Erweiterung und Evaluation eines Indoor-Lokalisierungssystems (FIND) auf Basis von WiFi- und BTLE-Fingerprinting

Für viele Forschungsprojekte und praktische Anwendungen ist es hilfreich, die Position eines Nutzers oder Objekts metergenau festzustellen. Zu solchen Anwendungen gehören z.B. Wegfindung, Location-Based Services oder Proxemic Interaction. Anhand der Signalstärken von WLAN-Accesspoints ist es prinzipiell möglich, die Position eines WLAN-fähigen Geräts zu ermitteln.

In dieser Arbeit soll evaluiert werden, inwieweit die Open-Source-Anwendung find nutzbar ist, um dem Benutzer eines mobilen Geräts auf dem gesamten Campus der Universität Regensburg hinreichend präzise seine aktuelle Position auszugeben. Je nach Umfang der Arbeit (BA / MA / Praxisseminar Master) werden ggf. nur Teilbereiche (z.B. PT-Gebäude) untersucht. Außerdem soll untersucht werden, inwieweit Lücken in der WLAN-Abdeckung durch BTLE-Beacons „gefüllt“ werden können.

Endergebnis ist (je nach Umfang der Arbeit) eine quantitative Dokumentation der erreichbaren Positionsauflösung, ein System zum automatischen Ausliefern von Kalibrationsdaten an die Geräte, ein Webservice zur Lokalisierung von Nutzern unter Berücksichtigung des Datenschutzes und ein oder mehrere Clients für das System. Eine andere Schwerpunktsetzung wäre die Lokalisierung von Objekten, die mit ESP8266-Boards 'getaggt' sind. Hierzu müsste der Client-Code auf diese Plattform portiert werden. Code für das Server-Backend muss in Go geschrieben werden. Alle Ergebnisse und Erweiterungen sollen in das Open-Source-Projekt eingebracht werden, wenn dies sinnvoll möglich ist.

• Literaturrecherche: Tracking-Lösungen, Evaluation (1 Woche)
• Find zum Laufen bringen (1 Woche)
• Testlauf an der Uni mit unterschiedlichen Geräten (PT-Gebäude)
• Auswertung/Evaluation Testlauf mit unterschiedlichen Geräten (1 Woche) (macht es einen Unterschied, welche Geräte für Fingerprinting bzw. Lokalisierung verwendet werden)
• Antrittsvortrag (inkl. Vorstellung find-Architektur)
• Testlauf an der gesamten Uni (Signalstärken / Abdeckung)
• evtl. Implementierung BT-Tracking
• evtl. Evaluation Praxistauglichkeit (volle/leere Räume)
• ganz evtl. Ultraschall/Infrarot(?)
• evtl. grafisches Frontend und/oder Service

• grundlegendes Verständnis Tracking-Techniken
• Grundkenntnisse der Programmiersprache Go oder Wille zur Einarbeitung

• http://rrznm5.uni-regensburg.de/wlan/wlanmap/?fak=phth&floor=03
• Indoor localization based on response rate of bluetooth inquiries: http://dl.acm.org/citation.cfm?id=1410024
• AnonyCast: privacy-preserving location distribution for anonymous crowd tracking systems: http://dl.acm.org/citation.cfm?id=2805827
• Two-Way Communication Protocol using Bluetooth Low Energy Advertisement Frames: http://dl.acm.org/citation.cfm?id=2797049
• Random Forests: http://dl.acm.org/citation.cfm?id=570182
• Analysis of a random forests model: http://dl.acm.org/citation.cfm?id=2343682
• Indoor Localization, Tracking and Fall Detection for Assistive Healthcare Based on Spatial Sparsity and Wireless Sensor Network: http://dl.acm.org/citation.cfm?id=2543864
• Indoor localization without the pain: http://dl.acm.org/citation.cfm?id=1860016
• Godec et al. (2010) On-line Random Naive Bayes for Tracking