MagicMap Kooperative Positionsbestimmung über WLAN

Transkript

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 Infrastructure Provider Location Mobile NetworkTechnology Operator Provider Mobile Device Provider or Content Vendor Provider Portal Operator Advertisement / Payment Jamba! Finder Siemens T-D1 Cell-ID: T-D1 Nokia, Siemens, Sony, etc. Jamba AG Jamba AG - Navigation Systems - - GPS: SnapTrack, Global Locate Siemens VDO, Pioneer, Garmin, etc. Tele Atlas, NavTeq, etc. - - keine Flexibilität

4 Location Based Services Morgen services providing the same interfaces (port types) Connection Position Sensing Semantic Location Determination Content Accounting Bluetooth Cell-ID Ontology 1 Flat UMTS GPS Ontology 2 WLAN RFID WLAN Ontology 3 PPT PPV composite service 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 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 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 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 Verfahren Ortungsverfahren Beispiele Angle of arrival (AOA) Time difference of arrival (TDOA) Signal strength (RSS) Infrastructure based Client based Triangulation Profiling static dynamic Propagation Ekahau IMSI Catcher Siemens/WhereNet/ Aeroscout PlaceLab, Intel/UC Berkeley MagicMap, HU-Berlin LEASE, Avaya Labs Research RADAR, Microsoft Research Deterministic Probabilistic HORUS, Uni Maryland

18 Beispiel: System Moby-R von Siemens/WhereNet Antennen m Trigger (Durchfahrtssensor) Call Button RFID-Tag Wireless AccessPoint Ortungs- Server Visualisierungs- Clients 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 i RSS ( AP i ) 2 = #APs

22 Signalstärke-basierte Triangulierung AP 1 AP 2 RSS 1 RSS 2 RSS 3 AP 3

23

24 Korrelation Signalstärke zu Entfernung Entfernung in m 100 Lineare Näherung Signalstärke in dbm -30

25 Probleme Streuung Signal Dämpfung Reflektion Radio-Map

26 Radio-Map Beispiel Access Point rz19 Access Point rz16 Access Point rz18 Erdgeschoss Jura/Wirtschaft der Universität Regensburg Zellgröße: 1,2 m_, 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

29 Quelle: Tao et al Signalstärke über der Zeit

30 LEASE (Avaya Labs Research) 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 AP: SE: Sniffer: LEE:

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

33

34 Positionierungs-Mehrdeutigkeiten Schätzung nach k-nearest-neighbor Mittelwert? Access Point? Tatsächliche Position Nearest- Neigbor Referenz punkt

35 Genauigkeit Verfahren RADAR (Profiling) RADAR (Propagation) HORUS (Probabilistic) LEASE (Dynamic Profiling) PlaceLab (Triangulation) Ekahau (Profiling) WhereNet, Aeroscout (TDOA) MagicMap (Hybrid) Mittlerer Fehler ~3m ~4.3m ~2m ~2m ~10m ~1m ~1m ~10m (Triangulation) ~3m (Profiling)

36 Theoretisches Optimum Range of σ (dbm) Mean value of σ (dbm) Propagation constant Probability, _ Number of APs, n Distance between APs Rn for n=3 and _=0.5 Minimum uncertainty m m 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):