モバイルデータ拡張による屋外多セルフィンガープリンティング位置特定の精度向上
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.19405v1発表タイプ：クロス
要約：セルラーネットワークにおける正確な屋外測位は、疎で不均質な測定データ収集と網羅的なサイト調査の高コストによって妨げられています。本論文は、事業者収集の最小限のドライブテスト（MDT）記録を用いたマルチセルフィンガープリンティングベースの測位を強化するように設計された、軽量でモジュール型のモバイルデータ拡張フレームワークを紹介します。提案するアプローチは、空間的合成と無線特性合成を分離します。カーネル密度推定（KDE）は経験的空間分布をモデル化して地理的に整合性のある合成位置を生成し、k近傍法（KNN）ベースのブロックは拡張されたセルごとの無線フィンガープリントを生成します。このアーキテクチャは、意図的にトレーニングフリーで、解釈可能であり、分散型またはオンプレミス事業者展開に適しており、プライバシーを考慮したワークフローをサポートしています。イタリアのモバイルネットワーク事業者から提供された、多様な都市部および郊外シナリオにわたる現実世界のMDTデータセットを使用して、各拡張モジュールを個別に検証し、フィンガープリンティングベースの測位に対するエンドツーエンドの影響を評価します。結果は、提案されたKDE-KNN拡張が測位性能を常に改善することを示しており、疎にサンプリングされた領域または構造的に複雑な領域で最も大きな利点があります。また、拡張が増加するにつれて、地域依存性の飽和効果も観察されます。このフレームワークは、既存のモバイルデータトレースを使用して事業者の測位サービスを強化するための、実用的で低複雑性の方法を提供します。
原文（英語）を表示
Title (EN): Improving Outdoor Multi-cell Fingerprinting-based Positioning via Mobile Data Augmentation
arXiv:2509.19405v1 Announce Type: cross
Abstract: Accurate outdoor positioning in cellular networks is hindered by sparse, heterogeneous measurement collections and the high cost of exhaustive site surveys. This paper introduces a lightweight, modular mobile data augmentation framework designed to enhance multi-cell fingerprinting-based positioning using operator-collected minimization of drive test (MDT) records. The proposed approach decouples spatial and radio-feature synthesis: kernel density estimation (KDE) models the empirical spatial distribution to generate geographically coherent synthetic locations, while a k-nearest-neighbor (KNN)-based block produces augmented per-cell radio fingerprints. The architecture is intentionally training-free, interpretable, and suitable for distributed or on-premise operator deployments, supporting privacy-aware workflows. We both validate each augmentation module independently and assess its end-to-end impact on fingerprinting-based positioning using a real-world MDT dataset provided by an Italian mobile network operator across diverse urban and peri-urban scenarios. Results show that the proposed KDE-KNN augmentation consistently improves positioning performance, with the largest benefits in sparsely sampled or structurally complex regions; we also observe region-dependent saturation effects as augmentation increases. The framework offers a practical, low-complexity path to enhance operator positioning services using existing mobile data traces.
Published: 2025-09-24 19:00 UTC