GEO　研究紹介

　近年の屋内位置情報サービスに対する要求は、2次元から3次元へと拡大しており、正確な高度推定が重要になっています。気圧値を用いた高度推定では、屋外に設置された高度が既知である気象計の気圧とユーザが所持するセンサの気圧情報を照らし合わせることによる高度推定が一般的にされています。 

　UWBのToFを利用することで、cmの精度でUWBの基地局と受信機の距離を測定でき、cmの精度で屋内測位を実現することができます。しかし、屋内環境には様々な障害物が存在しており、これらの障害物がUWBの基地局と受信機の間に存在すると、距離測定の誤差が増大し、結果的に測位の精度も低下します。このような問題に対応するために、フィンガープリント(FP)方式で屋内測位を行う場合があります。しかし、FP方式の屋内測位は、家具レイアウトなどといった環境が変化する時、測位の精度が落ちる可能性があります。このような環境変化に対応するために、FPを適時更新する必要があり、その作業量が甚大であることが問題点として知られています。この問題点を解決するために、本研究ではrandam forestを用いて環境の変化の増大の度合いを検知し、度合いに応じたスコアを与えることで, 更新するFPを選定し、FP更新の作業量を減少させることを目指しています。 

下の図は環境が変化する場合と環境が変化していない場合において、観測したデータとFPの類似度を示しています。こちらの図からもわかるように、環境が変化していない場合に比べ、環境が変化した後の類似度の値と分散が大きくなる傾向があります。このことから、類似度の最大値、最小値、平均値、分散を特徴量としてrandam forestで学習すれば、環境の変化を検知できます。 

　Wi-Fiフィンガープリント(FP)はWi-Fi測位での基本的なデータであり、FP測位以外に様々なWi-Fi測位技術に適用できます。しかし、FP測位を実施した場合、測位対象となる環境の壁周辺の測位精度が悪くなることが事前実験によって明らかになりました。これは、壁周辺ではFPの数が少ない場合が多く(壁の反対側にFPが無い)、FPが多く存在している環境の中央部に測位結果が引っ張られることが原因です。この問題を解決するために、壁周辺のFPの数を増やし、壁周辺のFPの数と中央部のFPの数がつり合うように調整する手法を提案します。


　GAN(敵対的生成ネットワーク)を用いてFPをデータ拡張し、壁周辺のFP数の不足を補います。GANによって新たに生成された壁周辺のFPを用いることで、壁周辺の測位精度の向上を目指します。また、データ拡張による測位精度の向上が実現すれば、地下街などの周辺部のFPを実測できない場所(仮想的にデータ拡張するしか手段がない場合)にも適用できる可能性があります。