DOI QR코드

DOI QR Code

A Study on Improving Accuracy of Subway Location Tracking using WiFi Fingerprinting

WiFi 핑거프린트를 이용한 지하철 위치 추적 정확성 향상을 위한 연구

  • Received : 2015.12.22
  • Accepted : 2016.01.05
  • Published : 2016.01.31

Abstract

In this study, an WiFi fingerprinting method based on the k-nn algorithm was applied to improve the accuracy of location tracking of a moving train on a platform and evaluate the performance to minimize the estimation error of location tracking. The data related to the position of the moving train are monitored by the control center for trains and used widely for the safety and comfort of passengers. The train location tracking methods based on WiFi installed by telecom companies were evaluated. In this study, a simulator was developed to consider the environments of two cases; in already installed WiFi devices and new installed WiFi devices. The developed simulator can simulate the localized estimation of the position under a variety of conditions, such as the number of WiFi devices, the area of platform and entry velocity of train. To apply location tracking algorithms, a k-nn algorithm and fuzzy k-nn algorithm were applied selectively according to the underlying condition and also four distance measurement algorithms were applied to compare the error of location tracking. In conclusion, the best method to estimate train location tracking is a combination of the k-nn algorithm and Minkoski distance measurement at a 0.5m grid unit and 8 WiFi AP installed.

본 논문에서는 GPS를 이용할 수 없는 지하철 승강장에서 움직이는 지하철의 위치 추적 정확성을 높이기 위해 WiFi 핑거프린트 기법에 k-nn기반 알고리즘들을 적용한 후 오류를 검출하고 비교하였다. 승강장내 지하철의 위치 정보는 지하철 제어를 위해 종합사령실에서 필요로 하며, 이용객의 안전과 편의를 위해 다양하게 사용되어지고 있다. 현재 역사 또는 승강장 내에는 승객의 편의를 위해 각 통신사별로 WiFi용 AP(Access Point)들이 다수 설치되어 있어 이를 활용한 다양한 위치 추정 연구들도 활발히 진행되고 있다. 본 연구에서는 설치되어진 WiFi용 AP를 활용할 경우와 신규로 WiFi용 AP를 설치할 경우등을 고려하여 다양한 조건에서 지하철의 위치를 추적할 수 있는 시뮬레이터를 개발한 후 모의실험을 진행하였다. 개발된 시뮬레이터는 설치된 WiFi용 AP들의 개수와 승강장 넓이, 지하철 진입속도 등에 따라 지하철의 위치를 추적할 수 있도록 설계되었다. 그리고 k-nn알고리즘과 fuzzy k-nn알고리즘을 선택적으로 적용할 수 있으며 핑거프린트 데이터베이스를 기반으로 4가지의 거리 측정 알고리즘을 적용하여 위치 추적 오류를 비교할 수 있도록 하였다. 시뮬레이터를 이용한 모의 실험결과 0.5m의 그리드 단위길이에 8개의 WiFi용 AP를 설치하고 'minkowski' 거리 측정 알고리즘을 적용한 k-nn알고리즘를 사용할 경우 가장 정확한 위치 추적결과를 얻을 수 있었다.

Keywords

References

  1. Ministry of Land and Transport, City railway construction rules, July. 2014.
  2. A.S. Ja'afar, "Analysis of Indoor Location and Positioning via WiFi Signals at FKEKK, UTeM", International Journal of Engineering and Technology (IJET), 2013.
  3. Peerapong Torteekay, XIU Chundi, "Indoor Positioning based on WiFi Fingerprint Technique using Fuzzy K-Nearest Neighbor," Sciences and Technology(IBCAST), pp. 461-465, January, 2014. DOI: http://dx.doi.org/10.1109/IBCAST.2014.6778188
  4. P. Bahl and V. N. Padmanabhan, "RADAR: An In-Building RF-based User Location and Tracking System," in Proceedings of IEEE INFOCOM, pp. 775-784, 2000. DOI: http://dx.doi.org/10.1109/infcom.2000.832252
  5. K. Jones , L. Liu , F. A. Shabdiz, "mproving Wireless Positioning with Look-ahead Map-Matching," Proceedings of the 2007 Fourth Annual International Conference on Mobile and Ubiquitous Systems: Networking&Services (MobiQuitous), pp.1-8, August, 2007. DOI: http://dx.doi.org/10.1109/MOBIQ.2007.4450983
  6. B. Kobben, "Wireless Campus LBS: A Test Bed for WiFi Positioning and Location Based Services," Cartography & Geographic Information Science 34, pp. 285-292, 2007. DOI: http://dx.doi.org/10.1559/152304007782382936
  7. B. Li," Indoor positioning techniques based on wireless LAN," The 1st IEEE International Conference on Wireless Boradband and Ultra Wideband Communication, Sydney, Australia, pp. 13-16, 2006.