1 Practical Metropolitan-Scale Positioning for GSM Phones Mike Y. Chen, Timothy Sohn, Dmitri Chmelev, Dirk Haehnel, Jeffrey Hightower, Jeff Hughes, Antony.

Apresentação em tema: "1 Practical Metropolitan-Scale Positioning for GSM Phones Mike Y. Chen, Timothy Sohn, Dmitri Chmelev, Dirk Haehnel, Jeffrey Hightower, Jeff Hughes, Antony."— Transcrição da apresentação:

1 1 Practical Metropolitan-Scale Positioning for GSM Phones Mike Y. Chen, Timothy Sohn, Dmitri Chmelev, Dirk Haehnel, Jeffrey Hightower, Jeff Hughes, Antony LaMarca, Fred Potter, Ian Smith, Alex Varshavsky Aluno: Leonardo Mayer (Slides: Mohammad L. Habib )

2 2 Objetivos Testar a exatidão de sistemas de inferência de localização baseados em redes GSM em ambientes metropolitanos. Explorar 5 fatores que afetam a exatidão do sistema: Algoritmo de localização; Tamanho do conjunto de varredura; Uso simultâneo de células de diferentes operadoras; Treinamento e testes em diferentes dispositivos; Calibração da densidade dos dados;

3 3 Motivação Muita pesquisa sobre sistemas de localização em redes Wi-Fi. Relativamente pouca pesquisa sobre sistemas de localização em redes GSM. Telefone Móvel: a mais ubíqua das plataformas. Mais de 2 bilhões de usuários; Longa duração da bateria; Conectividade constante; “Sempre” em mãos; “Sempre” ligado;

4 4 GSM versus Wi-Fi GSM - Alcance: 35Km - Estável - Pouca interferência Wi-Fi - Alcance: 700m - Instável - Muita Interferência

5 5 Contribuições Caracterização da exatidão de 3 algoritmos de localização. Mostrou-se que o uso de células de diferentes operadoras GSM pode aumentar significativamente a exatidão na localização. Mostrou-se que é possível usar diferentes dispositivos. Liberou-se publicamente o kit de localização desenvolvido pelos pesquisadores.

6 6 Metodologia Coletou-se 208 horas de dados ou 4350Km da área de cobertura GSM de Seattle. Operadoras: AT&T, Cingular, T-Mobile. Enorme amostragem de dados => diminuição das taxas de erros. Cada amostra de cada dispositivo contém: 7 ID's de diferentes células; Força do sinal associado a cada célula; ID do provedor; Área de cobertura;

7 7 Metodologia O dispositivo se localiza sem ajuda de infraestrutura externa. Sem necessidade de hardware adicional. Coleta de Dados Tamanho da área do espaço amostral Algoritmos de Localização: Família dos Centróides; Fingerprinting; Monte Carlo Localization com Gaussian Processes Signal Models;

8 8 Coleta de Dados Hardware: 1 laptop IBM Thinkpad T30 (wi-fi), 2 unidades GPS, 3 Sony Ericsson GM28 e 3 telefones Audiovox SMT5600. Configuração extra de backup.

9 9 Coleta de Dados Softwares de coleta de dados usados todos em C#. Funcionamento: Leituras do ID de 7 célula e suas respectivas forças no sinal para cada celular e modem; Leituras dos GPS's a cada segundo; Sairam de carro e percorreram cada rua de Seattle. Resultado: 4350Km percorridos em 208 horas; 24GB de dados em 3 meses; 6756 células em 44KB de dados comprimidos; Um acidente de carro;

10 10 Coleta de Dados

11 11 Tamanho da Área de Amostra Por que área percorrida é muito maior que a área testada?

12 12 Tamanho da Área de Amostra Por que área percorrida é muito maior que a área testada? Resposta: Por que ela deve ser suficientemente grande para cobrir todas as células visíveis dentro das áreas de teste.

13 13 Algoritmos de Localização Algoritmos escolhidos: Família dos Centróides; Fingerprinting; Monte Carlo Localization com Gaussian Processes Signal Models; Motivo da escolha: Cada um representa sua classe; Variam em complexidade e exatidão; Implementados em C# e rodam em Windows.

14 14 Família dos Centróides Rápido e, na sua forma básica, não se aplica ao modelo de propagação a rádio (usado). Usa uma tabela: Estima-se a posição como sendo o centro geométrico de todas as células observadas. Depende da posição das torres. Localização das torres não publicada. Localização estimada através do sinal.

15 15 Fingerprinting Assume que a posição da torre e o sinal em uma determinada posição são estáveis. Constrói-se um index de busca e mapeia-se as “fingerprints” em posições.

16 16 Resultados Explora o efeito dos cinco fatores que influenciam na exatidão da localização. Os nomes das operadoras foram anonimizados em: A, B e C.

17 17 Efeitos dos Diferentes Algoritmos

18 18 Efeitos do Tamanho do Conjunto de Varredura

19 19 Efeitos do uso de células de diferentes operadoras

20 20 Efeitos do uso de células de diferentes operadoras

21 21 Efeitos do uso de dispositivos diferentes

22 22 Efeitos na redução da densidade da calibragem

23 23 Considerações Finais

24 24 Projeto POLS http://pols.sourceforge.net/

25 25 POLS GSM sem localização => Aplicativos móveis forçados a usarem GPS. Independente de infraestrutura externa. Varre-se a rede em busca da ID das torres ou AP. Procura-se as ID's observadas em um banco de dados e estima-se a posição relativa a essas leituras.

26 26 POLS - Requerimentos Activesync.NET 1.1 Framework Visual Studio 2005 Um dos ou os todos listados abaixo: Smartphone 2003 SDK Windows Mobile 5.0 for Smartphone Windows Mobile 5.0 for PocketPC Suporta 8 tipos de modelos HTC e Motorola rodando Windows Mobile.

27 27 Conclusão Rede GSM útil para inferir localização. Útil para o desenvolvimento de diversos outros aplicativos. Independência na localização (privacidade). GSM versus GPS. Atinge bilhares de usuários.

28 28 Referências Referência para o texto e para as figuras: Mike Y. Chen, Timothy Sohn, Dmitri Chmelev, Dirk Haehnel, Jeffrey Hightower, Jeff Hughes, Antony LaMarca, Fred Potter, Ian Smith, Alex Varshavsky, “Practical Metropolitan-scale Positioning for GSM Phones”. http://pols.sourceforge.net/