BLEビーコンのRSSI(受信信号強度)を利用して、車両などの位置をどこまで推定できるか検証しました。
安価なBLEタグを対象物に取り付け、複数の受信機でビーコンを受信することで、対象物の存在確認とおおよその位置推定を行います。
今回は、BLEタグの通信距離、RSSIと距離の関係、マルチパスによる影響を実測し、さらに機械学習を利用した位置推定について検討しました。
BLE(Bluetooth Low Energy)タグのビーコンを受信すると、タグの存在を確認し、RSSI(受信信号強度)を取得できます。本記事では、小型の使い捨てBLEタグを含む複数のタグについて、屋外で距離とRSSIの関係を測定した結果を紹介します。さらに、この実測データを基に、複数の受信機とk-NN(k近傍法)を利用した位置推定をシミュレーションで検討しました。
実測では、今回の見通し条件で100m離れたタグのビーコン情報を受信できました。一方、RSSIは距離に対して単調に変化せず、受信できることと、位置を正確に推定できることは分けて評価する必要があります。5m×5mの区画単位で位置を判別することを検討目標としましたが、その精度を実環境で確認した段階にはありません。
対象物に取り付けたBLEタグからビーコンを送信し、受信機でタグの識別情報とRSSIを取得します。本記事では、BLE受信機能を持つアクセ スポイントを「AP」と呼びます。
タグの識別情報を管理用データベースと対応付ければ、受信したタグがどの対象物に付いているかを照合できます。対象物の属性情報をすべてビーコン内に書き込むことを前提にする必要はありません。
位置推定では、複数のAPが取得したRSSIの組み合わせを利用します。近くのAPを判別する方法や、RSSIから距離を推定する方法、既知の位置で収集したRSSIと照合する方法などが検討対象になります。
評価には、BLE受信機能を備えたAP、使い捨てBLEタグ、比較用BLEタグ、三脚、バッテリ、データ取得用PCを使用しました。使い捨てタグはMINEWのi6 Disposable BLE Tagを使用し、比較用にはE7 Beacon Plus、FSC-BP108B、DX-CP27を用いました。これらは今回の評価機材であり、製品全般の性能を比較・保証するものではありません。
周囲環境による違いを見るため、屋外の2か所で測定しました。以下では「測定場所A」「測定場所B」と表記します。
- APとタグを、地上高約1.5mの位置に三脚で設置しました。
- 測定手順は1m、5m、10m、15mと距離を広げ、以降は基本的に5m間隔としました。
- 各距離で受信データを約10回取得しました。
- 測定場所Aでは最大100m、測定場所Bでは設置可能な直線距離の制約により最大70mまで測定しました。
- 使い捨てタグの送信出力設定は0dBmとし、比較用タグには0dBm、2dBm、4dBmの設定を含めました。
これは三脚を用いた屋外の基礎評価です。実際の車両への取り付けや、多数の対象物が並ぶ環境での受信・測位性能を直接評価したものではありません。
<100mでのビーコン受信を確認>
測定場所Aでは、100m離れた位置でもビーコン情報を取得できました。測定場所Bの評価上限は70mであり、通信できなくなった距離を示しているわけではありません。
100mは今回確認した測定距離です。どの環境でも100mの通信を保証する値でも、通信可能距離の上限を確定した値でもありません。また、この受信確認だけから、連続受信の安定性や位置推定の精度を判断することはできません。
< RSSIは距離に対して単調には変化しない>
測定結果には、距離が離れるほどRSSIが低くなる全体的な傾向が見られました。ただし、途中でRSSIが回復する区間や、大きく低下する区間もありました。例えば、15~20m付近で受信レベルが回復する例や、40~45m付近で低下する例が示されています。変化の位置や大きさは、タグや測定場所によって異なります。
両方の測定場所で、おおむね50m以遠になると、距離の増加に伴うRSSIの変化が小さくなる傾向がありました。局所的な上下動は残っており、RSSIが一定になるという意味ではありません。
こうした結果から、単一のRSSIをそのまま距離に置き換える方法では、異なる距離を区別しにくくなる場合があると考えられます。
図1 測定場所Aにおける距離とRSSI(実測)
最大100mまで測定した結果です。Dは使い捨てBLEタグを示します。
図2 測定場所Bにおける距離とRSSI(実測)
設置可能な直線距離の制約により最大70mまで測定した結果です。Dは使い捨てBLEタグを示します。A~Eと製品の対応は図1と共通ではありません。
<使い捨てタグと比較用タグの傾向>
使い捨てタグでもビーコンを受信でき、RSSIと距離の関係を取得できました。送信出力を2dBmまたは4dBmに設定した比較用タグでも、距離に対する受信レベルの起伏は見られました。
今回の比較では、送信出力を上げるだけでRSSIと距離の関係が単調になるわけではありませんでした。この結果は使い捨てタグを検出用途や測位検討の対象にできることを示しますが、タグ間のRF性能が同等であることや、目的の測位精度を達成できることまで実証したものではありません。
受信レベルの起伏を考えるため、直接波と地面反射波を含む2パスモデルを用いたシミュレーションを参照しました。直接届く電波と地面で反射した電波は、経路の長さによって位相差が変わり、受信点で強め合ったり弱め合ったりします。
2パスモデルの結果にも、特定の距離で受信レベルが大きく落ち込む様子が現れています。計算例では、1mにおける受信レベルを−59dBmとした場合と、−50dBmとした場合を比較しています。これらはモデルの基準受信レベルであり、タグの送信出力設定とは別の値です。
実測でもRSSIの起伏が見られたため、地面反射による干渉は、その要因の一つと考えられます。ただし、2か所で似た傾向が得られたことだけで、他の反射や周囲環境の影響を除外することはできません。今回の結果は、実測のすべての変化を2パスモデルで説明できたことを意味しません。
図3 直接波と地面反射波を考慮した2パスモデル(計算例)
青線は1mで−59dBm、赤線は1mで−50dBmを基準とする計算例です。元図の曲線と目盛りを保持し、タイトルと凡例を元資料本文の定義に合わせて整理しました。実測値でも、タグの送信出力を示す図でもありません。干渉による受信レベルの落ち込みを考察するための図であり、実測との定量的な一致は確認していません。
今回採用を検討している使い捨てビーコンタグに照準を合わせると、場所によらず同様な傾向(カーブ)を描いている ので、周囲環境からの影響でなく、信号の2パス干渉(直接波+地上からの反射波)から信号強度が前後すること が理解できます
複数APのRSSIを利用すれば、1台のAPから得られる情報よりも多くの手掛かりを使えます。考え方の一つは、各APまでの距離をRSSIから推定し、APの設置座標と組み合わせる三辺測位です。
ただし、今回の実測ではRSSIから距離を一意に決めにくい区間がありました。距離推定に誤差が含まれると、それを用いた位置推定にも誤差が生じます。このため、単純なRSSIからの距離換算と三辺測位だけで、目標とする区画判別を実現できるとは判断できません。
APごとのRSSIを比べて、おおよそどのAPに近いかを判断する方法も検討対象です。ただし、本評価には複数APを用いた実環境での正解率評価は含まれていません。
RSSIの変動や場所ごとの特性に対応する方法として、既知の位置で取得したRSSIを教師データとして利用する測位を検討しました。
基本的な手順は次のとおりです。
1. 位置が分かっている測定点で、複数APのRSSIを収集します。
2. 各測定点の座標と、APごとのRSSIを対応付けて保存します。
3. 必要に応じて移動平均やカルマンフィルタでRSSIの変動を平滑化します。
4. 新たに取得したRSSIの組み合わせから位置を推定します。
k-NN(k近傍法)は、取得したRSSIの組み合わせに近い教師データを参照する方法です。今回のシミュレーションでは、移動平均・カルマンフィルタによる処理とk-NNを用いた測位を適用したと報告しています。
ほかに、SVM、ランダムフォレスト、DNNや、三辺測位に補正モデルを組み合わせる方法も検討候補としました。これらの手法の精度を比較する実験は行っておらず、優劣は確認していません。
平滑化や学習モデルによる精度改善の程度も、実環境での評価が必要です。今回の資料には、処理前後の測位誤差を比較した定量結果はありません。
<実測データから疑似的に教師データを作成>
実環境に4台のAPを設置した教師データは取得できなかったため、屋外で1台のAPを使って測定した距離とRSSIの関係を基に、4台分のデータを疑似的に作成しました。各APについて、距離とRSSIの関係が同等であると仮定しています。
APを4隅に配置する構成を想定し、座標の1単位を5mとして、モデル上の座標範囲(10, 0)から(20, 10)までを推定対象としました。対象領域の大きさは50m×50mです。これはシミュレーション上で設定した領域であり、実測によって有効範囲を確認したものではありません。
図4 4台のAPを想定したシミュレーション上の配置
赤枠はモデル上の対象領域で、座標(10, 0)から(20, 10)、1座標単位は5mです。各APで距離とRSSIの関係が同等であると仮定しました。同心円は模式的な距離関係を示し、実測された受信範囲や測位精度を表すものではありません。中央の対象物も位置を説明するための模式表現です。
<位置推定の入力と表示を確認>
Python 3で動作するプログラムを用い、教師データを読み込み、各APのRSSIに相当するダミーデータを入力して、推定位置をX・Y座標で表示する処理を実行しました。また、入力値をランダムに変化させ、位置表示の変化を確認します。
この確認で扱ったのは、仮定したデータに基づく位置推定と表示の動作です。実際に移動するタグを複数APで追跡して測位誤差を評価した結果ではありません。ランダムな入力値の変化も、実際の移動に伴う電波変動を再現したことにはなりません。
< 5m×5mの区画判別は未検証>
実環境で複数APを使用した評価と、50m×50mの領域を用いた精度確認は実施できていません。そのため、5m×5mの区画を正しく判別できるか、何mの位置誤差が生じるかについては、今回のシミュレーションから結論を出せません。
次の段階では、対象物を実際に配置した環境で複数APを設置し、位置が分かっている各地点のRSSIを収集する必要があります。実利用環境では、対象物や周囲の構造物による遮蔽・反射を含めて確認することが重要です。
今回の検討を踏まえ、今後の評価項目として次を挙げます。
- 実際の取り付け位置や向きで、ビーコンを受信できる範囲と受信の安定性を確認すること。
- 複数APで現地の教師データを取得し、実環境に即したモデルを作ること。
- 教師データとは別に取得した評価データで、位置誤差と5m×5mの区画判別率を確認すること。
- 対象物の配置が変わった場合にも、同じモデルを使えるかを確認すること。
- 平滑化や補正モデルによる改善効果を、同じ評価条件で比較すること。
表1 今回確認した内容と、今後の検証事項
屋外の見通し条件では、使い捨てBLEタグを含むタグの受信評価を行い、100mでビーコン情報を取得できることを確認しました。一方、RSSIには距離に対して単調ではない変化があり、受信できることだけでは測位性能を判断できませんでした。
2パスモデルは、このような受信レベルの起伏を考える手掛かりになります。また、現地のRSSIデータを利用したk-NNなどの手法は、補正測位の検討候補になります。
今回の複数APによる位置推定は、1台のAPで取得した実測データを展開したシミュレーションです。実環境での測位精度、とくに5m×5m単位の区画判別については、今後の実測によって検証する必要があります。
2026年9月30日 RKテック(記)
Python3での測位シュミレーション結果は以下です