Cara Menentukan Lokasi Orang melalui Wi-Fi: BIM dan Semantik Meningkatkan Akurasi

Proyek ini bertujuan untuk mengumpulkan statistik okupansi dan pergerakan ruangan tanpa infrastruktur mahal seperti UWB. Tim mengembangkan aplikasi Android untuk mengumpulkan pengukuran RSSI dari titik akses dan aplikasi desktop untuk membangun peta cakupan dan menghitung koordinat dengan RMSE. Eksperimen lapangan dilakukan di dua jenis tempat: kantor gabungan dengan ruangan dan koridor di mana setiap ruangan memiliki titik akses sendiri, dan ruang terbuka dengan titik akses pusat dan ruang rapat di sepanjang dinding. Dua pendekatan penentuan posisi diimplementasikan: kNN klasik dan jaringan saraf kompak dengan satu lapisan tersembunyi menggunakan Keras. Peningkatan tambahan termasuk sensor inersia ponsel, dua metode kalibrasi untuk propagasi gelombang radio (brute-force dan ray tracing), dan fitur utama: menggunakan data BIM (denah lantai, material dinding) dan probabilitas semantik lokasi seseorang berdasarkan jadwal. Dua pendekatan semantik diuji: penentuan posisi dengan bobot probabilitas dan poligon per ruangan yang ukurannya tergantung pada kesalahan kalibrasi maksimum. Hasil menunjukkan bahwa metode kNN sederhana berfungsi tetapi mendapat manfaat signifikan dari kalibrasi; menambahkan BIM dan probabilitas semantik mengurangi kesalahan posisi ke ruangan yang berdekatan pada nilai RSSI batas; kombinasi pendekatan memberikan stabilitas yang lebih baik daripada metode tunggal mana pun. Akurasi sangat bergantung pada kepadatan Wi-Fi dan tata letak: ruangan dengan satu AP masing-masing berkinerja lebih baik daripada ruang terbuka dengan beberapa AP pusat. Bukti konsep mengonfirmasi bahwa untuk analitik okupansi (statistik, peta panas), Wi-Fi plus BIM biasanya cukup, sementara lokalisasi ultra-presisi (akurasi 0,5 m) masih memerlukan peralatan khusus. Potensi aplikasi bisnis termasuk evaluasi cepat penggunaan tempat tanpa investasi besar, mengoptimalkan tata letak dan jadwal, dan meningkatkan efisiensi energi. Pertimbangan privasi ditangani dengan mengumpulkan statistik agregat anonim daripada mengidentifikasi individu, memerlukan persetujuan karyawan dan kepatuhan terhadap undang-undang perlindungan data lokal. Pekerjaan masa depan termasuk meningkatkan skala bukti konsep ke lantai yang lebih besar, mengintegrasikan dengan sistem pemesanan dan otomatisasi HVAC, menambahkan BLE dan UWB untuk zona kepadatan tinggi, dan mengotomatiskan kalibrasi dengan pembelajaran adaptif.