Red de ubicación y medición de productividad

Determinar la ubicación de personas u objetos en movimiento y hallar patrones de comportamiento generados a través de los datos generados por las redes de sensores es uno de los retos interesantes que tiene hoy la industria.

En este post hacemos un análisis de los datos generados a partir de la implementación de una red de ubicación, describimos de forma breve los elementos que usamos para el despliegue de la red, y mostramos su funcionamiento básico.

Elementos de la red

Para la configuración de nuestra red de ubicación utilizamos los siguientes componentes:

  • Routers, que son dispositivos que ubicamos en lugares específicos  y cuya función fue recibir y enrutar hacia un elemento central que llamamos Master un paquete que contiene la información de ubicación.
  • Los dispositivos finales emisores de una señal que llamamos Tags y que fue asignado a cada persona dentro de la zona sensada. Estos tags fueron los encargados de reportar a los routers su presencia en una determinada ubicación.
  • El Master (componente central), encargado de recibir los paquetes transmitidos por la red a través de los routers. Además fue el encargado de procesar y almacenar los datos recibidos a lo largo del tiempo

 

Funcionamiento de la red

La figura anterior describe el funcionamiento de la red. El router recibe un paquete  del tag una vez que este sea detectado en el lugar (1).

La información contenida en el paquete contiene básicamente la información del tag, el router con el cual se está reportando y la intensidad de la señal (cercanía del dispositivo final al router).

El router, una vez recibido el paquete lo retransmite a través de la red hasta que llega al master (2). El Master recibe el paquete y lo almacena en la base de datos para su posterior análisis (3)

Análisis de datos

Para hacer un análisis de datos que arroje resultados que reflejen la realidad del ambiente sensado, se hace necesario que el conjunto de datos recopilados sea significativo, es decir, que sea uno en el cual se puedan sacar conclusiones acerca del comportamiento normal en el ambiente.

Si por el contrario, no se tiene una muestra significativa de los datos, se podrían obtener conclusiones erradas y llegar por ejemplo a generalizar un comportamiento que solo ocurre bajo determinadas circunstancias, como por ejemplo un comportamiento que solo se dé en una época específica del año y con esta información hacer inferencias  erradas acerca del comportamiento general en el ambiente.

Una vez obtuvimos una muestra de datos significativa, lo siguiente que hicimos fue proceder con el análisis de los datos recopilados. Para esto, fue necesario tener muy claros los objetivos que se propusieron antes del despliegue de la red.

Para esta red, los objetivos estaban orientados a responder las siguientes preguntas ¿Cuáles son las zonas más congestionadas? ¿Se pueden establecer patrones de comportamiento de un tag por cada ubicación y teniendo en cuenta el tiempo? ¿Cómo es el comportamiento de la intensidad de la señal para considerar tag está en un determinado lugar?.

Con la información obtenida de cada paquete e información adicional calculada, como la fecha y hora de llegada del paquete pudimos responder estas y otras preguntas. La estructura de los datos recolectados por nuestro análisis fue la siguiente:

donde la columna rssi indica la intensidad de la señal (cercanía a un router)

Con estos datos dimos inicio a resolver las preguntas planteadas anteriormente, por ejemplo para la visualización de las zonas con mayor número de registros usamos el siguiente gráfico:

Con esta gráfica, pudimos obtener información de las zonas con mayor presencia de personas. Por ejemplo las tiendas fue la zona que representó una mayor presencia de personas, mientras que la zona de  casilleros  fue la ubicación que menos visitas registró.

También se puede observar que las personas están mucho menos interesadas en visitar la zona de casilleros que cualquier otra zona.

¿Se pueden establecer patrones de comportamiento de un tag por cada ubicación y teniendo en cuenta el tiempo?

Con esta gráfica pudimos observar ciertos patrones en las diferentes ubicaciones. Por ejemplo, en la zona de la entrada principal se observa un comportamiento común para las personas en los horarios de las 9 am y las 12 m. También se observa que alrededor de las 3 pm (15 horas en la gráfica) las personas inician la evacuación del lugar y este comportamiento se mantiene hasta las 6 pm (18 horas en la gráfica).

En la zonas de las tiendas, por ejemplo, es más complicado llegar a concluir algo, ya que tiene un comportamiento más uniforme a lo largo del día

¿Existen patrones de comportamiento por cada tag? ¿tal vez por ubicación y día del mes?

Con esta gráfica, fue posible observar el comportamiento individual de las personas en diferentes días del mes para cada una de las diferentes ubicaciones.

Se observa por ejemplo, un patrón de comportamiento claro en la entrada principal para una las personas en los horarios 9, 12 y 5 pm (17 horas en la gráfica) a lo largo de los días. Además se observa que el día 18 hubo una alteración en el comportamiento alrededor de las 3 pm (15 horas en la gráfica) y se mantuvo hasta las 5 pm (17 horas en la gráfica).

Además de las preguntas iniciales planteadas en los objetivos, son muchas otras las preguntas que se pueden responder con los datos que generan este tipo de redes, y son muchas las aplicaciones de una red de ubicación.

El conocimiento obtenido representa un mayor valor para la compañía en la medida que se recopilen más datos y que estos datos puedan ser integrados con información del negocio y con información obtenida a través de fuentes externas como las redes sociales e información pública ofrecida a través de los entes gubernamentales.

Share

Share on facebook
Share on twitter
Share on linkedin

Related Posts

¿Quieres recibir más información sobre tendencias en desarrollo de software, DevOps, innovación o productividad?

Últimas entradas

Aplicaciones Reales con Blockchain

Blockchain es una de las tecnologías que más fama ha adquirido en años recientes; en parte por la explosión de las criptomonedas, pero también por la

¿Qué es refactoring?

El objetivo del refactoring es evitar la deuda técnica que se acumula en el código fuente y  generar un código mas limpio y mas fácil