Präsentation herunterladen
Veröffentlicht von:Heinrike Leicher Geändert vor über 10 Jahren
1
MagicMap – Kooperative Positionsbestimmung über WLAN
Peter Ibach Humboldt-Universität Institut für Informatik Lehrstuhl für Rechnerorganisation und Kommunikation
2
Inhalt Location Based Services – Heute und Morgen
Voraussetzung: Positionsbestimmung Ortungsverfahren Signalstärke-basierte Ortung über WLAN MagicMap
3
Location Based Services – Heute
Technology Provider Mobile Device Provider or Vendor Infrastructure Provider Mobile Network Operator Content Provider Portal Operator Advertisement / Payment Jamba! Finder Siemens T-D1 Cell-ID: T-D1 Nokia, Siemens, Sony, etc. Jamba AG - GPS: SnapTrack, Global Locate Siemens VDO, Pioneer, Garmin, etc. Tele Atlas, NavTeq, etc. Navigation Systems keine Flexibilität
4
Location Based Services – Morgen
services providing the same interfaces (port types) Semantic Location Determination Position Sensing Connection Content Accounting Cell-ID Ontology 1 Bluetooth Flat GPS Ontology 2 UMTS PPT RFID Ontology 3 WLAN composite service PPV WLAN service instances at disposal (ports)
5
Vision: Konvergenz von Realität und Virtualität
services with regional scope layers with specific objects and their locations services associated to specific objects/locations physical space informational space
6
Verfügbare WLAN-Netze:
7
Installierte RFID-Chips:
8
Informationsanbieter (Content):
9
GPS-Satelliten:
10
Services auf reale Objekte gemapped
WLAN: Local-IP: GPS-Pos: WLAN-Pos: RFID-Pos: Content:
11
Runtime Composition Benutzer mit mobilem Gerät.
Dynamic Runtime Composition Local-IP GPS-Pos. (Local) Content Runtime Composition Benutzer mit mobilem Gerät. WLAN: Local-IP: GPS-Pos: WLAN-Pos: RFID-Pos: Content:
12
Benutzer betritt Gebäude...
Dynamic Runtime Composition Runtime Composition Benutzer betritt Gebäude... WLAN GPS-Pos. Content (via WLAN) WLAN: Local-IP: GPS-Pos: WLAN-Pos: RFID-Pos: Content:
13
In einem Gebäude: WLAN: RFID: Content: GPS:
14
Services im Gebäude WLAN: Local-IP: WLAN-Pos: RFID-Pos: Content:
15
Dynamic Runtime Composition
WLAN WLAN-Pos. Content (via WLAN) WLAN: Local-IP: WLAN-Pos: RFID-Pos: Content:
16
Dynamic Runtime Composition
WLAN RFID-Pos. Content (via WLAN) Runtime Composition WLAN: Local-IP: WLAN-Pos: RFID-Pos: Content:
17
Ortungsverfahren Verfahren Beispiele Angle of arrival (AOA)
Time difference of arrival (TDOA) Signal strength (RSS) Infrastructure based Client based Triangulation Profiling static dynamic Propagation Deterministic Probabilistic IMSI Catcher Siemens/WhereNet/ Aeroscout Ekahau PlaceLab, Intel/UC Berkeley MagicMap, HU-Berlin LEASE, Avaya Labs Research RADAR, Microsoft Research HORUS, Uni Maryland
18
Beispiel: System Moby-R von Siemens/WhereNet
Antennen Trigger (Durchfahrtssensor) m Call Button RFID-Tag Wireless AccessPoint Visualisierungs- Clients Ortungs- Server RFID-Tag sendet periodisch eine ID aus (2,4 GHz, Air Interface Protocol, INCITS 371.1) Jede Antenne gibt empfangener ID Zeitstempel und sendet dies zum Server Ortungs-Server berechnet den Ort durch Zeitdifferenzen-Triangulierung Der Ortungs-Server aktualisiert Ort und den Status des Tags in der Datenbank
19
Anforderungen Outdoor- und Indoor-Ortung Geringe Kosten
Hohe Genauigkeit Problemlose Interoperabilität Universelle Einsatzfähigkeit Keine Änderung vorhandener Hardware/Infrastruktur Hoheit über die eigenen Positionsdaten Signalstärke-basierte Ortung über WLAN?
20
Hot Spots in der City Frankfurt
Quelle: Lindner, Fritsch, Plank, Rannenberg (2004)
21
WLAN Abdeckung – Uni Campus Adlershof
2 = #APs
22
Signalstärke-basierte Triangulierung
AP2 AP1 RSS2 RSS1 RSS3 AP3
24
Korrelation Signalstärke zu Entfernung
Entfernung in m 100 Lineare Näherung -100 -30 Signalstärke in dBm
25
Probleme Dämpfung Streuung Reflektion Signal Radio-Map
26
Radio-Map Beispiel Access Point rz19 Access Point rz16 Access Point rz18 Erdgeschoss Jura/Wirtschaft der Universität Regensburg Zellgröße: 1,2 m², Anzahl Messpunkte: 1012 Quelle: Denise Reinert, Uni Regensburg
27
Radio Map Tool - Screenshot
28
RADAR (Microsoft Research)
Testumgebung RADAR 42,96m x 21,84m 49 Messpunkte Horus: die gesamte Umgebung im Durchschnitt von 4 Aps abgedeckt
29
Signalstärke über der Zeit
Quelle: Tao et al. 2003
30
LEASE (Avaya Labs Research)
AP: SE: Sniffer: LEE: Signal Emitter (SE) Tags an bekannten Positionen senden periodisch Sniffer Messen Signalstärke an bekannten Positionen und schicken diese an einen Server (LEE) Location Estimation Engine (LEE) berechnet dynamisch die Radio-Map aus den Signalstärkemessungen
31
Sniffer Prototype 100/133 MHz AMD ElanSC520 CompactFLASH card
Orinoco b PCMCIA card (in promiscuous mode) Two 10/100 Mbps Ethernet ports (Power over Ethernet) 1 Serial port
32
Institut für Informatik in Berlin-Adlershof
34
Positionierungs-Mehrdeutigkeiten
Tatsächliche Position ? ? Nearest- Neigbor Schätzung nach k-Nearest-Neighbor Mittelwert Access Point Referenzpunkt
35
~10m (Triangulation) ~3m (Profiling)
Genauigkeit Verfahren Mittlerer Fehler RADAR (Profiling) ~3m RADAR (Propagation) ~4.3m HORUS (Probabilistic) ~2m LEASE (Dynamic Profiling) PlaceLab (Triangulation) ~10m Ekahau (Profiling) ~1m WhereNet, Aeroscout (TDOA) MagicMap (Hybrid) ~10m (Triangulation) ~3m (Profiling)
36
Theoretisches Optimum
Range of (dBm) Mean value of (dBm) 0.993 Propagation constant 2.4 Probability, α 0.5 Number of APs, n 3 Distance between APs 50m Rn for n=3 and α=0.5 1.549 Minimum uncertainty 1.5m Quelle: Krishnakumar et al. 2005
37
Uncertainty as a function of location
38
Minimum Uncertainty Vs. Number of APs Minimum Uncertainty Vs. Distance between APs
39
Ausblick Privacy Enhancing Technologies (PET)
3D-Triangulation und -Visualisierung Transparenter Übergang zwischen den Karten Peer-to-Peer Signalstärke
40
Zusammenfassung Positionsbestimmung ist Voraussetzung für LBS
Indoor-Positionsbestimmung über WLAN ist in Grenzen möglich MagicMap: hybrides Verfahren mit Kooperation für dynamisches Profiling Open Source, Point-n-Click-Tool für Experimente Ebenso für GSM/Bluetooth anwendbar Download (Windows/Linux):
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.