Smart City & IIoT

Diese Arbeit beschäftigt sich mit der Reichweite, der Verbindungsqualität und der Zuverlässigkeit einer LoRa-Verbindung. LoRa steht für „Long Range“ und bezeich-net dabei eine Funkmodulation wodurch trotz geringer Sendeleistung und ohne Richtfunk verhältnismäßig hohe Reichweiten von etwa 5 km oder mehr entstehen können, was allerdings zu Lasten der Übertragungsrate geht. Das Protokoll kommt vor allem bei LoRaWANs zum Einsatz, was in Form eines freien Netzwerkes von Bürgern für Bürgern als auch in Form einer kommerziellen Dienstleistung wie durch die Niederländische Firme KPN bereitgestellt werden kann. Dadurch, dass kein Provider die Infrastruktur bereitstellt und diese von Unternehmen oder Privat-leuten gestellt wird, sind die Möglichkeiten der Aufstellorte von Antennen beschränkt. Firmen platzieren ihre Antenne häufig auf den Dächern ihrer Immobi-lien, wohingegen Privatpersonen diese Möglichkeit i.d.R. nicht besitzen und dadurch auch Antennen im inneren von Gebäuden platziert werden. Weil ein LoRa-Signal häufig mehrere Kilometer weit reicht, ist es nicht nötig, dass jeder Privatan-wender die Infrastruktur selbst aufbaut, sondern kann die bereits vorhandenen Gateways (Verbindung von LoRaWAN in das Internet) seiner oder ihrer Nachbarn oder der Firma ein paar Straßen weiter mitnutzen. Um jedoch bereits vorab den Netzzugang der eigenen Wohnung oder des Gartens abschätzen zu können, bedarf es einer Plattform die darüber Auskunft schafft. Auch mit mathematischen Model-len, die einer umfangreichen Datenbasis mit aufwendiger Erhebung bedürfen, lässt sich die funktechnische Abdeckung gerade im urbanen Raum nur unzu-reichend berechnen. Des Weiteren ist häufig wenig bekannt, wodurch eine Verbindung besser oder schlechter wird. Die Wichtigkeit von Antennenqualität, Programmierung und der generellen Funktionsweise von Signaldämpfung ist nicht jedem Anwender eines LoRaWANs bekannt, wodurch dieser keinen Ansatz findet, die Verbindungsqualität zum nächsten Gateway zu optimieren.

Die gängigste Anwendung von LoRaWANs stellt das IoT, also im Wesentlichen das Auslesen von Sensordaten dar. So können zum Beispiel Lärmpegelsensoren in der gesamten Stadt verteilt werden, oder auch nur die Wassertemperatur des eigenen Teiches im Garten gemessen werden. Weitere Anwendungen wären das Messen der Füllstände öffentlicher Mülltonnen, oder dem Tracking von E-Scootern oder Pedelecs.

In dieser Arbeit wurden verwandte Arbeiten mit ähnlicher Fragestellung analysiert und zusammengefasst. Es wurde die vergleichbarste Arbeit (TTNMapper) ausführ-lich bewertet und daraus ein Konzept entwickelt, welches das Erheben von Messdaten vereinfachen sollte. Letztendlich entstand ein System zum Erheben, Be-werten und Veröffentlichen von Messdaten. Durch die Visualisierung entstand ein Gefühl für die Reichweite eines Gateways und die Qualität einer Verbindung.

In dieser Arbeit wurde der aktuelle Stand der Wissenschaft bzgl. der Empfangsqua-lität und -abdeckung eines LoRaWAN analysiert. Dabei wurde in zwei Arten unterschieden. Zum einen die Arbeiten mit einem „Real-World-Test“-Verfahren und zum anderen die Arbeiten mit mathematischen Berechnungen und/oder Mes-sungen in einem Labor. Durch die diversen Tests in der „echten Welt“ stellte sich wie erwartet heraus, dass der Funkempfang vor allem an Land stärker gestört wird als auf dem Meer. Gemessen wurde die Empfangsqualität in den meisten Fällen mithilfe des RSSI, als auch dem PRR, um eine Empfangswahrscheinlichkeit ange-ben zu können. Es wurde herausgefunden, dass das Wetter und die Payload-Länge kaum einen Einfluss auf den PRR oder der Signalstärke besitzen. Zusätzlich wurden Tests in Innenräumen durchgeführt, was zeigte, dass sowohl die Industrie große Gebäude als auch Einrichtungen wie eine Universität, LoRaWAN nutzen können um Sensordaten mit einer hohen Zuverlässigkeit auch im Innenraum zu empfan-gen.

Durch Tests im Labor und entsprechenden Berechnungen wurde erkannt, dass Stö-rungen auf gleicher Frequenz nur dann ein Problem darstellen, sollte die Störsignalstärke gleich stark oder stärker als die Sendersignalstärke sein. Zusätz-lich stellte sich heraus, dass SF11 eine höhere Reichweite und Zuverlässigkeit als SF12 hat und SF8 eine gute Kombination aus Durchsatz und Reichweite verspricht. Des Weiteren wurde der Einfluss des Dopplereffektes ab einer Geschwindigkeit von über 40 km/h bei SF12 nachgewiesen.

Schließlich wurde versucht eine Vorhersage basierend auf Modellen zu treffen. Der vielversprechendste Ansatz basierte dabei auf multispektralen Kartenmaterial und dem Einfluss der Fresnelzone in Kombination zur Freiraumdämpfung und dem Klassifizieren von Gebäuden und Wäldern und dem Einbeziehen der Dämpfung diverser Materialien im Link Budget. Es stellte sich heraus, dass vor allem die Fres-nelzone entscheidend ist. Wird diese über 40% gestört, so ist die Verbindung deutlich schlechter oder bereits abgebrochen. Der Unterschied der Antennenhöhe ist dabei maßgeblich. Wird eine Node auf Bodenhöhe montiert und als Vergleich eine um 1m höhere Node genutzt, so ist steigt die Zuverlässigkeit um den Faktor 4 an.

Zusätzlich wurde eine Vorhersage basierend auf dem Terrain getroffen. Gegeben wird die Gatewayposition und -höhe, um die Line-of-Sight Verbindungen zu er-rechnen. Es entsteht eine Karte mit markierten Bereichen, welche von der gegebenen Position eine Sichtverbindung besitzen sollen. Es wird davon ausge-gangen, dass alle Bereiche mit einer Sichtverbindung auch eine Verbindung zum Gateway besitzen. Diese Annahme wurde am Ende der Arbeit überprüft und mit Einschränkungen bestätigt.

Die verwandteste Arbeit stellt der TTNMapper dar. Dieser versucht durch Messun-gen auf der ganzen Welt die Empfangbarkeit eines einzelnen Gateways zu bestimmen. Dabei kann jeder Benutzer Daten erheben und veröffentlichen. Das System kontrolliert dabei lediglich die Positionsgenauigkeit. Eine Plausibilitätsprü-fung findet nicht statt. Des Weiteren bildet diese Arbeit ausschließlich positive Messpositionen ab. Sprich Positionen die einen Empfang aufwiesen. Dabei ist das Verhältnis zwischen gesendeten und empfangen Paketen irrelevant. Folglich bildet diese Arbeit immer den besten Fall ab.

Im Anschluss zur Erhebung der bereits bekannten Erkenntnisse wurde ein Konzept entworfen, um das Messen von Daten zu vereinfachen, als auch den Datensatz um die nicht empfangen Pakete zu erweitern. Dazu wurde eine Hardware entworfen, welche die nötigen Eigenschaften und Sensoren besitzt, um diese Messungen durchführen zu können. Es wurde ein Speichermedium angebunden, um die Auf-zeichnungen der Node mit den erhobenen Daten seitens des Servers zu kombinieren. Dadurch entstanden Boolesche Aussagen wodurch ein Verhältnis in Form des PRR angegeben werden kann.

Zusätzlich wurde eine Serverstruktur geschaffen um die erhobenen Daten zum ei-nen jederzeit empfangen und abspeichern zu können, als auch um die Daten zu visualisieren. Dazu wurden diverse Schnittstellen in NodeJS programmiert und eine Docker Umgebung für die Datenbank und Virtualisierungssoftware bereitge-stellt.

Durch die Auswertung der erhobenen Messwerte konnte vor allem die Relevanz der Fresnelzone in Kombination zum Terrain bestätigt werden. Zusätzlich entstand eine interaktive Karte mit allen gesessenen Werten und deren Positionen. Es ent-steht ein Gefühl für die Reichweite des Gateways, da Funklöcher und -abbrüche einen starken Kontrast ergeben und somit schnell zu identifizieren sind. Die Mess-ergebnisse unterschieden sich hierbei stark von denen durch den TTNMapper.