실내 위치추정 기술은 자동화 분야에서 점차 필요성이 커지고 있다. 대표적인 예는, 물류 자동화 시스템과 건설 안전관리 분야다. 삼변측량 기법(Trilateration))은 실시간 위치추정 분야에서 가장 흔히 사용되는 기법이다. 그러나 삼변측량법에 사용되는 센서들은 주변 환경에 영향을 많이 받기 때문에 측정 데이터에 오차가 발생한다. 장애물로 인해 신호 수신이 실패하면 삼변측량 계산에 오류가 발생하게 되고 결국 태그의 위치를 잠시 잃어버리게 되어 사용자의 시스템에서 블라인드 현상이 발생한다. 따라서 이러한 오차를 제거하면 위치추정의 정밀도가 높아진다.
본 논문에서는 이러한 배경에서 UWB(Ultra-wideband) 센서를 이용해 시스템의 블라인드 상태에서 태그의 위치를 추정할 수 있는 기법과 시스템을 제안한다. 실내 위치추정에서 삼변측량이 불가능한 상태의 제한된 거리 측정 데이터는 제안하는 휴리스틱 깊이 탐색 방법과 MAD(Median Absolute Deviation) 비용함수를 적용한 의사결정트리(Decision Tree) 분류모델을 적용하여 학습된다. 블라인드 상태의 태그 좌표는 학습된 모델을 기반으로 추정된다.
제안하는 시스템의 정확도를 비교하고 분석하기 위해 기존의 의사결정 트리 모델(Decision Tree Model)과 랜덤 포레스트(Random Forest), 그래디언트 부스팅(Gradient Boosting) 앙상블 모델을 이용한다. 실험 결과, 제안된 시스템은 약 93%의 예측 정확도를 달성함을 확인하였다.
본 논문에서 제안된 시스템은 실내 위치추정에서 빈번하게 발생하는 블라인드 상태에서 태그의 3차원 위치추정을 가능하게 하여 보다 신뢰성 있는 실내 위치추정 응용기술 개발에 역할을 할 것으로 기대된다.