[논문 리뷰] DorFin: WiFi Fingerprint-based Localization Revisited

Chenshu Wu, Zheng Yang외 3명|arXiv (Cornell University)|2013. 08. 30.

Indoor and Outdoor Localization Technologies참고 문헌 23인용 수 5

한 줄 요약

DorFin은 기존의 WiFi 핑거프рин팅 기반 위치기반 시스템에서 세 가지 간과된 문제—접근점(AP) 식별 다양성, 신호 변동 및 신체 차단으로 인한 수신 신호 강도(RSS)의 일관성 부족, 그리고 일반 스마트폰에서의 오래된 RSS 측정치—를 해결함으로써 모바일 환경에서 정확도를 향상시키는 새로운 시스템을 제안한다. 분류 인자, 이상치에 강건한 회귀 기법, 그리고 관성 센서 데이터를 활용한 허수 핑거프린트를 도입함으로써 DorFin은 평균 오차 2미터, 95프cntile 오차 5.5미터를 달성하였으며, Horus와 RADAR와 같은 최신 기술 대비 각각 56%와 69% 낮은 오차를 기록하였다. 하드웨어 변경 없이도 비용을 추가로 들지 않고도 성능 향상을 달성하였다.

ABSTRACT

Although WiFi fingerprint-based indoor localization is attractive, its accuracy remains a primary challenge especially in mobile environments. Existing approaches either appeal to physical layer information or rely on extra wireless signals for high accuracy. In this paper, we revisit the RSS fingerprint-based localization scheme and reveal crucial observations that act as the root causes of localization errors, yet are surprisingly overlooked or even unseen in previous works. Specifically, we recognize APs' diverse discrimination for fingerprinting a specific location, observe the RSS inconsistency caused by signal fluctuations and human body blockages, and uncover the RSS outdated problem on commodity smartphones. Inspired by these insights, we devise a discrimination factor to quantify different APs' discrimination, incorporate robust regression to tolerate outlier measurements, and reassemble different fingerprints to cope with outdated RSSs. Combining these techniques in a unified solution, we propose DorFin, a novel scheme of fingerprint generation, representation, and matching, which yields remarkable accuracy without incurring extra cost. Extensive experiments demonstrate that DorFin achieves mean error of 2 meters and more importantly, bounds the 95th percentile error under 5.5 meters; these are about 56% and 69% lower, respectively, compared with the state-of-the-art schemes such as Horus and RADAR.

연구 동기 및 목표

• 특히 모바일 환경에서 지속적으로 낮은 정확도를 보이는 WiFi 핑거프린팅 기반 실내 위치기반 기술의 과제를 해결한다.
• 세 가지 간과된 정확도 오차의 근본 원인인 AP 식별 다양성, 신호 변동 및 신체 차단으로 인한 RSS 불일치, 일반 스마트폰에서의 오래된 RSS 측정치를 규명하고 해결한다.
• 기존 WiFi 위치기반 시스템과의 호환성을 유지하면서도 하드웨어 변경 없이도 비용을 추가로 들지 않는 저비용 솔루션을 개발한다.
• 물리 계층 정보나 추가적인 거리 측정 신호를 사용하는 시스템 수준의 정확도를 달성할 수 있도록, 기존의 표준 RSS 측정치만을 활용한다.

제안 방법

• 특정 위치를 식별하는 데에 있어 AP의 능력을 정량화하고 가중치를 매기는 데 사용할 수 있는 분류 인자를 도입함으로써 핑거프린트의 유일성을 향상시킨다.
• 신호 감쇠나 신체 차단으로 인한 이상치 RSS 측정치의 영향을 줄이기 위해 강건한 회귀 기법을 적용한다.
• 스마트폰의 관성 센서 데이터를 활용해 공간적으로 제약을 받는 여러 이력 RSS 측정치를 조합하여 허수 핑거프린트를 구성한다.
• 공통된 AP 비율을 통합하여 잘못된 매칭을 줄이기 위해 통합된 핑거프린트 유사도 측정 기준을 설계한다.
• 스마트폰의 관성 센서를 활용해 사용자 이동성을 감지하고, 오래된 RSS 샘플의 공간적 맥락을 추정함으로써 오래된 측정치를 정확하게 재구성할 수 있도록 한다.
• 모든 구성 요소를 하나의 통합 프레임워크로 통합하여 핑거프린트 생성, 표현, 매칭을 수행함으로써 기존 시스템과의 호환성을 유지한다.

실험 결과

연구 질문

• RQ1 기존의 WiFi 핑거프린팅 기반 위치기반 시스템이 특히 모바일 환경에서 높은 위치 오차를 겪는 이유는 무엇인가?
• RQ2 AP의 다양한 식별 능력이 핑거프린트의 유일성과 정확도에 미치는 영향은 어떠한가?
• RQ3 RSS 변동성과 인간 신체 차단으로 인해 발생하는 이상치가 핑거프린트 매칭 성능을 얼마나 심각하게 떨어뜨리는가?
• RQ4 하드웨어 및 소프트웨어 제약으로 인해 발생하는 오래된 RSS 측정치가 핑거프린트 불일치와 위치 오차에 기여하는 정도는 어느 정도인가?
• RQ5 물리 계층 정보나 추가적인 무선 신호 없이도 통합된 저비용 솔루션으로 정확도를 향상시킬 수 있는가?

주요 결과

• DorFin은 평균 위치 오차를 2미터로 줄여 Horus와 RADAR와 같은 최신 기술 대비 56% 향상시켰다.
• 95프cntile 오차는 5.5미터로 제한되어 있으며, 이는 기존 기술 대비 69% 감소한 것으로, 실제 모바일 환경에서의 신뢰성을 크게 향상시켰다.
• 실제 데이터에서 약 11% 이상의 RSS 측정치가 오래되었으며, 2~6미터의 큰 오래된 거리가 핑거프린트에 흔히 존재하는 것으로 확인되었다.
• 허수 핑거프린트의 사용은 오래된 RSS로 인한 오차를 크게 완화시키며, 시간적 불일치가 위치기반 정확도에 미치는 영향을 입증하였다.
• 강건한 회귀 기법은 신호 감쇠나 신체 차단으로 인한 RSS 이상치의 영향을 효과적으로 줄여 매칭의 안정성을 향상시켰다.
• 분류 인자는 공간적 분리 능력이 뛰어난 AP를 우선순위로 배정함으로써 핑거프린트의 유일성을 향상시켜 위치 추정의 모호성을 감소시켰다.