Human trajectory tracking by smartphone-based pedestrian dead reckoning

A good estimate of the pedestrian location is pivotal in saving human lives in future road environments when autonomous driving cars will be available in the consumer market. Thanks to 5G wireless networks, this information could be communicated with high reliability and low latency, allowing vehicles to react in time to life-critical situations. Most of the existing pedestrian detection technologies are based on GPS and vehicle sensors that might easily fail in the absence of a line of sight (LOS) condition between device and target. Therefore, attaining precise localization by an independent technology adds diversity, thus reliability, to the system. In recent years, the ubiquitous presence of smartphones equipped with numerous motion sensors has enabled Pedestrian Dead Reckoning (PDR) methods to be developed. PDR allows to track pedestrians movements by utilizing data from Inertial Measurements Units (IMUs), e.g., accelerometer, magnetometer, and gyroscope. This work is inspired by existing PDR systems, which are analyzed and improved by adding innovations to increase the location estimator’s accuracy. An extensive measurement campaign has been performed in different indoor-outdoor scenarios and walking styles to fine tune our PDR design parameters and validate its performance in a real field test. Our findings confirm that our system achieves a high degree of accuracy despite the un-optimal smartphone sensors and unpredicted pedestrian behaviors. The proposed system is able to reach an accumulated localization error of 1.10 meters on outdoor tracks after 60 meters of walking (equivalent to 60 seconds), and an average error of 1.78 meters on indoor tracks after 35 meters (equivalent to 35 seconds). Our last contribution is the generalization of some pedestrian motion statistics, specifically assessing turning and stopping frequency obtained by gathering many PDR tracks. The collected samples are used to infer the statistical profiles of pedestrian motions and define an appropriate dynamic motion model.

L’informazione sulla posizione è fondamentale in diverse applicazioni, ed in particolare nella sicurezza stradale. Infatti, nel prossimo futuro con l’avvento del 5G e delle automobili connesse, sarà sempre più possibile localizzare e tracciare dalla rete, tutti gli utenti stradali vulnerabili, quali pedoni, ciclisti etc. Questa informazione potrà essere comunicata con elevata affidabilità e bassa latenza consentendo ai veicoli di reagire in tempo a situazioni critiche, evitando (o riducendo l’impatto di) incidenti stradali. Oggigiorno, l’informazione sulla posizione in ambienti esterni è ottenuta grazie al GPS, tuttavia, in ambienti urbani densi, questo da solo può non essere sufficiente a garantire una precisione ottimale (errore inferiore al metro), vista la criticità dell’applicazione considerata. È pertanto necessario ricorrere ad altre tecnologie a supporto del GPS. Grazie alla larga distribuzione degli Smartphone di nuova generazione, dotati di molteplici sensori, fra cui quelli inerziali, i.e. accelerometro, magnetometro e giroscopio, è possibile sfruttare l’informazione derivante da essi per colmare le lacune del GPS. Infatti, negli ultimi anni, vediamo un sempre maggiore interesse sia da parte della comunità scientifica, sia da parte dell’industria, per i sistemi di guida inerziale (PDR o Pedestrian Dead Reckoning). Tali sistemi, consentono di tracciare per un soggetto provvisto di sensori inerziali (IMU o Inertial Measurement Unit), tre quantità principali: il numero di passi fatti, la lunghezza dei passi fatti e la direzione o l’orientamento. Il lavoro svolto durante questa tesi, prende ispirazione dai sistemi PDR esistenti, apportando importanti miglioramenti atti ad aumentarne la precisione, l’affidabilità e la robustezza. In particolare, le novità apportate riguardano: • Un metodo dinamico per stimare il numero di passi compiuti dal pedone. Questo metodo in particolare, adatta i suoi parametri in base all’intensità dell’accelerazione misurata, di conseguenza è in grado di conteggiare i passi sia di una persona che cammina normalmente, sia di una persona che sta correndo. • Un nuovo metodo di fusione dei dati per la stima della direzione. In questo metodo si combinano le misure del magnetometro e del giroscopio, tenendo presente anche le misure passate. In questo modo si è più robusti a errori nei sensori e nelle misure. • Calibrazione dei modelli proposti basandosi su dati sperimentali, ottimizzando tutti i parametri del sistema. • Generalizzazione di alcune statistiche sul movimento dei pedoni, in particolare per quanto riguarda la frequenza con cui un pedone si ferma o cambia direzione. Tali statistiche sono importanti per definire modelli dinamici di comportamento dei pedoni, utili a predirne il comportamento in strada. Inoltre, al fine di validare le tecniche proposte, è stata eseguita un'ampia campagna di misure e sperimentazione, in diversi ambienti (chiusi e all’aperto) considerando diversi comportamenti del pedone. Il sistema da noi proposto è in grado di raggiungere un errore accumulato di 1.1 metri dopo 60 secondi per quanto riguarda gli ambienti all’aperto, e un errore accumulato di 1.78 m dopo 35 secondi in ambenti chiusi. Gli sviluppi futuri del lavoro svolto durante questa tesi riguardano la predizione accurata del comportamento dei pedoni. Infatti, attraverso l’analisi delle traiettorie, è possibile determinare dei modelli dinamici comportamentali dei pedoni, i quali permetterebbero di utilizzare tecniche di Tracking avanzate, con lo scopo finale di predire il loro comportamento in strada ed evitare/ridurre gli incidenti.