Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...
Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...
Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Bei Time-of-Arrival (TOA) wird die Ankunftszeit von Signalen in einem mobilen Gerät<br />
gemessen um die Entfernung zum Access Point zu bestimmen. Um dieses Verfahren zu<br />
verbessern basiert TOA auf dem Vergleich der Ankunftszeiten von mehr als drei Access<br />
Points. Diese Methode ist präziser als RSSI, jedoch müssen die Uhren der Access Points<br />
hier sehr präzise aufeinander abgestimmt sein.<br />
Die Angle-of-Arrival (AOA) Methode bezieht den Winkel, mit dem das Signal beim<br />
Gerät ankommt, in die Standortbestimmung mit ein. Ein Gerät muss hierzu einen Sensor<br />
haben, der bei Ankunft eines Signals dessen Richtung feststellen kann. Es ist möglich<br />
die Position eines Gerätes zu bestimmen, wenn man die Signal-Ausrichtung von zwei<br />
Access Points misst. Diese Methode ist zwar robuster als die Analyse der Signalstärke,<br />
braucht aber spezielle Sensorik und ist damit nicht ohne weiteres von bereits existierenden<br />
Geräten nutzbar.<br />
Ähnlich wie AOA bezieht Angle-of-Emission (AOE) den Winkel des Signals mit ein. Jedoch<br />
geht es hier um den Winkel aus dem heraus das Signal gesendet wird. Der Vorteil gegenüber<br />
AOA ist, dass das Endgerät selbst keine Richtungsmessung vornehmen muss. Jedoch<br />
muss die sendende Basisstation hierbei auch über eine gerichtete Antenne verfügen.<br />
Kawauchi und Rekimoto (2009) stellen in ihrer Arbeit ein auf AOE basierendes System<br />
vor, mit dem sie gerichtete W-Lan Signale mit einer sich rotierenden Antenne senden. Die<br />
Antenne sendet mit jedem Signal ihren aktuellen Winkel mit. Somit braucht das Endgerät<br />
keine besonderen Messungen machen, und bekommt den Winkel mit dem eingetroffenen<br />
Signal übermittelt. Zudem fließt in ihr System, welches sie direct beaconing nennen auch<br />
die Signalstärke mittels RSSI ein, die das System zusätzlich stabilisieren soll [KKR09].<br />
In der Arbeit von Bolliger et al. (2009) wird versucht den Standort eines Gerätes mittels<br />
eines Fingerabdruckes der umliegenden W-Lan-Signale zu ermitteln [PBL09]. Ein Punkt<br />
im Raum hat zu seinen umliegenden Access Points ein eindeutiges Empfangsmuster. Dieses<br />
Muster spiegelt sich in den Access Points und deren Signalstärke zu dem Punkt wieder<br />
und wird als Fingerabdruck bezeichnet wie in Abbildung 4 zu sehen. Der Fingerabdruck<br />
ist also eine Kombination aus der Menge der Access Points und deren Empfangsstärken,<br />
die an diesem Punkt eindeutig sind. Ändert sich die Position des Gerätes, ändern sich auch<br />
die Entfernungen zu den Access Points und somit auch die zu messenden Signalstärken.<br />
Der Nachteil dieses Verfahrens ist, dass Fingerabdrücke erst <strong>für</strong> jeden Ort erzeugt werden<br />
müssen, damit diese Muster später wieder den Orten zugewiesen werden können.<br />
Da die Signalstärke von Objekten im Raum beeinflusst wird, muss bei jeder räumlichen<br />
Veränderung neu gemessen werden. Der zweite Schritt ist, den Daten Bedeutung zu geben.<br />
Hier soll ein Fingerabdruck mit der Position, an dem er gemessen wurde gelabelt werden.<br />
In ihrer Arbeit führen Bolliger et al. (2009) das adaPtive Indoor Localization System<br />
(PILS) ein [PBL09]. Es soll das Labeln eines Fingerabdrucks über Endnutzer ermöglichen.<br />
Angenommen ein Benutzer bewegt sich in einer Umgebung die vermessen werden soll.<br />
Anstatt bewusst an einen Punkt zu gehen und diesen zu messen, beschreiben die Forscher<br />
das asynchrone Intervall-Labeln. Dieses funktioniert wie folgt:<br />
Ein Nutzer, der sich in einem zu vermessenden Gebiet befindet, wird erst später die Bereiche<br />
labeln an denen er sich aufgehalten hat (asynchron). Das System misst dazu einen<br />
Fingerabdruck immer nur dann, wenn sich der Nutzer <strong>für</strong> einen gewissen Zeitraum an<br />
einem Punkt aufgehalten hat (Intervall). Somit ist die Fehlerquote beim Labeln geringer,<br />
da sich ein Nutzer nicht an einen genauen Zeitpunkt sondern an einen längeren Zeitraum