Inleiding
De meest gebruikelijke techniek voor indoor locatie, het bepalen van een waarnemerslocatie binnen een afgesloten ruimte, is de blue dot tracking-benadering. Een client-side algoritme volgt actief signalen in zijn omgeving om de locatie van de waarnemer te bepalen in de context van de ontvangen signalen. De soorten ontvangen elektronische signalen kunnen variëren van 802.11.x signalen (WiFi, Bluetooth, enz.) tot het detecteren van magnetische anomalieën. Deze methode wordt beschouwd als een actieve client-side locatiebenadering.
Een andere methode is het uitvoeren van de positionering aan de serverzijde. De omgeving zelf is geconfigureerd om omringende signalen op te sporen en de overeenkomende signalen van verschillende punten binnen de omgeving te correleren. Dit wordt een passieve server-side benadering genoemd.
Wij (het Applications Prototype Lab) wilden de passieve benadering iets verder verkennen omdat deze meer flexibiliteit biedt in de soorten apparaten die kunnen worden geregistreerd. Omdat er geen extra software op een apparaat van belang hoeft te worden geïnstalleerd, kunnen we nieuwe hardware detecteren in onze in-situ omgeving. Echter, omdat we meerdere opnames uit onze omgeving moeten ontvangen, is een juiste hardware-indeling vereist om een adequate hoeveelheid dekking te garanderen.
We zien potentieel voor servergebaseerde locatiediensten in de context van het bepalen van de digitale voetafdruk en verkeersstroom binnen een bepaalde locatie. Voor een bedrijf kan deze benadering nuttig zijn voor plannings- en ontwerpinspanningen, evenals om informatie op aanvraag te bieden in noodsituaties.
Prototype-indeling
Hier is de algemene strategie die we hebben geïmplementeerd. De blauwe stip in het diagram vertegenwoordigt een scanapparaat (blauwe doos) dat actief signalen zoekt. Voor dit prototype richtten we ons op het detecteren van smartwatches, draadloze routers, mobiele telefoons en laptops.
Met meerdere blauwe dozen bouwden we een omgeving waarin we de signalen in ons kantoorgebied bijhouden. De blauwe dozen sturen signalen die worden geregistreerd door een centrale service in de cloud. Naast het bieden van een centrale verzamelservice houdt de cloudservice ons op de hoogte van de huidige status van de blue box-hardware en biedt het een software-update mechanisme.
Hardware
Bij het bouwen van ons blue box-prototype gebruikten we een Raspberry Pi Zero W board met Raspian Jessie 4.9.24. De Zero-hardware is prettig omdat deze al een Bluetooth- en WiFi-chip aan boord heeft. Omdat we de onboard chip gebruiken voor communicatie met de cloudservice, hebben we nog een draadloze adapter nodig (zichtbaar als de dongle) die fungeert als het scanner-module.
Voor eenvoud plaatsten we de blue boxes verspreid over ons kantoorgebied en hielden ze aangesloten op een stopcontact om continu 24 uur per dag gegevens te verzamelen.
Om de blue boxes een ruimtelijke identiteit te geven, schreven we een ArcGIS Runtime-gebaseerde applicatie waarmee we de blue box kunnen plaatsen in de context van het gebouw.
Methodologie
Wanneer de Raspberry Pi opstart, registreert deze zich bij de centrale cloudservice. Na registratie krijgt de blue box een unieke identifier toegewezen op basis van het MAC-adres, en client-side scripts zorgen ervoor dat de bestaande software synchroon loopt met de versie die door de cloudomgeving wordt geleverd.
Na de initiële handdruk neemt de blue box zijn scanrol aan en is klaar om WiFi MAC-adressen te ontvangen en RSSI (received signal strength indicator) voor Bluetooth- en WiFi-apparaten te registreren. Deze informatie wordt naar de cloudservice gestuurd waar we met behulp van een trilateratie-algoritme de opgenomen signalen kunnen positioneren. De locatie-informatie wordt opgeslagen als een tijdsgebonden puntfeature in ArcGIS Online.
Resultaten
De onderstaande schermafbeelding toont de verdeling en locatie van ontvangen signalen. De blauwe stippen zijn geregistreerde Bluetooth-signalen en de amberkleurige stippen zijn WiFi-signalen. De rode vierkanten tonen de locatie van de blue boxes in de context van het gebouw met hun bijbehorende unieke identifier. Met behulp van het tijdsbewustzijn van de feature service kunnen we live data tonen als laag in ArcGIS Pro of in een webmap.
We ontwikkelden ook een ArcGIS Pro Addin om gedistribueerde gearchiveerde inhoud per datum en apparaattype te bekijken. We kunnen het begin en einde van een werkdag zien doordat het aantal apparaten gedurende de dag toeneemt. Een andere interessante observatie is het afnemen van Bluetooth-apparaten tijdens nachten en weekenden.
Conclusie
We hebben een servergebaseerde locatiedienst geprototypeerd en onze oplossing geïntegreerd in ArcGIS Enterprise. Voor ons blue box-prototype gebruikten we een goedkope hardwarebenadering die potentieel heeft om verder te schalen dan onze testomgeving. We hebben hulpprogramma's geschreven voor ArcGIS Runtime (iOS) en voor ArcGIS Pro om het instellen en analyseren van geregistreerde informatie te vergemakkelijken. Met deze beschreven benadering zien we potentieel voor alomtegenwoordige aanwezigheidsdetectie met een indoor nauwkeurigheid van ongeveer 8 – 20m / 24 – 60 ft.
