[論文レビュー] CellSense: A Probabilistic RSSI-based GSM Positioning System

Mohamed Ibrahim, Moustafa Youssef|arXiv (Cornell University)|Apr 19, 2010

Indoor and Outdoor Localization Technologies参考文献 6被引用数 8

ひとこと要約

CellSense は、統計的フィンガープrintングを用いて信号強度の変動をモデル化することで、都市部および農村部の両環境において、GSM フィンガープrintングの精度を向上させる確率的 RSSI ベースのシステムである。Android デバイス上で評価された結果、既存の RSSI ベースの GSM システムと比較して、都市部では少なくとも 86.4%、農村部では 23.8% の精度向上が達成され、計算コストは最小限に抑えられた。

ABSTRACT

Context-aware applications have been gaining huge interest in the last few years. With cell phones becoming ubiquitous computing devices, cell phone localization has become an important research problem. In this paper, we present CellSense, a prob- abilistic RSSI-based fingerprinting location determina- tion system for GSM phones.We discuss the challenges of implementing a probabilistic fingerprinting local- ization technique in GSM networks and present the details of the CellSense system and how it addresses the challenges. To evaluate our proposed system, we implemented CellSense on Android-based phones. Re- sults for two different testbeds, representing urban and rural environments, show that CellSense provides at least 23.8% enhancement in accuracy in rural areas and at least 86.4% in urban areas compared to other RSSI-based GSMlocalization systems. This comes with a minimal increase in computational requirements. We also evaluate the effect of changing the different system parameters on the accuracy-complexity tradeoff.

研究の動機と目的

• RSSI ベースのフィンガープrintングを用いた GSM ネットワークにおける高精度な位置特定の課題に取り組む。
• 環境の変化や信号の揺らぎに対して感受性が高く、限界がある決定論的 RSSI ベースのシステムの課題を克服する。
• 都市部および農村部を含む多様な環境においても高い精度を維持できるシステムを設計する。
• Android フォンなどのモバイルデバイスへの展開を可能にするために、計算コストを最小限に抑える。
• 実世界の条件下における、システムパラメータが精度と複雑さのトレードオフに与える影響を評価する。

提案手法

• 都市部および農村部のテストベッドにおいて、既知のリファレンスポイントから複数の GSM ベースステーションの RSSI フィンガープrintを収集する。
• ガウス・ミクスチャ・モデルに基づく確率的フレームワークを用いて、受信信号強度インジケータ（RSSI）の変動をモデル化する。
• ベイズ推論を用いて、観測された RSSI 値の集合から最も可能性の高いユーザーの位置を推定する。
• Android ベースのスマarthphoneにシステムを実装し、リソース使用量を最小限に抑えながらリアルタイムでの位置特定を可能にする。
• 実世界の GSM デプロイメントで一般的なフェージングやマルチパス効果を考慮したフィンガープrintング技術を適用する。
• フィンガープrintの密度やスムージング要因などのパラメータを調整することで、精度と複雑さのバランスを最適化する。

実験結果

リサーチクエスチョン

• RQ1 動的で多様な環境下において、確率的モデリングは RSSI ベースの GSM 位置特定の精度をどのように向上させるか？
• RQ2 都市部および農村部の両環境において、確率的 RSSI フィンガープrintングシステムは決定論的アプローチに比べてどの程度の性能向上を達成するか？
• RQ3 モバイルデバイスにおける計算およびストレージのオーバーヘッドを最小限に抑えると同時に、高い精度をどのように維持できるか？
• RQ4 フィンガープrintのサンプリング密度やモデルの複雑さといった、システムパラメータの変動が精度と複雑さのトレードオフに与える影響は何か？
• RQ5 再トレーニングなしで、異なる GSM ネットワーク状態や地理的文脈に一般化できるか？

主な発見

• CellSense は、既存の RSSI ベースの GSM 位置特定システムと比較して、都市部では少なくとも 86.4% の精度向上を達成する。
• 農村部では、先行する RSSI ベースの手法と比較して、最小でも 23.8% の精度向上が達成される。
• 計算リソースの増加は最小限に抑えられており、モバイルデバイスへの展開に適している。
• 確率的フィンガープrintモデルは、フェージングやマルチパス伝搬による信号変動を効果的に処理する。
• パラメータチューニングにより、精度と複雑さの明確なトレードオフが明らかとなり、中程度のフィンガープrint密度で最適な性能が得られた。
• 本システムは、都市部および農村部の両方のテストベッドにおいて、多様な GSM ネットワーク状態においても強固な性能を示した。