Méthodes de localisation en intérieur en 5G

Indoor positioning methods in 5G

• Auteur / Autrice : Antonin Le Floch
• Direction : André-Luc Beylot, Rahim Kacimi
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 28/01/2025
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : Mathématiques, Informatique, Télécommunications de Toulouse
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....)
• Partenaire(s) de recherche : Établissement délivrant conjointement le doctorat : Institut national polytechnique (Toulouse ; 1969-....)
• Jury : Président / Présidente : Yann Busnel
• Jury : Examinateurs / Examinatrices : André-Luc Beylot, Rahim Kacimi, Fabrice Valois, Anne Fladenmuller, Tara Ali Yahiya, Pierre Druart
• Jury : Rapporteurs / Rapporteuses : Fabrice Valois, Anne Fladenmuller

Mots clés

Mots clés contrôlés

Systèmes de positionnement en intérieur

Services basés sur la localisation

5G (téléphonie mobile)

Mots clés libres

Localisation

5G

Expérimentations

Intérieur

Localization

5G

Experimentations

Indoor

Résumé

S'il est aujourd'hui aisé de se localiser en extérieur grâce au GPS, ce n'est toujours pas le cas pour l'intérieur des bâtiments où ce signal est absent. Il est néanmoins vital de développer un tel service, allant de la navigation dans un aéroport au suivi d'objets de production dans une usine. En particulier, notre travail s'inscrit dans la protection des travailleurs isolés en situation de risque.Afin de fournir un service de localisation, deux visions s'opposent, les solutions fondées sur des technologies dédiées et celles tirant parti des infrastructures existantes. Pour de nombreuses raisons allant de la réduction des coûts à la frugalité numérique en passant par la facilité de déploiement, nous avons choisi d'étudier les solutions s'appuyant sur des réseaux de données existants. Plus spécifiquement, nos travaux se positionnent dans un contexte de réseau 5G privé, ce qui nous permet de dresser un état des lieux des standards.Dans un premier temps, nous proposons une méthode de localisation fondée sur le fingerprinting. Nous avons apporté de nombreuses améliorations à cette méthode. Premièrement, nous introduisons un nouveau paradigme de génération de carte de référence pouvant passer à l'échelle, et des expérimentations en montrent la précision. Nous avons également étendu les spécifications de la 5G afin d'obtenir une architecture modulaire. Des algorithmes d'apprentissage automatique ont ensuite été définis, entraînés et optimisés pour parvenir à une localisation aussi précise que possible. Ces améliorations sont évaluées au travers de plusieurs campagnes expérimentales et les résultats obtenus montrent que notre système permet de localiser efficacement des travailleurs en situation à risque.Pour compléter cette méthode et prendre en compte la mobilité des utilisateurs, nous proposons d'utiliser la navigation à l'estime en plus du fingerprinting. Cette méthode est premièrement évaluée sur plusieurs téléphones. Nous présentons ensuite un algorithme de fusion nommé PRILUN, à la fois simple et efficace. Les résultats d'une nouvelle campagne expérimentale montrent qu'il permet de surpasser à la fois le fingerprinting et la navigation à l'estime, tout en offrant de meilleures performances que les algorithmes de la littérature.Enfin, notre dernière proposition redéfinit le fingerprinting pour en faire une méthode de localisation par zone. L'algorithme FIRA fusionne le fingerprinting de zone et la navigation à l'estime, et permet d'obtenir une zone ainsi qu'une probabilité de présence. Plus précis, plus stable et plus fiable que sa version originale, cette méthode complète notre étude en tirant parti de toutes les améliorations précédentes.

Although the GPS system has succeeded in providing a global positioning service, it is unable to locate people inside buildings where the signal is absent. Nonetheless, indoor localization is a key technology enabling airport navigation, item tracking in factories, or locating tools and personnel. This work specifically focuses on protecting isolated workers in high-risk environment.In providing a localization service, two contrasting approaches exist, those based on dedicated technologies and those that leverage existing infrastructure. For various reasons, ranging from cost reduction to digital sustainability, we have chosen to explore solutions that rely on current data networks. Specifically, our work is conducted within a private 5G network, enabling us to assess the current state of the standards.We first propose a localization method based on fingerprinting, with numerous enhancements introduced. First, we present a new scalable paradigm for generating reference maps, which experimental results indicate to be highly precise. We have also extended 5G specifications to incorporate a modular architecture. Machine learning algorithms were then defined, trained, and optimized to achieve optimal localization accuracy. These improvements were evaluated through several experimental campaigns, with results indicating that our system can effectively locate workers in high-risk situations.To refine this method and address user mobility, we propose using dead reckoning in conjunction with fingerprinting. This method, based on accelerometer and magnetometer measurements, has been evaluated on several smartphones. The proposed fusion algorithm, named PRILUN, is both simple and effective. Results from a new experimental campaign demonstrate that it outperforms both fingerprinting and dead reckoning individually, providing better performance than similar algorithms.Our final proposal redefines fingerprinting as a zone-based localization method. The FIRA algorithm fuses zone fingerprinting with dead reckoning, allowing both zone identification and probability of presence. This method, which is more accurate, stable, and reliable than the original version, finalizes our work by incorporating all previous enhancements.