Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...

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