costruzione di mappe radio per la localizzazione di terminali basata

Telecom Italia Learning Services
Davide Dardari, Andrea Conti, Oreste Andrisano
IEIIT-CNR, DEIS Università degli Studi di Bologna
NOTE
Roberto Stomeo, Giovanni Cortese, Fabrizio Davide
COSTRUZIONE DI MAPPE RADIO PER LA LOCALIZZAZIONE
DI TERMINALI
BASATA SU WIRELESS LAN IEEE 802.11B
(IMPROVING EFFECTIVENESS OF RADIO MAPS FOR LOCALIZATION OF
MOBILE TERMINALS USING WIRELESS LAN IEEE 802.11B)
S
bstract: this work describes the implementation
issues concerning location systems based on
radio maps obtained by Wireless LAN IEEE 802.11b,
in order to map users' positions in indoor environment.
INTRODUZIONE
È necessario quindi sviluppare tecniche che
permettano di ottenere informazioni accurate
della posizione dell’utente mobile.
Nel corso degli anni sono state sviluppate varie
tecniche di localizzazione, che permettono di
determinare la posizione di un qualsiasi dispositivo
rispetto a dispositivi con posizioni note: la più
famosa di queste, anche come successo dal punto
di vista commerciale, è sicuramente la tecnologia
GPS (Global Positioning System), basata sulle rilevazioni ottenute da una rete di satelliti, che tuttavia non garantisce copertura in ambienti chiusi.
Oggi altre tecnologie, come le WLAN (Wireless
Local Area Network) [1], si stanno proponendo
come valide candidate per realizzare la funzionalità di localizzazione attraverso infrastrutture radio
terrestri che forniscono informazioni di localizzazione sulla base del confronto dei livelli di potenza
ricevuti dai vari punti d’accesso (access point).
Il presente articolo, focalizzato sul problema
della localizzazione dei dispositivi in ambienti
indoor mediante mappe radio, si inquadra in un
progetto molto più ampio di rilevanza nazionale,
chiamato
VICom
(Virtual
Immersive
Communications) [2]. VICom è un progetto della
durata di tre anni, proposto dal Fondo Italiano per
la Ricerca di Base (FIRB) e finanziato dal MIUR
(Ministero dell’Istruzione, dell’Università e della
Ricerca), che ha avuto inizio nel novembre 2002
con termine novembre 2005. Il progetto VICom
ommario: Il lavoro descritto in questo articolo
riguarda le problematiche concernenti l’implementazione di sistemi di localizzazione basati su
mappe di potenza, utilizzando reti WLAN di tipo IEEE
802.11b, per la rilevazione della posizione dell’utente
in ambienti indoor ad uso ufficio.
La mobilità è stata una dei fattori chiave nel
grande successo delle tecnologie wireless. La possibilità di localizzazione dell’utente all’interno dell’ambiente apre la strada ad un ampio insieme di
applicazioni in grado di rendere disponibili agli
utenti i servizi che più si adattano al contesto in
cui gli utenti si trovano (contex-aware services) fra
i quali, ad esempio, la guida virtuale.
Un sistema context-aware include tipicamente:
O
un insieme di sensori di varia tipologia
(visione, audio, ambientali, radio), installatinell’ambiente, in grado di rilevare una varietàdi informazioni sullo stato dell’ ambiente,
delle persone e oggetti presenti al suo interno
O
componenti di elaborazione e analisi del
flusso dati sensoriali (ad esempio, componenti di analisi di scena visiva), in grado di
estrarre informazioni a livello semantico dai
dati sensoriali (presenza, posizione, situazioni di pericolo etc.)
O
middleware per la distribuzione dei dati di
contesto alle applicazioni
O
applicazioni in grado di sfruttare l’informzione di contesto per adattare le caratteristiche del servizio offerto alle esigenze dell’utente.
La Comunicazione - numero unico 2004
A
53
NOTE
Roberto Stomeo, Giovanni Cortese, Fabrizio Davide, Davide Dardari, Andrea Conti, Oreste Andrisano
mira ad investigare le possibilità di utilizzo di diverse tecnologie nell’ambito della Telepresenza
Immersiva
Virtuale
(Virtual
Immersive
Telepresence) che comprende l’insieme delle tecniche che permettono all’utente di interagire con
l’ambiente e con altri utenti, al fine di ottenere
informazioni dal contesto, scambiare dati rilevanti
e accedere a vari tipi di servizi.
I principali obiettivi del lavoro qui descritto
sono stati i seguenti:
- analizzare i fattori che influiscono sulla precisione della localizzazione dell’utente, concentrandosi particolarmente sulle condizioni
ambientali in cui il posizionamento viene
eseguito;
- determinare una procedura per ottimizzare
la generazione delle mappe radio utilizzate
per il posizionamento;
- individuare possibili metodi per il miglioramento della localizzazione.
Dopo una descrizione introduttiva di alcune
tecniche di localizzazione basate su mappe di
radio, l’articolo analizza le problematiche inerenti il
posizionamento dell’utente, concentrandosi sulle
condizioni ambientali che rappresentano una forte
causa di errori nella rilevazione della localizzazione
dell’utente.
Successivamente vengono descritti e analizzati i
test effettuati e, infine, si proporrà un metodo per
il miglioramento della localizzazione del dispositivo
client (Context-Aware Radio Maps).
TECNICHE DI LOCALIZZAZIONE
INDOOR
Mentre per la localizzazione outdoor il GPS
(Global Positioning System) è già ampiamente utilizzato da diversi servizi commerciali, le avverse
caratteristiche di propagazione dei segnali radio
rendono particolarmente critico il funzionamento
di sistemi di localizzazione indoor.
I primi esperimenti con sistemi sensibili al contesto hanno fatto uso dell’informazione su scala
locale, con riferimento ad una stanza, generata da
Badge Attivi a infrarossi (sistema Active Badge [3]).
Tuttavia molte applicazioni richiedono una informazione tridimensionale di localizzazione e di
orientamento a grana fine che i Badge Attivi non
possono fornire. Pertanto è stato sviluppato, presso i laboratori di ricerca AT&T di Cambridge, un
54
sistema di localizzazione ultrasonico tridimensionale che è a bassa potenza, wireless e relativamente poco caro denominato Active Bat [4]. Il sistema
di localizzazione ultrasonico Bat è basato sul principio della multi-laterazione, che valuta le coordinate degli oggetti attraverso stime di distanze in relazione alle posizioni note di unità installate sul soffitto. Un breve impulso di ultrasuoni è emesso da
un trasmettitore (un Bat) attaccato all’oggetto che
deve essere localizzato e si misurano i tempi di
propagazione dell’impulso fino ai ricevitori montati in punti noti del soffitto. Altri sistemi di tipo acustico sono stati proposti i vari centri di ricerca [5]
con buoni risultati in termini di precisioni ottenute (qualche decina di centimetri).
Recentemente hanno suscitato molto interesse, anche commerciale, sistemi di localizzazione
basati sulle tecniche di analisi della scena (scene
analysis). Il grosso vantaggio di queste tecniche,
rispetto a quelle acustiche, risiede nella possibilità
di poter funzionare utilizzando sistemi non dedicati basati sullo standard WLAN ormai ampiamente
diffuso IEEE 802.11 dei quali sfruttano la possibilità di conoscere il livello di potenza del segnale
ricevuto (received signal strength indicator, RSSI)
dagli Access point (uno dei primi sistemi di questo
tipo fu il sistema RADAR [6]).
I sistemi di localizzazione per ambienti indoor
che utilizzano lo standard di comunicazione IEEE
802.11 hanno una tipologia di funzionamento che
prevede al suo interno due fasi [7]:
O
nella prima si misurano i valori di potenza
dei segnali (RSSI) inviati dagli Access Point
in tutta l’area di interesse, generando la
mappa radio (fase off-line);
O
successivamente questi valori vengono
utilizzati, elaborati e confrontati con quelli
ricevuti durante lo spostamento reale dell’utente (dispositivo client) per stimare la localizzazione (fase on-line).
La precisione e l’accuratezza della localizzazione è notoriamente molto sensibile alle condizioni in cui sono state generate le mappe radio.
Le tecniche più utilizzate per la costruzione di
mappe radio e per la determinazione della localizzazione dell’utente in ambienti indoor, sono principalmente due [8]: Joint Clustering Technique e
Incremental Triangulation Technique.
Nella fase off-line, uguale per entrambe le tecniche, vengono eseguite due procedure:
O
viene definita, in determinate posizioni (loc-
La Comunicazione - numero unico 2004
(IMPROVING EFFECTIVENESS OF RADIO MAPS FOR LOCALIZATION OF MOBILE TERMINALS USING WIRELESS LAN IEEE 802.11B)
tion)1, la distribuzione di probabilità dei valori di RSSI ricevuti dagli access point;
O
vengono raggruppate le location in clusters2.
Nella tecnica di Joint Clustering, durante la fase
online, viene utilizzato il seguente algoritmo per la
rilevazione della locazione dell’utente. Le sequenze di misure di potenza ricevute dagli access point
nella locazione corrente dell’utente vengono confrontate con quelle memorizzate nella mappa
radio generata nella fase off-line. Gli access point
con il valore di intensità del segnale più elevato
determinano il cluster in cui andare a cercare la
posizione più probabile del dispositivo client.
Successivamente viene applicato il teorema di
Bayes3 per determinare la probabilità che ogni
location ha, entro il cluster scelto, di possedere
quella determinata sequenza di segnali ricevuti. La
location più probabile individuerà la posizione dell’utente.
Per quanto riguarda, invece, la tecnica
Incremental Triangulation, nella fase on-line vengono
dapprima individuati gli access point che coprono
quella determinata posizione, i quali vengono ordinati in maniera decrescente secondo il valore
medio delle intensità dei segnali ricevuti.
Per il primo AP, quello con il valore di RSSI più
grande, viene calcolata la probabilità che ogni location della mappa radio ha di poter ricevere la
sequenza inviata considerando solo un access
point. Questo permetterà di evidenziare i luoghi
che hanno una probabilità diversa da zero di ricevere i segnali.
Se la determinazione della location più probabile risulta avere un valore significativamente alto
(in base ad una soglia minima definita nell’algoritmo) rispetto alla seconda location, abbiamo ottenuto la stima della migliore posizione dell’utente
attraverso l’analisi di un solo access point.
Se questo non risulta verificato dobbiamo
NOTE
COSTRUZIONE DI MAPPE RADIO PER LA LOCALIZZAZIONE DI TERMINALI BASATA SU WIRELESS LAN IEEE 802.11B
andare a considerare il secondo access point
facente parte della lista e, in seguito, ripetere lo
stesso procedimento considerando solo l’insieme
di posizioni selezionate dal primo AP.
Questo processo incrementa il numero degli
AP fino al raggiungimento di una determinata stima
della localizzazione, o in alternativa fino a quando
tutti gli access point sono stati considerati.
Confrontando le due tecniche sopra esposte
possiamo rilevare come la tecnica Joint Clustering,
che permette generalmente una migliore accuratezza nella determinazione della localizzazione del
dispositivo client rispetto alla tecnica Incremental
Triangulation, esegue però un numero di operazioni più elevate.
La scelta tra le due tecniche sarà quindi effettuata in base a ciò che risulta necessario in sede di
progetto:
O
se l’accuratezza della localizzazione risulta
più importante rispetto alla complessità
computazionale, allora si sceglierà la tecnica
Joint Clustering; (questa è utilizzata dal sistema commerciale da noi utilizzato, EKAHAU
Positioning Engine [9]);
O
al contrario, se il fattore chiave risulta la
complessità computazionale richiesta allora
si preferirà la tecnica Incremental
Triangulation.
PROBLEMATICHE DELLA LOCALZAZIONE IN AMBIENTI INDOOR
Le variabili che influenzano la localizzazione,
rendendola complessa, sono svariate.
Ogni ambiente possiede delle caratteristiche
che lo rendono unico [10], in vista di ciò le problematiche più usuali che vengono riscontrate
nella realtà sono riportate nella seguente Figura 1.
1 La “location” rappresenta un “punto” dell’area da monitorare in
cui vengono registrate le intensità dei segnali inviati dagli access
point al dispositivo client.
2 Il “cluster” rappresenta un insieme di location che posseggono
simili proprietà.
3 Regola di BAYES: P(L|O) = P(O|L) P(L)/P(O)
· P(O|L) è la probabilità condizionata di ottenere
l’osservazione O nella location L
· P(L) probabilità della locazione L
· P(O) probabilità dell’osservazione O
La Comunicazione - numero unico 2004
Figura 1: fenomeni che condizionano le tecniche di localizzazione
55
NOTE
Roberto Stomeo, Giovanni Cortese, Fabrizio Davide, Davide Dardari, Andrea Conti, Oreste Andrisano
- NUMERO DI ACCESS POINT: rappresenta il numero di access point che sono rilevaticontemporaneamente dal dispositivo client
nel luogo in cui è localizzato;
- VELOCITÀ UTENTE: rappresenta la velocità con cui si muove il dispositivo client
(utente) durante il suo spostamento nell’area da monitorare (m/sec);
- INTERVALLO DI SCANSIONE: indical’intervallo di tempo di lettura del sistema dei
valori di RSSI durante la fase di rilevazione
del dispositivo;
- DENSITÀ DI CALIBRAZIONE: rappresenta la risoluzione dei punti di misura (sample
point) che vengono registrati nell’area di
interesse durante la fase di calibrazione (fase
off-line);
- CONDIZIONI AMBIENTALI: indica la
“condizione” in cui avviene la localizzazione
che può variare con la presenza di altri utenti nell’ambiente, specificamente la presenza
e/o spostamento delle persone nell'area da
monitorare, l’apertura o chiusura di porte e
finestre, ed altro.
Tutti questi parametri influiscono in maniera
rilevante e differente sull’accuratezza della localizzazione.
Mentre le prime quattro variabili possono essere controllate, la quinta (condizioni ambientali) risulta del tutto casuale e quindi di difficile controllabilità in quanto l’ambiente viene continuamente
modificato dalla presenza dell’uomo e dai suoi spostamenti; risulta, quindi, questa la variabile che più
influisce sull’errore commesso dal sistema nella
localizzazione dell’utente.
I segnali che vengono inviati dagli access point
hanno una frequenza di 2,4 GHz e quindi una lunghezza d’onda di 12,5 cm. La presenza del corpo
umano interferisce con la propagazione del segnale radio che raggiunge il dispositivo client variandone l’intensità e determinando un errore nel
sistema di localizzazione che fornisce una errata
posizione dell’utente.
In più questo stato di imprevedibilità delle condizioni operative dell’ambiente influenzano anche
la stabilità delle altre quattro variabili (numero di
access point, velocità utente, intervallo di scansione,
densità di calibrazione) che dovranno essere rielaborate.
Nel seguito del lavoro si cercherà di rilevare
56
sperimentando, in varie condizione ambientali,
come le variabili sopra indicate alterano l’accuratezza della localizzazione.
TEST EFFETTUATI IN AMBIENTE
INDOOR AD USO UFFICIO
Ekahau Positioning Engine (EPE) è il sistema
software che è stato utilizzato per eseguire la localizzazione in un ambiente indoor.
La tecnica implementata da Ekahau Positioning
Engine, prevede la localizzazione di un dispositivo
mobile dotato di un’interfaccia di comunicazione
IEEE 802.11b in funzione dell’intensità dei segnali
(RSSI) ad esso inviati periodicamente dagli access
point.
Un vantaggio nell’utilizzo di questo sistema è
che non necessita di hardware aggiuntivo per il suo
utilizzo.
L’EPE è progettato per essere usato in un
ambiente coperto da una Wireless LAN. Utilizza
una tecnica di tipo Client-Server: il dispositivo
mobile (Client) rileva le intensità dei segnali emessi dagli access point e li trasmette ad un dispositivo di rete fisso (server di localizzazione). Questo,
ricevuti i dati dal dispositivo, utilizzando la Mappa
Radio che ha in memoria, determina mediante l’algoritmo di localizzazione la posizione dell’utente.
Per testare e valutare come il numero di access
point, la velocità utente, l’intervallo di scansione e la
densità di calibrazione influiscono sull’accuratezza
della localizzazione al variare delle condizioni
ambientali si è scelto un ambiente indoor ad uso
ufficio come visualizzato in Figura 2.
Figura 2: ambiente indoor considerato per le misure.
La Comunicazione - numero unico 2004
(IMPROVING EFFECTIVENESS OF RADIO MAPS FOR LOCALIZATION OF MOBILE TERMINALS USING WIRELESS LAN IEEE 802.11B)
Si può osservare che l’ambiente monitorato
(24,5 x 21,5 metri) è ad un solo livello, quindi per
la determinazione della posizione sono sufficienti
solo due coordinate (localizzazione 2D).
L’ambiente è costituito da una serie di uffici che
si affacciano tramite delle porte su un corridoio
comune. Al centro, tra le due schiere di uffici, sono
presenti delle scale e degli ascensori che comunicano con i diversi piani dell’edificio.
La prima serie di test è stata condotta utilizzando mappe radio generate in condizioni nominali, cioè senza nessuna persona presente nell’area da
monitorare.
I singoli test avevano lo scopo di misurare l’effetto della variazione di uno dei parametri di
Figura 1 sulla precisione della localizzazione, in
condizioni analoghe a quelle di generazione della
mappa radio (nominali).
Successivamente, usando la medesima mappa
radio sono stati ripetuti i test con la presenza di
dieci persone (in una area di 70 mq circa) che si
muovevano in maniera del tutto casuale nell’area
monitorata.
I risultati dei test sono riportati in forma grafica nel seguito (Fig. 3, 4 e 5). I test sono stati condotti utilizzando 4 Access Point quando non menzionato altrimenti.
Nella Figura 3 viene visualizzato come la precisione di localizzazione varia rispetto alla distanza
tra i campioni (densità di calibrazione) registrati
nella mappa radio e rispetto al numero di persone
presenti durante la fase on-line.
Come ci si aspettava la precisione migliora utilizzando un numero di campioni maggiore.
L’effetto del numero di access point sull’errore
medio di localizzazione è mostrato in Figura 4
considerando la presenza o meno di persone nell’ambiente.
Si può notare come l’impatto sulle prestazioni
di un elevato numero di access point risulti significativo sebbene comporti un aumento del costo
complessivo della rete.
In generale, la visibilità di 3-4 access point è sufficiente per ottenere prestazioni accettabili.
La Figura 5 mostra come la precisione di localizzazione non sia particolarmente influenzata dalla
velocità dell’utente.
L’intervallo di scansione, come ipotizzabile
anche in modo intuitivo, non influisce sulla accuratezza.
In generale, la presenza di persone influisce in
La Comunicazione - numero unico 2004
NOTE
COSTRUZIONE DI MAPPE RADIO PER LA LOCALIZZAZIONE DI TERMINALI BASATA SU WIRELESS LAN IEEE 802.11B
Figura 3: errore medio al variare della densità di
calibrazione e del numero di persone.
Figura 4: errore medio al variare del numero di access point,
con 10 persone nell’ ambiente.
Figura 5: errore medio per diverse velocità dell’utente.
57
NOTE
Roberto Stomeo, Giovanni Cortese, Fabrizio Davide, Davide Dardari, Andrea Conti, Oreste Andrisano
modo negativo e significativo sulla precisione a
causa delle fluttuazioni di segnale generate rispetto alle condizioni nominali a cui la mappa radio fa
riferimento.
ANALISI DEI RISULTATI
Utilizzando, quindi, una infrastruttura di rete
IEEE 802.11b ed il sistema software Ekahau
Positioning Engine, abbiamo realizzato un sistema di
localizzazione che ci ha permesso di valutare e stimare le varie problematiche affrontate durante la
localizzazione dell’utente in un ambiente indoor ad
uso ufficio.
Dai risultati dei test descritti nel precedente
capitolo si evince che:
- il numero di access point
- l’intervallo di scansione
- la densità di calibrazione,
- la velocità dell’utente
- le condizioni ambientali
influenzano la precisione della localizzazione del
dispositivo client nel seguente modo:
N°
Access Point
Errore Medio
[m]
Nominali
1
2.600
Nominali
2
1.850
Nominali
3
0.900
Nominali
4
0.625
Non nominali
1
4.000
Non nominali
2
2.825
Non nominali
3
2.425
Non nominali
4
2.225
Condizioni
Ambientali
Velocità
spostamento
utente [m/s]
Errore Medio
[m]
Condizioni
Ambientali
Sample Point
[al metro]
Errore Medio
[m]
Nominali
0
0.625
Nominali
1
0.800
Nominali
0.5
1.600
Nominali
3
0.625
Nominali
1
1.200
Nominali
5
2.325
Nominali
1.5
1.100
Non nominali
1
2.250
Nominali
2
1.500
Non nominali
3
2.225
Non nominali
0
2.225
Non nominali
5
3.575
Non nominali
0.5
2.700
Non nominali
1
2.400
Non nominali
1.5
2.500
Non nominali
1.5
2.700
Dai risultati delle tabelle sopra esposte si evince che per generare una buona mappa radio, al fine
di ottenere una localizzazione più accurata, bisognerebbe utilizzare un numero di access point maggiore di tre, un intervallo di scansione pari a 2000 ms
come buon compromesso per un accettabile
tempo di risposta del sistema4, una densità di calibrazione pari a 3 metri ed una velocità di spostamento utente pari 1,5 m/s.
58
Condizioni
Ambientali
4 Questo parametro è prevalentemente determinato dalle prestazioni del sistema software di localizzazione
La Comunicazione - numero unico 2004
(IMPROVING EFFECTIVENESS OF RADIO MAPS FOR LOCALIZATION OF MOBILE TERMINALS USING WIRELESS LAN IEEE 802.11B)
Per quanto riguarda le condizioni ambientali
abbiamo valutato e determinato che questo parametro è il più importante, ma nello stesso tempo
è il meno gestibile, per la localizzazione dell’utente, in quanto risulta di difficile controllabilità. Dai
test descritti, infatti, la condizione ambientale,
risulta fondamentale per la generazione della
mappa radio.
Tutte le mappe radio, considerate nel corso dei
test effettuati, sono state generate in condizioni
nominali, senza alcuna persona presente nell’area
di interesse, ed i risultati prodotti sono stati soddisfacenti quando, durante la fase di rilevazione del
dispositivo, le condizioni ambientali rimanevano
invariate.
Diversamente, quando si è considerata una
mappa radio generata in condizioni nominali (fase
off-line), e testata (fase on-line) in condizioni non
nominali, in presenza, cioè, di persone che si muovevano in maniera del tutto casuale nell’area monitorata, la valutazione della localizzazione risultava
imprecisa con un errore maggiore di 2 metri.
Nell’ultima serie di test, abbiamo eseguito la
localizzazione in condizioni ambientali non nominali (rispettivamente con 10, 20 e 30 persone presenti nell’ambiente), utilizzando questa volta
mappe radio generate nelle medesime condizioni.
Queste analisi hanno dimostrato che la precisione della localizzazione risultava migliorata del
50% rispetto ai test, documentati nelle Figure 3, 4
e 5, in cui la localizzazione veniva effettuata con
mappe radio generate in condizioni nominali.
Questo insieme di test, seppur preliminare,
indica che per far diminuire l’errore durante la
localizzazione bisogna generare la mappa radio
nelle medesime condizioni ambientali in cui avviene
la fase di rilevazione del dispositivo client; pertanto, in presenza di persone nell’area di interesse,
per ottenere una buona stima della localizzazione,
la mappa radio deve essere opportunamente
modificata. Il limite di tale sistema di localizzazione
è rappresentato dalla condizione di utilizzo del
sistema stesso che ne altera le performance.
La Comunicazione - numero unico 2004
NOTE
COSTRUZIONE DI MAPPE RADIO PER LA LOCALIZZAZIONE DI TERMINALI BASATA SU WIRELESS LAN IEEE 802.11B
SVILUPPI FUTURI:
CONTEXT-AWARE MAPS
Per superare questo limite si può pensare,
durante la fase di localizzazione dell’utente, di creare una mappatura dinamica (Dynamic Mapping).
La mappatura dinamica consiste nel generare, in
fase off-line, una molteplicità di mappe radio in
diverse condizioni ambientali in modo che tutte
concorrano ad una accuratezza migliorata nella
localizzazione del dispositivo client.
L’approccio individuato prevede l’utilizzo di una
infrastruttura di gestione dati di contesto per
determinare in tempo reale le condizioni ambientali (ad esempio, il numero di persone presenti nell’area da monitorare, il loro orientamento, lo stato
di apertura/chiusura delle porte, ecc.) e, basandosi
su queste informazioni, scegliere la mappa radio
più idonea da utilizzare per la localizzazione dell’utente.
In questa ottica ci si aspetta di ottenere un
buon livello d’accuratezza nella localizzazione
anche al variare delle condizioni ambientali, sempre
aleatorie in un ambiente indoor ad uso ufficio.
Ciò presuppone l’integrazione del servizio di
localizzazione all’interno di una infrastruttura
applicativa ‘context aware’.
Esistono un certo numero di lavori in quest’area, fra i quali quello svolto all’interno del progetto VICom.
Una alternativa interessante in corso di studio
consiste nell’affidare il compito della localizzazione
a reti neuronali di tipo SOM (Self-organizing maps)
in grado di apprendere e adattarsi ai cambiamenti
presenti nell’ambiente [11].
La creazione delle Mappe di Potenza è in ogni
caso un processo lento e costoso, per questo
motivo sono state proposte diverse soluzioni
basate su modelli di propagazione e multi-laterazione [12,13]. L’attività descritta è in corso di progettazione all’interno del progetto VICom.
59
NOTE
Roberto Stomeo, Giovanni Cortese, Fabrizio Davide, Davide Dardari, Andrea Conti, Oreste Andrisano
Bibliografia
1. Daniel L. Lough,T. Keith Blankenship, Kevin J.
Krizman “A Short Tutorial on Wireless LANs and IEEE
802.11” Blacksburg,Virginia.
2. Progetto VICOM, www.vicom-project.it
3. R. Want, A. Hopper, V. Falco, and J. Gibbons.
The Active Badge Location System. ACM
Transactions on Information Systems, 10(1):91– 102,
January 1992.
4. A. Ward, A. Jones, A. Hopper, A new location
technique for the active office. IEEE Personal
Communication Magazine, Vol. 4, No. 5, October
1997, pp. 42-47.
5. N. B. Priyantha,A. K. L. Mui, H. Balakrishnan, S.
J.Teller, The Cricket Compass for context-aware mobile applications. In Proceedings of the 7th Annual
ACM International Conference on Mobile
Computing and Networking (MobiCom 2001),
pages 1-14, July 2001.
6. P. Bahl and V. N. Padmanabhan. RADAR:An InBuilding RF-based User Location and Tracking
System. In IEEE Infocom 2000, volume 2, pages
775–784, March 2000.
7. Paramvir Bahl and Venkata N. Padmanabhan
60
“A Software System for Locating Mobile Users: Design,
Evaluation, and Lessons” Microsoft Research
University of California at San Diego.
8. Moustafa A.Youssef,Ashok Agrawala,A. Udaya
Shankar, Sam H.Noh “A Probabilistic Clustering-Based
Indoor Location Determination System” University of
Maryland, 22 March 2002 http://www.cs.umd.edu/
9. “Guide for Achieving Better Positioning
Accuracy” http://www.ekahau.com/.
10. Moustafa A.Youssef, Ashok Agrawala “SmallScale Compensation for WLAN Location Determination
Systems”
University
of
Maryland
http://www.cs.umd.edu/.
11. Tesi di Laurea Specialistica “Reti Neuronali
applicate ai sistemi di localizzazione radio”, M.C.
Gramellini, Relatore: Prof. Davide Dardari,
Dicembre 2004, Università degli Studi di Bologna.
12. J. Hightower, G. Borriello, “Location systems
for ubiquitous computing”, IEEE Computer, Vol. 34,
no. 8, Aug, 2001.
13. D.Dardari, A. Conti, “A Sub-Optimal
Hierarchical Maximum Likelihood Algorithm for
Collaborative Localization in Ad-Hoc Networks”, First
IEEE International Conference on Sensor and Ad
hoc Communications and Networks, SECON
2004, Santa Clara, CA, Oct. 2-4, 2004.
La Comunicazione - numero unico 2004