A Dual Collaboration Strategy for Sensor Filtering in Sensor Registry System

다국어 초록 (Multilingual Abstract)

With the rapid development of sensing technology, positioning technology, wireless communication technology, and smart mobile devices, various moving objects can be effectively located and tracked. It generates a large amount of spatial-temporal trajectory data of moving objects and dramatically contributes to the development of location-based intelligent services. Sensor Registry System (SRS) is a framework for semantically interpreting and processing information of various types of sensors in heterogeneous sensor networks. For an ideal scenario, the SRS should provide metadata for ambient sensors that may be successfully connected. This process is location-based and is also known as sensor filtering.
The data acquisition process with SRS consists of two connections. The first connection is between the mobile device and SRS. The mobile device fetches the metadata of ambient sensors through the cellular network. The mobile device sends requests to the corresponding sensors. It collects the raw data based on intelligent service requirements and the received metadata via the second connection. The existing optimization methods for sensor filtering focus on the first connection. The main target is improving the reliability of acquiring metadata. However, there are problems with these efforts. 1. Today, the cellular network infrastructure is excellent, and SRS does not require unique algorithms to handle network-less access. 2. The mobile device’s position obtained from GPS is sometimes wrong. 3. These works lack an effective quantitative evaluation method. To address these concerns, we propose a dual collaboration strategy for sensor filtering in SRS and a Monte Carlo-based simulation workflow for quantitatively evaluating the service provision rate. The main research contents and findings are as follows:
1. To address sensor filtering with incorrect position from GPS, we present a dual collaboration strategy. The strategy simultaneously uses GPS and path prediction positions to improve the success rate of mobile devices connecting to ambient sensors. A practical path prediction algorithm is the core of the strategy. The word2vec-based word embedding and the LSTM-based sequence prediction are employed to process the collected historical trajectory data. The results show that the geographical embedding is suitable for grid-based partition for user behavior feature extraction. By visualizing the relationship of similarity between cells within the GIS, we found that the behavioral and spatial distances between cells are disproportionate. The behavioral distance between the cells along the road is proximity. The behavioral distance between the road and the space on both sides is distant. It indicates that the vector after embedding can represent human behavior patterns. We compare the accuracy of four path prediction algorithms: vanilla RNN, CBP, GatedCNN, and LSTM. The LSTM model has the best performance in both macro-recall and weighted-recall.
2. We design a service provision rate simulation flow based on the Monte Carlo method to quantitatively estimate the performance. It constructs the connectivity probabilities within the SRS working process by the area ratio. Simulation results under different network coverage conditions show that the LSTM model almost reaches the upper limit, which is the scenario where the GPS is completely precise. Considering the complexity and computational consumption of the model, CBP is also a suitable approach to do relatively good work with much lower resource requirements. Meanwhile, the difference between the accuracy or recall derived from machine learning and the results of the Monte Carlo method illustrates the reasonableness of the Monte Carlo method for evaluating SRS.
The research results in this thesis can provide novel ideas and technical reserves for path prediction and service recommendation of moving objects. It further enriches the fundamental theories of spatial-temporal data mining and machine learning, which have great theoretical significance and practical value.

국문 초록 (Abstract)

센서 레지스트리 시스템(Sensor Registry System, SRS)은 이기종 센서 네트워크에서의 다양한 센서 유형의 정보를 의미적으로 해석하고 처리할 수 있는 프레임워크이다. SRS는 연결된 주변 센서에 대한 메타데이터를 제공하는 역할을 한다. 위치 기반의 이러한 프로세스를 센서 필터링이라 정의한다.
기존 연구에서는 SRS를 위한 최적화된 센서 필터링에 대한 연구를 진행하였으며, 핵심은 메타데이터 획득의 신뢰성을 향상시키는 데 있다. 그러나 기존 연구는 여전히 몇 가지 문제점을 지닌다. 우선, 현재의 통신망은 매우 높은 신뢰성을 제공하기 때문에 네크워크 접근이 어려운 상황을 위한 알고리즘 개발이 요구되지 않는다. 둘째 모바일 디바이스가 GPS로부터 잘못된 위치 정보를 획득할 수 있다. 세 번째 기존 연구는 효과적인 정량적 평가에 대한 연구가 부족하다.
앞서 기술한 문제점들을 해결하기 위해 이 논문에서는 센서 필터링을 위한 이중 협업 전략을 제안하며, 몬테카를로 기반 시뮬레이션을 통해 서비스 제공률에 대한 정량적 평가를 수행한다.
이 논문의 주요 내용을 요약하면 다음과 같다.
1. GPS로부터의 잘못된 위치 정보를 이용한 센서 필터링 문제를 해결하기 위한 이중 협업 전략을 기술한다. 제안 전략은 주변 센서를 연결하는 모바일 디바이스의 성공률을 향상시키기 위해 GPS와 경로 예측 위치 정보를 동시에 이용한다.실용적인 경로 설정 알고리즘이 제안 전략의 핵심이며, 수집된 과거 궤적 데이터를 처리하기 위해 word2vec 기반 단어 임베딩과 LSTM 기반 시퀀스 예측을 적용한다. 결과에서, 사용자 행위 특성 추출을 위해 지리 임베딩이 그리드 기반 파티션에 적합함을 보였다. 경로 예측 알고리즘의 정확도는 Vanilla RNN, CBP, GatedCNN 및 LSTM을 이용하였고, LSTM 모델이 매크로 재현율(Macro Recall)과 가중 재현율(Weighted Recall) 측면에서 가장 나은 성능을 보였다.
2. 성능에 대한 정량 평가를 위해 몬테칼로 기법에 기반한 서비스 제공율 시뮬레이션 플로우를 고안하였다. 다른 네트워크 커버리지 조건 하에서 수행된 시뮬레이션 결과에서, LSTM 모델이 GPS가 완전하게 정확하다는 시나리오에 해당하는 상한치에 거의 도달하였다. 모델의 복잡도와 컴퓨터 소모량 측면에서, CBP가 낮은 자원 요구 조건 하에서 상대적으로 적합한 접근 방법임을 보였다. 반면, 정확도(Accuracy)와 재현율 간의 차이는 기계 학습에서 비롯된 것이며 몬테카를로 기법이 SRS 평가에 타당함을 보였다.
이 논문의 연구 결과는 이동 객체의 경로 예측과 서비스 추천을 위한 새로운 방안과 기술로서 활용될 수 있다. 또한 시공간 데이터 마이닝과 기계학습의 기반 이론을 보다 강화할 수 있을 것으로 기대된다.

참고문헌 (Reference)

1. `` A VLC smartphone camera based indoor positioning system ., Li , Yiwei , et al ., 30.131171-1174, , 2018

2. `` Clustered Noise Filtering Based Trajectory Refinement Method ., Sejeong Kim , et al ., 18 . 3 (11-20, , 2020

3. `` LSTM fully convolutional networks for time series classification, Karim , Fazle , et al ., 6 (, , 2017

4. `` A low cost indoor positioning system using bluetooth low energy ., Bai , Lu , et al ., 8 (, , 2020

5. `` Multi-sensor data fusion by a hybrid methodology ? A comparative study, Rawat , Sarvesh , and Surabhi Rawat ., 75 (, , 2016

6. `` Ubiquitous sensor network simulation and emulation environments : A survey, Sharif , Mohammad , and Abolghasem Sadeghi-Niaraki, 93150-181, , 2017

7. `` Improving grid-based location prediction algorithms by speed and direction based boosting ., Hazan , Itay , and Asaf Shabtai ., 7 (, , 2019

8. `` Correlation analysis and statistical characterization of heterogeneous sensor data in environmental sensor networks ., Rajesh , G. , and Ashvini Chaturvedi ., 164 (, , 2019

9. `` A Monte-Carlo Markov chain approach for coverage-area reliability of mobile wireless sensor networks with multistate nodes ., Chakraborty , Suparna , et al ., 193 (, , 2020