户外并非完美：面向基于GNSS的位置上下文深度刻画
网络与互联网体系结构
2020-10-29 v1
摘要
尽管室外与室内定位方法均蓬勃发展，如何恰当地将二者结合以在城市区域提供普适可达的定位能力仍属开放问题。近来关于室内外检测的研究朝此种融合迈出了第一步，然而复杂的城市环境使得这种二分类力有不逮。本文旨在充分挖掘原始GNSS观测值，以更好地刻画多样化的城市环境。本质上，我们应对复杂GNSS数据带来的挑战，并应用深度学习模型来识别各类位置上下文的表征。我们进一步开发了深度刻画的两个初步应用。一方面，我们提供了比二分类室内外检测更细粒度的语义分类。另一方面，我们推导出一个比Google Maps所提供的更有意义的GPS误差指示器。这些结果均经由我们广泛的数据采集与基于轨迹的评估所证实。
引用
@article{arxiv.2010.14811,
title = {No Perfect Outdoors: Towards A Deep Profiling of GNSS-based Location Contexts},
author = {Feng Li and Jin Wang and Jun Luo},
journal= {arXiv preprint arXiv:2010.14811},
year = {2020}
}
备注
10 pages