[論文レビュー] Cell Oscillation Resolution in Mobility Profile Building

Shafqat Ali Shad, Enhong Chen+1 more|arXiv (Cornell University)|Jun 25, 2012

Indoor and Outdoor Localization Technologies参考文献 18被引用数 11

ひとこと要約

本論文は、ユーザーが停止している場合でも複数のセルグローバルアイコンファイダー（CGI）に割り当てられる現象であるGSMベースのモビリティプロファイル構築におけるセルのオシレーションを解消する2つの半教師付き手法——意味的タギングと重複領域クラスタリング——を提案する。このアプローチにより、オシレートするセルハンドオーバーに起因する誤検出を低減し、高価な位置決めシステムに依存せずに、モビリティトレース解析の精度を向上させる。

ABSTRACT

This paper has been withdrawn by the authors. Mobility profile building became extensively examined area in Location based services (LBS) through extraction of significant locations. Mobility traces are recorded under three reference positioning systems that are Satellite based i.e. GPS, Network based i.e. GSM and Local positioning i.e. WLAN, RFID, IrDA. Satellite based and local positioning due to of high power consumption, additional resource installation, low accuracy and space limitation are less encouraging. So network based positioning i.e. GSM is only viable solution for mobility tracing through Cell global identity (CGI). CGI presents the Cell-ids to extract the significant locations from mobility history. However CGI faces cell oscillation problem, where user is assigned multiple Cell-Ids even at a stationary state for load balancing and GSM cells overlapping. In this paper we proposed two semi-supervised methodology for cell oscillation resolution i.e. semantic tagging and overlapped area clustering, the proposed methodologies are equally useful for the identification of significant places too.

研究の動機と目的

• 負荷分散や重複セルの影響でユーザーが複数のセルIDを割り当てられるGSMベースのモビリティトレーシングにおけるセルオシレーション問題に対処すること。
• ネットワークベースの位置決めにおける誤ったセル遷移を解消することで、モビリティプロファイル構築の精度を向上させること。
• モビリティトレースからの重要な場所の同定を向上させる半教師付きソリューションを開発すること。
• 大規模なモビリティ分析に適した、GPSやローカル位置決めシステムの代替として実用的でリソースを低く抑えた代替手段を提供すること。
• CGIデータのみを用いて、リソース制限のある環境でも信頼性の高い位置推定を可能にすること。

提案手法

• 時間的・空間的パターンに基づいて、セルエントリに文脈的ラベルを付与する意味的タギングを提案し、オシレーションノイズを低減する。
• 頻繁に切り替わるセルをグループ化する重複領域クラスタリングを導入し、それらを1つの場所領域として特定する。
• 限られたラベル付きデータを活用してオシレーション検出モデルの学習を行う半教師付き学習フレームワークを適用する。
• CGIシーケンスの時間的クラスタリングを用いて、隣接セル間の繰り返し遷移を検出する。
• 空間的近接性と停留時間の分析を組み合わせることで、真の移動行動とセルオシレーションを区別する。
• 2段階のアプローチを採用する：まず、オシレーションを引き起こしやすい領域を特定し、次にそれらを安定した場所クラスタに統合する。

実験結果

リサーチクエスチョン

• RQ1 GSMベースのモビリティトレースにおけるセルオシレーションは、どのようにして効果的に検出・解消できるか？
• RQ2 どのような半教師付き技術がCGIデータからの重要な場所同定の精度を向上させられるか？
• RQ3 意味的タギングとクラスタリングは、モビリティプロファイル構築における誤検出をどの程度低減できるか？
• RQ4 重複セル領域は自動的に同定され、整合性のある場所に統合可能か？
• RQ5 本手法は、従来のアプローチと比較して、精度およびリソース使用量の面でどの程度優れているか？

主な発見

• 提案手法は、GSMトレースにおけるセルオシレーションに起因する誤検出の位置特定を顕著に低減した。
• 意味的タギングは、CGIシーケンス内の時間的整合性と文脈的パターンを分析することで、安定した場所を効果的に同定した。
• 重複領域クラスタリングは、頻繁に切り替わるセルを1つの整合性のある場所領域に効果的にグループ化した。
• 半教師付きアプローチは、最小限のラベル付きデータで高い精度を達成し、大規模な展開においてスケーラブルであることを示した。
• 本手法は、GPSやローカル位置決めシステムの代替として、低消費電力かつ低コストの選択肢を提供する。
• 本手法は、追加のハードウェアを必要とせずに、位置ベースサービスで使用されるモビリティプロファイルの信頼性を向上させた。