Indoor-Positionierung mittels Smartphone - Lehrstuhl für Mobile und ...

Indoor-Positionierung mittels Smartphone
Alexander Oschatz
Seminar: Trends in mobilen und verteilten Systemen
Sommersemester 2011
Lehrstuhl für Mobile und Verteilte Systeme
Institut für Informatik
Ludwig-Maximilians-Universität München
Abstract: Diese Arbeit befasst sich mit Indoor-Positionierungssystemen und deren
Relevanz sowie der technischen Ausstattung von Smartphones und darauf aufbauenden
Ansätzen zur Standortbestimmung innerhalb von Gebäuden. Ausgehend von einer
Klassifizierung der Infrastruktur in vorhanden, neu zu implementieren und nicht vorhanden
wird für jede Klasse ein Ansatz zur Standortbestimmung innerhalb von Gebäuden
vorgestellt. Dabei werden die Ansätze WLAN-basiertes Location Fingerprinting,
QR-Codes in Verbindung mit Dead Reckoning sowie Bild-basierte Positionierung mittels
Smartphone-Kamera untersucht. Jeder Ansatz wird zunächst erläutert, im nächsten
Schritt einer SWOT-Analyse unterzogen, dann daraus sinnvolle Einsatzgebiete
abgeleitet und durch Ausbaustufen weiter entwickelt. Nach Analyse der untersuchten
Ansätze steht fest, dass derzeit ein einziges Verfahren zur Standortbestimmung
innerhalb von Gebäuden nicht ausreicht. Das optimale Positionierungssystem ist eine
hybride Lösung, welche die Stärken unterschiedlicher Ansätze kombiniert und im
selben Zuge die Schwächen der Ansätze ausgleicht. Zudem ist es kontext-sensitiv und
nutzt am aktuellen Standort alle ihm zur Verfügung stehenden Messwerte oder Kalibrierungsmöglichkeiten,
um eine Standortbestimmung durchzuführen. Den Abschluss
der Arbeit bildet eine Zusammenfassung der erläuterten Verfahren und ein Ausblick
zur Verwendung von Augmented Reality bei der Standortbestimmung innerhalb von
Gebäuden.
Keywords: wireless indoor positioning, indoor positioning system, ips, wlan, 802.11,
location fingerprinting, qr code, accelerometer, digital compass, smartphone, camera,
infrastructure, nearest neighbor, dead reckoning, swot, einsatzgebiete

1 Aufbau der Arbeit
Diese Arbeit befasst sich mit der Smartphone-gestützten Standortbestimmung innerhalb
von Gebäuden. Der Aufbau der Arbeit gliedert sich in sieben Abschnitte: Im Abschnitt
Motivation wird darauf eingegangen, welche Bedeutung Smartphones heutzutage haben
und warum Indoor-Positionierung eine Vielzahl potentieller Einsatzgebiete eröffnet. Des
Weiteren wird erläutert, warum Smartphones aufgrund ihrer Hardware-Ausstattung zur
Standortbestimmung innerhalb von Gebäuden genutzt werden können.
Im darauf folgenden Abschnitt Was ist Indoor-Positionierung wird der Begriff Indoor-
Positionierung definiert und im anschließenden Abschnitt Notwendigkeit dedizierter Verfahren
zur Indoor-Positionierung erklärt, warum nicht auf etablierte Verfahren der Outdoor-Positionierung
zurückgegriffen werden kann.
Danach werden in Abschnitt Klassifizierung von Indoor-basierten Verfahren ausgehend
von der (nicht) vorhandenen Infrastruktur drei Klassen vorgestellt, auf deren Basis die
Ansätze zur Indoor-Positionierung unterschieden werden können.
Im anschließenden Abschnitt Ausgewählte Indoor-Positionierungsverfahren im Detail
wird für jede der drei Klassen ein Ansatz vorgestellt. Die Klassen und Ansätze sind:
Tabelle 1: Klassifizierung Indoor-basierter Positionierungsverfahren mit je einem Ansatz zur
Erläuterung.
Klasse Ansatz
Vorhandene Infrastruktur WLAN-basiertes Location Fingerprinting
Neue Infrastruktur QR-Codes in Kombination mit Dead Reckoning
Keine Infrastruktur Bild-basierte Lokalisierung mittels Smartphone-Kamera
Für jeden Ansatz erfolgt eine Nennung der genutzten Technologie bzw. Instrumente, eine
Erläuterung der Funktionsweise, eine Nennung der erzielten Ergebnisse und eine SWOT-
Analyse. Auf Grundlage der Analyseergebnisse und der Berücksichtigung existierender
Ausbaustufen werden sinnvolle Einsatzgebiete vorgeschlagen.
Den Abschluss der Arbeit bilden eine Zusammenfassung der vorgestellten Ansätze mit
Ergebnisdarstellung, abgeleitet von der Analyse der Ansätze neue Anforderungen an ein
optimales Positionierungssystem sowie ein Ausblick auf zukünftige Entwicklungen im Bereich
Indoor-Positionierung durch Nutzung von Augmented Reality.

2 Motivation
Mit dem Verkaufsstart der ersten iPhone-Generation im Juni 2007 [App11] in den USA
legte Apple den Grundstein für den Durchbruch einer neuen Klasse mobiler Endgeräte -
den Smartphones.
Derzeit gibt es keine genaue Definition, was ein Smartphone ist. Zum besseren Verständnis
dieses Begriffs kann aber festgehalten werden, dass ein Smartphone die Weiterentwicklung
eines klassischen Mobilfunk-Handys ist. Die bekannten Kommunikationsmöglichkeiten
wie Telefonieren und Kurzmitteilungen versenden bleiben dabei erhalten, die Verwendungsmöglichkeiten
werden aber durch zusätzliche Hardware-Ressourcen und Multimedia-Funktionalitäten
sowie darauf abgestimmter Software erweitert.
Durch die Kombination der verbauten Hardware in Form von Touchscreen-Display, GPS-
Empfänger, WLAN-Modul, digitaler Kompass und Beschleunigungssensor mit einer auf
das Smartphone abgestimmten Kartenanwendung eignen sich diese mobilen Endgeräte
sehr gut zur Standortbestimmung und Navigation.
Außerhalb von Gebäuden ist dies bereits durch etablierte Systeme, die auf das Global Positioning
System (GPS) aufsetzen, sehr gut möglich und ausreichend optimiert. Neben Navigationsanwendung
für Autofahrer, Fahrradfahrer und Fußgänger etablieren sich mit der
Zeit auch Angebote, die den Location-based Services (LBS) - den ortsbezogenen Diensten
- zuzuordnen sind. Dabei wird dem Smartphone-Besitzer auf Basis seiner aktuellen Position
standortbezogene Werbung oder hilfreiche Informationen präsentiert, die ihn zum Kauf
einer Ware oder in seiner aktuellen Lage weiter helfen sollen. Ein häufiges Werbemittel
sind dabei Coupons, die in der nächstgelegnen Verkaufsstelle des Anbieters eingelöst
werden können. Ebenfalls häufig eingesetzt sind Richtungs- und Entfernungsangaben zur
nächsten Verkaufsstelle, sodass der Smartphone-Nutzer dort hin navigieren kann.
Für den Außeneinsatz basierend auf GPS ist die Methodik zur Standortbestimmung mit
einer ausreichenden Genauigkeit bei einem Stand angelangt, der keiner weiteren Optimierung
bedarf. Im Gegensatz dazu sind Positionierungssysteme für den Indoor-Bereich noch
nicht ausreichend erforscht.
Aufgrund der verbauten Hardware und als ständiger Begleiter sind Smartphones das ideale
Werkzeug, sie ebenfalls zur Standortbestimmung innerhalb von Gebäuden zu nutzen. Besonderen
Mehrwert würden Lokalisierungs- und Navigationsdienste in unregelmäßig besuchten
und/oder weitläufigen Gebäuden bieten. Dies wären z.B. Museen, Krankenhäuser,
Einkaufszentren, Messen oder Hochschulgebäude und Flughäfen.
In diesen Gebäuden könnte mit Hilfe von Smartphones eine weitaus bessere Navigationsmöglichkeit
geboten werden, als dies mit Standorttafeln oder Info-Points möglich
wäre. Smartphone-Besitzer könnten direkt zu ihrem Ziel navigieren, ohne Zeit und Aufwand
in die Orientierung oder das Erfragen von Navigationsinformationen zu investieren.
Ein darüber hinaus sehr interessantes Einsatzgebiet für Vermarkter wären Location-based
Services zur Vermarktung lokal vorrätiger Produkte in Einkaufshallen oder Flughäfen. Die
Menschen dort warten oftmals oder kaufen ein und befinden sich in einer Stimmungslage,
in der sie bereit sind Geld auszugeben. Smartphones mit der Möglichkeit zur Standortbe-

stimmung und Navigation stellen somit ein ideales Vermarktungswerkzeug zum Abverkauf
lokaler Waren dar.
2.1 Relevanz
Smartphones sind beliebt bei Verbrauchern und die Absatzzahlen steigen rasant. Dies belegen
aktuelle Zahlen des Marktforschungsinstituts Gartner. Nach Angabe der Analysten
machten Smartphones im 1. Quartal 2011 bereits einen Anteil von 23,6% der weltweiten
Absatzzahlen mobiler Endgeräte aus. Dieser Trend soll sich nach Expertenmeinungen in
den kommenden Jahren weiter verstärken. Aktuell beträgt die jährliche Wachstumsrate im
Smartphone-Segment 85%. [Gar11]
In Anbetracht der Marktforschungsergebnisse ist davon auszugehen, dass Smartphones als
Kommunikationsmittel und persönlicher Assistent weiterhin starke Verbreitung finden und
sie neben Portemonnaie und Schlüsselbund zu den Gegenständen des täglichen Lebens
gehören, die wir jederzeit bei uns tragen. Diesbezüglich bin ich davon überzeugt, dass
in ferner Zukunft die beiden letztgenannten durch ein Smartphone substituiert werden.
[Loc11] [Goo11b]
Durch die stark zunehmende Verbreitung von Smartphones eröffnen sich neue Möglichkeiten
auf dem Gebiet der Indoor-Positionierung. Denkbar wäre zum Beispiel der Einsatz
eines Smartphones zum Auffinden von Personen bzw. Gerätschaften in einem Krankenhaus,
zum Auffinden eines Geschäfts im Einkaufszentrum oder eines Meetingraumes in
einem weitläufigen Bürogebäude. Ein Smartphone könnte also überall dort genutzt werden,
wo der eigene Standort und/oder der Standort des gesuchten Ziels nicht bekannt ist
und man dort hingeführt werden muss.
2.2 Technische Ausstattung zur Standortbestimmung
Die zuvor erwähnte Möglichkeit zur Standortbestimmung ist bei Smartphone-Besitzern
eine häufig genutzte Funktionalität. Dies ist aufgrund der Vielfalt an verbauter Kommunikationshardware
und Sensorik möglich. Im Folgenden eine Auflistung der gängigsten
Hardware-Komponenten, die in einem Smartphone verbaut sind. Die erste Auflistung
nennt Komponenten, die mit Hilfe von Funkfrequenzen - im Englischen auch als RF-based
(Radio Frequency-based) bezeichnet - eine Standortbestimmung ermöglichen:
• GPS-Empfänger,
• 3G-Empfänger- und -Sender,
• Bluetooth,
• WLAN-Empfänger und -Sender.

Darüber hinaus ist in Smartphones Sensorik - im Englischen als IMU (Intertial Measurement
Unit) bezeichnet - verbaut und kann ebenfalls zur Standortbestimmung eingesetzt
werden. Beispiele dafür sind:
• Digitaler Kompass,
• 3-Achsen-Gyrosensor,
• Beschleunigungssensor,
• Umgebungslichtsensor,
• Kamera.
Aufgrund der Vielzahl an verbauten Komponenten eignen sich Smartphones für viele Einsatzzwecke,
darunter auch die bereits erwähnten Karten- und Navigationsanwendungen.
Eine Auswahl existierender Verfahren zur Bestimmung der Position eines Endgerätes sollen
im späteren Verlauf dieser Arbeit näher untersucht werden. Der Fokus wird dabei auf
Ansätze gelegt, die die Smartphone-Hardware und entsprechende Algorithmen zur Positionierung
innerhalb eines Gebäudes verwenden.

3 Was ist Indoor-Positionierung?
Smartphones eignen sich aufgrund ihrer technischen Ausstattung und dem Umstand, dass
wir sie ständig bei uns tragen, sehr gut um sie für Lokalisierungszwecke zu nutzen. Im
nächsten Schritt wird daher eine Begriffserklärung vorgestellt. Es soll erläutert werden,
was der Begriff Indoor-Positionierung bedeutet und was dabei zu beachten ist.
Unter dem Begriff Standortbestimmung - auch als Verortung oder Lokalisierung bezeichnet
- versteht man die Ermittlung des Standorts relativ zu einem Bezugspunkt.
(vgl. [wik11b]) Insgesamt bedarf es der folgenden fünf Komponenten zur Standortbestimmung
[LPKW11]:
• eine Infrastruktur,
• ein deskriptives oder räumliches Referenzsystem mit fixen Referenzpunkten,
• ein oder mehrere Parameter, die durch Messung ermittelt werden,
• ein Algorithmus zur Berechnung des Standorts sowie
• Protokolle und Nachrichten zur Koordinierung des Standortermittlungsprozesses.
Das Referenzsystem mit Referenzpunkten sowie die zu messenden Parameter leiten sich
dabei aus der Infrastruktur ab. Ein dedizierter Algorithmus berechnet den Standort auf
Grundlage des Referenzsystems und der Messwerte, die sich in Abhängigkeit von den
Referenzpunkten ergeben. Befindet sich der Nutzer außerhalb der Reichweite eines fixen
Referenzpunktes bzw. soll eine Navigationsmöglichkeit über mehrere Referenzpunkte
hinweg geboten werden, so muss der Prozess zur Standortbestimmung koordiniert werden,
um den Smartphone-Besitzer an unterschiedlichen Standorten bzw. Referenzpunkten
lokalisieren zu können. (vgl. [wik11a], [LPKW11])
Im Folgenden wird Standortbestimmung als Standort eines Smartphones verstanden, der
nur einem Näherungswert und nicht dem exakten Standort entspricht. Die Standortbestimmung
wird durch Messung von Parametern in Abhängigkeit von fixen Referenzpunkten,
z.B. in Form von Geräten wie WLAN Access Points, durchgeführt und diese Messwerte
mit dem Datenbestand im Referenzsystem abgeglichen. Eine genauere Bestimmung des
Standorts wird unter Zuhilfenahme der in Smartphones verbauten Sensorik, z.B. in Form
eines digitalen Kompass und Beschleunigungssensor, erreicht.
Abschließend zur Begriffsbestimmung soll darauf hingewiesen werden, dass bis dato der
Begriff Standortbestimmung als Verortung im Freien - also mit Hilfe von GPS - assoziiert
wird. Das liegt darin begründet, dass die Verfahren zur Echtzeit-Lokalisierung außerhalb
von Gebäuden soweit fortgeschritten sind, dass die eingesetzten Systeme und Methoden
bereits seit dem 11.06.2008 nach ISO 19762-5 standardisiert sind. [fS]
Mit der Einführung von GPS-basierten Navigationsgeräten, für die Smartphones mit GPS-
Empfänger und derselben Funktionalität bereits eine Bedrohung darstellen, ist die Möglichkeit
zur Standortbestimmung im Freien unlängst Normalität geworden. Anders sieht
es im Indoor-Bereich aus. Warum es für dieses Anwendungsgebiet noch keine standardisierten
Verfahren gibt, wird im nächsten Abschnitt erläutert.

4 Notwendigkeit dedizierter Verfahren zur Indoor-Positionierung
Nach derzeitigem Stand (Juni 2011) gibt es noch keine standardisierten Verfahren zur
Standortbestimmung innerhalb von Gebäuden. Echtzeit-Lokalisierungsverfahren, die außerhalb
eines Gebäudes praktikabel eingesetzt werden können und nur das Medium Luft
überwinden müssen, stoßen innerhalb von Gebäuden auf nahezu unüberwindbare Grenzen.
So zum Beispiel wird das im Außenbereich vielgenutzte GPS-Signal innerhalb eines
Gebäudes je nach Beschaffenheit der Wände um den Faktor 100 oder mehr gedämpft
[ETZ05] und hat demzufolge eine zu geringe Qualität, um daraus eine annähernd genaue
Position zu berechnen. In Gebäuden mit Kellern oder ohne Fenster ist aufgrund der
völligen Abschottung und fehlenden Sichtverbindung (englisch: line of sight) gar kein
GPS-Empfang möglich.
Abbildung 1 verdeutlicht die Problematik der Dämpfung des GPS-Signals in Abhängigkeit
vom Material:
Abbildung 1: Dämpfung des GPS-Signals bei verschiedenen Materialien. [Wil11]
Die Abbildung zeigt, dass das GPS-Signal in Bürogebäuden und Räumlichkeiten unter der
Erde praktisch nicht nutzbar ist, weil das GPS-Signal in Abhängigkeit vom zu durchdringenden
Material gegebenenfalls so stark gedämpft wird, dass eine Nutzung zur Standortbestimmung
nicht mehr möglich ist.
Daher muss in überdachten oder unter der Erdoberfläche befindlichen Gebäuden wie Krankenhäusern,
Tiefgaragen, Flughäfen oder Einkaufszentren ein Ansatz verwendet werden,
der die lokal zur Verfügung stehende Infrastruktur nutzt oder auf die Hardware-basierenden
Möglichkeiten eines Smartphones zur Standortbestimmung des selbigen zurückgreift.

Es existieren Ansätze, die sich mit dieser Problematik befassen und Smartphone-Hardware
sowie Algorithmen verwenden, die eine annähernd genaue Standortbestimmung innerhalb
eines Gebäudes ermöglichen. Diese Ansätze lassen sich aufgrund ihres Einsatzszenarios
verschiedenen Klassen zuordnen, die im Folgenden vorgestellt werden. Auf Basis der
Klassifizierung wird dann ein exemplarischer Ansatz pro Klasse erläutert.

5 Klassifizierung von Indoor-basierten Verfahren
Die folgende Unterteilung bezieht sich auf den Aspekt der vorhandenen bzw. nicht vorhandenen
Infrastruktur, da dieser Umstand eine essenzielle Voraussetzung zur Nutzung
eines bestimmten Positionierungsverfahrens ist. Wie in der Definition des Begriffs Standortbestimmung
bereits erwähnt wird, muss zur Verortung eines Objekts oder einer Person
immer ein Bezugspunkt vorhanden sein. Welche Form der Bezugspunkt in der jeweiligen
Infrastruktur-Klasse hat, wird in der Beschreibung der einzelnen Ansätze erläutert.
Indoor-basierte Verfahren zur Standortbestimmung lassen sich daher in folgende drei Klassen
gliedern [Wie10]:
Vorhandene Infrastuktur
Die Komponenten einer Infrastruktur sind bereits installiert und funktionieren. Ein gängiges
Beispiel sind WLAN-Netze mit vielen Access Points in Bürogebäuden. Die Standortbestimmung
ist verhältnismäßig ungenau und es sind nur Näherungswerte, da es kein
dediziertes System zur Standortbestimmung ist. Die Genauigkeit des Systems - die nach
Untersuchungen von Grossmann et al im Bereich von 2 bis 3m liegt [GSH07] - wird von
vielen Faktoren beeinflusst, wie z.B. der Struktur des Gebäudes, der Beschaffenheit der
Wände, durch geschlossene oder geöffnete Türen, der Luftfeuchtigkeit und/oder der Anwesenheit
von Menschen [CChC + 05] sowie Reflexionen des Signals. Letztlich also allem,
was bei der Ausbreitung des WLAN-Signals eine Abschwächung der Signalstärke verursacht.
Neue Infrastuktur
Bei dieser Klasse wird eine neue Infrastruktur inklusive dedizierter Hardware und Sensorik
aufgebaut und konfiguriert. Die Möglichkeit zur Standortbestimmung eines Endgerätes
ist nur in diesem Gebäude möglich. Dafür ist aufgrund der extra für diesen Zweck verbauten
Technik und speziellen Algorithmen eine sehr genaue Standortbestimmung möglich
- bei bestimmten Verfahren sogar Punktgenau wie beim später vorgestellten Ansatz, bei
dem QR-Codes eingesetzt werden. Da jedoch neue Hardware angeschafft, aufgebaut, eingerichtet
und gewartet werden muss, ist diese Variante meist sehr kostspielig, besonders
in großen Gebäuden.
Keine Infrastuktur
Bei dieser Variante kann auf eine Infrastruktur verzichtet werden und es wird lediglich
auf die im Smartphone verbaute Sensorik zurückgegriffen. Aus diesem Grund können
die Verfahren dieser Klasse auf sämtliche Gebäude angewandt werden. Das System bestimmt
die Position des mobilen Endgerätes ausgehend von einem bekannten Startpunkt
und nutzt dabei Smartphone-interne Sensorik wie Beschleunigungssensor oder digitaler
Kompass zur Bestimmung der neuen Position. Dieses Verfahren wird auch Koppelnavigation
genannt und bezeichnet ein Verfahren zur Standortbestimmung eines Objekts durch
Berücksichtigung der Messgrößen Bewegungsrichtung, Geschwindigkeit und Zeit. Die
Bewegungsrichtung sowie die Zeit können durch Smartphone-interne Messinstrumente
wie Kompass und Stoppuhr einfach gemessen werden. Dieses Verfahren ist die günstigste
Variante, produziert aber über den zeitlichen Verlauf gesehen wachsende Ungenauigkeiten.

Das liegt darin begründet, dass im Vergleich zu einem Verfahren mit gegebener Infrastruktur
keine Fixpunkte vorhanden sind, an denen die Position des Endgerätes neu kalibriert
werden kann.
Im Folgenden wird eine Auswahl an Verfahren vorgestellt, die in Smartphone verbaute
Kommunikationshardware und Sensorik nutzen, um eine möglichst genaue Standortbestimmung
auf Basis einer vorhandenen, neu zu implementierenden oder nicht vorhandenen
Infrastruktur durchzuführen.

6 Ausgewählte Indoor-Positionierungsverfahren im Detail
Aufgrund der Tatsache, dass bis zum heutigen Zeitpunkt (Stand: Juni 2011) noch kein
standardisiertes Verfahren zur Standortbestimmung innerhalb von Gebäuden definiert ist,
wird im Folgenden für jede der drei Klassen (vorhandene Infrastruktur, neue Infrastruktur,
keine Infrastruktur) ein Lösungsansatz vorgestellt.
Dabei werden am Ende eines jeden Ansatzes Ausbaustufen erläutert, die auf dem erläuterten
Ansatz aufsetzen. Dabei ist das Ziel, durch Kombination verschiedener Verfahren die
Stärken der Verfahren noch weiter auszureizen, die Schwächen noch weiter zu minimieren
und letztlich den Positionierungsfehler so gering wie möglich zu halten.
6.1 Location Fingerprinting
6.1.1 Klasse
Vorhandene Infrastruktur
6.1.2 Technologie / Instrumente
802.11 (WLAN)
6.1.3 Funktionsweise
Beim Location Fingerprinting erfolgt die Standortbestimmung durch den Abgleich der gemessenen
Empfangsfeldstärken - im Englischen Received Signal Strength (RSS) genannt
- mit vorher gemessen und in einer sogenannten Radio Map festgehaltenen Empfangsfeldstärken
der umliegenden Access Points. [HPALP09] Die Radio Map ist eine Datenbank,
in der die im Voraus mit einem mobilen Terminal gemessenen RSS-Werte gemessen
und verknüpft mit dem zum Messzeitpunkt fixen Standort des Mobile Terminal gespeichert
werden.
Beim Location Fingerprinting existieren verschiedene Methoden zur Standortbestimmung
mittels WLAN-Signalstärke. Dabei wird zwischen probabilistischen und deterministischen
Methoden unterschieden. Das Horus-System von Youssef und Agrawala zur WLANge-stützten
Standortbestimmung basiert auf einem probabilistischen Ansatz. [YA05] Im
Folgenden wird ein deterministischer Ansatz - die Nearest Neighbor Signal Strength Method
- in Kombination mit einer Radio Map erläutert.
Bei einer Positionierungsanfrage scannt das Smartphone die Empfangsfeldstärken zu den
umliegenden Access Points an seiner aktuellen Position und im Anschluss werden diese
Werte mit denen aus der Radio Map abgeglichen. Bei diesem Prozess werden die erfassten
Werte an das Lokalisierungssystem gesendet. Diese werden dann mit den in der
Radio Map gespeicherten Werten und zugehörigen Positionseinträgen abgeglichen und

die gespeicherten Koordinaten des nächstliegenden Datenbankwert als aktuelle Position
zurückgeliefert. [Küp05] Diese Methode wird auch als Nearest Neighbor Signal Strength
Method bezeichnet. [BP00]
Der Lokalisierungsprozess gliedert sich in zwei Phasen:
1. Offline-Phase,
2. Online-Phase.
Während der Offline-Phase wird das zu vermessende Stockwerk mit Hilfe des Gebäudeplans
in Zellen unterteilt.
Abbildung 2: Stockwerksplan eines Gebäudes unterteilt in Zellen. [HPALP09]
Im Anschluss werden die RSS-Werte der Access Points an einer festgelegten Position für
eine bestimmte Zeitspanne gemessen und kombiniert mit den Standortkoordinaten in der
Radio Map als Referenzpunkt gespeichert. Auf diese Weise wird ein sogenannter Fingerprint
erstellt. Dieser enthält folgende Informationen:
• 2D-Standortkoordinaten in der Form x, y und
• eine Liste an Parametern mit aufgezeichneten bzw. gemessenen Werten, wie z.B.
die BSSID (Basic Service Set Identifier), die empfangene Signalstärke (RSS - Radio
Signal Strength) und die Orientierung mittels digitalem Kompass.

Eine Möglichkeit zur Beschreibung der i-ten Zelle einer Radio Map geben Honkavirta et
al. [HPALP09] Ihnen zufolge ist das i-te Element der Radio Map definiert durch (vgl. (1)):
Mi =
⎛
⎞
⎜
⎟
⎝Bi, {�aij|j ∈ Ni}, θi⎠
,
� �� �
Ri∈R
i = 1, ..., M, (1)
wobei Bi für die i-te Zelle steht, dessen Zentrum pi der i-te Kalibrierungspunkt ist. Vektor
�aij enthält die RSS-Werte, die vom Acces Point APj gemessen wurden und sein k-tes
Element wird mit a k ij angegeben. Der Parameter θi enthält zusätzliche Informationen, die
während der Phase der Standortbestimmung nützlich sein können. Dies könnte z.B. die
Orientierung (Nord, Süd, West, Ost) des mobilen Messgerätes, respektive die Orientierung
der Antenne sein. [HPALP09]
Während der Online-Phase misst das mobile Endgerät am zu lokalisierenden Standort verschiedene
Parameter, wie z.B. die empfangene Signalstärke (RSS). Die gemessenen Werte
werden mit denen aus der Datenbank abgeglichen und per Nearest Neighbor-Berechnung
wird der Fingerprint bestimmt, der mit seinen gespeicherten RSS-Werten am nähesten
zum gemessenen Datensatz liegt. Die Standortkoordinaten dieses Fingerprints werden
zurückgegeben und somit die aktuelle Position näherungsweise bestimmt. [LSDR08]
[KKHE06]
Abbildung 3 veranschaulicht den Ablauf der beiden Phasen, wobei Bereich A die Offlinebzw.
Trainingsphase und Bereich B die Online- bzw. Lokalisierungsphase darstellt:
Abbildung 3: Ablauf des Location Fingerprinting in den Phasen A (Offline- bzw. Trainingsphase)
und B (Online- bzw. Lokalisiserungsphase). [LSDR08]

6.1.4 Ergebnisse
Honkavirta et al konnten durch Anwenden verschiedener Filter-Algorithmen auf ihre gesammelten
Datensätze herausfinden, dass der Position Kalman-Filter mit einer Genauigkeitsabweichung
von 3,8m die beste Performanz zeigt. [HPALP09] In diesem Zusammenhang
schafften es Martin et al in ihren Untersuchungen mit einer selbst entwickelten
Smartphone-Applikation auf Android-Basis eine Genauigkeit von 1,5m zu erreichen.
[MVFB10] Des Weiteren bestätigten die Tests von Honkavirta et al, dass eine Kalibrierungszeit
über 10 Sekunden in keiner relevanten Verbesserung der Position resultiert. Dabei
ist jedoch hervorzuheben, dass das Rotieren (der Antenne) der Mobile Unit (MU)
während der Messphase die Standortbestimmung positiv beeinflusst. Weiterhin konnten
Honkavirta et al feststellen, dass es ab einer Anzahl von 5 Access Points keine deutliche
Verbesserung in der Genauigkeit der Standortbestimmung des Endgerätes gibt.
[HPALP09]
6.1.5 SWOT-Analyse
Eine Analyse und Gegenüberstellung von Stärken und Schwächen sowie Chancen und
Bedrohungen soll helfen, die Vor- bzw. Nachteile eines Systems festzustellen und davon
ausgehend das bestmögliche Einsatzgebiet abzuleiten.
Stärken
Der auf dem WLAN-Standard 802.11 aufbauende Ansatz des Location Fingerprinting
setzt auf einer bestehenden Infrastruktur auf und nutzt die in Smartphones bereits vorhandene
Hardware zur Standortbestimmung. Kosten entstehen daher nur bei der Anschaffung
und Konfiguration des Lokalisierungssystems - also dem Server mit Datenbank - sowie
dessen Wartung.
Die Radio Map ist ausgelagert, daher zentral verfügbar und wird nicht lokal auf dem Endgerät
gespeichert. Daher muss sie nur zentral gepflegt werden. Traffic entsteht nur bei
einer Positionsanfrage und es werden nur die benötigten Daten der aktuellen Umgebung
heruntergeladen. [Küp05]
Location Fingerprinting ist sehr vielversprechend in Bezug auf Genauigkeit, sofern ausreichend
Access Points zur Verfügung stehen [Küp05]. Die mittlere Fehler-Genauigkeit
des von Microsoft entwickelten RADAR-Systems beträgt 2 bis 3 Meter bei Einhaltung
verschiedener Parameter. Dies wären unter anderem ein ausreichend großer Datensatz mit
40 oder mehr Einträgen, die Anzahl gleichzeitig sichtbarer Access Points mit einer Mindestanzahl
von 3 oder der Beschaffenheit der Wände. [BP00] [HPALP09].
Schwächen
Das System funktioniert nur bei vorhandener WLAN-Infrastruktur und dem Vorhandensein
von mindestens 3 Access Points. Bevor es genutzt werden kann, müssen in einer
Vorbereitungsphase Messungen durchgeführt werden, um die Radio Map zu erstellen. Die
Radio Map ist auf einem zentralen System gespeichert. Das bedeutet, dass immer eine Verbindung
zwischen Smartphone und System z.B. per WLAN- oder Mobilfunk-Schnittstelle
bestehen muss, um Daten auszutauschen. Dabei ist anzumerken, dass eine Mobilfunkver-

indung in Gebäuden nicht immer vorausgesetzt werden kann.
Bei der ständigen Suche nach Access Points wird viel Energie verbraucht und der Batterieladestand
verringert sich in vergleichsweise kurzer Zeit merklich.
Zur Nutzung des Systems muss für das jeweilige Smartphone-Betriebssystem eine Applikation
entwickelt und zur Verfügung gestellt werden.
Das System ist zudem stark abhängig von den inneren Gegebenheiten eines Gebäudes,
wie z.B. der Beschaffenheit der Wände, temporär offenen und geschlossenen Türen sowie
dem Personenaufkommen. Die Problematik des Personenaufkommens hat folgenden
Hintergrund: 2,4 Ghz - also die Frequenz auf der der WLAN-Standard basiert - ist die
Frequenz, die Wasser-Moleküle zum Schwingen bringt. Der menschliche Körper besteht
zu über 70% aus Wasser, sodass unser Körper die sich ausbreitenden Funkwellen absorbiert
und sie nachdem sie unseren Körper durchdrungen haben, ihre Signalstärke durch
Energieabgabe an die Wassermoleküle verringert ist. Durch die gesunkene Signalstärke
vermindert sich folglich die Qualität des Signals zur Standortbestimmung.
Chancen
Der WLAN-Standard erfreut sich wachsender Beliebtheit und Durchdringung in unserem
täglichen Leben. Sei es im Beruf, in der Stadt oder zu Hause. WLAN ist an immer mehr
Orten verfügbar. Durch die steigende Anzahl an Access Points und der weiteren Optimierung
existierender Algorithmen steigt die Genauigkeit, mit der ein Standort angegeben
werden kann.
Die Problematik der inneren Gegebenheiten eines Gebäudes sowie des Personenaufkommens
kann entgegengewirkt werden, indem bei der Erfassung als auch bei der Bestimmung
der Empfangsfeldstärke zur Standortbestimmung das mobile Endgerät rotiert und Messwerte
aus verschiedenen Himmelsrichtung aufgenommen werden. Somit wird vermieden,
dass sich zwischen der Antenne und einem Access Point ein Mensch befindet, der die
direkte Sichtlinie verdeckt und durch die Energieaufnahme in seinem Körper das ausgetrahlte
Signal abschwächt. [KKHE06]
Das Problem der Erstellung einer Applikation pro Smartphone-Betriebssystem kann umgangen
werden, indem ein offener Ansatz gewählt wird. Dies kann durch Programmierung
einer mobilen Website und Nutzung freigegebener APIs erreicht werden, um Messdaten
aus dem Smartphone auszulesen und an das Lokalisierungssystem zu übertragen.
Gefahren
Als Gefahr können Ansätze gesehen werden, die nicht auf einer bestehenden Infrastruktur
aufsetzen und bei weiterer Optimierung der Sensorik und Algorithmen als unabhängige
Systeme funktionieren.
Eine weitaus größere Gefahr geht allerdings vom Ansatz der Power Level Adaption bei
modernen Access Points aus. Dabei passen die Access Points in Abhängigkeit zu den vorhandenen
Endgeräten ihre Signalstärke an. Somit ändern sich die empfangenen RSS-Werte
auf Seiten der Endgeräte und ein Abgleich mit den fixen RSS-Werten aus der Radio Map
würde zur Rückgabe falscher Koordinaten führen und demzufolge eine falsche Positionierung
erfolgen.

6.1.6 Ausbaustufe
Eine Ausbaustufe dieses Verfahrens bieten King et al, die zusätzlich zur empfangenen
Signalstärke die Orientierung des Endgeräts mittels digitalem Kompass mit in die Standortbestimmung
einfließen lassen. Dabei erfassen sie während der Offline-Phase pro Kalibrierungspunkt
für ausgewählte Orientierungen (Nord, Süd, Ost, West) die empfangenen
Signalstärken der Access Points und nutzen diese Datensätze zur Speicherung von
Orientierungs-basierten Signalstärken. Diese Werte werden ebenfalls in der Radio Map gespeichert
und erhöhen die Genauigkeit bei der Standortbestimmung während der Online-
Phase. Dabei werden bei Standortbestimmung nur berechnete Werte berücksichtigt, die
mit der Ausrichtung des Smartphones übereinstimmen. [KKHE06] Abbildung 4 visualisiert
den Ansatz.
Abbildung 4: Optimierung des WLAN-basierten Ansatzes durch Berücksichtigung der Ausrichtung
des Smartphones mittels digitalem Kompass. [KKHE06]
In der Abbildung werden 8 Messpunkte dargestellt mit jeweils 8 gemessenen Signalstärken.
Der schwarze Punkt symbolisert einen Nutzer mit Smartphone und dessen Orientierung.
Aufgrund der Orientierung werden bei der Berechnung der Position nur gemessene
Signalstärken berücksichtigt, die eine ähnliche Orientierung aufweisen. Somit kann eine
Standortbestimmung durchgeführt werden, die einen genaueren Näherungswert zurück
liefert. Mit diesem Ansatz wurde ein mittlerer Positionierungsfehler von weniger als 1,65m
erreicht. [KKHE06]
Chintalapudi et al gehen dabei noch einen Schritt weiter und haben ein System entwickelt,
bei der keine aufwändige Offline-Phase notwendig ist. Ihr EZ-System nutzt ebenfalls die
vorhandene WLAN-Infrastruktur, allerdings entfällt die Trainingsphase. Als Grundlage
für ihr System müssen drei Aspekte erfüllt sein: 1) genügend Access Points innerhalb
des Gebäudes 2) Nutzer besitzen ein Smartphone mit WLAN-Funktionalität und 3) der
Startpunkt muss absolut sein, z.B. durch eine exakte Standortbestimmung via GPS vor
Betreten des Gebäudes oder an Fenstern. [CIP10]
Das EZ-System funktioniert, indem die Nutzer sitzen, stehen oder sich bewegen. Jedes
Smartphone nimmt in den unterschiedlichen Situationen die gemessenen Signalstärken
der Access Points der näheren Umgebung auf und sendet diese Daten kombiniert mit
dem fixen Lokalisierungspunkt zu einem zentralen Server. Der Server nutzt die eintref-

fenden Daten um zum Einen die gegebene Infrastruktur zu erlernen und zum Anderen
eine Standortbestimmung der einzelnen Nutzer durchzuführen. Mit diesem Ansatz erreichten
Chintalapudi et al bei ihren Experimenten einen mittleren Positionierungsfehler
von 2m. [CIP10] Ihr System zeichnet sich daher als neues, konfigurationsloses Indoor-
Positionierungsverfahren aus, das auf eine bestehende Infrastruktur aufsetzt und keine aktive
Nutzerbeteiligung sowie keine Offline-Phase zur Erstellung einer Radio Map benötigt.
Das EZ-System lernt ständig durch das Sammeln von Daten der ruhenden oder sich bewegenden
Smartphones.
6.1.7 Einsatzgebiet
Aufgrund der analysierten Eigenschaften sowie Vor- und Nachteile eignen sich WLANbasierte
Ortungssysteme für Gebäude mit gut ausgebauter WLAN-Infrastruktur. Dies wären
zum Beispiel Bürogebäude oder Hochschulen. Ebenfalls gut geeignet wären Messen
oder Kongresse, auf denen heutzutage ebenfalls ein ausgeprägtes WLAN-Netz vorzufinden
ist.
Ein zukünftiges und für ortsbezogene Werbung sehr attraktives Einsatzgebiet wären Einkaufszentren
oder -passagen, die mit einer gut ausgebauten WLAN-Infrastruktur den Weg
zum gesuchten Geschäft zeigen könnten. Abhängig von der aktuellen Position des Smartphone-Besitzers
könnten ihm Angebote der in Laufweite befindlichen Geschäfte präsentiert
werden, die er dann mittels Mobile Coupon vergünstigt kaufen kann.

6.2 QR-Codes in Kombination mit Dead Reckoning
6.2.1 Klasse
Neue Infrastruktur
6.2.2 Technologie / Insturmente
QR-Code, Smartphone-Kamera, Beschleunigungssensor, Dead Reckoning
6.2.3 Funktionsweise
Dieser Ansatz basiert auf der Platzierung von QR-Codes an zentralen Stellen innerhalb
eines Gebäudes. QR-Codes sind eine Entwicklung der japanischen Firma Denso Wave
[Wav11] aus dem Jahre 1994. Ein QR-Code ist ein 2-dimensionaler Strichcode, der kodierte
Informationen enthält. Die Informationen sind als schwarze und weiße Punkte abgebildet
und repräsentieren die binäre Darstellung der kodierten Informationen. Die Ausrichtung
wird durch eine spezielle Markierung in einer der drei Ecken vorgegeben. Abbildung
5 zeigt solch einen QR-Code und die Textinformation, die darin eingebettet ist.
Abbildung 5: Beispielhafte Abbildung eines QR-Code mit Klartext (links) und kodiertem Inhalt
(rechts). [wik11c]
In QR-Codes können vielfältige Informationen eingebettet werden, wie z.B. eine Telefonnummer,
eine Web-Adresse oder auch Positionsangaben in Form von X- und Y-Koordinaten
in einem 2D-Gitter. Über dieses Gitter kann im nächsten Schritt der Stockwerksplan
eines Gebäudes gelegt werden.
Zur Entschlüsselung eines QR-Codes gibt es im jeweiligen App Store der etablierten
Smartphone-Plattformen iOS von Apple und Android von Google mehrere kostenlose Applikationen.
Smartphone-Besitzer müssten sich eine dieser Applikationen - die gängigerweise
nur wenige MB groß sind - herunterladen und installieren. Danach können die so

genannten Reader in Kombination mit den Stockwerksplänen eines Gebäudes dazu genutzt
werden, eine Standortbestimmung durchzuführen und die aktuelle Position des Nutzers
auf dem Stockwerksplan anzuzeigen. Die Entwicklung einer eigenen App, die die
Reader-Funktionalität sowie die Stockwerkspläne eines Gebäudes enthält oder dynamisch
von einem Server nachlädt wäre von Vorteil. Bei dieser Kombination wären beide Ressourcen
in einer App gebündelt. Eine existierende Open-Source-Lösung für Android-basierte
Geräte ist z.B. ZXing [Goo11a]. [Gub10]
Essentielle Voraussetzung wären dabei [SCM10]:
Hardware
• Smartphone,
• Verbaute Kamera,
• Verbauter Beschleunigungssensor,
• Verbauter digitaler Kompass.
Konnektivität
• Internetzugang via Mobilfunk.
Zur Standortbestimmung kodieren Serra2010 et al eine URL kombiniert mit Standortkoordinaten
in einen QR-Code. Eine Smartphone-Applikation dekodiert diesen Code und lädt
anhand der URL eine Vektor-basierte Stockwerkskarte eines Gebäudes von einem dedizierten
Server herunter. Da die URL auch die Standortkoordinaten enthält, kann die aktuelle
Position - die mit der Position des platzierten QR-Codes auf der Karte übereinstimmt
- punktgenau angezeigt werden. [SCM10] Abbildung 6 zeigt den Vorgang des Scannens.
Abbildung 6: Beispielhaftes Scannen eines QR-Codes zum Download des Stockwerks- bzw.
Gebäudeplans und zur Bestimmung der aktuellen Position. [SCM10]

Hat der Nutzer mit Hilfe seines Smarthpones und einem gescannten QR-Code seine aktuelle
Position ermittelt, kann im nächsten Schritt ein als Dead Reckoning bezeichnetes
Verfahren dazu genutzt werden, den weiteren Weg und damit den nächsten Standort eines
Nutzers zu berechnen. [Gub10] Beim Dead Reckoning - das auch als Koppelnavigation
bezeichnet wird (siehe Abschnitt Klassifizierung von Indoor-basierten Verfahren: keine
Infrastruktur) - erfolgt die Berechnung einer Position mit Hilfe der gemessenen Werte
verschiedener Smartphone-Sensoren, wie z.B. dem Beschleunigungssensor und dem digitalen
Kompass.
Serra et al definieren Dead Reckoning als Prozess zur annähernden Bestimmung der aktuellen
Position eines Nutzers basierend auf einer zuvor bekannten fixen Position und die
Berechnung der nächsten Positionspunkte durch gemessene Werte kombiniert mit einer
Orientierungsrichtung und einer angenommenen Geschwindigkeit über einen gewissen
Zeitraum hinweg.
Der Beschleunigungssensor liefert dabei bei Überschreitung eines bestimmten Schwellwertes
die Daten, ob ein Schritt gemacht wurde. Ein Schritt wird dabei als Paar bestehend
aus aufeinanderfolgenden negativen und positiven Spitzen in den Beschleunigungswerten
interpretiert. Der digitale Kompass wird dazu genutzt, die Orientierungsrichtung zu
bestimmen. [SCM10]
Aus der Kombination der drei Messwerte 1) aktuelle Position per QR-Code 2) zurückgelegte
Strecke (gemessene Schritte) definiert per Beschleunigungssensor und 3) Richtungsbestimmung
per digitalem Kompass kann die zurückgelegte Strecke sowie der neue
Standort des Nutzers bestimmt werden. [Gub10] Ein großes Problem ist dabei die Kalibrierung
des Beschleunigungssensors und damit einhergehend die Festlegung des Schwellwertes,
ab wann entschieden wird, dass der Nutzer einen Schritt gemacht hat. Hierin liegt
eine große Fehlerquelle des Algorithmus, wobei sich der verschleppte Fehler im Laufe der
Zeit verstärkt und einen immer größeren Positionierungsfehler zur Folge hat.
Eine Maßnahme, um diesem Fehler entgegenzuwirken ist Map Matching. [Gub10] Bei
diesem Verfahren - bekannt von GPS-basierten Navigationssystemen in PKWs - nutzt der
Positionierungsalgorithmus die gegebenen Karteninformationen und korrigiert die berechnete
Strecke bzw. Position. Würde sich das bewegende Objekt aufgrund der berechneten
Werte neben der eigentlichen Straße befinden, korrigiert der Algorithmus diese Position.
Ein Beispiel dafür ist die Standortbestimmung eines fahrenden Autos im Tunnel, wobei
eine errechnete Position neben der Straße keinen Sinn machen würde. Selbiges Prinzip
könnte auch in Gebäuden angewandt werden, wobei Wände die Begrenzungen des Weges
bzw. eines Raumes vorgeben und eine errechnete Position hinter einer Wand durch den
Algorithmus korrigiert werden kann. Des Weiteren könnten gerade Strecken entlang eines
Ganges als Metadaten zur Unterstützung des Positionierungsalgorithmus implementiert
werden.
6.2.4 Ergebnisse
Serra et al halten fest, dass zu aller erst eine Kalibrierung des Kompass notwendig ist. Das
liegt daran, dass der digitale Kompass in Abhängigkeit von seiner Qualität und Position

im Endgerät sowie von lokalen elektromagnetischen Interferenzen eine Ungenauigkeit von
maximal 5 Grad aufweisen kann. Der Schrittzähler basierend auf dem Beschleunigungssensor
wurde mit unterschiedlichen Personen (Geschlecht und physische Unterschiede)
getestet. Es wurden 20 Testläufe durchgeführt und jeder hatte einen Umfang von 40 Schritten.
Der ermittelte Positionierungsfehler lag bei 3,8%, also 1,52 Schritten. Dieses Verfahren
zur Standortbestimmung eignet sich nach Aussage der Autoren nur für kurze Strecken
mit einer Distanz von weniger als 100m. Nach dieser Distanz müsste erneut ein QR-Code
gescannt werden, um eine Re-Kalibrierung der aktuellen Position durchzuführen.
6.2.5 SWOT-Analyse
Stärken
Dieses System hat vergleichsweise geringe Kosten, da nur Aufwände bei der Beschaffung
und Konfiguration des Systems entstehen. Die Kosten zur Erstellung und Verteilung der
QR-Codes sind ebenfalls als sehr gering anzusehen. Die dazu passenden Endgeräte haben
die Nutzer selbst und müssten sich lediglich eine Applikation installieren.
Die Standortbestimmung ist zum Zeitpunkt des Scannens des QR-Codes sehr genau und
kann beim nächsten QR-Code neu kalibriert werden. Bei vorausgesetztem Wissen zur Bedeutung
eines QR-Codes, kann das System schnell erfasst und sofort genutzt werden -
vergleichbar mit der Aufnahme eines Fotos via Smartphone.
Die Vorteile aufgrund der zentralen Datenhaltung sind ähnlich denen des WLAN-basierten
Ansatz, da das System zentral gepflegt wird.
Schwächen
Wie beim Location Fingerprinting-Ansatz muss vor Bereitstellung des Systems eine Vorbereitungsphase
durchgeführt werden, bei der die QR-Codes erstellt und verteilt werden
und das System installiert sowie mit Daten bzw. dem Kartenmaterial befüllt wird.
Als große Schwachstelle ist bei diesem Ansatz der Beschleunigungssensor zu sehen.
Hauptproblem ist die Kalibrierung des Sensors zur Unterscheidung, ab welchen Messwerten
zwischen einem Schritt oder keinem Schritt unterschieden wird. Die Dynamik der
menschlichen Fortbewegung ist aktuell noch nicht vollständig erfassbar. Die Schritterkennung
ist daher noch nicht ausgereift genug und über die Zeit hinweg vergrößert sich der
Fehler und die Standortbestimmung wird immer ungenauer. Daher eignet sich dieser Ansatz
nach Serra et al nur für kurze Strecken mit einer Distanz von unter 100m bis zum
nächsten Kalibrierungspunkt.
Eine weitere Schwäche des Systems ist die (Un-)Bekanntheit des QR-Codes. Jüngere
Zielgruppen mit Smartphone-Erfahrung können vermutlich eher damit etwas anfangen,
bei älteren Anwendern wird vermutlich der Bekanntheitsgrad der QR-Code-Technologie
weitaus geringer ausfallen.
Eine weitere Schwachstelle sind die Lichtverhältnisse am Ort des QR-Codes. Besitzt das
Smartphone keinen lichtstarken Blitz oder ist der Fotosensor in seiner Auflösung zu ungenau,
kann der QR-Code nicht erfasst werden.

Chancen
Die Chancen dieses Ansatzes hängen stark von der Weiterentwicklung der Algorithmen
zur Schritterkennung ab, da diese Komponente bisher den größten Fehler bei der Berechnung
der Position verursacht. Zur Unterstützung des Systems müssen weitere Messwerte
bzw. Korrekturverfahren genutzt werden, um den entstehenden Fehler zu korrigieren - so
zum Beispiel der Map Matching-Ansatz.
Gefahren
Eine große Gefahr ist die Akzeptanz der Nutzer. Zum Einen aufgrund der Unbekanntheit
der QR-Code-Technologie, zum Anderen aufgrund des Aufwands, der zur Nutzung des
Systems betrieben werden muss. Die Nutzer müssen sich eine Applikation installieren, an
den Kalibrierungspunkten eine Verbindung zum Datenbankserver aufbauen und ggf. die
Schwellwerte zur Schritterkennung in der Applikation definieren.
6.2.6 Ausbaustufe
Eine Optimierung des Algorithmus sowie damit einhergehende Verringerung des verschleppten
Positionierungsfehlers schlagen Abdulrahim et al vor. Sie nutzen die Ausrichtung
eines Gebäudes - analysierbar anhand von Luftbildern bzw. Satellitenkarten, die auch
beim Google Maps-Dienst genutzt werden - zur Korrektur bzw. Vorgabe der Orientierungsrichtung.
Die Ausrichtung des Gebäudes wird dabei unter Berücksichtigung der 4
Haupthimmelsrichtungen der Karte in Kombination mit Algorithmen zur Kanten- bzw.
Außenfassadenerkennung des Gebäudes bestimmt (Abbildung 7). Die Ausrichtung des
Gebäudes muss nur einmal bestimmt werden und kann als fixer Datensatz in einer Datenbank
hinterlegt werden, der nur einmal auf das Smartphone heruntergeladen werden muss.
[AHMH11]
Abbildung 7: Draufsicht des Queens Medical Centre der Nottingham University mit errechneter
Ausrichtung. [AHMH11]

Bei einem Test in einem Krankenhaus konnten Abdulrahim et al nachweisen, dass dieser
Ansatz bei einer zurückgelegten Strecke von 2700m innerhalb von 40 Minuten einen
Positionierungsfehler von 0,1% - im Test ca. 2,3m - aufweist. Start- und Zielpunkt waren
gleich, um den Positionierungsfehler möglichst genau bestimmen zu können. [AHMH11]
Dieses Verfahren kann ähnlich dem Map Matching-Ansatz zur Korrektur des zurückgelegten
Weges bzw. Bestimmung der neuen Position genutzt werden und eine noch genauere
Lokalisierung ermöglichen.
6.2.7 Einsatzgebiet
Aufgrund der Beschaffenheit des Systems bieten sich Gebäude ohne WLAN-Infrastruktur
an. Dies sind z.B. Einkaufszentren- oder Passagen, in denen die QR-Codes an zentralen
Punkten zur Orientierung und späteren Navigation angebracht werden können. Analog
dem Ansatz von Abdulrahim et al bietet sich ein Einsatz in Krankenhäusern an bzw. in
solchen Gebäuden, in denen aufgrund der dortigen sensiblen Technik, der Einsatz von
WLAN-basierten Ansätzen nicht möglich ist. Ebenso denkbar ist ein Einsatz in Gebäuden,
die aufgrund der dortigen Sicherheitsstufe keine WLAN-Infrastruktur zulassen. Denkbar
wäre ebenfalls der Einsatz in Museen oder Ausstellungen.

6.3 Bild-basierte Indoor-Positionierung
6.3.1 Klasse
Keine Infrastruktur
6.3.2 Technologie / Instrumente
Bilderkennungsalgorithmus, Kamera
6.3.3 Funktionsweise
Der folgende Ansatz basiert auf zwei Phasen: zum Einen der Erstellung einer Bilddatenbank
mit gespeicherten Bildinformationen und zugeordneter Positionsangabe, zum Anderen
aus einer Anfrage und dem Abgleich eines aufgenommenen Fotos mit den Daten aus
der Datenbank. Den Aufbau des Systems mit einer Anfrage per mobilem Endgerät und
dem ablaufenden Prozess zum Bildvergleich sowie der Standortbestimmung zeigt Abbildung
8.
Abbildung 8: Schematischer Ablauf der Bildverarbeitung während der Vorbereitungsphase (1. Phase,
linker Bildbereich) und während einer Positionierungsanfrage (2. Phase, rechter Bildbereich).
[KHYA10]
Bei der ersten Phase haben Kawaji et al mittels einer omnidirektionalen Kamera Bilder der
Räumlichkeiten innerhalb eines Gebäudes aufgenommen und einem Algorithmus unterzogen,
der markante Merkmale des Bildes extrahiert, filtert und eine für das Bild eindeutige

Prüfsumme generiert. Dieser Wert wurde dann kombiniert mit der genauen Positionsangabe
sowie der Orientierung bei der Aufnahme in einer Datenbank gespeichert. [KHYA10]
Die zweite Phase läuft wie folgt ab: ein Smartphone-Nutzer fotografiert die Szene, vor
der er sich befindet. Das Foto wird in das von Kawaji et al entwickelte System eingespeist
und im nächsten Schritt ebenfalls eine Merkmalsextraktion durchgeführt. Der dabei
entstandene Hashwert wird mit dem in der Datenbank gespeicherten Hashwert unter
Berücksichtigung einer Fehlertoleranz abgeglichen und ein Wahrscheinlichkeitswert errechnet,
ob die beiden Bilder übereinstimmen und dieselbe Szene zeigen. Stimmen die
beiden Bilder zu einem bestimmten Grad überein, wird die in der Datenbank gespeicherte
Positionsangabe an den Smartphone-Nutzer zurückgegeben und dieser sieht daraufhin die
aktuelle Position, an der er sich befindet. [KHYA10]
Abbildung 9 zeigt den Versuchsaufbau, mit dem die Bilder aufgenommen wurden.
Abbildung 9: Hardware-Aufbau der omnidirektionalen Kamera auf einem Dreibein mit Laptop und
fahrbarem Untersatz. [KHYA10]
Abbildung 10 ist eine Nahaufnahme der omnidirektionalen Kamera, die mit einem Dreibein
auf einem fahrbaren Untersatz montiert war.
6.3.4 Ergebnisse
Kawaji et al haben ihre Untersuchungen im Railway Museum in Japan durchgeführt. Die
Ausstellungsfläche beträgt 155,2m x 47,6m. Die Fotos mit einer Auflösung von 3500
x 950px wurden mit einem Abstand von jeweils 2m aufgenommen. Bei ihren Untersuchungen
anhand von 126 Testbildern konnten sie nachweisen, dass ihr System eine Erkennungsrate
von 90% aufweist und die durchschnittliche Verarbeitungszeit 2,2s beträgt.
[KHYA10]

Abbildung 10: Nahaufnahme der omnidirektionalen Kamera. [KHYA10]
6.3.5 SWOT-Analyse
Stärken
Abgesehen vom zentralen Server zur Datenhaltung ist keine Infrastruktur notwendig. Der
Bildupload kann bei nicht vorhandener WLAN-Infrastruktur auch über Mobilfunk durchgeführt
werden.
Für diesen Ansatz spricht der performante Algorithmus und die schnelle Verarbeitungszeit
bis das Lokalisierungsergebnis zur Verfügung steht. Darüber hinaus ist es ein lernendes
System, das umso besser wird, je mehr Bilder hochgeladen werden und zum Abgleich mit
dem bestehenden Datensatz zur Verfügung stehen.
Die Kosten für das System beschränken sich auf die Vorbereitungsphase - also die Erstellung
der Fotos und Befüllung der Datenbank - sowie auf die Wartungskosten.
Die Nutzerakzeptanz ist sehr hoch und die Bedienbarkeit des Systems ist sehr positiv, da
der Vorgang vergleichbar mit dem Aufnehmen eines Fotos ist.
Schwächen
Zur Nutzung des Systems muss den Anwendern eine dedizierte Applikation zur Verfügung
gestellt werden.
Die Positionierung ist abhängig von der Bildqualität der Bilder aus Vorbereitungs- und
Live-Betriebs-Phase sowie dem Algorithmus zum Abgleich der Bilder.
Zur Bestimmung der Position muss eine Verbindung zwischen Smartphone und Datenbank
hergestellt werden. Dies setzt eine WLAN-, Mobilfunk- oder anderweitig drahtlose
Verbindung voraus, wie z.B. Bluetooth.
Aus dem untersuchten Paper geht nicht hervor, wie genau die Standortbestimmung ist.
Daher bleibt die Frage offen, wie nahe oder entfernt vom fotografierten Objekt ein Smartphone-Nutzer
positioniert wird. Offen ist auch, ob das System für einfach gehaltene bzw.
uniform gestaltete Gebäude genutzt werden kann. Der Vorteil im Museum sind die stark

unterschiedlichen Objekte und deren optische Charakteristika. In Bürogebäuden mit vielen
einheitlichen Einrichtungsgegenständen würde die Unterscheidung, welches Objekt es
genau ist, wohl nicht mehr so deutlich ausfallen.
Chancen
Der Ansatz ist prinzipiell sehr interessant, da er unabhängig von anderen System funktioniert
und im Wesentlichen keine Infrastruktur benötigt. Dafür spricht ebenfalls, dass die
Bilder, die z.B. in Museen aufgenommen wurden, zur weiteren Optimierung des Algorithmus
und des Datenbestands genutzt werden können - Stichwort User-generated-Content.
Eine große Chance liegt in der Kombination mit Ansätzen, die den Beschleunigungssensor
oder digitalen Kompass nutzen, um somit nicht nur den aktuellen Aufenthaltsort sondern
auch einen Wegeverlauf zu erstellen.
Im Zuge der immer besser werdenden Smartphone-Hardware, insbesondere der Kamera,
wird dieses System auch von Seiten der Smartphone-Hersteller optimiert.
Gefahren
Die Hauptkomponente des Systems ist die Smartphone-Kamera. Daher ist die größte Gefahr
für diesen Ansatz ein Verbot der Nutzung der Smartphone-Kamera in bestimmten
Gebäuden. Des Weiteren ist eine Verbindung zum Datenbank-Server notwendig und wenn
diese Schnittstelle per WLAN angeboten wird, könnte ein WLAN-basierter Positionierungsansatz
die vorgestellte Lösung substituieren. Ebenfalls nicht nutzbar ist dieser Ansatz
in dunklen Räumen oder Fluren, da genügend Licht für ein verwertbares Foto vorhanden
sein muss. Zudem ist die Akzeptanz der Nutzer wahrscheinlich eine Gefahr. Jedes mal,
wenn sie sich verorten lassen wollen, müssen sie ein Foto machen. Daraus resultieren
längere Wartezeiten und diese werden bei mobilen Nutzern nicht akzeptiert.
Ebenfalls nicht zu vernachlässigen ist das Thema Privacy. Der vorgestellte Ansatz erfordert,
dass Smartphone-Besitzer ein Foto ihrer Umgebung aufnehmen, auf dem mit hoher
Wahrscheinlichkeit andere Personen abgebildet sind. Im Anschluss wird dieses Foto
an den Verortungsdienst geschickt und die zuvor selbstbestimmte Verfügungsmöglichkeit
über das Foto ist ab diesem Zeitpunkt aufgehoben.
Bei diesem Ansatz sollte hervorgehoben werden, dass es ein lernendes System ist. Umso
mehr Bilder in das System hochgeladen und ggf. manuell mit den im System gespeicherten
Bildern abgeglichen werden, umso besser wird der Algorithmus und umso höher die
Treffergenauigkeit beim Abgleich. Somit könnten zukünftig auch Bilder verarbeitet werden,
die im frühen Stadium des Systems eine nicht verwertbare Bildqualität hatten, weil
z.B. die mit günstiger Kamera-Hardware aufgenommenen Bilder nicht hochwertig genug
oder die Lichtverhältnisse zu schlecht waren.
6.3.6 Einsatzgebiete und Ausbaustufe
Genutzt werden kann dieser Ansatz in Gebäuden, in denen das Fotografien erlaubt ist, also
z.B. bestimmte Museen oder Ausstellungen. Zudem sollten es Räume sein, in denen sich
Objekte befinden, die sehr markante Merkmale aufweisen, sodass die aufgenommenen Fotos
vom Algorithmus unterschieden werden können. Denkbar wäre auch eine Umsetzung
ähnlich Google Streetview - nur für den Innenbereich. Ein Nutzer würde ein Foto auf-

nehmen, der Algorithmus einen Abgleich durchführen und das Smartphone-Display den
aktuellen Ort mit Panoramasicht auf die Umgebung darstellen. Daraufhin könnte der Nutzer
vergleichbar mit Google Streetview auf dem Smartphone navigieren und in der realen
Welt folgen. Einen vergleichbaren Ansatz haben Hile und Borriello entwickelt. [HB10]

7 Zusammenfassung
Smartphones nehmen durch die wachsende Verbreitung und Funktionalitäten einen immer
bedeutenderen Teil in unserem Leben ein. Durch die Vielfalt an verbauter Hardware zur
drahtlosen Kommunikation und Sensorik eröffnen sich neue Möglichkeiten diese Komponenten
zur Standortbestimmung innerhalb von Gebäuden zu verwenden.
Diese Arbeit zeigt, dass es dabei ausgehend von der vorhandenen Infrastruktur unterschiedliche
Ansätze gibt. Jeder Ansatz hat seine Stärken, aber auch Schwächen und der
Einsatz eines Verfahrens ist abhängig von den Anforderungskriterien, die an das Indoor-
Positionierungsverfahren gestellt werden.
So zum Beispiel ist der Implementierungsaufwand bezogen auf die Vorbereitung und entstehenden
Kosten beim QR-Code-basierten-Ansatz vergleichsweise am geringsten. Dem
gegenüber steht jedoch im Vergleich zu den beiden anderen Ansätzen eine schlechtere
Usability bei der Nutzung, da ein Smartphone-Besitzer jedesmal einen QR-Code scannen
müsste und die Positionierung nur am Ort des platzierten QR-Codes am genauesten ist.
Der sich daran anschließende Wegeverlauf kann vergleichsweise nur ungenau dargestellt
werden.
Die Ergebnisse der drei verschiedenen Ansätze lassen sich in ihrem Positionierungsfehler
miteinander vergleichen, unterscheiden sich jedoch in ihrer Skalierbarkeit und Ansatzabhängigen
Einflussgrößen.
Die Genauigkeitsabweichung beim WLAN-basierten Ansatz betrug 3,8m [HPALP09],
wobei Martin et al diesen Wert auf 1,5m optimieren konnten. [MVFB10] Dabei ist anzumerken,
dass die Kalibrierungszeit nach Honkavirta et al mindestens 10 Sekunden betragen
sollte und zur besseren Standortbestimmung das Smartphone in verschiedene Himmelsrichtunge
gedreht wird. Zudem bedarf es fünf Access Points für eine möglichst genaue
Standortbestimmung. [HPALP09] Zur Optimierung des zu berechnenden Näherungswertes
empfehlen King et al die Berücksichtigung der Orientierung des Smartphones mittels
digitalem Kompass.
Der QR-Code-basierte Ansatz von Serra et al liefert bei 20 Testläufen mit einem Umfang
von je 40 Schritten einen Positionierungsfehler von 1,52 Schritten. Neben dem Fakt, dass
der zur Standortbestimmung genutzte digitale Kompass eine Ungenauigkeit von maximal
5 Grad betragen kann, weisen sie darauf hin, dass ihr System eher für kurze Strecken
von weniger als 100m geeignet ist. Bei längeren Strecken wird der verschleppte Positionierungsfehler
zu groß und dementsprechend die Standortbestimmung schrittweise ungenauer
und ab einem bestimmten Zeitpunkt unbrauchbar. Daher sollte nach einer Distanz
von 100m immer ein QR-Code platziert werden, um eine Re-Kalibrierung des Standorts
durchzuführen. [SCM10]
Die Ergebnisse des bild-basierten Ansatzes von Kawaji et al sind ebenfalls vielversprechend.
Ihre Untersuchungen haben sie im Railway Museum in Japan durchgeführt, das
eine Fläche von 155,2m x 47,6m beträgt. Ihre verwendeten Fotos hatten eine Auflösung
von 3500 x 950 Pixel und wurden mit einem Abstand von 2m aufgenommen. Bei ihren
Untersuchungen mit 126 Testbildern konnten sie nachweisen, dass ihr verwendetes System
und Algorithmus eine Erkennungsrate von 90% aufweist und die durchschnittliche

Verarbeitungszeit 2,2 Sekunden beträgt. [KHYA10]
Die bisher ausgereifteste Lösung ist meiner Meinung nach der auf WLAN-basierende Location
Fingerprinting-Ansatz. Dieser ist mit Verfahren wie Microsoft RADAR und Horus
seit langem erforscht und die Algorithmen optimiert. Zudem setzt er auf eine bestehende
Infrastruktur auf, welche sich im Laufe der Zeit weiter ausbreiten und Indoor-
Positionierungsverfahren aufgrund von mehr Referenzpunkten verbessern wird. Dieser
Ansatz hat jedoch wiederum hohe Implementierungskosten aufgrund der ausführlichen
Vorbereitungsphase.
Die Analyse der unterschiedlichen Ansätze hat ergeben, dass eine Vielzahl von Anforderungkriterien,
Vergleichsmöglichkeiten und Einflussfaktoren existieren. Demzufolge kann
eine Aussage, welcher der vorgestellten Ansätzen der bessere ist, ohne vorgegebenes Einsatzszenario
nicht getroffen werden.
Was jedoch festgehalten werden kann, ist, dass es zukünftig kein alleinstehender Ansatz
sein wird, der eine akzeptable Indoor-Positionierung ermöglicht. Die Stärke eines
Indoor-Positionierungsverfahrens wird es sein, abhängig von den am aktuellen Standort
zur Verfügung stehenden Möglichkeiten das optimalste Positionierungsverfahren zu
verwenden. Das Indoor-Positionierungsverfahren der Zukunft ist demnach eine hybride
Lösung, die abhängig von der vorhandenen Infrastruktur - und somit nutzbaren Messwerten
oder Kalibrierungsmöglichkeiten - auf das am besten passende Positionierungsverfahren
zurückgreift.
Dieses System kann dann in Gebäuden genutzt werden, die sehr weitläufig sind und/oder
nur unregelmäßig oder zum ersten Mal aufgesucht werden. Dies wären z.B. Krankenhäuser,
Museen, Hochschulen bei Studienbeginn, Firmengebäude bei Arbeitsantritt, Messen,
Hotels, Einkaufszentren oder Flughäfen. Da die Infrastruktur bei jedem Gebäude eine andere
ist, nutzt ein hybrides System die vorhandenen Messwerte zur optimalen und der
Umgebung angepassten Standortbestimmung.

8 Ausblick
Die bisher vorgestellten Ansätze geben einen Geschmack von dem, was uns auf dem Gebiet
der Indoor-Positionierung an Lösungen bevorsteht. Zentraler Bestandteil sind dabei
Smartphones, die wir neben Schlüssel und Portemonnaie stets bei uns tragen sowie die
(ggf. nicht) vorhandene Infrastruktur, auf der der gewählte Lösungsansatz beruht.
Dabei sehe ich mindestens noch zwei große Baustellen: zum Einen bedarf es der weiteren
Optimierung der bestehenden Algorithmen zur effizienteren und genaueren Berechnung
des Näherungswertes einer Position. Dies geht einher mit der Optimierung der in Smartphones
verbauten Sensorik, wie z.B. dem Beschleunigungssensor, um bessere Verfahren
zur Schrittbestimmung festlegen zu können und Ungenauigkeitsfehler zu verringern.
Zum Anderen ist der Energieverbrauch der bestehenden Lösungen ein wichtiges Thema.
So zum Beispiel ist der Energieverbrauch beim Location Fingerprinting vergleichsweise
hoch, da ständig Strom auf die Antenne geleitet werden muss, um fortlaufend nach aktuell
zur Verfügung stehenden Access Points zu scannen. Somit verringert sich der Batterieladestand
in kurzer Zeit merklich.
Eine neue Möglichkeit der Indoor-Positionierung bzw. Navigation wird sich meiner Ansicht
nach im Bereich Augmented Reality ergeben. Die Nutzung der qualitativ hochwertigen
Smartphone-Kamera zur Kombination realer und virtueller Welt wird navigieren
in Gebäuden durch kontextbezogene Informationen wie Richtungspfeile, Raumnummern
oder Entfernungsangaben auf eine neue Ebene heben. Das stets via WLAN oder Mobilfunk
zur Verfügung stehende mobile Internet wird dabei als Datenlieferant fungieren und
uns ortsbezogen mit relevanten Informationen versorgen - egal ob im Bürogebäude oder
im Einkaufszentrum. Einen Ausblick darauf bietet die Smartphone-Applikation der First
Media GmbH, die zur Positionierung und Orientierung auf Messen genutzt werden kann
und die bestehende WLAN-Infrastruktur nutzt. [Gmb11]
Abbildung 11 zeigt die praktische Anwendung dieser Applikation.
Abbildung 11: Smartphone-Applikation der FirstMedia GmbH zur Orientierung auf Messegeländen
mit Augmented Reality-Funktionen. [Gmb11]

Ebenfalls denkbar ist die Nutzung aufstrebender Technologien wie NFC (Near Field Communication),
die neben dem mobilen Bezahlen auch zur Standortbestimmung genutzt werden
können. Das Bezahlterminal kann dabei ähnlich dem QR-Code-basierten Ansatz als
Kalibrierungspunkt sowie der Bestimmung des folgenden Wegeverlaufs genutzt werden.
Dieser Ansatz basiert dann ähnlich dem Location Fingerprinting auf einer bestehenden
Infrastruktur.

Literatur
[AHMH11] Khairi Abdulrahim, Chris Hide, Terry Moore und Chris Hill. Aiding Indoor Pedestrian
Navigation with Building Heading, Januar 2011.
[App11] Apple. Pressemeldung der iPhone-Veröffentlichung, Juli 2011. Online: http://www.
apple.com/de/pr/library/2007/01/09iphone.html.
[BP00] P. Bahl und V. Padmanabhan. RADAR - An In-Building RF-based User Location and
Tracking System. In INFOCOM 2000. Nineteenth Annual Joint Conference of the
IEEE Computer and Communications Societies. Proceedings, 2000.
[CChC + 05] Yi-Chao Chen, Ji-Rung Chiang, Hao hua Chu, Polly Huang und Arvin Wen Tsui.
Sensor-assisted Wi-Fi indoor location system for adapting to environmental dynamics.
In Proceedings of ACM/IEEE MSWiM, 2005.
[CIP10] Krishna Chintalapudi, Anand Padmanabha Iyer und Venkata N. Padmanabhan. Indoor
Localization Without the Pain. Bericht, Microsoft GTSC, India, 2010.
[ETZ05] Bernd Eissfeller, Andreas Teuber und Peter Zucker. Indoor-GPS: Ist der Satellitenempfang
in Gebäuden möglich? Bericht, Insitut für Erdmessung und Navigation, Universität
der Bundeswehr München, 2005.
[fS] International Organization for Standardization. ISO/IEC 19762-5:2008.
[Gar11] Gartner. Gartner Says 428 Million Mobile Communication Devices Sold Worldwide
in First Quarter 2011, a 19 Percent Increase Year-on-Year, Mai 2011. Online:
http://www.gartner.com/it/page.jsp?id=1689814.
[Gmb11] First Media GmbH. Smartphone Apps für Messen: Augmented Reality und Indoor
Navigation bieten einen einzigartigen Besuchermehrwert, 2011. Online: http://
blog.firstmedia.de/2011/04/27/smartphone-apps-messen-augmented-reality-undindoor-navigation.
[Goo11a] Google. Google Code, ZXing, Juni 2011. Online: http://code.google.com/p/zxing.
[Goo11b] Google. Google Wallet, Juni 2011. Online: http://www.google.com/wallet.
[GSH07] U. Grossmann, M. Schauch und S. Hakobyan. The accuracy of algorithms for WLAN
indoor positioning and the standardization of signal reception for different mobile devices.
In International Journal of Computing, Jgg. 6, 2007.
[Gub10] Kurt Gubi. RoughMaps: Indoor Positioning using Existing Infrastructure and Symbolic
Maps. Bericht, CHAI Group, School of IT, The University of Sydney, 2010.
[HB10] Harlan Hile und Gaetano Borriello. Positioning and Orientation in Indoor Environments
Using Camera Phones. In IEEE Computer Graphics and Applications, 2010.
[HPALP09] Ville Honkavirta, Tommi Perälä, Simo ALI-LÖYTTY und Robert PICHE. A Comparative
Survey of WLAN Location Fingerprinting Methods. In Proc. of the 6th Workshop
on Positioning, Navigation and Communication 2009, 2009.
[KHYA10] Hisato Kawaji, Koki Hatada, Toshihiko Yamasaki und Kiyoharu Aizawa. Image-based
Indoor Positioning System: Fast Image Matching using Omnidirectional Panoramic
Images. In MPVA, 2010.

[KKHE06] Thomas King, Stephan Kopf, Thomas Haenselmann und Christian Lubbergerand Wolfgang
Effelsberg. COMPASS: A Probabilistic Indoor Positioning System Based on
802.11 and Digital Compasses. In Proc. of the First ACM International Workshop
on Wireless Network Testbeds, Experimental Evaluation and Characterization (WiN-
TECH), 2006.
[Küp05] Axel Küpper. Location-Based Services: Fundamentals and Operations. John Wiley
and Son, 2005.
[Loc11] Lockitron. Türen mittels Handy öffnen, Mai 2011. Online: https://lockitron.com.
[LPKW11] Prof. Dr. Claudia Linnhoff-Popien, Moritz Kessel und Kevin Wiesner. Praktikum Mobile
und Verteilte Systeme. Veranstaltung - Praktikum Mobile und Verteilte Systeme -
Sommersemester, 2011.
[LSDR08] Binghao Li, James Salter, Andrew G. Dempster und Chris Rizos. Indoor positioning
techniques based on wireless LAN. In LAN, FIRST IEEE INTERNATIONAL CONFE-
RENCE ON WIRELESS BROADBAND AND ULTRA WIDEBAND COMMUNICATI-
ONS, 2008.
[MVFB10] Eladio Martin, Oriol Vinyals, Gerald Friedland und Ruzena Bajcsy. Precise Indoor
Localization Using Smart Phones. In MM, 2010.
[SCM10] Alberto Serra, Davide Carboni und Valentina Marotto. Indoor Pedestrian Navigation
System Using a Modern Smartphone. Bericht, Parco Tecnologico, Edificio 1, 2010.
[Wav11] Denso Wave. QR-Code, Juni 2011. Online: http://www.denso-wave.com/qrcode/
index-e.html.
[Wie10] Carick Wienke. Indoor Positioning Using a Modern Smartphone. Bericht, University
of New Hampshire, 2010.
[wik11a] Indoor positioning system, Mai 2011. http://en.wikipedia.org/wiki/Indoor positioning
system.
[wik11b] Positionsbestimmung, Juni 2011. http://de.wikipedia.org/wiki/Positionsbestimmung.
[wik11c] QR-Code, Juni 2011. http://de.wikipedia.org/wiki/QR Code.
[Wil11] TFH Wildau. Wiki für Ortung+Navigation in der Telematik, Juni 2011. Online: http://
www.tm.tfh-wildau.de/˜sbruntha/wiki/index.php/Hauptseite.
[YA05] Moustafa Youssef und Ashok Agrawala. The Horus WLAN Location Determination
System. Bericht, Department of Computer Science, University of Maryland, 2005.