Cell Tower Localization using crowdsourced measurements

Abstract

[ES] La información sobre la ubicación de torres de señal en redes celulares es vital para la calidad del servicio inalámbrico 4G LTE y 5G. La precisión en la ubicación y el mapeo de las torres de células móviles son esenciales para los modelos de viabilidad de conectividad. Existen muchas fuentes diferentes de datos de torres celulares que pueden proporcionar información útil sobre la geolocalización de las torres de señal, sin embargo, estas a menudo son imprecisas, incompletas o inexistentes. Los métodos tradicionales de visita en campo y mapeo de las torres de células no solo son muy costosos, sino que algunas torres de células se encuentran en áreas remotas, inaccesibles y propensas a la inseguridad. El teléfono móvil envía y recibe señales utilizando ondas de radio, que es una forma de aproximar la ubicación de la torre de células más cercana. Sin embargo, el terreno que rodea la ubicación, su densidad y la distancia a la torre más cercana suelen ser las principales razones detrás de las aproximaciones inexactas en las bases de datos celulares de libre acceso. Este proyecto tiene como objetivo desarrollar modelos de ML (Machine Learning) para identificar con precisión las ubicaciones de las torres de células a partir de las mediciones proporcionadas por una multitud (tipo crowdsourcing).

[EN] Mobile cell tower location information is vital to the quality of 4G LTE and 5G wireless service. Accurate locations and mapping of mobile cell towers are essential for connectivity feasibility models. There are a lot of different sources of cell tower data that can provide useful information on geolocation data for cell towers, however, these are often inaccurate, incomplete, or non-existent. Traditional methods of field visit, and mapping of the cell towers are not only heavily expensive, but some cell towers are located in remote, inaccessible and insecurity-prone areas. Cell phone sends and receives signals using radio waves which is a way to approximate the location of the nearest cell tower. However, the terrain surrounding the location, its density, and distance to the nearest tower, are often the main reasons behind inaccurate approximations in known open cellular databases. This project is aimed to develop ML (Machine Learning) model(s) to identify cell tower locations accurately and comprehensively from the provided crowd sourced measurements.