Wi-Fi経由で人の位置を特定する方法：BIMとセマンティクスが精度を向上

このプロジェクトの目的は、UWBのような高価なインフラストラクチャを必要とせずに、部屋の占有状況と移動統計を収集することでした。チームは、アクセスポイントからのRSSI測定値を収集するAndroidアプリと、カバレッジマップを構築しRMSEで座標を計算するデスクトップアプリを開発しました。フィールド実験は、2種類の施設で実施されました。各室に専用のアクセスポイントがある部屋と廊下を組み合わせたオフィスと、中央にアクセスポイントがあり壁に沿って会議室があるオープンスペースです。2つの測位アプローチが実装されました。古典的なkNNと、Kerasを使用した1つの隠れ層を持つコンパクトなニューラルネットワークです。追加の改善点には、電話の慣性センサー、電波伝搬の2つの較正方法（ブルートフォースとレイトレーシング）、そして主要な機能であるBIMデータ（平面図、壁の材質）とスケジュールに基づく人物の位置の意味論的確率の使用が含まれます。2つの意味論的アプローチがテストされました。確率重み付き測位と、最大較正誤差に依存するサイズの部屋ごとのポリゴンです。結果は、単純なkNN法が機能するが、較正から大きな利益を得ること、BIMと意味論的確率を追加すると、境界のRSSI値で隣接する部屋への誤測位が減少すること、アプローチの組み合わせが単一の方法よりも優れた安定性を与えることを示しました。精度はWi-Fi密度とレイアウトに大きく依存します。各APが1つある部屋は、複数の中央APがあるオープンスペースよりも良好な結果を示しました。概念実証により、占有分析（統計、ヒートマップ）にはWi-FiとBIMで通常十分であり、超高精度測位（0.5メートルの精度）には依然として特殊な機器が必要であることが確認されました。潜在的なビジネスアプリケーションには、多額の投資なしでの施設使用状況の迅速な評価、レイアウトとスケジュールの最適化、エネルギー効率の改善が含まれます。プライバシーに関する考慮事項は、個人を特定するのではなく匿名化された集計統計を収集することによって対処され、従業員の同意と現地のデータ保護法への準拠が必要です。将来の作業には、概念実証をより大きなフロアに拡張すること、予約システムとHVAC自動化との統合、高密度ゾーン用のBLEとUWBの追加、および適応学習による較正の自動化が含まれます。