Định vị trong nhà sử dụng thiết bị di động và wlan access points

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA PHẠM THỊ NHƯ TRÂM ĐỀ TÀI LUẬN VĂN THẠC SĨ Chuyên ngành : Khoa học máy tính LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 12 năm 2009 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : TS.Đặng Trần Khánh Cán chấm nhận xét : TS.Nguyễn Đức Cường Cán chấm nhận xét : TS.Võ Thị Ngọc Châu Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 10 tháng 03 năm 2010 TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA KHOA HỌC & KỸ THUẬT MÁY TÍNH CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc -oOo Tp HCM, ngày 03 tháng 10 năm 2010 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên:.Phạm Thị Như Trâm Phái: Nữ Ngày, tháng, năm sinh: 01-07-1982 Nơi sinh: Khánh Hịa Chun ngành: Khoa học máy tính MSHV: 00707191 1- TÊN ĐỀ TÀI: Định vị nhà sử dụng thiết bị di động Wlan Access Point 2- NHIỆM VỤ LUẬN VĂN: Tìm hiểu tốn định vị nhà sử dụng thiết bị di động WLAN phương pháp giải toán có Dùng phương pháp đo cường độ sóng Wireless từ access point mạng WLAN để xác định vị trí thiết bị di động 3- NGÀY GIAO NHIỆM VỤ : 9-9-2009 4- NGÀY HOÀN THÀNH NHIỆM VỤ : 10-03-2010 5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS Đặng Trần Khánh Nội dung đề cương Luận văn thạc sĩ Hội Đồng Chuyên Ngành thông qua CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) CHỦ NHIỆM BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) KHOA QL CHUYÊN NGÀNH (Họ tên chữ ký) Lời cảm ơn Tơi xin bày tỏ lịng biết ơn chân thành đến Thầy TS Đặng Trần Khánh Thầy TS Trần Văn Hồi Các Thầy tận tình hướng dẫn, định hướng từ cách đặt vấn đề, phương pháp nghiên cứu khoa học đến công việc cụ thể luận án Xin chân thành cảm ơn tất quý Thầy Cô Khoa Khoa học Kỹ thuật Máy tính tận tình truyền đạt kiến thức q báu cho tơi suốt q trình học tập Xin cảm ơn anh chị bạn đồng nghiệp công ty phần mềm Global Cybersoft động viên, giúp đỡ tạo điều kiện cho tơi q trình thực luận án Xin cảm ơn cha mẹ, anh chị, tất người thân, bạn bè động viên, khuyến khích giúp đỡ tơi q trình học tập sống i Tóm tắt Các ứng dụng định vị dựa cơng nghệ GPS Tuy nhiên tín hiệu vệ tinh cơng nghệ không xuyên qua tường hạn chế cơng nghệ chưa cung cấp ứng dụng định vị nhà Mặc khác, với phát triển nhanh chóng cơng nghệ thơng tin, mạng không dây trở nên phổ biến đến nơi thông dụng tất người Song song đó, phát triển cơng nghệ số khiến cho thiết bị xách tay điện thoại, máy tính xách tay… trở nên khơng thể thiếu người Do ý tưởng công nghệ định vị nhà dựa tín sóng mạng khơng dây thiết bị di động quan tâm Dựa tín hiệu sóng mạng khơng dây nội phát từ Access Point lắp đặt sẵn tòa nhà, thiết bị di động nhận xác định vị trí thiết bị di động đâu tịa nhà Bài tốn dựa vào kết hợp cơng thức phân lớp Bayes Euclidean với phép nội suy logic kết thực tiễn cao Kết thực nghiệm cho thấy định vị tòa nhà dựa vào mơ hình kết hợp cho kết xác cao Vì vậy, mơ hình xem sở lý thuyết cho nghiên cứu để tiếp tục nâng cao chất lượng độ xác ii Abstract Traditional positioning technologies are primarily based on Global Positioning System (GPS) However, GPS satellite signals cannot go through walls, so these technologies cannot be used inside buildings In the other hand, with the rapid developing of information technology, wireless network is used in many places now and become familiar with everybody Together with that, by achievements of digital technologies, mobile devices such as cell phones, laptops… become essential for many people Hence, the idea of indoor positioning based on wireless signals and mobile devices has great interest According to signals from access points located somewhere in a building, a mobile device can identify its relative position in the building This is a problem that can be solved by the combination of Bayes and Euclidean classification formulas and interpolation techniques to produce accurate ouputs Experiments prove that the positioning technique using this combined model can provide high accurate outputs Therefore, this model can be used as a theory base for further researches for improving the quality of positioning results iii MỤC LỤC Lời cảm ơn i Tóm tắt ii Abstract iii MỤC LỤC iv DANH MỤC HÌNH v DANH MỤC BẢNG vi Chương 1: PHÁT BIỂU VẤN ĐỀ Chương 2: CƠ SỞ LÝ THUYẾT 2.1 Giới thiệu tổng quát mạng không dây 2.1.1 Giới thiệu WLAN 2.1.2 Các chuẩn mạng WLAN 2.2 Giới thiệu Access Point 2.3 Một số lưu ý q trình triển khai mạng khơng dây Chương 3: CÁC CƠNG TRÌNH LIÊN QUAN 11 3.1 Giới thiệu số toán định vị nhà sử dụng thiết bị di động Wlan 13 3.1.1 Phương pháp loại suy 13 3.1.2 Phương pháp dựa vào khoảng cách Euclidean 16 3.1.3 Phương pháp dựa vào việc tính xác suất 17 3.2 Một số lý thuyết đề xuất kỹ thuật xác định ổn định mơi trường xung quanh q trình truyền tín hiệu sóng 21 Chương 4: MƠ HÌNH ĐỀ XUẤT 25 4.1 Kiến trúc hệ thống 25 4.2 Định vị thời gian thực 27 Chương 5: PHƯƠNG PHÁP THỰC NGHIỆM VÀ ĐÁNH GIÁ 30 5.1 Phương pháp thực nghiệm 30 5.2 Tập liệu kiểm thử 32 5.3 Thiết kế thực hệ thống 34 5.4 Phương thức xác định vị trí thời gian online 39 5.5 Kết thực nghiệm 40 Chương 6: SO SÁNH VỚI CÁC GIẢI PHÁP KHÁC VỀ ĐỘ CHÍNH XÁC TRONG THỰC NGHIỆM 46 Chương 7: TỔNG KẾT 50 7.1 Đóng góp luận án 50 7.2 Hướng phát triển 51 iv DANH MỤC HÌNH Hình 2-1: Phân loại mạng vô tuyến Hình 2-2: Các Access Point thiết kế theo chuẩn 802.11X Hình 3-1: Sơ đồ tịa nhà 14 Hình 3-2: Mơ tả liệu 15 Hình 3-3: Mơ hình đo độ ảnh hưởng tường 24 Hình 4-1: Kiến trúc hệ thống tổng quát 26 Hình 4-2: Mơ hình hoạt động server 27 Hình 5-1: Phương pháp thực nghiệm tổng quát 31 Hình 5-2: Kiến trúc hệ thống 34 v DANH MỤC BẢNG Bảng mơ hình định dạng đữ liệu log file Bảng sơ đồ vị trí tòa nhà Bảng ViTri Bảng DuLieuOffline Bảng liệu OnLine Bảng thống kê liệu online Bảng cách tính độ sai lệch tâm Bảng thống kê kết chạy liệu offline Bảng thống kê kết chạy liệu online tâm Bảng cách tính độ sai lệch biên Bảng thống kê kết chạy liệu online biên Bảng thống kê kết chạy liệu online phương pháp cải tiến Bayes Thống kê kết chạy với liệu online phương pháp Euclidean Bảng thống kê so sánh kết hai phương pháp vi 33 35 36 37 38 41 42 42 43 44 45 46 47 48 152 -49.2303 -65.1184 2.965748 10.36183 178 -45.264 -79.3315 3.469441 6.389705 126 -49.8571 -73.2857 3.689785 8.853174 81 -38.8395 -76.8025 6.753978 6.246816 10 149 -47.5034 -66.745 3.774916 6.186318 11 178 -62.2697 -67.2191 7.804873 7.981177 12 98 -56.6939 -66.8469 5.738179 7.311372 13 143 -58.8811 -67.3986 6.936767 4.897752 14 176 -56.7102 -62.4716 4.476086 8.925149 15 160 -71.9188 -47.875 5.788968 4.960784 16 152 -65.7566 -52.2434 6.75024 7.03749 17 193 -77.3782 -36.601 4.984634 6.893821 18 123 -71.9756 -30.122 5.806449 7.038322 19 139 -75.31654676 -36.3381295 7.419628 8.709173 20 Bảng thống kê liệu online Trong đó, độ lệch chuẩn (standard deviation) tính theo cơng thức sau: Cách tính độ sai lệch trường hợp đo tâm ô - có cạnh độ sai lệch - có đỉnh độ sai lệch 1.5 VD: Độ sai lệch kết tính tốn thuộc hàng cột 41 Hàng/Cột Sai lệch = Sai lệch = 2.5 Sai lệch = Sai lệch = 1.5 (Sai lệch = 0) Sai lệch = 1.5 Sai lệch = Sai lệch = Sai lệch = Sai lệch = 2.5 Sai lệch = Sai lệch = 3.5 Sai lệch = Sai lệch = 4.5 Sai lệch = Sai lệch = 5.5 Sai lệch = Sai lệch = 6.5 10 Sai lệch = Sai lệch = 7.5 Bảng cách tính độ sai lệch tâm Thống kê kết chạy với liệu offline Vị trí Số lần chạy Đúng Sai Tỉ lệ Độ sai lệch trung bình 4 100% 5 100% 6 100% 4 100% 7 100% 7 100% 8 100% 6 100% 4 100% 10 7 100% 11 8 100% 12 4 100% 13 7 100% 42 14 8 100% 15 8 100% 16 7 100% 17 9 100% 18 6 100% 19 6 100% 20 8 100% Tổng cộng Bảng thống kê kết chạy liệu offline Thống kê kết chạy với liệu online (khi thiết bị di động nằm tâm ô ma trận) Vị trí Số lần chạy Đúng Sai Tỉ lệ Độ sai lệch trung bình (%) 8 100 8 100 87.5 0.125 62.5 0.375 62.5 0.375 75 0.25 87.5 0.125 8 87.5 0.125 75 0.25 10 87.5 0.125 11 87.5 0.125 12 75 0.25 13 8 100 14 87.5 0.125 15 8 100 43 16 8 100 17 8 100 18 8 100 19 87.5 0.125 20 75 0.25 Tổng cộng 160 139 21 86.875 0.13125 Bảng thống kê kết chạy liệu online tâm Cách tính độ sai lệch trường hợp đo biên  Tín hiệu đo phần kề ô  Hai xem lớn Các tính độ sai lệch tương tự trường hợp đo tâm ô VD: Độ sai lệch kết tính tốn hàng cột ô hàng cột Hàng/cột Sai lệch = Sai lệch = 2.5 Sai lệch = Sai lệch = 1.5 Sai lệch = Sai lệch = Sai lệch = Sai lệch = Sai lệch = Sai lệch = 1.5 Sai lệch = Sai lệch = 2.5 Sai lệch = Sai lệch = 3.5 Sai lệch = Sai lệch = 4.5 Sai lệch = Sai lệch = 5.5 10 Sai lệch = Sai lệch = 6.5 Bảng cách tính độ sai lệch biên 44 Thống kê kết chạy với liệu online (đo biên) Số lần chạy Đúng Sai Tỉ lệ (%) Độ sai lệch trung bình 52 46 88.46153846 0.115385 Bảng thống kê kết chạy liệu online biên 45 Chương 6: SO SÁNH VỚI CÁC GIẢI PHÁP KHÁC VỀ ĐỘ CHÍNH XÁC TRONG THỰC NGHIỆM Chúng tơi tiến hành so sánh phương pháp cải tiến Bayes với phương pháp Euclidean cách tiến hành chạy hai giải thuật song song Sau số thống kê sau thực chạy thực nghiệm Bảng thống kê kết chạy liệu online phương pháp cải tiến Bayes Vị trí Số lần chạy Đúng Sai Tỉ lệ Độ sai lệch trung bình (%) 8 100 8 100 87.5 0.125 62.5 0.375 62.5 0.375 75 0.25 87.5 0.125 8 87.5 0.125 75 0.25 10 87.5 0.125 11 87.5 0.125 12 75 0.25 13 8 100 14 87.5 0.125 15 8 100 16 8 100 17 8 100 18 8 100 19 87.5 0.125 46 20 75 0.25 Tổng cộng 160 139 21 86.875 0.13125 Bảng thống kê kết chạy liệu online phương pháp cải tiến Bayes Thống kê kết chạy với liệu online phương pháp Euclidean Vị trí Số lần chạy Đúng Sai 8 8 4 8 8 10 11 12 13 8 8 8 8 14 15 16 17 18 19 Tỉ lệ Độ sai lệch trung bình (%) 47 87.5 0.125 87.5 0.125 62.5 0.375 50 0.5 62.5 0.375 75 0.25 62.5 0.375 62.5 0.375 37.5 0.625 25 0.75 75 0.25 62.5 0.375 87.5 0.125 75 0.25 100 75 0.25 75 0.25 75 0.25 87.5 0.125 20 Tổng cộng 160 112 48 75 70 0.25 0.3 Thống kê kết chạy với liệu online phương pháp Euclidean Bảng thống kê so sánh kết hai phương pháp Vị trí Số lần chạy Tỉ lệ (%) Độ sai lệch trung bình Euclid Bayes Euclid Bayes 87.5 100 0.125 87.5 100 0.125 62.5 87.5 0.375 0.125 50 62.5 0.5 0.375 62.5 62.5 0.375 0.375 75 75 0.25 0.25 62.5 87.5 0.375 0.125 8 62.5 87.5 0.375 0.125 37.5 75 0.625 0.25 10 25 87.5 0.75 0.125 11 75 87.5 0.25 0.125 12 62.5 75 0.375 0.25 13 87.5 100 0.125 14 75 87.5 0.25 0.125 15 100 100 0 16 75 100 0.25 17 75 100 0.25 18 75 100 0.25 19 87.5 87.5 0.125 0.125 48 20 75 75 0.25 0.25 Tổng cộng 160 86.875 70 0.3 0.13125 Bảng thống kê so sánh kết hai phương pháp Theo kết khảo sát bảng cho ta thấy, thực nghiệm giải thuật cải tiến Bayes mang lại kết ổn định xác giải thuật Euclidean Tuy nhiên thời gian điều kiện không cho phép nên khảo sát điều kiên không gian nhỏ, môi trường chật hẹp, điều kiện không gian rộng hơn, môi trường phức tạp kết tính tốn giải thuật đề xuất xác so với giải thuật Euclicdean 49 Chương 7: TỔNG KẾT Với mục tiêu đề tài nghiên cứu thực hệ thống định vị nhà kiểm nghiệm chạy thử nhà Luận án đạt kết sau: - Khảo sát khuyết điểm thuật toán định vị nhà nghiên cứu trước đây, từ đưa phương pháp định vị nhà tối ưu nhờ kết hợp phương pháp phân lớp Bayes phương pháp tính khoảng cách Euclidean với phương pháp suy luận để làm giảm tối đa sai số - Khảo sát tập liệu kiểm thử Từ đó, xây dựng tập liệu Offline xác đầy đủ để kết thực tốt - Hiện thực hệ thống để kiểm mơ hình nhà, tiến hành chạy thử thời gian thực để kiểm nghiệm kết mô hình - Thực nghiệm tập liệu kiểm thử liệu thu thời gian thực Kết thực nghiệm phân tích thơng qua phương pháp đánh giá tiêu biểu Từ đó, đưa nhận xét, đánh giá mơ hình giới thiệu 7.1 Đóng góp luận án Trong luận án này, đề xuất hướng tiếp cận mới, kết hợp phương pháp phân lớp Bayes Euclidean để định vị nhà Phương pháp có ưu điểm ứng dụng phù hợp phương pháp khác tín hiệu sóng không dây dễ bị suy biến ảnh hưởng môi trường xung quanh, thời tiết thay đổi, bị nhiễu sóng thiết bị điện tủ lạnh, ti vi Mặt khác bị ảnh hưởng sóng khơng dây phát từ Access Point khác Có thể kết mơ hình tốt khơng đáng kể so với mơ hình nghiên cứu trước kia, dù để đạt chất lượng tốt, phải tiến hành 50 thu thập đầy đủ liệu Offline vị trí nhà, liệu thu thập offline tốt dẫn đến kết chạy thời gian thực tốt Một vấn đề cần quan tâm liệu sóng phần vùng biên vị trí dễ bị trùng lắp Do đối vùng biên ta cần phải tiến hành đo xác nhiều lần để đưa kết tốt Với việc khảo sát phân tích chi tiết mặt lý thuyết, kết khả quan mặt thực nghiệm, mơ hình kết hợp phương pháp phân lớp Bayes phương pháp tính khoảng cách Euclidean, bên cạnh phối hợp thêm phương pháp nội suy hệ thống định vị nhà mang đến kết tốt tiếp tục nghiên cứu, khảo sát mở rộng 7.2 Hướng phát triển Các mơ hình định vị nhà giới thiệu luận án bước chúng tơi q trình khai thác việc kết hợp phân lớp Bayes phương pháp tính khoảng cách Euclidean Vì vậy, nói mơ hình cịn phát triển theo nhiều hướng khác Dưới đây, chúng tơi xin trình bày số hướng phát triển Về mặt thiết lập mơ hình tịa nhà, chia mịn ma trận với diện tích nhỏ hơn, nhằm nâng cao khả xác vị trí hệ thống Trong đề án chưa đề cập đến trường hợp có vài Access Point hệ thống bị hỏng, có di chuyển Access Point đến vị trí khác so với vị trí ban đầu Tính riêng tư người dùng chưa đề cập mơ hình Trong nhiều trường hợp tính riêng tư người dùng cần phải bảo vệ, ví dụ mơ hình quản lý nhân viên, hệ thống phải bảo vệ tính riêng tư người dùng 51 thời gian làm việc, thời gian không phép xác định vị trí họ Ngồi ra, q trình thực hệ thống, thực nhà với diện tích nhỏ, thực khơng gian 2D, mở rộng theo khơng gian 3D với tịa nhà rộng hơn, có nhiều tầng lầu chắn có thay đổi định Đây hướng mở rộng vấn đề 52 TÀI LIỆU THAM KHẢO [1] P Bahl and V N Padmanabhan, “RADAR: An In-building RF-Based User Location and Tracking System”, Proc Of IEEE INFOCOM 2000, PP.772784, 2000 [2] Ekahau, Inc., “Ekahau Positioning Engine”, http://www.ekahau.com/products/real-time-location-system/positioningengine.html [3] Ekahau Inc., www.ekahau.com [4] Geodan Group, http://www.geodan.com [5] D Cotroneo, S Russo, F Cornevilli, M Ficco and V Vecchio, “Implementing positioning services over an ubiquitous infrastructure”, Proceeding of the Second IEEE Workshop on Software Technologies for Future Embedded and Ubiquitous Systems, 2004 [6] W G Griswold, P Shanahan, S W Brown and R T Boyer, “Active Campus – Experiments in Community-Oriented Ubiquitous Computing”, IEEE Computer, Vol 37, No 10 (2004), pp 73-81 [7] P Bahl and V N Padmanabhan., “RADAR: An In-Building RF- Based User Location and Tracking System”, Proceedings of IEEE Infocom, 2000 [8] A LaMarca et al., “Place Lab: Device Positioning Using Radio Beacons in the Wild,” Proc 3rd Int’l Conf Pervasive Computing (Pervasive 05), LNCS 3468, Springer, 2005, pp 116–133 [9] Y.-C Cheng, Y Chawathe, A LaMarca and J Krumm, “Accuracy characterization for metropolitan-scale wi-fi localization”, Proceedings of MobiSys '05, Seattle, WA, June 2005 [10] Jeffrey Hightower, Anthony LaMarca, Ian E Smith, "Practical Lessons from Place Lab," IEEE Pervasive Computing, vol 5, no 3, pp 32-39, Jul-Sept, 2006 53 [11] Maemo development platform, http://www.maemo.org/ [12] Wang, Y, Jia, X., Lee, H.K., and Li, G.Y., “An indoor wireless positioning system based on WLAN infrastructure”, th Int Symp on Satellite Navigation Technology Including Mobile Positioning & Location Services, Melbourne, Australia, 22-25 July 2003, CD-ROM proc, paper 54 [13] Pandya, D., Jain, R., & Lupu, E., “Indoor location estimation using multiple wireless technologies”, 14th IEEE Int Symp on Personal, Indoor, & Mobile Radio Communications (PIMRC), Beijing, China, 7-10 September 2003, vol 3, pp 2208-2212 [14] Bing, B Wireless Local Area Networks: the New Wireless Revolution, WileyInterscience, New York, Chichester, 2002 [15] A M Ladd, K E Bekris, A P Rudys, D S Wallach and L E Kavraki, “On the Feasibility of Using Wireless Ethernet for Indoor Localization”, IEEE Transactions On Robotics And Automation, Vol 20, No 3, pp.555-559, June 2004 [16] A Hatami and K Pahlavan, "A comparative performance evaluation of RSSbased positioning algorithms used in WLAN networks", IEEE Wireless Communications and Networking Conference, 2005 [17] A Motley and J Keenan, "Personal communication radio coverage in buildings at 900 MHz and 1700 MHz", Electronics Letter, vol 24, June 1988 [18] P Bahl and V Padmanabhan, "RADAR: an in-building RF-based user location and tracking system", Proceedings IEEE Infocom 2000, Tel Aviv, Israel, col 2, pp 775-784, Mar 2000 [19] Axel Kupper, Location-base Services Fundamentals and Operation, 2005 [20] Junyang Zhou, Wilson Man-Chung Yeung and Joseph Kee-Yin, Department of Computer Science, Hong Kong Baptist University “Enhancing Indoor Positioning Accuracy by utilizing signals from both the mobile phone network and the Wireless Local Area Network”, April 8, 2000 54 Lý lịch trích ngang: Họ tên: Phạm Thị Như Trâm Ngày, tháng, năm sinh: 01-07-1982 Nơi sinh: Khánh Hịa Địa liên lạc: 168 Trịnh Đình Trọng, P.Phú Trung, Q.Tân Phú, TPHCM QUÁ TRÌNH ĐÀO TẠO Từ năm 2000 đến 2005: Sinh Viên Khoa Công nghệ thông tin Trường ĐH Bách Khoa TPHCM Từ năm 2007 đến năm 2010: Học Viên cao học Khoa Khoa học máy tính Trường ĐH Bách Khoa TPHCM Q TRÌNH CƠNG TÁC Từ 4-2005 đến 10.2006 : Nhân Viên lập Trình Công Ty Serenco Từ 10.2006 đến : Kỹ Sư phần mềm Công Ty Global Cybersoft ... nghệ định vị nhà Đây hướng nghiên cứu phát triển 3.1 Giới thiệu số toán định vị nhà sử dụng thiết bị di động Wlan Phương pháp phổ biến định vị nhà sử dụng thiết bị di động WLAN chủ yếu dựa vào... dụng cụ định vị Ekahau [2], AirLocation[3] AeroScout[4] Trong luận văn này, đề xuất hệ thống định vị nhà sử dụng thiết bị di động WLAN access point Ở người dùng sử dụng thiết bị di động tòa nhà, ... tính MSHV: 00707191 1- TÊN ĐỀ TÀI: Định vị nhà sử dụng thiết bị di động Wlan Access Point 2- NHIỆM VỤ LUẬN VĂN: Tìm hiểu tốn định vị nhà sử dụng thiết bị di động WLAN phương pháp giải tốn có Dùng