GNSS와 지상기지국(셀룰러, Wi-Fi) 연동
지상기지국 기반 보조정보(A-GNSS)
GNSS 수신기는 위성을 통해 직접 측위 정보를 수집할 수 있다. 그러나 도심 환경, 실내 환경 등에서는 위성 신호 수신이 어려워지거나 정확도가 떨어질 수 있으므로, 지상기지국(셀룰러, Wi-Fi)과 같은 추가적인 보조 기술이 활용된다. 이를 흔히 A-GNSS(Assisted GNSS)라고 부르며, 다음과 같은 보조정보가 제공될 수 있다.
위성 궤도 정보: 셀룰러 기지국이나 Wi-Fi AP(Access Point)를 통해 현재 위성의 위치와 궤도 정보를 미리 수신한다.
위성 시각 정보: 네트워크와 동기화된 정확한 시각 정보를 GNSS 수신기에 전달한다.
추진 영역(Approximate Position) 정보: 현재 기지국 셀 ID나 Wi-Fi AP 정보를 통해 대략적인 사용자 위치를 추정하여 GNSS 초기 탐색 범위를 축소한다.
이러한 보조정보를 활용하면, GNSS 신호 획득 시간(Time to First Fix, TTFF)을 크게 단축할 수 있으며 열악한 전파 환경에서도 좀 더 안정적인 측위가 가능해진다.
셀룰러 네트워크와의 연동 원리
셀룰러 네트워크(예: LTE, 5G)는 기지국 간 시간 동기화가 잘 되어 있기 때문에 위치 추정에 활용될 수 있다. 셀룰러 네트워크와 GNSS가 연동될 때 대표적으로 다음의 방법들이 사용된다.
셀 ID(Cell ID) 기반 가장 간단한 방법으로, 단말이 접속 중인 셀 기지국의 위치를 근거로 대략적인 위치를 파악한다. 정확도는 수백 미터에서 수 킬로미터 정도로 낮지만, GNSS 초기 탐색 영역을 좁히는 보조정보로 활용할 수 있다.
RTT(Round Trip Time) 측정 기반 단말과 기지국 사이 신호의 왕복 시간을 측정하여 거리 정보를 산출하는 방법이다. 왕복 지연시간 $\Delta t$를 측정하였다면, 다음과 같은 단순 모델링으로 거리 $d$를 구할 수 있다.
2d=2c⋅Δt여기서 $c$는 전파 속도이다. 여러 기지국에 대해 측정한 $d$ 값을 기반으로 삼변측량(Trilateration)을 수행할 수 있다.
OTDOA(Observed Time Difference of Arrival) 각 기지국에서 수신된 신호 간 도달 시각 차이를 관찰하여 단말의 위치를 추정한다. 서로 다른 기지국 $i, j$에 대해 다음과 같은 ToA(Time of Arrival)를 측정한다면,
Δtij=ti−tj이로부터 위치 오차 함수를 구성하고 최소화함으로써 단말의 좌표를 추정한다.
이러한 기법들은 모두 GNSS 수신기의 위치 추정에 보조정보로 결합될 수 있으며, 특히 시각 동기화된 다수 기지국과 연동한다면 위치 정확도를 크게 높일 수 있다.
Wi-Fi 기반 측위
Wi-Fi를 활용한 측위는 주로 실내나 도심 밀집 지역 등에서 GNSS 신호가 약해졌을 때 사용된다. Wi-Fi 기반 측위는 다음과 같은 방법을 포함한다.
RSS(Received Signal Strength) 지도 기반 특정 지역에 대한 Wi-Fi RSS 지도를 사전에 측정(워핑, 핑거프린팅)해두고, 실시간 측정값과 비교하여 비슷한 패턴을 갖는 위치를 추정한다. 이 방법은 지도가 미리 구축되어야 한다는 점이 단점이지만, GNSS와 결합하면 정확도를 보완할 수 있다.
RTT(Round Trip Time) 또는 FTM(Fine Timing Measurement) IEEE 802.11mc 등의 표준을 통해 AP와 단말 간의 왕복 지연시간을 측정해 거리를 산출하는 방법이다. Wi-Fi AP가 정확한 시각 정보와 동기화되어 있다면, FTM을 통해 수십 cm에서 수 m 단위 정확도의 측위가 가능하다. 측정된 거리들을 종합해 다음과 같은 행렬 방정식을 구성한다.
Hp=b여기서 $\mathbf{p}$는 2차원 혹은 3차원 좌표(예: $x, y$ 또는 $x, y, z$)를 나타내고, $\mathbf{H}$는 거리 측정식을 선형화하여 구성한 계수 행렬, $\mathbf{b}$는 측정된 거리와 관련된 벡터이다. 최소제곱법으로 이를 풀면 대략적인 위치를 추정할 수 있다.
하이브리드 측위 알고리즘
GNSS와 지상기지국(셀룰러, Wi-Fi)이 함께 쓰이는 하이브리드 측위 알고리즘은 다음과 같은 절차를 따른다.
GNSS 측위값 획득 우선 GNSS 수신기를 통해 위성 신호를 수신하고, 단말은 초기 좌표 추정값을 얻는다.
지상기지국 기반 보조정보 수신 셀룰러 또는 Wi-Fi AP를 통해 기존에 획득하기 어려웠던 시각 정보, 위성 궤도 정보 등을 빠르게 받아 GNSS 획득 시간을 단축한다.
멀티 센서 통합 GNSS에서 얻은 위치 오차와 셀룰러/Wi-Fi에서 얻은 측위 정보(거리, 신호 세기, 도달 시각 차이 등)를 통합하는 필터(예: Extended Kalman Filter, Particle Filter)를 적용하여 위치 정확도를 개선한다. 예를 들어, Extended Kalman Filter(EKF) 모형에서 상태벡터 $\mathbf{x}$와 측정벡터 $\mathbf{z}$가 각각 다음과 같이 주어진다고 하자.
x=xyx˙y˙,z=dGNSSdCelldWiFi이때 $\mathbf{z}$의 요소들은 각 기술에서 측정된 거리 혹은 위치에 관한 정보를 의미한다. 필터를 통해 예측 단계와 갱신 단계를 반복 수행함으로써, 시스템은 위치 오차를 점진적으로 줄일 수 있다.
측정 기반 융합 모델링
GNSS 위성 신호와 지상기지국(셀룰러, Wi-Fi)에서 나오는 측정 정보는 물리적으로 서로 다른 유형의 관측값이다. GNSS의 경우 위성-단말 간 송수신 지연을 기반으로 한 pseudorange를 측정하며, 셀룰러나 Wi-Fi는 RTT(Round Trip Time), ToA(Time of Arrival), RSS(Received Signal Strength) 등 네트워크 특성에 의존한다. 각 측정값을 종합하는 대표적인 접근법은 다음과 같은 비선형 최소화 문제를 구성하여 풀이하는 것이다. 예컨대, 사용자의 2차원 위치를 $\mathbf{p} = (x, y)$라 하고, $N$개의 측정값이 있을 때 이를 $\mathbf{z} \equiv {z_1, \dots, z_N}$라 하면, 비선형 모델
를 만족한다고 볼 수 있다. 여기서 $h_i(\mathbf{p})$는 $i$번째 측정값이 이론적으로 표현되는 모델 식이고, $\varepsilon_i$는 잡음을 나타낸다. 이때 최소제곱법 혹은 칼만 필터류 알고리즘을 사용하면 다음 목표 함수를 최소화하는 문제로 볼 수 있다.
측정값이 GNSS, 셀룰러, Wi-Fi 등 서로 다른 매커니즘을 가지므로, $h_i(\mathbf{p})$의 형태도 각각 달라진다.
지상기지국 및 AP 배치의 영향
지상기지국(셀룰러, Wi-Fi) 기반 측위는 기지국 및 AP의 지리적 배치(Geometry)와 시각 동기화 정도에 큰 영향을 받는다.
배치(Geometry) 삼변측량(Trilateration), 사변측량(Quadrilateration) 등에서 일반적으로 잘 알려져 있듯이, 서로 다른 기지국 위치들이 삼각형 혹은 사각형 모양으로 분산되어 있으면 위치 해가 안정적으로 수렴한다. 반면 특정 선상(線上)에 기지국이 나열되어 있으면 측위 해가 불안정해질 수 있다. 이를 확장한 척도로 ‘GDOP(Geometric Dilution of Precision)’ 개념이 있으며, 다음과 같이 정의되는 경우가 많다.
GDOP≈trace((GTG)−1)여기서 $\mathbf{G}$는 각 기지국 위치 벡터를 기반으로 한 측정 모델 행렬에 해당한다. GDOP이 커질수록 기하학적 구조가 좋지 않아 오차가 커지고, GDOP이 작을수록 기하학적 구조가 좋아 오차가 줄어든다.
시각 동기화(Clock Synchronization) 셀룰러와 달리 Wi-Fi AP는 시각 동기화 품질이 기지국마다 제각기 다를 수 있다. OTDOA나 RTT 방식을 사용하려면, AP 혹은 기지국 간 정밀한 시간 동기화가 전제되어야 한다. 셀룰러(특히 5G)의 경우 네트워크 자체가 엄격한 주파수 및 시간 동기화를 유지하도록 설계되어 있어, 위치 측정 정확도가 상대적으로 유리하다.
다중 경로(Multipath) 및 NLOS 영향
도심 환경이나 실내 환경에서는 빌딩 반사, 회절, 차폐 등으로 인해 신호가 직선 경로(LOS, Line of Sight)로 도달하지 않고 반사 경로(Multipath)나 비직선경로(NLOS)로 들어오는 경우가 많다. 이때 다음과 같은 문제가 발생한다.
추가 지연(Excess Delay) 직선 경로보다 긴 경로를 따라 들어오기 때문에 실제 거리보다 크게 측정되는 편향 오차(Bias)가 생긴다.
신호 세기 왜곡 반사나 회절로 인해 신호 세기가 변질되면서, RSS 기반 측위 방정식에 직접적인 오차가 발생한다.
이를 보정하기 위해서는 각 지상기지국 및 AP 별로 NLOS 및 다중 경로 확률을 추정하는 알고리즘(예: 신호 특성 분석, 지도 기반 레이트레이싱(Ray-Tracing) 기법 등)을 적용하거나, 필터에서 편향 추정 항목을 추가해 보정하는 방식을 사용한다.
5G와 GNSS 연동
차세대 이동통신(5G NR)에서는 위치 측정 기능이 더욱 강화되어, 3GPP 표준에서 측위 프로토콜(LCS, Location Services)이 정교화되었다. 5G 측위와 GNSS 연동 시 주의할 점은 다음과 같다.
빔포밍 기반 측위 5G 기지국은 빔포밍 기술을 활용하므로, 단말은 수신 신호의 도착 방향(Angle of Arrival, AoA)을 추가적으로 측정할 수 있다. AoA가 측정된다면 기존 거리 측정값과 함께 사용해 보다 정확한 위치 추정이 가능하다.
사설 네트워크 연동 5G는 퍼블릭 네트워크뿐 아니라 사설(private) 5G 네트워크로도 구축이 가능하다. 건물 내부 또는 공장 내에 설치된 사설 5G 네트워크에서 정밀 측위를 위한 기지국 배치를 조정할 수 있다. 이를 통해 GNSS가 닿기 어려운 지역에서도 고정밀 측위를 달성할 수 있다.
동기화 수준 5G NR Release 16 이후엔 기지국 간 동기화가 mm급 수준까지 요구되고 있어, OTDOA나 RTT 측정 시 기존 4G 대비 월등히 높은 정확도를 기대할 수 있다. GNSS로부터 받은 절대 시각을 네트워크가 활용함으로써, 단말과 기지국의 상대적 시각 에러를 낮추는 구조를 가진다.
실제 시스템 구현 시 고려사항
실제 GNSS-지상기지국 융합 시스템을 구현하려면, 다음 항목들을 추가적으로 고려해야 한다.
GNSS 수신기 설계: A-GNSS 지원 여부, L1/L5 등 다중 주파수 대역 지원, 안테나 성능 등.
네트워크 인프라: 셀룰러 기지국의 지리 정보, Wi-Fi AP 위치 데이터베이스, 시각 동기화 수준 관리.
전력 소모: GNSS와 지상측위 동시 사용은 하드웨어 리소스 및 전력 부담이 커질 수 있으므로, 필요 시 동적 모드를 설계해 사용하지 않는 측정 모듈의 동작을 최소화한다.
서비스 품질(QoS) 요건: 보안, 프라이버시, 데이터 전송 지연 등. 특히 위치 정보가 외부 서버로 전송되는 경우, 적절한 암호화와 인증이 필요하다.
스마트폰에서의 GNSS+Wi-Fi 측위 사례
현대 스마트폰 대부분은 GNSS(특히 GPS) 칩셋과 Wi-Fi를 동시에 내장하고 있으므로, 두 기술을 융합하여 보다 안정적인 위치 정보를 제공한다. 스마트폰 시스템 레벨에서 이뤄지는 대표적인 측위 절차는 다음과 같다.
GNSS 초기 획득(A-GNSS 활용) 스마트폰이 전원을 켜거나 위치 정보가 필요한 애플리케이션이 실행되면, A-GNSS 모드에서 셀룰러 네트워크 혹은 Wi-Fi를 통해 위성 궤도 정보를 수신한다. 이를 통해 GNSS Cold Start 시간을 단축하고 초기 좌표를 빠르게 얻는다.
Wi-Fi 스캐닝 동시에 주변 Wi-Fi AP들의 BSSID, RSS, RTT(FTM 지원 시) 등을 측정한다. 이를 기반으로 사전에 구축된 Wi-Fi 지도(워핑 데이터베이스)나 실시간 삼변측량을 수행한다.
서버 연동(클라우드 측위 엔진 사용 시) 스마트폰은 측정된 GNSS 및 Wi-Fi 정보를 클라우드 측위 서버로 전송할 수 있다. 서버는 더 풍부한 데이터베이스(예: 지형정보, 전파 환경지도)를 이용하여 스마트폰 위치를 계산하거나, 다시 스마트폰에 보조정보를 내려준다.
융합 필터 적용 GNSS 측위 결과와 Wi-Fi 기반 측위 결과는 카메라 센서, 관성 센서(IMU) 등과 함께 통합 칼만 필터(Extended Kalman Filter, Unscented Kalman Filter 등) 혹은 파티클 필터를 통해 융합된다. 예컨대, EKF에서 상태벡터를 $\mathbf{x} = \begin{bmatrix}x & y & \dot{x} & \dot{y}\end{bmatrix}^T$로 정의하고, 관측 모델을
z=h(x)+ν로 두면, $h(\mathbf{x})$는 GNSS pseudorange 측정과 Wi-Fi RTT 측정식을 모두 포함한다. $\boldsymbol{\nu}$는 측정 잡음을 포함한 오차 항이다.
실내·외 연속 측위(Seamless Positioning)
스마트폰 사용자 입장에서는 실외(도심, 건물 외부)에서 GNSS가 주로 활용되고, 실내에 들어서면 GNSS 신호가 약해지므로 Wi-Fi 혹은 블루투스, UWB(Ultra Wide Band) 등을 활용한다. 이를 ‘Seamless Positioning’이라 부르며, 실내·외 경계 구간에서 다음과 같은 형태의 전환이 발생한다.
GNSS-Only → GNSS+Wi-Fi → Wi-Fi-Only 건물 입구 쪽에서 GNSS 신호가 여전히 유효하면 GNSS로 측정하고, Wi-Fi나 블루투스를 보조적으로 사용한다. 점차 깊이 들어가 GNSS 신호가 끊기면, Wi-Fi 혹은 블루투스 기반 측위를 중심으로 전환한다.
측위 불연속성 최소화 GNSS 신호가 급격히 약해지더라도, 이전 GNSS 측위 값을 초기값으로 사용하여 Wi-Fi 측위가 매끄럽게 이어지도록 한다. 이때 칼만 필터 예측 단계에서 이전 위치 상태를 유지해주고, 측정 업데이트 단계에서 Wi-Fi의 새로운 관측값을 반영한다.
위치 측정 정확도 및 오차 원인 분석
GNSS와 지상기지국을 함께 사용하는 복합 측위 시스템의 주요 오차 요인은 다음과 같이 요약할 수 있다.
GNSS 오차
위성 궤도·시계 모델 오차
전리층·대류권 지연
다중 경로 및 NLOS
안테나 성능
셀룰러 오차
기지국 위치 정확도(기지국 좌표 DB 오차)
RTT/OTDOA 측정 시 잡음, 시간 동기화 오차
주파수 간섭 및 빔포밍 특성
Wi-Fi 오차
AP 위치 DB 오차(실제 설치 위치와 지도상 위치 불일치)
RSS 기반 측정 시 수신감도 편차, 지형 장애물에 따른 세기 변동
RTT/FTM 기반 측정 시 AP 간 동기화 품질, 다중 경로
추가 센서 오차
스마트폰 IMU(가속도계, 자이로) 드리프트
자기 센서(전자나침반) 주변 전자파 간섭
이러한 다양한 오차 원인을 최소화하기 위해 필터 단계에서 편향 추정(Bias Estimation) 항을 추가하거나, 맵 매칭(Map Matching) 기법 등을 활용하여 지형 및 빌딩 정보를 활용하는 방식이 적용될 수 있다.
지능형 기지국 선택(Adaptive BS/AP Selection)
지상기지국(셀룰러, Wi-Fi)과 연동할 때, 모든 기지국 신호를 무조건 사용하는 것이 능사는 아니다. 어떤 기지국들은 다중 경로 영향이 심하거나, 좌표 정보가 불확실하거나, 시각 동기화가 불량할 수 있다. 이로 인해 측정값에 큰 편향(Bias)이 발생하면, 오히려 위치 추정 오차가 커진다.
이를 방지하기 위해, 다음과 같은 적응적 기지국 선택 알고리즘이 고려된다.
신호 품질 기반 선택 기지국 신호 세기나 SNR(Signal-to-Noise Ratio)이 일정 기준 이상인 기지국만 선택한다.
NLOS 판정 기반 제외 기하학적 특성(도달 경로, 전파 모델) 또는 머신러닝 모델을 사용하여, NLOS로 판정된 기지국 신호를 제외한다.
추정 잔차(Residual) 분석 칼만 필터나 최소제곱 추정 과정에서 특정 기지국 측정값에 대한 오차 잔차가 지나치게 큰 경우, 해당 기지국의 가중치를 낮추거나 측정값을 제거한다.
결과적으로, 오차가 큰 측정값을 제외함으로써 GNSS와 지상기지국 융합에서 전체적인 위치 추정 정확도를 개선할 수 있다.
고급 융합 필터 구조
GNSS와 지상기지국(셀룰러, Wi-Fi)을 융합하는 대표적인 방법은 칼만 필터(Kalman Filter) 계열, 파티클 필터 계열 등 확률론적 필터를 사용하는 것이다. 실제 시스템에서 고려되는 추가적 기법들은 다음과 같다.
통계적 가중치(Weighting) 부여
GNSS 측정치와 지상기지국 측정치 각각에 대해 시나리오별로 측정 오차 통계를 추정하고, 그에 따라 가중치를 동적으로 부여한다.
예를 들어, Wi-Fi 측정 시 다중 경로가 심하다고 판정되면, Wi-Fi 측정값의 신뢰도가 낮아지므로 필터 내 가중치를 낮춘다.
이탈 검출(Outlier Detection)
센서 이상치(outlier)를 빠르게 제거하기 위해 잔차(Residual) 기반 검증 게이트를 설정한다.
예: 확장 칼만 필터에서 예측된 관측치와 실제 관측치 간 차이가 임계값보다 클 경우, 해당 측정치가 이탈(Outlier)이라고 판단하고 업데이트에서 제외한다.
이동 평균·스무딩(Smoothing)
실시간 위치 추정뿐만 아니라, 과거 시각의 측정값까지 활용해 더 정확한 궤적(trajectory)을 복원한다(Forward-Backward Smoothing).
이는 GNSS 수신 신호가 순간적으로 끊기거나, 지상기지국 측정치가 일시적으로 왜곡될 때 추정 오차를 완화하는 데 도움을 준다.
상태 확장(Heading, Height 등)
스마트폰이나 차량 등에 IMU(가속도, 자이로)가 탑재되어 있다면, 상태 벡터에 회전각(heading)이나 고도(height) 등을 추가로 포함할 수 있다.
이때 상태벡터를 예로 들면
x=xyzx˙y˙z˙ϕ여기서 $x, y, z$는 3차원 좌표, $\phi$는 기기 방향(heading)을 의미한다.
고도 오차가 중요한 경우(예: 고층 건물 내부)에는 셀룰러나 Wi-Fi AP에서 고도 측위를 지원할 수 있도록, AP마다 층수 정보를 데이터베이스화하기도 한다.
셀룰러 신호 세부 측위 메커니즘
지상기지국(셀룰러)에서 사용하는 측위 기법에는 다양한 변형이 존재한다. 예를 들어 3GPP 릴리즈에 따라 상세 명칭과 프로토콜이 다소 다르지만, 전반적인 아이디어는 아래와 유사하다.
eCID(Enhanced Cell ID)
단순 Cell ID 기반 측위에 RxLev(수신 레벨), RxQual(수신 품질) 같은 파라미터를 추가적으로 고려하여, 범위를 수백 m~수 km 수준에서 조금 더 좁힌다.
특정 셀 내에서도 섹터(섹터 안테나 분할) 위치에 따라 거칠게 구역을 추정한다.
OTDOA + PRS(Positioning Reference Signal)
LTE/5G에서 OTDOA(Observed Time Difference of Arrival)를 지원할 때, 기지국은 PRS라는 특수 신호를 전송한다.
단말은 여러 기지국에서 전송된 PRS를 수신해 ToA(Time of Arrival)를 측정하고, 서로 간 도달 시간 차이를 바탕으로 자신의 위치를 계산한다.
이 측정 과정을 정확히 하려면 기지국 간 엄격한 동기화가 전제되어야 하며, 네트워크에서 단말에 기지국의 위치와 PRS 구성 정보를 제공한다.
NR(5G) 기반 빔포밍 측위
mmWave 등 초고주파 대역에서는 빔포밍 기술을 통해 단말 방향에 집중적으로 전파를 송출한다.
단말 측에서 AoA(Angle of Arrival) 측정이 가능해지면, 기존의 RTT/OTDOA 정보와 결합하여 2D 혹은 3D 좌표를 산출할 수 있다.
빔포밍 측위는 안테나 어레이를 이용하여 고정밀 각도 측정을 수행하기 때문에, 이론상 cm~수십 cm 단위 정확도도 가능하다.
빌딩 내 Wi-Fi 환경 특성
Wi-Fi의 경우 건물 내부에서 활용도가 높지만, 빌딩 구조나 AP 배치에 따라 측정 품질이 크게 달라진다.
AP 밀도 및 출력
AP가 촘촘히 설치되어 있으면 RSS 기반 측위에서 지문(fingerprint) 분해능이 높아지고, RTT 기반 측위에서도 삼변측량 오차가 줄어든다.
반면 AP 출력을 너무 높게 설정하면 근처 다른 AP와 채널 간섭이 심해져, 측정값 변동 폭이 커질 수 있다.
벽/문/가구 차폐
2.4GHz 대역 Wi-Fi 신호는 벽이나 금속 물체에 의해 감쇠가 크다. 직선 거리를 기준으로 한 단순 전파 모델만으로는 오차가 크게 발생한다.
이를 보정하기 위해, 건물 평면도와 벽 재질 정보를 반영한 레이트레이싱(Ray Tracing) 알고리즘을 적용하기도 한다.
MIMO, Beamforming Wi-Fi (802.11ax 등)
최신 Wi-Fi 표준은 MU-MIMO, OFDMA, 빔포밍 등을 지원하며, 이를 위치 측정에 응용할 수 있다.
기지국과 단말이 상호 빔포밍을 통해 채널 상태 정보를 교환함으로써, 신호 도달 방향(각도), 채널 특성(위상, 세기)을 정밀 추정할 수 있다.
로우 레벨 신호 처리와 협대역(스마트 워치 등)
GNSS와 셀룰러, Wi-Fi를 융합해도 신호 세기가 약하고, 실제 하드웨어 제약이 큰 소형 단말(스마트워치, IoT 디바이스 등)에서는 추가 고려가 필요하다.
협대역(NB-IoT 등) 통신 환경 저전력 광역 네트워크(LPWAN) 같은 협대역 통신 방식을 쓰는 경우, RTT/OTDOA 등의 측정 정밀도가 낮고 데이터 전송량 제한도 크다.
저성능 GNSS 칩셋 IoT 디바이스나 웨어러블 기기에는 전력 소모를 최소화하기 위해 간소화된 GNSS 칩셋이 탑재될 수 있다. A-GNSS를 활용하더라도 측정 주파수 대역이 제한되며, 심지어 단일 주파수만 지원할 수 있다.
안테나 효율 착용 기기의 경우 신체에 의해 GNSS/셀룰러/Wi-Fi 신호가 차폐되기 쉬우므로, 안테나 설계와 배치가 극히 중요하다.
실시간 위치 추적 서버 아키텍처
대규모 사용자나 차량을 대상으로 GNSS+지상기지국 융합 측위를 지원하려면, 서버 아키텍처와 연동이 필요하다. 일반적으로 다음과 같은 구조를 갖는다.
로컬 프로세서
단말 내 GNSS 수신기, Wi-Fi/셀룰러 모뎀에서 나온 측정값을 수집·처리한다.
초기 위치 추정, 센서 융합, 이탈 검출 등을 수행한다.
측위 서버
더 풍부한 데이터(기지국 위치 DB, Wi-Fi AP 지도, 건물 3D 모델, 이전 측정 이력)를 활용해 정교한 측위를 수행할 수 있다.
또는 보정 정보(위성 궤도·시계, 전파 모델 파라미터 등)를 단말에 재전송한다.
DB (Database)
기지국과 AP의 최신 좌표, 주파수 대역, 출력 수준, 빔포밍 패턴 등을 기록 관리한다.
실내·외 지도 정보(빌딩 벽 두께, 층수 등)와 결합해 측위 오차를 보정할 수 있다.
표준화 동향 및 산업 적용 사례
GNSS와 지상기지국(셀룰러, Wi-Fi)을 연동하는 위치 측정 기능은 다양한 국제 표준과 산업군에서 활발히 적용되고 있다.
3GPP (3rd Generation Partnership Project)
LTE, 5G NR 등 이동통신 기술 표준에서 위치 측정 관련 기능(LCS, OTDOA, eCID 등)을 정의하고 있으며, Release별로 점진적으로 고도화되고 있다.
예컨대 5G Release 16 이후에는 밀리미터파(mmWave) 빔포밍 측위를 강화하고, 단말과 기지국 간 상호 RSTD(Reference Signal Time Difference)를 활용하는 절차가 상세히 규정되어 있다.
IEEE 802.11 (Wi-Fi) 표준
IEEE 802.11mc(FTM, Fine Timing Measurement)를 통해 AP와 단말 간 RTT를 측정하여 지연 기반 측위가 가능하다.
후속 규격(802.11az 등)에서도 위치 측정 프로토콜 개선 및 보안 강화를 논의하고 있다.
IPIN (Indoor Positioning and Indoor Navigation) 산업
실내·외 연속 측위(Seamless Positioning)를 위해 GNSS뿐만 아니라 Wi-Fi, BLE(Bluetooth Low Energy), UWB, 지자기 센서 등 다양한 수단을 융합하는 솔루션이 다수 개발되고 있다.
유통, 물류, 스마트 빌딩, 공장 자동화, AR/VR 등 위치 기반 서비스 수요가 커지면서, 대기업뿐 아니라 스타트업도 다양한 하이브리드 측위 기술을 제공한다.
Automotive & 스마트 시티
차량용 GNSS 수신기는 도심에서 멀티패스나 NLOS가 극심하기 때문에, V2X(Vehicle-to-Everything) 통신과의 융합이 연구되고 있다(예: DSRC, C-V2X).
스마트 시티 환경에서는 5G 기지국 밀도가 높은 편이므로, GNSS 신호가 약한 지역에서도 일정 수준 이상의 측위를 기대할 수 있다.
차세대 연구 및 개발 방향
GNSS와 셀룰러, Wi-Fi 융합 측위 분야에서는 다음과 같은 연구가 활발히 진행 중이다.
AI/ML 기반 측위 보정
측위 알고리즘에 머신러닝(특히 딥러닝) 기법을 접목하여, 다중 경로 환경에서의 편향 추정이나 비전통적 시나리오(예: 무선 랜드마크 기반 측위)에서 오차를 줄이려는 시도가 많다.
지도 학습(Supervised Learning)뿐 아니라, 다중 센서 측정값을 입력으로 하는 강화학습(Reinforcement Learning)도 검토된다.
클라우드 기반 측위 플랫폼
단말의 연산 부담을 줄이고, 측정 데이터(예: Wi-Fi RSS 맵, 기지국 간 동기화 정보)를 중앙 서버가 실시간으로 학습·갱신해주는 구조가 확산되고 있다.
이를 통해 단말은 기초 측정만 수행하고, 정교한 위치 추정은 클라우드 플랫폼이 처리한 뒤 결과를 단말에 전달한다.
엣지 컴퓨팅(Edge Computing)과 결합하면 지연(Latency)을 줄이고 실시간성을 확보할 수 있다.
협력 측위(Collaborative Positioning)
여러 단말(차량, 로봇, 드론 등) 간에 서로의 측정값을 교환함으로써, 집단 측위를 정교화하는 방법이 제안된다.
예컨대 드론 다수가 서로 GNSS 및 상대 거리(ULS/UWB) 측정을 공유해 일종의 분산 삼변측량을 수행할 수 있다.
도시 환경에서 자율주행차가 서로의 GNSS 오차를 교정해주며, 기지국 보조정보를 효율적으로 공유하는 형태도 가능하다.
초정밀 RTK/PPP와 결합
기존 RTK(Real-Time Kinematic), PPP(Precise Point Positioning)는 GNSS만으로 cm 단위 정밀도를 목표로 하지만, 초기 설정이나 기지국(기준국) 간 중계, 측정 환경 의존도가 높다.
여기에 5G OTDOA 혹은 Wi-Fi RTT를 추가로 결합해, RTK/PPP가 불안정할 때 신속히 보강하는 하이브리드 초정밀 측위 기술이 연구되고 있다.
보안 및 프라이버시 이슈
GNSS와 지상기지국 융합 측위를 실제 서비스화할 때는, 위치 정보가 민감 정보라는 점에서 보안 및 프라이버시가 매우 중요하다.
위치 위조(Spoofing) 위험
GNSS 신호는 공개 주파수를 사용하므로, 합법적인 신호를 가장한 스푸핑이 발생할 수 있다.
셀룰러나 Wi-Fi 기반 측정치도 AP, 기지국을 사칭해 잘못된 위치 정보를 주입할 수 있다.
위치 정보 유출
측위 서버에 사용자 위치 정보가 전송될 때, 암호화와 인증이 제대로 이뤄지지 않으면 정보가 유출될 위험이 있다.
기업 내부 서비스에서 개인 위치 데이터베이스를 부주의하게 관리하면, 사생활 침해 문제가 발생할 수 있다.
상호 인증 및 무결성 검증
측위 정보를 전송하는 단말-서버, 기지국-단말 간 상호 인증을 수행하고, 전달되는 측정 메시지 무결성을 검증해야 한다.
5G 보안 프레임워크 및 TLS/DTLS 기반 암호 통신 등을 적용해, 위치 측정 과정에서 불법 조작을 방지한다.
Last updated