[论文解读] A Localization Approach for Crowdsourced Air Traffic Communication Networks

Martin Strohmeier, Vincent Lenders+1 more|arXiv (Cornell University)|Oct 21, 2016

Indoor and Outdoor Localization Technologies参考文献 9被引用 7

一句话总结

本文提出一种基于网格的k-最近邻（k-NN）定位方法，利用到达时间差（TDoA）的期望值，以提升在众包、非计划性空中交通传感器网络中的飞机定位性能。与多边定位不同，该方法避免了精度稀释问题，实现了高达2.5倍的监视覆盖范围提升和41%更高的平均定位精度，同时具备检测欺骗攻击的能力，并能将地面欺骗源的估计误差控制在约2,000米以内。

ABSTRACT

In this work, we argue that current state-of-the-art methods of aircraft localization such as multilateration are insufficient, in particular for modern crowdsourced air traffic networks with random, unplanned deployment geometry. We propose an alternative, a grid-based localization approach using the k-Nearest Neighbor algorithm, to deal with the identified shortcomings. Our proposal does not require any changes to the existing air traffic protocols and transmitters, and is easily implemented using only low-cost, commercial-off-the-shelf hardware. Using an algebraic multilateration algorithm for comparison, we evaluate our approach using real-world flight data collected with our collaborative sensor network OpenSky. We quantify its effectiveness in terms of aircraft location accuracy, surveillance coverage, and the verification of false position data. Our results show that the grid-based approach can increase the effective air traffic surveillance coverage compared to multilateration by a factor of up to 2.5. As it does not suffer from dilution of precision, it is much more robust in noisy environments and performs better in pre-existing, unplanned receiver deployments. We further find that the mean aircraft location accuracy can be increased by up to 41% in comparison with multilateration while also being able to pinpoint the origin of potential spoofing attacks conducted from the ground.

研究动机与目标

• 解决在接收机几何分布随机的众包、非计划性空中交通传感器网络中，多边定位方法存在的局限性。
• 开发一种低成本、协议无关的定位方法，可与现成硬件配合使用，且无需对现有飞机或空中交通管制标准进行任何修改。
• 相比多边定位，提升监视覆盖范围、定位精度以及在噪声环境中的鲁棒性。
• 实现对飞机位置声明的有效验证，并检测虚假数据注入，包括对地面欺骗源的定位。

提出的方法

• 该方法采用基于网格的方法，通过计算多个接收机的期望到达时间差（TDoA）来估计飞机位置。
• 应用k-最近邻（k-NN）算法，将观测到的TDoA与空间网格上预先计算的期望TDoA数据库进行匹配。
• 网格分辨率设定为150 m²，使用k=5个最近邻来计算最终的位置估计。
• 系统利用OpenSky网络的真实飞行数据来训练和验证期望TDoA模型。
• 该方法无需修改ADS-B协议或飞机硬件，可直接部署于商用现成传感器。
• 该方法包含一种验证机制，通过比较声称位置与估计位置之间的距离阈值，检测虚假数据注入。

实验结果

研究问题

• RQ1 在非计划性、众包接收机部署场景下，基于网格的k-NN方法是否能在监视覆盖范围和定位精度方面优于多边定位？
• RQ2 该方法在噪声环境以及几何精度稀释（GDOP）较差的情况下表现如何？
• RQ3 该方法在多大程度上能够检测并定位虚假位置数据，特别是来自地面的欺骗攻击？
• RQ4 该方法能否以足够精度估计欺骗信号的真实来源，以支持安全验证？

主要发现

• 在测试场景中，所提方法相比多边定位，将有效空中交通监视覆盖范围提升了最高达2.5倍。
• 在OpenSky网络的真实数据中，平均飞机定位精度相比代数多边定位（MLAT）最高提升了41%。
• 该方法在噪声环境中表现稳健，在非计划性部署中性能显著优于MLAT，原因在于避免了精度稀释问题。
• 通过将声称位置与估计位置之间的距离阈值设为500米或750米，可在20至40秒内（取决于报文丢失情况）检测到地面欺骗攻击。
• k-NN方法对地面欺骗源的水平位置估计平均误差为1.918公里，而MLAT方法平均误差高达44.947公里，完全失效。
• 对于机载欺骗源，k-NN方法的平均定位误差为0.145公里，与MLAT的0.270公里相当，但具备更优的地面攻击检测能力。