211service.com
Aplicación para teléfonos inteligentes Crowdsources Planos de planta para interiores
Los mapas han revolucionado repetidamente el mundo desde los albores de la civilización. La iteración más reciente se basa en la adopción generalizada de la tecnología de los teléfonos inteligentes y las aplicaciones basadas en la ubicación que permite.
Cualquiera con uno de estos dispositivos tiene acceso al sistema global de posicionamiento por satélite, una enorme base de datos de mapas de alta precisión y otras capas de información adicional, como nombres de carreteras, cafeterías locales e incluso la ubicación de amigos.
Pero todo esto se detiene tan pronto como ingresas a un edificio. Se sabe que el GPS deja de funcionar en interiores y hay pocos mapas disponibles para ubicaciones en interiores.
Google y otros han comenzado a cambiar esto haciendo mapas de algunos grandes centros comerciales en los EE. UU. Y Japón. Pero el progreso es lento, en gran parte porque estos mapas tienen que crearse minuciosamente más o menos a mano.
Hoy, eso parece estar listo para cambiar gracias a una idea innovadora de Moustafa Alzantot y Moustafa Youssef en la Universidad de Alejandría en Egipto. Estos chicos han desarrollado una aplicación que recopila datos de los sensores de los teléfonos inteligentes para construir planos de interiores de forma automática. La nueva aplicación se llama CrowdInside.
Claramente, el tipo y la calidad de los datos son cruciales. Estos muchachos señalan que los teléfonos inteligentes están equipados con una amplia variedad de sensores: dispositivos GPS, magnetómetros (brújulas), acelerómetros e incluso medidores de intensidad de señales WiFi que dan una estimación aproximada de la distancia al punto de acceso más cercano. Utilizan todos estos datos de una manera notablemente innovadora.
La técnica básica es la navegación a estima usando un acelerómetro como podómetro y el magnetómetro como buscador de dirección. El número de pasos en una dirección específica da una idea aproximada de la distancia recorrida.
El problema, por supuesto, es que la navegación a estima es notoriamente susceptible a errores, que se acumulan rápidamente en el tiempo. Para evitar esto, el sistema debe recalibrarse constantemente utilizando puntos en una ubicación conocida.
Esta es la parte inteligente del sistema. Alzantot y Youssef comienzan usando la ubicación donde los datos de GPS no están disponibles para determinar la entrada al edificio. Eso le da un punto de partida para la navegación a estima.
A continuación, utilizan los datos del sensor para detectar cuándo los usuarios están en un ascensor, utilizando una escalera mecánica o simplemente subiendo o bajando escaleras. En cada caso, el movimiento produce un patrón de aceleración único que es diferente al caminar y, por lo tanto, los hace fáciles de detectar.
Dado que todas estas ubicaciones están fijas en un edificio, se pueden usar como puntos de anclaje para recalibrar los cálculos de navegación a estima. El resultado es una aplicación que rastrea los movimientos de un usuario en un edificio con una precisión razonable.
El gran poder de este sistema proviene de tomar datos de muchos usuarios, en otras palabras, de crowdsourcing. Esto agudiza el plano del piso, haciéndolo más preciso.
También les permite inferir datos de nivel superior, como la forma de las habitaciones al observar la extensión de los rastros, o la posición de las puertas al buscar la intersección entre los pasillos y las habitaciones.
El mapa de arriba proviene de aproximadamente 150 rastros.
Es una idea inteligente con un potencial comercial significativo. Alzantot y Youssef no dicen si harán que CrowdInside esté ampliamente disponible. Cualesquiera que sean sus planes, deben asegurarse de haber protegido su propiedad intelectual, una tarea que puede ser más desafiante en el norte de África que en otras partes del mundo.
Deseémosles suerte con él.
Ref: arxiv.org/abs/1209.3794 : CrowdInside: Construcción automática de planos de planta para interiores