英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
城市WiFi通过移动Crowdsensing表征
摘要 - 我们提出了一种用于城市WiFi表征的移动群众传播方法，该方法利用商品智能手机和人的自然移动性。具体而言，我们报告了欧洲代表城市爱丁堡获得的测量结果，该测试结果通过移动群众传感方法检测已部署的WiFi接入点的存在情况。他们表明2.4GHz频道中很少有频道被大量使用;相比之下，尽管5GHz频段的可用频道数量相对较多，但几乎没有任何活动。频谱使用的空间分析表明，在相同频道上运行的附近AP之间的相互干扰可能是一个严重的问题，因为大约10个AP在许多地方相互竞争。我们发现城市规模的WiFi部署特征与不同室内环境的公共场所的WiFi部署特征相似。我们验证了我们的方法与wardriving相比，并且还表明我们的发现通常与基于其他测量方法的先前研究相匹配。作为基于移动群众感知的城市WiFi监控的应用，我们概述了一种基于云的WiFi路由器配置服务，以提高干扰管理和全球城市地区的认知度。
1. 介绍
近年来对手机感应的重大兴趣可以归因于几个因素，包括：它们无处不在的性质;使用多个内置传感器向智能手机快速演进;由人类携带，使其自然被用于“移动”感应;以及通过几种可用的连接选项来利用云计算能力，存储和“集中化”的可能性。毫不奇怪，移动电话传感应用已经在不同的领域得到实现或设想（例如交通，社交网络，健康监测）[1]，[2]。当参与者群体（一群人）以适当的激励措施参与时，移动电话感知变得更加引人注目，以便以经济有效的方式对感兴趣的现象进行持续和细化的时空监控。事实上，正如肖等人。在[3]中注意到，移动传感研究和应用的重点正在转向移动群体感知，它被定义为“具有感知和计算设备的个体共同共享数据并提取信息来测量和映射共同感兴趣的现象”[4]。已经开发并部署了一些移动群众应用程序（例如[5]，[6]），它仍然是一个非常活跃的研究领域。
我们考虑将移动群众传感范式应用于无线网络监控。除了许多传感器之外，现代手机还具有多种无线网络接口作为连接选项（例如蜂窝，WiFi，蓝牙，NFC）。关于手机感应的讨论主要集中在使用内置传感器和/或专用附加传感器（例如GasMobile [5]，CellScope1，NETRA2）以及连接选项作为数据共享的手段（参见[ 2]，例如）。我们扩展这个普遍持有的观点，将网络接口也视为传感器。作为当今所有智能手机必不可少的组成部分的GPS，提出了一个位于这两个视图边界的网络接口示例 - GPS被视为手机感应应用的位置传感器，而它实际上是一个RF通信系统，手机上的哪个GPS接收器使用卫星发送的信号进行定位。一些智能手机的技术规格确实承认了这种观点。例如参见[7]。一个更明显的例子是在智能手机上使用蜂窝接口进行基于众包的主动/被动测量移动网络[8]，[9]。又如，在最近的一项工作中[10]，我们开发了一种系统，该系统利用智能手机上的WiFi接口对企业和公共建筑（如商场）等室内环境中的WiFi网络进行低成本和自动化监控。
在本文中，我们将重点放在基于移动群众感知的基础上，通过智能手机上的WiFi接口作为测量传感器，对城市地区的WiFi部署和配置进行表征。具体而言，我们报告了在爱丁堡进行的基于移动群众感知的WiFi测量研究的结果，该研究利用搭乘公共交通巴士的移动电话的参与者。我们的发现和贡献如下：
bull;2.4GHz和5GHz非授权频段以及2.4GHz内各种频道之间的WiFi频谱使用率分布不均衡（第IV.A节）。
bull;许多WiFi接入点（AP）与附近附近的10个其他AP（及其客户端）在相同的频道上竞争，因此可能会遇到严重的干扰。这是家庭WiFi路由器不协调和非自适应信道分配的常见做法的结果，这些路由器通常会使用频道等的预设工厂配置设置（第IV.B节）。
bull;我们也研究开放接入点的分布，这可以用于车载WiFi接入[11]。我们观察到沿连续路段的开放接入点的可用性仅限于市中心附近的几个部分（第IV.C节）。
bull;我们发现，在几个不同室内环境的公共区域中，有关WiFi部署的观察与城市规模的WiFi部署特征（第IV.D部分）相匹配。
bull;我们通过将其与一项精心完成的护理研究进行比较来验证我们的测量方法，并获得类似的定性结果（第IV.E节）。
bull;基于移动群众传感的城市WiFi特性描述的结果与其他先前的研究结果一致（第五节）。
bull;我们概述了一个基于云的WiFi频谱管理服务，用于城市地区的WiFi AP（例如，家庭无线路由器），该服务可以利用基于移动群集的城市WiFi监控的结果实现更好的干扰管理（第VI部分）。
与基于WiFi监控嗅探器的静态部署的固定基础设施方法（例如Argos [12]）以及使用wardriving [13]的常见做法相比，我们的移动群集传感方法提供了在连续的WiFi监控低成本的城市规模与其他方法的结果相当（第二部分）。
2.相关工作
在本节中，我们将讨论先前用于城市WiFi特性描述的固定基础设施和wardriving方法，并将其与我们的移动群众传感方法进行对比。
固定基础设施在这种方法中，一组监测设备位于感兴趣的区域。 Argos [12]是一个城市WiFi监控系统，用来说明这种方法。它基于2.4GHz固定传感器（嗅探器）的部署;这些嗅探器作为在单独的900MHz频道上运行的网状网络无线互连。 Argos的贡献在于通过多个传感器进行协调通道采样以及收集监测流量的有效机制，这两种机制旨在应对有限的回程网格能力。
在[14]中报告的研究提出了另一个遵循这种方法的例子;这里的测量数据是从部署在不同WiFi环境（房屋，公寓，咖啡馆和购物中心）上的一些选定位置的监控设备3手动检索的。
从特性描述和监测角度来看，部署专用基础设施的要求使得这种方法非常昂贵，特别是对于细粒度的时空映射。
Wardriving [13]。这是城市WiFi特性描述最常用的方法。它通常涉及一群wardrivers，每个wardrivers携带一个专门的笔记本电脑级
带GPS接收器和两个USB加密狗的3A笔记本电脑 - AirPcap Nx和WiSpy DBx。
运行wardriving软件（例如，inSSIDer [15]）并且可能具有定制天线的WiFi和GPS装备的设备围绕城市去定位现有的WiFi AP。在此操作期间，wardriving软件通常是设备上唯一运行的应用程序[13]。存在公共数据库，如WiGLE [16]来汇总来自推送活动的数据。在[17]报道的研究报告中，在选定的伦敦社区中步行收集测量数据的方法也可以看作属于这一类。
Wardriving数据的典型用途和WiFi AP的结果映射用于本地化（例如Skyhook，Place Lab），作为使用GPS的更可靠，更快和更节能的替代方案。 [11]报道了另一个用于驾驶的用例，旨在评估通过开放WiFi AP进行车载互联网接入的可行性;他们的同伴网站[18]显示了在波士顿地区进行的wardriving运动中发现的AP的地图。像典型的wardriving研究一样，[11]也使用定制的硬件/软件平台。
正如[19]中的作者所指出的，wardriving是一项昂贵且乏味的操作。因此，对于连续的WiFi监控来说，这可能是不切实际的。
移动Crowdsensing。这是我们采取的方法。它与wardriving相似，但减轻了参与者的负担，并利用现成的智能手机，并在后台运行测量软件。因此，它有可能实现经济高效，细化和持续的时空无线监测。
用于移动蜂窝网络测量的群众搜索已经引起了相当的关注。例如，[8]，[20]解决了基于有用且可扩展的基于众包的移动网络测量的问题，而OpenSignal [9]和Mobiperf [21]则使用免费的移动应用程序代表被动和主动众包的移动网络测量系统。
对于WiFi，[22]是使用移动众包数据集的现有工作。具体来说，它使用基于速度最快的移动应用程序的主动性能测量（下载/上传速度和延迟）来报告WiFi和蜂窝连接之间的移动互联网访问性能的分析和比较。相比之下，我们的目标是使用移动群众传感来描述城市WiFi部署。
Pazl [10]旨在通过移动聚焦来监控室内环境（企业，商场）的WiFi监控，并通过混合定位机制将行人航位推算与WiFi指纹相结合，解决测量定位的相关挑战。我们在本文中的主要目标是户外城市规模测量，其中基于GPS的电话/测量定位可以相当可靠（参见下一节）。
在文献[23]中，作者提出了一种使用现成的AP硬件作为监测站来检测和跟踪支持WiFi的智能手机的系统，这与我们考虑使用商用智能手机检测WiFi AP的存在的问题相反。
3.方法
我们使用Android手机完成基于手机群众感知的城市WiFi特性研究，具体为可使用2.4GHz和5GHz免许可频段的802.11a / b / g / n无线电的三星Galaxy S III [7]手机。我们完全依靠基于被动扫描的测量，聆听AP信标。使用Android API进行被动扫描的用户级别信息仅限于：SSID，BSSID，信道，RSSI和正在使用的安全机制。为了进行测量，我们使用免费提供的射频信号跟踪器应用程序[24]，该应用程序每隔三秒或5米通过被动扫描WiFi接入点（AP）进行背景扫描;它将以GPS位置和时间戳标记的每个扫描结果本地存储在电话中的CSV文件中。由于此应用程序不记录位置错误，也不是开源的，因此我们开发了一个辅助应用程序，它可以一起运行并记录位置错误。随后将来自电话的测量数据传输到后端服务器，在后端服务器中使用自定义python脚本将数据导入数据库，然后将数据用于进一步查询，分析和映射数据。
正如前面提到的，我们的城市WiFi定性主要关注爱丁堡市，这是一个典型的欧洲城市[25] - 规模较小且人口密集，特别是在中心区。为了在简短的测量期内以较少的参与者进行概念证明和更广泛的空间覆盖，我们关注参与者乘坐公共交通工具的测量场景。具体而言，我们的测量结果来自于参与者在他们乘坐手机时所携带的电话，这些手机在由当地巴士公司Lothian Buses [26]运营的城市巴士上以低至中速行驶。从这个意义上讲，它遵循了早期城市空气/噪声污染监测研究中的参与式传感方法[5]，[6]。本报告中记录的测量结果相当于在15个小时内超过31辆公共汽车。请注意，原则上基于众包的测量可以以完全投机的方式完成，涵盖所有移动模式，包括步行，站立等。我们所处的限制是出于上述原因。还要注意，我们的研究有一个假设，即可以从街上看到隔壁邻居的可见AP，反之亦然。
图1（a）显示了作为热图的一组测量结果。由于不同公交路线之间的路段重叠，因此地图上的红色区域指示存在高密度AP的地方以及具有多个测量的地方。图1（b）列出了我们数据集中所有测量的位置误差统计。我们观察到，尽管最大误差可能超过1Km，但没有得到GPS定位的地点，95％的情况下误差在50m以下。为了获得地图上AP的可靠空间分布，我们对位置误差大于50m的5％测量进行了滤波。图1（c）显示了结果数据集的总结。仔细观察，我们观察到大多数AP对应于散布其余的家庭WiFi网络（例如WiFi热点）。
4.结果
A.频谱使用
我们首先看看我们的数据集中WiFi AP的频道使用情况。图2显示了2.4GHz和5GHz频段上不同信道的相对使用情况。显然，频道使用率很不均衡，主要是2.4GHz频段的频道1,6和11。我们将这主要归因于用户离开他们的AP使用出厂设置，这些设置通常关注频道1,6和11，因为它们不重叠。在其余的频道中，频道7是我们发现的下一个最常见的频道，归因于与其中一个ISP（基于其SSID识别的）对应的WiFi AP始终被设置为使用频道7。 5GHz信道的感知使用可能部分归因于5GHz处的相对较差的传播特性以及我们来自户外的测量，而AP几乎总是位于室内。尽管如此，我们并不期望我们关于信道使用不均衡的结论能够定性地改变本节稍后讨论的关于不同室内环境和基于笔记本电脑的Wardriving测量所见的WiFi部署性质的结果。我们将在下一小节进一步探讨这种观测到的非均匀信道的使用情况，特别是考虑频谱使用的空间变化及其对潜在干扰水平的影响。
B.频谱使用的空间分布
图3显示了检测到的接入点的地图，根据所使用的一组信道着色不同。除了确认图2中的信道使用模式之外，地图上的红色贴片使用三个常用信道之一（1,6和11）突出显示了接入点之间的紧密性，因此存在高度干扰的可能性。图4（a）提供了图3中的地图的定量等价物，并且显示超过一半的地点“看到”超过10个AP。图4（b）中的统计信息也相同。
由于图4（a）和图4（b）对应于所有信道上AP密度的空间分布，因此它们不直接表示任何一个信道中的干扰水平。图5显示了这三个最常用的通道（1,6和11）的信息。令人惊讶的是，每个通道的AP密度空间分布与图4（a）所示的所有通道的总体分布类似。因此，我们实际上可以推断，在超过一半的位置中，我们可能会在三个频繁使用的频道中的任何一个频道上找到超过10个AP。地图上的图6显示了相同的结果。它显示了10个或更多AP配置为使用该位置上最常见的信道的位置，每个圆圈的大小代表一个位置处的AP的数量 - 圆圈的大小越大，可能干扰的AP的数量越多与彼此（或他们的相关客户）进行交流。
C.开放接入点
在这里，我们来看看“开放”接入点的问题，这些接入点可以用于城市的公共和车辆无线互联网接入。在我们的测量数据集中，我们发现开放接入点占接入点总数的20％左右（2977比13800）。这些开放式接入点中有很大一部分（接近76％）由单一ISP（英国电信）提供服务，这使得将它们全部视为无缝漫游的车辆客户端
全文共9863字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14629]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
