데드 어카운팅

Dead reckoning

네비게이터는 삼각형으로 표시된 오전 9시 위치를 표시하고 경로와 속도를 사용하여 오전 9시 30분과 10시에 자신의 위치를 추정합니다.

항법에서 데드 어카운팅은 이전에 결정된 위치 또는 고정 장치를 사용하여 이동 물체의 현재 위치를 계산한 다음 경과 시간에 따른 속도, 방향 및 경로의 추정치를 포함하는 과정입니다.생물학에서 동물들이 위치나 방향의 추정치를 갱신하는 과정을 설명하는 데 사용되는 대응하는 용어는 경로 통합이다.

드리프트는 비행기의 방향과 원하는 궤도 사이의 각도입니다.A는 마지막으로 알려진 위치(고정, 보통 원으로 표시됨)입니다.B는 풍향(보통 플러스 기호로 표시)입니다.C는 참 위치(일반적으로 [further explanation needed]삼각형으로 표시됨)입니다.

데드카운팅은 누적 오차가 발생할 수 있습니다.정확한 위치 정보를 제공하는 항법 보조 장치의 발전, 특히 위성 위치 확인 시스템을 사용하는 위성 항법 기술은 대부분의 목적을 위해 인간의 단순한 데드 카운팅을 쓸모 없게 만들었다.그러나 매우 정확한 방향 정보를 제공하는 관성 항법 시스템은 데드 어카운팅을 사용하며 매우 광범위하게 적용된다.

어원학

"사산"이라는 용어는 원래 "추리된 계산"을 축약하기 위해 사용되지 않았고 "추리된 계산"이라는 용어의 철자를 잘못 쓴 것도 아닙니다."ded" 또는 "deduced counting"의 사용은 1931년 이전에 등장한 것으로 알려져 있지 않으며, 이는 옥스퍼드 영어 사전에 1613년에 나온 "dead calcounting"보다 훨씬 늦은 역사이다.그러나 '죽음'의 본래 의도는 명확하지 않다.'앞에 죽는다'에서처럼 '절대적'을 전달하는 데 사용되는지, '물 속에서 죽는다'는 다른 물체를 이용한 계산인지, '잘 못 계산하면 죽는다'는 계산을 제대로 사용하는지는 [1]알 수 없다.

항법적 용도와 유사하게 데드 어카운팅이라는 단어는 이전 값을 사용하여 그 사이에 발생한 변화를 더함으로써 가변량의 값을 추정하는 과정을 의미하기도 한다.대부분의 경우 이 사용법은 변경 내용을 정확하게 알 수 없음을 의미합니다.이전 값과 변경은 측정 또는 계산된 수량일 수 있습니다.

에러

데드 어카운팅은 산술이나 분석을 거의 하지 않고 현재 위치에 대한 최상의 정보를 제공할 수 있지만, 상당한 근사 오차가 발생할 수 있습니다.정확한 위치 정보를 위해 이동 중 항상 속도와 방향을 정확하게 알아야 합니다.가장 주목할 만한 것은 데드 어카운팅이 유체 매체를 통과하는 동안 방향 표류를 설명하지 않는다는 것입니다.이러한 오류는 더 먼 거리에 걸쳐 복합적으로 나타나기 때문에 더 긴 여행의 경우 데드 카운팅이 어려운 항법 방법이 됩니다.

예를 들어 바퀴의 회전 수로 변위를 측정하는 경우, 미끄러짐 또는 표면 불규칙성으로 인해 회전당 실제 이동 거리와 가정 이동 거리 사이의 불일치가 오차의 원인이 된다.위치의 각 추정치는 이전 추정치와 상대적이므로 오차는 시간이 지남에 따라 누적되거나 복합됩니다.

데드 어카운팅의 정확성은 여행 도중에 새로운 수정을 얻기 위해 보다 신뢰할 수 있는 다른 방법을 사용함으로써 크게 향상될 수 있습니다.예를 들어 시야가 좋지 않은 육지를 항해하고 있을 경우 데드 어카운팅을 사용하여 랜드마크의 알려진 위치에 충분히 근접하여 랜드마크 자체를 향해 걸어갔다가 다시 출발할 수 있습니다.

모바일 센서 노드 현지화

정적 센서 노드의 현지화는 어렵지 않습니다.GPS 장치를 장착하면 현지화의 필요성에 충분하기 때문입니다.그러나 시간에 따라 지속적으로 지리적 위치를 변경하는 모바일 센서 노드는 현지화하기가 어렵습니다.데이터 수집을 위한 특정 영역 내의 이동 센서 노드, 방목장 내의 동물에 부착된 센서 노드 또는 전장의 병사에게 부착된 센서 노드를 사용할 수 있다.이러한 시나리오에서는 각 센서 노드의 GPS 장치를 사용할 수 없습니다.그 이유 중 일부는 제한된 센서 노드의 비용, 크기 및 배터리 방전을 포함한다.이 문제를 해결하기 위해 필드 내에서 제한된 수의 참조 노드(GPS 포함)가 사용됩니다.이러한 노드는 자신의 위치를 지속적으로 브로드캐스트하고 근접한 다른 노드는 이러한 위치를 수신하고 3변측 측정과 같은 수학적 기법을 사용하여 위치를 계산합니다.현지화의 경우 현지화하려면 적어도 3개의 알려진 기준 위치가 필요합니다.문헌에서는 [2][3]순차 몬테카를로(SMC) 방법에 기초한 몇 가지 국산화 알고리즘이 제안되었다.일부 장소의 노드가 2개의 기존 위치만 수신하여 현지화할 수 없는 경우가 있습니다.이 문제를 극복하기 위해 데드 어카운팅 기법을 사용합니다.이 기술을 사용하면 센서 노드는 이전에 계산된 위치를 나중에 [4]현지화하는데 사용합니다.예를 들어 노드 A가 3개의 기존 기준 위치를 사용하여 loca_1로 위치를 계산하면, 노드 A는 다른 2개의 기준 노드로부터 수신한 다른 2개의 기준 위치와 함께 loca_1을 사용합니다.이는 노드 1개를 짧은 시간에 현지화할 뿐만 아니라 3개의 참조 위치를 [5]얻기 어려운 위치에서도 현지화할 수 있습니다.

애니멀 내비게이션

동물 항법 연구에서 데드 어카운팅은 경로 통합으로 더 일반적으로 알려져 있다.동물들은 마지막으로 알려진 장소에서의 움직임을 바탕으로 현재 위치를 추정하기 위해 그것을 사용한다.개미, 설치류, 거위 같은 동물들은 시작점을 기준으로 그들의 위치를 지속적으로 추적하고, 고정된 [6][7]집을 가진 먹이를 찾는 사람들에게 중요한 기술인 것으로 나타났다.

차량용 내비게이션

마린

해안 항법에서의 데드 어카운팅 항법 도구

해양 항법에서 "사망" 계산도는 일반적으로 조류나 바람의 영향을 고려하지 않는다.선상에서의 데드 어카운팅 플롯은 위치 정보를 평가하고 [8]선박의 움직임을 계획하는 데 중요한 것으로 간주됩니다.

데드 어카운팅은 알려진 위치 또는 고정에서 시작되며, 이후 기록된 머리글, 속도 및 시간을 통해 수학적으로 또는 차트에서 직접 진행됩니다.속도는 여러 가지 방법으로 결정할 수 있습니다.현대 계측 이전에는 칩 로그를 사용하여 배에서 측정되었습니다.보다 현대적인 방법으로는 총 변위 표(선박용)에 대한 엔진 속도(rpm 단위)를 참조하거나 피토 튜브의 압력에 의해 공급되는 표시된 공기 속도를 참조하는 방법이 있습니다.이 측정은 알려진 대기 조건과 표시된 대기 속도 시스템의 측정된 오류에 기초하여 동등한 대기 속도로 변환됩니다.해군 함정은 금속 막대 위에 있는 두 개의 센서를 사용하여 물 속을 이동하는 선박에 의해 야기되는 전자파 분산을 측정하는 피트 소드(로드미터)라고 불리는 장치를 사용한다.그런 다음 이 변화는 배의 속도로 변환됩니다.거리는 속도와 시간을 곱하여 결정됩니다.그런 다음 이 초기 위치를 조정하여 전류(해양 항법에서는 설정 및 드리프트라고 함)를 고려하여 추정 위치를 얻을 수 있습니다.사용 가능한 위치 정보가 없는 경우 추정된 위치에서 새로운 데드 계산 플롯이 시작될 수 있습니다.이 경우 후속 데드 어카운팅 위치는 추정 세트 및 드리프트를 고려하게 됩니다.

데드 어카운팅 위치는 미리 정해진 간격으로 계산되며 픽스 간에 유지됩니다.간격은 다양합니다.속도가 좋아지고 헤딩이나 다른 코스의 성질이 달라지는 요소, 그리고 네비게이터의 판단으로 데드 어카운팅 위치가 계산된다.

18세기 존 해리슨이 해양 크로노미터와 달 거리법을 개발하기 전에는 크리스토퍼 콜럼버스와 존 카봇같은 선원들이 대서양 횡단 항해를 할 때 사용할 수 있는 경도를 결정하는 주요 방법이 데 데드 어카운팅이었다.트래버스 보드와 같은 도구는 심지어 문맹 승무원들도 사산에 필요한 데이터를 수집할 수 있도록 개발되었습니다.하지만 폴리네시아 항해는 다른 길찾기 기술을 사용한다.

항공사

영국식 P10 자기 나침반(데드 어카운팅 내비게이션 도구

1927년 5월 21일 찰스 린드버그는 미국으로부터 하나의 엔진으로 구성된 성령(Spirit of Steat)을 타고 성공적으로 직항 비행을 한 후 프랑스 파리에 착륙했다. 루이스, 항공기에 매우 기본적인 계기들이 장착되어 있었기 때문에 린드버그는 정확한 계산을 통해 항해를 했다.

공중에서의 데드 카운팅은 바다에서의 데드 카운팅과 비슷하지만 조금 더 복잡합니다.항공기가 이동하는 공기의 밀도는 바람, 무게, 동력 설정뿐만 아니라 성능에도 영향을 미칩니다.

DR의 기본 공식은 거리 = 속도 x 시간입니다.2시간 동안 250노트의 속도로 비행하는 항공기가 500해리를 비행했다.바람 삼각형을 사용하여 방향과 대기 속도에 대한 바람의 영향을 계산하여 방향을 조정할 자기 방향과 지상 속도(지상 속도)를 구한다.항공기 상승률, 연료 연소율 및 공기 [9]속도에 대한 공기 밀도의 영향을 계산하기 위해 인쇄된 표, 공식 또는 E6B 비행 컴퓨터가 사용됩니다.

항공 차트에는 코스 라인이 정해진 간격(약 1시간마다)으로 추정 위치와 함께 그려집니다.접지 기능의 육안 관찰은 수정을 얻기 위해 사용됩니다.고정과 추정 위치를 비교하여 항공기의 방향과 지상 속도를 보정한다.

[10]세계 VFR(시각 비행 규칙 또는 기본 수준) 조종사의 커리큘럼에 사산이 걸려 있습니다.항공기에 GPS, ADF VOR와 같은 항법 보조 장치가 있는지 여부에 관계없이 학습되며 ICAO 요건이다.많은 비행 훈련 학교들은 학생들이 정확한 계산을 익힐 때까지 전자 보조기 사용을 금지할 것이다.

관성 항법 시스템(INS)은 더 발전된 항공기에 거의 보편적으로 적용되며 내부적으로 데드 카운팅을 사용한다.INS는 외부 항법 참조 없이 거의 모든 조건에서 신뢰할 수 있는 항법 기능을 제공하지만, 여전히 약간의 오류가 발생하기 쉽습니다.

자동차

GPS/GNSS 기술만의 한계를 극복하기 위해 오늘날 일부 고급 자동차 내비게이션 시스템에서 데드 어카운팅이 구현되고 있습니다.위성 마이크로파 신호는 주차장과 터널에서는 사용할 수 없으며, 인공위성에 대한 시야 차단 또는 다중 경로 전파로 인해 도시 협곡과 나무 근처에서는 종종 심각하게 저하된다.데드 리커닝 내비게이션 시스템의 경우 휠 둘레를 알고 휠 회전 및 스티어링 방향을 기록하는 센서가 차량에 장착되어 있습니다.이러한 센서는 다른 용도로 이미 차량에 탑재된 경우가 많으며(안티 브레이크 시스템, 전자식 안정성 컨트롤), 내비게이션 시스템이 CAN 버스에서 판독할 수 있습니다.그런 다음 항법 시스템은 Kalman 필터를 사용하여 항상 사용 가능한 센서 데이터를 위성 데이터의 정확하지만 때때로 사용할 수 없는 위치 정보와 통합 위치 고정 장치에 통합합니다.

로봇공학의 자율항법

데드 어카운팅은 일부 [11]로봇 애플리케이션에서 사용됩니다.일반적으로 초음파 센서, GPS 또는 일부 선형 회전식 인코더 배치와 같은 감지 기술의 필요성을 줄이기 위해 사용되므로 성능과 반복성을 희생하면서 비용과 복잡성을 크게 줄일 수 있습니다.이러한 의미에서 데드 어카운팅의 적절한 활용은 일반적인 시작 지점에서 주어진 시간 동안 로봇의 구동 모터에 알려진 전력 또는 유압 비율을 공급하는 것입니다.데드 어카운팅은 완전히 정확하지 않기 때문에 실행 기간, 로봇 속도, 실행 길이 및 기타 [citation needed]몇 가지 요인에 따라 몇 밀리미터(CNC 기계가공)에서 킬로미터(UAV)까지의 거리 추정에서 오류가 발생할 수 있습니다.

보행자 데드 어카운팅(PDR)

스마트폰의 센서 기능이 향상됨에 따라 내장 가속도계는 만보계로, 내장 자력계는 나침반 방향 공급자로 사용할 수 있다.보행자 고정 계산(PDR)은 자동차 내비게이션과 유사한 방식으로 다른 내비게이션 방법을 보완하거나 다른 내비게이션 시스템을 사용할 [12]수 없는 지역으로 내비게이션을 확장하는 데 사용할 수 있습니다.

간단한 실시형태에서는 사용자가 전화기를 앞에 두고 각 스텝은 나침반이 측정한 방향으로 일정한 거리를 전진시킨다.정확도는 센서 정밀도, 구조물 내부의 자기 교란, 운반 위치 및 보폭 길이와 같은 알려지지 않은 변수에 의해 제한됩니다.또 다른 과제는 걷기와 달리기를 구별하고 자전거 타기, 계단 오르기, 엘리베이터 타기 등의 동작을 인식하는 것이다.

전화 기반 시스템이 존재하기 전에는 많은 커스텀 PDR 시스템이 존재했습니다.만보계는 직선 주행 거리 측정에만 사용할 수 있지만 PDR 시스템에는 헤딩 측정을 위한 자력계가 내장되어 있습니다.커스텀 PDR 시스템은 특수 부츠, 벨트, 시계 등 다양한 형태를 취할 수 있으며, 자력계 헤딩을 보다 효과적으로 활용하기 위해 운반 위치의 변동을 최소화했습니다.기본 드리프트를 최소화하는 것뿐만 아니라 다양한 운반 시나리오와 이동 및 전화 [13]모델 간의 하드웨어 차이를 처리하는 것도 중요하기 때문에 실제 데드 어카운팅은 상당히 복잡합니다.

방향 데드 어카운팅

남쪽을 가리키는 마차는 이륜 마차로 구성된 고대 중국의 장치로, 마차가 어떻게 방향을 틀든 항상 남쪽으로 향하도록 의도된 포인터를 가지고 다녔다.그 전차는 자기 나침반의 항법 사용 시기를 미리 잡았고 남쪽 방향을 감지할 수 없었다.대신 그것은 일종의 방향 데드 어카운팅을 사용했다: 여행의 시작에서 포인터는 북극성의 현지 지식이나 천체 관측을 이용하여 손으로 남쪽을 겨냥했다.그런 다음, 주행할 때, 차동 기어를 포함하는 메커니즘은 두 바퀴의 서로 다른 회전 속도를 사용하여 전차 본체에 상대적인 회전 각도(이용 가능한 기계적 정확도에 따라)만큼 포인터를 회전시켜 포인터가 원래 방향을 향해 남쪽으로 향하도록 했다.오차는 항상 데드카운팅과 마찬가지로 이동 거리가 길어질수록 누적됩니다.

네트워크 게임용

네트워크 게임 및 시뮬레이션 툴은 배우의 마지막 알려진 운동학적 상태(위치, 속도, 가속도, 방향 및 각속도)[14]를 사용하여 배우의 현재 위치를 예측하기 위해 데드 어카운팅을 일상적으로 사용합니다.이는 대부분의 게임이 실행하는 속도인 60Hz로 네트워크 업데이트를 전송하는 것이 비현실적이기 때문에 주로 필요합니다.기본 솔루션은 선형 [15]물리학을 사용하여 미래를 내다보는 것으로 시작합니다.

이 수식은 네트워크를 통해 새 업데이트가 수신될 때까지 개체를 이동하기 위해 사용됩니다.이 시점에서 문제는 현재 추정된 위치와 방금 받은 실제 위치라는 두 가지 운동학적 상태가 있다는 것입니다.이 두 상태를 신뢰할 수 있는 방법으로 해결하는 것은 매우 복잡할 수 있습니다.한 가지 접근방식은 두 상태 사이에 곡선(예: 입방체 베지어 스플라인, 구심 캣멀-롬 스플라인에르미트 곡선)[16]을 만드는 동시에 미래를 투영하는 것이다.또 다른 기술은 투영 속도 혼합을 사용하는 것입니다. 이는 현재 투영에서 설정된 [14]시간 동안 마지막으로 알려진 속도와 현재 속도 사이의 혼합을 사용하는 두 개의 투영(마지막으로 알려진 것과 현재)을 혼합하는 것입니다.

첫 번째 방정식에서는 마지막 서버 V 0}) 시점의 클라이언트 측 속도와 마지막 서버 측 V 을 바탕으로 혼합 V({ V_ 계산합니다.이는 기본적으로 원활한 전환을 위해 클라이언트 측 속도에서 서버 측 속도까지 혼합됩니다.은(는) 0에서(서버 업데이트 시) 1로(다음 업데이트 시) 변경됩니다.T(가) 남아 있는 최신 서버 업데이트는 문제가 없습니다.

다음으로 ({V_{ 마지막 서버 측 A 사용하여 을 계산합니다.이것은 마지막 서버 갱신 후 경과된 t {\하여 클라이언트 측 시작 P {\에서 투영된 위치입니다.두 번째로, 동일한 방정식을 기존의 서버측 파라미터와 함께 사용하여 마지막으로 알려진 서버측 P (\ { )및 속도 (\ }} { 0 )에서 투영된 위치를 계산합니다. , P{\ t´ t style \ style { _ 。

마지막으로 Posdisplaystyle Pos\displaystyle 따라 클라이언트 Pos\P_에 표시되는 새로운 위치는 마지막으로 알려진 서버 에 따라 투영된 위치로 보간한 결과입니다.이것에 의해, 클라이언트측 정보와 서버측 정보의 불일치가, 이 서버측 정보가 드물게 또는 일정하지 않게 도달하는 경우에서도, 부드럽게 해결됩니다.또한 스플라인 기반 보간에서 발생할 수 있는 진동도 없습니다.

컴퓨터 공학

컴퓨터 과학에서 데드 리코닝은 인덱스를 사용하여 배열 데이터 구조를 탐색하는 것을 말합니다.모든 어레이 요소의 크기가 같기 때문에 어레이 [17]내의 임의의 위치를 알면 하나의 어레이 요소에 직접 액세스할있습니다.

다음 어레이가 지정됩니다.

A B C D E

어레이가 시작되는 메모리주소를 알고 있기 때문에, D 의 메모리 주소를 간단하게 계산할 수 있습니다.

마찬가지로 D의 메모리 주소를 알면 B의 메모리 주소를 쉽게 계산할 수 있습니다.

이 속성은 포인터 참조를 거치지 않고 데이터에 직접 액세스할 수 있기 때문에 구조 배열과 함께 사용할 때 성능에 특히 중요합니다.

「 」를 참조해 주세요.

icon 트랜스포트 포털

레퍼런스

  1. ^ Adams, Cecil. "Is "dead reckoning" short for "deduced reckoning"?". straightdope.com. Retrieved 2 February 2018.
  2. ^ Hu, Lingxuan; Evans, David (1 January 2004). Localization for Mobile Sensor Networks. Proceedings of the 10th Annual International Conference on Mobile Computing and Networking. MobiCom '04. New York, NY, USA: ACM. pp. 45–57. CiteSeerX 10.1.1.645.3886. doi:10.1145/1023720.1023726. ISBN 978-1-58113-868-9. S2CID 705968.
  3. ^ Mirebrahim, Hamid; Dehghan, Mehdi (22 September 2009). Ruiz, Pedro M.; Garcia-Luna-Aceves, Jose Joaquin (eds.). Monte Carlo Localization of Mobile Sensor Networks Using the Position Information of Neighbor Nodes. Lecture Notes in Computer Science. Springer Berlin Heidelberg. pp. 270–283. doi:10.1007/978-3-642-04383-3_20. ISBN 978-3-642-04382-6.
  4. ^ Haroon Rashid, Ashok Kumar Turuk, '모바일 무선 센서 네트워크의 현지화 기술', IET Wireless Sensor Systems, 2015, 5, (2) 페이지 87-96, DOI: 10.1049/iet-wss. 2014.0043 IET 디지털 라이브러리, http://digital-library.theiet.org/content/journals/10.1049/iet-wss.2014.0043
  5. ^ Turuk, Haroon (2015). "IET Digital Library: Dead reckoning localisation technique for mobile wireless sensor networks". IET Wireless Sensor Systems. 5 (2): 87–96. arXiv:1504.06797. doi:10.1049/iet-wss.2014.0043. S2CID 14909590.
  6. ^ 갈리스텔.학습의 조직.1990.
  7. ^ 데드 어카운팅(경로 통합)에는 해마 형성이 필요하다: 빛(알로메틱)과 어두운(이데오틱) 테스트에서의 자발적 탐색과 공간 학습 과제로부터의 증거, IQ Whishaw, DJ Hines, DG Wallace, Behavioral Brain Research 127 (2001)49–69
  8. ^ "Archived copy" (PDF). Archived from the original (PDF) on 13 March 2006. Retrieved 17 February 2010.{{cite web}}: CS1 maint: 제목으로 아카이브된 복사(링크)
  9. ^ "Transport Canada TP13014E Sample Private Pilot Examination". Transport Canada. Retrieved 8 October 2013.
  10. ^ "ICAO Annex 1 Paragraph 2.3.4.2.1 h" (PDF). ICAO. Archived from the original (PDF) on 14 January 2017. Retrieved 18 October 2016.
  11. ^ Howie M. Choset; Seth Hutchinson; Kevin M. Lynch; George Kantor; Wolfram Burgard; Lydia E. Kavraki; Sebastian Thrun (2005). Principles of Robot Motion: Theory, Algorithms, and Implementation. MIT Press. pp. 285–. ISBN 978-0-262-03327-5.
  12. ^ Pedestrian Dead Reckoning (PDR) Simplified. GT Silicon. Archived from the original on 11 December 2021. Retrieved 22 January 2018.
  13. ^ Yu, N.; Zhan, X.; Zhao, S.; Wu, Y.; Feng, R. (February 2018). "A Precise Dead Reckoning Algorithm Based on Bluetooth and Multiple Sensors". IEEE Internet of Things Journal. 5 (1): 336–351. doi:10.1109/JIOT.2017.2784386. ISSN 2327-4662. S2CID 46857039.
  14. ^ a b 머피, 커티스네트워크 게임에 대한 믿을 수 있는 데드 어카운팅.Game Engine Gems 2, Lengyel, Eric에 게재되었습니다.AK Peters, 2011, 페이지 308-326.
  15. ^ 밴 버스, 제임스게임인터랙티브 애플리케이션을 위한 필수 수학.제2판모건 카우프만, 1971년, 페이지 580
  16. ^ 렝기엘, 에릭3D 게임 프로그래밍과 컴퓨터 그래픽을 위한 수학.제2판찰스 리버 미디어, 2004년
  17. ^ Gil Tene and Martin Thompson. "org.ObjectLayout, A layout-optimized Java data structure package". objectlayout.org. Retrieved 19 October 2015.

외부 링크