Contributions to beacon-based applications in smart spaces

Resumen

La personalización de aplicaciones y servicios es, hoy en día, una muestra más de la importancia de conocer al usuario y su contexto por parte de los proveedores de servicios. Particularizar para cada usuario es una tarea compleja por lo que algoritmos de aprendizaje automático o machine learning se utilizan para clasificarlos o clusterizarlos en perfiles en función de factores que compartan, minimizando las diferencias de comportamiento entre usuarios del mismo perfil. De esta manera, se manejan grupos o clusters de usuarios que definen de una manera aproximada el comportamiento de cada uno de los usuarios que pertenezcan a un mismo cluster a partir de una serie de parámetros que describen un modelo. En este trabajo, puesto que la línea de investigación principal llevada a cabo anteriormente estaba centrada en la localización de usuarios en espacios interiores, se ha propuesto como objetivo modelar el comportamiento de los usuarios a partir de las trayectorias que realizan en un espacio en interiores. Se describen modelos markovianos para definir el comportamiento de los usuarios en entornos controlados, donde solo se tiene en cuenta el estado actual del usuario, es decir, su posición actual, para estimar la posición en el instante siguiente; o no Markovianos o con memoria, donde sí se tienen en cuenta los instantes previos al actual. Los modelos propuestos se evalúan en este trabajo para ver cómo podrían representar, de manera indirecta, el comportamiento de los usuarios por grupos. La evaluación de los modelos se realiza utilizando un algoritmo de clasificación, el cual no se evalúa en este trabajo, y clasificando trayectorias generadas a partir de los modelos propuestos y viendo el porcentaje de trayectorias correctamente clasificadas en función de los dos parámetros siguientes: número de trayectorias necesarias para generar los modelos propuestos y número de trayectorias utilizadas para entrenar el clasificador. Además, se pretende estimar el número necesario de trayectorias para asegurar, con un cierto grado de confianza, el perfil al que pertenece un usuario si éste es identificado y clasificado a partir de sus trayectorias. Como las trayectorias se definen como una sucesión de posiciones, se ha abordado el paradigma de la localización simbólica, que permite estimar la posición de un usuario utilizando tecnología inalámbrica en espacios interiores. Para ello se proponen tres algoritmos sencillos y rápidos de implementar, calibrar y configurar, que permitan desplegar un sistema de localización en entornos reales de manera práctica. Dentro de las posibles tecnologías inalámbricas, se ha decidido utilizar un sistema de balizas Bluetooth Low Energy, las cuales tienen una gran autonomía, lo que permiten tener una infraestructura estable y con poco mantenimiento, poco invasiva y fácil de desplegar; mientras que el usuario solamente tendría que disponer de un dispositivo móvil que corriera una aplicación de localización que detectara las balizas y así pudiera estimar su propia posición. Los algoritmos propuestos se han diseñado, desarrollado y evaluado de manera que se pudiera valorar su utilidad en escenarios controlados y su posible instalación en escenarios reales. Gracias al desarrollo de una aplicación móvil que los integra, su versión de desarrollo permite evaluar los resultados de estimación de la posición. Por un lado, la implementación real en un entorno controlado ha servido para su posterior despliegue tanto en un entorno demo, donde negocios de tipo banca o retail podrían ser instalados y utilizar el sistema de localización para, por ejemplo, la personalización de servicios en función de la posición del usuario a partir de sus trayectorias; como un entorno real como un supermercado en Niza, donde se ha desplegado una infraestructura en parte del recinto para la evaluación de la solución completa en un entorno no controlado. Por otro lado, esta aplicación ofrece herramientas de seguimiento de usuarios y construcción de trayectorias, un servicio de envío de notificaciones personalizadas en función de la posición del usuario, además de un dashboard informativo que permita conocer los datos de posición en cada zona de los distintos usuarios