İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi

Sertbas, Ahmet; AYDIN, MUHAMMED ALİ; Gumus, Ergun; USTEBAY, Serpil

İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi

SERPİL ÜSTEBAY, (İstanbul Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, 34320 Avcılar, İstanbul, Türkiye)

Ergün GÜMÜŞ, (İstanbul Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, 34320 Avcılar, İstanbul, Türkiye)

Muhammed Ali AYDIN, (İstanbul Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, 34320 Avcılar, İstanbul, Türkiye)

Ahmet SERTBAŞ (İstanbul Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, 34320 Avcılar, İstanbul, Türkiye)

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

4 0

Yıl: 2017 Cilt: 32 Sayı: 4 Sayfa Aralığı: 1131 - 1141 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi

Öz:

İç mekân konum tespitinde farklı yaklaşımlar geliştirilmiş olsa da mekânın "parmak izi" adı verilen sinyalharitasını kullanan yöntemler popülerliğini korumaktadır. Bu yöntemlerin; ekstra bir maliyet gerektirmemesive hali hazırda kurulmuş olan Kablosuz Erişim Noktalarını (KEN) kullanması en önemli avantajlarındanbiridir. Bu sistemlerde konum tespiti: (i) sinyal haritasının oluşturulması ve (ii) bu harita üzerinden kişininkonum tespitinin yapılması şeklinde iki aşamadan oluşmaktadır. Sinyal haritasını oluşturmak için kullanılan KEN sayısı ve konumu; sistemin maliyetini, konumlandırma doğruluğunu ve çalışma hızını etkileyen önemlifaktörlerdir. Bu çalışma ile konumlandırma doğruluğundan ödün vermeden, daha düşük maliyetli ve dahahızlı bir sistemin oluşturulması için etkisiz KEN'leri eleyen bir küçültme yöntemi önerilmektedir. Bu amaçlabaşarılı bir boyut azaltım yöntemi olan Temel Bileşen Analizi (TBA) yöntemine başvurulmuştur. Önerilenyaklaşım, küçültülmüş sinyal haritası ve kullanıcının seçtiği üç farklı makine öğrenme yöntemini (K-En Yakın Komşuluk, Destek Vektör Makineleri, Doğrusal Ayırtaç Analizi) kullanan bir konumlandırmamodelinden oluşmaktadır. Uygulama sonucunda, KEN sayısı %70 azaltılmış modelin, K-En Yakın Komşuluk yöntemi kullanıldığında %91 doğrulukla ve sinyal haritası küçültmesi yapılmamış modele göre ortalama %75 (test süresi üzerinden) daha hızlı bir şekilde kişinin konumunu tespit edebildiği görülmüştür

Anahtar Kelime:

Signal map reduction for indoor localization and performance analysis

Öz:

Although different approaches have been developed for indoor localization, methods using the signal mapcalled “fingerprint” of the space keep their popularity. Most important advantages of these methods are; notrequiring extra cost and using existing established Wireless Access Points (WAP). In these systems,localization consists of two steps: (i) generating a signal map and (ii) locating the person over the map. Thenumber and position of WAPs used to generate the signal map are important factors affecting the cost of thesystem, localization accuracy and operating speed. This work proposes a minimization method that avoidsineffective KENs to create a lower cost and faster system without compromising localization accuracy. For this purpose, Principal Component Analysis (PCA) method which is a successful dimension reduction toolhas been utilized. The proposed system consists of a reduced signal map and a localization model using threedifferent machine learning methods (K-Nearest Neighbor, Support Vector Machines, Linear DiscriminantAnalysis) chosen by the user. As a result of the application, it was seen that the model with 70% less WAPswas able to detect the position of the person with 91% accuracy using K-Nearest Neighbors method and 75% (over the test time) faster compared to the model of non-reduced signal map

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

1. Paramvir B., Padmanabhan V.N., RADAR: An inbuilding RF-based user location and tracking system, INFOCOM 2000. Nineteenth Annual Joint Conference of the IEEE Computer and Communications Societies, Proceedings. 2, 777-784, 2000.
2. Technavio. Top 33 Indoor Location-Based Services (LBS) Companies in the US. https://www.technavio.com/blog/top-33-indoorlocation-based-services-lbs-companies-in-the-us, Yayın Tarihi 19 Haziran 2014, Erişim Tarihi 10.06.2016.
3. Ekahau. Wi-Fi Site Surveys: Passive, Active, RTLS, https://www.ekahau.com/blog/2010/04/27/wi-fi-sitesurveys-passive-active-rtls. Yayın Tarihi 27 Nisan 2010. Erişim Tarihi 10.06.2016.
4. AeroScout Company. RTLS (Real Time Location Systems) Solutions: http://www.aeroscout.com/ Yayınlanma Tarihi 10. Ocak. 2011, Erişim Tarihi 10.06.2016.
5. Carlson J.D., Mittek M., Parkison S.A., Sathler P., Bayne D., Psota E.T., Bonasera S.J. Smart watch RSSI localization and refinement for behavioral classification using laser-SLAM for mapping and fingerprinting, Engineering in Medicine and Biology Society (EMBC), 2014 36th Annual International Conference of the IEEE, 2173-2176, August, 2014.
6. Tatar Y., Yıldırım G., A dynamic location estimation technique based on fingerprint using a reduced radio map in wireless sensor networks, Journal of the Facultyof Engineering and Architecture of Gazi University, 29 (2), 217-226 2014.
7. Cherntanomwong, P., Suroso D.J., Indoor localization system using wireless sensor networks for stationary and moving target, Information in Communications and Signal Processing (ICICS) 8th International Conference of IEEE, 1-5 December 2011.
8. Zhang A., Yuan Y., Wu Q., Zhu S., Deng J., Wireless localization based on RSSI fingerprint feature vector, International Journal of Distributed Sensor Networks 11 (11), 2015.
9. Torres-Sospedra J., Montoliu R., Martínez-Usó, A., Avariento J.P., Arnau, T.J., Benedito-Bordonau M., Huerta J., Ujiindoorloc: A new multi-building and multi-floor database for wlan fingerprint-based indoor localization problems. In Indoor Positioning and Indoor Navigation (IPIN) 2014 International Conference of IEEE, 61-270, October, 2014.
10. Chen G., Meng X., Wang Y., Zhang Y., Tian P., Yang H., Integrated WiFi/PDR/Smartphone using an unscented kalman filter algorithm for 3D indoor localization, Sensors, 15 (9), 24595-24614, 2015.
11. Gu Q., Li Z., Han J., Generalized fisher score for feature selection. arXiv preprint arXiv, 1202-3725, 2012.
12. Liu H., Setiono R., Chi2: Feature selection and discretization of numeric attributes. Tools with artificial intelligence, Seventh international conference on IEEE, 388-391, November, 1995.
13. Mitchell Tom M., Machine Learning.,The Mc-GrawHill Companies, Inc, 0070428077, 997, 1997.
14. Hotelling H., Analysis of a complex of statistical variables into principal components, Journal of Educational Psychology, 24 (6), 417–441, 1933.
15. Vapnyarskii I.B., Lagrange multipliers, Encyclopedia of Mathematics, 978, 1-55, 2001.
16. McLachlan G.J., Discriminant Analysis and Statistical Pattern Recognition. Wiley Interscience, 544, 2004.
17. Alpaydin E., Yapay Öğrenme, Boğaziçi Üniversitesi Yayınevi, 2013.
18. Chang C.C., Lin C.J., LIBSVM: A library for support vector machines, ACM Transactions on Intelligent Systems and Technology, 2:3, 27, 2011.
19. Torres-Sospedra J., Montoliu R., Trilles S., Belmonte Ó., Huerta J., Comprehensive analysis of distance and similarity measures for Wi-Fi fingerprinting indoor positioning systems, Expert Systems with Applications, 42 (23), 9263-9278, 2015

APA	USTEBAY S, Gumus E, AYDIN M, Sertbas A (2017). İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. , 1131 - 1141.
Chicago	USTEBAY Serpil,Gumus Ergun,AYDIN MUHAMMED ALİ,Sertbas Ahmet İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. (2017): 1131 - 1141.
MLA	USTEBAY Serpil,Gumus Ergun,AYDIN MUHAMMED ALİ,Sertbas Ahmet İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. , 2017, ss.1131 - 1141.
AMA	USTEBAY S,Gumus E,AYDIN M,Sertbas A İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. . 2017; 1131 - 1141.
Vancouver	USTEBAY S,Gumus E,AYDIN M,Sertbas A İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. . 2017; 1131 - 1141.
IEEE	USTEBAY S,Gumus E,AYDIN M,Sertbas A "İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi." , ss.1131 - 1141, 2017.
ISNAD	USTEBAY, Serpil vd. "İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi". (2017), 1131-1141.

APA	USTEBAY S, Gumus E, AYDIN M, Sertbas A (2017). İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 32(4), 1131 - 1141.
Chicago	USTEBAY Serpil,Gumus Ergun,AYDIN MUHAMMED ALİ,Sertbas Ahmet İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 32, no.4 (2017): 1131 - 1141.
MLA	USTEBAY Serpil,Gumus Ergun,AYDIN MUHAMMED ALİ,Sertbas Ahmet İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol.32, no.4, 2017, ss.1131 - 1141.
AMA	USTEBAY S,Gumus E,AYDIN M,Sertbas A İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2017; 32(4): 1131 - 1141.
Vancouver	USTEBAY S,Gumus E,AYDIN M,Sertbas A İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2017; 32(4): 1131 - 1141.
IEEE	USTEBAY S,Gumus E,AYDIN M,Sertbas A "İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 32, ss.1131 - 1141, 2017.
ISNAD	USTEBAY, Serpil vd. "İç mekân konum tespitinde sinyal haritasının küçültülmesi ve performans analizi". Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 32/4 (2017), 1131-1141.