Como determinar a localização de pessoas via Wi-Fi: BIM e semântica melhoram a precisão

O projeto visava coletar estatísticas de ocupação e movimento de ambientes sem infraestrutura cara, como UWB. A equipe desenvolveu um aplicativo Android para coletar medições de RSSI dos pontos de acesso e um aplicativo de desktop para construir mapas de cobertura e calcular coordenadas com RMSE. Experimentos de campo foram conduzidos em dois tipos de ambientes: um escritório combinado com salas e um corredor, onde cada sala tinha seu próprio ponto de acesso, e um espaço aberto com pontos de acesso centrais e salas de reunião ao longo da parede. Duas abordagens de posicionamento foram implementadas: kNN clássico e uma rede neural compacta com uma camada oculta usando Keras. Melhorias adicionais incluíram sensores inerciais do telefone, dois métodos de calibração para propagação de ondas de rádio (força bruta e ray tracing), e o recurso-chave: uso de dados BIM (plantas baixas, materiais das paredes) e probabilidades semânticas da localização de uma pessoa com base na agenda. Duas abordagens semânticas foram testadas: posicionamento com pesos de probabilidade e polígonos por sala, cujos tamanhos dependem do erro máximo de calibração. Os resultados mostraram que métodos kNN simples funcionam, mas se beneficiam significativamente da calibração; adicionar BIM e probabilidades semânticas reduz erros de posicionamento em salas adjacentes em valores de RSSI limítrofes; combinações de abordagens dão melhor estabilidade do que qualquer método único. A precisão depende fortemente da densidade de Wi-Fi e do layout: salas com um AP cada tiveram melhor desempenho do que espaços abertos com vários APs centrais. A prova de conceito confirmou que para análises de ocupação (estatísticas, mapas de calor), Wi-Fi mais BIM é geralmente suficiente, enquanto localização ultra precisa (precisão de 0,5 m) ainda requer equipamento especializado. Aplicações de negócios potenciais incluem avaliação rápida do uso de ambientes sem grande investimento, otimização de layouts e cronogramas, e melhoria da eficiência energética. Considerações de privacidade são tratadas coletando estatísticas anônimas agregadas, em vez de identificar indivíduos, exigindo consentimento dos funcionários e conformidade com as leis locais de proteção de dados. Trabalho futuro inclui escalar a prova de conceito para andares maiores, integrar com sistemas de reserva e automação de HVAC, adicionar BLE e UWB para zonas de alta densidade, e automatizar a calibração com aprendizado adaptativo.