Magic Map Kooperative Positionsbestimmung ber WLAN Peter Ibach

Magic. Map – Kooperative Positionsbestimmung über WLAN Peter Ibach Humboldt-Universität Institut für Informatik Lehrstuhl für Rechnerorganisation und Kommunikation

Inhalt • Location Based Services – Heute und Morgen • Voraussetzung: Positionsbestimmung – Ortungsverfahren – Signalstärke-basierte Ortung über WLAN – Magic. Map

Location Based Services – Heute Navigation Systems Jamba! Finder Location Infrastructure Mobile Network. Technology Provider Operator Provider Mobile Device Content Provider or Provider Vendor Portal Operator Siemens T-D 1 Cell-ID: T-D 1 Nokia, Siemens, Sony, etc. Jamba AG - - GPS: Snap. Track, Global Locate Siemens VDO, Pioneer, Garmin, etc. Tele Atlas, Nav. Teq, etc. keine Flexibilität Jamba AG Advertisement / Payment - -

Location Based Services – Morgen services providing the same interfaces (port types) Position Sensing Semantic Location Determination Bluetooth Cell-ID Ontology 1 UMTS GPS Ontology 2 Connection RFID WLAN Content Accounting Flat PPT Ontology 3 WLAN service instances at disposal (ports) PPV composite service

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

Verfügbare WLAN-Netze:

Installierte RFID-Chips:

Informationsanbieter (Content):

GPS-Satelliten:

Services auf reale Objekte gemapped WLAN: Local-IP: GPS-Pos: WLAN-Pos: RFID-Pos: Content:

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:

Dynamic Runtime Composition Benutzer betritt Gebäude. . . - WLAN - GPS-Pos. - Content (via WLAN) WLAN: Local-IP: GPS-Pos: WLAN-Pos: RFID-Pos: Content:

In einem Gebäude: WLAN: RFID: Content: GPS:

Services im Gebäude WLAN: Local-IP: WLAN-Pos: RFID-Pos: Content:

Dynamic Runtime Composition - WLAN-Pos. - Content (via WLAN) WLAN: Local-IP: WLAN-Pos: RFID-Pos: Content:

Dynamic Runtime Composition - WLAN - RFID-Pos. - Content (via WLAN) Runtime Composition WLAN: Local-IP: WLAN-Pos: RFID-Pos: Content:

Ortungsverfahren Verfahren Beispiele IMSI Catcher • Angle of arrival (AOA) • Time difference of arrival (TDOA) • Signal strength (RSS) • Infrastructure based • Client based Siemens/Where. Net/ Aeroscout Ekahau Place. Lab, Intel/UC Berkeley • Triangulation • Profiling – static – dynamic Magic. Map, HU-Berlin LEASE, Avaya Labs Research • Propagation RADAR, Microsoft Research • Deterministic • Probabilistic HORUS, Uni Maryland

Beispiel: System Moby-R von Siemens/Where. Net Antennen Trigger (Durchfahrtssensor) 100 -300 m Call Button RFID-Tag Wireless Access. Point 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

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?

Hot Spots in der City Frankfurt Quelle: Lindner, Fritsch, Plank, Rannenberg (2004)

WLAN Abdeckung – Uni Campus Adlershof 2 = #APs

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

Korrelation Signalstärke zu Entfernung in m 100 Lineare Näherung 0 -100 Signalstärke in d. Bm -30

Probleme Streuung Signal Dämpfung Reflektion Radio-Map

Radio-Map Beispiel Access Point rz 19 Access Point rz 16 Erdgeschoss Jura/Wirtschaft der Universität Regensburg Zellgröße: 1, 2 m², Anzahl Messpunkte: 1012 Quelle: Denise Reinert, Uni Regensburg Access Point rz 18

Radio Map Tool - Screenshot

RADAR (Microsoft Research) Testumgebung RADAR 42, 96 m x 21, 84 m 49 Messpunkte

Signalstärke über der Zeit Quelle: Tao et al. 2003

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

Sniffer Prototype 100/133 MHz AMD Elan. SC 520 Orinoco 802. 11 b PCMCIA card (in promiscuous mode) Two 10/100 Mbps Ethernet ports (Power over Ethernet) Compact. FLASH card 1 Serial port

Institut für Informatik in Berlin-Adlershof

Positionierungs-Mehrdeutigkeiten Tatsächliche Position ? ? Nearest. Neigbor Schätzung nach k-Nearest-Neighbor Mittelwert Access Point Referenz punkt

Genauigkeit Verfahren RADAR (Profiling) Mittlerer Fehler ~3 m RADAR (Propagation) ~4. 3 m HORUS (Probabilistic) ~2 m LEASE (Dynamic Profiling) ~2 m Place. Lab (Triangulation) ~10 m Ekahau (Profiling) ~1 m Where. Net, Aeroscout (TDOA) ~1 m Magic. Map (Hybrid) ~10 m (Triangulation) ~3 m (Profiling)

Theoretisches Optimum Range of (d. Bm) Mean value of (d. Bm) 0. 818 -1. 179 0. 993 Propagation constant 2. 4 Probability, α 0. 5 Number of APs, n 3 Distance between APs 50 m Rn for n=3 and α=0. 5 1. 549 Minimum uncertainty 1. 5 m Quelle: Krishnakumar et al. 2005

Uncertainty as a function of location

Minimum Uncertainty Vs. Number of APs Minimum Uncertainty Vs. Distance between APs

Ausblick • • Privacy Enhancing Technologies (PET) 3 D-Triangulation und -Visualisierung Transparenter Übergang zwischen den Karten Peer-to-Peer Signalstärke

Zusammenfassung • Positionsbestimmung ist Voraussetzung für LBS • Indoor-Positionsbestimmung über WLAN ist in Grenzen möglich • Magic. Map: hybrides Verfahren mit Kooperation für dynamisches Profiling • Open Source, Point-n-Click-Tool für Experimente • Ebenso für GSM/Bluetooth anwendbar • Download (Windows/Linux): www. informatik. hu-berlin. de/rok/Magic. Map/webstart