Nei moderni terminal aeroportuali, complessi ospedalieri, edifici per uffici, arene sportive, campus universitari, e punti vendita al dettaglio, c'è un mercato in crescita per applicazioni comode e facili da usare per la navigazione in ambienti chiusi. Con un tasso di crescita atteso del 30% entro il 2022, secondo un rapporto di MarketWatch, questa richiesta è accelerata dalla presenza di sensori avanzati nei moderni smartphone come magnetometri, accelerometri, e giroscopi. Per soddisfare la domanda, il nostro team presso IBM Research-Ireland ha creato un sistema di posizionamento indoor pronto per la produzione che è più accurato di una soluzione commerciale esistente su diversi modelli di smartphone.

Il nostro autoapprendimento, la piattaforma adattiva utilizza una distribuzione minima di beacon Bluetooth Low Energy (BLE) per dedurre i viaggi degli utenti, quindi impara ed eventualmente costruisci mappe magnetiche su misura per ogni modello di smartphone per una specifica area interna. Il nostro nuovo sistema fornisce una solida precisione di posizionamento che è ignara del modello di smartphone utilizzato per l'impronta digitale o per il posizionamento. Dimostriamo sperimentalmente, nel nostro recente articolo, che il nostro strumento fornisce un significativo miglioramento della precisione rispetto a una soluzione commerciale consolidata basata sul posizionamento del campo magnetico.

I sistemi di posizionamento indoor all'avanguardia sfruttano i segnali che sono spesso presenti nei moderni ambienti interni, come i beacon WiFi e BLE, poiché i metodi di posizionamento esterno che utilizzano i segnali GPS non sono sufficientemente precisi per essere efficaci per la navigazione interna. Un sistema di posizionamento per interni dovrebbe essere in grado di rilevare la posizione di un utente all'interno di un edificio e fornire istruzioni su come navigare al suo interno. Questi sistemi sono utilizzati in un'ampia varietà di casi, con la loro progettazione e realizzazione in grado di supportare specifiche esigenze degli utenti. Per esempio, nel 2017, un sistema sperimentale di navigazione vocale interno/esterno ad alta precisione per non vedenti è stato costruito e testato da IBM Research-Tokyo.

L'approccio del campo magnetico è un metodo a basso costo che sta guadagnando popolarità in quanto non richiede l'installazione o la manutenzione di sensori specializzati, ma è invece abilitato da sensori già presenti negli smartphone. Però, le discrepanze tra le diverse letture dei sensori tra i modelli di smartphone hanno un grave impatto sulla precisione del posizionamento in ambienti interni.

Gli approcci esistenti basati sull'approccio del campo magnetico richiedono una fase di rilevamento delle impronte digitali prima di mettere il sistema a disposizione dell'utente finale. Durante questo processo il fornitore di servizi è tenuto a utilizzare uno smartphone per raccogliere le letture del campo magnetico da tutte le aree accessibili ai pedoni e creare una mappa annotata statica dello spazio interno. Negli scenari del mondo reale, gli utenti finali potrebbero possedere un modello di smartphone diverso da quello utilizzato per il rilevamento delle impronte digitali. Nel nostro lavoro, quantifichiamo le perdite di precisione che ne derivano i sistemi di posizionamento indoor.

Il nostro sistema è adattivo e continuamente riqualificato e mantiene quindi un'elevata precisione tra gli utenti e i diversi modelli di smartphone. La nostra idea era quella di analizzare le sessioni di posizionamento degli utenti finali per migliorare la base di conoscenza del nostro sistema per le letture del campo magnetico per i diversi modelli di smartphone. Una volta che l'utente esce dall'applicazione di posizionamento interno dello smartphone, elaboriamo le letture dei sensori registrate nella nostra infrastruttura cloud e tentiamo di ricostruire il percorso dell'utente. Chiamiamo questa nuova tecnica "inferenza di percorso" e si basa su filtri antiparticolato e corrispondenza delle forme. Ci consente di aggiungere nuovi livelli di informazioni alle mappe magnetiche dell'area. Di conseguenza, sessioni di posizionamento successive di utenti con lo stesso modello di smartphone hanno una precisione maggiore.

La nostra valutazione sperimentale dello strumento mostra un significativo miglioramento della precisione rispetto a una soluzione commerciale leader basata sul posizionamento del campo magnetico. Nello specifico, migliora la precisione rispetto alle alternative commerciali di circa 15 metri in media. Questi risultati sono stati recentemente presentati alla International Conference of Indoor Positioning and Indoor Navigation (IPIN) 2018).

Questo strumento di intelligenza artificiale ad autoapprendimento può fornire una soluzione a basso costo ai proprietari di strutture che non richiedono una riqualificazione del sistema. I proprietari e gli operatori delle strutture possono beneficiare rapidamente di questo strumento utilizzandolo per prendere decisioni di pianificazione migliori e fornire un'esperienza senza interruzioni ai propri utenti finali.

Con il nostro strumento, trovare una sala riunioni o un hot desk, in corsa per un gate di partenza in un aeroporto, alla ricerca di un'aula magna in un campus universitario, visitare un paziente o recarsi a un appuntamento in ospedale, o anche localizzare un prodotto in un negozio al dettaglio utilizzando uno smartphone potrebbe essere più rapido, Più facile, e più preciso.

Questa storia è stata ripubblicata per gentile concessione di IBM Research. Leggi la storia originale qui.