Lokalisierungs-Technologien in Ubiquitous Computing

Überblick über Lokalisierungs-Technologien in Ubiquitous Computing

Nino Ulsamer, 05.02.2007

Einleitung

In diesem Paper wird ein Überblick über Lokalisierungstechnologien im Ubiquitous Computing gegeben. Ubiquitous Computing bezeichnet das Phänomen, dass Rechner „allgegenwärtig“ werden, d.h. durch fortschreitende Miniaturisierung, höhere Rechenleistung und billigere Produktionskosten in solchen Massen hergestellt werden können und so klein konstruiert werden können, dass sie an quasi jedem beliebigen Ort eingesetzt werden können.

Lokalisierungstechnologien haben in solchen Systemen einen hohen Stellenwert, denn nur durch sie werden die vielfältigen Anwendungsmöglichkeiten der ubiquitären Computertechnik ermöglicht. Die Lokalisierung kann auf zweierlei Arten erfolgen: direkt oder indirekt. Bei der direkten Lokalisierung wird die Position des Devices ohne Umwege bestimmt – ein Beispiel für ein solches System ist GPS. Im Gegensatz dazu wird beim indirekten Lokalisieren die bekannte Position eines Ortungsgerätes dazu genutzt, beim Identifizieren eines Geräts in der Nähe dieses Ortungsgeräts dessen Position aus der schon bekannten abzuleiten. Gleichzeitig wird in den meisten Fällen der Nutzer dadurch identifiziert, so dass sich weitere Anwendungsmöglichkeiten auftun.

Im Folgenden werden die wichtigsten dieser Technologien kurz vorgestellt, dabei werden auch jeweils kurz sinnvolle Anwendungsszenarien aufgezeigt.

Indoor-Lokalisierungssysteme

Indoor-Lokalisierungssysteme sind für den Gebrauch innerhalb geschlossener Räume konzipiert. Sie unterscheiden sich hinsichtlich ihrer Messgenauigkeit, die wiederum stark von der verwendeten Technologie abhängt und von der Richtung des Informationsflusses (Push vs. Pull, aktive vs. passive Verfahren). Im Vergleich zu den vorgestellten Outdoor-Verfahren beruhen sie alle auf der Idee, dass das zu identifizierende Objekt an einer definierten Stelle identifiziert wird (wie, darin unterscheiden sich die Verfahren) und dann aufgrund der Ortsinformation, die man über den „Identifizierer“ (den RFID-Reader o.Ä.) hat, auf den Aufenthaltsort des Objekts geschlossen werden kann.

Active Badge (IR)

Active Badge ist ein System, das von Want et al. entwickelt wurde, um indoor-Lokalisierung insbesondere im Büro-Alltag zu ermöglichen. Das System soll automatisch Telefonanrufe auf das Telefon weiterleiten, an dem sich der Mitarbeiter gerade befindet. Das System beruht auf einem netzwerkbasierten Ansatz, bei dem jeder Mitarbeiter ein Infrarot-Tag am Körper trägt („active badge“), das in periodischen Abständen ein Signal („beacon“) aussendet. Diese Signale werden von entsprechenden Sensoren in der Umgebung registriert und die Person kann durch Auslesen einer ID, die im Signal mitgesendet wird, identifiziert werden. Dadurch, dass das ausgesandte Signal sehr kurz ist, wird die Batterie nicht allzu stark beansprucht, so dass das Tag bis zu ein Jahr lang ohne Austausch der Batterien getragen werden kann. (siehe 1)

RFID

Ein ebenfalls schon länger existierendes Verfahren zur Ortung von Personen oder Gegenständen ist die Radio Frequency Identification, RFID abgekürzt. Hier wird grundsätzlich unterschieden zwischen passiven und aktiven Tags. Passive Tags werden von entsprechenden RFID-Readern, also Lesestationen, per Induktion in einem elektrischen Feld zur Übertragung ihrer gespeicherten Informationen, meist nur eine ID, bewegt. Bei aktiven Tags ist eine Batterie vorhanden, so dass das Tag von sich aus seine Daten senden kann – was in einer sehr viel höheren Reichweite resultiert. Sogenannte Smart-Tags gehen noch einen Schritt weiter und integrieren einen Mikroprozessor auf dem Tag, der weitere Umgebungsinformationen auswerten kann: so ist beispielsweise ein Tag vorstellbar, das die Umgebungstemperatur auslesen und weitergeben kann. Hierbei ergeben sich interessante Anwendungsmöglichkeiten wie die kontinuierliche Temperaturüberwachung gekühlter Lebensmittel.

Zur Lokalisierung wird RFID nun wie folgt verwendet: ein Netzwerk aus RFID-Readern wird installiert, die zusammen mit ihrer Position in einer Datenbank gespeichert werden. Wird nun an einem Reader ein bestimmtes Tag erkannt, so kann man diesem Tag die Position des Readers zuordnen, weil es sich in unmittelbarer Nähe (bei passiven Tags im Abstand von etwa einen Meter, bei aktiven einige Meter) des Readers befinden muss.

WLAN-Fingerprinting

Eine weitere Technik zur Indoor-Lokalisierung ist das sogenannte WLAN-Fingerprinting. Die Idee, die hier zugrunde liegt, ist die Möglichkeit der Positionsbestimmung anhand eines gewissen Musters der ausgesandten Funkwellen mehrerer WLAN-Access-Points. (siehe 2)

Bevor man ein solches System verwenden kann, muss es in einer „Offline-Phase“ kalibriert werden, d.h. man muss die auftretenden Muster an definierten Orten messen und in einer Tabelle ablegen. Wenn nun in der „Online-Phase“ ein bestimmtes Muster gemessen wird, kann man in der Tabelle nachlesen, an welcher Stelle man sich nun befindet.

Für das Fingerprinting gibt es drei verschiedene Betriebsmodi: terminalunterstützt, terminalbasiert und netzwerkbasiert. Beim terminalunterstützten Verfahren werden die Messungen am Terminal (dem zu lokalisierenden Gerät) durchgeführt, an den Server weitergeleitet und dort ausgewertet. Die eigentliche Positionsbestimmung findet also am Server statt. Im terminalbasierten Modus hingegen werden sowohl Messung als auch Auswertung (Interpretation) der Daten im Terminal vorgenommen. Der netzwerkbasierte Ansatz funktionier t umgekehrt, hier werden die Beacons, die vom Terminal ausgesandt werden, von den verschiedenen Access-Points empfangen und von einem zentralen Server auf ihre Signalstärke o.Ä. hin untersucht – daraus wird letztendlich die Position des Terminals berechnet.

Fingerprinting-Verfahren werden momentan verstärkt eingesetzt, da sie ein relativ einfach zu implementierendes Verfahren sind, das auf meist bereits vorhandener Infrastruktur aufsetzt (WLAN-Access-Points). Ein nicht zu unterschätzender Nachteil ist jedoch die aufwändige Offline-Phase, in der je nach gewünschter Genauigkeit sehr viele Positionsmessungen durchgeführt werden müssen. Ein weiterer Nachteil ist, dass bei einer Messung nicht einmal zwingend der richtige Raum vorhergesagt werden kann. Wenn sich die Person nahe der Wand aufhält und die Wellenmuster auf beiden Seiten der Wand ähnlich sind, könnte versehentlich die Person auf der falschen Seite vermutet werden – was in den meisten Fällen zu einem nicht-akzeptablen Ortungsergebnis führt.

Gesichtserkennung

Das Gesicht ist das Erkennungsmerkmal eines Menschen, das zunächst am vertrautesten erscheint, weil wir es selbst sehr häufig verwenden, um andere Menschen zu erkennen. Technische Algorithmen, die versuchen, ein Gesicht einem Menschen zuzuordnen, basieren meist auf der Positions- und Formerkennung verschiedener Gesichtsmerkmale wie Mund, Nase, Augen, Augenbrauen und deren Lage zueinander. Das offensichtliche Problem der Gesichtserkennung liegt jedoch darin, dass das Gesicht aus völlig unterschiedlichen Perspektiven erkannt werden muss. Damit wird es für einen Algorithmus unter Umständen sehr schwierig, die definierten Gesichtsmerkmale überhaupt zu entdecken. Erschwerend kommen unterschiedliche (dem System unbekannte) Hintergrundmotive hinzu, die ebenfalls entsprechend herausgerechnet werden müssen. (siehe 5)

Stimmerkennung

Ein weiteres Verfahren, was auf biometrischen Merkmalen beruht, ist die Stimmerkennung. Aufgrund der einzigartigen Ausprägungen von Mund, Nase, Nebenhöhlen, Lippen usw. durch die Töne erzeugt werden, kann die Stimme als Erkennungsmerkmal von Menschen dienen. Die Verlässlichkeit des Systems ist jedoch nicht ausreichend genug, als dass es für hochsensible Anwendungen geeignet wäre.

Grundsätzlich werden zwei verschiedene Verfahren unterschieden: die Stimmerkennung anhand eines vordefinierten Textes und anhand eines zufällig gewählten Textes. Bei einem vordefinierten Text ist die Erkennung relativ einfach und zuverlässig, jedoch kaum praktikabel. Außerdem wäre eine Identitätsfälschung durch das einmalige Mitschneiden des Textes ohne Probleme möglich. Besser geeignet erscheint also das zweite Verfahren, das jedoch technisch anspruchsvoll ist. Bei der Umsetzung gibt es somit auch oben erwähnte Probleme der Erkennungsungenauigkeit. Erschwerend kommen störende Hintergrundgeräusche hinzu, die von dem System herausgefiltert werden müssen. Die Stimme ist zudem abhängig von der emotionalen Verfassung des Sprechers, was eine Erkennung weiter erschwert.

Ein Stimmerkennungsverfahren kann derzeit also kaum als einziges Verfahren verwendet werden, sondern nur unterstützend zu anderen Verfahren wirken. (siehe 5)

Fußabdruckerkennung

Orr und Abowd zeigen in 3, dass es auch andere, innovativere Ansätze gibt, um das indoor-Tracking Problem zu lösen. Sie haben ein System namens „Smart Floor“ entwickelt, das, wie der Name schon vermuten lässt, den Nutzer anhand des Fußabdrucks auf dem Boden erkennen kann. Mit Hilfe der Kraft und Kraftverteilung, die auf ein bestimmtes Oberflächenstück einwirkt, erreichen sie so eine 93%ige Trefferwahrscheinlichkeit, eine bestimmte Person zu erkennen.

Vorteile des Verfahrens liegen auf der Hand: im Gegensatz zu den bisher erläuterten Verfahren, muss man keine Marke oder ein Tag bei sich tragen, um erkannt zu werden (was beispielsweise beim nächtlichen Aufstehen um in die Küche zu gehen nur in den seltensten Fällen gewährleistet werden könnte), außerdem ist das System nicht abhängig von Lichtverhältnissen (vgl. Gesichtserkennung im Dunkeln) oder von Umgebungsgeräuschen (vgl. Stimmerkennung).

Trotz der schon recht guten Ergebnisse sehen Orr und Abowd ihr System jedoch als rein unterstützend wirkendes System, das also anderen Ortungs-/Erkennungssysteme bei der Entscheidungsfindung helfen kann.

Outdoor Lokalisierungssysteme

Die bislang vorgestellten Lokalisierungssysteme waren alle für den indoor-Bereich ausgelegt, sie versagen allerdings meistens, wenn es um die Anwendung im Freien geht, zumeist wegen der flächenmäßigen Abdeckung, die zu kostspielig wäre. Die in diesem Abschnitt vorgestellten Systeme basieren daher auf Lokalisierungstechniken, die besonders für den Einsatz draußen geeignet sind.

GPS

Das wohl bekannteste Positionierungssystem überhaupt ist das Global Positioning System (GPS). Es funktioniert durch die Messung der Laufzeitunterschiede von Signalen, die von GPS Satelliten ausgesendet werden und von einem GPS Receiver empfangen werden. Dabei ist Sichtkontakt zu mindesten vier Satelliten notwendig, weshalb das System innerhalb geschlossener Räume meist zu unbrauchbaren Ergebnissen führt. Durch den Einsatz von etwa 30 Satelliten, die in festgelegten Winkeln um die Erde kreisen, wird sichergestellt, dass an jedem Ort der Erde eine Ortung möglich ist. Die Berechnung erfolgt im Endgerät selbst, ist also terminalbasiert. GPS ermöglicht eine Messgenauigkeit von wenigen Metern, was für die meisten Anwendungen ausreicht.

Bis Ende 2010 soll außerdem die europäische Variante Galileo einsatzbereit sein, die eine Unabhängigkeit von den Amerikanern schaffen soll.

Cell-ID

Ein weniger bekanntes da weniger verbreitetes Verfahren zur Ortsbestimmung beruht auf der sogenannten Cell indentification (Cell-ID). Die Cell-ID wird von den Netzbetreibern dazu verwendet, einzelne Zellen ihres Mobilfunknetzes zu identifizieren. Da die Cell-ID per Broadcast an alle Teilnehmer im Netz verschickt wird, steht diese Information auch allen Geräten, die sich in das Netz eingebucht haben, zur Verfügung. Auf den meisten Handys ist es zudem möglich, die Cell-ID per API auszulesen, so dass hier ein großes Potential zur Lokalisierung vorhanden ist.

Ein Nachteil der Cell-ID ist jedoch die teilweise mangelhafte Genauigkeit. Diese hängt direkt mit der Zellgröße ab, liegt also durchschnittlich bei etwa 200 Metern, wobei davon auszugehen ist, dass in dichter besiedelten Gebieten der Radius entsprechend kleiner ist – auf dem Land können es jedoch auch bis zu 35km werden. Es hängt vom individuellen Anwendungsfall ab, ob diese Genauigkeit ausreichend ist. (siehe 4)

Zusammenfassung

Abschließend bleibt festzustellen, dass Lokalisierungstechniken im Ubiquitous Computing noch in den Kinderschuhen stecken. Es gibt zwar bereits einige Ansätze, zum Teil auch recht vielversprechend, die auch bereits ihre Existenzberechtigung aufgrund verschiedener Anwendungen erlangt haben, jedoch findet man genauso viele Beispiele, in denen eine Lokalisierung noch nicht in zufriedenstellendem Maße möglich ist.

Denk man beispielsweise an die Möglichkeiten, die eine Lokalisierung einer Person im Haus ermöglichen würde, so würden sich gerade für die Unterhaltungsindustrie vielfältige Möglichkeiten ergeben. Das typische Beispiel der Musik, die einen beim Wandern durch die Räume seines Hauses begleitet, ist jedoch beispielweise noch keine Realität geworden.

Auch die fortschreitende Miniaturisierung bietet einige neue Herausforderungen. Die verwendete Technologie muss klein genug sein, um nicht der beschränkende Faktor bei der Größe des Devices zu werden.

Ein Thema, das bei dem Schlagwort Lokalisierung auch stets im Hintergrund mitschwingt, ist die Besorgnis um die Privatsphäre des Nutzers. Einerseits müssen die Systeme sicher genug sein, um eine unautorisierte Ortung des Nutzers auszuschließen. Andererseits muss sichergestellt werden, dass die Instanzen, die zur Ortung berechtigt sind, ihre Befugnisse nicht ausnutzen und somit den gläsernen Menschen, dessen Aufenthaltsort zu jeglichem Zeitpunkt bestimmt werden kann, nicht Wirklichkeit werden zu lassen.

Es gibt also noch einige offene Punkte und man kann gespannt sein, wohin die Entwicklung hier führen wird.

Literaturverzeichnis

1) Want R., Hopper A., Falcão V., Gibbons J.: “The active badge location system” in ACM Transactions on Information Systems (TOIS), 1992

2) Patmanathan, Vinod: “Area Localization using WLAN”, 2006

3) Orr R., Abowd G.: “The Smart Floor: A Mechanism for Natural User Identification and Tracking”, Georgia Institute of Technology, 1999

4) Zeimpekis V., Giaglis G., Lekakos G., „A taxonomy of indoor and outdoor positioning techniques for mobile location services” in ACM SIGecom Exchanges, Volume 3 , Issue 4, 2002

5) Jain A., Hong L., Pankanti S.: “Biometric identification” in Communications of the ACM, Volume 43 , Issue 2, 2000