WIFI TABANLI KAPALI MEKÂN KONUMLAMA SİSTEMLERİNDE SİNYAL DAVRANIŞLARININ İNCELENMESİ V. İLÇİ 1, V. E. GÜLAL 2, H. ÇİZMECİ 3, M. COŞAR 4, R. M. ALKAN 5 1 Hitit Üniversitesi, Teknik Bilimler Meslek Yüksek Okulu, Mimarlık ve Şehir Planlama Bölümü, Çorum, veliilci@hitit.edu.tr 2 Yıldız Teknik Üniversitesi, İnşaat Fakültesi, Harita Mühendisliği Bölümü, İstanbul, egulal@yildiz.edu.tr 3 Hitit Üniversitesi, Teknik Bilimler Meslek Yüksek Okulu, Bilgisayar Teknolojileri Bölümü, Çorum, huseyincizmeci@hitit.edu.tr 4 Hitit Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Çorum, mustafacosar@hitit.edu.tr 5 İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Geomatik Mühendisliği Bölümü, İstanbul, alkanr@itu.edu.tr Özet Wi-Fi tabanlı kapalı mekân konumlama sistemleri ilave hiçbir masraf gerektirmemeleri ve kolaylıkla ulaşılabilir olmaları sebebiyle son yıllarda üzerinde sıklıkla çalışılan araştırma konuları arasında yer almaktadır. Ancak bu çalışmalarda sinyali yollayan Wi-Fi erişim noktaları ile konumu belirlenmeye çalışılan mobil cihaz arasındaki mesafeler alınan sinyal şiddetlerinde yaşanan dalgalanmalar sebebiyle oldukça büyük konum hatalarına maruz kalmaktadır. Bu sebeple Wi-Fi sinyal davranışlarının iyi analiz edilmesi ve modellenmesi gerekmektedir. Bu çalışmada 2.4 ve 5 GHz Wi-Fi sinyallerinin davranışları incelenmiş ve modellenmeye çalışılmıştır. Anahtar kelimeler: Kapalı mekan konumlama, Wi-Fi, 2.4 GHz, 5 GHz, eğri geçirme. Abstract AN INVESTIGATION OF SIGNAL BEHAVIOURS ON WIFI-BASED INDOOR POSITIONING SYSTEMS In recent years, WiFi-based indoor positioning systems are frequently studied research subjects due to not requiring any additional cost and easily accessible. However, in these studies, the distances between the transmitter and the receiver can be determined inaccurately due to the large signal fluctuations. Therefore, Wi-Fi signal behavior must be properly analyzed and modeled. In this study, 2.4 and 5 GHz Wi-Fi signal behaviors were investigated and modelled. Keywords: Indoor positioning, Wi-Fi, 2.4 GHz, 5 GHz, curve fitting.
2 1. Giriş Dış mekânlarda GNSS sistemleri kullanılarak cm-mm seviyelerine konum doğruluklarına ulaşılabilmektedir (Alkan ve ark, 2015). Ancak, GNSS sinyallerinin kapalı mekânlara ya hiç ulaşamaması veya çevresel etkiler sebebiyle etkinliğini yitirerek ulaşabilmesi sebebiyle iç mekânlarda Küresel Konumlama Uydu Sistemleri (GNSS) etkin şekilde kullanılamamaktadır. Dolayısıyla insanların dış ortamlarda elde edebildikleri konum doğruluklarına günümüzde oldukça uzun zaman geçirdikleri alışveriş merkezleri, kampüs alanları, havaalanları, hastaneler vb. alanlarda da elde etme ihtiyacı ortaya çıkmaktadır. Bu ihtiyacı karşılayabilmek amacıyla akademik ve ticari çevrelerce yapılan kapalı mekân konumlama çalışmaları son yıllarda giderek artmaktadır (Subbu ve ark. 2014). Bu çalışmalarda Wi-Fi, Radio Frequency Identification (RFID) (Wang ve ark, 2014), Ultra Wide Band (UWB) (Zwirello ve ark, 2015), Infrared, Bluetooth (Li ve ark, 2015), GNSS gibi pek çok teknoloji kullanılarak çalışmalar yapılmıştır. Ancak, bu çalışmalarda çok önemli yol kat edilmiş olmasına karşın henüz üzerinde uzlaşılan bir çözüm ortaya konulamamıştır (Caceres ve ark, 2009). Bu teknolojiler arasından Wi-Fi tabanlı kapalı mekân konumlama sistemleri ön plana çıkmaktadır. Çünkü erişim noktalarından (AP) yayılan Wi-Fi sinyallerine kapalı mekânların neredeyse tamamında kolaylıkla ulaşılabilmektedir (Yim ve ark, 2009). Ayrıca, hemen herkesin kullandığı akıllı telefonlar, tabletler ve laptoplar gibi mobil cihazlar bu sinyalleri yayma ve alma özelliklerine sahiptir (Talvitie ve ark, 2015). Bu sebeple Wi-Fi tabanlı kapalı mekân konumlama sistemleri ilave herhangi bir maliyet gerektirmemekte ve her yerde ulaşılabilmektedirler. Önceleri erişim noktalarından yalnızca 2.4 GHz Wi-Fi sinyalleri yaymakta iken günümüzde 5 GHz sinyalleri de eşzamanlı olarak yaymaya başlanmıştır. Ancak bu sinyaller kapalı mekânlardaki duvarlar, kapılar, eşyalar insanlar gibi pek çok dış unsurdan eklenmeleri sonucunda yansıma, saçılma, kırılma gibi etkilere uğramakta ve sonuçta oldukça kararsız diyebileceğimiz davranışlar göstermektedirler. Bu sebepler dolayısıyla bu sinyallerin alıcı tarafından alındığı değer olan alınan sinyal şiddeti (RSS) değerlerinde oldukça büyük sapmalar meydana gelmektedir. Bu dalgalanmalar da Wi-Fi tabanlı kapalı mekân konum belirleme uygulamalarının en önemli zorluklarından biridir. RSS-tabanlı sistemlerde, toplanan RSS değerlerine bağlı olarak mesafeler belirlenmekte ve bu mesafeler uygun konum belirleme algoritmaları içerisinde kullanılarak mobil cihazın konumu belirlenmektedir. Hatalı RSSI değerinden elde edilen hatalı mesafeler de konumun yanlış olarak belirlenmesine yol açmaktadır. Bu sebeple sinyal davranışlarının doğru modellenmesi kapalı mekân konumlama sistemlerinin can alıcı noktalarından biridir.
3 Bu çalışmada, 2.4 ve 5 GHz Wi-Fi sinyallerinin mesafeye bağlı davranışları incelenmiştir. Bu incelemede sinyallerin lineer (doğrusal), logaritmic (logaritmik), rational (rasyonel) ve exponential (üstel) fonksiyonlardan hangisine uygun olarak hareket ettiği belirlenmeye çalışılmıştır. 2. Uygulama 2.4 ve 5 GHz Wi-Fi sinyal davranışlarının belirlenmesi amacıyla 27.8 m uzunluğundaki doğrudan görüşe sahip kapalı mekanda AP ve mobil cihaz arasındaki mesafe 0.60 m ve katları olacak şekilde mobil cihaz AP den uzaklaşmış ve her bir konumda mobil cihaz tarafından 150 örnek veri toplanmıştır. Bu işlem 10 farklı AP tarafından gerçekleştirilmiştir. Toplanan RSS değerlerinin ortalaması 2.4 GHz sinyalleri için Şekil 1 de (kırmızı noktalar), 5 GHz sinyaller için ise Şekil 2 de gösterilmektedir. Bu değerlerden en uygun eğrinin geçirilmesi için Matlab yazılımının Curve Fitting Tool u kullanılmıştır. Sinyaller, Lineer, Logaritmik, Rational ve Exponential fonksiyonlar olarak tanımlanmış ve her birinin çizimleri de 2.4 GHz sinyalleri için Şekil 1 de, 5 GHz sinyaller için Şekil 2 de gösterilmiştir. Bu eğrilerden hangisinin sinyal davranışlarını en iyi temsil ettiğinin belirlenmesi amacıyla ise istatistiksel Tablo 1 deki istatistiksel verilerden yararlanılmıştır. RMSE değerinin küçük, R 2 değerinin ise 1 e yakın olması eğrinin nokta kümesini en iyi temsil ettiğini göstermektedir. Şekil 1. 2.4 GHz Wi-Fi sinyal davranışları ve geçirilen eğriler
4 Şekil 1. 5 GHz Wi-Fi sinyal davranışları ve geçirilen eğriler Bu bilgiler ışığında elde edilen sonuçlar değerlendirildiğinde; 1. 5 GHz Wi-Fi sinyallerinin 2.4 GHz sinyallere kıyasla daha kararlı bir davranış sergilediği görülmektedir. Bu durum kapalı mekân konumlama çalışmalarında 5 GHz sinyallerinin kullanılmasının, iyi modellenebilmesi sebebiyle daha uygun olacağını göstermektedir. 2. Hem 2.4 GHz hem de 5 GHz sinyallerine bakıldığında sinyalleri en iyi şekilde tanımlaya eğrilerin sırasıyla exponential, logaritmik, rational ve linear oldukları görülmektedir. Tablo 1. Farklı eğri geçirme algoritmalarından elde edilen istatistiksel veriler 2.4 GHz 5 GHz RMSE R-Square RMSE R-Square Logaritmic 2.58 0.82 1.68 0.94 Linear 3.08 0.75 2.78 0.82 Rational 2.65 0.82 1.90 0.92 Exponential 2.45 0.85 1.53 0.95 3. Sonuç ve Öneriler Wi-Fi tabanlı kapalı mekân konumlama çalışmalarının önündeki en büyük zorluk sinyallerin kapalı mekânlarda maruz kaldıkları dış etkiler sonucu kararlı bir davranış sergileyememeleridir. Ayrıca sinyallerin sürekli değişen şekilde mobil cihazlar tarafından kullanılmaları da kararsız sinyal davranışlarının diğer önemli sebebi olarak gösterilebilir. Bu durumda, Wi-Fi tabanlı konumlama sistemlerinde doğruluğun arttırılabilmesi için sinyal davranışlarının olabildiğince iyi analiz edilmesi ve
5 modellenebilmesi, dolayısıyla RSS değerlerinden elde edilen mesafelerin olabildiğince doğru elde edilebilmesi şarttır. 2.4 ve 5 GHz sinyal davranışlarının belirlenmeye çalışıldığı bu çalışma sonuçlarına göre sinyal davranışlarına en iyi modellendiği fonksiyonlar exponential, logaritmic, rational ve linear olarak sıralanmaktadır. Ayrıca, daha kararlı davranış gösteren 5 GHz sinyallerin kullanılmasının 2.4 GHz sinyallere oranla daha uygun olacağı da görülmüştür. 4. Kaynaklar Alkan, R.M., İlçi, V., Ozulu, I.M. ve Saka, M.H., (2015). A comparative study for accuracy assessment of PPP technique using GPS and GLONASS in urban areas, Measurement, 69 (2015), 1-8. doi:10.1016/j.measurement.2015.03.012. Caceres, M.A., Sottile, F. ve Spirito, M.A. (2009). Adaptive location tracking by kalman filter in wireless sensor networks, In: 2009 IEEE International Conference on Wireless and Mobile Computing, Networking and Communications, October 2009, pp. 123-128. doi: 10.1109/WiMob.2009.30. Li, X., Wang, J. and Liu, C., (2015). A Bluetooth/PDR Integration Algorithm for an Indoor Positioning System, Sensors, vol. 15, no. 10, pp. 24862-24885, 2015. Subbu, K.P., Zhang, C., Luo, J. ve Vasilakos, A.V., (2014). Analysis and status quo of smartphonebased indoor localization systems, IEEE Wireless Communications, August 2014, 21(4), 106-112. doi: 10.1109/MWC.2014.6882302. Talvitie, J., Renfors, M. ve Lohan, E. S., (2015). Distance-based interpolation and extrapolation methods for RSS-based localization with indoor wireless signals. IEEE Transactions on Vehicular Technology, 2015, 64(4), 1340-1353. doi:10.1109/tvt.2015.2397598. Wang, D., Ge, W. ve Wang, Y., (2014). RFID Indoor Positioning Method Based on Virtual Reference Tags and Bayesian Estimation, Journal of Information and Computational Science, vol. 11, no. 17, pp. 6141-6149, November 2014. Yim, J., Jeong, S., Gwon, K. ve Joo, J., (2010). Improvement of Kalman filters for WLAN based indoor tracking, Expert Systems with Applications, January 2010, 37(1), 426-433. doi:10.1016/j.eswa.2009.05.047. Zwirello, L., Schipper, T., Jalilvand, M. ve Zwick, T., (2015). Realization Limits of Impulse-Based Localization System for Large-Scale Indoor Applications, IEEE Transactions on Instrumentation and Measurement, vol. 64, no. 1, pp. 39-51, January 2015.