SmartLocator - Indoor Human Localization using a Smartphone

Abstract

A sensibilidade ao contexto é de elevada importância para serviços prestados por plataformas digitais de computação ubíqua, onde a localização é uma das dimensões fundamentais desse contexto. Há mais de 2.3 mil milhões de utilizadores de smartphones. Juntamente com a crescente onda de partilha social, há mais utilizadores da internet que usam dispositivos móveis do que computadores pessoais. A massificação do uso do smartphone criou a necessidade emergente de adquirir informação de localização nestes dispositivos. Seja para fornecer conteúdos curados aos utilizadores ou para sistemas de alerta/monitorização, há um novo mercado por explorar.Conseguir estimar a localização de um dispositivo foi a grande motivação para a criação do GPS - Global Positioning System - que é a principal tecnologia de localização em ambientes exteriores utilizada para navegação, tanto de automóveis como de aviões. Porém, em locais interiores, a falta de precisão deste método tem favorecido o aparecimento de soluções de localização alternativas.Por todo o mundo há já uma enorme infraestrutura de pontos de rede Wi-Fi disponíveis, o que aliado aos recentes avanços na qualidade dos sensores embebidos em dispositivos móveis, faz desta plataforma o foco actual da computação pervasiva.O SmartLocator procura localizar humanos através de um smartphone, em ambientes onde exista uma infraestrutura Wi-Fi. É proposto um algoritmo de localização indoor baseado na fusão de dados fornecidos pela rede Wi-Fi e pelos sensores inerciais disponíveis no dispositivo móvel. A criação a priori de um mapa de potência de sinais de rádio emitidos pelos access points existentes, permite numa fase a posteriori a estimação da posição geográfica de um smartphone. Esta técnica chama-se Fingerprinting. Contudo, a variabilidade da infraestrutura Wi-Fi e da potência dos sinais recebida, devido a problemas de propagação comuns, influenciam a precisão deste método. Usando dados provenientes dos sensores inerciais é possível estimar deslocações relativas a um ponto cuja localização seja conhecida, ainda que com erros cumulativos elevados. Esta técnica é conhecida por Dead Reckoning. A fusão destas duas fontes de informação aumenta a precisão de localização.

Context awareness is very important for services provided by digital platforms of ubiquitous computing, being localization one of the fundamental dimensions in defining the context. There are currently more than 2.3 billion smartphone users. With the growing trend of social sharing, there are more internet users using mobile devices than personal computers. The massification of smartphone adoption has created the emerging need to acquire their users localization information. Whether it is to deliver cured content to users or to create surveillance systems, there is a new market to explore.Being able to estimate the position of a device was the main motivation behind the development of GPS - Global Positioning System - which is the mainstream localization technology in outdoor environments used for navigation, of both cars and airplanes. However, in indoor environments, this method lack of accuracy has led to the development of alternative localization solutions. There is already a vast infrastructure of Wi-Fi network points available across the globe, which coupled with recent developments in the quality of embedded sensors on mobile devices, make these platforms a focus of pervasive computing.The SmartLocator system offers a way to localize humans using a smartphone, in environments where a Wi-Fi infrastructure already exists. An algorithm based on the fusion of data provided by the Wi-Fi network and by the inertial sensors available on the mobile device is proposed. It is possible to estimate the position of a smartphone using a pre-populated database of received signal strength from the existing access points. This technique is called Fingerprinting. However, the variability of the Wi-Fi infrastructure and in received signals strength, due to common propagation issues, influence the precision of this method. By using data obtained from the embedded inertial sensors it is possible to continuously track displacements from a known initial position, possibly with high cumulative errors. This technique is known as Dead Reckoning. The fusion of these two sources of data improves the localization accuracy.