Asociace, trekování a lokalizace Bluetooth zařízení

Abstract

Zařízení využívající technologii Bluetooth Low Energy (BLE) se stala nedílnou součástí moderní bezdrátové komunikace a umožňují široké spektrum aplikací ve spotřební elektronice, zdravotnictví, bezpečnostních systémech a dalších oblastech. Jejich schopnost vysílat signály nabízí významné příležitosti pro sledování a lokalizaci, což může být užitečné například při pátracích a záchranných operacích. Mechanismy ochrany soukromí, zejména randomizace adres Media Access Control (MAC), však představují výrazné překážky pro trvalou identifikaci a sledování zařízení. BLE zařízení mohou disponovat jednou nebo dvěma MAC adresami. Pro zjednodušení se v této práci předpokládá, že jedna MAC adresa odpovídá jednomu cíli, což znamená, že dva cíle mohou pocházet ze stejného fyzického zařízení. Tato diplomová práce se zabývá metodami přiřazování BLE měření ke konkrétním cílům a odhadem jejich polohy, a to i přes složitosti, které vyplývají z technik chránících soukromí. Cílem je vytvořit robustní rámce pro asociaci a lokalizaci, které podpoří sledovací aplikace založené na BLE a současně zohlední přirozené kompromisy mezi užitnou hodnotou a ochranou soukromí. Použitý metodologický rámec je empirický a je založen na měřeních BLE signálů, která byla získána pomocí skenovacích zařízení nasazených jak v řízených testech, tak i ve venkovních podmínkách. Počáteční zpracování zahrnuje identifikaci unikátních MAC adres a extrakci relevantních charakteristik. Tyto charakteristiky jsou dále zpracovávány asociačním algoritmem, jehož cílem je přiřazení jednotlivých měření ke konkrétním fyzickým cílům navzdory randomizaci adres. Lokalizační algoritmus následně odhaduje polohu každého cíle kombinací údajů o intenzitě přijatého signálu (RSSI) se známými polohami měření. Oba algoritmy jsou ověřovány porovnáním s referenčními daty za využití srovnávacích zařízení a filtrování RSSI. Asociace a lokalizace představují klíčové součásti tohoto sledovacího přístupu. Asociace zajišťuje správné seskupení fragmentovaných nebo randomizovaných měření podle jednotlivých fyzických cílů, zatímco lokalizace odhaduje, kde se daný cíl v určitém čase nacházel. Výstupem metody je prostorově-časová trajektorie každého sledovaného zařízení, která poskytuje sled odhadnutých poloh a může sloužit jak pro sledování v reálném čase, tak pro následnou analýzu. Asociační algoritmus dokáže seskupit pozorování signálů pocházejících ze stejného zařízení, i když jeho přesnost může být ovlivněna časovými nesrovnalostmi. Lokalizace na základě dat o intenzitě signálu obecně dosahuje dobrých výsledků, pokud jsou měření prostorově rovnoměrně rozmístěna. Průměrná chyba mezi odhadovanou a referenční polohou činí přibližně 45 metrů. Při dostatečném pokrytí sledované oblasti lze tuto chybu snížit až na přibližně 24 metrů. Přesnost se však může zhoršit v případě nevhodné geometrické konfigurace měření. Úpravy v rozmístění měřicích bodů a časovém zpracování dat vykazují potenciál pro zvýšení spolehlivosti asociace i přesnosti lokalizace. Přestože je navržený přístup slibný pro statické nebo polo-statické scénáře, pro použití v dynamických situacích, jako jsou pátrací a záchranné operace v reálném čase, bude nutné jej dále přizpůsobit.

Bluetooth Low Energy (BLE) devices have become integral to modern wireless communication, facilitating a wide range of applications in consumer electronics, healthcare, security, and beyond. Their capacity to broadcast signals presents significant opportunities for tracking and localization, which could be helpful in domains such as search and rescue operations. However, privacy mechanisms, particularly randomization of Media Access Control (MAC) addresses, pose substantial challenges to persistent device identification and tracking. BLE devices may have one or two MAC addresses. For simplicity, one MAC address is considered to represent a single target, which means that two targets can originate from the same physical device. This thesis explores methodologies for associating BLE measurements with specific targets and estimating their locations, despite the complexities introduced by privacy-preserving techniques. By developing robust association and localization frameworks, this study aims to advance BLE-based tracking applications while addressing the inherent trade-offs between utility and privacy. The methodological framework is empirical and based on BLE signal measurements collected through scanning equipment deployed in both controlled tests and outdoor field conditions. The initial processing begins with identifying unique MAC addresses and extracting relevant features. These features feed into an association algorithm that attempts to associate individual measurements with specific physical targets despite the address randomization. A localization algorithm is then used to estimate the position of each target by combining Received Signal Strength Indicator (RSSI) data with the known locations of the measurements. Both algorithms are validated against ground truth data using reference devices and RSSI filtering. Association and localization are central to this tracking method: association ensures that fragmented or randomized measurements are correctly grouped per physical target, while localization estimates where each target was at a given time. The output of the method is a spatiotemporal trace of each tracked device, providing a sequence of estimated positions that can aid in real-time tracking or retrospective analysis. The association algorithm is capable of grouping signal observations from the same device, although its accuracy is affected by timing inconsistencies. Localization based on signal strength data generally performs well when the measurements are spatially distributed, achieving an average error of approximately 45 meters between the estimated and reference positions. When the search strategy ensures comprehensive coverage of the area, the error can be further reduced to around 24 meters. However, accuracy may still degrade in certain unfavorable geometric configurations. Adjustments in measurements placement and temporal processing show potential to improve association reliability and localization accuracy. While the approach is promising for static or semi-static scenarios, further adaptation is needed for use in dynamic, real-time search and rescue operations.