[論文レビュー] Dejavu: An Accurate Energy-Efficient Outdoor Localization System

H. H. Aly, Moustafa Youssef|arXiv (Cornell University)|Oct 9, 2013

Indoor and Outdoor Localization Technologies参考文献 24被引用数 4

ひとこと要約

Dejavuは、インertialセンサー（加速度計、コンパス、ジャイロスコープ）を用いたデッドレコニングと、物理的ランドマーク（トンネル、ブリッジ、くぼみなど）および仮想ランドマーク（例：特徴的な電波信号パターン）の独自のセンサーシグネチャを活用することで、誤差の蓄積をリセットする、エネルギー効率の高い屋外自動車ナビゲーションシステムを提示する。都市部では8.4 mの中央誤差、高速道路では16.6 mの中央誤差を達成し、GPSを上回る精度を実現するとともに、バッテリー駆動時間を347%延長する。

ABSTRACT

We present Dejavu, a system that uses standard cell-phone sensors to provide accurate and energy-efficient outdoor localization suitable for car navigation. Our analysis shows that different road landmarks have a unique signature on cell-phone sensors; For example, going inside tunnels, moving over bumps, going up a bridge, and even potholes all affect the inertial sensors on the phone in a unique pattern. Dejavu employs a dead-reckoning localization approach and leverages these road landmarks, among other automatically discovered abundant virtual landmarks, to reset the accumulated error and achieve accurate localization. To maintain a low energy profile, Dejavu uses only energy-efficient sensors or sensors that are already running for other purposes. We present the design of Dejavu and how it leverages crowd-sourcing to automatically learn virtual landmarks and their locations. Our evaluation results from implementation on different android devices in both city and highway driving show that Dejavu can localize cell phones to within 8.4m median error in city roads and 16.6m on highways. Moreover, compared to GPS and other state-of-the-art systems, Dejavu can extend the battery lifetime by 347%, achieving even better localization results than GPS in the more challenging in-city driving conditions.

研究の動機と目的

• 都市部やトンネル環境など衛星信号が弱い状況でGPSの高消費電力が問題となるのを是正すること。
• インertialセンサーを用いたデッドレコニングにおける誤差蓄積を、環境に特徴的なランドマークを特定・活用することで低減すること。
• エネルギー効率を維持するために、低消費電力または既に稼働中のセンサーのみを用いるシステムの開発。
• クラウドソーシングを活用して、物理的および仮想的ランドマークのデータベースを自動的に発見・拡充すること。
• 衛星信号が頻繁に遮断される都市環境において、GPSを上回る位置特定精度を実現するとともに、バッテリー効率を著しく向上させること。

提案手法

• Dejavuは、加速度計、コンパス、ジャイロスコープのデータを用いて、変位と進行方向に基づき連続的な位置を推定するデッドレコニング手法を採用する。
• 有限状態マシンモデルを用いて、トンネル、ブリッジ、カーブ、段差などの物理的アンカーを、独自のセンサーシグネチャを検出することで特定する。
• クラウドソーシングデバイスから収集されたセンサートレース（例：特徴的な電波信号強度パターン）を用いた非教師あり学習により、仮想アンカーを発見する。
• システムは統一されたアンカーDBを用い、既知のランドマークが検出された時点でデッドレコニング誤差をリセットすることで、位置特定精度を向上させる。
• GSMやオポチュニスティックWiFiなど、他の目的で既に稼働中のセンサーや低消費電力インertialセンサーに依存することで、エネルギー効率を維持する。
• クラウドソーシングフレームワークにより、ユーザーの干渉なしに、時間の経過とともにアンカーDBが自動的かつ透明に拡充される。

実験結果

リサーチクエスチョン

• RQ1 標準スマートフォンセンサーのみを用いて10m未満の屋外位置特定精度を達成できるか、GPSへの依存を回避できるか。
• RQ2 環境的特徴（例：くぼみ、ブリッジ、トンネル）に由来する独自のセンサーシグネチャを信頼性高く検出し、デッドレコニング誤差のリセットに活用できるか。
• RQ3 電波信号の変動など、特徴的なセンサーパattersで定義される仮想ランドマークを自動的に発見し、位置特定精度の向上に活用できるか。
• RQ4 GPSと比較して、システムがどれほどエネルギー消費を低減できるか。その際、位置特定精度を維持または向上させられるか。
• RQ5 衛星信号が頻繁に遮断される都市環境において、GPSを上回る性能を発揮できるか。

主な発見

• Dejavuは都市部の走行環境において8.4 mの中央誤差を達成し、同等条件下でGPS比42.9%の誤差低減を実現した。
• 高速道路では16.6 mの中央誤差を達成し、開放的環境でも高いロバストネスを示した。
• 連続的なGPS使用と比較して、バッテリー駆動時間を347%延長し、著しくエネルギー効率を向上させた。
• 衛星信号の劣化や多径現象が通常GPS性能を低下させる都市走行において、DejavuはGPSを上回る精度を実現した。
• システムは物理的アンカー（例：トンネル、ブリッジ）と仮想アンカー（例：特徴的な電波信号パターン）の両方を効果的に検出し、誤差リセットに活用した。
• クラウドソーシングと非教師あり学習のアプローチにより、時間の経過とともにアンカーDBが自動的かつ透明に拡充された。