스마트 컨테이너 환경에서 BLE 신호 변화에 대한 연구

Ⅰ. 서 론

스마트 컨테이너의 기술 중 하나인 내부상태모니터링 기술은 백신, 식품, 생명 장기 등의 물품과 같이 화물 운송 시 특정한 환경을 요구하는 화물을 위해 내부상태를 확인할 수 있는 기술이다[1][2]. 이때, 컨테이너 내부의 온도, 습도, 가속도, 충격 등에 관한 요솟값들을 내부상태 정보로 취급하며, 컨테이너 내부에서 사용될 수 있는 무선통신을 통하여 내부상태 정보를 취합한다. 본 논문에서는 컨테이너 내부에서 사용하는 무선통신 기술을 BLE(Bluetooth Low Energy)라고 가정한다.

안정적인 무선통신을 위해서는, 통신 환경에 따라 채널 모델링을 수행하여 해당 모델을 효율적으로 활용하면 안정적인 통신 시스템을 설계하고 최적화할 수 있다. 그러나 기존의 연구들은 Log-Normal Shadowing 모델을 이용하여 일상적인 실내 및 실외 환경에서의 BLE 신호 변화에 관해서는 분석이 진행되었지만, 다양한 화물이 적재되는 철제 벽면의 컨테이너 내부 환경에서는 BLE 신호 변화 분석에 관한 연구는 전무하다. 따라서 본 논문에서는 사방이 철제 벽으로 가로막힌 컨테이너 내부 환경에서 BLE Sensor node와 수신기 간 RSSI(Received Signal Strength Indication) 값을 화물의 매질과 적재량에 따라 측정하였다. 측정된 RSSI 값을 바탕으로 신호의 변화를 분석하고 컨테이너 내부 환경에 맞는 모델을 제시하였다.

1.1 스마트 컨테이너

스마트 컨테이너는 빅데이터, 인공지능, IoT(Internet of Things) 등과 같은 4차 산업혁명 기술들을 접목한 컨테이너이다. 또한, 스마트 컨테이너는 언제 어디서나 컨테이너의 온도, 습도, 충격, 문 개폐 등과 같은 화물상태와 관련된 정보들을 관리하고 제어할 수 있는 기술이 내재 된 컨테이너이다.

그림 1은 스마트 컨테이너의 내부상태모니터링을 위해 장착된 IoT 장비들이다. 그림 1에서 장착된 장비들은 Smart unit, Smart seal, Sensor node로 구성된다. Smart unit은 컨테이너 문 내부에 부착되어 내부, 외부 통신 및 센싱 기능을 관제하고 내부 Sensor node들과 무선으로 통신하여 화물상태와 관련된 정보들을 수집한다. Smart seal은 컨테이너 문의 내부 및 외부에 설치되어 컨테이너 문 개폐를 감지한다. 이후 문 닫힘을 감지하면 자동으로 문을 잠가 컨테이너 화물을 보호한다. 이때, 개폐 감지 정보와 자동 잠금 정보는 Smart unit에 유선으로 전달하여 화물상태와 관련된 정보에 포함되도록 한다. Sensor node는 컨테이너 내부에 장착된 모듈로 온도, 습도, 가속도, 충격 등과 같은 요솟값을 측정하는 장치이다.

Fig. 1.

IoT devices attached to the inside of a smart container

또한, Smart unit이 정보를 요청할 시 BLE 무선통신을 통하여 측정된 값들을 전달하는 장치이다. 표 1은 스마트 컨테이너의 각 장치에 대한 요구 기능과 장착된 위치를 나타낸다.

Table 1.

Requirements and installation location of devices in smart containers

Ⅱ. 본 론

2.5 화물의 매질

그림 2와 3은 컨테이너 내부 화물이 적재되었을 경우를 나타낸 것이다. 그림 2의 경우 일반적으로 화물은 종이상자로 포장되어 컨테이너에 적재되는 경우를 고려하였고 규격이 일정한 종이상자로 실험 환경을 구성하였다. 그림 3은 컨테이너 내부 화물의 매질이 철제 제품인 것을 고려하여 실험 환경을 구성하였다. 이때, 적재물의 겉면을 알루미늄 은박지로 감싸 화물이 철제 제품인 것으로 대체하였다.

Fig. 2.

Medium of cargo : paper

Fig. 3.

Medium of cargo : metal

2.6 적재량에 따른 실험

컨테이너에 적재되는 화물의 적재 방법은 화물의 종류, 무게 균등화, 적재량 효율 등에 의하여 우선순위를 지정한 여러 가지 방법이 있다[13][14].

본 논문에서 사용되는 화물들은 그림 2, 3에서 나타낸 것과 같이 적재되는 화물의 모양과 크기가 균일하고 무게 또한 같다. 따라서 우선순위에 상관없이 컨테이너 내부에서부터 순차적으로 화물을 적재한다. 그림 4와 5는 컨테이너 내부 화물 적재량의 변화를 보여준다. 그림 4(a)의 경우 컨테이너 내부 화물을 적재하지 않은 상태로 0%로 표현하며, 그림 4(b)의 경우 컨테이너 내부 용량의 10%를 적재한 것으로 컨테이너 내부 길이의 1.2m인 지점까지 화물을 적재한 상태이다. 그림 4(c)의 경우 컨테이너 내부 용량의 25%를 적재한 것으로 컨테이너 내부 길이가 3m인 지점까지 화물을 적재한 모습을 확인할 수 있다. 마찬가지로 그림 5(a), 5(b), (c)의 경우 컨테이너 내부 용량의 50%, 75%, 100%를 적재한 것으로 컨테이너 내부 길이가 각각 6m, 9m, 12m인 지점까지 화물을 적재한 모습을 보여준다.

Fig. 4.

Lightly Loaded Case (a) : 0%, (b) : 10%, (c) : 25%

Fig. 5.

Heavily Loaded Case (a) : 50%, (b) : 75%, (c) : 100%

본 논문에서는 0 ~ 49%까지 화물을 적재한 경우를 Lightly Loaded Case라고 하고 50 ~ 100%까지 화물을 적재한 경우를 Heavily Loaded Case라고 명칭하였다. 실험은 화물의 매질 및 화물의 적재량에 따라 RSSI 값을 측정하였고 측정된 RSSI 값을 바탕으로 분포를 나타내었다.

2.7 실험 결과

그림 6과 7은 화물의 매질이 종이 또는 철제 일 때, 화물의 적재량 변화에 따라 RSSI 값의 분포를 히스토그램으로 나타낸 것이다. 두 환경 모두 평균이 0인 가우시안 랜덤 분포를 따르지 않는 것을 확인할 수 있다. 이는 실제 상황에서 다중경로 효과로 발생 될 수 있다. 2.4GHz 대역에서 동작하는 BLE 경우 파장은 12.5cm로 제한된 공간에서 벽, 사물, 사람과 같은 주위 환경으로 인해 수 cm 차이의 오차로 전송경로 차이가 발생하며, 이는 RSSI 값에 변화를 줄 수 있다[15].

Fig. 6.

Paper as medium : Histograms of the distribution of RSSI values

Fig. 7.

Metal as medium : Histograms of the distribution of RSSI values

전송경로 오차로 인한 분포는 평균이 0이고 표준편차가 σ인 가우시안 랜덤 변수 분포를 따르지 않으며, 그림 6과 7 같이 2개의 피크점을 가지는 이중분포 또는 3개 이상의 피크점을 가지는 다중분포 모양을 가짐을 볼 수 있다. 실제로 화물의 매질이 종이인 실험 환경의 Lightly Loaded Case에서는 RSSI 값의 분포가 이중분포를 모양을 보였고 Heavily Loaded Case에서는 다중분포 모양을 보였다. 화물의 종류가 철제인 실험 환경에서는 Lightly Loaded Case와 Heavily Loaded Case 둘 다 이중분포와 다중분포 모양을 가지는 것을 확인할 수 있다.

또한, 표 2에 나타낸 것과 같이 두 환경 모두 RSSI 값의 평균은 적재량이 증가함에 따라 감소하는 모습을 보였다. 다만 두 환경 모두 화물의 적재량이 50%인 구간에서 일시적으로 RSSI 값의 평균이 약간 증가하는 모습을 보였다. 증가하는 정도는 화물의 매질에 따라 달랐으며, 화물의 매질이 종이인 경우 -60.29dBm에서 -56.47dBm으로 3.82dB 만큼 증가함을 보였으며, 화물의 매질이 철제인 경우 -67.02dBm에서 -65.81dBm으로 1.21dB만큼 증가함을 보였다.

Table 2.

Average RSSI value depending on loading

Ⅲ. 적재량에 따른 모델링

3.1 적재량에 따른 모델링

본 논문의 2장에서 언급한 것과 같이 컨테이너 내부에서는 송신기와 수신기 간 거리가 12m로 고정되어 있고 화물 적재 시 매질에 따라 RSSI 상태가 변화하는 특징이 있다. 따라서 2.7의 실험 결과를 바탕으로 컨테이너 내부에서 신호의 특성을 확인할 수 있는 새로운 모델이 필요하다.

식 (2)는 표 2의 RSSI 값의 평균과 그림 6, 7의 분포를 바탕으로 화물의 매질이 종이이거나 철제인 두 가지 환경 모두를 만족할 수 있도록 분포를 Curve fitting하여 모델링 한 것이다. 여기서 A는 화물의 매질 종류에 따라 변화하는 가중치의 변화량이고 B는 화물의 적재량에 따라 변화하는 가중치의 변화량이다. 또한, μ₁, μ₂, μ₃는 가중치별 가질 수 있는 평균값을 의미하며, $$ {\sigma }_1^2$$, $$ {\sigma }_2^2$$, $$ {\sigma }_3^2$$는 분산을 나타내는 상수이다.

표 3에서는 컨테이너 내부에서 화물의 매질과 적재량에 따라 모델링 된 모델의 파라미터 값들을 나타낸다. 또한, 표 4에서는 식 (2)와 표 3에 의해 모델링된 모델과 실제 분포를 비교하여 Root Mean Squared Error(RMSE)를 나타내었다.

$\[ P\left(x\right)=\left[\frac{2}{3}\cdot \left(1-A\right)\right]\cdot e^{-\frac{{\left(RSSI-{\mu }_1\right)}^2}{2\cdot {\sigma }_1^2}}+\left[\frac{1}{2}\cdot \left(\frac{7}{10}-A\right)+B\right]\cdot e^{-\frac{{\left(RSSI-{\mu }_2\right)}^2}{2\cdot {\sigma }_2^2}}+\left[\frac{4}{5}\cdot B\right]\cdot e^{-\frac{{\left(RSSI-{\mu }_3\right)}^2}{2\cdot {\sigma }_3^2}} \]$

(2)

Table 3.

Parameter values of the model

Table 4.

RMSE depending on loading

IV. 결 론

본 논문에서는 일상적인 실내외 환경이 아닌 철제 벽면의 컨테이너 내부 환경에서 BLE 신호 변화에 대해 연구하였다. 화물의 매질과 적재량에 따라 RSSI 값을 측정하였으며, 실제 컨테이너 내부환경에서는 잡음의 분포가 평균이 0인 가우시안 분포를 따르지 않음을 보였다. 화물의 매질이 종이 및 철제인 두 환경 모두 적재량이 증가할수록 RSSI 값의 평균은 감소함을 확인하였다. 단, 적재량이 50%인 구간에서는 두 환경 모두 RSSI 값의 평균이 증가하는 현상을 보였으나 화물의 매질에 따라 증가하는 정도가 다름을 확인하였다. 또한, 실험 결과를 바탕으로 화물의 매질과 적재량에 따라 변하는 RSSI 값의 분포를 모델링하여 스마트 컨테이너 내부에 적용될 수 있는 모델을 제시하였다. 향후 다양한 적재물 종류, 적재 방식 등 새로운 변수를 고려한 실험을 통해 이론적 전파 환경 모델을 추론하고 실측값과의 일치성을 비교할 수 있는 추가적인 연구가 필요하다.

Acknowledgments

이 논문은 2023년 해양수산부 재원으로 해양수산과학기술진흥원의 지원을 받아 수행된 연구임(20210154, 스마트컨테이너 실용화 기술개발 사업)

References

• K. Salah, A. Alfalasi, M. Alfalasi, M. Alharmoudi, M. Alzaabi, A. Alzyeodi, and R. W. Ahmad, "IoT-enabled shipping container with environmental monitoring and location tracking", 2020 IEEE 17th Annual Consumer Communications & Networking Conference(CCNC), Las Vegas, NV, USA, pp. 1-6, Jan. 2020. [https://doi.org/10.1109/CCNC46108.2020.9045495]
• F. Marino, I. Seitanidis, P. Dao, S. Bocchino, P. Castoldi, and C. Salvadori, "IoT enabling PI: towards hyperconnected and interoperable smart containers", 6th International Physical Internet Conference, London, UK, pp. 349-362, Jul. 2019.
• X. Fafoutis, E. Mellios, N. Twomey, T. Diethe, G. Hilton, and R Piechocki, "An rssi-based wall prediction model for residential floor map construction", in 2015 IEEE 2nd World Forum on Internet of Things(WF-IoT), Milan, Italy, pp. 357-362, Dec. 2015. [https://doi.org/10.1109/WF-IoT.2015.7389080]
• R. Javaid, R. Qureshi, and R. N. Enam, "RSSI based node localization using trilateration in wireless sensor network", Bahria University Journal of Information & Communication Technologies (BUJICT), Vol. 8, No. 2, pp. 58-64, Dec. 2015.
• S. Lee, N. Lee, J. Ahn, J. Kim, B. Moon, S. Jung, and D. Han, "Construction of an positioning system for home iot applications", 2017 IEEE International Conference on Communications(ICC), Paris, France, pp. 1-7, May 2017. [https://doi.org/10.1109/ICC.2017.7997159]
• Z. Jianyong, L. Haiyong, C. Zili, and L. Zhaohui, "RSSI based Bluetooth low energy indoor positioning", In 2014 International Conference on Indoor Positioning and Indoor Navigation(IPIN), Korea, Busan, pp. 526-533, Oct. 2014. [https://doi.org/10.1109/IPIN.2014.7275525]
• R. Ramirez, C. Y. Huang, C. A. Liao, P. T. Lin, H. W. Lin, and S. H. Liang, "A practice of BLE RSSI measurement for indoor positioning", Sensors, Vol. 21, No. 15, pp. 5181, Jul. 2021. [https://doi.org/10.3390/s21155181]
• S. Sadowski and P. Spachos, "Optimization of BLE beacon density for RSSI-based indoor localization", In 2019 IEEE International Conference on Communications Workshops(ICC Workshops), Shanghai, China, pp. 1-6, May 2019. [https://doi.org/10.1109/ICCW.2019.8756989]
• X. Shen, S. Yang, J. He, and Z. Huang, "Improved localization algorithm based on RSSI in low power Bluetooth network", In 2016 2nd International Conference on Cloud Computing and Internet of Things(CCIOT), Dalian, pp. 134-137, Oct. 2016. [https://doi.org/10.1109/CCIOT.2016.7868319]
• S. Mazuelas, A. Bahillo, R. M. Lorenzo, P. Fernandez, F. A. Lago, E. Garcia, J. Blas, and E. J. Abril, "Robust indoor positioning provided by real-time RSSI values in unmodified WLAN networks", IEEE Journal of Selected Topics in Signal Proc., Vol. 3, No. 5, pp. 821-831, Oct. 2009. [https://doi.org/10.1109/JSTSP.2009.2029191]
• D. G. Choi, J. K. Lee, Y. H. Kim, and S. C. Kim, "Analysis of Path Loss Model and Channel Characteristics at 2.40Hz on Navy Warship’s Internal Space", The Journal of Korea Information and Communications Society, Vol. 36, No. 11B, pp. 1422-1432, Nov. 2011. https://10.7840/KICS.2011.36B.11.1422.
• A. Nikoukar, M. Abboud, B. Samadi, M. Güneş, and B. Dezfouli, "Empirical analysis and modeling of Bluetooth low-energy(BLE) advertisement channels", In 2018 17th Annual Mediterranean Ad Hoc Networking Workshop(Med-Hoc-Net), Capri, Italy, pp. 1-6, Jun. 2018. [https://doi.org/10.23919/MedHocNet.2018.8407089]
• K. Ryu and J. Park, "Quantification of Loading Efficiency of Various Type Loads in a 20 FT Container with Post Selecting Process after Applying Conventional Loading Algorithms", Journal of Korea Multimedia Society, Vol. 21, No. 4, pp. 513-526, Apr. 2018. [https://doi.org/10.9717/kmms.2018.21.4.513]
• M. J. Bae, S. K. Choi, and H. S. Kim, "Three-Dimensional Container Packing Problem with Freight Priority", Journal of Navigation and Port Research, Vol. 28, No. 6, pp. 531-539, Aug. 2004. [https://doi.org/10.5394/KINPR.2004.28.6.531]
• W. Liu, M. Kulin, T. Kazaz, A. Shahid, I. Moerman, and E. De Poorter, "Wireless technology recognition based on RSSI distribution at sub-Nyquist sampling rate for constrained devices", Sensors, Vol. 17, No. 9, pp. 2081, Sep. 2017. [https://doi.org/10.3390/s17092081]