[논문 리뷰] An iBeacon based Proximity and Indoor Localization System

Faheem Zafari, Ioannis Papapanagiotou외 2명|arXiv (Cornell University)|2017. 03. 22.

Indoor and Outdoor Localization Technologies참고 문헌 8인용 수 51

한 줄 요약

이 논문은 iBeacons를 이용한 서버 측 근접성 및 실내 위치 추정을 위해 근접성에 SRA와 SKF를 도입하고, 위치 추정을 위한 cascaded Kalman Filter-Particle Filter (KFPF)를 제시하여 표준 iBeacon 접근법 대비 현저한 정확도 향상을 달성한다.

ABSTRACT

Indoor localization and Location Based Services (LBS) can greatly benefit from the widescale proliferation of communication devices. The basic requirements of a system that can provide the aforementioned services are energy efficiency, scalability, lower costs, wide reception range, high localization accuracy and availability. Different technologies such as WiFi, UWB, RFID have been leveraged to provide LBS and Proximity Based Services (PBS), however they do not meet the aforementioned requirements. Apple's Bluetooth Low Energy (BLE) based iBeacon solution primarily intends to provide Proximity Based Services (PBS). However, it suffers from poor proximity detection accuracy due to its reliance on Received Signal Strength Indicator (RSSI) that is prone to multipath fading and drastic fluctuations in the indoor environment. Therefore, in this paper, we present our iBeacon based accurate proximity and indoor localization system. Our two algorithms Server-Side Running Average (SRA) and Server-Side Kalman Filter (SKF) improve the proximity detection accuracy of iBeacons by 29% and 32% respectively, when compared with Apple's current moving average based approach. We also present our novel cascaded Kalman Filter-Particle Filter (KFPF) algorithm for indoor localization. Our cascaded filter approach uses a Kalman Filter (KF) to reduce the RSSI fluctuation and then inputs the filtered RSSI values into a Particle Filter (PF) to improve the accuracy of indoor localization. Our experimental results, obtained through experiments in a space replicating real-world scenario, show that our cascaded filter approach outperforms the use of only PF by 28.16% and 25.59% in 2-Dimensional (2D) and 3-Dimensional (3D) environments respectively, and achieves a localization error as low as 0.70 meters in 2D environment and 0.947 meters in 3D environment.

연구 동기 및 목표

• iBeacon의 RSSI 기반 이동 평균을 넘어선 근접 탐지 정확도 향상.
• RSSI 변동에도 불구하고 iBeacon을 이용한 정확한 실내 위치 추정 가능성 확보.
• 사용자의 에너지 소비를 줄이기 위해 계산을 서버로 오프로드.
• 2D 및 3D 실내 환경에서 작동하는 알고리즘 개발 및 검증.

제안 방법

• RSSI를 거리로 매핑하고 사이트 특유의 경로손실 모델을 사용해 근접 구역을 분류하는 Server-Side Running Average (SRA) 개발.
• RSSI와 그 변화율에 대한 칼만 필터를 사용해 거리로의 변환을 매끄럽게 하는 Server-Side Kalman Filter (SKF) 개발.
• KF가 RSSI를 매끄럽게 하고 PF가 비선형 위치 추정을 수행하는 cascade Kalman Filter-Particle Filter (KFPF) 도입.
• 2D/3D 위치 추정을 위한 입력으로 경로손실 모델의 거리 추정치를 사용하고, KF 상태로 RSSI와 변화율을 사용.
• 환경별 경로손실 곡선을 실험적으로 피팅하고 근접성/위치 추정 성능을 이동평균 기반과 비교.

실험 결과

연구 질문

• RQ1 서버 측 필터링을 사용한 iBeacon의 근접 정확도가 표준 RSSI 기반 방법보다 얼마나 향상될 수 있는가?
• RQ2 베이지안 필터링(Kalman 및 Particle Filter)이 iBeacon 사용 시 실내 위치 추정 정확도를 향상시킬 수 있는가?
• RQ3 cascaded KF-PF 접근법이 PF 단독 대비 2D 및 3D 위치 추정에서 측정 가능한 이익을 제공하는가?
• RQ4 iBeacon 기반 PBS/LBS를 위해 계산을 서버로 오프로드하는 것이 에너지 및 대기 시간에 미치는 영향은 무엇인가?

주요 결과

• SRA는 Apple의 이동 평균 접근법 대비 근접 탐지 정확도를 29% 향상시킨다.
• SKF는 Apple의 이동 평균 접근법 대비 근접 탐지 정확도를 32% 향상시킨다.
• KFPF 캐스케이드는 PF 단독 대비 2D에서 28.16%, 3D에서 25.59%의 위치 추정 정확도 향상을 달성한다.
• 2D에서 0.70 미터, 3D 환경에서 0.947 미터의 위치 추정 오차를 달성한다.
• 실험은 실제 환경과 유사한 방에서 iPhone 6s Plus와 Gimbal Series 10 비콘을 사용했고, RSSI 데이터에 환경별 경로손실 모델을 피팅했다.