제조분야 데이터 기반 제품·서비스 개발 관련 애로사항 및 추진계획 등의 개요
본 프로젝트에서는 기존의 무선 기술과 인공지능 기술을 융합하여, Wi-Fi 신호 데이터를 이용한 실내 측위 시스템을 개발합니다. 기존의 실내 동작 감지 기술은 주로 영상 기반으로 이루어지며, 카메라를 이용한 방법이 대부분입니다. 하지만 이러한 방법은 개인정보 보호 문제와 함께 영상 처리 기술이 필요하며, 카메라 위치 및 방향 설정 등 추가적인 설치 또는 관리 비용이 발생합니다. 따라서 무선 신호 데이터를 이용한 실내 동작 감지 기술은 이러한 애로 기술을 극복할 수 있는 대안적인 기술로 부상하고 있습니다. 무선 기술 솔루션의 선두 제공자로서, AP의 무선 신호 데이터를 이용한 매우 효과적이고 신뢰성이 높은 실내 탐지 시스템 기술 개발 및 데이터 제공을 목적으로 합니다.
기존에 주로 사용되는 영상 기반의 동작 감지 시스템은 특정 기기를 설치해야 하는 불편뿐 아니라 사생활 침해의 소지 등 여러 제약 사항을 가집니다. 반면에 Wi-Fi 기반 기술은 이미 광범위하게 설치되어 있는 Wi-Fi AP의 수신 신호를 이용하기 때문에 특정 기기를 사용자가 장착할 필요가 없고 사생활 침해도 이루어지지 않을 뿐 아니라 장비 설치비용이 거의 들지 않는다는 장점이 있어서 최근 많은 주목을 받기 시작하고 있습니다.
Wi-Fi 신호의 물리적인 특성은 공간 내의 사물들에 의해 영향을 받습니다. Wi-Fi AP 근처에 사람이 지나가면 신호는 사람에 의해 반사되어 기존과는 다른 경로를 거치게 되고, 이에 따라 수신 신호의 진폭과 위상이 변해 그 사람의 영향을 간접적으로 파악할 수 있게 됩니다. 신호 변화에 담긴 이러한 간접적인 움직임 정보를 효과적으로 인지할 수 있다면 사용자를 식별하거나 침입자를 탐지하는 데 유용하게 사용될 수 있습니다.
o 데이터 수집
대상 환경의 여러 Wi-Fi 액세스 포인트에서 CFR 데이터를 수집합니다. 여태까지 무선 신호를 기반으로 하는 학습용 데이터 구축은 제대로 이루어 진적이 없습니다. 이 데이터는 환경 지도를 만들고 공간 내에서 장치와 사람의 위치를 결정하는 데 사용됩니다.
o 데이터 분석
수집된 CFR 데이터는 환경의 변화를 식별하기 위해 분석됩니다. 여기에는 시간 경과에 따른 채널 주파수 응답의 변화를 감지하기 위해 데이터를 필터링하고 처리하는 작업이 포함됩니다.
o 동작 감지
CFR 데이터의 변경 사항을 기반으로 동작 감지 알고리즘을 구현하여 환경에서 움직임을 감지합니다. 이 알고리즘은 정확성과 효율성을 위해 최적화됩니다.
o 알람 트리거
움직임이 감지되면 알람이 트리거되어 사용자에게 경고합니다. 이것은 시각적 또는 청각적 알림의 형태이거나 기존 보안 시스템과 통합될 수 있습니다.
지원의 필요성
무선 기술 및 인공지능 기술이 급격히 발전하면서, 이를 활용한 새로운 실내 측위 시스템 기술 개발에 대한 수요가 증가하고 있습니다. Wi-Fi 기반의 실내 감지 시스템은 별도의 하드웨어나 센서 없이 기존 인프라를 활용하기 때문에 타 솔루션에 비해 비용 효율적인 장점이 있습니다. 또한 WiFi 신호 기술은 널리 채택되고 잘 확립되어 있어 다양한 시스템 구현을 위한 실행 가능한 옵션이 됩니다. 이러한 시스템의 구현은 소매, 의료 및 운송과 같은 다양한 부문에서 스마트 기술의 채택을 촉진하는 방법이 될 수 있습니다. 이러한 스마트 기술은 무선 네트워크 시장의 성장을 촉진하여 기존 시장 성장의 가능성과 규모 증가를 위한 충분한 기회 제공이 가능할 것으로 예상됩니다.
Wi-Fi 기반 실내 탐지 시스템은 비용 효율성, 데이터 프라이버시 및 확장성과 같은 전통적인 실내 측위 문제를 해결할 수 있는 잠재력을 가지고 있습니다. 하지만 일반적인 기업이 이를 구축하기 위해서는 여러 가지 문제점을 해결할 필요성이 있습니다.
첫 번째로 시스템 구축 비용 문제입니다. 기존의 카메라나 센서를 사용하는 실내 측위 시스템에 비해 Wi-Fi 기반 시스템은 비교적 저렴한 가격으로 구축할 수 있지만, 여전히 추가적인 개발 비용 문제는 부담이 될 수 있습니다.
두 번째로 데이터 프라이버시 문제입니다. 기업은 고객의 개인정보를 안전하게 보호해야 합니다. Wi-Fi 기반 시스템에서는 민감한 데이터가 타사 공급업체에 노출될 수 있는 위험이 있으므로 이 문제를 해결하기 위한 추가적인 개발 및 방법론이 필요합니다.
세 번째로 확장성 문제가 있습니다. 기업이 측위 시스템을 확장할 때에는 시스템이 유연하게 대응할 수 있어야 합니다. 그러나 기존의 시스템에서는 확장성 문제가 발생할 수 있으므로 이를 극복할 수 있는 시스템이 필요합니다.
이와 같은 문제점들을 해결하기 위한 지원이 필요하며, 더욱더 안정적이고 안전한 Wi-Fi 기반 실내 측위 시스템을 구축하여 비용을 절감하고 데이터 보호와 시장 성장 가능성에 더 많은 노력을 기울일 수 있습니다.
데이터 활용도
o 데이터 관련 장비 활용 계획
인공지능 학습용 무선 신호 데이터 구축
제한적 성능의 임베디드 디바이스를 통한 AIoT 환경 구축
머신러닝 파이프라인 시스템을 통한 시계열 학습 모델 고도화
o 기업지원을 통한 데이터 관점의 서비스 개선 가능성
무선 신호를 통한 실내 측위 시스템 실증
무선 AP 시제품을 통해 시계열 데이터 분류 정확도 20% 향상
기대효과(시장성 및 경제성)
o 데이터 관련 장비 활용 계획
인공지능 학습용 무선 신호 데이터 구축
제한적 성능의 임베디드 디바이스를 통한 AIoT 환경 구축
머신러닝 파이프라인 시스템을 통한 시계열 학습 모델 고도화
o 기업지원을 통한 데이터 관점의 서비스 개선 가능성
무선 신호를 통한 실내 측위 시스템 실증
무선 AP 시제품을 통해 시계열 데이터 분류 정확도 20% 향상