[論文レビュー] An iBeacon based Proximity and Indoor Localization System

Faheem Zafari, Ioannis Papapanagiotou+2 more|arXiv (Cornell University)|Mar 22, 2017

Indoor and Outdoor Localization Technologies参考文献 8被引用数 51

ひとこと要約

本論文は、iBeacons を用いたサーバーサイドの近接検知と屋内位置推定を、近接のために SRA と SKF を導入し、屋内位置推定には cascaded Kalman Filter-Particle Filter (KFPF) を提案することで、標準的な iBeacon アプローチよりも顕著な精度向上を達成する。

ABSTRACT

Indoor localization and Location Based Services (LBS) can greatly benefit from the widescale proliferation of communication devices. The basic requirements of a system that can provide the aforementioned services are energy efficiency, scalability, lower costs, wide reception range, high localization accuracy and availability. Different technologies such as WiFi, UWB, RFID have been leveraged to provide LBS and Proximity Based Services (PBS), however they do not meet the aforementioned requirements. Apple's Bluetooth Low Energy (BLE) based iBeacon solution primarily intends to provide Proximity Based Services (PBS). However, it suffers from poor proximity detection accuracy due to its reliance on Received Signal Strength Indicator (RSSI) that is prone to multipath fading and drastic fluctuations in the indoor environment. Therefore, in this paper, we present our iBeacon based accurate proximity and indoor localization system. Our two algorithms Server-Side Running Average (SRA) and Server-Side Kalman Filter (SKF) improve the proximity detection accuracy of iBeacons by 29% and 32% respectively, when compared with Apple's current moving average based approach. We also present our novel cascaded Kalman Filter-Particle Filter (KFPF) algorithm for indoor localization. Our cascaded filter approach uses a Kalman Filter (KF) to reduce the RSSI fluctuation and then inputs the filtered RSSI values into a Particle Filter (PF) to improve the accuracy of indoor localization. Our experimental results, obtained through experiments in a space replicating real-world scenario, show that our cascaded filter approach outperforms the use of only PF by 28.16% and 25.59% in 2-Dimensional (2D) and 3-Dimensional (3D) environments respectively, and achieves a localization error as low as 0.70 meters in 2D environment and 0.947 meters in 3D environment.

研究の動機と目的

• iBeacons の近接検知精度を RSSI ベースの移動平均より向上させる。
• RSSI の変動にもかかわらず iBeacons を用いた正確な屋内定位を実現する。
• ユーザー端末のエネルギー消費を抑えるために計算をサーバーへオフロードする。
• 2D および 3D の屋内環境で機能するアルゴリズムを開発・検証する。

提案手法

• Server-Side Running Average (SRA) を開発し RSSI をサイト特有のパスロスモデルを用いて距離へマッピングし、近接ゾーンを分類する。
• Server-Side Kalman Filter (SKF) を開発し距離変換前に RSSI とその変化率をカリマンフィルタで平滑化する。
• Cascade Kalman Filter-Particle Filter (KFPF) を導入し、KF が RSSI を平滑化し PF がベイズフィルタリングを用いて非線形なローカライゼーションを実行する。
• RSSI と変化率を KF 状態として、パスロスモデルからの距離推定を Particle Filter の入力として 2D/3D のローカライゼーションを行う。
• 環境固有のパスロス曲線を実験的に適合させ、近接/ローカライゼーションの性能を移動平均ベースラインと比較する。

実験結果

リサーチクエスチョン

• RQ1 サーバーサイドのフィルタリングを用いることで、標準の RSSI ベース手法に比べて iBeacons の近接精度はどれだけ改善できるか。
• RQ2 ベイズフィルタリング（カルマンフィルタとパーティクルフィルタ）を用いると iBeacons を使用した屋内定位の精度は改善されるか。
• RQ3 cascaded KF-PF アプローチは PF のみを用いた場合と比べて 2D および 3D のローカライゼーションで実測上の利得を生み出すか。
• RQ4 iBeacon ベースの PBS/LBS に対する計算をサーバーへオフロードする際のエネルギー消費とレイテンシへの影響はどうなるか。

主な発見

• SRA は Apple の移動平均アプローチより 29% の近接検知精度を向上させる。
• SKF は Apple の移動平均アプローチより 32% の近接検知精度を向上させる。
• KFPF カスケードは 2D で 28.16%、3D で 25.59% のローカライゼーション精度向上を PF のみの場合と比較して示す。
• 2D 環境で 0.70 メートル、3D 環境で 0.947 メートル のローカライゼーション誤差を達成。
• 実験は実世界に近い部屋と Gimbal Series 10 beacons を搭載した iPhone 6s Plus を用い、環境固有のパスロスモデルを RSSI データへ適合させて実験。