Einführung
Die gebräuchlichste Technik für die Indoor-Lokalisierung, also die Bestimmung des Beobachterstandorts innerhalb eines geschlossenen Raums, ist der Blue Dot Tracking-Ansatz. Ein clientseitiger Algorithmus verfolgt aktiv Signale in seiner Umgebung, um den Standort des Beobachters im Kontext der empfangenen Signale zu bestimmen. Die Arten der empfangenen elektronischen Signale können von 802.11.x-Signalen (WiFi, Bluetooth usw.) bis hin zur Erkennung magnetischer Anomalien reichen. Diese Methode wird als aktiver clientseitiger Lokalisierungsansatz betrachtet.
Eine andere Methode besteht darin, die Positionierung serverseitig durchzuführen. Die Umgebung selbst ist so konfiguriert, dass sie umliegende Signale sucht und die übereinstimmenden Signale von verschiedenen Punkten innerhalb der Umgebung korreliert. Dies wird als passiver serverseitiger Ansatz bezeichnet.
Wir (das Applications Prototype Lab) wollten den passiven Ansatz etwas weiter erforschen, da er eine größere Flexibilität bei den Arten von Geräten ermöglicht, die erfasst werden können. Da keine zusätzliche Software auf einem interessierenden Gerät installiert werden muss, können wir neue Hardware in unserer In-situ-Umgebung erkennen. Da wir jedoch mehrere Aufzeichnungen aus unserer Umgebung erhalten müssen, ist eine geeignete Hardwareanordnung erforderlich, um eine ausreichende Abdeckung zu gewährleisten.
Wir sehen Potenzial für serverbasierte Standortdienste im Kontext der Bestimmung des digitalen Fußabdrucks und des Verkehrsflusses an einem bestimmten Ort. Für ein Unternehmen könnte dieser Ansatz bei Planungs- und Designbemühungen hilfreich sein sowie um bedarfsgerechte Informationen in Notfallsituationen bereitzustellen.
Prototypenlayout
Hier ist die allgemeine Strategie, die wir umgesetzt haben. Der blaue Punkt im Diagramm stellt ein Scan-Gerät (blaues Kästchen) dar, das aktiv nach Signalen sucht. Für diesen Prototyp konzentrierten wir uns auf die Erkennung von Smartwatches, Wireless-Routern, Mobiltelefonen und Laptops.
Mit mehreren blauen Kästchen haben wir eine Umgebung aufgebaut, in der wir die Signale in unserem Bürobereich verfolgen. Die blauen Kästchen senden Signale an einen zentralen Dienst in der Cloud. Neben der Bereitstellung eines zentralen Sammeldienstes hält uns der Clouddienst über den aktuellen Zustand der Blue Box-Hardware informiert und bietet einen Mechanismus für Software-Updates.
Hardware
Beim Bau unseres Blue Box-Prototyps verwendeten wir ein Raspberry Pi Zero W Board mit Raspian Jessie 4.9.24. Die Zero-Hardware ist praktisch, da sie bereits einen Bluetooth- und WiFi-Chip an Bord hat. Da wir den Onboard-Chip für die Kommunikation mit dem Clouddienst verwenden, benötigen wir einen weiteren drahtlosen Adapter (als Dongle sichtbar), der als Scanner-Modul fungiert.
Zur Vereinfachung verteilten wir die Blue Boxes in unserem Bürobereich und hielten sie an einer Steckdose angeschlossen, um eine kontinuierliche 24-Stunden-Datenerfassung zu gewährleisten.
Um den Blue Boxes eine räumliche Identität zu geben, haben wir eine auf ArcGIS Runtime basierende Anwendung geschrieben, mit der wir die Blue Box im Kontext des Gebäudes platzieren können.
Methodik
Wenn das Raspberry Pi hochfährt, registriert es sich beim zentralen Clouddienst. Nach der Registrierung erhält die Blue Box eine eindeutige Kennung basierend auf der MAC-Adresse, und clientseitige Skripte stellen sicher, dass die vorhandene Software mit der vom Cloud-Umfeld bereitgestellten Version synchronisiert ist.
Nach dem anfänglichen Handshake übernimmt die Blue Box ihre Scan-Rolle und ist bereit, WiFi-MAC-Adressen zu empfangen und den RSSI (Received Signal Strength Indicator) für Bluetooth- und WiFi-Geräte aufzuzeichnen. Diese Informationen werden an den Clouddienst gesendet, von wo aus wir einen Trilaterationsalgorithmus verwenden können, um die aufgezeichneten Signale zu positionieren. Die Standortinformationen werden als zeitaktiviertes Punkt-Feature in ArcGIS Online gespeichert.
Ergebnisse
Der untenstehende Screenshot zeigt die Verteilung und den Standort der empfangenen Signale. Die blauen Punkte sind aufgezeichnete Bluetooth-Signale und die bernsteinfarbenen Punkte sind WiFi-Signale. Die roten Quadrate zeigen den Standort der Blue Boxes im Kontext des Gebäudes mit ihrer zugehörigen eindeutigen Kennung. Mithilfe der Zeitbewusstheit des Feature-Dienstes können wir die Live-Daten als Ebene in ArcGIS Pro oder in einer Webkarte anzeigen.
Wir haben auch ein ArcGIS Pro Addin entwickelt, um den archivierten Inhaltsverlauf nach Datum und Gerätetyp anzuzeigen. Wir können den Beginn und das Ende eines Arbeitstages sehen, da die Anzahl der Geräte im Laufe des Tages zunimmt. Eine weitere interessante Beobachtung ist der Rückgang der Bluetooth-Geräte während der Nächte und Wochenenden.
Fazit
Wir haben einen serverbasierten Standortdienst prototypisch umgesetzt und unsere Lösung in ArcGIS Enterprise integriert. Für unseren Blue Box-Prototyp verwendeten wir einen kostengünstigen Hardwareansatz mit Potenzial zur Skalierung über unsere Testumgebung hinaus. Wir haben Hilfsanwendungen für ArcGIS Runtime (iOS) und die ArcGIS Pro-Anwendung geschrieben, um die Einrichtung und Analyse der aufgezeichneten Informationen zu erleichtern. Mit dem beschriebenen Ansatz sehen wir das Potenzial für allgegenwärtige Präsenzdetektion mit einer Indoor-Genauigkeit von etwa 8 – 20 m / 24 – 60 ft.
