Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Исследование и разработка методов повышения точности определения местоположения объектов в пространстве с использованием технологий беспроводных сетей Ассур Олег Сергеевич

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Ассур Олег Сергеевич. Исследование и разработка методов повышения точности определения местоположения объектов в пространстве с использованием технологий беспроводных сетей: диссертация ... кандидата Технических наук: 05.13.01 / Ассур Олег Сергеевич;[Место защиты: ФГБОУ ВО Московский технологический университет], 2017

Содержание к диссертации

Введение

ГЛАВА 1. Обзор беспроводных технологий и методов, применяемых при решении задачи локального позиционирования объектов 18

1.1. Классификация систем позиционирования 18

1.2. Технологии локального позиционирования 23

1.3. Методы локального позиционирования 27

1.4. Методы увеличения точности локального позиционирования 33

1.4.1. Использование планов помещений и модели перемещения объекта 35

1.4.2. Коррекция оценок координат близкорасположенных объектов 39

1.4.3. Комбинация нескольких беспроводных технологий

1.5. Постановка задач диссертации 49

1.6. Выводы 52

ГЛАВА 2. Разработка методов увеличения точности позиционирования по данным беспроводных сетей 53

2.1. Экспериментальная оценка точности существующих алгоритмов определения местоположения 54

2.1.1. Описание объекта испытаний 54

2.1.2. Экспериментальная настройка системы позиционирования 55

2.1.3. Анализ точности существующих методов позиционирования 56

2.2. Адаптация и применение методов корреляционно-экстремальных систем .59

2.2.1. Определение и классификация КЭС 59

2.2.2. Принцип действия КЭС 61

2.2.3. Сравнение КЭС и систем локального позиционирования 63

2.2.4. Адаптация методов КЭС 64

2.2.5. Применение методов КЭС 66

2.3. Разработка комплексного метода позиционирования по данным беспроводных сетей Wi-Fi и устройств BLE 72

2.3.1. Совместное применение методов позиционирования 72

2.3.2. Совокупное использование беспроводных технологий 76

2.4. Выводы 84

ГЛАВА 3. Синтез систем позиционирования объектов по данным беспроводных сетей стандарта IEEE 802.11 (Wi-Fi) 85

3.1. Предпроектный анализ 87

3.2. Синтез сетевой инфраструктуры 94

3.3. Планирование и проведение экспериментальной настройки 99

3.4. Постэкспериментальный анализ качества работы системы 102

3.5. Процедура синтеза систем Wi-Fi позиционирования 105

3.6. Практическая реализация процедуры синтеза 107

3.7. Выводы 112

ГЛАВА 4. Практическое применение результатов исследования 113

4.1. Разработка прикладного программного обеспечения 114

4.1.1. Характеристики программного комплекса 114

4.1.2. Описание взаимодействия компонент 118

4.2. Апробация исследований 123

4.2.1. Техническое задание 123

4.2.2. Предпроектный анализ 125

4.2.3. Экспериментальная настройка системы позиционирования 127

4.2.4. Динамическое тестирование системы позиционирования 132

4.3. Внедрение результатов исследований 135

4.4. Выводы 137

Заключение 138

Список литературы 140

Введение к работе

Актуальность темы исследования. Для определения положения объектов вне помещений успешно применяются технологии спутниковой навигации (GPS, ГЛОНАСС), а также технологии, использующие средства мобильной связи (GSM). Однако для определения местоположения объектов внутри помещений они малопригодны либо в связи с низкой точностью GSM, либо в связи с невозможностью применения вследствие ослабления спутникового сигнала в стенах и перекрытиях зданий.

Для определения местоположения объектов в помещениях используются технологии беспроводных сетей, такие как Bluetooth, Wi-Fi или ZigBee, среди которых наиболее широкое распространение получили сети стандарта IEEE 802.11, известные также как сети Wi-Fi. Ключевая проблема здесь – обеспечение требуемой точности при многообразии внешних факторов, значительно усложняющих реальную интерференционную картину Wi-Fi покрытия.

Современные системы позиционирования позволяют отслеживать местоположение персонала, проводить инвентаризацию активов организации, а также обеспечивают быстрый доступ к оборудованию и транспортным средствам. Такие области применения требуют высокой точности определения местоположения объектов (до нескольких метров). Это позволяет считать точность определения местоположения в беспроводных сетях важной характеристикой систем позиционирования, а исследование методов ее повышения актуальной научной задачей.

Цель работы. Целью диссертации является увеличение точности локализации местоположения объектов в беспроводных сетях стандарта IEEE 802.11 (сети Wi-Fi) по данным об уровнях мощности сигналов за счёт разработки новых и модернизации существующих методов обработки информации.

Для достижения цели работы были поставлены следующие основные задачи исследования:

  1. Экспериментальная оценка точности существующих методов позиционирования объектов по данным об уровнях мощности Wi-Fi сигналов.

  2. Разработка алгоритмов локализации местонахождения объектов по даннымбеспроводных Wi-Fiсетей на базе методов корреляционно-экстремальных систем.

  1. Разработка алгоритмов повышения точности позиционирования объектови их групп, основанных на совокупном использовании методов обработки информации и комбинации беспроводных технологий.

  2. Разработка процедуры построения систем позиционирования объектов по данным беспроводных сетей Wi-Fi.

Научная новизна работы состоит в следующем:

  1. Разработана новая мера близости для существующего модернизированного метода k-ближайших соседей на базе алгоритма обобщённой фазовой корреляции, используемого в корреляционно-экстремальных системах. Применение данной мерыпозво-ляет достигнуть меньших значений ошибки позиционирования по сравнению с существующими мерами близости.

  2. Разработан алгоритм локализации положения объектов и их групп на основании совместного использования методов обработки информации об уровнях мощности сигналов Wi-Fi точек доступа и устройств BLE (BluetoothLowEnergy). Для взаимной коррекции оценок координат близкорасположенных объектов предложен новый подход, основанный на оценке степеней уверенности в правильности своего решения для каждого из совместно используемых методов позиционирования.

  3. Разработана процедура синтеза систем локального Wi-Fi позиционирования объектов по данным об уровнях мощности сигналов. Процедура отличается от других тем, что она не зависит от используемого оборудования и позволяет производить анализ качества систем во введения их в эксплуатацию.

Практическая значимость работы состоит в разработке процедуры синтеза систем Wi-Fi позиционирования объектов, а также алгоритмических и программных средств, позволяющих определять координаты объектов по данным об уровнях мощности беспроводных сигналов с высокой точностью.

Применение разработанной процедуры синтеза систем Wi-Fi позиционирования объектов в значительной степени упрощает настройку и внедрение подобных систем. Алгоритмы оценки качества, предложенные в рамках этой процедуры, позволяют выявлять проблемные зоны и участки ещё до введения системы в промышленное использование, что позволяет сократить расходы, связанные с эксплуатацией системы.

Высокая точность разработанных алгоритмов позиционирования позволяет решить ряд важных практических задач, таких как оператив-

ный контроль доступа в зоны повышенной опасности и мониторинг соблюдения регламентных маршрутов. Решение этих задач актуально на территориально распределённых объектах и объектах, где применение стандартных систем контроля и управления доступом (СКУД) невозможно. К числу таких объектов относятся газо- или нефтеперерабатывающие заводы, площадь которых может составлять несколько квадратных километров, а также плавучие буровые установки, где, согласно требованиям морской безопасности, недопустимо применение СКУД, блокирующих вход или выход из помещений.

Реализация результатов диссертации. Основные теоретические и практические результаты, полученные в диссертации, были использованы при построении системы локального позиционирования сотрудников и посетителей на защищённом промышленном объекте ПАО «Газпром» Московского региона.

Алгоритмы локального позиционирования объектов, разработанные в рамках диссертационной работы, были включены в состав программно-аппаратного комплекса мониторинга местоположения объектов, разработанного компанией ООО «Гардлайнер».

Личный вклад. В работах, выполненных в соавторстве, Г.Ф. Фи-ларетову принадлежат постановки задач и общее научное руководство. Личный вклад автора состоит в непосредственном получении теоретических результатов и выводов, проведении экспериментальных исследований и разработке прикладного программного обеспечения.

Апробация работы. Основное содержание работы докладывалось на XXI и XXII международных научно-технических конференциях «Информационные средства и технологии» (Москва, 2013 – 2014 гг.), на XXXI международной научно-технической конференции «Проблемы автоматизации и управления в технических системах – 2015» (Пенза, 2015 г.), а также на XIV международной конференции молодых учёных «Информационные технологии в науке, образовании и управлении», IT + S&E`15 (Гурзуф, 2015 г.).

Публикации. Основные результаты диссертации опубликованы в 12 печатных работах, в том числе 3 статьях [1, 2, 3] в изданиях, рекомендованных ВАК при Минобрнауки России.

Структура и объём работы. Диссертационная работа состоит из введения, четырёх глав, заключения, списка литературы и приложения. Основная часть работы содержит 149 страниц машинописного текста, 32 рисунка и 22 таблицы. Список литературы включает 120 наименований.

Использование планов помещений и модели перемещения объекта

Методы, применяемые в системах локального позиционирования, в большинстве случаев используют данные об уровнях мощности сигналов (RSS), принимаемых объектом от базовых станций. Такие методы принято делить на две группы - методы, основанные на построении модели распространения сигнала, и методы, базирующиеся на идеях теории классификации [21].

Основной моделью распространения сигнала, применяемой в методах первой группы, является модель Мотли-Кинана, описанная ими в работе [22], ( ) ( ) (/) (1.1) где RSS(d) - мощность сигнала, определяемая устройством на расстоянии d от точки доступа, RSS(d0) - мощность сигнала, измеренная на расстоянии d0 от точки доступа, а - коэффициент, учитывающий распространение сигнала Wi-Fi в окружающей среде.

Кроме классической модели Мотли-Кинана на практике также применяется е модернизация, представленная в работе [23]. Видоизменнная модель позволяет учитывать затухание сигнала в стенах и перегородках ( ) ( ) (/) Y (1.2) где L - количество стен различной природы, перекрывающих распространение сигнала, 1Г- количество стен с коэффициентом затухания сог.

Использование модели Мотли-Кинана лежит в основе двух методов позиционирования, первый из которых минимизирует отношение затуханий RSS, второй - их разность. Расчт оценки местоположения объектов каждым из методов осуществляется согласно следующим выражениям: 1) Метод минимизации отношения затуханий RSS Г (x) Х \Чад ( ) ( (?)/) (1.3) { У J L \z{X) ( ) ( (A)/) где Х( ) - оценка местоположения объекта, - множество допустимых по ложений объекта Х( ) М- количество используемых системой базовых стан ций, Z(X) [Z(X)} { X) (X)} T/M - вектор текущих измере ний уровней мощности, ( ) ( ) - соответственно уровни мощности сигна лов первой иу-ой базовой станции, измеренные на расстоянии d0. 2) Метод минимизации разности затуханий RSS Г (X) х гл V №{1)( }) &ш ФАМ) (14) [y J Z ( ( ) ( (A)/))

Как показано в работе [24], средняя точность каждого из представленных методов составляет от 5 до 10 метров. В ряде случаев такая точность может оказаться достаточной, но при решении задачи позиционирования с высокой точностью такие показатели недопустимы.

Среди работ, относящихся к рассмотрению методов первой группы, также стоит отметить публикацию [25], авторы которой для построения модели распространения сигнала Wi-Fi воспользовались методами регрессионного анализа. Средняя ошибка системы позиционирования, построенной на основании регрессионной модели второго порядка, составила 2,46 м при максимальной ошибке до 22 м. Главной особенностью этой системы, одновременно являющейся е основным недостатком, является е сильная зависимость от геометрии расположения базовых станций.

Методы второй группы принято разделять на две категории - детерминистские методы и вероятностные методы. Детерминистские методы используют методы группы ближайшего соседа, вероятностные применяют теорему Байеса.

Модифицированный метод -ближайших соседей, представленный в работе [26], определяет оценку местоположения объекта как взвешенное значение центра масс фигуры - центроида, формируемого пространственными координатами к-ближайшими соседей, по формуле X V y JJJ Х (1.5) ( (ZZ)) где -Y( ) - оценка местоположения объекта, А( ) - координаты /-ого со седа, Д; - множество -ближайших соседей, Z Z - соответственно вектор текущих измерений и вектор измерений z-ого соседа, ds - мера близости в пространстве признаков (уровней мощности сигналов базовых станций). Каждый из векторов измерений Z содержит значения уровней мощности беспроводного сигнала, принятого объектом от всех базовых станций (точек доступа Wi-Fi), используемых системой Z { }—, (1.6) где RSSj - уровень мощности сигнала, принимаемого объектом от у-ой точки доступа, М- количество точек доступа, используемых системой. В качестве значения RSS для тех точек доступа, от которых объект не получает сигнал, указывается минимально возможное значение принимаемой мощности, не считающейся шумом, также называемое чувствительностью системы. Это значение выбирается из диапазона [ -90; -70 ] дБм в зависимости от используемых аппаратных решений Множество -ближайших соседей определяется на основании расчта расстояния между текущим вектором измерений Z и измерениями, полученными на этапе обучения системы: T (ZZ)Z 5 (1.7) где TV- размер обучающей выборки.

Анализ точности существующих методов позиционирования

Принцип действия КЭС основан на поиске экстремума взаимной корреляционной функции (ВКФ) эталонного и текущего изображений. Кратко это можно продемонстрировать следующим образом [69]. Пусть ТИ описывается функцией Fi(jcb ух\ а ЭИ - функцией F2(x2, у2\ где а , и - соответственно линейные и угловое рассогласование одного изображения относительно другого.

В таком случае выражение для расчта взаимной корреляционной функции ТИ и ЭИ может быть записано следующим образом где s - площадь изображений. Задачей КЭСН является нахождение координат (, т, т) главного максимума ВКФ, определяемой по формуле (2.2), и дальнейшее определение координат объекта на основании данных о смещении ТИ относительно ЭИ [70].

На практике функции, описывающие ТИ и ЭИ, часто бывают заданы таблично [71] ( )ЇД\їД (2.3) где tab, ehf - значения навигационного поля в точках (а, Ъ) и (h, f) ТИ и ЭИ соответственно, (Т1з Т2\ {Еи Е2) - размерности соответствующих изображений (ТИ и ЭИ). В большинстве случаев оценку смещения ТИ относительно ЭИ производят при помощи одного из следующих алгоритмов [72, 73, 74]: 1. Квадратичный разностный алгоритм (КРА) с решающей функцией (РФ) Ґ Й0 ), (2.4) где ( ) 1, R± 1, R2, 1,2, а параметры R\ и R2 определя ют масштаб области совмещения изображений. 2. Алгоритм с РФ в виде коэффициента взаимной корреляции ТИ и ЭИ (далее - корреляционный алгоритм, КА) ЕйЙ( )( ) (2.5) О [Ґ L ) L Е( где Ь Ь 5]ІЙ 3. Алгоритм обобщнной фазовой корреляции (АОФК) с РФ вида ЩЕ 1 пТЛпш ( \ (2.6) (2.7) (2.8) ) где у - мнимая единица, W\, W2, L - параметры метода, а значения коэффициентов St и Se рассчитываются по формулам И V лЛ {) {) ( ) І,ГіІ,Г где 1, Е, 1, En 1, Г-, 1, Г9 ( ) {f) ХЁ[ ТЖ2 Параметры W1, W2 выбираются из условия исключения наложения спектров изображений ЭИ и ТИ: W1 [R1, E1], W2 [R2, E2]. Параметр L определяет сте пень влияния амплитуд этих спектров [75]. Значение этого параметра выбирается из диапазона L [0, 1]. Индексы cextr и gextr экстремальных значений РФ являются оценкой смеще ния ТИ относительно ЭИ по осям абсцисс и ординат соответственно. Для раз ностного алгоритма производится численный поиск минимального значения .

Для корреляционного алгоритма и алгоритма обобщнной фазовой корреляции определяется максимум значений коэффициентов и . 2.2.3. Сравнение КЭС и систем локального позиционирования

Системы локального позиционирования, также, как и КЭС, работают на основании статистического сравнения участка карты навигационного поля, зафиксированного со случайной погрешностью, с е полным вариантом, сформированным заранее. Задача систем локального позиционирования заключается в определении положения объекта на основании поиска внутри обучающей выборки одного или нескольких наборов измерений, наиболее «похожих» на текущие с точки зрения выбранного статистического критерия.

В терминах КЭС обучающая выборка является эталонным изображением (ЭИ), а набор данных об уровнях мощности беспроводных сигналов, измеренный объектом в данный конкретный момент - текущим (ТИ). В таком случае задачу систем локального позиционирования можно сформулировать как вычисление смещения ТИ (вектора текущих измерений) относительно ЭИ (внутри матрицы обучающей выборки).

Матрицы ТИ и ЭИ в системах локального позиционирования всегда задаются таблично. Элементы этих матриц содержат значения уровней принимаемой мощности (RSS, Received Signal Strength) сигнала беспроводных источников, используемых системой для определения положения объектов: 1. Текущее изображение - вектор текущих измерений Z { }—. (2.9) 2. Эталонное изображение - обучающая выборка { Z } { }— _ Z X( )). (2.10)

В формулах выше TV- размер обучающей выборки, М- количество точек доступа, используемых системой.

В соответствии со сказанным выше и согласно классификации КЭС, приведнной в таблице 2.2, системы локального позиционирования можно отнести к цифровым поисковым КЭС II класса, относящимся к категории систем «с памятью» (использующим априорную информацию о случайном процессе).

Постэкспериментальный анализ качества работы системы

Для обеспечения высокой эффективности работы системы позиционирования требуется проведение комплекса работ по е настройке и внедрению. Эта задача осложняется тем, что на качество настройки системы влияют такие внешние факторы, как перемещение людей, точек доступа, крупных металлических предметов, а также работа СВЧ-устройств в непосредственной близости от точек доступа или объектов позиционирования. Отсутствие учта любого из этих факторов может привести к значительному снижению точности позиционирования, как на этапе настройки, так и на этапе эксплуатации системы.

Не смотря на обилие коммерческих систем и методов позиционирования, в настоящее время отсутствует научно обоснованная процедура, предлагающая комплексный подход к их созданию, настройке, а главное, к анализу качества их функционирования. Это приводит к тому, что даже незначительные искажения, вносимые в процессе освоения системы, влияние некоторых неучтенных внешних факторов, требуют проведения повторных работ – иногда, практически, «с нуля» [86, 87].

Данная глава посвящена разработке процедуры синтеза систем Wi-Fi позиционирования, основанной на следующих базовых принципах [88]: 1) Системность. Весь комплекс задач по настройке системы позиционирования рассматривается как единое целое; 2) Универсальность. Разработанная процедура и средства е реализации могут применяться для широкого класса систем позиционирования, основанных на получении данных об уровнях мощности сигналов Wi-Fi; 3) Гибкость. Система позиционирования предусматривает возможность работы с любым типом сетевого оборудования, поддерживающим стандарт IEEE 802.11 (Wi-Fi); 4) Техническая безопасность. Система позиционирования не оказывает значительной нагрузки на сетевое оборудование локальной сети предприятия как на этапе настройки, так и на этапе эксплуатации; 5) Унификация технических решений. Система позиционирования предусматривает возможность позиционирования любых устройств, оснащенных модулем Wi-Fi и способных передать данные об уровнях мощности Wi-Fi точек доступа, находящихся в зоне их радиовидимости – персональные и планшетные компьютеры, мобильные телефоны, специализированные Wi-Fi метки и др. Цель процедуры синтеза заключается в создании системы позиционирования, отвечающей предъявленным к ней функциональным требованиям, каждое из которых накладывает ограничения на предельные значения ошибок системы. Поэтому задача процедуры может быть сформулирована как выработка конкретного перечня последовательных шагов, необходимых для построения системы заданной категории точности, а также определение действий, позволяющих произвести анализ качества построенной системы для оптимизации режимов е работы.

Важно отметить, что предложенная процедура позволяет синтезировать в том числе и высокоточные системы локального Wi-Fi позиционирования, которые являются реализацией одной из рассматриваемых категорий точности.

В рамках разработанной процедуры синтеза весь процесс построения системы может быть разбит на ряд последовательных этапов, наиболее важными из которых являются: 1) Предпроектный анализ задачи построения системы Wi-Fi позиционирования; 2) Синтез необходимой сетевой инфраструктуры; 3) Планирование и экспериментальная настройка системы; 4) Анализ результатов измерений (постэкспериментальная часть), включая выработку рекомендаций по улучшению качества работы системы. Следующие разделы содержат детальное описание каждого из указанных этапов. 3.1. Предпроектный анализ На данном этапе осуществляется: 1) Определение целей использования системы позиционирования и требований к е точности; 2) Составление плана территории позиционирования; 3) Анализ существующей Wi-Fi сети с указанием мест расположения имеющихся точек доступа; 4) Выработка рекомендаций по совершенствованию существующей Wi-Fi сети для обеспечения требуемой точности.

Главная проблема, которая должна быть рассмотрена в первую очередь – это формулировка функциональных требований к системе позиционирования, определяющих е необходимую точность.

В зависимости от целей использования системы позиционирования к е точности могут предъявляться разные требования. В соответствии с этим была разработана классификация систем позиционирования в зависимости от целей их использования и требуемой точности. Результаты представлены в таблице 3.1.

Высокой точности 1 – 5 м 1) Определение местоположения пострадавшихпри возникновении чрезвычайных ситуаций;2) Контроль доступа в особо опасные зоны;3) Обнаружение нарушителей и мест пересеченияими границ охраняемых зон объекта

Средней точности 5 – 10 м Контроль местонахождения персонала, посетителей, транспорта и оборудования

Низкой точности 10 – 20 м Предоставление локационных сервисов и услуг В принципе, отнесение системы к одной из категорий не влияет на количество и последовательность этапов настройки системы. Требования к точности системы учитываются на этапе предпроектного анализа при определении необходимости дополнения существующей беспроводной сети Wi-Fi новыми точками доступа и на этапе планирования экспериментальной настройки, когда производится выбор опорных точек измерений для обучения системы.

Далее представляется необходимым конкретизировать следующие функциональные требования к системе:

1) Необходимость определения местоположения объектов позиционирования только внутри помещений (здания) или также и на некоторой территории вне здания на открытой местности (улице);

2) Необходимость организации контроля доступа в те или иные части помещения средствами системы позиционирования.

При позиционировании объектов на основании данных беспроводных сетей Wi-Fi вне помещений зданий нужно учитывать, что в соответствии с [15, 16] использование Wi-Fi без получения частного разрешения на использование частот возможно только при организации сети внутри производственных территорий. При организации Wi-Fi сети за их пределами такое разрешение необходимо.

Далее следует уточнить структуру, особенности планировки и назначение контролируемых помещений. Для этого составляется точный масштабный план контролируемых помещений (территорий) с указанием геометрических размеров всех ее элементов. На этот план наносится местоположение источников сигнала Wi-Fi (точек доступа в сеть) и зон их покрытия, что необходимо для последующего анализа достаточности имеющихся точек доступа и для конфигурации соответствующих зон покрытия, обеспечивающих требуемую точность создаваемой системы позиционирования.

Описание взаимодействия компонент

Одной из основных функций разработанного комплекса является выгрузка полученных результатов в адрес внешних компонент. Эта функция реализуется модулем выгрузки результатов. Этот модуль позволяет получать данные как по запросу, так и непрерывно по мере получения новых результатов. Результаты работы выгружаются в структурированном и удобном для чтения и последующей обработки формате (CSV, JSON).

Основными направлениями использования выгружаемых результатов могут являться: 1. Визуализация результатов работы комплекса с использованием специализированных средств. 2. Дополнительный анализ полученных результатов с применением современных математических пакетов. 3. Построение сложных комплексных информационных и информационно-аналитических систем, использующих данные о местоположении различных объектов – персонала, посетителей, оборудования, грузов и т.п.

Комплекс обеспечивает наджность получения всех необходимых данных за счт организации их локального хранения внутри каждой из компонент и изоляции процессов чтения и записи данных:

1) Мобильные клиенты до получения подтверждения доставки отправленных данных сохраняют их в локальном хранилище. Это обеспечивает непрерывность работы системы в случае отказа в работе сервера или недоступности канала связи. Изоляция процессов чтения и записи данных организуется на программном уровне за счт использования средств и объектов синхронизации;

2) Сервер позиционирования хранит все свои данные во внутренней БД, внешний доступ к которой осуществляется только посредством модуля выгрузки результатов. Процессы чтения и записи данных выполняются внутри изолированных транзакций.

Разработанный программный комплекс соответствует всем основным требованиям, предъявляемым к современным прикладным программным средствам [119, 120], и позволяет в полной мере реализовать весь набор функций, необходимых для решения задачи локального позиционирования с высокой точностью.

Объектом апробации был выбран защищнный промышленный объект ПАО «Газпром» Московского региона. План объекта представлен на рис. 4.6. Общая площадь объекта составляет 700 м2.

До начала работ по внедрению системы локального позиционирования на территории объекта апробации были расположения пять источников Wi-Fi сигнала, объединнных в единую сеть – две точки доступа Cisco E1200 и три точки доступа Huawei AP6010SN-GN.

Целью построения системы позиционирования являлся контроль местоположения на объекте сотрудников и посетителей, оснащнных мобильными устройствами (смартфонами или планшетами) под управлением ОС Android, для предотвращения их несанкционированного доступа в контролируемые помещения объекта.

К системе локализации местоположения объектов были предъявлены требования, ограничивающие значения средней и максимальной ошибок позиционирования, а также допустимое число ошибок определения помещений в режиме онлайн. Предельные значения каждого из указанных показателей приведены в таблице 4.3.

Количество ошибок определения помещений в режиме онлайн, % 5 Дополнительным функциональным требованием являлось предоставление результатов работы системы в виде файлов-отчтов для выполнения работ по е интеграции с существующей системой контроля и управления доступом (СКУД).

Цель построения системы в совокупности с требованиями, предъявленными к е точности, позволяют отнести внедряемую систему к классу высокоточных систем локального позиционирования. В рамках предпроектного анализа этот факт выражается в необходимом условии одновременной прямой радиовидимости не менее трх точек доступа на всей территории позиционирования.

Проведнный анализ существующей Wi-Fi сети (рис. 4.7) выявил недостаточность существующих точек доступа для выполнения требований к Wi-Fi покрытию. На рис. 4.7 использованы следующие цветовые обозначения: зелный – одновременная радиовидимость более трх точек доступ, салатовым – видимость ровно трх точек доступа, жлтый – видимость двух точек, оранжевый – одной.

На основании проведнного анализа существующей Wi-Fi сети было предложено дополнить е тремя новыми точками TP-LINK TL-MR3040. Выбор точек был обусловлен их невысокой стоимостью и наличию возможности автономной работы. Итоговые зоны Wi-Fi покрытия с учтом проведнной модернизации сети изображены на рис. 4.8 (цветовые обозначения на рисунке совпадают обозначениями, принятыми на рис. 4.7).

Полученная в результате модернизации беспроводная Wi-Fi сеть соответствует требованиям к Wi-Fi покрытию и, следовательно, может быть использована для построения системы локального позиционирования с требуемыми значениями показателей точности.

Необходимость построения системы локального позиционирования, обладающей высокой точностью (от 1 до 5 метров) определяет максимально допустимые значения интервалов расстановки опорных точек измерений, а также устанавливает минимально достаточное число таких точек в одном помещении: 1) Значения интервалов расстановки опорных точек внутри и по периметру не должны превышать 4 метра; 2) В одном помещении должно располагаться не мене 5 точек измерений. Расстановка опорных точек измерений в соответствии с указанными выше Расположение опорных точек измерений требованиями приведена на рис. 4.9. Помимо основных точек, использованных при формировании обучающей выборки, на рисунке изображены дополнительные контрольные позиции, включнные в состав тестовой выборки. 1) Через сутки после измерений значений обучающей выборки были произведены замеры RSS в тех же опорных позициях; 2) Через двое суток после формирования обучающей выборки тестовая выборка была расширена данными измерений, произведнных в дополнительных точках; 3) Через трое суток с начала обучения были повторно произведены измерения в основных и дополнительных точках. Итоговые объмы выборок: обучающая выборка – 320 измерений, тестовая выборка – 1128 измерений.