Durch die Möglichkeit, den physischen Standort eines Geräts beim Zeitpunkt des Verbindens mit dem Netzwerk zu bestimmen, lässt sich der Prozess der Inbetriebnahme und Bereitstellung nahezu vollständig automatisieren. Der einzige manuelle Eingriff erfolgt, wenn der Nutzer das Gerät selbst am Zielort platziert. Ein Umweltsensor erfasst dabei Werte von einem bestimmten Punkt aus. Durch die regelmäßige Aktualisierung des Standorts können Nutzer auch sicher sein, dass niemand den Sensor versehentlich oder absichtlich bewegt hat. Ungenaue Messwerte lassen sich so vermeiden.

Regelmäßige Standortbestimmung

Bild 1: Signalaufbereitung bedeutet, dass Signalstärkemessungen mit der Entfernung an Genauigkeit verlieren und durch Hindernisse wie Fenster beeinträchtigt werden.

Bild 1: Signalaufbereitung bedeutet, dass Signalstärkemessungen mit der Entfernung an Genauigkeit verlieren und durch Hindernisse wie Fenster beeinträchtigt werden. Semtech

Für andere Anwendungen ist die regelmäßige Standortbestimmung ein wichtiger Aspekt des Asset Managements und der Bereitstellung von Diensten. So wollen Landwirte zum Beispiel sicherstellen, dass automatisierte Dünge- und Schädlingsbekämpfungssysteme wie erwartet funktionieren und die Felder richtig behandeln. Dies lässt sich mithilfe stationärer Bodensensoren und Tracker in den mechanischen Systemen überwachen, die diese Tätigkeiten ausführen.

Einige Anbieter haben sich für verschiedene GNSS-Empfänger (Global Navigation Satellite System) entschieden, um die Standortinformationen bereitzustellen, die ihre Geräte und zugehörigen IoT-Dienste benötigen. Obwohl heute mehrere Konstellationen im Orbit vorhanden sind, die die notwendigen Positionierungssignale bereitstellen, weisen GNSS-Protokolle einen gemeinsamen Ansatz auf: jeder Satellit hat eine hochgenaue Atomuhr an Bord. Durch den Vergleich der Ankunftszeit der von diesen Satelliten gesendeten Zeitsignale in Verbindung mit Ephemeriden-Datenbanken kann der Empfänger deren Standort überall auf der Welt bestimmen, solange sich genügend Satelliten im Empfangsbereich befinden.

Eck-daten

Eine der Grundvoraussetzungen für ein sich weiterentwicklendes IoT ist, dass die darin vernetzten Geräte immer genau wissen, wo sie sich gerade befinden. Hierzu ist eine regelmäßige Standortbestimmung erforderlich, die sich durch intelligente Netzwerke ermöglichen lässt. Verschiedene Ortungsstrategien können hierbei zum Einsatz kommen. Neben der Standortabfrage über GNSS (Global Navigation Satellite System) ist auch die Signalstärke-Methode oder ein Time-of-Flight-System möglich. Bei Bedarf können auch hybride Ortungsstrategien zum Einsatz kommen.

Es gibt aber auch einige Nachteile, die mit der GNSS-basierten Ortung verbunden sind. Einer davon sind die Systemkosten. Der GNSS-Prozessor muss in der Lage sein, die von umlaufenden Satelliten gesendeten vergleichsweise schwachen Signale zu empfangen, die Nachrichten zu entschlüsseln und Echtzeitsignale über einen bestimmten Zeitraum zu vergleichen. Dies verbraucht erhebliche Rechenressourcen, die entweder einen leistungsfähigeren Host-Prozessor im IoT-Knoten oder einen intelligenten Co-Prozessor erfordern. Der zweite Nachteil ist der Energieverbrauch. Um die Position genau bestimmen zu können, muss der GNSS-Empfänger über einen längeren Zeitraum aktiv sein, indem er aktiv die HF-Kanäle abhört. Daher gibt es strenge Einschränkungen, wie viele batteriebetriebene Anwendungen GNSS wirtschaftlich nutzen können.

Signalstärke-Methode

Ein alternativer Ansatz ist die Nutzung bestehender terrestrischer Kommunikationssysteme wie Bluetooth, Mobilfunk oder WLAN. Dies lässt sich auch dann erreichen, wenn das Kernprotokoll keine direkte Unterstützung für Standortdienste bietet. In diesen Systemen fungiert die Signalstärke als Proxy für die Entfernung zwischen dem IoT-Gerät und jeder der Basisstationen, von denen das Gerät Signale empfangen kann. Ein Vorteil bei der Verwendung der Signalstärke besteht darin, dass keine tatsächliche Verbindung zum Protokoll im Gerät erforderlich ist, sodass Anbieter Positionierungssysteme entwickeln können, ohne aktiv mit der auf den Basisstationen ausgeführten Software zusammenarbeiten zu müssen. Eine Anforderung ist jedoch, dass der Anbieter Zugriff auf eine Datenbank mit bekannten Basisstationsstandorten und IDs hat.

Die Signalstärke-Methode weist mehrere Nachteile auf. Einer davon ist auf die Art und Weise zurückzuführen, wie sich HF-Signale ausbreiten. Nahe der Basisstation ist das Signal stark. Mit zunehmender Entfernung nimmt die Intensität jedoch rapide ab, und nähert sich einem Grenzwert in größerer Entfernung. Bei diesen weiten Entfernungen wirkt sich eine große Änderung des Abstands zur Basisstation nicht wesentlich auf die Signalstärke aus. Dies führt zu großen Fehlern in der geschätzten Entfernung für Fälle, in denen sich das Gerät weit entfernt von den erkennbaren Basisstationen befindet.

Bei größeren Entfernungen verschärft sich das Problem der Reichweitenbestimmung über die Signalstärke durch Hindernisse wie Wände und Fenster: ein Problem, das häufig bei Systemen auftritt, die innerhalb eines Gebäudes zum Einsatz kommen (Bild 1). Ebenso beeinträchtigen Reflexionen und Interferenzen externer Hindernisse die Signale und somit die Genauigkeit der Signalmessungen. Dies führt dazu, dass das System weiter von der Quelle entfernt scheint als es eigentlich ist. Konstruktive Störungen durch Multi-Path-Effekte können jedoch die scheinbare Signalstärke geringfügig erhöhen und die geschätzte Entfernung verringern.

Bild 2: Die Laufzeit (ToF; Time of Flight) bei der Funkübertragung ist weitgehend unabhängig von Hindernissen und direkt proportional zur Entfernung vom Sender.

Bild 2: Die Laufzeit (ToF; Time of Flight) bei der Funkübertragung ist weitgehend unabhängig von Hindernissen und direkt proportional zur Entfernung vom Sender. Semtech

Wie bei GNSS würde ein System, das auf der Laufzeit basiert, eine viel bessere Genauigkeit als die Signalstärke liefern. Hindernisse wie Wände und Fenster für die Sichtverbindung haben keinen messbaren Einfluss auf die Zeit, die ein Signal benötigt, um anzukommen. Dies reduziert den Fehler bei Systemen, die sich innerhalb von Gebäuden oder Gehäusen befinden erheblich.

Time-of-Flight-Systeme

Ein Vorteil eines terrestrischen Time-of-Flight-Systems (ToF) gegenüber GNSS besteht darin, dass das Kernsignal auch viel stärker und leichter zu empfangen ist (Bild 2). Das reduziert den Energie- und Kostenaufwand des empfangenden Endgeräts und ermöglicht den Empfang von Positionssignalen in Innenräumen, was mit GNSS-basierten Systemen nur selten möglich ist. Es bleiben mögliche Probleme für Signale, die unter Multi-Path-Effekten leiden. Diese lassen sich durch Antennendiversität am Empfänger mindern, da jede der Antennen wahrscheinlich Signale verwendet, die auf ihrer jeweiligen Übertragung vom Sender eine unterschiedliche Anzahl von Reflexionen durchlaufen haben.

Die terrestrische Implementierung von ToF-Systemen bietet weitere Vorteile gegenüber GNSS: sie können bidirektionale Protokolle implementieren, um die Standortbestimmung auf Systeme im Netzwerk zu verlagern, anstatt sich ausschließlich auf die Verarbeitungsbandbreite zu verlassen, die auf dem zu lokalisierenden Gerät zur Verfügung steht. Ist die Verarbeitung in das Gateway verlagert, sind Techniken wie Antennendiversität im Hinblick auf die relativen Kosten sinnvoller. Die Netzwerk-Hardware kann auch fortschrittliche Standortzuordnungstechniken wie maschinelles Lernen nutzen, um lokale Faktoren zu berücksichtigen, die nicht nur das Signal-Timing sondern auch die Signalstärke beeinflussen. Solche Gateway-basierten Techniken bilden das Herzstück der Ortungsdienste, die jetzt über LoRa-WAN verfügbar sind.

LoRa-Cloud-Geolocation-Service

Im LoRa-Cloud-Geolocation-Service muss ein Gerät nur einen Frame übertragen, um seinen Standort zu bestimmen. Im Gegensatz zu vielen anderen Funknetzwerk-Protokollen, bei denen das Endgerät einer einzelnen Basisstation zugeordnet ist, können alle in Reichweite befindlichen LoRa-WAN-Gateways den Frame empfangen und verarbeiten. Diese Anforderung ist Teil des LoRa-Protokolls und der Hauptgrund, warum die netzwerkbasierte Geolokalisierung bei LoRa-WAN-Netzwerken eine einfache Ergänzung ist, im Gegensatz zur kostspieligen und komplexen Implementierung bei Mobilfunksystemen.

Bei der Nutzung des LoRa-Cloud-Geolocation-Service melden alle Gateways, die den Frame empfangen und dekodieren, wichtige Informationen wie Signalstärke und Signal-Rausch-Verhältnis, während einige Gateways heute mit spezieller Hardware ausgestattet sind, um auch die Ankunftszeit genau zu melden. Diese Informationen leitet das Gerät dann in einer Abfrage an einen Resolver wie den LoRa Cloud-Geolocation-Service weiter, der die Ergebnisse vergleicht, um anhand aller verfügbaren Daten den wahrscheinlichsten Standort des Geräts zu ermitteln.

Eine Standard-API-Anfrage/Antwort sendet dann den ermittelten Standort an die Cloud-Systeme, die ihn verwalten. Damit lassen sich immer bessere Verarbeitungstechniken einsetzen, um die Genauigkeit im Laufe der Zeit zu verbessern, ohne die installierte Basis von IoT-Geräten zu beeinträchtigen. Das Alles erfolgt nur mit dem Stromverbrauch, der für die Übertragung eines Frames erforderlich ist.

Solver-Technologie

Bild 3: Netzwerkbasierte Ortungsdienste können Vergleiche von Signalparametern verwenden, die von mehreren Empfängern basierend auf einer Übertragung eines einzelnen Geräts erfasst werden.

Bild 3: Netzwerkbasierte Ortungsdienste können Vergleiche von Signalparametern verwenden, die von mehreren Empfängern basierend auf einer Übertragung eines einzelnen Geräts erfasst werden. Semtech

Der LoRa-Cloud-Geolocation-Service basiert auf einer Solver-Technologie. Dabei kommen maschinelles Lernen und statistische Techniken zum Einsatz, um hochgenaue Schätzungen der Geräteposition zu ermöglichen. Der Solver kann Schätzungsschwankungen im Laufe der Zeit nutzen, um Empfangsdaten auszuschließen, die mit hoher Wahrscheinlichkeit stark vom Übertragungskanal beeinflusst sind, was zu Fehlern bei den Messungen führt. So hätte ein übermäßig verrauschtes Signal eine relativ hohe Unsicherheit bei der Laufzeitschätzung im Vergleich zu einem Signal mit weniger Rauschen. Bei mehreren Messungen des Übertragungswegs, die zum Beispiel aus der Antennen-Diversität oder mehreren Übertragungen bereitstehen, lassen sich die statistischen Ausreißer verwerfen.

Werden mehr Signale empfangen, kann der Solver die lokale Umgebung um jedes Gerät herum kennenlernen und sich ein besseres Bild davon machen, wie sich Signalstärke und Ankunftszeit auf die tatsächliche Entfernung von jedem Gateway beziehen. Darüber hinaus kann das System das gleiche lokale Wissen auf neue Endgeräte anwenden, die ein Nutzer dem Netzwerk neu hinzufügt. Dies verbessert die Genauigkeit des Systems über eine Nutzung, die mit On-Device-Positionierungsalgorithmen kaum zu erreichen ist.

Die netzwerkbasierte Verarbeitung bietet weitere Vorteile (Bild 3). Im Gegensatz zur On-Device-Positionierung sind die Ortungsdienste weitgehend immun gegen versehentliche oder absichtliche Störungen (Jammen). Jedes Funksignal ist am Empfänger gestört oder blockiert. Daher kann bei der On-Device-Positionierung ein einzelner Störsender, der sich relativ nahe am Gerät befindet, alle Positionssignale vollständig blockieren. Bei einem verteilten Empfang wie bei der Standortbestimmung des LoRa-WAN-Netzwerks, ist es äußerst schwierig, die Übertragungen zu stören – es sei denn, in der Nähe aller LoRa-WAN-Gateways sind ein Jammer mit extrem hohem Leistungspegel oder gleichzeitig mehrere koordinierte Störsender im Einsatz.

Hybride Ortungsstrategie

Obwohl der LoRa-Cloud-Geolocation-Service für viele IoT-Anwendungen eine energiesparende und hochpräzise Ortung bietet, gibt es Situationen, in denen ein Entwickler hybride Ortungsstrategien einsetzen möchte. Ein IoT-fähiges Halsband für Haustiere zum Beispiel, mit dessen Hilfe sich Tiere sowohl innerhalb als auch außerhalb des Hauses aufspüren und lokalisieren lassen. Zu Hause kann das Halsband die lokale Datenanbindung nutzen, um Standortinformationen bereitzustellen. Das Halsband kann Bluetooth- oder WLAN-Signale in der Nähe empfangen, um lokalisierte Informationen zur Position des Haustieres bereitzustellen.

Bewegt sich das Tier nach draußen, lassen sich WLAN-, GNSS- oder LoRa-WAN-Ortungsdienste nutzen. WLAN ist weniger nützlich, wenn das Haustier seinen Zwinger verlassen hat und sich zu weit entfernt hat in einem Gebiet, in dem es nur wenige WLAN-Zugangspunkte gibt. Ein Hybridsystem ermöglicht es, das Haustier auch über größere Entfernungen zu verfolgen, da GNSS oder LoRa-WAN unter vielen Umständen weiterhin funktionieren. Es lohnt sich jedoch, den relativen Energieverbrauch jeder Art von Suchanfrage zu berücksichtigen. Für den Stromverbrauch einer einzelnen GPS-Anfrage könnte das Halsband ungefähr zehn WLAN-Scans durchführen. Und für dieselbe Leistung könnte das Halsband 100 LoRa-WAN-Nachrichten senden, was deutlich macht, wie effizient eine netzwerkbasierte Standortbestimmung sein kann.

Jetzt, da eine einfache, unmittelbare netzwerkbasierte Geolokalisierung verfügbar ist, die gleichzeitig alle mit einem Netzwerk verbundenen Geräte unterstützen kann, können auch Geräte, die erhebliche Kosten- oder Stromverbrauchsbeschränkungen haben die Vorteile von Standortinformationen nutzen, um die nächste Generation von IoT-Anwendungen bereitzustellen.