API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode
Upcoming SlideShare
Loading in...5
×
 

API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode

on

  • 574 views

A las siguientes generaciones de servicios móviles se les presupone un alto grado de adaptación a la identidad, objetivos, situación física y tecnológica de sus usuarios. ...

A las siguientes generaciones de servicios móviles se les presupone un alto grado de adaptación a la identidad, objetivos, situación física y tecnológica de sus usuarios.
Este paradigma de diseño de servicios, que aprovecha el conocimiento del “contexto”
de las entidades inmersas en el entorno, y que se considera derivado y habilitador del
concepto de computación ubicua, presenta aún numerosos retos tecnológicos, sociales y de negocio para su puesta en operación y posterior generalización de uso.

Uno de los retos de los cuales hace mención Norma Bernardos en el párrafo anterior es la determinación de la posición de un usuario en un área específica de grandes
dimensiones o multinivel. Conocidos como indoor location systems (sistemas de localización en interiores por sus siglas en inglés ILS) son sistemas evaluadores del
contexto de una persona o dispositivo móvil dentro de un área de localización paradeterminar su posición dentro de la misma. Estos sistemas se basan (e incluso sepueden llegar a clasificar por ellas) en diferentes técnicas de evaluación (o sensado) del medio para determinar la posición de un objeto con respecto a un punto previamente identificado. Por nombrar algunos se pueden mencionar aquellos que se
basan en las huellas de temperatura de ciertos objetos, reconocimiento de patrones visuales, velocidad de tráfico y desplazamiento o reconocimiento de magnitudes de
señales electromagnéticas. Estos últimos son los que ocupan el objetivo de esta tesis, que, a modo de sistematización de ciertos procesos, propone, modela, desarrolla,
implementa y evalúa métodos de localización en interiores basados en la evaluación de señales electromagnéticas de tipo Wi-Fi™, Bluetooth y RFID. Para fines prácticos y
de implementación los métodos de localización fueron automatizados dentro de métodos y clases de programación a modo de “librería de funciones”. Esta librería fue
desarrollada en el lenguaje de programación JAVA para garantizar la compatibilidad de las funciones sobre cualquier plataforma (sistema operativo) que permita laejecución de una maquina virtual java (JVM, Java Virtual Machine).
Los capítulos nucleares de esta tesis muestran el modelado, desarrollo e
implementación de una API que contiene los métodos necesarios para desarrollar servicios de localización en interiores utilizando una arquitectura cliente-servidor
mediante la evaluación del contexto de señales electromagnéticas. En el desarrollo de la arquitectura cliente servidor se ha propuesto al cliente como un dispositivo móvil con interfaces Wi-Fi™ y Bluetooth, o a un objeto/individuo identificado por una etiquetaRFID pasiva.
Los tres últimos capítulos de este documento muestran las pruebas realizadas para obtener el grado de asertividad de los métodos desarrollados en escenarios de
contexto de señales variables. El último capítulo de este documento muestra la
descripción en formato JAVADoc de cada uno de los métodos que componen la API.

Statistics

Views

Total Views
574
Views on SlideShare
574
Embed Views
0

Actions

Likes
1
Downloads
9
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Document Transcript

    • Centro Nacional de Investigación y Desarrollo Tecnológico Departamento de Ciencias Computacionales TESIS DE MAESTRÍA EN CIENCIAS API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode presentada por Miguel Angel Yris Pastor Lic. En Ciencias de la computación por la Universidad Juárez Autónoma de Tabasco como requisito para la obtención del grado de: Maestría en Ciencias en Ciencias de la Computación Director de tesis: Dr. Juan Gabriel González Serna Jurado: Dr. Máximo López Sánchez – Presidente Dr. Guillermo Rodríguez Ortiz – Secretario Dra. Azucena Montes Rendón – Vocal Dr. Juan Gabriel González Serna – Vocal SuplenteCuernavaca, Morelos, México. 28 de febrero de 2012
    • La investigación aquí plasmada fue desarrollada gracias al apoyo del Consejo Nacional deCiencia y Tecnología (CONACyT), el Centro Nacional de Investigación y Desarrollo Tecnológico(CENIDET) y el grupo AUTOLOG de la Universidad de Castilla-La Mancha, España.
    • DedicatoriaSi desarrollar y redactar todo este conjunto de ideas me permite tener cierta propiedad sobreellas me gustaría dedicarlas a todos aquellos que directa o indirectamente aportaron ungranito de arena o una playa completa para iniciar y finalizar esta aventura. Mencionarlos atodos me haría ocupar 5 o 6 veces el volumen de esta tesis, pero estoy seguro de haberlo hechoen su momento y que ellos se dieron por enterados, aún así, si por azares del destino o por elbibliotecario local te encuentras leyendo este documento … Gracias. Miguel Angel Yris Pastor, México DF. 4 de febrero de 2012
    • AgradecimientosEn una opinión muy personal, creo que son muy pocas las actividades o empresas delas cuales un hombre o mujer se puede enorgullecer de haberlas realizado sin ayudade alguien más; Este no es el caso.Gracias … a Mamá, Karen Mariel Nájera, Normita Bolio, Juan Carlos Yris, José AntonioYris. Luis David Yris Pastor, Claudia Vara, Marbella Pastor, Salvador Galván, GabrielGonzález, Máximo López, Azucena Montes, Guillermo Rodriguez, Ricardo Estrada,Hugo Estrada, Alicia Martínez, Mónica Pichardo, Alejandra Ramírez, Julia Arana, AndrésGarcía, Pablo García, Javier de las Morenas, Francisco Carreño, Rafel Otal, Arturo Bejar,Blanca Vargas, Bea Escobar, Ainoa Castillo, Cesar Villatoro, al equipo Autolog CiudadReal, al equipo Autolog Cuenca, equipo de mecánica de la escuela de ingenieros.…. A las incontables Dulcineas y Sanchos que contestaron de una forma u otra lasolicitud de “acorredme en las innumerables afrentas que a este avasallado intelectose le ofrecían” A todos ellos … Gracias (a pesar de mi necedad, nada de esto se hubiese logrado)
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode ABSTRACTThe next generation of mobile services is presumed to be highly adaptive to the user’spersonal features and to his environmental, physical and technological condition andsubsequent consequences. This ‘context-aware paradigm’, which originates from thevision of ‘ubiquitous computing’ and is supposed to drive the design of futurecommercial mobile services, still presents a lot of technological, social and businesschallenges. [Bernardos, 2008]One these challenge is to obtain the position of a user within a specific area.Todaythere are indoor location systems, which allow determining the position of an objectwithin an area.To achieve its purpose, these systems use patternrecognition techniques such asthermal, visual or electromagnetic pattern recognition.Systems using electromagnetic patterns are the basis of this thesis. in this researchreport we propose, model, develop and implement methods for indoor location basedon signal patterns as Wi-Fi, Bluetooth or RFID.These methods are encoded within anAPI written in Java.The main chapters of this thesis show the modeling, development and implementationof an API that contains the methods needed to develop indoor location services usinga client-server architecture using context evaluation of electromagneticpatterns.In thedevelopment of client server architecture has been proposed to the client as mobiledevice with Wi-Fi interfaces and Bluetooth ™, or an object / individual identified by apassive RFID tag.The last three chapters of this document show the tests performed toobtain the degree of assertiveness of the methods developed in the context of varyingsignals scenarios.
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode RESUMENA las siguientes generaciones de servicios móviles se les presupone un alto grado deadaptación a la identidad, objetivos, situación física y tecnológica de sus usuarios.Este paradigma de diseño de servicios, que aprovecha el conocimiento del “contexto”de las entidades inmersas en el entorno, y que se considera derivado y habilitador delconcepto de computación ubicua, presenta aún numerosos retos tecnológicos,sociales y de negocio para su puesta en operación y posterior generalización de uso.[Bernardos, 2008].Uno de los retos de los cuales hace mención Norma Bernardos en el párrafo anteriores la determinación de la posición de un usuario en un área específica de grandesdimensiones o multinivel. Conocidos como indoor location systems (sistemas delocalización en interiores por sus siglas en inglés ILS) son sistemas evaluadores delcontexto de una persona o dispositivo móvil dentro de un área de localización paradeterminar su posición dentro de la misma. Estos sistemas se basan (e incluso sepueden llegar a clasificar por ellas) en diferentes técnicas de evaluación (o sensado)del medio para determinar la posición de un objeto con respecto a un puntopreviamente identificado. Por nombrar algunos se pueden mencionar aquellos que sebasan en las huellas de temperatura de ciertos objetos, reconocimiento de patronesvisuales, velocidad de tráfico y desplazamiento o reconocimiento de magnitudes deseñales electromagnéticas. Estos últimos son los que ocupan el objetivo de esta tesis,que, a modo de sistematización de ciertos procesos, propone, modela, desarrolla,implementa y evalúa métodos de localización en interiores basados en la evaluaciónde señales electromagnéticas de tipo Wi-Fi™, Bluetooth y RFID. Para fines prácticos yde implementación los métodos de localización fueron automatizados dentro demétodos y clases de programación a modo de “librería de funciones”. Esta librería fuedesarrollada en el lenguaje de programación JAVA para garantizar la compatibilidadde las funciones sobre cualquier plataforma (sistema operativo) que permita laejecución de una maquina virtual java (JVM, Java Virtual Machine).Los capítulos nucleares de esta tesis muestran el modelado, desarrollo eimplementación de una API que contiene los métodos necesarios para desarrollarservicios de localización en interiores utilizando una arquitectura cliente-servidormediante la evaluación del contexto de señales electromagnéticas. En el desarrollo dela arquitectura cliente servidor se ha propuesto al cliente como un dispositivo móvil coninterfaces Wi-Fi™ y Bluetooth, o a un objeto/individuo identificado por una etiquetaRFID pasiva.Los tres últimos capítulos de este documento muestran las pruebas realizadas paraobtener el grado de asertividad de los métodos desarrollados en escenarios decontexto de señales variables. El último capítulo de este documento muestra ladescripción en formato JAVADoc de cada uno de los métodos que componen la APIdesarrollada para ofrecer servicios de localización en interiores basados en tecnologíaWi-Fi™, Bluetooh y RFID. De igual manera se encuentra una copia de un artículo deinvestigación publicado en el congreso internacional RFIDSystech 2011 producto deun desarrollo e investigación relacionada a lo mostrado en este documento.
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeTablas de contenidosÍndice de capítulosCapítulo 1 -- Introducción1.1. Introducción ______________________________________________________ 21.2. Problema _________________________________________________________ 31.3 Objetivo principal___________________________________________________ 31.4 Estructura del documento ____________________________________________ 3Capítulo 2 -- Marco conceptual2.1 Introducción _______________________________________________________ 62.2. RFID _____________________________________________________________ 62.3. IEEE 802.11 _______________________________________________________ 72.4. API (Application Program Interface) ___________________________________ 72.5. LLRP (Low Level Reader Protocol) _____________________________________ 72.6. Sistema de localización en interiores __________________________________ 102.7. Bluetooth ________________________________________________________ 11Capítulo 3 -- Estado del arte3.1 Introducción ______________________________________________________ 143.2. An Indoor Positioning System (IPS) using Grid Model _____________________ 143.3. Local positioning system using WiFi networks __________________________ 153.4.- Internal Location Based System For Mobile Devices Using Passive RFID AndWireless Technology __________________________________________________ 173.5. A Patient Identification System using RFID and IEEEE 802.11b Wireless Networks ___________________________________________________________________ 183.6 Localización y seguimiento de terminales móviles en entornos indoor. _______ 19
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode3.7 Servicios de localización conscientes del contexto aplicando perfiles de movilidady tecnologías de localización heterogéneas ________________________________ 20Capítulo 4 -- CHAMAN4.1 Introducción ______________________________________________________ 234.2 Método de localización en interiores basados en huella de señal (Fingerprint) _ 244.3 Descripción de general de la API ______________________________________ 244.4 Funcionalidades ___________________________________________________ 264.5 Modelo y arquitectura de la API para servicios de localización en interioresutilizando tecnología Wi-Fi™, Bluetooth, RFID y QRCode. _____________________ 28 4.5.1 Modelo del proceso de localización implementado en la API __________________ 29 4.5.2 Reglas de inferencia utilizadas por CHAMAN en el proceso de localización en interiores ________________________________________________________________ 30 4.6.2 Modelo entidad relación del esquema utilizado para la persistencia de datos utilizados para el proceso de localización ______________________________________ 32 4.6.3 Arquitectura de capas de la API para servicios de localización en interiores. ______ 354.7 Diseño de capas de la API ___________________________________________ 36 4.7.1 Capa de conexión física ________________________________________________ 36 4.7.1.1 Clase RFIDReaderLLRPConnection _____________________________________________ 37 4.7.1.2 Clase RFIDReaderSMNPConnection ____________________________________________ 38 4.7.1.3 Clase WiFiClientConnection __________________________________________________ 38 4.7.2 Capa de traducción de datos ____________________________________________ 39 4.7.2.1 Clase TranslateRawData ____________________________________________________ 41 4.7.2.2 Clase trainingRadioMap _____________________________________________________ 41 4.7.2.3 Clase locationPackage ______________________________________________________ 41 4.7.2.4 Clase ROSPEC_Event ________________________________________________________ 42 4.7.3 Capa de filtrado de datos _______________________________________________ 42 4.7.3.1 Clase LocationAreaIdentification ______________________________________________ 43 4.7.3.2 Clase RFIDIdentification _____________________________________________________ 43 4.7.3.3 Clase PlayersIdentiffication __________________________________________________ 43 4.7.4 Capa de procesamiento de datos ________________________________________ 43 4.7.4.1 Subcapa de entrenamiento __________________________________________________ 44 4.7.4.3 Subcapa de localización _____________________________________________________ 45 Microlocalización ________________________________________________________________ 47 Macrolocalización ________________________________________________________________ 49 Localización utilizando contexto de tecnologías RFID o NFC ______________________________ 49 Localización utilizando QRCodes ____________________________________________________ 50
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 4.7.4.4 Capa de conexión a repositorios relacionales _____________________________ 51 4.7.4.5 Capa de servicios ____________________________________________________ 524.8 Diagrama de clases ________________________________________________ 53Capítulo 5 -- Casos de estudio5.1 Introducción ______________________________________________________ 555.2 Caso de estudio 1: Localización en interiores utilizando contexto de tecnologíasWi-Fi™ y Bluetooth____________________________________________________ 55 5.2.1 Descripción del escenario_______________________________________________ 55 5.2.2 Entrenamiento _______________________________________________________ 57 5.2.2.1 Implementación del método de localización fingerprint ___________________________ 57 5.2.2.2 Diseño de un “grid” virtual sobre el área de localización ___________________________ 57 5.2.2.3 Creación de “radiomapa” de áreas de localización ________________________________ 60 5.3 Localización en interiores en un medio no controlado _________________________ 63 5.3.1 Microlocalización ____________________________________________________________ 63 5.3.2 Macrolocalización ___________________________________________________________ 81 5.3.3 Resultados _________________________________________________________________ 915.4 Caso de estudio 2: Localización en interiores utilizando contexto de tecnologíaRFID _______________________________________________________________ 91 5.4.1 Escenario 1: acceso a una zona de localización ______________________________ 92 Descripción del escenario __________________________________________________________ 92 Pruebas ________________________________________________________________________ 93 5.4.2 Escenario 2: localización en edificio multinivel ______________________________ 94 Descripción del escenario __________________________________________________________ 94 Pruebas ________________________________________________________________________ 94 Resultado de pruebas ______________________________________________________ 95Capítulo 6 -- Conclusiones6.1 Conclusiones ______________________________________________________ 976.2 Trabajos futuros ___________________________________________________ 98
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeCapítulo 7 -- Referencias7. Referencias _______________________________________________________ 102Capítulo 8 -- Anexos8.1 Introducción _____________________________________________________ 1058.2 Application to a warehouse environment of a tracking system based on RFID andfree software _______________________________________________________ 1058.3 Especificaciones técnicas de instrumentos utilizados en el proceso de localización __________________________________________________________________ 113 8.3.1 Puntos de acceso ____________________________________________________ 113 Punto de Acceso Linksys WRT54GL _________________________________________________ 113 Punto de Acceso Linksys WRT120N _________________________________________________ 114 Punto de Acceso DLink 2440t _______________________________________________ 115 8.3.2 Portal RFID _________________________________________________________ 117 Lector RFID Impinj Speedway ______________________________________________________ 117 8.3.3 Dispositivo móvil cliente ______________________________________________ 119
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeÍndice de figurasFigura 2.1 Modelo de objetos de protocolo LLRP 8Figura 1 Arquitectura de transporte de datos de Bluetooth 12Figura 2- Esquema de capas los elementos y procesos involucrados en lalocalización del dispositivo cliente 15Figura 3.- Arquitectura del sistema de localización 16Figura 3.3 .- Modelo de comunicación del sistema 17Figura 4.- Simulación de la aplicación en la cual se ha obtenido la posición deldispositivo (cubículo 4) 18Figura 5.- Reglas usadas para la evaluación difusa de localización, en ellainterviene la calidad de la señal de 4 puntos de acceso ( AP) y obtiene como 19resultado la zona en la que se encuentra el clienteFigura 3.6 Diagrama de flujo de proceso de guiado en base a lectura de tagsRFID 20Figura 3.6 Pantallas involucradas en el proceso de guiado en base a lectura detags RFID 21Figura 4.1 Diagrama de funcionalidades de las capas que componen aCHAMAN 28Figura 4.2 Modelo del proceso de localización utilizando el contexto de señalesWi-Fi™ , Bluetooth y RFID 30Figura 4.3 Definición de zonas utilizando formación “Matryoshka” 33Figura 4.4 Diagrama Entidad - Relación del esquema del repositorio de datosutilizado por CHAMAN 34Figura 4.5 Diagrama de capas que componen CHAMAN 35Figura 4.6 Representación UML de las clases y métodos de tipo interfaz de laclase de conexión física 37Figura 4.7 Diagrama de clases correspondiente a la capa de traducción de datosFigura 4.8 Diagrama de clases de la capa de filtrado de datos 41Figura 4.8 Diagrama de clases de la capa de filtrado de datos 42Figura 4.9 Diagrama de clases de la capa de procesamiento de datos 44Figura 4.10 (a) radiomapa entrenado vista repositorio relacional, (b)representación gráfica de un radiomapa entrenado 45Figura 4.11 Modelo secuencial del proceso de localización utilizando el contexto 47de tecnologías Wi-Fi™ y Bluetooth
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeFigura 4.12 Proceso de microlocalización 48Figura 4.13 Proceso de macrolocalización 49Figura 4.14 Proceso de localización utilizando tecnología RFID 50Figura 4.15 Proceso de localización utilizando la tecnología QRCode. 51Figura 4.16 Diagrama de clases de la API CHAMAN 53Figura 5.1 Mapa de distribución arquitectónica de la planta baja del edificio del 56departamento de ciencias de la computación (CENIDET)Figura 5.2 Secuencia de comunicación de la aplicación cliente con el repositoriorelacional en fase de entrenamiento de radiomapa 62Figura 5.3 Muestra de celdas entrenadas en el repositorio relacional (a) yrepresentación gráfica de un radiomapa entrenado (b) 62Figura 5.4 Celdas evaluadas 64Figura 5.5 celdas candidatas resultantes al implementar el algoritmo delocalización en la celda J10 66Figura 5.6 celdas resultantes al implementar el algoritmo de localización en lacelda E1 68Figura 5.7 Resultado de implementar el algoritmo de localización en la celda H7 71Figura 5.8 Resultado de implementar el algoritmo de localización en la celda 9D 73Figura 5.9 Resultado de implementar el algoritmo de localización en la celda 11B 76Figura 5.10 Resultado de implementar el algoritmo de localización en la celda 6B 78Figura 5.11 Resultado de implementar el algoritmo de localización en la celda 8C 80Figura 5.12 Conjunto de celdas candidatas (vecindad) en una zona de 81localizaciónFigura 5.13 Resultado de la implementación del algoritmo de localización en lazona entrada al edificio 83Figura 5.14 Resultado de la implementación del algoritmo de localización en lazona Laboratorio de Ingenieria de software 84Figura 5.15 Resultado de la implementación del algoritmo de localización en la 85zona Laboratorio de Inteligencia ArtificialFigura 5.16 Resultado de la implementación del algoritmo de localización en lazona Cubo Central 86Figura 5.17 Resultado de la implementación del algoritmo de localización en lazona Aula 2 87Figura 5.18 Resultado de la implementación del algoritmo de localización en la 88zona Aula 3
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeFigura 5.19 Resultado de la implementación del algoritmo de localización en lazona Aula 1 89Figura 5.20 Resultado de la implementación del algoritmo de localización en lazona Laboratorio de Sistemas Distribuidos 90Figura 5.21 Distribución de infraestructura RFID en el edificio del DCC 92Figura 5.22 Diagrama de disposición de antenas en escenario de entrada ysalida controlado por antenas RFID 93Figura 5.23 Distribución de antenas RFID en la zona de escaleras del edificio delDCC 94Figura 6.1 Diagrama de implementación de CHAMAN y un sistema visor deposición en interiores en un dispositivo móvil 99Figura 6.2 Diagrama de propuesta de implementación e interoperabilidad en elinternet de las cosas entre CHAMAN , fosstrak y hardware Arduino 99
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Capítulo 1 IntroducciónCapítulo 1 -- Introducción Página 1
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode1.1. IntroducciónEn 1950 Isac Assimov (visionario con todas y cada una de las letras de la palabra)escribió una novela titulada Yo, Robot1 (I, Robot), si bien la temática de la historiatranscurría sobre términos éticos e inteligencia artificial, Assimov no escatimo endetalles sobre el contexto en el cual se desarrolla la historia, en más de una ocasiónse describe la gran variedad de servicios ofrecidos a un humano según el lugar endonde se encontraba (ahora le llamamos contex-aware). Años más tarde, en 1956,Philip K. Dick publica “The minority report”2 en donde narra las vivencias de JohnAnderton. Nuevamente el autor no deja a la imaginación del lector detalles delcontexto de cada aventura, pero esta vez, se describe lo que al parecer es un“dispositivo rastreador” que, tal vez, en aquel tiempo por ser lo más avanzado entecnología, se describía su funcionamiento como ondas de radio. Tuvieron que pasarmás de 30 años de aquellas publicaciones para que se pudiese llevar a la realidad, talvez, inspirados en aquellas viejas historias u orillados a evolucionar hacia el grado decomodidad descrito en tales historias; nacen los primeros sistemas de localizaciónpara uso no militar, los cuales, no han parado de evolucionar, llegando así a la actualtecnología de sistemas de posicionamiento global (GPS por sus siglas en inglés) queproporciona una gran precisión en escenarios urbanos, pero es de muy poca ayuda enescenarios donde el individuo u objeto a localizar se encuentra dentro de un edificio,esto se debe a la interferencia o atenuación de señal que producen los elementosarquitectónicos del edificio. Como respuesta a esta necesidad se desarrollaron (ycontinúan en constante desarrollo) sistemas de localización en interiores que tienencomo fin determinar la posición de un objeto dentro de un área de localización cerrada.A partir de esta idea, se han desarrollado múltiples soluciones que incluyentecnologías que pueden ir desde el reconocimiento de patrones visuales hasta elreconocimiento de patrones electromagnéticos. Estos últimos, son el punto de partiday atención de este trabajo de investigación el cual plantea, modela, desarrolla, pruebay muestra una API escrita en lenguaje de programación JAVA la cual contiene clases ymétodos que permiten al programador ofrecer servicios de localización en interioresevaluando los patrones de señales electromagnéticas percibidas por un cliente móvildentro de un edificio. Dado a que hoy en día existen un gran número de frecuenciaselectromagnéticas a nuestro alrededor, pero no todas usadas por el individuo común,se decidió utilizar señales electromagnéticas propias de las tecnologías decomunicación inalámbrica más comunes: Wi-Fi™, Bluetooth y RFID, pretendiendo deesta forma lograr una implementación económica, sencilla y escalable funcionando deesta manera como base para futuros proyectos en los cuales se necesiten servicios delocalización en interiores.1 http://en.wikipedia.org/wiki/I,_Robot (Recuperado el 2 de noviembre del 2011)2 http://en.wikipedia.org/wiki/The_Minority_Report (Recuperado el 2 de noviembre del 2011)Capítulo 1 -- Introducción Página 2
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode1.2. ProblemaLa determinación de la posición de un individuo u objeto dentro de un edificio es degran importancia en la evaluación de diferentes tópicos como puede ser la seguridad,navegación, y asistencia personal, los sistemas que atienden este tipo de tópicos sony/o necesitan de hardware muy costoso [Papapostolou, 2009]. Las soluciones desoftware basadas en hardware de comunicación (como puntos de acceso Wi-Fi™ oBluetooth que se encuentran en el mercado) que se encuentran actualmente en elmercado brindan soluciones generales que no pueden ser adaptadas a todo tipo deescenario sin mencionar la falta de compatibilidad con aplicaciones de terceros.1.3 Objetivo principalComo se podrá apreciar en futuros capítulos, actualmente existen múltiples opciones,técnicas, algoritmos y métodos para obtener la posición aproximada de un individuo uobjeto dentro de un escenario de tipo interior (indoor). Aquellos que sonimplementados como una solución computacional son realizados de forma monolíticao poco escalable. Por lo tanto: El objetivo de esta tesis es desarrollar métodos delocalización en interiores basados en evaluación de señales electromagnéticas yencapsularlos dentro de clases que a su vez formarían librerías de programación deforma tal que al ser implementada, el programador que utilice la API pueda obtenercomo resultado de la ejecución de un método la información de localización de unindividuo determinado dentro de un área de localización haciendo de esto un procesorápido, económico y casi transparente para el programador.1.4 Estructura del documentoEste documento de tesis se encuentra distribuido en siete capítulos en los cuales sepresentan en una primera parte los conceptos básicos y metodologías de localizaciónque le permiten al lector extender el panorama y vocabulario necesario paracomprender los capítulos sustánciales de la tesis en los cuales se describe elmodelado, codificación, implementación y pruebas de los métodos de localización eninteriores productos de esta investigación. Por último, el lector se encontrará con lasconclusiones obtenidas por el autor al finalizar el proceso de investigación, desarrollo eimplementación, como también un capítulo en el cual se encuentran los documentosanexos como lo son documentación de la API, imágenes y un artículo presentado enun congreso internacional producto derivado de la investigación desarrollada en elproceso de investigación de esta tesis.El listado de capítulos que a continuación se muestra atiende a la estructura que se haestablecido para la publicación de este documento.En el capítulo 1. Introducción y descripción general del tema de investigación. Elcapítulo 2 muestra un marco conceptual en el cual se definen conceptos que sonCapítulo 1 -- Introducción Página 3
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeutilizados en el resto del documento. El capítulo 3 corresponde a la descripción delestado del arte relacionado a los procesos de localización en interiores utilizandotecnología Wi-Fi ™, Bluetooth y RFID. El capítulo 4 contiene el modelado y descripciónde la API propuesta en esta tesis. En el capítulo 5 se encuentran registradas laspruebas realizadas para comprobar el grado de presión de los algoritmosdesarrollados y codificados en métodos y clases pertenecientes a la API. El capítulo 6contiene las conclusiones generales a las que se ha llegado después de realizar elproceso de investigación, desarrollo e implementación de las ideas planteadas en estatesis. El capítulo 7 muestra las referencias bibliográficas Y por último, el capítulo 8contiene los documentos anexos a esta investigación.Capítulo 1 -- Introducción Página 4
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Capítulo 2 Marco conceptualCapítulo 2 -- Marco conceptual Página 5
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode2.1 IntroducciónTecnologías de comunicación inalámbrica, identificación por radio frecuencia, sistemasde localización en interiores y magnitudes electromagnéticas pueden ser términosextraños para un lector no “iniciado” o ajeno a los términos relacionados e incluidos eneste documento de tesis. En este capítulo se encuentran las definiciones básicas quepermitirán al lector contar con las bases para comprender los escenarios, propuestas ydesarrollos realizados en el resto de este documento.2.2. RFIDRFID (Identificación por Radiofrecuencia) es un método de almacenamiento yrecuperación remota de datos, basado en el empleo de etiquetas o “tags” en las quese encuentra almacenada información. RFID se basa en un concepto similar al delsistema de código de barras; la principal diferencia entre ambos reside en que elsegundo utiliza señales ópticas para transmitir los datos entre la etiqueta y el lector, yRFID, en cambio, emplea señales de radiofrecuencia (en diferentes bandasdependiendo del tipo de sistema, típicamente 125 KHz, 13,56 MHz, 433-860-960 MHzy 2,45 GHz).Los sistemas RFID se componen principalmente de cuatro elementos:  Una etiqueta RFID, también llamada tag o transpondedor (transmisor y receptor). La etiqueta se inserta o adhiere en un objeto, animal o persona. Esta etiqueta cuenta con un código numérico que la identifica, ya sea un TAGID o un código electrónico del producto (EPC). En este contexto, la palabra “objeto” se utiliza en su más amplio sentido: puede ser un vehículo, una tarjeta, una llave, un paquete, un producto, una planta, etc. Consta de un microchip que almacena los datos y una pequeña antena que habilita la comunicación por radiofrecuencia con el lector.  Un lector o interrogador, se encarga de transmitir una señal de radio frecuencia que recibe el tag, esta señal es transformada por la antena del tag en voltaje para energizar el chip, una vez que se energiza el tag, este es capaz de enviar su código de identificación. El lector consta de un módulo de radiofrecuencia (transmisor y receptor), una unidad de control y una antena para interrogar los tags vía radiofrecuencia. Los lectores están equipados con interfaces estándar de comunicación que permiten enviar los datos recibidos de la etiqueta a un subsistema de procesamiento de datos, como puede ser una computadora personal que gestiona una base de datos. Algunos lectores llevan integrado un programador que añade a su capacidad de lectura la habilidad para escribir información en las etiquetas. A lo largo del presente estudio, cuando hablemos de lector, se considerará que es un dispositivo capaz de leer la etiqueta, independientemente de si puede sólo leer, o leer y escribir.Capítulo 2 -- Marco conceptual Página 6
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode  Una computadora, que desarrolla la aplicación RFID. Recibe la información de uno o varios lectores y se la comunica al sistema de información. También es capaz de transmitir órdenes al lector.  Adicionalmente, un middleware (aplicación que hace posible el funcionamiento de aplicaciones distribuidas sobre plataformas heterogéneas); ejecutándose en segundo plano un sistema ERP (sistema de planificación de servicios empresariales) de gestión de sistemas IT son necesarios para recoger, filtrar y manejar los datos. [Portillo, 2008]2.3. IEEE 802.11Es un conjunto de estándares para redes inalámbricas de área local que utilizan lasbandas de frecuencia de 2.4 GHz, 3.6 GHz y 5 GHz. [Kerry, 2008] El conjunto deestándares define el uso de los dos niveles inferiores del modelo OSI (Open SystemInterconnection), en estas definiciones se encuentran descritos la arquitectura y el usode protocolos de acceso al medio como también formatos y tipos de frames (paquetes)usados para la intercomunicación de terminales, el contenido de cada frame seencuentra definido por el tipo al que pertenece, estos pueden ser de control (Controlframes), de datos (Data frame) o de gestión (Management frames).2.4. API (Application Program Interface)Es un conjunto de convenciones internacionales que definen cómo debe llamarse auna determinada función de un programa desde una aplicación [NEODIGIT 09]. Lasfunciones o métodos, según sea el paradigma de programación, se encuentran enarchivos individuales encapsulados dentro de un paquete o librería. La idea principalde implementación de una API es reducir la cantidad de código escrito agrupando lasfunciones o métodos que se utiliza en repetidas ocasiones en el cuerpo del programa.Las funciones o métodos agrupados se escriben y guardan en archivos individualesque son cargados al inicio del código del programa y las funciones que contienen sonllamas dentro del cuerpo del programa. Por lo general las APIs se agrupan según elservicio que ofrecen sus funciones, por ejemplo: API de RED, API de servicios derecomendación, API de comunicación de procesos entre otras.2.5. LLRP (Low Level Reader Protocol)Es el protocolo de comunicación utilizado por algunos lectores RFID, en el sedescriben las interfaces de red utilizadas para la comunicación entre el lector RFID ysoftware de control o hardware [PW1]. Las interfaces permiten al software controladorenviar señales al lector para iniciar el proceso de lectura de EPCs de las etiquetas, oejecutar otros comandos como “kill” el cual hace “callar” la señal de un tag una vezCapítulo 2 -- Marco conceptual Página 7
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeleído su EPC o “lock” la cual impide la modificación de la información contenida en eltag. La comunicación se establece como se describe en la siguiente imagen. Figura 2.1 Modelo de objetos de protocolo LLRPEn el modelo anterior se describe el escenario de comunicación donde un clienteLLRP que puede ser un software que usa el protocolo mediante una API envíasolicitudes al lector LLRP, este es un lector RFID que cuenta con la capacidad deutilizar el protocolo LLRP para comunicaciones. Para realizar la comunicación entrecliente y lector es necesario enviar los mensajes en cierto formato, para ello existendos alternativas:  Comunicación mediante archivos XML, el cliente envía al lector un archivo XML en el cual se encuentran los comandos LLRP para que el lector realice una tarea específica, una vez realizada la tarea, el lector llena los campos del archivo XML con la información solicitada y es enviado al cliente. A continuación se muestra un ejemplo de un archivo XML usado para la comunicación entre cliente y lector:<?xml version="1.0" encoding="UTF-8"?><llrp:ADD_ROSPECxmlns:llrp="http://www.llrp.org/ltk/schema/core/encoding/xml/1.0"Version="1" MessageID="4"> <llrp:ROSpec> <llrp:ROSpecID>1</llrp:ROSpecID>Capítulo 2 -- Marco conceptual Página 8
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode <llrp:Priority>0</llrp:Priority> <llrp:CurrentState>Disabled</llrp:CurrentState> <llrp:ROBoundarySpec> <llrp:ROSpecStartTrigger><llrp:ROSpecStartTriggerType>Null</llrp:ROSpecStartTriggerType> </llrp:ROSpecStartTrigger> <llrp:ROSpecStopTrigger> <llrp:ROSpecStopTriggerType>Null</llrp:ROSpecStopTriggerType> <llrp:DurationTriggerValue>0</llrp:DurationTriggerValue> </llrp:ROSpecStopTrigger> </llrp:ROBoundarySpec> <llrp:AISpec> <llrp:AntennaIDs>0</llrp:AntennaIDs> <llrp:AISpecStopTrigger> <llrp:AISpecStopTriggerType>Null</llrp:AISpecStopTriggerType> <llrp:DurationTrigger>0</llrp:DurationTrigger> </llrp:AISpecStopTrigger> <llrp:InventoryParameterSpec><llrp:InventoryParameterSpecID>9</llrp:InventoryParameterSpecID> <llrp:ProtocolID>EPCGlobalClass1Gen2</llrp:ProtocolID> </llrp:InventoryParameterSpec> </llrp:AISpec> <llrp:ROReportSpec><llrp:ROReportTrigger>Upon_N_Tags_Or_End_Of_AISpec</llrp:ROReportTrigger> <llrp:N>1</llrp:N> <llrp:TagReportContentSelector> <llrp:EnableROSpecID>1</llrp:EnableROSpecID>Capítulo 2 -- Marco conceptual Página 9
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode <llrp:EnableSpecIndex>1</llrp:EnableSpecIndex><llrp:EnableInventoryParameterSpecID>1</llrp:EnableInventoryParameterSpecID> <llrp:EnableAntennaID>1</llrp:EnableAntennaID> <llrp:EnableChannelIndex>1</llrp:EnableChannelIndex> <llrp:EnablePeakRSSI>1</llrp:EnablePeakRSSI><llrp:EnableFirstSeenTimestamp>1</llrp:EnableFirstSeenTimestamp> <llrp:EnableLastSeenTimestamp>1</llrp:EnableLastSeenTimestamp> <llrp:EnableTagSeenCount>1</llrp:EnableTagSeenCount> <llrp:EnableAccessSpecID>1</llrp:EnableAccessSpecID> <llrp:C1G2EPCMemorySelector> <llrp:EnableCRC>1</llrp:EnableCRC> <llrp:EnablePCBits>1</llrp:EnablePCBits> </llrp:C1G2EPCMemorySelector> </llrp:TagReportContentSelector> </llrp:ROReportSpec> </llrp:ROSpec></llrp:ADD_ROSPEC>Segmento de código 1: Código XML de un mensaje ROSPEC (mensaje de comunicación entre software degestión y lector RFID.  Otra opción es la comunicación directa de mensajes entre el cliente y el lector sin necesidad de uso de un archivo intermediario, para ello es necesario que el lector cuente con esta capacidad. La aplicación cliente envía y recibe los mensajes mediante el uso de una API del protocolo LLRP.2.6. Sistema de localización en interiores[Bernardos, 2008] También conocidos como ILS (Indoor Location System) por sussiglas en ingles, son sistemas que tienen como fin localizar a un usuario (cliente)dentro de un edificio. Estos sistemas son la base para sistemas de recomendación yguiado.Los ILS pueden clasificarse en dos categorías:Capítulo 2 -- Marco conceptual Página 10
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode  Sistemas de localización basado en tags o etiquetas, en los cuales el equipo sólo es capaz de detectar y por lo tanto localizar, a aquellos elementos que porten un dispositivo conocido como tag y por consiguiente al elemento etiquetado.  Sistemas de localización de sondeo, este tipo de sistema de localización utiliza una señal o frecuencia específica para realizar el proceso de localización. En este tipo de sistemas, un dispositivo dentro de un edificio o área específica irradia un tipo de señal previamente caracterizada, esta señal es captada por una red de sensores distribuidos en todo el edificio o área específica y en base a algoritmos de triangulación (algoritmos que determinan la posición de un elemento dentro de un área determinada por tres puntos en diferentes coordenadas) ofrecer una posición del edificio dentro del área sondeada.2.7. BluetoothEs una especificación industrial para Redes Inalámbricas de Área Personal (WPANs)que posibilita la transmisión de voz y datos entre diferentes dispositivos mediante unenlace por radiofrecuencia en la banda ISM de los 2,4 GHz.3 Los principales objetivosque se pretenden conseguir con esta norma son:  Facilitar las comunicaciones entre equipos móviles y fijos.  Eliminar cables y conectores entre éstos.  Ofrecer la posibilidad de crear pequeñas redes inalámbricas y facilitar la sincronización de datos entre equipos personales.Los dispositivos que con mayor frecuencia utilizan esta tecnología pertenecen asectores de las telecomunicaciones y la informática personal, como PDA, teléfonosmóviles, computadoras portátiles, ordenadores personales, impresoras o cámarasdigitales.La arquitectura descrita por el estándar 802.15 se puede mostrar como un conjunto decapas superpuestas, cada una de ellas con un funcionamiento especifico que sedescribe a continuación en la figura 2.3 Descripción de tecnología bluetooth recuperada de los documentos oficiales publicados en la páginade internet oficial : http://www.bluetooth.comCapítulo 2 -- Marco conceptual Página 11
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeFigura 6 Arquitectura de transporte de datos de Bluetooth(http://www.bluetooth.com/Pages/Basics.aspx)Capítulo 2 -- Marco conceptual Página 12
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Capítulo 3 Estado del arteCapítulo 3 -- Estado del arte Página 13
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode3.1 IntroducciónHoy en día se pueden encontrar una gran cantidad de aportes en cuanto a tópicos deservicios de localización en interiores se refiere, algunos muestran técnicascompletamente innovadoras, otros aportan nuevos métodos a técnicas yadesarrolladas. Este capítulo muestra una breve descripción de las investigacionesrelacionadas a la desarrollada en este trabajo de tesis que ha servido como basesteóricas y prácticas para el desarrollo e implementación de ideas descritas en lospróximos capítulos.3.2. An Indoor Positioning System (IPS) using Grid Model [Muttitanon,2007]El artículo muestra los resultados de la implementación de un sistema de localizaciónen interiores cuyo método para la determinación de la posición del usuario se basa enel cálculo de las intensidades de señal recibidas por un dispositivo cliente dentro deuna red de puntos de acceso IEEE 802.11x.El sistema tiene un arquitectura cliente-servidor en donde el servidor ofrece una basede datos de los perfiles de cada uno de los puntos de acceso IEEE 802.11x, el clientepor su parte, se ejecuta en el dispositivo móvil que desea ser localizado, cabemencionar que el sistema se encuentra limitado a la plataforma Windows Mobile porhaber sido desarrollado en Visual Basic.net. La metodología de localización es lasiguiente:  Obtener de una base de datos los perfiles de ubicación de los puntos de acceso dentro del edificio. Los perfiles de cada punto de acceso permiten la creación de un mapa con la ubicación de cada punto de acceso en el edificio, sobre el mapa de ubicación de puntos de acceso el sistema dibuja una cuadricula (GRID) donde a cada celda le corresponde un valor de intensidad de señal de cada punto de acceso.  Iniciar el proceso de censado de señales de puntos de acceso inalámbricos en el medio, esto es, obtener la intensidad de señal, dirección MAC y BSSID de cada punto de acceso que se encuentre a su alcance en ese momento.  Localizar dentro del GRID (cuadrícula) la ubicación del dispositivo que ha censado el medio, esto en base a un algoritmo probabilístico que usa como entrada la intensidad de señal de cada punto de acceso censado y proporciona como resultado la localización del dispositivo cliente dentro de un mapa del edificio.Capítulo 3 -- Estado del arte Página 14
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeLa figura 3 muestra en un esquema de capas los elementos y procesos involucradosen la localización del dispositivo cliente descritos anteriormente. Figura 7- Esquema de capas los elementos y procesos involucrados en la localización del dispositivo cliente3.3. Local positioning system using WiFi networks [Ferreira, 2007]Este trabajo describe un sistema de localización de interiores desde su fase decreación y desarrollo hasta su implementación. El sistema es capaz de recuperar laposición de un dispositivo inalámbrico de tipo IEEE 802.11x implementando para ellouna solución de software, sin necesidad de algún tipo de hardware especializado. Elmotor de posicionamiento usa una red neuronal artificial para describir elcomportamiento de un canal de propagación. El entrenamiento de la red neuronal seCapítulo 3 -- Estado del arte Página 15
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodebasa en los datos de variación de frecuencias obtenidos por el dispositivo que selocalizará.ArquitecturaLa arquitectura del sistema se basa en la red de puntos de acceso IEEE 802.11 deledificio y un servidor que tiene asociados todos los puntos de acceso, este servidormantiene una bitácora de las actividades de cada punto de acceso como asociación ydes-asociación de nodos y su dirección MAC. En el mismo servidor se encuentraimplementada la red neuronal encargada de la localización de los dispositivos móviles.La Figura 4 describe la arquitectura del sistema de localización. Figura 8.- Arquitectura del sistema de localizaciónLa metodología de localización se basa en dos etapas: macro-localización y micro-localizaciónEn la etapa de macro-localización se localiza a grande escala la posición deldispositivo en base a las bitácoras de los puntos de acceso, de estas bitácoras serecupera el identificador del punto de acceso al cual se encuentra asociado eldispositivo móvil, de esta forma, la localización del dispositivo móvil se reduce al áreade cobertura del punto de acceso al cual se encuentra asociado.En la etapa de micro-localización se utiliza el método llamado radiofrecuenciafingerprintig que no es más que la recuperación de todas las señales deradiofrecuencia (Beacon frames) captadas por el cliente. Entre los datos capturados seencuentra la intensidad de señal de cada punto de acceso, esta es la entrada quenecesita la red neuronal para realizar el cálculo de posición del dispositivo móvil. Unavez que la red neuronal ha calculado la ubicación se envía una notificación aldispositivo móvil acompañada de un mapa del sitio donde se muestra su ubicación conun margen de error de 2 metros.Capítulo 3 -- Estado del arte Página 16
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode3.4.- Internal Location Based System For Mobile Devices UsingPassive RFID And Wireless Technology [Potgantwar, 2009]Este artículo describe la implementación de un sistema de localización en interiores enbase a la lectura de etiquetas RFID que identifican cada una de las secciones de cadaárea del edificio.La arquitectura del sistema es de tipo cliente-servidor, el cliente se ejecuta en undispositivo móvil con la capacidad de lectura de etiquetas RFID y conexión inalámbricade tipo IEEE 802.11, esta última es utilizada para la comunicación entre el cliente y elservidor como se aprecia en la figura 5. El servidor cuenta con una base de datos endonde se encuentra almacenados mapas de distribución del edificio, cada mapa tieneasociado IDs de tags que representan cada una de las áreas del mapa. Figura 3.3 .- Modelo de comunicación del sistemaLa metodología implementada por el sistema se basa en cuatro etapas:1.- El dispositivo cliente sondea en una determinada cantidad de segundos el medio,obteniendo la información de cada etiqueta RFID que se encuentre a su alcance.2.- La información obtenida del sondeo es enviada al servidor de mapas vía HTTP.3.- El servidor obtiene el paquete y en base a la potencia de señal de cada etiquetaleída estima la posición del cliente.4.- El servidor recupera de la base de datos el mapa donde se encuentra elidentificador de la etiqueta RFID y se envía al dispositivo cliente.La siguiente imagen muestra una simulación de la aplicación en la cual se ha obtenidola posición del dispositivo (cubículo 4).Capítulo 3 -- Estado del arte Página 17
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 9.- Simulación de la aplicación en la cual se ha obtenido la posición del dispositivo (cubículo 4)3.5. A Patient Identification System using RFID and IEEEE 802.11bWireless Networks [Aguilar, 2007]Esta tesis de maestría describe la implementación de un sistema cliente/servidor parala identificación de pacientes de un hospital en base a la lectura de etiquetas RFIDusando la infraestructura de red inalámbrica IEEE 802.11b para la comunicación entreel dispositivo cliente y el servidor.Arquitectura:El sistema se compone de terminales clientes con capacidad de lectura de etiquetasRFID, estas terminales ejecutan una aplicación que recupera el identificador deetiquetas RFID, envía la información al servidor y cuando éste retorna una respuestaes desplegada por la aplicación ejecutada en el dispositivo mostrando la informaciónasociada a la etiqueta leída. El servidor se compone de:  Una base de datos donde se encuentra la información de pacientes asociada a un único identificador de etiqueta RFID.  Una aplicación encargada de procesar la información envidada por el cliente, esto es, recuperar de la base de datos la información asociada al identificador de etiqueta RFID recibida y enviarla al cliente.Capítulo 3 -- Estado del arte Página 18
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode3.6 Localización y seguimiento de terminales móviles en entornosindoor. [Atrain, 2006]En este trabajo se presenta un método de localización basado en la combinación devalores de potencia recibida y de un sistema de inferencia difuso para determinar laposición del usuario.Cada dispositivo móvil debe disponer de un interfaz WiFi, que es la que permitirámedir el nivel de señal recibido de cada punto de acceso de la red. Con la ayuda de unsistema de inferencia difuso se obtiene un conjunto de reglas de tipo SI-ENTONCESque permite estimar la localización de los dispositivos de modo preciso. Estas reglasse obtienen mediante el conocimiento de la ubicación de los puntos de acceso y elaprendizaje de una red neuronal de los niveles de señal recibidos por las terminales encada una de las coordenadas del escenario.En esta investigación se considera una red inalámbrica tipo IEEE 802.11, que prestaservicio de comunicación entre terminales inalámbricas sobre el escenario de estudio yque no requiere ningún tipo de modificación para ser empleada como mecanismo delocalización de dispositivos móviles.Para llevar a cabo el proceso de localización cada dispositivo móvil que desee obtenersu ubicación dentro de una red de puntos de acceso IEEE 802.11 debe de conocerpreviamente la distribución de dichos puntos de acceso, esto es, obtener de una basede datos los perfiles de distribución. Una vez obtenidos los perfiles el dispositivo móvilrealiza un censo de las señales de puntos de acceso IEEE 802.11 que pueda percibir.Los datos de potencia obtenidos del censo y los perfiles de los puntos de acceso IEEE802.11 son ingresados a una red neuronal y ésta, en base a un conjunto de reglas delógica difusa genera una respuesta que es el punto de localización del dispositivomóvil.La siguiente imagen muestra una de las reglas usadas para la evaluación difusa delocalización, en ella interviene la calidad de la señal de cuatro puntos de acceso (AP)y obtiene como resultado la zona en la que se encuentra el cliente. Figura 10.- Reglas usadas para la evaluación difusa de localización, en ella interviene la calidad de la señal de 4 puntos de acceso ( AP) y obtiene como resultado la zona en la que se encuentra el clienteCapítulo 3 -- Estado del arte Página 19
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode3.7 Servicios de localización conscientes del contexto aplicandoperfiles de movilidad y tecnologías de localización heterogéneas[ Arjona, 2009]En esta tesis se describe el desarrollo de la aplicación T-Guide. Actualmente elsistema cuenta con una arquitectura cliente-servidor. Es necesario resaltar que eldispositivo cliente debe de cumplir con las siguientes características:  Contar con sistema operativo Android  Contar con una cámara  Contar con lector RFIDEntre los servicios que ofrece la aplicación T-Guide se encuentra el servicio de guiadoen interiores en base a la lectura de tags RFID, cada vez que el cliente censa un tagRFID asignado a un área dentro del edificio, el cliente actualiza su estado y posición,la nueva información es desplegada en pantalla. La Figura 8 muestra el diagrama deflujo del proceso de guiado por RFID. Figura 3.6 Diagrama de flujo de proceso de guiado en base a lectura de tags RFIDCapítulo 3 -- Estado del arte Página 20
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeEl despliegue de información se aprecia en el dispositivo móvil como se muestra en la figura 9: Figura 3.6 Pantallas involucradas en el proceso de guiado en base a lectura de tags RFIDCapítulo 3 -- Estado del arte Página 21
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Capítulo 4 CHAMANCapítulo 4 -- CHAMAN Página 22
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode4.1 IntroducciónEn el capítulo 4 se revisaron los métodos utilizados por los sistemas de localización eninteriores (ILS) para ofrecer servicios de localización y seguimiento de usuarios uobjetos que se desplacen libremente dentro del área donde se presta el servicio delocalización. En la conclusión del mismo capítulo se propone el método de fingerprint ohuella de señal como el método de localización más adecuado para escenarioscomplejos, en los cuales, el tráfico de entidades físicas (personas y objetos) y ladistribución arquitectónica del edificio hace poco viable la implementación de modelospredictivos de propagación de señales electromagnéticas como base para el desarrollode métodos de localización.En este capítulo se presenta y describe el diseño y la funcionalidad de una API la cualcontiene clases y métodos que permiten el desarrollo completo o modular de unsistema de localización en interiores utilizando el método de localización fingerprint.Esta API a la cual se hará referencia con el nombre de CHAMAN4 está escrita en Java.Sus clases y métodos fueron modelados y desarrollados para ofrecer servicios delocalización en interiores de edificios tipo campus, se utilizan tres tecnologías para lalocalización: 1) se señales electromagnéticas, 2) la asociación de lugares conmarcadores bidimensionales (QRCodes) y 3) TAGs RFID.En las secciones correspondientes a los motores de localización se describen aprofundidad el funcionamiento y la secuencia de estados de cada uno de losalgoritmos de localización en interiores implementados como métodos de la API quese desarrollaron para probar las hipótesis planteadas en esta tesis y soportar los casosde estudio que se comentan en el capítulo 6.La versión actual de CHAMAN integra métodos de localización en interiores basadosen la evaluación del contexto de tecnología Wi-Fi™, Bluetooth y RFID, de igual formapermite la identificación por asociación de marcadores de tipo QRCode. Brevementese describen los métodos contenidos en la API:  Permiten identificar y localizar usuarios u objetos etiquetados con una etiqueta RFID pasiva dentro de un edificio que cuente con un despliegue de antenas. La localización se realizará a no más de 5 metros alrededor de la antena RFID.  Permiten localizar dispositivos clientes evaluando su contexto de señales Wi- Fi™ y Bluetooth.  Permiten identificar la posición de un usuario según el identificador decodificado de un marcador de tipo QRCode.  Permiten crear, guardar y consultar un historial de eventos de localización4 Del idioma tungu, de Siberia, xaman o schaman, y éste del verbo scha, "saber", es un individuo al quese le atribuye la capacidad de modificar la realidad, de comunicarse con los espíritus y de presentarhabilidades visionarias y adivinatorias.Capítulo 4 -- CHAMAN Página 23
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeA continuación se comentan los objetivos funcionales de la API CHAMAN, se describesu diseño general y se profundiza en la funcionalidad de cada una de las capas deinteracción que componen la API. Por último se muestra el diagrama de clases y susmétodos que pueden ser instanciados.4.2 Método de localización en interiores basados en huella de señal (Fingerprint)[Bernardos, 2008] El proceso de localización basado en el uso de huella o fingerprintes una técnica de reconocimiento de patrones que se fundamenta en la existencia deuna huella de potencia de señal recibida construida durante un proceso de calibración(fase offline), previo al de determinación de la posición en tiempo real (fase online).Dicha huella se convierte en el patrón con el que comparar las medidas tomadas entiempo real. La forma en la que se diseña y almacena la huella (qué medidas sealmacenan y cómo) y la definición de la distancia con la que operar en tiempo real sondos aspectos clave que determinan la calidad del funcionamiento del algoritmo.Las técnicas fundamentales de fingerprint son de dos tipos:a) deterministas, que son aquellas que representan la medida de potencia de señalrecibida con un escalar (por ejemplo, la potencia media recibida) y utilizan métodos noestadísticos para estimar la posición del usuario.b) las probabilísticas, que almacenan información acerca de la función de distribuciónde las medidas de potencia de señal en un radiopmapa y utilizan técnicas estadísticaspara calcular la posición4.3 Descripción de general de la APICHAMAN se encuentra formada por seis paquetes que siguen la nomenclaturacenidet.chaman.api.indoor.* en la cual se agrupan clases y métodos según sufuncionalidad. Cada paquete representa un tipo de interacción con el sistema aislandoun tarea específica, de esta forma el programador que implemente CHAMAN para eldesarrollo de un sistema de localización en interiores puede implementar total oparcialmente las clases dentro de la API para obtener soluciones en el contexto delocalización según sea la granularidad de precisión que busque el desarrollador delsistema.La implementación de CHAMAN en un ILS propone un proceso de localización poretapas haciendo uso de múltiples tecnologías de identificación y comunicación parallevar a cabo el proceso de ubicación de un objeto o individuo dentro de un edificio oárea de localización determinada por el administrador del sistema. Para llevar a cabotal tarea los métodos que componen la API deben ser llamados en un ordendeterminado y se debe contar con ciertas precondiciones, primero se requiere unentrenamiento del sistema para crear radio-mapas de señales, después se debeCapítulo 4 -- CHAMAN Página 24
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeetiquetar personas y objetos con tags RFID pasivos y finalmente, se requiere unaadecuada distribución de puntos de acceso (AP) tanto Wi-Fi™ como Bluetooth. Losmétodos de CHAMAN en conjunto con un repositorio relacional (base de datos)permiten crear un radio-mapa de las zonas en las que se prestará el servicio delocalización (ILS). Se realiza un proceso de localización llamada “entrenamiento”,posteriormente haciendo uso de algoritmos de localización codificados en métodos delocalización dentro de la API el ILS que implemente CHAMAN puede determinar laubicación de un individuo y objeto etiquetado con tags RFID o portador de dispositivoscon interfaz Wi-Fi™ que permitan obtener el contexto de señales para enviarlas víaTCP a un servicio de localización que implementa los métodos de servicio deinformación (localización, historial y seguimiento) contenidos en CHAMAN.Como se comentó en el capítulo 3, los sistemas de localización en interiores quebasan sus métodos de localización en la técnica fingerprint, realizan un mapeocompleto del área en la cual se prestará el servicio de localización, esto puede ser uninconveniente en escenarios donde la distribución espacial de la zona puedemodificarse según la necesidad de los usuarios, esta técnica de localización esineficiente cuando el mapa generado previamente cambia, es decir, si la distribuciónespacial de los AP se modifica, o hay modificaciones estructurales en el interior deledificio. Para solucionar situaciones como ésta CHAMAN propone un modelo deentrenamiento por zonas funcionales o áreas de localización limitadas por murossólidos imposibles de mover dentro de la arquitectura del edificio, de esta forma, encaso de existir un cambio en la distribución espacial del edificio o zona específica sólose deberá crear de nuevo el mapa de señales de la zona modificada.Cada método de CHAMAN fue diseñado para retornar información específica dentrodel proceso de localización de forma tal que el programador puede hacer uso deCHAMAN en combinación con otras APIs o seguir la implementación sugerida en estatesis para realizar las pruebas de funcionamiento de la API.CHAMAN puede ser modelada como una estructura compuesta por capas ordenadasjerárquicamente en la cual la capa de nivel inferior es la encargada de brindar métodosabstractos de comunicación directa con el hardware involucrado en el proceso delocalización en interiores (ILS) mediante diferentes protocolos que son transparentespara el programador final, siguiendo el modelo, de manera ascendente se encuentrancon métodos de cifrado y descifrado de paquetes utilizados para la comunicación condispositivos hardware, métodos de filtrado de información, métodos de procesamientode datos recibidos hasta llegar al paquete que contiene los métodos abstractos deservicios que le permiten a un programador obtener información estructurada delrepositorio relacional.Los paquetes que integran CHAMAN, se clasifican según su funcionalidad, permiten alprogramador que los implemente funcionalidades tales como:  Paquete de red: conectar y obtener datos en crudo o cifrados de hardware utilizado en el proceso de localización como puntos de acceso Wi-Fi™, Bluetooth y portales RFID que implementen el protocolo LLRP o SMNP5.5 El Protocolo Simple de Administración de Red o SNMP (del inglés Simple Network ManagementProtocol) es un protocolo de la capa de aplicación que facilita el intercambio de información deCapítulo 4 -- CHAMAN Página 25
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode  Paquete de interpretación: leer y traducir mensajes en formato JSON6 o LLRP ROSpec7 recibidos directamente del hardware de localización para utilizar los datos en el proceso de localización  Paquete de filtrado: identificar el hardware, áreas de localización, objetos y usuarios involucrados en el proceso de localización.  Paquete de procesamiento: procesar los datos de contexto de señales inalámbricas para crear radio-mapas o determinar la posición de un objeto o usuario.  Paquete de conexión: permitir conexión, consultar y alterar el contenido de repositorios relacionales que funcionan como repositorio de datos de contexto de localización.  Paquete de servicios: retornar información sobre la posición de un usuario u objeto dentro de un área de localización así como el historial de posiciones dentro del área de localización de estos.La comunicación entre métodos de CHAMAN se realiza por “paso de parámetros”utilizando datos de tipo String. La comunicación que ofrecen los métodos incluidos enel paquete de red utilizar cadenas de String codificadas en formatos JSON y XML(utilizado para los mensajes ROSPECT) para entablar comunicación con el hardwareinvolucrado en el proceso de localización.4.4 FuncionalidadesComo se mencionó en la sección anterior, CHAMAN se compone por seis paquetesque de forma conceptual se pueden modelar como una estructura compuesta porcapas o niveles, en donde cada nivel contiene clases y métodos con un fin específicodentro del proceso de localización de los ILS que utilizan la técnica fingerprint. Losmétodos de cada paquete pueden retornar un valor tipo String que puede ser utilizadopor el programador para fines particulares e independientes de los sugeridos en lautilización de la API o puede utilizar los datos retornados para enviarlos comoparámetros a los métodos necesarios para lograr un proceso de localización correctoadministración entre dispositivos de red. Es parte de la familia de protocolos TCP/IP. SNMP permite a losadministradores supervisar el funcionamiento de la red, buscar y resolver sus problemas, y planear sucrecimiento. Recuperado de http://es.wikipedia.org/wiki/Simple_Network_Management_Protocol6 JSON, acrónimo de JavaScript Object Notation, es un formato ligero para el intercambio de datos. JSON es unsubconjunto de la notación literal de objetos de JavaScript que no requiere el uso de XML.. Recuperado dehttp://en.wikipedia.org/wiki/JSON7 ROSpec (Reader Operations Specification) Es el cojunto de especificaciones de operación de un portal RFID quesoporta el protocolo LLRP. Recuperado de http://wiki.rifidi.org/index.php/LLRP_ReaderCapítulo 4 -- CHAMAN Página 26
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeutilizando todos los métodos provistos por CHAMAN (ver anexos para la sugerencia deuso de métodos). En caso de que el programador opte por la última opción deberáseguir un proceso jerárquico para la instancia de cada una de las clases necesariasdesde la conexión con los dispositivos de localización hasta la consulta a los serviciosde localización.El proceso jerárquico de instancias de clases involucra todos los paquetes (o capas)de la API en la siguiente secuencia: 1. Obtener los datos proporcionados por los dispositivos de localización, para este caso plataformas Smartphone, lectores RFID, AP (WiFi y Bluetooth) y Marcadores visuales. Para ello se utilizan los métodos del paquete de red que permiten crear serversockets8 para recibir la información enviada por los dispositivos por medio del protocolo TCP, estos métodos retornar la información en crudo enviada por los dispositivos la cual se envía como parámetro a métodos del paquete encargado de la interpretación. 2. Los métodos localizados en el paquete de interpretación contienen referencias a clases que permiten decodificar la información recibida en formato JSON y XML, esta información se encontrará disponible para utilizarla como parámetro para los métodos de filtrado 3. Los métodos pertenecientes al paquete de filtrado permiten diferenciar el tipo de información recibida y realizar la acción correspondiente con ella, puede ser de entrenamiento o de consulta, en ambos casos se utiliza la información recibida para instanciar los métodos del paquete de procesamiento. 4. Las clases dentro del paquete de procesamiento permiten realizar el proceso de entrenamiento de radio-mapas o determinar la localización de un objeto o individuo en base a los datos obtenidos en el proceso de filtrado, estas clases utilizan de forma implícita clases que permiten la conexión con el repositorio relacional utilizado por CHAMAN. 5. Los métodos del paquete de conexión con el repositorio relacional permiten la conexión al manejado de base de datos MySQL™ utilizando para ello la librería MySQL.JDBC. Estos métodos también permiten iniciar la conexión para realizar consultas permitiendo la creación de historial de eventos de localización. 6. Los métodos de servicios permiten retornar la información del historial de posiciones de usuarios u objetos, solicitadas en los parámetros de instancia de los métodos.8 Instancia de una clases de Java.net que permite crear un socket con un número determinado por elprogramador el cual se mapeará como un puerto TCP abierto en modo escucha hasta que la instanciasea cancelada por medios de programación.Capítulo 4 -- CHAMAN Página 27
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeLa figura 10 muestra de forma gráfica el modelo en capas de CHAMAN y la interacciónde cada una de los paquetes que la componen, representadas como capas de undiagrama modular. Figura 4.1 Diagrama de funcionalidades de las capas que componen a CHAMAN4.5 Modelo y arquitectura de la API para servicios de localizaciónen interiores utilizando tecnología Wi-Fi™, Bluetooth, RFID yQRCode.CHAMAN es una API que contiene métodos utilizados para ofrecer servicio delocalización en interiores basados en la evaluación del contexto de señales de tipo Wi-Fi™, Bluetooth o RFID utilizando el método fingerprint. Como se describió en elcapítulo 3 el método fingerprint consta de dos etapas: entrenamiento y localización,CHAMAN contiene clases y métodos abstractos que permiten al programador crearfunciones de entrenamiento y brindar servicios de localización de usuarios u objetoscon interfaces Wi-Fi™, Bluetooth o etiquetados con tags RFID siguiendo losmetodología fingerprint. CHAMAN utiliza un repositorio de datos relacional paragarantizar la persistencia de los datos y poder ofrecer el servicio de consulta dehistóricos de localización.En las siguientes secciones se describe el proceso de localización implementado enlos métodos de la API como también el modelo entidad relación que da forma alesquema de almacenamiento de datos persistentes utilizado para ofrecer los serviciosde localización en interiores.Capítulo 4 -- CHAMAN Página 28
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode4.5.1 Modelo del proceso de localización implementado en la APIEl proceso de localización que puede ser implementado mediante el uso de métodosde la API se puede resumir como un proceso de “obtener-almacenar-comparar”, laidea es relativamente simple, si se compara con métodos complejos de localizaciónque utilizan modelos de propagación lineal; este proceso resulta más efectivo enescenarios complejos. Para implementar la idea “obtener-almacenar-comparar” seimplementó un procesamiento similar a la metodología fingerprint del cual requiere dosfases para llevar a cabo el proceso de localización. CHAMAN contiene métodos quepermiten realizar la fase previa de entrenamiento del sistema como también la fase delocalización.El proceso de localización se puede describir de la siguiente forma:Fase de entrenamiento: 1. Crear un catálogo de áreas de localización, puntos de acceso y portales RFID para su posterior consulta en la formación del radio-mapa y consulta de localización de usuarios/objetos. 2. Crear un radio-mapa virtual de las señales captadas en cada una de las zonas donde se ofrecerá el servicio de localización. 3. Asignar la posición de los lectores o antenas RFID a las zonas de localización en las que se encuentran físicamente.Fase de localización: 1. Recibir la información de puntos de acceso y las potencias asignadas a cada uno de ellos. 2. Iniciar el procesamiento de los datos recibidos buscando (incluyendo un margen de error en decibelios) mediante algoritmos de localización la zona de localización en la cual se pueda encontrar el objeto o usuario que ha enviado la información de puntos de acceso o el portal/antena RFID que leyó por última vez una etiqueta determinada. 3. Obtener el conjunto de resultados de zonas de localización candidatas 4. Iniciar el proceso de filtrado de zonas candidatas y presentar el resultado mostrando así la zona de localización en la cual se encuentra el objeto o usuario que ha solicitado el servicio.La figura 11 muestra de forma gráfica el proceso de localización en interioresutilizando las tecnologías Wi-Fi™, Bluetooth y RFID, el cliente que solicita el servicioCapítulo 4 -- CHAMAN Página 29
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodede localización se encuentra representado por un dispositivo móvil de tipo Smartphonecon plataforma Android™. Figura 4.2 Modelo del proceso de localización utilizando el contexto de señales Wi-Fi™ , Bluetooth y RFID4.5.2 Reglas de inferencia utilizadas por CHAMAN en el proceso delocalización en interioresLas reglas para determinar la posición de un objeto dentro del área de localización esla parte fundamental en el proceso de localización, en esta sección se describen lasreglas de inferencia y el algoritmo a seguir para obtener la localización de usuarios yobjetos en base a la lectura de señales IEEE 802.11 y etiquetas RFID.Las reglas de inferencia que a continuación se describen se implementaran en losmétodos de localización dentro de las clases de la API para servicios de localización.Definición de términosUna zona de localización (ZL) es una zona física en la cual se presta el servicio delocalización, la zona se encuentra distribuida en celdas que describen una cuadricula.Una celda (C) es el elemento mínimo dentro de la cuadricula que comprende unazona geográfica dentro de la zona donde se prestará el servicio de localización.Una celda entrenada (CE) se encuentra formada por un identificador de celda y unmatriz donde se encuentran identificados los puntos de acceso que pueden captarse siCapítulo 4 -- CHAMAN Página 30
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeun cliente se posiciona en la celda y la magnitud de la potencia de cada uno de lospuntos de acceso. La siguiente tabla representa de forma gráfica una celda entrenada. Tabla 1 Celda EntrenadaUn Radiomapa (Rm) es el conjunto de CE que describen la zona de localización (ZL).Un paquete enviado por el cliente (PE) se encuentra compuesto por un identificadordel cliente que envía el paquete y una matriz en la que se encuentra los identificadoresde los puntos de acceso que puede captar en un punto determinado y la magnitud deseñal de cada uno de ellos. La siguiente tabla representa de forma gráfica un paqueteenviado por el cliente. Tabla 2 Contenido de paquete de información enviado por el clienteUna Antena es un componente de un portal RFID que se encuentra conectada a lacomputadora del portal. La antena es la encargada de enviar la señal de excitación alas etiquetas RFID y se encarga de leer el código EPC emitido por las etiquetas unavez excitadas.Reglas de inferencia para localización de clientes en base a la lectura de la magnitudde los puntos de accesoSi los valores de los elementos descritos en la matriz de un son iguales a loselementos de la matriz de del RM entonces el usuario se encuentra en la zonadelimitada por .Si de los elementos de la matriz de son un subconjunto de los valores de lamatriz del RM entonces el usuario se encuentra en la zona delimitada por .Capítulo 4 -- CHAMAN Página 31
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeSi el valor de las magnitudes de señal de los puntos de acceso de la matriz detiene un margen de error de ± 4 y son un subconjunto de los valores de la matrizdel RM entonces el usuario se encuentra en la zona delimitada por .Reglas de inferencia para localización de códigos EPCLa función describe la función de lectura de la antena “a” en un tiempo “t”.La antena se encuentra localizada en una correspondiente a una ZL, la funciónrecibe como parámetro un código EPC identificado porSi y cuando t1 < t2 entonces el objeto marcadocon se encuentra en .4.6.2 Modelo entidad relación del esquema utilizado para lapersistencia de datos utilizados para el proceso de localizaciónCHAMAN propone el uso de un repositorio relacional (bitácora o logfile) paraalmacenar los eventos de localización, que permitirán posteriormente analizar elcomportamiento de movilidad de los usuarios o incluso se podrían minar patrones deesta información. El repositorio relacional se encuentra formado por entidadesdefinidas por atributos reales y particulares de cada entidad, como también una claveúnica que permite la identificación de cada instancia en el repositorio (personas yobjetos). La finalidad del repositorio es almacenar el catálogo de zonas de localizacióny la relación entre éstas, por ejemplo: el área de localización primer piso puedeestar compuesta en su totalidad por un conjunto de aulas, estas a su vez puedenestar compuestas por n cuadrantes, de forma tal que se puede establecer unarelación de tipo: el cuadrante m se encuentra en el aula k que a su vez seencuentra en el piso 1. De igual forma es posible almacenar el histórico de loseventos de localización solicitados por el ILS.Los catálogos del repositorio relacional almacenan la información y relación de laszonas de localización, usuarios, objetos e infraestructura de localización como lo sonpuntos de acceso Wi-Fi™, Bluetooth, portales o antenas autónomas RFID.Las zonas de localización a las cuales se hace mención son las áreas en las que seprestará el servicio de localización. CHAMAN se diseño para brindar servicios delocalización en interiores de edificios tipo campus (ILS), es por ello que las zonas delocalización propuestas para describir este tipo de escenarios son las siguientes:campus, edificio, piso (edificios multinivel), zona y celda. Estas zonas se encuentranrelacionadas y contenidas una dentro de la otra de forma tal que el conjunto de zonasde localización de área pequeña forman una zona de localización de área más grande,para lograr esto se propusieron las siguientes relaciones: un campus contiene uno omás edificios, un edificio contiene uno o más pisos, en un piso se encuentran una oCapítulo 4 -- CHAMAN Página 32
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodemás zonas (lugares funcionales delimitados físicamente por muros, por ejemplo:habitaciones, pasillos, oficinas,… etc.), a cada zona se le asocia un conjunto deceldas, de esta forma se definen las zonas de localización embebidas unas dentro deotras como se aprecia en la figura 12 que describe una formación tipo “Matryoshka9”,el componente más básico es la celda, un conjunto de celdas se encapsula en la zona,un conjunto de zonas se encapsula en un piso, y así sucesivamente, hasta conformarun campus. Figura 4.3 Definición de zonas utilizando formación “Matryoshka”Dentro del repositorio relacional existen otros catálogos llamados catálogos deinfraestructura, estos corresponden a las listas de hardware utilizado en el proceso delocalización y su relación con la zona de localización en la que se encuentra. En estoscatálogos es donde se puede almacenar la información de los puntos de acceso (AP)utilizando su dirección MAC como identificador único para su posterior procesamiento.De igual forma se permite relacionar un lector RFID a múltiples antenas y estas a unazona de localización de forma tal que se pueda determinar la zona en la que seencuentra un usuario u objeto etiquetado con un tag RFID a partir de la antena que harealizado la lectura del mismo. La figura 13 muestra el diagrama entidad relación delesquema del repositorio relacional. La matrioska o muñeca rusa (ruso: Матрёшка /mʌˈtrʲoʂkə/)9son muñecas tradicionales rusas creadas en 1890, cuya originalidad consiste en que seencuentran huecas por dentro, de tal manera que en su interior albergan una nueva muñeca, yésta a su vez a otra, y ésta a su vez otra, en un número variable que puede ir desde cincohasta el número que se desee. Recuperado de http://es.wikipedia.org/wiki/MatrioskaCapítulo 4 -- CHAMAN Página 33
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 4.4 Diagrama Entidad - Relación del esquema del repositorio de datos utilizado por CHAMANCapítulo 4 -- CHAMAN Página 34
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode4.6.3 Arquitectura de capas de la API para servicios de localización eninteriores.Los paquetes que conforman CHAMAN pueden ser representados en un modelográfico para comprender mejor su arquitectura, cada paquete puede ser modeladocomo una capa modular y a su vez cada capa puede ser modelada como el conjuntode interfaces que le permiten al programador la implementación de los métodos deCHAMAN.CHAMAN se conforma de seis paquetes que contiene clases, métodos e interfacescon propósitos diferentes dentro del proceso de localización en interiores, parareferencias gráficas y comodidad de lectura y futuras referencias a la arquitectura de laAPI en la figura 14 se propone el uso de un diagrama modular para mostrar elcontenido y las acciones que realizan cada una de las clases que se encuentran encada módulo o capa. Figura 4.5 Diagrama de capas que componen CHAMANLa figura 14 muestra de forma gráfica la distribución arquitectónica de CHAMAN, enella se puede apreciar la composición de la API por medio de capas, cada capaCapítulo 4 -- CHAMAN Página 35
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodecontiene métodos de tipo interfaz que reciben como parámetros al menos un objeto deal menos un método de la capa anterior para iniciar su funcionamiento. En la imagense muestran en forma de pequeños bloques los servicios que pueden ser llamados porlas interfaces de cada una de las clases en las diversas capas del modelo (o paquetesde la API).4.7 Diseño de capas de la APICHAMAN fue diseñada para soportar el desarrollo de sistemas de localización eninteriores utilizando la técnica fingerprint. Como se describió en capítulos anteriores,esta técnica de localización necesita ciertas precondiciones para iniciar el proceso delocalización (como la creación de catálogos de zonas de localización y la creación deun radio-mapa de señales) y ciertos requerimientos en tiempo de ejecución (comofiltrado de información en tiempo real), esta es la razón que justifica la API CHAMAN,que es un conjunto clases y métodos que permite realizar las tareas necesarias paracompletar satisfactoriamente cada una de las etapas del proceso de localización (ILS).Cada paquete cuenta con métodos de procesamiento “protegidos” y métodos públicosde tipo interface que utilizan los métodos de procesamiento, de esta forma elprogramador sólo necesita hacer una instancia de los métodos de tipo interface.Tomando en cuenta futuros desarrollos de funcionalidades de la API, el desarrollomodular de CHAMAN sigue el principio KISS10.Las siguientes secciones describen la función, clases y métodos contenidos en cadauno de los paquetes, representados por capas de un modelo modular siguiendo elmodelo gráfico de capas mostrado en la figura 14, que forman CHAMAN, para obtenermás detalles de parámetros de entrada y objetos de retorno de cada método se puedeconsultar el anexo 7.3 CHAMAN JavaDoc.4.7.1 Capa de conexión físicaEn esta capa se imprentaron las clases y los métodos que permiten la comunicacióncon los diferentes dispositivos (hardware) involucrados en el proceso de localizaciónen interiores, los métodos de las clases de conexión física permiten la creación de“puertos en modo escucha” utilizando instancias de la clase serversockets que utilizael protocolo TCP para crear un canal de comunicación entre las clases de la API y elhardware de localización. La abstracción de estos métodos permite al programadorcrear instancias de puertos abiertos utilizando como parámetro el número de puertoque se desea usar. De forma similar a la instancia de serversockets se realiza lacomunicación y gestión de portales RFID utilizando el protocolo LLRP. La capa deconexión física hereda características y métodos de las clases contenidas en la API10 Este término es un acrónimo que corresponde a la frase en inglés «Mantenlo simple, estúpido» (KeepItSimple, Stupid). Para evitar ser tosco, el acrónimo se hace corresponder con otras expresiones talescomo «Manténgalo breve y simple» («KeepIt Short and Simple») u otras similares, pero que mantienenla misma idea del principio. Recuperado de http://en.wikipedia.org/wiki/KISS_principleCapítulo 4 -- CHAMAN Página 36
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeltkjava-1.0.0.6.jar11 que permite la gestión de portales RFID que soporten el protocoloLLRP, de esta forma CHAMAN ofrece métodos abstractos de comunicación con losportales RFID haciendo transparente para el programador la configuración de estos.Dentro de la capa de conexión física también se encuentran los métodos que permiteniniciar la recepción de paquetes provenientes de dispositivos cliente con interfaz Wi-Fi™ que se utilizan en el proceso de entrenamiento o que solicitan el servicio delocalización. Lo métodos encargados del procesamiento de las conexiones entreportales RFID, dispositivos móviles con interfaz Wi-Fi™ y los servicios de localizaciónofrecidos por la API se encuentran inaccesibles al programador, para hacer uso de losservicios que ofrecen los métodos de la capa de conexión física se deben realizarinstancias de los métodos de tipo interfaz. La figura 15 muestra el diagrama de clasescorrespondiente a las clases interfaz del paquete (capa) de conexión física. Figura 4.6 Representación UML de las clases y métodos de tipo interfaz de la clase de conexión física4.7.1.1 Clase RFIDReaderLLRPConnectionEn esta clase se implementaron los métodos que permiten establecer comunicacióncon los lectores RFID utilizando el protocolo de comunicación LLRP. Los métodos dela clase permiten configurar e iniciar el proceso de lectura de eventos captados por loslectores RFID, el método encargado de esto es startReadEvent. De igual forma seofrece un servicio para detener la lectura de los eventos lanzados en el lector RFIDmediante el método stopReadEvent. Ambos métodos retornan datos al servidor queenvió los mensajes de inicio o fin de evento (startReadEvent o stopReadEvent) allector RFID. Ambos métodos retornan al host que ha invocado los métodos objetosserializados de forma tal que pueden ser usados por otros métodos de CHAMAN. Laclase contiene un tercer método que regresa la información de un evento sensado porel lector en forma de un mensaje con estructura XML.11 http://sourceforge.net/projects/llrp-toolkit/Capítulo 4 -- CHAMAN Página 37
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode4.7.1.2 Clase RFIDReaderSMNPConnectionLos métodos de esta clase permiten al programador entablar comunicación conlectores RFID que permitan ser administrados utilizando el protocolo de red SMNP.Los métodos contenidos en la clase son similares a los propios de la claseRFIDReaderLLRPConnection; de igual forma el programador debe crear una instanciade los métodos de interfaz proporcionando la dirección IP del lector RFID que soporteel protocolo SMNP. La clase cuenta con métodos que permiten controlar el inicio y finde la lectura de eventos en el lector RFID obteniendo de cada una de estas accionesuna cadena “tokenizada” de retorno por parte del lector RFID. La cadena retornadacontiene las especificaciones del evento obtenido por el portal RFID cuyos valorespueden ser:  En caso de lectura de etiquetas RFID: EPC capturado, fecha del evento y hora del evento.  En caso de solicitud de inicio de lectura: Fecha y hora de inicio de lectura.  En caso de solicitud de fin de lectura: Fecha y hora de solicitud de lectura4.7.1.3 Clase WiFiClientConnectionLa clase WiFiClienteConnection contiene los métodos que permiten al programadorcrear procedimientos que permitan recibir información del contexto de los clientes coninterfaz WiFi™ para determinar su posición dentro de una localidad. Los métodospermiten la comunicación en dos vías (Full dúplex) entre la aplicación servidora y elcliente, para ello se debe implementa el método createReceptionSocket que permiterealizar instancias se ServerSockets12 las mismas que permitirán la recepción dedatos por parte de dispositivos móviles, para instanciarlos el programador sólo debeingresar como parámetro el número de puerto que se utilizará para recibir lainformación de los clientes. El método retorna un objeto que permite accederdirectamente al flujo de datos que llega al puerto.El método senClientPosition tiene la capacidad de enviar los datos de localización alcliente, éste establece una comunicación vía protocolo TCP con un clientedeterminado, la identidad del cliente con el cual se desea establecer comunicación serealiza mediante su dirección IP que debe ser ingresada como parámetro, de igualforma se debe agregar como parámetro una cadena codificada en formato JSON lacual contiene los datos de localización del cliente al cual se le notificará su posición.CHAMAN permite implementar métodos activos de localización de cliente WiFi™, paraello se implementa el método sedClientinquiry el cual envía una señal para notificar alcliente que debe enviar la información del contexto de localización en el cual seencuentra al servidor del cual proviene el mensaje, el método recibe como parámetro12 http://docs.oracle.com/javase/1.4.2/docs/api/java/net/ServerSocket.htmlCapítulo 4 -- CHAMAN Página 38
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodela dirección IP del cliente al cual se le debe solicitar el envío de su contexto delocación.4.7.2 Capa de traducción de datosDentro del paquete que da forma a la capa de traducción se encuentran las clases quepermiten descifrar los datos en crudo obtenidos de los dispositivos utilizados para elproceso de localización. Dentro de esta capa se encuentran clases que extienden lasfuncionalidades de la API google-gson13 que permite, haciendo uso de “clases de tipoestructura”14 crear instancias de objetos que pueden ser utilizados para su posteriorprocesamiento en el proceso de localización. El proceso de traducción permite crearinstancias de objetos de tipo: solicitud de historial de localización por usuario, solicitudde historia de localización por zona, solicitud de historial de localización de objeto,paquete de entrenamiento, solicitud de localización de tipo pasivo de cliente móvil coninterfaz Wi-Fi™.De igual forma que la traducción de formatos JSON a objetos, la capa de traducciónpermite obtener el contenido de las etiquetas de formatos XML con un esquemapreviamente establecido, esta función se utiliza para mapear los mensajes ROSPECenviados por los lectores RFID utilizando el protocolo LLRP. Los métodos detraducción y extracción de información permiten al programador obtener los datos deun evento de lectura de una etiqueta RFID a partir del mensaje ROSPEC enviado porlos lectores RFID o antenas autónomas. Las siguientes líneas muestran un fragmentode un mensaje ROSPEC utilizado para la comunicación entre métodos de CHAMAN ylos dispositivos lectores de etiquetas RFID.<?xml version="1.0" encoding="UTF-8"?><llrp:ADD_ROSPEC xmlns:llrp="http://www.llrp.org/ltk/schema/core/encoding/xml/1.0"Version="1" MessageID="4"><llrp:ROSpec><llrp:ROSpecID>1</llrp:ROSpecID><llrp:Priority>0</llrp:Priority><llrp:CurrentState>Disabled</llrp:CurrentState><llrp:ROBoundarySpec><llrp:ROSpecStartTrigger><llrp:ROSpecStartTriggerType>Null</llrp:ROSpecStartTriggerType></llrp:ROSpecStartTrigger><llrp:ROSpecStopTrigger><llrp:ROSpecStopTriggerType>Null</llrp:ROSpecStopTriggerType><llrp:DurationTriggerValue>0</llrp:DurationTriggerValue></llrp:ROSpecStopTrigger></llrp:ROBoundarySpec>13 http://code.google.com/p/google-gson/downloads/list14 Clases utilizadas por CHAMAN para crear instancias de objetos a partir de objetos String en formatoJSON. Estas clases solo contienen la instancia de tipos de datos y métodos set() y get(), ver el paquetecenidet.api.indoorlocation.eschema.Capítulo 4 -- CHAMAN Página 39
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode<llrp:AISpec><llrp:AntennaIDs>0</llrp:AntennaIDs><llrp:AISpecStopTrigger><llrp:AISpecStopTriggerType>Null</llrp:AISpecStopTriggerType><llrp:DurationTrigger>0</llrp:DurationTrigger></llrp:AISpecStopTrigger><llrp:InventoryParameterSpec><llrp:InventoryParameterSpecID>9</llrp:InventoryParameterSpecID><llrp:ProtocolID>EPCGlobalClass1Gen2</llrp:ProtocolID></llrp:InventoryParameterSpec></llrp:AISpec><llrp:ROReportSpec><llrp:ROReportTrigger>Upon_N_Tags_Or_End_Of_AISpec</llrp:ROReportTrigger><llrp:N>1</llrp:N><llrp:TagReportContentSelector><llrp:EnableROSpecID>1</llrp:EnableROSpecID><llrp:EnableSpecIndex>1</llrp:EnableSpecIndex><llrp:EnableInventoryParameterSpecID>1</llrp:EnableInventoryParameterSpecID><llrp:EnableAntennaID>1</llrp:EnableAntennaID><llrp:EnableChannelIndex>1</llrp:EnableChannelIndex><llrp:EnablePeakRSSI>1</llrp:EnablePeakRSSI><llrp:EnableFirstSeenTimestamp>1</llrp:EnableFirstSeenTimestamp><llrp:EnableLastSeenTimestamp>1</llrp:EnableLastSeenTimestamp><llrp:EnableTagSeenCount>1</llrp:EnableTagSeenCount><llrp:EnableAccessSpecID>1</llrp:EnableAccessSpecID><llrp:C1G2EPCMemorySelector><llrp:EnableCRC>1</llrp:EnableCRC><llrp:EnablePCBits>1</llrp:EnablePCBits></llrp:C1G2EPCMemorySelector></llrp:TagReportContentSelector></llrp:ROReportSpec></llrp:ROSpec></llrp:ADD_ROSPEC>La figura 16 muestra el diagrama de clases del paquete de traducción de datos. Estasclases son las encargadas de “descomponer” los objetos recibidos en objetos de tipoString accesibles por el programador utilizando métodos “get” y “set”.Capítulo 4 -- CHAMAN Página 40
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 4.7 Diagrama de clases correspondiente a la capa de traducción de datos4.7.2.1 Clase TranslateRawDataLa clase TranslateRawData contiene métodos que permiten obtener de forma granularcada uno de los elementos que se encuentran en el paquete deentrenamiento/localización enviado por un cliente móvil o un dispositivo lector RFIDpara crear la instancia de radio-mapas. El paquete de entrenamiento se encuentracodificado en formato JSON y contiene información del contexto de locación de undispositivo móvil. Los métodos contenidos en la clase TranlateRawData reciben unobjeto tipo String codificado en formato JSON y retorna la instancia de un objeto delocalización según sea el caso del método utilizado. Las opciones de retorno son:  Objeto de tipo trainingRadioMap si la información es enviada por un dispositivo móvil que evalúa el contexto de señales Wi-Fi™ en el proceso de creación de radio-mapas de señales Wi-Fi™.  Objeto de tipo locationPackage si la información es enviada por un dispositivo móvil que solicita el servicio de localización.  Objeto de tipo ROSPEC_Event si la información es enviada por un lector RFID4.7.2.2 Clase trainingRadioMapEsta clase permite crear objetos que contienen información sobre el contexto deseñales Wi-Fi™ que puede percibir un dispositivo cliente en una zona de localizacióndeterminada, mientras se realiza el proceso de entrenamiento y construcción de radio-mapas. Lo métodos existentes en la clase permiten al programador (y clases de otrascapas de la API) acceder de forma correcta a los datos de entrenamiento enviados porel dispositivo cliente entrenador utilizando para esto los métodos “get” que retorna elvalor de los atributos del objeto.4.7.2.3 Clase locationPackageEsta clase permite crear objetos que contienen información sobre el contexto deseñales Wi-Fi™ que puede percibir un dispositivo cliente en una zona de localizaciónCapítulo 4 -- CHAMAN Página 41
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodedeterminada en el momento de solicitar activa o proactivamente el servicio delocalización. Los métodos existentes en la clase permiten al programador (y clases deotras capas de la API) acceder de forma correcta a los datos de entrenamientoenviados por el dispositivo cliente entrenador utilizando para ellos los métodos “get”que retorna el valor de los atributos del objeto.4.7.2.4 Clase ROSPEC_EventEsta clase permite crear un objeto que contiene la información sobre un eventoserializado en un mensaje ROSPEC enviado por un lector RFID que soporte elprotocolo LLRP. Los métodos “get” de la clase permiten obtener en formato “String” lainformación del mensaje ROSPEC para su posterior manipulación por parte delprogramador o algún otro método de la API como el motor de localización.4.7.3 Capa de filtrado de datosEn esta capa se encuentran los métodos encargados de identificar el tipo deinformación recibida por los métodos de la capa de conexión física, una vezidentificado el mensaje se traduce por la capa de traducción de datos. Los métodos defiltrado permiten obtener, según sea el caso, el identificador del portal RFID o de laantena autónoma, el identificador de un punto de acceso o la sección de radio-mapaque se debe entrenar con los datos de contexto de señal recibidos. Cabe mencionarque algunos métodos de filtrado necesitan realizar consultas al repositorio relacionalpara comprobar cierta información enviada por parte de los dispositivos utilizados en elproceso de localización por lo cual algunos métodos de filtrado necesitan recibir unobjeto de tipo conexión con repositorio relacional entre sus parámetros de instancia. LocationAreaIdentification+getCell_DB_Identification(entrada X_position : string, entrada Y_postion : string, entrada Floor_number : string) : string+getQRCode_DB_Identification(entrada QRCodeKey : string) : string RFIDIdentification +getRFIDReader_DB_Identification(entrada MAC_Address : string) : string +getAnthena_DB_Identification(entrada RFIDReaderID : string, entrada AnthenaID : string) : string PlayersIdentification +getUser_DB_Identification(entrada TAGEPC : string) : string +getDevice_DB_Identification(entrada MAC_Address : string) : string +getObject_DB_Identification(entrada TAGEPC : string) : string Figura 4.8 Diagrama de clases de la capa de filtrado de datosCapítulo 4 -- CHAMAN Página 42
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode4.7.3.1 Clase LocationAreaIdentificationLos métodos de esta reciben como parámetros Strings que contienen descriptores decontexto de un tipo de tecnología de localización y en base a un proceso deevaluación de los datos recibidos retorna la posición del dispositivo cliente quien hasolicitado el servicio de localización y ha enviado su contexto de señales Wi-Fi™ o elidentificador QRCode correspondiente a la zona en la que se encuentra el dispositivoque ha escaneado el código.4.7.3.2 Clase RFIDIdentificationLos métodos de esta clase reciben parámetros obtenidos de los mensajes ROSPEC.Los métodos retornan la identificación de los actores que se encuentren involucradosen el proceso de localización basado en tecnología RFID como lo es un lector RFID ouna antena autónoma.4.7.3.3 Clase PlayersIdentifficationLos métodos de la clase reciben como parámetro el código numérico de identificaciónde un usuario, objeto o dispositivo móvil y retornan el nombre identificador asignado aldispositivo en el repositorio relacional.4.7.4 Capa de procesamiento de datosLa capa de procesamiento de datos es en la que se encuentran las clases y métodoscorrespondientes al paquete de procesamiento de información para la creación deinstancias de radio-mapas o búsqueda de objetos/usuarios (proceso de localización).Estos métodos implementan los algoritmos de identificación de patrones utilizadospara llevar a cabo el proceso de localización en interiores según la tecnología utilizadao el proceso de creación de radio-mapas en la fase de entrenamiento.Para una disposición más ordenada de los métodos y clases la capa deprocesamiento, ésta se divide en subcapas (que arquitectónicamente pueden serconcebidas como metapaquetes) que realizan una función específica en el proceso delocalización como: creación de radio-mapas de zonas de localización utilizando elespectro de propagación Wi-Fi™, creación de radio-mapas de zonas de localizaciónutilizando el espectro de propagación Bluetooth, localización de objetos o individuosetiquetados con tags RFID pasivos, localización de usuarios a partir de las paquetesrecibidos que contienen el escalar de potencia de los puntos de acceso Wi-Fi™ oBluetooth escaneados en una determinada zona.Las siguientes subsecciones describen el comportamiento de los métodos y procesosrealizados en las clases contenidas dentro de las capas de entrenamiento ylocalización. La figura 9 muestra el diagrama de clases de la capa de procesamientoCapítulo 4 -- CHAMAN Página 43
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodede datos donde se pueden apreciar las clases “motores” utilizadas para el proceso delocalización y el proceso de entrenamiento. WiFiIndoorLocationEngine BluetoothiIndoorLocationEngine+getIterationNumber(entrada APList : object) : int +getIterationNumber(entrada APList : object) : int+getSortAPList(entrada APList : object) : object +getSortAPList(entrada APList : object) : object+getMacrolocation(entrada APList| : object, entrada APpxList : object) : object +getMacrolocation(entrada APList| : object, entrada APpxList : object) : object+getMicrolocation(entrada CandidatesCellsList : object) : object +getMicrolocation(entrada CandidatesCellsList : object) : object RadiomapTrainingEngine QRCodeIndoorLocationEngine+setRadioCellData(entrada Cell_DB_ID : string, entrada AP_DB_ID : string, entrada AP_Px : string) +getZone(entrada QRCodeKey : string) : string+getAP_DB_ID(entrada AP_MAC_Address : string) : string RFIDIndoorLocationEngine IndoorLocationReports+setTagPositionToDB(entrada TagEPC : string, entrada AnthenaID : string)+getCurrentTagPosition(salida currentTagPosition : string) +queryPerZone(entrada ZoneName : string) : object+getRFIDReaderZone(entrada ReaderID : string) : string +queryPerPerson(entrada PersonID : string) : object Figura 4.9 Diagrama de clases de la capa de procesamiento de datos4.7.4.1 Subcapa de entrenamientoLas clases y métodos contenidos en la capa de entrenamiento permiten crearinstancias de zonas de localización, las cuales en su conjunto forma el “radio-mapa deseñales electromagnéticas” las cuales pueden tener su origen en frecuencias de tipoWi-Fi™ o Bluetooth. Las instancias de zonas de localización creadas en el proceso deentrenamiento son creadas a partir de la información de contexto de señales enviadapor un dispositivo cliente entrenador.4.7.4.2 Clase RadiomapTrainingEngineLos métodos de esta clase son los encargados de crear instancias individuales de unazona de localización entrenada en base a la información enviada desde el dispositivocliente. Para realizar este proceso, el método utiliza un objeto que contiene losatributos de contexto de señal enviados por el cliente, en este objeto se encuentra ladescripción de la zona en la que se encuentra el cliente (campus, edificio, piso, zona ycoordenadas dentro de un mapa) y el listado de los identificadores de señal y susmagnitudes correspondientes dentro de arreglos de listas (Objeto de tipo ArrayListperteneciente a la clase java.util). La estructura del objeto utilizado para instanciar lainformación enviada por el cliente se muestra en el siguiente recuadro. String Campus; String Edificio; String Piso; String Zona; intcoorX; String coorY; List<String>MACWiFi = new ArrayList<String>(); List<String>PxWiFi = new ArrayList<String>(); List<String>MACbluetooth = new ArrayList<String>(); List<String>Pxbluetooth = new ArrayList<String>();Capítulo 4 -- CHAMAN Página 44
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeDe esta forma los métodos de entrenamiento entrenan en una zona de localizaciónespecífica dentro de un radio-mapa a partir de la información recibida, la informaciónde entrenamiento se almacena permanentemente en el repositorio relacionalmantenido una relación de tipo: zona de localización tiene un punto de acceso conuna potencia determinada en un margen de horario específico. La figura 19(a)muestra como se encuentran almacenados los datos que componen un radio-mapaentrenado en el repositorio relacional y en la figura 19(b) la representación gráfica delos datos de entrenamiento convertidos en un “mapa de calor” representando en tonososcuros el lugar donde se encuentra una mejor cobertura de cada punto de acceso, enlos tonos claros las zonas en las que la cobertura es casi nula.Figura 4.10 (a) radiomapa entrenado vista repositorio relacional, (b) representación gráfica de un radiomapa entrenadoUna vez completado el proceso de entrenamiento se obtiene de forma relacional en elrepositorio de datos un radio-mapa de señales, en el cual, se basan los métodos delocalización para realizar una estimación de la localización de un individuo u objeto.4.7.4.3 Subcapa de localizaciónLos métodos correspondientes a la subcapa de localización contienen la codificaciónde los algoritmos utilizados para localizar a un usuario u objeto dentro del área delocalización; implementando tres tipos diferentes de tecnología:  Tecnología de comunicación inalámbrica Wi-Fi™ y Bluetooth.  Tecnología de identificación por radiofrecuencia RFID.  Tecnología de identificación por códigos bidimensionales QRCode.Los métodos de localización utilizando tecnología Wi-Fi™ y Bluetooth se basan en lametodología de localización denominada fingerprint, la cual, como se ha mencionadoanteriormente se divide en dos fases: entrenamiento y localización. Las clases yCapítulo 4 -- CHAMAN Página 45
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodemétodos contenidos en el paquete de localización le permiten al programador ofrecerservicios de localización.Las siguientes secciones describen el funcionamiento de las métodos y algoritmosutilizados en cada una de las subcapas mencionadas anteriormente, cabe mencionarque para el correcto funcionamiento de los métodos de localización basados en laevaluación del contexto de señales inalámbricas y la localización basada en la lecturade etiquetas RFID o códigos bidimensionales QRCode se debe contar con unrepositorio relacional el cual cumpla con el esquema entidad-relación propuesto en eldesarrollo de esta tesis y se encuentre poblado con datos correspondientes a cadazona de localización e infraestructura del hardware de localización.Método de localización utilizando contexto de tecnologías Wi-Fi™ y BluetoothLos métodos de localización que utilizan el contexto del espectro electromagnético(dirección MAC como identificador de dispositivos y potencia en escalar positivo dedecibelios15) de las tecnologías Wi-Fi™ y Bluetooth, implementan dos tipos dealgoritmos de localización, los cuales, le permiten al programador obtener dos nivelesde granularidad diferentes, el primero de ellos se denomina microlocalización, en elcual, se tiene como zona mínima de localización una celda, el proceso demicrolocalización, retorna el conjunto de celdas candidatas en las que se puedeencontrar el dispositivos que ha solicitado el servicio de localización, al enviar losdatos de contexto de señales Wi-Fi™ y Bluetooth que se encuentran a su alcance. Elsegundo nivel de granularidad es proporcionado por el servicio de macrolocalización,el cual, retorna como respuesta la zona de localización en la que se encuentra eldispositivos que ha solicitado el servicio de localización, la zona retornada es elresultado de la evaluación del conjunto de celdas candidatas obtenidas en el procesode microlocalización.El método de localización que se implementó en esta tesis evalúa el contexto de lasseñales Wi-Fi™, es decir, realiza una comparación de las muestras de magnitud depotencia de la señal inalámbrica tomadas por el dispositivo móvil, los datos de lecturaincluyen un identificador único, que corresponde a la dirección MAC del punto deacceso (BSSID) y la magnitud de potencia que se recibió en el momento y lugar en elcual se realizó la toma de muestras desde un dispositivo móvil. Los algoritmos delocalización codificados en los métodos de la capa de localización inician la búsquedade las celdas candidatas, creando conjuntos de soluciones y realizando operacioneslógicas sobre ellos como la unión, la intersección y el cálculo de cardinalidad, al finaldel proceso de localización se obtiene el conjunto de zonas candidatas en las quepuede encontrarse el dispositivo que ha solicitado el servicio de localización.15 El decibelio (símbolo dB) es la unidad relativa empleada en acústica, electricidad, telecomunicacionesy otras especialidades para expresar la relación entre dos magnitudes: la magnitud que se estudia y unamagnitud de referencia.Con mayor frecuencia se emplea para relacionar magnitudes acústicas, pero también es frecuenteencontrar medidas en decibelios de otras magnitudes, por ejemplo las eléctricas o las lumínicas.Recuperado de : http://es.wikipedia.org/wiki/DecibelioCapítulo 4 -- CHAMAN Página 46
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeLa figura 20 muestra un modelo gráfico por etapas del proceso de localización,mediante la evaluación del contexto de señales Wi-Fi™ y Bluetooth. En la primeraetapa, es recomendable contar con una correcta distribución de puntos de accesodentro del área donde se prestarán los servicios de localización en interiores, la etapados muestra a un dispositivo cliente, en este caso un dispositivo Smartphoneobteniendo la información de los puntos de acceso y de los dispositivos bluetoothcercanos, una vez que se tienen la muestra de datos se envía al servidor en formatoJSON. En la etapa tres, el servicio de localización hace uso de los métodos deCHAMAN y el repositorio relacional para proporcionar el nombre o identificador de lazona de localización en la cual se encuentra el dispositivo móvil Smartphone. Figura 4.11 Modelo secuencial del proceso de localización utilizando el contexto de tecnologías Wi-Fi™ y BluetoothEn los párrafos anteriores se ha descrito de forma general el proceso de localizaciónen interiores mediante la evaluación de contexto de señales Wi-Fi™ y Bluetooth, enlas siguientes secciones se describirán los algoritmos utilizados en los procesos demicrolocalización y macrolocalización.MicrolocalizaciónBasados en la información contenida en el repositorio relacional (instancias de radio-mapas) los algoritmos de localización codificados en los métodos de microlocalizaciónpermiten retornar la celda o las celdas candidatas en las cuales se encuentra eldispositivo cliente. Para iniciar el proceso de localización se debe contar coninformación de contexto de señales Wi-Fi™ y/o Bluetooth enviadas por un dispositivocliente. Esta información debe contener al menos un punto de acceso y la magnitud deCapítulo 4 -- CHAMAN Página 47
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeseñal de éste. La microlocalización se define como un proceso iterativo de evaluaciónde magnitudes de señales inalámbricas recibidas, comparándolas con magnitudes deseñales almacenadas en el repositorio relacional, estas señales se registraron en elproceso de entrenamiento. El conjunto de señales y magnitudes enviadas por eldispositivo cliente es evaluado y ordenado según la magnitud de la señal en ordenascendente; se realiza la evaluación de identificador y magnitud de la señal conmagnitud menor sobre el repositorio relacional, esta evaluación retorna un conjunto deceldas en las cuales la señal y magnitud buscadas aparecen, El conjunto resultante esel conjunto sobre el cual se realizará la nueva iteración utilizando para la segundaseñal con magnitud mayor del conjunto de señales enviadas por el dispositivo cliente.El número de iteraciones de comparación realizadas depende de la cardinalidad delconjunto de señales enviadas por el dispositivo cliente. Al finalizar el proceso iterativose obtiene el conjunto de celdas candidatas en las cuales se puede localizar eldispositivo móvil que ha solicitado el servicio de localización. La figura 21 muestra elproceso iterativo de filtrado y localización de un dispositivo móvil que envía lainformación de cuatro señales diferentes, el primer filtrado de celtas retorna unconjunto de celdas candidatas en las que se puede encontrar el dispositivo, elsegundo filtrado de celdas toma el conjunto sobre el cual se evalúa la segunda señal yretorna un nuevo conjunto de celdas candidatas que es utilizado por el tercer filtradode celdas el cual determina la posible posición del dispositivo cliente en dos celdascandidatas (Cc3 y Cc4). Figura 4.12 Proceso de microlocalizaciónCapítulo 4 -- CHAMAN Página 48
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeMacrolocalizaciónLos métodos contenidos en las clases que definen el proceso de macrolocalizaciónpermiten al programador obtener en base al resultado del proceso de microlocalizaciónel área de localización de tipo “zona” en la que se encuentra un dispositivo cliente. Losmétodos reciben el conjunto de celdas candidatas en las que puede encontrarse undispositivo cliente. Estas son evaluadas y agrupadas en conjuntos según sea la zona ala cual pertenecen, de esta forma se obtienen diversos conjuntos de zonas candidatasen las que se puede encontrar el dispositivo cliente, el criterio utilizado para determinarla zona de localización en la que se encuentra el dispositivo cliente es la cardinalidadde los conjuntos zonas candidatas; se determina la posición del dispositivo móvil enaquella zona que se encuentra identificada con el conjunto con mayor cardinalidad deceldas candidatas. La figura 22 muestra las etapas del proceso de macrolocalizaciónel cual recibe como entrada un conjunto de celdas candidatas Ccx y proporciona comosalida el área de localización en la cual se encuentra el dispositivo cliente que harealizado la solicitud de localización. Figura 4.13 Proceso de macrolocalizaciónLocalización utilizando contexto de tecnologías RFID o NFCEl proceso de localización en interiores utilizando tecnología RFID o NFC se basa enla lectura de una etiqueta RFID pasiva por un lector el cual se encuentra asociado a unárea del edificio o instalación de la organización. De esta forma, al ser escaneada unaetiqueta por un lector registrado en el repositorio relacional es posible establecer laposición del usuario u objeto portador de la etiqueta. Debido a las característicasfísicas propias de la tecnología RFID el margen de error no es mayor a 1 metro.Los métodos que formar parte del motor de localización basado en tecnología RFIDutilizan la información enviada por los dispositivos lectores (identificador del lector eidentificador de la etiqueta leída) para determinar la posición del dispositivo cliente uobjeto identificado por una etiqueta RFID. Como precondiciones para el correctofuncionamiento de estos métodos el repositorio relacional debe contener los registrosde equipos lectores RFID asociados a zonas de localización y códigos de etiquetasRFID (EPC) asociados a usuarios u objetos, de igual forma, el código obtenido por ellector al escanear la etiqueta RFID debe existir en el repositorio relacional.Capítulo 4 -- CHAMAN Página 49
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeLa figura 23 muestra el proceso de localización en interiores utilizando lectores yetiquetas RFID. La figura describe dos etapas, en la primera, las antenas desplegadasdentro de las inmediaciones de las instalaciones escanean etiquetas asociadas apersonas y objetos, el código de lectura (EPC) obtenido de cada una de las etiquetasse utiliza como campo llave para extraer la información asociada a cada uno de estosdel repositorio relacional. Los lectores RFID utilizan mensajes ROSPEC para enviar entiempo real información de las etiquetas escaneadas. La etapa dos inicia una vezrecibido el mensaje ROSPEC, éste es filtrado y los datos que lo conforman sonconsultados en el repositorio relacional, los métodos del motor de localización RFIDretornan la posición del objeto o usuarios identificado por la etiqueta escaneada cuyocódigo identificador (EPC) fue consultado en el repositorio relacional. Figura 4.14 Proceso de localización utilizando tecnología RFIDLocalización utilizando QRCodesLos métodos del motor de localización basado en el escaneo de códigos QR recibencomo entrada el contenido cifrado dentro de la imagen QRCode, este es consultado enel repositorio relacional y en caso de encontrar una relación entre contenido de códigoy zona esta última es retornada como respuesta del proceso de localización. La figura24 describe las tres etapas del proceso de localización utilizando códigos QR. En laCapítulo 4 -- CHAMAN Página 50
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeprimera de ellas un dispositivo con capacidades de lectura de códigos QR debeescanear la imagen, mediante la cámara digital del dispositivo, localizado dentro deuna zona del edificio, como precondición para el correcto funcionamiento de losmétodos del motor de localización QRCode, el código escaneado debe existir en elrepositorio relacional y debe estar relacionado con al menos una zona de localización.La segunda etapa consiste en el envío de la información codificada en el código QR aun servidor de localización. En la tercera etapa se inicia el proceso de localizaciónrealizando una búsqueda en el repositorio relacional y retorna la zona asociada alcontenido del QRCode Recibido. Figura 4.15 Proceso de localización utilizando la tecnología QRCode.4.7.4.4 Capa de conexión a repositorios relacionalesLas clases y los métodos contenidos en el paquete que representa esta claseextienden las funcionalidades de la API MySQL.JDBC16 la cual permite gestionarconexiones, realizar consultas, inserciones y alterar el contenido de un repositoriorelacional gestionado por un DBMS17correspondiente a una versión 4.5 o superior deMySQL. Los métodos de conexión a repositorios relacionales de CHAMAN hacen uso16 http://dev.mysql.com/doc/refman/5.1/en/connector-j.html17 Data Base Manager System (sistema administrador de base de datos)Capítulo 4 -- CHAMAN Página 51
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodede las funcionalidades de MySQL.JDBC para realizar operaciones de consultas ymodificaciones del contenido de forma semitransparente para el programador que losutilice, el cual únicamente debe invocar los métodos usando como parámetro un objetode tipo conexión (el cual contiene la descripción de la ruta de la base de datos, elnombre de usuario, contraseña y nombre de la tabla que será afectada) y un objeto detipo lista con los parámetros que serán insertados o consultados en el repositoriorelacional.4.7.4.5 Capa de serviciosLa capa de servicios contiene métodos que permiten obtener reportes en tiempo real ohistóricos de las ubicaciones de usuarios u objetos dentro de las zonas de localizaciónmapeadas en el repositorio relacional, de igual forma contiene métodos que invocan alos procesos de localización en interiores de acuerdo a la tecnología utilizada. Losmétodos pueden recibir como parámetros: identificación del usuario, identificación delobjeto o identificador de zona, en cualquier caso los métodos de reporte retornan lainformación solicitada en un objeto de tipo reporte, el cual, contiene listas en las quese encuentra la información de localización solicitada. La información contenida en elobjeto es fácilmente accesible por medio de métodos “get” los cuales retornan elcontenido del atributo en formato String.Capítulo 4 -- CHAMAN Página 52
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode4.8 Diagrama de clasesLa figura 25 muestra en su totalidad el diagrama de clases correspondiente a la API CHAMAN Figura 4.16 Diagrama de clases de la API CHAMANCapítulo 4 -- CHAMAN Página 53
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Capítulo 5 Casos de estudioCapítulo 5 -- Casos de estudio Página 54
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode5.1 IntroducciónEl presente capítulo se muestran las pruebas de asertividad de los algoritmos delocalización en interiores utilizando tecnología Wi-Fi™, Bluetooth y RFIDimplementados dentro de la API CHAMAN descrita en el capítulo 4 de este documentode tesis. Para realizar las pruebas de asertividad se llevaron a cabo 2 desarrollosparalelos a CHAMAN, uno de ellos es una aplicación servidora (Aplicación del servidorde localización) desarrollada totalmente en Java SE y ejecutada sobre un servidorCentOS 5.7, el segundo desarrollo fue una aplicación para dispositivos móviles consistema operativo Android® 2.2 o superior, esta última permite al dispositivo obtener elcontexto de señales electromagnéticas de tipo Wi-Fi™ y Bluetooth en el que seencuentra y enviarlas a la aplicación en el servidor de localización que se encargará,según sea el caso, de iniciar un entrenamiento de zonas o iniciar el proceso delocalización. Las pruebas de entrenamiento y localización se realizaron en el edificiodel departamento de ciencias de la computación del CENIDET el cual cuenta con dosplantas, en la planta baja se encuentran los laboratorios y las aulas y en la planta altase encuentran las oficinas de profesores y cubículos de estudiantes de doctorado. Lassiguientes secciones muestran el proceso de elaboración de pruebas como tambiénlos resultados obtenidos de ellas.5.2 Caso de estudio 1: Localización en interiores utilizando contexto de tecnologías Wi-Fi™ y BluetoothEl primer caso de estudio se realizó sobre la efectividad del proceso de localización eninteriores evaluando los espectros y magnitudes de señales de tipo Wi-Fi™ yBluetooth. Para realizar las pruebas se contó con un arreglo de 7 puntos de accesodistribuidos de forma aleatoria en el edificio, el sujeto de pruebas y dispositivo móvilcon el cual se realizaron las pruebas de localización fue un teléfono móvil HTC WildfireS con sistema operativo Android® 2.3 el cual utilizaba uno de los puntos de acceso deledificio para establecer comunicación con el servidor de localización.5.2.1 Descripción del escenarioComo ya se describió y discutió en el capítulo 3 (Estado del arte), existen diversosmétodos de localización en interiores, cada uno de ellos con sus “pros y contras” ycada uno de ellos con un resultado diferente según el escenario de localización, apartir de experimentación con tecnología base implementada para localizar a unusuario u objeto, al tipo de hardware utilizado para llevar a cabo el proceso delocalización, y al análisis de factibilidad para uso del algoritmo de localización endiversos escenarios, se llegó a la conclusión de implementar un algoritmo basado enel método de huella de señal (fingerprint-based) , este método se desarrolla en dosetapas para poder llevar a cabo el proceso de localización. La primera de las etapasse conoce como fase de entrenamiento o fase Off-line, en ella es necesario realizar unproceso de mapeo virtual de las señales y sus magnitudes en cada uno de los puntosCapítulo 5 -- Casos de estudio Página 55
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodedel área (instalación o edificio) en donde se ofrecerá el servicio de localización, lainformación capturada se almacena en un repositorio relacional, las relaciones entrelas zonas reales y el mapeo virtual de las magnitudes de señal permite crear un mapafísico del área donde se prestará el servicio de localización, que a su vez se relacionaun mapa virtual en el cual se refleja la magnitud de potencia o “huella de potencia” decada uno de los dispositivos inalámbricos de los cuales se recibió señal. La segundaetapa es el proceso de localización en sí mismo, el proceso se inicia al recibir unvector con identificadores de puntos de acceso y un atributo de potencia de señal, elcual, corresponde a alguna coordenada física dentro del área donde se presta elservicio de localización, el conjunto de puntos de acceso y sus correspondientespotencias son los datos de entrada para el algoritmo de localización, el cual, realizauna búsqueda e inferencia de posibles zonas candidatas, el proceso compara losdatos de entrada del algoritmo con los datos almacenados en el repositorio relacional,para obtener el área en donde se encuentra el usuario u objeto que ha enviado losdatos de puntos de acceso y potencia.El escenario en el cual se realizaron las pruebas de efectividad del algoritmo delocalización fue el edificio del departamento de ciencias computacionales, que seencuentra en el campus “Cerritus” del Centro Nacional de Investigación y DesarrolloTecnológico CENIDET (coordenadas longitud: 18° 52 35.91”, latitud: 99° 13 10.58") elcual cuenta con dos plantas, en la planta baja se encuentran tres aulas, dos sanitarios,un área de servicio técnico y tres laboratorios. En la segunda planta se distribuyen diezy seis oficinas en las cuales se encuentran los profesores. La figura 26 muestra enforma de mapa la distribución de espacios arquitectónicos de la planta baja del edificiodel departamento de ciencias computacionales del CENIDET.Figura 5.1 Mapa de distribución arquitectónica de la planta baja del edificio del departamento de ciencias de la computación (CENIDET)Capítulo 5 -- Casos de estudio Página 56
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode5.2.2 EntrenamientoEn la fase de entrenamiento se construye el mapa de señales del área en donde seprestará el servicio de localización, para realizar el entrenamiento se requiereinformación del área en metros cuadrados del edificio, la ubicación de los puntos deacceso por piso, la cantidad de materiales y su grado de atenuación que debeatravesar una onda de propagación de señal Wi-Fi™ o Bluetooth, es decir, la magnitudde cada una de las señales. La evaluación del escenario de localización determinará eltamaño de la representación virtual de señales sobre el área donde se prestará elservicio de localización.Como se ha mencionado en líneas anteriores, la fase de entrenamiento tiene comoresultado una representación relacional entre un área geográfica/arquitectónicaespecífica y las magnitudes de potencia de cada uno de los puntos de acceso tantoWi-Fi o Bluetooth, para almacenar de manera persistente estas relaciones se utiliza unrepositorio relacional (Capítulo 4), el proceso de población de datos y relaciones sedeja a elección del usuario, para fines de pruebas y evaluación como partecomplementaria al proyecto de tesis, se realizó el desarrollo de una aplicación paradispositivos móviles con sistema operativo Android® que se conecta con el repositoriorelacional para crear las relaciones entre área y magnitudes de potencia. En lassiguientes secciones se describirá el proceso realizado para la creación de un mapade relaciones área-potencia y las consideraciones tomadas para su creación.5.2.2.1 Implementación del método de localización fingerprintComo ya se ha descrito anteriormente los métodos de localización en interioresbasados en huellas de potencia (fingerprint-based) necesitan un “previo conocimiento”de la distribución de las potencias de puntos de acceso dentro del área de localizaciónpara llevar a cabo satisfactoriamente el proceso de localización. En esta tesisproponemos el uso de un repositorio relacional (capítulo 4) en el cual se almacenanlas relaciones entre áreas y las potencias de cada uno de los puntos de acceso dentrode ellas.5.2.2.2 Diseño de un “grid” virtual sobre el área de localizaciónPruebas preliminares dieron a conocer que el incremento o decremento de magnitudde potencia dentro de una misma área de localización puede variar de formasignificativa con respecto a la distancia y posición en la que se encuentre el dispositivode sensado del medio18 con respecto al punto de acceso, como se muestra en la tabla1. En base a los resultados de pruebas e implementando la fórmula que describe larelación de pérdida de potencia en espacios libres (FSL por sus siglas en inglés) como18 Dispositivo encargado de recolectar los datos de contexto de señal (identificador de punto de acceso ymagnitud de potencia correspondiente) en un punto geográfico o distribución arquitectónicadeterminadaCapítulo 5 -- Casos de estudio Página 57
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodese muestra en la fórmula Eq1 donde d es la distancia con respecto al punto de accesoy f la frecuencia de propagación de la onda. Se propuso que el área mínima delocalización (celda) debería cubrir aproximadamente dos metros cuadrados, en estamedida se considera el incremento y decremento de potencia según la distancia conrespecto al punto de acceso y la posible atenuación de ± 4 db por contaminaciónelectromagnética del medio (tomando la contaminación como una constante conrespecto al tiempo). Distancia en metros con respecto a punto de PotenciaMuestra Punto de acceso acceso (db) 1 00:13:46:70:68:d6 13 77 2 00:13:46:70:68:d6 15 81 3 00:13:46:70:68:d6 16 83 4 00:13:46:70:68:d6 17 85Tabla 3 Tabla de variación de potencia con respecto a la distancia de un punto de acceso determinado Ecuación para el calculo de perdida de potencia en espacios libres basada en el principio de Huygens19 donde d es la distancia en metros y f la frecuencia en HzEn base a la información anterior se dividió la superficies del área de localización“Planta baja del edificio del departamento de ciencias computacionales” en zonas delocalización según la definición presentada en el capítulo 4. Las zonas se dividieron enceldas de localización con una superficie de 2 metros cuadrados cada una, formadoasí una cuadricula o “grid” virtual sobre el área de localización. La distribución dezonas y celdas correspondientes a la planta baja del edificio del departamento deciencias computacionales del CENIDET se describen en la figura 4, en la cual, cadapequeño rectángulo de color representa una celda de localización y el conjunto deceldas de localización de un mismo color limitan el área comprendida por una zona delocalización determinada. La nomenclatura de las celdas corresponde a la relaciónentre el nombre del segmento del eje al que corresponde la coordenada en la cual seencuentra la celda, por ejemplo 5A.19 El principio de Huygens es un método de análisis aplicado a los problemas de propagación de ondas.Afirma que todo punto de un frente de onda inicial puede considerarse como una fuente de ondasesféricas secundarias que se extienden en todas las direcciones con la misma velocidad, frecuencia ylongitud de onda que el frente de onda del que proceden.http://en.wikipedia.org/wiki/Huygens%E2%80%93Fresnel_principle Recuperado el 19 de Febrero del2012Capítulo 5 -- Casos de estudio Página 58
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeCoordenada X 12 11 10 9 8 7 6 5 4 3 2 1 A B A C D E Co or F de na G da Y H I J KNombre de la zona de localización Símbolo / colorCENIDET.Cerritus.DCC.Aula_1CENIDET.Cerritus.DCC.Aula_2CENIDET.Cerritus.DCC.Aula_3CENIDET.Cerritus.DCC.Laboratorio_Sistemas_DistribuidosCENIDET.Cerritus.DCC.Laboratorio_Ingenieria_de_softwareCENIDET.Cerritus.DCC.Laboratirio_Inteligencia_ArtificialCENIDET.Cerritus.DCC.Soporte_tecnicoCENIDET.Cerritus.DCC.SanitariosCENIDET.Cerritus.DCC.Escaleras_planta_bajaCENIDET.Cerritus.DCC.Entrada_al_edificioCENIDET.Cerritus.DCC.TragaLuzCapítulo 5 -- Casos de estudio Página 59
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode5.2.2.3 Creación de “radiomapa” de áreas de localizaciónEl proceso inmediato una vez obtenida la distribución virtual de áreas de localizaciónes la población de datos y relaciones de potencia-zona de localización, a este procesode le llama entrenamiento de radiomapa. El radiomapa de cada zona de localizaciónes la parte fundamental del proceso de localización, es por ello que se deben tomarciertas consideraciones al crearlo, todas ellas con respecto a la variación de señalrecibida en un solo punto. La simulación y análisis de un escenario real de localizaciónarrojaron resultados significativos en el incremento o decremento de la magnitud depotencia, los atributos evaluados fueron contexto temporal y posición de la toma demuestra con respecto al punto de acceso. Cabe mencionar que la instancia deevaluación que aquí se describe tiene como objetivo la localización de dispositivosmóviles con interfaz Wi-Fi™ dentro de un edificio, los dispositivos móviles utilizadospara la evaluación no definen una posición obligatoria (pero si recomendada) para suuso, razón por la cual, se debe considerar el portador del dispositivo móvil como unobjeto más que puede atenuar la onda de propagación de señal preveniente desde lospuntos de acceso.El cuerpo humano y sus múltiples variables físicas como peso, masa, índice de grasay masa corporal, cantidad de agua y altura representan atributos propios de todos losportadores de dispositivos móviles y sus magnitudes son tan diversas como cadausuario de dispositivos móviles, la estrategia implementada para asegurar una mejormuestra de huella de señal entiende a las siguientes restricciones:  El usuario deberá sujetar el dispositivo móvil como se le indica en el manual de usuario, respetando la posición de los dedos sobre el dispositivo para evitar en lo posible atenuación de la interfaz física Wi-Fi® o Bluetooth.  La altura con respecto al suelo a la cual se debe realizar el proceso de muestras no debe estar fuera del intervalo de 1.10 metros a 1.30 metros.  La toma de muestras por celda se deberá realizar en el centro de la misma y se deberán realizar 4 instancias de muestras, cada una de ellas girando el cuerpo y el dispositivo móvil a un punto cardinal diferente.La tabla 2 muestra la diferencia entre tomas de muestras realizadas en una mismacelda en el proceso de entrenamiento del radio-mapa. Tabla 4 Muestra del repositorio relacional donde se puede apreciar la variación del campo potencia en un mismo punto geográfico/arquitectónicoCapítulo 5 -- Casos de estudio Página 60
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeEl tráfico de paquetes de datos y solicitudes de acceso al medio en redesinalámbricas, varía según la hora en la cual se solicite el servicio, este tipo deescenarios afecta directamente a la magnitud de potencia de una onda de propagaciónen un punto determinado, en diferentes intervalos de tiempo se puede dar el caso enel cual durante las horas en las que se ofrece el servicio de localización la tasa deincremento o decremento en la magnitud de potencia de los puntos de acceso enzonas determinadas no sobrepase un valor de ± 4 decibelios, lo cual, no implica uncambio radical en el proceso de mapeo, sin embargo, se puede dar el caso en el quelas solicitudes de acceso al medio o la gran afluencia de paquetes pueda llegar acambiar el atributo de magnitud de potencia en un punto determinado en más de 15decibelios. Es por esta razón que se realizó el proceso de entrenamiento en tresintervalos diferentes de tiempo, cada entrenamiento se realizó en la hora mássignificativa de cada intervalo, cada intervalo tiene una duración de 8 horas.Como se ha mencionado en secciones anteriores el proceso de evaluacióncorresponde al proceso de localización en interiores de dispositivos móviles portadospor un individuo. El proceso de entrenamiento debe ser realizado con una interfaz Wi-Fi™ o Bluetooth con características similares a las que portaran los dispositivos que sepretender localizar.De manera particular, en este caso de estudio, se utilizaron dispositivos móviles HTC,el dispositivo utilizado para el proceso de entrenamiento fue una unidad HTC®Wildfire S (ver especificaciones de hardware en la sección de Anexos 7.2Especificaciones técnicas ). Para automatizar el proceso de entrenamiento sedesarrolló una aplicación cliente que permite la comunicación con un servidor delocalización, el cual, implementa un conjunto de programas que permiten ofrecer unservicio de localización en interiores. La aplicación fue desarrollada para plataformasAndroid® en sus versiones 2.1 o posteriores. La aplicación inicia al indicarle ladirección IP o el nombre del dominio en el cual se encuentran el servidor delocalización y el repositorio relacional. La aplicación recibe un paquete en formatoJSON20 el cual contiene el conjunto de catálogos de áreas de localización, estos datosson mostrados en pantalla y es deber del agenten entrenador seleccionar el área en laque se encuentra, una vez seleccionada el área se inicia el proceso de escaneo delcontexto de señales inalámbricas, por un periodo de 3 segundos, los datos obtenidosse convierten a formato JSON y son enviados al repositorio relacional en el cual secrean instancias de áreas de localización entrenadas. La figura 27 muestra laspantallas de la aplicación móvil en orden de aparición en el proceso de entrenamiento,en una secuencia de imágenes de izquierda a derecha, se muestra el proceso en elcual el agente entrenador podrá seleccionar el edificio, zona y celdas en las que seencuentra para luego iniciar el proceso de escaneo del contexto y posteriormenteenviar los datos al repositorio relacional.20 JSON, acrónimo de JavaScript ObjectNotation, es un formato ligero para el intercambio de datos. JSONes un subconjunto de la notación literal de objetos de JavaScript que no requiere el uso de XML.Recuperado el 7 de septiembre del 2011. http://es.wikipedia.org/wiki/JSONCapítulo 5 -- Casos de estudio Página 61
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 5.2 Secuencia de comunicación de la aplicación cliente con el repositorio relacional en fase de entrenamiento de radiomapaUna vez terminado el proceso de entrenamiento se tiene como resultado un radiomapa entrenado que le permitirá a los algoritmos de localización determinar la posiciónde un usuario u objeto según el contexto de señal que perciba en un puntodeterminado.La figura 28 muestra en (a) el contenido de un radio-mapa entrenado en la zonallamada “Area_traga_luz” en la cual, se muestra en forma de tablas relacionadas lamagnitud de potencia de un punto de acceso determinado en una celda quecorresponde a un área determinada en un piso del edificio , en (b) se muestra unarepresentación gráfica de la dispersión de la señal de tres puntos de acceso, en laplanta baja de edificio, el degradado de colores muestra la magnitud de las señales decada punto de acceso. Figura 5.3 Muestra de celdas entrenadas en el repositorio relacional (a) y representación gráfica de un radiomapa entrenado (b)Capítulo 5 -- Casos de estudio Página 62
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode5.3 Localización en interiores en un medio no controladoUna vez entrenado el radiomapa es posible inferir la ubicación de un usuario u objetoen base al contexto de señal que lo rodea. Como se mencionó en el capítulo cuatro enla sección métodos de localización, el algoritmo de localización propuesto consta de 2niveles de granularidad llamados Microlocalización y Macrolocalización, en el primerode ellos el algoritmo de localización permite inferir el conjunto de celdas(inmediatamente vecinas entre ellas) en las que puede encontrarse la entidad quesolicitó el servicio de localización. El nivel de Macrolocalización determina la zona enla que se encuentra la entidad que solicitó el servicio de localización.El handset utilizado para el proceso de localización en esta instancia de evaluación delalgoritmo es una unidad HtcWildfire S (ver descripción en la sección de anexos) queutiliza una aplicación diseñada para escanear el contexto de señales, encapsular lainformación en formato JSON y enviarla al servidor de localización utilizando unaconexión TCP. El proceso de solicitud de localización se realizó siguiendo las mismasreglas del proceso de entrenamiento prestando especial atención a la forma en la quese sujeta el dispositivo móvil y su altura con respecto al suelo.5.3.1 MicrolocalizaciónEl proceso de Microlocalización se evaluó con una batería de 70 muestrascorrespondientes a la evaluación del proceso en 7 celdas diferentes seleccionadas deforma aleatoria, en la Figura 29 muestra dentro de un mapa del edificio deldepartamento de ciencias computacionales en el cual las figuras rectangulares rojasmarcan las celdas donde se llevó a cabo la solicitud de localización.Cabe mencionar que todas y cada una de las tomas de muestras descritas en lassiguientes secciones nombradas con la unión de las coordenadas fueron realizadaspor la misma persona asegurando así solo un índice no variable de atenuación pormasa corporal. Las iteraciones del experimento se realizaron repitiendo la altura yposición del dispositivo móvil cliente en cada una de ellas. El dispositivo móvil siemprefue el mismo para cada una de las muestras y la disposición de la mano sobre el seconservó en todos los casos.Capítulo 5 -- Casos de estudio Página 63
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 5.4 Celdas evaluadasLas siguientes tablas muestra los resultados obtenidos en el proceso de evaluación decada una de las celdas seleccionadas, los números que aparecen en las columnascorrespondientes al filtrado corresponden al identificador de celda en el repositoriorelacional (ver relaciones en la sección de anexos), al final de cada celda se muestraun mapa en el cual se señala con una figura de color rojo el punto de evaluación y configuras de color naranja los puntos resultantes en el proceso de localización.Celda J10La celda J10 se encuentra localizada en la zona de laboratorio de sistemasdistribuidos en el primer piso del edificio del departamento de cienciascomputacionales, se encuentra delimitada por paredes de 2.80 metros compuestas dehojas de madera compresa y marcos de aluminio, el punto de acceso más cercano esel localizado en el área de traga luz situado a 2.6 metros sobre el nivel del suelo dentrode un hexágono de concreto. El centro de la zona del laboratorio de sistemasdistribuidos tiene una separación lineal de 15 metros de línea de vista con respecto ala localización del punto de acceso más cercano.La siguiente tabla muestra los resultados de las tomas de muestra realizadas en lacelda J10. No. Puntos de acceso Primer Segundo Tercer filtrado Margen deMuestra percibidos filtrado de filtrado de de celdas error celdas celdas promedio 1 00:50:fc:fc:67:4d : 81 00:02:6f:4e:19:e1 : 87 00:02:72:42:d3:cb :89 00:25:68:e1:28:f3 : 28 ∞ 2 00:50:fc:fc:67:4d :81 00:02:6f:4e:19:e1 :87 00:02:72:42:d3:cb :89 00:25:68:e1:28:f3 :28 ∞ 3 00:50:fc:fc:67:4d : 73 [1, 6, 9, 52, 50, [103, 116, 125] [125] 4 metros 00:26:5a:09:d4:29 :76 76, 103, 114,Capítulo 5 -- Casos de estudio Página 64
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 00:02:6f:4e:19:e1 : 80 116, 125, 108, 4, 00:02:72:42:d3:cb :93 108, 49] 00:25:68:e1:28:f3 : 32 4 00:50:fc:fc:67:4d : 73 00:26:5a:09:d4:29 :76 [1, 6, 9, 52, 50, [103, 116, 125, 00:02:6f:4e:19:e1 : 80 76, 103, 114, [125] 4 metros 103,] 00:02:72:42:d3:cb :93 116, 125, 108, 4] 00:25:68:e1:28:f3 : 32 5 00:50:fc:fc:67:4d : 75 00:25:68:e1:28:f3 : 37 [1, 6, 9, 52, 50, [103, 116, 125, 00:26:5a:09:d4:29 :74 76, 103, 114, 103, 116, 125, [125, 103, 116] 00:50:fc:fc:67:4d : 78 2 metros 116, 125, 108] 103, 116, 125] 00:02:6f:4e:19:e1 : 81 00:02:72:42:d3:cb :94 00:25:68:e1:28:f3 : 37 6 00:50:fc:fc:67:4d : 75 00:25:68:e1:28:f3 : 37 [1, 6, 9, 52, 50, [103, 116, 125, 00:26:5a:09:d4:29 :74 [116, 125, 103, 116] 76, 103, 114, 103, 116, 125, 00:50:fc:fc:67:4d : 78 2 metros 116, 125, 108, 4] 103, 116, 125] 00:02:6f:4e:19:e1 : 81 00:02:72:42:d3:cb :94 00:25:68:e1:28:f3 : 37 7 00:50:fc:fc:67:4d : 78 [1, 6, 9, 52, 50, 00:25:68:e1:28:f3 : 37 76, 103, 114, [103, 116, 125] 00:26:5a:09:d4:29 :75 [103, 116, 125] 2 metros 116, 125, 108, 4] 00:02:6f:4e:19:e1 : 89 00:25:68:e1:28:f3 : 31 8 00:26:5a:09:d4:29 :77 [1, 6, 9, 52, 50, 00:02:6f:4e:19:e1 : 80 76, 103, 114, [103, 116, 125] [103, 116, 125] 2 metros 00:50:fc:fc:67:4d : 83 116, 125, 108, 4] 00:25:68:e1:28:f3 : 35 9 00:26:5a:09:d4:29 :77 [1, 6, 9, 52, 50, 00:02:6f:4e:19:e1 : 80 76, 103, 114, [103, 116, 125] [103, 116, 125] 2 metros 00:50:fc:fc:67:4d : 83 116, 125, 108, 4] 00:25:68:e1:28:f3 : 35 10 00:50:fc:fc:67:4d : 73 [1, 6, 9, 52, 50, 00:26:5a:09:d4:29 :76 76, 103, 114, [103, 116, 125] [103, 116, 125] 00:02:6f:4e:19:e1 : 80 2 metros 116, 125, 108, 4] 00:02:72:42:d3:cb :93 00:25:68:e1:28:f3 : 32 Tabla 4 Resultados de evaluación de ubicación en la celda J10 Margen de error Precisión de ubicación con radio Precisión de localización con promedio de 5 metros radio de 3 metros 2.4444444 metros 100 % 100% Tabla 5 Resumen de resultados de evaluación de la celda J10La figura 30 muestra el conjunto de celdas candidatas obtenidas a partir de laimplementación del algoritmo, el punto rojo muestra la posición en la cual se realizó lasolicitud de localización y los puntos de color naranja muestran las celdas candidatasobtenidas a partir del algoritmo de localización. Como se puede apreciar, las celdasresultantes no se encuentran a mayor distancia que 3 celdas de separación delepicentro de la lectura. La presencia de celdas candidatas en el área de localizaciónvecina se presentaron debido a la proximidad entre las celdas candidatas y la celda enla que se solicitó el proceso de localización.Capítulo 5 -- Casos de estudio Página 65
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 5.5 celdas candidatas resultantes al implementar el algoritmo de localización en la celda J10Celda E1La celda E1 pertenece a la zona de localización área de entrada al edificio en la primerplanta del edificio del departamento de ciencias computacionales, el punto de accesomás cercano se encuentra en la zona vecina área de tragaluz a 2.6 metros sobre elnivel del suelo, el área se encuentra rodeada de paredes de concreto y una escaleradel mismo material utilizada para acceder a, o descender de la segunda planta deledificio.La siguiente tabla muestra el resultado de la evaluación del algoritmo de localizaciónen la celda E1. A partir de la primer iteración en la cuarta columna se puede apreciarla celtas resultantes y su aparición en la mayoría de los resultados de las iteraciones,esto se debe a que la variación de las magnitudes de señal en esos puntos sonsimilares No. Puntos de acceso Primer Segundo Tercer filtrado Margen deMuestra percibidos filtrado de filtrado de de celdas error celdas celdas promedio 1 00:02:6f:4e:19:e1 : 72 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67, 3] 3.6 metros 00:26:5a:09:d4:29 :75 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 88 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:02:72:42:d3:cb :95 65, 67, 68, 80, 101, 102, 104, 00:50:fc:fc:67:4d : 94 79, 78, 77, 75, 113, 107, 2, 3] 00:25:68:e1:28:f3 : 68 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 2 00:02:6f:4e:19:e1 : 72 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67] 3.6 metros 00:26:5a:09:d4:29 :75 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 88 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:02:72:42:d3:cb :95 65, 67, 68, 80, 101, 102, 104, 00:50:fc:fc:67:4d : 94 79, 78, 77, 75, 113, 107, 2, 3] 00:25:68:e1:28:f3 : 68 89, 90, 91, 92, 101, 102, 104,Capítulo 5 -- Casos de estudio Página 66
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 113, 126, 127, 106, 107, 2, 3] 3 00:02:6f:4e:19:e1 : 74 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67] 3.6 metros 00:26:5a:09:d4:29 :76 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 92 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:25:68:e1:28:f3 : 62 65, 67, 68, 80, 101, 102, 104, 79, 78, 77, 75, 113, 107, 2, 3] 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 4 00:02:6f:4e:19:e1 : 77 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67,] 3.6 metros 00:26:5a:09:d4:29 :78 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:13:46:70:68:d6 :90 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:1f:1f:21:ad:a5 : 91 65, 67, 68, 80, 101, 102, 104, 00:02:72:42:d3:cb :90 79, 78, 77, 75, 113, 107, 2, 3] 00:25:68:e1:28:f3 : 62 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 5 00:02:6f:4e:19:e1 : 69 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67,] 3.6 metros 00:26:5a:09:d4:29 :76 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:13:46:70:68:d6 :92 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:1f:1f:21:ad:a5 : 88 65, 67, 68, 80, 101, 102, 104, 00:26:5a:1a:10:95 :94 79, 78, 77, 75, 113, 107, 2, 3] 00:25:68:e1:28:f3 : 71 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 6 00:02:6f:4e:19:e1 : 74 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67] 3.6 metros 00:26:5a:09:d4:29 :75 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 89 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:25:68:e1:28:f3 : 69 65, 67, 68, 80, 101, 102, 104, 79, 78, 77, 75, 113, 107, 2, 3] 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 7 00:02:6f:4e:19:e1 : 72 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67] 3.6 metros 00:26:5a:09:d4:29 :72 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 88 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:02:72:42:d3:cb :93 65, 67, 68, 80, 101, 102, 104, 00:25:68:e1:28:f3 : 71 79, 78, 77, 75, 113, 107, 2, 3] 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 30, 5, 7, 8] 8 00:26:5a:09:d4:29 :72 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67] 3.6 metros 00:02:6f:4e:19:e1 : 75 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 84 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:19:5b:2c:12:c1 :94 65, 67, 68, 80, 101, 102, 104, 00:13:46:70:68:d6 :95 79, 78, 77, 75, 113, 107, 2, 3] 00:25:68:e1:28:f3 : 62 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 9 00:26:5a:09:d4:29 :72 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67] 3.6 metros 00:02:6f:4e:19:e1 : 75 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 84 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:19:5b:2c:12:c1 :94 65, 67, 68, 80, 101, 102, 104, 00:13:46:70:68:d6 :95 79, 78, 77, 75, 113, 107, 2, 3] 00:25:68:e1:28:f3 : 62 89, 90, 91, 92, 101, 102, 104, 113, 126, 127,Capítulo 5 -- Casos de estudio Página 67
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 106, 107, 2, 3] 10 00:02:6f:4e:19:e1 : 66 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [38, 39, 40, 64, 67] 3.6 metros 00:26:5a:09:d4:29 :73 8, 57, 56, 55, 54, 57, 56, 54, 64, 65, 00:1f:1f:21:ad:a5 : 89 53, 51, 61, 64, 67, 75, 90, 91, 92, 00:13:46:70:68:d6 :91 65, 67, 68, 80, 101, 102, 104, 00:50:fc:fc:67:4d : 97 79, 78, 77, 75, 113, 107, 2, 3] 00:25:68:e1:28:f3 : 63 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] Tabla 6 Resultados de evaluación de la celda E1 Margen de error Precisión de ubicación con radio Precisión de localización con promedio de 5 metros radio de 3 metros 3.6 metros 100 % 0% Tabla 7 Resumen de resultados de evaluación de ubicación en la celda E1La figura 31 muestra las celdas en color naranja las celdas candidatas obtenidas apartir de la implementación del algoritmo de localización en la celda E1. En la imagense puede apreciar una relación de aparición de celdas candidatas sobre una mismafila en dirección a la localización del punto de acceso. Esto se debe a que no seencuentra algún obstáculo arquitectónico entre las celdas de la fila E y el foco de laseñal electromagnética más intensa en el punto de solicitud de servicio de localización.Cabe mencionar que de las 10 muestras solicitadas, solo en dos ocasiones eldispositivo cliente se encontraba frente al foco de la señal, en el resto de lasiteraciones el dispositivo fue atenuado por el cuerpo del usuario cuando este seencontraba de espaldas a la fuente o forma ortogonal a ella. Figura 5.6 celdas resultantes al implementar el algoritmo de localización en la celda E1Capítulo 5 -- Casos de estudio Página 68
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeCelda 7HLa celda 7H se encuentra en el límite entre las zonas área de tragaluz y el laboratoriode inteligencia artificial, la zona de localización se encuentra en el centrogeográfico/arquitectónico del edificio de ciencias computacionales y con un punto deacceso dentro de ella situado a 2.6 metros de altura con respecto al suelo.Los datos de la siguiente tabla fueron obtenidos a partir de la solicitud de localizaciónrealizado en la celda a la que corresponden las coordenadas H7. El experimento serealizó bajo las mismas condiciones de observación por parte del cliente, sin embargo,el tráfico de entidades atenuadoras de señales (personas y paquetes desde equiposportátiles a los puntos de acceso) se incrementó durante la toma de muestras. Sedecidió conservar los resultados a continuación mostrados por la importancia en elproceso de localización en un medio con tráfico de objetos atenuadores de señal. Latoma de muestras duró 10 minutos, la hora de inicio de toma de muestras fue las 3:08pm. No. Puntos de acceso Primer Segundo Tercer filtrado Margen deMuestra percibidos filtrado de filtrado de de celdas error celdas celdas promedio 1 00:02:6f:4e:19:e1 : 66 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.14 metros 00:26:5a:09:d4:29 :72 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:02:72:42:d3:cb :89 53, 51, 61, 64, 61, 64, 65, 67, 68, 92] 00:50:fc:fc:67:4d : 91 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:25:68:e1:28:f3 : 48 79, 78, 77, 75, 101, 102, 104, 89, 90, 91, 92, 113, 3] 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 2 00:02:6f:4e:19:e1 : 53 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.44 metros 00:26:5a:09:d4:29 :63 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:50:fc:fc:67:4d : 89 53, 51, 61, 64, 61, 64, 65, 67, 68, 92, 38, 39, 40] 00:1f:b3:25:87:b1 :95 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:25:68:e1:28:f3 : 53 79, 78, 77, 75, 101, 102, 104, 89, 90, 91, 92, 113, 3, 5, 56, 54, 101, 102, 104, 53, 65, 67, 68, 79, 113, 126, 127, 78, 77, 89, 90] 106, 107, 2, 3] 3 00:02:6f:4e:19:e1 : 52 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.44 metros 00:26:5a:09:d4:29 :70 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:1f:b3:25:87:b1 :90 53, 51, 61, 64, 61, 64, 65, 67, 68, 92, 38, 39, 40] 00:50:fc:fc:67:4d : 91 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:02:72:42:d3:cb :92 79, 78, 77, 75, 101, 102, 104, 00:1f:1f:21:ad:a5 : 94 89, 90, 91, 92, 113, 3, 5] 00:25:68:e1:28:f3 : 50 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 4 00:02:6f:4e:19:e1 : 53 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.44 metros 00:26:5a:09:d4:29 :69 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:50:fc:fc:67:4d : 90 53, 51, 61, 64, 61, 64, 65, 67, 68, 92, 38, 39, 40] 00:1f:1f:21:ad:a5 : 88 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:25:68:e1:28:f3 : 61 79, 78, 77, 75, 101, 102, 104, 89, 90, 91, 92, 113] 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 5 00:02:6f:4e:19:e1 : 55 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.44 metros 00:26:5a:09:d4:29 :68 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:02:72:42:d3:cb :94 53, 51, 61, 64, 61, 64, 65, 67, 68, 92, 38, 39, 40] 00:1f:1f:21:ad:a5 : 94 65, 67, 68, 80, 78, 77, 90, 91, 92,Capítulo 5 -- Casos de estudio Página 69
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 00:25:68:e1:28:f3 : 55 79, 78, 77, 75, 101, 102, 104, 89, 90, 91, 92, 113] 101, 102, 104, 113, 126, 127, 106, 107] 6 00:02:6f:4e:19:e1 : 59 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.44 metros 00:26:5a:09:d4:29 :69 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:1f:1f:21:ad:a5 : 91 53, 51, 61, 64, 61, 64, 65, 67, 68, 92, 38, 39, 40] 00:50:fc:fc:67:4d : 88 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:02:72:42:d3:cb :93 79, 78, 77, 75, 101, 102, 104] 00:25:68:e1:28:f3 : 57 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106] 7 00:02:6f:4e:19:e1 : 48 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.14 metros 00:26:5a:09:d4:29 :67 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:1f:1f:21:ad:a5 : 90 53, 51, 61, 64, 61, 64, 65, 67, 68, 92] 00:1f:b3:25:87:b1 :93 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:02:72:42:d3:cb :93 79, 78, 77, 75, 101, 102, 104] 00:50:fc:fc:67:4d : 89 89, 90, 91, 92, 00:25:68:e1:28:f3 : 50 101, 102, 104, 113, 126, 127, 106, 107] 8 00:02:6f:4e:19:e1 : 56 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.14 metros 00:26:5a:09:d4:29 :76 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:02:72:42:d3:cb :90 53, 51, 61, 64, 61, 64, 65, 67, 68, 92, 38, 39, 40] 00:25:68:e1:28:f3 : 49 65, 67, 68, 80, 78, 77, 90, 91, 92, 79, 78, 77, 75, 101, 102, 104, 89, 90, 91, 92, 113] 101, 102, 104, 113, 126, 127, 106, 107] 9 00:26:5a:09:d4:29 :76 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.40 metros 00:02:72:42:d3:cb :90 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:02:6f:4e:19:e1 : 54 53, 51, 61, 64, 61, 64, 65, 67, 68, 92, 38, 39, 40] 00:26:5a:09:d4:29 :68 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:25:68:e1:28:f3 : 61 79, 78, 77, 75, 101, 102, 104, 89, 90, 91, 92, 113] 101, 102, 104, 113, 126, 127, 106, 107] 10 00:02:6f:4e:19:e1 : 48 [38, 39, 40, 5, 7, [38, 39, 40, 5, 7, 8, [56, 55, 54, 53, 64, 65, 4.14 metros 00:26:5a:09:d4:29 :67 8, 57, 56, 55, 54, 56, 55, 54, 53, 51, 67, 68, 78, 77, 90, 91, 00:1f:1f:21:ad:a5 : 90 53, 51, 61, 64, 61, 64, 65, 67, 68, 92] 00:1f:b3:25:87:b1 :93 65, 67, 68, 80, 78, 77, 90, 91, 92, 00:02:72:42:d3:cb :93 79, 78, 77, 75, 101, 102, 104] 00:50:fc:fc:67:4d : 89 89, 90, 91, 92, 00:25:68:e1:28:f3 : 50 101, 102, 104, 113, 126, 127, 106, 107] Tabla 6 Resultados de evaluación de la celda 7H Margen de error Precisión de ubicación con radio Precisión de localización con promedio de 5 metros radio de 3 metros 4.33 metros 100 % 0% Tabla 8 Resumen de resultados de evaluación de la celda 7HLa figura 32 muestra el resultado obtenido a partir de la toma de muestras en un lugarde tráfico de objetos que pueden atenuar señales electromagnéticas en una hora pico.Si bien se esperaba que por proximidad a los puntos de acceso los resultadoCapítulo 5 -- Casos de estudio Página 70
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeobtenidos en el punto de muestra fuesen los más acertados en la toma de muestras, eltráfico de objetos dispersó el espectro de celdas candidatas de forma tal que lascoordenadas obtenidas son las mostradas en siguiente figura. Figura 5.7 Resultado de implementar el algoritmo de localización en la celda H7Celda 9DLa celda 9D se encuentra flanqueada en dos de sus lados por muros que limitan lazona de localización Aula 3, el ángulo descrito por la unión de ambas paredes, segúnsea la posición del cliente puede absorber o reflejar parte de las ondaselectromagnéticas. La siguiente tabla muestra los resultados obtenidos en la solicituddel proceso de localización en la celda 9D. No. Puntos de acceso Primer Segundo Tercer filtrado Margen deMuestra percibidos filtrado de filtrado de de celdas error celdas celdas promedio 1 00:02:6f:4e:19:e1 : 56 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [ 57, 56, 54, ] 3.3333 metros 00:26:5a:09:d4:29 :78 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :88 53, 51, 61, 64, 75, 91, 102, 126, 00:25:68:e1:28:f3 : 50 65, 67, 68, 80, 106, 2, 3] 79, 78, 77, 75, 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 2 00:02:6f:4e:19:e1 : 63 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [57, 56, 54, 91] 4.5 metros 00:26:5a:09:d4:29 :73 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :84 53, 51, 61, 64, 75, 91, 102, 126, 00:1f:b3:25:87:b1 :92 65, 67, 68, 80, 106, 2, 3] 00:25:68:e1:28:f3 : 46 79, 78, 77, 75, 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 3 00:02:6f:4e:19:e1 : 70 [[38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [57, 56, 54, 91] 4.5 metros 00:26:5a:09:d4:29 :72 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :76 53, 51, 61, 64, 75, 91, 102, 126, 00:25:68:e1:28:f3 : 44 65, 67, 68, 80, 106] 79, 78, 77, 75, 89, 90, 91, 92,Capítulo 5 -- Casos de estudio Página 71
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 101, 102, 104, 113, 126, 127, 106, 107] 4 00:02:6f:4e:19:e1 : 70 [38, 39, 40, 5, 7, [[38, 39, 7, 8, 57, [57, 56, 54, 91] 4.5 metros 00:26:5a:09:d4:29 :75 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :80 53, 51, 61, 64, 75, 91, 102, 126, 00:25:68:e1:28:f3 : 60 65, 67, 68, 80, 106, 2, 3, 38, 39, 79, 78, 77, 75, 40] 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107] 5 00:02:6f:4e:19:e1 : 74 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [57, 56, 54, 91] 4.5 metros 00:26:5a:09:d4:29 :85 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :83 53, 51, 61, 64, 75, 91, 102, 126, 00:50:fc:fc:67:4d : 91 65, 67, 68, 80, 106, 2, 3] 00:25:68:e1:28:f3 : 47 79, 78, 77, 75, 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 6 00:02:6f:4e:19:e1 : 75 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [57, 56, 54, 91] 4.5 metros 00:26:5a:09:d4:29 :76 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :89 53, 51, 61, 64, 75, 91, 102, 126, 00:50:fc:fc:67:4d : 94 65, 67, 68, 80, 106, 2, 3] 00:25:68:e1:28:f3 : 55 79, 78, 77, 75, 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 7 00:26:5a:09:d4:29 :75 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [7, 8, 57, 56, 54, 91] 4.8 metros 00:02:6f:4e:19:e1 : 76 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :89 53, 51, 61, 64, 75, 91, 102, 126, 00:25:68:e1:28:f3 : 42 65, 67, 68, 80, 106, 2, 3] 79, 78, 77, 75, 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 8 00:02:6f:4e:19:e1 : 69 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [8, 57, 56, 54, 91] 4.6 metros 00:26:5a:09:d4:29 :74 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :91 53, 51, 61, 64, 75, 91, 102, 126, 00:1f:1f:21:ad:a5 : 96 65, 67, 68, 80, 106, 2, 3] 00:50:fc:fc:67:4d : 92 79, 78, 77, 75, 00:25:68:e1:28:f3 : 45 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 9 00:50:fc:fc:67:4d : 92 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [57, 56, 54, 91, 7] 4.6 metros 00:25:68:e1:28:f3 : 45 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:6f:4e:19:e1 : 75 53, 51, 61, 64, 75, 91, 102, 126, 00:26:5a:09:d4:29 :77 65, 67, 68, 80, 106, 2, 3] 00:02:72:42:d3:cb :87 79, 78, 77, 75, 00:25:68:e1:28:f3 : 46 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 10 00:26:5a:09:d4:29 :75 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [7, 8, 57, 56, 54, 91] 4.8 metros 00:02:6f:4e:19:e1 : 76 8, 57, 56, 55, 54, 56, 54, 51, 61, 80, 00:02:72:42:d3:cb :89 53, 51, 61, 64, 75, 91, 102, 126, 00:25:68:e1:28:f3 : 42 65, 67, 68, 80, 106, 2, 3] 79, 78, 77, 75, 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] Tabla 9 Resultados de evaluación de la celda 9DCapítulo 5 -- Casos de estudio Página 72
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Margen de error Precisión de ubicación con radio Precisión de localización con promedio de 5 metros radio de 3 metros 4.42 metros 100 % 0% Tabla 10 Resumen de resultados de evaluación de la celda 9DEn la figura 33 se puede apreciar las celdas candidatas resultantes de ejecutar elproceso de localización en la celda 9D, las celdas marcadas en color amarillomuestran las celdas candidatas a ser una localización del cliente. Figura 5.8 Resultado de implementar el algoritmo de localización en la celda 9DCelda 11BLa celda 11B se encuentra dentro de la zona de localización denominada Aula 2. Estaes el área de localización en el cual la señal de los puntos de acceso de ambos pisosdel edificio es particularmente baja. Al igual que en anteriores tomas de muestra sesiguió un estricto protocolo para la solicitud del servicio de localización en el cual setomó en cuenta la altura y la posición del móvil. No. Puntos de acceso Primer Segundo Tercer filtrado Margen deMuestra percibidos filtrado de filtrado de de celdas error celdas celdas promedio 1 00:02:72:42:d3:cb :62 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107] 7 metros 00:02:6f:4e:19:e1 : 85 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 00:26:5a:09:d4:29 :86 53, 51, 61, 64, 75, 90, 91, 102, 00:1f:b3:25:87:b1 :91 65, 67, 68, 80, 104, 113, 107, 2, 00:25:68:e1:28:f3 : 68 79, 78, 77, 75, 3] 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3,Capítulo 5 -- Casos de estudio Página 73
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 59, 59] 2 00:02:72:42:d3:cb :56 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 5 metros 00:26:5a:09:d4:29 :84 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 113] 00:02:6f:4e:19:e1 : 87 53, 51, 61, 64, 75, 90, 91, 102, 00:26:5a:1a:10:95 :98 65, 67, 68, 80, 104, 113, 107, 2, 00:50:fc:fc:67:4d : 94 79, 78, 77, 75, 3] 00:25:68:e1:28:f3 : 62 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3, 59] 3 00:02:72:42:d3:cb :70 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 5 metros 00:26:5a:09:d4:29 :85 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 113] 00:1f:b3:25:87:b1 :90 53, 51, 61, 64, 75, 90, 91, 102, 00:02:6f:4e:19:e1 : 90 65, 67, 68, 80, 104, 113, 107, 2, 00:1f:1f:21:ad:a5 : 92 79, 78, 77, 75, 3, 57, 75, 104, 00:50:fc:fc:67:4d : 95 89, 90, 91, 92, 127, 59] 00:25:68:e1:28:f3 : 63 101, 102, 104, 113, 126, 127, 106, 107, 2, 3, 59] 4 00:02:6f:4e:19:e1 : 90 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 113, 5 .2 metros 00:1f:1f:21:ad:a5 : 92 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 107, 59] 00:50:fc:fc:67:4d : 95 53, 51, 61, 64, 75, 90, 91, 102, 00:25:68:e1:28:f3 : 63 65, 67, 68, 80, 104, 113, 107, 2, 00:02:72:42:d3:cb :59 79, 78, 77, 75, 3, 57, 75, 104, 00:02:6f:4e:19:e1 : 85 89, 90, 91, 92, 127, 59] 00:1f:b3:25:87:b1 :90 101, 102, 104, 00:26:5a:09:d4:29 :90 113, 126, 127, 00:25:68:e1:28:f3 : 68 106, 107, 2, 3, 59] 5 00:02:72:42:d3:cb :64 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 113, 5.2 metros 00:02:6f:4e:19:e1 : 82 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 107, 59] 00:26:5a:09:d4:29 :88 53, 51, 61, 64, 75, 90, 91, 102, 00:1f:b3:25:87:b1 :92 65, 67, 68, 80, 104, 113, 107, 2, 00:25:68:e1:28:f3 : 68 79, 78, 77, 75, 3, 57, 75, 104, 89, 90, 91, 92, 127, 59] 101, 102, 104, 113, 126, 127, 106, 107, 2, 3, 59] 6 00:26:5a:09:d4:29 :88 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 113 5.2 metros 00:1f:b3:25:87:b1 :92 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 59] 00:02:72:42:d3:cb :65 53, 51, 61, 64, 75, 90, 91, 102, 00:02:6f:4e:19:e1 : 83 65, 67, 68, 80, 104, 113, 107, 2, 00:26:5a:09:d4:29 :87 79, 78, 77, 75, 3, 57, 75, 104, 00:1f:1f:21:ad:a5 : 93 89, 90, 91, 92, 127, 59] 00:25:68:e1:28:f3 : 69 101, 102, 104, 113, 126, 127, 106, 107, 2, 3, 59] 7 00:1f:1f:21:ad:a5 : 93 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 113, 5.2 metros 00:25:68:e1:28:f3 : 69 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 59] 00:02:72:42:d3:cb :61 53, 51, 61, 64, 75, 90, 91, 102, 00:26:5a:09:d4:29 :83 65, 67, 68, 80, 104, 113, 107, 2, 00:02:6f:4e:19:e1 : 85 79, 78, 77, 75, 3, 57, 75, 104, 00:1f:b3:25:87:b1 :88 89, 90, 91, 92, 127, 59] 00:1f:1f:21:ad:a5 : 94 101, 102, 104, 00:25:68:e1:28:f3 : 80 113, 126, 127, 106, 107, 2, 3, 59] 8 00:1f:1f:21:ad:a5 : 94 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 113, 5.2 metros 00:25:68:e1:28:f3 : 80 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 59] 00:02:72:42:d3:cb :53 53, 51, 61, 64, 75, 90, 91, 102, 00:02:6f:4e:19:e1 : 81 65, 67, 68, 80, 104, 113, 107, 2, 00:1f:b3:25:87:b1 :93 79, 78, 77, 75, 3, 57, 75, 104, 00:26:5a:09:d4:29 :90 89, 90, 91, 92, 127, 59] 00:25:68:e1:28:f3 : 67 101, 102, 104, 113, 126, 127, 106, 107, 2, 3, 59]Capítulo 5 -- Casos de estudio Página 74
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 9 00:26:5a:09:d4:29 :90 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 113, 5.2 metros 00:25:68:e1:28:f3 : 67 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 59] 00:02:72:42:d3:cb :62 53, 51, 61, 64, 75, 90, 91, 102, 00:02:6f:4e:19:e1 : 80 65, 67, 68, 80, 104, 113, 107, 2, 00:1f:b3:25:87:b1 :88 79, 78, 77, 75, 3, 57, 75, 104, 00:13:46:70:68:d6 :95 89, 90, 91, 92, 127, 59] 00:25:68:e1:28:f3 : 70 101, 102, 104, 113, 126, 127, 106, 107, 2, 3, 59] 10 00:02:72:42:d3:cb :70 [38, 39, 40, 5, 7, [38, 39, 7, 8, 57, [107, 57, 75, 104, 5 metros 00:26:5a:09:d4:29 :85 8, 57, 56, 55, 54, 56, 54, 51, 65, 67, 113] 00:1f:b3:25:87:b1 :90 53, 51, 61, 64, 75, 90, 91, 102, 00:02:6f:4e:19:e1 : 90 65, 67, 68, 80, 104, 113, 107, 2, 00:1f:1f:21:ad:a5 : 92 79, 78, 77, 75, 3, 57, 75, 104, 00:50:fc:fc:67:4d : 95 89, 90, 91, 92, 127, 59] 00:25:68:e1:28:f3 : 63 101, 102, 104, 113, 126, 127, 106, 107, 2, 3, 59] Tabla 11 Resultados de evaluación de la celda 11B Margen de error Precisión de ubicación con radio Precisión de localización con promedio de 5 metros radio de 3 metros 5.32 metros 30 % 0% Tabla 12 Resumen de resultados de evaluación de la celda 11BLa figura 34 muestra las celdas candidatas obtenidas a partir del proceso delocalización solicitado en la celda 11B. El resultado mostrado era esperado antes deiniciar las pruebas, esto se debe a que la zona de localización determinada Aula 2percibe una pobre calidad de señal de puntos de acceso, el algoritmo mapea lasseñales recibidas en puntos donde se ha captado la señal más débil. La debilidad deseñal en la zona de localización llamada Aula 2 se debe a su estructura arquitectónicay estado de acceso a la zona, es decir, si la puerta de acceso se encuentra abierta ose encuentra cerrada.Capítulo 5 -- Casos de estudio Página 75
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 5.9 Resultado de implementar el algoritmo de localización en la celda 11BCelda 6BLa celda 6B se encuentra localizada en la zona de localización denominada Aula 1, esuna zona de localización delimitada por 4 paredes y con el único acceso formado poruna puerta. El proceso de localización se realizó con la puerta de acceso cerrada. Lasiguiente tabla muestra los resultados obtenidos. No. Puntos de acceso Primer Segundo Tercer filtrado Margen deMuestra percibidos filtrado de filtrado de de celdas error celdas celdas promedio 1 00:02:6f:4e:19:e1 : 70 [38, 39, 40, 5, 7, [53, 107] [53, 107] 5.2 metros 00:26:5a:09:d4:29 : 77 8, 57, 56, 55, 54, 00:02:72:42:d3:cb : 77 53, 51, 61, 64, 00:1f:1f:21:ad:a5 : 87 65, 67, 68, 80, 00:1f:b3:25:87:b1 : 96 79, 78, 77, 75, 00:25:68:e1:28:f3 : 56 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 2 00:02:6f:4e:19:e1 : 70 [38, 39, 40, 5, 7, [53, 107] [53, 107] 9 metros 00:02:72:42:d3:cb : 76 8, 57, 56, 55, 54, 00:26:5a:09:d4:29 : 82 53, 51, 61, 64, 00:1f:b3:25:87:b1 : 90 65, 67, 68, 80, 00:1f:1f:21:ad:a5 : 87 79, 78, 77, 75, 00:25:68:e1:28:f3 : 61 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3,] 3 00:02:6f:4e:19:e1 : 69 [38, 39, 40, 5, 7, [53, 107, 38, 39, [53, 107] 9 metros 00:26:5a:09:d4:29 : 75 8, 57, 56, 55, 54, 40, 5, 7, 8, 57, 56, 00:02:72:42:d3:cb : 77 53, 51, 61, 64, 54, 64, 65, 67, 75, 00:1f:b3:25:87:b1 : 89 65, 67, 68, 80, 90, 91, 92, 101, 00:1f:1f:21:ad:a5 : 89 79, 78, 77, 75, 102, 104, 113, 00:50:fc:fc:67:4d : 92 89, 90, 91, 92, 107, 2, 3,] 00:25:68:e1:28:f3 : 58 101, 102, 104, 113, 126, 127,Capítulo 5 -- Casos de estudio Página 76
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 106, 107, 2, 3] 4 00:50:fc:fc:67:4d : 92 [38, 39, 40, 5, 7, [53, 107, 107, 107, [53, 107] 9 metros 00:02:6f:4e:19:e1 : 73 8, 57, 56, 55, 54, 107, 38, 39, 40, 5, 00:26:5a:09:d4:29 : 75 53, 51, 61, 64, 7, 8, 57, 56, 54, 00:1f:1f:21:ad:a5 : 85 65, 67, 68, 80, 64, 65, 67, 75, 90, 00:02:72:42:d3:cb : 84 79, 78, 77, 75, 91, 92, 101, 102, 00:25:68:e1:28:f3 : 82 89, 90, 91, 92, 104, 113, 107] 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 5 00:26:5a:09:d4:29 : 78 [38, 39, 40, 5, 7, [53, 107, 107, 107, [53, 107, 53, 57, 56, 5.2 metros 00:02:6f:4e:19:e1 : 81 8, 57, 56, 55, 54, 107, 38, 39, 40, 5, 91, 9, 108] 00:1f:1f:21:ad:a5 : 84 53, 51, 61, 64, 7, 8, 57, 56, 54, 00:02:72:42:d3:cb : 83 65, 67, 68, 80, 64, 65, 67, 75, 90, 00:26:5a:1a:10:95 : 90 79, 78, 77, 75, 91, 92, 101, 102, 00:1f:b3:25:87:b1 : 90 89, 90, 91, 92, 104, 113, 107, 2, 00:50:fc:fc:67:4d : 90 101, 102, 104, 3] 00:25:68:e1:28:f3 : 65 113, 126, 127, 106, 107, 2, 3] 6 00:26:5a:1a:10:95 : 90 [38, 39, 40, 5, 7, [53, 107, 107, 107, [ 53, 57, 56, 91, 57, 5.3 metros 00:1f:b3:25:87:b1 : 90 8, 57, 56, 55, 54, 107, 38, 39, 40, 5, 56,107] 00:50:fc:fc:67:4d : 90 53, 51, 61, 64, 7, 8, 57, 56, 54, 00:25:68:e1:28:f3 : 65 65, 67, 68, 80, 64, 65, 67, 75, 90, 00:02:6f:4e:19:e1 : 67 79, 78, 77, 75, 91, 92, 101, 102, 00:26:5a:09:d4:29 : 84 89, 90, 91, 92, 104, 113, 107, 2, 00:02:72:42:d3:cb : 81 101, 102, 104, 3] 00:1f:1f:21:ad:a5 : 87 113, 126, 127, 00:25:68:e1:28:f3 : 64 106, 107, 2, 3] 7 00:02:6f:4e:19:e1 : 76 [38, 39, 40, 5, 7, [[53, 107, 107, [107, 53, 57, 56, 91] 5.6 metros 00:1f:1f:21:ad:a5 : 80 8, 57, 56, 55, 54, 107, 107, 38, 39, 00:02:72:42:d3:cb : 77 53, 51, 61, 64, 40, 5, 7, 8, 57, 56, 00:26:5a:09:d4:29 : 83 65, 67, 68, 80, 54, 64, 65, 67, 75, 00:1f:b3:25:87:b1 : 85 79, 78, 77, 75, 90, 91, 92, 101, 00:25:68:e1:28:f3 : 63 89, 90, 91, 92, 102, 104, 113, 101, 102, 104, 107, 2, 3] 113, 126, 127, 106, 107, 2, 3] 8 00:1f:b3:25:87:b1 : 85 [38, 39, 40, 5, 7, [53, 107, 107, 107, [107, 53, 57, 56, 91] 5.6 metros 00:25:68:e1:28:f3 : 63 8, 57, 56, 55, 54, 107, 38, 39, 40, 5, 00:02:6f:4e:19:e1 : 70 53, 51, 61, 64, 7, 8, 57, 56, 54, 00:26:5a:09:d4:29 : 77 65, 67, 68, 80, 64, 65, 67, 75, 90, 00:1f:1f:21:ad:a5 : 84 79, 78, 77, 75, 91, 92, 101, 102, 00:02:72:42:d3:cb : 82 89, 90, 91, 92, 104, 113, 107, 2, 00:26:5a:1a:10:95 : 95 101, 102, 104, 3, 38, 39, 40, 5, 7, 00:25:68:e1:28:f3 : 59 113, 126, 127, 8] 106, 107, 2, 3] 9 00:26:5a:09:d4:29 : 78 [38, 39, 40, 5, 7, [53, 107, 107, 107, [53, 107, 53, 57, 56, 5.2 metros 00:02:6f:4e:19:e1 : 81 8, 57, 56, 55, 54, 107, 38, 39, 40, 5, 91, 9, 108] 00:1f:1f:21:ad:a5 : 84 53, 51, 61, 64, 7, 8, 57, 56, 54, 00:02:72:42:d3:cb : 83 65, 67, 68, 80, 64, 65, 67, 75, 90, 00:26:5a:1a:10:95 : 90 79, 78, 77, 75, 91, 92, 101, 102, 00:1f:b3:25:87:b1 : 90 89, 90, 91, 92, 104, 113, 107, 2, 00:50:fc:fc:67:4d : 90 101, 102, 104, 3] 00:25:68:e1:28:f3 : 65 113, 126, 127, 106, 107, 2, 3] 10 00:26:5a:09:d4:29 : 78 [38, 39, 40, 5, 7, [53, 107, 107, 107, [53, 107, 53, 57, 56, 5.2 metros 00:02:6f:4e:19:e1 : 81 8, 57, 56, 55, 54, 107, 38, 39, 40, 5, 91, 9, 108] 00:1f:1f:21:ad:a5 : 84 53, 51, 61, 64, 7, 8, 57, 56, 54, 00:02:72:42:d3:cb : 83 65, 67, 68, 80, 64, 65, 67, 75, 90, 00:26:5a:1a:10:95 : 90 79, 78, 77, 75, 91, 92, 101, 102, 00:1f:b3:25:87:b1 : 90 89, 90, 91, 92, 104, 113, 107, 2, 00:50:fc:fc:67:4d : 90 101, 102, 104, 3] 00:25:68:e1:28:f3 : 65 113, 126, 127, 106, 107, 2, 3] Tabla 13 Resultados de evaluación de la celda 6BCapítulo 5 -- Casos de estudio Página 77
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Margen de error Precisión de ubicación con radio Precisión de localización con promedio de 5 metros radio de 3 metros 5.53 metros 0% 0% Tabla 14 Resumen de resultados de evaluación de la celda 6BLa figura 35 muestra la dispersión de celdas candidatas obtenías en el proceso delocalización solicitado en la zona de localización llamada Aula 2 en la celda 6B Figura 5.10 Resultado de implementar el algoritmo de localización en la celda 6BCelda 8CLa celda 8C se encuentra dentro de la zona de localización llamada Aula 1. Lasmuestras en este punto fueron tomadas siguiendo las mismas precauciones tomadasanteriormente. Este punto tiene una peculiaridad, se encuentra a 3 metros de distanciaen una diagonal de 45º del punto de acceso (AP). No. Puntos de acceso Primer Segundo Tercer filtrado Margen deMuestra percibidos filtrado de filtrado de de celdas error celdas celdas promedio 1 00:02:6f:4e:19:e1 : 70 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [57, 80] 5 metros 00:26:5a:09:d4:29 : 79 8, 57, 56, 55, 54, 61, 80, 102, 126, 00:1f:1f:21:ad:a5 : 84 53, 51, 61, 64, 127, 106, 2, 3] 00:02:72:42:d3:cb : 83 65, 67, 68, 80, 00:25:68:e1:28:f3 : 54 79, 78, 77, 75, 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 2 00:02:6f:4e:19:e1 : 70 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [8, 57, 56, 91] 4.6666 metros 00:26:5a:09:d4:29 : 76 8, 57, 56, 55, 54, 61, 80, 102, 126, 00:1f:1f:21:ad:a5 : 87 53, 51, 61, 64, 127, 106, 2, 3, 38]Capítulo 5 -- Casos de estudio Página 78
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 00:02:72:42:d3:cb : 84 65, 67, 68, 80, 00:50:fc:fc:67:4d : 90 79, 78, 77, 75, 00:25:68:e1:28:f3 : 47 89, 90, 91, 92, 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 3 00:02:72:42:d3:cb : 84 [[38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [57, 80, 7, 8, 56, 91] 4.332 metros 00:50:fc:fc:67:4d : 90 8, 57, 56, 55, 54, 61, 80, 102, 126, 00:26:5a:09:d4:29 : 73 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:02:6f:4e:19:e1 : 79 65, 67, 68, 80, 39, 7, 8, 57, 56, 00:1f:1f:21:ad:a5 : 90 79, 78, 77, 75, 54, 51, 65, 67, 75, 00:25:68:e1:28:f3 : 50 89, 90, 91, 92, 90, 91, 102, 104, 101, 102, 104, 113, 107, 2, 3, 38] 113, 126, 127, 106, 107, 2, 3] 4 00:26:5a:09:d4:29 : 76 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [57, 56, 91, 39, 7, 8, 4.822 metros 00:02:6f:4e:19:e1 : 77 8, 57, 56, 55, 54, 61, 80, 102, 126, 51, 61, 80, 38, 39] 00:1f:1f:21:ad:a5 : 86 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:50:fc:fc:67:4d : 92 65, 67, 68, 80, 39, 7, 8, 57, 56, 00:25:68:e1:28:f3 : 52 79, 78, 77, 75, 54, 51, 65, 67, 75, 89, 90, 91, 92, 90, 91, 102, 104, 101, 102, 104, 113, 107, 2, 3, 38] 113, 126, 127, 106, 107, 2, 3] 5 00:26:5a:09:d4:29 : 74 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [57, 56, 91, 39, 51, 61, 4.5553 metros 00:02:6f:4e:19:e1 : 78 8, 57, 56, 55, 54, 61, 80, 102, 126, 80, 38] 00:1f:1f:21:ad:a5 : 87 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:02:72:42:d3:cb : 92 65, 67, 68, 80, 56, 54, 51, 65, 67, 00:50:fc:fc:67:4d : 94 79, 78, 77, 75, 75, 90, 91, 102, 00:25:68:e1:28:f3 : 52 89, 90, 91, 92, 104, 113, 107] 101, 102, 104, 113, 126, 127, 106, 107, 2, 3] 6 00:02:6f:4e:19:e1 : 69 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [38, 39, 7, 8, 54, 51, 4.612 metros 00:26:5a:09:d4:29 : 77 8, 57, 56, 55, 54, 61, 80, 102, 126, 67] 00:02:72:42:d3:cb : 82 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:1f:1f:21:ad:a5 : 82 65, 67, 68, 80, 39, 7, 8, 57, 56, 00:1f:b3:25:87:b1 : 91 79, 78, 77, 75, 54, 51, 65, 67, 75, 00:25:68:e1:28:f3 : 53 89, 90, 91, 92, 90, 91, 102, 104, 101, 102, 104, 113, 107, 2, 3] 113, 126, 127, 106, 107, 2,3] 7 00:02:6f:4e:19:e1 : 69 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [38, 39, 7, 80, 54, 51, 4.612 metros 00:26:5a:09:d4:29 : 81 8, 57, 56, 55, 54, 61, 80, 102, 126, 67] 00:02:72:42:d3:cb : 80 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:1f:1f:21:ad:a5 : 86 65, 67, 68, 80, 39, 7, 8, 57, 56, 00:50:fc:fc:67:4d : 92 79, 78, 77, 75, 54, 51, 65, 67, 75, 00:25:68:e1:28:f3 : 61 89, 90, 91, 92, 90, 91, 102, 104, 101, 102, 104, 113, 107, 2, 3] 113, 126, 127, 106, 107, 2,3] 8 00:02:6f:4e:19:e1 : 65 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [38, 39, 7, 8, 54, 51, 4.612 metros 00:26:5a:09:d4:29 : 75 8, 57, 56, 55, 54, 61, 80, 102, 126, 67] 00:1f:1f:21:ad:a5 : 86 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:02:72:42:d3:cb : 86 65, 67, 68, 80, 39, 7, 8, 57, 56, 00:1f:b3:25:87:b1 : 91 79, 78, 77, 75, 54, 51, 65, 67, 75, 00:25:68:e1:28:f3 : 63 89, 90, 91, 92, 90, 91, 102, 104, 101, 102, 104, 113, 107, 2, 3] 113, 126, 127, 106, 107, 2,3] 9 00:02:72:42:d3:cb : 84 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [8, 57, 56, 91, 39, 4.72 metros 00:1f:b3:25:87:b1 : 92 8, 57, 56, 55, 54, 61, 80, 102, 126, 7,54,65] 00:02:6f:4e:19:e1 : 78 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:26:5a:09:d4:29 : 82 65, 67, 68, 80, 39, 7, 8, 57, 56, 00:1f:1f:21:ad:a5 : 83 79, 78, 77, 75, 54, 51, 65, 67, 75, 00:26:5a:1a:10:95 : 94 89, 90, 91, 92, 90, 91, 102, 104, 00:25:68:e1:28:f3 : 58 101, 102, 104, 113, 107, 2, 3, 38] 113, 126, 127, 106, 107, 2, 3] 10 00:02:72:42:d3:cb : 84 [38, 39, 40, 5, 7, [39, 5, 7, 8, 57, 51, [8, 57, 56, 91, 39, 4.72 metros 00:1f:b3:25:87:b1 : 92 8, 57, 56, 55, 54, 61, 80, 102, 126, 7,54,65]Capítulo 5 -- Casos de estudio Página 79
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 00:02:6f:4e:19:e1 : 78 53, 51, 61, 64, 127, 106, 2, 3, 38, 00:26:5a:09:d4:29 : 82 65, 67, 68, 80, 39, 7, 8, 57, 56, 00:1f:1f:21:ad:a5 : 83 79, 78, 77, 75, 54, 51, 65, 67, 75, 00:26:5a:1a:10:95 : 94 89, 90, 91, 92, 90, 91, 102, 104, 00:25:68:e1:28:f3 : 58 101, 102, 104, 113, 107, 2, 3, 38] 113, 126, 127, 106, 107, 2, 3] Tabla 15 Resultados de evaluación de la celda 8C Margen de error Precisión de ubicación con radio Precisión de localización con promedio de 5 metros radio de 3 metros 4.02 metros 100 % 0% Tabla 16 Resumen de resultados de evaluación de la celda 8CLa figura 36 muestra el espectro de dispersión de celdas candidatas obtenidas a partirde la solicitud de localización con un cliente localizado en la celda 8C. Como se puedeapreciar en la imagen el margen promedio de error de la mayor concentración deceldas candidatas no fue mayor a 2 celdas. La cercanía con el punto de acceso y lafalta de tráfico propiciaron condiciones ideales para obtener los resultados que semuestran en las tablas anteriores y la siguiente imagen. Figura 5.11 Resultado de implementar el algoritmo de localización en la celda 8CResultadosLas muestras descritas en la sección anterior muestran el grado de asertividad en elproceso de ubicación de usuario para las celdas seleccionadas, como se puedeapreciar en la tabla de resumen de resultados que se encuentran debajo de las tablasde muestras de cada instancia de evaluación el margen de error promedio utilizandoúnicamente tecnologías Wi-Fi™ para el proceso de localización es de 4.3 metros. Lamedida de margen de error se obtuvo calculando la distancia entre la celda en la cualCapítulo 5 -- Casos de estudio Página 80
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodese realizó la petición de localización y la celda más lejana obtenida del algoritmo delocalización.Como puede apreciarse en las tablas, el algoritmo de localización retorna un conjuntode celdas en las cuales es posible que se encuentre el dispositivo que solicitó elservicio de localización. Es casi imposible (el 45%) asegurar el punto de ubicación deldispositivo cliente en una sola celda, esto se debe en gran medida al margen de errorpermitido en la calibración y entrenamiento del sistema, la falta de un solo atractor21 enel contexto del sistema y las múltiples variantes físicas del hardware utilizado parallevar a cabo el proceso de ubicación. El conjunto de celdas resultantes tienden adescribir la vecindad más próxima a la celda tal y como muestra la figura 37 en dondela celda de color más sólido es la celda donde se encuentra el cliente y las celdasdifuminadas son las celdas vecinas donde el algoritmo de localización ubica al cliente,un mayor difuminado simboliza una menor posibilidad (pero existente) de ubicación enesas celdas. Figura 5.12 Conjunto de celdas candidatas (vecindad) en una zona de localizaciónLa implementación programática del algoritmo dentro de la API retorna el conjunto deceldas candidatas como un ArrayList de tipo String (ArrayList<String>) el cual contienelas coordenadas de las celdas candidatas obtenidas por el algoritmo de localización. Elconjunto de celdas obtenidas también es utilizado como datos de entrada para realizarel proceso de Macrolocalización en el cual se obtiene la zona en la cual se encuentrael cliente que ha solicitado el servicio de localización.5.3.2 MacrolocalizaciónEl proceso de Macrolocalización tiene como fin determinar el área de localización anivel zona en la cual se encuentra el cliente que ha solicitado el servicio delocalización. El algoritmo utilizado para determinar la zona es un proceso estadístico elcual se basa el cual recibe como entrada un conjunto de celdas, las agrupa enconjuntos diferentes según sea la zona a la cual pertenezcan y por último evalúa lacardinalidad de cada una de las zonas, la zona resultante es aquella de mayor21 Conjunto al que el sistema evoluciona después de un tiempo suficientemente largo. Para que elconjunto sea un atractor, las trayectorias que le sean suficientemente próximas han de permanecerpróximas incluso si son ligeramente perturbadashttp://en.wikipedia.org/wiki/Attractor (Recuperado enSeptiembre del 2011)Capítulo 5 -- Casos de estudio Página 81
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodecardinalidad, en caso de ser más de una se genera como salida un conjunto de zonasresultantesPruebasEl proceso de Macrolocalización se evaluó realizando 10 solicitudes de localización enpuntos aleatorios dentro de una zona de localización, el proceso se llevó a cabo paratodas las zonas de libre circulación en la primer planta del edificio del departamento deciencias computacionales, en las siguientes tablas se exponen los resultadosobtenidos en términos de zona de localización calculada en base al algoritmo deMacrolocalización y la distancia que separa a los centroides22 de la zona donde sesolicitó el servicio de localización y la zona calculada en base al algoritmo deMacrolocalización.Zona: Entrada al edificio No. De Distancia Zona real Zona de localización calculada muestra entre zonas 1 Entrada al edificio Area_traga_luz 1 2 Entrada al edificio Entrada_al_edificio 0 3 Entrada al edificio Entrada_al_edificio 0 4 Entrada al edificio Entrada_al_edificio 0 5 Entrada al edificio Entrada_al_edificio 0 6 Entrada al edificio Area_traga_luz 1 7 Entrada al edificio Area_traga_luz 1 Area_traga_luz, 8 Entrada al edificio 1/0 Entrada_al_edificio 9 Entrada al edificio Area_traga_luz 0 10 Entrada al edificio Entrada_al_edificio 0Tabla 17 Tabla de resultados de macrolocalización en zona Entrada al edificioAsertividad de ubicación60%La figura 38 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse.22 El centroide o baricentro de un objeto X perteneciente a un espacio n-dimensional es la intersecciónde todos los hiperplanos que dividen a X en dos partes de igual n-volumen con respecto al hiperplano.Informalmente, es el promedio de todos los puntos de X.http://en.wikipedia.org/wiki/CentroidRecuperado en Septiembre del 2011.Capítulo 5 -- Casos de estudio Página 82
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 5.13 Resultado de la implementación del algoritmo de localización en la zona entrada al edificioZona: Laboratorio de Ingeniería de software No. De Distancia Zona real Zona de localización calculada muestra entre zonas Escaleras_planta_baja , 1 Laboratorio IS Entrada_al_edificio, 1 Area_de_traga_luz 2 Laboratorio IS Laboratorio_de_inteligencia_Artificial 1 3 Laboratorio IS Laboratorio_de_inteligencia_Artificial 1 4 Laboratorio IS Laboratorio_de_inteligencia_Artificial 1 5 Laboratorio IS Laboratorio_de_inteligencia_Artificial 1 6 Laboratorio IS Area_de_tragaluz 1 7 Laboratorio IS Laboratorio_de_inteligencia_Artificial 1 8 Laboratorio IS Laboratorio_de_inteligencia_Artificial 1 9 Laboratorio IS Laboratorio_de_inteligencia_Artificial 1 10 Laboratorio IS Area_de_tragaluz 1 Tabla 18 Tabla de resultados de macrolocalización en zona Laboratorio de ingeniería de softwareAsertividad de ubicación0%La figura 39 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosCapítulo 5 -- Casos de estudio Página 83
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse.Figura 5.14 Resultado de la implementación del algoritmo de localización en la zona Laboratorio de Ingenieria de softwareZona: Laboratorio de inteligencia artificial No. De Distancia Zona real Zona de localización calculada muestra entre zonas 1 Laboratorio IA Area_traga_luz 1 2 Laboratorio IA Laboratorio_de_Inteligencia_Artificial 0 3 Laboratorio IA Laboratorio_de_Inteligencia_Artificial 0 4 Laboratorio IA Laboratorio_de_Inteligencia_Artificial 0 5 Laboratorio IA Laboratorio_de_Inteligencia_Artificial, 0 6 Laboratorio IA Area_traga_luz 1 7 Laboratorio IA Laboratorio_de_Inteligencia_Artificial 0 8 Laboratorio IA Laboratorio_de_Inteligencia_Artificial 0 9 Laboratorio IA Laboratorio_de_Inteligencia_Artificial 0 10 Laboratorio IA Laboratorio_de_Inteligencia_Artificial 0 Tabla 19 Tabla de resultados de macrolocalización en zona Laboratorio de inteligencia artificialAsertividad de ubicación80 %La figura 40 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosCapítulo 5 -- Casos de estudio Página 84
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse. Figura 5.15 Resultado de la implementación del algoritmo de localización en la zona Laboratorio de Inteligencia ArtificialZona: Cubo Central, Traga_luz No. De Distancia Zona real Zona de localización calculada muestra entre zonas 1 Area_de_tragaluz [Aula1_DCC] 1 2 Area_de_tragaluz Area_traga_luz 0 3 Area_de_tragaluz Area_traga_luz 0 4 Area_de_tragaluz Area_traga_luz 0 5 Area_de_tragaluz Area_traga_luz 0 6 Area_de_tragaluz Area_traga_luz 0 7 Area_de_tragaluz Area_traga_luz 0 8 Area_de_tragaluz Laboratorio_de_Inteligencia_Artificial 1 9 Area_de_tragaluz Area_traga_luz 0 10 Area_de_tragaluz Area_traga_luz 0 Tabla 20 Tabla de resultados de macrolocalización en zona Cubo central / Traga LuzAsertividad de ubicación80%Capítulo 5 -- Casos de estudio Página 85
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeLa figura 41 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse. Figura 5.16 Resultado de la implementación del algoritmo de localización en la zona Cubo CentralZona: Aula 2 No. De Puntos de acceso recibidos Celdas candidatas Zona resultante muestra 1 Aula 2 Aula3_DCC 1 2 Aula 2 Aula3_DCC 1 3 Aula 2 Aula3_DCC 1 4 Aula 2 Aula3_DCC 1 5 Aula 2 Aula3_DCC 1 6 Aula 2 null ∞ Aula3_DCC, 7 Aula 2 1-3 Escaleras_planta_baja 8 Aula 2 Aula3_DCC 1 9 Aula 2 Aula3_DCC 1 10 Aula 2 Aula3_DCC 1 Tabla 21 Tabla de resultados de macrolocalización en zona Aula 2Asertividad de ubicación0%Capítulo 5 -- Casos de estudio Página 86
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeLa figura 42 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse. En esta ocasión, al igual que en elescenario de microlocalización, el área de localización Aula 2 presenta escenarios deintensidades de señal muy débil, es por esta razón que los resultados mostrados en lasiguiente imagen se encuentran tan distantes unos de otros. Figura 5.17 Resultado de la implementación del algoritmo de localización en la zona Aula 2Zona: Aula 3 No. De Distancia Zona real Zona de localización calculada muestra entre zonas 1 Aula3_DCC Aula3_DCC 0 2 Aula3_DCC Aula3_DCC 0 3 Aula3_DCC Aula3_DCC 0 4 Aula3_DCC null infinita [Aula3_DCC, Escaleras_planta_baja, 5 Aula3_DCC Laboratorio_de_Inteligencia_Artificial, 3 Laboratorio_de_tecnologias_web] [Aula3_DCC, Escaleras_planta_baja, 6 Aula3_DCC Laboratorio_de_Inteligencia_Artificial, 3 Laboratorio_de_tecnologias_web 7 Aula3_DCC Aula3_DCC 0 8 Aula3_DCC Laboratorio_de_Inteligencia_Artificial 3 9 Aula3_DCC Laboratorio_de_tecnologias_web 2Capítulo 5 -- Casos de estudio Página 87
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 10 Aula3_DCC Laboratorio_de_Inteligencia_Artificial 3 Tabla 22 Tabla de resultados de macrolocalización en zona Aula 3Asertividad de ubicación40 %La figura 43 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse. De igual forma que en el Aula 2, lazona de localización llamada Aula 3 presenta un escenario de baja intensidad deseñal lo que repercute en los resultados mostrados en la siguiente imagen. Figura 5.18 Resultado de la implementación del algoritmo de localización en la zona Aula 3Zona: Aula 1 No. De Distancia Zona real Zona de localización calculada muestra entre zonas 1 Aula 1 Null infinita 2 Aula 1 Null infinita 3 Aula 1 Aula3_DCC 2 4 Aula 1 Aula3_DCC 2 5 Aula 1 Area_traga_luz 1 6 Aula 1 Aula1_DCC 0 7 Aula 1 Aula1_DCC 0Capítulo 5 -- Casos de estudio Página 88
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 8 Aula 1 Area_traga_luz 1 9 Aula 1 Area_traga_luz 1 10 Aula 1 Area_traga_luz 1 Tabla 23 Tabla de resultados de macrolocalización en zona Aula 1Asertividad de ubicación20%La figura 44 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse. Figura 5.19 Resultado de la implementación del algoritmo de localización en la zona Aula 1Zona: Laboratorio de sistemas distribuidosNo. De Distancia Zona real Zona de localización calculadamuestra entre zonas Lab. Sistemas 1 Laboratorio_de_Inteligencia_Artificial 1 distribuidos Lab. Sistemas 2 Laboratorio_de_Inteligencia_Artificial 1 distribuidos Lab. Sistemas 3 Laboratorio_de_Inteligencia_Artificial 1 distribuidos Lab. Sistemas 4 Lab. Sistemas distribuidos 0 distribuidos 5 Lab. Sistemas Laboratorio_de_Inteligencia_Artificial 1Capítulo 5 -- Casos de estudio Página 89
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode distribuidos Lab. Sistemas 6 Laboratorio_de_Inteligencia_Artificial 1 distribuidos Lab. Sistemas 7 Lab. Sistemas distribuidos 0 distribuidos Lab. Sistemas 8 Lab. Sistemas distribuidos 0 distribuidos Lab. Sistemas 9 Lab. Sistemas distribuidos 0 distribuidos Lab. Sistemas 10 Lab. Sistemas distribuidos 0 distribuidos Tabla 24 Tabla de resultados de macrolocalización en zona Laboratorio de sistemas distribuidosAsertividad de ubicación50 %La figura 45 muestra con un cuadro rojo la zona de localización donde se encontrabael dispositivo cliente en el momento de realizar la solicitud de localización. Los cuadrosverdes representan la zona de localización en donde el algoritmo de localización hadeterminado que el usuario puede encontrarse.Figura 5.20 Resultado de la implementación del algoritmo de localización en la zona Laboratorio de Sistemas DistribuidosCapítulo 5 -- Casos de estudio Página 90
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode5.3.3 ResultadosBasados en una evaluación de asertividad de los eventos y tablas mostradas ensecciones anteriores, se puede advertir un ligero margen de error en los resultados dela implementación de los métodos de localización en interiores utilizando los procesode microlocalización y macrolocalización. El “¿Por qué?” de estos resultados se debe,en cuanto al proceso de microlocalización se refiere, es debido a los cambios radicalesen el medio de evaluación (trafico masivo de datos en los puntos de acceso o traficode objetos y/o personas que puedan atenuar la señal a evaluar) que provocan caos enel los algoritmos de localización y estos a su vez en los métodos programados delocalización en interiores. En cuanto al proceso de macrolocalización, este presentacierto margen de error por la evaluación de la posición del usuario cuando este seencuentra en “celdas frontera” entre una zona de localización y otra. En este caso losmétodos de localización evalúan las intensidades de señal más fuertes y las comparancon las almacenadas en el repositorio relacional retornando la zona de localizacióncon mayor número de coincidencias, es por esta razón por la cual el proceso demacrolocalización determina la posición del cliente que ha solicitado el servicio delocalización en una zona vecina a la zona en la que se encuentra. Se recomienda laimplementación de tecnologías de corto alcance sensibles a la presencia (como RFIDo IR) en este tipo de escenarios para determinar la zona en la que se encuentra elcliente.5.4 Caso de estudio 2: Localización en interiores utilizando contexto de tecnología RFIDComo se describió en el capítulo 2, RFID es una tecnología de identificación porradiofrecuencia para la cual se necesitan dos partes, un interrogador y un interrogado,representados a nivel hardware por un lector y un tag activo o pasivo. En el escenariode pruebas propuesto para la evaluación del algoritmo de localización utilizandotecnología RFID propuesto en el capítulo 4 se desplegó dentro del edificio deldepartamento de ciencias computacionales lectores y antenas Impinj (verespecificaciones en la sección de anexos) y los usuarios a los cuales se localizará lefueron asignadas etiquetas RFID pasivas Generación2 (ver especificaciones en lasección de anexos). En las siguientes secciones se describirá el escenario planteadopara las evaluaciones y los resultados obtenidos.Una distribución de infraestructura RFID ideal obedecería a colocar al menos 1 antenalectora RFID en las áreas de entrada y salida de cada área de localización de tipozona. En el escenario planteado se utilizaron 2 antenas conectadas a un portal lectorpara determinar el ingreso o egreso de un área de localización de tipo zona(Laboratorio de sistemas distribuidos) y un portal lector con dos antenas paradeterminar el nivel del edifico en el cual se encuentra un portador de tags (planta alta oplanta baja). La distribución de la infraestructura RFID dentro del edificio deldepartamento de ciencias computacionales se muestra en la figura 46 en donde losCapítulo 5 -- Casos de estudio Página 91
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCoderectángulos verdes con una A denotan la posición de las antenas y los triángulos depuntas redondeadas representan la amplitud del espectro de cada antena. Figura 5.21 Distribución de infraestructura RFID en el edificio del DCC5.4.1 Escenario 1: acceso a una zona de localizaciónDescripción del escenarioLa entidad portadora de tags ingresó y egresó del área de localización delimitada porla zona Laboratorio de sistemas distribuidos donde se encuentra un portal deidentificación RFID con un arreglo de 2 antenas dispuestas de forma tal que una deellas se encuentra dentro de la zona de localización Laboratorio sistemas distribuidos yotra de ellas en la zona de localización identificada como área de tragaluz de forma talque se pueda localizar a una entidad portadora de tags al ingresar al laboratorio desistemas distribuidos (localizando a la entidad en la zona laboratorio de sistemasdistribuidos) o egresar de este ( localizando a la entidad en la zona área de tragaluz).La distribución de las antenas para el escenario planteado se describe en la figura 47.Capítulo 5 -- Casos de estudio Página 92
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Figura 5.22 Diagrama de disposición de antenas en escenario de entrada y salida controlado por antenas RFIDPruebasLa siguiente tabla muestra los resultados obtenidos de las pruebas de evaluación. No. De Zona real en la que se encuentra el Zona en la cual se localizó el tag evaluación tag Dentro del laboratorio de sistemas Dentro del laboratorio de sistemas 1 distribuidos distribuidos Fuera del laboratorio de sistemas Fuera del laboratorio de sistemas 2 distribuidos (área de tragaluz) distribuidos (área de tragaluz) Fuera del laboratorio de sistemas Fuera del laboratorio de sistemas 3 distribuidos (área de tragaluz) distribuidos (área de tragaluz) Dentro del laboratorio de sistemas Dentro del laboratorio de sistemas 4 distribuidos distribuidos Dentro del laboratorio de sistemas Dentro del laboratorio de sistemas 5 distribuidos distribuidos Fuera del laboratorio de sistemas Fuera del laboratorio de sistemas 6 distribuidos (área de tragaluz) distribuidos (área de tragaluz) Dentro del laboratorio de sistemas Dentro del laboratorio de sistemas 7 distribuidos distribuidos Fuera del laboratorio de sistemas Fuera del laboratorio de sistemas 8 distribuidos (área de tragaluz) distribuidos (área de tragaluz) Dentro del laboratorio de sistemas Dentro del laboratorio de sistemas 9 distribuidos distribuidos Fuera del laboratorio de sistemas Fuera del laboratorio de sistemas 10 distribuidos (área de tragaluz) distribuidos (área de tragaluz)Tabla 15 Resultado de localización utilizando tecnología RFID en un escenario de entrada y salida de un área determinadaCapítulo 5 -- Casos de estudio Página 93
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode5.4.2 Escenario 2: localización en edificio multinivelDescripción del escenarioDentro de la distribución de infraestructura RFID en el interior del edificio deldepartamento de ciencias computacionales se colocaron 2 antenas en las zonas en lacual se encuentran las escaleras del edificio que brindan comunicación entre sus dosplantas, las antenas se colocaron en un lateral de las escaleras que se encuentran enla planta baja y de análoga forma en la planta superior. Las antenas fueronconfiguradas mediante el uso de mensajes ROSPEC para modificar la amplitud delespectro electromagnético de cada una de ellas de forma tal que el foco descrito por elespectro cubriera la zona media del área de ingreso a las escaleras en ambas plantas.Cada antena se encuentra asignada a un área de localización diferente de tipo zona,estas áreas se pueden encontrar en el catálogo de zonas del repositorio relacionalcomo: zona_de_escaleras_planta_baja y zonas_de_escaleras_planta_alta. Ladisposición del as antenas se muestra en la siguiente figura. Figura 5.23 Distribución de antenas RFID en la zona de escaleras del edificio del DCCPruebasLas pruebas se realizaron permitiendo la libre circulación de entidades portadoras detag por las áreas de localización de tipo zona correspondiente a las escaleras, lasiguiente tabla muestra los resultados obtenidos. No. De Zona real en la que se encuentra el Zona en la cual se localizó el tag evaluación tag 1 zona_de_escaleras_planta_baja zona_de_escaleras_planta_baja 2 zona_de_escaleras_planta_alta zona_de_escaleras_planta_alta 3 zona_de_escaleras_planta_alta zona_de_escaleras_planta_alta 4 zona_de_escaleras_planta_baja zona_de_escaleras_planta_baja 5 zona_de_escaleras_planta_baja zona_de_escaleras_planta_baja 6 zona_de_escaleras_planta_alta zona_de_escaleras_planta_altaCapítulo 5 -- Casos de estudio Página 94
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode 7 zona_de_escaleras_planta_alta zona_de_escaleras_planta_alta 8 zona_de_escaleras_planta_baja zona_de_escaleras_planta_baja 9 zona_de_escaleras_planta_baja zona_de_escaleras_planta_baja 10 zona_de_escaleras_planta_alta zona_de_escaleras_planta_alta Tabla 26 Resultado de localización utilizando tecnología RFID en un escenario de ascenso y descenso en escalerasResultado de pruebasComo se puede apreciar en las tablas de resultados mostrados la efectividad delocalización de ingreso y egreso a una zona en particular utilizando tecnología RFID esdel 100%, esto se debe en gran medida al acotamiento de las zonas en las cuales sedesplegó la infraestructura RFID. La tecnología RFID tiene un alcance de cobertura nomayor a 9 metros en la zona de mayor amplitud del espectro de una antena, pero suprecisión de localización es, en casos extremos (gran flujo de etiquetas por el portal),del 97%; estas dos cualidades hacen a la tecnología RFID una tecnología ideal paradeterminar la posición de una entidad etiquetada dentro de un área en base a loscriterios de ingreso y egreso, restringiendo el uso de las antenas únicamente a lasáreas de ingreso o egreso, ajustando la posición y amplitud del espectro de cada unade las antenas dentro del arreglo de forma que tal que los espectros de cobertura delas antenas permitan la identificación de una entidad portadora de tags en cualquierpunto del marco dedicado al ingreso o egreso a una zona determinada.Capítulo 5 -- Casos de estudio Página 95
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Capítulo 6 ConclusionesCapítulo 6 -- Conclusiones Página 96
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode6.1 ConclusionesAl plantearse la presente tesis como trabajo de investigación se estableció comoobjetivo principal el desarrollo métodos de programación para ofrecer servicios delocalización en interiores basados en tecnologías de comunicación inalámbrica comoWi-Fi™ y Bluetooth, reconocimiento de etiquetas como RFID o NFC o de códigosbidimensionales QRCode. Los capítulos que componen este documento de tesismuestran el actual estado de desarrollo de sistemas de localización en interiores y lastécnicas implementadas para sus desarrollo, de la evaluación de estas últimas seeligió aquella que mostraba resultados más acertados en entornos no controlados yfue la base para el desarrollo de CHAMAN, una API escrita en java que contienemétodos que al ser implementados permiten desarrollar software que ofrece serviciosde localización en interiores basado en la evaluación de las magnitudes de señaleselectromagnéticas. La descripción de CHAMAN se realizó en el capítulo 5 en el cual seencuentra una descripción detallada de las funciones de cada una de las clases queintegran la API, así como una descripción de los algoritmos de localizaciónimplementados y codificados en los llamados motores de localización. El capítulo 6muestra las pruebas realizadas para demostrar el grado de precisión de los algoritmosdesarrollados e implementados en los motores de localización que componen la APICHAMAN.De la experiencia obtenida y plasmada en capítulos anteriores me permito presentarlas siguientes conclusiones:  Del conjunto de técnicas de localización en interiores presentadas, la técnica de localización en interiores más fiable en entornos expuestos a cambios constantes en distribución de objetos (obstáculos para propagación de señales), horas pico aleatorias de transmisión de datos y tráfico de objetos entre emisor y receptor de señal es aquella que basa su resultado en la comparación de señales a una toma previa de datos. A este tipo de técnicas de localización se les conoce como fingerprint-based.  Utilizando una técnica de localización fingerprint-based para ofrecer servicios de localización es necesario contar con al menos 3 radio mapas de las zonas de localización. Para un resultado más preciso es recomendable obtener 3 diferentes muestras en 3 horarios diferentes cada día y de igual forma obtener radio mapas por cada día de la semana. De esta forma se realiza una muestra de datos más confiable. Esto basado en las pruebas mostradas en el capítulo 6, donde se muestra que la magnitud de una señal electromagnética presenta considerables variaciones en un mismo punto en diferentes horarios del día.  La localización de dispositivos móviles portados por humanos presenta irregularidades que hace del proceso de estandarización de medidas de magnitudes un proceso sumamente complicado, esto debido a que el sujeto (humano) que porta el dispositivo móvil es el principal elemento de atenuación de señales electromagnéticas. Los atributos de individuo anfitrión, tales como altura, masa muscular, cantidad de agua en el cuerpo y vestimenta, son los principales factores que producen un cambio de lectura entre una persona y otra utilizando el mismo dispositivo móvil en el mismo lugar de lectura.Capítulo 6 -- Conclusiones Página 97
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode  Se recomienda el uso de diferentes tipos de señales electromagnéticas para obtener un mayor grado de precisión en el proceso de localización en interiores. De igual forma es recomendable tomar en cuenta los grados de precisión que permite establecer la longitud de onda de cada una de las señales electromagnéticas utilizadas. En un escenario recomendable se utilizan lectores RFID en puertas de entrada y salida de edificios o áreas mayores a 60m2, utilizar al menos 3 señales traslapadas de puntos de acceso Wi-Fi™ dentro de cada área delimitada en su acceso por portales RFID y dentro del área de cobertura Wi-Fi™ colocar en medida de lo posible un arreglo de puntos de acceso Bluetooth en cada arista de cada 4 m2.6.2 Trabajos futurosLos servicios de localización en interiores implementados por CHAMAN brindaninformación que puede complementar la información necesaria para sistemas deevaluación y/o recomendación contextual brindando el atributo de posición. Losmétodos de localización contenidos en los motores de localización de CHAMAN fueronprogramados de forma tal que puede ser importados en cualquier proyecto escrito enJava SE, Jython o Android, esto permite una gran flexibilidad de implementación ennuevos proyectos que necesiten un valor para ofrecer algún tipo de serviciorelacionado. En base en lo mencionado anteriormente se pueden vislumbrar dosramificaciones de líneas de investigación en las que se puede implementar (y en casode ser posible escalar) la API CHAMAN:Sistemas de navegación en interiores para dispositivos móviles con anotacionescontextuales, en el cual los métodos contenidos en CHAMAN pueden brindar lainformación de posición y motores de evaluación contextual, brindar informaciónrelevante para el usuario, todo esto desplegado en un mapa de navegación y ventanasde recomendación en un dispositivo móvil. La siguiente imagen muestra un diagramade la implementación de CHAMAN con los dos sistemas de recomendación yvisualización mencionados previamente.Capítulo 6 -- Conclusiones Página 98
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeFigura 6.1 Diagrama de implementación de CHAMAN y un sistema visor de posición en interiores en undispositivo móvilImplementación de sistemas de localización en interiores que permitan complementarla información contextual de dispositivos intercomunicados entre sí, para formar unainstancia de la internet de las cosas (internet of things 23) . Implementando CHAMAN ,fosstrak y Android SDK for Arduino24, es posible desarrollar hardware que permitasensar el estado de un objeto en particular y, enviar la información de su estado yposición a un sistema de gestión que permita administrar tal información para ofrecerrecomendaciones contextuales dentro de un escenario. Figura 6.2 Diagrama de propuesta de implementación e interoperabilidad en el internet de las cosas entre CHAMAN , fosstrak y hardware Arduino23 http://www.theinternetofthings.eu/ (Recuperado el 10 de Enero del 2012)24 http://www.arduino.cc/es/ (Recuperado el 10 de Enero del 2012)Capítulo 6 -- Conclusiones Página 99
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCodeUna de las principales líneas de investigación en la cual es posible implementar talsolución es el cómputo ubicuo.Capítulo 6 -- Conclusiones Página 100
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode Capítulo 7 ReferenciasCapítulo 7 -- Referencias Página 101
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode7. Referencias WI-FI Based Indoor Positioning Jēkabsons G., Žuravļovs V. Refining Proceedings of the International[Jekabsons, 2010] Scientific Conference Applied Information and Communication Technologies, Latvia, Jelgava, 22.-23. April, 2010. - pp 87-95. Internal Location Based System For Mobile Devices Using Passive RFID And Wireless Technology A.D.Potgantwar, Vijay M.Wadhai[Potgantwar, 2009] International Journal of Computer Science and Information Security, IJCSIS, Vol. 6, No. 3, pp. 153-159, December 2009, USA Neodigit.es “Glosario – API”, 2009. Recuperado de[NEODIGIT 2009] http://www.neodigit.es/glosario-internet/api.html en Agosto de 2009. An Indoor Positioning System (IPS) using Grid Model Wutjanun Muttitanon and Nitin Kumar Tripathi and Marc Souris, DOAJ-[Muttitanon, 2007] Articles 2007 IEEEE Standard for Information technology, Telecommunications and information exchange between systems Local and metropolitan area networks specific requirements Stuart J. Kerry, Chair[Kerry,2008] Al Petrick, Vice-Chair, Treasurer and Chair, Task Group mb Harry R. Worstell, Vice-Chair Stephen McCann, Secretary and Chair, Publicity Standing Committee Teik-Kheong Tan, Chair, Wireless Next Generation Standing Committee Terry L. Cole, Technical Editor and Assigned Number Authority Local positioning system using WiFi networks Pedro Miguel Ferreira Claro, Nuno Borges Carvalho[Ferreira, 2007] Conftele, 2007 Modelo de integración de tecnologías para la provisión de servicios[Bernardos, 2008] móviles basados en localización y contexto. Ana Bernardos Barbolla. Tesis doctoral. Madrid 2008. Localización y seguimiento de terminales móviles en entornos indoor. J.J. Astrain, J. Villadangos, A. Cordoba[Atrain, 2006] II Congreso Iberoamericano sobre Computación Ubicua CICU06, pgs. 255-262, ISBN: 84-8138-703-7, Alcalá de Henares, Spain, June 2006 A Patient Identification System using RFID and IEEEE 802.11b Wireless Networks Antonio Aguilar[Aguilar , 2007] Master of Science Thesis Stockholm, Sweden 2007 Informe de Vigilancia Tecnológica madrid “Tecnología de identificación por radiofrecuencia (RFID): Aplicaciones en[Portillo, 2008] el ámbito de la salud” Javier I. Portillo, Ana Belén Bermejo y Ana M. Bernardos. 2008[PW1] http://www.llrp.org/ Consultado el 20 de Enero del 2011[PW2] http://www.bluetooth.com/Spanish/Technology/Works/Pages/Data_TranspCapítulo 7 -- Referencias Página 102
    • API para servicios de localización en interiores basada en tecnología Wi-Fi, Bluetooth, RFID y QRCode ort_Architecture.aspx Consultado el 15 de Noviembre del 2010 Servicios de localización conscientes del contexto aplicando perfiles de[Arjona, 2009] movilidad y tecnologías de localización heterogéneas. WIFE: Wireless Indoor Positioning Based on Fingerprint Evaluation.[Papapostolou, 2009] Apostolia Papapostolou, Hakima Chaouchi In Proceedings of Networking2009. pp.234~247Capítulo 7 -- Referencias Página 103
    • Capítulo 8 Anexos
    • 8.1 IntroducciónEn el margen de desarrollo de esta tesis se generaron documentos externos a ella tanto porrazones de investigación como por descripción de contenido. Las siguientes seccionesmuestran los documentos mencionados anteriormente, en las próximas secciones se pudeencontrar un articulo fruto de una estancia de investigación en la Universidad de Castilla-LaMancha (España) el cual fue presentado en el congreso internacional RFIDSysTech 2011realizado en la ciudad de Dresden, Alemania. De igual forma se podrá encontrar lasesepcificaciones técnicas del hardware implementado en las pruebas de localización y porúltimo una descripción a modo de JavaDoc de las clases y métodos de la API CHAMAN.8.2 Application to a warehouse environment of a tracking systembased on RFID and free softwareApplication to a warehouse environment of a tracking system based onRFID and free softwareYris Pastor Miguel1, García Higuera Andrés2, García Ansola Pablo2, González SernaGabriel11 CENIDET, México. 2 Autolog, University Castilla – La Mancha, Spain.AbstractThis paper presents the modeling and implementation of a tracking and traceability system of productswithin a warehouse using RFID, Wi-Fi, Android operating system and the EPC standard to optimizethe storage/retrieval and picking processes. We propose a client-server system architecture. The clientapplication can obtain the EPC code of an object marked with an RFID tag inside the warehouse and getthe approximate location of the object read by the client application by reading Wi-Fi signals obtained bythe device running the client application. The application server implements an event and location enginebased on the EPCIS Repository application.. The system allows quick and efficient location of products,while implementing artificial intelligence methods to improve productivity during the picking processes.1 IntroductionChaotic warehouses have become a common scenario in which the lack of reliability on productpositioning has resulted in a significant increase in the times required for picking . In scenarios where achaotic warehouse management is the only available solution for improving productivity, a new approachcan be the implementation of traceability systems based on RFID technology. By having a traceabilitysystem in pace, a company manager or warehouse manager can get the position and status of any productin real time [1]. Currently traceability systems are integrated by specific hardware with non-free software,which usually makes the deployment to become an expensive solution. Past research has lead to thedevelopment of middlewares that manage contextual services based on devices with sensors and activeRFID [2]. Other software solutions offer product localization in real time based active RFID and APIslike Google Maps, but its operation is limited to outdoor use [3]. In most scenarios, only limited versionsfor specific visibility points have been implemented, which means that the current implementations are
    • not suitable for non-fixed product locations. This paper describes the design and implementation of aninternal traceability system for a chaotic warehouse where specific products are not always located in thesame position.Our system consists of two applications, a client application that runs on a Tablet with Android operatingsystem and a server application developed in Java that runs on a Tomcat application server. This serverapplication extends the EPCIS Repository application capabilities. The client device has been deployedon a trans-pallet carrying an RFID reader. The client device communicates via Bluetooth with the RFIDreader at the trans-pallet and sends data via HTTP to the warehouse server trough the LAN (Local AreaNetwork).For the correct performance of the system, the store must have a network of Wi-Fi access points that willprovide coverage on the warehouse picking area. Every pallet that enters the store has an RFID tag andthe database server must have a map of Wi-Fi signals in the warehouse.The client application has 2 main activities: storing and picking. The storage process starts when thetrans-pallet loads a pallet. At this point the RFID reader gets the pallet EPC code and sends it to the clientdevice via bluetooth. The trans-pallet operator places the pallet somewhere in the warehouse (droppingpoint), so that the RFID reader stops reading the EPC code of the pallet. The client application obtains thepower-levels of the signals from the different access points captured at that dropping point in thewarehouse and sends the vector with the following information: EPC code, access point MAC, accesspoint signal strength. This way the server records the pallet storage position for the calculated droppingpoint. Picking operations are managed by an event engine that implements artificial intelligence methods.A Picking operation starts when the event engine sends to the client device the list of objects to collectand the position of each of the objects. The server starts a process of guided tour through the optimalroute for picking the products in the order list.The implementation of our system increases the efficiency of management in a chaotic warehouse byautomatically determining and recording the coordinates of each object placed in the warehouse. Thesystem also includes order management using artificial intelligence techniques to calculate optimal routesfor each order picking; thus reducing time in the picking process. The route is calculated based on thedevices position and the recorded dropping point for the requested pallet. Therefore, the client GraphicalUser Interface (GUI) process uses signal traces of Wi-Fi access points to determine the clients positionand provide optimal routes.The following sections describe the modules that constitute the system. These are classified into modulescontained in the client application and modules contained in the application server. Section four describesthe implementation of the system and some conclusions are finally obtained from the deployment of thesystem.2 DesignIn this client-server set-up the client application runs on a tablet with WLAN and Bluetooth interfaceunder the Android operating system. This client application allows the visualization and description of theEPC obtained from product tags by the RFID reader. EPC data is sent to the server application to initiatethe necessary resource management. Communication with the server application is achieved by sendingXML files and SOAP objects via HTTP. The use of XML files and SOAP objects derived from theimplementation of the EPCIS Repository application[4], this application derived from the project fosstrak[4] implements comunication via XML files. The XML used by EPCIS Repository defines an EPCISevent composed by attributes like time, place where an EPC code has been read and the list of EPCs thathave been read. The Application Server is developed in Java and implements two databases: locationDBand EPCIS RepositoryDB. These databases allow the managing engine of the application server to knowthe position of a client and the tasks each client device must perform. The server application extends allthe features of the free software application EPCIS Repository [9] (capture, query, reports y
    • subscriptions), while holding a client-server communication via XML or SOAP. This feature allows third-party applications to interact with our application. Figure 1 shows a diagram with the internal structure ofthis application. Figure 11: modules and communication diagram 3 Applications modules The system is composed of individual modules with specific tasks. Each module communicates with other modules sending an XML file or the corresponding parameters. The next sections describe the modules for client and server applications. 3.1 Client ApplicationThe client application runs on an operating system Android 2.x. This application has the ability to: get theflow of data emitted by the Bluetooth RFID reader, get information from the access points around theAndroid device and view real-time information sent by the server application. The following subsectionsdescribe the modules of the client application.3.1.1 LocationThis module is responsible for obtaining the track position signal using positioning techniques based onfingerprint signal comparison [5], which is updated to the application server that can generate a relatedevent for the client. Location of client devices is based on the corresponding signal traces of the pointswhere the customer is. A fingerprint is a vector signal composed of the names of access points that cancapture a signal that includes corresponding strengths at that point. For the correct operation of the location module is necessary realize a training stage. In the training stage is obtained and stored into the location database the IEEE 802.11 signal fingerprint of the warehouse. Figure 2 shows a radio-map formed by the signal fingerprint captured in the storage area, this is a graphical representation of signal propagation of the different access points within the coverage area. Red areas show high-power intensity of the signal close to the access points to the WLAN, while yellow areas represent WLAN poor coverage.Figure 12: Warehouse radio-map
    • 3.1.2 CommunicationCommunication modules in this applicationallow interaction between a RFID reader withBluetooth interface and the application server.This has been achieved trough the developmentof programming methods that allow obtainingthe data flow of the RFID reader, create anEPCIS event into a XML file and send it to theserver application. Methods of communicationvia SOAP objects have been developed toensure two-way communication with the serverapplication. This allows the implementation ofapplications that can place queries to the EPCISRepository of all client devices withinwarehouse areas from enterprise customersanywhere in the world [6]. Figure 3 shows alayered model of communications in thisapplication with the hardware involved and theEPCIS Repository implementation. Figure 13: layered model of the communication3.1.3 Display moduleThe display module on the client allows graphical displaying of events generated and sent by the serverapplication. This way the client is informed in real time about each event that takes place and the locationof the objects involved in it.The main screen of the client application is divided into two sections, the left section shows theinformation about the order sent by the event engine.: the order products list, the products were harvestedand the list of products to pick up. The right section shows a map of the warehouse, over the map showsthe route to be followed to make the picking order and position of the pallets that containing products tobe collected. Every time that a product is collected the system updates the display information showingthe new list of products for collecting and the new route to follow.
    • Figure 14: display module in a tablet3.2 Application serverThe application server is implemented in modules containing the event engine, the required mappingtools and the report modules. A synchronised operation of all these modules allows reporting locationand additional information about products in real time. The following subsections describe the modulesof the server application.3.2.1 MappingThe mapping module is composed of a set of methods to calculate the approximate position of eachcustomer in the warehouse. The position of the client is calculated in base to the information of the IEEE802.11 WLANs captured and sent by the client location module. This module sends the positions of eachactive client in the warehouse to the event engine. The fingerprint of access points provides informationabout the clients position and allows the device to guide customers into the warehouse while doing thepicking process.3.2.2 Event Engine.The event engine is responsible for managing the processes followed by products in the distributioncentre. To perform its function, the event engine receives a token from the RFID readers deployed in thewarehouse every time a product performs a process (in, out, store) in the warehouse process cycle. Basedon the status information of the products, the event engine handles an event for each of them (changeposition, underwriting, integrating order and picking). Events such as routing and order picking are sentto the client device.3.2.3 Reporting
    • The reporting module obtains in real time the status and position of a product or order status. Position andID information are stored into a XML file and sent to the client that requested the report. Implementationof XML files allows other systems to check the reports generated by our system.4 Deployment Scenario Figure 5: network diagram of the deployment scenario The scenario where the system has been implemented is a warehouse that has the following infrastructure: RFID antennas deployed in the area of product revenues and expenditures, 4 access points for IEEE 802.11 WLAN,, truck-pallets with an android tablet and an RFID reader with Bluetooth interface, a database server and application server. Figure 5 shows a network diagram of the deployment scenario. 4.1 Implementation The distribution of the traceability hardware at the warehouse is the following: the gates by which products enter o leave the warehouse have 4 RFID antennas each. These antennas scan the pallets to report the entry or exit of products. Each storage-keeping-unit (SKU) – or space to store a pallet -, is identified by a unic Wi-Fi signal strength that identified the SKU andthe passageway. The locations database contains the relation of spaces allocated to all pallets identified bytheir correspondingWi-Fi signal strength . The warehouse has 4 IEEE 802.11 access points that providestotal coverage over the warehouse picking area. Each allocated space for pallets has a signal fingerprintformed by the magnitude of the signal strength of each access point captured at that point. The locationdatabase contains the relation location-fingerprint assigned spaces around the store.In implementation sequence, the first step is getting the radio-map and to store the relation signalstrength-location. To achieve this, the client device displays a warehouse map on which draw a grid, eachgrid cell corresponds to a location area. The forklift operator roam the store stopping at each cell, usingthe touch screen of the android device the forklift operator indicates his location into the grid map of thewarehouse. The location module in the client application obtains the signal fingerprint and together withthe ID of the selected cell trans-pallet operator are sent to the server applicationThe incoming product is transported to a storage passageway available using a trans-pallet with aBluetooth RFID reader placed at the forks of the trans-pallet to scan the RFID tags in the pallets andan Android tablet running the client application. The client application obtains the pallet identifier usingthe RFID reader and the identifier of the cell where the product was deposited based in the comparison ofthe signal fingerprint obtained scanning the WLAN, this information is sends via XML to the eventengine. Each client device is connected to the warehouse WLAN.When a customer places an order, the event engine receives this order and starts the process of resourcemanagement. The event engine gets the availability of products that belong to the order. If there areenough products to fill the order, the event engine gets the list of available forklifts. The system calculatesthe optimal route to pick the order and sends the order and the route to the selected client/trans-pallet.
    • The client application receives the order and the Tablet screen shows the list of products to pick and theoptimal route on the warehouse map. Whenever a product is obtained, this product disappears from thelist on the Tablet screen.Once the list of products is obtained, the client receives the delivery order. When the order is delivered,the forklift becomes available again.Each order delivered is scanned by RFID portals in the warehouse shipping area and the products deletedfrom the list of stocks.5 Conclusions.A tracking system has been implemented that optimizes picking time and increases the efficiency in tasksmanagement inside a chaotic warehouse. The system makes use of common wireless communicationinfrastructure (Access Points IEEE 802.11), passive RFID tags and high performance/low-costAndroid devices for low cost implementation. The communication via XML and SOAP allows third-partyapplications to interact with our application. The modular programming of the client and serverapplication allows an easy maintenance and ensure system scalability. An API is developed based onmethods of communication modules in the client application that extends the features of EPCISrepository for Android OS applications. All these developments are based on free hardware.Future developments will include the implementation of a NFC and LLRP interaction module.6 Literature XiaohuiZhao ,Chengfei Liu, and Tao Lin, “Enhancing Business Process Automation by Integrating RFID Data and Events”, [1] Proceedings of the Confederated International Conferences, CoopIS, DOA, IS, and ODBASE 2009,Portugal. Tomas Sanchez Lopez, Daeyoung Kim, "A Context Middleware Based on Sensor and RFID Information",Proceedings of the Fifth IEEE International [2] Conference on Pervasive Computing and Communications Workshops, PERCOMW 07,2007, USA. Loffler, A.; Wissendheit, U.; Gerhauser, H.; Kuznetsova, D.; , "GIDS - A system for combining RFID-based site information and web-based data for [3] virtually displaying the location on handheld devices", Institute of Electrical and Electronics Engineers -IEEE-: IEEE International Conference on RFID 2008, Las Vegas, USA. [4] http://www.fosstrak.org/epcis/index.html (2011) Jie Yin, Qiang Yang, Learning, “Adaptive Temporal Radio Maps for Signal- Strength-Based Location Estimation”, IEEE Transactions on Mobile [5] Computing , 2008, USA.
    • Andrés García Higuera received his degree in Industrial Engineering for Automation and Electronics atthe Polytechnical University of Madrid in 1991. Previously (since 1987) he already had another degree in MechanicalEngineering from the University of Córdoba (Spain). In 1999 he obtained his PhD in Robotics and Automation at thePolytechnical University of Madrid. In 2001 he joined the Automation and Control Group, Institute forManufacturing, Department of Engineering, University of Cambridge as Senior Research Associate. During this timehe worked as researcher for the Auto-ID Centre. Founded by Gillette, UPS, P&G and UCC this research initiativebegan at the MIT and got together several research centres at a global scale to develop RFID technology solutionsand standards. Pablo Garcia Ansola received the M.Sc. degree in computer science and the MBA from theUniversity of Castilla-La Mancha, Spain. He is currently a Research Scientist in the Autolog Labs in the UCLM. Heis also the manager of the Autolog spin-off, called “Securware”, which received several innovation awards like theIDEA, Innovared or Desafio22. Before joining the UCLM, he was involved in the business intelligent area of themajor Spanish consultancy INDRA, as consultant. His research interests include integration of intelligent Systems inthe SCM and decision making support. Miguel Angel Yris Pastor received the degree in computer science from Juarez lance university ofTabasco, México. currently is a researcher and student at Computer Science departament of the national center ofresearch and technological development (CENIDET) in Cuernavaca Morelos, Mexico. Juan Gabriel González-Serna. Obtained his B.S. degree in computer systems from the AcapulcoInstitute of Technologic (ITA-SEP), México, in 1992, his M.S. degree in computer science from the CENIDETMexico, in 1995 and obtained his PhD degree in computer science from the computing research center, NationalPolytechnic Institute (CIC-IPN), Mexico, in 2006. He works at CENIDET Computer Science Department as aresearcher and professor, he has been in charge of several research projects on wireless and mobile networks and hesupervises master and PhD theses in the same field. He lectures B.S. courses in ITESM Cuernavaca since 2003 andgraduate courses in CENIDET since 1995. He is a member of the Researchers National System (SNI) since 2000
    • 8.3 Especificaciones técnicas de instrumentos utilizados en el proceso de localización 8.3.1 Puntos de acceso Punto de Acceso Linksys WRT54GLModelo: WRT54GEstándares:IEEE 802.3, IEEE 802.3u, IEEE 802.11g, IEEE 802.11bCanales:11 canales (EE. UU., Canadá)13 canales (Europa, Japón)Puertos/botones:Internet: Un puerto 10/100 RJ-45LAN: Cuatro puertos 10/100 RJ-45 conmutadosUn puerto de alimentaciónUn botón de reinicioUn botón SecureEasySetupTipo de cables:Tipo CAT 5Luces: Alimentación, DMZ, WLAN, LAN (1, 2, 3, 4), Internet, SecureEasySetupPotencia de salida de radiofrecuencia: 18 dBmCert./compat. UPnP: CompatibleFunciones de seguridad: Firewall con inspección exhaustiva de paquetes (SPI), directiva deInternetSeguridad inalámbrica: Wi-Fi Protected Access™ 2 o WPA2; (acceso Wi-Fi protegido 2), WEP,filtrado de direcciones MAC inalámbrico. Capítulo 8 -- Anexos Página 113
    • Punto de Acceso Linksys WRT120NModelo: WRT120NEstándares: IEEE 802.3u, 802.11g, 802.11b, versión 802.11nLuces: Alimentación, Internet, Conexión inalámbrica, Wi-Fi Protected Setup™ (Configuración Wi-Fiprotegida), Ethernet (1-4)Puertos: Internet, Ethernet (1-4), alimentaciónBotones: Reinicio, Wi-Fi Protected Setup™ (Configuración Wi-Fi protegida)Tipo de cableado: Cat 5Número de antenas: 2 (internas)Modulaciones: 802.11b: CCK/QPSK, BPSK802.11g: OFDM/BPSK, QPSK, 16-QAM, 64-QAM802.11n: OFDM/BPSK, QPSK, 16-QAM, 64-QAMPotencia transmitida en dBm:802.11b: 16,5 ± 1,5 dBm (habitualmente)802.11g: 13,5 ± 1,5 dBm (habitualmente)802.11n: 13,5 ± 1,5 dBm (habitualmente)Sensibilidad de recepción en dBm:-94 dBm (habitualmente) a 1 Mbps-90 dBm (habitualmente) a 11 Mbps-75 dBm (habitualmente) a 54 MbpsGanancia de la antena en dBi: 2,0 (máx.)Cert./compat. UPnP: CompatibleSeguridad inalámbrica: Wi-Fi Protected Access™ 2 o WPA2; (acceso Wi-Fi protegido 2), WEP,filtrado de direcciones MAC inalámbricoBits de clave de seguridad:Encriptación de hasta 128 bits Capítulo 8 -- Anexos Página 114
    • Punto de Acceso DLink 2440tESTÁNDARESIEEE 802.11n (draft 2.0)IEEE 802.11g/bSupport Full/Half Duplex operationsSupport Auto NegotiationHARDWARESDRAM: 8 MBFlash: 2MBPUERTOS4 Puertos LAN 10/100 Mbps Fast Ethernet MDI/MDIX1 Puerto WAN 10/100 Mbps Fast Ethernet MDI/MDIX (Soporta Dirección IP estática, DHCP Client,PPPoE, PPTP, L2TP, IPSec, VPN Pass through)Botón ResetConector EnergíaANTENA1 Antena Fija tipo dipoloGanancia: 5 dBiESTÁNDAR IEEE802.11BModulación:DQPSKDBPSKCCKFrecuencia:2400 a 2483.5 MHz ISM bandNúmero de Canales:11 Canales FCC Capítulo 8 -- Anexos Página 115
    • 13 Canales EuropaData Rate:11, 5.5, 2, 1 MbpsMedia Access Protocol:CSMA/CA con ACKPotencia de Transmisión:17 dBm at 11, 5.5, 2 y 1 MbpsSensibilidad de Recepción:-79 dBm for 11Mbps–82 dBm for 5.5Mbps–84 dBm for 2Mbps–86 dBm for 1MbpsESTÁNDAR IEEE802.11GModulación:BPSKQPSK16QAM64QAMOFDMFrecuencia:2400 a 2483.5 MHz ISM bandData Rate:54, 48, 36, 24, 18, 12, 9 y 6 MbpsMedia Access Protocol:CSMA/CA con ACKPotencia de Transmisión:14 dBm at 54, 48 Mbps15 dBm at 36, 24 Mbps16 dBm at 18, 12 Mbps16 dBm at 9, 6 MbpsSensibilidad de Recepción:–65 dBm at 54Mbps–66 dBm at 48Mbps–70 dBm at 36Mbps–74 dBm at 24Mbps–77 dBm at 18Mbps–79 dBm at 12Mbps–81 dBm at 9Mbps–82 dBm at 6Mbps Capítulo 8 -- Anexos Página 116
    • 8.3.2 Portal RFIDLector RFID Impinj SpeedwayAir Interface Protocol EPCglobal UHF Class 1 Gen 2 / ISO 18000-6CPerformance Includes all possible performance configurations and functionality to deliver peak performance for even the most challenging of applicationsSupported Regions and  US, Canada, and other regions following US FCC PartGeographies 15 regulations  Europe and other regions following ETSI EN 302 208 v1.2.1 without LBT regulations  Australia, Brazil, China, India, Japan, Korea, New Zealand, Singapore, South Africa, Taiwan, Uruguay  Pending regulatory approval—Hong Kong, Malaysia, Thailand, and VietnamAntennas 4 high performance, monostatic antenna ports optimized for Impinj reader antennas (RP TNC)Transmit Power  +10.0 to +30.0 dBm (PoE)  +10.0 to +32.5 dBm1 (external universal power supply) Note 1: Speedway Revolution requires professional installation, may only be operated with Impinj-approved antennas, and can radiate no more than 36 dBm EIRP per FCC Part 15.247 regulations. Other regulatory regions have similar restrictions. Consult the Installation and Operations Guide to learn more.Max Receive Sensitivity -82 dBmMax Return Loss 10 dBApplication Interface EPCglobal Low Level Reader Protocol (LLRP) v1.0.1 10/100BASE-T auto-negotiate (full/half) with auto-Network Connectivity sensing MDI/MDX for auto-crossover (RJ-45)Cellular Connectivity*  Sierra Wireless AirLink PinPoint XT (CDMA or GSM connectivity with GPS data)Capítulo 8 -- Anexos Página 117
    •  Sierra Wireless AirLink Raven XT (CDMA or GSM connectivity) (* Available through Impinj-authorized partners)IP Address Configuration DHCP, Static, or Link local Addressing (LLA) with Multicast DNS (mDNS)Time Sychronization Network Time Protocol (NTP)Management Interfaces  Impinj Web Management UI  Impinj RShell Management Console using serial management console port, telnet or SSH  SNMPv2 MIBII  EPCglobal Reader Management v1.0.1  SyslogReliable Firmware Upgrade  Dual image partitions enable smooth transition to new firmware while the reader is still operating  Scalable upgrade mechanism enabling simultaneous scheduled upgrades of multiple reader  USB Flash Drive  Impinj Web Management UI  RS-232 using a standard Cisco-style management Cable (DB-9 to RJ-45)Management Console  Baud rate: 115200; Data: 8 bit; Parity: none; Stop: 1 bit; Flow control: noneUSB  USB 1.1 Device (Type B) and Host (Type A) ports  USB Virtual COM Serial Port and USB drive support for embedded applicationsGPIO  4 inputs, optically isolated, 3–30V  4 outputs, optically isolated, 0– 30V, non-isolated 5V, 100 mA supply (DB-15)Power Sources  Power over Ethernet (PoE) IEEE 802.3af  +24 VDC @ 800 mA via external universal power supply with locking connector—sold separatelyCapítulo 8 -- Anexos Página 118
    • 8.3.3 Dispositivo móvil clienteHTC WildFireDimensionesPeso: 118g (con batería)Procesador Qualcomm® MSM7225A™, 528 MHzBatería Batería recargable de iones de litio Capacidad: 1300 mAhCámara Cámara color de 5 megapíxeles con enfoque automático y flashNavegación Bola de navegación ópticaAplicaciones Friend Stream, YouTube™, Facebook®, Twitter™, Flickr®, HTC PeepCapítulo 8 -- Anexos Página 119
    • Pantalla 3.2 pulgadas QVGA de 240 x 320 píxeles Pantalla sensible al tactoSistema Operativo Plataforma Android™ 2.1 (Éclair) con HTC Sense™Memoria ROM: 512 MB RAM: 384 MB Tarjeta de memoria microSD ™ (compatible con SD 2.0)Red HSPA/WCDMA 850/1900 MHz Velocidades de carga de hasta 384 kbps y velocidad de descarga de hasta 7.2 Mbps Cuatro bandas GSM/GPRS/EDGE: 850/900/1800/1900 MHz (*)Conectividad Bluetooth® 2.1 con FTP/OPP para transferencia de archivos Wi-Fi® IEEE 802.11 b/g Micro-USB estándar (micro-USB de 5 conectores) Conector de sonido estéreo de 3,5 mm Antena GPS internaCapítulo 8 -- Anexos Página 120
    • Capítulo 8 -- Anexos Página 121