Análisis comparativo de posicionamiento indoor vs outdoor con Esp32-s3 DW3000 mediante arquitectura big data en Aws

Abstract

Este trabajo presenta el diseño, la implementación y la evaluación de un sistema experimental de posicionamiento basado en tecnología Ultra-Wideband (UWB), utilizando un módulo ESP32-S3 DW3000 y una arquitectura de Big Data desplegada en Amazon Web Services (AWS). El propósito central es comparar la precisión del posicionamiento en escenarios indoor y outdoor, aplicando un pipeline completo que incluye captura embebida, ingesta en la nube, almacenamiento estructurado y análisis matemático avanzado mediante multilateración. El proyecto se articula en tres dimensiones: el desarrollo de hardware y firmware embebido capaz de realizar el intercambio UWB entre un tag y cuatro anchors para obtener las distancias, y posteriormente transmitir dichos valores a la nube mediante MQTT y TLS; la construcción de una arquitectura IoT–Big Data compuesta por AWS IoT Core, Kinesis Firehose, Amazon S3 y Athena, que permite una ingesta confiable y consultas eficientes; y el procesamiento de datos en Python/Google Colab, aplicando técnicas de curado, interpolación, suavizado, detección de segmentos estables, multilateración híbrida y estimación de error espacial. La calibración reveló un factor de ajuste aproximado de 1.4 para el lote particular de módulos utilizados, necesario para alinear las mediciones UWB con la escala real definida por la grilla experimental. Los resultados experimentales evidencian diferencias marcadas en estabilidad y precisión entre los entornos indoor y outdoor. Los ambientes interiores muestran mayor continuidad y coherencia temporal, mientras que los exteriores, aunque capaces de producir errores puntuales muy bajos, presentan mayor dispersión debido a la debilidad de las reflexiones y a variaciones del canal. El estudio demuestra que la precisión depende tanto de la geometría de los anchors como del procesamiento aplicado, y confirma que la integración de UWB con infraestructura cloud y análisis reproducible constituye un marco sólido para aplicaciones de localización en IoT, robótica y sistemas distribuidos. Este estudio aporta un enfoque experimental reproducible que integra hardware UWB real, arquitectura IoT–Big Data y multilateración híbrida, permitiendo evaluar limitaciones prácticas que no suelen documentarse en estudios teóricos. Los resultados demuestran que, mediante calibración y procesamiento adecuado, es posible obtener precisiones útiles incluso con hardware económico.