[论文解读] Cell Oscillation Resolution in Mobility Profile Building

Shafqat Ali Shad, Enhong Chen+1 more|arXiv (Cornell University)|Jun 25, 2012

Indoor and Outdoor Localization Technologies参考文献 18被引用 11

一句话总结

本文提出两种半监督方法——语义标签化与重叠区域聚类，以解决基于GSM的移动性轮廓构建中的小区振荡问题，即用户静止时被分配多个小区全球标识符（CGIs）的问题。该方法通过减少因小区切换引起的虚假定位，提升了显著位置识别的准确性，实现了无需依赖高成本定位系统的移动轨迹分析。

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This paper has been withdrawn by the authors.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.

研究动机与目标

• 解决因负载均衡和覆盖重叠小区导致的GSM移动性追踪中的小区振荡问题。
• 通过解决基于网络定位的虚假小区切换，提升移动性轮廓构建的准确性。
• 开发一种半监督解决方案，以从移动轨迹中增强显著位置的识别能力。
• 为大规模移动性分析提供一种可行且低资源消耗的GPS与本地定位系统的替代方案。
• 仅使用CGI数据，在资源受限环境中实现可靠的定位推断。

提出的方法

• 提出语义标签化，基于时间与空间模式为小区条目标注上下文标签，以减少振荡噪声。
• 提出重叠区域聚类，将频繁交替的小区分组，将其识别为单一位置区域。
• 应用半监督学习框架，利用有限的标注数据训练振荡检测模型。
• 通过CGI序列的时间聚类检测相邻小区之间的重复切换。
• 结合空间邻近性与停留时间分析，区分真实移动与小区振荡。
• 采用两阶段方法：首先检测易发生振荡的区域；其次将这些区域合并为稳定的定位簇。

实验结果

研究问题

• RQ1 如何有效检测并解决GSM移动轨迹中的小区振荡问题？
• RQ2 哪些半监督技术可提升从CGI数据中识别显著位置的准确性？
• RQ3 语义标签化与聚类在多大程度上可减少移动轮廓构建中的虚假阳性？
• RQ4 重叠小区区域能否被自动识别并合并为一致的位置？
• RQ5 与传统方法相比，所提方法在精度与资源使用方面表现如何？

主要发现

• 所提方法显著减少了GSM轨迹中因小区振荡导致的虚假定位检测。
• 语义标签化通过分析CGI序列中的时间一致性与上下文模式，成功识别出稳定位置。
• 重叠区域聚类有效将频繁切换的小区合并为单一、一致的位置区域。
• 半监督方法在极少标注数据下仍实现高精度，具备大规模部署的可扩展性。
• 该方法为移动性轮廓分析提供了一种低功耗、低成本的GPS与本地定位系统替代方案。
• 该方法在不增加额外硬件的前提下，提升了用于位置服务的移动轮廓可靠性。