211service.com
Smartphone-app Crowdsources Indoor plattegronden
Kaarten hebben sinds het begin van de beschaving herhaaldelijk een revolutie teweeggebracht in de wereld. De meest recente versie is gebaseerd op de wijdverbreide acceptatie van smartphonetechnologie en de locatiegebaseerde applicaties die het mogelijk maakt.
Iedereen met een van deze apparaten heeft toegang tot het wereldwijde satellietpositioneringssysteem, een enorme database met zeer nauwkeurige kaarten en andere lagen met aanvullende informatie, zoals straatnamen, lokale coffeeshops en zelfs de locaties van vrienden.
Maar dit stopt allemaal zodra je een gebouw binnengaat. GPS werkt niet meer binnenshuis en er zijn maar weinig kaarten beschikbaar voor locaties binnenshuis.
Google en anderen zijn begonnen dit te veranderen door kaarten te maken van enkele grote winkelcentra in de VS en Japan. Maar de vooruitgang gaat traag, vooral omdat deze kaarten min of meer met de hand moeten worden gemaakt.
Vandaag lijkt dat te veranderen dankzij een innovatief idee van Moustafa Alzantot en Moustafa Youssef van de Alexandria University in Egypte. Deze jongens hebben een app ontwikkeld die gegevens van smartphonesensoren crowdsourcet om automatisch plattegronden voor binnen te maken. De nieuwe app heet CrowdInside.
Het is duidelijk dat het type en de kwaliteit van de gegevens cruciaal zijn. Deze jongens wijzen erop dat smartphones zijn uitgerust met een breed scala aan sensoren: GPS-apparaten, magnetometers (kompassen), versnellingsmeters en zelfs wifi-signaalsterktemeters die een ruwe schatting geven van de afstand tot de dichtstbijzijnde hotspot. Ze gebruiken al deze data op een opmerkelijk innovatieve manier.
De basistechniek is gegist bestempeld met behulp van een versnellingsmeter als stappenteller en de magnetometer als richtingzoeker. Het aantal stappen in een bepaalde richting geeft een globaal beeld van de afgelegde afstand.
Het probleem is natuurlijk dat gegist bestek notoir gevoelig is voor fouten, die snel opbouwen in de tijd. Om dit te omzeilen, moet het systeem voortdurend opnieuw worden gekalibreerd met behulp van punten op een bekende locatie.
Dit is het slimme deel van het systeem. Alzantot en Youssef beginnen met de locatie waar GPS-gegevens niet meer beschikbaar zijn om de ingang van het gebouw te bepalen. Dat geeft een startpunt voor het gegist bestek.
Vervolgens gebruiken ze de sensorgegevens om te zien wanneer de gebruikers zich in een lift bevinden, een roltrap gebruiken of gewoon een trap op of af lopen. In elk geval produceert de beweging een uniek versnellingspatroon dat anders is dan lopen en dus gemakkelijk te herkennen is.
Omdat al deze locaties in een gebouw zijn vastgezet, kunnen ze worden gebruikt als ankerpunten om de gegist bestekberekeningen opnieuw te kalibreren. Het resultaat is een app die met redelijke nauwkeurigheid de bewegingen van een gebruiker in een gebouw volgt.
De grote kracht van dit systeem komt van het nemen van gegevens van veel gebruikers, met andere woorden crowdsourcing. Dit verscherpt de plattegrond, waardoor deze nauwkeuriger wordt.
Het stelt hen ook in staat om gegevens op een hoger niveau af te leiden, zoals de vorm van kamers door te kijken naar de verspreiding van sporen, of de positie van deuren door te zoeken naar de kruising tussen gangen en kamers.
De kaart hierboven is afkomstig van ongeveer 150 sporen.
Dat is een slim idee met een aanzienlijk commercieel potentieel. Alzantot en Youssef zeggen niet of ze CrowdInside breed beschikbaar zullen maken. Wat hun plannen ook zijn, ze moeten ervoor zorgen dat ze hun intellectuele eigendom hebben beschermd, een taak die in Noord-Afrika misschien een grotere uitdaging is dan in andere delen van de wereld.
Laten we ze er succes mee wensen.
Referentie: arxiv.org/abs/1209.3794 : CrowdInside: Automatische constructie van plattegronden voor binnen