[논문 리뷰] Fast and Reliable WiFi Fingerprint Collection for Indoor Localization

Fuqiang Gu, Milad Ramezani외 4명|arXiv (Cornell University)|2020. 08. 01.

Indoor and Outdoor Localization Technologies참고 문헌 17인용 수 4

한 줄 요약

이 논문은 스마트폰 센서와 랜드마크 그래프를 활용하여 사용자 간섭 없이 기준점(RP) 위치를 자동으로 추정하는 빠르고 자동화된 WiFi 핀프린트 수집 방법을 제안한다. 관성 센서와 랜드마크 기반 PDR을 활용한 위치 추정을 통해 현장 조사 시간을 10배 이상 단축시키며, 평균 위치 오차 1.5미터를 달성한다—수동 및 최신 Zee 방법보다 뛰어난 성능을 보이며, 신뢰도 기반 품질 지표를 통해 높은 정확도를 확보한다.

ABSTRACT

Fingerprinting is a popular indoor localization technique since it can utilize existing infrastructures (e.g., access points). However, its site survey process is a labor-intensive and time-consuming task, which limits the application of such systems in practice. In this paper, motivated by the availability of advanced sensing capabilities in smartphones, we propose a fast and reliable fingerprint collection method to reduce the time and labor required for site survey. The proposed method uses a landmark graph-based method to automatically associate the collected fingerprints, which does not require active user participation. We will show that besides fast fingerprint data collection, the proposed method results in accurate location estimate compared to the state-of-the-art methods. Experimental results show that the proposed method is an order of magnitude faster than the manual fingerprint collection method, and using the radio map generated by our method achieves a much better accuracy compared to the existing methods.

연구 동기 및 목표

• 기존에 수동으로 수행되며 실수의 위험이 있는 WiFi 핀프린트 현장 조사에 소요되는 시간과 노동력을 줄이기 위해.
• 활동적 커뮤니티 기반 방법의 한계를 극복하기 위해 핀프린트 연관에 대한 사용자 참여가 필요 없도록 하기 위해.
• 랜드마크 기반 그래프 PDR을 활용해 자동으로 RP 위치를 추정함으로써 위치 추정 정확도를 향상시키기 위해.
• 낮은 신뢰도의 위치 추정치를 걸러내기 위해 신뢰도 지표를 도입함으로써 라디오 맵의 신뢰성을 확보하기 위해.
• 자원 제약이 있는 스마트폰에서도 구현 가능한 저비용이고 확장 가능한 솔루션을 개발하기 위해.

제안 방법

• 실시간으로 보행 길이와 방향을 추정하기 위해 스마트폰 관성 센서(가속도계, 자이로스코프, 자석계, 기압계)를 사용한다.
• 감지된 랜드마크를 기반으로 보정하여 누적된 데드레코닝 오차를 제한하는 랜드마크 기반 PDR 방법을 적용한다.
• 사용자 입력이나 GPS가 없이도 수집된 WiFi 핀프린트를 자동으로 추정된 RP 위치에 연동한다.
• 각 위치 추정치의 신뢰도를 평가하기 위해 신뢰도 지표를 도입하여, 높은 신뢰도의 RP만을 라디오 맵 구축에 활용한다.
• 양성 핀프린트 표현 방식을 사용하여 라디오 맵을 구성한다: 임계값 τ 이상의 RSS 값은 RSS_i - min으로 매핑하고, 그 이하일 경우 0으로 처리한다.
• 온라인 위치 추정 시 핀프린트 비교를 위해 유클리드 거리 및 Sorensen 거리 측도를 사용한 1-NN 매칭을 적용한다.

실험 결과

연구 질문

• RQ1 랜드마크 기반 그래프 방법은 수동 방법에 비해 WiFi 핀프린트 현장 조사의 시간과 노동력을 줄일 수 있는가?
• RQ2 스마트폰 센서를 활용한 자동 핀프린트 연동이 기존 방법보다 더 높은 위치 추정 정확도를 달성할 수 있는가?
• RQ3 신뢰도 지표는 라디오 맵 내 추정된 기준점 위치의 신뢰성에 어떻게 기여하는가?
• RQ4 RSS 임계값 선택이 제안된 시스템의 위치 추정 성능에 미치는 영향은 무엇인가?
• RQ5 제안된 방법은 Zee와 같은 최신 기술 대비 속도와 정확도 모두에서 슈퍼어리어를 달성할 수 있는가?

주요 결과

• 제안된 방법은 핀프린트 수집 시간을 10배 이상 단축시키며, 설정 및 데이터 수집에 약 10분이 소요되는 반면, 수동 방법은 약 90분이 소요된다.
• 제안된 방법으로 생성된 라디오 맵을 사용한 평균 위치 오차는 1.5미터이며, 수동 방법(2.2미터)과 Zee 시스템(2.3미터)보다 뛰어나다.
• 5개 또는 10개의 스캔을 각 위치에 적용했을 때, 이 방법은 Zee와 유사한 바닥 층 식별 정확도를 달성하며, 수동 방법보다 훨씬 높은 정확도를 보인다.
• 위치 오차를 최소화하기 위한 최적의 RSS 임계값은 -80 dBm이며, 이 값 이상 또는 이하일 경우 노이즈 또는 AP 누락로 인해 오차가 증가한다.
• 신뢰도 지표는 낮은 신뢰도의 위치 추정치를 효과적으로 걸러내어 더 신뢰성 있고 정확도 높은 라디오 맵을 구성하는 데 기여한다.
• 이 시스템은 충분한 공간 제약이 있는 환경에서 가장 효과적이며, 랜드마크가 부족한 넓은 개방형 실내 공간에서는 성능이 저하된다.