측 장치
|
| 26 |
26
제 23 항에 있어서, 상기 위치 예측부는 제 1 간선에서 제 2 간선으로 이동할 조건부 확률 분포를 따르는 상기 간선 전이 모델을 생성하되, 상기 조건부 확률 분포는 상기 제 1 간선의 종료 정점에 연결된 간선의 수가 k개인 경우, k × k 크기의 조건부 확률 행렬로 표현되는 것인, 위치 예측 장치
|
| 27 |
27
제 23 항에 있어서, 상기 위치 예측부는 상기 상태 전이 모델을 시간(t)에 따라 상기 그래프 상의 임의 지점에 위치하는 와이파이 단말기의 현재 상태를 함수(xt)로 표현하되, 상기 함수(xt)는상기 와이파이 단말기가 위치한 상기 임의 지점이 속해있는 간선의 아이디(et),상기 간선(et)의 진입점을 나타내는 시작 정점의 아이디(st),상기 간선(et)의 시작 정점(st)으로부터 상기 와이파이 단말기가 위치한 임의 지점까지의 거리(dt) 및 상기 와이파이 단말기의 정지 또는 이동을 나타내는 운동 상태(mt)를 파라미터로 포함하는, 위치 예측 장치
|
| 28 |
28
제 21 항에 있어서,상기 가중치 갱신부는 상기 각 정점 별로 측정된 와이파이 단말기의 신호 정보를 축적하여 훈련 DB를 구축하고, 상기 훈련 DB에 기초하여 상기 각 정점에 대한 우도(友度;likelihood) 확률을 나타내는 정규 확률 분포를 학습하며, 상기 학습된 정규 확률 분포에 기초하여 상기 인식 모델을 생성하는, 위치 예측 장치
|
| 29 |
29
제 28 항에 있어서,상기 가중치 갱신부는 상기 각 신호 정보로부터 상기 각 정점의 위치 아이디 및 상기 각 정점에서의 와이파이 신호 수신 강도를 추출하고, 상기 추출된 위치 아이디 및 와이파이 신호 수신 강도를 축적하여 상기 훈련 DB를 구축하는, 위치 예측 장치
|
| 30 |
30
제 28 항에 있어서,상기 가중치 갱신부는 상기 각 정점 별로 상기 정규 확률 분포의 매개 변수인 평균 및 분산 값을 산출하는, 위치 예측 장치
|
| 31 |
31
제 28 항에 있어서,상기 가중치 갱신부는 상기 와이파이 단말기가 위치한 임의 지점에 대한 평균 및 분산 값으로서, 상기 임의 지점이 위치한 간선의 시작 정점과 종료 정점의 평균 및 분산 값에 선형 보간(linear interpolation)을 적용하여 산출하되, 상기 임의 지점에서의 와이파이 신호 강도의 확률은 상기 학습된 정규 확률 분포를 가지는 것인, 위치 예측 장치
|
