Wi-Fi Sensing is becoming a prominent field with a wide range of potential applications. Using existing hardware on a wireless network such as access points, cell phones, and smart home devices, important information can be inferred about the current physical environment. Through the analysis of Channel State Information collected in the Neighborhood Discovery Protocol process, the wireless network can detect disturbances in Wi-Fi signals when the physical environment changes. This results in a system that can sense motion within the Wi-Fi network, allowing for movement detection without any wearable devices. The goal of this thesis is to answer whether Wi-Fi Sensing can enable useful applications at the enterprise level. The main applications we will focus on are presence detection and in-zone movement detection. Our contributions include: 1. A scalable, statistical analysis system that generates a heatmap and detects movement in a 12 x 9 meter zone with 98 percent accuracy, as well as a 6 x 9 meter zone with 88 percent accuracy. 2. A broad dataset collected for evaluation in an enterprise setting. 3. An end-to-end CSI data visualization and analysis application.

A lotação do veículo é um dos fatores determinantes para a qualidade do transporte público (TP), pois, além do conforto do passageiro, afeta também a confiabilidade da linha, alterando a velocidade média do veículo. Entretanto, na cidade de São Paulo, Brasil, uma das maiores operações de ônibus do mundo, é difícil se encontrar implantado algum equipamento de contagem automática de passageiros (APC), provavelmente devido aos custos das tecnologias atuais. Esta pesquisa apresenta os resultados de um método de APC utilizando o sensoriamento por Wi-Fi de telefones móveis dos passageiros embarcados num veículo do TP por ônibus. Para este fim, um protótipo de baixo custo foi desenvolvido e instalado na linha 6500-10 entre o Terminal Santo Amaro e o Terminal Bandeira, durante 7 dias da semana em horários de pico e entre pico. Os dados coletados foram analisados através de ferramentas estatísticas e métodos de análise geográficas. Durante o experimento observou-se que o APC foi capaz de detectar a mudança da ocupação do veículo em 85% dos casos, com uma confiança de até 20% e um erro de até 22 passageiros por medida. Através de dados de posição geográfica foi possível gerar matrizes de carregamento, que permitem inferir a origem e o destino dos passageiros em cada viagem, assim como - para todo o período do experimento - indicar os trechos com maior lotação. Por outro lado, o método não apresentou bons resultados saindo dos terminais e quando a ocupação mudou repentinamente, requerendo estudos posteriores para refinar o algoritmo apresentado. Da mesma maneira, ainda não há como generalizar o método para toda operação, pois, o espaço amostral estudado foi pequeno, deixando como sugestão para pesquisas futuras o aprimoramento deste sistema. / The crowdedness of a vehicle is one of the main quality factor of the public transportation (TP) quality, since, besides the comfort, also affect the reliability of the line, changing its average speed. However, the city of São Paulo, Brazil, one of the biggest bus operations of the world, it is difficult to find any automatic passenger counter (APC) equipment deployed, probably due the costs of current technologies. This research shows the results of an APC technology by the sensing of the Wi-Fi signal of smartphones that are boarded in a vehicle on TP by bus. Therefore, a prototype was developed and deployed on the line 6500-10 between the Terminal Santo Amaro and the Terminal Bandeira, during 7 working days of the week on peak and off-peak hours. was analyzed with statistical and geographical tools. During the experiment, it was observed that the Wi-Fi APC was capable of estimate the occupancy of the vehicle 85% of the cases, with a significance level up to 20% and an error up to 22 passengers per estimation. Through the geographical analysis it was generated load matrices, that allow to infer the origin and destination of the passenger in each trip, indicating the sections along the route where were more boarding and alighting. On the other hand, the method did not perform well when coming out of the final stops and when the crowdedness changed suddenly, requiring further analysis to understand how to deal better under these circumstances. Likewise, due to the limited sample utilized in this research, we cannot generalize the results presented, pressing the need for new researches on different operation scenarios.