An adaptive indoor positioning system based on Bluetooth low energy RSSI

Nowadays most of commonly used positioning and location detection systems, accessible via mobile phones, are usually targeted to open spaces, since adopted technologies are mainly based on GPS and satellite tracking, which are robust for outdoor environments. Only in recent years the focus has passed to indoor venues where people spend about 80% - 90% of their time. The goal of indoor positioning in some applications, notably oriented to hospitals and malls, is to monitor people into a structure or provide navigation support, others want to use indoor positioning to better understand how customers behaves, enhance their satisfaction, branding and marketing for the venue, provide just-in-time information (for instance, intelligent audio guides for tours) or offer, by the means of location information, video or augmented reality experiences or connect people of interest in proximity to each another. In other words, indoor positioning systems (IPSs) enable location-awareness for mobile devices in ubiquitous and pervasive wireless computing systems. The need for connectivity, access and navigation has fueled research and investments in this field. A different and innovative solution for developing an indoor positioning system (IPS) could be based on the adoption of a low-cost transmitting infrastructure, based on a limited number of Bluetooth Low Energy (BLE) beacons, not requesting to the installer any effort (no on-site surveys) by defining a real-time and environment-adaptive signal propagation model, based on the evolution of Received Signal Strengths Indicator over time. Accordingly, the present work aims at advancing knowledge about a feasible adoption of BLE for positioning purposes in restricted (room, offices, etc.) ranges. To do so, the evolution and stability of Bluetooth Low Energy signal is studied is firstly evaluated in order to validate its relationship with respect to changing distances between transmiter and receiver. Secondly, a dynamic model based on Bayesian filtering techniques to detect model parameters is proposed. The biggest difference between Bayesian method and the traditional positioning methods lies in the fact that Bayesian method does not focus on obtaining a more accurate and stable RSSI signal from each beacon (which seems complex for this kind of signal), but on obtaining a more reliable sample collection, and through continuous updating of particles and related weights, eventually, it will converge to the most probable propagation model parameters distribution. Results show an increased accuracy with respect to other commonly widespread methods, based on linear regression on the curve describing the relation between listened power and distance.

In un mondo dove la maggior parte dei più comuni sistemi di localizzazione e di rilevamento di posizione sono utilizzati in grandi spazi aperti, come quelli basati sul GPS, accessibili anche da telefoni cellulari, negli ultimi anni il lavoro di ricerca si è incentrato negli ambienti indoor, luoghi nei quali le persone trascorrono tra l’80% e il 90% del loro tempo quotidiano. Gli obiettivi di tale sistema di localizzazione sono molteplici e tutti di evidente importanza. In base alle diverse tipologie di utenza, essi sono spesso orientati ad ambienti, come centri commerciali ed ospedali, dove la navigazione interna può essere agevolata dalle informazioni di localizzazione, oppure mirano al soddisfacimento delle necessità dell’utenza, a rendere un luogo più interessante, a fornire informazioni in tempo reale, come quelle via audio durante i tour turistici, oppure a fini di condivisione tra soggetti connessi ed in stretta vicinanza. Gli IPS, acronimo per sistemi di posizionamento in ambienti chiusi, sono quindi in linea con le recenti tendenze e sviluppi nell’ambito degli ubiquitous computing systems ed in grado di alimentare maggiormente la ricerca e gli investimenti in questo campo, entrambi mossi dalla necessità di connettività, accessibilità e navigazione a supporto dell’utente. Una soluzione differente e innovativa potrebbe basarsi sull’adozione di un’infrastruttura di trasmissione low-cost, caratterizzata da un limitato numero di segnali Bluetooth Low Energy (BLE), in grado di non richiedere all’utente finale alcuna campagna di installazione in situ, definendo un modello di propagazione per il segnale in tempo reale e che si adatti all’ambiente di riferimento, basandosi sullo studio del Received Signal Strenght (RSSI). In conclusione, il presente lavoro di tesi mira ad ampliare e studiare una possibile adozione della tecnologia BLE per fini di posizionamento in spazi ristretti. A tal fine è studiata l’evoluzione della stabilità di tale segnale per validare la sua relazione rispetto a differenti distanze tra trasmettitore e ricevitore. Inoltre, è proposto un modello dinamico basato su tecniche di filtraggio Bayesiano per determinare i parametri in grado di descrivere l’evoluzione di un’opportuna legge di propagazione. La differenza più grande tra un approccio Bayesiano e i tradizionali metodi di posizionamento, nell’ambito delle reti di sensori wireless, è riposta nel fatto che tali metodi non si focalizzano sull’ottenere un valore di RSSI più accurato per ogni beacon (che potrebbe risultare un task molto complesso per questo tipo di segnale), ma sull’ottenere una collezione più affidabile di campioni che, attraverso un continuo aggiornamento delle particles, sia in grado di convergere alla distribuzione più probabile dei parametri del modello. I risultati mostrano un’accuratezza migliorata rispetto ad altri metodi comunemente usati, basati su regressione lineare, al fine di più precisamente caratterizzare la curva che descrive la relazione tra potenza rilevata e distanza.