Improvement of indoor localization accuracy by Wi-Fi radio waves using neural network
| Project/Area Number |
21K04065
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21020:Communication and network engineering-related
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
相河 聡 兵庫県立大学, 工学研究科, 教授 (80448761)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山本 真一郎 兵庫県立大学, 工学研究科, 准教授 (10514391)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 無線LAN / 位置推定 / 無線ＬＡＮ |
|---|
| Outline of Research at the Start |
無線LANアクセスポイントからの受信強度による位置推定を機械学習により高精度化する。次の４つの視点で研究する。
①離散的空間：2次元地図上でCNN，ResNetにより精度向上を図る。
②連続的空間：回帰問題として扱い，連続的な位置の推定を行う。
③微視的時間：RNN，LSTMにより過去のユーザデータ，移動経路を用いて精度向上を図る。
④巨視的時間：環境変化する受信強度の混合正規分布利用して精度向上を図る。
|
| Outline of Annual Research Achievements |
街中などにすでに広く利用され，アクセスポイントが多数設置されている無線LANを利用し，新たなハードウェアの設置なしに，事前測定のみで位置推定を行い，その結果を用いた様々なサービスを実現することを目的とする。ユーザはスマートフォンに本研究で開発したアプリケーションをインストールすることだけで，提供サービスを受けることができるもの。本研究では機械学習および無線伝搬環境を考慮して，位置推定の高精度化，簡易化を図る。研究は実利用エリアにおいて，開発したアプリケーションをスマートフォン実機にインストールして実験的に行い，得られたデータは機械学習解析ツールを用いて解析する。本課題ではFinger Print技術を用いて，無線LANアクセスポイントからのRSSI(受信強度)による位置推定を研究する。特に機械学習により高精度化する。CNN, ResNet，回帰モデル，RNN, LSTM，条件付確率などを含めて検討する。
これまで，サービスを行うエリアが複雑である場合にResNetを用いて層数を増やすことによる効果を実験的に確認し，論文が採録された。時系列情報を利用するためカルマンフィルタおよびパーティクルフィルタと回帰モデルにより座標間の位置推定の精度向上ができることを確認し，論文採録されたが，この内容は研究会で招待講演としても発表した。位置推定を行うユーザの測定データを利用して学習データにする手法を検討し，その際にユーザデータのうち学習データとして適したものを選択する手法を提案し，論文採録された。学習データ取得時の電波環境の違いによる位置推定精度低下を防ぐため，異なる環境で測定を行う方法に学習方法について提案し，国際会議で発表した。部屋単位で位置推定するような簡易場合に学習データ取得コストを低減する手法を提案し，国際会議で発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度から検討を開始したているResNetの層数を増やすことによる効果は位置推定サービスを行うエリアが複雑である場合に大きく表れることを実験的に確認した。具体的には，エリア形状が単純な場合と複雑な場合それぞれについてResNetを用いて層数と位置推定精度の関係を求めた。単純な場合として，複数の部屋と廊下で構成され，面積の小さいビル内と様々な形状の店舗が並び面積が大きい地下商店街について実験データから特性を求めて比較した。その結果，複雑な形状のエリアで効果があることが分かった。これについて論文が採録された。
さらに，その複雑さを定量的に表す指標について検討している。なお，この検討おける地下商店街での実験データは，コロナ禍のため新たにデータ収集することができず，過去に測定したデータを用いて解析した。
回帰モデルを適用することで，座標間にユーザが位置する場合に座標点以外の位置を推定し，より精度を向上できることを確認した。これについては昨年度から検討している時系列情報を利用するためカルマンフィルタおよびパーティクルフィルタと併用することで座標間の位置推定の精度向上ができることを確認している。
上記の検討を進める中で，多数あるAPを選択して用いることでより推定精度が向上できることに気づき，申請前に挙げた項目に加えて，この点について検討するめた。これらについては今後検討を進める。
|
| Strategy for Future Research Activity |
現在までの進捗状況の中で説明したAP選択についての検討を行う。エリアの複雑さを検討する中で，エリア内にあるAPの数を表すひとつの指標として考えた。ここで，解析的にAP数を減らして検討する際の選択方法を検討した。この実際にどのAPを削減するかという考え方は，実用的には商店街のようにAPが非常に多くあるエリアおいて位置推定に使うAPを選択する方法として適用できる。そこで，APの特性とその選択方法について今後検討を進める。
環境のモード変化への対策については，複数地点ユーザのRSSIが変わることの影響とその対策を検討する。Finger Printのための事前測定における環境モードが，ユーザが位置推定する際の環境モードと異なる場合，位置推定精度が劣化する。このため異なるモードでの事前測定とその測定結果の利用方法について検討する。具体的にはモードの違いの例として，測定者の向いている方角，ドアの開閉など周囲の状況が考えられる。これらの異なるモードにおける事前測定結果を使うNueral Network構成法などを提案する。
|
Report
(2 results)
Research Products
(23 results)
