GIN - Global Inomhus Navigering

Viktiga resultat som projektet gav

Global Inomhus Navigering (GIN) har haft som mål att utveckla en ny självlärande inomhusnavigering som automatiskt karakteriserar byggnader genom användning av tjänsten i vanliga mobiltelefoner. Nya algoritmer och metoder har utvecklats som använder insamlad positionsdata och automatiskt identifierar de vanligaste vägarna, trappor/hissar och entréer i en byggnad. Med denna karaktärisering kan man sedan skapa en mängd värdefulla tjänster t.ex. inomhusnavigering, lokalisering av nödställda, hitta utrustning och effektiviseringslösningar.

Långsiktiga effekter som förväntas

Projektet har utvecklat en komplett prototyp för självlärande inomhuspositionering: 1. Ny Android app för datainsamling 2. Nya positioneringsmetoder med maskininlärning 3. Ny ruttextraheringsmetod som automatiskt beräknar entréer och de vanligaste vägarna i en byggnad 4. Portal som visar beräknade vägar i en byggnad och demonstrerar inomhusnavigering Utvärdering på olika typer av byggnader visar att vi kan automatiskt uppskatta vägar med cirka 2-10m noggrannhet, vilket är fullt tillräckligt för inomhusnavigering i t.ex. köpcentrum.

Upplägg och genomförande

Projektet har genomförts av Combain tillsammans med Matematikcentrum, Lunds universitet. Projektet har byggt på vår egen självlärande inomhuspositionering, egen IoT-tracking plattform och öppen källkod. Detta gjorde det möjligt att fokusera på de nya delar som krävts och att på kort tid kunna sätta ihop en prototyp som demonstrerar automatiseringen från användardata till en komplett inomhusnavigering. Projektet har verifierat inomhusnavigering i fyra olika typer av byggnader: bostad, kontor, universitet och köpcentrum. Större byggnader gav bättre resultat.

Externa länkar

Combains forskningssida där GIN projektet presenteras samt löpande nyheter och resultat publiceras.