LA LOCALIZZAZIONE IN INTERNI TRAMITE UNA RETE WIRELESS ETHERNET Tesi di laurea - Dario Lodi Rizzini UNIVERSITÀ DEGLI STUDI DI PARMA FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA INFORMATICA LA LOCALIZZAZIONE IN INTERNI TRAMITE UNA RETE WIRELESS ETHERNET Relatore: Chiar.mo Prof. G. Conte Correlatore: Chiar.mo Prof. F. Zanichelli Candidato: Dario Lodi Rizzini La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Il problema della Localizzazione Lo scopo dello studio è localizzare un dispositivo radiomobile in interni tramite le intensità dei segnali trasmessi dai punti di accesso di una rete Wireless Ethernet. Peculiarità del problema: La scelta di operare in interni → complica la descrizione della propagazione delle onde radio a causa del fenomeno dei cammini multipli; → rende impossibile l’applicazione di tecniche classiche di localizzazione (triangolazione). L’impiego di hardware non dedicato: → maschera le caratteristiche fisiche e crea problemi di interfacciamento e di interpretazione dei dati; → limita i costi e sfrutta la diffusione delle reti Ethernet. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Il problema della Localizzazione Il problema appartiene alla vasta classe di problemi context-aware. Posizione (vettore di coordinate reali) Stato (appartiene ad un insieme discreto di posizioni) Localizzatore Intensità dei segnali AP1 AP2 APM … Access point della rete (identificati dal MAC address) Pre-conoscenza del contesto (posizioni degli AP, mappatura ed apprendimento, ecc.) La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Tecniche di Localizzazione Tesi di laurea - Dario Lodi Rizzini Tecniche di Localizzazione I vari approcci alla localizzazione possono essere classificati in due categorie: Metodi basati sull’analisi della propagazione delle onde radio in interni → definiscono un modello fisico in grado di descrivere le modalità con cui l’onda radio si propaga. Metodi di fingerprinting → si limitano al confronto fra gli stimoli ricevuti e le cosiddette impronte dei segnali ricavate in posizioni fisse dette stati, durante la fase di mappatura. → si possono fare rientrare in questa categoria, con le dovute differenze, anche le tecniche basate sulle reti neurali. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Modelli basati sull’analisi della propagazione delle onde radio in interni L’efficacia di questa classe di tecniche dipende dalla capacità di descrivere con un modello fisico le modalità di propagazione dell’onda radio. Un modello completo deve essere in grado di prevedere l’effetto dei cammini multipli sul segnale rilevato dal ricevitore. Esempi: tecniche di ray-tracing; modelli probabilistici (Rayleigh e Rician fading, modelli basati sulla distribuzione di Poisson) Vantaggi: Non richiedono una preventiva mappatura. Spiegano completamente la situazione fisica. Svantaggi: Sono molto complessi. Sono più adatti a risolvere il problema inverso (posizione → intensità del segnale) Richiedono una buona conoscenza delle grandezze fisiche in gioco (valori restituiti dalla scheda, caratteristiche dei materiali, ecc.). La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Tecniche di fingerprinting Le tecniche dette di fingerprinting si basano sulla possibilità di individuare una impronta il grado di caratterizzare un insieme di posizioni scelte a priori durante la fase di mappatura, dette stati. La mappatura è quella fase in cui viene definito l’insieme degli stati ed a ciascuno stato viene associata la corrispondente impronta. L’impronta è l’insieme dei parametri in grado di caratterizzare uno stato derivanti dalla elaborazione delle intensità dei segnali rilevati durante la mappatura; a seconda dei metodi l’impronta può essere data dalla media o dalla distribuzione delle intensità. Le tecniche di fingerprinting esaminate: algoritmo NNSS e metodo basato sull’inferenza bayesiana. Vantaggi: L’efficacia e la semplicità di questi metodi. Non richiedono una precisa conoscenza delle caratteristiche fisiche del contesto in cui operiamo (alto livello di astrazione). Svantaggi: Mappare il segnale è una operazione costosa in termini di tempo. Non portano ad una spiegazione delle distribuzioni dei segnali, si limitano al confronto. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Algoritmo NNSS Il metodo dello stato più vicino nello spazio dei segnali (o nearest neighbor in signal space, NNSS) assume che uno stato possa essere caratterizzato dalle medie delle intensità dei segnali provenienti da ciascuna stazione base. Impronta: (BS1, BS2,…, BSM) → (ss1j, ss2j,…,ssMj) dove ssij è l’intensità media del segnale proveniente da BSi nello stato sj. La localizzazione avviene per confronto fra l’impronta di ciascuno stato (ossia l’insieme delle impronte detto spazio dei segnali) e le medie dei segnali ottenute in tempo reale x = (x1, x2,…,xM). Per confrontare gli stimoli ambientali e le impronte si ricorre ad una norma: La posizione individuata alla fine dal localizzatore NNSS può essere: la posizione dello stato più vicino sj, ossia tale che Lj(x) = min {L1(x), L2(x),..., LN(x)}; il baricentro dei k stati più vicini ad x nello spazio dei segnali. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Metodo basato sull’inferenza bayesiana Il metodo di inferenza bayesiana considera come impronta di uno stato l’intera distribuzione delle intensità dei segnali per ciascuno dei punti di accesso della rete. La procedura del confronto è più complessa: occorre definire in modo preciso il concetto di osservazione inteso come vettore: o = < k, f1,…, fM, (BS1, λ1),…, (BSk, λk) > dove k è il n.ro delle misure comprese in una osservazione, fi il n.ro di volte che si riceve un segnale dal i-esimo access point, (BSj,λj) la j-esima misura avente intensità λj. Il risultato finale è la distribuzione delle probabilità πi di trovarsi nello stato si, che viene aggiornata in seguito ad una osservazione o secondo la formula di Bayes: Assumendo l’indipendenza nel comportamento dei diversi access point è possibile calcolare le probabilità condizionate come dove ciascun fattore della produttoria si può ricavare empiricamente durante la mappatura. La posizione restituita è quella dello stato con maggiore probabilità πi. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Strumenti di lavoro Hardware impiegato: rete WiFi (IEEE 802.11b) del Dipartimento di Ingegneria dell’informazione, scheda di rete wireless PCMCIA, notebook. Principali difficoltà nello sviluppo dell’applicazione di localizzazione: Interfacciamento con il dispositivo wireless, definizione della natura e delle modalità di acquisizione dei dati sulle intensità. Scelta delle strutture dati necessarie per una gestione efficiente e razionale del confronto fra impronte ed intensità, nel calcolo delle probabilità, ecc. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Luogo delle esperienze 15.5 m 39.3 m Pianta della palazzina 1 della sede scientifica del Dipartimento di Ingegneria dell’Informazione nel quale si sono svolti i test di localizzazione. Stati scelti per i test finali di localizzazione. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Le impronte Le distribuzioni delle intensità dei segnali ottenute sperimentalmente si contraddistinguono per irregolarità e varietà. Misurando nella stessa posizione l’intensità del segnale proveniente da un determinato punto di accesso in momenti diversi, è possibile riscontrare lo stesso andamento nella distribuzione. Anche la media dell’intensità subisce poche variazioni. Nell’esempio in figura le medie sono pari a 61.328, 55.150, 62.439 e 60.275; dunque c’è un solo caso anomalo. → È possibile parlare di impronta caratteristica di una posizione. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Valutazione dell’impatto della quantità di dati Tesi di laurea - Dario Lodi Rizzini Valutazione dell’impatto della quantità di dati La durata della fase di mappatura e la rapidità della risposta durante la localizzazione dipendono dalla capacità di descrivere un’impronta con una quantità limitata di misure. L’andamento della PMF tende a conservarsi al variare della quantità di misure impiegate per ottenerla. Gli scostamenti del valore delle probabilità possono però essere anche notevoli. L’errore relativo commesso sulla media è limitato. Con sole 20 misure è al di sotto del 3.5%. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Risultati I risultati ottenuti con il più sofisticato metodo di inferenza bayesiana sono inferiori rispetto a quelli attesi e presentati nelle pubblicazioni. Possibili cause: → squilibri nelle distribuzioni dello spazio degli stati; → stati vicini non hanno necessariamente impronte simili. L’algoritmo NNSS ha prestazioni nettamente superiori: tende a mantenere l’errore vicino alle dimensioni del reticolo di stati (2 m). 50% 75% 90% Per ovviare alla dispersione dell’algoritmo probabilistico è stata introdotta una soluzione euristica. L’algoritmo NNSS è usato per selezionare i k stati più vicini nello spazio dei segnali. L’algoritmo basato sull’inferenza bayesiana è applicato solo sui k stati individuati. Vantaggi: Stabilizzazione dei risultati del metodo probabilistico. Risultati confrontabili con l’algoritmo NNSS se non migliori (per alcuni percentili). La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Esempio di distribuzione delle probabilità πi Stato Probabilità P07 0.9997 P18 2.4219 ∙ 10-92 P04 2.0977 ∙ 10-04 P20 6.8028 ∙ 10-97 P11 2.4038 ∙ 10-05 P14 5.8357 ∙ 10-101 P05 2.1357 ∙ 10-11 P21 1.1634 ∙ 10-101 P09 2.3234 ∙ 10-14 P22 2.5235 ∙ 10-103 P08 1.6733 ∙ 10-17 P19 6.6976 ∙ 10-104 P06 1.0619 ∙ 10-29 P15 1.1493 ∙ 10-113 P02 9.8417 ∙ 10-31 P23 1.7093 ∙ 10-121 P10 1.0001 ∙ 10-34 P27 4.0062 ∙ 10-123 P01 3.9043 ∙ 10-43 P37 2.1700 ∙ 10-123 P16 1.730 ∙ 10-53 P25 4.1732 ∙ 10-125 P03 4.1531 ∙ 10-60 P29 P13 2.5500 ∙ 10-62 P31 P17 3.1430 ∙ 10-63 P33 P12 1.979 ∙ 10-65 Questo esempio di localizzazione errata (lo stato corretto è P09) mette in evidenza le forti differenze fra gli ordini di grandezza delle diverse probabilità πi. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini

Conclusioni Le prestazioni complessive del nostro sistema sono buone con ciascuno dei metodi testati, escludendo l’algoritmo basato sull’inferenza bayesiana. Metodo Percentile 50% Percentile 75% Percentile 90% Algoritmo NNSS 1.58 m 2.20 m 4.08 m Algoritmo bayesiano 2.25 m 3.00 m 5.62 m Soluzione euristica 1.60 m 2.40 m 3.40 m Se lo scopo principale del nostro studio è stato raggiunto, l’approccio alla localizzazione adottato non consente una piena comprensione della situazione fisica; ciò limita in parte la validità dei risultati (esistenza dell’impronta, impatto della quantità dei dati, ecc.) in quanto sono ottenuti solo per via empirica. Una migliore comprensione delle ragioni delle prestazioni non ottimali del metodo basato sull’inferenza bayesiana potrebbe portare ad approfondimenti e a nuove soluzioni nell’ambito degli algoritmi probabilistici. La Localizzazione in interni tramite una rete wireless Ethernet - Dario Lodi Rizzini