Wi-Fi測位システム

Wi-Fi測位システム（ワイファイそくいシステム、、WPS、WiPS、WFPS とも）は、近隣のWi‑Fi アクセスポイントの特性を利用してデバイスの位置を特定するシステムである。

GPS のような衛星航法が屋内でのマルチパスや信号遮蔽などのさまざまな理由で不十分な場合、あるいは衛星の測位に時間がかかりすぎる場合に用いられるMagda Chelly, Nel Samama. Detecting visibility in heterogeneous simulated environments for positioning purposes. IPIN 2010 : International Conference on Indoor Positioning and Indoor Navigation, Sep 2010, Hoenggerberg, Switzerland. ⟨hal-01345039⟩ 。そのようなシステムにはAssisted GPS、ホットスポットデータベースを介した都市部での測位サービス、などがあるMagda Chelly, Nel Samama. New techniques for indoor positioning, combining deterministic and estimation methods. ENC-GNSS 2009 : European Navigation Conference - Global Navigation Satellite Systems, May 2009, Naples, Italy. pp.1 - 12. hal-01367483 。Wi-Fi 測位は 21 世紀初頭に都市部で急速に増加した無線アクセスポイントを活用するものであるMagda Chelly, Anca Fluerasu, Nel Samama. A universal and autonomous positioning system based on wireless networks connectivity. ENC 2011 : European Navigation Conference, Nov 2011, London, United Kingdom. hal-01302215 。

無線アクセスポイントを利用した測位で最も一般的な手法は、受信信号強度の粗い代理指標（、RSSI）と「フィンガープリンティング」の手法に基づくP. Bahl and V. N. Padmanabhan, “RADAR: an in-building RF-based user location and tracking system,” in Proceedings of 19th Annual Joint Conference of the IEEE Computer and Communications Societies (INFOCOM ’00), vol. 2, pp. 775–784, Tel Aviv.Israel, March 2000.Y. Chen and H. Kobayashi, “Signal strength based indoor geolocation,” in Proceedings of the IEEE International Conference on Communications (ICC ’02), vol. 1, pp. 436–439, New York, NY, USA, April–May 2002.。通常、無線アクセスポイントは SSID と MAC アドレスによって識別され、これらのデータはそれらとして識別されたアクセスポイントの想定位置のデータベースと突き合わされる。精度はデータベースの正確さに依存し（たとえばアクセスポイントが移動していれば、その項目は不正確になる）、また分解能はデータベースに（正確な）項目を持つ近隣アクセスポイントの発見数と、それらの項目の精度に依存する。アクセスポイント位置データベースは、モバイル機器の位置データ（Galileo や GPS などの他のシステムで決定される）と Wi‑Fi アクセスポイントの MAC アドレスとを相関付けることで蓄積される。生じうる信号変動はユーザーの経路における誤差や不正確さを増加させうる。受信信号の変動を最小化するために、ノイズをフィルタリングする特定の手法を適用できる。

低精度の場合、地理情報や時間制約（すなわち時間地理学）などの他のデータソースと Wi-Fi の履歴を統合する手法が提案されている。

動機と用途拡張現実、ソーシャルネットワーキング、医療モニタリング、パーソナルトラッキング、在庫管理、その他の屋内アプリケーションの使用が増加していることから、Wi‑Fi ベースのデバイスにおける正確な屋内位置特定はますます重要になっているJ. Xiong and K. Jamieson, “Arraytrack: A fine-grained indoor location system,” NSDI ’13.。

の分野では、を特定・マッピングするために用いられる重要な手法である。

Wi-Fi ネットワークインタフェースカードの普及と低価格はローカライゼーションシステムの基盤として Wi-Fi を用いる魅力的なインセンティブであり、この分野では過去 15 年間に多くの研究が行なわれてきた。

問題設定と基本概念 Wi‑Fi による屋内でのデバイス位置特定の問題は、クライアントデバイスの位置をアクセスポイントに対して決定する問題である。これを達成するための多くの手法が存在し、それらは使用する 4 つの異なる基準に基づいて分類できる。すなわち、（RSSI）、フィンガープリンティング、到来角（AoA）、飛行時間（ToF）である。

多くの場合、デバイスの位置を決定する第一歩は、対象クライアントデバイスと数個のアクセスポイントの間の距離を決定することである。対象デバイスとアクセスポイントの間の距離が既知であれば、アクセスポイントの既知の位置を基準として、対象デバイスの相対的な位置を決定するために三辺測量アルゴリズムを用いることができる。あるいは、対象クライアントデバイスに到来する信号の角度を利用して、三角測量アルゴリズムに基づいてデバイスの位置を決定することもできる。

これらの手法を組み合わせてシステムの精度を向上させることもできる。

技術

信号強度 RSSI 位置特定手法は、いくつかの異なるアクセスポイントからクライアントデバイスに届く粗い相対信号強度を測定し、この情報を伝搬モデルと組み合わせてクライアントデバイスとアクセスポイントの間の距離を決定することに基づく。三辺測量（マルチラテレーションとも呼ばれる）手法を用いて、アクセスポイントの想定位置に対するクライアントデバイスの推定位置を計算できる。

実装が最も安価で容易な手法の一つであるが、RSSI 測定値が環境の変化やマルチパスフェージングによって変動する傾向があるため、高い精度は得られない（中央値で 2〜4 メートル）という欠点がある。

シスコはアクセスポイントを介してデバイスの位置を特定するために RSSI を用いている。アクセスポイントは位置データを収集し、Cisco DNA Spaces と呼ばれるシスコクラウド上の位置情報を更新する。

モンテカルロサンプリングモンテカルロサンプリングは、屋内 Wi-Fi マッピングにおいて無線ノードの位置を推定するために用いられる統計的手法である。この過程は、二段階のパラメトリック・測定駆動型のレイトレーシングアプローチを用いて無線信号強度マップを作成することを含む。これにより、屋内環境の様々な障害物の吸収特性と反射特性が考慮される。

位置推定はその後、モンテカルロサンプリングにより得られたサンプル集合に対するを用いて計算される。この方法は、単一のアクセスポイントからの受信信号強度指標（RSSI）読み取り値を用いて、部屋以下の精度でユーザーの良好な位置推定を提供することが確認されている。

フィンガープリンティング従来のフィンガープリンティングも RSSI ベースであるが、単に到達範囲内の複数のアクセスポイントからの信号強度を記録し、この情報をクライアントデバイスの既知の座標とともにオフラインフェーズでデータベースに保存することに依拠する。この情報は決定論的にも確率論的にもなりうる。オンライン追跡フェーズでは、未知の位置における現在の RSSI ベクトルがフィンガープリントに保存されたものと比較され、最も近い一致が推定ユーザー位置として返される。このようなシステムでは、中央値 0.6 メートル、テール精度 1.3 メートルの精度が得られることがある。

主な欠点は、家具や建物の追加・除去などの環境変化が、それぞれの位置に対応する「フィンガープリント」を変える可能性があり、フィンガープリントデータベースの更新が必要となることである。ただし、カメラなど他のセンサーと統合することで、変化する環境に対処するために用いることもできるWan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Maimunah Sapri and Mohd Adly Rosly (2012). Ubiquitous WLAN/Camera Positioning using Inverse Intensity Chromaticity Space-based Feature Detection and Matching: A Preliminary Result. International Conference on Man-Machine Systems 2012 (ICOMMS 2012), Penang, MALAYSIA. See publication here, or click here if broken link。

到来角

複数のアンテナを用いる MIMO Wi-Fi インタフェースの出現により、アクセスポイントのアンテナアレイで受信されるマルチパス信号のを推定し、三角測量を適用してクライアントデバイスの位置を計算することが可能になった。SpotFi、ArrayTrack、LTEye はこの種の手法を用いる提案例である。

典型的な AoA の計算は MUSIC アルゴリズムで行なわれる。距離で等間隔に配置された個のアンテナのアンテナアレイと、個の伝搬経路を通じてアンテナアレイに到来する信号を仮定すると、信号がアレイの 2 番目のアンテナに到達するには追加距離を進む。

番目の伝搬経路がアクセスポイントのアンテナアレイの法線に対して角度で到来すると考えると、はアレイの任意のアンテナで経験される減衰である。減衰は各アンテナで同じであるが、信号が進む追加距離により、位相シフトはアンテナごとに変化する。これは、信号が

の追加位相で 2 番目のアンテナに到達し、

の追加位相で番目のアンテナに到達することを意味する。

したがって、各アンテナが伝搬経路の AoA の関数として経験する位相シフトの簡略化された表現として、次の複素指数関数を用いることができる。

このとき AoA は、番目の伝搬経路による受信信号のベクトルとして表現でき、ここではステアリングベクトルであり、次式で与えられる。各伝搬経路に対して 1 つのステアリングベクトルが存在し、ステアリング行列（次元）は次式で定義される。受信信号ベクトルは次式で与えられる。ここでは個の経路に沿ったベクトル複素減衰である。OFDM は複数の異なるサブキャリアでデータを伝送するため、各サブキャリアに対応する測定受信信号は次のように表される行列を形成する。行列は、Linux 802.11n CSI Tool などの特別なツールを使って現代の無線カードから抽出できる (CSI) 行列で与えられる。

ここで MUSIC アルゴリズムが適用される。まず（ここではの共役転置）の固有ベクトルを計算し、固有値ゼロに対応するベクトルを用いてステアリングベクトルと行列を計算する。その後、この行列から AoA を導出し、三角測量を通じてクライアントデバイスの位置を推定するために用いることができる。

この手法は通常他のものよりも正確だが、6〜8 個のアンテナのアレイや回転アンテナなどの特別なハードウェアが必要となる場合がある。SpotFi は、Wi-Fi カードのアンテナ 3 個で各アンテナが測定した回数を活用する超解像アルゴリズムの使用を提案しており、精度を高めるために ToF ベースの位置特定も組み込んでいる。

飛行時間

飛行時間（ToF）位置特定アプローチは、無線インタフェースが提供するタイムスタンプを取得して信号の ToF を計算し、この情報を用いてアクセスポイントに対するあるクライアントデバイスの距離と相対位置を推定する。このような時間測定の粒度はナノ秒のオーダーであり、この手法を用いるシステムは 2 メートル程度の位置特定誤差を報告している。この技術の典型的な用途は建物内での資産のタグ付けと位置特定であり、通常は部屋レベルの精度（〜3 メートル）で十分である。

無線インタフェースで取られる時間測定は、RF 波が屋内環境のほとんどの伝搬媒体でほぼ一定である光速に近い速度で進むという事実に基づいている。したがって、信号伝搬速度（およびその結果としての ToF）は、RSSI 測定ほど環境の影響を受けない。

RADAR システムで使用されているような従来の ToF ベースのエコー手法とは異なり、Wi-Fi エコー手法は通常のデータおよび確認応答通信フレームを用いて ToF を測定する。

RSSI アプローチと同様に、ToF はクライアントデバイスとアクセスポイントの間の距離の推定にのみ用いられる。その後、三辺測量手法を用いて、アクセスポイントに対するデバイスの推定位置を計算できる。ToF アプローチにおける最大の課題は、クロック同期の問題、ノイズ、サンプリングアーチファクト、マルチパスチャネル効果の処理にある。一部の手法はクロック同期の必要性を排除するために数学的アプローチを用いる。

より最近では、規格が Wi‑Fi に微細な ToF レンジング機能を提供している。

自己アドバタイズ

、フランスの法律は 800 グラムを超えるドローンに対して、Wi-Fi 経由で GPS 座標、速度、進行方向、機体種別、シリアル番号をブロードキャストすることを義務付けている。データは（の OUI 6A:5C:35）を介してに符号化され、法令で規定された TLV 符号化サブフィールドを含む。

このデータ形式は移動する空中車両での使用を意図しているが、静止型 Wi-Fi アクセスポイントにも容易に適応できる（すなわち水平速度フィールドをゼロに設定することで）。

これらのブロードキャストからの GPS 座標は 10−5 十進角の精度で指定され、Wi-Fi クライアントデバイスで読み取ることができ、他の手法やデータソースからの確認と組み合わせてクライアントデバイスの位置を推測するために用いることができる。

プライバシーの懸念 WPS から生じる特定のプライバシー上の懸念を挙げ、Google は各アクセスポイントの所有者が意図的にオプトアウトすることにより、特定のアクセスポイントを WPS を用いた位置決定に参加させない統一されたアプローチを提案した。無線アクセスポイントの SSID に「_nomap」を付加すると、Google の WPS データベースから除外されるGoogle Help - Location-based services - How do I opt out? Obtained 2012-05-30。は、その位置情報サービスからオプトアウトする方法として _nomap を尊重する。

公開 Wi-Fi 位置データベース

いくつかの公開 Wi-Fi 位置データベースが利用可能である（活動中のプロジェクトのみ）。名称独自 Wi-Fi ネットワーク数観測数無料データベースダウンロード SSID 検索 BSSID 検索データライセンスオプトアウトセル ID データベース Bluetooth データベースカバレッジマップコメント >120,000,000 Map クラウドソースデータに基づく。パブリックドメインライセンスでのデータ公開を予定。 Combain Positioning Service>2,400,000,000 >67,000,000,000 Map Unwired Labs Location API>4,370,000,000 Map Mylnikov GEO860,655,230 （アグリゲーター） Map 480,000,000 21,500,000,000 Map クラウドソースデータに基づく。 radiocells.org 13,610,728 Map クラウドソースデータに基づく。生データを含む。 1,205,634,974 16,460,980,303 , request Map

Wi-Fi測位システム

Źródło i licencja