[論文レビュー] AROMA: Automatic Generation of Radio Maps for Localization Systems

Ahmed Eleryan, Mohamed Elsabagh+1 more|arXiv (Cornell University)|Feb 9, 2010

Indoor and Outdoor Localization Technologies参考文献 19被引用数 6

ひとこと要約

AROMA は、3次元レイトラーシングに均一 diffraction 理論（UTD）を組み合わせた手法を用いて、無線波の伝搬および人体の影をモデル化することで、デバイスベースおよびデバイスフリーな WLAN 局所化システムの両方における高精度なアクティブおよびパッシブな電波マップを自動生成する新規なシステムである。信号強度予測の最大平均絶対誤差は 3.18 dBm であり、局所化誤差は最大 2.44m にとどまる。UTD の導入により、デバイスフリーな状況では 700% 以上の精度向上が達成された。

ABSTRACT

WLAN localization has become an active research field recently. Due to the wide WLAN deployment, WLAN localization provides ubiquitous coverage and adds to the value of the wireless network by providing the location of its users without using any additional hardware. However, WLAN localization systems usually require constructing a radio map, which is a major barrier of WLAN localization systems' deployment. The radio map stores information about the signal strength from different signal strength streams at selected locations in the site of interest. Typical construction of a radio map involves measurements and calibrations making it a tedious and time-consuming operation. In this paper, we present the AROMA system that automatically constructs accurate active and passive radio maps for both device-based and device-free WLAN localization systems. AROMA has three main goals: high accuracy, low computational requirements, and minimum user overhead. To achieve high accuracy, AROMA uses 3D ray tracing enhanced with the uniform theory of diffraction (UTD) to model the electric field behavior and the human shadowing effect. AROMA also automates a number of routine tasks, such as importing building models and automatic sampling of the area of interest, to reduce the user's overhead. Finally, AROMA uses a number of optimization techniques to reduce the computational requirements. We present our system architecture and describe the details of its different components that allow AROMA to achieve its goals. We evaluate AROMA in two different testbeds. Our experiments show that the predicted signal strength differs from the measurements by a maximum average absolute error of 3.18 dBm achieving a maximum localization error of 2.44m for both the device-based and device-free cases.

研究の動機と目的

• WLAN 局所化システムにおける主な導入障壁である、時間のかかる手作業による電波マップ作成を解消すること。
• デバイスベースおよびデバイスフリーな局所化システムの両方におけるアクティブおよびパッシブな電波マップの自動生成を可能にすること。
• 建物モデルのインポートや空間サンプリングなどのタスクの自動化により、ユーザーの負荷を最小限に抑えること。
• UTD を用いた電磁波伝搬および人体の影効果のモデル化により、高い局所化精度を実現すること。
• 事前処理、バウンディングカプセル、受信球などの最適化技術を活用して計算コストを低減すること。

提案手法

• 複雑な屋内環境における反射、 diffraction、減衰を含む信号伝搬を、均一 diffraction 理論（UTD）を用いた 3次元レイトラーシングでモデル化する。
• 人体の散乱効果を、人体を損失を伴う誘電体円筒体としてモデル化することで、影および信号吸収を再現する。
• 3次元建物モデルのインポートと、関心領域の自動空間サンプリングにより、電波マップ生成パイプラインを自動化する。
• 幾何データの事前処理、レイトラーシングの範囲を制限するバウンディングカプセル、計算負荷を低減する受信球などの最適化技術を採用する。
• 現場に特化したデータから導出された最適な減衰指数を用いることで、信号強度予測の精度を向上させる。
• アクティブおよびパッシブな電波マップ両方の構築をサポートする：アクティブマップは各位置における AP からデバイスへの信号強度を格納するが、パッシブマップはデバイスを携帯しない (AP, MP) 組み合わせの信号強度を格納する。

実験結果

リサーチクエスチョン

• RQ1 自動電波マップ生成は、WLAN 局所化システムにおけるユーザーの作業負荷と導入時間を顕著に低減できるか？
• RQ2 人体の影効果をモデル化することで、デバイスベースおよびデバイスフリーな両状況における局所化精度はどの程度向上するか？
• RQ3 3次元レイトラーシングと UTD を統合することで、信号強度予測と局所化誤差の低減にどの程度効果的か？
• RQ4 人体の影響を無視した場合、デバイスフリーな局所化精度にどのような影響が生じるか？自動化されたシステムはこれを是正できるか？
• RQ5 統合されたシステムは、最小限のユーザー入力で、デバイスベースおよびデバイスフリー両方の局所化に適した高精度な電波マップを生成できるか？

主な発見

• AROMA は、両テストベッドにおいて、予測値と測定値の信号強度の最大平均絶対誤差が 3.18 dBm にとどまる。
• デバイスベースの状況では平均局所化誤差が 1.61m、より困難なデバイスフリーの状況では 2.44m にとどまる。
• デバイスフリー状況で UTD モデルを除外すると、性能劣化が 700% を超えることが判明し、UTD が精度に果たす重要性が明確になった。
• 人体の影効果のモデル化統合により、視線内および視線外の両状況において、予測精度が顕著に向上した。
• 建物モデルのインポート、空間サンプリング、素材およびアンテナパターン用のデフォルトデータベースの自動化により、AROMA はユーザーの作業負荷を低減した。
• 最適化技術により計算要求を効果的に低減しつつ、高い精度を維持でき、実用的な導入が可能になった。