Politechnika Warszawska
Politechnika Warszawska Uczelnia Badawcza

Automatyczna selekcja cech w lokalizacji wewnątrzbudynkowej

Naukowcy z PW pracują nad ulepszeniem usług lokalizacji wewnątrzbudynkowej. Rozwiązanie jest coraz szerzej stosowane m.in. w opiece nad osobami z demencją, czy w nawigacji automatycznych robotów.

Osobna selekcja punktów w bocznych korytarzach i Małej Auli Gmachu Głównego PW. Przy zastosowaniu tego podejścia można podać przybliżoną odległość lokalizowanego przedmiotu z błędem wynoszącym mniej niż 5 metrów.

Osobna selekcja punktów w bocznych korytarzach i Małej Auli Gmachu Głównego PW. Przy zastosowaniu tego podejścia można podać przybliżoną odległość lokalizowanego przedmiotu z błędem wynoszącym mniej niż 5 metrów.

Ze względu na swój niski koszt wdrożeniowy i łatwość użytkowania, która wynika z bazowania systemu na już istniejącej strukturze punktów dostępowych sieci bezprzewodowej, usługi lokalizacji wewnątrzbudynkowej są powszechnie stosowane. Często tego typu systemy są uczone z wykorzystaniem metody fingerprinting.

– Przebywając w danym miejscu budynku, zbieramy w nim informacje na temat siły sygnałów pochodzących z punktów dostępowych. Im punkt jest bliżej nas, tym siła sygnału jest mocniejsza. To właśnie jest fingerprinting, czyli taki odcisk palca, charakterystyka danego miejsca – wyjaśnia dr inż. Marcin Luckner z Wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej.

W systemach opierających się na metodzie fingerprinting na jakość lokalizacji wpływa stabilność otrzymywanych sygnałów. Ta jednak się zmienia ze względu na obecność mobilnych punktów dostępowych, takich jak telefony komórkowe osób przebywających w pobliżu danej lokalizacji.

– Siła sygnału zmienia się w czasie. Dzieje się m.in. dlatego, że ludzie wędrują, powstają nowe odbicia sygnału. Gdyby sytuacja była stabilna, moglibyśmy lokalizować ludzi z dokładnością do 1 metra – mówi dr inż. Marcin Luckner.

Czy można coś na to poradzić? Tak i nad tym właśnie pracują nasi naukowcy, których działania ukierunkowane są na stworzenie uniwersalnego rozwiązania, które będzie przeprowadzało redukcję cech sygnałów, zarówno dla lokalizacji w jednej płaszczyźnie, jak i w wielopiętrowym budynku.

– Nie tworzymy czegoś nowego. Pracujemy nad podwyższeniem skuteczności istniejącego już systemu – doprecyzowuje dr inż. Luckner. –  Szukamy specyficznych metod. Rozważamy podzielenie w sposób automatyczny budynku na pewne części, tak zwane klastry. System dokonywałby wyboru, których sygnałów należy użyć do lokalizacji w ramach takiego klastra – mówi naukowiec.

Opracowywane metody działają na podstawie trzech typów estymatorów: estymatory osobnicze, modelujące indywidualne cechy źródeł sygnałów takich jak agregaty siły źródła wyliczane na podstawie wielokrotnych pomiarów; estymatory środowiskowe, modelujące oddziaływanie sygnałów z nadzorowanym obszarem w tym poprzez zliczenie punktów pomiarowych w których odnotowano sygnał z źródła; estymatory korelacji określające na ile dane źródło może być zastąpione poprzez inne przykładowo poprzez analizę porównawczą siły sygnału odczytywaną w tych samych punktach dla różnych źródeł.

Estymatory wykorzystywane są w metodach selekcji do wyboru stabilnych źródeł sygnałów i eliminacji źródeł o charakterystyce mogącej obniżyć jakość lokalizacji. By sprawdzić efekty opracowywanych metod, dr inż. Marcin Luckner wraz ze swoim zespołem badawczym przeprowadza testy na danych pomiarowych zebranych w przestrzeni publicznej trzech politechnicznych gmachów: Gmachu Głównego, Gmachu Fizyki oraz budynku Wydziału MiNI.

– W Gmachu Głównym wykryliśmy ponad 700 punktów, w Gmachu Fizyki odnotowaliśmy 400. Realnie tylu punktów dostępowych nie ma w tych budynkach. Dlatego po ustaleniu ich ważności, wyselekcjonowaliśmy ich około 100 dla każdego gmachu, uznając, że tyle wystarczy do lokalizacji z zadowalającą dokładnością – wyjaśnia  dr inż. Luckner.

Porównanie wyników z metodą CADET. Różnica między uzyskanymi efektami wynosi kilka metrów.

Porównanie wyników z metodą CADET. Różnica między uzyskanymi efektami wynosi kilka metrów.

Obecnie zespół pod kierownictwem dra inż. Marcina Lucknera kontynuuje prace nad ulepszeniem istniejących algorytmów. – Dążymy do tworzenia algorytmów autonomicznych, które mogłyby chociażby diagnozować występowanie błędów w danych pomiarowych, np. zgłaszać operatorowi, że część infrastruktury lokalizacyjnej nie działa. Wyposażanie lokalizatora w nowe cechy, zamiast budowanie go od nowa - to jest coś co można stale kontynuować – dodaje naukowiec.

-

Projekt „Automatyczna selekcja cech w lokalizacji wewnątrzbudynkowej” jest finansowany w ramach grantu badawczego Centrum Badawczego POB Sztuczna inteligencja i robotyka programu Inicjatywa Doskonałości - Uczelnia Badawcza, który realizowany jest na Politechnice Warszawskiej.

Skład zespołu badawczego:

dr inż. Marcin Luckner, mgr inż. Sebastian Sowik, prof. Peter Brida (University of Zilina)