Bereitstellung von Umgebungsinformationen und Positionsdaten für ortsbezogene Dienste in Gebäuden

Mit dem Aufkommen und der steigenden Verbreitung von Smartphones,
haben ortsbezogene Dienste einen festen Platz im täglichen Leben
vieler Nutzer erhalten. Dabei werden auf Basis des Aufenthaltsortes
gezielt Informationen gefiltert, Umgebungsinformationen verfügbar
gemacht oder Suchergebnisse nach Lokalität bewertet. Zudem werden
bestimmte Dienste, wie mobile Routenfindung und Navigation,
ermöglicht. Viele Dienste beziehen nicht nur die Position eines
Nutzers mit ein, sondern erlauben es, die Position von Freunden
anzuzeigen oder automatische Benachrichtigungen beim Betreten
bestimmter Regionen zu erzeugen. Erfordert ein ortsbezogener Dienst
eine hohe Positionsgenauigkeit, so wird die Position globale
Satellitennavigationssysteme bestimmt. Auch in großen komplexen
Gebäuden, wie Museen, Flughäfen oder Krankenhäusern, besteht Bedarf
an ortsbezogenen Informationen. Beispiele hierfür sind die Suche
nach einem speziellen Ausstellungsstück im Museum, die Navigation
zum richtigen Gate am Flughafen oder das Treffen mit einem Freund
im selben Gebäude. Solche ortsbezogene Dienste in Gebäuden werden
im folgenden auch mit dem englischen Begriff Indoor-Location Based
Services (I-LBS) bezeichnet. Sie vereinfachen in vielen Situationen
unser Leben und werden zukünftig eine ähnliche Verbreitung wie
herkömmliche ortbezogene Dienste erlangen. Derzeit existiert jedoch
keine Lösung, die I-LBS flächendeckend ermöglicht. Dazu gibt es vor
allem zwei Gründe: Zum einen gibt es im Gegensatz zu Außenbereichen
keine allgemein verfügbare Kartenbasis. Die Baupläne sind oftmals
unter Verschluss und eignen sich mehr für die Planung und
Überwachung von Baumaßnahmen als für den semantischen
Informationsgewinn. Zum anderen ist der Empfang von
Satellitensignalen in Gebäuden so schlecht, dass damit im
allgemeinen keine genügend genaue Position bestimmt werden kann.
Eine alternative kostengünstige und überall verfügbare
Positionsbestimmung von genügend hoher Genauigkeit existiert
derzeit nicht. In dieser Arbeit werden Lösungsmöglichkeiten für
beide Probleme vorgestellt und evaluiert, die einem Nutzer eine
vergleichbare Dienstnutzung erlauben sollen, wie er es in
Außenbereichen bereits gewöhnt ist. Anhand der Anforderungen von
I-LBS und Ortungssystemen werden zwei verschiedene Umgebungsmodelle
entwickelt. Eines basiert auf der Geography Markup Language (GML)
und bietet eine flexible Vektor-basierte Repräsentation eines
Gebäudes mit hierarchischen und Graph-basierten Elementen. Zudem
wird die vollautomatische Erzeugung eines solchen Modells aus
Bauplänen vorgestellt, die einen weiteren Schritt zur
flächendeckenden Bereitstellung von Plänen für I-LBS darstellt. Das
andere Modell basiert auf einer Bitmap als Raster-basierter
Kartendarstellung, welche mithilfe von Bildbearbeitungsalgorithmen
und Konventionen in der Farbgebung semantisch angereichert wird.
Auch hier werden Möglichkeiten zur automatischen Erzeugung des
semantischen Modells, beispielsweise aus abfotografierten
Fluchtplänen, erörtert. In einem letzten Schritt werden beide
Modelle in einem flexiblen hybriden Umgebungsmodell kombiniert, um
Anfragen je nach Datenbasis möglichst effizient beantworten zu
können. Die Positionsbestimmung in Gebäuden wird anhand von einigen
Verbesserungen für Fingerprinting-Ansätze auf Smartphones
behandelt. Das Fingerprinting basiert dabei entweder auf
Kamerabildern oder auf WLAN-Signalen. Zudem werden zusätzliche
Sensoren, wie Kompass und Beschleunigungssensor, zur Verbesserung
der Genauigkeit und Robustheit hinzugenommen. Um die
Positionsbestimmung für den Einsatz in I-LBS verfügbar zu machen,
ist jedoch nicht nur eine hohe Genauigkeit, sondern vor allem eine
große Flexibilität die Hauptanforderung. Zu diesem Zweck wurde ein
Ansatz entwickelt, welcher ohne Nutzerinteraktion allein auf Basis
von Kartenmaterial und inertialen Sensoren ein oder mehrerer Nutzer
eine Fingerprint-Datenbank erzeugt, welche anderen Nutzern zur
Verfügung gestellt werden kann. Mit dem Ziel der Kosten- und
Komplexitätsreduktion, sowie der Lösung des Problems der Aktualität
von Daten in Fingerprint-Datenbanken, hilft der Ansatz bei der
automatischen flächendeckenden Ausbringung von Referenzdaten zur
Positionsbestimmung. Um die Brücke zwischen I-LBS und LBS zu
schlagen, reicht es allerdings nicht aus, beide Arten von Diensten
getrennt zu betrachten. Eine nahtlose Dienstnutzung muss möglich
sein und somit werden sowohl eine nahtlose Positionsbestimmung, als
auch eine nahtlose Bereitstellung von Kartenmaterial notwendig. Zu
diesem Zweck wurde ein Plattform entwickelt, welche auf Basis einer
Sensorbeschreibungssprache automatisch die Auswahl und Kombination
der zu nutzenden Sensoren zur Positionsbestimmung ermittelt. Zudem
verfügt die Plattform über eine Komponente, die auf Basis der
Positionsdaten passende Umgebungsmodelle zur Verfügung stellt und
die Transformation von Positionsdaten zwischen verschiedenen
Modellen ermöglicht.