Точность Wi-Fi-позиционирования в зданиях выросла благодаря BIM и семантике помещений
Новое исследование демонстрирует, что интеграция данных о назначении комнат и BIM-моделей зданий с сигналами Wi-Fi позволяет значительно снизить ошибки в определении местоположения людей внутри помещений.
Точное определение местоположения человека внутри здания с помощью Wi-Fi - сложная техническая задача. Традиционные методы, анализирующие силу сигнала от нескольких точек доступа, имеют значительную погрешность. Причина - помехи: стены, мебель и люди отражают и поглощают радиоволны.
Новое исследование предлагает другой подход, повышающий точность за счет дополнения радиоданных контекстом о здании. Ключевая идея - интеграция двух слоев информации с классическими Wi-Fi-метриками: семантики помещений (знание о назначении комнаты) и данных из информационной модели здания (точные планы с расположением стен).
Для обучения модели собрана обширная выборка: 241720 измерений силы Wi-Fi-сигнала в 6835 точках офисного здания. Использовались данные с 84 точек доступа.
Объединение данных помогает нейросетевой модели лучше интерпретировать зашумленный сигнал. Зная, что человек находится в коридоре, модель корректирует вероятностные оценки, так как поведение сигнала и типичные маршруты там иные, чем в офисе. Данные о планировке дают физическое обоснование резким изменениям силы сигнала - скачок может быть не шумом, а следствием капитальной стены на пути.
Модель учится понимать логику распространения радиоволн в конкретном архитектурном и функциональном контексте, а не просто запоминать силу сигнала в координатах. Этот подход позволяет создавать более точные системы без установки дополнительного оборудования, используя существующую Wi-Fi-инфраструктуру. Это может быть полезно для анализа покупательских потоков, оптимизации использования пространств в офисах или управления логистикой в крупных зданиях.
Повышение точности позиционирования открывает путь к созданию более контекстно-осведомленных пространств. Здание, которое учитывает тип помещения, потенциально может адаптировать сервисы, например, регулировать системы или давать подсказки посетителям. Однако внедрение таких технологий ставит важные вопросы приватности и безопасности данных, так как подразумевает сбор и анализ информации о перемещениях людей. Таким образом, будущее точного позиционирования видится в интеллектуальном синтезе уже доступных данных: радиосигналов, архитектурных планов и понимания деятельности в помещениях. Основной вывод - значительное улучшение точности возможно не за счет нового оборудования, а за счет более глубокой и контекстной обработки существующих данных, что подтверждается масштабом использованной для обучения выборки.
