So bestimmen Sie den Standort von Personen per Wi-Fi: BIM und Semantik verbessern die Genauigkeit

Das Projekt zielte darauf ab, Belegungs- und Bewegungsstatistiken für Räume ohne teure Infrastruktur wie UWB zu erfassen. Das Team entwickelte eine Android-App zur Erfassung von RSSI-Messungen von Zugangspunkten sowie eine Desktop-App zur Erstellung von Abdeckungskarten und zur Berechnung von Koordinaten mit RMSE. Feldversuche wurden in zwei Arten von Räumlichkeiten durchgeführt: einem kombinierten Büro mit Räumen und einem Flur, wobei jeder Raum einen eigenen Zugangspunkt hatte, und einem Großraumbüro mit zentralen Zugangspunkten und Besprechungsräumen entlang der Wand. Zwei Positionierungsansätze wurden implementiert: klassisches kNN und ein kompaktes neuronales Netz mit einer verborgenen Schicht unter Verwendung von Keras. Zusätzliche Verbesserungen umfassten Trägheitssensoren des Telefons, zwei Kalibrierungsmethoden für die Funkwellenausbreitung (Brute-Force und Raytracing) und das wichtigste Merkmal: die Verwendung von BIM-Daten (Grundrisse, Wandmaterialien) und semantischer Wahrscheinlichkeiten für den Aufenthaltsort einer Person basierend auf dem Zeitplan. Zwei semantische Ansätze wurden getestet: Positionierung mit Wahrscheinlichkeitsgewichten und raumweise Polygone, deren Größen vom maximalen Kalibrierungsfehler abhängen. Die Ergebnisse zeigten, dass einfache kNN-Methoden funktionieren, aber erheblich von der Kalibrierung profitieren; das Hinzufügen von BIM und semantischen Wahrscheinlichkeiten reduziert Fehlpositionierungen in angrenzende Räume bei Grenzwerten der RSSI; Kombinationen von Ansätzen ergeben eine bessere Stabilität als jede einzelne Methode. Die Genauigkeit hängt stark von der WLAN-Dichte und dem Layout ab: Räume mit jeweils einem Zugangspunkt schnitten besser ab als Großraumbüros mit mehreren zentralen Zugangspunkten. Der Proof-of-Concept bestätigte, dass für Belegungsanalysen (Statistiken, Heatmaps) WLAN plus BIM in der Regel ausreicht, während ultrapräzise Lokalisierung (0,5 m Genauigkeit) weiterhin spezielle Ausrüstung erfordert. Mögliche geschäftliche Anwendungen umfassen die schnelle Bewertung der Raumnutzung ohne hohe Investitionen, die Optimierung von Layouts und Zeitplänen sowie die Verbesserung der Energieeffizienz. Datenschutzaspekte werden durch die Erfassung anonymisierter aggregierter Statistiken anstelle der Identifizierung von Einzelpersonen adressiert, was die Zustimmung der Mitarbeiter und die Einhaltung lokaler Datenschutzgesetze erfordert. Zukünftige Arbeiten umfassen die Skalierung des Proof-of-Concept auf größere Etagen, die Integration mit Buchungssystemen und HLK-Automatisierung, das Hinzufügen von BLE und UWB für stark frequentierte Zonen sowie die Automatisierung der Kalibrierung durch adaptives Lernen.