Софтовый датчик присутствия на Linux AP + ESP8266

TL;DR

Наблюдение за изменением уровня Wi-Fi сигнала от стационарно расположенных по дому IoT устройств позволяет сделать полностью программный (выделенное железо отсутствует) обьемный датчик движения в квартире, достаточно точно показывающий наличие активно перемещающихся (фактически, не спящих) людей.

Предыстория

Есть обычная “квартира айтишника” с системой “умный дом” на базе Home Assistant:

Самодельные выключатели освещения на базе ESP8266 + MSP430
Несколько датчиков температуры/влажности, СО2 и качества воздуха.
Контроллер вентиляторов в ванной/туалете
пара Sonoff Mini для остального.

Общение девайсов между собой – по Wi-Fi + MQTT. Для минимизации влияния низкоскоростных ESP на “рабочую” Wi-Fi сеть – на отдельном Raspberry Pi 3 запущена отдельная Wi-Fi сеть для IoT, на базе стандартного hostapd. В сумме в IoT Wi-Fi сети – 12 устройств.
Там же на RPi запущен MQTT брокер, рядом на “домашнем сервере” – Home Assistant.

Идея

Уровень сигнала Wi-Fi достаточно зависим от наличия и расположения препятствий между точкой доступа и клиентами. Даже открытая/закрытая деревянная межкомнатная дверь может вызвать заметные изменения в RSSI, не говоря уже о прошедшем человеке. При этом, так как сами wi-fi клиенты стационарны – изменения сигнала от других факторов достаточно минимальны.

Если собрать данные о всех подключенных клиентах – скорее всего, их изменение будет достаточно заметным при перемещении людей в помещении, что и позволит реализовать обьемный датчик движения “просто так” – без установки дополнительного железа.

Реализация

Запустив команду iw dev wlan0 station dump, можно получить достаточно детальную информацию по подключенным клиентам:

Station 60:01:94:21:f8:4c (on wlan0)
        inactive time:  8000 ms
        rx bytes:       11269629
        rx packets:     91423
        tx bytes:       6159821
        tx packets:     70707
        tx failed:      0
        signal:         -53 [-53] dBm
        tx bitrate:     1.0 MBit/s
        rx bitrate:     54.0 MBit/s
        ...
        connected time: 763375 seconds
Station 18:fe:34:98:dc:81 (on wlan0)
        inactive time:  4000 ms
        rx bytes:       11388688
        rx packets:     92101
        tx bytes:       6143200
        tx packets:     70205
        tx failed:      39
        signal:         -40 [-40] dBm
        tx bitrate:     1.0 MBit/s
        rx bitrate:     18.0 MBit/s
        ...
        connected time: 763378 seconds

Значение RSSI (“signal: -40 [-40] dBm”) обновляется в реальном времени, и вызывая iw достаточно часто – можно собрать статистику уровня сигнала.

Запуская iw два раза в секунду и усреднив RSSI за минуту – можно получить значения с более высокой точностью:

Уже по этому графику видно что ночью сигнал остается стабильным, а днем отдельные клиенты отклоняются от “спокойного” состояния на +/- 10 dBm. Однако представление результата можно улучшить, посчитав среднеквадратичное отклонения сигнала для всех клиентов от “спокойного” уровня.

Средние значения

Первым вариантом алгоритма было:

Собрать статистику по уровням сигналов в отсутствие людей (“базовый уровень”)
Сохранить базовый уровень в файле конфигурации
Посчитать среднеквадратическое отклонение от базового уровня, которое и будет сигналом “обнаружено движение”

После имплементации такого алгоритма оказалось, что базового уровня не существует. После прохода человека по квартире и возврата в первоначальную точку – сигналы стабилизируются, но на других значениях.
Рассмотрим например тот же график в окресностях 4 утра:

Можно заметить ночной поход в ванную в ~4:30. После него сигналы вернулись к стабильности, но некоторые из них – сместились от предыдущих значений. Отсюда можно сделать вывод, что система в целом – метастабильна, и одного фиксированного “состяния покоя” не существует.

Для решения этой проблемы “состояние покоя” тоже нужно считать как среднее – но за значительно более продолжительный промежуток времени.

Финальный алгоритм

Раз в 500мс собираем значения RSSI из вывода iw dev wlan0 station dump.
Сама команда достаточно легковесна, чтобы не нагружать Raspberry Pi выполнением с такой частотой.
Для каждого из клиентов считаем скользящее среднее за последние 1024 сэмпла в качестве “базового уровня”:

$RSSI = -65; # Значение из iw dev dump
$baseline = ($RSSI + 1023 * $baseline) / 1024;

Опять же для каждого считаем скользящее среднее за 256 сэмплов по аналогичной формуле в качестве “текущего значения”.
Итоговый показатель “активность движения в доме” считается как корень из суммы квадратов отклонений “текущего” от “базового” для каждого из wi-fi клиентов.

Результат уже намного более нагляден:

Здесь синий график (“IW Signal Distance”) и является среднеквадратическим отклонением. Остальное – индивидуальные отклонения от скользящего среднего.

Эмпирическим путем можно предположить, что значения IW Signal Distance >1 (зеленая горизонталь) соответствуют активности людей в помещении. Но эта граница, скорее всего, будет отличаться для других конфигураций помещения и количества устройств.

Результаты

Система работает в таком виде уже более двух лет, и достаточно надежно показывает активность внутри квартиры, с минимальным влиянием соседей.
Моя реализация алгоритма доступна на гитхабе (https://github.com/k-korn/misc-scripts/tree/main/iwmon), но она достаточно специфична (Perl + Zabbix + визуализация в Grafana) – и потому готовым решением “plug and play” все же служить не может.

Let’s block ads! (Why?)