Proposta de técnica de localização interna para dispositivos móveis utilizando redes locais sem fio

Abstract

Atualmente as redes locais sem fio (WLANs) em ambientes internos estão presentes na maioria dos prédios públicos. Estas redes, além da sua função principal, podem ser utilizadas para localização de pessoas e objetos, salientando que nestes ambientes não é adequada a utilização do sinal de GPS para esta finalidade. Diversos estudos e pesquisas nesta área têm sido realizados. Serviços baseados na localização interna possuem inúmeras aplicações nas áreas de segurança, médica, monitoramento, navegação, auxílio a deficientes, gerenciamento de pessoas, entre outras e hoje já movimentam um mercado de US$1 Bilhão. Com a proliferação da Internet das Coisas (IoT), estes valores serão ainda maiores. Os sistemas de localização interna utilizam tecnologias como Ultrassom, Infravermelho, RFID, Bluetooth e WLAN, variando conforme a precisão, exatidão, custo, velocidade de resposta, infraestrutura e aplicação. O presente trabalho propõe uma técnica de localização interna que utiliza a intensidade do sinal recebido (RSS — Received Signal Strength) das redes WLAN presentes como medida para localização. Na técnica proposta, é feito inicialmente um mapeamento das intensidades dos sinais da WLANs existentes. Estes valores são classificados através de um Algoritmo de Agrupamento (clustering) e, posteriormente, são aplicados, a cada agrupamento, algoritmos de regressão para o cálculo da localização. Associada a estas técnicas são aplicados filtros visando minimizar as variações do sinal medido decorrentes de interferências do meio. Esta técnica não necessita de grandes esforços de calibração nem alterações na estrutura existente, apenas utilizando a rede WLAN já instalada, obtendo assim uma precisão compatível com aplicações de localização de pessoas e objetos e auxílio em navegação em ambientes internos. Na implementação e testes da técnica proposta, foi empregado o processador Edison da Intel para a coleta das intensidades dos sinais — RSS e como plataforma de servidor foi utilizada a estrutura de nuvem da Microsoft através do Azure-Studio Machine Learning, apropriada para a análise e predição de dados da técnica utilizada. As medições para composição dos conjuntos de testes e validação foram realizadas no prédio do Centro de Informática da UFPE, demonstrando que apesar do baixo esforço de calibração, sem alteração da estrutura existente, atendem aos requisitos necessários. Resultados preliminares mostram que 60% das amostras estavam com erro inferior a 5 metros.