[논문 리뷰] Cell Oscillation Resolution in Mobility Profile Building

Shafqat Ali Shad, Enhong Chen외 1명|arXiv (Cornell University)|2012. 06. 25.

Indoor and Outdoor Localization Technologies참고 문헌 18인용 수 11

한 줄 요약

이 논문은 GSM 기반 이동 프로파일 구축에서 사용자가 정지해 있을 때도 여러 개의 셀 글로벌 식별자(CGI)를 할당받는 셀 오실레이션 문제를 해결하기 위해 두 가지 준지도 학습 방법—의미 태깅과 겹치는 영역 클러스터링—을 제안한다. 이 방법은 오실레이션으로 인한 잘못된 핸드오버로 인한 가짜 양식 감소를 통해 정확한 위치 식별을 향상시키며, 고비용 위치 측정 시스템에 의존하지 않고도 이동 추적 분석의 정확도를 높인다.

ABSTRACT

This paper has been withdrawn by the authors. Mobility profile building became extensively examined area in Location based services (LBS) through extraction of significant locations. Mobility traces are recorded under three reference positioning systems that are Satellite based i.e. GPS, Network based i.e. GSM and Local positioning i.e. WLAN, RFID, IrDA. Satellite based and local positioning due to of high power consumption, additional resource installation, low accuracy and space limitation are less encouraging. So network based positioning i.e. GSM is only viable solution for mobility tracing through Cell global identity (CGI). CGI presents the Cell-ids to extract the significant locations from mobility history. However CGI faces cell oscillation problem, where user is assigned multiple Cell-Ids even at a stationary state for load balancing and GSM cells overlapping. In this paper we proposed two semi-supervised methodology for cell oscillation resolution i.e. semantic tagging and overlapped area clustering, the proposed methodologies are equally useful for the identification of significant places too.

연구 동기 및 목표

• 로드 밸런싱과 겹치는 셀로 인해 사용자가 정지해 있을 때도 여러 개의 셀 ID가 할당되는 GSM 기반 이동 추적에서의 셀 오실레이션 문제를 해결하기 위해.
• 네트워크 기반 위치 측정에서 임의의 셀 전환을 해결하여 이동 프로파일 구축의 정확도를 향상시키기 위해.
• 이동 추적에서 중요한 위치 식별을 향상시키기 위한 준지도 학습 솔루션을 개발하기 위해.
• 대규모 이동 분석을 위한 GPS 및 현지 위치 측정 시스템의 대안으로서 실현 가능한 저자원 솔루션을 제공하기 위해.
• 단지 CGI 데이터만을 사용하여 자원 제약 환경에서 신뢰할 수 있는 위치 추론을 가능하게 하기 위해.

제안 방법

• 시간적 및 공간적 패턴을 기반으로 의미 태깅을 제안하여 셀 항목에 맥락 레이블을 할당함으로써 오실레이션 노이즈를 감소시킴.
• 자주 번갈아가는 셀을 그룹화하여 하나의 위치 영역으로 식별하기 위해 겹치는 영역 클러스터링을 도입함.
• 제한된 레이블 데이터를 활용하여 오실레이션 감지 모델을 훈련하기 위해 준지도 학습 프레임워크를 적용함.
• 근접한 셀 간 반복적인 전환을 감지하기 위해 CGI 시퀀스의 시간적 클러스터링을 사용함.
• 공간적 근접성과 체류 시간 분석을 조합하여 진정한 이동과 셀 오실레이션을 구분함.
• 이중 단계 접근법을 적용함: 첫 번째로 오실레이션에 취약한 영역를 탐지하고, 두 번째로 이를 안정된 위치 클러스터로 통합함.

실험 결과

연구 질문

• RQ1 GSM 기반 이동 추적에서 셀 오실레이션을 효과적으로 감지하고 해결할 수 있는가?
• RQ2 어떤 준지도 기법이 CGI 데이터로부터 중요한 위치 식별의 정확도를 향상시킬 수 있는가?
• RQ3 의미 태깅과 클러스터링이 이동 프로파일 구축에서 가짜 양식을 얼마나 줄일 수 있는가?
• RQ4 겹치는 셀 영역을 자동으로 식별하고 일관된 위치로 통합할 수 있는가?
• RQ5 정밀도와 자원 사용 측면에서 기존 방법과 비교해 본다면 제안된 방법은 어떠한가?

주요 결과

• 제안된 방법은 GSM 추적에서 셀 오실레이션으로 인한 가짜 양식 위치 감지를 크게 감소시킴.
• 의미 태깅은 CGI 시퀀스의 시간적 일관성과 맥락 패턴 분석을 통해 안정된 위치를 성공적으로 식별함.
• 겹치는 영역 클러스터링은 자주 전환하는 셀을 단일이고 일관된 위치 영역으로 효과적으로 그룹화함.
• 준지도 접근법은 최소한의 레이블 데이터로도 높은 정확도를 달성하여 대규모 배포에 적합함.
• 이 방법은 GPS 및 현지 위치 측정 시스템에 대한 저전력, 저비용 대안을 제공함.
• 이 방법은 추가 하드웨어 없이도 위치 기반 서비스에서 사용되는 이동 프로파일의 신뢰성을 향상시킴.