Localizing LoRa devices in urban environment exploiting Wmbus smart metering networks

The continuous growth of IoT applications based on localization made it necessary, and in some cases essential, to study low power consumption localization techniques, in order to preserve the devices battery life as much as possible. Traditional localization techniques based on the use of GPS are in fact unsuitable for many IoT applications typologies due to the high chips costs and the huge power consumption in transmission and receiving phase. Alternative localization methods have been developed in the last years leveraging the transmitted signal by the devices for both the positioning and communication. In this study we used the KNN fingerprinting algorithm for the Lora localization based on a dataset built by the Lora and Wmbus measurements collected in the urban environment of the area of Milan. The construction of the dataset saw in a first drive testing phase the collecting of Lora and Wmbus measurements coming from two mobile transmitters, while the second one the collecting of the measurements from the Wmbus meters currently operating in the city. The study allowed the analysis of the Lora localization performances using different training set typologies based on Lora/Wmbus measurements groups. The results obtained show a localization error of 162 meters using a training set of Lora measurements only, collected during the drive testing. In the case are used groups of Wmbus measurements only, received by the meters and the mobile transmitter, the error fits in a 190-329 meters range. In the case of a Lora and Wmbus measurements training set the estimated error reaches a 146-194 meters range.

La continua crescita di applicazioni IoT basate su servizi di posizionamento ha reso necessario, e in alcuni casi indispensabile, l'implementazione di metodi di localizzazione low power consumption per preservare il più possibile la durata delle batterie dei dispositivi. Tecniche tradizionali basate sull’utilizzo di GPS risultano infatti inadatte per molte tipologie di applicazioni IoT a causa degli alti costi dei chip e dell’elevato consumo energetico in fase di trasmissione e ricezione. Metodi alternativi di localizzazione sono stati sviluppati negli ultimi anni sfruttando il segnale trasmesso dai dispositivi sia per l'individuazione della posizione che per la comunicazione. In questo studio abbiamo utilizzato l’algoritmo di fingerprinting KNN per effettuare la localizzazione di dispositivi Lora basandoci su un dataset costruito attraverso la raccolta di misurazioni Lora e Wmbus in ambiente urbano intorno all’area di Milano. La costruzione del dataset ha visto in una prima fase di drive testing il collezionamento di misure Lora e Wmbus provenienti da due trasmettitori mobili, in una seconda fase ha visto la raccolta delle misure provenienti dai meter Wmbus che oggi operano nell’area di Milano. Lo studio ha permesso l’analisi delle prestazioni di localizzazione Lora utilizzando diverse tipologie di training set composti da diversi insiemi di misure Lora/Wmbus. I risultati ottenuti mostrano un errore di localizzazione pari a 162 metri utilizzando un training set composto da sole misure Lora ricavate durante il test driving; un errore in range 190-329 metri nel caso di utilizzo di sole misure Wmbus collezionate dai meter e dal trasmettitore mobile; un errore in range 146-194 metri nel caso di utilizzo sia di misure Lora che di misure Wmbus.