Analisi del dominio: i sistemi per la localizzazione Definizione e implementazione del framework e risultati sperimentali e sviluppi futuri
Tecniche di localizzazione Triangolazione Analisi della scena Prossimità Proprietà dei sistemi Accuratezza e precisione Costo Posizioni fisiche Vs simboliche Posizioni assolute Vs relative Limiti
Infrastruttura esistente Satellitebased GPS WiFi Wireless Networkbased Inerziali Infrastruttura ad-hoc UWB GSM IR ultrasuoni
Il GPS è globalmente diffuso ma non funziona indoor non esiste uno standard Soluzioni ad-hoc per ogni specifico problema scarsa omogeneità e portabilità Obiettivo: massima precisione/accuratezza talvolta non sono necessarie
Definizione di un framework che: Modelli le interrogazioni (query) di localizzazione Modelli il generico sistema per la localizzazione Risoluzione delle query Combinando diversi sistemi Minimizzando il rapporto costo/efficacia
Precisione? 50%? 99%? Accuratezza? 1 mt? 1000 mt? Dominio? Coordinate fisiche? Stanze di un palazzo?
Input: Dati di input generici per la localizzazione Insieme delle risposte (posizioni) Output: Distribuzione di probabilità sull insieme delle risposte input Componente Proprietà: Costo q-selettività: probabilità di risolvere una certa query q
Probabilità p Atrio Corridoio Ufficio 1 Ufficio 2 Bagno... ddp Insieme delle risposte A Query q dominio = A accuratezza = a q precisione = p q Sottoinsieme delle risposte A accuratezza = A precisione = (somma) Query soddisfatta se: a q A p q (somma)
Se un solo componente non basta? In serie (pipeline): Miglioramenti della medesima tecnologia Componente In parallelo: Tecnologie indipendenti Componente ddp Componente ddp ddp ddp Componente ddp
Approccio Bayesiano indipendente Esempio: Componenti concordi Componenti discordi Singoli componenti Aggregato
Problema: data una query, quali componenti è meglio valutare per minimizzare i costi? Algoritmo di pianificazione 1. Generare una rete degli stati
2. Marcare gli archi con i costi condizionali Dominio V k V l C k,l Probabilità che allo stato V k la query non sia ancora risolta (selettività) Costo del componente valutato allo stato V l 3. Usare l algoritmo di Dijkstra per trovare il cammino di costo minimo
Come aggregare risposte di diversi domini? Insieme A Traduttore Insieme B Il traduttore è un particolare tipo di componente che accetta ddp in input l algoritmo di pianificazione resta valido (con qualche lieve modifica)
Tecnica utilizzata: Wi-Fi fingerprinting Dominio Client Snapshot sender Linux Wireless Tools UDP Snapshot receiver Componente Server Algoritmi: Nearest neighbor dist. Hamming dist. Euclidea Reti neurali Inferenza Bayesiana Mobile device driver ddp Fingerprints database
Stima delle selettività Dominio Wi-Fi nearest neighbor con distanza di Hamming Wi-Fi nearest neighbor con distanza Euclidea
Contributi: Formalizzazione di un metodo per integrare diverse tecnologie per la localizzazione Applicabilità ad altri domini (riconoscimento vocale/facciale) Definizione di un algoritmo per la valutazione di query con requisiti di precisione/accuratezza Implementazione di componenti di test basati su WiFi e reti di sensori Sviluppi futuri: Implementazione di nuovi componenti per sfruttare le capacità dell algoritmo