Cómo determinar la ubicación de las personas mediante Wi-Fi: BIM y semántica mejoran la precisión

El proyecto tenía como objetivo recopilar estadísticas de ocupación y movimiento de salas sin necesidad de infraestructura costosa como UWB. El equipo desarrolló una aplicación Android para recopilar mediciones de RSSI de puntos de acceso y una aplicación de escritorio para construir mapas de cobertura y calcular coordenadas con RMSE. Se realizaron experimentos de campo en dos tipos de locales: una oficina combinada con salas y un pasillo donde cada sala tenía su propio punto de acceso, y un espacio abierto con puntos de acceso centrales y salas de reuniones a lo largo de la pared. Se implementaron dos enfoques de posicionamiento: el kNN clásico y una red neuronal compacta con una capa oculta utilizando Keras. Las mejoras adicionales incluyeron sensores inerciales del teléfono, dos métodos de calibración para la propagación de ondas de radio (fuerza bruta y trazado de rayos), y la característica clave: el uso de datos BIM (planos de planta, materiales de pared) y probabilidades semánticas de la ubicación de una persona basadas en el horario. Se probaron dos enfoques semánticos: posicionamiento con pesos de probabilidad y polígonos por sala cuyos tamaños dependen del error máximo de calibración. Los resultados mostraron que los métodos kNN simples funcionan pero se benefician significativamente de la calibración; agregar BIM y probabilidades semánticas reduce la ubicación errónea en salas adyacentes en valores de RSSI límite; las combinaciones de enfoques dan mejor estabilidad que cualquier método único. La precisión depende en gran medida de la densidad de Wi-Fi y la distribución: las salas con un punto de acceso cada una funcionaron mejor que el espacio abierto con varios puntos de acceso centrales. La prueba de concepto confirmó que para análisis de ocupación (estadísticas, mapas de calor), Wi-Fi más BIM suele ser suficiente, mientras que la localización ultra precisa (precisión de 0,5 m) aún requiere equipo especializado. Las aplicaciones comerciales potenciales incluyen la evaluación rápida del uso de locales sin gran inversión, la optimización de distribuciones y horarios, y la mejora de la eficiencia energética. Las consideraciones de privacidad se abordan mediante la recopilación de estadísticas anonimizadas y agregadas en lugar de identificar individuos, lo que requiere el consentimiento de los empleados y el cumplimiento de las leyes locales de protección de datos. El trabajo futuro incluye escalar la prueba de concepto a pisos más grandes, integrarse con sistemas de reserva y automatización de HVAC, agregar BLE y UWB para zonas de alta densidad, y automatizar la calibración con aprendizaje adaptativo.