Going Deeper Underground: Using accelerometers on mobile devices to enable positioning on underground public transportation systems

Thomas Stockx
Nooit meer verdwalen in de metroDankzij de razendsnelle evolutie van technologieën als GPS en WiFi kunnen smartphonegebruikers bijna overal hun locatie bepalen. Ondergronds werken deze technieken echter niet en slaan bestaande apps zoals Google Maps de bal helemaal mis. Dit wordt getoond in figuur 1.Nochtans zijn er verschillende toepassingen mogelijk als we de locatie van een gebruiker kunnen bepalen. Om te beginnen zou een gebruiker zijn locatie kunnen bekijken in bestaande apps als Google Maps. Stel je dan voor dat dit uitgebreid wordt met een GPS-achtige applicatie voor de metro.

Going Deeper Underground: Using accelerometers on mobile devices to enable positioning on underground public transportation systems

Nooit meer verdwalen in de metro

Dankzij de razendsnelle evolutie van technologieën als GPS en WiFi kunnen smartphonegebruikers bijna overal hun locatie bepalen. Ondergronds werken deze technieken echter niet en slaan bestaande apps zoals Google Maps de bal helemaal mis. Dit wordt getoond in figuur 1.

Nochtans zijn er verschillende toepassingen mogelijk als we de locatie van een gebruiker kunnen bepalen. Om te beginnen zou een gebruiker zijn locatie kunnen bekijken in bestaande apps als Google Maps. Stel je dan voor dat dit uitgebreid wordt met een GPS-achtige applicatie voor de metro. Zo kun je perfect je weg vinden in buitenlandse metro-netwerken, ook al ben je er nog nooit geweest. En geloof ons, we hebben dit in 4 steden wereldwijd getest!

Ondergrondse localisatie

SubwayPS (of Subway Positioning System voluit) is een nieuwe methode om de locatie van een smartphone te bepalen zonder dat hier extra hulpmiddelen voor nodig zijn.  Hiervoor wordt dezelfde sensor gebruikt als bij verschillende games, namelijk de accelerometer. Deze sensor “voelt” trillingen en zwaartekracht en zorgt er ook voor dat je bij race-games bochten kan maken door je smartphone schuin te houden.

Door een paar wiskundige berekeningen uit te voeren op de metingen van deze sensor, kan bepaald worden of het metrotoestel waar je op zit momenteel aan het rijden is of niet. Omdat we met de hulp van uurroosters weten hoe lang het ongeveer duurt alvorens de gebruiker in het volgende station aankomt, kunnen we een relatieve positie berekenen tussen het vorige en het volgende station. Doordat we de uurroosters gebruiken, kunnen we zelfs weten of de metro stopt in de tunnel in plaats van aan een station. Zo kunnen we de gebruiker altijd een nauwkeurige locatie geven van waar hij of zij zich bevindt.

Android app

MetroNavigator is een voorbeeld app voor Android toestellen en toont aan hoe SubwayPS gebruikt kan worden. De app werkt als een soort ondergrondse GPS: de gebruiker kiest een start- en eind-station en kan verder volledig volgen waar hij zich bevindt. MetroNavigator brengt de gebruiker ook op de hoogte van interessante bezienswaardigheden in de buurt zoals musea of andere toeristische attracties. Als je de smartphone toch maar liever in je zak laat steken, kan je ook een smartwatch versie gebruiken. Als de smartwatch verbonden is met de smartphone, toont deze dezelfde meldingen.

Vergelijking met bestaande technieken

SubwayPS is getest in 3 verschillende studies. In de eerste studie werd gekeken naar hoe nauwkeurig de detectie van stations is. Hierbij werd aangetoond dat 85.8% van alle stations goed gedetecteerd werden. Vergelijkbare technieken haalden tot nu slechts een percentage van ca. 55%.  Deze studie werd uitgevoerd in maar liefst 4 verschillende steden: Brussel, Keulen, Londen en Minneapolis.

In de tweede studie maakten verschillende testpersonen gebruik van de MetroNavigator app en gaven hierbij hun feedback. Als we in deze studie eerst weer kijken naar accuraatheid komen we uit bij 85.7%, wat heel vergelijkbaar is met de resultaten uit de eerste studie. We kregen feedback als “Aangezien GPS hier niet werkt, lijkt dit op een GPS voor ondergrondse treinen – Ik wil dit in Google Maps!” en “Het is echt cool om te zien waar de trein beweegt en stopt – Ik voel mij veiliger als ik kan zien dat we dicht bij het volgende station gestopt zijn wanneer we stil staan in een tunnel.” Het grootste voordeel van MetroNavigator was de functie om mensen naar hun eindbestemming te leiden (14 van de 16 participanten), en het weten waar men zich bevindt (12 van de 16 participanten). Een enkele participant zei “Wow, dit is net magie” toen de visualisatie van de trein stopte wanneer de echte trein dat ook deed. Ze zei verder: “... Eerst dacht ik dat deze app een beetje saai was aangezien het gewoon een metro-icoontje bewoog volgens de uurrooster, maar nu zie ik dat het GPS heeft.”.

In de derde studie werd bestudeerd of er een verschil is tussen het gebruik van SubwayPS  en het gebruik van de uurroosters. Hierbij werden 50 ritten gemaakt met de metro, waarbij de resultaten van SubwayPS vergeleken werden met de uurroosters. SubwayPS detecteerde 85.0% van de stations correct, of 78% volledig juiste ritten. Echter, slechts 42% van de ritten was juist volgens de uurroosters. Om dat dit niet eerlijk is ten opzichte van treinen die al met vertraging vertrekken, hebben we ook gekeken naar de relatieve tijd tussen de stations. Het uur van aankomst maakt in dit geval niets uit, zolang de reistijd tussen de stations maar overeenkomt met de uurroosters. Ook hier haalde de uurroosters slechts een accuraatheid van 50%. Deze studie toonde aan dat SubwayPS maar liefst 28% nauwkeuriger is dan zich te baseren op gemiddelde reistijd of uurroosters.

Conclusie

SubwayPS is een nieuwe techniek die het mogelijk maakt om de locatie van een smartphone te bepalen op ondergrondse metronetwerken. Enkel sensoren die al aanwezig zijn op een smartphone worden gebruikt, dus er zijn geen extra kosten voor de vervoersmaatschappijen. Er werd aangetoond dat SubwayPS werkt in vier verschillende metronetwerken uit twee verschillende continenten, en accurater is dan de officiële uurroosters voorzien door de vervoersmaatschappijen.

Bibliografie

[1] C. Ascher, C. Kessler, M.Wankerl, and G. Trommer. Using orthoslam and aidingtechniques for precise pedestrian indoor navigation. In Proc. of ION GNSS '09,pages 743{749, 2001.[2] J. Biagioni, T. Gerlich, T. Merrield, and J. Eriksson. Easytracker: automatictransit tracking, mapping, and arrival time prediction using smartphones. InProc. of Sensys '11, pages 68{81. ACM, 2011.[3] M. Bohmer, B. Hecht, J. Schoning, A. Kruger, and G. Bauer. Falling asleepwith angry birds, facebook and kindle: a large scale study on mobile applicationusage. In Proc. of MobileHCI '11, pages 47{56. ACM, 2011.[4] S. Deterding, M. Sicart, L. Nacke, K. O'Hara, and D. Dixon. Gamication. usinggame-design elements in non-gaming contexts. In Proc. of CHI EA '11, pages2425{2428. ACM, 2011.[5] L. Fang, P. Antsaklis, L. Montestruque, M. McMickell, M. Lemmon, Y. Sun,H. Fang, I. Koutroulis, M. Haenggi, M. Xie, et al. Design of a wireless assistedpedestrian dead reckoning system-the navmote experience. IEEE Transactionson Instrumentation and Measurement, 54(6):2342{2358, 2005.[6] C. Fischer, K. Muthukrishnan, M. Hazas, and H. Gellersen. Ultrasound-aidedpedestrian dead reckoning for indoor navigation. In Proc. of MELT '08, pages31{36. ACM, 2008.[7] D. Grejner-Brzezinska, C. Toth, and S. Moapoor. Performance assessment ofa multi-sensor personal navigator supported by an adaptive knowledge basedsystem. The International Archives of the Photogrammetry, Remote Sensingand Spatial Information Sciences, 37:857{866, 2008.[8] A. Harter, A. Hopper, P. Steggles, A. Ward, and P. Webster. The anatomy of acontext-aware application. Wireless Networks, 8(2/3):187{197, 2002.[9] S. Hemminki, P. Nurmi, and S. Tarkoma. Accelerometer-based transportationmode detection on smartphones. In Proc. of SenSys '13, page 13. ACM, 2013.[10] Google Inc. Control location settings for Google Now - Search Help, AndroidHelp. http://support.google.com/websearch/answer/2824786?hl=en, [Online;accessed 29-May-2014], 2014.93[11] N. Karlsson, E. Di Bernardo, J. Ostrowski, L. Goncalves, P. Pirjanian, andM. Munich. The vslam algorithm for robust localization and mapping. In Proc.of ICRA '05, pages 24{29. IEEE, 2005.[12] M. Keally, G. Zhou, G. Xing, J. Wu, and A. Pyles. Pbn: towards practicalactivity recognition using smartphone-based body sensor networks. In Proc. ofSensys '11, pages 246{259. ACM, 2011.[13] M. Kourogi and T. Kurata. Personal positioning based on walking locomotionanalysis with self-contained sensors and a wearable camera. In Proc. of ISMAR'03, page 103. IEEE Computer Society, 2003.[14] M. Kourogi, N. Sakata, T. Okuma, and T. Kurata. Indoor/outdoor pedestriannavigation with an embedded gps/rd/self-contained sensor system. In Advancesin Articial Reality and Tele-Existence, pages 1310{1321. Springer, 2006.[15] F. Li, C. Zhao, G. Ding, J. Gong, C. Liu, and F. Zhao. A reliable and accurateindoor localization method using phone inertial sensors. In Proc. of Ubicomp'12, pages 421{430. ACM, 2012.[16] B. Lim and A. Dey. Toolkit to support intelligibility in context-aware applications.In Proc. of Ubicomp '10, pages 13{22. ACM, 2010.[17] M. Lochtefeld, S. Gehring, J. Schoning, and A. Kruger. Pinwi: pedestrian indoornavigation without infrastructure. In Proc. of NordiCHI '10, pages 731{734.ACM, 2010.[18] M. Muehlbauer, G. Bahle, and P. Lukowicz. What can an arm holster wornsmart phone do for activity recognition? In Proc. of ISWC '11, pages 79{82.IEEE, 2011.[19] S. Pace, G. Frost, I. Lachow, D. Frelinger, D. Fossum, D. Wassem, and M. Pinto.The Global Positioning System, chapter GPS history, chronology and budgets.1995.[20] G. Pritchard, J. Vines, P. Briggs, L. Thomas, and P. Olivier. Digitally driven:how location based services impact the work practices of london bus drivers. InProc. of CHI '14, pages 3617{3626. ACM, 2014.[21] F. Raab, E. Blood, T. Steiner, and H. Jones. Magnetic position and orientationtracking system. IEEE Transactions on Aerospace and Electronic Systems,(5):709{718, 1979.[22] P. Robertson, M. Angermann, and B. Krach. Simultaneous localization andmapping for pedestrians using only foot-mounted inertial sensors. In Proc. ofUbicomp '09, pages 93{96. ACM, 2009.94[23] A. Ruiz, F. Granja, J. Prieto Honorato, and J. Rosas. Accurate pedestrian indoornavigation by tightly coupling foot-mounted imu and rd measurements. IEEETransactions on Instrumentation and Measurement, 61(1):178{189, 2012.[24] J. Schoning, A. Kruger, K. Cheverst, M. Rohs, M. Lochtefeld, and F. Taher.Photomap: using spontaneously taken images of public maps for pedestrian navigationtasks on mobile devices. In Proc. of MobileHCI '09, page 14. ACM, 2009.[25] A. Serra, D. Carboni, and V. Marotto. Indoor pedestrian navigation systemusing a modern smartphone. In Proc. of Ubicomp '10, pages 397{398. ACM,2010.[26] M. Susi, V. Renaudin, and G. Lachapelle. Motion mode recognition and stepdetection algorithms for mobile phone users. Sensors, 13(2):1539{1562, 2013.[27] A. Thiagarajan, J. Biagioni, T. Gerlich, and J. Eriksson. Cooperative transittracking using smart-phones. In Proc. of Sensys '10, pages 85{98. ACM, 2010.[28] S. Wang, C. Chen, and J. Ma. Accelerometer based transportation mode recognitionon mobile phones. In Proc. of APWCS '10, pages 44{46. IEEE, 2010.[29] R. Want, A. Hopper, V. Falc~ao, and J. Gibbons. The active badge locationsystem. ACM Transactions on Information Systems, 1992.[30] Wikipedia. Metro systems by annual passenger rides, Wikipedia,The Free Encyclopedia. http://en.wikipedia.org/w/index.php?title=Metrosystems by annual passenger rides, [Online; accessed 29-May-2014], 2014.[31] P. Zhou, Y. Zheng, and M. Li. How long to wait?: predicting bus arrival timewith mobile phone based participatory sensing. In Proc. of MobiSys '12, pages379{392. ACM, 2012.

Universiteit of Hogeschool
Informatica
Publicatiejaar
2014
Kernwoorden
@thomasstockx
Share this on: