A incorpora¸c˜ao de informa¸c˜ao geom´etrica nos algoritmos de localiza¸c˜ao tem como principal objetivo melhorar a precis˜ao e exatid˜ao da localiza¸c˜ao. Zhen et al. propuseram um sistema para controlo de ilumina¸c˜ao dentro de edif´ıcios [29], em que fazem uso de um algoritmo de localiza¸c˜ao que, por sua vez, utiliza informa¸c˜ao hist´orica, de forma a melhorar a exatid˜ao do algoritmo. Para tal, os autores utilizam informa¸c˜ao geom´etrica do cen´ario no qual pretendem aplicar o seu sistema, que consiste num piso amplo de um edif´ıcio. Este edif´ıcio, que serviu como ambiente de teste, possui quatro divis˜oes separadas por paredes de vidro, para permitirem que os sinais RF ultrapassem as paredes sofrendo atenua¸c˜oes m´ınimas. O sistema ´e baseado na tecnologia RFID, e ´e constru´ıdo por sensores e tags RFID, como em outros sistemas j´a abordados. Cada uma das quatro divis˜oes existentes encontra-se dividida em trˆes regi˜oes, formando-se, assim, doze regi˜oes no total, como ilustra a Figura 3.2.
O c´alculo da localiza¸c˜ao das tags RFID encontra-se dividida em dois passos. Pri- meiro, de forma a localizar cada tag dentro de uma das doze regi˜oes, ´e utilizado um
Figura 3.2: Ambiente de teste do sistema
algoritmo de localiza¸c˜ao baseado em RSS-Fingerprinting. Detalhes sobre esta t´ecnica de localiza¸c˜ao podem ser consultados na sec¸c˜ao 2.1.2. Posteriormente, ´e usada a informa¸c˜ao hist´orica e rela¸c˜oes geom´etricas, com o objetivo de contornar erros de comunica¸c˜ao que possam surgir, valores de RSS lidos incorretamente, e de melhorar a exatid˜ao da lo- caliza¸c˜ao estimada pelo algoritmo de localiza¸c˜ao. Todo este processo ´e explicado de seguida.
Considere-se o caso em que uma pessoa equipada com uma tag RFID se encontra na regi˜ao C e que esteja de p´e, encostada `a parede que divide esta regi˜ao com a regi˜ao D, e outra pessoa que se encontre na regi˜ao D encostada `a parede que separa esta regi˜ao com a regi˜ao C. Nesta situa¸c˜ao, os valores dos dois vetores RSS medidos pelos sensores RFID s˜ao muito idˆenticos, e o resultado do c´alculo das suas localiza¸c˜oes pode variar entre a regi˜ao C e D. Este facto n˜ao ´e vi´avel, uma vez que uma pessoa n˜ao consegue mover-se rapidamente entre estas duas regi˜oes, num per´ıodo de atualiza¸c˜ao da localiza¸c˜ao.
A solu¸c˜ao encontrada pelos autores foi restringir o resultado da localiza¸c˜ao dentro das regi˜oes vizinhas. Nas experiˆencias realizadas, as atualiza¸c˜oes de localiza¸c˜ao s˜ao efetuadas uma vez por segundo. Calculou-se, que em condi¸c˜oes normais, os ocupantes do sistema n˜ao ultrapassam os 5 m/s. A ´area de cada uma das regi˜oes varia entre 5 a 6 m2. Deste modo, conclui-se que a solu¸c˜ao encontrada pelos autores ´e vi´avel apenas em condi¸c˜oes normais. No entanto, em condi¸c˜oes de emergˆencia, ou em outras condi¸c˜oes, os ocupantes a localizar podem mover-se mais rapidamente que o normal, de uma dada regi˜ao para outra que n˜ao seja vizinha. Quando estas situa¸c˜oes ocorrem, devido `as restri¸c˜oes impostas, um ocupante ´e localizado na regi˜ao vizinha da sua ´ultima localiza¸c˜ao que, na maioria dos casos, tamb´em ´e regi˜ao vizinha da regi˜ao onde ele realmente se encontra. Ent˜ao, na pr´oxima atualiza¸c˜ao de localiza¸c˜ao, o ocupante ´e localizado na sua regi˜ao onde ele realmente est´a, que por sua vez ´e uma regi˜ao vizinha da localiza¸c˜ao anterior.
Figura 3.3: Exemplo de uma situa¸c˜ao em que a localiza¸c˜ao pode ficar ”presa” [29]
No entanto, se um ocupante mant´em um movimento muito r´apido por um longo per´ıodo de tempo, a sua localiza¸c˜ao pode ficar ”presa” numa determinada regi˜ao. Na Figura 3.3 est´a ilustrado um exemplo desta situa¸c˜ao. Suponha-se que um utilizador move-se rapidamente da regi˜ao B para a regi˜ao D, atravessando L, K e E. At´e ao mo- mento em que ele p´ara, em D, o c´alculo da sua localiza¸c˜ao pode ficar ”preso” na regi˜ao L. Uma vez que D n˜ao ´e vizinho de L, o algoritmo n˜ao vai localizar o ocupante na regi˜ao D. L apenas tem como vizinhos a regi˜ao B e K, embora a regi˜ao D esteja pr´oxima (do outro lado da parede).
Por forma a resolver este problema, o sistema verifica, depois de localizar o utili- zador, em que regi˜ao ele se encontrava `a n segundos atr´as, e quais as regi˜oes vizinhas dessa regi˜ao. Neste caso, depois de localizar o utilizador na regi˜ao D, se se verificar que o utilizador esteve na regi˜ao E `a n segundos atr´as, e que esta possui K como regi˜ao vizinha, ´e feito o ”shif” da localiza¸c˜ao para a regi˜ao correta, ou seja, da regi˜ao L, onde a localiza¸c˜ao estava ”presa”, para a regi˜ao D.
O valor de n ´e um tradeoff entre um sistema robusto e um sistema sens´ıvel. Um valor pequeno de n tem como resultado um algoritmo mais sens´ıvel, tornando poss´ıvel localizar corretamente um ocupante, mesmo que ele se mova rapidamente. Por outro lado, resulta num sistema menos robusto, em que pequenas altera¸c˜oes do meio ambiente (ex: abrir/fechar portas, janelas, outros ocupantes) afetem os resultados da localiza¸c˜ao. O contr´ario, resulta num sistema mais robusto mas menos sens´ıvel. O valor de n ´e, normalmente, calculado por experiˆencias.