App per smartphone Crowdsources Planimetrie interne

Le mappe hanno ripetutamente rivoluzionato il mondo sin dagli albori della civiltà. L'iterazione più recente si basa sull'adozione diffusa della tecnologia smartphone e delle applicazioni location-based che essa consente.

Chiunque disponga di uno di questi dispositivi ha accesso al sistema di posizionamento satellitare globale, un enorme database di mappe altamente accurate e altri livelli di informazioni aggiuntive, come nomi di strade, bar locali e persino le posizioni degli amici.

Ma tutto questo si ferma non appena si entra in un edificio. È noto che il GPS smette di funzionare al chiuso e sono disponibili poche mappe per le località al chiuso.

Google e altri hanno iniziato a cambiare questa situazione creando mappe di alcuni grandi centri commerciali negli Stati Uniti e in Giappone. Ma i progressi sono lenti, soprattutto perché queste mappe devono essere create faticosamente più o meno a mano.

Oggi, questo sembra destinato a cambiare grazie a un'idea innovativa di Moustafa Alzantot e Moustafa Youssef dell'Università di Alessandria in Egitto. Questi ragazzi hanno sviluppato un'app che raccoglie i dati dai sensori degli smartphone per costruire automaticamente le planimetrie degli interni. La nuova app si chiama CrowdInside.

Chiaramente, il tipo e la qualità dei dati è cruciale. Questi ragazzi sottolineano che gli smartphone sono dotati di un'ampia varietà di sensori: dispositivi GPS, magnetometri (bussole), accelerometri e persino misuratori di potenza dei segnali WiFi che danno una stima approssimativa della distanza dall'hotspot più vicino. Usano tutti questi dati in un modo notevolmente innovativo.

La tecnica di base è stimare utilizzando un accelerometro come pedometro e il magnetometro come un cercatore di direzione. Il numero di passi in una direzione specifica dà un'idea approssimativa della distanza percorsa.

Il problema, ovviamente, è che la stima è notoriamente suscettibile di errori, che si accumulano rapidamente nel tempo. Per aggirare questo problema, il sistema deve essere costantemente ricalibrato utilizzando punti in una posizione nota.

Questa è la parte intelligente del sistema. Alzantot e Youssef iniziano utilizzando la posizione in cui i dati GPS non sono disponibili per determinare l'ingresso all'edificio. Ciò fornisce un punto di partenza per la stima.

Successivamente, utilizzano i dati del sensore per individuare quando gli utenti si trovano in un ascensore, utilizzano una scala mobile o semplicemente salgono o scendono le scale. In ogni caso, il movimento produce un modello unico di accelerazione che è diverso dal camminare e quindi li rende facili da individuare.

Poiché tutte queste posizioni sono fisse in un edificio, possono essere utilizzate come punti di ancoraggio per ricalibrare i calcoli della stima stimata. Il risultato è un'app che traccia i movimenti di un utente in un edificio con ragionevole precisione.

La grande potenza di questo sistema deriva dal prendere dati da molti utenti, in altre parole dal crowdsourcing. Questo affina la planimetria, rendendola più accurata.

Consente inoltre di dedurre dati di livello superiore, come la forma delle stanze osservando la diffusione delle tracce, o la posizione delle porte cercando l'intersezione tra corridoi e stanze.

La mappa qui sopra proviene da circa 150 tracce.

È un'idea intelligente con un potenziale commerciale significativo. Alzantot e Youssef non dicono se renderanno CrowdInside ampiamente disponibile. Qualunque siano i loro piani, devono assicurarsi di aver protetto la loro proprietà intellettuale, un compito che potrebbe essere più impegnativo in Nord Africa che in altre parti del mondo.

Auguriamo loro buona fortuna.

Rif: arxiv.org/abs/1209.3794 : CrowdInside: Costruzione automatica di planimetrie per interni

nascondere