[论文解读] CONE: Zero-Calibration Accurate Confidence Estimation for Indoor Localization Systems

Rizanne Elbakly, Moustafa Youssef|arXiv (Cornell University)|Oct 6, 2016

Indoor and Outdoor Localization Technologies参考文献 20被引用 11

一句话总结

CONE 提出了一种无需校准、实时的室内定位置信度估计系统，仅使用估计的用户位置计算紧密的置信半径，无需依赖内部定位系统数据或训练数据。其置信半径的中位数绝对误差差值小于 2.7 米，且超过 80% 的估计值落在置信圆内，优于针对特定系统的最先进方法。

ABSTRACT

Accurate estimation of the confidence of an indoor localization system is crucial for a number of applications including crowd-sensing applications, map-matching services, and probabilistic location fusion techniques; all of which lead to an enhanced user experience. Current approaches for quantifying the output accuracy of a localization system in real-time either do not provide a distance metric, require an extensive training process, and/or are tailored to a specific localization system. In this paper, we present the design, implementation, and evaluation of CONE: a novel calibration-free accurate confidence estimation system that can work in real-time with any location determination system. CONE builds on a sound theoretical model that allows it to trade the required user confidence with tight bound on the estimated confidence radius. We also introduce a new metric for evaluating confidence estimation systems that can capture new aspects of their performance. Evaluation of CONE on Android phones in a typical testbed using the iBeacons BLE technology with a side-by-side comparison with traditional confidence estimation techniques shows that CONE can achieve a consistent median absolute error difference accuracy of less than 2.7m while estimating the user position more than 80% of the time within the confidence circle. This is significantly better than the state-of-the-art confidence estimation systems that are tailored to the specific localization system in use. Moreover, CONE does not require any calibration and therefore provides a scalable and ubiquitous confidence estimation system for pervasive applications.

研究动机与目标

• 解决室内定位系统中实时、准确且可扩展的置信度估计缺失问题。
• 消除置信度估计中对校准和训练数据的需求，以实现广泛适用性。
• 开发一种适用于任何定位系统的通用方法，无需访问其内部信息。
• 引入一种新评估指标，以捕捉置信度的过度估计与低估，超越传统的绝对误差。
• 在动态室内环境中实现比现有方法更紧致的置信边界，同时保持高精度。

提出的方法

• CONE 基于定位误差的标准差构建理论误差模型，推导出作为用户定义置信水平函数的置信边界。
• 将置信半径估计为 R = 2σ，其中 σ 由估计位置的历史定位误差分布推导得出。
• 系统仅依赖于估计的用户位置运行，无需来自定位引擎的额外数据。
• 引入有符号距离误差指标，以量化置信边界估计的过度与低估。
• 该方法根据所需置信水平动态调整置信半径，确保无校准条件下的紧密边界。
• 评估基于 iBeacons BLE 技术在真实世界测试平台上的 Android 设备上进行，以验证性能。

实验结果

研究问题

• RQ1 置信度估计系统是否能在无需校准或训练数据的情况下实现高精度？
• RQ2 所提出的方法在误差边界和覆盖范围方面与最先进置信度估计技术相比如何？
• RQ3 能否设计一种适用于任何定位系统、且无需访问其内部机制的通用置信度估计方法？
• RQ4 新的有符号距离误差指标是否比传统绝对误差指标更准确地捕捉置信度估计系统的性能？
• RQ5 在真实室内环境中，置信半径的紧致性与覆盖概率之间可实现怎样的权衡？

主要发现

• CONE 在估计置信半径与实际定位误差之间的中位数绝对误差差值为 2.54 米。
• 在 95% 置信水平下，超过 80% 的用户位置估计落在置信圆内。
• 该方法显著优于一种最先进的 GP 定制化技术，后者在置信圆内的覆盖范围仅为 10%。
• CONE 的中位数正距离误差（1.732 米）与负距离误差（-2.3282 米）表明置信估计平衡，低估程度极小。
• 即使误差方差（σ）增加，系统性能仍接近理论极限。
• CONE 无需校准、无需训练数据，也无需了解定位系统的内部信息，因此具有高度可扩展性，可广泛部署于多样化的室内环境。