Wireless communication is becoming more common, a relatively new technology within the area is Bluetooth Low Energy. It’s been developed to be energy efficient and in regard to compatibility. Alongside the growth of wireless technology, scientists and companies are looking for new areas of use. One of these is localization, which means to determine the position of a moving device with the use of stationary devices, an example of this would be GPS.This report means to evaluate indoor localization using Bluetooth Low Energy and was made for Combitech AB in Jönköping. The purpose of the work was to determine with what accuracy and precision the position of a moving device could be estimated. The report will answer the following questions: With what accuracy and precision can the position of a device be determined within a test area of varying size using Bluetooth Low Energy? Is the accuracy and precision affected by the environment?The authors chose an inductive reasoning and therefore intended to answer the questions with the help of experimental studies. A system consisting of both software and hardware was developed and was then used to conduct multiple rounds of tests, where the size of the area and the environment was varied.By evaluating the data gathered from said tests and comparing it to theoretical studies and prior research credible results were obtained. The accuracy appears to decrease as the distance between the units is increased, however a deeper analysis shows that the difference is smaller below 500 cm. No correlation is found between environment and accuracy. When three stationary units, forming a triangle with 400 cm between the vertices, are used to determine the position of a fourth the achieved accuracy is 65 cm. During the tests the precision is not shown to decrease with distance, it seems to vary independently. However, as the environment is changed a noticeable difference is observed. In a gymnasium the standard deviation was calculated to 0.38 RSSIwhereas in an office environment it was 0.99 RSSI. In regard to the given results the authors conclude that Bluetooth Low Energy shows some potential for the use in indoor positioning systems. A possible scenario where the technology would be well suited would be when the units need to work of a coin cell battery for a large period of time, while the system must support multiple types of units and a rough estimation of the position is adequate. / Trådlös kommunikation blir allt mer vanlig i vår vardag, en relativt ny teknik inom detta område är Bluetooth Low Energy som utvecklats med avseende på energieffektivitet och kompabilitet. Parallellt med den trådlösa teknikens spridning letar forskare, såväl som företag, efter nya användningsområden. En av dessa är lokalisering, vilket innebär att med fasta enheter avgöra rörliga enheters position, ett exempel på detta är GPS. Detta arbete handlar om att utvärdera inomhuslokalisering med Bluetooth Low Energy och gjordes på uppdrag av Combitech AB i Jönköping. Syftet var att undersöka med vilken noggrannhet och precision en rörlig enhets position kunde avgöras. Rapporten kommer att besvara följande frågeställningar: Med vilken noggrannhet och precision kan man med Bluetooth Low Energy avgöra en enhets position inom ett testområde med varierande storlek? Påverkas noggrannhet och precision av omgivningen?Författarna valde en induktiv metod och ämnade därför besvara frågeställningarna med hjälp av experimentella studier. Ett testsystem bestående av hård- samt mjukvara utvecklades varpå tester utfördes i flera omgångar, där storlek på område och omgivning varierades. Genom utvärdering av testdata i förhållande till teoretiska studier och tidigare forskning kunde trovärdiga resultat nås. Noggrannheten tycks minska då avståndet mellan enheter ökas, djupare analys pekar på en mindre förlust under 500 cm. Det observeras dock inget samband mellan noggrannhet och omgivning. Då tre fasta enheter placeras med ett inbördes avstånd på 400 cm kan positionen avgöras med 65 cm noggrannhet. Precisionen påverkas under testerna inte av avstånd, signalstyrkevärdena varierar helt oberoende av detta. Vid skifte av omgivning tydliggörs dock en markant skillnad i resultat. I en idrottshall beräknades standardavvikelsen till 0,38 RSSI medan den i en kontorsmiljö var 0,99 RSSI.Författarna drar utifrån det uppnådda resultat slutsatsen att Bluetooth Low Energy har viss potential att användas för inomhuslokalisering. Exempel på ett möjligt scenario där tekniken anses väl lämpad är då de fasta enheterna måste drivas av knappcellsbatterier under en lång tidsperiod, att systemet skall stödja en mängd olika enheter samt att en grov uppskattning av position är tillräcklig.

Indoor Positioning System (IPS) are becoming more common in many areas such as retail, warehouses, smart facilities, and manufacturing.In recent years, Bluetooth Low Energy (BLE)-based IPS has become increasingly popular due to its low cost and low energy consumption. One of the more recent updates, Bluetooth 5.1, provides the ability to compute the location using Angle of Arrival (AoA) or Angle of Departure (AoD). These new features have allowed for better positioning accuracies, where AoA-based positioning has shown sub-meter accuracy. An application area for BLE-based IPS is retail stores where the technology can benefit both the store and its customers. This thesis investigates how to populate a database to be used with an IPS in a real-life store. The assumption is that customers will have BLE equipped devices and run an application that will send the properly formatted BLE advertisements, such that an BLE IPS can locate the user in the store. Additionally, we assume that the application can use the device's e-compass or other means to determine in which direction the user's device is oriented. Based on the position and orientation of the user, the software is assumed to access a database to know what item(s) are near the customer. However, the question remains of how did this data get into the database? This degree project explores this in detail and assesses the amount of time and effort needed to populate this database and the amount of time and effort needed to keep this database up to date. This project followed an iterative Design Science Research (DSR) methodology where the artifact is the database. A relational database was used as they are widely used and joins can easily be performed and it is easy to modify existing tables. The application was developed in Spring Boot and React. Amazon Web Services (AWS) was used to host and provide the necessary services for the database and application. The result showed that the estimated time needed to populate the database in a supermarket with a sales area of 5300 m2, 36623 products, and 220 containers is 106.64 hours and 107.13 hours in the worst case assuming a walking speed of 1.4 m s-1. Updating a product would take 10.34 s and 10.37 s if the time it takes for a staff member to walk to the place where the product is located is excluded. / Inomhuspositioneringssystem (IPS) har blivit allt vanligare inom många områden. De senaste åren har Bluetooth Low Energy (BLE)-baserad inomhuspositionering blivit mer populärt på grund av egenskaper som låg kostnad och låg energikonsumption. En av de senaste versionerna; Bluetooth 5.1 kan beräkna positionen med hjälp av ankomstvinkeln (eng. Angle of Arrival (AoA)) och utgångsvinkeln (eng. Angle of Departure (AoD)). Angle of Arrival (AoA)-baserad positionering kan uppnå en noggrannhet under 1 m. Ett Bluetooth Low Energy (BLE)-baserat IPS kan tillämpas i butiker där det kan gynna både butikens medarbetare och dess kunder. Detta examensarbete kommer att undersöka hur en databas som ska användas med ett IPS i en butik kan populeras. Antagandet i detta projekt är att kunderna kommer ha BLE utrustade enheter som kör ett program som tillåter att användaren kan lokalisera sig i butiken. Dessutom antar vi att applikationen kan använda enhetens e-kompass eller annan hårdvara för att kunna avgöra i vilken riktning användarens enhet är orienterad. Baserat på användarens position och riktning, antas det att mjukvaran kan komma åt databasen och veta vilka produkter som ligger i närheten av kunden. Dock kvarstår frågan: Hur sparades denna data i databasen? Det här examensarbetet kommer alltså att undersöka hur en databas i en butik kan vara uppbyggd om vi utgår från antagandet att BLE är tillämpat i butiken. Vi kommer även bedöma hur mycket tid som krävs för att populera en databas och hålla denna databas uppdaterad. Ett iterativ arbetsätt tillämpades i examensarbetet. I projektet användes en relationsdatabas eftersom det är enkelt att utföra join-operationer och uppdatera tabbeller i databasen. Applikationen som skapades tillhandahåller funktioner för att spara, uppdatera, radera och söka produkter i databasen. Frontend var kodad i React och backend var kodad i Spring Boot. Amazon Web Services (AWS) molntjänser och deras verktyg användes för att köra applikationen och databasen. Resultatet visade att populera en databas med produkter i en mataffär med en säljyta på 5300 m2, 36623 produkter, och 220 behållare (hyllor, kylskåp, etc.) tog 106.64 timmar i bästa fall och 107.13 timmar i värsta fall om vi antar en gångfart i 1.4 m s-1.