Любопытный телефон узнаёт присутствие по отпечаткам
Сотовые телефоны преобразовываются в платформу для «people centric computing» – комплекта сервисов, активирующихся в зависимости от местонахождения пользователя. В большинстве случаев оно определяется чисто географически — по долготе и широте. Но куда увлекательнее ловить клиентов по новому принципу так называемой логической локализации.
В недалёком будущем, возможно, простым делом станут интерактивные рекламные акции, основанные на том, где на данный момент находится потенциальный клиент. Заходите вы, например, в Starbucks – и сразу же приобретаете электронный купон на бесплатный кофе. А сервис GeoLife уже в самом ближайшем будущем собирается присылать перечень проходящих на данный момент акций на сотовый телефон, чей сигнал зафиксирован вблизи супермаркета Wal-какое количество.
Это и имеется логическая локализация – от простого определения местонахождения таковой способ отличается тем, что человек привязывается к определённому смысловому блоку: «я на данный момент нахожусь в торговом комплексе».
Одна из основных погрешностей GPS – локализация объекта по «неправильной» стороне стенки. В этом случае спутник не в состоянии поделить случаи нахождения человека в кафе либо магазине мобильной электроники (иллюстрация Duke University).
Недочёт уже функционирующих разработок – их воздействие в рамках привычного восприятия «места» как географического понятия. Создатели аналогичных устройств программируют сеть на автоматическое срабатывание при появлении сигнала от сотового телефона. Очевидно, всегда в одной и той же точке.
По эффективности такая реклама немногим отличается от живого человека-промоутера, раздающего листовки на оговорённой заблаговременно площади.
Одно из самые интересных других ответов предлагают нам американские компьютерщики из университета Дюка (Duke University), заявившие о собственной новой разработке – SurroundSense (SS), которая применяет комплекс приобретаемых от камеры, акселерометра и микрофона сигналов, дабы записывать и передавать на сервер неповторимый информационный «отпечаток места», где находится обладатель аппарата. Людей, находящихся в смежном пространстве (к примеру соседнем магазине в том же доме), совокупность логически отсекает.
Ещё один пример GPS-неточности: винный магазин был ошибочно помещён на территорию автостоянки (иллюстрация Duke University).
В отличие от современных устройств GPS, трудящихся с точностью до 10 метров и сдающих позиции за стенками домов, новое приложение, наоборот, ориентировано на работу в. Оно способно накапливать данные самостоятельно и может уже на более абстрактном уровне, руководствуясь множеством факторов, разделять «ночной клуб» и «библиотеку». Подобные свойства логического локализатора, непременно, ответственнее в условиях мегаполиса, чем долготы и знание широты.
SurroundSense предполагает некое разделение труда, дополняющее уже привычные нам способы локализации. В случае если ориентируясь на эти GSM либо точки Wi-Fi, возможно с высокой точностью установить, где на данный момент обладатель мобильного в «макролокации», то разбить её на «микролокации», логические блоки, окажет помощь как раз SS.
Устройство имело возможность бы совершить ошибку, опирайся оно на сигналы лишь от визуального либо звукового канала. Задействуя же все возможности современного телефона, SurroundSense сводит возможность неточности к минимуму, что с успехом подтвердилось умелым путём.
SurroundSense может чётко отличить, к примеру, неяркий зал бара, где люди малоподвижны, от залитого светом супермаркета с преобладанием броских цветов (особенно красного), где клиенты движутся вперёд-назад по проходам. Книжный магазин даст совсем другую палитру и без того потом (фотографии Duke University).
Метод действия совокупности таков – в то время, когда обладатель устройства входит в незнакомое помещение, сенсорные датчики машинально записывают со всех каналов «образцы» окружающей обстановки и по окончании предварительной обработки, уменьшающей количество данных, отправляют их на удалённый сервер.
В том месте полученный отпечаток места фильтруется и обрабатывается, совокупность логически распределяет параметры и выбирает, как как раз классифицировать заведение, куда зашёл пользователь.
«Потому, что совокупность собирает и разбирает всё больше и больше информации о конкретном месте, его отпечаток делается максимально отчётливым, — говорит глава команды исследователей, доктор наук Ромит Рой Чоудхари (Romit Roy Choudhury). — Иными словами, чем больше людей применяют приложение, тем стремительнее оно „умнеет“. Ясно, что не только различные места владеют различной воздухом, но и одно да и то же помещение может сильно разниться в зависимости от времени дней. SurroundSense по мере накопления данных легко сможет отличить Starbucks на утреннем пике, в то время, когда в том месте большое количество клиентов, от этого же кафе с его более медленным полуденным темпом».
Схема работы SurroundSense. Самый первый отпечаток места именуется тестовым, все последующие будут содействовать дальнейшей эволюции и накоплению информации совокупности (иллюстрация Duke University).
Чоудхари в первую очередь решил опробовать разработку в поле. Он дал задание группе собственных студентов веером прогуляться по улицам Дарема, попутно входя в помещения разных кафе и магазинов и собирая данные при помощи SS-модифицированных телефонов. Для чистоты опыта студенты в ходе вели себя так, как в большинстве случаев себя ведут клиенты соответствующего заведения, на время «забыв» о собственном опыте.
Неоценимую помощь в построении отпечатка места оказывают встроенные в кое-какие модели телефонов акселерометры. На рисунке по горизонтали – время в секундах, по вертикали – интенсивность перемещения (-1 – человек стоит, +1 — двигается).
Первый график отображает активность в кафе, второй – в книжном магазине, третий – в супермаркете (иллюстрация Duke University).
По результатам теста SurroundSense продемонстрировала себя на высоте – были составлены подробные отпечатки каждого из 51 посещённого заведения со средней точностью распознавания 87%. Это обнадёживающий итог, вправду триумфальное подтверждение новых возможностей локализации в помещениях, – пишут исследователи в статье (PDF-документ) на сайте университета.
Кроме того легко «наблюдение» за полом, в то время, когда вы держите телефон камерой вниз, может сказать SurroundSense массу нужных сведений (фото Duke University).
Surround Sense – проект по-настоящему увлекательный и неповторимый, кроме того не обращая внимания на определённую, чего уж греха таить, топорность в применении текущего примера.
Одна из основных трудностей (кроме энергоёмкости), стоящих перед разработчиками, – необходимость держать телефон в руках, дабы приобретать данные по главному, визуальному каналу.
Возможность забирать из внешней среды эти, дабы применять их для отпечатка, очевидно, существенно ограничивается, в случае если телефон в сумке либо кармане.
Nokia N95 и запущенный на ней логический локализатор (фотографии Duke University).
Среди вероятных дорог ответа этого вопроса – программирование устройства так, дабы, например, в то время, когда человек набирает SMS либо звонит, камера машинально включалась и делала пара снимков окружающей обстановки. Постобработка разрешённых может осуществляться уже в фоновом режиме, в то время, когда пользователь телефон запрячет.
Как же возможно создать глобальную базу отпечатков, не прибегая к услугам и без того занятых студентов из Дарема? Исследователи предлагают занимательную концепцию популяризации SurroundSense посредством необычных интернет-игр.
Мысль таковой игры может заключаться в конкурировании отпечатков, сделанных пользователями, а отличных показателей будут обнародоваться с громадной помпой. К примеру, отпечаток «неизвестного» объекта из Нью-Йорка возможно передан пользователям в другом городе. Задачей игроков будет постараться отыскать в своей квартире подобный объект, контролируя отличия и совпадения, зондируя (при помощи SS-телефонов) изображение и звук.
Учёные вычисляют: в случае если игры подобного рода будут пользоваться популярностью в Сети, база данных отпечатков огромного количества мест возможно взята в разумные сроки и без лишних упрочнений.
