Sisätilanavigointi

Ulkotiloissa aukeilla alueilla voidaan paikantaa suhteellisen tarkasti ja toimintavarmasti satelliittipaikannuksen avulla: kuluttajalaitteillakin saavutetaan tyypillisesti noin viiden metrin tarkkuus. Tilanne muuttuu, kun siirrytään kaupunkialueille tai sisätiloihin, joissa korkeat rakennukset aiheuttavat signaaleihin heijastumia ja vaimenemista. Tällöin satelliittipaikannussignaaleja ei joko kyetä seuraamaan ollenkaan tai niiden käyttö on hyvin epäluotettavaa. Tarvitaan siis muuta teknologiaa, jotta paikkatietoa kyetään tuottamaan tällaisissakin ympäristöissä.

Kuvassa työntekijä mittaa malmipitoisuuksia pimeässä kaivoksessa.
Työntekijöiden ja työkoneiden tarkka paikannus parantaa työturvallisuutta kaivoksissa, joissa näkyvyys on usein heikko. (Kuva: Aigar Vaigu)

Jotkut navigointiteknologiat ovat luonteeltaan absoluuttisia kertoen käyttäjän sijainnin suhteessa johonkin tunnettuun koordinaatistoon tai karttaan. Toiset ovat puolestaan suhteellisia eli mittaavat vain siirtymää suhteessa edelliseen sijaintiin. Ihanteellista olisi yhdistää eri menetelmiä saumattomasti niin, ettei esimerkiksi älypuhelimen käyttäjä huomaisi eroa paikannuksen toiminnassa eri ympäristöjen välillä, mutta tässä ei ole toistaiseksi onnistuttu.

Useimmat meistä ovat törmänneet paikannussovelluksiin ulkotiloissa, joista yleisimpänä esimerkkinä lienee autonavigaattori. Moni on varmasti myös jakanut sijaintinsa sosiaalisen median kautta ollessaan esim. kahvilassa. Kuitenkaan reittiopastuksen tarkkuudella toimivia sovelluksia ei sisätiloihin juuri ole saatavilla. Erilaisia käyttötarpeita on kuitenkin helppo keksiä: esimerkiksi kauppakeskuksen asiakas haluasi löytää perille etsimäänsä liikkeeseen, mahdollisesti jopa oikealle hyllylle. Robottiautolla paikalle tulevan asiakkaan auton puolestaan täytyy toimia myös pysäköintihallissa.

Joskus sisätilapaikannuksen tuottamasta tiedosta voi olla kiinnostunut joku muu kuin itse paikannettava: esimerkiksi vartijoiden, sairaanhoitajien tai palomiesten turvallisuus paranee, jos nämä voivat automaattisesti kutsua paikalle apuvoimia, mikäli tehtävän aikana sattuu jotakin vaarallista. Toisaalta myös kauppakeskuksen tai myymälän omistajalle on arvokasta tietää, missä liikkeissä ja millä hyllyillä asiakkaat eniten aikaa viettävät.

Radiosignaalit

Heikon lähetystehonsa vuoksi satelliittipaikannussignaalit eivät sovellu sisätiloissa tai korkeiden rakennusten välissä käytettäviksi. Tällaisissa paikoissa on kuitenkin usein muita radiolähettimiä, joiden lähettämistä, teholtaan voimakkaammista signaaleista voidaan päätellä paikkatietoa, vaikka se ei olekaan niiden alkuperäinen käyttötarkoitus. Tällaisia signaaleja kutsutaan englanninkielisellä termillä signals of opportunity. Toisin kuin liikeantureilta, radiosignaaleilta saadaan yleensä paikkatietoa absoluuttisina koordinaatteina eikä suhteessa aiempaan sijaintiin.

Monesta kodista ja muusta rakennuksesta löytyy langattoman lähiverkon (WLAN, WiFi) tukiasemia, ja nämä pysyvät tyypillisesti jopa vuosia samoissa paikoissa. WLAN-signaalissa on aina mukana tukiaseman yksilöivä tunniste, jolloin tieto tukiaseman todellisesta sijainnista antaa myös summittaisen arvion käyttäjän paikasta. Usein WLAN-paikannus perustuu kuitenkin ns. radiokarttaan, joka on suuri tietokanta eri paikoissa kuuluvista WLAN-tukiasemista: tällöin minkään yksittäisen tukiaseman sijaintia ei tarvitse tietää. Älypuhelin voi silloin mitata ympärillään kuuluvia WLAN-signaaleja, ja radiokartan perusteella päätellä oman sijaintinsa. Vastaavalla tavalla voidaan hyödyntää myös bluetooth-signaaleja. Nykyään radiokarttoja kerätään ja ylläpidetään älylaitteiden kautta joukkoistetusti: laitteet lähettävät tietoa paikastaan ja havaitsemistaan signaaleista valmistajalleen automaattisesti radiokartan ylläpitoa varten.

WLAN-verkkoja suuremmassa mittakaavassa, mutta samalla periaatteella, voidaan paikantaa myös matkapuhelinverkkojen avulla: matkapuhelintukiasemat ovat niin ikään yksilöitävissä signaaliensa perusteella. Matkapuhelintukiasemia on kuitenkin niin harvassa, ettei niiden avulla saavuteta kuin parhaimmillaan kymmenien tai satojen metrien tarkkuus, maaseudulla sitäkin huonommin. Tilanteen odotetaan kuitenkin parantuvan aikanaan 5G-verkkojen käyttöönoton myötä, jolloin tulee mahdolliseksi tehdä suoria etäisyysmittauksia 5G-signaalien kautta.

Erityisesti ammattilaissovelluksissa voidaan käyttää myös muita radiopohjaisia etäisyysmittauksia, esimerkiksi laajan taajuuskaistan ultra-wide band (UWB) menetelmiä, jotka on suunniteltu mahdollisimman hyvin seiniä läpäiseviksi. Radiotaajuuksien lisäksi voidaan absoluuttista paikkatietoa välittää sisätiloissa muillakin signaaleilla, kuten ultraäänellä.

Liikeanturit

Liikeantureilla voidaan mitata käyttäjän liikettä ympäristöstä riippumatta. Nimensä mukaisesti ne mittaavat vain liikettä, eli lähtöpisteen koordinaatit on määritettävä muilla tavoin.

Sukellusveneet ja lentokoneet ovat perinteisesti käyttäneet inertianavigointia tilanteissa, joissa satelliittipaikannus ei toimi: kiihtyvyysantureita ja kulmanopeusantureita eli gyroskooppeja käyttäen voidaan laskea käyttäjän sijainnin ja etenemissuunnan muutoksia. Nykyään gyroskooppeja ja kiihtyvyysantureita voidaan valmistaa edullisesti ja pienessä koossa mikromekaanista teknologiaa (MEMS, microelectromechanical system) hyödyntäen: käytännössä kaikki älypuhelimet sisältävät tällaiset anturit mm. laitteen asennon määritystä (näyttökuvan kierto vaaka- tai pystysuuntaan) ja pelikäyttöä varten. Kuitenkin myös lentokoneissa käytettävillä, kymmeniätuhansia euroja maksavilla inertia-antureilla paikannusvirhe voi tunnin inertianavigoinnin aikana kasvaa yli kilometrin, jos muita navigointimenetelmiä ei käytetä.

Jos käyttäjän paikka ja nopeus tietyllä ajanhetkellä tunnetaan, voidaan inertiamittauksia käyttäen periaatteessa määrittää paikka ja nopeus muillakin ajanhetkillä. Ongelmana on kuitenkin mittausvirheiden nopea kasautuminen: esimerkiksi pienikin vakiovirhe kiihtyvyysmittauksessa aiheuttaa ajan toiseen potenssiin verrannollisen paikkavirheen. Erityisesti edullisten mikromekaanisten antureiden mittaukset ovat hyvin virhealttiita, eikä niitä käytännössä voi käyttää perinteiseen inertianavigointiin.

Liikeantureita voidaan kuitenkin käyttää myös muilla tavoin kuin perinteisellä inertianavigoinnilla. Kävelijän paikannuksessa voidaan kiihtyvyysantureiden mittauksista tunnistaa askelten rytmin osoittavia tärähdyksiä. Tällöin, jos kulkusuunta tiedetään, voidaan käyttäjän paikka laskea käyttäen arviota yhden askeleen pituudesta: paikannusvirhe riippuukin nyt kuljetusta matkasta eikä ajan toisesta potenssista, eli virheen kasvu on huomattavasti hitaampaa. Kulkusuuntaa voidaan mitata gyroskoopeilla tai mahdollisesti jopa kompassilla eli magnetometrillä. Kompassit ovat kuitenkin sisätiloissa tyypillisesti epäluotettavia, koska ferromagneettiset esineet kuten betoniraudat sekä sähkölaitteet aiheuttavat vääristymiä magneettikenttään, jolloin kompassi harhautuu. Toisaalta nämä magneettikentän vääristymät ovat usein luonteeltaan pitkäikäisiä, joten niistä on mahdollista muodostaa paikannuskäyttöön vastaavanlainen kartta kuin WLAN-signaaleista.

Sisätilapaikannuksessa korkeuskoordinaatti on usein tärkeämpi kuin ulkotiloissa: monissa tapauksissa sisätilapaikkatieto on hyödytön, jos se osoittaa rakennuksen väärään kerrokseen. Korkeuden määrittämisessä voidaan hyödyntää ilmanpaineanturia eli barometriä, sillä ilmanpaine pienenee korkeuden noustessa. Barometrimittausten ongelmana on kuitenkin se, että niihin vaikuttaa korkeuden lisäksi myös joukko ympäristötekijöitä, kuten säätila ja rakennuksen ilmastointi. Tästä syystä barometri on kalibroitava usein, jotta sen antama korkeusarvio pysyy luotettavana.

Kuvantaminen

Silmät ovat ihmisen tärkein navigointityökalu, joten on ilmeistä, että myös konenäöllä on käyttöä paikannuksessa. Kamerakuvien avulla voidaan paikantaa kahdella eri menetelmällä: maamerkkejä tunnistamalla tai kameran liikettä seuraamalla. Ensin mainitussa menetelmässä kameran kuvaa verrataan tietokantaan tunnetuista näkymistä; jos tietokannasta löytyy vastaava kuva, voidaan päätellä käyttäjän sijainti. Tällaisen tietokannan rakentaminen ja ylläpito on työläs tehtävä ja vaatii paljon tallennustilaa, mutta esimerkiksi Google Street View -palvelun sisältämä data mahdollistaisi tämän paikannusmenetelmän käytön katuympäristöissä.

Kameran liikkeen seuraaminen sen puolestaan ei tarvitse kuvatietokantaa, mutta ei myöskään kerro absoluuttisia paikkakoordinaatteja. Liikeseuranta perustuu peräkkäisten kamerakuvien vertailuun: molemmista kuvista tunnistettujen kohteiden paikan muutoksista voidaan päätellä kameran sijainnin ja asennon muutos. Menetelmän tarkkuus heikkenee, jos kuvan kohteet ovat myös liikkuvia, esim. ihmisiä tai ajoneuvoja. Toinen ongelma on, että yhdellä kameralla ei voida suoraan mitata etäisyyksiä, koska mittakaavaa ei tunneta: yhden kuvan perusteella ei voida tietää, onko jokin kohde suuri ja kaukana vai pieni ja lähellä. Mittakaavaongelma voidaan ratkaista käyttämällä stereokameraa, mutta tällöin paikannukseen käytettävän laitteiston fyysinen koko kasvaa, sillä stereokameran okulaarien on oltava riittävän etäällä toisistaan, jotta etäisyydet voidaan määrittää tarkasti. Toinen ratkaisuvaihtoehto on käyttää muita liikeantureita tai etukäteistietoa kuvan mittasuhteista (esim. kameran asennuskorkeus tai kohteen mitat).

Kameroiden lisäksi voidaan konenäkö toteuttaa myös aktiivisilla kuvantamislaitteilla kuten laserkeilaimella (LiDAR). Tällaisten menetelmien etuna on toimintakyky myös pimeässä sekä tarkka etäisyysmittaus. Tällöin saadaan kolmiulotteista kuvaa koko ympäristöstä ja voidaan jopa muodostaa karttaa paikantamisen ohessa (simultaneous localization and mapping, SLAM). Laserkeilaimet eivät ole kuitenkaan niin laajalle levinneitä kuin kamerat, liikeanturit ja radiot, joten ne eivät sovi hyvin esim. älypuhelimen käyttäjän paikannukseen. Sotilaskäytössä keilaimen lähettämä lasersäde voi myös paljastaa käyttäjänsä viholliselle.

Monianturipaikannus on tarpeen sisätilapaikannuksessa

Sisätilapaikannukselle ominaista on, että mikään yksittäinen mittaustekniikka tai paikannusjärjestelmä ei ole riittävän hyvä useissa erilaisissa toimintaympäristöissä. Eri paikannusmenetelmien yhdistämisessä oleellista on tuntea eri mittausten virhelähteiden ominaisuudet, jolloin esimerkiksi kiihtyvyysmittausvirheestä johtuva inertianavigoinnin virheen tasainen kasvu voidaan erottaa WLAN-radiokartan virheestä johtuvasta paikka-arvion nopeasta hypystä. Tavallisesti käytetään tilastollista suodatusta, jossa paikanlaskenta tapahtuu todennäköisyysjakaumien pohjalta.

Eri mittauksia yhdistettäessä on tavallista käyttää myös muuta etukäteistietoa paikannuksen apuna: esimerkiksi kauppakeskuksen asiakkaan nopeus ei todennäköisesti ylitä 10 km/h edes hulluilla päivillä, mutta koripallon pelaajalle se on tavallista. Myös kartat ovat hyödyllistä tietoa, sillä ne antavat tietoa siitä, missä käyttäjä ylipäänsä voi liikkua ja missä ei: tällöin esim. keskellä seinää oleva paikka-arvio voidaan korjata viereisen oven kohdalle.

Heidi Kuusniemi

TkT
Prof.
Dosentti
Tutkimusprofessori