ปัจจุบันเรามีระบบระบุพิกัดจากดาวเทียมนำร่องทั่วโลก (Global Navigation Satellites System: GNSS)  4 ระบบใหญ่ๆ ด้วยกันคือ RUSSIA-GLONASS, USA-GPS, EU-GALILEO และ China-BEIDOU ระบบถูกนำมาใช้เพื่ออ้างอิงพิกัดทางภูมิศาสตร์ แต่ทว่าข้อจำกัดของสัญญาณวิทยุที่แพร่กระจายจากดาวเทียมนำร่องอย่างน้อย 4 ดวงนั้นไม่สามารถเข้าถึงพื้นที่ในเขตอาคารที่ซับซ้อนได้ เช่น ห้างสรรพสินค้า สนามบิน คลังพัสดุ หรือ แม้กระทั้งในเขตชุมชนเมืองหนาแน่นบางพื้นที่ ซึ่งเป็นข้อเสียของระบบ GNSS ปัญหาเหล่านี้ทำให้ระบบ GNSS  ต้องมีการนำข้อมูลจากเซนเซอร์อย่างอื่นเข้ามาประมวลผลร่วมกันเช่น เข็มทิศอิเล็กทรอนิกส์ (Digital Compass), ตัววัดความเร่ง (Accelerometer sensor), และ Gyroscope sensor หรือแม้กระทั้งระบบกล้องวงจรปิด (Image processing) โดยผ่านระเบียบวิธีทางคณิตศาสตร์ เช่น ตัวกรองคาลแมน (Kalman Filter) เป็นต้น เพื่อให้ระบบยังคงประมาณค่าตำแหน่งของผู้ใช้ได้ในช่วงระยะเวลาหนึ่งๆอย่างไรก็ตามข้อมูลจากเครื่องรับสัญญาณ GNSS ก็ยังคงเป็นตัวแปรสำคัญหลักในการประมวลผล จากบทความวิจัยนักวิจัยหลายๆ ท่านได้ให้ความเห็นว่า มนุษย์ส่วนใหญ่นั้นใช้ชีวิตมากกว่า 70{8645ed30ebfee2716765f004cf3f74a8c4ef5e59d5d4d4ef1cf40763c4bdb1fe} ภายในอาคาร แต่ยังไม่มีระบบระบุพิกัดใดๆ ที่มีประสิทธิภาพเพียงพอเข้ามาช่วยงานระบบ GNSS เพื่อให้ข้อมูลพิกัดหรือเส้นทางเมื่อเราต้องการทราบตำแหน่งภายในอาคารได้ ตัวอย่างเช่น หากเราต้องการทราบว่าร้านค้า A อยู่ห่างจากเรากี่เมตรและต้องเดินเส้นทางไหน?, ห้องน้ำที่ใกล้ที่สุดอยู่ที่ใด?, ประตูขึ้นเครื่องหมายเลข 99 ไปทางไหนใกล้ที่สุด? ซึ่งเป็นปัญหาใหญ่ที่พบในปัจจุบัน ดังนั้นในบทความนี้จะกล่าวแนะนำถึงความหมายของระบบระบุพิกัดในอาคาร รวมไปถึงเทคนิคที่นักวิจัยใช้ในการวิจัยนั้นมีอะไรบ้างพอสังเขป เพื่อเป็นแนวทางในการพัฒนาต่อของเยาวชนไทยในอนาคต

รูปที่ 1. ระบบระบุพิกัดในอนาคตสำหรับเมืองต้นแบบ Smart City [1]

ระบบระบุพิกัดในอาคาร (Indoor Positioning System, Local-Based Service)  คือระบบที่ให้บริการ ตำแหน่ง และ เส้นทางแก่ผู้ใช้งาน ซึ่งมีวัตถุประสงค์เช่นเดียวกันกับระบบ GNSS ในปัจจุบันโดย มีการนำสัญญาณคลื่นวิทยุ ตัวอย่างเช่น WI-FI IEEE 802.11 a/b/g/n ซึ่งถูกติดตั้งอยู่แล้วเพื่อให้บริการข้อมูลอินเตอร์เน็ต, ตัวปล่อยสัญญาณวิทยุโปโตคลอแบบ XBee หรือ ZigBee, ระบบ RFID, ระบบเครือข่ายสัญญาณมือถือรวมไปถึงสัญญาณภาพ เป็นต้น โดยในที่นี้การใช้งานจากตัวส่งสัญญาณ Wi-Fi นั้นเป็นที่นิยมมากที่สุดเนื่องจากไม่ต้องลงทุนในเรื่องโครงสร้าง, ราคาถูก และซ่อมแซมง่ายในที่นี้จะบรรยายเทคนิคหลักๆ ที่ใช้ในการระบุพิกัดภายในอาคารโดยใช้สัญญาณ Wi-Fi เป็นหลักซึ่งสามารถแบ่งออกได้เป็น 2 ระบบ คือ Trilateration-Based  และ Fingerprint analysis ซึ่งโดยเทคนิคแล้วทั้งสองระบบนั้นมีหลักการที่แตกต่างกันโดยสิ้นเชิงดังนี้

1. ระบบระบุพิกัดแบบ Wi-Fi Trilateration-Based [2,3,4] เป็นเทคนิคที่ใช้ความแรงของการส่งสัญญาณวิทยุซึ่งมีคุณลักษณะแปรผกผันกับระยะห่างระหว่างเครื่องรับ (โทรศัพท์มือถือแบบ Smartphone) – เครื่องส่งสัญญาณ Wi-Fi อย่างน้อยสามสถานีที่เราทราบพิกัดในการติดตั้งอยู่ก่อนแล้ว โดยเป็นแนวคิดในการออกแบบระบบจะคล้ายๆ กับ ระบบ GNSS หลายคนเกิดคำถามว่าแล้วทำไมต้องอย่างน้อยสามสถานี ? หากพิจารณารูปที่ 2. จะทำให้ผู้อ่านเห็นภาพชัดเจนมากยิ่งขึ้น

รูปที่ 2. Wi-Fi Trilateration-Based technique

จากรูปที่ 2. กล่าวคือ หากเรามีเครื่องส่งสัญญาณวิทยุหนึ่งสถานีดังรูปที่ 2-(a) เราจะทราบข้อมูลเพียงระยะห่างระหว่างเครื่องรับและเครื่องส่ง เป็นผลให้โอกาสความน่าจะเป็นของตำแหน่งผู้ใช้งานเกิดขึ้นได้ทุกจุดรอบๆ เครื่องส่งสัญญาณ, พูดง่ายๆ คือ เราไม่สามารถทราบทิศทางระหว่างเครื่องส่งและเครื่องรับสัญญาณได้นั่นเอง ต่อมาหากเราเพิ่มจำนวนของตัวส่งสัญญาณเป็นสองสถานีดังรูปที่ 2-(b)  พื้นที่ซ้อนทับกันของสัญญาณสามารถบอกตำแหน่งและทิศทางของผู้ใช้งานได้ แต่ความเป็นไปได้ของตำแหน่งที่เกิดขึ้นจะสมมาตรกันสองจุด หรืออีกนัยหนึ่งคือตัวแปรยังไม่เพียงพอในการแก้สมการในการหาพิกัด และกรณีสุดท้ายเราเพิ่มจำนวนสถานีส่งสัญญาณอีกหนึ่งสถานีดังรูปที่ 2-(c) พื้นที่ซ้อนทับกันทำให้มีข้อมูลเพียงพอในการถอดสมการในการหาพิกัดได้ ดังนั้นทำให้เราสามารถทราบตำแหน่งคร่าวๆ ของผู้ใช้งาน โดยปกติการวิเคราะห์ในเชิงวิศวกรรมหากเรามีจำนวนของข้อมูลยิ่งมากเท่าไหร่ทำให้ข้อมูลการวัดที่ได้นั้นยิ่งแม่นยำมากขึ้น ดังนั้นการมีจำนวนสถานีปล่อยสัญญาณที่มากและติดตั้งกระจายครอบครุพื้นที่ ทำให้การระบุพิกัดในอาคารนั้นมีความแม่นยำมากขึ้นด้วย ซึ่งข้อดีของเทคนิคนี้คือ มีความแม่นยำในการวัดสูงและไม่ยุ่งยากในการบันทึกสัญญาณสามารถบูรณการข้อมูลจากเซนเซอร์อื่นๆ ได้ ผ่านแบบจำลองทางคณิตศาสตร์ (System model) แต่ทว่าวิธีนี้มีความไวต่อสัญญาณรบกวนสูงโดยเฉพาะอย่างยิ่ง Multipath effect.

2. ระบบระบุพิกัดแบบ Fingerprint technique [5,6,7] ดูจากชื่อแล้วผู้อ่านอาจสับสนว่าใช้ลายนิ้วมือในการระบุพิกัดหรือไม่ จริงๆแล้ว วิธีการนี้มิใช่การใช้ลายนิ้วมือของมนุษย์ในการบอกตำแหน่งแต่อย่างใด แต่เป็นการอุปมาพื้นที่ที่มีสัญญาณวิทยุ Wi-Fi ครอบคลุมถึงดังรูปที่ 3. จากนั้นผู้พัฒนาทำการบันทึกค่าคุณลักษณะของสัญญาณวิทยุ ณ. ตำแหน่งนั้นๆ ซึ่งเราทำการแบ่งไว้แล้วก่อนหน้าซึ่งเรียกว่า “Label” สร้างเป็นลักษณะแผนที่ของสัญญาณขึ้นในระบบ Databased ตัวอย่างเช่น ณ ตำแหน่ง A มีความแรงของสัญญาณวิทยุจากตัวส่งที่ #1,#2,#3,#4 เท่ากับ 0, 12.0, 13.5 และ 14.0 dB ตามลำดับ หลังจากนั้นใช้ระเบียบวิธีทางด้าน Pattern Recognition ในการแยกแยะคุณลักษณะใกล้เคียง (Classification) เช่น K-Nearest Neighbor algorithm หรือ K-mean clustering ทำการวิเคราะห์ความคล้ายคลึงระหว่างสัญญาณที่บันทึกไว้ (Offline databased) กับสัญญาณที่อ่านค่าได้ในขณะนั้น (Online data) แล้วจึงทำการระบุตำแหน่ง ซึ่งข้อดีของวิธีนี้คือ สามารถพัฒนาได้ง่ายกว่าวิธีแรกเนื่องจากไม่จำเป็นต้องทราบตำแหน่งติดตั้งของตัวส่งสัญญาณ (ซึ่งด้วยกระบวนการขอข้อมูลจากผู้ติดตั้งทำได้ค่อนข้างยาก) อีกทั้งมีความยุ่งยากมากในอาคารสำนักงานใหญ่ๆ ที่มีตัวส่งสัญญาณหลายๆจุดจากหลายๆผู้ให้บริการ แต่ข้อเสียคือ ผู้พัฒนาจำเป็นต้องมีการปรับปรุงแผนที่ของสัญญาณบ่อยครั้ง เนื่องจากสิ่งแวดล้อมเปลี่ยนไปทำให้สัญญาณที่บันทึกไว้อาจไม่ตรงกันกับข้อมูล Offline databased.

รูปที่ 3. การระบุพิกัดในอาคารแบบ Fingerprint

โดยสรุปในบทความนี้เรากล่าวแนะนำถึงระบบระบุพิกัดภายในอาคารที่อาจจะเป็นระบบหนึ่งที่เข้ามาช่วยในการนำร่องในอนาคตเนื่องจากเทคโนโลยี Smart phone ได้มีการพัฒนาอย่างก้าวกระโดด โดยในบทความนี้เน้นไปที่การใช้งานสัญญาณจากเครื่องส่งสัญญาณ Wi-Fi ที่ถูกติดตั้งแล้วทำให้ระบบนี้ใช้เงินในการลงทุนน้อยมาก แต่ให้ความคุ้มค่าสูงหากสามารถบูรณการร่วมกับระบบ GNSS ได้

เอกสารอ้างอิง

1. http://www.gpsworld.com/wp-content/uploads/2011/05/IMES-1-B.jpg
2. Paul A S, Wan E /. RSSI-Based Indoor Localization and Tracking Using Sigma-Point Kalman Smoothers [J]. IEEE Journal of Selected Topics in Signal Processing, 2009, 3(5):860-873.
3. Liu H, Darabi H, Banerjee P, et al. Survey of Wireless Indoor Positioning Techniques and Systems[J]. IEEE Transactions on Systems Man & Cybernetics Part C, 2007, 37(6):1067-1080.
4. Pei C, Cai Y, Ma Z. An Indoor Positioning Algorithm Based on Received Signal Strength of WLAN[C]// Pacific-Asia Conference on Circuits, Communications and Systems. IEEE Computer Society, 2009:516-519.
5. Kaemarungsi K, Koweerawong C, Wipusitwarakun K. Indoor localization improvement via adaptive RSS fingerprinting database[C]// Information Networking (ICOIN), 2013 International Conference on. IEEE, 2013:412-416.
6. Xu Y, Zhou M, Meng W, et al. Optimal KNN Positioning Algorithm via Theoretical Accuracy Criterion in WLAN Indoor Environment[C]// GLOBECOM 2010, 2010 IEEE Global Telecommunications Conference. 2010:1-5.
7. Jung S, Lee C O, Han D. Wi-Fi fingerprint-based approaches following log-distance path loss model for indoor positioning[C]// Intelligent Radio for Future Personal Terminals (IMWS-IRFPT), 2011 IEEE MTT-S International Microwave Workshop Series on. IEEE, 2011:1 – 2.