Die Suche nach einem geeigneten Platz zum Lernen kann für Studierende zur Herausforderung werden. Die bekannteren Studienräume sind häufig überfüllt und deren Luft ist verbraucht. Es ist oft nicht möglich, im Vorhinein zu überprüfen, ob ein Lernraum bereits überfüllt ist oder nicht. Studierende müssen von Ort zu Ort wandern, bis sie einen Raum mit genügend Arbeitsplätzen finden. In dieser Diplomarbeit werden zwei Ansätze zur nicht-intrusiven Abschätzung der Raumbelegung vorgestellt, welche die Privatsphäre von den Personen vor Ort nicht beeinträchtigen sollen. Im ersten vorgestellten Verfahren werden Smartphones als Indikatoren für die Raumbelegung verwendet. Der Fokus liegt auf deren Wi-Fi Konnektivität. Vorhandene Privacy-Schwächen des Wi-Fi Protokolls werden ausgenutzt. Smartphones senden Wi-Fi Probe Requests, mit denen nach Netzwerken und deren Access Points in der Nähe gesucht wird. Diese Datenstruktur enthält einen quasi eindeutigen Identifikator - die MAC Adresse. Die vorgestellte Methode verwendet den Identifikator, um Wi-Fi-fähige Geräte voneinander zu unterscheiden. Mit der Anzahl der unterschiedlichen gefundenen Adressen wird eine Schätzung zur Raumbelegung durchgeführt. Es wurden Maßnahmen wie die De-Personalisierung von MAC-Adressen ergriffen, um die Privatsphäre der Personen im Raum zu schützen. Darüber hinaus wird eine Methode vorgeschlagen, um stationäre Geräte in der Umgebung zu finden. Weiters wird Distance Filtering mittels RSSI-Wert präsentiert um den Scanbereich einzugrenzen. Das zweite präsentierte Schätzungsverfahren zeigt einen ausnutzbaren Zusammenhang zwischen den CO2-Konzentrationen und der Belegungsrate in Räumen ohne automatisierter Belüftung. Menschen atmen CO2 als Abfallprodukt aus. Die ausgeatmete Luft sammelt sich im Laufe der Zeit im Raum an, was wiederum zu steigenden CO2-Werten im Raum führt. Es wird auch gezeigt, dass die Konzentrationen auf ein bestimmtes Basisniveau fallen, wenn ein Raum leer steht. Es werden grafische Trends aus den Beobachtungen und Berechnungen aus verschiedenen Szenarien bereitgestellt. Die wahrgenommenen Schwankungen der CO2-Konzentration werden verwendet, um Schätzungen der Belegungsrate vorzunehmen. Zusätzlich wird eine Methode zur Erkennung von Fensteröffnungen vorgeschlagen. Beide Methoden sind nicht aufdringlich, da sie keine Interaktion seitens der Personen im Raum erfordern. Deren täglichen Abläufe bleiben unverändert. Darüber hinaus werden mögliche Auswirkungen der vorgestellten Ansätze auf die Privatsphäre diskutiert. Beide Ansätze identifizieren weder die Personen im Raum, noch werden deren Bewegungen verfolgt. Die vorgestellten Methoden sollen die Privatsphäre der Personen im Raum auf dem gleichen Niveau halten.
de
Finding a suitable place to study can often be a challenge for students. The better known learning spaces are frequently overcrowded and the air feels worn. There is often no other way to check the capacity of the room in advance other than to visit it. In this thesis, two approaches to non-intrusive, privacy preserving occupancy estimation are presented. Both methods are unobtrusive and easy to provide. In the first approach presented, smartphones are used as indicators for room occupancy. The focus is on their Wi-Fi connectivity and existing privacy weaknesses of the Wi-Fi protocol are exploited. Smartphones broadcast Wi-Fi probe requests, which are used to search for access points nearby. This Wi-Fi frame contains a quasi unique identifier - the MAC address. The approach uses the identifier to differentiate Wi-Fi enabled devices from another and to make an occupancy estimation on the number of distinct addresses found. Measures, like de-personalizing MAC addresses, were taken to preserve the occupants' privacy. In addition, a method is proposed to find stationary devices in the area. Furthermore, Distance Filtering using RSSI values to limit the scanning range is presented. The second proposed occupancy estimation method shows an exploitable connection between CO2 concentrations and the occupancy rate for rooms without automated ventilation. As people breathe, they exhale CO2 as a waste product. The exhalation accumulates indoors over time, which in turn lead to rising indoor CO2 levels. Likewise, it is also shown that the concentrations fall to a certain baseline level when a room is empty. Graphical trends from observations and calculations are provided for these and other situations. These measured variations in CO2 concentration are used to make estimates of the occupancy rate. Furthermore, a method for detecting window openings is proposed. Both methods are non-intrusive, as they do not require any interaction on the occupants' side. Their everyday procedures remain unchanged. Furthermore, possible privacy implications of the presented approaches are discussed. Both approaches do not link, identify or track the occupant's movements and should keep the occupants' privacy at the same level.
en
Additional information:
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
