CARLOS VINÍCIUS REAL
SISTEMA DE LOCALIZAÇÃO BASEADO EM REDES WI-FI
Palhoça 2012
SISTEMA DE LOCALIZAÇÃO BASEADO EM REDES WI-FI
Trabalho de Conclusão de Curso apresentado ao Curso de Graduação em Ciência da Computação da
Universidade do Sul de Santa Catarina, como requisito parcial à obtenção do título de Bacharelado em Ciência da Computação.
Orientador: Prof. Dr. Saulo Popov Zambiasi
Palhoça 2012
importantes da minha vida, minha família e amigos, que me apoiaram durante os momentos mais difíceis e felizes dessa caminhada. Obrigado por tudo.
Agradeço a todos que participaram da minha formação de maneira direta e indireta, professores e colegas de sala, que compartilharam seu conhecimento ao longo dessa jornada.
A crescente utilização de aplicativos e serviços que utilizam o contexto de localização do usuário é notável, acompanhando, sobretudo, a popularização de dispositivos móveis, como
smartphones e tablets. Atualmente, utilizam-se sistemas de localização como o A-GPS para
auxiliar no posicionamento do usuário, devido ao seu baixo custo, podendo este ser encontrado em grande parte destes dispositivos. Em ambientes externos, a precisão desses sistemas é muito boa, mas em ambientes fechados atinge uma taxa de erro de localização muita alta, devido a características como, por exemplo, a estrutura do ambiente. Um sistema de localização que possa ser utilizado de forma fácil e com um desempenho superior aos oferecidos pelos sistemas tradicionais, poderia facilmente suprir esta necessidade, informando o posicionamento de forma mais precisa para o usuário ou outro serviço que deseja este tipo de informação. O projeto propôs o desenvolvimento de um sistema de localização baseado em rede Wi-Fi, que permite que o usuário encontre sua localização em um ambiente indoor, previamente mapeado. A técnica utiliza para criação do algoritmo de posicionamento foi um modelo híbrido de algoritmos, que utiliza como base o mapa de RSSI, algoritmo de
KNN(K-nearest neighboor) e um sistema controlador fuzzy para auxiliar o algoritmo de KNN. O
desenvolvimento foi realizado utilizando a plataforma Android e seus recursos integrados, como o Google Maps e banco de dados SQLite. O processamento das informações foi realizado de maneira implícita, ou seja, mostrando que há viabilidade de uma aplicação que execute todas as operações no próprio dispositivo, sem necessitar de ajuda de agentes externos, como servidores. Os resultados obtidos foram considerados satisfatórios, pois permitem a criação de um protótipo funcional, destinado a uma plataforma móvel, com capacidade visualização de mapa, inserção de pontos para a criação do mapa do RSSI, exclusão, listagem, execução do algoritmo de posicionamento, e visualização no mapa.
Palavras-chave: Computação móvel. Localização baseada em rede Wi-Fi. Android.
Figura 1 – Faixa de frequência liberada... 20
Figura 2 – Faixa de frequência dividida em cana ... 21
Figura 3 – Equação para o cálculo da atenuação... 22
Figura 4 – Refração do sinal RF... 24
Figura 5 – Reflexão do sinal RF... 24
Figura 6 – Funcionamento de rede Wi-Fi com infraestrutura... 25
Figura 7 – Funcionamento de rede Wi-Fi sem infraestrutura, Ad-Hoc... 26
Figura 8 – Comparação ao modelo OSI do padrão 802.11... 26
Figura 9 – Funcionamento do TOA/RTOF... 30
Figura 10 – Funcionamento do TDOA... 31
Figura 11 – Ângulos 1 e 2 das arestas do triângulo... 31
Figura 12 – Exemplo de um mapeamento RSSI... 33
Figura 13 – Exemplo de definição do grau de pertinência... 35
Figura 14 – Definição da variável linguística temperatura, representada por “T”... 36
Figura 15 – Modelo de inferência fuzzy Mamdani... 38
Figura 16 – Modelo utilizado por Chen et al. (2003)... 38
Figura 17 – Diagrama de Venn... 41
Figura 18 – Relação distância e potência do RSSI... 42
Figura 19 – Sistema ECIVED... 43
Figura 20 – Mapeamento na CES (Consumer Electronics Association) – 2012... 44
Figura 21 – Tabela de comparativo entre alguns estudos já realizados... 47
Figura 22 – Proposta da solução... 49
Figura 23 – Modelo da metodologia ICONIX... 57
Figura 24 – Modelo de caso de uso atores... 57
Figura 25 – Modelo de caso de uso... 58
Figura 26 – Análise robusta de cadastro de posição... 63
Figura 27 – Análise robusta do cadastro de usuário... 64
Figura 28 – Análise robusta da consulta de posição... 64
Figura 29 – Diagrama de sequência... 65
Figura 32 – Arquitetura da solução... 70
Figura 33 – Ferramentas tecnológicas utilizadas... 71
Figura 34 – Tela de login... 73
Figura 35 – Cadastro de usuário... 74
Figura 36 – Menu principal... 75
Figura 37– Visualização de mapa... 76
Figura 38 – Mapa local... 77
Figura 39 – Menu mapa de RSSI... 78
Figura 40 – Tela de cadastro de ponto... 79
Figura 41– Leitura de dados... 80
Figura 42– Mapa de RSSI... 81
Figura 43– Indicar posição... 82
Figura 44– Cálculo do posicionamento... 83
Figura 45 – Resultado do posicionamento... 84
Figura 46 – Listagem... 85
Figura 47 – Regiões do mapa local... 87
Figura 48 – Mapa de RSSI dos testes... 88
Figura 49 – Pontos de teste... 88
Quadro 1 – Atenuação de materiais... 22
Quadro 2 – Requisitos Funcionais... 54
Quadro 3 – Requisitos Não-Funcionais... 55
Quadro 4 – Regras de negócio... 56
Quadro 5 – Descrição atores... 57
Quadro 6 – Cadastro de usuário... 58
Quadro 7 – Login do usuário ... 59
Quadro 8 – Gerenciar localização... 60
Quadro 9 – Cadastro de mapa de RSSI. ... 60
Quadro 10 – Cadastrar mapa... 61
Quadro 11 – Leitura dos dados rede Wi-Fi... 62
Quadro 12 – Lista de redes Wi-Fi disponíveis... 62
Quadro 13 – Questionário aplicado aos participantes... 90
1 INTRODUÇÃO...12 1.1 OBJETIVOS... 14 1.1.1 Objetivo Geral... 14 1.1.2 Objetivos Específicos... 14 1.2 JUSTIFICATIVA...15 1.3 ESTRUTURA DA MONOGRAFIA...16 2 PESQUISA BIBLIOGRÁFICA... 17 2.1 REDE WIRELESS...17 2.1.1 Wi-Fi...17 2.1.2 Sinal de radiofrequência...18
2.1.3 Características do Sinal de Radiofrequência ...19
2.1.3.1 Interferência e Multipath...19
2.1.3.2 Atenuação...20
2.1.3.3 Intensidade do sinal ou RSSI... 21
2.1.3.4 Refração... 22 2.1.3.5 Reflexão... 22 2.1.4 Arquitetura 802.11...23 2.1.5 Camada Física... 24 2.1.6 Subcamada MAC ... 25 2.1.7 LLC... 26 2.2 TÉCNICAS DE LOCALIZAÇÃO... 26 2.2.1 Métodos de Triangulação... 27 2.2.2 Time of Arrival... 27
2.2.3 Time Diference of Arrival...28
2.2.4 Angle of Arrival... 29 2.2.5 Mapa de RSSI ...30 2.2.6 Redes Neurais... 31 2.2.7 Lógica Fuzzy...32 2.2.7.1 Função de pertinência... 33 2.2.7.2 Variáveis linguísticas ...34 2.2.7.3 Regras Fuzzy...35
2.2.8 MÉTODOS DE PROXIMIDADE... 37 2.2.9 MÉTODOS PROBABILÍSTICOS... 37 2.3 TRABALHOS RELACIONADOS...37 2.3.1 iFind...38 2.3.2 Projeto RADAR...39 2.3.3 Qubulus... 40 2.3.4 ECIVED... 41 2.3.5 Ekahau... 41
2.3.6 Google Indoor Location...42
2.4 AVALIAÇÃO DOS SISTEMAS DE LOCALIZAÇÃO... 43
2.5 COMPARATIVO ... 44 3 METODOLOGIA... 46 3.1 METODOLOGIA DE PESQUISA... 46 3.2 ETAPAS METODOLÓGICAS ...47 3.3 PROPOSTA DA SOLUÇÃO... 47 3.4 DELIMITAÇÕES... 48 4 MODELAGEM... 49
4.1 MODELAGEM DO SISTEMA DE LOCALIZAÇÃO... 49
4.2 UML ... 49 4.3 ICONIX...50 4.4 ESPECIFICAÇÃO DE REQUISITOS... 52 4.5 REQUISITOS FUNCIONAIS... 52 4.6 REQUISITOS NÃO-FUNCIONAIS... 53 4.7 REGRAS DE NEGÓCIO...54 4.8 ATORES...54 4.9 CASOS DE USO... 55 4.10 DIAGRAMA DE ROBUSTEZ...61 4.11 DIAGRAMA DE SEQUÊNCIA... 62 4.12 MODELO DE DOMÍNIO... 64 4.13 DIAGRAMA DE CLASSES... 64 5 DESENVOLVIMENTO...66
5.2 DESCRIÇÃO DO DESENVOLVIMENTO... 66
5.3 ARQUITETURA DA SOLUÇÃO... 67
5.4 FERRAMENTAS TECNOLÓGICAS UTILIZADAS... 68
5.5 APRESENTAÇÃO DO SISTEMA...70
5.6 CONSIDERAÇÕES SOBRE O DESENVOLVIMENTO...84
5.7 VALIDAÇÃO... 84 5.7.1 Testes de usuários... 87 6 CONCLUSÃO... 90 6.1 CONCLUSÕES... 90 6.2 TRABALHOS FUTUROS...91 REFERÊNCIAS... 92
1 INTRODUÇÃO
As redes locais sem fio (WLANs) são hoje presença constante no nosso cotidiano. Elas são encontradas nos mais diversos locais, tais como cafés, universidades, hospitais e aeroportos (MOURA, 2007).
Na década de 1990, surgiam vários padrões de LANs sem fio, comercializadas por diversas empresas (KUROSE; ROSS, 2006), como o padrão proprietário WaveLan e Zigbee. Segundo Tanenbaum (2003), essa variedade de padrões significava que um computador equipado com uma antena de rádio da marca X não iria funcionar em uma sala que estivesse utilizando uma estação base da marca Y, trazendo uma série de dificuldades de comunicação entre os dispositivos.
Com este problema em vista, os fabricantes decidiram que utilizar um padrão para as redes locais sem fio seria o mais adequado (TANENBAUM, 2003), garantindo assim a interoperabilidade entre os dispositivos. A partir da necessidade de se estabelecer um padrão para
WLANs, o Institute of Eletrical and Eletronic Engineer (IEEE), criou a padronização 802.11 para
redes wireless locais, chamada mais tarde de Wi-Fi (Wireless Fidelity), alusão à marca Wi-Fi
Alliance, que fornece o licenciamento para diversos dispositivos que utilizam a rede Wi-Fi.
Com o rápido crescimento das redes wireless, iniciou-se a exploração de novos recursos para a rede, que trouxeram a possibilidade de crescimento e desenvolvimento de novas soluções para que pudessem atender aos mais diversos serviços, principalmente no contexto de aplicações direcionadas a dispositivos móveis.
Ao ter como objetivo utilizar a infraestrutura de rede já existente, minimizando ou eliminando os custos de instalações de novos aparelhos ou mesmo de alterações de aparelhos já existentes (MOURA, 2007), a rede Wi-Fi surgiu como proposta para o desenvolvimento de um sistema de localização. Assim, utilizando os dados obtidos através do sinal de rádio, o sistema de localização baseado em rede Wi-Fi, tem como objetivo determinar o posicionamento físico de um dispositivo móvel em uma rede local sem fio.
A utilização de uma rede Wi-Fi para determinar a localização de dispositivos tem como objetivo atender áreas em que o emprego do GPS não seja tão preciso quanto em ambientes abertos. Apesar de o GPS (Global Positioning System) ser o principal método de localização em ambientes abertos (ZHOU, 2006), suas características em ambientes urbanos, como prédios, casas e áreas com muitos edifícios altos, fazem com que o seu desempenho não seja o ideal para o posicionamento em ambientes internos (MOURA, 2007). Com isso, surgiram pesquisas para construção de modelos de sistemas de localização internos, como os que utilizavam ultrassom (HAZAS e WARD, 2002) e
infravermelho (KRUMM; WILLIAMS; SMITH, 2002), mas que não foram bem aceitos devido ao seu alto custo de implantação.
Os sistemas de localização baseados em redes Wi-Fi, têm conquistado cada vez mais espaço em pesquisas científicas e em diversos nichos de mercado (MOURA, 2007; LIU et al. 2006; NUNES, 2006; CARVALHO, 2007; TAO et al. 2003; ZHOU, 2006). Estes sistemas podem atuar fornecendo diversas informações referentes ao posicionamento do dispositivo, que vão desde a sua localização relativa, que indica apenas o local onde se encontra o usuário, à localização em um determinado ponto de forma precisa. Com isso pretende-se mostrar os principais conceitos e características desse tipo de sistema.
É pretendido, também, demonstrar como o algoritmo de localização influencia no sucesso do sistema. Para isso, é essencial definir a técnica a ser utilizada para que o sucesso do sistema seja alcançado. Segundo Liu et al. (2007), diferentes tipos de aplicações podem requerer tipos de localizações diferentes, como a localização física, simbólica, absoluta e relativa. Saber exatamente o problema a ser resolvido pode levar a uma melhor avaliação sobre qual técnica utilizar.
A localização física pode ser realizada através de coordenadas no modelo cartesiano ou posicionamento no espaço tridimensional (Liu et al. 2007). Na localização simbólica, é informada somente a área onde se encontra, em que andar ou sala se encontra o objeto monitorado; já na localização absoluta, é utilizada uma grade de referência para localização dos objetos; e na relativa, é utilizada uma camada de referência de bases e pontos conhecidos (LIU et al. 2007).
Alguns algoritmos de localização podem utilizar técnicas como o mapeamento de RSSI (Received Signal Strength Indication), triangulação do sinal ou TDOA (Time Difference of Arrival) e tempo de chegada dos pacotes, entre outros exemplos (Liu et al. 2006).
Esses sistemas de posicionamento permitiram o desenvolvimento de aplicações orientadas a contexto. Seu uso pode ser dado as mais diversas áreas comerciais e de pesquisas, que utilizam a informação de contexto da localização para executar determinada ação.
Essas aplicações são chamadas de aplicações orientadas a contexto ou context-aware. Aplicações orientadas ao contexto são um paradigma da computação móvel, em que as aplicações podem descobrir e assumir vantagem da informação contextual em um determinador momento, de acordo com Chen e Kotz (2000).
Segundo Moura,
Aplicativos orientados a contexto representam uma parcela importante da demanda por serviços de localização [...] aplicativos de busca, de geração de informação contextual, de auxílio a deficientes físicos[...] entre outros, podem ser beneficiados pela existência de um serviço de localização e confiável. (MOURA, 2007, p. 5).
Dessa forma, permitir que o desenvolvimento de um sistema de localização baseado em redes Wi-Fi, que forneça dados de localização consistentes, com o mínimo esforço, é um dos desafios apresentados por este trabalho. Realizando comparativos e avaliações, pretende-se chegar a um sistema que seja satisfatório e confiável. O intuito é que este possa ser utilizado como base para o desenvolvimento de aplicações orientadas a contexto e de localização.
1.1 OBJETIVOS
Os objetivos do projeto são divididos em geral e específico, conforme mostram as seções a seguir.
1.1.1 Objetivo Geral
Esta pesquisa tem como objetivo principal a criação de uma ferramenta que possibilite a localização física de um dispositivo móvel em ambientes munidos de rede Wi-Fi local, através de um sistema de monitoramento online.
1.1.2 Objetivos Específicos
Esta pesquisa possui os seguintes objetivos específicos.
• Obter um conjunto de informações do atual estado-da-arte sobre técnicas de localização, além de material referente às tecnologias utilizadas para a solução do problema;
• Por meio de uma tabela de funcionalidades das técnicas encontradas, selecionar as que melhor se enquadram com os objetivos desse trabalho ou utilizar a hibridação de
certas técnicas, se necessário;
• Obter um modelo do sistema a ser implementado;
• Gerar a um protótipo implementado conforme o modelo apresentado; • Efetuar testes para avaliação do trabalho.
1.2 JUSTIFICATIVA
Ao realizar o posicionamento de um dispositivo através de um sistema de localização baseado em redes Wi-Fi, obtêm-se informações de maneira confiável e precisa, pois a localização se atém somente a área limitada pela infraestrutura local. A utilização de aplicações orientadas a contexto, estão cada vez mais presentes no mercado e em pesquisas acadêmicas (NUNES, 2006). Pode-se citar a utilização em museus, universidades, shopping centers, por administradores de rede, distribuição de conteúdo por localização, entre outros.
Um sistema de localização Wi-Fi implantado em uma universidade, por exemplo, poderia trazer diversos benefícios, como auxiliar na localização de setores, centros acadêmicos, salas de aulas, laboratórios, etc. Poderia também facilitar o acesso sobre informações de acessibilidade para deficientes físicos, mostrando as limitações físicas da infraestrutura do campus.
Em locais como museus, pode ser utilizado para fornecer informações sobre as obras de arte, como aconteceu no museu Pergamon em Berlim (SIECK; FIEDLER; HERZOG, 2006). Ao obter dados do posicionamento do visitante, com um dispositivos móvel conectado a WLAN, um conteúdo multimídia sobre a obra de arte é disponibilizado para visualização. Se o visitante desejar obter informações de alguma outra obra de arte, ele poderá identificar no mapa do museu o trajeto até ela e todas as informações referentes à obra.
A utilização desse tipo de sistema em shopping centers e supermercados, também, pode disponibilizar propaganda ou promoções para clientes em determinadas áreas ou ao identificar a aproximação de vitrines ou produtos. É possível também disponibilizar o caminho até uma determinada loja ou corredor, especificando um caminho para que o cliente chegue a um determinado ponto.
Finalmente, em empresas, os sistemas de localização podem ser utilizados para identificação de um intruso na rede, mostrando sua posição física. Também poderia auxiliar na administração de rede, identificando dispositivos sem fio que estejam com problemas.
1.3 ESTRUTURA DA MONOGRAFIA
Este projeto está dividido em cinco capítulos. A seguir, será apresentada a estrutura do trabalho:
• Capítulo 1 – Introdução: apresenta a introdução, problema, objetivos e justificativas do trabalho.
• Capítulo 2 – Pesquisa bibliográfica: apresenta os conceitos relacionados ao sistema de localização, técnicas e tecnologias utilizadas.
• Capítulo 3 – Metodologia: apresenta aspectos da metodologia utilizada no levantamento da pesquisa e desenvolvimento do trabalho.
• Capítulo 4 – Modelagem: apresenta a modelagem realizada para o desenvolvimento do protótipo, apresentando os conceitos utilizados.
• Capítulo 5 – Desenvolvimento: apresenta as ferramentas utilizadas para o desenvolvimento do estudo de caso e a apresentação do mesmo.
• Capítulo 6 – Conclusões e trabalhos futuros: neste item, apresenta as conclusões finais sobre o projeto e assuntos relacionados a trabalhos futuros.
2 PESQUISA BIBLIOGRÁFICA
Neste capítulo é apresentada a fundamentação teórica do projeto desenvolvido para a monografia, abordado assuntos como rede Wi-Fi, técnicas de localização, comparativos técnicos, entre outros tópicos.
2.1 REDE WIRELESS
O termo wireless, ou “sem fio”, surgiu para definir a forma como se dava a comunicação de dados que não utilizava fios, como, por exemplo, em satélites, telefones celulares e internet a rádio. É possível encontrar diversas tecnologias além dessas, que permitam este tipo de comunicação sem fios, como laser, infravermelho, micro-ondas, rádio, entre outras.
Este trabalho tem como enfoque a utilização de ondas de rádio em uma rede sem fio local, definida como WLAN (TANENBAUM, 2003), Wireless Local Area Network, popularmente conhecida como rede Wi-Fi. Ao longo do trabalho são apresentadas características do seu funcionamento e suas propriedades, servindo como base para o sistema proposto.
2.1.1 Wi-Fi
A utilização da rede Wi-Fi tem como objetivo aproveitar a infraestrutura já existente nas
WLANs, diminuindo custo e tempo de implantação do sistema (MOURA, 2007). Para utilização das
técnicas de localização, é importante levar em consideração as características do sinal de rádio. A popularidade do Wi-Fi possibilitou que sua estrutura fosse implantada nos mais diversos ambientes, como escritórios, parques e universidades. Dessa forma, ao utilizar a rede
Wi-Fi como base para o desenvolvimento de um sistema de localização, é necessário levar em
consideração a estrutura da construção do local e elementos do ambiente, como portas, paredes, cujos limites influenciam a maneira como o sinal de rádio é propagado pelo local (KUROSE;
ROSS, 2006).
Ao identificar os pontos de acesso disponíveis, é possível obter dados fundamentais para a utilização pelo sistema (MOURA, 2007), como: ângulo em que o sinal chega; marcação do instante que o sinal chega; e a potência do sinal recebido (RSSI).
2.1.2 Sinal de radiofrequência
Segundo Tanenbaum (2003), há diversos padrões 802.11 para tecnologia de LAN sem fio, entre eles 802.11b, 802.11g e, o mais recente, 802.11n, trabalhando em faixas que podem variar de 2,4 GHz e 5 GHz. Estas faixas de banda são conhecidas como ISM (Industrial, Scientific e
Medical bands) (JARDIM 2007), sendo definidas pelo ITU (International Telecommunication Union), como faixas que não estão licenciadas para comunicação.
Figura 1 – Faixa de frequência liberada
Fonte: Jardim (2007).
As faixas são alocadas em intervalos de 5 Mhz, indo de 2.2412 a 2.472 Mhz, totalizando 14 canais, sendo que cada um destes utiliza uma faixa de 22 Mhz para transmissão (MORIMOTO, 2008), definido assim pelo IEEE. No Brasil, é utilizada a faixa de canais de 1 a 11, para trabalhar na faixa ISM.
Figura 2 – Faixa de frequência dividida em canais
Fonte: T/ICT4D(2012).
A figura 2 mostra a divisão das faixas de frequências do sinal de rádio.
2.1.3 Características do Sinal de Radiofrequência
Ao desenvolver um sistema de localização baseado em uma rede Wi-Fi, é necessário levar em consideração as características referentes ao comportamento do sinal de rádio, como refração, multicaminhos, atenuação, entre outros, que influem diretamente no comportamento esperado da rede Wi-Fi.
2.1.3.1 Interferência e Multipath
Segundo Kurose e Ross (2006), os sinais de uma WLAN podem sofrer alterações nas suas características, como:
• Interferência: Fontes de rádio diferentes podem interferir na transmissão do sinal sem fio.
• Propagação multicaminhos (multipath): O multipath é um fenômeno muito comum de propagação frequente no sinal Wi-Fi. Ocorre quando porções de ondas eletromagnéticas refletem em objetos e no solo, tomando caminhos diferentes entre o emissor e receptor.
pelos receptores, fornecendo dados que não são totalmente seguros. De acordo com Nunes (2006), a mudança na temperatura e umidade, disposição da mobília e principalmente o trânsito de pessoas no recinto alteram a qualidade e o nível do sinal recebido (RSSI), ou seja, os níveis de sinal recebido se alteram ao longo do tempo e variam em torno de um valor médio.
2.1.3.2 Atenuação
A atenuação é a redução da potência do sinal transmitido. Este sinal pode sofrer atenuação quando atravessa algum tipo de material, como paredes, objetos, ou mesmo através de fenômenos físicos, como a chuva, a presença de umidade ou o ar. Isto acaba resultando na perda de força do sinal ao atravessar estes obstáculos ou conforme a distância aumenta (KUROSE; ROSS, 2006).
A seguir, a figura 3, apresenta a fórmula para o cálculo da atenuação do sinal. Figura 3 – Equação para o cálculo da atenuação
Fonte: Kioska (2012).
O enfraquecimento do sinal é medida em bels (B), e equivale ao logaritmo base 10 da potência da saída, dividido pela potência de entrada. Utiliza-se o decibel (dB), pois representa um décimo do valor bels (KIOSKA, 2012).
Em ambientes fechados, é comum encontrar diversas divisões entre os ambientes e obstáculos, alterando o coeficiente de atenuação do sinal, dependendo da espessura e do tipo de material (REZENDE apud SANCHES, 2005), pode-se obter resultados diferentes.
Quadro 1 – Atenuação de materiais
(continua)
Material e espessura. 5 GHz(dB) 2,4 GHz(dB)
Porta de madeira sólida – 45 mm 7 4
Porta de madeira oca – 45 mm 5 3
Porta de concreto – 450 mm 30 18
(conclusão)
Material e espessura. 5 GHz(dB) 2,4 GHz(dB)
Parede interior -150 mm 9 4
Parede interior sólida – 120 mm 16 14
Mármore – 50 mm 10 6
Vidro espelhado – 6 mm 14 10
Fonte: Rezende apud SANCHES, 2005.
Na tabela 1, é possível ver o valor de atenuação de alguns materiais. É possível notar a grande sensibilidade do sinal de rádio, podendo ter grandes perdas de força, com com uma pequena diferença na espessura do material. A primeira coluna indica o material e sua espessura, a segunda a atenuação na faixa de 5 GHz e na terceira, na faixa de 2,4 GHz
2.1.3.3 Intensidade do sinal ou RSSI
O RSSI é a medida de intensidade do sinal recebido pela dispositivo receptor. Esta intensidade pode variar de acordo com objetos existentes no ambiente, paredes, portas, ângulo da antena, entre outros obstáculos que podem causar alguma tipo de interferência.
É possível verificar:
• Potência de transmissão do equipamento; • Ganho das antenas local e remota;
• Atenuação no espaço livre.
Muitos sistemas de localização (MOURA, 2007; RENNER, 2008; SIECK; FIEDLER; HERZOG, 2006; CARVALHO, 2007), utilizam a informação de RSSI para realizar uma estimativa da localização, para saber se assim a variação do valor de RSSI está sendo influenciada por alterações no ambiente ou por sua movimentação (NUNES, 2006).
2.1.3.4 Refração
Segundo Farias (2006), “refração é o desvio que uma onda de rádio sofre ao passar através de um meio de densidade diferente[...]”, parte do sinal é desviado para outra direção ao tentar atravessar o objeto e outra parte é refletida.
Para links de longas distâncias, caso ocorra um desvio acentuado, o sinal pode acabar não chegando no receptor (FARIAS, 2006).
Figura 4 – Refração do sinal RF
Fonte: Farias (2006).
Na figura 4, está a representação do comportamento de um sinal de rádio ao ocorrer o fenômeno de refração.
2.1.3.5 Reflexão
Ocorre quando o sinal incide sobre uma superfície maior do que o tamanho da onda, fazendo o sinal ser refletido, podendo ocorrer perda de sinal ou não (FARIAS, 2006). A reflexão causa grande perda do sinal, ocasionando no multipath ou multicaminhos.
Figura 5 – Reflexão do sinal RF
A figura 5 demonstra como ocorre a reflexão de um sinal de rádio quando entra em contato com uma superfície que cause a reflexão.
2.1.4 Arquitetura 802.11
Esta arquitetura pode ser encontrada em padrões utilizados por redes Wi-Fi, como 802.11g e 802.11n, sendo o último o mais atual. Os padrões possuem muitas características em comum. Todos utilizam o mesmo protocolo de acesso ao meio, CSMA/CA, e utilizam a mesma estrutura de quadros para seus quadros da camada de enlace (KUROSE; ROSS, 2004). Podem trabalhar em dois modos:
• Com infraestrutura: Os pontos de acesso atuam juntamente com a infraestrutura de Ethernet cabeada, que interconecta os pontos e um roteador, fornecendo acesso a rede.
Figura 6 – Funcionamento de rede Wi-Fi com infraestrutura
Fonte: Nunes (2006).
• Sem infraestrutura: também chamada de Ad-Hoc, a conexão é realizada diretamente entre os dispositivos que estão na rede. Cada máquina servidora atua como um roteador.
Figura 7 – Funcionamento de rede Wi-Fi sem infraestrutura, Ad-Hoc
Fonte: Nunes (2006).
A especificação do padrão 802.11, define o comportamento das interfaces da camada física, PHY(Physical layer), e da subcamada de controle de acesso ao meio, MAC (Media Access
Control), para conectividade sem fio em dispositivos fixos ou portáteis em uma área local,
juntamente com uma entidade, LEM (Layer Management Entity), que é responsável pelo gerenciamento (MOURA, 2007).
Figura 8 – Comparação ao modelo OSI do padrão 802.11
Fonte: MOURA(2007).
Nestas camadas, pode-se encontrar informações de RSSI, essencial para o funcionamento de um sistema de localização, que irá determinar a força do sinal recebido de rádio.
2.1.5 Camada Física
Para utilização do padrão 802.11, surgiram diversos padrões para a transmissão do sinal de rádio frequência. Estes se diferem basicamente na velocidade e na taxa de transmissão utilizada. A seguir são apresentadas algumas das técnicas mais utilizadas para transmissão de dados.
• Frequency Division Multiplexing (FDM) – Permite a transmissão simultânea de vários sinais, onde cada sinal possui uma banda espectral própria e bem definida. É utilizado pelo padrão 802.11b, que ainda pode ser encontrado em diversas redes.
• Orthogonal Frequency Division Multiplexing (OFDM) – Divide a faixa de transmissão em faixas menores, que são transmitidas por subcanais paralelos. Estes subcanais operam em frequências ortogonais, para que não haja interferência. Essa técnica ainda hoje é utilizada por padrões encontrados em muitas redes, como o 802.11a e 802.11g.
• MIMO-OFDM – MIMO (Multiple-input multiple-output), é um conjunto de técnicas de transmissão que utiliza várias antenas para transmissão e recepção. Foi incorporada ao OFDM para aumentar sua eficiência e performance, devido a transmissão utilizando OFDM por várias antenas (LIU; WINTERS; SOLLENBERGER; 2002).
A utilização da MIMO-OFDM pode ser encontrada no padrão 802.11n, mais recente, que possui maior capacidade de transmissão, maior velocidade e qualidade de sinal.
2.1.6 Subcamada MAC
A subcamada MAC tem como função receber dados da camada física e repassá-los para a camada LLC (Logical Link Control), da camada de enlace, e também controlar o envio dos quadros passados pela LLC, para que sejam enviados à rede. Este controle é para evitar que durante a transmissão haja a colisão de pacotes. Foi definido um protocolo de acesso ao meio, pois várias estações podem estar transmitindo ao mesmo tempo, no mesmo canal. Para coordenar o acesso ao meio, é utilizado o protocolo de acesso aleatório CSMA com prevenção de colisão, CSMA/CA (KUROSE; ROSS, 2004). Assim como CSMA/CD na rede Ethernet, a estação sonda o canal de comunicação para saber se está livre antes de realizar a transmissão e espera se estiver ocupado.
O protocolo MAC do padrão 802.11, diferentemente do Ethernet, utiliza técnicas de prevenção da colisão, em vez de detectar que ocorreu. Outro ponto importante apresentado por
Kurose e Ross (2004) é que devido às altas taxas de erros, o padrão 802.11 possui retransmissão da camada de enlace.
2.1.7 LLC
O protocolo LLC (Logical Link Control) tem como objetivo realizar o controle de fluxo de erros na camada de enlace. Segundo Tanenbaum (2003, pg. 230), “[...] LLC oculta as diferenças entre os diversos tipos de redes 802, fornecendo um único formato e uma única interface com a camada de rede.”
A camada de rede repassa esse pacote para o LLC, usando a primitiva de acesso, mesmo onde este acrescenta o seu cabeçalho, contendo informações como o número de sequência e confirmação, logo sendo transmitida ou recebida (TANENBAUM, 2003).
2.2 TÉCNICAS DE LOCALIZAÇÃO
De acordo com Liu et al. (2007), é necessário saber quais são as características esperadas do sistema a ser implementado e qual o problema a ser resolvido, pois assim será identificada a melhor técnica a ser utilizada.
Liu et al. (2007) e Moura (2007), ainda afirmam que é muito difícil desenvolver um modelo de propagação indoor devido a problemas sérios de multicaminhos, objetos em movimento, andares dos edifícios e superfícies que refletem o sinal de rádio, que influenciam diretamente nos dados obtidos dos pontos de acesso.
Para que seja possível realizar o posicionamento de um dispositivo, é necessário que ele consiga identificar os pontos de acesso e recolha os dados para localização. Como Moura (2007) cita, é necessário que haja um dispositivo que tenha um ou mais sensores wireless que possam capturar as informações dos pontos de referência da rede. Estes pontos de referências são representados pelos APs (Access Point), que possuem uma posição fixa na rede e podem fornecer dados importantes para localização. Quanto mais precisos os dados, melhores serão as condições de
determinar o posicionamento.
Liu et al.(2007) ainda sugere que para uma melhor performance dos sistemas de localização, a utilização de mais de um tipo de algoritmo ao mesmo tempo, proporciona uma melhor exatidão ao sistema.
A seguir são presentados alguns dos algoritmos mais utilizados para determinar o posicionamento. Pode-se ainda agrupar estes algoritmos em grupos, como os que utilizam triangulação do sinal de rádio, mapas de RSSI, técnicas que utilizam redes neurais e técnicas de aproximação (LIU et al. 2007; MOURA, 2007).
2.2.1 Métodos de Triangulação
As técnicas que utilizam a triangulação consistem em utilizar as propriedades geométricas do triângulo para determinar o posicionamento desejado. As informações obtidas são diferentes de acordo com cada técnica utilizada. Pode-se ter ainda duas variações da triangulação: as técnicas de trilateração e triangulação.
Segundo Liu et al.,
A trilateração estima a posição de um objeto por sua distância através de múltiplos pontos de referência conhecidos. [...] Sendo assim, podemos medir diretamente a distância usando a força do sinal recebido (RSS), o tempo de chegada (Time of Arrival - TOA) ou a diferença do tempo de chegada (Time Difference of Arrival – TDOA) [...]. Na angulação, utiliza-se o ângulo relativo de vários pontos de referência (Angle of Arrival - AOA). (LIU et al. 2007, p. 2)
A seguir são descritas algumas destas técnicas utilizadas na trilateração e triangulação.
2.2.2 Time of Arrival
Ao utilizar o tempo de chegada do sinal (TOA), a distância do objeto a ser localizado é proporcional ao tempo de propagação do sinal da antena emissora até a antena receptora. A medição é realizada através dos últimos três pontos de referência (MOURA, 2007; LIU, 2007).
utilizados pelo emissor e receptor devem estar sincronizados; e o segundo, o tempo medido no exato momento do envio da informação. É possível medir o sinal com diferentes técnicas de sinalização, utilizando por exemplo DSSS (Direct Sequence Spread Spectrum) e UWB
(Ultra-Wide-Band).
Figura 9 – Funcionamento do TOA/RTOF
Fonte: Liu et al. (2007, p. 2).
Na figura 9, os pontos de acesso são representados por A, B e C, sendo que o ponto P representa o posicionamento do objeto, e as siglas R1, R2 e R3 representam a distância entre o emissor e o receptor.
2.2.3 Time Diference of Arrival
Como na maioria das vezes realizar o sincronismo dos relógios dos emissores e receptores não é possível. Para solucionar este problema, o TDOA realiza a sincronização com os emissores, utilizando o tempo relativo da chegada, ao invés do absoluto (LIU et a. 2007). Analisando a diferença de tempo de chegada do sinal vindo de diferentes emissores, pode-se ter um erro menor, ao levar em conta que TOA pode sofrer alterações por não levar em consideração os obstáculos e outros problemas na propagação do sinal (CARVALHO, 2007; NUNES, 2006).
Figura 10 – Funcionamento do TDOA
Fonte: Liu et al. (2007, p. 3).
Na figura 10 acima, tem-se os emissores A, B e C, com seus respectivos tempos de chegada R1, R2 e R3, até o receptor P, calculando, assim, a diferença do tempo de chegada entre os emissores e determinando a localização do emissor.
2.2.4 Angle of Arrival
Segundo Carvalho (2006), a posição é calculada de acordo com o ângulo de incidência em que o sinal é recebido. Este método utiliza o ângulo em que o sinal é recebido pelo dispositivo. Figura 11 – Ângulos 1 e 2, das arestas do triângulo
Fonte: Liu et al. (2007, p. 4)
detectam o sinal vindo do emissor, calculando o ângulo e o tamanho das arestas do triângulo formado, dessa forma sendo necessários no mínimo três pontos de acesso.
Pode ser utilizado usando apenas dois pontos de acesso, de acordo com Fagundes (2008), é necessário medições entre o receptor e o emissor. Então, calcula-se o ângulo em que o sinal de rádio é mais forte e sabendo o tamanho das arestas adjacentes a ambos, define-se o triângulo.
2.2.5 Mapa de RSSI
Um alternativa aos modelos que utilizam geometria, através da triangulação, como base para estimativas de localização, é a utilização de modelos discretos. Segundo Moura (2007), nos modelos discretos são utilizados registros de padrões de variação de determinados atributos, que servem como referência para a localização do sistema.
Geralmente é utilizado o atributo de RSSI, pois sua sensibilidade ao ambiente é maior, podendo ter uma grande variação ao longo de um tempo. Segundo Liu et al.(2007), este modelo é constituído de duas fases: fase offline, ou fase de treino, onde se cria um banco de dados que armazena o padrão da variação de um ou mais atributos em diversas posições no ambiente; e a fase
online, ou fase de execução, onde as estimativas de localização são realmente realizadas (MOURA,
2007; LIU, 2007).
Ao realizar a medição do atributo de RSSI em vários pontos de um ambiente real ou através da criação de um modelo matemático, que represente o comportamento do sinal, estas informações ficam armazenadas em um base de dados. Moura (2007) ainda afirma que a construção do modelo na base de dados é essencial, pois o processamento produzido sem isso seria muito alto, sendo proibitivo se fosse em tempo de execução ou processamento local.
Basicamente, esta técnica consiste em mapear o ambiente para posterior comparação em tempo real, com um banco de dados pré-armazenados (FAGUNDES, 2008).
De modo a utilizar a leitura do RSSI de um dispositivo móvel em relação a um AP, como base para o processo de localização, é possível estimar a distância entre eles. A distância entre dispositivos pode ser calculada através da potência de sinal, usando modelos matemáticos de propagação (CARVALHO, 2006).
Na maioria dos casos, estes sistemas baseados em RSSI podem oferecer divergências, pois podem não levar em consideração elementos como movimentação de pessoas, objetos e dos dispositivos monitorados.
Figura 12 – Exemplo de um mapeamento RSSI
Fonte: Nunes(2006).
A figura acima mostra o mapa de propagação construído na fase offline ou fase de calibração. Nesta fase é realizada a leitura de pontos específicos do ambiente, que são armazenados e acessados posteriormente pelo sistema, na execução do algoritmo de localização.
2.2.6 Redes Neurais
Um sistema de localização necessita de entradas de dados, sendo capaz de gerar uma saída, como informações do objeto a ser localizado.
Segundo Moura,
essa função que o sistema exerce deve ser capaz de lidar com entradas ruidosas e deve-se levar em consideração exemplos de vetores de atributos obtidos através de medidas realizadas em posições conhecidas do ambiente. (MOURA,2007, p. 39).
De acordo com Haykin (1999), uma rede neural é projetada para modelar a maneira como o cérebro realiza um tarefa ou função particular. Ainda de acordo com o autor,
Uma rede neural é um processador maciçamente paralelamente distribuído constituído de unidades de processamento simples, que têm a propensão natural para armazenar conheci-mento experimental e torná-lo disponível para uso. (Haykin, 1999, p. 28).
O neurônio artificial é uma estrutura com característica lógica e matemática, que procu-ra simular o comportamento cerebprocu-ral. Uma rede neuprocu-ral pode tprocu-rabalhar com as mais diversas entprocu-ra- entra-das e pode gerar várias saíentra-das, além de possuir a capacidade de aprendizagem (MOURA apud SAHA et. al., 2003).
Uma propriedade importante das redes neurais é sua habilidade de aprender a partir do ambiente no qual estão inseridas, ou ambiente de aprendizado, e melhorar seu desempenho através da aprendizagem (HAYKIN, 1999; PASSOS, 2006).
A utilização das redes neurais tem o objetivo de lidar com casos em que os dados pos-sam ser recebidos com ruídos e tenham a capacidade de aprendizado através de exemplos, o que significa que as redes neurais são utilizadas para processar tais informações.
As chamadas redes neurais com alimentação direta são aplicadas nesse modelo por utili-zarem os neurônios em camadas, com as saídas dos neurônios de uma camada alimentando outros. Este tipo de rede neural é conhecida como MLP (Multi-Layer Perceptron) (PASSOS, 2006). Podem ser utilizados algoritmos de retropropagação do erro a partir do aprendizado, do conjunto de pesos utilizados pela rede neural.
2.2.7 Lógica Fuzzy
É possível ainda encontrar trabalhos como o de Chen et al. (2010), que utilizam outros conceitos de inteligência artificial, como é o caso da lógica fuzzy, também conhecida como lógica difusa ou nebulosa.
Segundo Weber e Klein,
na lógica fuzzy, uma variável não é tratada como tendo apenas um estado atual, mas sim N estados, cada um com um grau de associação ou pertinência. Em outras palavras, isso faz com que sejam definidos conjuntos em que um dado valor pode ser enquadrado e o número de conjuntos diz a precisão com que está se lidando com uma variável. (WEBER e KLEIN, 2003, p. 19)
Como descrito por Chen et al. (2010), o objetivo de utilizar a lógica fuzzy é diminuir a complexidade do algoritmo e aumentar a precisão, ajudando a definir estados indeterminados para as distâncias euclidianas encontradas, entre a leitura da fase offline e online, para que sejam utilizadas como peso para o cálculo do posicionamento
A teoria dos conjuntos fuzzy foi apresentada em 1965, através do artigo “Conjuntos Difusos”, escrito pelo matemático Loft A. Zadeh, professor de Berkley do departamento de Engenharia Elétrica e Ciência da Computação, enquanto trabalhava com problemas de classificação de conjuntos que não possuíam fronteiras bem definidas (MASSAD et al., 2004).
Ao contrário da lógica booleana, a qual provê apenas dois resultados possíveis, falso ou verdadeiro, Zadeh propõe trabalhar com uma função de pertinência dentro de um conjunto, definindo um grau de pertinência contínuo no intervalo [0,1], para cada elemento dentro do mesmo (MASSAD et al. 2004).
2.2.7.1 Função de pertinência
Na função de pertinência é fornecido o grau de pertinência de cada elemento em relação ao seu conjunto. Segundo Rezende (2003), a definição da função de pertinência de um conjunto
fuzzy depende do seu significado linguístico definido para este conjunto e de sua interpretação no
contexto do universo, que contém todos os elementos que podem ser considerados no conjunto, ou seja, o grau de pertinência é definido por uma característica real e imprecisa.
O grau de pertinência está contido no intervalo fechado [0,1], sendo descrito algebricamente pela fórmula μ(x): U → [0,1] (REZENDE, 2003). Não há uma base formal para determinar o grau de pertinência, que pode ser escolhido de forma experimental ou empírica (BENEVIDES, 2012).
Figura 13 – Exemplo de definição do grau de pertinência
Fãonte: Chen et al. (2010).
de distância, definindo, assim, as variáveis linguísticas em cinco subgrupos, com seus respectivos valores de pertinência: VS (very small), muito perto; S (small), perto; M (medium), mediano; L (large), longe; VL (very large), muito longe.
2.2.7.2 Variáveis linguísticas
Uma variável linguística é definida como uma entidade utilizada para representar de modo impreciso um conceito ou variável de um dado problema, admitindo termos valores como expressões linguísticas como: frio, muito frio e quente (REZENDE, 2003).
Figura 14 – Definição da variável linguística Temperatura, representada por “T”
Fonte: Rezende (2003).
A figura 14 representa o agrupamento de todos os termos primários, expressões linguísticas, denominado de partição fuzzy. O exemplo representa a partição fuzzy de uma variável linguística chamada “Temperatura”, representada pela letra T, utilizando um segmento da escala Celsius de temperatura, entre 0 e 50 graus (REZENDE, 2003).
2.2.7.3 Regras Fuzzy
Segundo Massad et al. (2004), conceitualmente, as regras fuzzy descrevem situações específicas que podem ser submetidas à analise de um painel de especialistas, e cuja a inferência nos conduz a algum resultado desejado”.
Uma das maneiras mais comuns de armazenar estas regras em uma base de conhecimento, é definindo regras fuzzy, conforme expõe REZENDE( 2003):
if < antecedente > then < consequente >
O antecedente da regra, é formado por um conjunto de condições que, quando satisfeita, determina o processamento do consequente da regra por um mecanismo de inferência fuzzy. Os consequentes das regras são disparados em conjunto para que gerem uma saída determinística para cada variável. A parte consequente é composta por ações ou diagnósticos disparados pelas regras (REZENDE, 2003).
2.2.7.4 Modelo de inferência Fuzzy
Normalmente utilizam-se modelos de inferência fuzzy específicos dependendo das propriedades sintáticas definidas, isto é, o modelo de processamento vai depender de como as informações escolhidas são armazenadas (REZENDE, 2003).
Para um sistema de localização indoor, Chen et al. (2010), utilizou o modelo de Mamdani, para processamento do conhecimento. A figura a seguir mostra o modelo descrito.
Figura 15 – Modelo de inferência fuzzy Mamdani
Fonte: Rezende (2003).
Segundo Rezende,
Neste diagrama, a máquina de inferência recebe os valores fuzzy provenientes do módulo de interface de entrada, processa as regras existentes na Base de Conhecimento e gera um conjunto fuzzy de saída para o módulo de interface correspondente, a partir da composição de todas as regras disparadas. (REZENDE, 2003, p. 180)
Figura 16 – Modelo utilizado por Chen et al. (2003)
Fonte: Chen et al. (2003).
Na figura 16, a entrada d representa a distancia do objeto e do sensor, a variável de saída
w representa o valor de pertinência para cada entrada (CHEN et al. 2010). No bloco de Fuzzifer, ou
fuzzificação, são utilizadas funções de pertinência pré-estabelecidas, mapeando as variáveis de entrada em graus de pertinência do conjunto que representa a variável em questão. Em Defuzzifier, transforma os dados gerados pela máquina de inferência em saída, que é obtida através das funções de pertinência e variáveis linguísticas da parte consequente das regras, para obter uma saída não difusa(tentar colocar referencia de algum jeito).
2.2.8 MÉTODOS DE PROXIMIDADE
Ao utilizar o método por Proximidade, pode-se ter informações simbólicas do posicionamento, localização relativa atual, utilizando a localização conhecida de antenas (LIU et al. 2007).
Neste método, o posicionamento será identificado por uma determinada região ou célula, mas sem determinar o posicionamento exato dentro daquele domínio. Dependendo do tipo de aplicação que se deseja desenvolver, pode-se ter diferentes resultados da localização.
2.2.9 MÉTODOS PROBABILÍSTICOS
Os métodos probabilísticos geralmente possuem um desempenho muito bom comparado a outros modelos. As informações coletadas de cada elemento são analisadas individualmente. Esse tipo de modelo possui mais eficácia que técnicas do modelo determinístico, como TDOA, AOA e TOA, pois armazena mais informação, o que inclui, segundo Moura (2007), distribuições de probabilidade dos valores de RSSI dos diferentes pontos de referência em diferentes posições do ambiente, além da relação de dependência entre estimativas consecutivas de localização.
É possível encontrar técnicas como a de Thrun et. al.(2001 apud MOURA, 2007), que utilizava um filtro de partículas, onde cada uma representa uma distribuição de probabilidade da postura de cada objeto que está sendo localizado. Também é possível encontrar trabalhos que utilizam a localização Markoviana, que utiliza uma máquina de estados ocultos de Markov (MOURA, 2007), juntamente com a distribuição de probabilidade.
2.3 TRABALHOS RELACIONADOS
em Wi-Fi. Diversas pesquisas, tanto no meio acadêmico e comercial, buscam a criação de um sistema preciso.
Recentemente foi criado um consórcio, chamado de In-Location Alliance, que é formado por 22 empresas que representam diversos setores da telefonia móvel, como o de desenvolvimento de aplicações, chipsets, operadoras de telefonia, entre outros (PADRE, 2012). Neste grupo, é possível encontrar empresas como Sony Mobile, Samsung e Nokia, que juntaram-se para a pesquisa de um sistema de localização indoor mais preciso e que consume menos energia. O grupo irá trabalhar em conjunto para realizar a especificação e padronização de interfaces abertas entre os mais diversos fornecedores, para utilização da tecnologia.
A seguir são apresentadas algumas das empresas e projetos que trabalham na área de localização indoor.
2.3.1 iFind
Este sistema foi desenvolvido no MIT (Massachusetts Institute of Technology), e direcionado para o uso em suas próprias instalações. O iFind tem como objetivo localizar professores e alunos dentro da área do instituto (CARVALHO, 2007) e foi desenvolvido utilizando um applet em Java. Este sistema utiliza um framework chamado Place Lab, desenvolvido em Java, responsável pela localização utilizando a rede Wi-Fi. Neste mesmo framework, pode-se utilizar informações com bluetooth, GPS e GSM.
Fonte: Carvalho(2007).
O Place Lab utiliza algoritmo baseado no diagrama de Venn para determinar a localização. De acordo com Carvalho (2007), o Place Lab utiliza a informação da área de cobertura máxima e as coordenadas dos pontos de acesso, em relação ao dispositivo móvel, com isto, ele determina a possível posição. Quanto maior o número de pontos de acesso, maior é a precisão.
2.3.2 Projeto RADAR
O RADAR é um sistema de localização e posicionamento baseado em sinal de radiofrequência dentro de estruturas indoor (BAHL; PADMANABHAN, 2000). Seu desenvolvimento ocorreu dentro do centro de pesquisas da Microsoft Research, servindo de referência mais tarde para diversas pesquisas e produtos.
Segundo Carvalho (2007), o projeto foi desenvolvido utilizando a WaveLan, uma tecnologia de rede wireless proprietária, anterior ao Wi-Fi. O método utilizado para localização era a triangulação, utilizando informações da intensidade do sinal de radiofrequência entre o emissor e o receptor (BAHL; PADMANABHAN, 2000).
O sistema poderia funcionarem duas etapas (CARVALHO, 2007):
• Fase offline: era efetuado o treino do sistema, registrando os valores da intensidade do sinal, RSSI, em estações com receptores fixos.
• Fase online: os dados coletados em tempo real eram comparados com os dados armazenados, estimando assim sua posição.
Fonte: Bahl e Padmanabhan(2000).
O método de localização utilizava os dados provenientes de três pontos de acesso, coletados em tempo real, comparando com as amostras fixas realizadas na fase offline. Essa técnica é chamada de Multiple Nearest Neighbour, ou MNN (CARVALHO, 2007). Ao realizarem os experimentos, verificou-se que a estrutura do local, como portas, paredes e outros objetos, influenciavam no valor do sinal obtido (BAHL; PADMANABHAN, 2000). Nos melhores resultados encontrados o erro médio ficou em torno de 2 a 3 m.
2.3.3 Qubulus
O sistema desenvolvido pela startup Suecia Qubulus, aplica como base para seu algoritmo o mapa de RSSI, utilizando a rede Wi-Fi, obtendo uma precisão de 3 a 5 metros, e ainda disponibilizando ferramentas de monitoração de usuários online. A Qubulus também disponibiliza uma biblioteca para desenvolvedores, que desejam utilizar em suas aplicações dados de localização processados em servidores espalhados pelo mundo. A startup ganhou bastante visibilidade após ficar entre os finalistas da The Next Web Conference Startup Rally em 2011.
2.3.4 ECIVED
A ECIVED é uma empresa chinesa, fundada em janeiro de 2011, que trabalha com a monitoração de posição através de tags RFID proprietárias, para controle de acesso de usuários (ECIVED, 2012), com alcance de leitura de dados, chegando até 5 metros. O principal foco desse sistema é sua utilização em ambientes restritos para controle de acesso de usuários.
Figura 19 – Sistema ECIVED
Fonte: Ecived (2012).
A figura acima, demonstra o controle de acesso de usuários a uma determinada região ou sala da empresa. Realiza a autenticação em tempo real através de tags RFID.
2.3.5 Ekahau
A EKAHAU atualmente é um dos sistemas comerciais mais completos em se tratando de localização em tempo real. Aplicando a estrutura local da rede Wi-Fi, possuem tecnologia própria de tags Wi-Fi, dispositivos móveis e monitoramento online para atingir taxas de erro menores que 1 metro. Possui clientes como Motorola, D-Link, Cisco e Avaya (EKAHAU, 2012).
2.3.6 Google Indoor Location
O sistema de localização indoor do Google foi lançado em novembro de 2011, com pouca informação sobre como a estratégia de localização e precisão do sistema. No momento sabe-se somente que é criado um mapa de RSSI da estrutura, outros algoritmos e tecnologias utilizadas para aferir o posicionamento não foram divulgados, mas em dados não oficias, a precisão é de 10 a 50 metros.
O Google disponibilizou em seu site um tutorial para que desenvolvedores realizem mapeamento de lugares públicos para incluir na biblioteca do Google Maps, chegando a mais de 250 construções mapeadas somente nos Estados Unidos (GOOGLE, 2012). Existem ainda estudos para a criação e venda de publicidade e compras online, utilizando o sistema indoor (ABIRESEARCH, 2012).
Figura 20 – Mapeamento na CES (Consumer Electronics Association) – 2012
Fonte: Engadget (2012).
A figura 20 demonstra o mapeamento realizado pelo Google durante a CES (Consumer Electronics Association) 2012. O ponto do dispositivo móvel está representado pelo marcador com a letra H.
2.4 AVALIAÇÃO DOS SISTEMAS DE LOCALIZAÇÃO
Não há um método de avaliação de desempenho consistente, pois cada sistema foi testado em ambientes diferentes, sendo assim, não é possível obter um comparativo preciso com base nos trabalhos já publicados.
Normalmente um sistema de localização é mensurado a partir da performance de precisão. Mas para que seja realizada uma avaliação adequada, precisa-se levar em consideração outras variáveis, como ambientes fechados ou abertos que influenciam na propagação do sinal de rádio.
Há também questões referentes à localização em movimento, sendo difícil prever com segurança, entre uma observação e outra, para onde os dispositivos estão se deslocando e se de fato estão tentando chegar a um destino (MOURA, 2007).
Para Liu et al. (2007), avaliar se um sistema de localização é realmente eficiente e se a performance está adequada, é preciso estimar a exatidão, a precisão, complexidade, escalabilidade, robustez e custo.
A precisão é um dos pontos mais importantes para um sistema de localização. Geralmente o erro médio da distância é adotado como medida de performance, que é a distância Euclidiana, entre a localização estimada e a localização verdadeira. A exatidão pode ser considerada como principal representante de um sistema de posicionamento, pois quanto melhor a exatidão, melhor o sistema. A precisão da localização considera também a consistência do sistema, avaliando a robustez das técnicas de localização utilizadas e a variação da performance a partir de vários testes (LIU et al., 2007).
A complexidade de um sistema de posicionamento pode ser atribuída ao hardware, software e fatores operacionais. O custo computacional de um algoritmo pode ser medido de acordo com o local onde é realizado o processamento e depende também de quanto é complexa a fórmula utilizada pelo algoritmo (LIU et al., 2007).
O processamento realizado em um servidor pode ser avaliado através de monitoramento de estatísticas, de processamento e seu tempo de resposta. Em dispositivos móveis, costuma-se utilizar algoritmos com baixo processamento.
Na escalabilidade é avaliada a característica do sistema em fornecer o posicionamento quando a área de cobertura aumenta. Liu et al. (2007), afirma que normalmente a performance cai ao se distanciar do emissor, devido às características de atenuação do sinal de rádio. Pode-se avaliar
a área de cobertura alcançada, levando em consideração objetos que fazem parte da infraestrutura. Também é possível avaliar se o sistema irá trabalhar com posicionamento no espaço 2-D ou 3-D (LIU et al., 2007).
Ao avaliar a robustez, é verificado se o sistema é capaz de funcionar normalmente com a perda de um sinal de algum ponto de acesso. Também pode ser avaliado o comportamento do sistema quando este recebe um valor de RSSI ou ângulo do sinal que não sejam conhecidos (LIU et. al. 2007).
Algumas vezes não é possível obter as informações, pois o transmissor pode estar com o sinal bloqueado, não permitindo, assim, medir o sinal para determinar a localização.
O custo, de acordo com Liu et al. (2007) leva em consideração, fatores como tempo, consumo de energia, dinheiro, peso, etc. É necessário avaliar os custos de manutenção e mudanças na infraestrutura, como modificar a localização dos pontos de acesso para melhor performance, ou aquisição de novos dispositivos.
2.5 COMPARATIVO
A seguir é apresentado um comparativo com alguns dos projetos e trabalhos já realizados na construção de um sistema de localização baseados em redes Wi-Fi.
Figura 21 – Comparativo entre alguns estudos já realizados
Fonte: Carvalho (2007).
A coluna de Processamento da localização, indica se o processamento é realizado no próprio dispositivo móvel, chamado de processamento implícito ou se é realizado em um servidor e depois enviado novamente a um dispositivo, conhecido como processamento explícito. Na coluna de Informação usada, são apresentadas as informações de rede coletadas para realizar o posicionamento.
A figura 21 demonstra algumas das características de projetos acadêmicos e comerciais já realizados. Os dados publicados em relação ao erro médio de localização, estão diretamente associados às características dos ambientes em que eles foram propostos e algoritmos utilizados. Se o sucesso do sistema for verificado sob o ponto de vista da taxa de erro médio da precisão, o sistema da Ekahau (EKAHAU, 2011) é o mais eficiente.
3 METODOLOGIA
Neste capítulo são descritos as etapas dos processos que fazem parte da metodologia de desenvolvimento do trabalho.
3.1 METODOLOGIA DE PESQUISA
De acordo com Mynaio (1991 apud SILVA; MENEZES, 2005, p.19), pesquisa é uma “atividade básica das ciências na sua indagação e descoberta da realidade […]. É uma atividade de aproximação sucessiva da realidade que nunca se esgota, fazendo uma combinação particular entre teoria e dados”.
Já para Silva e Menezes (2005), a pesquisa é um conjunto de ações, propostas para encontrar a solução para um problema, que tem por base procedimentos racionais e sistemáticos”. Dessa forma, é possível encontrar ainda várias formas de classificar uma pesquisa, como do ponto de vista da natureza, da abordagem, dos objetivos da pesquisa, entre outros.
Do ponto de vista dos procedimentos técnicos, a metodologia utilizada é a pesquisa bibliográfica (SILVA; MENEZES, 2005), elaborada a partir de material já publicado sobre localização em redes Wi-Fi, analisando e avaliando trabalhos já propostos, técnicas de localização e outras características dos sinais de rádio.
A pesquisa pode ser classificada ainda sob o ponto de vista da sua natureza, como sendo uma pesquisa aplicada. Este tipo de pesquisa é caracterizada como a que tem como objetivo gerar conhecimento utilizado em aplicações práticas, dirigidas a solução de problemas específicos (SILVA; MENEZES, 2005).
Considerando que o ambiente de desenvolvimento e pesquisa tem como sua base o ambiente real, este trabalho tem como característica uma abordagem qualitativa do ponto de vista do problema e exploratória do objetivo. A interpretação dos fenômenos e seus significados, juntamente com a utilização do ambiente natural como fonte direta de dado (SILVA; MENEZES, 2005) proporciona maior familiaridade com o problema.
3.2 ETAPAS METODOLÓGICAS
O trabalho será desenvolvido de acordo com as seguintes etapas:
• Análise do problema.
• Pesquisa bibliográfica.
• Especificação de requisitos funcionais e não-funcionais.
• Construção de casos de uso.
• Construção do modelo UML.
• Desenvolvimento do sistema.
• Geração de protótipo.
• Validação do sistema.
3.3 PROPOSTA DA SOLUÇÃO
A proposta do trabalho é desenvolver um projeto de software destinado a dispositivos móveis, que seja capaz de realizar a localização e indicar sua referência em um mapa, que representa a estrutura local. O usuário poderá identificar no mapa sua localização naquele instante. Figura 22 – Proposta da solução
Os elementos que compõem a arquitetura da solução são:
• Usuário: interage diretamente com o sistema, realizando a leitura dos dados dos pontos de acesso e realizando a localização de sua posição.
• Dispositivo móvel: recebe sinal dos pontos de acesso e fornece ao sistema dados necessários para realizar os cálculos de posicionamento.
• Access Point: pontos de acesso à rede Wi-Fi local. • Prédio: estrutura onde o sistema está implantado.
3.4 DELIMITAÇÕES
Para que o trabalho seja desenvolvido em etapas bem definidas, a seguir são apresentadas as delimitações do sistema, mas que podem vir a ser novas funcionalidades no futuro.
• O caminho exibido para o usuário até o destino não irá utilizar algoritmo do menor caminho.
• No protótipo não há possibilidade de interação com outros usuários.
• O cálculo para estimar a localização deve ser feito com o dispositivo móvel parado.
4 MODELAGEM
Define-se um modelo como a interpretação de um dado domínio do problema. De acordo com uma determinada estrutura de conhecimentos, é uma interpretação simplificada da realidade (RAMOS, 2006).
4.1 MODELAGEM DO SISTEMA DE LOCALIZAÇÃO
Nesta seção são apresentadas as características da modelagem do sistema, como a confecção dos modelos de classes, casos de uso e requisitos funcionais e não funcionais, que compõem a linguagem de notação UML.
4.2 UML
A notação UML (Unified Modeling Language) teve sua origem a partir da composição de metodologias diferentes, que utilizavam uma representação gráfica para exibir o desenvolvimento do projeto. A UML é uma linguagem que serve para especificar, construir, visualizar e documentar os artefatos de um sistema de software (RAMOS, 2006; LARMAN, 2005).
Com o crescimento no número de projetos que utilizavam POO (Programação Orientada a Objetos) na década de 80, surgiram diversos metodologistas, entre eles Booch, Rumbaugh e Jacobson, propondo métodos para análise de projetos orientados a objetos. Cada um destes métodos possuía sua própria notação sob a forma de diagramas gráficos (DEITEL H. e DEITEL P., 2003).
A padronização da UML veio somente na década seguinte, em 1994, pela OMG (Object Management Group). De acordo com Deitel H. M. e Deitel P. J. (2003), “O OMG é uma organização sem fins lucrativos que promove o uso da tecnologia de orientação a objetos, publicando diretrizes e especificações […]”, como é o caso da UML. Esta padronização se deu pelo
acordo entre grandes empresas, como Oracle, IBM, Microsoft e Rational, que viram a necessidade de se criar uma linguagem de modelagem comum, criando assim a versão 1.1 da UML, que mais tarde tornou-se responsabilidade do OMG, encarregada oficialmente pela manutenção e melhorias na linguagem.
No momento, a UML é a linguagem de notação gráfica mais utilizada em sistemas orientados a objetos em todo mundo, pois unificou modelos amplamente utilizados, como os diagramas de classes, diagramas de sequência, modelos de casos de uso, entre outros. Sua aplicação se dá principalmente no desenvolvimento de software, mas pode ser utilizada para outros projetos, devido a sua grande flexibilidade.
Seu principal objetivo é oferecer uma linguagem visual, fácil e expressiva. O mapeamento pode ser realizado em qualquer projeto, independente da linguagem.
4.3 ICONIX
Para o desenvolvimento do trabalho, a metodologia utilizada será o ICONIX, desenvolvido por Doug Rosemberg, que visa o uso eficiente da UML, mantendo o foco também na rastreabilidade de requisitos (SCOTT, 2002).
Segundo Scott, o ICONIX
[...] situa-se em algum lugar entre o RUP e o XP. É dirigido por Casos de Uso, como o RUP, mas sem boa parte do trabalho adicional associado a este. É relativamente pequeno e apertado, como XP, mas mantém a análise e o projeto como parceiros atuantes. (SCOTT, 2002, p. 142).
No ICONIX, os casos de uso são concretos, específicos, prontamente compreensíveis, pois ele é orientado por casos de uso (SCOTT, 2002), com isso é possível dirigir o esforço do desenvolvimento.
Figura 23 – Modelo da metodologia ICONIX
Fonte: Scott (2002).
Ainda de acordo com Scott (2002), conforme figura 23, o ICONIX possui duas partes: • Modelo dinâmico – chamada de parte superior. Nesta parte são definidos
protótipos, casos de uso, diagramas de robustez e diagramas de sequência. Podendo haver alterações com mais frequência no decorrer do projeto.
• Modelo estático – são descritos elementos estruturais do projeto. Nesta parte são especificados os diagramas de domínio, diagramas de classes e geração do código.
De acordo com Silva et al (2007), os principais diagramas da UML, utilizados pelo ICONIX são:
• Modelo de Domínio. • Modelos de Caso de Uso. • Diagrama de Robustez. • Diagrama de Sequência. • Diagrama de Classe.
