ITBA20130065A1 - Sistema di localizzazione "indoor" ad alta affidabilita' e relative metodologie di utilizzo - Google Patents
Sistema di localizzazione "indoor" ad alta affidabilita' e relative metodologie di utilizzoInfo
- Publication number
- ITBA20130065A1 ITBA20130065A1 IT000065A ITBA20130065A ITBA20130065A1 IT BA20130065 A1 ITBA20130065 A1 IT BA20130065A1 IT 000065 A IT000065 A IT 000065A IT BA20130065 A ITBA20130065 A IT BA20130065A IT BA20130065 A1 ITBA20130065 A1 IT BA20130065A1
- Authority
- IT
- Italy
- Prior art keywords
- user
- indoor
- localization
- technology
- localization system
- Prior art date
Links
- 230000004807 localization Effects 0.000 title claims description 82
- 238000000034 method Methods 0.000 title claims description 40
- 238000005516 engineering process Methods 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 230000002195 synergetic effect Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 229920001690 polydopamine Polymers 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S1/00—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith
- G01S1/02—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith using radio waves
- G01S1/68—Marker, boundary, call-sign, or like beacons transmitting signals not carrying directional information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0263—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems
- G01S5/0264—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems at least one of the systems being a non-radio wave positioning system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
- Alarm Systems (AREA)
Description
Descrizione dell'invenzione industriale dal titolo: "SISTEMA DI LOCALIZZAZIONE "INDOOR" AD ALTA AFFIDABILITA' E RELATIVE METODOLOGIE DI UTILIZZO"
La presente invenzione concerne un sistema di localizzazione "indoor" e le relative metodologie di utilizzo. Il presente trovato à ̈ completamente innovativo, in quanto ad oggi non esistono sistemi di localizzazione "indoor" che permettono di localizzare l'utente del servizio con elevata precisione ed affidabilità all'interno di spazi chiusi ("indoor").
Nella tecnica nota esistono diverse metodologie di localizzazione, quali:
- la "trilaterazione" del segnale RSSI (Received Signal Strength Information),
- il "fingerprinting",
- il "dead reckoning" con "particle fi Iteri ng" e navigazione inerziale.
Nel presente sistema di localizzazione "indoor" sì utilizzeranno in modo innovativo ed inventivo, tutte e tre contemporaneamente dette metodologie di localizzazione, sia con modalità indipendenti che sinergiche, al fine di risolvere detto problema di ottenere un elevato grado di affidabilità e precisione in termini di localizzazione dell'utente, tracciamento in tempo reale della sua posizione all'interno di uno spazio chiuso e ben denotato e delimitato, mantenendo altresì contemporaneamente minimizzati il consumo energetico e, in modo correlato, l'inquinamento elettromagnetico (tecnologia "green").
La tecnologia "green" à ̈ stata applicata per essere facilmente utilizzabile mediante recenti dispositivi mobili quali ad esempio smart-phone, tablet, phablet, PDA di nuova generazione ed altri dispositivi funzionalmente e tecnologicamente equivalenti, aventi a disposizione tecnologie del tipo Blue-tooth 4 Low Energy (anche chiamato Blue-tooth Smart), o altre tecnologie munite di giroscopio, accelerometro, bussola e connettività GPRS/EDGE/3G/4G o WiFi.
Inoltre, il presente sistema si avvale di "beacons-slave" trasmittenti e sempre rilevabili, aventi tecnologia "Bluetooth 4" del tipo "Low-Energy", i quali mezzi devono essere allocati in opportune modalità all'interno del luogo ove si effettua la localizzazione, al fine di ottimizzarne la stessa.
Nella tecnica nota sono stati individuati vari brevetti, tra i quali quelli di arte nota più simili nell'applicazione al presente sistema sono tre brevetti statunitensi, in particolare il brevetto US2010127935A1, il brevetto US2010134356A1 e il brevetto US2011250904A1, tutti presentanti ad ogni modo notevoli differenze rispetto alla tecnologia applicata nel presente sistema, come di seguito evidenziato.
Il brevetto US2010127935A1, presenta notevoli differenze in quanto, oltre al fatto che fondamentalmente differisce perché à ̈ differente la tecnologia applicata (nel sistema di cui alla presente à ̈ quella denominata "Graph Based Bluetooth Smart Fingerprinting with Device Orientation"), differisce anche per lo svantaggio di presentare minor precisione in localizzazione, fatto che il nostro sistema risolve ottimamente applicando anche la tecnologia "Bluetooth 4.0 Low Energy".
Ulteriori differenze sono insite anche nel fatto che il "fingerprinting" relativo a detto brevetto US2010127935A1 presenta ulteriori svantaggi insiti nel fatto sia di non tener in conto la posizione orientata dell'utente, sia per il fatto che, durante la fase di scansione dei dispositivi da ricercare, il valore di input "RSSI" corrispondente, nel caso in cui l'individuazione di quest'ultimi risulti difficoltosa, Ã ̈ sostituito con un valore soglia predeterminato.
Il brevetto US2010134356A1, invece, presenta lo svantaggio di essere basato sul mero posizionamento di un "radio badge" indosso all'utente da localizzare e un "host", vale a dire un computer per effettuare il calcolo della più probabile posizione dello stesso utente, accoppiato sia con "radio badge" che con "beacons" trasmittenti. Le ulteriori limitazioni e, quindi, gli svantaggi di quest'ultimo brevetto si individuano fondamentalmente nel fatto che il calcolo viene effettuato all'interno dell'applicazione e non in un "host" separato, senza persino alcuna possibilità di accoppiamento ai fini della migliore individuazione dei target per mezzo di "beacons" trasmittenti, senza considerare lo svantaggio di dover fornire ogni utente di un "radio badge" che potrebbe essere anche non più indossato o perso od ancora volutamente abbandonato dallo stesso utente.
Il brevetto US2011250904A1 presenta lo svantaggio di non considerare affatto l'orientamento.
Un ulteriore svantaggio del brevetto US2011250904A1 Ã ̈ insita nel fatto che quale metrica di confronto utilizza la distanza Euclidea al posto della distanza di "Manhattan".
Nella tecnica nota esaminata, non si sono trovati altri brevetti utilizzanti tecnologie simili a quella del "IntelliWalk" e del "Varco", al fine di ottenere una ottimale localizzazione di un utente all'interno di spazi chiusi.
Gli attuali sistemi di localizzazione indoor, quindi in sintesi, presentano i seguenti svantaggi:
> minor precisione in localizzazione;
> assenza di valutazione della posizione orientata dell'utente;
> localizzazione effettuata solitamente in maniera centralizzata e non in un "host" (smartphone ad esempio) separato.
La presente invenzione à ̈ stata ideata e progettata per risolvere detti svantaggi e limitazioni dell'attuale tecnica nota di localizzazione "indoor" al fine sia di garantire una maggiore affidabilità che una maggiore precisione di localizzazione del sistema.
Scopo principale della presente invenzione à ̈ quello di realizzare un sistema Sistema di localizzazione "indoor" di un utente dello stesso servizio di localizzazione o di un dispositivo a sua disposizione, allorquando detto utente con detto dispositivo si muove all'interno di spazi chiusi ben definiti e delimitati.
Il presente à ̈ nuovo e molto competitivo sul mercato, oltre che inventivo, in quanto progettato per risolvere detti problemi e svantaggi della tecnica nota, al fine di rendere semplice e ottimale la e, quindi, minimi i loro costi finali.
Tali scopi sono conseguiti realizzando un sistema di localizzazione "indoor" 1 di un utente U dello stesso servizio di localizzazione 1 o di un dispositivo D-T a sua disposizione, allorquando detto utente U si muove con detto dispositivo D-T all'interno di spazi chiusi 2-3 ben definiti e delimitati, caratterizzato dal fatto che permette la sua localizzazione con elevata precisione ed affidabilità per mezzo di una terna di metodologie di localizzazione, quali il "fingerprinting", la navigazione inerziale con riconoscimento intelligente del passo e l'uso della tecnologia di prossimità chiamata "Varco", con la possibilità di utilizzare dette metodologie sia in modalità indipendentemente alternata che sinergica,
Gli scopi per cui à ̈ stato inventato il presente sistema di localizzazione sono i seguenti:
- massimizzare il grado di affidabilità e di precisione in termini di localizzazione dell'utente;
- ottenere un tracciamento in tempo reale della effettiva posizione dell'utente all'interno di uno spazio ben denotato, chiuso e delimitato;
- mantenere minimizzati il consumo energetico e, in modo correlato, l'inquinamento elettromagnetico (tecnologia "green");
- minimizzare i costi di produzione e di installazione;
- essere facilmente utilizzabile utilizzando recenti dispositivi mobili quali ad esempio gli "smart-phone", i "tablet", i "phablet", i "PDA" di nuova generazione ed altri dispositivi funzionalmente e tecnologicamente equivalenti, aventi a disposizione tecnologie del tipo "Blue-tooth 4" Low Energy" (anche chiamato "Blue-tooth Smart"), o altre tecnologie munite di giroscopio, accelerometro bussola e connettività GPRS/EDGE/3G/4G o WiFi;
- utilizzare "beacons-slave" trasmittenti e sempre rilevabili, aventi tecnologia "Bluetooth 4" del tipo "Low-Energy".
Questi scopi e i conseguenti vantaggi e caratteristiche del presente sistema di localizzazione "indoor" saranno più chiaramente evidenti dalle seguenti dettagliate descrizioni di forme realizzative preferite, riportate a solo titolo esemplificativo, ma non limitativo, rappresentate nei disegni allegati in cui:
- la Fiq.l à ̈ una vista schematica in pianta di un sistema di localizzazione 1 installato all'interno di un generico spazio chiuso e delimitato 2, formato da uno o più ambienti, tutti i quali sono suddivisi in una pluralità di nodi N (in figura 1 detti nodi N in cui à ̈ stato suddiviso ogni ambiente del luogo chiuso 2 da monitorare si individuano in ogni quadrato ivi riportato in pianta) per i quali à ̈ possibile applicare i vari modelli di localizzazione caratterizzando la tipologia degli stessi nodi N in nodi N di tipo "fingerprinting" F, tipo "Varco" V e tipo orientamento H, al fine della localizzazione di un utente U dal punto iniziale S del percorso effettuato al punto finale E di arrivo, con il relativo tracciamento dello stesso percorso P effettuato dall'utente U;
- la Fiq.2 à ̈ una vista schematica in pianta di un sistema di localizzazione 1 secondo l'invenzione applicato in un altro generico spazio chiuso e limitato 3, presentante al suo interno un ostacolo quale un pilastro o una colonna C (anti-nodo), caso per il quale si preferisce adottare una schematizzazione a griglie G (invece che a nodi N, come nella precedente figura 1, pur se la funzione assunta dalle griglie G à ̈ equivalente a quella dei nodi N), nonché l'utilizzo di "bluetooth low energy beacons" B al fine della localizzazione di un utente U munito di un mezzo di rilevamento T quale uno "smartphone" T, quest'ultimo opportunamente impostato in modalità di ricerca degli stessi "beacons" B, al fine di consentire di rilevare il più probabile orientamento dell'utente U nel nodo N.
Facendo riferimento alle figure 1 e 2 precedentemente descritte e di seguito allegate a solo titolo esemplificativo, ma non limitativo, appare subito evidente che la presente invenzione concerne un sistema di localizzazione "indoor" 1 di un utente U dello stesso servizio di localizzazione 1 o di un dispositivo D-T a sua disposizione, allorquando detto utente U si muove con detto dispositivo D-T all'interno di spazi chiusi 2-3 ben definiti e delimitati, caratterizzato dal fatto che permette la sua localizzazione con elevata precisione ed affidabilità per mezzo di una terna di metodologie di localizzazione, quali il "fingerprinting", la navigazione inerziale con riconoscimento intelligente del passo e l'uso della tecnologia di prossimità chiamata "Varco", con la possibilità di utilizzare dette metodologie sia in modalità indipendentemente alternata che sinergica.
L'dea inventiva del presente trovato, come si evince dalle Figure 1 e 2 allegate, à ̈ proprio insita nell'aver reso applicabili simultaneamente e/o in modalità indipendentemente alternata detta terna di metodologie di localizzazione, consentendo di risolvere definitivamente il problema di localizzare con aita precisione ed affidabilità un utente U (unitamente o meno al dispositivo T di cui lo stesso può essere munito) dello stesso servizio di localizzazione al fine di individuarne in tempo reale il suo preciso percorso P effettuato all'interno delio stesso spazio chiuso 2-3, con la possibilità di definirne con massima affidabilità ed accuratezza tutti i singoli spostamenti effettuati a partire da un punto iniziale di partenza S a un punto finale E lungo lo stesso percorso effettuato P, rilevando la posizione dello stesso utente U mediante nodi N, vale a dire unità minime di suddivisione delia struttura dati o grafo orientato rappresentante lo spazio chiuso così definito e delimitato 2-3.
Detti svantaggi della tecnica nota sono risolti in modo totalmente innovativo applicando una prima tecnologia di localizzazione, vale a dire la "Graph Based Bluetooth Smarterprinting with Device Orientation", la quale nel caso in cui solo un dispositivo T o utente U non sia ben individuabile, assegna al corrispondente valore del "RSSI" ("Received signal strength indication") un valore soglia predefinito. Se, invece, non vengono rilevati più di un dispositivo, la procedura viene annullata e la scansione di localizzazione ripetuta, riapplicando simultaneamente o in modalità indipendentemente alternata detta terna di metodologie di localizzazione dell'utente U (o dispositivo T).
Gli svantaggi del brevetto US2011250904A1 di non considerare affatto l'orientamento col nostro sistema sono risolti per aver applicato una differente tecnologia, dato che à ̈ ora possibile utilizzare la tecnologia "Graph Based Bluetooth Smart Fingerprinting with Device Orientation", la quale consente di considerare anche l'orientamento H dell'utente. Inoltre, il brevetto US2011250904A1 si basa sul rilevamento di coordinate spaziali, invece nel nostro caso la "Graph Based Bluetooth Smart Fingerprinting with Device Orientation", basandosi su detto concetto di nodo N, risulta completamente svincolato dalle coordinate spaziali.
L'idea inventiva à ̈ come già detto anche insita nelle modalità di applicazione al contempo indipendente e sinergica di detta terna di modelli o metodologie di localizzazione dell'utente U, che si descrivono ordinatamente di seguito.
Il primo modello di localizzazione utilizza il modulo software denominato "Graph Based Bluetooth Smart Fingerprinting with Device Orientation", il quale consente la localizzazione di un utente al centroide di un nodo quadrato N di dimensioni predeterminate, così come rappresentato schematicamente nella figura 1.
Un primo metodo applicato al presente sistema di localizzazione à ̈ la suddivisione della mappa dello spazio chiuso e delimitato à ̈ dettagliatamente definito tramite una pluralità di nodi N.
Come à ̈ possibile evincere da detto schema di figura 1 la mappa dello spazio chiuso 2 dove si vuole effettuare la localizzazione à ̈ suddivisa in nodi N quadrati aventi ogni lato di dimensioni predeterminate, relativamente al grado di precisione che si vuole raggiungere. Le dimensioni di un lato del nodo N possono essere un metro e quindi avere un nodo quadrato di un metro quadrato, oppure due metri o al più di due metri e cinquanta centimetri e così via. Quando l'utente U à ̈ localizzato all'interno dell'area di un nodo N, sarà automaticamente localizzato al centro delio stesso nodo N. Laddove sono presenti muri o spazi non raggiungibili o non localizzabili, non devono essere creati nodi N quadrati. Ogni nodo N può comunicare al massimo solo con altri 4 nodi adiacenti.
Detta soluzione di cui sopra à ̈ stata ovviamente prevista laddove non necessiti una suddivisione volumica in nodi dello stesso spazio chiuso all'interno del quale localizzare l'utente U. In questo ultimo caso à ̈ sufficiente suddividere detto spazio chiuso 2 nel quale localizzare l'utente U, in nodi cubici e, ad esempio, purché pari a un metro cubo o due metri cubi o altri nodi cubici di differente lato, questi ultimi più piccoli dimensionalmente se si desidera un grado di precisione maggiore nel processo di localizzazione. Ovviamente, nel caso più semplice di spazio chiuso suddiviso in nodi volumici di uguale dimensione, ogni nodo avrà ora ventisei nodi adiacenti, amplificando di conseguenza l'affidabilità di localizzazione del sistema 1.
La struttura dati risultante dalla divisione dello spazio chiuso 2 in nodi N à ̈ un grafo "non pesato" avente per nodi N i "nodi quadrati" precedentemente creati e come archi i riferimenti ai quattro nodi adiacenti al nodo N selezionato. Detta struttura dati a grafo permette un calcolo molto più semplificato del percorso minimale al fine di raggiungere un luogo all'interno dello spazio chiuso 2, senza altresì permettere la localizzazione dell'utente in posti inaccessibili (quali, ad esempio, muri, porte chiuse ed ecc..).
Dopo aver affrontato la suddivisione della mappa del sito o spazio chiuso 2 in nodi N si opera con la fase denominata "Deployment dei Bluetooth Smart Beacons", ovvero la localizzazione di una pluralità di "beacons" B all'interno de! luogo chiuso 2 all'interno del quale localizzare l'utente U del servizio.
Si procede, quindi, con l'identificazione delle porte d'ingresso o i varchi di accesso all'ambiente chiuso da monitorare e i punti di passaggio degli utenti, posizionando detta pluralità di "beacons" B, prestando particolare attenzione all'identificazione delle pareti e dei punti strategici di ogni ambiente del luogo chiuso 2 da monitorare. Si à ̈ anche calcolato che l'ottimale posizionamento dei "beacons" B per ogni ambiente di superficie massima pari ai centocinquanta metri quadrati (vale a dire un ambiente con pianta rettangolare pari a 15 m x 10 m) prevede l'utilizzo di almeno quattro "beacons", pur se un loro maggior numero à ̈ indice comunque di migliori prestazioni del sistema di localizzazione 1. Nel caso in cui ci si trovi ad effettuare la localizzazione in ambienti di superficie maggiore, si possono considerare questi ultimi come se fossero suddivisi in ambienti più piccoli, vale a dire in ambienti con superfìcie non superiore ai centocinquanta metri quadrati, in ognuno dei quali ambienti posizionare almeno quattro "beacons" B. Se si prevede di utilizzare i "beacons" B del tipo BT-Smart, essi devono essere sempre posizionati ad almeno tre metri dal suolo, in quanto l'irradiazione de! segnale risulta essere più uniforme e meno suscettibile alla presenza degli esseri umani.
Per ogni punto di passaggio forzato (come porte ad esempio) deve essere posizionato un altro "beacon" BT-Smart. Questo "beacon" non verrà usato in fase di "fingerprinting", in quanto risulta molto suscettibile di disturbi in presenza degli utenti U. L'utilizzo di detto "beacon", quindi, à ̈ previsto solo nei casi di applicazioni di moduli tipo "VARCO" o con rilevatori di prossimità . Ogni "beacon" Bluetooth Smart deve essere ben visibile e rintracciabile con "advertising time" di undici decimi di secondo. Inoltre, la soglia minima di potenza nella fase di "advertising" del "beacon" BT-Smart deve essere di 4 dB-A. Tutto questo permette una migliore stabilità del segnale rilevato e migliora le performance generali del sistema. Dopo questa seconda fase si opera con un ultima fase, vale a dire la tecnica di "Fingerprinting con Device Orientation", la quale a sua volta à ̈ composta da due sottofasi: la fase di "training off-line" e la fase di "test on-line". Nella fase di "training", per ogni nodo dell'ambiente da monitorare e per ogni orientamento discreto H (vale a dire l'orientamento Nord-Sud-Ovest-Est) vengono catturate venti rilevazioni della coppia MAC/RSSI per ogni "beacon" BT-Smart presente nell'ambiente ed associato alla procedura di "fingerprinting" (vale a dire solo quelli validi per la procedura e non quelli situati in corrispondenza dei luoghi di passaggio forzato degli utenti U).
Ogni orientamento à ̈ rispettivamente calcolato nella seguente maniera: il Nord à ̈ inteso dal sistema per angoli (in gradi sessagesimali) compresi tra i -22.5° e i 67.4°, l'Est tra i 67.5° e i 157. 4°, il Sud tra i 157.5° e i -112.4° e l'Ovest tra i -112.5° e I -22.4°.
Si à ̈ ritenuto necessario catturare anche l'orientamento dell'utente U per risolvere il problema dovuto al fatto che il corpo umano di chi effettua le rilevazioni crea esso stesso in quel nodo delie riflessioni ed attenuazioni di segnale che alterano la reale potenza di quest'ultimo. Così operando si ottiene un risultato elaborato dall'analisi di ottanta vettori per ogni nodo N (in figura 1 detti nodi N si individuano in ogni quadrato ivi riportato deH'ambiente o luogo chiuso 2 da monitorare), dove ogni vettore contiene il "mac address", vale a dire il valore RSSI ricevuto in fase di "training", oltre che il riferimento del nodo N a cui appartiene. Tutti i valori scansionati sono, quindi, memorizzati all'interno dì un file di database che definisce settorialmente l'ambiente da monitorare, appunto tramite detta suddivisione in nodi N, con ognuno di detti nodi N fittamente individuato dai vettori ad esso associati.
Per convalidare inizialmente la validità del sistema di localizzazione e successivamente per controllarne periodicamente la sua efficacia ed efficienza à ̈ prevista una fase di test, nella quale il "device" D dell'utente U effettua una scansione ogni 5 o 9 secondi circa e recupera la lista dei "beacons" B rilevati con il loro valore RSSI e tiene in memoria l'orientamento del dispositivo D al momento della scansione. Viene così costruito il vettore di MAC/RSSI dei "beacons" B validi in quella stanza
Se durante la scansione un "beacon" B non viene rilevato, il valore dell'RSSI alla sua posizione nel vettore verrà sostituito da un valore soglia predeterminato (di solito il minimo RSSI raggiungibile). Se, invece, due o più "beacons" B non vengono rilevati allora l'intera scansione viene eliminata e si procede con una nuova scansione. Dopo aver costruito il vettore delle rilevazioni, vengono recuperati tutti i vettori creati nella fase di training aventi come orientamento l'orientamento H del dispositivo (D in fig. 1 , T in fig. 2) durante la scansione. Mediante una tecnica di apprendimento automatico, l'utente viene classificato all'interno del nodo che à ̈ costituito dai vettori di training più "simili" al vettore di test (nel "K-Nearest Neighbor"=KNN il max{K}). Nel presente sistema di localizzazione 1 à ̈ stata usata la tecnica del "K-Nearest Neighbor" (l'algoritmo di KNN à ̈ stato parametrizzato con K pari a cinque) e come metrica di confronto la distanza di Manhattan pesata espressa dalla seguente formula:
E' anche possibile usare altre tecniche di "Machine Learning" per risolvere altrettanto efficacemente problemi di classificazione come questo, come ad esempio le reti neurali o le macchine a vettori di supporto (SVM). Queste tecniche di "machine learning" richiedono però una norma!izzazione della matrice dei vettori delle "features" con valori che devono essere compresi tra zero ed uno e meno uno ed uno, al fine di permettere agli algoritmi a discesa di gradiente e a convergenza quadratica di convergere più velocemente verso una soluzione e dare un'importanza uniforme a tutti i valori contenuti nei vettori.
Mediante l'SVM si ottiene una performance del 4% circa superiore al precedentemente citato KNN usando un SVM con Kernel RBF e tuning a griglia di ricerca dove quest'ultimo consiste nell'elaborare vari esperimenti in una griglia, variando i parametri "gamma" da due-quindici fino a duecentoventitre e "c" due-quindici fino a duecentoquindìci. Dato che sia la procedura di "pre-processing" che quella di "training" e classificazione sono computazionalmente molto costose da elaborare in "reai time" all'interno di un dispositivo mobile T (al momento della presentazione di questo brevetto), si à ̈ deciso di realizzare un algoritmo dì KNN con metrica a distanza di Manhattan pesata più leggero, computazionalmente parlando (circa otto-dieci millisecondi per predire il nodo in cui localizzare l'utente) e più facilmente portabile tra piattaforme (ad es. Android, iOS, Windows Phone, BlackBerry RIM ed ecc,..).
La seconda metodologia di localizzazione utilizzata à ̈ la "Varco Technology", vale a dire un modulo software che permette la localizzazione di un utente U al centroide di un nodo quadrato N di dimensioni predeterminate solo se l'utente U à ̈ abbastanza vicino a un dispositivo BT Smart, ovvero se il valore RSSI rilevato dallo smartphone T (o "device" D dell'utente U, come à ̈ possibile evincere dalla Fig.l) à ̈ maggiore di una soglia predeterminata per quello specifico dispositivo BT Smart D. Questa tecnologia si compone a sua volta di due sottofasi: quella off-line e quella on-line. Nella fase off-line, si posiziona (se non à ̈ già stato posizionato precedentemente) un dispositivo "bluetooth smart" a livello alto in una porta di passaggio o sopra un'opera d'arte o, sempre in alto, laddove dove c'à ̈ un'affluenza forzata di utenti U non facilmente controllabile.
Nello stesso nodo N in cui à ̈ stato posto il dispositivo "BT Smart" D si identifica un valore RSSI soglia per quel dispositivo "BT Smart" D. Sia il valore soglia che il "mac address" del dispositivo "BT Smart" sono salvati in una base dati. Il tipo di dispositivo BT Smart sono della tipologia "Varco" ovvero non utilizzabili per il "fingerprinting".
Come à ̈ possibile evincere dalla rappresentazione grafica di Fig.l, detti nodi N si differenziano tra loro per il fatto che possono essere di tipologia "fingerprinting" F, con "orientamento" H e "Varco" V. Durante la fase online, lo smartphone T (Fig.2) o "device" D (Fig.l) dell'utente U effettua una continua scansione dei dispositivi Bluetooth Smart D-T e se trova un dispositivo del tipo "Varco" V avente un valore RSSI maggiore o tutt'al più uguale al valore soglia, l'utente U viene localizzato al centro del nodo N a cui corrisponde il BT Smart "Varco" selezionato.
La terza tecnologia o metodologia di localizzazione utilizzata à ̈ la "Intelli-Waik Technology", un altro modulo software associato a un componente hardware, il quale permette in tempo reale di tracciare su una mappa virtuale la posizione P, l'orientamento H e la velocità W dell'utente U che si sta spostando (fig. 1 e 2). Fondamentalmente questo componente hardware à ̈ composto da un contapassi e una bussola entrambi "intelligenti" che tengono traccia dello spostamento dell'utente U (traiettoria o percorso P), se lo stesso utente U sta camminando con velocità W oppure se à ̈ fermo (W=0 m/s) e il suo orientamento H. Dall'acquisizione ed elaborazione in tempo reale degli stessi dati à ̈ così possibile individuare la posizione e io spostamento correlati di un'icona rappresentante l'utente U su una mappa virtuale rappresentante lo spazio chiuso 2-3 in tempo reale. Il contapassi intelligente à ̈ fondamentalmente composto da un classificatore e un analizzatore di picchi. Il classificatore classifica in base a una serie di vettori di training etichettati come zero o uno, laddove zero significa che l'utente à ̈ fermo e uno significa che l'utente si sta muovendo. Si può anche estendere questo classificatore mettendo un'altra etichetta con altro valore differente dai precedenti, al fine di indicare che l'utente U sta correndo con velocità W. Così facendo si può anche determinare la stessa velocità W discreta dell'utente. Il modulo del classificatore a sua volta si divide in fase di "training" e fase di "test". La fase di "training" consiste nel catturare centoventotto campioni a una frequenza di almeno cento Hertz dei valori rilevati da un accelerometro sugli assi tridimensionali (con 128 valori per l'asse X, 128 per l'asse Y e 128 per l'asse Z). Ogni vettore sarà quindi composto da centoventotto componenti per singolo asse cartesiano, aumentando la precisione del sistema di localizzazione 1. L'affidabilità del sistema di localizzazione 1 à ̈ ulteriormente incrementata effettuando una procedura di filtraggio applicando un filtro performante passa basso avente la seguente formula:
laddove "Xj" à ̈ il valore corrente e "p" à ̈ la "variabile di smoothing". Empiricamente si à ̈ rilevato una migliore performance del sistema di localizzazione 1 assegnando a "p" il valore di dodici decimi. Quindi, per ogni asse si calcola il valore medio, la deviazione standard, la mediana, il coefficiente di correlazione di Pearson tra 2 assi adiacenti (xy,yz,zx) e la variazione di accelerazione su un asse rispetto all'unità di tempo data dalla seguente formula:
laddove "a/' à ̈ l'accelerazione corrente e "s" à ̈ l'unità di tempo. Empiricamente à ̈ stato determinata un'ottimale performance del sistema di localizzazione 1 ponendo s = 1.5, ma il valore può cambiare in funzione del dispositivo adottato e della frequenza con cui lo stesso dispositivo effettua il campionamento dei valori rilevati (sampling).
Tutti questi valori (valore medio, deviazione standard, mediana, coefficiente di correlazione di Pearson, variazione di accelerazione nel tempo) per ogni asse vanno a costituire un vettore delle caratteristiche assunte dall'utente U (features). Ogni vettore contiene 15 "features" e può appartenere alla classe zero (zero=fermo) o uno (uno=cammina). Si ripete, quindi, la procedura per almeno venti vettori per determinare il cammino con etichetta uno e sessanta vettori per determinare la stazionalità , movimenti bruschi o rotazione su se stessi aventi etichetta zero. I vettori così etichettati vengono salvati in una base dati o in semplici file di testo.
La successiva fase di "test" consiste nei creare il vettore di "feature" in base al corrente stato dell'utente U ai fine di predire la classe del vettore costituito, vale a dire predire se l'utente U sta camminando con velocità W oppure se à ̈ fermo (W=0 m/s).
Anche in questa fase di test, al pari della fase di "training", si effettua un "sampling" di centoventotto campioni con una frequenza di almeno cento Hertz, quindi si procede con lo "smoothing" tramite un filtro passa basso con gli stessi parametri della fase di "training", così calcolando le "features" discusse nella fase di "training" in modo da costituire il "feature vector".
Mediante il metodo di "Machine Learning K-Nearest Neighbord" con distanza di Manhattan pesata descritto in precedenza, assumendo quale valore di "k" cinque, si predice la classe di appartenenza del vettore di "feature" appena rilevato. Mediante un buon "dataset" il pesente sistema di localizzazione 1 oltre a rilevare il percorso effettuato da un utente U e le relative caratteristiche dello stesso suo spostamento all'interno dell'ambiente chiuso 2-3, consente di predire il cammino dello stesso utente U con una precisione minima del 93%, analizzando i dati rilevati nei primi quindici minuti di rilevamento dalla posizione iniziale S sino alla posizione finale E.
Test di laboratorio hanno dimostrato che usando l'SVM al posto del KNN con lo stesso "training set" del KNN ma normalizzato tra meno uno ed uno, mediante la "znormalizzazione", con "Kernel RBF" e "tuning" a griglia di ricerca descritto in precedenza, si ottiene una precisione della predizione di cammino che arriva al 99.37%, caratterizzando appunto il nostro sistema quale innovativo sistema di localizzazione ad altissima precisione ed affidabilità .
L'analizzatore di picchi à ̈ un modulo che analizza e confronta i valori attuali delle accelerazioni sui tre assi cartesiani di riferimento vettoriale rispetto alle accelerazioni precedenti. Se il valore risultante rilevato à ̈ inferiore a un valore soglia prestabilito, allora l'algoritmo aggiunge un passo. Detto algoritmo viene eseguito solo dopo che il classificatore ha individuato l'utente U e classificato in cammino, ponendo intervalli di pausa pari a settecento millisecondi dopo che lo stesso à ̈ stato eseguito.
L'algoritmo utilizzato per effettuare dette analisi si articola fondamentalmente in cinque passi, nei quali ordinatamente provvede ad effettuare le seguenti operazioni, vale a dire, al:
> Passo 1: il classificatore valuta se l'utente U procede con velocità W uguale o differente da zero m/s;
> Passo 2: l'elaboratore verifica il fatto che l'utente U sta camminando leggendo il risultato del classificatore;
> Passo 3: se l'utente U sta camminando e il timer di blocco à ̈ scaduto l'elaboratore esegue l'algoritmo al passo 4, altrimenti ritorna al passo 1;
> Passo 4: all'interno del gestore degli eventi ricevuti dall'accelerometro l'elaboratore computa le seguenti formule dove x', y' e z' sono i valori precedenti delle accelerazioni istantanee rispettivamente sull'asse x, y e z;
dove x, y e z sono i valori attuali delle accelerazioni istantanee rispettivamente sull'asse x, y e z;
e , laddove se d à ̈
minore o uguale a 0,9995 allora si procede ad incrementare di un passo il contapassi, realizzando che l'utente ha effettuato un passo; subito dopo detto incremento, nella implementazione si fa in modo che tale algoritmo non venga rimesso in elaborazione prima della scadenza di un timer impostato a circa 700 millisecondi;
> Passo 5: se l'utente ha camminato e il passo à ̈ stato incrementato, l'elaboratore inserisce un timer che impedisce l'esecuzione dell'algoritmo al passo 4 per almeno t millisecondi (empiricamente si à ̈ determinato un tempo di 700 ms) e, quindi l'elaboratore procede ad iterare lo stesso algoritmo.
Detto algoritmo rende il sistema di localizzazione intelligente, vale a dire capace di contare i passi che l'utente effettua, sia analizzando i picchi, sia classificando la traiettoria del percorso P dell'utente U, valutando se lo stesso sta realmente camminando analizzando ogni piccolissimo e determinato periodo temporale.
Un altro algoritmo rende il sistema di localizzazione ulteriormente intelligente per quanto attiene la valutazione deH'orientamento dell'utente U, mediante una combinazione di angolo e posizionamento referenziale iniziale rispetto ad un asse X prestabilito. Il dispositivo D (figura 1 o equivalentemente T di figura 2) ruotando di un angolo Î ̃ intorno all'asse X, determina una rotazione:
laddove X Ã ̈ definita come il prodotto vettoriale dell'asse Y per l'asse Z. Inizialmente detto asse X Ã ̈ complanare al piano del pavimento dello spazio chiuso 2-3 nella posizione assunta dal dispositivo D-T, con direzione Est-Ovest e verso Est. Questa tecnologia permette lo sviluppo di un contapassi molto preciso, disegnato per monitorare il modo di camminare dell'utente U e insensibile ai suoi falsi spostamenti.
L'elaborazione sinergica dell'orientamento, della classificazione del passo intelligente, dell'analizzatore di picchi e, in aggiunta, una ulteriore stima della dimensione del passo che dipende dalle dimensioni della mappa e anche dall'altezza dell'utente U, consentono all'utente di potersi orientare nello spazio chiuso 2-3 vedendo incrementare in tempo reale e con estrema precisione, la propria posizione sulla mappa visualizzata sul proprio dispositivo D-T, partendo da un punto predeterminato S e con un andamento regolare sino al punto finale E del percorso P.
La modalità di fusione di detti modelli di localizzazione descritti al fine di ottenere un valido sistema di localizzazione 1 utilizzabile all'interno di spazi chiusi 2-3, consente di ottenere altresì efficacia ed efficienza in termini di precisione, velocità e sicurezza ambientale dello stesso sistema di localizzazione 1.
Il funzionamento à ̈ altrettanto semplice, ma efficace: nello stesso momento in cui l'utente U apre l'applicazione che attiva il sistema di localizzazione 1 sul suo dispositivo D-T, la stessa applicazione effettuerà una scansione dei dispositivi "bluetooth" di tipo "fingerprint" F che la circondano, inviando i relativi dati a un "web-service". Quest'ultimo fornirà istantaneamente all'utente U la mappa del luogo 2 contenente anche i "BT Smart", il loro tipo (se di tipo "varco" V o "fingerprint" F) e il nodo N in cui sono posizionati e inoltre fornirà anche l'indicazione della precisa stanza 3 in cui à ̈ situato l'utente U. L'applicazione per "device" D e smartphone T da utilizzarsi nel sistema di localizzazione 1 effettuerà contemporaneamente una seconda scansione dei dispositivi bluetooth, al fine di considerare anche l'eventuale contemporaneo spostamento dell'utente U e, tramite detta tecnica del "Graph Based Bluetooth Smart Fingerprinting with Device Orientation" o ancor meglio quella "Varco" riuscirà ad ottenere il centroide del nodo N in cui si à ̈ localizzato l'utente U.
Al fine di evitare continue comunicazioni tra il "device" D o "smartphone" T con il "Web Service" e fornire un servizio in tempo reale, si preferisce far avvenire l'elaborazione dell'applicazione proprio all'interno di detti "device" D o "smartphone" T, dando ad ogni modo priorità maggiore alla tecnologia "Varco". Contemporaneamente al funzionamento di detta applicazione all'interno di detti dispositivi D-T, il modulo "IntelliWalk" verifica in continuo il movimento dell'utente U, monitorando se sta camminando oppure à ̈ fermo. Ad ogni iter di controllo di detta velocità dell'utente U, la posizione dello stesso sarà incrementata sulla mappa di un'unità dì cammino. La lunghezza dell'unità di cammino, pari a due passi dell'utente, si può prestabilire pari all'altezza dello stesso utente U, costituendo una valida stima empirica da centimetri in pixel di quanto à ̈ effettivamente lungo un passo nella direzione identificata dal modulo deH'orientamento H integrato in Intelli Walk.
Nel momento in cui l'utente U à ̈ fermo, cioà ̈ nel momento in cui il classificatore di Intel li Wal k classifica un non cammino (v= 0 m/s), l'applicazione effettua una scansione dei dispositivi "BT Smart" sia "Varco" V che "Fingerprint" F, effettuando sostanzialmente una scansione che si completa in un periodo oscillante tra i 3,5 e i 9 secondi e, al contempo, ricontrolla la posizione di tutti i dispositivi "BT Smart" rilevati, quindi i vari "MAC Address" degli stessi dispositivi "BT Smart", controllando altresì la corrispondenza con le tipologie di "beacons" B (se "varco" V o "fingerprint" F).
Ai dispositivi "Varco" V si preferisce assegnare maggiore priorità rispetto ai dispositivi "fingerprint" F. Se la scansione rileva che il valore dell'RSSI relativo a un dispositivo "Varco" à ̈ superiore o uguale al suo valore soglia, l'utente U sarà localizzato nel centroide del nodo N relativo a quel BT Smart "Varco", altrimenti si procederà con la localizzazione mediante il metodo di "fingerprinting Graph Based Bluetooth Smart Fingerprinting with Device Orientation". In entrambi detti casi abbiamo in uscita l'ID o identificativo del nodo N in cui localizzare l'utente U. Se l'ID del nodo N ricevuto in uscita à ̈ diverso dall'ID del nodo N in cui il modulo IntelliWalk ha portato la posizione dell'utente U camminando, la posizione dell'utente U sarà aggiornata resecandola al centro del nodo N ricevuto in uscita, mediante uno dei due metodi precedentemente citati, vale a dire o "Varco" o "Fingerprinting". Se la posizione individuata coincide con la precedente mappatura, allora nulla à ̈ cambiato. Se, invece, al termine della scansione l'utente U à ̈ ancora fermo, l'operazione di ricerca dei "BT Smart" si ripete.
L'operazione di scansione si interrompe solo allorquando Γ "IntelliWalk" classifica uno stato di cammino dell'utente U, cioà ̈ se l'utente U sta procedendo nel suo cammino o ha iniziato a camminare da fermo.
I vantaggi del presente sistema di localizzazione 1 rispetto a quelli della tecnica nota sono innumerevoli e si possono sinteticamente così elencare:
> elevato grado di affidabilità e precisione del sistema di localizzazione dovuto alla innovativa fusione delle tre tecnologie precedentemente discusse;
> utilizzo di tecnologie altresì innovative, come nel caso delle tecnologie "IntelliWalk" e "Varco" ed innovativo loro modo di utilizzo per il corretto ed ottimale funzionamento del sistema di localizzazione;
> innovativo utilizzo della tecnologia "Graph Based Bluetooth Smart Fingerprinting with Device Orientation", unitamente alla tecnologia "Bluetooth 4.0 Low Energy"; > innovativo ed utilissimo metodo di controllo dell'orientamento H dell'utente U;
> ottimizzata precisione di controllo di un eventuale dispositivo non rintracciato dal sistema di localizzazione, con sostituizione in tempo reale di un valore soglia predefinito;
> ottimizzata precisione di controllo del sistema di localizzazione allorquando non avendo eventualmente rintracciato più di un dispositivo, reitera la procedura di scansione in tempo reale;
> calcolazioni del sistema di localizzazione decentrate nelle singole applicazioni dei dispositivi D-T a disposizione dell'utente U;
> comunicazione in continuo tra i dispositivi D-T e i "beacons" B trasmittenti;
> applicazione innovativa al sistema di localizzazione del concetto di nodo N.
I vantaggi rispetto alla tecnica nota sono, quindi, notevolissimi, avendo definitivamente risolto il problema di garantire in assoluto la tracciabilità dell'utente U all'interno di uno spazio chiuso 2-3.
I vantaggi derivanti dall 'utilizzo del presente trovato sono innumerevoli ed indiscutibili e derivano fondamentalmente dall'aver ideato un sistema di localizzazione dell'utente in spazi chiusi ad altissima precisione ed affidabilità .
E' anche evidente che all'esempio di realizzazione precedentemente descritto a titolo illustrativo e non limitativo potranno essere apportati numerosi ritocchi, adattamenti, integrazioni, varianti e sostituzioni di elementi con altri funzionalmente equivalenti, senza peraltro uscire dall'ambito di protezione delle seguenti rivendicazioni.
Claims (7)
- RIVENDICAZIONI 1) Sistema di localizzazione "indoor" (1) di un utente (U) dello stesso servizio di localizzazione (1) o di un dispositivo (D-T) a sua disposizione, allorquando detto utente (U) si muove con detto dispositivo (D-T) all'interno di spazi chiusi (2-3) ben definiti e delimitati, caratterizzato dal fatto che permette la localizzazione dell'utente (U) con elevata precisione ed affidabilità per mezzo di una terna di metodologie di localizzazione, quali il "fingerprinting", la navigazione inerziale con riconoscimento intelligente del passo e l'uso della tecnologia di prossimità chiamata "Varco", con la possibilità di utilizzare dette metodologie sia in modalità indipendentemente alternata che sinergica.
- 2) Sistema di localizzazione "indoor" (1) secondo la rivendicazione 1, caratterizzato da! fatto che utilizza quale tecnologia per la localizzazione "indoor" una struttura dati alla stregua di un grafo orientato.
- 3) Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che utilizza quale tecnologia per la localizzazione "Indoor" l'orientamento de! dispositivo (D-T) a disposizione dell'utente (U) sia durante la fase di "training" del "fingerprinting" sia durante la fase di "test del fingerprinting".
- 4) Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che utilizza quali "beacons" (B) dispositivi del tipo "Bluetooth Low Energy Slave" a batteria, sempre rilevabili.
- 5) Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che in fase di "fìngerprinting" utiiizza tecnologia "KNN" con "distanza di Manhattan" pesata.
- 6) Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che in fase di "fìngerprinting" utilizza tecnologia "SVM (Support Vector Machine)" con "tuning" dei parametri a griglia di ricerca.
- 7) Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che i rilevatori di prossimità sono "beacons" (B) del tipo "bluetooth low energy" atti alla localizzazione indoor con tecnologia "Varco". 8} Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che adotta una tecnologia "IntelliWalk", quest'ultima utilizzante il valore medio, la deviazione standard, la mediana, il coefficiente di correlazione di Pearson tra 2 assi adiacenti (xy,yz,zx) e la variazione di accelerazione su un asse, rispetto all'unità di tempo, quali metriche atte a generare il vettore delle "features" da confrontare. 9) Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che nell'applicazione della tecnologia "IntelliWalk" si fa uso di un algoritmo per l'analisi dei picchi. 10) Sistema di localizzazione "indoor" (1) secondo le rivendicazioni precedenti, caratterizzato dal fatto che adotta la fusione di detta terna di tecnologie di localizzazione, vale a dire la "Graph Based Bluetooth Smart Fìngerprinting with Device Orientation", la "Varco Technology" e Γ "IntelliWalk Technology".
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000065A ITBA20130065A1 (it) | 2013-10-02 | 2013-10-02 | Sistema di localizzazione "indoor" ad alta affidabilita' e relative metodologie di utilizzo |
PCT/IB2014/065022 WO2015049660A1 (en) | 2013-10-02 | 2014-10-02 | Enhanced indoor localization method |
US15/025,420 US10684349B2 (en) | 2013-10-02 | 2014-10-02 | Enhanced indoor localization method |
SG11201602259XA SG11201602259XA (en) | 2013-10-02 | 2014-10-02 | Enhanced indoor localization method |
EP14796273.2A EP3052957B1 (en) | 2013-10-02 | 2014-10-02 | Enhanced indoor localization method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000065A ITBA20130065A1 (it) | 2013-10-02 | 2013-10-02 | Sistema di localizzazione "indoor" ad alta affidabilita' e relative metodologie di utilizzo |
Publications (1)
Publication Number | Publication Date |
---|---|
ITBA20130065A1 true ITBA20130065A1 (it) | 2015-04-03 |
Family
ID=49725182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
IT000065A ITBA20130065A1 (it) | 2013-10-02 | 2013-10-02 | Sistema di localizzazione "indoor" ad alta affidabilita' e relative metodologie di utilizzo |
Country Status (5)
Country | Link |
---|---|
US (1) | US10684349B2 (it) |
EP (1) | EP3052957B1 (it) |
IT (1) | ITBA20130065A1 (it) |
SG (1) | SG11201602259XA (it) |
WO (1) | WO2015049660A1 (it) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201800008284A1 (it) | 2018-08-31 | 2020-03-02 | Sofia Giangiacomi | Sistema elettronico per la gestione intelligente dei dati di oggetti fisici digitalizzati |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013205547B4 (de) * | 2013-03-28 | 2018-01-11 | Siemens Aktiengesellschaft | Verfahren zur Ortsbestimmung eines mobilen Gerätes innerhalb eines Gebäudes sowie Vorrichtungen zur Durchführung desselben |
US9743252B2 (en) * | 2015-06-11 | 2017-08-22 | Honeywell International Inc. | System and method for locating devices in predetermined premises |
US20180180706A1 (en) * | 2015-06-26 | 2018-06-28 | Ent. Services Development Corporation Lp | Mobile device locator |
TWI555998B (zh) * | 2015-06-26 | 2016-11-01 | Ecolux Holding Co Ltd | A positioning system and method |
US10206068B2 (en) * | 2015-07-09 | 2019-02-12 | OneMarket Network LLC | Systems and methods to determine a location of a mobile device |
US10475144B2 (en) | 2016-02-26 | 2019-11-12 | Microsoft Technology Licensing, Llc | Presenting context-based guidance using electronic signs |
US10469997B2 (en) | 2016-02-26 | 2019-11-05 | Microsoft Technology Licensing, Llc | Detecting a wireless signal based on context |
US9781575B1 (en) * | 2016-03-30 | 2017-10-03 | Intel Corporation | Autonomous semantic labeling of physical locations |
US9998853B2 (en) | 2016-04-01 | 2018-06-12 | Microsoft Technology Licensing, Llc | Dynamically managing a listen list of beacon aware devices |
US9894483B2 (en) | 2016-04-28 | 2018-02-13 | OneMarket Network LLC | Systems and methods to determine the locations of packages and provide navigational guidance to reach the packages |
US10254378B1 (en) * | 2016-07-05 | 2019-04-09 | Phunware, Inc. | Mobile device localization based on relative received signal strength indicators |
US20180070212A1 (en) * | 2016-09-02 | 2018-03-08 | Athentek Innovations, Inc. | Systems and methods to track movement of a device in an indoor environment |
US20180106618A1 (en) * | 2016-10-14 | 2018-04-19 | Westfield Retail Solutions, Inc. | Systems and methods to determine a location of a mobile device |
TWI641275B (zh) * | 2017-03-13 | 2018-11-11 | 宇智網通股份有限公司 | 室內環境之無線定位方法及無線定位裝置 |
CN107369203B (zh) * | 2017-07-14 | 2020-04-28 | 北京航空航天大学 | 室内三维场景自适应构建方法及装置 |
US10197661B1 (en) | 2018-02-01 | 2019-02-05 | Cisco Technology, Inc. | Infrastructure enabled smart dual-mode tags |
EP3528003A1 (en) | 2018-02-15 | 2019-08-21 | Kinexon GmbH | System and method estimating orientation from radio measurements |
IT201800003843A1 (it) * | 2018-03-21 | 2019-09-21 | Phoenyx | Metodo di localizzazione indoor |
CN115311422A (zh) | 2018-06-27 | 2022-11-08 | 奈安蒂克公司 | 用于设备定位的多重集成模型 |
US11150322B2 (en) * | 2018-09-20 | 2021-10-19 | International Business Machines Corporation | Dynamic, cognitive hybrid method and system for indoor sensing and positioning |
US10708718B1 (en) | 2019-02-28 | 2020-07-07 | At&T Intellectual Property I, L.P. | Space characterization using electromagnetic fields |
US10871547B1 (en) * | 2019-12-23 | 2020-12-22 | Fuji Xerox Co., Ltd. | Radiofrequency based virtual motion model for localization using particle filter |
CN112394320B (zh) * | 2020-04-26 | 2023-06-23 | 南京邮电大学 | 基于支持向量机的室内高精度质心定位方法 |
CN111829580B (zh) * | 2020-06-02 | 2022-05-20 | 深圳全景空间工业有限公司 | 一种室内空间重建的方法 |
US11852740B2 (en) * | 2020-11-13 | 2023-12-26 | Qualcomm Incorporated | Systems and methods for positioning enhancements using beam relation crowdsourcing |
CN112672297B (zh) * | 2020-12-16 | 2023-02-17 | 上海浦东发展银行股份有限公司 | 室内定位方法、服务端、定位客户端、设备及存储介质 |
WO2023031013A1 (en) * | 2021-08-31 | 2023-03-09 | Signify Holding B.V. | A control device for determining a relative position of a mobile device relative to a user body and a method thereof |
IT202100032177A1 (it) | 2021-12-22 | 2023-06-22 | Universita’ Degli Studi Di Firenze | Sistemi di comunicazione, messaggio di comunicazione di richiesta avanzato e messaggio di comunicazione di risposta avanzato |
EP4206717A1 (en) * | 2021-12-28 | 2023-07-05 | Nextome S.r.l. | Methods for locating a mobile radiocommunication device or passive object in a confined environment |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050156782A1 (en) * | 2004-01-15 | 2005-07-21 | Whelan David A. | LEO-based positioning system for indoor and stand-alone navigation |
US20100109842A1 (en) * | 2006-06-28 | 2010-05-06 | Patel Shwetak N | Sub room level indoor location system using wideband power line positioning |
US20130172020A1 (en) * | 2011-12-29 | 2013-07-04 | Khalifa University of Science, Technology, and Research | Method and system for localization |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7764231B1 (en) * | 1996-09-09 | 2010-07-27 | Tracbeam Llc | Wireless location using multiple mobile station location techniques |
US6839560B1 (en) * | 1999-02-25 | 2005-01-04 | Microsoft Corporation | Using a derived table of signal strength data to locate and track a user in a wireless network |
US7250907B2 (en) * | 2003-06-30 | 2007-07-31 | Microsoft Corporation | System and methods for determining the location dynamics of a portable computing device |
US7346359B2 (en) * | 2003-07-31 | 2008-03-18 | Pango Networks, Inc. | Method for RF fingerprinting |
ES2436727T3 (es) | 2008-08-29 | 2014-01-03 | Telespazio S.P.A. | Localización de interiores mejorada |
DE102008053176B4 (de) * | 2008-10-24 | 2011-03-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Schätzen einer Orientierung eines mobilen Endgeräts |
TWI375813B (en) | 2008-11-25 | 2012-11-01 | Univ Nat Taiwan | An indoor localization method and its system |
TWI380048B (en) | 2008-11-28 | 2012-12-21 | Univ Nat Taiwan | Indoor localization method and its system |
TWI411803B (zh) * | 2009-05-19 | 2013-10-11 | Univ Nat Taiwan | 室內目標定位裝置及方法 |
US20130162481A1 (en) * | 2009-10-01 | 2013-06-27 | Parviz Parvizi | Systems and methods for calibration of indoor geolocation |
CN103096466B (zh) | 2013-01-17 | 2015-04-08 | 哈尔滨工业大学 | Wi-Fi室内定位方法 |
US9198003B2 (en) * | 2013-01-31 | 2015-11-24 | Apple Inc. | Survey techniques for generating location fingerprint data |
-
2013
- 2013-10-02 IT IT000065A patent/ITBA20130065A1/it unknown
-
2014
- 2014-10-02 EP EP14796273.2A patent/EP3052957B1/en active Active
- 2014-10-02 US US15/025,420 patent/US10684349B2/en active Active
- 2014-10-02 WO PCT/IB2014/065022 patent/WO2015049660A1/en active Application Filing
- 2014-10-02 SG SG11201602259XA patent/SG11201602259XA/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050156782A1 (en) * | 2004-01-15 | 2005-07-21 | Whelan David A. | LEO-based positioning system for indoor and stand-alone navigation |
US20100109842A1 (en) * | 2006-06-28 | 2010-05-06 | Patel Shwetak N | Sub room level indoor location system using wideband power line positioning |
US20130172020A1 (en) * | 2011-12-29 | 2013-07-04 | Khalifa University of Science, Technology, and Research | Method and system for localization |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201800008284A1 (it) | 2018-08-31 | 2020-03-02 | Sofia Giangiacomi | Sistema elettronico per la gestione intelligente dei dati di oggetti fisici digitalizzati |
Also Published As
Publication number | Publication date |
---|---|
EP3052957B1 (en) | 2018-03-21 |
US10684349B2 (en) | 2020-06-16 |
EP3052957A1 (en) | 2016-08-10 |
US20160238690A1 (en) | 2016-08-18 |
WO2015049660A1 (en) | 2015-04-09 |
SG11201602259XA (en) | 2016-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ITBA20130065A1 (it) | Sistema di localizzazione "indoor" ad alta affidabilita' e relative metodologie di utilizzo | |
Park et al. | Self-corrective knowledge-based hybrid tracking system using BIM and multimodal sensors | |
CN111919476B (zh) | 一种室内定位的方法、服务器及定位系统 | |
Jensen et al. | Graph model based indoor tracking | |
Gu et al. | Paws: Passive human activity recognition based on wifi ambient signals | |
CN108351431A (zh) | 检测网络内的位置 | |
CN106682572A (zh) | 目标跟踪方法、系统和第一电子设备 | |
CN107851241A (zh) | 用于在设施中定位物品的系统和方法 | |
CN107110654A (zh) | 定位设备和用于定位的方法 | |
CN113950144A (zh) | 监测方法、系统、装置及计算机程序产品 | |
Yu et al. | Shoesloc: In-shoe force sensor-based indoor walking path tracking | |
CN112381853A (zh) | 用于利用无线信号和图像来进行人员检测、跟踪和标识的装置和方法 | |
Yuan et al. | Approach of personnel location in roadway environment based on multi-sensor fusion and activity classification | |
Sun et al. | Indoor corner recognition from crowdsourced trajectories using smartphone sensors | |
Demrozi et al. | An indoor localization system to detect areas causing the freezing of gait in Parkinsonians | |
CN104020464A (zh) | 基于加速度传感器和无线测距技术的混合定位系统及其定位方法 | |
Wang et al. | Hybrid RFID system-based pedestrian localization: A case study | |
Bai et al. | Target tracking with limited sensing range in autonomous mobile sensor networks | |
JP6893316B2 (ja) | 情報出力システム、検知システム、情報出力方法、及びプログラム | |
CN103826202A (zh) | 基于手机传感器信息改进WiFi定位结果跳动的方法 | |
Villarrubia et al. | Real time positioning system using different sensors | |
Fet et al. | Locosmotion: An acceleration-assisted person tracking system based on wireless lan | |
CN108334071A (zh) | 多机器人系统无碰撞到达目标位置的方法 | |
JP2006146736A (ja) | センサと無線ネットワークを利用した個人認証システム | |
Bao et al. | An indoor navigation and localization system |