Förutse en kritisk påfrestning på förmågan hos femte generationens (5G) nätverk att hålla reda på ett snabbt växande antal mobila enheter, ingenjörer vid Tufts University har kommit med en förbättrad algoritm för att lokalisera och spåra dessa produkter som fördelar uppgiften mellan enheterna själva. Det är en skalbar lösning som skulle kunna möta kraven på 50 miljarder uppkopplade produkter i Internet-of-Things år 2020, och skulle möjliggöra ett bredare utbud av platsbaserade tjänster. Resultaten av Tufts-studien publicerades idag i IEEE:s förfarande , den ledande peer-reviewed vetenskapliga tidskriften publicerad av Institute of Electrical and Electronics Engineers.

För närvarande, positionering av trådlösa enheter är centraliserad, beroende på "ankare" med kända platser som mobiltorn eller GPS-satelliter för att kommunicera direkt med varje enhet. När antalet enheter ökar, ankare måste installeras med högre densitet. Centraliserad positionering kan bli svårhanterlig eftersom antalet föremål att spåra växer avsevärt.

Som ett alternativ till centraliserade lösningar, författarnas metod för distribuerad lokalisering i ett 5G-nätverk gör att enheterna lokaliserar sig själva utan att alla behöver direkt tillgång till ankare. Avkänning och beräkningar görs lokalt på enheten, så det finns inget behov av en central samordnare för att samla in och bearbeta uppgifterna.

"Behovet av att ge platsmedvetenhet för varje enhet, sensor, eller fordon, stationär eller rörlig, kommer att bli mer framträdande i framtiden, sa Usman Khan, Ph.D., docent i elektro- och datateknik vid Tekniska Högskolan vid Tufts University. "Det kommer att finnas applikationer för att spåra tillgångar och lager, sjukvård, säkerhet, lantbruk, miljövetenskap, militära operationer, nödutryckning, industriell automation, självkörande fordon, robotik – listan är oändlig. Den praktiskt taget obegränsade potentialen hos Internet-of-Things kräver att vi utvecklar smarta decentraliserade algoritmer, sa Khan, vem är tidningens motsvarande författare.

Självlokaliseringsalgoritmen som utvecklats av Khan och hans kollegor använder sig av enhet-till-enhet-kommunikation, och så kan ske inomhus (t.ex. på kontor och tillverkningsanläggningar), underjordiska, under vattnet, eller under tjockt molntäcke. Detta är en fördel jämfört med GPS-system, som inte bara kan mörkna under dessa förhållanden, men bidrar också till enhetens kostnad och effektbehov.

Enheternas rörlighet gör självlokalisering utmanande. Nyckeln är att snabbt få positioner för att spåra dem i realtid, vilket innebär att beräkningarna måste förenklas utan att ge avkall på noggrannheten. Författarna åstadkom detta genom att ersätta de icke-linjära positionsberäkningarna, som är beräkningskrävande och kan missa sin poäng om den första gissningen på positionen är på fel plats, med en linjär modell som snabbt och tillförlitligt konvergerar till enhetens exakta position. Övergången till en beräkningsmässigt enklare linjär beräkning uppstår som ett resultat av att enheterna mäter sin plats i förhållande till varandra eller en punkt som representerar "massacentrum" för angränsande enheter, snarare än att alla refererar till en uppsättning stationära ankare. Konvergens till exakta positioner är extremt snabb, gör spårning i realtid av ett stort antal enheter möjlig.

"Förutom att förbereda oss för en framtid av allestädes närvarande anslutna enheter, detta tillvägagångssätt skulle kunna minska trycket på den nuvarande infrastrukturen genom att ta bort behovet av att installera många sändare (ankare) i byggnader och stadsdelar, sa Khan.