Técnicas para la localización en interiores basado en Bluetooth-Fingerprinting mediante algoritmos de inteligencia artificial

Abstract

En la actualidad, la geolocalización permite brindar mejores servicios de forma personalizada a cada usuario, principalmente mediante el uso de tecnologías ubicuas como Global Positioning System (GPS). Sin embargo, esta se ve limitada cuando no se encuentra en la línea de visión de los satélites, perdiendo precisión y utilidad, encontrándose inútil en problemas tales como determinar la ubicación de un usuario en un edificio de múltiples pisos. Debido a la utilización masiva de Smartphones en la sociedad actual, los cuales incorporan varios periféricos como la tecnología Bluetooth, en la presente Tesis se estudia en profundidad el problema de localización en interiores; analizando sus características, dificultades y variables. Para ello se utiliza la tecnología Bluetooth Low Energy 4.0 (BLE4.0), la cual es un protocolo más ligero y de ahorro de energía al Bluetooth convencional; se determina la posición utilizando como fuente el Received Signal Strength Indication (RSSI), el cual es emitido por dispositivos conocidos como Beacons. Se aplican técnicas de trilateración bajo un modelo de radiopropagación, basado en la ecuación de Rappaport; y fingerprinting, usando algoritmos de Machine Learning para realizar clasificación: Support Vector Machine (SVM) y k-Nearest Neighbors (k-NN). Estas técnicas se aplicaron y analizaron en distintos espacios físicos de experimentación, reconociendo los criterios que juegan un rol importante al realizar un despliegue y configuración del entorno para localización. Por último se propone un método novedoso para reconocer la mejor configuración del entorno a utilizar con el fin de mejorar la precisión de esta técnica.

Currently, geolocation allows to provide better services in a personalized way to each user, mainly through the use of ubiquitous technologies such as GPS. However, this is limited when it is not in the line of sight of satellites, losing accuracy and performance, being useless in problems such as determining the location of a user in a multi floor building.

Due to the massive use of Smartphones in today’s society, which incorporate several peripherals such as Bluetooth technology, in this thesis we study in depth the problem of indoor localization; analyzing its characteristics, difficulties and variables. To this aim, the technology BLE4.0 is used, which is a lighter and energy-saving protocol compared to conventional Bluetooth; the position is determined using as source the RSSI, which is issued by devices known as Beacons. Trilateration techniques are applied under a radiopropagation model, based on the Rappaport equation; and fingerprinting, using Machine Learning algorithms to perform classification: SVM and k-NN.

These techniques were applied and analyzed in different physical experimentation spaces, recognizing the criteria that play an important role when performing a deployment and configuration on the environment for indoor localization. Finally, a novel method is proposed to recognize the best configuration of the environment to be used in order to improve the precision of this technique.