WiFi와 스마트폰 센서 및 자기장 정보를 활용한 위치관제
실제 건물에서 수집한 Wi-Fi와 스마트폰 센서 데이터를 활용해 실내 위치추적의 적용 가능성을 살펴보고, 위치 추정 결과를 UTWIN 디지털 공간과 연결해 검토한 연구용 테스트입니다. 수집부터 계산·표시·기록 재생까지 연구 환경을 구성하고 현장에서 드러나는 기술적 한계를 확인했습니다.
연구개요
이번 연구는 실제 건물에서 수집한 Wi-Fi와 스마트폰 센서 데이터를 활용해 실내 위치추적의 적용 가능성을 살펴보고, 위치 추정 결과를 UTWIN 디지털 공간과 연결해 검토한 연구용 테스트입니다. 수집부터 계산·표시·기록 재생까지 연구 환경을 구성하고 현장에서 드러나는 기술적 한계를 확인했습니다.
실내 위치추적은 위성 신호만으로 위치를 안정적으로 얻기 어려운 건물 내부에서 사람이나 기기의 위치를 추정하는 기술입니다. 실내 길찾기, 시설 운영, 현장 인력의 위치 확인 등 공간 서비스에 활용될 수 있습니다.
연구의 초점은 기존 무선 환경과 스마트폰으로 어떤 위치 근거를 얻을 수 있는지, 서로 다른 센서를 어떻게 결합할지, 그 결과를 실제 도면에서 어떻게 검증할지에 있습니다.
제한된 기준 지점의 신호 구분 가능성은 확인했으나 연속 추적의 정확도와 반복성은 개선이 필요합니다. 현재 단계의 성과는 현장 적용 가능성과 한계를 확인한 탐색 연구입니다.
WiFi 위치추적 방식과 국내외 연구
Wi-Fi 측위는 신호 세기, 왕복시간, 무선 채널의 세부 정보 등 서로 다른 관측을 사용합니다. 같은 Wi-Fi 기반이라도 필요한 장비와 현장 조건이 다르므로 기술별 연구 결과를 같은 성능으로 해석할 수는 없습니다. [1, 6, 7]
방식 | 위치 추정 원리 | 주요 적용 조건 |
RSSI 핑거프린팅 | 장소별 AP와 신호 세기의 조합을 현재 관측과 비교 | 현장 신호 지도와 환경 변화 대응 |
RSSI 거리 추정 | 신호 감쇠를 거리로 환산해 여러 AP 정보를 결합 | 벽·반사·차폐에 따른 오차 관리 |
RTT와 FTM | 단말과 AP 사이 신호의 왕복시간으로 거리 측정 | 지원 단말·AP 및 위치 기준 |
CSI와 도래각 | 채널 세부 정보와 신호가 들어오는 방향을 분석 | 칩셋·드라이버·측정 환경 지원 |
국내 연구의 흐름
성신여대 연구진은 IMU에서 얻은 상대 위치를 활용해 Wi-Fi RSSI 학습에 필요한 정답 좌표의 수집 부담을 줄이는 방법을 제시했습니다. ETRI와 와따는 Wi-Fi RTT·RSSI 복합측위를 분석했고, 고려대 연구진은 신호 잡음의 영향을 줄이는 필터와 신경망을 결합했습니다. [1–3]
경북대 WCSL의 최근 연구에는 다층 건물의 이동 기록과 층간 신호 특성을 이용한 AP의 3차원 위치 추정도 포함됩니다. 국내 사례들은 현장 조사 자동화, 신호 해석, 센서 융합, 공간 지도 구축을 폭넓게 다룹니다. [4]
국외 연구와 표준의 흐름
Microsoft Research의 RADAR는 신호 세기 기반 실내 위치추적의 초기 대표 사례입니다. Stanford의 SpotFi는 채널 정보와 도래각을, MIT·CMU의 Chronos는 신호 도달시간을 활용한 정밀측위를 연구했습니다. [5, 7, 8]
Android는 Wi-Fi RTT를 공식 API로 제공하며 IEEE 802.11az 지원으로 측정 기반을 확장하고 있습니다. 실제 적용에는 해당 기능을 지원하는 AP와 단말이 필요합니다. [6]
이들 사례를 종합하면 정확도뿐 아니라 지도 구축 비용, 기기 차이, 환경 변화와 이동 중 안정성도 중요한 연구 과제입니다. 이번 과제는 스마트폰 RSSI와 움직임·자기장 정보를 결합하는 흐름에 해당합니다.
데이터 수집
테스트 건물과 현장 데이터 수집
현장 시험은 실제 사무 건물의 11층에서 Galaxy S23으로 진행했습니다. CAD 도면에 기준 지점을 정하고, 사용자가 현장에서 누른 도착 기록을 스마트폰 측정 시각과 연결했습니다. 초기 건물 모델 비교 이후에는 실제 CAD 도면을 공간 기준으로 사용했습니다.
수집 자료 | 활용 내용 |
Wi-Fi | AP 식별값 BSSID, 수신 신호 세기 RSSI, AP별 관측 시각 |
움직임 센서 | 가속도·자이로·자세 정보에 기반한 상대 이동 분석 |
자기장 | 3축 자기장, 센서 품질, 기울기를 반영한 특징 비교 |
도착 기록 | A~E 기준 지점의 실제 도착 시각과 CAD 좌표 |
전송과 저장 | 휴대폰 원본과 서버 저장 자료의 누락·중복 여부 대조 |
대표 수집에서는 A~E 다섯 지점을 ABCDE → ABCDE → ABCDE → EDCBA 순서로 방문했습니다. 약 14분 동안 총 20건의 도착 기록과 580,537개의 원본 기록을 확보했으며, 휴대폰 원본과 서버 배치의 해시 일치를 확인했습니다.
테스트에서 활용된 데이터의 수집은 모바일앱을 활용하였으며 사용자는 스마트폰외에는 별도의 장비를 가질 필요가 없는 설계로 진행하였습니다
수행 내용
수집 자료를 위치 근거로 연결하는 방법
Wi-Fi는 BSSID와 실제 관측 시각을 기준으로 중복을 제거하고, 지점별·방문별 신호 세기 중앙값을 비교했습니다. 초기 지도에는 반복 방문에서 관측된 AP를 포함해 일시적인 관측에 대한 의존을 줄였습니다.
자기장은 스마트폰의 기울기를 반영한 세기·수평 세기·수직 성분으로 비교했습니다. 움직임 센서의 상대 경로와 Wi-Fi·자기장 관측은 같은 시간축에서 대응시키고, 도착 버튼 시점이 확인된 자료를 위치 기준으로 사용했습니다.
초기 Wi-Fi 학습 후보의 오프라인 출력 비교. 학습에 사용한 보행, 제외한 보행, 정지 기록을 나누어 살폈습니다. 표시 경로는 실측 정답 궤적이 아닙니다.
모델 비교에서는 기준 자료와 비교 자료를 구분했습니다. 연속 추적에서는 공유 AP 지원, 신호 범위, 관측 시각과 후보 간 모호성을 확인하고 근거가 부족하면 보정을 보류했습니다. 저장 후처리 결과와 실시간 계산 결과도 별도로 평가했습니다.
실제 공간에서 확인한 결과와 한계
초기 기준 지점 비교에서는 Wi-Fi 신호가 등록된 장소를 구분하는 유효한 단서가 될 수 있음을 확인했습니다. 다만 이는 알려진 후보 중 신호가 가장 비슷한 지점을 고르는 평가이며, 지점 사이의 연속 위치나 건물 전체의 정확도를 입증하지는 않습니다.
반복 방문별 추정 경로와 실제 지정 지점의 비교. 색상은 방문 회차, 흰 점은 실제 도착 지점입니다. 전체 정합 후 남는 경로 편차를 진단한 자료입니다.
평가 항목 | 확인한 내용 |
지점 구분 | 제한된 기준 지점에서 Wi-Fi 신호의 구분 가능성을 확인했습니다. |
연속 이동 | 지점 사이의 경로 왜곡과 누적 오차가 남았습니다. |
반복 방문 | 동일 장소의 추정 위치가 방문마다 달라지는 편차가 있었습니다. |
정지 상태 | 휴대폰의 흔들림을 실제 이동으로 추정하는 문제가 남았습니다. |
자기장 결합 | 일부 기록에서 보정 가능성을 확인했으나 일관된 개선은 입증하지 못했습니다. |
전체 회전·축척·이동을 맞춘 뒤에도 국부적인 경로 차이가 남아, 도면 배치만 조절해서는 해결하기 어려웠습니다. 이를 특정 센서 하나의 문제로 단정하지 않고 움직임 추정과 무선 보정의 기여를 나누어 분석했습니다.
자기장 비교 연구와 공개 코드 활용
자기장 실험은 같은 장소를 다시 방문했을 때 나타나는 패턴을 이동 추정의 보정 근거로 사용할 수 있는지 살펴보았습니다. 일부 복귀 기록에서는 보정 가능성을 보였지만, 다른 장소의 신호가 비슷하거나 품질이 낮으면 판단이 모호해졌습니다.
동일 보행 기록의 자기장 보정 비교. 관측 당시 계산과 저장 후처리를 구분했으며, 복귀점 변화만으로 전체 경로의 정확도를 평가하지 않았습니다.
RoNIN 상대 이동 추정
공개 코드 Sachini/ronin은 스마트폰 IMU로 상대 이동을 추정하는 연구 구현입니다. 이번 연구에서는 실제 센서 기록으로 상대 경로를 계산하고 Wi-Fi 관측 시각과 대응시켰습니다. RoNIN은 Wi-Fi 측위 모델 자체가 아니라 센서 융합을 구성하는 움직임 추정 요소입니다. [9]
자기장 SLAM 비교 모듈
manonkok/1d-magnetic-field-slam의 재방문 감지와 경로 보정 방법을 바탕으로 Python 연구 모듈을 구성하고 Android 센서 입력에 연결했습니다. 원본 구현과의 수치적 동등성이 검증됐다는 의미는 아닙니다. [10]
공개 코드와 모델의 출처 및 이용 조건은 별도로 관리했습니다. RoNIN 가중치는 제품 개발과 분리된 비상업 연구 범위에서 시험했으며, 공개 연구 결과를 상용 성능이나 배포 준비 완료의 근거로 사용하지 않습니다.
남은 과제
연구의 의미와 후속 검증 방향
이번 연구의 성과는 실제 건물에서 Wi-Fi·IMU·자기장 자료를 수집하고, 위치 추정 결과를 디지털 공간에서 비교할 수 있는 연구 흐름을 구성한 데 있습니다. 원본 보존과 시간 정합, 반복 방문 비교, 정지·이동 대조를 통해 현장 적용 시 해결해야 할 문제를 확인했습니다.
현재 단계는 현장 적용 가능성과 기술적 한계를 확인한 탐색 연구입니다. 정밀한 위치관제에 활용하려면 방향 안정성, 누적 오차, 반복 방문 편차와 이동 판별을 개선하고 별도의 현장 자료로 검증해야 합니다.
후속 검증에서는 다른 날짜와 휴대 자세, 등록되지 않은 위치에서도 결과가 유지되는지 확인할 필요가 있습니다. 정지 중 허위 이동과 이동 중 추종 지연을 함께 평가하고, 현재 위치의 근거가 약한 경우에는 그 불확실성도 화면에 표현하는 방향을 지향합니다.
참고 연구와 공개 코드
[1] Ju·Yoo 2023 Unlabeled Wi-Fi RSSI Indoor Positioning by Using IMU
[2] ETRI·와따 2021 적응형 파티클 필터 기반 Wi-Fi RTT/RSSI 복합측위
[3] 고려대 연구진 2024 Deep Randomized Neural Network 기반 Wi-Fi 측위
[4] 경북대 WCSL 다층 건물 AP 위치 추정 등 연구 목록
[5] Microsoft Research 2000 RADAR
[6] Android Developers Wi-Fi RTT 및 IEEE 802.11az 공식 문서