Android Application for Aalborg University
Authors
Louge, Regis ; Arfe, Antonio ; Le Guilly, Thibaut ; Guillot, Lou ; Deguy, Pierre
Term
1. term
Education
Publication year
2010
Submitted on
2010-12-20
Pages
92
Abstract
Mange universiteter har et intranet, men kun få giver studerende og undervisere smartphone-baserede funktioner som intern chat og kontekstafhængige informationer på campus. Vi præsenterer en Android-app til Aalborg Universitet med to hovedfunktioner: en chat og en indendørs lokalisering. Chatten bygger på en peer-to-peer-arkitektur, så der ikke er brug for en central server eller administratorer. Ved hjælp af et nul-konfigurationsnetværk kombinerer systemet XMPP (en beskedprotokol) og JmDNS (lokal tjenesteopdagelse), så brugere kan annoncere deres tilstedeværelse via multicast, se andre tilsluttede brugere på samme netværk og chatte med dem. Den indendørs lokalisering udnytter signalstyrken (RSS, Received Signal Strength) fra eksisterende WiFi-adgangspunkter, så der ikke skal installeres ekstra hardware eller foretages administratorindgreb. Vi anvender en fingerprinting-metode, hvor hver smartphone via brugerbaseret træning opbygger en database af “fingerprints” med målte RSS-værdier, BSSID (adgangspunktets unikke id) og stednavn. En algoritme anslår derefter brugerens position ved at matche aktuelle målinger mod denne database. Vi præsenterer resultater fra forskellige eksperimenter og flere prototyper, beskriver udfordringerne og mulige løsninger (bl.a. valg-algoritmer), samt de endelige resultater og fremtidige forbedringer.
Many universities have intranets, but few offer smartphone-based tools like internal chat and context-aware information on campus. We present an Android app for Aalborg University with two main features: chat and indoor geolocation. The chat uses a peer-to-peer architecture, so no central server or administrator is required. Using a zero-configuration network, the system combines XMPP (a messaging protocol) with JmDNS (local service discovery) to let users multicast their presence, see other connected users on the same network, and chat with them. The indoor geolocation relies on the received signal strength (RSS) from existing WiFi access points, requiring no extra hardware or administrator intervention. We apply a fingerprinting approach: on each smartphone, user-driven training builds a database of fingerprints containing measured RSS, BSSID (the access point’s unique ID), and location name. An algorithm then estimates the user’s position by matching current readings against this database. We report results from several prototypes and experiments, discuss challenges and possible solutions (including election algorithms), and outline final results and future improvements.
[This abstract was generated with the help of AI]
Documents