Positionnement en intérieur via machine learning

Nous recherchons un freelance pour concevoir et développer la partie machine learning de notre service.

Nous souhaitons à partir de plusieurs capteurs Wi-Fi et Bluetooth, convertir la puissance du signal des appareils mobiles (RSSI) en une position géographique à l'intérieur d'un bâtiment.

Il convient de noter qu’il n’est pas nécessaire d’identifier individuellement chaque appareil pour suivre leurs déplacements, et de plus, la seule information disponible (autre que la puissance du signal) est l'adresse MAC des appareils, qui est généralement factice donc inutilisable.

Ainsi nous souhaitons positionner ces appareils dans une grille de 2x2 mètres (ou plus précis, si possible) *après* normalisation des données. En effet, ces appareils sont détectés à intervalle aléatoire, parfois à multiples reprises, ou simplement non détectés. Or il est souhaitable d’avoir une estimation du nombre de personnes (et non pas d’appareils) présentes à l’instant t pour chaque zone.

L’apprentissage est une tâche complexe puisque les interférences ne permet à priori pas de créer un modèle universel (ou serait-ce le cas ?). À voir donc si une phase de calibrage de la position dans chaque zone est nécessaire. Pour le comptage, cela paraît également être une tâche difficile.

Enfin, à partir de ces données traitées nous souhaitons également obtenir les mêmes résultats mais estimés jusqu’à une semaine à l’avance.

Une solution opensource de positionnement en intérieur (FIND3) est déjà existante et peut servir de source d’inspiration, à voir si le même processus est possible à grande échelle (plusieurs centaines voir milliers de mètres carrés) grâce à la solution que vous développerez.

Nous recherchons un freelance qualifié et expérimenté, qui saura développer une solution de qualité et utilisable à très grande échelle. Notre demande présente de nombreux défis d’ordre technique et le freelance doit être capable d’indiquer comment cette solution devra être mise en oeuvre (calibrage, apprentissage) pour être fonctionnelle, et quel degré de précision nous pourrons espérer. Le freelance pourra utiliser la libraire qu’il souhaite à condition d’être rigoureusement stable pour un environnement de production.