[論文レビュー] Autonomous WiFi Fingerprinting for Indoor Localization

Shilong Dai, Liang He+1 more|arXiv (Cornell University)|Nov 26, 2019

Indoor and Outdoor Localization Technologies参考文献 25被引用数 4

ひとこと要約

AuF は、ロボット滞在を不要とする自律的 Wi-Fi フィンガープrintインガシステムであり、2.4/5GHz 信号相関と空間モデリングを用いて、失われたおよび異常な信号を回復することで、屋内フィンガープrintデータベースを構築する。これは、調査時間とエネルギー消費をそれぞれ 61–71% および 64–64% 減少させる一方で、ベースラインの局所化精度を維持する。

ABSTRACT

WiFi-based indoor localization has received extensive attentions from both academia and industry. However, the overhead of constructing and maintaining the WiFi fingerprint map remains a bottleneck for the wide-deployment of WiFi-based indoor localization systems. Recently, robots are adopted as the professional surveyor to fingerprint the environment autonomously. But the time and energy cost still limit the coverage of the robot surveyor, thus reduce its scalability. To fill this need, we design an AutonomousWiFi Fingerprinting system, called AuF, which autonomously constructs the fingerprint database with time and energy efficiency. AuF first conduct an automatic initialization process in the target indoor environment, then constructs the WiFi fingerprint database of in two steps: (i) surveying the site without sojourn, (ii) recovering unreliable signals in the database with two methods. We have implemented and evaluated AuF using a Pioneer 3-DX robot, on two sites of our $70$$ imes$$90$m$^2$ Department building with different structures and deployments of access points (APs). The results show AuF finishes the fingerprint database construction in 43/51 minutes, and consumes 60/82 Wh on the two floors respectively, which is a 64%/71% and 61%/64% reduction when compared to traditional site survey methods, without degrading the localization accuracy.

研究の動機と目的

• 人間またはロボットによるサーベイヤーを用いた従来の Wi-Fi フィンガープrintマップ作成における高い時間的・エネルギー的コストを低減すること。
• 頻繁な加速・減速に起因する滞在によるロボットサーベイの限界を克服し、時間と電力消費を増加させること。
• 大規模な屋内環境における完全に自律的かつスケーラブルな Wi-Fi フィンガープrintインガの展開を可能にすること。
• 滞在なしの移動中における信号収集の削減に対しても、高い局所化精度を維持すること。
• 滞在なしのサーベイ体制における信頼性の低い測定値を補うための信号回復技術の開発

提案手法

• ロボットナビゲーションのための効率的なパスプランニングを可能にするために、自動的なフロア認識とマップセグメンテーションを実施する。
• リファレンスポイントでの停止を伴わない（移動中サーベイ）サイトサーベイを実施することで、時間とエネルギー消費を最小限に抑える。
• 2.4GHz と 5GHz の両帯間の強い経験的相関を活用し、デュアルバンド Wi-Fi アクセスポイントを介して、失われた 2.4/5GHz 信号を回復する。
• 空間的整合性に基づいて外れ値を特定する空間信号強度モデルを用いて、異常な Wi-Fi サンプルを検出する。
• 事前に構築されたデータベースのデータを事前知識として用い、ガウス過程回帰を用いて異常信号を回復する。
• 計算負荷を制限するために、領域ごとの信号回復を適用し、調査領域のスケーリングに線形に比例するようにする。

実験結果

リサーチクエスチョン

• RQ1 ロボットベースの Wi-Fi フィンガープrintインガシステムは、サイトサーベイ中に滞在を排除することで、顕著な時間的・エネルギー的節約を達成できるか？
• RQ2 高速サーベイ中に失われた信号測定値を回復するために、2.4GHz と 5GHz 信号の相関をどの程度活用できるか？
• RQ3 空間モデリングとデータベース相関は、滞在なしの環境で効果的に異常な Wi-Fi 信号サンプルを検出し、回復できるか？
• RQ4 提案された信号回復メカニズムは、従来のフィンガープリントインガ手法と比較して、局所化精度を維持できるか？
• RQ5 計算コストが著しく増大することなく、大規模な屋内環境への効率的スケーリングが可能か？

主な発見

• AuF は、従来の滞在ありの方法と比較して、3階では調査時間を 64% 削減、6階では 71% 削減した。
• エネルギー消費は、3階で 61% 減少、6階で 64% 減少し、それぞれ 60Wh と 82Wh の消費量であった。
• AuF のフィンガープリントデータベースを用いた局所化精度には劣化が認められなかった：ベイズ推論を用いた平均誤差は 2.4m（ベースライン 2.2m）で、最大誤差は 4.9m（ベースライン 7.5m）であった。
• 80パーセンタイル誤差は、AuF のデータを用いることで 2.1m から 1.9m に改善され、全体的な性能分布が向上したことが示された。
• 信号回復の計算時間は、3階で 14 秒、6階で 23 秒であり、調査時間に比べて無視できるほど短く、スケーラビリティが裏付けられた。
• 自動的なフロア認識、パスプランニング、信号回復により、人為的介入なしに完全な自律性を達成した。