ارائه یک روش موقعیت یابی تلفن همراه بر مبنای تشخیص هوشمند الگوی شدت توان دریافتی در شبکه GSM، با کاربرد پیاده سازی سرویس‌های تبلیغات سیار

نوع مقاله: مقاله علمی فارسی

نویسندگان

1 استادیار، گروه مهندسی برق - دانشگاه اصفهان- اصفهان

2 کارشناس ارشد مهندسی برق- مخابرات، شرکت ارتباطات زیرساخت- تهران

چکیده

چکیده: روش‌های موقعیت‌یابی سلولی در محیط‌های شهری به علت وجود موانع زیاد، دارای خطای قابل ملاحظه‌ای هستند. دراین مقاله، با دیدگاه پیاده‌سازی یک سرویس تبلیغاتی مکان محور، روش موقعیت‌یابی تشخیص الگو مبتنی بر توان دریافتی ارائه گردیده که نتایج مطلوبی را در محیط‌های شهری به دست می‌آورد. هرچند تاکنون کارهایی در این زمینه صورت گرفته، اما این روش همواره با چالش‌هایی در حوزه ساختن و به روزرسانی پایگاه داده و محاسبات سنگین برای تخمین موقعیت روبه‌رو بوده است. در این مقاله، با ارائه مجموعه از راهکارهایی جدید و عملی برای غلبه بر مشکلات مذکور و بهبود دقت و کاهش بار محاسباتی این روش موقعیت‌یابی ارائه شده است. به طور خاص، فیلترهایی که به طور هوشمندانه ناحیه مورد جستجو در پایگاه داده را کاهش داده و یا دقت اندازه گیری را افزایش می دهند، پیشنهاد شده‌اند. نتایج عملی به دست آمده در شهر اصفهان بیانگر دقت بالای این روش است. برای نمونه، نحوه پیاده سازی یک سرویس تبلیغاتی با استفاده از روش مکان یابی پیشنهادی تشریح شده است. در سرویس تبلیغاتی ارائه شده، علاوه بر موقعیت مشترک، علایق وی و زمان نیز برای ارتقای کارایی سرویس مد نظر قرار گرفته می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

A Cell Phone Positioning Method Based on the Intelligent Received Signal Strength Pattern Recognition in GSM Network for Implementing Mobile Advertisement Services

نویسندگان [English]

  • M. F Sabahi 1
  • S. Sarrfian 2
1 Department of Electrical Engineering, University of Isfahan, Isfahan, Iran
2 Telecommunication Infrastructure Company, Tehran, Iran
چکیده [English]

Cellular positioning methods in urban environments suffer from a significant error due to multipath and fading phenomena. In this paper, regarding the implementation location-based services, one pattern recognition positioning method based on the signal strength is presented, which provides proper results in urban areas. Although many works have been done in this field, the main challenge is to create and to update the database and heavy calculation to estimate the position .In this paper, some practical and intelligent solutions for overcoming the mentioned problems, enhancing the accuracy and reducing the computational load of this positioning method are presented. Specially, some intelligent filtering methods are presented for reducing the search region in the database and also increasing the accuracy of position estimation. Real measurements obtained in Isfahan, illustrate the high accuracy of the proposed techniques. In addition, an advertising service based on the proposed method is presented. User’s interest and local time is considered as well as him/her position for enhancing the efficiency of the mentioned service.

کلیدواژه‌ها [English]

  • location-based service
  • Pattern Recognition
  • location
  • location-based advertising
  • based service
  • Received Signal Strength (RSS)
  • cellular positioning
  • based advertising

امروزه بازار رقابتی خدمات سیار موجب گردیده، ارائه دهندگان این خدمات به دنبال روش­های جدیدی به منظور جذب مشتریان و افزایش سود حاصله باشند. یکی از راه‌های تحقق این امر، اضافه نمودن سرویس­های ارزش افزوده(VAS) به سرویس­های اصلی است. ضریب نفوذ بالای تلفن همراه در کنار قابلیت تحرک پذیری، این ادوات را به وسایل مناسبی برای ارائه خدماتی، نظیر سرویس‌های مبتنی بر موقعیت (LBS) تبدیل نموده است.

البته، مهمترین مسأله در ارائه چنین سرویس­هایی، یافتن راهکارهای مناسب به منظور تخمین موقعیت مشترکان بوده که توجه بسیاری از محققان را به سمت خود جلب نموده است[1]. عامل اساسی که در پشت علاقه‌مندی‌های اخیر نسبت به موقعیت یابی نهفته است، همان سازگاری با آیین نامه سازمان کمیته فدرال آمریکا (FCC) است که به موجب آن اپراتورهای موبایل ملزم به تعیین موقعیت مشترکان با دقت 50 تا 100 متر در ٦٧٪ موارد و 150 تا 300 متر در ٩٥٪ موارد هستند [2]. اگرچه الزامات FCC انگیزه اصلی به کارگیری فناوری تعیین موقعیت در شبکه‌های بی‌سیم به شمار می­رود، با این وصف، دلایل ثانویه بسیاری موجب گردیده که تأمین کنندگان خدمات بی‌سیم نسبت به به کارگیری توانایی تعیین موقعیت در سیستم خود علاقه مند شوند.

یکی از مهمترین و سودآورترین این گونه خدمات، ارائه تبلیغات به مشترکان تلفن همراه براساس موقعیت آنها است [3]. اگر چه امروزه تبلیغات محلی از طریق فرستنده‌های بلوتوث نیز میسر است اما معایبی همچون پوشش کم، ضریب اطمینان پایین و مصرف بالای توان باتری گوشی تلفن همراه مانع از گسترش استفاده از این گونه روشها گردیده است. امروزه شبکه های ارتباطی بی‌سیم ابزارهایی جدید در توسعه روشهای بازاریابی در اختیار بازاریابان قرارداده است، از اینرو امکان شناسایی مشتریان بالقوه و ارسال پیام های تبلیغاتی مناسب و به هنگام به آنها فراهم می­گردد.

چالش اصلی در حوزه ارائه خدمات به مشترکان سیار، موقعیت­یابی ترمینال های سیار با دقتی معین است. تعیین مکان تلفن همراه با استفاده از پارامتر های حساس به موقعیت، از قبیل: مدت زمان انتشار سیگنال، میزان افت توان و زاویه انتشار سیگنال بین ایستگاه پایه و تلفن همراه صورت می‌گیرد [4]. از میان این پارامترها، مقادیر توان سیگنال دریافتی از ایستگاه‌های پایه بدون نیاز به تغییر سخت افزاری زیر ساخت شبکه، در گزارش‌های ترمینال سیار قابل دسترسی هستند. بنابراین، روش های موقعیت‌یابی مبتنی بر توان سیگنال دریافتی به عنوان یک راه حل کم هزینه برای پیاده‌سازی این سرویس شناخته می‌شوند. علاوه براین، اکثر روش‌های موقعیت یابی در محیط‌های شهری به علت وجود موانع بسیار زیاد و عدم دید مستقیم (N-LOS)، دارای خطای قابل ملاحظه‌ای هستند. در چنین شرایطی یک روش موقعیت‌یابی مبتنی بر ارزیابی تأخیر ساده دقت کافی را نداشته و کاربردی نیست. از این رو، روش‌های موقعیت یابی مبتنی بر تطبیق الگو با استفاده از پارامتر توان سیگنال دریافتی (RSS) پیشنهاد می‌گردد، که نه تنها شرایط عدم دید مستقیم و انتشار چند مسیره از دقت تخمین موقعیت آن نمی‌کاهد، بلکه این شرایط به بهبود دقت موقعیت یابی آن نیز کمک می کند.

ایده اصلی این روش، ساختن پایگاه داده ای شامل نمونه های اطلاعاتی حساس به موقعیت در ناحیه مورد نظر برای ارائه سرویس و سپس یافتن موقعیت ترمینال سیار از طریق تطبیق اطلاعات دریافتی با ورودی های پایگاه داده است [1،5]. البته، عیب اصلی این روش، نیاز به اندازه گیری های گسترده از توان و صرف زمان نسبتاً طولانی برای ساختن، نگهداری و ذخیره پایگاه داده است. از سویی، با تغییر بافت محیط (مثلاً اضافه شدن یک ساختمان) و یا ساختار شبکه، مقادیر توان دریافتی در آن نواحی از محیط تغییریافته و از این رو، به روزآوری مکرر پایگاه داده امری ضروری است [6]. در واقع، استفاده از پایگاه داده نامناسب می‌تواند به کاهش شدید دقت موقعیت یابی منجر گردد. از این رو، استفاده از تعدادی ترمینال ثابتGSM  به منظور ایجاد پایگاه داده‌ای دقیق و مناسب در این مقاله، پیشنهاد می‌شود.

علاوه براین، برای انتخاب مناسبترین ورودی در مرحله تطبیق روش تشخیص الگو ‌باید جستجو درکل پایگاه داده صورت گیرد، که این مسأله نیز بار پردازشی بالایی به شبکه تحمیل می‌کند. از این رو، چندین روش هوشمند فیلتر نمودن ورودی های پایگاه داده ارائه می‌گردد. درنهایت، با ارزیابی داده‌های واقعی شبکه سلولی راهکارهایی برای افزایش دقت تخمین موقعیت مطرح می‌شود. استفاده از راهکارهای پیشنهاد شده، نه تنها باعث کاهش بار محاسباتی این روش می‌شود، بلکه در افزایش دقت موقعیت یابی نیز مؤثر است.

روش موقعیت یابی عنوان شده، در پیاده سازی یک نمونه سرویس تبلیغاتی به کار برده شده که علاوه بر موقعیت مشترک برخی پارامترهای دیگر نظیر زمان و علایق فردی کاربر را نیز مدنظر قرار می­دهد.

مطالب ارائه شده در این مقاله به صورت زیر تنظیم شده است. بخش دوم به توصیف مختصری از انواع روش‌های موقعیت یابی اشاره نموده و سپس بخش سوم به تفصیل، به بیان روش موقعیت یابی بر مبنای تطبیق الگو و ایده­های نوینی برای بهبود این روش می­پردازد و نتایج شبیه سازی ها و ارزیابی روش پیشنهادی نیز در این بخش مطرح خواهد شد. در بخش چهارم، سناریویی به منظور ارائه یک سرویس تبلیغاتی مبتنی بر موقعیت پیشنهاد می­گردد. درانتها در بخش پنجم نتیجه گیری از موضوع‌های مطرح شده عنوان می­شود.

 

1- روش‌های موقعیت یابی در شبکه‌های بی‌سیم

به طور کلی، هرالگوریتم موقعیت یابی شامل دو مرحله اصلی است. در مرحله اول پارامترهای حساس به موقعیت نسبت به چند نقطه مرجع با موقعیت معلوم اندازه‌گیری می‌شوند. در مرحله دوم با تکیه برداده های به دست آمده و با به کارگیری تکنیک‌های پردازش داده، تخمین موقعیت موبایل به دست می­آید [7،8]. بر اساس اینکه تعیین مکان تلفن همراه با به کار بردن کدام یک از پارامتر‌های حساس به موقعیت از قبیل: مدت زمان انتشار سیگنال، میزان افت توان و زاویه انتشار سیگنال بین ایستگاه پایه و ترمینال سیار صورت می­گیرد، روش­های تعیین موقعیت به الگوریتم­های موقعیت یابی مبتنی بر زمان دریافت سیگنال، موقعیت یابی مبتنی بر توان سیگنال دریافتی و موقعیت یابی مبتنی بر زاویه دریافت سیگنال تقسیم بندی می­شوند.

روش‌های مبتنی بر زمان انتشار سیگنال به منظور تخمین موقعیت مشترکان به حداقل سهBTS  نیاز دارند که تحقق این امر در محیط‌های روستایی و حومه شهر که ایستگاه­های پایه در فاصله زیادی نسبت به هم قرار گرفته‌اند، به سختی میسر است. عیب دیگر روش­های زمانی، حساسیت بسیار بالا به انتشار چند مسیره بوده که به کاهش دقت موقعیت یابی منجر می­گردد، زیرا کوچکترین خطا در محاسبه فاصله زمانی بین ترمینال سیار و ایستگاه­های پایه به علت ضرب شدن در سرعت سیگنال رادیویی- که مقدار بسیار بزرگی است- به وقوع خطای بزرگی در محاسبه فاصله بین ایستگاه متحرک (MS) و ایستگاه­های پایه منجر خواهد شد [8]. از طرف دیگر، در تمامی روش­های مبتنی برزمان، نیاز به همزمانی بین ایستگاه­های پایه وجود داشته که این مستلزم نصب واحدهای اندازه­گیری موقعیت (LMU) در شبکه است. از آنجایی که نوعاً وجود یک LMU به ازای هر سه ایستگاه پایه لازم است، تهیه این تعداد واحد برای اپراتور شبکه بسیار هزینه‌برخواهد بود [7]. معایب اصلی سیستم­های موقعیت‌یاب جهانی (GPS) که مبتنی بر زمان انتشار عمل می­کنند نیز، توان مصرفی بالا، نیاز به دیدمستقیم حداقل چهار ماهواره و نصب سخت افزار اضافی بر روی گوشی تلفن همراه است [9].

در روش­های مبتنی بر زاویه دریافت سیگنال، وجود حداقل دو ایستگاه پایه برای تعیین موقعیت واحد­های سیار ضروری بوده که این مسأله، موقعیت یابی در نواحی روستایی و حومه شهر را دچار اشکال می­سازد. علاوه براین، وجود شرایط عدم دید مستقیم در نواحی شهری که به پدیده چند مسیرگی انتشار امواج منجر می­گردد، از دقت تخمین موقعیت این روش خواهد کاست[10]. عیب دیگر این گونه روش­ها نیاز به نصب آنتهای آرایه­ای در ایستگاه‌های پایه بوده که هزینه زیادی را به اپراتورهای شبکه تلفن همراه تحمیل می­نماید. با توجه به مشکلات مطرح شده، روش‌های زمانی و زاویه‌ای برای موقعیت‌یابی در شبکهGSM  مقرون به صرفه نبوده، استفاده از روش‌های مبتنی بر توان دریافتی ترجیح داده می­شود.

الگوریتم موقعیت‌ یابی تشخیص الگو مبتنی بر توان دریافتی نسبت به سایر الگوریتم ها دقت خوبی داشته، از سادگی پیاده سازی نیز برخوردار است و به همین جهت، می‌تواند الزامات مورد نیاز به منظور پیاده سازی تعداد زیادی از سرویس­های مبتنی بر موقعیت را فراهم نماید. مزیت مهم این روش، عدم نیاز به تغییرات عمده در ساختار شبکه و گوشی­های تلفن همراه موجود در دسترس عموم است، که این مسأله مانع از صرف هزینه­های گزاف از سوی اپراتورهای ارتباطات سیار و نیز مشترکان تلفن همراه می‌گردد.

 

2- روش تشخیص الگوی بهبود یافته پیشنهادی

روش موقعیت یابی تشخیص الگو شامل دو مرحله اصلی ساختن پایگاه داده و تعیین موقعیت ترمینال متحرک است. در مرحله اول باید پایگاه داده­ای شامل نمونه­های اطلاعاتی حساس به موقعیت از ناحیه مورد نظر برای ارائه سرویس، به همراه مختصات جغرافیایی هر یک از نمونه­ها تهیه گردد و سپس در مرحله دوم از طریق تطبیق اطلاعات دریافت شده از ایستگاه متحرک با ورودی های پایگاه داده، موقعیت ترمینال سیار محاسبه شود ‌[9،11].

 

3-1- مرحله اول:ساختن پایگاه داده

اطلاعات سیگنال ذخیره شده در پایگاه داده می‌تواند توان سیگنال دریافتی، پاسخ ضربه کانال (CIR) تأخیر زمانی سیگنال و یا هر نوع اطلاعات وابسته به موقعیت دیگری باشد [12]. پهنای باند شبکه GSM برای موقعیت یابی براساس تطابق پایگاه داده CIR کم است [13]. درصورت استفاده از تأخیر زمانی سیگنال نیز، شرایط عدم دید مستقیم باعث ایجاد خطای قابل توجهی در تخمین موقعیت می­گردد. در این مقاله، از شدت سیگنال دریافتی (RSS) به عنوان پارامتر ورودی پایگاه داده استفاده شده است، به این علت که مقادیر RSS بدون نیاز به هیچ گونه تغییری در زیر ساخت شبکه، در گزارش‌های اندازه گیری (NMR) ترمینال سیار که به منظور تصمیم گیری دست به دست شدن (HO) و کنترل توان به شبکه ارسال می­شوند، قابل دسترسی است. مهمترین مسأله در مرحله ساختن پایگاه داده، ذخیره پارامترهای توان به عنوان نمونه­های اطلاعاتی سیگنال در یک پایگاه داده است. این نمونه های اطلاعاتی، نقاط مرجع نامیده شده و هر یک شامل اطلاعات سیگنال مشاهده شده در یک موقعیت به همراه مختصات جغرافیایی آن موقعیت هستند [14].

به طور کلی، پایگاه داده می­تواند از طریق اندازه­گیری میدانی یا پیش بینی مدل انتشار محیط ساخته شود  [15،16]. نتایج حاصل از اندازه گیری­های میدانی حـاکی از خطـای قابل ملاحـظه در فرآیند موقعیت­یابی در صورت عدم به روزآوری پایگاه داده است. در حقیقت ایجاد هرگونه تغییر در بافت محیط یا ساختار شبکه را می­توان از عوامل چنـین خـطایی بر شـمرد [17،5]. درضـمن، در روش مبتـنی بر پیش بینی مدل انتشار نیز امکان پیشگویی دقیق محیط واقعی به همراه فاکتور های پویـای آن، همانـند اتومبیل ها، انسان ها و سایر پارامتر­های محیطی وجود ندارد و این مسأله موجب کاهش شدید دقت تخمین موقعیت می‌گردد. از این رو، استفاده از روش اندازه­گیری واقعی همراه با به روزآوری مناسب مقادیر پایگاه داده می­تواند به عنوان بهترین راهکار در نظر گرفته شود.

نتایج به دست آمده از اندازه‌گیری‌های میدانی که توسط گوشیTEMS سونی اریکسون مدل Z-750i در شهر اصفهان انجام گرفته و در این مقاله گزارش شده است، نشان دهنده اختلاف در مقادیر توان سیگنال دریافتی در یک مکان ثابت تحت شرایط مختلف، مانند تغییر در وضعیت آب وهوایی محیط و میزان بار ترافیکی شبکه است. چنانچه در شکل(1) نشان داده شده، این آزمایش در ناحیه­ای شامل سیزده ایستگاه پایه و مسیری به طول 1062 متر از خیابان چهارباغ اصفهان انجام گرفته است. به منظور تحلیل داده‌های به دست آمده نیز از نرم افزارInvestigation 9.1  TEMSاستفاده شده است. بررسی­های انجام شده حاکی از این است که وضعیت بار ترافیکی شبکه بیشترین تأثیر را بر مقادیر بردارRSS در یک مکان ثابت گذاشته و حتی به تغییر شماره کانال‌هایBCCH  دریافتی نیز منجر می‌شود. یک توجیه برای این پدیده می­تواند این باشد که در زمان‌های پرترافیک، مقدار استفاده مجدد از فرکانس‌های مشابه در سلول‌های هم فرکانس بیشتر شده و همچنین، به دلیل اینکه هر ایستگاه بیشتر به کاربران نزدیکتر به خود سرویس می‌دهد، کنترل توان به شکل متفاوتی انجام می­شود. نمونه‌هایی از مقادیرRSS اندازه گیری شده در ساعاتی با بیشترین و کمترین میزان بار ترافیکی در جدول(1) نشان داده شده است.

 

 

 

 

شکل(1): مسیر اندازه گیری مقادیر توان دریافتی از ایستگاه های پایه توسط گوشیTEMS

 

جدول(1): تفاوت در مقادیر بردار RSS و شماره کانال‌هایBCCH  دریافتی در زمان‌های پرترافیک و کم ترافیک در یک مکان ثابت برای دونقطه

سطح توان سیگنال دریافتی(dBm)

شماره کانالBCCH

نام سلول

مختصات جغرافیایی

کمترین میزان بار ترافیکی

بیشترین میزان بار ترافیکی

-80

-85

110

HONARAMIRKABIR1

N 3239.290

E 5140.122

-85

-89

117

KAZERONI1

-77

-89

590

HONARAMIRKBIR1D

-72

-89

606

KAZERONI1D

ـــــ

-90

112

KAZERONI2

-80

-90

594

HONARAMIRKBIR2D

-80

ـــــ

610

KAZERONI2D

-69

-81

606

KAZERONI1D

N 3239.312

E 5140.125

ـــــ

-80

110

HONARAMIRKABIR1

ـــــ

-86

590

HONARAMIRKBIR1D

-75

-86

978

EMAMSQBABLIS1

ـــــ

-88

610

KAZERONI2D

-76

-89

112

KAZERONI2

-71

ـــــ

117

KAZERONI1

-73

ـــــ

106

CONSOLROS2

-74

ـــــ

984

EMAMSQBABLIS2

 

 

 

همان گونه که ملاحظه می­شود، اختلاف در میزان توان دریافتی از ایستگاه­های پایه تحت شرایط ترافیکی مختلف در برخی نقاط حتی به dB 17 نیز می‌رسد، که این به خطای بزرگ موقعیت‌یابی در صورت عدم به روزآوری پایگاه داده منجر خواهد شد. با توجه به این موارد، به منظور به روز آوری مناسب مقادیر درون پایگاه داده، نصب ترمینال‌های GSM به عنوان نقاط مرجع در منطقه مورد نظر، برای اندازه گیری مقادیر RSS از ایستگاه‌های پایه اطراف و ارسال آنها به شبکه پیشنهاد می­گردد. اندازه‌گیری مقادیر توان دریافتی از سلول سرویس دهنده و سلول‌های همسایه در زمان قرار گرفتن ترمینال در هر دو حالت بیکار و فعال انجام می‌گیرد، ولی ارسال این گزارش‌ها تنها در حالت فعال (برقراری ارتباط با شبکه) میسر می شود. طبق بررسی‌های انجام شده در شبکه تلفن همراه، خصوصیتی که می توان از آن به منظور ارسال خودکار گزارش‌های NMR به شبکه استفاده نمود و در عین حال هیچ گونه بار اضافی به شبکه تحمیل نمی کند، به روز رسانی متناوب موقعیت است. با فعال سازی این خصوصیت در شبکه صرف نظر از اینکه ترمینال وارد ناحیه موقعیتجدیدی شده باشد یا خیر، عملیات به روزآوری موقعیت به صورت متناوب صورت می‌گیرد. در حقیقت، به روز آوری متناوب موقعیت به منظور اعلان حضور ترمینال در شبکه، زمانی به کار می رود که مشترک برای مدت زمانی طولانی هیچ گونه تماسی برقرار ننموده و یا به روزآوری موقعیت را انجام نداده است. دوره تناوب اجرای این نوع به روز آوری موقعیت توسط اپراتور‌ها قابل تنظیم بوده و مقدار آن به منظور آگاه سازی ترمیـنال های سـیار در شـبکه پخـش می شود. مقـدار پیش فرض این دوره تناوب در شبکه GSM،6  ساعت است [18]. نتایج حاصل از بررسی زمان های تغییر میزان بار در شبکه نشان می دهد این مدت زمان برای ارسال بمـوقع گزارش‌ها اندازه گـیری مقدار مناسـبی است.

 

3-2- مرحله دوم: فرایند موقعیت یابی

با تکیه بر داده‌های به دست آمده از مرحله قبل و با به کارگیری تکنیک‌های پردازش داده، فرایند موقعیت یابی ترمینال متحرک صورت می­پذیرد. به طور کلی، هر فرآیند موقعیت یابی شامل مراحل اصلی فیلتر کردن نقاط مرجع، تطبیق با نقاط مرجع و تخمین موقعیت است.

 

3-2-1- فیلتر کردن نقاط مرجع

در فرایند موقعیت یابی برای انتخاب نزدیکترین نقاط مرجع به ترمینال سیار، باید جستجو در کل پایگاه داده صورت گیرد، که این مسأله بار پردازشی بالایی را به شبکه تحمیل می­نماید. از این رو، به منظور کاهش ناحیه ای که احتمال حضور ترمینال در آن بیشتر است و در نتیجه، افزایش دقت تخمین موقعیت و کاهش بار محاسباتی، فیلترکردن نقاط مرجـع به عنـوان یکی از مهمـترین مراحـل فرایـند موقعیت یابی پیشنهاد می­شود.

مرسوم‌ترین معیارهای فیلتر کردن، پارامترTAوCell ID  هستند [19].TA ، تنها پارامتر زمانی موجود در شبکه GSM است. این معیار اطلاعات زمانی با محدوده دقت پایینی را فراهم می‌نماید. در حقیقت، هر گام TA معادل با فاصلـه ای در حدود 550 متـر است [20]. علاوه براین، کوانتیزاسیون نسبتا بزرگ، این مقدار معمولا دو گام بیشتر از فاصله واقعی میان ترمینال موبایل و ایستگاه پایه اندازه گرفته می­شود. عامل تاثیرگذار دیگر در خطای ناشی از TA، تاخیر به علت شرایط عدم دید مستقیم بوده که اجتناب از آن در محیط‏های شهری غیر ممکن است [5]. از پارامتر مشخصه‌ سلول سرویس دهنده (Cell ID) نیز به عنوان معیاری برای فیلتر نمودن نقاط مرجع استفاده شده است [21]. به کاربردن این معیار در مواردی باعث حذف نقاط مرجعی می‌شود که با وجود نزدیکی فیزیکی به ترمینال، دارای ایستگاه­های پایه سرویس دهنده متفاوتی با آن هستند و بنابراین، استفاده از آن به کاهش دقت تخمین موقعیت منجر می‌گردد. نمونه­هایی از به وقوع پیوستن چنین پدیده‌ای در شکل (2) نشان داده شده است.

 

 

 

شکل(2):حالت‌هایی از حذف نادرست نقاط مرجع مجاور ترمینال در اثر استفاده از فیلترCell ID

 

 

به منظور برطرف نمودن معایب مطرح شده، در اینجا راهکارهایی برای فیلتر نمودن نقاط مرجع پیشنهاد می‌شود:

 

الف- فیلتر مرحله اول: فیلتر شعاع جستجو

در این فیلتر شعاع جستجوی نقاط مرجع موجود در پایگاه داده از ایستگاه سرویس دهنده به اندازه مشخصی در نظر گرفته می­شود. انتخاب مقدار شعاع جستجو بر اساس نتایج حاصل از مقادیر اندازه­گیری شده در شبکه تلفن همراه صورت می­گیرد. در حقیقت، یکی از پارامتر های اندازه‌گیری شده در شبکه، میزان ترافیکی است که هر ایستگاه پایه در فواصل مختلف از خود پوشش‌دهی می‌کند. بررسی این مقادیر نشان می­دهد، معمولا هر ایستگاه پایه قادر است مشترکان را تا فاصله حداکثر 5/3d سرویسدهی نماید که d، فاصله متوسط میان ایستگاه‌های پایه محیط موردنظر است. هرچند استفاده از این فیلتر مانع از حذف نقاط مرجعی می­گردد که به اشتباه توسط معیار Cell ID فیلتر شده اند، ولی همچنان معیار مناسبی برای استخراج نزدیکترین نقاط مرجع به موقعیت ترمینال محسوب نمی‌شود؛ به این علت که شعاع جستجو هنوز به اندازه کافی محدود نشده است.

ب- فیلتر مرحله دوم: فیلترBCCH مشترک

بررسی‌های انجام شده بر روی مقادیر واقعی به دست آمده از شبکه نشان می‌دهد که، هر اندازه دو مکان از نظر موقعیتی به یکدیگر نزدیکتر باشند، تعداد کانال های BCCH مشترک بیشتری میان آنها وجود خواهد داشت. بنابراین، می‌توان تعداد کانال های BCCH مشترک میان بردار RSS ترمینال و هر یک از نقاط مرجع موجود در پایگاه داده را مبنای مقایسه‌ای به منظور انتخاب نقاط مرجع نزدیک به موقعیت ترمینال قرار داد. از این رو، مرحله دوم فیلتر، براساس حداقل  Nتعداد کانال BCCH مشترک میان بردار RSS ترمینال و هر یک از نقاط مرجع استخراج شده در مرحله قبل صورت می­گیرد. شایان ذکر است که در شبکهGSM  هر ترمینال توان شش ایستگاه اطراف خود را اندازه گیری و گزارش می­کند.

 

ج- فیلتر مرحله سوم: فیلترCell ID و بزرگترین مقادیر توان دریافتی مشترک

تحلیل بر روی داده های شبکه  GSMبیانگر آن است که اشتراک میان کانال هایBCCH  دارای بزرگترین مقادیر توان های مشاهده شده در بردار RSS نقاط، معیار مناسـبی برای نزدیکـی فیزیکـی آنها به یکـدیگر است. علاوه براین، باید توجه داشت که معیار Cell ID نیز به جز در مواردی که به اشتباه به حذف نقاطمرجع کلیدی منجر می‌گردد، فاکتور مهمی در تعیین موقعیت محسوب می­شود، زیرا سلول سرویس دهنده بر اساس مقدار توان و کیفیت سیگنال دریافتی از ایستگاه‌های پایه تعیین شده و بنابراین، محتمل‌ترین ناحیه برای موقعیت ترمینال را تعریف می­کند. به علت در نظر گرفتن فاکتور کیفیت، در انتخاب سلول سرویس دهنده، توان مربوط به این سلول الزاماً در فهرست بزرگترین مقادیر توان بردارRSS قرار نمی‌گیرد. از این رو، طبق نتایج تجربی به دست آمده پیشنهاد می‌شود که، در ابتدا کانال‌هایBCCH مربوط به دو عدد از بزرگترین مقادیر توان دریافتی به همراه کانال BCCH سلـول سرویس دهنده برای هر یک از نقاط مرجع حاصل از فیلتر قبلی و همچنین ترمینال سیار استخراج شوند. سپس نقاط مرجعی که از میان کانال‌هایBCCH  استخراج شده دارای حداقل دو کانال مشترک با ترمینال سیار هستند، به عنوان خروجی های این فیلتر انتخاب گردند.

 

3-2-2- تطبیق با نقاط مرجع

فرآیند تطبیق، راهکاری برای تعیین میزان نزدیکی نقاط مرجع استخراج شده از مرحله قبلی به ترمینال سیار محسوب می‌شود. برای تحقق این امر باید اختلاف میان مقادیر بردار RSS اندازه‌گیری شده توسط ترمینال با هر یک از ورودی‌های پایگاه داده محاسبه شده و سپس بر مبنای این اختلاف، نزدیکترین نقاط مرجع به ترمینال شناسایی گردد. متداولترین روش اندازه‌گیری این اختلاف بر اساس روابط منهتن و اقلیدسی ( به ترتیب متناظر با 1 n= و2 n=) به صورت زیر است[12,21].

(1)

 

 

که در آن توان سیگنال دریافتی اندازه­گیری شده توسط ترمینال از کانالBCCH قابل شنود ام، توان سیگنال دریافتی از همان کانال در نقطه مرجع j ‌ام پایگاه داده است. ورودی‌های پایگاه داده با کمترین مقدار  اشاره به نزدیکترین نقاط مرجع به ترمینال دارند.

معادله(1) تنها در صورتی قابل استفاده است که دسته مشابهی ازکانال‌ها در هر دو بردار ظاهر شده باشند[15،20]. حداقل سطح RSS قابل آشکارسازی در استاندارد GSM، dBm110- = levmin است، درمواردی که کانالی در یکی از مقادیر اندازه‌گیری شده توسط ترمینال و یا نقطه مرجع آشکار نشود، بدین معناست که مقدار توان دریافتی از آن کانال بی‌نهایت کم بوده وآن مقدار توان نامشخص باید با levmin جایگزین گردد. اندازه­گیری های حاصل از گوشیTEMS بیانگر آن است که مقدارهای ظاهر نشده در فهرست 6 عدد از بزرگترین مقادیر توان که در گزارش‌های NMR به شبکه ارسال می‌گردد، الزاماً دارای مقادیر کمتر از حد آستانه آشکار سازی نیستند. بنابراین درنظر گرفتن levmin به جای این مقادیر، باعث به وجود آمدن خطای قابل ملاحظه‌ای در محاسبه  در رابطه (1) می‌شود. علاوه بر این، نقاط مرجعی را در نظر بگیرید که علی‌رغم نزدیکی فیزیکی به ترمینال و داشتن شباهت توانی زیاد در کانال­هایBCCH مشترک با آن، به علت شرایط محیطی تعداد کانال BCCH مشترک کمی با ترمینال داشته باشند. دراین صورت، استفاده از levminدر موارد غیرمشترک، باعث افزایش مقدار برای این نقاط شده و درنتیجه فاصله میان آنها وترمینال به اشتباه بیشتر از فاصله واقعی تخمین زده می­شود.

به منظور برطرف نمودن مشکلات مذکور و کاهش خطای موقعیت یابی، همان طور که در معادله (2) نشان داده شده، پیشنهاد می­گردد که در محاسبه تنها موارد مشترک میان نقاط مرجع وترمینال درنظر گرفته شود و سپس به منظور اعمال نمودن این اصل که نقاط نزدیک به هم، تعداد کانال مشترک بیشتری با یکدیگر دارند، مقدار به دست آمده بر تعداد کانال BCCH مشترک میان آنها تقسیم گردد.

(2)

 

 

در این رابطهm  ، تعداد کانال BCCH مشترک میان بردار RSS نقطه مرجع و ترمینال سیار است و اندیسi  فقط به m مؤلفه مشترک در بردارRSS اشاره می­کند.

 

3-2-3- تخمین موقعیت

پس از یافتن معیاری برای سنجش میزان نزدیکی نقاط مرجع به ترمینال، می­توان از الگوریتم­های مختلفی به منظور تخمین موقعیت ترمینال استفاده نمود. الگوریتم نزدیکترین همسایه(NN) موقعیت نقطه ای از پایگاه داده با کمترین مقدار را به عنوان موقعیت ترمینال انتخاب می کند [22]. در الگوریتم K نزدیکترین همسایه(KNN)، میانگین موقعیت K نزدیکترین نقطه مرجع باکمترین مقدار  ‌به عنوان موقعیت ترمینال درنظر گرفته می­شود [23]. روش دیگر،الگوریتم وزن دار K نزدیکترین همسایه (WKNN) بوده که در آن میانگین وزن دار از موقعیت K نزدیکترین نقاط به عنوان موقعیت موبایل محسوب می­شود[24،25].

به علت در نظر گرفته شدن شدن فاصله ترمینال تا نقاط مرجع در الگوریتم W-KNN، در این مقاله از این الگوریتم استفاده شده است. وزن هر یک از نقاط مرجع نیز بر اساس مقادیر  محاسبه شده برای آنها از مرحله قبلی به دست می‌آید. البته، مقادیر  حاصل از رابطه پیشنهادی(2) به علت نرمالیزه نمودن مقادیر، بسیار به یکدیگر نزدیک شده، در نتیجه استفاده از آنها در تعیین وزن الگوریتم، به کاهش دقت تخمین موقعیت منجر می­گردد. بدین منظور، استفاده از روشی پیشنهاد می­شود که از میان  Kنقطه مرجع استخراج شده بتواند تاثیر موقعیت نقاط نزدیکتر به ترمینال را در تخمین موقعیت آن به مقدار زیادی افزایش وتاثیر موقعیت نقاط دورتر را به مقدار زیادی کاهش دهد. معادله (3)، رابطه پیشنهاد شده را نشان می­دهد.

(3)

 

 

در این رابطه ، وزن متناظر با  jامین نزدیکترین همسایه است.

به منظور انتخاب مقدار بهینه ، برای دستیابی به کمترین خطای موقعیت یابی،  به عنوان پارامتری قابل تنظیم قرار داده شده است. در نهایت، معادله (4) رابطه‌ای برای تخمین موقعیت ترمینال سیار یا MS بر اساس الگوریتم وزن­دهی پیشنهادی را نشان می­دهد.

(4)

 

 

که در آن ، وزن متناظر با j امین نزدیکترین همسایه و مختصـات جغرافیایـی نقطه مـرجع j ام است.

 

3- نتایج شبیه سازی

در این قسمت به بررسی نتایج روش‌های پیشنهادی تعیین موقعیت با استفاده از داده‌های واقعی اندازه‌گیری شده می‌پردازیم. به طور جداگانه هر یک از راهکارهای ارائه شده تحلیل شده و اثر هر یک در موقعیت یابی توسط نمودارها و جداول مناسب بیان می­شود.

3-1- مقایسه خطای موقعیت یابی در دو وضعیت به روزآوری و عدم به روزآوری پایگاه داده با تغییر در وضعیت بار ترافیکی شبکه

چنانچه در بخش3-1 عنوان شد، استفاده از پایگاه داده غیر دقیق در روش موقعیت یابی تشخیص الگو می‌تواند به خطای قابل ملاحظه‌ای در تخمین موقعیت مشترکان منجر گردد. بنابراین، به روزآوری پایگاه داده با تغییر در میزان بار ترافیکی شبکه امری ضروری است.

به منظور نشان دادن این موضوع، آزمایشی بر اساس مقادیر حاصل از اندازه گیری توسط گوشیTEMS، در مسیر نشان داده شده در شکل (1) انجام گرفته است. مقایسـه­ای از نمودارهـای تابع توزیع تجمعی (CDF) خطـای موقعیت یابی روش تشخیص الگو، در حالت به روز رسانی و عدم به روز رسـانی پایگـاه داده در شـکل(3)رسم شده است.

شکل(3):نمودارCDF خطای موقعیت یابی در دو وضعیت به روز رسانی و عدم به روز رسانی پایگاه داده

 

محور عمودی نشان دهنده درصد موارد خطا، به ازای مقدار خطای موقعیت‌یابی کمتر از حد مشخص شده در محور افقی است و یا به عبارت دیگر، منحنی ارائه شده به ازای درصد موارد خطای مشخص، میزان حداکثر خطای موقعیت یابی را تعیین می کند؛ مثلا در حالت استفاده از پایگاه داده به روز شده، خطـای موقعـیت یابی در %67 و%95 مـوارد به ترتیب کمتر از14 متر و61 متر بوده است. این مقادیر درصورت عدم به روز آوری پایگاه داده به کمتر از38 متر و 155 متر می‌رسد. به عبارت دیگر، عدم به روزآوری پایگاه داده موجب افزایش خطای متوسط موقعیت یابی از 15.6 متر به 44.6 متر گردیده است.

 

3-2- تاثیر راهکارهای پیشنهادی در بهبود دقت موقعیت یابی روش تشخیص الگو

به منظور بررسی اهمیت هر یک از مراحل فرایند موقعیت یابی پیشنهـاد شده، آزمایشی بر اسـاس داده‌های واقعـی شبکه تلفن همراه در اصفهان صورت گرفته‌است. مقادیر درون پایگاه داده از طریق اندازه گیری‌های میدانی توسط گوشیTEMS با فاصله ای حدود9 متر در مسیری که قسمتی از آن در شکل (4) نشان داده شده، جمع آوری شده‌است. چنانچه در بخش3-2-1 عنوان شد، فیلتر مرحله اول به منظور محدود کردن شعاع جستجوی نقاط مرجع درون پایگاه داده، بدون حذف نقاطی که به اشتباه توسط معیار Cell ID فیلتر شده اند، اعـمال می‌شود. بنابراین، استفاده از این فیلتر علاوه بر جلوگیری از کاهش دقت موقعیت یابی، از تحمیل بار محاسباتی اضافی به الگوریتم جلوگیری می‌کند.

 

 

 

شکل(4):مسیر آزمایش و نمایش موقعیت واقعی ایستگاه‌های پایه

 


3-2-1- بهبود دقت موقعیت یابی بر اثر استفاده از فیلترBCCH مشترک

به کار بردن فیلتر مرحله دوم موجب استخراج نقاط مرجعی با حداقل N تعداد کانال BCCH مشترک با ترمینال می­شود. عوامل مختلفی از جمله فاصله متوسط میان ایستگاه‌های پایه محیط و همچنین فاصله بین نقاط مرجع، می­تواند در انتخاب مقدار بهینه  Nمؤثر باشد. شکل(5) مقادیر خطای متوسط تخمین موقعیت بر اساس الگوریتم پیشنهادی را برای تعدادی نقطه تحت آزمون به ازای 5،4،3،2N=  درمسیر آزمایش ذکر شده با فاصله متوسط 480 متر میان ایستگاه‌های پایه و 9 متر میان نقاط مرجع نشان می‌دهد. چنانچه ملاحظه می‌شود، افزایش یا کاهش N لزوماً باعث بهبـود دقـت موقعیـت یابی نشـده و باید مقدار بهینه آن با توجه به ویژگی‌های محیط آزمایش، تعیین گردد. در ناحیه مورد نظر ما با خصوصیات عنوان شده، مقدار بهینه 4=N به دست آمده است.

 

شکل(5):تاثیر مقدار Nدرمیزان خطای متوسط روش تخمین موقعیت پیشنهادی

نمودارهای  CDFخطای موقعیت یابی با شبیه سازی الگوریتم پیشنهاد شده در حالت استفاده و عدم استفاده از فیلتر BCCH مشترک در شکل (6) نشان داده شده است. نتایج به دست آمده گویای افزایش خطای متوسط تخمین موقعیت در صورت عدم استفاده از این فیلتر از9.7 متر به 18.3متر است.

 

شکل(6):مقایسه خطای موقعیت یابی در حالت استفاده و عدم استفاده از فیلتر مبتنی برتعداد کانالBCCH مشترک

 

3-2-2- بهبود دقـت موقعـیت یابی بر اثر استـفاده از فـیلترCell ID و بزرگتـرین مقادیر تـوان دریافتی مشترک

از آنجایی که تشابه بین کانال‌های BCCH مربـوط به بزرگتـرین مقادیر بردارRSS وسـلول سرویس دهنده دو نقطه، بیانگر نزدیکی فیزیکی آن نقاط به یکدیگر است، فیلتر مرحله سوم برای محدودتر کردن شعاع جستجوی نقاط مرجع بر این اساس قرار داده شده است.

نمودارهای نشان داده شده در شکل(7) بیانگر اهمیت استفاده از فیلترCell ID و بزرگترین مقادیر توان دریافتی مشترک در کاهش خطای تخمین موقعیت ترمینال هستند. همان طور که ملاحظه می‌شود، خطای موقعیت یابی در%95 موارد در صورت استفـاده از این فیـلتر از کـمتر از 46 متر به کمـتر از 23 متر می‌رسد.

 

 

شکل(7):تاثیر استفاده از فیلترCell ID و بزرگترین مقادیر توان دریافتی مشترک در کاهش خطای موقعیت یابی الگوریتم تشخیص الگوی پیشنهادی

3-2-3- بهبود دقت موقعیت یابی در صورت استفاده از راهکار پیشنهادی برای مرحله تطبیق

برای اثبات کاهش خطای موقعیت یابی در حالت استفاده از روش پیشنهادی در مرحله تطبیق، نسبت به روشی که از جایگزینی مقدار levmin به جای مقدار توان کانالی که در یکی از مقادیر اندازه گیری شده توسط ترمینال و یا نقطه مرجع آشکار نشده باشد،استفاده می­کند. نمودار CDF خطا برای هر یک از دو حالت در شکل(8) رسم گردیده است.

 

شکل(8):بهبود دقت تخمین موقعیت در صورت استفاده از راهکار پیشنهادی در مرحله­ی تطبیق

 

نتایج به دست آمده نشان دهنده کاهش خطای متوسط تخمین موقعیت در صورت استفاده از روش پیشنهادی از15 متر به 9.7 متر است. خطای کمتر از 15متر در صورت به کار بردن روش پیشنهاد شده در %89 موارد و در حالت استفاده از روش مرسوم قبل در %56 موارد رخ می­دهد.

 

3-2-4- بهبود دقت تخمین موقعیت در صورت استفاده از الگوریتم موقعیت یابی وزن‌دار بهبود یافته

در مرحله تخمین موقعیت، اساسی‌ترین بخش الگوریتمWKNN، تعیین وزن برای K عدد از نزدیکترین نقاط مرجع به ترمینال است. آزمونهای موقعیت یابی برای یک محدوده از مقادیر K در محیط‌های مختلف انجام شده و مقداری که %80 خطا را حداقل می‌کند، به عنوان K بهینه برای آن محیط درنظر گرفته می‌شود. نتایج مقدار بهینه K در محیط شهری متراکم 5=K و در محیط‌های حومه شهر و روستایی به ترتیب  2=K و3=K به دست آمده است [20]. عامل تأثیرگذار دیگر درانتخاب مقدار  K‌براساس نتایج شبیه سازی، فاصله نقاط مرجع از یکدیگر است. نتایج به دست آمده حاکی از آن است در مواردی که فاصله میان نقاط مرجع کم باشد، انتخاب K‌ بزرگتر باعث بهبود دقت موقعیت یابی می‌گردد. نمونه‌هایی از بهترین مقادیر K متناسب با فاصله بین نقاط مرجع در جدول (2) نشان داده شده است.

 

جدول (2):بهترین مقدارk ، متناسب با فاصله بین نقاط مرجع

خطای تخمین موقعیت(m)

فاصله ی بین نقاط مرجع(m)

2=K

3=K

13.6

7

6

26.68

19.02

51

48.54

33.42

73

51.08

40.81

80

98.34

103.75

152

92.51

135.8

178

 

نمودار شکل(9) نیز،نتایج خطای متوسط الگوریتم موقعیت یابی پیشنهادی را به ازای 2،3،4،5=K در مسیر آزمایش مذکور در شهر اصفهان، به عنوان نمونه­ای از یک محیط شهری نیمه متراکم و با در نظر گرفتن فاصله تقریبی 9 متر میان نقاط مرجع نشان می‌دهد. در نهایت، مقداربهینه 4=K برای این ناحیه با ویژگی های بیان شده، به دست می‌آید.

 

شکل(9):مقایسه خطای متوسط موقعیت یابی در ناحیه آزمایش به ازای مقادیر مختلف k

 

موضوع دیگری که در اینجا بررسی می‌شود، تأثیر مقدار  در الگوریتم وزن دهی پیشنهاد شده، بر روی خطای تخمین موقعیت است. برای این منظور، مقادیر خطای موقعیت یابی برای تعدادی نقطه آزمون در مسیر آزمایش مذکور با فرض 4=k و4=N، به ازای مقادیر 4،3،2،1=l و در حالت استفاده از الگوریتم وزن دهی پیشین، محاسبه شده و نتایج آن در نمودارهای شکل(10) رسم گردیده است.علاوه بر این جدول(3) نیز، مقایسه‌ای از خطای متوسط تخمین موقعیت به ازای مقـادیر مختـلف  را نشـان می‌دهد. چنانکه ملاحظه می­شود، در ابتدا با افزایش مقدار  خطای موقعیت یابی کاهش یافته و پس از رسیدن  به مقدار معینی، این خطا افزایش می­یابد.

 

 

شکل(10):مقایسه­ی خطای تخمین موقعیت الگوریتم پیشنهادی به ازای مقادیر مختلف

جدول(3): خطای متوسط موقعیت یابی به ازای مقادیر 4،3،2،1=l

روش موقعیت یابی بهبودیافته

خطای متوسط تخمین موقعیت (m)

4=l

3=l

2=l

1=l

10.74

9.78

10.46

11.71

 

در حقیقت، به منظور انتخاب مقدار بهینه ، توجه به این نکته حائز اهمیت است که، هرچند افزایش مقدار ، تاثیر موقعیت نقاط نزدیکتر به ترمینال را در الگوریتم موقعیت یابی به مقدار زیادتری افزایش داده و تاثیر موقعیت نقاط دورتر را به مقدار زیادتری کاهش می­دهد، اما این مسأله نباید به کاهش تعداد نقاط مرجعی بینجامد که باید موقعیت آنها در الگوریتم تخمین موقعیت ترمینال لحاظ گردد. کمترین مقدار خطا در الگوریتم بهبود یافته پیشنهادی برای 3=l  به دست آمده است.

در نهایت، شکل(11)، مقایسه‌ای از نمودارCDF خطای موقعیت یابی الگوریتمی را که از فیلترCell ID به همراه رابطه(1) برای محاسبهd(k)  استفاده می‌کند، با الگوریتم تشخیص الگوی بهبود یافته پیشنهادی و فرض4=K ،4=N و3=l نشان می‌دهد. نتایج به دست آمده گویای کاهش خطای متوسط تخمین موقعیت از13.2 متر به 9.7 متر در صورت استفاده از روش موقعیت یابی پیشنهادی است. یکی از معیار­های سنجش کارایی الگوریتم‌های موقعیت یابی، خطای متـوسط تخمیـن موقعیت است، که در روش تشخیص الگوی مبتنی بر توان پیشنهاد شده این مقدار برابر با 9.7 متر به دست آمد. معیار دیگر وضع شده توسط FCC، مقادیر خطای متناظر با 67%=CDF و 95%=CDF بوده که براساس استاندار این سازمان باید 67 درصد خطاهای تخمین کمتر از 100 متر و 95 درصد خطاها کمتر از 300 متر باشند. مقادیر خطای حاصل از الگوریتم ارائه شده در%67 و%95 موارد به ترتیب کمتر از 11متر و کمتر از23 متر است، که بیانگر مطابقت این روش با قوانین FCC است.

 

شکل(11):مقایسه­ی نمودارCDF خطای موقعیت یابی

 

به منظور مقایسه دقت الگوریتم موقعیت یابی هندسی مبتنی بر تقاطع یابی دایره‌ای با روش تشخیص الگوی بهبودیافته در همان ناحیه آزمایش شکل(4)، شبیه سازی این روش هندسی بر اساس مدل انتشار Hata که ضرایب آن برای اصفهان استخراج شده، صورت گرفته است. نتایج این شبیه سازی که با استفاده از داده های واقعی اندازه گیری شده توسـط گوشـی TEMS و مبتـنی بر موقعـیت حقـیقی ایستگاه های پایه به دست می‌آید، حاکی از دقت کمتر از340 متر در67% و کمتر از 720 متر در 95% موارد است، که کارایی بهتر الگوریتم پیشنهادی نسبت به روش مرسوم هندسی را نشان می دهد.علاوه بر این، در جدول(4)، مقایسه‌ای از دقت روش تشخیص الگوی مبتنی بر توان پیشنهادی با دقت برخی از کارهایی که تاکنون به منظور بهبود کارایی الگوریتم تشخیص الگو ارائه شده، ذکر گردیده است.

 

4- پیشنهاد سناریویی به منظور ارائه یک سرویس تبلیغاتی مبتنی بر موقعیت

چنانکه گفته شد، با توجه به اهمیت مسأله فردی سازی در ارسال تبلیغات، علاوه بر پارامتر موقعیت مشترک، علاقه مندی­های فردی وی و زمان نیز در این مقاله در نظر گرفته شده است. از این رو، باید پایگاه داده‌ای از نوع مکان‌هایی که کاربران علاقه مند به دریافت پیام‌های تبلیغاتی از آنها هستند (بانک، رستوران، کتابفروشی و ...) و همچنین، زمان‌های مناسب برای ارائه تبلیغات از هریک از این مکان‌ها تهیه گردد. مشترکان مجازی که قصد استفاده از سرویس تبلیغاتی را دارند، در ابتدا لازم است درخواستی مبنی براستفاده از این خدمات به فراهم کننده سرویس اعلام نمایند. این درخواست می‌تواند به شکل ارسال پیامکی به شماره‌ای معین صورت گیرد. سپس فراهم کنندگان سرویس قادر خواهند بود طبق روش پیشنهاد شده با تشخیص حضور مشترک در نزدیکی هر یک از تبلیغ کنندگان و با درنظر گرفتن پارامتر زمان و علایق کاربر، پیام‌های تبلیغاتی را برای وی ارسال نمایند. شایان ذکر است به منظور تحقق این سرویس لازم است تغییراتی جزئی در زیر ساخت شبکه صورت پذیرد.

5- اصلاحات لازم در زیرساخت شبکه به منظور ارائه سرویس تبلیغاتی

الف ـ نصب ترمینال‌های ثابتGSM

نصب ترمینال‌های ثابت GSM به منظور اندازه گیری مقادیر RSS از ایستگاه‌های پایه اطراف به صورت خودکار، در مجاورت مکان‌های تبلیغ کنندگان ضروری است. از آنجایی که این ترمینال های ثابت حکم نقاط مرجع را ایفا می­کنند، نحوه چیدمان آنها در دقت سرویس ارائه شده تأثیر بسزایی دارد. طبق روش پیشنهادی، نحوه قرارگیری ترمینال‌های ثابت دراطراف مکان‌های موردنظر باید به صورتی باشد که با نزدیکی به این مکان‌ها، چگالی ترمینال‌های ثابت افزایش یابد. علت این امر، نیاز به موقعیت یابی دقیق­تر مشترکان در نزدیکی مکان‌های تبلیغ کننده است

ب ـ ساختنپایگاهداده

مواردی که باید به منظور تحقق این سرویس در پایگاه داده ذخـیره گردند، به شرح زیر هستند :

1. ثبت مکان‌های مورد علاقه مشترکان برای دریافت تبلیغات: فهرستی از نوع مکان‌های مورد علاقه هر یک از مشترکان در پایگاه ذخیره می شود .

2. ثبت محدوده‌های زمانی مناسب برای ارسال پیام تبلیغاتی از هر نوع مکان: متناظر با نوع مکان، محدوده زمانی خاصی برای ارسال پیام درنظر گرفته می‌شود و درهنگام ارائه سرویس تبلیغات با توجه به زمان جاری انواع خاصی از مکان‌ها برای ارسال پیام انتخاب می­شوند.

3. ثبت مکان­های تبلیغ کننده و Cell ID نزدیکترین ایستگاه­های پایه به آنها: ورودی های این پایگاه داده شامل Cell ID مربوط به نزدیکترین ایستگاه‌های پایه به هر یک از مکان‌های تبلیغ کننده و مختصات جغرافیایی این مکان‌هاست.

4. ثبت نقاط مرجع متناظر با هر ایستگاه پایه: تمام نقاط مرجع موجود در فاصله معینی از هر ایستگاه پایه به همراه Cell ID آن ایستگاه باید دراین پایگاه داده ثبت گردد. این فاصله معادل با شعاع ناحیه جستجوی عنوان شده در بخش3-2-1 است.

5. ثبت بردار RSS مربوط به هر ترمینال ثابت GSM و مختصات جغرافیایی متناظر آن: توان سیگنال­های دریافتی از ایستگاه­های پایه قابل شنود که توسط هر ماژول اندازه‌گیری شده به همراه مختصات جغرافیایی ماژول‌ها دراین پایگاه داده ذخیره می‌شود.

ج ـ نصب واحدSMLC

مرکز سرویس‌دهنده موقعیت یابی موبایل (SMLC)، واحد ذخیره کننده پایگاه داده بوده که قادر است با مقایسه نمودن  RSSاندازه­گیری شده توسط MS با مقادیر درون پایگاه داده خود، موقعیت ترمینال متحرک را تعیین نماید. از آنجایی که باید جستجو در کل پایگاه داده صورت گیرد و این امر بار پردازشی بالایی را به شبکه تحمیل می‌کند، واحد SMLC باید به اندازه کافی برای پردازش تمامی درخواست­های موقعیت یابی در یک زمان قابل قبول توانمند باشد. از این رو، پیشنهاد می‌شـود، در مواقع پیاده‌سازی سرویس در مقیاس بزرگ، چندین واحد SMLC به شکل توزیع یافته در شبکه قرار داده شود.

صورت کلی فرایند سرویس تبلیغاتی در شکل (13) نشان داده شده است. همان طور که ملاحظه می­شود، این فرایند سرویس تبلیغاتی با ارسال پیامکی از مشترک به منظور اعلان درخواست سرویس آغاز می­گردد. از این زمان به بعد، ارسال گزارش‌های NMR، برای دریافت RSS اندازه گیری شده توسط ترمینال، در فواصل زمانی معین و به صورت متناوب به شبکه ضروری است.

پس از درخواست سرویس، زمان تقاضای سرویس و همچنین، علاقه‌مندی های شخصی مشترک ثبت شده در پایگاه داده، مشخص می‌شود. سپس با توجه به زمان جاری، انواع خاصی از مکان‌ها برای ارسال پیام، استخراج شده و در نهایت، با درنظر گرفتن علاقه مندی‌های شخصی از پیش مشخص شده مشترک، تعدادی از انواع مکان‌ها از میان مکان‌های استـخراج شده در مرحـله قبل تعـیین می­گردند. علاوه بر این، پس از ارسال پیامک درخواست سرویس، Cell ID سلول سرویس‌دهنده مشترک مشخص و با ورودی‌های پایگاه داده SMLC برای بررسی این که آیا در سلول سرویس دهنده ترمینال، تبلیغ کننده استخراج شده در مرحله قبل وجود دارد یاخیر، مقایسه می‌گردد. در صورتی که تبلیغ کننده‌ای وجود نداشته باشد، شبکه باید به طور پیوسته، NMR دریافتی از ترمینال را به منظور به دست آوردن Cell ID سلول سرویس دهنده و تحقق شرط بالا بررسی کند. از سوی دیگر، در صورت وجود تبلیغ کننده در سلول سرویس دهنده ترمینال، موقعیت واحد سیار از طریق فرآیند ذکر شده شامل فیلتر کردن، تطبیق وتخمین موقعیت به دست می‌آید.

 

 

 

جدول(4):مقایسه خطای موقعیت یابی الگوریتم های پیشنهاد شده بر مبنای روش تشخیص الگو

خطا متناظر با 0.67=CDF

خطا متناظر با 0.67=CDF

خطا متوسط تخمین موقعیت(m)

شرح الگوریتم موقعیت یابی

11m

23m

9.7m

الگوریتم تشخیص الگوی مبتنی بر توان پیشنهادی

MLE:372 m

WAG:275m

TAE:229m

MLE:610m

WAG:428m

TAE:361m

MLE:294m

WAG:240m

TAE:197m

محدود کردن شعاع جستجوی نقاط مرجع مبتنی بر فیلترهایCell-IDوTA،به کاربردن مدل پیشگویی انتشار امواج رادیویی برای ساختن پایگاه داده،استفاده از روش‌هایTAE،WAG ،  MLEدرتخمین موقعیت، به کارگیری یک روش همبستگی بهبودیافته در ترکیب با فیلتر بیز در مرحله تطبیق،اندازه گیری نقاط مرجع با فاصله 9 متر در مسیر آزمایش[21]

3D IRT:65m

COST231  WI:65m

Hata:115m

3D IRT:250m

COST231  WI:150m

Hata:530m

ــــــ

ــــــ

ــــــ

جمع آوری مقادیر درون پایگاه داده از طریق پیشگویی مدل انتشار ناحیه آزمایش،ارزیابی خطای موقعیت یابی با لحاظ نمودن سه نوع مدل انتشارHata، COST 231 WI، 3D IRT[26]

ـــــــ

ــــــ

260 m

تعیینK عدد از نزدیکترین نقاط مرجع به ترمینال از طریق محاسبه ضرایب همبستگی میان بردارRSS ترمینال و هریک از نقاط مرجع موجود در پایگاه داده،تخمین موقعیت تلفن همراه با متوسط گیری ازموقعیت متناظر با K نزدیکترین نقطه مرجع به آن، در نظر گرفتن فاصله 200 متر برای جمع آوری نقاط مرجع [20]

44 m

100 m

ـــــــ

انجام اندازه گیری های میدانی برای ساختن پایگاه داده، موقعیت یابی تلفن همراه براساس انتخاب موقعیت نقطه ای از پایگاه داده با کمترین فاصله توانی تا ترمینال،فرض فاصله 2 متر میان نقط مرجع در مسیر آزمایش [27]

ـــــــ

ـــــــ

الگوریتم های درون یابی خطی موقعیت از قدرت سیگنال: 190.8m

مرکزثقل  قدرت:m 195.29

ساختن پایگاه داده بر اساس اندازه گیری های میدانی،استفاده از الگوریتم های درون یابی خطی موقعیت از قدرت سیگنال و همچنین، مرکز ثقل قدرت برای تخمین موقعیت مشترکان [14]

 

 

 

 

شکل(13):روند کلی سرویس تبلیغاتی پیشنهادی

* این عملیات از ارسال NMR دوم به بعد امکان پذیر است.

 

پس از استتناج موقعیت تخمینی ترمینال، باید فاصله آن تا مکان تبلیغ کننده به دست آید. در صورتی که این فاصله کمتر از مقدار فاصله آستانه از پیش تعیین شده‌ای باشد، پیام تبلیغاتی برای مشترک ارسال می‌گردد. درغیر‌این صورت، تمامی مراحل تخمین موقعیت، برای به‌دست آوردن موقعیت کنونی ترمینال تکرار می‌شود. در نهایت، فرایند سرویس تبلیغاتی مذکور با ارسال پیامکی مبنی بر اعلام اتمام فرآیند از سوی مشترک و یا با تشخیص دور شدن مشترک از تمامی تبلیغ کنندگان پایان می‌پذیرد. درغیر این صورت، پس از سپری شدن زمان مشخصی این عملیات به اتمام خواهد رسید.

 

6- نتیجه گیری

روش موقعیت یابی تشخیص الگو مبتنی بر توان سیگنال دریافتی در نواحی شهری؛ یعنی اصلی‌ترین مناطق کاربرد سرویس‌های مبتنی بر موقعیت از دقت بالایی برخوردار است. با توجه به اهمیت استفاده از پایگاه داده دقیق در بهبود کارایی الگوریتم تشخیص الگوی پیشنهادی و تاثیرگذاری عواملی، از قبیل: وضعیت بار ترافیکی شبکه بر ورودی‌های پایگاه داده، در مرحله ساختن پایگاه داده، ایده استفاده از ترمینال‌های ثابت GSM برای ایجاد پایگاه داده‌ای به روز مطرح می‌شود. نتایج شبیه سازی حاصل از بررسی تاثیر هر یک از فیلتر های عنوان شده در کارایی الگوریتم موقعیت یابی پیشنهادی، گویای اهمیت استفاده از آنها در بهبود دقت تخمین موقعیت مشترکان است. این نتایج همچنین نشان می­دهند که تغییر در مـراحل تطبـیق و تخمـین فرایند موقعیت یابی، باعث کاهش قابل ملاحظه خطای تخمین موقعیت الگوریتم نسبت به روش­های مرسوم قبلی می­گردد.

علاوه بر این، آزمایش‌های انجام شده نشان می­دهند که پارامتر‌هایK و l و N فاکتورهایی اساسی در فرایند موقعیت یابی محسوب شده و باید با دقت انتخاب شوند.مقادیر خطای حاصل از الگوریتم ارائه شده بیانگر مطابقت این روش با قوانین FCC بوده، در نتیجه امکان استفاده از آن در اکثر سرویس‌های مبتنی بر موقعیت میسر است. مزیت استفاده از این روش موقعیت یابی در ارائه سرویس‌های تبلیغاتی مبتنی بر موقعیت، نیاز به نصب ترمینال‌های ثابتGSM  تنها در اطراف مکان‌های تبلیغ کنندگان است. به دلیل آنکه، به منظور ارسال به موقع پیام‌های تبلیغاتی به مشترکان، باید موقعیت آنها تنها در حوالی مکان‌های تبلیغ کنندگان با دقت بالایی تخمین زده شود. بنابراین، اپراتورهای فراهم کننده این سرویس می‌توانند، هزینه تهیه ترمینال‌های ثابت GSM را از متقاضیان ارسال تبلیغات دریافت نمایند. در یک سیستم موثر تبلیغاتی باید پیام‌های تبلیغاتی مناسب هر کاربر، در زمان و مکان مناسب به وی تحویل داده شود..از این رو، در سناریوی پیشنهاد شده در این مقاله به منظور ارائه تبلیغات، علاوه بر موقعیت مشترکان، علایق آنها و زمان نیز برای ارتقای کارایی سرویس مدنظر قرار داده شده است.

 

[1]          Federal Communications Commission (FCC) Fact Sheet, FCC Wireless 911 Requirements, 2001.

[2]          Yunos. H., Gao. J, and Shim. S, "Wireless advertising's challenges and opportunities", IEEE Computer. Vol. 36, No. 5, pp. 30–37, 2003.

[3]          Liu X., He W., Tian Z.S., "The Improvement of RSS-based Location Fingerprint Technology for Cellular Networks", International Conference on Computer Science & Service System (CSSS), pp. 1267–1270, Nanjing, Aug 2012

[4]          Chen M. Y. et al., "Practical metropolitan scale positioning for GSM phones", 8th Ubiquitous Computing International Conference, pp. 225–142, Orange County, CA, USA, Sept 2006.

[5]          Chen W. Y., Miller S. L., "Distributed linear combination estimators for localization based on received signal strength in wireless networks", 43rd Annual Conference Information Sciences and Systems. (CISS), pp. 258 – 263, Baltimore, March 2009.

[6]          Tayal, M., "Location services in the GSM and UMTS networks", IEEE International Conference on Personal Wireless Communications, ICPWC, pp. 373–378, Jan 2005.

[7]          Chan F.K.W., "Best linear unbiased estimator approach for time-of-arrival based localization", IET signal processing, Vol. 2, No. 2, pp. 156-162, 2008.

[8]          Bshara M., Orguner U., Gustafsson F., Van Biesen L., "Fingerprinting Localization in Wireless Networks Based on Received-Signal-Strength Measurements: A Case Study on WiMAX Networks", IEEE Trans. on Vehicular Technology, Vol.59, No. 1, pp. 283–294, 2010.

[9]          Mayorga C., Rosa F., Wardana S., Simone G., Raynal M., Figueiras J., and Frattasi S., "Cooperative Positioning Techniques for Mobile Localization in 4G  Cellular Networks", IEEE International Conference on Pervasive Services (ICPS 2007), pp. 39–44, Istanbul, July 2007.

[10]          Calleja C., Debono CJ. "The application of database correlation methods for location detection in GSM networks", 3rd International Symposium on Communications, Control and Signal Processing (ISCCSP), pp. 1324-1329, St Julians, March 2008.

[11]          Kuipers M., Majewski K., Schmitz H.,and Stadelmeyer P., "Improved Method for Positioning Mobile Phones Based on Series of Measured Reception Power Levels", Proc. of SPIE Location Services and Navigation Technologies Vol. 5084, pp. 19-27, Orlando, FL, USA, April 2003.

[12]          Nypan T., Mobile terminal positioning based on database comparison and filtering, Dissertation at the Norwegian University of Science and Technology, July 2004.

[13]          Promnoi S.; Tangamchit P.; Pattara-Atikom W., "Road traffic estimation based on position and velocity of a cellular phone", 8th International Conference on ITS Telecommunications ITST, pp. 108-111, Phuket, Oct. 2008.

[14]          Anisetti, M., Ardagna, C.A., Bellandi, V., Damiani E., Reale S., "Map-Based Location and Tracking in Multipath Outdoor Mobile Networks", IEEE Trans. on Wireless Communications, Vol. 10, No. 3, pp. 814–824, 2011

[15]          Schmitz H., Kuipers M., Majeewski K., and Stadelmeyer P., "A new method for positioning of mobile users by comparing a time series of measured reception power levels with predictions", Vehicular Technology Conference, VTC-2003 Spring, south Korea, May 2003.

[16]          Li B., Wang Y., Lee H. K., Dempster A., Rizos C, "A new method for yielding a database of location fingerprints in wlan", school of Surveying and Spatial Inf. Systems, University of New South Wales, Sydney, NSW, Australia, Oct. 2005.

[17]          ETSI Recommendations for Digital cellular telecommunications system -Phase 2+ (GSM), http://www.etsi.org.

[18]          Takenga C. Mbusa W., Quan K. K., "On the Accuracy Improvement Issues in GSM Location Fingerprinting", IEEE 64th Vehicular Technology Conference-VTC Fall, pp 1–5, Montreal, Que., Sept. 2006

[19]          Goldsmith A., Wireless Communications, Cambridge University Press, 2005

[20]          Arya A., Godlewski P., Melle P., "Performance Analysis of Outdoor Localization Systems based on RSS Fingerprinting", 6th International Symposium on Wireless Communication Systems, pp. 378–382, Tuscany, Sept. 2009.

[21]          Khalaf-Allah M., Kyamakya K., "Database Correlation using Bayes Filter for Mobile Terminal Localization in GSM Suburban Environments", Vehicular Technology Conference- VTC, pp 798-802, Melbourne, Vic., May 2006.

[22]          Saha S., Chauhuri K., Sanghi D., and Bhagwat P., "Location determination of a mobile device using IEEE802.11b access point signals", IEEE Wireless Communications and Networking Conference (WCNC), New Orleans, LA, USA, Mar 2003.

[23]          Bahl P. and V. Padmanabhan N., "Radar: An in-building RF-based user location and tracking system", 19th Annual Joint Conference of the IEEE Computer and Communications Societies- INFOCOM, Vol. 2, No. 10, pp. 775–784, Tel Aviv, March 2000.

[24]          Honkavirta V., Perala T.; Ali-Loytty S.; Piche R., "A comparative survey of WLAN location fingerprinting methods", 6th Workshop on Positioning, Navigation and Communication-WPNC., pp. 243-251, Hannover, March 2009.

[25]          Salter Li B., Dempster J., and Rizos C., Indoor positioning techniques based on wireless LAN, Tech. Rep., School of Surveying and Spatial Information Systems, UNSW, Sydney, Australia, 2006.

[26]          Wölfle G. , Hoppe R., Zimmermann D., and Landstorfer F.M., "Enhanced localization technique within urban and indoor environments based accurate and fast propagation models", 15th International Conference on Wireless Communications, Florance, Feb. 2002

[27]          Laitinen H., Lahteenmak J., Nordstrom T., "Database correlation  method for GSM location", Proceedings of the IEEE VTC Spring, Vol. 4, pp. 2504-2508, Rhodes, Greece, May 2001

 

زیرنویس‌ها

 

1 Value-added Services

2 Location-Based Services

3 Federal Communication Commission

4 Non-Line of Sight

5 Received Signal Strength

6 Global System for Mobile

7 Base Transceiver Station

8 Mobile Station

9 Location Measurement Unit

10 Global Positioning System         

11.Channel Impulse Response

12.Network Measurement Report

13.Hand Over

14.Broadcast Control Channel

15.Periodic Location Update

16.Location Area

17.Location Update

18.Timing Advance

19 Cell Identifier

20 Nearest Neighbor

21 K-Nearest Neighbor

22 Weighted K-Nearest Neighbor

23 Cumulative Distribution Function

24 Trimmed Average Estimate

25 Weighted Average Estimate

26 Maximum Likelihood Estimate

27 Intelligent Ray Tracing

28 Serving Mobile Location Center