Följande kapitel beskriver dels de individuella teknikernas funktion, dels hur dessa hänger samman. Inledningsvis beskrivs positionsbestämningen därefter redogörs för de olika delar som ingår i dataöverföringen. Vidare är kapitlet upplagt i en ”top – bottom” struktur där dataöverföringen inleds med hur data från sensorerna presenteras för användaren och fortsätter sedan med hur denna data överförs från sensorerna.
Figur 1: Figuren visar dataöverföringen från MAC – adresserna till positioneringssystemet.
Figur 1 visar de enkla sensorer som används i detta projekt och som skannar närliggande Wi-Fi accesspunkter för att sedan hämta information i Media Access Control Adresser (MAC-adresser) [1]. Sensorerna skickar vidare denna information som rådata via LoRa genom en Gateway. Därefter skickas informationen via Wi – Fi till en nätverksserver. Traxmate hämtar slutligen denna rådata från nätverksservern och visualiserar slutligen resultaten för
användaren i en kartbild [2].
2.1 Positionsbestämning – Trilateration
Majoriteten av geolokaliseringstjänster använder sig utav interna Global Positioning System (GPS) – enheter vid lokalisering av slutenheter utomhus eller genom så kallade MAC – adresser som finns hos exempelvis Wi – Fi accesspunkter [1]. Det sistnämnda är mer lämpad för att bestämma geografisk placering av en kompatibel slutenhet, exempelvis en sensor, inomhus där GPS signaler är för svaga för att ge en exakt position [1]. En MAC – adress är en unik identifikator som tilldelas varje aktiv nätverksutrustningsenhet och denna adress innehåller information om bland annat tillhörande geografiska koordinater [3]. I detta projekt fås ett Recieved Signal Strength Indicaton (RSSI) värde genom att slutenheten skickar en notis till närliggande Wi – Fi accesspunkter, vilka i sin tur svarar med en signalstyrka. RSSI värdet är därmed ett mått på signalstyrkan mellan Wi – Fi accesspunkten och sensorn. Dessa parametrar utnyttjas sedan för att bestämma slutenhetens placering [3].
Slutenhetens placering görs med hjälp av en metod som kallas trilateration. Metoden går ut på att dels använda signalstyrkan för att beräkna ett avstånd mellan minst tre närliggande Wi – Fi accesspunkter dels använda accesspunktens koordinater för att spänna upp sfäriska ytor [3]. Centrumet för de sfäriska ytorna ges av koordinaterna ur varje närliggande Wi – Fi accesspunkt och radien fås genom det tillhörande RSSI värdet. Skärningspunkten som
4
uppkommer mellan dessa sfäriska ytor antas vara slutenhetens position. Vidare kommer noggrannheten för positionsbestämningen bero på antalet Wi – Fi accesspunkter i närheten av den sökta slutenheten [3].
2.2 Positioneringssystemet – Traxmate
Positioneringssystemet som används i detta projekt är Traxmate, vilket är en Internet of Things (IoT) spårningsprogramvara framtaget av företaget Combain [1]. IoT syftar på det nätverk av identifierbara enheter vilka är utrustade med exempelvis programvara, elektronik, sensorer och ställdon som gör det möjligt för enheterna att ansluta till varandra och utbyta data [4]. En viktig egenskap för att kunna klassas som en IoT enhet är att den måste kunna kopplas till internet [1]. Systemet Traxmate gör det möjligt att genom en godtycklig nätverksserver enligt figur 1 hämta information från redan anslutna slutenheter om positionering utomhus så väl som inomhus. Denna information visualiseras sedan för användaren i en kartbild. Vidare använder Traxmate sig av Combains globala databas för trådlösa accesspunkter som exempelvis cellulära basstationer, Wi – Fi accesspunkter, Bluetooth beacons och LoRaWAN Gateways [1]. Cellulära basstationer är de
kontrollenheter som styr telefonnätet och används bland annat för kommunikation inom mobiltelefonin. Bluetooth beacons är trådlösa batteridrivna enheter [4]. Databasen uppdateras kontinuerligt av algoritmer som behandlar miljontals positioner från global crowd-sourcing. Med detta menas att data hämtas från ett stort antal fristående parter världen över som samtidigt lägger in och uppdaterar varandras data via internet [1].
Traxmate bygger på geolocation vilket innebär att systemet refererar till identifieringen av den geografiska placeringen av en användare eller en kopplad enhet via en rad
datainsamlingsmekanismer [1]. Fortsättningsvis är geolocation ett enhetsspecifikt Application Programming Interface (API), ett gränssnitt i programvaran, vilket ger användaren möjlighet att hämta önskvärt datainnehåll för ett flertal parametrar som
slutenheten kan lagra. Genom Traxmate sparas datainnehållet kontinuerligt som rådata från slutenheten. Rådata kan exempelvis innehålla information om tidpunkt då en slutenhet skickar uppdatering om sin position till systemet och tidpunkt då systemet detekterar denna uppdatering. Fortsättningsvis kommer differensen mellan dessa två tidpunkter att benämnas som väntetid. Slutligen kan rådata sparas i systemet som en nedladdningsbar csv – fil vilken är enkel att flytta från ett program till ett annat [1].
2.3 Helium nätverk
Helium är ett decentraliserat trådlöst nätverk som tillåter kompatibla slutenheter att ansluta till internet och geolokalisera sig utan satelliter. I stället för Wi – Fi använder Helium LoRa vilket möjliggör kommunikation över mycket större avstånd. Helium bygger på att ett stort antal Gateways världen över kopplas ihop och tillsammans bildar de ett Helium nätverk.
Gatwayen har huvudsakligen tre olika uppgifter för att överföra signaler från slutenheterna till ett lagringsmoln. Den första uppgiften innebär att hårdvara tillsammans med
programvara gör det möjligt för Gatewayn att hämta information från flera frekvensband samtidigt genom LoRa. Vidare förser en Gateway trådlöst nätverk samt LoRa täckning till ett begränsat område. Den sista uppgiften är att en Gateway ansvarar för att kontrollera att information från en given slutenhet skickas till rätt användare. För att kontrollera att denna information skickas rätt, används en unik identifieringsnyckel som sparas i lagringsmolnet tillsammans med tillhörande data. Traxmate har slutligen tillgång till lagringsmolnet genom Gatewayn och kan sedan spåra identifieringsnyckeln, vilket benämns som fingerprinting, för
att ge användaren tillträde till rätt information [5]. I Kalmar används Semtechs LoRaWAN Gateway, vilken är placerad vid huvudentrén på Kalmar Länssjukhus.
2.4 LoRa
LoRa är en typ av dataöverföring inom trådlös kommunikation. Det används främst för kommunikation inom IoT. Denna kommunikation sker genom radiovågor som har en given frekvens, amplitud och fas. När dessa vågor propagerar mellan enheter påverkas de av miljön runt om och kan då genomgå spridning, diffraktion och reflektion när de påträffar olika material. Vidare använder LoRa frekvensbanden 863 – 870 MHz samt 433 – 434 MHz, vilka är de tillåtna olicensierade frekvensbanden inom Europa [2].
Den moduleringsteknik som LoRa bygger på är Chirp Spread Spectrum (CSS) vilket är en digital moduleringsteknik som använder hela spektret från det givna frekvensbandet för att överföra data i chirp pulser. Dessa pulser består av sinusvågor där dess frekvens antingen minskar eller ökar med tiden. Pulserna som har en ökning i frekvens med tid benämns som up – chirp och pulserna med en frekvens som minskar med tid benämns som down – chirp.
LoRa ingår även i Low Power Wide Area Networks (LPWAN) vilket karakteriseras av att data överförs mellan slutenhet och gateway med ett bestämt tidsintervall. Dessa tidsintervall varierar beroende på vilken LoRaWAN klass som slutenheten skall ingå i. En konsekvens av att dataöverföringen skall ske inom ett visst tidsintervall är att information kan bli uppdelad eller helt försvinna när flertalet slutenheter ansluter till nätverket och sänder ut data inom samma frekvensband. Detta medför att just det frekvensbandet blir upptaget eller
överbelastat och således kan informationen bli uppdelad [2].
Som tidigare nämnts sker dataöverföringen inom ett visst tidsintervall, vilket medför att hastigheten för dataöverföringen har en betydande faktor. Termen för det som ser till att hastigheten för dataöverföringen kan variera benämns som Spreading Factor (SF). Denna faktor kan väljas godtyckligt inom intervallet 7 – 12. När SF värdet ska väljas bör faktorer som avstånd till Gateway, storlek av meddelande samt önskad mängd strömförbrukning beaktas [6]. Ett lågt värde av SF ger en snabb dataöverföring och ett högt värde ger en långsam dataöverföring. Inom Europa finns det ytterliga en begränsning för
dataöverföringen, vilken benämns som duty – cycle och innebär att dataöverföringen enbart får använda ett frekvensband till en viss andel under själva dataöverföringen. Inom Europa har det bestämts till 0.1 - 10% av det tidsintervall som dataöverföringen sker inom. [2]. För att koppla samma detta ger ett lägre värde på SF möjlighet till att mer data kan överföras än med ett högre värde på SF när dataöverföringen sker enligt duty-cycle. Det lägre SF värdet som ger en snabbare dataöverföring har därmed även lägre strömförbrukning.
2.5 LoRaWAN
För att utforma ett nätverk bestående av flera slutenheter som använder sig av LoRa krävs en viss struktur, vilken benämns som LoRaWAN och erhålls enligt LoRa Alliance [7]. Vidare kan LoRaWAN delas in i klasserna A, B och C där det som skiljer dessa är
överföringsmönstret mellan slutenhet och Gateway samt dess strömförbrukning.
Klass A innebär att slutenheten är aktiv när den sänder ut data till Gateway varpå nätverksservern sänder ut två slutkommandon till Gateway och slutligen vidare till
slutenheten. Därefter är slutenheten i ett viloläge fram tills att nästkommande datapaket skall
6
sändas ut till Gateway. Vidare sker denna process cykliskt där tiden som klass A befinner sig i sitt viloläge bestäms manuellt av dess användare.
Klass B bygger på samma cykliska mönster som i klass A fast med tillägget att Gateway kan skicka kommandon till slutenhet om att påbörja detta cykliska mönster när som helst. Detta gör att en klass B slutenhet har en större strömförbrukning än en slutenhet som tillhör klass A. Det finns ytterligare en typ av slutenhet som har ett mer adaptivt överföringsmönster vilken benämns som klass C. Det adaptiva överföringsmönstret leder till att tiden slutenheten befinner sig i viloläge är markant mindre än för både en slutenhet som tillhör klass A och klass B. En klass C slutenhet kommer därmed att ha störst strömförbrukning i jämförelse med klass A och klass B. Enligt [6] är sambandet mellan energikonsumtion och klasserna en följd av antalet vilolägen samt de aktiva lägen som slutenheten har inom en cykel.
Energikonsumtionen är således markant högre i ett aktivt läge än för ett viloläge. Detta resulterar i att klass A har den lägsta energikonsumtionen av dessa tre klasser.
2.6 Sensorn Nali N100
De slutenheter som används är Nali N100 sensorer, vilka anskaffades av Combain och som är utvecklade av Codepoint Technologies samt företaget Changhong som tagit fram dess hårdvara. Dessa sensorer är en kreditkortsliknande tagg vilka syns i figur 2 nedan. Denna typ av sensor är byggd för att vara enkel att kopplas samman, integrera samt programmera med ett önskat användarvänligt system. Den lämpar sig särskilt till spårning då den erhåller låg hårdvarukostnad samt har låg energiförbrukning [8]. Slutligen har uppdragsgivaren angivit att sensorerna tillhör klass A.
Figur 2: Nali N100 sensorer som användes