Tendo por base os sistemas Radar e Place Lab, o sistema Redpin [23] é um sistema baseado em fingerprinting desenhado e construído para funcionar em telemóveis. Com o Redpin é possível ter em consideração a força de sinais GSM, Bluetooth e pontos de acesso Wi-Fi num telemóvel. Esta abordagem permite que o sistema se adapte às alterações no ambiente, por exemplo quando se adiciona um ponto de acesso.
Aquando da conceção, este sistema tinha vários objetivos: utilizar hardware que já toda a gente possui, desenvolver um sistema que não precise de infraestruturas especiais no edifício, com fácil instalação e manutenção, fornecer precisão ao nível de uma sala/escritório e ter capacidade para se adaptar às alterações no meio.
Uma das características deste sistema é que a fase de treino é elaborada pelos utilizadores do sistema de uma forma colaborativa. As informações relativas às localizações são criadas e modificadas pelos utilizadores através de um interface apelativo, mostrado na Figura 2.4.
Figura 2.4: Aplicação Redpin - interface de utilizador num Nokia N95 [23]
Para chegar a atingir uma precisão ao nível de uma sala/escritório seleciona-se a localização correta tendo em consideração a força do sinal ativo da célula GSM ativa, a força dos sinais de todos os pontos de acesso Wi-Fi assim como o identificador Bluetooth de todos os dispositivos Bluetooth fixos dentro do alcance.
A arquitetura deste sistema, apresentada na Figura 2.5, tem duas componentes: um sniffer que reúne e recolhe informação sobre vários dispositivos sem fios dentro do alcance de forma a criar uma fingerprint; um localizador, que armazena as diversas fingerprints num repositório e contém o algoritmo para localizar o dispositivo móvel. O sniffer necessita de ser executado no dispositivo móvel, mas o localizador pode estar num servidor central ou em cada dispositivo móvel separadamente. Para a solução ser colaborativa entre os utilizadores o servidor central é utilizado para manter os dados fornecidos por todos os utilizadores.
O servidor tem com principais funções o armazenamento de fingerprints e o serviço que estima a localização do dispositivo móvel através da correspondência da fingerprint armazenada com a medição feita no dispositivo móvel.
O sniffer faz medições dos sinais GSM e Wi-Fi (que sofrem flutuações), já os dispositivos Bluetooth por vezes não são detetados dentro do tempo de análise o que leva a variações nas medições. As informações dos pontos de acesso Wi-Fi permitem associar o basic service set identification (BSSID) ao valor RSS. Os dispositivos Bluetooth são identificados inequivocamente pelo Bluetooth device address (BD_ADDR), semelhante ao endereço MAC numa placa de rede.
Para testar a qualidade do sistema foram feitas algumas experiências com vários telemóveis. De modo a testar a taxa de sucesso (quando o sistema é capaz de determinar a localização do dispositivo com sucesso), foram adicionadas à base de dados 26 fingerprints de locais escolhidos aleatoriamente. Cada local (sala/escritório) é inferior a 5 por 3 m. Foi utilizado um telemóvel para determinar a localização atual várias vezes ao dia, tanto nas horas de trabalho como à noite, e os resultados demonstram que o sistema é capaz de determinar a localização corretamente em 9 de 10 casos. Tendo em consideração estes resultados, o tempo que demora para se obter pelo menos uma fingerprint em cada espaço depende apenas da atividade dos utilizadores e da sua mobilidade. Foi feito um inquérito que demonstra que quando apenas 10 (de um total de 50 pessoas que trabalham naquele piso) contribuem para o sistema, o mapa fica completo em apenas um dia.
Há muitos casos em que apenas é necessária uma fingerprint por cada espaço para que o sistema seja capaz de determinar a localização com sucesso, além disso, a mobilidade dos utilizadores permite que sejam obtidas várias fingerprints nos mesmos locais permitindo a atualização das mesmas, fazendo assim uma adaptação às alterações do meio.
Mais recentemente foram desenvolvidas aplicações para Android [26] e iOS [27] dando capacidade ao sistema de ser utilizado em diversas plataformas.
2.3.5. COMPASS
O sistema COMPASS [28] é um IPS probabilístico baseado em 802.11 e bússolas digitais. São combinadas as vantagens das infraestruturas WLAN e bússolas digitais para fornecerem um serviço de posicionamento de baixo custo e com boa precisão aos utilizadores portadores de um dispositivo com interface 802.11 e bússola digital.
A direção do utilizador é medida por uma bússola digital para reduzir a influência do bloqueio para o processo de posicionamento. Uma bússola digital é um componente de baixo custo e consumo com tamanho reduzido, uma vez que está integrada num chip.
As bússolas digitais permitem que a orientação do utilizador seja detetada e tendo conhecimento desta informação apenas se selecionam as fingerprints com a orientação semelhante à do utilizador, que foram obtidas durante a fase offline, para determinar a posição do utilizador. O algoritmo probabilístico apenas utiliza este subconjunto de fingerprints para estimar a posição do utilizador.
Tanto no sistema RADAR como no sistema COMPASS os seus criadores deram especial atenção ao impacto da orientação do utilizador no registo de movimentação de um utilizador móvel. Como um corpo humano contém mais do que 50% de água, que absorve sinais de rádio de 2.4GHz, o efeito que o corpo humano reproduz influencia a precisão das medições. O sistema COMPASS apresenta uma solução para este problema através do aumento do número de amostras de potência de sinal obtidos em cada local com orientações diferentes.
A fase de calibração é fulcral para o bom funcionamento do sistema, e é das fingerprints que o sistema depende quando é necessário estimar a localização. Esta fase exige que sejam feitas medições em vários pontos alinhados em forma de grelha com 1 m de espaço entre si onde são obtidas medições em 8 direções diferentes para cada ponto. Mesmo num pequeno edifício com uma área de 125 m2, a fase de treino demoraria mais do que 4h.
O tamanho do conjunto de treino é um parâmetro bastante importante, sendo que este parâmetro determina o limite inferior no tempo necessário para se recolher os dados para a base de dados de fingerprints. O gráfico da Figura 2.6 apresenta o tamanho do conjunto de treino em função da distância de erro média. A precisão aumenta mais de 10 cm se o tamanho do conjunto de treino for aumentado de 3 para 20 medições. Contudo, se houver um aumento deste tamanho do conjunto de treino, a precisão melhora ligeiramente e por isso foi determinado que o tamanho do conjunto de treino de 20 medições é o mais adequado.
Figura 2.6: Distância de erro média em função do tamanho do conjunto de treino em função da [28]
Na fase online o número de medições também influencia a precisão do sistema. o gráfico da Figura 2.7 apresenta variação do erro média quando há uma variação no número de medições online.
Figura 2.7: Distância de erro média em função do tamanho do conjunto de treino [28]
Foi utilizado o algoritmo Multiple Nearest Neighbors proposto por Bahl et al. [3] uma vez que este apresenta melhor performance. Comparando este sistema com o sistema RADAR, é possível verificar que o COMPASS tem melhores resultados que o RADAR, o algoritmo é mais preciso revelando uma distância de erro inferior a 2 m em 70% de todas as medições, um valor bastante superior aos 50% conseguidos com o sistema RADAR.
Figura 2.8: Função de distribuição cumulativa da performance dos sistemas COMPASS e RADAR [28]
A precisão deste sistema demonstra uma distância de erro médio de 1,65 m, um valor inferior aos 2,26 m obtidos com o sistema RADAR. Por outro lado, será relevante referir que no sistema COMPASS apenas se fez a localização de um utilizador e não foi discutida a possibilidade de múltiplos utilizadores. Assim, a escalabilidade do sistema COMPASS é baixa para fornecer a deteção da localização de vários utilizadores. Além disso, a fase de treino é uma tarefa que consome bastante tempo para ser feita corretamente e é uma questão que deve ser tomada em consideração comparando os resultados deste sistema com resultados obtidos por outros sistemas.
2.4. Empresas, produtos comerciais e aplicações móveis
Com a evolução dos últimos anos na área dos dispositivos móveis e a utilização em massa destes dispositivos em combinação com os desenvolvimentos na área de sistemas de posicionamento de interiores, verifica-se um aparecimento de vários produtos e aplicações móveis que envolvem os sistemas de posicionamento de interiores. Além das grandes empresas, os programadores independentes também contribuem com as suas soluções para o mercado resultando em produtos bastante competitivos com muitas funcionalidades. Também houve o
Nesta secção serão abordadas várias soluções, tendo especial atenção os sistemas mais focados em tecnologias Wi-Fi.
2.4.1. IndoorAtlas
A empresa IndoorAtlas [7] desenvolveu um sistema baseado em posicionamento magnético o que significa que a solução é independente das infraestruturas externas como por exemplo os pontos de acesso Wi-Fi.
É disponibilizado um SDK para Android e iOS que facilita o desenvolvimento de aplicações para este sistema. O sistema funciona em ambientes interiores e exteriores e utiliza como pontos de referência as variações naturais do campo geomagnético. Os sensores de um smartphone são capazes de detetar as variações do campo geomagnético e tal como numa fingerprint é possível associar as variações do campo geomagnético medidas pelos sensores a um local específico. A precisão deste sistema ronda os 3 m.
O serviço cloud da IndoorAtlas permite que o mapa do campo magnético seja criado depois dos dados do campo magnético serem recolhidos.
Os utilizadores do serviço IndoorAtlas podem desenvolver as suas aplicações e utilizar a API desenvolvida para fazer a comunicação entre o serviço de posicionamento e a aplicação.
A empresa tem disponível a aplicação IndoorAtlas MapCreator para Android [30] e iOS [31], que é uma aplicação com muitas funcionalidades principalmente no âmbito da fase de treino, onde é possível adicionar a planta de um edifício e sobrepô-la ao edifício no Google Maps. O utilizador deve estar registado na aplicação para poder usufruir do serviço e o dispositivo tem que possuir magnetómetro (bússola), acelerómetro e giroscópio para a aplicação funcionar. A página inicial é um mapa centrado na localização do utilizador, uma lista de locais próximos (edifícios/locais adicionados por outros utilizadores na mesma área) e a lista de locais adicionados pelo utilizador.
Para o utilizador adicionar um local, tem que marcar o edifício no mapa e carregar a planta de um piso à escolha (através de uma imagem ou fotografia). Depois de escolhida a planta do edifício, é necessário alinhar a planta com o edifício no mapa, como ilustrado na Figura 2.10. A fase de treino requer que o utilizador marque uma trajetória entre dois pontos que deverá seguir durante a recolha de dados (são recolhidos os dados dos diversos sensores do smartphone, incluindo as informações dos pontos de acesso Wi-Fi). Por fim é necessário que os dados recolhidos sejam enviados para a cloud de forma que o mapa de rádio seja construído.
Para fazer o mapeamento foi necessário fazer uma trajetória definida entre 2 pontos, percorrendo um caminho de teste para fornecer melhores resultados no mapa de rádio criado. A Figura 2.11 ilustra o processo de calibração.
A funcionalidade de posicionamento estima a posição do utilizador dentro do edifício em tempo real fazendo a comparação dos dados recolhidos na fase de calibração com os dados recolhidos na fase online.
Figura 2.9: Página inicial da aplicação
IndoorAtlas
Figura 2.10: Alinhamento da planta do
2.4.2. NFER Real-Time Location Systems
A Q-TRACK [32] comercializa produtos baseados no seu sistema de localização em tempo real com tecnologia NFER(Near Field Electromagnetic Ranging). Esta tecnologia near field utiliza ondas de baixa frequência com elevado comprimento de onda que permitem obter uma precisão por volta de 1 m. Este sistema localiza através de tags que são espalhadas pelo espaço interior. O sistema tem capacidade de detetar até 500 tags.
Atualmente os produtos que utilizam a tecnologia NFER têm várias finalidades: localização de militares em edifícios para treino de grande dimensão; registo da localização de bombeiros, policias, mineiros e enfermeiros.