JP4904137B2 - ロケーション決定技法 - Google Patents
ロケーション決定技法 Download PDFInfo
- Publication number
- JP4904137B2 JP4904137B2 JP2006331181A JP2006331181A JP4904137B2 JP 4904137 B2 JP4904137 B2 JP 4904137B2 JP 2006331181 A JP2006331181 A JP 2006331181A JP 2006331181 A JP2006331181 A JP 2006331181A JP 4904137 B2 JP4904137 B2 JP 4904137B2
- Authority
- JP
- Japan
- Prior art keywords
- particle
- target object
- particles
- location
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 125
- 239000002245 particle Substances 0.000 claims description 459
- 238000009826 distribution Methods 0.000 claims description 74
- 238000013499 data model Methods 0.000 claims description 60
- 230000007704 transition Effects 0.000 claims description 34
- 230000001419 dependent effect Effects 0.000 claims description 27
- 230000001186 cumulative effect Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 12
- 238000005315 distribution function Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010420 art technique Methods 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Description
−トポロジ・モデルおよびデータ・モデルによって環境をモデル化するステップであって、トポロジ・モデルは、環境内の許容されるロケーションおよび移行を示し、データ・モデルは、トポロジ・モデルによって示されたいくつかの許容されるロケーションのそれぞれについて少なくとも1つのロケーションに依存した物理量を示す、モデル化するステップと、
−1つまたは複数の動きモデルによってターゲット・オブジェクトのロケーション変更特徴をモデル化するステップであって、各動きモデルは、特定タイプのターゲット・オブジェクトをモデル化し、トポロジ・モデルによって示された許容されるロケーションおよび移行に従う、モデル化するステップと、
−それぞれが1つまたは複数のロケーションに依存した物理量を観察することが可能な、1つまたは複数の共同設置感知デバイスを、ターゲット・オブジェクトに関連付けるステップと、
−それぞれが属性セットを有するパーティクルのセットを、ターゲット・オブジェクトに割り当てるステップであって、属性セットはトポロジ・モデルに関して少なくとも1つのロケーションを有する、割り当てるステップと、
−ターゲット・オブジェクトに割り当てられたパーティクルの属性セットを使用して、ターゲット・オブジェクトのプロパティ・セットを推定するステップと、
−複数の更新サイクルにおいてパーティクル・セットを更新するステップであって、各更新サイクルは、
a)ターゲット・オブジェクトに関連付けられた少なくとも1つの感知デバイスからのデータ・モデルおよび観察を使用して、ターゲット・オブジェクトのプロパティ・セットを正確に推定するために、各パーティクルの信頼度を決定する段階と、
b)少なくとも決定された信頼度に基づいて、各パーティクルの重みを決定する段階と、
c)更新サイクルn+1に関する新しいパーティクル・セットを生成する段階であって、
−新しいパーティクルのうちの少なくともいくつかが、更新サイクルnに関する1つまたは複数の親パーティクルに基づき、
−更新サイクルnに関するパーティクルが更新サイクルn+1において新しいパーティクルに関する親パーティクルとして選択されることになる可能性が、パーティクルの重みの非減少関数であり、
−更新サイクルn+1に関する新しいパーティクルの属性セットが、1つまたは複数の動きモデルおよび所定のアルゴリズムのうちの少なくとも1つを使用して、更新サイクルnに関する1つまたは複数の親パーティクルの属性セットから導出される、
生成する段階と、
を含む、更新するステップと、
を含む。
−信号強度、信号対雑音比、ビット誤りレート/率、タイミング前進などの、放射信号品質値。こうした信号品質値は、使用される場合、好ましくはいくつかの周波数帯、チャネル、セル、基地局などのそれぞれについて、別々に決定される
−気圧、温度、湿度などの、大気物理量
−好ましくはいくつかの周波数帯のそれぞれについて別々に決定される、雑音レベルなどの聴覚的量
−光の強度、色、スペクトルなどの、光学的量
−静止またはライブ・イメージにおいて認識された形状、あるいは認識されたサウンド
が含まれる。
図5Aから5Dは、環境内で許容されるロケーションおよび/または移行を示す、トポロジ・モデルTMの様々な実施および適用例を示す。参照番号500は、図5Aの左側に示された部屋のレイアウト501をモデル化するトポロジ・モデルの実施形態を示す。部屋のレイアウト501は、通路507を介して利用可能な、3つの小部屋503、504、および505と、1つの大部屋506とを含む。この特定の例では、大部屋506は4つの区画506Aから506Dとして扱われる。トポロジ・モデル500は、環境(部屋のレイアウト)501内での許容されるロケーションおよび移行を示す。トポロジ・モデル500中の任意の部屋番号は許容できるロケーションを示し、任意の行は許容される移行を示す。この例では、すべての許容される移行は双方向であると想定され、たとえば1行目では、503から507へ、および507から503への、両方が許容される移行であることを意味する。
図6は、親パーティクルから子孫パーティクルのセットを導出するために動きモデルがどのように使用できるかを示す図である。図6を簡略にしておくために、ロケーションは1次元として示されるが、実際の実施では、ロケーションは多次元として扱うことが可能であるか、または図5A〜5Dに関連して説明したトポロジ・モデルを使用して、多次元空間を1群の代替1次元パスとして扱うことが可能である。
いくつかの適用例では、ターゲット・オブジェクトを所与のロケーションまたは領域に配置することがどれほど信頼できるかを知ることは、必要であるかまたは少なくとも有利である。本発明の一実施形態では、パーティクル・セットの空間分布を使用して信頼測度が決定される。適度に単純な一実施では、ターゲット・オブジェクトが領域Aに配置されることになる確率は、ターゲット・オブジェクトの領域A内のパーティクル・セットとそのターゲット・オブジェクトに割り当てられたパーティクルの合計数との比である。他の実施では、信頼測度は、領域A内のターゲット・オブジェクトのパーティクルの確率の合計を、そのターゲット・オブジェクトに割り当てられたすべてのパーティクルの確率の合計で割った値に基づくものである。さらに他の実施では、信頼測度は、パーティクルが信号値などの後続の観察結果を予測する能力に基づくものとすることができる。
ロケーションに依存した物理量の観察によって1つまたは複数のターゲット・オブジェクトのロケーションを推定するための任意の技法は、計算上骨の折れるものであり、本発明も例外ではない。しかしながら本発明は、ターゲット・オブジェクトあたりのパーティクル数に比べてサンプル・ポイントの数が多い場合、計算上の特典を提供することができる。これにはいくつかの理由がある。たとえば、しばしば、関連付けられた確率と共にターゲット・オブジェクトの動き履歴を格納する必要がある。多くの従来技術の位置決定技法では、隠れマルコフ・モデル(HMM)を実施する。HMMシステムでは、ターゲット・オブジェクトの動き履歴を格納するステップには、いくつかの前の状態を格納するステップが含まれ、各状態を格納するステップには大量のサンプル・ポイントの確率に関するデータを格納するステップが含まれる。本発明では、動き履歴を格納するステップは、サンプル・ポイントの数よりもかなり少ない数のパーティクルの履歴を格納することによって実施できる。
役に立たない計算を避けるための他の技法には、何らかの関連基準に基づいて、データ・モデルのサンプル・ポイントのサブセットを選択するステップが含まれる。こうして選択されたサンプル・ポイントが、関連サンプル・ポイントと呼ばれることになる。たとえば、関連サンプル・ポイント技法は、
−関連サンプル・ポイントの1つまたは複数のセットを示すための関連性インジケータのセットを維持するステップであって、関連サンプル・ポイントの1つまたは複数のセットがデータ・モデル内のサンプル・ポイントのサブセットである、維持するステップと、
−ターゲット・オブジェクトのロケーションでの観察および関連性インジケータのセットに基づいて、関連サンプル・ポイントの現在のセットを決定するステップと、
−ターゲット・オブジェクトのロケーションでの観察および関連サンプル・ポイントの現在のセットに基づいて、ターゲット・オブジェクトのロケーションを推定するステップと、
を使用して、本発明を補足することによって使用可能である。
R1={S3,S6,S8,S9}
R2={S2,S3,S5,S6,S8,S9}
R3={S5,S6,S7,S8,S9}
R=R1∩R2∩R3
={S3,S6,S8,S9}∩{S2,S3,S5,S6,S8,S9}∩{S5,S6,S7,S8,S9}
={S6,S8,S9}
A={a1,a2,...,an}=アクセス・ポイントのセット
S={s1,s2,...,sm}=サンプル・ポイントのセット
vi=a1の信号値
NA=使用不可の値(対象範囲外、スキャン失敗、...)
P(V|si,aj)=siでのajの信号パラメータの確率分布
ε(エプシロン)=ルックアップが関連サンプル・ポイントを無視するリスクを指定したパラメータ、たとえばε∈[0,1]
P(V<vmin|si,aj)=ε/2
P(V>vmax|si,aj)=ε/2
vmin≦vi≦vmax
として表すことができる。
vmin=xi−z
vmax=xi+z
位置決定の不確実性は、参照文書1に開示されたグラフ・ベースの位置決定技法を伴う関連性インジケータを使用することによって、さらに削減することができる。この文書では、隠れマルコフ・モデルに関連したグラフ・ベースの位置決定技法を開示するが、本発明は隠れマルコフ・モデルに制限されるものではない。グラフ・ベースの位置決定は、次のように要約することができる。トポロジ・グラフとは、無線通信環境のトポロジをモデル化するものである。トポロジ・グラフはノード・セットを示し、各ノードは位置決定環境において許容されるロケーションを示す。トポロジ・グラフは弧のセットも示し、各弧は2つのノード間での許容されるターゲット・オブジェクトの移行を示す。トポロジ・グラフを使用し、データ・モデルおよび一連の観察に基づいてターゲット・オブジェクトのロケーションが推定される。たとえば、位置決定環境のトポロジをモデル化するトポロジ・グラフを使用して、不可能なロケーションおよび/またはロケーション間での不可能な移行を除外することができる。
HMM1:RHMM/1=R1⊆S
HMM2:RHMM/2=R2∩L(RHMM/1)
HMMi:RHMM/i=Ri∩L(RHMM/i−1)
1.WO2004/008795号は、ターゲット・オブジェクトの通信環境のトポロジをモデル化するグラフを使用する、ロケーション決定技法を開示する。
2.WO03/102622号は、無線環境におけるターゲットのロケーション探索のための技法を開示する。この技法は無線環境の複数のサブモデルを使用し、各サブモデルは無線環境における1つまたは複数のロケーションでの信号値に関する確率分布を示す。サブモデルは、環境における信号値の確率分布を示す環境の確率モデルと組み合わされる。
3.WO2004/008796号は、信号品質パラメータの異なるターゲット・オブジェクトの観察結果間の相違を補償する、複数のデバイス・モデルを決定するステップと、複数のデバイス・モデル間で特定のターゲット・オブジェクトに対する特定のデバイス・モデルを選択するステップとを含む、ロケーション決定技法を開示する。
4.WO02/054813号は、無線通信環境において受信機のロケーションを推定するための方法および装置を開示する。
上記参照文書は、参照により本明細書に組み込まれた、本願の所有者が所有する特許明細書である。
111 ターゲット・オブジェクトのロケーション
112 パーティクル
113 確率曲線
114 重み決定ステップ
115 重み付けされたパーティクル
116 子孫作成ステップ
119 高確率領域
121 ロケーション
122 パーティクル
123 確率曲線
124 重み決定ステップ
125 重み付けされたパーティクル
126 子孫作成ステップ
131 ロケーション
132 パーティクル
133 確率曲線
134 重み決定ステップ
135 重み付けされたパーティクル
136 子孫作成ステップ
139 高確率領域
141 ロケーション
142 パーティクル
143 確率曲線
144 重み決定ステップ
145 重み付けされたパーティクル
211 速度
215 パーティクル
216 子孫作成ステップ
217 速度
221 ロケーション
222 子孫
224 重み決定ステップ
225 重み決定ステップ
226 子孫作成ステップ
237 矢印
242 パーティクル
244 重み決定ステップ
302 人物
304 フロア・プラン
401 サンプル・ポイント
402 サンプル・ポイント
403 ロケーションX
411 確立分布
412 確立分布
421 累積分布
422 累積分布
423 ロケーションの累積分布
430 数式
500 トポロ
501 部屋のレイアウト
503 小部屋
504 小部屋
505 小部屋
506 大部屋
507 通路
510 トポロジ・グラフ
512 ノード
513 ノード
514 孤
522 パーティクル
524 子孫
526 速度セット
530 トポロジ・モデル
531 ノード
532 ノード
533 ノード
534 ノード
535 ノード
536 ノード
537 多角形
538 円
602 パーティクル
604 ロケーション
606 ロケーション
608 ロケーション
610 ライン
612 子孫パーティクル
711 ロケーション
712 パーティクル
713 曲線
714 曲線
715 パーティクル
716 子孫生成ステップ
721 ロケーション
722 子孫パーティクル
723 曲線
724 パーティクル
725 パーティクル
726 子孫生成ステップ
731 更新サイクル
732 更新サイクル
733 更新サイクル
734 更新サイクル
735 更新サイクル
736 更新サイクル
742 パーティクル
800 プロパティ・セット
801 X
802 Y
803 インジケーション
804 インジケーション
805 プロパティ
810 属性セット
820 属性セット
830 子孫パーティクル
840 子孫パーティクル
850 子孫パーティクル
860 子孫パーティクル
902 ロケーション
904 サブセット
906 パーティクル・セット
1000 フロア・プランまたはトポロジ・モデルの断片
1002 ノード
1010 重みの合計
1122 信号パラメータ
1123 信号パラメータ
1131 データ構造
1132 データ構造
1133 データ構造
1202 x軸
1204 y軸
1206 確率分布
1210 信号パラメータ
値 vmin
1212 信号パラメータ
値 vmax
1226 累積確率分布
1228 網掛け領域
1302 行
1304 行
1306 行
1308 行
1310 行
1314 行
1400 アルゴリズム
1402 行
1404 行
1406 行
1408 行
1410 行
1412 行
1414 行
1416 行
1418 行
1420 行
1422 行
1424 行
1426 行
1428 行
1502 X−Y座標系
1504 しきい値レベル
1506 曲線
1508 条件
1610 図
Claims (25)
- 環境(EN、RN)においてターゲット・オブジェクト(TO)のプロパティ・セット(SP)を推定するための方法であって、前記プロパティ・セットはロケーションを含み、
トポロジ・モデル(TM)およびデータ・モデル(DAM)によって前記環境をモデル化するステップであって、前記トポロジ・モデル(TM)は、前記環境内の許容されるロケーションおよび移行を示し、前記データ・モデルは、前記トポロジ・モデル(TM)によって示されたいくつかの許容されるロケーションのそれぞれについて少なくとも1つのロケーションに依存した物理量(PQ)を示す、モデル化するステップと、
1つまたは複数の動きモデル(MM)によって前記ターゲット・オブジェクト(TO)のロケーション変更特徴をモデル化するステップであって、各動きモデルは、特定タイプのターゲット・オブジェクトをモデル化し、前記トポロジ・モデル(TM)によって示された許容されるロケーションおよび移行に従う、モデル化するステップと、
それぞれが1つまたは複数の前記ロケーションに依存した物理量(PQ)を観察(OS)することが可能な、1つまたは複数の共同設置感知デバイス(SD)を、前記ターゲット・オブジェクト(TO)に関連付けるステップと、
それぞれが属性セット(AS)を有するパーティクルのセット(P、112、122、...)を、前記ターゲット・オブジェクトに割り当てるステップであって、前記属性セットは前記トポロジ・モデル(TM)に関して少なくとも1つのロケーションを有する、割り当てるステップと、
前記ターゲット・オブジェクトに割り当てられた前記パーティクル(P)の前記属性セット(AS;112、122、...)を使用して、前記ターゲット・オブジェクト(TO)の前記プロパティ・セット(SP;111、121、131、141)を推定するステップと、
複数の更新サイクルにおいて前記パーティクル・セットを更新するステップであって、各更新サイクルは、
a)前記ターゲット・オブジェクト(TO)に関連付けられた少なくとも1つの感知デバイス(SD)からの前記データ・モデル(DM)および観察(OS)を使用して、前記ターゲット・オブジェクトの前記プロパティ・セット(SP)を正確に推定するために、各パーティクル(P)の信頼度(113、123、...)を決定する段階と、
b)少なくとも前記決定された信頼度に基づいて、各パーティクルの重み(115、125、...)を決定する段階と、
c)更新サイクルn+1に関する新しいパーティクル・セットを生成する段階であって、
前記新しいパーティクル(122、132、142;612)のうちの少なくともいくつかが、更新サイクルn(112、122、132;602)に関する1つまたは複数の親パーティクルに基づき、
更新サイクルnに関するパーティクルが更新サイクルn+1において新しいパーティクルに関する親パーティクルとして選択されることになる可能性が、前記パーティクルの前記重みの非減少関数であり、
更新サイクルn+1に関する新しいパーティクルの前記属性セットが、前記1つまたは複数の動きモデル(MM)および所定のアルゴリズム(600)のうちの少なくとも1つを使用して、更新サイクルnに関する1つまたは複数の親パーティクルの前記属性セットから導出される、
生成する段階と、
を含む、更新するステップと、
を含む、方法。 - 更新サイクルkに対して重み付けされたパーティクルのスナップショットを生成するステップであって、前記スナップショットは更新サイクルkに対する一部またはすべてのパーティクルを含む、生成するステップと、以下の再帰的規則によって定義された重みを各パーティクルに割り当てるステップと、nは前記重みが決定された最新の更新サイクルであって、
kがnに等しい場合、パーティクルの前記重みは請求項1のステップbで決定された前記重みに基づき、
kがnより小さい場合、パーティクルの前記重みは更新サイクルk+1に対して生成されたスナップショットに存在する前記パーティクルのすべての直接の子孫の重み合計に基づく、
更新サイクルkで前記ターゲット・オブジェクト(TO)のプロパティ・セット(SP)を推定するために前記スナップショットを使用するステップと、
をさらに含む、請求項1に記載の方法。 - 更新サイクルkに対して重み付けされたパーティクルの前記スナップショットを、1つまたは複数のクラスタに分割するステップであって、各クラスタは1つまたは複数の所定の類似基準に従って互いに類似するパーティクルを含む、分割するステップと、
少なくとも1つのクラスタを選択するステップ、前記選択されたクラスタ内のパーティクルおよび重みを使用することによって、選択された各クラスタに対する更新サイクルkでの前記ターゲット・オブジェクト(TO)の前記プロパティ・セット(SP)を推定するステップ、および前記クラスタ内にないパーティクルおよび重みを除外するステップと、
をさらに含む、請求項2に記載の方法。 - 前記1つまたは複数の所定の類似基準のうちの少なくとも1つは、前記パーティクルのロケーションに基づくものであり、これによって各クラスタは互いに近いパーティクルを含む、請求項3に記載の方法。
- 複数の所定のゾーンを維持するステップであって、各ゾーンは前記トポロジ・モデル(TM)の1つまたは複数の許容されるロケーションを含む、維持するステップをさらに含み、
前記1つまたは複数の所定の類似基準のうちの少なくとも1つは、前記複数のゾーンに基づき、ロケーションが同じゾーンに属するパーティクルは同じクラスタに属する、
請求項3または4に記載の方法。 - クラスタを使用して生成された推定に信頼値を関連付けるステップをさらに含み、前記信頼値は、前記クラスタ内のパーティクルの前記重み合計を前記スナップショット内の重み合計で割った値に基づく、請求項3、4、または5に記載の方法。
- 前記ターゲット・オブジェクト(TO)の推定されたプロパティ・セット(SP)は、環境(EN)内の少なくとも1つの空間プロパティ(SP)を含み、前記方法は、
前記データ・モデル(DAM)で前記少なくとも1つの空間プロパティをモデル化するステップであって、前記データ・モデルは前記環境内のいくつかのロケーションそれぞれに関する前記空間プロパティ(SP)を示す、モデル化するステップをさらに含み、
前記ターゲット・オブジェクト(TO)のプロパティ・セット(SP)を推定するステップは、
前記パーティクルのロケーションで前記空間プロパティを示すために前記データ・モデル(DAM)を使用して、各パーティクルについて前記空間プロパティのパーティクル特有の推定を生成するステップと、
各パーティクルの重みを使用してパーティクル特有の推定を結合するステップと、
を含む、請求項3から6のいずれか一項に記載の方法。 - 前記データ・モデル(DAM)は、前記トポロジ・モデル(TM)によって示される許容されるロケーションでの少なくとも1つのロケーションに依存した物理量(PQ)に関する確率分布(411、412)を示す確率モデルであるか、または確率モデルを含み、パーティクルに関する信頼度を決定するステップは、
前記データ・モデル(DAM)を使用することによって、前記パーティクルの前記ロケーションでのロケーションに依存した物理量に関する確率分布(411、412)を示すステップと、
前記ターゲット・オブジェクト(TO)に関連付けられた少なくとも1つの感知デバイス(SD)からの前記物理量(PQ)の観察の確率を決定するために、前記示された確率分布を使用するステップと、
を含む、請求項1から7のいずれか一項に記載の方法。 - 前記データ・モデル(DAM)は、いくつかのサンプル・ポイント(401、402)での少なくとも1つのロケーションに依存した物理量(PQ)に関する確率分布(411、412)を示す確率モデルであるか、または確率モデルを含み、確率分布を示すステップは、
前記パーティクルの前記ロケーション近くの少なくとも2つのサンプル・ポイントを選択するステップと、
前記選択されたサンプル・ポイント(401、402)での前記物理量に関する前記確率分布(411、412)を組み合わせるステップと、
を含む、請求項8に記載の方法。 - 前記確率分布を組み合わせるステップは、
選択された各サンプル・ポイント(401、402)に関する累積分布関数(421、422)を形成するステップ、およびそれぞれの前記累積分布関数を相対重みによって重み付けするステップと、
前記重み付けされた累積分布関数の組合せ(423)を形成するステップと、
を含む、請求項9に記載の方法。 - 前記トポロジ・モデル(TM、530)は、前記許容されるロケーションおよび移行を示すためのノードおよび前記ノード(531〜536)間の弧を含む、請求項1から10のいずれか一項に記載の方法。
- 前記トポロジ・モデル(TM、530)は、前記許容されるロケーションおよび移行を示すためのノードおよび前記ノード(531〜536)間の弧を含み、少なくとも2つのサンプル・ポイントを選択するステップは、前記弧をたどることによって前記パーティクルの前記ロケーションから到達することができる前記サンプル・ポイントのうちの少なくとも2つを選択するステップを含む、請求項9、10、または11に記載の方法。
- 前記ターゲット・オブジェクトの動きモデルを適応的に選択するステップをさらに含み、前記適応的な選択は、
各パーティクル(P)について特定の動きモデル(MM)を選択するステップ、およびパーティクルの前記属性セット(AS)を前記パーティクルについて選択された前記動きモデルへの参照を含むように設定するステップを含み、
1つまたは複数の親パーティクルの前記属性セットから新しいパーティクルの属性セットを導出するステップは、前記親パーティクルの前記属性セットによって参照される前記動きモデルを使用するステップを含む、
請求項1から12のいずれか一項に記載の方法。 - それぞれが1つまたは複数の感知デバイス(SD)の観察を修正することが可能な複数のデバイス・モデル(DM)を維持するステップと、
共同設置された前記感知デバイス(SD)のうちの少なくとも1つについて特定のデバイス・モデル(DM)を選択するステップと、
前記選択されたデバイス・モデル(DM)を使用して前記共同設置された感知デバイス(SD)のうちの少なくとも1つの観察を修正するステップと、
をさらに含む、請求項1から13のいずれか一項に記載の方法。 - 前記少なくとも1つのデバイス・モデル(DM)を適応的に選択するステップをさらに含み、前記適応的に選択するステップは、
各パーティクル(P)について少なくとも1つの特定のデバイス・モデル(DM)を選択するステップ、および前記パーティクルについて選択された各デバイス・モデルへの参照を含むようにパーティクルの前記属性セット(AS)を設定するステップと、
前記パーティクル(P)の信頼度(113、123、...)を決定するステップの前に、前記少なくとも1つの感知デバイス(SD)からの観察(OS)を修正するように前記パーティクルの前記属性セット(AS)によって参照される各デバイス・モデルを適用するステップと、
を含む、請求項14に記載の方法。 - 前記データ・モデルは、複数のサンプル・ポイント(S1〜S9)のそれぞれについて前記ロケーションに依存した物理量の予測値セットを示し、
関連サンプル・ポイントの1つまたは複数のセット(R1〜R3)を示すための関連性インジケータのセット(121A〜123B;131A〜133B)を維持するステップであって、前記関連サンプル・ポイントの1つまたは複数のセットは前記データ・モデル内の前記サンプル・ポイント(S1〜S9)のサブセットである、維持するステップと、
前記1つまたは複数のロケーションに依存した物理量(PQ)の前記観察(OS)および前記関連性インジケータのセットに基づいて、関連サンプル・ポイントの現在のセット(R)を決定するステップと、
計算の効率を上げるために前記関連サンプル・ポイントの現在のセット(R)を使用するステップと、
をさらに含む、請求項1から15のいずれか一項に記載の方法。 - 前記関連サンプル・ポイントの現在のセット(R)から遠くはなれて配置されているパーティクルを廃棄するステップをさらに含む、請求項16に記載の方法。
- 請求項1のステップa)は、さらなる計算なしに、前記関連サンプル・ポイントの現在のセット(R)から遠くにあるパーティクルに最低の信頼度を割り当てるステップをさらに含む、請求項16に記載の方法。
- 請求項1のステップc)は、前記関連サンプル・ポイント近くにいくつかの追加の親なしパーティクルを生成するステップをさらに含む、請求項16に記載の方法。
- 前記1つまたは複数の物理量は少なくとも1つの信号値を含む、請求項1から19のいずれか一項に記載の方法。
- 前記プロパティ・セット(SP)は1つまたは複数の動きプロパティを含む、請求項1から20のいずれか一項に記載の方法。
- 環境(EN、RN)においてターゲット・オブジェクト(TO)のプロパティ・セット(SP)を推定するためのプロパティ推定装置であって、前記プロパティ・セットはロケーションを含み、
前記環境内の許容されるロケーションおよび移行を示すためのトポロジ・モデル(TM)、および前記トポロジ・モデル(TM)によって示されたいくつかの許容されるロケーションのそれぞれについて少なくとも1つのロケーションに依存した物理量(PQ)を示すためのデータ・モデル(DAM)と、
前記ターゲット・オブジェクト(TO)のロケーション変更特徴をモデル化するための1つまたは複数の動きモデル(MM)であって、各動きモデルは、特定タイプのターゲット・オブジェクトをモデル化し、前記トポロジ・モデル(TM)によって示された許容されるロケーションおよび移行に従う、動きモデル(MM)と、
1つまたは複数の共同設置感知デバイス(SD)の前記ターゲット・オブジェクト(TO)への関連付けであって、感知デバイスはそれぞれが1つまたは複数の前記ロケーションに依存した物理量(PQ)を観察(OS)することが可能な、関連付けと、
それぞれが属性セット(AS)を有するパーティクルのセット(P、112、122、...)を、前記ターゲット・オブジェクトに割り当てるための手段であって、前記属性セットは前記トポロジ・モデル(TM)に関して少なくとも1つのロケーションを有する、割り当てるための手段と、
前記ターゲット・オブジェクトに割り当てられた前記パーティクル(P)の前記属性セット(AS;112、122、...)を使用して、前記ターゲット・オブジェクト(TO)の前記プロパティ・セット(SP;111、121、131、141)を推定するためのプロパティ推定装置と、
複数の更新サイクルにおいて前記パーティクル・セットを更新するための更新手段であって、各更新サイクルは、
a)前記ターゲット・オブジェクト(TO)に関連付けられた少なくとも1つの感知デバイス(SD)からの前記データ・モデル(DM)および観察(OS)を使用した、前記ターゲット・オブジェクトの前記プロパティ・セット(SP)を正確に推定するための、各パーティクル(P)の信頼度(113、123、...)の決定と、
b)少なくとも前記決定された信頼度に基づいた、各パーティクルの重み(115、125、...)の決定と、
c)更新サイクルn+1に関する新しいパーティクル・セットの生成であって、
前記新しいパーティクル(122、132、142;612)のうちの少なくともいくつかが、更新サイクルn(112、122、132;602)に関する1つまたは複数の親パーティクルに基づき、
更新サイクルnに関するパーティクルが更新サイクルn+1において新しいパーティクルに関する親パーティクルとして選択されることになる可能性が、前記パーティクルの前記重みの非減少関数であり、
更新サイクルn+1に関する新しいパーティクルの前記属性セットが、前記1つまたは複数の動きモデル(MM)および所定のアルゴリズム(600)のうちの少なくとも1つを使用して、更新サイクルnに関する1つまたは複数の親パーティクルの前記属性セットから導出される、
生成と、
を含む、更新手段と、
を含む、プロパティ推定装置。 - 前記パーティクルの属性における変動性と、
前記プロパティ推定装置によって処理されるターゲット・オブジェクトの数と、
前記プロパティ推定に関する品質要件と、
前記ターゲット・オブジェクトに割り当てられた優先順位と、
単位時間あたりに前記感知デバイスから受信する観察セットの組合せレートと、
前記ターゲット・オブジェクトの動き履歴と、
前記プロパティ推定装置の全体負荷と、
のうちの1つまたは複数に基づいて、ターゲット・オブジェクトに割り当てられるパーティクルの数を動的に調整するための手段をさらに含む、請求項22に記載のプロパティ推定装置。 - 前記パーティクルの属性における変動性と、
前記プロパティ推定装置によって処理されるターゲット・オブジェクトの数と、
前記プロパティ推定に関する品質要件と、
前記ターゲット・オブジェクトに割り当てられた優先順位と、
単位時間あたりに前記感知デバイスから受信する観察セットの組合せレートと、
前記ターゲット・オブジェクトの動き履歴と、
前記プロパティ推定装置の全体負荷と、
のうちの1つまたは複数に基づいて、更新サイクル間の時間間隔を動的に調整するための手段をさらに含む、請求項22または23に記載のプロパティ推定装置。 - コンピュータ・プログラム製品がデータ・プロセッサ内で実行された場合、請求項1の方法を実施するためのプログラム・コード手段を含む、データ・プロセッサ用のコンピュータ・プログラム製品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20055649A FI118787B (fi) | 2005-12-07 | 2005-12-07 | Paikanmääritystekniikoita |
FI20055649 | 2005-12-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007208962A JP2007208962A (ja) | 2007-08-16 |
JP4904137B2 true JP4904137B2 (ja) | 2012-03-28 |
Family
ID=35510727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006331181A Active JP4904137B2 (ja) | 2005-12-07 | 2006-12-07 | ロケーション決定技法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1796419B1 (ja) |
JP (1) | JP4904137B2 (ja) |
CN (1) | CN101018402B (ja) |
DK (1) | DK1796419T3 (ja) |
FI (1) | FI118787B (ja) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI118715B (fi) * | 2005-12-07 | 2008-02-15 | Ekahau Oy | Paikannustekniikka |
JP5043756B2 (ja) * | 2008-06-09 | 2012-10-10 | 本田技研工業株式会社 | 状態推定装置および状態推定プログラム |
EP2404454A4 (en) * | 2009-03-04 | 2016-04-20 | Nokia Technologies Oy | FRAME INFORMATION FOR A COVER TEMPLATE |
PL2404400T3 (pl) * | 2009-03-04 | 2017-09-29 | Nokia Technologies Oy | Obsługa procesu związanego z modelem pokrycia w oparciu o maszynę stanu |
JP2010210579A (ja) * | 2009-03-12 | 2010-09-24 | Toshiba Corp | 目標検出装置及び目標検出方法 |
JP4957770B2 (ja) * | 2009-09-09 | 2012-06-20 | 沖電気工業株式会社 | 位置推定システム、位置推定装置、位置推定方法及びプログラム |
US8698671B2 (en) * | 2009-10-16 | 2014-04-15 | Qualcomm Incorporated | Binning venues into categories based on propagation characteristics |
JP5515647B2 (ja) * | 2009-11-05 | 2014-06-11 | 独立行政法人産業技術総合研究所 | 測位装置 |
GB2479577B (en) * | 2010-04-15 | 2015-05-27 | Samsung Electronics Co Ltd | Improvements relating to wireless networks |
US20110274094A1 (en) * | 2010-05-06 | 2011-11-10 | Qualcomm Incorporated | Methods and apparatus for estimating a geolocation of a wireless communications device |
EP2572542A4 (en) | 2010-05-19 | 2017-01-04 | Nokia Technologies Oy | Crowd-sourced vision and sensor-surveyed mapping |
CN102960035A (zh) | 2010-05-19 | 2013-03-06 | 诺基亚公司 | 扩展的指纹产生 |
EP2572544A4 (en) | 2010-05-19 | 2017-01-18 | Nokia Technologies Oy | Physically-constrained radiomaps |
JP5166502B2 (ja) * | 2010-10-21 | 2013-03-21 | 株式会社日立製作所 | 測位データ管理サーバ及び測位データ管理方法 |
TWI439947B (zh) * | 2010-11-11 | 2014-06-01 | Ind Tech Res Inst | 辨識人體移動行為之方法及系統 |
JP2013007719A (ja) * | 2011-06-27 | 2013-01-10 | Toyota Central R&D Labs Inc | 位置推定装置、位置推定方法及び位置推定プログラム |
US8706137B2 (en) * | 2011-08-02 | 2014-04-22 | Qualcomm Incorporated | Likelihood of mobile device portal transition |
JP5978747B2 (ja) * | 2012-05-09 | 2016-08-24 | 富士通株式会社 | 測位システム、測位方法、及びプログラム |
CN103810450B (zh) * | 2012-11-12 | 2017-01-25 | 北京计算机技术及应用研究所 | 一种射频识别的精确区域定位方法及系统 |
US10152874B2 (en) | 2013-04-18 | 2018-12-11 | Airista Flow, Inc. | Processing alert signals from positioning devices |
US9753131B2 (en) * | 2013-10-09 | 2017-09-05 | Massachusetts Institute Of Technology | Motion tracking via body radio reflections |
US9319844B2 (en) | 2014-04-25 | 2016-04-19 | Aruba Networks, Inc. | Determining location based on both a detected location and a predicted location |
KR101713241B1 (ko) * | 2015-06-22 | 2017-03-09 | 광운대학교 산학협력단 | 단독기지국의 위치 선정 방법 및 그 장치 |
FR3039728B1 (fr) * | 2015-07-28 | 2017-10-27 | Airbus Defence & Space Sas | Procede de planification d'acquisition d'images de zones terrestres par un engin spatial |
US9749806B2 (en) * | 2015-12-17 | 2017-08-29 | Viavi Solutions Uk Limited | Determining mobile device location based on a particle swarm approach |
FR3049065B1 (fr) * | 2016-03-16 | 2018-03-23 | Continental Automotive France | Procede de determination de la position d'un equipement portable d'utilisateur autour d'un vehicule et dispositif de localisation associe |
CN106443624B (zh) * | 2016-09-14 | 2019-02-22 | 清华大学 | 一种目标检测与跟踪一体化方法 |
US10692227B2 (en) * | 2017-01-05 | 2020-06-23 | Kla-Tencor Corporation | Determination of sampling maps for alignment measurements based on reduction of out of specification points |
US11035943B2 (en) * | 2018-07-19 | 2021-06-15 | Aptiv Technologies Limited | Radar based tracking of slow moving objects |
DE102018214828B4 (de) * | 2018-08-31 | 2024-05-16 | Robert Bosch Gmbh | Verfahren, Vorrichtung und Computerprogramm zum Prädizieren eines Aufenthaltsortes einer Mehrzahl von Objekten |
CN112589795B (zh) * | 2020-12-04 | 2022-03-15 | 中山大学 | 一种基于不确定性多帧融合的真空吸盘机械臂抓取方法 |
CN112820009A (zh) * | 2021-02-08 | 2021-05-18 | 上海凯盛朗坤信息技术股份有限公司 | 一种智能工厂安防系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2337386B (en) * | 1996-09-09 | 2001-04-04 | Dennis J Dupray | Location of a mobile station |
FI113410B (fi) * | 2002-05-31 | 2004-04-15 | Ekahau Oy | Probabilistinen malli paikannustekniikkaa varten |
FI113092B (fi) * | 2002-05-31 | 2004-02-27 | Ekahau Oy | Paikannusepävarmuuden mittauksia ja niiden sovelluksia |
FI113330B (fi) * | 2002-07-10 | 2004-03-31 | Ekahau Oy | Signaalilaatumittausten sovelluksia |
FI114535B (fi) * | 2002-07-10 | 2004-10-29 | Ekahau Oy | Paikannustekniikka |
JP3943049B2 (ja) * | 2003-05-14 | 2007-07-11 | 株式会社アテック吉村 | ケーシングパイプ式土質試料サンプラー |
US7250907B2 (en) * | 2003-06-30 | 2007-07-31 | Microsoft Corporation | System and methods for determining the location dynamics of a portable computing device |
-
2005
- 2005-12-07 FI FI20055649A patent/FI118787B/fi not_active IP Right Cessation
-
2006
- 2006-12-04 DK DK06125313.4T patent/DK1796419T3/en active
- 2006-12-04 EP EP06125313.4A patent/EP1796419B1/en active Active
- 2006-12-07 JP JP2006331181A patent/JP4904137B2/ja active Active
- 2006-12-07 CN CN2006100644822A patent/CN101018402B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
FI118787B (fi) | 2008-03-14 |
EP1796419B1 (en) | 2019-01-23 |
CN101018402A (zh) | 2007-08-15 |
FI20055649A (fi) | 2007-06-08 |
DK1796419T3 (en) | 2019-04-15 |
CN101018402B (zh) | 2012-10-10 |
EP1796419A1 (en) | 2007-06-13 |
FI20055649A0 (fi) | 2005-12-07 |
JP2007208962A (ja) | 2007-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4904137B2 (ja) | ロケーション決定技法 | |
US7904097B2 (en) | Location determination techniques | |
KR101292870B1 (ko) | 이동 장치의 로케이션 역학을 결정하는 시스템 및 방법, 이동 장치를 추적하는 것을 용이하게 하는 머신 구현 시스템, 무선 장치 로케이션 시스템, 및 컴퓨터 판독가능 기록 매체 | |
JP5818779B2 (ja) | フィンガープリント法を用いた位置検出システム及び位置検出方法 | |
US20070149215A1 (en) | Positioning technique | |
EP1795912B1 (en) | Positioning technique | |
US10375517B2 (en) | Crowd sourced pathway maps | |
Soltani et al. | Enhancing Cluster-based RFID Tag Localization using artificial neural networks and virtual reference tags | |
JP6003193B2 (ja) | エリア判別装置、エリア判別方法及びエリア判別プログラム | |
Tu et al. | Epidemic contact tracing with campus WiFi network and smartphone-based pedestrian dead reckoning | |
US20150063135A1 (en) | Client, server, and wireless signal map creating system using the same | |
CN110022529B (zh) | 基于两种传感模式的目标区域人数统计的方法和装置 | |
Wen et al. | Accuracy estimation for sensor systems | |
Wen et al. | On assessing the accuracy of positioning systems in indoor environments | |
KR101621839B1 (ko) | 이동 패턴 데이터베이스를 이용한 측위 방법 및 시스템 | |
Xie et al. | An improved indoor location algorithm based on backpropagation neural network | |
Hernandez et al. | Hierarchical Approach to Enhancing Topology-based WiFi Indoor Localization in Large Environments. | |
KR101580863B1 (ko) | 이동 패턴을 이용한 측위 데이터베이스 구축 방법 및 시스템 | |
Ebner et al. | On prior navigation knowledge in multi sensor indoor localisation | |
KR101853700B1 (ko) | 재난 구조시의 실내 위치 표시 시스템 및 방법 | |
US20220299338A1 (en) | Method for generating diagrammatic representation of area and electronic device thereof | |
CN114646313A (zh) | 一种用户轨迹定位方法、电子设备及计算机存储介质 | |
Feng et al. | Location discovery using data-driven statistical error modeling | |
Sugimoto et al. | Partial matching estimation method of walking trajectories for generating indoor pedestrian networks | |
Hui et al. | RFID-Based Indoor Spatial Query Evaluation with Bayesian Filtering Techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091030 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20111206 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20111213 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120106 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4904137 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150113 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150113 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |