Wi‑Fi + BIM: как повысить точность indoor‑позиционирования

В статье на Habr ML авторы рассказывают о практическом эксперименте по улучшению indoor‑позиционирования с помощью обычной Wi‑Fi‑инфраструктуры. Традиционные методы, основанные лишь на измерении RSSI‑уровней, дают погрешность в несколько метров, что недостаточно для задач «умных» зданий. Чтобы решить проблему, команда интегрировала два дополнительных источника данных: 1) BIM‑модели (Building Information Modeling) – цифровые трехмерные представления конструкции здания, включающие планировку, материалы стен и расположение точек доступа; 2) семантику использования помещений – метки типа «офис», «коридор», «конференц‑зал», которые влияют на характер распространения сигнала.

Алгоритм сначала собирает Wi‑Fi‑отчёты от мобильных устройств, затем сопоставляет их с геометрией BIM, учитывая препятствия (стены, перегородки) и их электромагнитные свойства. Семантические метки позволяют корректировать модель распространения, например, учитывая более высокую отражательную способность стеклянных перегородок в офисных зонах. В результате получена гибридная модель, обучаемая на реальных измерениях в нескольких офисных помещениях.

Эксперимент показал, что средняя ошибка позиционирования снизилась с 2,8 м до 0,9 м, а 90‑й перцентиль – с 5,1 м до 1,6 м. При этом не требовалось устанавливать дополнительное оборудование, а лишь использовать уже существующую Wi‑Fi‑сеть и BIM‑данные, которые часто уже присутствуют в проектах зданий. Авторы также обсудили ограничения метода: требуется актуальная BIM‑модель и корректные семантические аннотации, а также достаточное количество измерений для обучения модели.

Статья полезна как для инженеров‑разработчиков систем умных зданий, так и для исследователей, работающих над улучшением точности indoor‑позиционирования без дорогостоящего оборудования.