[论文解读] Dejavu: An Accurate Energy-Efficient Outdoor Localization System

H. H. Aly, Moustafa Youssef|arXiv (Cornell University)|Oct 9, 2013

Indoor and Outdoor Localization Technologies参考文献 24被引用 4

一句话总结

Dejavu 提供了一种面向汽车导航的节能型室外定位系统，利用惯性传感器（加速度计、指南针、陀螺仪）进行推算航位推算，并通过众包数据检测物理地标（如隧道、桥梁、路面坑洼）和虚拟地标（如独特的蜂窝信号模式）的唯一传感器特征，以重置误差累积。该系统在城市环境中实现8.4米的中位误差，在高速公路上实现16.6米的中位误差，定位精度优于GPS，同时电池续航时间延长了347%。

ABSTRACT

We present Dejavu, a system that uses standard cell-phone sensors to provide accurate and energy-efficient outdoor localization suitable for car navigation. Our analysis shows that different road landmarks have a unique signature on cell-phone sensors; For example, going inside tunnels, moving over bumps, going up a bridge, and even potholes all affect the inertial sensors on the phone in a unique pattern. Dejavu employs a dead-reckoning localization approach and leverages these road landmarks, among other automatically discovered abundant virtual landmarks, to reset the accumulated error and achieve accurate localization. To maintain a low energy profile, Dejavu uses only energy-efficient sensors or sensors that are already running for other purposes. We present the design of Dejavu and how it leverages crowd-sourcing to automatically learn virtual landmarks and their locations. Our evaluation results from implementation on different android devices in both city and highway driving show that Dejavu can localize cell phones to within 8.4m median error in city roads and 16.6m on highways. Moreover, compared to GPS and other state-of-the-art systems, Dejavu can extend the battery lifetime by 347%, achieving even better localization results than GPS in the more challenging in-city driving conditions.

研究动机与目标

• 解决在城市和隧道等卫星信号较弱环境中，GPS在室外汽车导航中能耗过高的问题。
• 通过识别和利用环境地标中的独特特征，减少惯性传感器推算航位推算中的误差累积。
• 开发一种仅使用低功耗或已处于激活状态传感器的系统，以保持能源效率。
• 通过众包方式自动发现并丰富物理与虚拟地标数据库。
• 在挑战性城市环境中实现定位精度超越GPS，同时显著提升电池效率。

提出的方法

• Dejavu 采用基于加速度计、指南针和陀螺仪数据的推算航位推算方法，根据位移和方向连续估算位置。
• 通过有限状态机模型识别独特的传感器特征，检测物理锚点（如隧道、桥梁、弯道、颠簸路段）。
• 利用无监督学习方法分析来自众包设备的传感器轨迹（如独特的蜂窝信号强度模式），发现虚拟锚点。
• 当检测到已知地标时，系统使用统一的锚点数据库重置推算航位推算的误差，从而提升定位精度。
• 通过仅依赖已为其他用途激活的传感器（如GSM、机会性WiFi）或低功耗惯性传感器，保持能源效率。
• 采用众包框架，实现锚点数据库的自动、透明扩展，无需用户干预。

实验结果

研究问题

• RQ1 能否仅使用标准智能手机传感器实现亚10米的室外定位精度，同时避免对高功耗GPS的依赖？
• RQ2 能否可靠检测并利用环境特征（如路面坑洼、桥梁、隧道）的唯一传感器特征来重置推算航位推算误差？
• RQ3 能否自动发现并利用由独特传感器模式（如蜂窝信号变化）定义的虚拟地标来提升定位性能？
• RQ4 与GPS相比，该系统在保持或提升定位精度的同时，能在多大程度上降低能耗？
• RQ5 在卫星信号频繁被遮挡的城市环境中，该系统能否超越GPS的性能表现？

主要发现

• 在城市驾驶环境中，Dejavu 实现了8.4米的中位定位误差，相比相同条件下的GPS降低了42.9%。
• 在高速公路上，Dejavu 实现了16.6米的中位误差，表现出在开阔环境中的鲁棒性。
• 与持续使用GPS相比，Dejavu 的电池续航时间延长了347%，显著提升了能源效率。
• 在城市驾驶中，Dejavu 的定位精度优于GPS，尤其在卫星信号衰减和多径效应普遍影响GPS性能的场景下。
• 系统成功检测并利用了物理锚点（如隧道、桥梁）和虚拟锚点（如独特的蜂窝信号模式）来重置误差。
• 基于众包的无监督学习方法实现了锚点数据库的自动、透明的长期扩展。