API para Servicios de Localizacio N en I PDF

Centro Nacional de Investigacin y Desarrollo
Tecnolgico
Departamento de Ciencias Computacionales
TESIS DE MAESTRA EN CIENCIAS

API para servicios de localizacin en interiores basada en
tecnologa Wi-Fi, Bluetooth, RFID y QRCode
presentada por
Miguel Angel Yris Pastor

Lic. En Ciencias de la computacin por la Universidad Jurez Autnoma de Tabasco
como requisito para la obtencin del grado de:

Maestra en Ciencias en Ciencias de la Computacin
Director de tesis:
Dr. Juan Gabriel Gonzlez Serna
Jurado:
Dr. Mximo Lpez Snchez Presidente
Dr. Guillermo Rodrguez Ortiz Secretario
Dra. Azucena Montes Rendn Vocal
Dr. Juan Gabriel Gonzlez Serna Vocal Suplente
Cuernavaca, Morelos, Mxico.
28 de febrero de 2012
La investigacin aqu plasmada fue desarrollada gracias al apoyo del Consejo Nacional de
Ciencia y Tecnologa (CONACyT), el Centro Nacional de Investigacin y Desarrollo Tecnolgico
(CENIDET) y el grupo AUTOLOG de la Universidad de Castilla-La Mancha, Espaa.
Dedicatoria
Si desarrollar y redactar todo este conjunto de ideas me permite tener cierta propiedad sobre
ellas me gustara dedicarlas a todos aquellos que directa o indirectamente aportaron un
granito de arena o una playa completa para iniciar y finalizar esta aventura. Mencionarlos a
todos me hara ocupar 5 o 6 veces el volumen de esta tesis, pero estoy seguro de haberlo hecho
en su momento y que ellos se dieron por enterados, an as, si por azares del destino o por el
bibliotecario local te encuentras leyendo este documento Gracias.
Miguel Angel Yris Pastor, Mxico DF. 4 de febrero de 2012
Agradecimientos
En una opinin muy personal, creo que son muy pocas las actividades o empresas de
las cuales un hombre o mujer se puede enorgullecer de haberlas realizado sin ayuda
de alguien ms; Este no es el caso.
Gracias a Mam, Karen Mariel Njera, Normita Bolio, Juan Carlos Yris, Jos Antonio
Yris. Luis David Yris Pastor, Claudia Vara, Marbella Pastor, Salvador Galvn, Gabriel
Gonzlez, Mximo Lpez, Azucena Montes, Guillermo Rodriguez, Ricardo Estrada,
Hugo Estrada, Alicia Martnez, Mnica Pichardo, Alejandra Ramrez, Julia Arana, Andrs
Garca, Pablo Garca, Javier de las Morenas, Francisco Carreo, Rafel Otal, Arturo Bejar,
Blanca Vargas, Bea Escobar, Ainoa Castillo, Cesar Villatoro, al equipo Autolog Ciudad
Real, al equipo Autolog Cuenca, equipo de mecnica de la escuela de ingenieros.
. A las incontables Dulcineas y Sanchos que contestaron de una forma u otra la

solicitud de acorredme en las innumerables afrentas que a este avasallado intelecto
se le ofrecan
A todos ellos Gracias (a pesar de mi necedad, nada de esto se hubiese logrado)
API para servicios de localizacin en interiores basada en tecnologa Wi-Fi, Bluetooth, RFID y QRCode
ABSTRACT
The next generation of mobile services is presumed to be highly adaptive to the users
personal features and to his environmental, physical and technological condition and
subsequent consequences. This context-aware paradigm, which originates from the
vision of ubiquitous computing and is supposed to drive the design of future
commercial mobile services, still presents a lot of technological, social and business
challenges. [Bernardos, 2008]
One these challenge is to obtain the position of a user within a specific area.Today
there are indoor location systems, which allow determining the position of an object
within an
area.To
achieve
its purpose,
these systems
use pattern
recognition techniques such asthermal, visual or electromagnetic pattern recognition.
Systems using electromagnetic patterns are the basis of this thesis. in this research
report we propose, model, develop and implement methods for indoor location based
on signal patterns as Wi-Fi, Bluetooth or RFID.These methods are encoded within an
API written in Java.
The main chapters of this thesis show the modeling, development and implementation
of an API that contains the methods needed to develop indoor location services using
a client-server architecture using context evaluation of electromagneticpatterns.In the
development of client server architecture has been proposed to the client as mobile
device with Wi-Fi interfaces and Bluetooth , or an object / individual identified by a
passive RFID tag.The last three chapters of this document show the tests performed to
obtain the degree of assertiveness of the methods developed in the context of varying
signals scenarios.
RESUMEN
A las siguientes generaciones de servicios mviles se les presupone un alto grado de
adaptacin a la identidad, objetivos, situacin fsica y tecnolgica de sus usuarios.
Este paradigma de diseo de servicios, que aprovecha el conocimiento del contexto
de las entidades inmersas en el entorno, y que se considera derivado y habilitador del
concepto de computacin ubicua, presenta an numerosos retos tecnolgicos,
sociales y de negocio para su puesta en operacin y posterior generalizacin de uso.
[Bernardos, 2008].
Uno de los retos de los cuales hace mencin Norma Bernardos en el prrafo anterior
es la determinacin de la posicin de un usuario en un rea especfica de grandes
dimensiones o multinivel. Conocidos como indoor location systems (sistemas de
localizacin en interiores por sus siglas en ingls ILS) son sistemas evaluadores del
contexto de una persona o dispositivo mvil dentro de un rea de localizacin para
determinar su posicin dentro de la misma. Estos sistemas se basan (e incluso se
pueden llegar a clasificar por ellas) en diferentes tcnicas de evaluacin (o sensado)
del medio para determinar la posicin de un objeto con respecto a un punto
previamente identificado. Por nombrar algunos se pueden mencionar aquellos que se
basan en las huellas de temperatura de ciertos objetos, reconocimiento de patrones
visuales, velocidad de trfico y desplazamiento o reconocimiento de magnitudes de
seales electromagnticas. Estos ltimos son los que ocupan el objetivo de esta tesis,
que, a modo de sistematizacin de ciertos procesos, propone, modela, desarrolla,
implementa y evala mtodos de localizacin en interiores basados en la evaluacin
de seales electromagnticas de tipo Wi-Fi, Bluetooth y RFID. Para fines prcticos y
de implementacin los mtodos de localizacin fueron automatizados dentro de
mtodos y clases de programacin a modo de librera de funciones. Esta librera fue
desarrollada en el lenguaje de programacin JAVA para garantizar la compatibilidad
de las funciones sobre cualquier plataforma (sistema operativo) que permita la
ejecucin de una maquina virtual java (JVM, Java Virtual Machine).
Los captulos nucleares de esta tesis muestran el modelado, desarrollo e
implementacin de una API que contiene los mtodos necesarios para desarrollar
servicios de localizacin en interiores utilizando una arquitectura cliente-servidor
mediante la evaluacin del contexto de seales electromagnticas. En el desarrollo de
la arquitectura cliente servidor se ha propuesto al cliente como un dispositivo mvil con
interfaces Wi-Fi y Bluetooth, o a un objeto/individuo identificado por una etiqueta
RFID pasiva.
Los tres ltimos captulos de este documento muestran las pruebas realizadas para
obtener el grado de asertividad de los mtodos desarrollados en escenarios de
contexto de seales variables. El ltimo captulo de este documento muestra la
descripcin en formato JAVADoc de cada uno de los mtodos que componen la API
desarrollada para ofrecer servicios de localizacin en interiores basados en tecnologa
Wi-Fi, Bluetooh y RFID. De igual manera se encuentra una copia de un artculo de
investigacin publicado en el congreso internacional RFIDSystech 2011 producto de
un desarrollo e investigacin relacionada a lo mostrado en este documento.
Tablas de contenidos
ndice de captulos
Captulo 1 -- Introduccin
1.1. Introduccin ______________________________________________________ 2
1.2. Problema _________________________________________________________ 3
1.3 Objetivo principal___________________________________________________ 3
1.4 Estructura del documento ____________________________________________ 3
Captulo 2 -- Marco conceptual

2.1 Introduccin _______________________________________________________ 6
2.2. RFID _____________________________________________________________ 6
2.3. IEEE 802.11 _______________________________________________________ 7
2.4. API (Application Program Interface) ___________________________________ 7
2.5. LLRP (Low Level Reader Protocol) _____________________________________ 7
2.6. Sistema de localizacin en interiores __________________________________ 10
2.7. Bluetooth ________________________________________________________ 11
Captulo 3 -- Estado del arte

3.1 Introduccin ______________________________________________________ 14
3.2. An Indoor Positioning System (IPS) using Grid Model _____________________ 14
3.3. Local positioning system using WiFi networks __________________________ 15
3.4.- Internal Location Based System For Mobile Devices Using Passive RFID And
Wireless Technology __________________________________________________ 17
3.5. A Patient Identification System using RFID and IEEEE 802.11b Wireless Networks
___________________________________________________________________ 18
3.6 Localizacin y seguimiento de terminales mviles en entornos indoor. _______ 19
3.7 Servicios de localizacin conscientes del contexto aplicando perfiles de movilidad

y tecnologas de localizacin heterogneas ________________________________ 20
Captulo 4 -- CHAMAN
4.1 Introduccin ______________________________________________________ 23
4.2 Mtodo de localizacin en interiores basados en huella de seal (Fingerprint) _ 24
4.3 Descripcin de general de la API ______________________________________ 24
4.4 Funcionalidades ___________________________________________________ 26
4.5 Modelo y arquitectura de la API para servicios de localizacin en interiores
utilizando tecnologa Wi-Fi, Bluetooth, RFID y QRCode. _____________________ 28
4.5.1 Modelo del proceso de localizacin implementado en la API __________________ 29
4.5.2 Reglas de inferencia utilizadas por CHAMAN en el proceso de localizacin en
interiores ________________________________________________________________ 30
4.6.2 Modelo entidad relacin del esquema utilizado para la persistencia de datos
utilizados para el proceso de localizacin ______________________________________ 32
4.6.3 Arquitectura de capas de la API para servicios de localizacin en interiores. ______ 35
4.7 Diseo de capas de la API ___________________________________________ 36

4.7.1 Capa de conexin fsica ________________________________________________ 36
4.7.1.1 Clase RFIDReaderLLRPConnection _____________________________________________ 37
4.7.1.2 Clase RFIDReaderSMNPConnection ____________________________________________ 38
4.7.1.3 Clase WiFiClientConnection __________________________________________________ 38
4.7.2 Capa de traduccin de datos ____________________________________________ 39

4.7.2.1 Clase TranslateRawData ____________________________________________________ 41
4.7.2.2 Clase trainingRadioMap _____________________________________________________ 41
4.7.2.3 Clase locationPackage ______________________________________________________ 41
4.7.2.4 Clase ROSPEC_Event ________________________________________________________ 42
4.7.3 Capa de filtrado de datos _______________________________________________ 42

4.7.3.1 Clase LocationAreaIdentification ______________________________________________ 43
4.7.3.2 Clase RFIDIdentification _____________________________________________________ 43
4.7.3.3 Clase PlayersIdentiffication __________________________________________________ 43
4.7.4 Capa de procesamiento de datos ________________________________________ 43

4.7.4.1 Subcapa de entrenamiento __________________________________________________ 44
4.7.4.3 Subcapa de localizacin _____________________________________________________ 45
Microlocalizacin ________________________________________________________________ 47
Macrolocalizacin ________________________________________________________________ 49
Localizacin utilizando contexto de tecnologas RFID o NFC ______________________________ 49
Localizacin utilizando QRCodes ____________________________________________________ 50
4.7.4.4 Capa de conexin a repositorios relacionales _____________________________ 51

4.7.4.5 Capa de servicios ____________________________________________________ 52
4.8 Diagrama de clases ________________________________________________ 53
Captulo 5 -- Casos de estudio

5.1 Introduccin ______________________________________________________ 55
5.2 Caso de estudio 1: Localizacin en interiores utilizando contexto de tecnologas
Wi-Fi y Bluetooth____________________________________________________ 55
5.2.1 Descripcin del escenario_______________________________________________ 55
5.2.2 Entrenamiento _______________________________________________________ 57
5.2.2.1 Implementacin del mtodo de localizacin fingerprint ___________________________ 57
5.2.2.2 Diseo de un grid virtual sobre el rea de localizacin ___________________________ 57
5.2.2.3 Creacin de radiomapa de reas de localizacin ________________________________ 60
5.3 Localizacin en interiores en un medio no controlado _________________________ 63

5.3.1 Microlocalizacin ____________________________________________________________ 63
5.3.2 Macrolocalizacin ___________________________________________________________ 81
5.3.3 Resultados _________________________________________________________________ 91
5.4 Caso de estudio 2: Localizacin en interiores utilizando contexto de tecnologa

RFID _______________________________________________________________ 91
5.4.1 Escenario 1: acceso a una zona de localizacin ______________________________ 92
Descripcin del escenario __________________________________________________________ 92
Pruebas ________________________________________________________________________ 93
5.4.2 Escenario 2: localizacin en edificio multinivel ______________________________ 94

Descripcin del escenario __________________________________________________________ 94
Pruebas ________________________________________________________________________ 94
Resultado de pruebas ______________________________________________________ 95
Captulo 6 -- Conclusiones
6.1 Conclusiones ______________________________________________________ 97
6.2 Trabajos futuros ___________________________________________________ 98
Captulo 7 -- Referencias
7. Referencias _______________________________________________________ 102
Captulo 8 -- Anexos
8.1 Introduccin _____________________________________________________ 105
8.2 Application to a warehouse environment of a tracking system based on RFID and
free software _______________________________________________________ 105
8.3 Especificaciones tcnicas de instrumentos utilizados en el proceso de localizacin
__________________________________________________________________ 113
8.3.1 Puntos de acceso ____________________________________________________ 113
Punto de Acceso Linksys WRT54GL _________________________________________________ 113
Punto de Acceso Linksys WRT120N _________________________________________________ 114
Punto de Acceso DLink 2440t _______________________________________________ 115

8.3.2 Portal RFID _________________________________________________________ 117
Lector RFID Impinj Speedway ______________________________________________________ 117
8.3.3 Dispositivo mvil cliente ______________________________________________ 119
ndice de figuras
Figura 2.1 Modelo de objetos de protocolo LLRP

Figura 1 Arquitectura de transporte de datos de Bluetooth
Figura 2- Esquema de capas los elementos y procesos involucrados en la
localizacin del dispositivo cliente
Figura 3.- Arquitectura del sistema de localizacin
Figura 3.3 .- Modelo de comunicacin del sistema
Figura 4.- Simulacin de la aplicacin en la cual se ha obtenido la posicin del
dispositivo (cubculo 4)
Figura 5.- Reglas usadas para la evaluacin difusa de localizacin, en ella
interviene la calidad de la seal de 4 puntos de acceso ( AP) y obtiene como
resultado la zona en la que se encuentra el cliente
8
12
15
16
17
18
19
Figura 3.6 Diagrama de flujo de proceso de guiado en base a lectura de tags

RFID
20
Figura 3.6 Pantallas involucradas en el proceso de guiado en base a lectura de

tags RFID
21
Figura 4.1 Diagrama de funcionalidades de las capas que componen a

CHAMAN
28
Figura 4.2 Modelo del proceso de localizacin utilizando el contexto de seales

Wi-Fi , Bluetooth y RFID
30
Figura 4.3 Definicin de zonas utilizando formacin Matryoshka

Figura 4.4 Diagrama Entidad - Relacin del esquema del repositorio de datos
utilizado por CHAMAN
Figura 4.5 Diagrama de capas que componen CHAMAN
33
34
35
Figura 4.6 Representacin UML de las clases y mtodos de tipo interfaz de la

clase de conexin fsica
37
Figura 4.7 Diagrama de clases correspondiente a la capa de traduccin de datos

Figura 4.8 Diagrama de clases de la capa de filtrado de datos
41

Figura 4.9 Diagrama de clases de la capa de procesamiento de datos
Figura 4.10 (a) radiomapa entrenado vista repositorio relacional, (b)
representacin grfica de un radiomapa entrenado
Figura 4.11 Modelo secuencial del proceso de localizacin utilizando el contexto
de tecnologas Wi-Fi y Bluetooth
42
44
45
47
Figura 4.12 Proceso de microlocalizacin

Figura 4.13 Proceso de macrolocalizacin
Figura 4.14 Proceso de localizacin utilizando tecnologa RFID
Figura 4.15 Proceso de localizacin utilizando la tecnologa QRCode.
Figura 4.16 Diagrama de clases de la API CHAMAN
Figura 5.1 Mapa de distribucin arquitectnica de la planta baja del edificio del
departamento de ciencias de la computacin (CENIDET)
48
49
50
51
53
56
Figura 5.2 Secuencia de comunicacin de la aplicacin cliente con el repositorio

relacional en fase de entrenamiento de radiomapa
62
Figura 5.3 Muestra de celdas entrenadas en el repositorio relacional (a) y

representacin grfica de un radiomapa entrenado (b)
62
Figura 5.4 Celdas evaluadas
64
Figura 5.5 celdas candidatas resultantes al implementar el algoritmo de

localizacin en la celda J10
66
Figura 5.6 celdas resultantes al implementar el algoritmo de localizacin en la

celda E1
68
Figura 5.7 Resultado de implementar el algoritmo de localizacin en la celda H7

Figura 5.8 Resultado de implementar el algoritmo de localizacin en la celda 9D
Figura 5.9 Resultado de implementar el algoritmo de localizacin en la celda 11B
Figura 5.11 Resultado de implementar el algoritmo de localizacin en la celda 8C
Figura 5.12 Conjunto de celdas candidatas (vecindad) en una zona de
localizacin
Figura 5.13 Resultado de la implementacin del algoritmo de localizacin en la
zona entrada al edificio
zona Laboratorio de Ingenieria de software
zona Laboratorio de Inteligencia Artificial
zona Cubo Central
zona Aula 2
zona Aula 3
71
73
76
78
80
81
83
84
85
86
87
88

zona Aula 1
89

zona Laboratorio de Sistemas Distribuidos
90
Figura 5.21 Distribucin de infraestructura RFID en el edificio del DCC
92
Figura 5.22 Diagrama de disposicin de antenas en escenario de entrada y

salida controlado por antenas RFID
93
Figura 5.23 Distribucin de antenas RFID en la zona de escaleras del edificio del
DCC
94
Figura 6.1 Diagrama de implementacin de CHAMAN y un sistema visor de

posicin en interiores en un dispositivo mvil
99
Figura 6.2 Diagrama de propuesta de implementacin e interoperabilidad en el

internet de las cosas entre CHAMAN , fosstrak y hardware Arduino
99
Captulo 1
Introduccin
Pgina 1
1.1. Introduccin
En 1950 Isac Assimov (visionario con todas y cada una de las letras de la palabra)
escribi una novela titulada Yo, Robot1 (I, Robot), si bien la temtica de la historia
transcurra sobre trminos ticos e inteligencia artificial, Assimov no escatimo en
detalles sobre el contexto en el cual se desarrolla la historia, en ms de una ocasin
se describe la gran variedad de servicios ofrecidos a un humano segn el lugar en
donde se encontraba (ahora le llamamos contex-aware). Aos ms tarde, en 1956,
Philip K. Dick publica The minority report2 en donde narra las vivencias de John
Anderton. Nuevamente el autor no deja a la imaginacin del lector detalles del
contexto de cada aventura, pero esta vez, se describe lo que al parecer es un
dispositivo rastreador que, tal vez, en aquel tiempo por ser lo ms avanzado en
tecnologa, se describa su funcionamiento como ondas de radio. Tuvieron que pasar
ms de 30 aos de aquellas publicaciones para que se pudiese llevar a la realidad, tal
vez, inspirados en aquellas viejas historias u orillados a evolucionar hacia el grado de
comodidad descrito en tales historias; nacen los primeros sistemas de localizacin
para uso no militar, los cuales, no han parado de evolucionar, llegando as a la actual
tecnologa de sistemas de posicionamiento global (GPS por sus siglas en ingls) que
proporciona una gran precisin en escenarios urbanos, pero es de muy poca ayuda en
escenarios donde el individuo u objeto a localizar se encuentra dentro de un edificio,
esto se debe a la interferencia o atenuacin de seal que producen los elementos
arquitectnicos del edificio. Como respuesta a esta necesidad se desarrollaron (y
continan en constante desarrollo) sistemas de localizacin en interiores que tienen
como fin determinar la posicin de un objeto dentro de un rea de localizacin cerrada.
A partir de esta idea, se han desarrollado mltiples soluciones que incluyen
tecnologas que pueden ir desde el reconocimiento de patrones visuales hasta el
reconocimiento de patrones electromagnticos. Estos ltimos, son el punto de partida
y atencin de este trabajo de investigacin el cual plantea, modela, desarrolla, prueba
y muestra una API escrita en lenguaje de programacin JAVA la cual contiene clases y
mtodos que permiten al programador ofrecer servicios de localizacin en interiores
evaluando los patrones de seales electromagnticas percibidas por un cliente mvil
dentro de un edificio. Dado a que hoy en da existen un gran nmero de frecuencias
electromagnticas a nuestro alrededor, pero no todas usadas por el individuo comn,
se decidi utilizar seales electromagnticas propias de las tecnologas de
comunicacin inalmbrica ms comunes: Wi-Fi, Bluetooth y RFID, pretendiendo de
esta forma lograr una implementacin econmica, sencilla y escalable funcionando de
esta manera como base para futuros proyectos en los cuales se necesiten servicios de
localizacin en interiores.
1
2
http://en.wikipedia.org/wiki/I,_Robot (Recuperado el 2 de noviembre del 2011)

http://en.wikipedia.org/wiki/The_Minority_Report (Recuperado el 2 de noviembre del 2011)
Pgina 2
1.2. Problema
La determinacin de la posicin de un individuo u objeto dentro de un edificio es de
gran importancia en la evaluacin de diferentes tpicos como puede ser la seguridad,
navegacin, y asistencia personal, los sistemas que atienden este tipo de tpicos son
y/o necesitan de hardware muy costoso [Papapostolou, 2009]. Las soluciones de
software basadas en hardware de comunicacin (como puntos de acceso Wi-Fi o
Bluetooth que se encuentran en el mercado) que se encuentran actualmente en el
mercado brindan soluciones generales que no pueden ser adaptadas a todo tipo de
escenario sin mencionar la falta de compatibilidad con aplicaciones de terceros.
1.3 Objetivo principal

Como se podr apreciar en futuros captulos, actualmente existen mltiples opciones,
tcnicas, algoritmos y mtodos para obtener la posicin aproximada de un individuo u
objeto dentro de un escenario de tipo interior (indoor). Aquellos que son
implementados como una solucin computacional son realizados de forma monoltica
o poco escalable. Por lo tanto: El objetivo de esta tesis es desarrollar mtodos de
localizacin en interiores basados en evaluacin de seales electromagnticas y
encapsularlos dentro de clases que a su vez formaran libreras de programacin de
forma tal que al ser implementada, el programador que utilice la API pueda obtener
como resultado de la ejecucin de un mtodo la informacin de localizacin de un
individuo determinado dentro de un rea de localizacin haciendo de esto un proceso
rpido, econmico y casi transparente para el programador.
1.4 Estructura del documento

Este documento de tesis se encuentra distribuido en siete captulos en los cuales se
presentan en una primera parte los conceptos bsicos y metodologas de localizacin
que le permiten al lector extender el panorama y vocabulario necesario para
comprender los captulos sustnciales de la tesis en los cuales se describe el
modelado, codificacin, implementacin y pruebas de los mtodos de localizacin en
interiores productos de esta investigacin. Por ltimo, el lector se encontrar con las
conclusiones obtenidas por el autor al finalizar el proceso de investigacin, desarrollo e
implementacin, como tambin un captulo en el cual se encuentran los documentos
anexos como lo son documentacin de la API, imgenes y un artculo presentado en
un congreso internacional producto derivado de la investigacin desarrollada en el
proceso de investigacin de esta tesis.
El listado de captulos que a continuacin se muestra atiende a la estructura que se ha
establecido para la publicacin de este documento.
En el captulo 1. Introduccin y descripcin general del tema de investigacin. El
captulo 2 muestra un marco conceptual en el cual se definen conceptos que son
Pgina 3
utilizados en el resto del documento. El captulo 3 corresponde a la descripcin del

estado del arte relacionado a los procesos de localizacin en interiores utilizando
tecnologa Wi-Fi , Bluetooth y RFID. El captulo 4 contiene el modelado y descripcin
de la API propuesta en esta tesis. En el captulo 5 se encuentran registradas las
pruebas realizadas para comprobar el grado de presin de los algoritmos
desarrollados y codificados en mtodos y clases pertenecientes a la API. El captulo 6
contiene las conclusiones generales a las que se ha llegado despus de realizar el
proceso de investigacin, desarrollo e implementacin de las ideas planteadas en esta
tesis. El captulo 7 muestra las referencias bibliogrficas Y por ltimo, el captulo 8
contiene los documentos anexos a esta investigacin.
Pgina 4
Captulo 2
Marco conceptual
Pgina 5
2.1 Introduccin
Tecnologas de comunicacin inalmbrica, identificacin por radio frecuencia, sistemas
de localizacin en interiores y magnitudes electromagnticas pueden ser trminos
extraos para un lector no iniciado o ajeno a los trminos relacionados e incluidos en
este documento de tesis. En este captulo se encuentran las definiciones bsicas que
permitirn al lector contar con las bases para comprender los escenarios, propuestas y
desarrollos realizados en el resto de este documento.
2.2. RFID
RFID (Identificacin por Radiofrecuencia) es un mtodo de almacenamiento y
recuperacin remota de datos, basado en el empleo de etiquetas o tags en las que
se encuentra almacenada informacin. RFID se basa en un concepto similar al del
sistema de cdigo de barras; la principal diferencia entre ambos reside en que el
segundo utiliza seales pticas para transmitir los datos entre la etiqueta y el lector, y
RFID, en cambio, emplea seales de radiofrecuencia (en diferentes bandas
dependiendo del tipo de sistema, tpicamente 125 KHz, 13,56 MHz, 433-860-960 MHz
y 2,45 GHz).
Los sistemas RFID se componen principalmente de cuatro elementos:
Una etiqueta RFID, tambin llamada tag o transpondedor (transmisor y

receptor). La etiqueta se inserta o adhiere en un objeto, animal o persona. Esta
etiqueta cuenta con un cdigo numrico que la identifica, ya sea un TAGID o
un cdigo electrnico del producto (EPC). En este contexto, la palabra objeto
se utiliza en su ms amplio sentido: puede ser un vehculo, una tarjeta, una
llave, un paquete, un producto, una planta, etc. Consta de un microchip que
almacena los datos y una pequea antena que habilita la comunicacin por
radiofrecuencia con el lector.
Un lector o interrogador, se encarga de transmitir una seal de radio
frecuencia que recibe el tag, esta seal es transformada por la antena del tag
en voltaje para energizar el chip, una vez que se energiza el tag, este es capaz
de enviar su cdigo de identificacin. El lector consta de un mdulo de
radiofrecuencia (transmisor y receptor), una unidad de control y una antena
para interrogar los tags va radiofrecuencia. Los lectores estn equipados con
interfaces estndar de comunicacin que permiten enviar los datos recibidos de
la etiqueta a un subsistema de procesamiento de datos, como puede ser una
computadora personal que gestiona una base de datos. Algunos lectores llevan
integrado un programador que aade a su capacidad de lectura la habilidad
para escribir informacin en las etiquetas. A lo largo del presente estudio,
cuando hablemos de lector, se considerar que es un dispositivo capaz de leer
la etiqueta, independientemente de si puede slo leer, o leer y escribir.
Pgina 6
Una computadora, que desarrolla la aplicacin RFID. Recibe la informacin de

uno o varios lectores y se la comunica al sistema de informacin. Tambin es
capaz de transmitir rdenes al lector.
Adicionalmente, un middleware (aplicacin que hace posible el funcionamiento
de aplicaciones distribuidas sobre plataformas heterogneas); ejecutndose en
segundo plano un sistema ERP (sistema de planificacin de servicios
empresariales) de gestin de sistemas IT son necesarios para recoger, filtrar
y manejar los datos. [Portillo, 2008]
2.3. IEEE 802.11

Es un conjunto de estndares para redes inalmbricas de rea local que utilizan las
bandas de frecuencia de 2.4 GHz, 3.6 GHz y 5 GHz. [Kerry, 2008] El conjunto de
estndares define el uso de los dos niveles inferiores del modelo OSI (Open System
Interconnection), en estas definiciones se encuentran descritos la arquitectura y el uso
de protocolos de acceso al medio como tambin formatos y tipos de frames (paquetes)
usados para la intercomunicacin de terminales, el contenido de cada frame se
encuentra definido por el tipo al que pertenece, estos pueden ser de control (Control
frames), de datos (Data frame) o de gestin (Management frames).
2.4. API (Application Program Interface)

Es un conjunto de convenciones internacionales que definen cmo debe llamarse a
una determinada funcin de un programa desde una aplicacin [NEODIGIT 09]. Las
funciones o mtodos, segn sea el paradigma de programacin, se encuentran en
archivos individuales encapsulados dentro de un paquete o librera. La idea principal
de implementacin de una API es reducir la cantidad de cdigo escrito agrupando las
funciones o mtodos que se utiliza en repetidas ocasiones en el cuerpo del programa.
Las funciones o mtodos agrupados se escriben y guardan en archivos individuales
que son cargados al inicio del cdigo del programa y las funciones que contienen son
llamas dentro del cuerpo del programa. Por lo general las APIs se agrupan segn el
servicio que ofrecen sus funciones, por ejemplo: API de RED, API de servicios de
recomendacin, API de comunicacin de procesos entre otras.
2.5. LLRP (Low Level Reader Protocol)

Es el protocolo de comunicacin utilizado por algunos lectores RFID, en el se
describen las interfaces de red utilizadas para la comunicacin entre el lector RFID y
software de control o hardware [PW1]. Las interfaces permiten al software controlador
enviar seales al lector para iniciar el proceso de lectura de EPCs de las etiquetas, o
ejecutar otros comandos como kill el cual hace callar la seal de un tag una vez
Pgina 7
ledo su EPC o lock la cual impide la modificacin de la informacin contenida en el

tag. La comunicacin se establece como se describe en la siguiente imagen.
Figura 2.1 Modelo de objetos de protocolo LLRP
En el modelo anterior se describe el escenario de comunicacin donde un cliente

LLRP que puede ser un software que usa el protocolo mediante una API enva
solicitudes al lector LLRP, este es un lector RFID que cuenta con la capacidad de
utilizar el protocolo LLRP para comunicaciones. Para realizar la comunicacin entre
cliente y lector es necesario enviar los mensajes en cierto formato, para ello existen
dos alternativas:
Comunicacin mediante archivos XML, el cliente enva al lector un archivo XML

en el cual se encuentran los comandos LLRP para que el lector realice una
tarea especfica, una vez realizada la tarea, el lector llena los campos del
archivo XML con la informacin solicitada y es enviado al cliente. A
continuacin se muestra un ejemplo de un archivo XML usado para la
comunicacin entre cliente y lector:
<?xml version="1.0" encoding="UTF-8"?>

<llrp:ADD_ROSPEC
xmlns:llrp="http://www.llrp.org/ltk/schema/core/encoding/xml/1.0"
Version="1" MessageID="4">
<llrp:ROSpec>
<llrp:ROSpecID>1</llrp:ROSpecID>
Pgina 8
<llrp:Priority>0</llrp:Priority>
<llrp:CurrentState>Disabled</llrp:CurrentState>
<llrp:ROBoundarySpec>
<llrp:ROSpecStartTrigger>
<llrp:ROSpecStartTriggerType>Null</llrp:ROSpecStartTriggerType>
</llrp:ROSpecStartTrigger>
<llrp:ROSpecStopTrigger>
<llrp:ROSpecStopTriggerType>Null</llrp:ROSpecStopTriggerType>
<llrp:DurationTriggerValue>0</llrp:DurationTriggerValue>
</llrp:ROSpecStopTrigger>
</llrp:ROBoundarySpec>
<llrp:AISpec>
<llrp:AntennaIDs>0</llrp:AntennaIDs>
<llrp:AISpecStopTrigger>
<llrp:AISpecStopTriggerType>Null</llrp:AISpecStopTriggerType>
<llrp:DurationTrigger>0</llrp:DurationTrigger>
</llrp:AISpecStopTrigger>
<llrp:InventoryParameterSpec>
<llrp:InventoryParameterSpecID>9</llrp:InventoryParameterSpecID>
<llrp:ProtocolID>EPCGlobalClass1Gen2</llrp:ProtocolID>
</llrp:InventoryParameterSpec>
</llrp:AISpec>
<llrp:ROReportSpec>
<llrp:ROReportTrigger>Upon_N_Tags_Or_End_Of_AISpec</llrp:ROReportTrigg
er>
<llrp:N>1</llrp:N>
<llrp:TagReportContentSelector>
<llrp:EnableROSpecID>1</llrp:EnableROSpecID>
Pgina 9
<llrp:EnableSpecIndex>1</llrp:EnableSpecIndex>
<llrp:EnableInventoryParameterSpecID>1</llrp:EnableInventoryParameterS
pecID>
<llrp:EnableAntennaID>1</llrp:EnableAntennaID>
<llrp:EnableChannelIndex>1</llrp:EnableChannelIndex>
<llrp:EnablePeakRSSI>1</llrp:EnablePeakRSSI>
<llrp:EnableFirstSeenTimestamp>1</llrp:EnableFirstSeenTimestamp>
<llrp:EnableLastSeenTimestamp>1</llrp:EnableLastSeenTimestamp>
<llrp:EnableTagSeenCount>1</llrp:EnableTagSeenCount>
<llrp:EnableAccessSpecID>1</llrp:EnableAccessSpecID>
<llrp:C1G2EPCMemorySelector>
<llrp:EnableCRC>1</llrp:EnableCRC>
<llrp:EnablePCBits>1</llrp:EnablePCBits>
</llrp:C1G2EPCMemorySelector>
</llrp:TagReportContentSelector>
</llrp:ROReportSpec>
</llrp:ROSpec>
</llrp:ADD_ROSPEC>
Segmento de cdigo 1: Cdigo XML de un mensaje ROSPEC (mensaje de comunicacin entre software de
gestin y lector RFID.
Otra opcin es la comunicacin directa de mensajes entre el cliente y el lector

sin necesidad de uso de un archivo intermediario, para ello es necesario que el
lector cuente con esta capacidad. La aplicacin cliente enva y recibe los
mensajes mediante el uso de una API del protocolo LLRP.
2.6. Sistema de localizacin en interiores

[Bernardos, 2008] Tambin conocidos como ILS (Indoor Location System) por sus
siglas en ingles, son sistemas que tienen como fin localizar a un usuario (cliente)
dentro de un edificio. Estos sistemas son la base para sistemas de recomendacin y
guiado.
Los ILS pueden clasificarse en dos categoras:
Pgina 10
Sistemas de localizacin basado en tags o etiquetas, en los cuales el

equipo slo es capaz de detectar y por lo tanto localizar, a aquellos elementos
que porten un dispositivo conocido como tag y por consiguiente al elemento
etiquetado.
Sistemas de localizacin de sondeo, este tipo de sistema de localizacin

utiliza una seal o frecuencia especfica para realizar el proceso de
localizacin. En este tipo de sistemas, un dispositivo dentro de un edificio o
rea especfica irradia un tipo de seal previamente caracterizada, esta seal
es captada por una red de sensores distribuidos en todo el edificio o rea
especfica y en base a algoritmos de triangulacin (algoritmos que
determinan la posicin de un elemento dentro de un rea determinada por tres
puntos en diferentes coordenadas) ofrecer una posicin del edificio dentro del
rea sondeada.
2.7. Bluetooth
Es una especificacin industrial para Redes Inalmbricas de rea Personal (WPANs)
que posibilita la transmisin de voz y datos entre diferentes dispositivos mediante un
enlace por radiofrecuencia en la banda ISM de los 2,4 GHz.3 Los principales objetivos
que se pretenden conseguir con esta norma son:
Facilitar las comunicaciones entre equipos mviles y fijos.

Eliminar cables y conectores entre stos.
Ofrecer la posibilidad de crear pequeas redes inalmbricas y facilitar la
sincronizacin de datos entre equipos personales.
Los dispositivos que con mayor frecuencia utilizan esta tecnologa pertenecen a
sectores de las telecomunicaciones y la informtica personal, como PDA, telfonos
mviles, computadoras porttiles, ordenadores personales, impresoras o cmaras
digitales.
La arquitectura descrita por el estndar 802.15 se puede mostrar como un conjunto de
capas superpuestas, cada una de ellas con un funcionamiento especifico que se
describe a continuacin en la figura 2.
Descripcin de tecnologa bluetooth recuperada de los documentos oficiales publicados en la pgina

de internet oficial : http://www.bluetooth.com
Pgina 11
Figura 6 Arquitectura de transporte de datos de Bluetooth(http://www.bluetooth.com/Pages/Basics.aspx)
Pgina 12
Captulo 3
Estado del arte
Pgina 13
3.1 Introduccin
Hoy en da se pueden encontrar una gran cantidad de aportes en cuanto a tpicos de
servicios de localizacin en interiores se refiere, algunos muestran tcnicas
completamente innovadoras, otros aportan nuevos mtodos a tcnicas ya
desarrolladas. Este captulo muestra una breve descripcin de las investigaciones
relacionadas a la desarrollada en este trabajo de tesis que ha servido como bases
tericas y prcticas para el desarrollo e implementacin de ideas descritas en los
prximos captulos.
3.2. An Indoor Positioning System (IPS) using Grid Model [Muttitanon,

2007]
El artculo muestra los resultados de la implementacin de un sistema de localizacin
en interiores cuyo mtodo para la determinacin de la posicin del usuario se basa en
el clculo de las intensidades de seal recibidas por un dispositivo cliente dentro de
una red de puntos de acceso IEEE 802.11x.
El sistema tiene un arquitectura cliente-servidor en donde el servidor ofrece una base
de datos de los perfiles de cada uno de los puntos de acceso IEEE 802.11x, el cliente
por su parte, se ejecuta en el dispositivo mvil que desea ser localizado, cabe
mencionar que el sistema se encuentra limitado a la plataforma Windows Mobile por
haber sido desarrollado en Visual Basic.net. La metodologa de localizacin es la
siguiente:
Obtener de una base de datos los perfiles de ubicacin de los puntos de

acceso dentro del edificio. Los perfiles de cada punto de acceso permiten la
creacin de un mapa con la ubicacin de cada punto de acceso en el edificio,
sobre el mapa de ubicacin de puntos de acceso el sistema dibuja una
cuadricula (GRID) donde a cada celda le corresponde un valor de intensidad de
seal de cada punto de acceso.
Iniciar el proceso de censado de seales de puntos de acceso inalmbricos en

el medio, esto es, obtener la intensidad de seal, direccin MAC y BSSID de
cada punto de acceso que se encuentre a su alcance en ese momento.
Localizar dentro del GRID (cuadrcula) la ubicacin del dispositivo que ha

censado el medio, esto en base a un algoritmo probabilstico que usa como
entrada la intensidad de seal de cada punto de acceso censado y proporciona
como resultado la localizacin del dispositivo cliente dentro de un mapa del
edificio.
Pgina 14
La figura 3 muestra en un esquema de capas los elementos y procesos involucrados

en la localizacin del dispositivo cliente descritos anteriormente.
Figura 7- Esquema de capas los elementos y procesos involucrados en la localizacin del dispositivo
cliente
3.3. Local positioning system using WiFi networks [Ferreira, 2007]

Este trabajo describe un sistema de localizacin de interiores desde su fase de
creacin y desarrollo hasta su implementacin. El sistema es capaz de recuperar la
posicin de un dispositivo inalmbrico de tipo IEEE 802.11x implementando para ello
una solucin de software, sin necesidad de algn tipo de hardware especializado. El
motor de posicionamiento usa una red neuronal artificial para describir el
comportamiento de un canal de propagacin. El entrenamiento de la red neuronal se
Pgina 15
basa en los datos de variacin de frecuencias obtenidos por el dispositivo que se

localizar.
Arquitectura
La arquitectura del sistema se basa en la red de puntos de acceso IEEE 802.11 del
edificio y un servidor que tiene asociados todos los puntos de acceso, este servidor
mantiene una bitcora de las actividades de cada punto de acceso como asociacin y
des-asociacin de nodos y su direccin MAC. En el mismo servidor se encuentra
implementada la red neuronal encargada de la localizacin de los dispositivos mviles.
La Figura 4 describe la arquitectura del sistema de localizacin.
Figura 8.- Arquitectura del sistema de localizacin
La metodologa de localizacin se basa en dos etapas: macro-localizacin y microlocalizacin

En la etapa de macro-localizacin se localiza a grande escala la posicin del
dispositivo en base a las bitcoras de los puntos de acceso, de estas bitcoras se
recupera el identificador del punto de acceso al cual se encuentra asociado el
dispositivo mvil, de esta forma, la localizacin del dispositivo mvil se reduce al rea
de cobertura del punto de acceso al cual se encuentra asociado.
En la etapa de micro-localizacin se utiliza el mtodo llamado radiofrecuencia
fingerprintig que no es ms que la recuperacin de todas las seales de
radiofrecuencia (Beacon frames) captadas por el cliente. Entre los datos capturados se
encuentra la intensidad de seal de cada punto de acceso, esta es la entrada que
necesita la red neuronal para realizar el clculo de posicin del dispositivo mvil. Una
vez que la red neuronal ha calculado la ubicacin se enva una notificacin al
dispositivo mvil acompaada de un mapa del sitio donde se muestra su ubicacin con
un margen de error de 2 metros.
Pgina 16
3.4.- Internal Location Based System For Mobile Devices Using

Passive RFID And Wireless Technology [Potgantwar, 2009]
Este artculo describe la implementacin de un sistema de localizacin en interiores en
base a la lectura de etiquetas RFID que identifican cada una de las secciones de cada
rea del edificio.
La arquitectura del sistema es de tipo cliente-servidor, el cliente se ejecuta en un
dispositivo mvil con la capacidad de lectura de etiquetas RFID y conexin inalmbrica
de tipo IEEE 802.11, esta ltima es utilizada para la comunicacin entre el cliente y el
servidor como se aprecia en la figura 5. El servidor cuenta con una base de datos en
donde se encuentra almacenados mapas de distribucin del edificio, cada mapa tiene
asociado IDs de tags que representan cada una de las reas del mapa.
Figura 3.3 .- Modelo de comunicacin del sistema
La metodologa implementada por el sistema se basa en cuatro etapas:

1.- El dispositivo cliente sondea en una determinada cantidad de segundos el medio,
obteniendo la informacin de cada etiqueta RFID que se encuentre a su alcance.
2.- La informacin obtenida del sondeo es enviada al servidor de mapas va HTTP.
3.- El servidor obtiene el paquete y en base a la potencia de seal de cada etiqueta
leda estima la posicin del cliente.
4.- El servidor recupera de la base de datos el mapa donde se encuentra el
identificador de la etiqueta RFID y se enva al dispositivo cliente.
La siguiente imagen muestra una simulacin de la aplicacin en la cual se ha obtenido
la posicin del dispositivo (cubculo 4).
Pgina 17
Figura 9.- Simulacin de la aplicacin en la cual se ha obtenido

la posicin del dispositivo (cubculo 4)
3.5. A Patient Identification System using RFID and IEEEE 802.11b

Wireless Networks [Aguilar, 2007]
Esta tesis de maestra describe la implementacin de un sistema cliente/servidor para
la identificacin de pacientes de un hospital en base a la lectura de etiquetas RFID
usando la infraestructura de red inalmbrica IEEE 802.11b para la comunicacin entre
el dispositivo cliente y el servidor.
Arquitectura:
El sistema se compone de terminales clientes con capacidad de lectura de etiquetas
RFID, estas terminales ejecutan una aplicacin que recupera el identificador de
etiquetas RFID, enva la informacin al servidor y cuando ste retorna una respuesta
es desplegada por la aplicacin ejecutada en el dispositivo mostrando la informacin
asociada a la etiqueta leda. El servidor se compone de:
Una base de datos donde se encuentra la informacin de pacientes asociada a

un nico identificador de etiqueta RFID.
Una aplicacin encargada de procesar la informacin envidada por el cliente,

esto es, recuperar de la base de datos la informacin asociada al identificador
de etiqueta RFID recibida y enviarla al cliente.
Pgina 18
3.6 Localizacin y seguimiento de terminales mviles en entornos

indoor. [Atrain, 2006]
En este trabajo se presenta un mtodo de localizacin basado en la combinacin de
valores de potencia recibida y de un sistema de inferencia difuso para determinar la
posicin del usuario.
Cada dispositivo mvil debe disponer de un interfaz WiFi, que es la que permitir
medir el nivel de seal recibido de cada punto de acceso de la red. Con la ayuda de un
sistema de inferencia difuso se obtiene un conjunto de reglas de tipo SI-ENTONCES
que permite estimar la localizacin de los dispositivos de modo preciso. Estas reglas
se obtienen mediante el conocimiento de la ubicacin de los puntos de acceso y el
aprendizaje de una red neuronal de los niveles de seal recibidos por las terminales en
cada una de las coordenadas del escenario.
En esta investigacin se considera una red inalmbrica tipo IEEE 802.11, que presta
servicio de comunicacin entre terminales inalmbricas sobre el escenario de estudio y
que no requiere ningn tipo de modificacin para ser empleada como mecanismo de
localizacin de dispositivos mviles.
Para llevar a cabo el proceso de localizacin cada dispositivo mvil que desee obtener
su ubicacin dentro de una red de puntos de acceso IEEE 802.11 debe de conocer
previamente la distribucin de dichos puntos de acceso, esto es, obtener de una base
de datos los perfiles de distribucin. Una vez obtenidos los perfiles el dispositivo mvil
realiza un censo de las seales de puntos de acceso IEEE 802.11 que pueda percibir.
Los datos de potencia obtenidos del censo y los perfiles de los puntos de acceso IEEE
802.11 son ingresados a una red neuronal y sta, en base a un conjunto de reglas de
lgica difusa genera una respuesta que es el punto de localizacin del dispositivo
mvil.
La siguiente imagen muestra una de las reglas usadas para la evaluacin difusa de
localizacin, en ella interviene la calidad de la seal de cuatro puntos de acceso (AP)
y obtiene como resultado la zona en la que se encuentra el cliente.
Figura 10.- Reglas usadas para la evaluacin difusa de localizacin, en ella interviene la calidad
de la seal de 4 puntos de acceso ( AP) y obtiene como resultado la zona en la que se encuentra
el cliente
Pgina 19
3.7 Servicios de localizacin conscientes del contexto aplicando

perfiles de movilidad y tecnologas de localizacin heterogneas
[ Arjona, 2009]
En esta tesis se describe el desarrollo de la aplicacin T-Guide. Actualmente el
sistema cuenta con una arquitectura cliente-servidor. Es necesario resaltar que el
dispositivo cliente debe de cumplir con las siguientes caractersticas:
Contar con sistema operativo Android

Contar con una cmara
Contar con lector RFID
Entre los servicios que ofrece la aplicacin T-Guide se encuentra el servicio de guiado
en interiores en base a la lectura de tags RFID, cada vez que el cliente censa un tag
RFID asignado a un rea dentro del edificio, el cliente actualiza su estado y posicin,
la nueva informacin es desplegada en pantalla. La Figura 8 muestra el diagrama de
flujo del proceso de guiado por RFID.
Figura 3.6 Diagrama de flujo de proceso de guiado en base a lectura de tags RFID
Pgina 20
El despliegue de informacin se aprecia en el dispositivo mvil como se muestra en la figura 9:
Figura 3.6 Pantallas involucradas en el proceso de guiado en base a lectura de tags RFID
Pgina 21
Captulo 4
CHAMAN
Captulo 4 -- CHAMAN
Pgina 22
4.1 Introduccin
En el captulo 4 se revisaron los mtodos utilizados por los sistemas de localizacin en
interiores (ILS) para ofrecer servicios de localizacin y seguimiento de usuarios u
objetos que se desplacen libremente dentro del rea donde se presta el servicio de
localizacin. En la conclusin del mismo captulo se propone el mtodo de fingerprint o
huella de seal como el mtodo de localizacin ms adecuado para escenarios
complejos, en los cuales, el trfico de entidades fsicas (personas y objetos) y la
distribucin arquitectnica del edificio hace poco viable la implementacin de modelos
predictivos de propagacin de seales electromagnticas como base para el desarrollo
de mtodos de localizacin.
En este captulo se presenta y describe el diseo y la funcionalidad de una API la cual
contiene clases y mtodos que permiten el desarrollo completo o modular de un
sistema de localizacin en interiores utilizando el mtodo de localizacin fingerprint.
Esta API a la cual se har referencia con el nombre de CHAMAN4 est escrita en Java.
Sus clases y mtodos fueron modelados y desarrollados para ofrecer servicios de
localizacin en interiores de edificios tipo campus, se utilizan tres tecnologas para la
localizacin: 1) se seales electromagnticas, 2) la asociacin de lugares con
marcadores bidimensionales (QRCodes) y 3) TAGs RFID.
En las secciones correspondientes a los motores de localizacin se describen a
profundidad el funcionamiento y la secuencia de estados de cada uno de los
algoritmos de localizacin en interiores implementados como mtodos de la API que
se desarrollaron para probar las hiptesis planteadas en esta tesis y soportar los casos
de estudio que se comentan en el captulo 6.
La versin actual de CHAMAN integra mtodos de localizacin en interiores basados
en la evaluacin del contexto de tecnologa Wi-Fi, Bluetooth y RFID, de igual forma
permite la identificacin por asociacin de marcadores de tipo QRCode. Brevemente
se describen los mtodos contenidos en la API:
Permiten identificar y localizar usuarios u objetos etiquetados con una etiqueta

RFID pasiva dentro de un edificio que cuente con un despliegue de antenas. La
localizacin se realizar a no ms de 5 metros alrededor de la antena RFID.
Permiten localizar dispositivos clientes evaluando su contexto de seales WiFi y Bluetooth.
Permiten identificar la posicin de un usuario segn el identificador

decodificado de un marcador de tipo QRCode.
Permiten crear, guardar y consultar un historial de eventos de localizacin
Del idioma tungu, de Siberia, xaman o schaman, y ste del verbo scha, "saber", es un individuo al que
se le atribuye la capacidad de modificar la realidad, de comunicarse con los espritus y de presentar
habilidades visionarias y adivinatorias.
Captulo 4 -- CHAMAN
Pgina 23
A continuacin se comentan los objetivos funcionales de la API CHAMAN, se describe

su diseo general y se profundiza en la funcionalidad de cada una de las capas de
interaccin que componen la API. Por ltimo se muestra el diagrama de clases y sus
mtodos que pueden ser instanciados.
4.2 Mtodo de localizacin en interiores basados en huella de

seal (Fingerprint)
[Bernardos, 2008] El proceso de localizacin basado en el uso de huella o fingerprint
es una tcnica de reconocimiento de patrones que se fundamenta en la existencia de
una huella de potencia de seal recibida construida durante un proceso de calibracin
(fase offline), previo al de determinacin de la posicin en tiempo real (fase online).
Dicha huella se convierte en el patrn con el que comparar las medidas tomadas en
tiempo real. La forma en la que se disea y almacena la huella (qu medidas se
almacenan y cmo) y la definicin de la distancia con la que operar en tiempo real son
dos aspectos clave que determinan la calidad del funcionamiento del algoritmo.
Las tcnicas fundamentales de fingerprint son de dos tipos:
a) deterministas, que son aquellas que representan la medida de potencia de seal
recibida con un escalar (por ejemplo, la potencia media recibida) y utilizan mtodos no
estadsticos para estimar la posicin del usuario.
b) las probabilsticas, que almacenan informacin acerca de la funcin de distribucin
de las medidas de potencia de seal en un radiopmapa y utilizan tcnicas estadsticas
para calcular la posicin
4.3 Descripcin de general de la API

CHAMAN se encuentra formada por seis paquetes que siguen la nomenclatura
cenidet.chaman.api.indoor.* en la cual se agrupan clases y mtodos segn su
funcionalidad. Cada paquete representa un tipo de interaccin con el sistema aislando
un tarea especfica, de esta forma el programador que implemente CHAMAN para el
desarrollo de un sistema de localizacin en interiores puede implementar total o
parcialmente las clases dentro de la API para obtener soluciones en el contexto de
localizacin segn sea la granularidad de precisin que busque el desarrollador del
sistema.
La implementacin de CHAMAN en un ILS propone un proceso de localizacin por
etapas haciendo uso de mltiples tecnologas de identificacin y comunicacin para
llevar a cabo el proceso de ubicacin de un objeto o individuo dentro de un edificio o
rea de localizacin determinada por el administrador del sistema. Para llevar a cabo
tal tarea los mtodos que componen la API deben ser llamados en un orden
determinado y se debe contar con ciertas precondiciones, primero se requiere un
entrenamiento del sistema para crear radio-mapas de seales, despus se debe
Captulo 4 -- CHAMAN
Pgina 24
etiquetar personas y objetos con tags RFID pasivos y finalmente, se requiere una
adecuada distribucin de puntos de acceso (AP) tanto Wi-Fi como Bluetooth. Los
mtodos de CHAMAN en conjunto con un repositorio relacional (base de datos)
permiten crear un radio-mapa de las zonas en las que se prestar el servicio de
localizacin (ILS). Se realiza un proceso de localizacin llamada entrenamiento,
posteriormente haciendo uso de algoritmos de localizacin codificados en mtodos de
localizacin dentro de la API el ILS que implemente CHAMAN puede determinar la
ubicacin de un individuo y objeto etiquetado con tags RFID o portador de dispositivos
con interfaz Wi-Fi que permitan obtener el contexto de seales para enviarlas va
TCP a un servicio de localizacin que implementa los mtodos de servicio de
informacin (localizacin, historial y seguimiento) contenidos en CHAMAN.
Como se coment en el captulo 3, los sistemas de localizacin en interiores que
basan sus mtodos de localizacin en la tcnica fingerprint, realizan un mapeo
completo del rea en la cual se prestar el servicio de localizacin, esto puede ser un
inconveniente en escenarios donde la distribucin espacial de la zona puede
modificarse segn la necesidad de los usuarios, esta tcnica de localizacin es
ineficiente cuando el mapa generado previamente cambia, es decir, si la distribucin
espacial de los AP se modifica, o hay modificaciones estructurales en el interior del
edificio. Para solucionar situaciones como sta CHAMAN propone un modelo de
entrenamiento por zonas funcionales o reas de localizacin limitadas por muros
slidos imposibles de mover dentro de la arquitectura del edificio, de esta forma, en
caso de existir un cambio en la distribucin espacial del edificio o zona especfica slo
se deber crear de nuevo el mapa de seales de la zona modificada.
Cada mtodo de CHAMAN fue diseado para retornar informacin especfica dentro
del proceso de localizacin de forma tal que el programador puede hacer uso de
CHAMAN en combinacin con otras APIs o seguir la implementacin sugerida en esta
tesis para realizar las pruebas de funcionamiento de la API.
CHAMAN puede ser modelada como una estructura compuesta por capas ordenadas
jerrquicamente en la cual la capa de nivel inferior es la encargada de brindar mtodos
abstractos de comunicacin directa con el hardware involucrado en el proceso de
localizacin en interiores (ILS) mediante diferentes protocolos que son transparentes
para el programador final, siguiendo el modelo, de manera ascendente se encuentran
con mtodos de cifrado y descifrado de paquetes utilizados para la comunicacin con
dispositivos hardware, mtodos de filtrado de informacin, mtodos de procesamiento
de datos recibidos hasta llegar al paquete que contiene los mtodos abstractos de
servicios que le permiten a un programador obtener informacin estructurada del
repositorio relacional.
Los paquetes que integran CHAMAN, se clasifican segn su funcionalidad, permiten al
programador que los implemente funcionalidades tales como:
Paquete de red: conectar y obtener datos en crudo o cifrados de hardware

utilizado en el proceso de localizacin como puntos de acceso Wi-Fi,
Bluetooth y portales RFID que implementen el protocolo LLRP o SMNP5.
El Protocolo Simple de Administracin de Red o SNMP (del ingls Simple Network Management
Protocol) es un protocolo de la capa de aplicacin que facilita el intercambio de informacin de
Captulo 4 -- CHAMAN
Pgina 25
Paquete de interpretacin: leer y traducir mensajes en formato JSON6 o

LLRP ROSpec7 recibidos directamente del hardware de localizacin para
utilizar los datos en el proceso de localizacin
Paquete de filtrado: identificar el hardware, reas de localizacin, objetos y

usuarios involucrados en el proceso de localizacin.
Paquete de procesamiento: procesar los datos de contexto de seales

inalmbricas para crear radio-mapas o determinar la posicin de un objeto o
usuario.
Paquete de conexin: permitir conexin, consultar y alterar el contenido de

repositorios relacionales que funcionan como repositorio de datos de contexto
de localizacin.
Paquete de servicios: retornar informacin sobre la posicin de un usuario u

objeto dentro de un rea de localizacin as como el historial de posiciones
dentro del rea de localizacin de estos.
La comunicacin entre mtodos de CHAMAN se realiza por paso de parmetros

utilizando datos de tipo String. La comunicacin que ofrecen los mtodos incluidos en
el paquete de red utilizar cadenas de String codificadas en formatos JSON y XML
(utilizado para los mensajes ROSPECT) para entablar comunicacin con el hardware
involucrado en el proceso de localizacin.
4.4 Funcionalidades
Como se mencion en la seccin anterior, CHAMAN se compone por seis paquetes
que de forma conceptual se pueden modelar como una estructura compuesta por
capas o niveles, en donde cada nivel contiene clases y mtodos con un fin especfico
dentro del proceso de localizacin de los ILS que utilizan la tcnica fingerprint. Los
mtodos de cada paquete pueden retornar un valor tipo String que puede ser utilizado
por el programador para fines particulares e independientes de los sugeridos en la
utilizacin de la API o puede utilizar los datos retornados para enviarlos como
parmetros a los mtodos necesarios para lograr un proceso de localizacin correcto
administracin entre dispositivos de red. Es parte de la familia de protocolos TCP/IP. SNMP permite a los
administradores supervisar el funcionamiento de la red, buscar y resolver sus problemas, y planear su
crecimiento. Recuperado de http://es.wikipedia.org/wiki/Simple_Network_Management_Protocol
6
JSON, acrnimo de JavaScript Object Notation, es un formato ligero para el intercambio de datos. JSON es un
subconjunto de la notacin literal de objetos de JavaScript que no requiere el uso de XML.. Recuperado de
http://en.wikipedia.org/wiki/JSON
7
ROSpec (Reader Operations Specification) Es el cojunto de especificaciones de operacin de un portal RFID que
soporta el protocolo LLRP. Recuperado de
Captulo 4 -- CHAMAN
http://wiki.rifidi.org/index.php/LLRP_Reader
Pgina 26
utilizando todos los mtodos provistos por CHAMAN (ver anexos para la sugerencia de
uso de mtodos). En caso de que el programador opte por la ltima opcin deber
seguir un proceso jerrquico para la instancia de cada una de las clases necesarias
desde la conexin con los dispositivos de localizacin hasta la consulta a los servicios
de localizacin.
El proceso jerrquico de instancias de clases involucra todos los paquetes (o capas)
de la API en la siguiente secuencia:
1. Obtener los datos proporcionados por los dispositivos de localizacin, para este
caso plataformas Smartphone, lectores RFID, AP (WiFi y Bluetooth) y
Marcadores visuales. Para ello se utilizan los mtodos del paquete de red que
permiten crear serversockets8 para recibir la informacin enviada por los
dispositivos por medio del protocolo TCP, estos mtodos retornar la
informacin en crudo enviada por los dispositivos la cual se enva como
parmetro a mtodos del paquete encargado de la interpretacin.
2. Los mtodos localizados en el paquete de interpretacin contienen referencias
a clases que permiten decodificar la informacin recibida en formato JSON y
XML, esta informacin se encontrar disponible para utilizarla como parmetro
para los mtodos de filtrado
3. Los mtodos pertenecientes al paquete de filtrado permiten diferenciar el tipo
de informacin recibida y realizar la accin correspondiente con ella, puede ser
de entrenamiento o de consulta, en ambos casos se utiliza la informacin
recibida para instanciar los mtodos del paquete de procesamiento.
4. Las clases dentro del paquete de procesamiento permiten realizar el proceso
de entrenamiento de radio-mapas o determinar la localizacin de un objeto o
individuo en base a los datos obtenidos en el proceso de filtrado, estas clases
utilizan de forma implcita clases que permiten la conexin con el repositorio
relacional utilizado por CHAMAN.
5. Los mtodos del paquete de conexin con el repositorio relacional permiten la
conexin al manejado de base de datos MySQL utilizando para ello la librera
MySQL.JDBC. Estos mtodos tambin permiten iniciar la conexin para
realizar consultas permitiendo la creacin de historial de eventos de
localizacin.
6. Los mtodos de servicios permiten retornar la informacin del historial de
posiciones de usuarios u objetos, solicitadas en los parmetros de instancia de
los mtodos.
Instancia de una clases de Java.net que permite crear un socket con un nmero determinado por el
programador el cual se mapear como un puerto TCP abierto en modo escucha hasta que la instancia
sea cancelada por medios de programacin.
Captulo 4 -- CHAMAN
Pgina 27
La figura 10 muestra de forma grfica el modelo en capas de CHAMAN y la interaccin

de cada una de los paquetes que la componen, representadas como capas de un
diagrama modular.
Figura 4.1 Diagrama de funcionalidades de las capas que componen a CHAMAN
4.5 Modelo y arquitectura de la API para servicios de localizacin

en interiores utilizando tecnologa Wi-Fi, Bluetooth, RFID y
QRCode.
CHAMAN es una API que contiene mtodos utilizados para ofrecer servicio de
localizacin en interiores basados en la evaluacin del contexto de seales de tipo WiFi, Bluetooth o RFID utilizando el mtodo fingerprint. Como se describi en el
captulo 3 el mtodo fingerprint consta de dos etapas: entrenamiento y localizacin,
CHAMAN contiene clases y mtodos abstractos que permiten al programador crear
funciones de entrenamiento y brindar servicios de localizacin de usuarios u objetos
con interfaces Wi-Fi, Bluetooth o etiquetados con tags RFID siguiendo los
metodologa fingerprint. CHAMAN utiliza un repositorio de datos relacional para
garantizar la persistencia de los datos y poder ofrecer el servicio de consulta de
histricos de localizacin.
En las siguientes secciones se describe el proceso de localizacin implementado en
los mtodos de la API como tambin el modelo entidad relacin que da forma al
esquema de almacenamiento de datos persistentes utilizado para ofrecer los servicios
de localizacin en interiores.
Captulo 4 -- CHAMAN
Pgina 28
4.5.1 Modelo del proceso de localizacin implementado en la API

El proceso de localizacin que puede ser implementado mediante el uso de mtodos
de la API se puede resumir como un proceso de obtener-almacenar-comparar, la
idea es relativamente simple, si se compara con mtodos complejos de localizacin
que utilizan modelos de propagacin lineal; este proceso resulta ms efectivo en
escenarios complejos. Para implementar la idea obtener-almacenar-comparar se
implement un procesamiento similar a la metodologa fingerprint del cual requiere dos
fases para llevar a cabo el proceso de localizacin. CHAMAN contiene mtodos que
permiten realizar la fase previa de entrenamiento del sistema como tambin la fase de
localizacin.
El proceso de localizacin se puede describir de la siguiente forma:
Fase de entrenamiento:
1. Crear un catlogo de reas de localizacin, puntos de acceso y portales RFID
para su posterior consulta en la formacin del radio-mapa y consulta de
localizacin de usuarios/objetos.
2. Crear un radio-mapa virtual de las seales captadas en cada una de las zonas
donde se ofrecer el servicio de localizacin.
3. Asignar la posicin de los lectores o antenas RFID a las zonas de localizacin

en las que se encuentran fsicamente.
Fase de localizacin:
1. Recibir la informacin de puntos de acceso y las potencias asignadas a cada
uno de ellos.
2. Iniciar el procesamiento de los datos recibidos buscando (incluyendo un
margen de error en decibelios) mediante algoritmos de localizacin la zona de
localizacin en la cual se pueda encontrar el objeto o usuario que ha enviado
la informacin de puntos de acceso o el portal/antena RFID que ley por ltima
vez una etiqueta determinada.
3. Obtener el conjunto de resultados de zonas de localizacin candidatas
4. Iniciar el proceso de filtrado de zonas candidatas y presentar el resultado

mostrando as la zona de localizacin en la cual se encuentra el objeto o
usuario que ha solicitado el servicio.
La figura 11 muestra de forma grfica el proceso de localizacin en interiores
utilizando las tecnologas Wi-Fi, Bluetooth y RFID, el cliente que solicita el servicio
Captulo 4 -- CHAMAN
Pgina 29
de localizacin se encuentra representado por un dispositivo mvil de tipo Smartphone

con plataforma Android.
Figura 4.2 Modelo del proceso de localizacin utilizando el contexto de seales Wi-Fi , Bluetooth y RFID
4.5.2 Reglas de inferencia utilizadas por CHAMAN en el proceso de

localizacin en interiores
Las reglas para determinar la posicin de un objeto dentro del rea de localizacin es
la parte fundamental en el proceso de localizacin, en esta seccin se describen las
reglas de inferencia y el algoritmo a seguir para obtener la localizacin de usuarios y
objetos en base a la lectura de seales IEEE 802.11 y etiquetas RFID.
Las reglas de inferencia que a continuacin se describen se implementaran en los
mtodos de localizacin dentro de las clases de la API para servicios de localizacin.
Definicin de trminos
Una zona de localizacin (ZL) es una zona fsica en la cual se presta el servicio de
localizacin, la zona se encuentra distribuida en celdas que describen una cuadricula.
Una celda (C) es el elemento mnimo dentro de la cuadricula que comprende una
zona geogrfica dentro de la zona donde se prestar el servicio de localizacin.
Una celda entrenada (CE) se encuentra formada por un identificador de celda y un
matriz donde se encuentran identificados los puntos de acceso que pueden captarse si
Captulo 4 -- CHAMAN
Pgina 30
un cliente se posiciona en la celda y la magnitud de la potencia de cada uno de los

puntos de acceso. La siguiente tabla representa de forma grfica una celda entrenada.
Tabla 1 Celda Entrenada
Un Radiomapa (Rm) es el conjunto de CE que describen la zona de localizacin (ZL).

Un paquete enviado por el cliente (PE) se encuentra compuesto por un identificador
del cliente que enva el paquete y una matriz en la que se encuentra los identificadores
de los puntos de acceso que puede captar en un punto determinado y la magnitud de
seal de cada uno de ellos. La siguiente tabla representa de forma grfica un paquete
enviado por el cliente.
Tabla 2 Contenido de paquete de informacin enviado por el cliente
Una Antena es un componente de un portal RFID que se encuentra conectada a la

computadora del portal. La antena es la encargada de enviar la seal de excitacin a
las etiquetas RFID y se encarga de leer el cdigo EPC emitido por las etiquetas una
vez excitadas.
Reglas de inferencia para localizacin de clientes en base a la lectura de la magnitud
de los puntos de acceso
Si los valores de los elementos descritos en la matriz de un

son iguales a los
elementos de la matriz de
del RM entonces el usuario se encuentra en la zona
delimitada por
.
Si de los elementos de la matriz de
son un subconjunto de los valores de la
matriz
del RM entonces el usuario se encuentra en la zona delimitada por
.
Captulo 4 -- CHAMAN
Pgina 31
Si el valor de las magnitudes de seal de los puntos de acceso de la matriz de

tiene un margen de error de 4 y son un subconjunto de los valores de la matriz
del RM entonces el usuario se encuentra en la zona delimitada por
.
Reglas de inferencia para localizacin de cdigos EPC
La funcin
describe la funcin de lectura de la antena a en un tiempo t.
La antena se encuentra localizada en una
correspondiente a una ZL, la funcin
recibe como parmetro un cdigo EPC identificado por
Si
con
y
se encuentra en
cuando t1 < t2 entonces el objeto marcado

.
4.6.2 Modelo entidad relacin del esquema utilizado para la

persistencia de datos utilizados para el proceso de localizacin
CHAMAN propone el uso de un repositorio relacional (bitcora o logfile) para
almacenar los eventos de localizacin, que permitirn posteriormente analizar el
comportamiento de movilidad de los usuarios o incluso se podran minar patrones de
esta informacin. El repositorio relacional se encuentra formado por entidades
definidas por atributos reales y particulares de cada entidad, como tambin una clave
nica que permite la identificacin de cada instancia en el repositorio (personas y
objetos). La finalidad del repositorio es almacenar el catlogo de zonas de localizacin
y la relacin entre stas, por ejemplo: el rea de localizacin primer piso puede
estar compuesta en su totalidad por un conjunto de aulas, estas a su vez pueden
estar compuestas por n cuadrantes, de forma tal que se puede establecer una
relacin de tipo: el cuadrante m se encuentra en el aula k que a su vez se
encuentra en el piso 1. De igual forma es posible almacenar el histrico de los
eventos de localizacin solicitados por el ILS.
Los catlogos del repositorio relacional almacenan la informacin y relacin de las
zonas de localizacin, usuarios, objetos e infraestructura de localizacin como lo son
puntos de acceso Wi-Fi, Bluetooth, portales o antenas autnomas RFID.
Las zonas de localizacin a las cuales se hace mencin son las reas en las que se
prestar el servicio de localizacin. CHAMAN se diseo para brindar servicios de
localizacin en interiores de edificios tipo campus (ILS), es por ello que las zonas de
localizacin propuestas para describir este tipo de escenarios son las siguientes:
campus, edificio, piso (edificios multinivel), zona y celda. Estas zonas se encuentran
relacionadas y contenidas una dentro de la otra de forma tal que el conjunto de zonas
de localizacin de rea pequea forman una zona de localizacin de rea ms grande,
para lograr esto se propusieron las siguientes relaciones: un campus contiene uno o
ms edificios, un edificio contiene uno o ms pisos, en un piso se encuentran una o
Captulo 4 -- CHAMAN
Pgina 32
ms zonas (lugares funcionales delimitados fsicamente por muros, por ejemplo:

habitaciones, pasillos, oficinas, etc.), a cada zona se le asocia un conjunto de
celdas, de esta forma se definen las zonas de localizacin embebidas unas dentro de
otras como se aprecia en la figura 12 que describe una formacin tipo Matryoshka9,
el componente ms bsico es la celda, un conjunto de celdas se encapsula en la zona,
un conjunto de zonas se encapsula en un piso, y as sucesivamente, hasta conformar
un campus.
Figura 4.3 Definicin de zonas utilizando formacin Matryoshka
Dentro del repositorio relacional existen otros catlogos llamados catlogos de

infraestructura, estos corresponden a las listas de hardware utilizado en el proceso de
localizacin y su relacin con la zona de localizacin en la que se encuentra. En estos
catlogos es donde se puede almacenar la informacin de los puntos de acceso (AP)
utilizando su direccin MAC como identificador nico para su posterior procesamiento.
De igual forma se permite relacionar un lector RFID a mltiples antenas y estas a una
zona de localizacin de forma tal que se pueda determinar la zona en la que se
encuentra un usuario u objeto etiquetado con un tag RFID a partir de la antena que ha
realizado la lectura del mismo. La figura 13 muestra el diagrama entidad relacin del
esquema del repositorio relacional.
La matrioska o mueca rusa (ruso: /mtrok/)

son muecas tradicionales rusas creadas en 1890, cuya originalidad consiste en que se
encuentran huecas por dentro, de tal manera que en su interior albergan una nueva mueca, y
sta a su vez a otra, y sta a su vez otra, en un nmero variable que puede ir desde cinco
hasta el nmero que se desee. Recuperado de http://es.wikipedia.org/wiki/Matrioska
9
Captulo 4 -- CHAMAN
Pgina 33
Figura 4.4 Diagrama Entidad - Relacin del esquema del repositorio de datos utilizado por CHAMAN
Captulo 4 -- CHAMAN
Pgina 34
4.6.3 Arquitectura de capas de la API para servicios de localizacin en

interiores.
Los paquetes que conforman CHAMAN pueden ser representados en un modelo
grfico para comprender mejor su arquitectura, cada paquete puede ser modelado
como una capa modular y a su vez cada capa puede ser modelada como el conjunto
de interfaces que le permiten al programador la implementacin de los mtodos de
CHAMAN.
CHAMAN se conforma de seis paquetes que contiene clases, mtodos e interfaces

con propsitos diferentes dentro del proceso de localizacin en interiores, para
referencias grficas y comodidad de lectura y futuras referencias a la arquitectura de la
API en la figura 14 se propone el uso de un diagrama modular para mostrar el
contenido y las acciones que realizan cada una de las clases que se encuentran en
cada mdulo o capa.
Figura 4.5 Diagrama de capas que componen CHAMAN
La figura 14 muestra de forma grfica la distribucin arquitectnica de CHAMAN, en

ella se puede apreciar la composicin de la API por medio de capas, cada capa
Captulo 4 -- CHAMAN
Pgina 35
contiene mtodos de tipo interfaz que reciben como parmetros al menos un objeto de
al menos un mtodo de la capa anterior para iniciar su funcionamiento. En la imagen
se muestran en forma de pequeos bloques los servicios que pueden ser llamados por
las interfaces de cada una de las clases en las diversas capas del modelo (o paquetes
de la API).
4.7 Diseo de capas de la API

CHAMAN fue diseada para soportar el desarrollo de sistemas de localizacin en
interiores utilizando la tcnica fingerprint. Como se describi en captulos anteriores,
esta tcnica de localizacin necesita ciertas precondiciones para iniciar el proceso de
localizacin (como la creacin de catlogos de zonas de localizacin y la creacin de
un radio-mapa de seales) y ciertos requerimientos en tiempo de ejecucin (como
filtrado de informacin en tiempo real), esta es la razn que justifica la API CHAMAN,
que es un conjunto clases y mtodos que permite realizar las tareas necesarias para
completar satisfactoriamente cada una de las etapas del proceso de localizacin (ILS).
Cada paquete cuenta con mtodos de procesamiento protegidos y mtodos pblicos
de tipo interface que utilizan los mtodos de procesamiento, de esta forma el
programador slo necesita hacer una instancia de los mtodos de tipo interface.
Tomando en cuenta futuros desarrollos de funcionalidades de la API, el desarrollo
modular de CHAMAN sigue el principio KISS10.
Las siguientes secciones describen la funcin, clases y mtodos contenidos en cada
uno de los paquetes, representados por capas de un modelo modular siguiendo el
modelo grfico de capas mostrado en la figura 14, que forman CHAMAN, para obtener
ms detalles de parmetros de entrada y objetos de retorno de cada mtodo se puede
consultar el anexo 7.3 CHAMAN JavaDoc.
4.7.1 Capa de conexin fsica

En esta capa se imprentaron las clases y los mtodos que permiten la comunicacin
con los diferentes dispositivos (hardware) involucrados en el proceso de localizacin
en interiores, los mtodos de las clases de conexin fsica permiten la creacin de
puertos en modo escucha utilizando instancias de la clase serversockets que utiliza
el protocolo TCP para crear un canal de comunicacin entre las clases de la API y el
hardware de localizacin. La abstraccin de estos mtodos permite al programador
crear instancias de puertos abiertos utilizando como parmetro el nmero de puerto
que se desea usar. De forma similar a la instancia de serversockets se realiza la
comunicacin y gestin de portales RFID utilizando el protocolo LLRP. La capa de
conexin fsica hereda caractersticas y mtodos de las clases contenidas en la API
10
Este trmino es un acrnimo que corresponde a la frase en ingls Mantenlo simple, estpido (KeepIt
Simple, Stupid). Para evitar ser tosco, el acrnimo se hace corresponder con otras expresiones tales
como Mantngalo breve y simple (KeepIt Short and Simple) u otras similares, pero que mantienen
la misma idea del principio. Recuperado de http://en.wikipedia.org/wiki/KISS_principle
Captulo 4 -- CHAMAN
Pgina 36
ltkjava-1.0.0.6.jar11 que permite la gestin de portales RFID que soporten el protocolo

LLRP, de esta forma CHAMAN ofrece mtodos abstractos de comunicacin con los
portales RFID haciendo transparente para el programador la configuracin de estos.
Dentro de la capa de conexin fsica tambin se encuentran los mtodos que permiten
iniciar la recepcin de paquetes provenientes de dispositivos cliente con interfaz WiFi que se utilizan en el proceso de entrenamiento o que solicitan el servicio de
localizacin. Lo mtodos encargados del procesamiento de las conexiones entre
portales RFID, dispositivos mviles con interfaz Wi-Fi y los servicios de localizacin
ofrecidos por la API se encuentran inaccesibles al programador, para hacer uso de los
servicios que ofrecen los mtodos de la capa de conexin fsica se deben realizar
instancias de los mtodos de tipo interfaz. La figura 15 muestra el diagrama de clases
correspondiente a las clases interfaz del paquete (capa) de conexin fsica.
Figura 4.6 Representacin UML de las clases y mtodos de tipo interfaz de la clase de conexin fsica
4.7.1.1 Clase RFIDReaderLLRPConnection
En esta clase se implementaron los mtodos que permiten establecer comunicacin

con los lectores RFID utilizando el protocolo de comunicacin LLRP. Los mtodos de
la clase permiten configurar e iniciar el proceso de lectura de eventos captados por los
lectores RFID, el mtodo encargado de esto es startReadEvent. De igual forma se
ofrece un servicio para detener la lectura de los eventos lanzados en el lector RFID
mediante el mtodo stopReadEvent. Ambos mtodos retornan datos al servidor que
envi los mensajes de inicio o fin de evento (startReadEvent o stopReadEvent) al
lector RFID. Ambos mtodos retornan al host que ha invocado los mtodos objetos
serializados de forma tal que pueden ser usados por otros mtodos de CHAMAN. La
clase contiene un tercer mtodo que regresa la informacin de un evento sensado por
el lector en forma de un mensaje con estructura XML.
11
http://sourceforge.net/projects/llrp-toolkit/
Captulo 4 -- CHAMAN
Pgina 37
4.7.1.2 Clase RFIDReaderSMNPConnection
Los mtodos de esta clase permiten al programador entablar comunicacin con

lectores RFID que permitan ser administrados utilizando el protocolo de red SMNP.
Los mtodos contenidos en la clase son similares a los propios de la clase
RFIDReaderLLRPConnection; de igual forma el programador debe crear una instancia
de los mtodos de interfaz proporcionando la direccin IP del lector RFID que soporte
el protocolo SMNP. La clase cuenta con mtodos que permiten controlar el inicio y fin
de la lectura de eventos en el lector RFID obteniendo de cada una de estas acciones
una cadena tokenizada de retorno por parte del lector RFID. La cadena retornada
contiene las especificaciones del evento obtenido por el portal RFID cuyos valores
pueden ser:
En caso de lectura de etiquetas RFID: EPC capturado, fecha del evento y hora
del evento.
En caso de solicitud de inicio de lectura: Fecha y hora de inicio de lectura.
En caso de solicitud de fin de lectura: Fecha y hora de solicitud de lectura
4.7.1.3 Clase WiFiClientConnection
La clase WiFiClienteConnection contiene los mtodos que permiten al programador

crear procedimientos que permitan recibir informacin del contexto de los clientes con
interfaz WiFi para determinar su posicin dentro de una localidad. Los mtodos
permiten la comunicacin en dos vas (Full dplex) entre la aplicacin servidora y el
cliente, para ello se debe implementa el mtodo createReceptionSocket que permite
realizar instancias se ServerSockets12 las mismas que permitirn la recepcin de
datos por parte de dispositivos mviles, para instanciarlos el programador slo debe
ingresar como parmetro el nmero de puerto que se utilizar para recibir la
informacin de los clientes. El mtodo retorna un objeto que permite acceder
directamente al flujo de datos que llega al puerto.
El mtodo senClientPosition tiene la capacidad de enviar los datos de localizacin al
cliente, ste establece una comunicacin va protocolo TCP con un cliente
determinado, la identidad del cliente con el cual se desea establecer comunicacin se
realiza mediante su direccin IP que debe ser ingresada como parmetro, de igual
forma se debe agregar como parmetro una cadena codificada en formato JSON la
cual contiene los datos de localizacin del cliente al cual se le notificar su posicin.
CHAMAN permite implementar mtodos activos de localizacin de cliente WiFi, para

ello se implementa el mtodo sedClientinquiry el cual enva una seal para notificar al
cliente que debe enviar la informacin del contexto de localizacin en el cual se
encuentra al servidor del cual proviene el mensaje, el mtodo recibe como parmetro
12
http://docs.oracle.com/javase/1.4.2/docs/api/java/net/ServerSocket.html
Captulo 4 -- CHAMAN
Pgina 38
la direccin IP del cliente al cual se le debe solicitar el envo de su contexto de

locacin.
4.7.2 Capa de traduccin de datos

Dentro del paquete que da forma a la capa de traduccin se encuentran las clases que
permiten descifrar los datos en crudo obtenidos de los dispositivos utilizados para el
proceso de localizacin. Dentro de esta capa se encuentran clases que extienden las
funcionalidades de la API google-gson13 que permite, haciendo uso de clases de tipo
estructura14 crear instancias de objetos que pueden ser utilizados para su posterior
procesamiento en el proceso de localizacin. El proceso de traduccin permite crear
instancias de objetos de tipo: solicitud de historial de localizacin por usuario, solicitud
de historia de localizacin por zona, solicitud de historial de localizacin de objeto,
paquete de entrenamiento, solicitud de localizacin de tipo pasivo de cliente mvil con
interfaz Wi-Fi.
De igual forma que la traduccin de formatos JSON a objetos, la capa de traduccin
permite obtener el contenido de las etiquetas de formatos XML con un esquema
previamente establecido, esta funcin se utiliza para mapear los mensajes ROSPEC
enviados por los lectores RFID utilizando el protocolo LLRP. Los mtodos de
traduccin y extraccin de informacin permiten al programador obtener los datos de
un evento de lectura de una etiqueta RFID a partir del mensaje ROSPEC enviado por
los lectores RFID o antenas autnomas. Las siguientes lneas muestran un fragmento
de un mensaje ROSPEC utilizado para la comunicacin entre mtodos de CHAMAN y
los dispositivos lectores de etiquetas RFID.
<?xml version="1.0" encoding="UTF-8"?>

<llrp:ADD_ROSPEC xmlns:llrp="http://www.llrp.org/ltk/schema/core/encoding/xml/1.0"
Version="1" MessageID="4">
<llrp:ROSpec>
<llrp:ROSpecID>1</llrp:ROSpecID>
<llrp:Priority>0</llrp:Priority>
<llrp:CurrentState>Disabled</llrp:CurrentState>
<llrp:ROBoundarySpec>
<llrp:ROSpecStartTrigger>
<llrp:ROSpecStartTriggerType>Null</llrp:ROSpecStartTriggerType>
</llrp:ROSpecStartTrigger>
<llrp:ROSpecStopTrigger>
<llrp:ROSpecStopTriggerType>Null</llrp:ROSpecStopTriggerType>
<llrp:DurationTriggerValue>0</llrp:DurationTriggerValue>
</llrp:ROSpecStopTrigger>
</llrp:ROBoundarySpec>
13
http://code.google.com/p/google-gson/downloads/list
Clases utilizadas por CHAMAN para crear instancias de objetos a partir de objetos String en formato
JSON. Estas clases solo contienen la instancia de tipos de datos y mtodos set() y get(), ver el paquete
cenidet.api.indoorlocation.eschema.
14
Captulo 4 -- CHAMAN
Pgina 39
<llrp:AISpec>
<llrp:AntennaIDs>0</llrp:AntennaIDs>
<llrp:AISpecStopTrigger>
<llrp:AISpecStopTriggerType>Null</llrp:AISpecStopTriggerType>
<llrp:DurationTrigger>0</llrp:DurationTrigger>
</llrp:AISpecStopTrigger>
<llrp:InventoryParameterSpec>
<llrp:InventoryParameterSpecID>9</llrp:InventoryParameterSpecID>
<llrp:ProtocolID>EPCGlobalClass1Gen2</llrp:ProtocolID>
</llrp:InventoryParameterSpec>
</llrp:AISpec>
<llrp:ROReportSpec>
<llrp:ROReportTrigger>Upon_N_Tags_Or_End_Of_AISpec</llrp:ROReportTrigger>
<llrp:N>1</llrp:N>
<llrp:TagReportContentSelector>
<llrp:EnableROSpecID>1</llrp:EnableROSpecID>
<llrp:EnableSpecIndex>1</llrp:EnableSpecIndex>
<llrp:EnableInventoryParameterSpecID>1</llrp:EnableInventoryParameterSpecID>
<llrp:EnableAntennaID>1</llrp:EnableAntennaID>
<llrp:EnableChannelIndex>1</llrp:EnableChannelIndex>
<llrp:EnablePeakRSSI>1</llrp:EnablePeakRSSI>
<llrp:EnableFirstSeenTimestamp>1</llrp:EnableFirstSeenTimestamp>
<llrp:EnableLastSeenTimestamp>1</llrp:EnableLastSeenTimestamp>
<llrp:EnableTagSeenCount>1</llrp:EnableTagSeenCount>
<llrp:EnableAccessSpecID>1</llrp:EnableAccessSpecID>
<llrp:C1G2EPCMemorySelector>
<llrp:EnableCRC>1</llrp:EnableCRC>
<llrp:EnablePCBits>1</llrp:EnablePCBits>
</llrp:C1G2EPCMemorySelector>
</llrp:TagReportContentSelector>
</llrp:ROReportSpec>
</llrp:ROSpec>
</llrp:ADD_ROSPEC>
La figura 16 muestra el diagrama de clases del paquete de traduccin de datos. Estas

clases son las encargadas de descomponer los objetos recibidos en objetos de tipo
String accesibles por el programador utilizando mtodos get y set.
Captulo 4 -- CHAMAN
Pgina 40
Figura 4.7 Diagrama de clases correspondiente a la capa de traduccin de datos
4.7.2.1 Clase TranslateRawData
La clase TranslateRawData contiene mtodos que permiten obtener de forma granular

cada uno de los elementos que se encuentran en el paquete de
entrenamiento/localizacin enviado por un cliente mvil o un dispositivo lector RFID
para crear la instancia de radio-mapas. El paquete de entrenamiento se encuentra
codificado en formato JSON y contiene informacin del contexto de locacin de un
dispositivo mvil. Los mtodos contenidos en la clase TranlateRawData reciben un
objeto tipo String codificado en formato JSON y retorna la instancia de un objeto de
localizacin segn sea el caso del mtodo utilizado. Las opciones de retorno son:
Objeto de tipo trainingRadioMap si la informacin es enviada por un

dispositivo mvil que evala el contexto de seales Wi-Fi en el proceso de
creacin de radio-mapas de seales Wi-Fi.
Objeto de tipo locationPackage si la informacin es enviada por un
dispositivo mvil que solicita el servicio de localizacin.
Objeto de tipo ROSPEC_Event si la informacin es enviada por un lector
RFID
4.7.2.2 Clase trainingRadioMap
Esta clase permite crear objetos que contienen informacin sobre el contexto de
seales Wi-Fi que puede percibir un dispositivo cliente en una zona de localizacin
determinada, mientras se realiza el proceso de entrenamiento y construccin de radiomapas. Lo mtodos existentes en la clase permiten al programador (y clases de otras
capas de la API) acceder de forma correcta a los datos de entrenamiento enviados por
el dispositivo cliente entrenador utilizando para esto los mtodos get que retorna el
valor de los atributos del objeto.
4.7.2.3 Clase locationPackage
Esta clase permite crear objetos que contienen informacin sobre el contexto de
seales Wi-Fi que puede percibir un dispositivo cliente en una zona de localizacin
Captulo 4 -- CHAMAN
Pgina 41
determinada en el momento de solicitar activa o proactivamente el servicio de

localizacin. Los mtodos existentes en la clase permiten al programador (y clases de
otras capas de la API) acceder de forma correcta a los datos de entrenamiento
enviados por el dispositivo cliente entrenador utilizando para ellos los mtodos get
que retorna el valor de los atributos del objeto.
4.7.2.4 Clase ROSPEC_Event
Esta clase permite crear un objeto que contiene la informacin sobre un evento
serializado en un mensaje ROSPEC enviado por un lector RFID que soporte el
protocolo LLRP. Los mtodos get de la clase permiten obtener en formato String la
informacin del mensaje ROSPEC para su posterior manipulacin por parte del
programador o algn otro mtodo de la API como el motor de localizacin.
4.7.3 Capa de filtrado de datos

En esta capa se encuentran los mtodos encargados de identificar el tipo de
informacin recibida por los mtodos de la capa de conexin fsica, una vez
identificado el mensaje se traduce por la capa de traduccin de datos. Los mtodos de
filtrado permiten obtener, segn sea el caso, el identificador del portal RFID o de la
antena autnoma, el identificador de un punto de acceso o la seccin de radio-mapa
que se debe entrenar con los datos de contexto de seal recibidos. Cabe mencionar
que algunos mtodos de filtrado necesitan realizar consultas al repositorio relacional
para comprobar cierta informacin enviada por parte de los dispositivos utilizados en el
proceso de localizacin por lo cual algunos mtodos de filtrado necesitan recibir un
objeto de tipo conexin con repositorio relacional entre sus parmetros de instancia.
LocationAreaIdentification
+getCell_DB_Identification(entrada X_position : string, entrada Y_postion : string, entrada Floor_number : string) : string
+getQRCode_DB_Identification(entrada QRCodeKey : string) : string
RFIDIdentification
+getRFIDReader_DB_Identification(entrada MAC_Address : string) : string
+getAnthena_DB_Identification(entrada RFIDReaderID : string, entrada AnthenaID : string) : string
PlayersIdentification
+getUser_DB_Identification(entrada TAGEPC : string) : string
+getDevice_DB_Identification(entrada MAC_Address : string) : string
+getObject_DB_Identification(entrada TAGEPC : string) : string
Captulo 4 -- CHAMAN
Pgina 42
4.7.3.1 Clase LocationAreaIdentification
Los mtodos de esta reciben como parmetros Strings que contienen descriptores de
contexto de un tipo de tecnologa de localizacin y en base a un proceso de
evaluacin de los datos recibidos retorna la posicin del dispositivo cliente quien ha
solicitado el servicio de localizacin y ha enviado su contexto de seales Wi-Fi o el
identificador QRCode correspondiente a la zona en la que se encuentra el dispositivo
que ha escaneado el cdigo.
4.7.3.2 Clase RFIDIdentification
Los mtodos de esta clase reciben parmetros obtenidos de los mensajes ROSPEC.
Los mtodos retornan la identificacin de los actores que se encuentren involucrados
en el proceso de localizacin basado en tecnologa RFID como lo es un lector RFID o
una antena autnoma.
4.7.3.3 Clase PlayersIdentiffication
Los mtodos de la clase reciben como parmetro el cdigo numrico de identificacin

de un usuario, objeto o dispositivo mvil y retornan el nombre identificador asignado al
dispositivo en el repositorio relacional.
4.7.4 Capa de procesamiento de datos

La capa de procesamiento de datos es en la que se encuentran las clases y mtodos
correspondientes al paquete de procesamiento de informacin para la creacin de
instancias de radio-mapas o bsqueda de objetos/usuarios (proceso de localizacin).
Estos mtodos implementan los algoritmos de identificacin de patrones utilizados
para llevar a cabo el proceso de localizacin en interiores segn la tecnologa utilizada
o el proceso de creacin de radio-mapas en la fase de entrenamiento.
Para una disposicin ms ordenada de los mtodos y clases la capa de
procesamiento, sta se divide en subcapas (que arquitectnicamente pueden ser
concebidas como metapaquetes) que realizan una funcin especfica en el proceso de
localizacin como: creacin de radio-mapas de zonas de localizacin utilizando el
espectro de propagacin Wi-Fi, creacin de radio-mapas de zonas de localizacin
utilizando el espectro de propagacin Bluetooth, localizacin de objetos o individuos
etiquetados con tags RFID pasivos, localizacin de usuarios a partir de las paquetes
recibidos que contienen el escalar de potencia de los puntos de acceso Wi-Fi o
Bluetooth escaneados en una determinada zona.
Las siguientes subsecciones describen el comportamiento de los mtodos y procesos
realizados en las clases contenidas dentro de las capas de entrenamiento y
localizacin. La figura 9 muestra el diagrama de clases de la capa de procesamiento
Captulo 4 -- CHAMAN
Pgina 43
de datos donde se pueden apreciar las clases motores utilizadas para el proceso de
localizacin y el proceso de entrenamiento.
WiFiIndoorLocationEngine
BluetoothiIndoorLocationEngine
+getIterationNumber(entrada APList : object) : int

+getSortAPList(entrada APList : object) : object
+getMacrolocation(entrada APList| : object, entrada APpxList : object) : object
+getMicrolocation(entrada CandidatesCellsList : object) : object
+getIterationNumber(entrada APList : object) : int

+getSortAPList(entrada APList : object) : object
+getMacrolocation(entrada APList| : object, entrada APpxList : object) : object
+getMicrolocation(entrada CandidatesCellsList : object) : object
RadiomapTrainingEngine
QRCodeIndoorLocationEngine
+setRadioCellData(entrada Cell_DB_ID : string, entrada AP_DB_ID : string, entrada AP_Px : string)

+getAP_DB_ID(entrada AP_MAC_Address : string) : string
+getZone(entrada QRCodeKey : string) : string
RFIDIndoorLocationEngine
+setTagPositionToDB(entrada TagEPC : string, entrada AnthenaID : string)
+getCurrentTagPosition(salida currentTagPosition : string)
+getRFIDReaderZone(entrada ReaderID : string) : string
IndoorLocationReports
+queryPerZone(entrada ZoneName : string) : object
+queryPerPerson(entrada PersonID : string) : object
Figura 4.9 Diagrama de clases de la capa de procesamiento de datos
4.7.4.1 Subcapa de entrenamiento
Las clases y mtodos contenidos en la capa de entrenamiento permiten crear

instancias de zonas de localizacin, las cuales en su conjunto forma el radio-mapa de
seales electromagnticas las cuales pueden tener su origen en frecuencias de tipo
Wi-Fi o Bluetooth. Las instancias de zonas de localizacin creadas en el proceso de
entrenamiento son creadas a partir de la informacin de contexto de seales enviada
por un dispositivo cliente entrenador.
4.7.4.2 Clase RadiomapTrainingEngine
Los mtodos de esta clase son los encargados de crear instancias individuales de una
zona de localizacin entrenada en base a la informacin enviada desde el dispositivo
cliente. Para realizar este proceso, el mtodo utiliza un objeto que contiene los
atributos de contexto de seal enviados por el cliente, en este objeto se encuentra la
descripcin de la zona en la que se encuentra el cliente (campus, edificio, piso, zona y
coordenadas dentro de un mapa) y el listado de los identificadores de seal y sus
magnitudes correspondientes dentro de arreglos de listas (Objeto de tipo ArrayList
perteneciente a la clase java.util). La estructura del objeto utilizado para instanciar la
informacin enviada por el cliente se muestra en el siguiente recuadro.
String Campus;
String Edificio;
String Piso;
String Zona;
intcoorX;
String coorY;
List<String>MACWiFi = new ArrayList<String>();
List<String>PxWiFi = new ArrayList<String>();
List<String>MACbluetooth = new ArrayList<String>();
List<String>Pxbluetooth = new ArrayList<String>();
Captulo 4 -- CHAMAN
Pgina 44
De esta forma los mtodos de entrenamiento entrenan en una zona de localizacin

especfica dentro de un radio-mapa a partir de la informacin recibida, la informacin
de entrenamiento se almacena permanentemente en el repositorio relacional
mantenido una relacin de tipo: zona de localizacin tiene un punto de acceso con
una potencia determinada en un margen de horario especfico. La figura 19(a)
muestra como se encuentran almacenados los datos que componen un radio-mapa
entrenado en el repositorio relacional y en la figura 19(b) la representacin grfica de
los datos de entrenamiento convertidos en un mapa de calor representando en tonos
oscuros el lugar donde se encuentra una mejor cobertura de cada punto de acceso, en
los tonos claros las zonas en las que la cobertura es casi nula.
Figura 4.10 (a) radiomapa entrenado vista repositorio relacional, (b) representacin grfica de un radiomapa
entrenado
Una vez completado el proceso de entrenamiento se obtiene de forma relacional en el

repositorio de datos un radio-mapa de seales, en el cual, se basan los mtodos de
localizacin para realizar una estimacin de la localizacin de un individuo u objeto.
4.7.4.3 Subcapa de localizacin
Los mtodos correspondientes a la subcapa de localizacin contienen la codificacin

de los algoritmos utilizados para localizar a un usuario u objeto dentro del rea de
localizacin; implementando tres tipos diferentes de tecnologa:
Tecnologa de comunicacin inalmbrica Wi-Fi y Bluetooth.

Tecnologa de identificacin por radiofrecuencia RFID.
Tecnologa de identificacin por cdigos bidimensionales QRCode.
Los mtodos de localizacin utilizando tecnologa Wi-Fi y Bluetooth se basan en la

metodologa de localizacin denominada fingerprint, la cual, como se ha mencionado
anteriormente se divide en dos fases: entrenamiento y localizacin. Las clases y
Captulo 4 -- CHAMAN
Pgina 45
mtodos contenidos en el paquete de localizacin le permiten al programador ofrecer

servicios de localizacin.
Las siguientes secciones describen el funcionamiento de las mtodos y algoritmos
utilizados en cada una de las subcapas mencionadas anteriormente, cabe mencionar
que para el correcto funcionamiento de los mtodos de localizacin basados en la
evaluacin del contexto de seales inalmbricas y la localizacin basada en la lectura
de etiquetas RFID o cdigos bidimensionales QRCode se debe contar con un
repositorio relacional el cual cumpla con el esquema entidad-relacin propuesto en el
desarrollo de esta tesis y se encuentre poblado con datos correspondientes a cada
zona de localizacin e infraestructura del hardware de localizacin.
Mtodo de localizacin utilizando contexto de tecnologas Wi-Fi y Bluetooth
Los mtodos de localizacin que utilizan el contexto del espectro electromagntico

(direccin MAC como identificador de dispositivos y potencia en escalar positivo de
decibelios15) de las tecnologas Wi-Fi y Bluetooth, implementan dos tipos de
algoritmos de localizacin, los cuales, le permiten al programador obtener dos niveles
de granularidad diferentes, el primero de ellos se denomina microlocalizacin, en el
cual, se tiene como zona mnima de localizacin una celda, el proceso de
microlocalizacin, retorna el conjunto de celdas candidatas en las que se puede
encontrar el dispositivos que ha solicitado el servicio de localizacin, al enviar los
datos de contexto de seales Wi-Fi y Bluetooth que se encuentran a su alcance. El
segundo nivel de granularidad es proporcionado por el servicio de macrolocalizacin,
el cual, retorna como respuesta la zona de localizacin en la que se encuentra el
dispositivos que ha solicitado el servicio de localizacin, la zona retornada es el
resultado de la evaluacin del conjunto de celdas candidatas obtenidas en el proceso
de microlocalizacin.
El mtodo de localizacin que se implement en esta tesis evala el contexto de las
seales Wi-Fi, es decir, realiza una comparacin de las muestras de magnitud de
potencia de la seal inalmbrica tomadas por el dispositivo mvil, los datos de lectura
incluyen un identificador nico, que corresponde a la direccin MAC del punto de
acceso (BSSID) y la magnitud de potencia que se recibi en el momento y lugar en el
cual se realiz la toma de muestras desde un dispositivo mvil. Los algoritmos de
localizacin codificados en los mtodos de la capa de localizacin inician la bsqueda
de las celdas candidatas, creando conjuntos de soluciones y realizando operaciones
lgicas sobre ellos como la unin, la interseccin y el clculo de cardinalidad, al final
del proceso de localizacin se obtiene el conjunto de zonas candidatas en las que
puede encontrarse el dispositivo que ha solicitado el servicio de localizacin.
15
El decibelio (smbolo dB) es la unidad relativa empleada en acstica, electricidad, telecomunicaciones

y otras especialidades para expresar la relacin entre dos magnitudes: la magnitud que se estudia y una
magnitud de referencia.
Con mayor frecuencia se emplea para relacionar magnitudes acsticas, pero tambin es frecuente
encontrar medidas en decibelios de otras magnitudes, por ejemplo las elctricas o las lumnicas.
Recuperado de : http://es.wikipedia.org/wiki/Decibelio
Captulo 4 -- CHAMAN
Pgina 46
La figura 20 muestra un modelo grfico por etapas del proceso de localizacin,

mediante la evaluacin del contexto de seales Wi-Fi y Bluetooth. En la primera
etapa, es recomendable contar con una correcta distribucin de puntos de acceso
dentro del rea donde se prestarn los servicios de localizacin en interiores, la etapa
dos muestra a un dispositivo cliente, en este caso un dispositivo Smartphone
obteniendo la informacin de los puntos de acceso y de los dispositivos bluetooth
cercanos, una vez que se tienen la muestra de datos se enva al servidor en formato
JSON. En la etapa tres, el servicio de localizacin hace uso de los mtodos de
CHAMAN y el repositorio relacional para proporcionar el nombre o identificador de la
zona de localizacin en la cual se encuentra el dispositivo mvil Smartphone.
Figura 4.11 Modelo secuencial del proceso de localizacin utilizando el contexto de tecnologas Wi-Fi y
Bluetooth
En los prrafos anteriores se ha descrito de forma general el proceso de localizacin

en interiores mediante la evaluacin de contexto de seales Wi-Fi y Bluetooth, en
las siguientes secciones se describirn los algoritmos utilizados en los procesos de
microlocalizacin y macrolocalizacin.
Microlocalizacin
Basados en la informacin contenida en el repositorio relacional (instancias de radiomapas) los algoritmos de localizacin codificados en los mtodos de microlocalizacin
permiten retornar la celda o las celdas candidatas en las cuales se encuentra el
dispositivo cliente. Para iniciar el proceso de localizacin se debe contar con
informacin de contexto de seales Wi-Fi y/o Bluetooth enviadas por un dispositivo
cliente. Esta informacin debe contener al menos un punto de acceso y la magnitud de
Captulo 4 -- CHAMAN
Pgina 47
seal de ste. La microlocalizacin se define como un proceso iterativo de evaluacin

de magnitudes de seales inalmbricas recibidas, comparndolas con magnitudes de
seales almacenadas en el repositorio relacional, estas seales se registraron en el
proceso de entrenamiento. El conjunto de seales y magnitudes enviadas por el
dispositivo cliente es evaluado y ordenado segn la magnitud de la seal en orden
ascendente; se realiza la evaluacin de identificador y magnitud de la seal con
magnitud menor sobre el repositorio relacional, esta evaluacin retorna un conjunto de
celdas en las cuales la seal y magnitud buscadas aparecen, El conjunto resultante es
el conjunto sobre el cual se realizar la nueva iteracin utilizando para la segunda
seal con magnitud mayor del conjunto de seales enviadas por el dispositivo cliente.
El nmero de iteraciones de comparacin realizadas depende de la cardinalidad del
conjunto de seales enviadas por el dispositivo cliente. Al finalizar el proceso iterativo
se obtiene el conjunto de celdas candidatas en las cuales se puede localizar el
dispositivo mvil que ha solicitado el servicio de localizacin. La figura 21 muestra el
proceso iterativo de filtrado y localizacin de un dispositivo mvil que enva la
informacin de cuatro seales diferentes, el primer filtrado de celtas retorna un
conjunto de celdas candidatas en las que se puede encontrar el dispositivo, el
segundo filtrado de celdas toma el conjunto sobre el cual se evala la segunda seal y
retorna un nuevo conjunto de celdas candidatas que es utilizado por el tercer filtrado
de celdas el cual determina la posible posicin del dispositivo cliente en dos celdas
candidatas (Cc3 y Cc4).
Figura 4.12 Proceso de microlocalizacin
Captulo 4 -- CHAMAN
Pgina 48
Macrolocalizacin
Los mtodos contenidos en las clases que definen el proceso de macrolocalizacin

permiten al programador obtener en base al resultado del proceso de microlocalizacin
el rea de localizacin de tipo zona en la que se encuentra un dispositivo cliente. Los
mtodos reciben el conjunto de celdas candidatas en las que puede encontrarse un
dispositivo cliente. Estas son evaluadas y agrupadas en conjuntos segn sea la zona a
la cual pertenecen, de esta forma se obtienen diversos conjuntos de zonas candidatas
en las que se puede encontrar el dispositivo cliente, el criterio utilizado para determinar
la zona de localizacin en la que se encuentra el dispositivo cliente es la cardinalidad
de los conjuntos zonas candidatas; se determina la posicin del dispositivo mvil en
aquella zona que se encuentra identificada con el conjunto con mayor cardinalidad de
celdas candidatas. La figura 22 muestra las etapas del proceso de macrolocalizacin
el cual recibe como entrada un conjunto de celdas candidatas Ccx y proporciona como
salida el rea de localizacin en la cual se encuentra el dispositivo cliente que ha
realizado la solicitud de localizacin.
Figura 4.13 Proceso de macrolocalizacin
Localizacin utilizando contexto de tecnologas RFID o NFC
El proceso de localizacin en interiores utilizando tecnologa RFID o NFC se basa en

la lectura de una etiqueta RFID pasiva por un lector el cual se encuentra asociado a un
rea del edificio o instalacin de la organizacin. De esta forma, al ser escaneada una
etiqueta por un lector registrado en el repositorio relacional es posible establecer la
posicin del usuario u objeto portador de la etiqueta. Debido a las caractersticas
fsicas propias de la tecnologa RFID el margen de error no es mayor a 1 metro.
Los mtodos que formar parte del motor de localizacin basado en tecnologa RFID
utilizan la informacin enviada por los dispositivos lectores (identificador del lector e
identificador de la etiqueta leda) para determinar la posicin del dispositivo cliente u
objeto identificado por una etiqueta RFID. Como precondiciones para el correcto
funcionamiento de estos mtodos el repositorio relacional debe contener los registros
de equipos lectores RFID asociados a zonas de localizacin y cdigos de etiquetas
RFID (EPC) asociados a usuarios u objetos, de igual forma, el cdigo obtenido por el
lector al escanear la etiqueta RFID debe existir en el repositorio relacional.
Captulo 4 -- CHAMAN
Pgina 49
La figura 23 muestra el proceso de localizacin en interiores utilizando lectores y

etiquetas RFID. La figura describe dos etapas, en la primera, las antenas desplegadas
dentro de las inmediaciones de las instalaciones escanean etiquetas asociadas a
personas y objetos, el cdigo de lectura (EPC) obtenido de cada una de las etiquetas
se utiliza como campo llave para extraer la informacin asociada a cada uno de estos
del repositorio relacional. Los lectores RFID utilizan mensajes ROSPEC para enviar en
tiempo real informacin de las etiquetas escaneadas. La etapa dos inicia una vez
recibido el mensaje ROSPEC, ste es filtrado y los datos que lo conforman son
consultados en el repositorio relacional, los mtodos del motor de localizacin RFID
retornan la posicin del objeto o usuarios identificado por la etiqueta escaneada cuyo
cdigo identificador (EPC) fue consultado en el repositorio relacional.
Figura 4.14 Proceso de localizacin utilizando tecnologa RFID
Localizacin utilizando QRCodes
Los mtodos del motor de localizacin basado en el escaneo de cdigos QR reciben

como entrada el contenido cifrado dentro de la imagen QRCode, este es consultado en
el repositorio relacional y en caso de encontrar una relacin entre contenido de cdigo
y zona esta ltima es retornada como respuesta del proceso de localizacin. La figura
24 describe las tres etapas del proceso de localizacin utilizando cdigos QR. En la
Captulo 4 -- CHAMAN
Pgina 50
primera de ellas un dispositivo con capacidades de lectura de cdigos QR debe

escanear la imagen, mediante la cmara digital del dispositivo, localizado dentro de
una zona del edificio, como precondicin para el correcto funcionamiento de los
mtodos del motor de localizacin QRCode, el cdigo escaneado debe existir en el
repositorio relacional y debe estar relacionado con al menos una zona de localizacin.
La segunda etapa consiste en el envo de la informacin codificada en el cdigo QR a
un servidor de localizacin. En la tercera etapa se inicia el proceso de localizacin
realizando una bsqueda en el repositorio relacional y retorna la zona asociada al
contenido del QRCode Recibido.
Figura 4.15 Proceso de localizacin utilizando la tecnologa QRCode.
4.7.4.4 Capa de conexin a repositorios relacionales

Las clases y los mtodos contenidos en el paquete que representa esta clase
extienden las funcionalidades de la API MySQL.JDBC16 la cual permite gestionar
conexiones, realizar consultas, inserciones y alterar el contenido de un repositorio
relacional gestionado por un DBMS17correspondiente a una versin 4.5 o superior de
MySQL. Los mtodos de conexin a repositorios relacionales de CHAMAN hacen uso
16
http://dev.mysql.com/doc/refman/5.1/en/connector-j.html
Data Base Manager System (sistema administrador de base de datos)
17
Captulo 4 -- CHAMAN
Pgina 51
de las funcionalidades de MySQL.JDBC para realizar operaciones de consultas y

modificaciones del contenido de forma semitransparente para el programador que los
utilice, el cual nicamente debe invocar los mtodos usando como parmetro un objeto
de tipo conexin (el cual contiene la descripcin de la ruta de la base de datos, el
nombre de usuario, contrasea y nombre de la tabla que ser afectada) y un objeto de
tipo lista con los parmetros que sern insertados o consultados en el repositorio
relacional.
4.7.4.5 Capa de servicios

La capa de servicios contiene mtodos que permiten obtener reportes en tiempo real o
histricos de las ubicaciones de usuarios u objetos dentro de las zonas de localizacin
mapeadas en el repositorio relacional, de igual forma contiene mtodos que invocan a
los procesos de localizacin en interiores de acuerdo a la tecnologa utilizada. Los
mtodos pueden recibir como parmetros: identificacin del usuario, identificacin del
objeto o identificador de zona, en cualquier caso los mtodos de reporte retornan la
informacin solicitada en un objeto de tipo reporte, el cual, contiene listas en las que
se encuentra la informacin de localizacin solicitada. La informacin contenida en el
objeto es fcilmente accesible por medio de mtodos get los cuales retornan el
contenido del atributo en formato String.
Captulo 4 -- CHAMAN
Pgina 52
4.8 Diagrama de clases

La figura 25 muestra en su totalidad el diagrama de clases correspondiente a la API CHAMAN
Figura 4.16 Diagrama de clases de la API CHAMAN
Captulo 4 -- CHAMAN
Pgina 53
Captulo 5
Casos de estudio
Pgina 54
5.1 Introduccin
El presente captulo se muestran las pruebas de asertividad de los algoritmos de
localizacin en interiores utilizando tecnologa Wi-Fi, Bluetooth y RFID
implementados dentro de la API CHAMAN descrita en el captulo 4 de este documento
de tesis. Para realizar las pruebas de asertividad se llevaron a cabo 2 desarrollos
paralelos a CHAMAN, uno de ellos es una aplicacin servidora (Aplicacin del servidor
de localizacin) desarrollada totalmente en Java SE y ejecutada sobre un servidor
CentOS 5.7, el segundo desarrollo fue una aplicacin para dispositivos mviles con
sistema operativo Android 2.2 o superior, esta ltima permite al dispositivo obtener el
contexto de seales electromagnticas de tipo Wi-Fi y Bluetooth en el que se
encuentra y enviarlas a la aplicacin en el servidor de localizacin que se encargar,
segn sea el caso, de iniciar un entrenamiento de zonas o iniciar el proceso de
localizacin. Las pruebas de entrenamiento y localizacin se realizaron en el edificio
del departamento de ciencias de la computacin del CENIDET el cual cuenta con dos
plantas, en la planta baja se encuentran los laboratorios y las aulas y en la planta alta
se encuentran las oficinas de profesores y cubculos de estudiantes de doctorado. Las
siguientes secciones muestran el proceso de elaboracin de pruebas como tambin
los resultados obtenidos de ellas.
5.2 Caso de estudio 1: Localizacin en interiores utilizando

contexto de tecnologas Wi-Fi y Bluetooth
El primer caso de estudio se realiz sobre la efectividad del proceso de localizacin en
interiores evaluando los espectros y magnitudes de seales de tipo Wi-Fi y
Bluetooth. Para realizar las pruebas se cont con un arreglo de 7 puntos de acceso
distribuidos de forma aleatoria en el edificio, el sujeto de pruebas y dispositivo mvil
con el cual se realizaron las pruebas de localizacin fue un telfono mvil HTC Wildfire
S con sistema operativo Android 2.3 el cual utilizaba uno de los puntos de acceso del
edificio para establecer comunicacin con el servidor de localizacin.
5.2.1 Descripcin del escenario

Como ya se describi y discuti en el captulo 3 (Estado del arte), existen diversos
mtodos de localizacin en interiores, cada uno de ellos con sus pros y contras y
cada uno de ellos con un resultado diferente segn el escenario de localizacin, a
partir de experimentacin con tecnologa base implementada para localizar a un
usuario u objeto, al tipo de hardware utilizado para llevar a cabo el proceso de
localizacin, y al anlisis de factibilidad para uso del algoritmo de localizacin en
diversos escenarios, se lleg a la conclusin de implementar un algoritmo basado en
el mtodo de huella de seal (fingerprint-based) , este mtodo se desarrolla en dos
etapas para poder llevar a cabo el proceso de localizacin. La primera de las etapas
se conoce como fase de entrenamiento o fase Off-line, en ella es necesario realizar un
proceso de mapeo virtual de las seales y sus magnitudes en cada uno de los puntos
Pgina 55
del rea (instalacin o edificio) en donde se ofrecer el servicio de localizacin, la

informacin capturada se almacena en un repositorio relacional, las relaciones entre
las zonas reales y el mapeo virtual de las magnitudes de seal permite crear un mapa
fsico del rea donde se prestar el servicio de localizacin, que a su vez se relaciona
un mapa virtual en el cual se refleja la magnitud de potencia o huella de potencia de
cada uno de los dispositivos inalmbricos de los cuales se recibi seal. La segunda
etapa es el proceso de localizacin en s mismo, el proceso se inicia al recibir un
vector con identificadores de puntos de acceso y un atributo de potencia de seal, el
cual, corresponde a alguna coordenada fsica dentro del rea donde se presta el
servicio de localizacin, el conjunto de puntos de acceso y sus correspondientes
potencias son los datos de entrada para el algoritmo de localizacin, el cual, realiza
una bsqueda e inferencia de posibles zonas candidatas, el proceso compara los
datos de entrada del algoritmo con los datos almacenados en el repositorio relacional,
para obtener el rea en donde se encuentra el usuario u objeto que ha enviado los
datos de puntos de acceso y potencia.
El escenario en el cual se realizaron las pruebas de efectividad del algoritmo de
localizacin fue el edificio del departamento de ciencias computacionales, que se
encuentra en el campus Cerritus del Centro Nacional de Investigacin y Desarrollo
Tecnolgico CENIDET (coordenadas longitud: 18 52' 35.91, latitud: 99 13' 10.58") el
cual cuenta con dos plantas, en la planta baja se encuentran tres aulas, dos sanitarios,
un rea de servicio tcnico y tres laboratorios. En la segunda planta se distribuyen diez
y seis oficinas en las cuales se encuentran los profesores. La figura 26 muestra en
forma de mapa la distribucin de espacios arquitectnicos de la planta baja del edificio
del departamento de ciencias computacionales del CENIDET.
Figura 5.1 Mapa de distribucin arquitectnica de la planta baja del edificio del departamento de ciencias de
la computacin (CENIDET)
Pgina 56
5.2.2 Entrenamiento
En la fase de entrenamiento se construye el mapa de seales del rea en donde se
prestar el servicio de localizacin, para realizar el entrenamiento se requiere
informacin del rea en metros cuadrados del edificio, la ubicacin de los puntos de
acceso por piso, la cantidad de materiales y su grado de atenuacin que debe
atravesar una onda de propagacin de seal Wi-Fi o Bluetooth, es decir, la magnitud
de cada una de las seales. La evaluacin del escenario de localizacin determinar el
tamao de la representacin virtual de seales sobre el rea donde se prestar el
servicio de localizacin.
Como se ha mencionado en lneas anteriores, la fase de entrenamiento tiene como
resultado una representacin relacional entre un rea geogrfica/arquitectnica
especfica y las magnitudes de potencia de cada uno de los puntos de acceso tanto
Wi-Fi o Bluetooth, para almacenar de manera persistente estas relaciones se utiliza un
repositorio relacional (Captulo 4), el proceso de poblacin de datos y relaciones se
deja a eleccin del usuario, para fines de pruebas y evaluacin como parte
complementaria al proyecto de tesis, se realiz el desarrollo de una aplicacin para
dispositivos mviles con sistema operativo Android que se conecta con el repositorio
relacional para crear las relaciones entre rea y magnitudes de potencia. En las
siguientes secciones se describir el proceso realizado para la creacin de un mapa
de relaciones rea-potencia y las consideraciones tomadas para su creacin.
5.2.2.1 Implementacin del mtodo de localizacin fingerprint
Como ya se ha descrito anteriormente los mtodos de localizacin en interiores

basados en huellas de potencia (fingerprint-based) necesitan un previo conocimiento
de la distribucin de las potencias de puntos de acceso dentro del rea de localizacin
para llevar a cabo satisfactoriamente el proceso de localizacin. En esta tesis
proponemos el uso de un repositorio relacional (captulo 4) en el cual se almacenan
las relaciones entre reas y las potencias de cada uno de los puntos de acceso dentro
de ellas.
5.2.2.2 Diseo de un grid virtual sobre el rea de localizacin
Pruebas preliminares dieron a conocer que el incremento o decremento de magnitud

de potencia dentro de una misma rea de localizacin puede variar de forma
significativa con respecto a la distancia y posicin en la que se encuentre el dispositivo
de sensado del medio18 con respecto al punto de acceso, como se muestra en la tabla
1. En base a los resultados de pruebas e implementando la frmula que describe la
relacin de prdida de potencia en espacios libres (FSL por sus siglas en ingls) como
18
Dispositivo encargado de recolectar los datos de contexto de seal (identificador de punto de acceso y
magnitud de potencia correspondiente) en un punto geogrfico o distribucin arquitectnica
determinada
Pgina 57
se muestra en la frmula Eq1 donde d es la distancia con respecto al punto de acceso

y f la frecuencia de propagacin de la onda. Se propuso que el rea mnima de
localizacin (celda) debera cubrir aproximadamente dos metros cuadrados, en esta
medida se considera el incremento y decremento de potencia segn la distancia con
respecto al punto de acceso y la posible atenuacin de 4 db por contaminacin
electromagntica del medio (tomando la contaminacin como una constante con
respecto al tiempo).
Muestra
Punto de acceso
1
2
3
4
00:13:46:70:68:d6
00:13:46:70:68:d6
00:13:46:70:68:d6
00:13:46:70:68:d6
Distancia en metros con respecto a punto de

acceso
13
15
16
17
Potencia
(db)
77
81
83
85
Tabla 3 Tabla de variacin de potencia con respecto a la distancia de un punto de acceso determinado
Ecuacin para el calculo de perdida de potencia en espacios libres basada en el principio de

Huygens19 donde d es la distancia en metros y f la frecuencia en Hz
En base a la informacin anterior se dividi la superficies del rea de localizacin

Planta baja del edificio del departamento de ciencias computacionales en zonas de
localizacin segn la definicin presentada en el captulo 4. Las zonas se dividieron en
celdas de localizacin con una superficie de 2 metros cuadrados cada una, formado
as una cuadricula o grid virtual sobre el rea de localizacin. La distribucin de
zonas y celdas correspondientes a la planta baja del edificio del departamento de
ciencias computacionales del CENIDET se describen en la figura 4, en la cual, cada
pequeo rectngulo de color representa una celda de localizacin y el conjunto de
celdas de localizacin de un mismo color limitan el rea comprendida por una zona de
localizacin determinada. La nomenclatura de las celdas corresponde a la relacin
entre el nombre del segmento del eje al que corresponde la coordenada en la cual se
encuentra la celda, por ejemplo 5A.
19
El principio de Huygens es un mtodo de anlisis aplicado a los problemas de propagacin de ondas.

Afirma que todo punto de un frente de onda inicial puede considerarse como una fuente de ondas
esfricas secundarias que se extienden en todas las direcciones con la misma velocidad, frecuencia y
longitud
de
onda
que
el
frente
de
onda
del
que
proceden.
http://en.wikipedia.org/wiki/Huygens%E2%80%93Fresnel_principle Recuperado el 19 de Febrero del
2012
Pgina 58
Coordenada X
12
11
10
A
B
A
C
D
E
F
G
H
I
J
K
Nombre de la zona de localizacin

CENIDET.Cerritus.DCC.Aula_1
CENIDET.Cerritus.DCC.Laboratorio_Sistemas_Distribuidos
CENIDET.Cerritus.DCC.Laboratorio_Ingenieria_de_software
CENIDET.Cerritus.DCC.Laboratirio_Inteligencia_Artificial
CENIDET.Cerritus.DCC.Soporte_tecnico
CENIDET.Cerritus.DCC.Sanitarios
CENIDET.Cerritus.DCC.Escaleras_planta_baja
CENIDET.Cerritus.DCC.Entrada_al_edificio
CENIDET.Cerritus.DCC.TragaLuz
Smbolo / color
Pgina 59
Co
or
de
na
da
Y
5.2.2.3 Creacin de radiomapa de reas de localizacin
El proceso inmediato una vez obtenida la distribucin virtual de reas de localizacin

es la poblacin de datos y relaciones de potencia-zona de localizacin, a este proceso
de le llama entrenamiento de radiomapa. El radiomapa de cada zona de localizacin
es la parte fundamental del proceso de localizacin, es por ello que se deben tomar
ciertas consideraciones al crearlo, todas ellas con respecto a la variacin de seal
recibida en un solo punto. La simulacin y anlisis de un escenario real de localizacin
arrojaron resultados significativos en el incremento o decremento de la magnitud de
potencia, los atributos evaluados fueron contexto temporal y posicin de la toma de
muestra con respecto al punto de acceso. Cabe mencionar que la instancia de
evaluacin que aqu se describe tiene como objetivo la localizacin de dispositivos
mviles con interfaz Wi-Fi dentro de un edificio, los dispositivos mviles utilizados
para la evaluacin no definen una posicin obligatoria (pero si recomendada) para su
uso, razn por la cual, se debe considerar el portador del dispositivo mvil como un
objeto ms que puede atenuar la onda de propagacin de seal preveniente desde los
puntos de acceso.
El cuerpo humano y sus mltiples variables fsicas como peso, masa, ndice de grasa
y masa corporal, cantidad de agua y altura representan atributos propios de todos los
portadores de dispositivos mviles y sus magnitudes son tan diversas como cada
usuario de dispositivos mviles, la estrategia implementada para asegurar una mejor
muestra de huella de seal entiende a las siguientes restricciones:
El usuario deber sujetar el dispositivo mvil como se le indica en el manual de

usuario, respetando la posicin de los dedos sobre el dispositivo para evitar en
lo posible atenuacin de la interfaz fsica Wi-Fi o Bluetooth.
La altura con respecto al suelo a la cual se debe realizar el proceso de
muestras no debe estar fuera del intervalo de 1.10 metros a 1.30 metros.
La toma de muestras por celda se deber realizar en el centro de la misma y se
debern realizar 4 instancias de muestras, cada una de ellas girando el cuerpo
y el dispositivo mvil a un punto cardinal diferente.
La tabla 2 muestra la diferencia entre tomas de muestras realizadas en una misma

celda en el proceso de entrenamiento del radio-mapa.
Tabla 4 Muestra del repositorio relacional donde se puede apreciar la variacin del campo potencia en un
mismo punto geogrfico/arquitectnico
Pgina 60
El trfico de paquetes de datos y solicitudes de acceso al medio en redes

inalmbricas, vara segn la hora en la cual se solicite el servicio, este tipo de
escenarios afecta directamente a la magnitud de potencia de una onda de propagacin
en un punto determinado, en diferentes intervalos de tiempo se puede dar el caso en
el cual durante las horas en las que se ofrece el servicio de localizacin la tasa de
incremento o decremento en la magnitud de potencia de los puntos de acceso en
zonas determinadas no sobrepase un valor de 4 decibelios, lo cual, no implica un
cambio radical en el proceso de mapeo, sin embargo, se puede dar el caso en el que
las solicitudes de acceso al medio o la gran afluencia de paquetes pueda llegar a
cambiar el atributo de magnitud de potencia en un punto determinado en ms de 15
decibelios. Es por esta razn que se realiz el proceso de entrenamiento en tres
intervalos diferentes de tiempo, cada entrenamiento se realiz en la hora ms
significativa de cada intervalo, cada intervalo tiene una duracin de 8 horas.
Como se ha mencionado en secciones anteriores el proceso de evaluacin
corresponde al proceso de localizacin en interiores de dispositivos mviles portados
por un individuo. El proceso de entrenamiento debe ser realizado con una interfaz WiFi o Bluetooth con caractersticas similares a las que portaran los dispositivos que se
pretender localizar.
De manera particular, en este caso de estudio, se utilizaron dispositivos mviles HTC,
el dispositivo utilizado para el proceso de entrenamiento fue una unidad HTC
Wildfire S (ver especificaciones de hardware en la seccin de Anexos 7.2
Especificaciones tcnicas ). Para automatizar el proceso de entrenamiento se
desarroll una aplicacin cliente que permite la comunicacin con un servidor de
localizacin, el cual, implementa un conjunto de programas que permiten ofrecer un
servicio de localizacin en interiores. La aplicacin fue desarrollada para plataformas
Android en sus versiones 2.1 o posteriores. La aplicacin inicia al indicarle la
direccin IP o el nombre del dominio en el cual se encuentran el servidor de
localizacin y el repositorio relacional. La aplicacin recibe un paquete en formato
JSON20 el cual contiene el conjunto de catlogos de reas de localizacin, estos datos
son mostrados en pantalla y es deber del agenten entrenador seleccionar el rea en la
que se encuentra, una vez seleccionada el rea se inicia el proceso de escaneo del
contexto de seales inalmbricas, por un periodo de 3 segundos, los datos obtenidos
se convierten a formato JSON y son enviados al repositorio relacional en el cual se
crean instancias de reas de localizacin entrenadas. La figura 27 muestra las
pantallas de la aplicacin mvil en orden de aparicin en el proceso de entrenamiento,
en una secuencia de imgenes de izquierda a derecha, se muestra el proceso en el
cual el agente entrenador podr seleccionar el edificio, zona y celdas en las que se
encuentra para luego iniciar el proceso de escaneo del contexto y posteriormente
enviar los datos al repositorio relacional.
20
JSON, acrnimo de JavaScript ObjectNotation, es un formato ligero para el intercambio de datos. JSON
es un subconjunto de la notacin literal de objetos de JavaScript que no requiere el uso de XML.
Recuperado el 7 de septiembre del 2011. http://es.wikipedia.org/wiki/JSON
Pgina 61
Figura 5.2 Secuencia de comunicacin de la aplicacin cliente con el repositorio relacional en fase de
entrenamiento de radiomapa
Una vez terminado el proceso de entrenamiento se tiene como resultado un radio

mapa entrenado que le permitir a los algoritmos de localizacin determinar la posicin
de un usuario u objeto segn el contexto de seal que perciba en un punto
determinado.
La figura 28 muestra en (a) el contenido de un radio-mapa entrenado en la zona
llamada Area_traga_luz en la cual, se muestra en forma de tablas relacionadas la
magnitud de potencia de un punto de acceso determinado en una celda que
corresponde a un rea determinada en un piso del edificio , en (b) se muestra una
representacin grfica de la dispersin de la seal de tres puntos de acceso, en la
planta baja de edificio, el degradado de colores muestra la magnitud de las seales de
cada punto de acceso.
Figura 5.3 Muestra de celdas entrenadas en el repositorio relacional (a) y representacin grfica de un
radiomapa entrenado (b)
Pgina 62
5.3 Localizacin en interiores en un medio no controlado

Una vez entrenado el radiomapa es posible inferir la ubicacin de un usuario u objeto
en base al contexto de seal que lo rodea. Como se mencion en el captulo cuatro en
la seccin mtodos de localizacin, el algoritmo de localizacin propuesto consta de 2
niveles de granularidad llamados Microlocalizacin y Macrolocalizacin, en el primero
de ellos el algoritmo de localizacin permite inferir el conjunto de celdas
(inmediatamente vecinas entre ellas) en las que puede encontrarse la entidad que
solicit el servicio de localizacin. El nivel de Macrolocalizacin determina la zona en
la que se encuentra la entidad que solicit el servicio de localizacin.
El handset utilizado para el proceso de localizacin en esta instancia de evaluacin del
algoritmo es una unidad HtcWildfire S (ver descripcin en la seccin de anexos) que
utiliza una aplicacin diseada para escanear el contexto de seales, encapsular la
informacin en formato JSON y enviarla al servidor de localizacin utilizando una
conexin TCP. El proceso de solicitud de localizacin se realiz siguiendo las mismas
reglas del proceso de entrenamiento prestando especial atencin a la forma en la que
se sujeta el dispositivo mvil y su altura con respecto al suelo.
5.3.1 Microlocalizacin
El proceso de Microlocalizacin se evalu con una batera de 70 muestras

correspondientes a la evaluacin del proceso en 7 celdas diferentes seleccionadas de
forma aleatoria, en la Figura 29 muestra dentro de un mapa del edificio del
departamento de ciencias computacionales en el cual las figuras rectangulares rojas
marcan las celdas donde se llev a cabo la solicitud de localizacin.
Cabe mencionar que todas y cada una de las tomas de muestras descritas en las
siguientes secciones nombradas con la unin de las coordenadas fueron realizadas
por la misma persona asegurando as solo un ndice no variable de atenuacin por
masa corporal. Las iteraciones del experimento se realizaron repitiendo la altura y
posicin del dispositivo mvil cliente en cada una de ellas. El dispositivo mvil siempre
fue el mismo para cada una de las muestras y la disposicin de la mano sobre el se
conserv en todos los casos.
Pgina 63
Figura 5.4 Celdas evaluadas
Las siguientes tablas muestra los resultados obtenidos en el proceso de evaluacin de

cada una de las celdas seleccionadas, los nmeros que aparecen en las columnas
correspondientes al filtrado corresponden al identificador de celda en el repositorio
relacional (ver relaciones en la seccin de anexos), al final de cada celda se muestra
un mapa en el cual se seala con una figura de color rojo el punto de evaluacin y con
figuras de color naranja los puntos resultantes en el proceso de localizacin.
Celda J10
La celda J10 se encuentra localizada en la zona de laboratorio de sistemas
distribuidos en el primer piso del edificio del departamento de ciencias
computacionales, se encuentra delimitada por paredes de 2.80 metros compuestas de
hojas de madera compresa y marcos de aluminio, el punto de acceso ms cercano es
el localizado en el rea de traga luz situado a 2.6 metros sobre el nivel del suelo dentro
de un hexgono de concreto. El centro de la zona del laboratorio de sistemas
distribuidos tiene una separacin lineal de 15 metros de lnea de vista con respecto a
la localizacin del punto de acceso ms cercano.
La siguiente tabla muestra los resultados de las tomas de muestra realizadas en la
celda J10.
No.
Muestra
Puntos de acceso
percibidos
00:50:fc:fc:67:4d : 81
00:02:6f:4e:19:e1 : 87
00:02:72:42:d3:cb :89
00:25:68:e1:28:f3 : 28
00:50:fc:fc:67:4d :81
00:02:6f:4e:19:e1 :87
00:02:72:42:d3:cb :89
00:25:68:e1:28:f3 :28
00:50:fc:fc:67:4d : 73
00:26:5a:09:d4:29 :76
Primer
filtrado de
celdas
Segundo
filtrado de
celdas
Tercer filtrado
de celdas
Margen de
error
promedio
[1, 6, 9, 52, 50,

76, 103, 114,
[103, 116, 125]
[125]
4 metros
Pgina 64
10
00:02:6f:4e:19:e1 : 80
00:02:72:42:d3:cb :93
00:25:68:e1:28:f3 : 32
00:50:fc:fc:67:4d : 73
00:26:5a:09:d4:29 :76
00:02:6f:4e:19:e1 : 80
00:02:72:42:d3:cb :93
00:25:68:e1:28:f3 : 32
00:50:fc:fc:67:4d : 75
00:25:68:e1:28:f3 : 37
00:26:5a:09:d4:29 :74
00:50:fc:fc:67:4d : 78
00:02:6f:4e:19:e1 : 81
00:02:72:42:d3:cb :94
00:25:68:e1:28:f3 : 37
00:50:fc:fc:67:4d : 75
00:25:68:e1:28:f3 : 37
00:26:5a:09:d4:29 :74
00:50:fc:fc:67:4d : 78
00:02:6f:4e:19:e1 : 81
00:02:72:42:d3:cb :94
00:25:68:e1:28:f3 : 37
00:50:fc:fc:67:4d : 78
00:25:68:e1:28:f3 : 37
00:26:5a:09:d4:29 :75
00:02:6f:4e:19:e1 : 89
00:25:68:e1:28:f3 : 31
00:26:5a:09:d4:29 :77
00:02:6f:4e:19:e1 : 80
00:50:fc:fc:67:4d : 83
00:25:68:e1:28:f3 : 35
00:26:5a:09:d4:29 :77
00:02:6f:4e:19:e1 : 80
00:50:fc:fc:67:4d : 83
00:25:68:e1:28:f3 : 35
00:50:fc:fc:67:4d : 73
00:26:5a:09:d4:29 :76
00:02:6f:4e:19:e1 : 80
00:02:72:42:d3:cb :93
00:25:68:e1:28:f3 : 32
116, 125, 108, 4,

108, 49]
[1, 6, 9, 52, 50,

76, 103, 114,
116, 125, 108, 4]
[103, 116, 125,

103,]
[125]
[1, 6, 9, 52, 50,

76, 103, 114,
116, 125, 108]
[103, 116, 125,

103, 116, 125,
103, 116, 125]
[125, 103, 116]
[1, 6, 9, 52, 50,

76, 103, 114,
116, 125, 108, 4]
[103, 116, 125,

103, 116, 125,
103, 116, 125]
[1, 6, 9, 52, 50,

76, 103, 114,
116, 125, 108, 4]
[103, 116, 125]
[1, 6, 9, 52, 50,

76, 103, 114,
116, 125, 108, 4]
[103, 116, 125]
[1, 6, 9, 52, 50,

76, 103, 114,
116, 125, 108, 4]
[103, 116, 125]
[103, 116, 125]
[1, 6, 9, 52, 50,

76, 103, 114,
116, 125, 108, 4]
[103, 116, 125]
[103, 116, 125]
4 metros
2 metros
[116, 125, 103, 116]

2 metros
[103, 116, 125]
2 metros
[103, 116, 125]
2 metros
2 metros
2 metros
Tabla 4 Resultados de evaluacin de ubicacin en la celda J10
Margen de error
promedio
2.4444444 metros
Precisin de ubicacin con radio

de 5 metros
100 %
Precisin de localizacin con

radio de 3 metros
100%
Tabla 5 Resumen de resultados de evaluacin de la celda J10
La figura 30 muestra el conjunto de celdas candidatas obtenidas a partir de la

implementacin del algoritmo, el punto rojo muestra la posicin en la cual se realiz la
solicitud de localizacin y los puntos de color naranja muestran las celdas candidatas
obtenidas a partir del algoritmo de localizacin. Como se puede apreciar, las celdas
resultantes no se encuentran a mayor distancia que 3 celdas de separacin del
epicentro de la lectura. La presencia de celdas candidatas en el rea de localizacin
vecina se presentaron debido a la proximidad entre las celdas candidatas y la celda en
la que se solicit el proceso de localizacin.
Pgina 65
Figura 5.5 celdas candidatas resultantes al implementar el algoritmo de localizacin en la celda J10
Celda E1
La celda E1 pertenece a la zona de localizacin rea de entrada al edificio en la primer
planta del edificio del departamento de ciencias computacionales, el punto de acceso
ms cercano se encuentra en la zona vecina rea de tragaluz a 2.6 metros sobre el
nivel del suelo, el rea se encuentra rodeada de paredes de concreto y una escalera
del mismo material utilizada para acceder a, o descender de la segunda planta del
edificio.
La siguiente tabla muestra el resultado de la evaluacin del algoritmo de localizacin
en la celda E1. A partir de la primer iteracin en la cuarta columna se puede apreciar
la celtas resultantes y su aparicin en la mayora de los resultados de las iteraciones,
esto se debe a que la variacin de las magnitudes de seal en esos puntos son
similares
No.
Muestra
Puntos de acceso
percibidos
Primer
filtrado de
celdas
Segundo
filtrado de
celdas
Tercer filtrado
de celdas
Margen de
error
promedio
00:02:6f:4e:19:e1 : 72
00:26:5a:09:d4:29 :75
00:1f:1f:21:ad:a5 : 88
00:02:72:42:d3:cb :95
00:50:fc:fc:67:4d : 94
00:25:68:e1:28:f3 : 68
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67, 3]
3.6 metros
00:02:6f:4e:19:e1 : 72
00:26:5a:09:d4:29 :75
00:1f:1f:21:ad:a5 : 88
00:02:72:42:d3:cb :95
00:50:fc:fc:67:4d : 94
00:25:68:e1:28:f3 : 68
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67]
3.6 metros
Pgina 66
113, 126, 127,

106, 107, 2, 3]
00:02:6f:4e:19:e1 : 74
00:26:5a:09:d4:29 :76
00:1f:1f:21:ad:a5 : 92
00:25:68:e1:28:f3 : 62
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67]
3.6 metros
00:02:6f:4e:19:e1 : 77
00:26:5a:09:d4:29 :78
00:13:46:70:68:d6 :90
00:1f:1f:21:ad:a5 : 91
00:02:72:42:d3:cb :90
00:25:68:e1:28:f3 : 62
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67,]
3.6 metros
00:02:6f:4e:19:e1 : 69
00:26:5a:09:d4:29 :76
00:13:46:70:68:d6 :92
00:1f:1f:21:ad:a5 : 88
00:26:5a:1a:10:95 :94
00:25:68:e1:28:f3 : 71
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67,]
3.6 metros
00:02:6f:4e:19:e1 : 74
00:26:5a:09:d4:29 :75
00:1f:1f:21:ad:a5 : 89
00:25:68:e1:28:f3 : 69
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67]
3.6 metros
00:02:6f:4e:19:e1 : 72
00:26:5a:09:d4:29 :72
00:1f:1f:21:ad:a5 : 88
00:02:72:42:d3:cb :93
00:25:68:e1:28:f3 : 71
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 30,
5, 7, 8]
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67]
3.6 metros
00:26:5a:09:d4:29 :72
00:02:6f:4e:19:e1 : 75
00:1f:1f:21:ad:a5 : 84
00:19:5b:2c:12:c1 :94
00:13:46:70:68:d6 :95
00:25:68:e1:28:f3 : 62
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67]
3.6 metros
00:26:5a:09:d4:29 :72
00:02:6f:4e:19:e1 : 75
00:1f:1f:21:ad:a5 : 84
00:19:5b:2c:12:c1 :94
00:13:46:70:68:d6 :95
00:25:68:e1:28:f3 : 62
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67]
3.6 metros
Pgina 67
106, 107, 2, 3]
10
00:02:6f:4e:19:e1 : 66
00:26:5a:09:d4:29 :73
00:1f:1f:21:ad:a5 : 89
00:13:46:70:68:d6 :91
00:50:fc:fc:67:4d : 97
00:25:68:e1:28:f3 : 63
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7, 8,

57, 56, 54, 64, 65,
67, 75, 90, 91, 92,
101, 102, 104,
113, 107, 2, 3]
[38, 39, 40, 64, 67]
3.6 metros
Tabla 6 Resultados de evaluacin de la celda E1
Margen de error
promedio
3.6 metros

de 5 metros
100 %

radio de 3 metros
0%
Tabla 7 Resumen de resultados de evaluacin de ubicacin en la celda E1
La figura 31 muestra las celdas en color naranja las celdas candidatas obtenidas a
partir de la implementacin del algoritmo de localizacin en la celda E1. En la imagen
se puede apreciar una relacin de aparicin de celdas candidatas sobre una misma
fila en direccin a la localizacin del punto de acceso. Esto se debe a que no se
encuentra algn obstculo arquitectnico entre las celdas de la fila E y el foco de la
seal electromagntica ms intensa en el punto de solicitud de servicio de localizacin.
Cabe mencionar que de las 10 muestras solicitadas, solo en dos ocasiones el
dispositivo cliente se encontraba frente al foco de la seal, en el resto de las
iteraciones el dispositivo fue atenuado por el cuerpo del usuario cuando este se
encontraba de espaldas a la fuente o forma ortogonal a ella.
Figura 5.6 celdas resultantes al implementar el algoritmo de localizacin en la celda E1
Pgina 68
Celda 7H
La celda 7H se encuentra en el lmite entre las zonas rea de tragaluz y el laboratorio
de inteligencia artificial, la zona de localizacin se encuentra en el centro
geogrfico/arquitectnico del edificio de ciencias computacionales y con un punto de
acceso dentro de ella situado a 2.6 metros de altura con respecto al suelo.
Los datos de la siguiente tabla fueron obtenidos a partir de la solicitud de localizacin
realizado en la celda a la que corresponden las coordenadas H7. El experimento se
realiz bajo las mismas condiciones de observacin por parte del cliente, sin embargo,
el trfico de entidades atenuadoras de seales (personas y paquetes desde equipos
porttiles a los puntos de acceso) se increment durante la toma de muestras. Se
decidi conservar los resultados a continuacin mostrados por la importancia en el
proceso de localizacin en un medio con trfico de objetos atenuadores de seal. La
toma de muestras dur 10 minutos, la hora de inicio de toma de muestras fue las 3:08
pm.
No.
Muestra
Puntos de acceso
percibidos
00:02:6f:4e:19:e1 : 66
00:26:5a:09:d4:29 :72
00:02:72:42:d3:cb :89
00:50:fc:fc:67:4d : 91
00:25:68:e1:28:f3 : 48
00:02:6f:4e:19:e1 : 53
00:26:5a:09:d4:29 :63
00:50:fc:fc:67:4d : 89
00:1f:b3:25:87:b1 :95
00:25:68:e1:28:f3 : 53
00:02:6f:4e:19:e1 : 52
00:26:5a:09:d4:29 :70
00:1f:b3:25:87:b1 :90
00:50:fc:fc:67:4d : 91
00:02:72:42:d3:cb :92
00:1f:1f:21:ad:a5 : 94
00:25:68:e1:28:f3 : 50
00:02:6f:4e:19:e1 : 53
00:26:5a:09:d4:29 :69
00:50:fc:fc:67:4d : 90
00:1f:1f:21:ad:a5 : 88
00:25:68:e1:28:f3 : 61
00:02:6f:4e:19:e1 : 55
00:26:5a:09:d4:29 :68
00:02:72:42:d3:cb :94
00:1f:1f:21:ad:a5 : 94
Primer
filtrado de
celdas
Segundo
filtrado de
celdas
Tercer filtrado
de celdas
Margen de
error
promedio
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104,
113, 3]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92]
4.14 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104,
113, 3, 5, 56, 54,
53, 65, 67, 68, 79,
78, 77, 89, 90]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92, 38, 39, 40]
4.44 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104,
113, 3, 5]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92, 38, 39, 40]
4.44 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104,
113]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92, 38, 39, 40]
4.44 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92, 38, 39, 40]
4.44 metros
Pgina 69
00:25:68:e1:28:f3 : 55
00:02:6f:4e:19:e1 : 59
00:26:5a:09:d4:29 :69
00:1f:1f:21:ad:a5 : 91
00:50:fc:fc:67:4d : 88
00:02:72:42:d3:cb :93
00:25:68:e1:28:f3 : 57
00:02:6f:4e:19:e1 : 48
00:26:5a:09:d4:29 :67
00:1f:1f:21:ad:a5 : 90
00:1f:b3:25:87:b1 :93
00:02:72:42:d3:cb :93
00:50:fc:fc:67:4d : 89
00:25:68:e1:28:f3 : 50
00:02:6f:4e:19:e1 : 56
00:26:5a:09:d4:29 :76
00:02:72:42:d3:cb :90
00:25:68:e1:28:f3 : 49
00:26:5a:09:d4:29 :76
00:02:72:42:d3:cb :90
00:02:6f:4e:19:e1 : 54
00:26:5a:09:d4:29 :68
00:25:68:e1:28:f3 : 61
10
00:02:6f:4e:19:e1 : 48
00:26:5a:09:d4:29 :67
00:1f:1f:21:ad:a5 : 90
00:1f:b3:25:87:b1 :93
00:02:72:42:d3:cb :93
00:50:fc:fc:67:4d : 89
00:25:68:e1:28:f3 : 50
79, 78, 77, 75,

89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107]
101, 102, 104,

113]
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107]
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92, 38, 39, 40]
4.44 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92]
4.14 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104,
113]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92, 38, 39, 40]
4.14 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104,
113]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92, 38, 39, 40]
4.40 metros
[38, 39, 40, 5, 7, 8,

56, 55, 54, 53, 51,
61, 64, 65, 67, 68,
78, 77, 90, 91, 92,
101, 102, 104]
[56, 55, 54, 53, 64, 65,

67, 68, 78, 77, 90, 91,
92]
4.14 metros
Tabla 6 Resultados de evaluacin de la celda 7H
Margen de error
promedio
4.33 metros

de 5 metros
100 %

radio de 3 metros
0%
Tabla 8 Resumen de resultados de evaluacin de la celda 7H
La figura 32 muestra el resultado obtenido a partir de la toma de muestras en un lugar

de trfico de objetos que pueden atenuar seales electromagnticas en una hora pico.
Si bien se esperaba que por proximidad a los puntos de acceso los resultado
Pgina 70
obtenidos en el punto de muestra fuesen los ms acertados en la toma de muestras, el

trfico de objetos dispers el espectro de celdas candidatas de forma tal que las
coordenadas obtenidas son las mostradas en siguiente figura.
Figura 5.7 Resultado de implementar el algoritmo de localizacin en la celda H7
Celda 9D
La celda 9D se encuentra flanqueada en dos de sus lados por muros que limitan la
zona de localizacin Aula 3, el ngulo descrito por la unin de ambas paredes, segn
sea la posicin del cliente puede absorber o reflejar parte de las
ondas
electromagnticas. La siguiente tabla muestra los resultados obtenidos en la solicitud
del proceso de localizacin en la celda 9D.
No.
Muestra
Puntos de acceso
percibidos
00:02:6f:4e:19:e1 : 56
00:26:5a:09:d4:29 :78
00:02:72:42:d3:cb :88
00:25:68:e1:28:f3 : 50
00:02:6f:4e:19:e1 : 63
00:26:5a:09:d4:29 :73
00:02:72:42:d3:cb :84
00:1f:b3:25:87:b1 :92
00:25:68:e1:28:f3 : 46
00:02:6f:4e:19:e1 : 70
00:26:5a:09:d4:29 :72
00:02:72:42:d3:cb :76
00:25:68:e1:28:f3 : 44
Primer
filtrado de
celdas
Segundo
filtrado de
celdas
Tercer filtrado
de celdas
Margen de
error
promedio
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[ 57, 56, 54, ]
3.3333 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[57, 56, 54, 91]
4.5 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106]
[57, 56, 54, 91]
4.5 metros
Pgina 71
00:02:6f:4e:19:e1 : 70
00:26:5a:09:d4:29 :75
00:02:72:42:d3:cb :80
00:25:68:e1:28:f3 : 60
00:02:6f:4e:19:e1 : 74
00:26:5a:09:d4:29 :85
00:02:72:42:d3:cb :83
00:50:fc:fc:67:4d : 91
00:25:68:e1:28:f3 : 47
00:02:6f:4e:19:e1 : 75
00:26:5a:09:d4:29 :76
00:02:72:42:d3:cb :89
00:50:fc:fc:67:4d : 94
00:25:68:e1:28:f3 : 55
00:26:5a:09:d4:29 :75
00:02:6f:4e:19:e1 : 76
00:02:72:42:d3:cb :89
00:25:68:e1:28:f3 : 42
00:02:6f:4e:19:e1 : 69
00:26:5a:09:d4:29 :74
00:02:72:42:d3:cb :91
00:1f:1f:21:ad:a5 : 96
00:50:fc:fc:67:4d : 92
00:25:68:e1:28:f3 : 45
00:50:fc:fc:67:4d : 92
00:25:68:e1:28:f3 : 45
00:02:6f:4e:19:e1 : 75
00:26:5a:09:d4:29 :77
00:02:72:42:d3:cb :87
00:25:68:e1:28:f3 : 46
10
00:26:5a:09:d4:29 :75
00:02:6f:4e:19:e1 : 76
00:02:72:42:d3:cb :89
00:25:68:e1:28:f3 : 42
101, 102, 104,

113, 126, 127,
106, 107]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3, 38, 39,
40]
[57, 56, 54, 91]
4.5 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[57, 56, 54, 91]
4.5 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[57, 56, 54, 91]
4.5 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[7, 8, 57, 56, 54, 91]
4.8 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[8, 57, 56, 54, 91]
4.6 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[57, 56, 54, 91, 7]
4.6 metros
[38, 39, 7, 8, 57,

56, 54, 51, 61, 80,
75, 91, 102, 126,
106, 2, 3]
[7, 8, 57, 56, 54, 91]
4.8 metros
Tabla 9 Resultados de evaluacin de la celda 9D
Pgina 72
Margen de error
promedio
4.42 metros

de 5 metros
100 %

radio de 3 metros
0%
Tabla 10 Resumen de resultados de evaluacin de la celda 9D
En la figura 33 se puede apreciar las celdas candidatas resultantes de ejecutar el

proceso de localizacin en la celda 9D, las celdas marcadas en color amarillo
muestran las celdas candidatas a ser una localizacin del cliente.
Figura 5.8 Resultado de implementar el algoritmo de localizacin en la celda 9D
Celda 11B
La celda 11B se encuentra dentro de la zona de localizacin denominada Aula 2. Esta

es el rea de localizacin en el cual la seal de los puntos de acceso de ambos pisos
del edificio es particularmente baja. Al igual que en anteriores tomas de muestra se
sigui un estricto protocolo para la solicitud del servicio de localizacin en el cual se
tom en cuenta la altura y la posicin del mvil.
No.
Muestra
1
Puntos de acceso
percibidos
00:02:72:42:d3:cb :62
00:02:6f:4e:19:e1 : 85
00:26:5a:09:d4:29 :86
00:1f:b3:25:87:b1 :91
00:25:68:e1:28:f3 : 68
Primer
filtrado de
celdas
Segundo
filtrado de
celdas
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3]
Tercer filtrado
de celdas
[107]
Margen de
error
promedio
7 metros
Pgina 73
00:02:72:42:d3:cb :56
00:26:5a:09:d4:29 :84
00:02:6f:4e:19:e1 : 87
00:26:5a:1a:10:95 :98
00:50:fc:fc:67:4d : 94
00:25:68:e1:28:f3 : 62
00:02:72:42:d3:cb :70
00:26:5a:09:d4:29 :85
00:1f:b3:25:87:b1 :90
00:02:6f:4e:19:e1 : 90
00:1f:1f:21:ad:a5 : 92
00:50:fc:fc:67:4d : 95
00:25:68:e1:28:f3 : 63
00:02:6f:4e:19:e1 : 90
00:1f:1f:21:ad:a5 : 92
00:50:fc:fc:67:4d : 95
00:25:68:e1:28:f3 : 63
00:02:72:42:d3:cb :59
00:02:6f:4e:19:e1 : 85
00:1f:b3:25:87:b1 :90
00:26:5a:09:d4:29 :90
00:25:68:e1:28:f3 : 68
00:02:72:42:d3:cb :64
00:02:6f:4e:19:e1 : 82
00:26:5a:09:d4:29 :88
00:1f:b3:25:87:b1 :92
00:25:68:e1:28:f3 : 68
00:26:5a:09:d4:29 :88
00:1f:b3:25:87:b1 :92
00:02:72:42:d3:cb :65
00:02:6f:4e:19:e1 : 83
00:26:5a:09:d4:29 :87
00:1f:1f:21:ad:a5 : 93
00:25:68:e1:28:f3 : 69
00:1f:1f:21:ad:a5 : 93
00:25:68:e1:28:f3 : 69
00:02:72:42:d3:cb :61
00:26:5a:09:d4:29 :83
00:02:6f:4e:19:e1 : 85
00:1f:b3:25:87:b1 :88
00:1f:1f:21:ad:a5 : 94
00:25:68:e1:28:f3 : 80
00:1f:1f:21:ad:a5 : 94
00:25:68:e1:28:f3 : 80
00:02:72:42:d3:cb :53
00:02:6f:4e:19:e1 : 81
00:1f:b3:25:87:b1 :93
00:26:5a:09:d4:29 :90
00:25:68:e1:28:f3 : 67
59, 59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3]
[107, 57, 75, 104,

113]
5 metros
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104,

113]
5 metros
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104, 113,

107, 59]
5 .2 metros
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104, 113,

107, 59]
5.2 metros
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104, 113

59]
5.2 metros
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104, 113,

59]
5.2 metros
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104, 113,

59]
5.2 metros
Pgina 74
00:26:5a:09:d4:29 :90
00:25:68:e1:28:f3 : 67
00:02:72:42:d3:cb :62
00:02:6f:4e:19:e1 : 80
00:1f:b3:25:87:b1 :88
00:13:46:70:68:d6 :95
00:25:68:e1:28:f3 : 70
10
00:02:72:42:d3:cb :70
00:26:5a:09:d4:29 :85
00:1f:b3:25:87:b1 :90
00:02:6f:4e:19:e1 : 90
00:1f:1f:21:ad:a5 : 92
00:50:fc:fc:67:4d : 95
00:25:68:e1:28:f3 : 63
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,
59]
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104, 113,

59]
5.2 metros
[38, 39, 7, 8, 57,

56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107, 2,
3, 57, 75, 104,
127, 59]
[107, 57, 75, 104,

113]
5 metros
Tabla 11 Resultados de evaluacin de la celda 11B
Margen de error
promedio
5.32 metros

de 5 metros
30 %

radio de 3 metros
0%
Tabla 12 Resumen de resultados de evaluacin de la celda 11B
La figura 34 muestra las celdas candidatas obtenidas a partir del proceso de

localizacin solicitado en la celda 11B. El resultado mostrado era esperado antes de
iniciar las pruebas, esto se debe a que la zona de localizacin determinada Aula 2
percibe una pobre calidad de seal de puntos de acceso, el algoritmo mapea las
seales recibidas en puntos donde se ha captado la seal ms dbil. La debilidad de
seal en la zona de localizacin llamada Aula 2 se debe a su estructura arquitectnica
y estado de acceso a la zona, es decir, si la puerta de acceso se encuentra abierta o
se encuentra cerrada.
Pgina 75
Celda 6B
La celda 6B se encuentra localizada en la zona de localizacin denominada Aula 1, es
una zona de localizacin delimitada por 4 paredes y con el nico acceso formado por
una puerta. El proceso de localizacin se realiz con la puerta de acceso cerrada. La
siguiente tabla muestra los resultados obtenidos.
No.
Muestra
Puntos de acceso
percibidos
Primer
filtrado de
celdas
00:02:6f:4e:19:e1 : 70
00:26:5a:09:d4:29 : 77
00:02:72:42:d3:cb : 77
00:1f:1f:21:ad:a5 : 87
00:1f:b3:25:87:b1 : 96
00:25:68:e1:28:f3 : 56
00:02:6f:4e:19:e1 : 70
00:02:72:42:d3:cb : 76
00:26:5a:09:d4:29 : 82
00:1f:b3:25:87:b1 : 90
00:1f:1f:21:ad:a5 : 87
00:25:68:e1:28:f3 : 61
00:02:6f:4e:19:e1 : 69
00:26:5a:09:d4:29 : 75
00:02:72:42:d3:cb : 77
00:1f:b3:25:87:b1 : 89
00:1f:1f:21:ad:a5 : 89
00:50:fc:fc:67:4d : 92
00:25:68:e1:28:f3 : 58
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3,]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
Segundo
filtrado de
celdas
Tercer filtrado
de celdas
Margen de
error
promedio
[53, 107]
[53, 107]
5.2 metros
[53, 107]
[53, 107]
9 metros
[53, 107, 38, 39,

40, 5, 7, 8, 57, 56,
54, 64, 65, 67, 75,
90, 91, 92, 101,
102, 104, 113,
107, 2, 3,]
[53, 107]
9 metros
Pgina 76
00:50:fc:fc:67:4d : 92
00:02:6f:4e:19:e1 : 73
00:26:5a:09:d4:29 : 75
00:1f:1f:21:ad:a5 : 85
00:02:72:42:d3:cb : 84
00:25:68:e1:28:f3 : 82
00:26:5a:09:d4:29 : 78
00:02:6f:4e:19:e1 : 81
00:1f:1f:21:ad:a5 : 84
00:02:72:42:d3:cb : 83
00:26:5a:1a:10:95 : 90
00:1f:b3:25:87:b1 : 90
00:50:fc:fc:67:4d : 90
00:25:68:e1:28:f3 : 65
00:26:5a:1a:10:95 : 90
00:1f:b3:25:87:b1 : 90
00:50:fc:fc:67:4d : 90
00:25:68:e1:28:f3 : 65
00:02:6f:4e:19:e1 : 67
00:26:5a:09:d4:29 : 84
00:02:72:42:d3:cb : 81
00:1f:1f:21:ad:a5 : 87
00:25:68:e1:28:f3 : 64
00:02:6f:4e:19:e1 : 76
00:1f:1f:21:ad:a5 : 80
00:02:72:42:d3:cb : 77
00:26:5a:09:d4:29 : 83
00:1f:b3:25:87:b1 : 85
00:25:68:e1:28:f3 : 63
00:1f:b3:25:87:b1 : 85
00:25:68:e1:28:f3 : 63
00:02:6f:4e:19:e1 : 70
00:26:5a:09:d4:29 : 77
00:1f:1f:21:ad:a5 : 84
00:02:72:42:d3:cb : 82
00:26:5a:1a:10:95 : 95
00:25:68:e1:28:f3 : 59
00:26:5a:09:d4:29 : 78
00:02:6f:4e:19:e1 : 81
00:1f:1f:21:ad:a5 : 84
00:02:72:42:d3:cb : 83
00:26:5a:1a:10:95 : 90
00:1f:b3:25:87:b1 : 90
00:50:fc:fc:67:4d : 90
00:25:68:e1:28:f3 : 65
10
00:26:5a:09:d4:29 : 78
00:02:6f:4e:19:e1 : 81
00:1f:1f:21:ad:a5 : 84
00:02:72:42:d3:cb : 83
00:26:5a:1a:10:95 : 90
00:1f:b3:25:87:b1 : 90
00:50:fc:fc:67:4d : 90
00:25:68:e1:28:f3 : 65
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[53, 107, 107, 107,

107, 38, 39, 40, 5,
7, 8, 57, 56, 54,
64, 65, 67, 75, 90,
91, 92, 101, 102,
104, 113, 107]
[53, 107]
9 metros
[53, 107, 107, 107,

107, 38, 39, 40, 5,
7, 8, 57, 56, 54,
64, 65, 67, 75, 90,
91, 92, 101, 102,
104, 113, 107, 2,
3]
[53, 107, 53, 57, 56,

91, 9, 108]
5.2 metros
[53, 107, 107, 107,

107, 38, 39, 40, 5,
7, 8, 57, 56, 54,
64, 65, 67, 75, 90,
91, 92, 101, 102,
104, 113, 107, 2,
3]
[ 53, 57, 56, 91, 57,

56,107]
5.3 metros
[[53, 107, 107,

107, 107, 38, 39,
40, 5, 7, 8, 57, 56,
54, 64, 65, 67, 75,
90, 91, 92, 101,
102, 104, 113,
107, 2, 3]
[107, 53, 57, 56, 91]
5.6 metros
[53, 107, 107, 107,

107, 38, 39, 40, 5,
7, 8, 57, 56, 54,
64, 65, 67, 75, 90,
91, 92, 101, 102,
104, 113, 107, 2,
3, 38, 39, 40, 5, 7,
8]
[107, 53, 57, 56, 91]
5.6 metros
[53, 107, 107, 107,

107, 38, 39, 40, 5,
7, 8, 57, 56, 54,
64, 65, 67, 75, 90,
91, 92, 101, 102,
104, 113, 107, 2,
3]
[53, 107, 53, 57, 56,

91, 9, 108]
5.2 metros
[53, 107, 107, 107,

107, 38, 39, 40, 5,
7, 8, 57, 56, 54,
64, 65, 67, 75, 90,
91, 92, 101, 102,
104, 113, 107, 2,
3]
[53, 107, 53, 57, 56,

91, 9, 108]
5.2 metros
Tabla 13 Resultados de evaluacin de la celda 6B
Pgina 77
Margen de error
promedio
5.53 metros

de 5 metros
0%

radio de 3 metros
0%
Tabla 14 Resumen de resultados de evaluacin de la celda 6B
La figura 35 muestra la dispersin de celdas candidatas obtenas en el proceso de

localizacin solicitado en la zona de localizacin llamada Aula 2 en la celda 6B
Celda 8C
La celda 8C se encuentra dentro de la zona de localizacin llamada Aula 1. Las

muestras en este punto fueron tomadas siguiendo las mismas precauciones tomadas
anteriormente. Este punto tiene una peculiaridad, se encuentra a 3 metros de distancia
en una diagonal de 45 del punto de acceso (AP).
No.
Muestra
Puntos de acceso
percibidos
00:02:6f:4e:19:e1 : 70
00:26:5a:09:d4:29 : 79
00:1f:1f:21:ad:a5 : 84
00:02:72:42:d3:cb : 83
00:25:68:e1:28:f3 : 54
00:02:6f:4e:19:e1 : 70
00:26:5a:09:d4:29 : 76
00:1f:1f:21:ad:a5 : 87
Primer
filtrado de
celdas
Segundo
filtrado de
celdas
Tercer filtrado
de celdas
Margen de
error
promedio
[38, 39, 40, 5, 7,

8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3]
[57, 80]
5 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38]
[8, 57, 56, 91]
4.6666 metros
Pgina 78
00:02:72:42:d3:cb : 84
00:50:fc:fc:67:4d : 90
00:25:68:e1:28:f3 : 47
00:02:72:42:d3:cb : 84
00:50:fc:fc:67:4d : 90
00:26:5a:09:d4:29 : 73
00:02:6f:4e:19:e1 : 79
00:1f:1f:21:ad:a5 : 90
00:25:68:e1:28:f3 : 50
00:26:5a:09:d4:29 : 76
00:02:6f:4e:19:e1 : 77
00:1f:1f:21:ad:a5 : 86
00:50:fc:fc:67:4d : 92
00:25:68:e1:28:f3 : 52
00:26:5a:09:d4:29 : 74
00:02:6f:4e:19:e1 : 78
00:1f:1f:21:ad:a5 : 87
00:02:72:42:d3:cb : 92
00:50:fc:fc:67:4d : 94
00:25:68:e1:28:f3 : 52
00:02:6f:4e:19:e1 : 69
00:26:5a:09:d4:29 : 77
00:02:72:42:d3:cb : 82
00:1f:1f:21:ad:a5 : 82
00:1f:b3:25:87:b1 : 91
00:25:68:e1:28:f3 : 53
00:02:6f:4e:19:e1 : 69
00:26:5a:09:d4:29 : 81
00:02:72:42:d3:cb : 80
00:1f:1f:21:ad:a5 : 86
00:50:fc:fc:67:4d : 92
00:25:68:e1:28:f3 : 61
00:02:6f:4e:19:e1 : 65
00:26:5a:09:d4:29 : 75
00:1f:1f:21:ad:a5 : 86
00:02:72:42:d3:cb : 86
00:1f:b3:25:87:b1 : 91
00:25:68:e1:28:f3 : 63
00:02:72:42:d3:cb : 84
00:1f:b3:25:87:b1 : 92
00:02:6f:4e:19:e1 : 78
00:26:5a:09:d4:29 : 82
00:1f:1f:21:ad:a5 : 83
00:26:5a:1a:10:95 : 94
00:25:68:e1:28:f3 : 58
10
00:02:72:42:d3:cb : 84
00:1f:b3:25:87:b1 : 92
65, 67, 68, 80,

79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2,3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2,3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2,3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
53, 51, 61, 64,
65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
[38, 39, 40, 5, 7,
8, 57, 56, 55, 54,
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38,
39, 7, 8, 57, 56,
54, 51, 65, 67, 75,
90, 91, 102, 104,
113, 107, 2, 3, 38]
[57, 80, 7, 8, 56, 91]
4.332 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38,
39, 7, 8, 57, 56,
54, 51, 65, 67, 75,
90, 91, 102, 104,
113, 107, 2, 3, 38]
[57, 56, 91, 39, 7, 8,

51, 61, 80, 38, 39]
4.822 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38,
56, 54, 51, 65, 67,
75, 90, 91, 102,
104, 113, 107]
[57, 56, 91, 39, 51, 61,

80, 38]
4.5553 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38,
39, 7, 8, 57, 56,
54, 51, 65, 67, 75,
90, 91, 102, 104,
113, 107, 2, 3]
[38, 39, 7, 8, 54, 51,

67]
4.612 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38,
39, 7, 8, 57, 56,
54, 51, 65, 67, 75,
90, 91, 102, 104,
113, 107, 2, 3]
[38, 39, 7, 80, 54, 51,

67]
4.612 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38,
39, 7, 8, 57, 56,
54, 51, 65, 67, 75,
90, 91, 102, 104,
113, 107, 2, 3]
[38, 39, 7, 8, 54, 51,

67]
4.612 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
127, 106, 2, 3, 38,
39, 7, 8, 57, 56,
54, 51, 65, 67, 75,
90, 91, 102, 104,
113, 107, 2, 3, 38]
[8, 57, 56, 91, 39,

7,54,65]
4.72 metros
[39, 5, 7, 8, 57, 51,

61, 80, 102, 126,
[8, 57, 56, 91, 39,

7,54,65]
4.72 metros
Pgina 79
00:02:6f:4e:19:e1 : 78
00:26:5a:09:d4:29 : 82
00:1f:1f:21:ad:a5 : 83
00:26:5a:1a:10:95 : 94
00:25:68:e1:28:f3 : 58
53, 51, 61, 64,

65, 67, 68, 80,
79, 78, 77, 75,
89, 90, 91, 92,
101, 102, 104,
113, 126, 127,
106, 107, 2, 3]
127, 106, 2, 3, 38,

39, 7, 8, 57, 56,
54, 51, 65, 67, 75,
90, 91, 102, 104,
113, 107, 2, 3, 38]
Tabla 15 Resultados de evaluacin de la celda 8C
Margen de error
promedio
4.02 metros

de 5 metros
100 %

radio de 3 metros
0%
Tabla 16 Resumen de resultados de evaluacin de la celda 8C
La figura 36 muestra el espectro de dispersin de celdas candidatas obtenidas a partir

de la solicitud de localizacin con un cliente localizado en la celda 8C. Como se puede
apreciar en la imagen el margen promedio de error de la mayor concentracin de
celdas candidatas no fue mayor a 2 celdas. La cercana con el punto de acceso y la
falta de trfico propiciaron condiciones ideales para obtener los resultados que se
muestran en las tablas anteriores y la siguiente imagen.
Figura 5.11 Resultado de implementar el algoritmo de localizacin en la celda 8C
Resultados
Las muestras descritas en la seccin anterior muestran el grado de asertividad en el

proceso de ubicacin de usuario para las celdas seleccionadas, como se puede
apreciar en la tabla de resumen de resultados que se encuentran debajo de las tablas
de muestras de cada instancia de evaluacin el margen de error promedio utilizando
nicamente tecnologas Wi-Fi para el proceso de localizacin es de 4.3 metros. La
medida de margen de error se obtuvo calculando la distancia entre la celda en la cual
Pgina 80
se realiz la peticin de localizacin y la celda ms lejana obtenida del algoritmo de

localizacin.
Como puede apreciarse en las tablas, el algoritmo de localizacin retorna un conjunto
de celdas en las cuales es posible que se encuentre el dispositivo que solicit el
servicio de localizacin. Es casi imposible (el 45%) asegurar el punto de ubicacin del
dispositivo cliente en una sola celda, esto se debe en gran medida al margen de error
permitido en la calibracin y entrenamiento del sistema, la falta de un solo atractor21 en
el contexto del sistema y las mltiples variantes fsicas del hardware utilizado para
llevar a cabo el proceso de ubicacin. El conjunto de celdas resultantes tienden a
describir la vecindad ms prxima a la celda tal y como muestra la figura 37 en donde
la celda de color ms slido es la celda donde se encuentra el cliente y las celdas
difuminadas son las celdas vecinas donde el algoritmo de localizacin ubica al cliente,
un mayor difuminado simboliza una menor posibilidad (pero existente) de ubicacin en
esas celdas.
Figura 5.12 Conjunto de celdas candidatas (vecindad) en una zona de localizacin
La implementacin programtica del algoritmo dentro de la API retorna el conjunto de

celdas candidatas como un ArrayList de tipo String (ArrayList<String>) el cual contiene
las coordenadas de las celdas candidatas obtenidas por el algoritmo de localizacin. El
conjunto de celdas obtenidas tambin es utilizado como datos de entrada para realizar
el proceso de Macrolocalizacin en el cual se obtiene la zona en la cual se encuentra
el cliente que ha solicitado el servicio de localizacin.
5.3.2 Macrolocalizacin
El proceso de Macrolocalizacin tiene como fin determinar el rea de localizacin a

nivel zona en la cual se encuentra el cliente que ha solicitado el servicio de
localizacin. El algoritmo utilizado para determinar la zona es un proceso estadstico el
cual se basa el cual recibe como entrada un conjunto de celdas, las agrupa en
conjuntos diferentes segn sea la zona a la cual pertenezcan y por ltimo evala la
cardinalidad de cada una de las zonas, la zona resultante es aquella de mayor
21
Conjunto al que el sistema evoluciona despus de un tiempo suficientemente largo. Para que el
conjunto sea un atractor, las trayectorias que le sean suficientemente prximas han de permanecer
prximas incluso si son ligeramente perturbadashttp://en.wikipedia.org/wiki/Attractor (Recuperado en
Septiembre del 2011)
Pgina 81
cardinalidad, en caso de ser ms de una se genera como salida un conjunto de zonas

resultantes
Pruebas
El proceso de Macrolocalizacin se evalu realizando 10 solicitudes de localizacin en

puntos aleatorios dentro de una zona de localizacin, el proceso se llev a cabo para
todas las zonas de libre circulacin en la primer planta del edificio del departamento de
ciencias computacionales, en las siguientes tablas se exponen los resultados
obtenidos en trminos de zona de localizacin calculada en base al algoritmo de
Macrolocalizacin y la distancia que separa a los centroides22 de la zona donde se
solicit el servicio de localizacin y la zona calculada en base al algoritmo de
Macrolocalizacin.
Zona: Entrada al edificio
No. De
muestra
1
2
3
4
5
6
7
Zona real
Zona de localizacin calculada
Entrada al edificio
Entrada al edificio
Entrada al edificio
Entrada al edificio
Entrada al edificio
Entrada al edificio
Entrada al edificio
Entrada al edificio
9
10
Entrada al edificio
Entrada al edificio
Area_traga_luz
Entrada_al_edificio
Entrada_al_edificio
Entrada_al_edificio
Entrada_al_edificio
Area_traga_luz
Area_traga_luz
Area_traga_luz,
Entrada_al_edificio
Area_traga_luz
Entrada_al_edificio
Distancia
entre zonas
1
0
0
0
0
1
1
1/0
0
0
Tabla 17 Tabla de resultados de macrolocalizacin en zona Entrada al edificio
Asertividad de ubicacin
60%
La figura 38 muestra con un cuadro rojo la zona de localizacin donde se encontraba
el dispositivo cliente en el momento de realizar la solicitud de localizacin. Los cuadros
verdes representan la zona de localizacin en donde el algoritmo de localizacin ha
determinado que el usuario puede encontrarse.
22
El centroide o baricentro de un objeto X perteneciente a un espacio n-dimensional es la interseccin

de todos los hiperplanos que dividen a X en dos partes de igual n-volumen con respecto al hiperplano.
Informalmente, es el promedio de todos los puntos de X.http://en.wikipedia.org/wiki/Centroid
Recuperado en Septiembre del 2011.
Pgina 82
Figura 5.13 Resultado de la implementacin del algoritmo de localizacin en la zona entrada al edificio
Zona: Laboratorio de Ingeniera de software
No. De
muestra
Zona real
Laboratorio IS
2
3
4
5
6
7
8
9
10
Laboratorio IS
Laboratorio IS
Laboratorio IS
Laboratorio IS
Laboratorio IS
Laboratorio IS
Laboratorio IS
Laboratorio IS
Laboratorio IS

Escaleras_planta_baja ,
Entrada_al_edificio,
Area_de_traga_luz
Laboratorio_de_inteligencia_Artificial
Area_de_tragaluz
Area_de_tragaluz
Distancia
entre zonas
1
1
1
1
1
1
1
1
1
1
Tabla 18 Tabla de resultados de macrolocalizacin en zona Laboratorio de ingeniera de software
0%

Pgina 83

Figura 5.14 Resultado de la implementacin del algoritmo de localizacin en la zona Laboratorio de Ingenieria
de software
Zona: Laboratorio de inteligencia artificial
No. De
muestra
1
2
3
4
5
6
7
8
9
10
Zona real
Laboratorio IA
Laboratorio IA
Laboratorio IA
Laboratorio IA
Laboratorio IA
Laboratorio IA
Laboratorio IA
Laboratorio IA
Laboratorio IA
Laboratorio IA
Area_traga_luz
Laboratorio_de_Inteligencia_Artificial
Laboratorio_de_Inteligencia_Artificial,
Area_traga_luz
Distancia
entre zonas
1
0
0
0
0
1
0
0
0
0
Tabla 19 Tabla de resultados de macrolocalizacin en zona Laboratorio de inteligencia artificial
80 %

Pgina 84

Figura 5.15 Resultado de la implementacin del algoritmo de localizacin en la zona Laboratorio de

Inteligencia Artificial
Zona: Cubo Central, Traga_luz
No. De
muestra
1
2
3
4
5
6
7
8
9
10
Zona real
Distancia
entre zonas
Area_de_tragaluz
[Aula1_DCC]
Area_de_tragaluz
Area_traga_luz
Area_de_tragaluz
Area_traga_luz
Area_de_tragaluz
Area_traga_luz
Area_de_tragaluz
Area_traga_luz
Area_de_tragaluz
Area_traga_luz
Area_de_tragaluz
Area_traga_luz
Area_de_tragaluz
Area_de_tragaluz
Area_traga_luz
Area_traga_luz
Area_de_tragaluz
Tabla 20 Tabla de resultados de macrolocalizacin en zona Cubo central / Traga Luz
80%
Pgina 85

Figura 5.16 Resultado de la implementacin del algoritmo de localizacin en la zona Cubo Central
Zona: Aula 2
No. De
muestra
1
Puntos de acceso recibidos
Celdas candidatas
Zona resultante
Aula 2
Aula 2
Aula 2
Aula 2
Aula 2
Aula3_DCC
Aula3_DCC
Aula3_DCC
Aula3_DCC
Aula3_DCC
1
1
1
1
1
Aula 2
null
Aula 2
Aula 2
Aula 2
Aula 2
2
3
4
9
10
Aula3_DCC,
Escaleras_planta_baja
Aula3_DCC
Aula3_DCC
Aula3_DCC
1-3
1
1
1
Tabla 21 Tabla de resultados de macrolocalizacin en zona Aula 2
0%
Pgina 86

determinado que el usuario puede encontrarse. En esta ocasin, al igual que en el
escenario de microlocalizacin, el rea de localizacin Aula 2 presenta escenarios de
intensidades de seal muy dbil, es por esta razn que los resultados mostrados en la
siguiente imagen se encuentran tan distantes unos de otros.
Figura 5.17 Resultado de la implementacin del algoritmo de localizacin en la zona Aula 2
Zona: Aula 3
No. De
muestra
1
2
3
4
Zona real
Distancia
entre zonas
Aula3_DCC
Aula3_DCC
Aula3_DCC
Aula3_DCC
Aula3_DCC
Aula3_DCC
Aula3_DCC
infinita
Aula3_DCC
Aula3_DCC
7
8
9
Aula3_DCC
null
[Aula3_DCC, Escaleras_planta_baja,
Laboratorio_de_tecnologias_web]
[Aula3_DCC, Escaleras_planta_baja,
Laboratorio_de_tecnologias_web
Aula3_DCC
Aula3_DCC
Aula3_DCC
Laboratorio_de_tecnologias_web
3
0
Pgina 87
10
Aula3_DCC
40 %

determinado que el usuario puede encontrarse. De igual forma que en el Aula 2, la
zona de localizacin llamada Aula 3 presenta un escenario de baja intensidad de
seal lo que repercute en los resultados mostrados en la siguiente imagen.
Zona: Aula 1
No. De
muestra
1
2
3
4
5
6
7
Zona real
Distancia
entre zonas
Aula 1
Aula 1
Aula 1
Aula 1
Aula 1
Aula 1
Aula 1
Null
Null
Aula3_DCC
Aula3_DCC
Area_traga_luz
Aula1_DCC
Aula1_DCC
infinita
infinita
2
2
1
0
0
Pgina 88
8
9
10
Aula 1
Aula 1
Aula 1
Area_traga_luz
Area_traga_luz
Area_traga_luz
1
1
1
20%


Zona: Laboratorio de sistemas distribuidos
No. De
muestra
1
2
3
4
5
Zona real
Lab. Sistemas
distribuidos
Lab. Sistemas
distribuidos
Lab. Sistemas
distribuidos
Lab. Sistemas
distribuidos
Lab. Sistemas
Distancia
entre zonas
Lab. Sistemas distribuidos
Pgina 89
6
7
8
9
10
distribuidos
Lab. Sistemas
distribuidos
Lab. Sistemas
distribuidos
Lab. Sistemas
distribuidos
Lab. Sistemas
distribuidos
Lab. Sistemas
distribuidos
Tabla 24 Tabla de resultados de macrolocalizacin en zona Laboratorio de sistemas distribuidos
50 %

Figura 5.20 Resultado de la implementacin del algoritmo de localizacin en la zona Laboratorio de Sistemas
Distribuidos
Pgina 90
5.3.3 Resultados
Basados en una evaluacin de asertividad de los eventos y tablas mostradas en

secciones anteriores, se puede advertir un ligero margen de error en los resultados de
la implementacin de los mtodos de localizacin en interiores utilizando los proceso
de microlocalizacin y macrolocalizacin. El Por qu? de estos resultados se debe,
en cuanto al proceso de microlocalizacin se refiere, es debido a los cambios radicales
en el medio de evaluacin (trafico masivo de datos en los puntos de acceso o trafico
de objetos y/o personas que puedan atenuar la seal a evaluar) que provocan caos en
el los algoritmos de localizacin y estos a su vez en los mtodos programados de
localizacin en interiores. En cuanto al proceso de macrolocalizacin, este presenta
cierto margen de error por la evaluacin de la posicin del usuario cuando este se
encuentra en celdas frontera entre una zona de localizacin y otra. En este caso los
mtodos de localizacin evalan las intensidades de seal ms fuertes y las comparan
con las almacenadas en el repositorio relacional retornando la zona de localizacin
con mayor nmero de coincidencias, es por esta razn por la cual el proceso de
macrolocalizacin determina la posicin del cliente que ha solicitado el servicio de
localizacin en una zona vecina a la zona en la que se encuentra. Se recomienda la
implementacin de tecnologas de corto alcance sensibles a la presencia (como RFID
o IR) en este tipo de escenarios para determinar la zona en la que se encuentra el
cliente.
5.4 Caso de estudio 2: Localizacin en interiores utilizando

contexto de tecnologa RFID
Como se describi en el captulo 2, RFID es una tecnologa de identificacin por
radiofrecuencia para la cual se necesitan dos partes, un interrogador y un interrogado,
representados a nivel hardware por un lector y un tag activo o pasivo. En el escenario
de pruebas propuesto para la evaluacin del algoritmo de localizacin utilizando
tecnologa RFID propuesto en el captulo 4 se despleg dentro del edificio del
departamento de ciencias computacionales lectores y antenas Impinj (ver
especificaciones en la seccin de anexos) y los usuarios a los cuales se localizar le
fueron asignadas etiquetas RFID pasivas Generacin2 (ver especificaciones en la
seccin de anexos). En las siguientes secciones se describir el escenario planteado
para las evaluaciones y los resultados obtenidos.
Una distribucin de infraestructura RFID ideal obedecera a colocar al menos 1 antena
lectora RFID en las reas de entrada y salida de cada rea de localizacin de tipo
zona. En el escenario planteado se utilizaron 2 antenas conectadas a un portal lector
para determinar el ingreso o egreso de un rea de localizacin de tipo zona
(Laboratorio de sistemas distribuidos) y un portal lector con dos antenas para
determinar el nivel del edifico en el cual se encuentra un portador de tags (planta alta o
planta baja). La distribucin de la infraestructura RFID dentro del edificio del
departamento de ciencias computacionales se muestra en la figura 46 en donde los
Pgina 91
rectngulos verdes con una A denotan la posicin de las antenas y los tringulos de
puntas redondeadas representan la amplitud del espectro de cada antena.
Figura 5.21 Distribucin de infraestructura RFID en el edificio del DCC
5.4.1 Escenario 1: acceso a una zona de localizacin

Descripcin del escenario
La entidad portadora de tags ingres y egres del rea de localizacin delimitada por
la zona Laboratorio de sistemas distribuidos donde se encuentra un portal de
identificacin RFID con un arreglo de 2 antenas dispuestas de forma tal que una de
ellas se encuentra dentro de la zona de localizacin Laboratorio sistemas distribuidos y
otra de ellas en la zona de localizacin identificada como rea de tragaluz de forma tal
que se pueda localizar a una entidad portadora de tags al ingresar al laboratorio de
sistemas distribuidos (localizando a la entidad en la zona laboratorio de sistemas
distribuidos) o egresar de este ( localizando a la entidad en la zona rea de tragaluz).
La distribucin de las antenas para el escenario planteado se describe en la figura 47.
Pgina 92
Figura 5.22 Diagrama de disposicin de antenas en escenario de entrada y salida controlado por antenas
RFID
Pruebas
La siguiente tabla muestra los resultados obtenidos de las pruebas de evaluacin.
No. De
evaluacin
1
2
3
4
5
6
7
8
9
10
Zona real en la que se encuentra el

tag
Dentro del laboratorio de sistemas
distribuidos
Fuera del laboratorio de sistemas
distribuidos (rea de tragaluz)
distribuidos
distribuidos
distribuidos
distribuidos
Zona en la cual se localiz el tag

distribuidos
distribuidos
distribuidos
distribuidos
distribuidos
Tabla 15 Resultado de localizacin utilizando tecnologa RFID en un escenario de entrada y salida de un rea
determinada
Pgina 93
5.4.2 Escenario 2: localizacin en edificio multinivel

Descripcin del escenario
Dentro de la distribucin de infraestructura RFID en el interior del edificio del

departamento de ciencias computacionales se colocaron 2 antenas en las zonas en la
cual se encuentran las escaleras del edificio que brindan comunicacin entre sus dos
plantas, las antenas se colocaron en un lateral de las escaleras que se encuentran en
la planta baja y de anloga forma en la planta superior. Las antenas fueron
configuradas mediante el uso de mensajes ROSPEC para modificar la amplitud del
espectro electromagntico de cada una de ellas de forma tal que el foco descrito por el
espectro cubriera la zona media del rea de ingreso a las escaleras en ambas plantas.
Cada antena se encuentra asignada a un rea de localizacin diferente de tipo zona,
estas reas se pueden encontrar en el catlogo de zonas del repositorio relacional
como: zona_de_escaleras_planta_baja y zonas_de_escaleras_planta_alta. La
disposicin del as antenas se muestra en la siguiente figura.
Figura 5.23 Distribucin de antenas RFID en la zona de escaleras del edificio del DCC
Pruebas
Las pruebas se realizaron permitiendo la libre circulacin de entidades portadoras de

tag por las reas de localizacin de tipo zona correspondiente a las escaleras, la
siguiente tabla muestra los resultados obtenidos.
No. De
evaluacin
1
2
3
4
5
6
Zona real en la que se encuentra el

tag
zona_de_escaleras_planta_baja
zona_de_escaleras_planta_alta
Zona en la cual se localiz el tag

Pgina 94
7
8
9
10
Tabla 26 Resultado de localizacin utilizando tecnologa RFID en un escenario de ascenso y descenso en

escaleras
Resultado de pruebas
Como se puede apreciar en las tablas de resultados mostrados la efectividad de
localizacin de ingreso y egreso a una zona en particular utilizando tecnologa RFID es
del 100%, esto se debe en gran medida al acotamiento de las zonas en las cuales se
despleg la infraestructura RFID. La tecnologa RFID tiene un alcance de cobertura no
mayor a 9 metros en la zona de mayor amplitud del espectro de una antena, pero su
precisin de localizacin es, en casos extremos (gran flujo de etiquetas por el portal),
del 97%; estas dos cualidades hacen a la tecnologa RFID una tecnologa ideal para
determinar la posicin de una entidad etiquetada dentro de un rea en base a los
criterios de ingreso y egreso, restringiendo el uso de las antenas nicamente a las
reas de ingreso o egreso, ajustando la posicin y amplitud del espectro de cada una
de las antenas dentro del arreglo de forma que tal que los espectros de cobertura de
las antenas permitan la identificacin de una entidad portadora de tags en cualquier
punto del marco dedicado al ingreso o egreso a una zona determinada.
Pgina 95
Captulo 6
Conclusiones
Pgina 96
6.1 Conclusiones
Al plantearse la presente tesis como trabajo de investigacin se estableci como
objetivo principal el desarrollo mtodos de programacin para ofrecer servicios de
localizacin en interiores basados en tecnologas de comunicacin inalmbrica como
Wi-Fi y Bluetooth, reconocimiento de etiquetas como RFID o NFC o de cdigos
bidimensionales QRCode. Los captulos que componen este documento de tesis
muestran el actual estado de desarrollo de sistemas de localizacin en interiores y las
tcnicas implementadas para sus desarrollo, de la evaluacin de estas ltimas se
eligi aquella que mostraba resultados ms acertados en entornos no controlados y
fue la base para el desarrollo de CHAMAN, una API escrita en java que contiene
mtodos que al ser implementados permiten desarrollar software que ofrece servicios
de localizacin en interiores basado en la evaluacin de las magnitudes de seales
electromagnticas. La descripcin de CHAMAN se realiz en el captulo 5 en el cual se
encuentra una descripcin detallada de las funciones de cada una de las clases que
integran la API, as como una descripcin de los algoritmos de localizacin
implementados y codificados en los llamados motores de localizacin. El captulo 6
muestra las pruebas realizadas para demostrar el grado de precisin de los algoritmos
desarrollados e implementados en los motores de localizacin que componen la API
CHAMAN.
De la experiencia obtenida y plasmada en captulos anteriores me permito presentar
las siguientes conclusiones:
Del conjunto de tcnicas de localizacin en interiores presentadas, la tcnica

de localizacin en interiores ms fiable en entornos expuestos a cambios
constantes en distribucin de objetos (obstculos para propagacin de
seales), horas pico aleatorias de transmisin de datos y trfico de objetos
entre emisor y receptor de seal es aquella que basa su resultado en la
comparacin de seales a una toma previa de datos. A este tipo de tcnicas de
localizacin se les conoce como fingerprint-based.
Utilizando una tcnica de localizacin fingerprint-based para ofrecer servicios
de localizacin es necesario contar con al menos 3 radio mapas de las zonas
de localizacin. Para un resultado ms preciso es recomendable obtener 3
diferentes muestras en 3 horarios diferentes cada da y de igual forma obtener
radio mapas por cada da de la semana. De esta forma se realiza una muestra
de datos ms confiable. Esto basado en las pruebas mostradas en el captulo
6, donde se muestra que la magnitud de una seal electromagntica presenta
considerables variaciones en un mismo punto en diferentes horarios del da.
La localizacin de dispositivos mviles portados por humanos presenta
irregularidades que hace del proceso de estandarizacin de medidas de
magnitudes un proceso sumamente complicado, esto debido a que el sujeto
(humano) que porta el dispositivo mvil es el principal elemento de atenuacin
de seales electromagnticas. Los atributos de individuo anfitrin, tales como
altura, masa muscular, cantidad de agua en el cuerpo y vestimenta, son los
principales factores que producen un cambio de lectura entre una persona y
otra utilizando el mismo dispositivo mvil en el mismo lugar de lectura.
Pgina 97
Se recomienda el uso de diferentes tipos de seales electromagnticas para

obtener un mayor grado de precisin en el proceso de localizacin en
interiores. De igual forma es recomendable tomar en cuenta los grados de
precisin que permite establecer la longitud de onda de cada una de las
seales electromagnticas utilizadas. En un escenario recomendable se
utilizan lectores RFID en puertas de entrada y salida de edificios o reas
mayores a 60m2, utilizar al menos 3 seales traslapadas de puntos de acceso
Wi-Fi dentro de cada rea delimitada en su acceso por portales RFID y
dentro del rea de cobertura Wi-Fi colocar en medida de lo posible un arreglo
de puntos de acceso Bluetooth en cada arista de cada 4 m2.
6.2 Trabajos futuros

Los servicios de localizacin en interiores implementados por CHAMAN brindan
informacin que puede complementar la informacin necesaria para sistemas de
evaluacin y/o recomendacin contextual brindando el atributo de posicin. Los
mtodos de localizacin contenidos en los motores de localizacin de CHAMAN fueron
programados de forma tal que puede ser importados en cualquier proyecto escrito en
Java SE, Jython o Android, esto permite una gran flexibilidad de implementacin en
nuevos proyectos que necesiten un valor para ofrecer algn tipo de servicio
relacionado. En base en lo mencionado anteriormente se pueden vislumbrar dos
ramificaciones de lneas de investigacin en las que se puede implementar (y en caso
de ser posible escalar) la API CHAMAN:
Sistemas de navegacin en interiores para dispositivos mviles con anotaciones
contextuales, en el cual los mtodos contenidos en CHAMAN pueden brindar la
informacin de posicin y motores de evaluacin contextual, brindar informacin
relevante para el usuario, todo esto desplegado en un mapa de navegacin y ventanas
de recomendacin en un dispositivo mvil. La siguiente imagen muestra un diagrama
de la implementacin de CHAMAN con los dos sistemas de recomendacin y
visualizacin mencionados previamente.
Pgina 98
Figura 6.1 Diagrama de implementacin de CHAMAN y un sistema visor de posicin en interiores en un

dispositivo mvil
Implementacin de sistemas de localizacin en interiores que permitan complementar

la informacin contextual de dispositivos intercomunicados entre s, para formar una
instancia de la internet de las cosas (internet of things 23) . Implementando CHAMAN ,
fosstrak y Android SDK for Arduino24, es posible desarrollar hardware que permita
sensar el estado de un objeto en particular y, enviar la informacin de su estado y
posicin a un sistema de gestin que permita administrar tal informacin para ofrecer
recomendaciones contextuales dentro de un escenario.
Figura 6.2 Diagrama de propuesta de implementacin e interoperabilidad en el internet de las cosas entre
CHAMAN , fosstrak y hardware Arduino
23
24
http://www.theinternetofthings.eu/ (Recuperado el 10 de Enero del 2012)

http://www.arduino.cc/es/ (Recuperado el 10 de Enero del 2012)
Pgina 99
Una de las principales lneas de investigacin en la cual es posible implementar tal

solucin es el cmputo ubicuo.
Pgina 100
Captulo 7
Referencias
Pgina 101
7. Referencias
[Jekabsons, 2010]
[Potgantwar, 2009]
[NEODIGIT 2009]
[Muttitanon, 2007]
WI-FI Based Indoor Positioning

Jkabsons G., uravovs V. Refining Proceedings of the International
Scientific Conference Applied Information and Communication
Technologies, Latvia, Jelgava, 22.-23. April, 2010. - pp 87-95.
Internal Location Based System For Mobile Devices Using Passive RFID
And Wireless Technology
A.D.Potgantwar, Vijay M.Wadhai
International Journal of Computer Science and Information Security,
IJCSIS, Vol. 6, No. 3, pp. 153-159, December 2009, USA
Neodigit.es
Glosario
API,
2009.
Recuperado
http://www.neodigit.es/glosario-internet/api.html en Agosto de 2009.
de
An Indoor Positioning System (IPS) using Grid Model

Wutjanun Muttitanon and Nitin Kumar Tripathi and Marc Souris, DOAJArticles 2007
IEEEE Standard for Information technology, Telecommunications and
information exchange between systems Local and metropolitan area
networks specific requirements
[Kerry,2008]
[Ferreira, 2007]
[Bernardos, 2008]
[Atrain, 2006]
[Aguilar , 2007]
Stuart J. Kerry, Chair

Al Petrick, Vice-Chair, Treasurer and Chair, Task Group mb
Harry R. Worstell, Vice-Chair
Stephen McCann, Secretary and Chair, Publicity Standing Committee
Teik-Kheong Tan, Chair, Wireless Next Generation Standing Committee
Terry L. Cole, Technical Editor and Assigned Number Authority
Local positioning system using WiFi networks
Pedro Miguel Ferreira Claro, Nuno Borges Carvalho
Conftele, 2007
Modelo de integracin de tecnologas para la provisin de servicios
mviles basados en localizacin y contexto. Ana Bernardos Barbolla.
Tesis doctoral. Madrid 2008.
Localizacin y seguimiento de terminales mviles en entornos indoor.
J.J. Astrain, J. Villadangos, A. Cordoba
II Congreso Iberoamericano sobre Computacin Ubicua CICU'06, pgs.
255-262, ISBN: 84-8138-703-7, Alcal de Henares, Spain, June 2006
A Patient Identification System using RFID and IEEEE 802.11b Wireless
Networks
Antonio Aguilar
Master of Science Thesis
Stockholm, Sweden 2007
[Portillo, 2008]
Informe de Vigilancia Tecnolgica madrid

Tecnologa de identificacin por radiofrecuencia (RFID): Aplicaciones en
el mbito de la salud
Javier I. Portillo, Ana Beln Bermejo y Ana M. Bernardos. 2008
[PW1]
http://www.llrp.org/ Consultado el 20 de Enero del 2011
[PW2]
http://www.bluetooth.com/Spanish/Technology/Works/Pages/Data_Transp
Pgina 102
ort_Architecture.aspx Consultado el 15 de Noviembre del 2010
[Arjona, 2009]
[Papapostolou, 2009]
Servicios de localizacin conscientes del contexto aplicando perfiles de

movilidad y tecnologas de localizacin heterogneas.
WIFE: Wireless Indoor Positioning Based on Fingerprint Evaluation.

Apostolia Papapostolou, Hakima Chaouchi In Proceedings
Networking'2009. pp.234~247
Pgina 103
of
Captulo 8
Anexos
8.1 Introduccin
En el margen de desarrollo de esta tesis se generaron documentos externos a ella tanto por
razones de investigacin como por descripcin de contenido. Las siguientes secciones
muestran los documentos mencionados anteriormente, en las prximas secciones se pude
encontrar un articulo fruto de una estancia de investigacin en la Universidad de Castilla-La
Mancha (Espaa) el cual fue presentado en el congreso internacional RFIDSysTech 2011
realizado en la ciudad de Dresden, Alemania. De igual forma se podr encontrar las
esepcificaciones tcnicas del hardware implementado en las pruebas de localizacin y por
ltimo una descripcin a modo de JavaDoc de las clases y mtodos de la API CHAMAN.
8.2 Application to a warehouse environment of a tracking system

based on RFID and free software
Application to a warehouse environment of a tracking system based on
RFID and free software
Yris Pastor Miguel1, Garca Higuera Andrs2, Garca Ansola Pablo2, Gonzlez Serna
Gabriel1
1
CENIDET, Mxico. 2 Autolog, University Castilla La Mancha, Spain.
Abstract
This paper presents the modeling and implementation of a tracking and traceability system of products
within a warehouse using RFID, Wi-Fi, Android operating system and the EPC standard to optimize
the storage/retrieval and picking processes. We propose a client-server system architecture. The client
application can obtain the EPC code of an object marked with an RFID tag inside the warehouse and get
the approximate location of the object read by the client application by reading Wi-Fi signals obtained by
the device running the client application. The application server implements an event and location engine
based on the EPCIS Repository application.. The system allows quick and efficient location of products,
while implementing artificial intelligence methods to improve productivity during the picking processes.
1 Introduction
Chaotic warehouses have become a common scenario in which the lack of reliability on product
positioning has resulted in a significant increase in the times required for picking . In scenarios where a
chaotic warehouse management is the only available solution for improving productivity, a new approach
can be the implementation of traceability systems based on RFID technology. By having a traceability
system in pace, a company manager or warehouse manager can get the position and status of any product
in real time [1]. Currently traceability systems are integrated by specific hardware with non-free software,
which usually makes the deployment to become an expensive solution. Past research has lead to the
development of middlewares that manage contextual services based on devices with sensors and active
RFID [2]. Other software solutions offer product localization in real time based active RFID and APIs
like Google Maps, but its operation is limited to outdoor use [3]. In most scenarios, only limited versions
for specific visibility points have been implemented, which means that the current implementations are
not suitable for non-fixed product locations. This paper describes the design and implementation of an
internal traceability system for a chaotic warehouse where specific products are not always located in the
same position.
Our system consists of two applications, a client application that runs on a Tablet with Android operating
system and a server application developed in Java that runs on a Tomcat application server. This server
application extends the EPCIS Repository application capabilities. The client device has been deployed
on a trans-pallet carrying an RFID reader. The client device communicates via Bluetooth with the RFID
reader at the trans-pallet and sends data via HTTP to the warehouse server trough the LAN (Local Area
Network).
For the correct performance of the system, the store must have a network of Wi-Fi access points that will
provide coverage on the warehouse picking area. Every pallet that enters the store has an RFID tag and
the database server must have a map of Wi-Fi signals in the warehouse.
The client application has 2 main activities: storing and picking. The storage process starts when the
trans-pallet loads a pallet. At this point the RFID reader gets the pallet EPC code and sends it to the client
device via bluetooth. The trans-pallet operator places the pallet somewhere in the warehouse (dropping
point), so that the RFID reader stops reading the EPC code of the pallet. The client application obtains the
power-levels of the signals from the different access points captured at that dropping point in the
warehouse and sends the vector with the following information: EPC code, access point MAC, access
point signal strength. This way the server records the pallet storage position for the calculated dropping
point. Picking operations are managed by an event engine that implements artificial intelligence methods.
A Picking operation starts when the event engine sends to the client device the list of objects to collect
and the position of each of the objects. The server starts a process of guided tour through the optimal
route for picking the products in the order list.
The implementation of our system increases the efficiency of management in a chaotic warehouse by
automatically determining and recording the coordinates of each object placed in the warehouse. The
system also includes order management using artificial intelligence techniques to calculate optimal routes
for each order picking; thus reducing time in the picking process. The route is calculated based on the
device's position and the recorded dropping point for the requested pallet. Therefore, the client Graphical
User Interface (GUI) process uses signal traces of Wi-Fi access points to determine the client's position
and provide optimal routes.
The following sections describe the modules that constitute the system. These are classified into modules
contained in the client application and modules contained in the application server. Section four describes
the implementation of the system and some conclusions are finally obtained from the deployment of the
system.
2 Design
In this client-server set-up the client application runs on a tablet with WLAN and Bluetooth interface
under the Android operating system. This client application allows the visualization and description of the
EPC obtained from product tags by the RFID reader. EPC data is sent to the server application to initiate
the necessary resource management. Communication with the server application is achieved by sending
XML files and SOAP objects via HTTP. The use of XML files and SOAP objects derived from the
implementation of the EPCIS Repository application[4], this application derived from the project fosstrak
[4] implements comunication via XML files. The XML used by EPCIS Repository defines an EPCIS
event composed by attributes like time, place where an EPC code has been read and the list of EPCs that
have been read. The Application Server is developed in Java and implements two databases: locationDB
and EPCIS RepositoryDB. These databases allow the managing engine of the application server to know
the position of a client and the tasks each client device must perform. The server application extends all
the features of the free software application EPCIS Repository [9] (capture, query, reports y
subscriptions), while holding a client-server communication via XML or SOAP. This feature allows thirdparty applications to interact with our application. Figure 1 shows a diagram with the internal structure of
this application.
Figure 11: modules and communication
diagram
3 Applications modules
The system is composed of individual modules
with specific tasks. Each module communicates
with other modules sending an XML file or the
corresponding parameters. The next sections
describe the modules for client and server
applications.
3.1 Client Application

The client application runs on an operating system Android 2.x. This application has the ability to: get the
flow of data emitted by the Bluetooth RFID reader, get information from the access points around the
Android device and view real-time information sent by the server application. The following subsections
describe the modules of the client application.
3.1.1 Location
This module is responsible for obtaining the track position signal using positioning techniques based on
fingerprint signal comparison [5], which is updated to the application server that can generate a related
event for the client. Location of client devices is based on the corresponding signal traces of the points
where the customer is. A fingerprint is a vector signal composed of the names of access points that can
capture a signal that includes corresponding strengths at that point. For the correct operation of the
location module is necessary realize a training stage. In
the training stage is obtained and stored into the location
database the IEEE 802.11 signal fingerprint of the
warehouse. Figure 2 shows a radio-map formed by the
signal fingerprint captured in the storage area, this is a
graphical representation of signal propagation of the
different access points within the coverage area. Red
areas show high-power intensity of the signal close to
the access points to the WLAN, while yellow areas
represent WLAN poor coverage.
Figure 12: Warehouse radio-map
3.1.2 Communication
Communication modules in this application
allow interaction between a RFID reader with
Bluetooth interface and the application server.
This has been achieved trough the development
of programming methods that allow obtaining
the data flow of the RFID reader, create an
EPCIS event into a XML file and send it to the
server application. Methods of communication
via SOAP objects have been developed to
ensure two-way communication with the server
application. This allows the implementation of
applications that can place queries to the EPCIS
Repository of all client devices within
warehouse areas from enterprise customers
anywhere in the world [6]. Figure 3 shows a
layered model of communications in this
application with the hardware involved and the
EPCIS Repository implementation.
Figure 13: layered model of the communication
3.1.3 Display module

The display module on the client allows graphical displaying of events generated and sent by the server
application. This way the client is informed in real time about each event that takes place and the location
of the objects involved in it.
The main screen of the client application is divided into two sections, the left section shows the
information about the order sent by the event engine.: the order products list, the products were harvested
and the list of products to pick up. The right section shows a map of the warehouse, over the map shows
the route to be followed to make the picking order and position of the pallets that containing products to
be collected. Every time that a product is collected the system updates the display information showing
the new list of products for collecting and the new route to follow.
Figure 14: display module in a tablet
3.2 Application server

The application server is implemented in modules containing the event engine, the required mapping
tools and the report modules. A synchronised operation of all these modules allows reporting location
and additional information about products in real time. The following subsections describe the modules
of the server application.
3.2.1 Mapping
The mapping module is composed of a set of methods to calculate the approximate position of each
customer in the warehouse. The position of the client is calculated in base to the information of the IEEE
802.11 WLANs captured and sent by the client location module. This module sends the positions of each
active client in the warehouse to the event engine. The fingerprint of access points provides information
about the client's position and allows the device to guide customers into the warehouse while doing the
picking process.
3.2.2 Event Engine.

The event engine is responsible for managing the processes followed by products in the distribution
centre. To perform its function, the event engine receives a token from the RFID readers deployed in the
warehouse every time a product performs a process (in, out, store) in the warehouse process cycle. Based
on the status information of the products, the event engine handles an event for each of them (change
position, underwriting, integrating order and picking). Events such as routing and order picking are sent
to the client device.
3.2.3 Reporting
The reporting module obtains in real time the status and position of a product or order status. Position and
ID information are stored into a XML file and sent to the client that requested the report. Implementation
of XML files allows other systems to check the reports generated by our system.
4 Deployment Scenario
Figure 5: network diagram of the deployment

scenario
The scenario where the system has been implemented
is a warehouse that has the following infrastructure:
RFID antennas deployed in the area of product
revenues and expenditures, 4 access points for IEEE
802.11 WLAN,, truck-pallets with an android tablet and
an RFID reader with Bluetooth interface, a database
server and application server. Figure 5 shows a network
diagram of the deployment scenario.
4.1 Implementation
The distribution of the traceability hardware at the
warehouse is the following: the gates by which
products enter o leave the warehouse have 4 RFID
antennas each. These antennas scan the pallets to report
the entry or exit of products. Each storage-keeping-unit
(SKU) or space to store a pallet -, is identified by a
unic Wi-Fi signal strength that identified the SKU and
the passageway. The locations database contains the relation of spaces allocated to all pallets identified by
their correspondingWi-Fi signal strength . The warehouse has 4 IEEE 802.11 access points that provides
total coverage over the warehouse picking area. Each allocated space for pallets has a signal fingerprint
formed by the magnitude of the signal strength of each access point captured at that point. The location
database contains the relation location-fingerprint assigned spaces around the store.
In implementation sequence, the first step is getting the radio-map and to store the relation signal
strength-location. To achieve this, the client device displays a warehouse map on which draw a grid, each
grid cell corresponds to a location area. The forklift operator roam the store stopping at each cell, using
the touch screen of the android device the forklift operator indicates his location into the grid map of the
warehouse. The location module in the client application obtains the signal fingerprint and together with
the ID of the selected cell trans-pallet operator are sent to the server application
The incoming product is transported to a storage passageway available using a trans-pallet with a
Bluetooth RFID reader placed at the forks of the trans-pallet to scan the RFID tags in the pallets and
an Android tablet running the client application. The client application obtains the pallet identifier using
the RFID reader and the identifier of the cell where the product was deposited based in the comparison of
the signal fingerprint obtained scanning the WLAN, this information is sends via XML to the event
engine. Each client device is connected to the warehouse WLAN.
When a customer places an order, the event engine receives this order and starts the process of resource
management. The event engine gets the availability of products that belong to the order. If there are
enough products to fill the order, the event engine gets the list of available forklifts. The system calculates
the optimal route to pick the order and sends the order and the route to the selected client/trans-pallet.
The client application receives the order and the Tablet screen shows the list of products to pick and the
optimal route on the warehouse map. Whenever a product is obtained, this product disappears from the
list on the Tablet screen.
Once the list of products is obtained, the client receives the delivery order. When the order is delivered,
the forklift becomes available again.
Each order delivered is scanned by RFID portals in the warehouse shipping area and the products deleted
from the list of stocks.
5 Conclusions.
A tracking system has been implemented that optimizes picking time and increases the efficiency in tasks
management inside a chaotic warehouse. The system makes use of common wireless communication
infrastructure (Access Points IEEE 802.11), passive RFID tags and high performance/low-cost
Android devices for low cost implementation. The communication via XML and SOAP allows third-party
applications to interact with our application. The modular programming of the client and server
application allows an easy maintenance and ensure system scalability. An API is developed based on
methods of communication modules in the client application that extends the features of EPCIS
repository for Android OS applications. All these developments are based on free hardware.
Future developments will include the implementation of a NFC and LLRP interaction module.
6 Literature
[1]
[2]
XiaohuiZhao ,Chengfei Liu, and Tao Lin, Enhancing Business Process

Automation by Integrating RFID Data and Events,
Proceedings of the Confederated International Conferences, CoopIS, DOA, IS,
and ODBASE 2009,Portugal.
Tomas Sanchez Lopez, Daeyoung Kim, "A Context Middleware Based on
Sensor and RFID Information",Proceedings of the Fifth IEEE International
Conference on Pervasive Computing and Communications Workshops,
PERCOMW '07,2007, USA.
[3]
Loffler, A.; Wissendheit, U.; Gerhauser, H.; Kuznetsova, D.; , "GIDS - A

system for combining RFID-based site information and web-based data for
virtually displaying the location on handheld devices", Institute of Electrical
and Electronics Engineers -IEEE-:
IEEE International Conference on RFID 2008, Las Vegas, USA.
[4]
http://www.fosstrak.org/epcis/index.html (2011)
[5]
Jie Yin, Qiang Yang, Learning, Adaptive Temporal Radio Maps for SignalStrength-Based Location Estimation, IEEE Transactions on Mobile
Computing
, 2008, USA.
Andrs Garca Higuera received his degree in Industrial Engineering for Automation and Electronics at
the Polytechnical University of Madrid in 1991. Previously (since 1987) he already had another degree in Mechanical
Engineering from the University of Crdoba (Spain). In 1999 he obtained his PhD in Robotics and Automation at the
Polytechnical University of Madrid. In 2001 he joined the Automation and Control Group, Institute for
Manufacturing, Department of Engineering, University of Cambridge as Senior Research Associate. During this time
he worked as researcher for the Auto-ID Centre. Founded by Gillette, UPS, P&G and UCC this research initiative
began at the MIT and got together several research centres at a global scale to develop RFID technology solutions
and standards.
Pablo Garcia Ansola received the M.Sc. degree in computer science and the MBA from the
University of Castilla-La Mancha, Spain. He is currently a Research Scientist in the Autolog Labs in the UCLM. He
is also the manager of the Autolog spin-off, called Securware, which received several innovation awards like the
IDEA, Innovared or Desafio22. Before joining the UCLM, he was involved in the business intelligent area of the
major Spanish consultancy INDRA, as consultant. His research interests include integration of intelligent Systems in
the SCM and decision making support.
Miguel Angel Yris Pastor received the degree in computer science from Juarez lance university of
Tabasco, Mxico. currently is a researcher and student at Computer Science departament of the national center of
research and technological development (CENIDET) in Cuernavaca Morelos, Mexico.
Juan Gabriel Gonzlez-Serna. Obtained his B.S. degree in computer systems from the Acapulco
Institute of Technologic (ITA-SEP), Mxico, in 1992, his M.S. degree in computer science from the CENIDET
Mexico, in 1995 and obtained his PhD degree in computer science from the computing research center, National
Polytechnic Institute (CIC-IPN), Mexico, in 2006. He works at CENIDET Computer Science Department as a
researcher and professor, he has been in charge of several research projects on wireless and mobile networks and he
supervises master and PhD theses in the same field. He lectures B.S. courses in ITESM Cuernavaca since 2003 and
graduate courses in CENIDET since 1995. He is a member of the Researchers National System (SNI) since 2000
8.3 Especificaciones tcnicas de instrumentos utilizados en el

proceso de localizacin
8.3.1 Puntos de acceso
Punto de Acceso Linksys WRT54GL
Modelo: WRT54G
Estndares:IEEE 802.3, IEEE 802.3u, IEEE 802.11g, IEEE 802.11b
Canales:
11 canales (EE. UU., Canad)
13 canales (Europa, Japn)
Puertos/botones:
Internet: Un puerto 10/100 RJ-45
LAN: Cuatro puertos 10/100 RJ-45 conmutados
Un puerto de alimentacin
Un botn de reinicio
Un botn SecureEasySetup
Tipo de cables:Tipo CAT 5
Luces: Alimentacin, DMZ, WLAN, LAN (1, 2, 3, 4), Internet, SecureEasySetup
Potencia de salida de radiofrecuencia: 18 dBm
Cert./compat. UPnP: Compatible
Funciones de seguridad: Firewall con inspeccin exhaustiva de paquetes (SPI), directiva de
Internet
Seguridad inalmbrica: Wi-Fi Protected Access 2 o WPA2; (acceso Wi-Fi protegido 2), WEP,
filtrado de direcciones MAC inalmbrico.
Captulo 8 -- Anexos
Pgina 113
Punto de Acceso Linksys WRT120N
Modelo: WRT120N
Estndares: IEEE 802.3u, 802.11g, 802.11b, versin 802.11n
Luces: Alimentacin, Internet, Conexin inalmbrica, Wi-Fi Protected Setup (Configuracin Wi-Fi
protegida), Ethernet (1-4)
Puertos: Internet, Ethernet (1-4), alimentacin
Botones: Reinicio, Wi-Fi Protected Setup (Configuracin Wi-Fi protegida)
Tipo de cableado: Cat 5
Nmero de antenas: 2 (internas)
Modulaciones: 802.11b: CCK/QPSK, BPSK
802.11g: OFDM/BPSK, QPSK, 16-QAM, 64-QAM
802.11n: OFDM/BPSK, QPSK, 16-QAM, 64-QAM
Potencia transmitida en dBm:802.11b: 16,5 1,5 dBm (habitualmente)
802.11g: 13,5 1,5 dBm (habitualmente)
802.11n: 13,5 1,5 dBm (habitualmente)
Sensibilidad de recepcin en dBm:-94 dBm (habitualmente) a 1 Mbps
-90 dBm (habitualmente) a 11 Mbps
-75 dBm (habitualmente) a 54 Mbps
Ganancia de la antena en dBi: 2,0 (mx.)
Cert./compat. UPnP: Compatible
Seguridad inalmbrica: Wi-Fi Protected Access 2 o WPA2; (acceso Wi-Fi protegido 2), WEP,
filtrado de direcciones MAC inalmbrico
Bits de clave de seguridad:Encriptacin de hasta 128 bits
Captulo 8 -- Anexos
Pgina 114
Punto de Acceso DLink 2440t
ESTNDARES
IEEE 802.11n (draft 2.0)
IEEE 802.11g/b
Support Full/Half Duplex operations
Support Auto Negotiation
HARDWARE
SDRAM: 8 MB
Flash: 2MB
PUERTOS
4 Puertos LAN 10/100 Mbps Fast Ethernet MDI/MDIX
1 Puerto WAN 10/100 Mbps Fast Ethernet MDI/MDIX (Soporta Direccin IP esttica, DHCP Client,
PPPoE, PPTP, L2TP, IPSec, VPN Pass through)
Botn Reset
Conector Energa
ANTENA
1 Antena Fija tipo dipolo
Ganancia: 5 dBi
ESTNDAR IEEE802.11B
Modulacin:
DQPSK
DBPSK
CCK
Frecuencia:
2400 a 2483.5 MHz ISM band
Nmero de Canales:
11 Canales FCC
Captulo 8 -- Anexos
Pgina 115
13 Canales Europa
Data Rate:
11, 5.5, 2, 1 Mbps
Media Access Protocol:
CSMA/CA con ACK
Potencia de Transmisin:
17 dBm at 11, 5.5, 2 y 1 Mbps
Sensibilidad de Recepcin:
-79 dBm for 11Mbps
82 dBm for 5.5Mbps
84 dBm for 2Mbps
86 dBm for 1Mbps
ESTNDAR IEEE802.11G
Modulacin:
BPSK
QPSK
16QAM
64QAM
OFDM
Frecuencia:
2400 a 2483.5 MHz ISM band
Data Rate:
54, 48, 36, 24, 18, 12, 9 y 6 Mbps
Media Access Protocol:
CSMA/CA con ACK
Potencia de Transmisin:
14 dBm at 54, 48 Mbps
16 dBm at 9, 6 Mbps
Sensibilidad de Recepcin:
65 dBm at 54Mbps
66 dBm at 48Mbps
70 dBm at 36Mbps
74 dBm at 24Mbps
77 dBm at 18Mbps
79 dBm at 12Mbps
81 dBm at 9Mbps
82 dBm at 6Mbps
Captulo 8 -- Anexos
Pgina 116
8.3.2 Portal RFID

Lector RFID Impinj Speedway
Air Interface Protocol
EPCglobal UHF Class 1 Gen 2 / ISO 18000-6C
Performance
Includes all possible performance configurations and

functionality to deliver peak performance for even the
most challenging of applications
Supported Regions and

Geographies
US, Canada, and other regions following US FCC Part

15 regulations
Europe and other regions following ETSI EN 302 208
v1.2.1 without LBT regulations
Australia, Brazil, China, India, Japan, Korea, New
Zealand, Singapore, South Africa, Taiwan, Uruguay
Pending regulatory approvalHong
Kong, Malaysia, Thailand, and Vietnam
Antennas
4 high performance, monostatic antenna ports optimized

for Impinj reader antennas (RP TNC)
Transmit Power
Max Receive Sensitivity
-82 dBm
Max Return Loss
10 dB
Application Interface
EPCglobal Low Level Reader Protocol (LLRP) v1.0.1
Network Connectivity
10/100BASE-T auto-negotiate (full/half) with autosensing MDI/MDX for auto-crossover (RJ-45)
Cellular Connectivity*
Captulo 8 -- Anexos
+10.0 to +30.0 dBm (PoE)

+10.0 to +32.5 dBm1 (external universal power
supply)
Note 1: Speedway Revolution requires professional
installation, may only be operated with Impinj-approved
antennas, and can radiate no more than 36 dBm EIRP
per FCC Part 15.247 regulations. Other regulatory
regions have similar restrictions. Consult the Installation
and Operations Guide to learn more.
Sierra Wireless AirLink PinPoint XT (CDMA or GSM

connectivity with GPS data)
Pgina 117
Sierra Wireless AirLink Raven XT (CDMA or GSM

connectivity)
(* Available through Impinj-authorized partners)
IP Address Configuration
DHCP, Static, or Link local Addressing (LLA) with

Multicast DNS (mDNS)
Time Sychronization
Network Time Protocol (NTP)
Management Interfaces
Impinj Web Management UI

Impinj RShell Management Console using serial
management console port, telnet or SSH
SNMPv2 MIBII
EPCglobal Reader Management v1.0.1
Syslog
Reliable Firmware Upgrade
Dual image partitions enable smooth transition to

new firmware while the reader is still operating
Scalable upgrade mechanism enabling simultaneous
scheduled upgrades of multiple reader
USB Flash Drive
Impinj Web Management UI
Management Console
RS-232 using a standard Cisco-style management

Cable (DB-9 to RJ-45)
Baud rate: 115200; Data: 8 bit; Parity: none; Stop:
1 bit; Flow control: none
USB
USB 1.1 Device (Type B) and Host (Type A) ports

USB Virtual COM Serial Port and USB drive support
for embedded applications
GPIO
4 inputs, optically isolated, 330V

4 outputs, optically isolated, 0 30V, non-isolated 5V,
100 mA supply (DB-15)
Power Sources
Power over Ethernet (PoE) IEEE 802.3af

+24 VDC @ 800 mA via external universal power
supply with locking connectorsold separately
Captulo 8 -- Anexos
Pgina 118
8.3.3 Dispositivo mvil cliente
HTC WildFire
Dimensiones
Peso: 118g (con batera)

Procesador
Qualcomm MSM7225A, 528 MHz
Batera
Batera recargable de iones de litio
Capacidad: 1300 mAh
Cmara
Cmara color de 5 megapxeles con enfoque automtico y flash
Navegacin
Bola de navegacin ptica
Aplicaciones
Friend Stream, YouTube, Facebook, Twitter, Flickr, HTC Peep
Captulo 8 -- Anexos
Pgina 119
Pantalla
3.2 pulgadas
QVGA de 240 x 320 pxeles
Pantalla sensible al tacto
Sistema Operativo
Plataforma Android 2.1 (clair) con HTC Sense
Memoria
ROM: 512 MB
RAM: 384 MB
Tarjeta de memoria microSD (compatible con SD 2.0)
Red
HSPA/WCDMA 850/1900 MHz
Velocidades de carga de hasta 384 kbps y velocidad de descarga de hasta 7.2 Mbps
Cuatro bandas GSM/GPRS/EDGE: 850/900/1800/1900 MHz (*)
Conectividad
Bluetooth 2.1 con FTP/OPP para transferencia de archivos
Wi-Fi IEEE 802.11 b/g
Micro-USB estndar (micro-USB de 5 conectores)
Conector de sonido estreo de 3,5 mm
Antena GPS interna
Captulo 8 -- Anexos
Pgina 120
Captulo 8 -- Anexos
Pgina 121

API para Servicios de Localizacio N en I PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

API para Servicios de Localizacio N en I PDF

Transféré par

Droits d'auteur :

Formats disponibles

Centro Nacional de Investigacin y Desarrollo

TESIS DE MAESTRA EN CIENCIAS

Miguel Angel Yris Pastor

como requisito para la obtencin del grado de:

Cuernavaca, Morelos, Mxico.

. A las incontables Dulcineas y Sanchos que contestaron de una forma u otra la

A todos ellos Gracias (a pesar de mi necedad, nada de esto se hubiese logrado)

Captulo 2 -- Marco conceptual

Captulo 3 -- Estado del arte

3.7 Servicios de localizacin conscientes del contexto aplicando perfiles de movilidad

4.7 Diseo de capas de la API ___________________________________________ 36

4.7.2 Capa de traduccin de datos ____________________________________________ 39

4.7.3 Capa de filtrado de datos _______________________________________________ 42

4.7.4 Capa de procesamiento de datos ________________________________________ 43

4.7.4.4 Capa de conexin a repositorios relacionales _____________________________ 51

4.8 Diagrama de clases ________________________________________________ 53

Captulo 5 -- Casos de estudio

5.3 Localizacin en interiores en un medio no controlado _________________________ 63

5.4 Caso de estudio 2: Localizacin en interiores utilizando contexto de tecnologa

5.4.2 Escenario 2: localizacin en edificio multinivel ______________________________ 94

Resultado de pruebas ______________________________________________________ 95

Punto de Acceso DLink 2440t _______________________________________________ 115

8.3.3 Dispositivo mvil cliente ______________________________________________ 119

Figura 2.1 Modelo de objetos de protocolo LLRP

Figura 3.6 Diagrama de flujo de proceso de guiado en base a lectura de tags

Figura 3.6 Pantallas involucradas en el proceso de guiado en base a lectura de

Figura 4.1 Diagrama de funcionalidades de las capas que componen a

Figura 4.2 Modelo del proceso de localizacin utilizando el contexto de seales

Figura 4.3 Definicin de zonas utilizando formacin Matryoshka

Figura 4.6 Representacin UML de las clases y mtodos de tipo interfaz de la

Figura 4.7 Diagrama de clases correspondiente a la capa de traduccin de datos

Figura 4.8 Diagrama de clases de la capa de filtrado de datos

Figura 4.12 Proceso de microlocalizacin

Figura 5.2 Secuencia de comunicacin de la aplicacin cliente con el repositorio

Figura 5.3 Muestra de celdas entrenadas en el repositorio relacional (a) y

Figura 5.4 Celdas evaluadas

Figura 5.5 celdas candidatas resultantes al implementar el algoritmo de

Figura 5.6 celdas resultantes al implementar el algoritmo de localizacin en la

Figura 5.7 Resultado de implementar el algoritmo de localizacin en la celda H7

Figura 5.19 Resultado de la implementacin del algoritmo de localizacin en la

Figura 5.20 Resultado de la implementacin del algoritmo de localizacin en la

Figura 5.21 Distribucin de infraestructura RFID en el edificio del DCC

Figura 5.22 Diagrama de disposicin de antenas en escenario de entrada y

Figura 6.1 Diagrama de implementacin de CHAMAN y un sistema visor de

Figura 6.2 Diagrama de propuesta de implementacin e interoperabilidad en el

http://en.wikipedia.org/wiki/I,_Robot (Recuperado el 2 de noviembre del 2011)

1.3 Objetivo principal

1.4 Estructura del documento

utilizados en el resto del documento. El captulo 3 corresponde a la descripcin del

Captulo 2 -- Marco conceptual

Una etiqueta RFID, tambin llamada tag o transpondedor (transmisor y

Captulo 2 -- Marco conceptual

Una computadora, que desarrolla la aplicacin RFID. Recibe la informacin de

2.3. IEEE 802.11

2.4. API (Application Program Interface)

2.5. LLRP (Low Level Reader Protocol)

ledo su EPC o lock la cual impide la modificacin de la informacin contenida en el

Figura 2.1 Modelo de objetos de protocolo LLRP

En el modelo anterior se describe el escenario de comunicacin donde un cliente

Comunicacin mediante archivos XML, el cliente enva al lector un archivo XML

<?xml version="1.0" encoding="UTF-8"?>

Captulo 2 -- Marco conceptual

Captulo 2 -- Marco conceptual