[논문 리뷰] Exploring a New Model for Mobile Positioning Based on CDR Data of The Cellular Networks

Amnir Hadachi, Artjom Lind|arXiv (Cornell University)|2019. 02. 08.

Human Mobility and Location-Based Analysis참고 문헌 33인용 수 7

한 줄 요약

이 논문은 CDR 데이터와 이동국 셀룰러 커버리지 영역만을 사용하여 사용자 위치를 보다 정확하게 추정하는 새로운 모바일 위치 기반 모델을 제안한다. 이는 이동 유형(이동/정지)을 분류하기 위해 스위칭 칼만 필터를 적용하고, 동시에 위치를 추정하며, 도로 또는 건물에 맞추기 위해 지ap-matching을 적용함으로써, 최적화된 경우 이동 위치에 대해 최대 58%의 오차 감소와 정지 위치에 대해 14%의 오차 감소를 달성한다.

ABSTRACT

The emerging technologies related to mobile data especially CDR data has great potential for mobility and transportation applications. However, it presents some challenges due to its spatio-temporal characteristics and sparseness. Therefore, in this article, we introduced a new model to refine the positioning accuracy of mobile devices using only CDR data and coverage areas locations. The adopted method has three steps: first, we discovered which model of movement (Move, Stay) is associated with the coverage areas where the mobile device was connected using a Kalman filter. Then, simultaneously we estimated the location or the position of the device. Finally, we applied map-matching to bring the positioning to the right road segment. The results are very encouraging; nevertheless, there is some enhancement that can be done at the level of movement models and map matching. For example by introducing more sophisticated movement model based on data-driven modeling and a map matching that uses the movement model type detected by matching "Stay" location to buildings and "Move" model to roads.

연구 동기 및 목표

• CDR 데이터의 낮은 공간적·시간적 해상도 문제를 해결하여 정확한 모바일 사용자 위치 추적을 가능하게 하기 위해.
• GPS나 추가 센서 없이 CDR 데이터와 커버리지 영역 기하학만을 기반으로 위치 기반 모델을 개발하기 위해.
• 이동 모델링(이동/정지)과 지도 매칭을 통합하여 추정된 위치를 실제 세계의 인프라와 일치시켜 위치 추정 정확도를 향상시키기 위해.
• 커버리지 영역 최적화와 지도 매칭이 이동 및 정지 행동에 대한 위치 오차 감소에 미치는 영향을 평가하기 위해.

제안 방법

• 이동국 CDR 이벤트와 커버리지 영역 전환을 기반으로 사용자 행동을 '이동' 또는 '정지' 상태로 분류하기 위해 스위칭 칼만 필터를 사용한다.
• 동시 상태 추정을 수행하여 커버리지 영역 다각형 내에서 이동 단말기의 가장 가능성 있는 지리적 위치를 추론한다.
• 커버리지 영역 최적화를 적용하여 안테나의 커버리지 다각형의 중심과 형태를 개선함으로써 위치 정확도를 향상시킨다.
• 추정 후 지도 매칭을 적용한다: '이동' 모델의 경우 위치를 가장 가까운 도로 세그먼트에 맞추고, '정지' 모델의 경우 가장 가까운 건물에 매칭한다.
• 모델은 역학적 CDR 데이터와 알려진 안테나 위치를 사용하여 GPS 유사 경로의 이동 경로를 재구성한다.
• 오차 평가를 위해 GPS 기준값을 사용하여 추정된 위치와 실제 위치를 비교하고, RMSE 및 오차 분포 분석을 수행한다.

실험 결과

연구 질문

• RQ1 CDR 데이터와 커버리지 영역 기하학만으로도 수용 가능한 정확도로 모바일 사용자 위치를 추정할 수 있는가?
• RQ2 사용자 행동을 '이동' 또는 '정지'로 모델링하는 것이 균일한 모델 대비 위치 정확도 향상에 기여하는가?
• RQ3 커버리지 영역 최적화가 CDR 기반 위치 추정의 오차 감소에 어떤 영향을 미치는가?
• RQ4 지도 매칭은 추정된 위치를 실제 세계의 인프라(이동의 경우 도로, 정지의 경우 건물)에 얼마나 효과적으로 일치시키는가?
• RQ5 최적화와 지도 매칭의 어떤 조합이 다양한 이동 패턴에 대해 가장 낮은 오차를 낳는가?

주요 결과

• 커버리지 최적화로 '이동' 위치의 평균 오차는 4912.9미터에서 4937미터로 감소하였고, 표준편차는 6510.4에서 6083.2미터로 감소하여 오차가 0에 더 집중됨을 나타낸다.
• '정지' 위치의 경우 커버리지 최적화로 평균 오차는 2106.8미터에서 1803.3미터로 감소하였고, 표준편차는 2008.1에서 1739.2미터로 감소하였다.
• 지도 매칭을 통해 '이동' 위치의 RMSE는 최적화 없이 8156.1미터에서 최적화 및 지도 매칭을 모두 적용한 경우 3344.4미터로 감소하여 58.7% 감소하였다.
• 지도 매칭은 '정지' 위치에 부정적인 영향을 미쳤으며, 최적화만 적용한 경우 1803.3미터에서 지도 매칭을 적용한 경우 2402.6미터로 증가하여 이 클래스에 유용하지 않음을 시사한다.
• '이동' 위치의 최고 성능은 커버리지 최적화와 지도 매칭을 모두 적용했을 때 달성되었고, '정지' 위치의 최고 성능은 커버리지 최적화만 적용했을 때 달성되었다.
• 커버리지 최적화 이후 '이동' 및 '정지' 위치의 오차 분포가 0에 더 집중되어 최적화의 효과가 확인되었다.