Wi-Fi ile kişilerin konumu nasıl belirlenir: BIM ve semantik doğruluğu artırıyor

Proje, UWB gibi pahalı altyapılar olmadan oda doluluk ve hareket istatistiklerini toplamayı amaçladı. Ekip, erişim noktalarından RSSI ölçümleri toplamak için bir Android uygulaması ve kapsama haritaları oluşturup RMSE ile koordinatları hesaplamak için bir masaüstü uygulaması geliştirdi. Saha deneyleri iki tür mekanda gerçekleştirildi: her odanın kendi erişim noktasına sahip olduğu odalar ve koridordan oluşan birleşik bir ofis ve duvar boyunca toplantı odaları bulunan merkezi erişim noktalarına sahip bir açık ofis. İki konumlandırma yaklaşımı uygulandı: klasik kNN ve Keras kullanılarak tek gizli katmanlı kompakt bir sinir ağı. Ek iyileştirmeler, telefonun atalet sensörleri, radyo dalgası yayılımı için iki kalibrasyon yöntemi (kaba kuvvet ve ışın izleme) ve anahtar özellik: BIM verilerinin (kat planları, duvar malzemeleri) ve bir kişinin konumunun programa dayalı anlamsal olasılıklarının kullanılmasıydı. İki anlamsal yaklaşım test edildi: olasılık ağırlıklarıyla konumlandırma ve boyutları maksimum kalibrasyon hatasına bağlı olan oda başına çokgenler. Sonuçlar, basit kNN yöntemlerinin çalıştığını ancak kalibrasyondan önemli ölçüde faydalandığını; BIM ve anlamsal olasılıkların eklenmesinin sınır RSSI değerlerinde bitişik odalara yanlış konumlandırmayı azalttığını; yaklaşımların kombinasyonlarının herhangi bir tek yöntemden daha iyi stabilite sağladığını gösterdi. Doğruluk büyük ölçüde Wi-Fi yoğunluğuna ve yerleşim düzenine bağlıdır: her birinde birer erişim noktası bulunan odalar, birkaç merkezi erişim noktasına sahip açık ofisten daha iyi performans gösterdi. Kavram kanıtı, doluluk analitiği (istatistikler, ısı haritaları) için Wi-Fi artı BIM'in genellikle yeterli olduğunu, ultra hassas konumlandırmanın (0,5 m doğruluk) hala özel ekipman gerektirdiğini doğruladı. Potansiyel ticari uygulamalar arasında ağır yatırım yapmadan mekan kullanımının hızlı değerlendirilmesi, yerleşim düzenlerinin ve programların optimize edilmesi ve enerji verimliliğinin artırılması yer alır. Gizlilik hususları, bireyleri tanımlamak yerine anonimleştirilmiş toplu istatistikler toplanarak ele alınır; çalışan onayı ve yerel veri koruma yasalarına uyum gerektirir. Gelecekteki çalışmalar, kavram kanıtının daha büyük katlara ölçeklenmesini, rezervasyon sistemleri ve HVAC otomasyonuyla entegrasyonu, yüksek yoğunluklu bölgeler için BLE ve UWB eklenmesini ve uyarlanabilir öğrenmeyle kalibrasyonun otomatikleştirilmesini içerir.