文摘

本地化是室内服务的主要支柱之一。然而,它仍然是非常困难的移动传感社区比较先进的室内定位系统由于缺乏公开可用的数据库。让公平和有意义的对比室内定位系统,他们必须被评估在相同的情况下,或在同一套的情况。本文介绍了两个数据库为研究磁场和无线网络的性能基于指纹定位系统(即在相同的环境。,室内面积)。“磁”数据库包含40000多个离散捕获(270连续样本),而“无线”一个包含1140个的。环境和两个数据库完全详细的摘要。一组实验提出两个简单却有效的基线开发测试数据库的适用性。最后,这两种类型的定位技术的优缺点进行了较为详细的试验研究。

1。介绍

本地化,预计市场将在2019年增长到44亿美元(1,2),支持室内服务至关重要。大多数最新的应用程序需要用户的位置来定制他们的服务(3- - - - - -5)、监控的人6),或跟踪物联网对象(7),等等。此外,位置还可以用于检测用户的活动和基于他们提供定制服务。

许多不同的方法被用来解决室内定位的问题在过去几年。它们可以被分类,根据(8),轨道和infrastructure-less技术。选择基于前类别需要部署自定义信号灯和仪器来感知环境和提高室内定位精度,而系统基于后者使用“信息”已经出现在环境中。在所有可能的技术,可用于定位,这项工作集中在那些基于磁场和wi - fi指纹。这两种技术的定位有很大的不同。前者是基于唯一性的扰动磁场由建筑物的结构元素,往往是当用户正在使用。wi - fi的基于指纹识别技术的使用,它更代表当用户是静止的。

基于磁场的系统和无线指纹识别技术属于infrastructure-less类别和他们已经吸引了许多研究者的关注在过去几年由于其较低的部署成本。wi - fi指纹技术只能被视为infrastructure-less当他们依靠现有的无线网络为沟通目的而设计的。在部署无线网络时故意提高定位,基于无线定位应该考虑一个轨道系统。相比之下,基于磁场技术一直被认为是infrastructure-less因为他们不需要任何外部设备来支持室内定位。

虽然有几个作品处理室内定位,每一个建立自己的评价步骤。因此,可用的工作不能直接比较,即使他们使用相同的室内定位技术,因为它们使用不同的评价指标,评价室内区域(环境),映射策略,和/或硬件元素,以及其他许多人。进行有意义的比较,评价的室内定位系统必须使用相同的方法。

出版的数据库(9,10),开放竞争的组织(11- - - - - -15],和新基准的扩散倡议[16,17)和标准,如ISO / IEC DIS 18305标准(18),是克服室内定位研究领域的主要缺点,即缺乏一套共同的数据库和框架有意义的评估和比较的方法。尽管所有这些措施促进室内定位系统的公正评价,仍有很长的路要走完全覆盖所有可能的环境。的数据库(9,10提出了解决这些缺点。他们可以用来比较wi - fi指纹和磁场,分别基于定位的方法。然而,每个数据库涵盖了不同的环境,因此,它是不可能比较在同一环境中不同的技术。

本文介绍了两个不同的数据库,允许两种不同技术的比较在相同的环境中。第一个,UJIIndoorLoc-Mag数据库(http://archive.ics.uci.edu/ml/datasets/UJIIndoorLoc-Mag),之前在2015年IPIN会议(10),是第一个公开数据库,可以用来进行比较在不同磁场的基础方法。第二个由一组wi - fi指纹在同一区域的捕获UJIIndoorLoc-Mag数据库。

本文扩展了工作提出了(10)包括一个新的基于无线指纹数据集在相同的环境下,新的基线评估这两个技术,一个全面的比较,并讨论这两种技术的优缺点。据我们所知,这是第一个贡献在两个不同的室内定位技术(磁场和wi - fi信号)相比,在相同的环境中。

移动设备(智能手机和平板电脑)用作定位装置的所有实验提出了。他们已成为一项重要的选择定位,让行人导航系统的实现。此外,移动应用程序使用不同的目的定位的数量正在上升。特别是,Android设备被使用,因为他们允许完全访问传感器和他们占据了全球智能手机操作系统市场约80 - 85%的市场份额。

这个工作的主要贡献可以概括如下:(1)我们介绍两个数据库覆盖相同的环境中,一个基于磁场定位,另一个为wi - fi指纹。两个数据库公共访问(http://indoorloc.uji.es)。(2)我们提出一套新的基线测试磁场的适用性和基于无线定位技术在相同的环境中。(3)我们提出一个全面的比较这两个著名的室内定位技术,显示出每个人的优点和缺点。

本文的其余部分组织如下。部分2介绍了相关的工作。部分3提供了数据集的分析和设计。部分4介绍了材料(数据库)和方法(基线)。部分5显示结果和讨论。最后,部分6礼物最重要的结论出现从这个工作。

2。相关工作

本节介绍了一些以前的作品在室内定位技术关注的数据集被用来测试的建议。

2.1。先前基于磁场定位工作

有许多论文在文献中基于磁场处理室内定位问题的方法。综述了其中一些在本节19- - - - - -25]。我们专注于数据集用于测试该算法和我们国家是否公开。

四个实验都是在19)来演示使用磁场定位的可行性。在第一个,数据收集在一个特定的位置在六个不同的环境中。在第二个,数据收集五重叠的走廊。在第三个十字路口中收集的数据的两种不同的方和常规电网。在最后一个,磁场垂直方向的变化进行了研究5厘米的决议。虽然实验和结果详细,细节的数据库并不包括在内。最后,作者指出,在某些情况下,其他技术(如基于无线的)可以利用,以避免严重错误和约束定位区域。作者得出结论,分表精度,甚至subdecimetre准确性,与magnetic-based定位是可能的。

作者提出了实验的21发生在一个长方形的,67×12米²等,包括走廊的周围空间实验室,办公室,图书馆。所以他们认为的环境4笔直的走廊,平行走廊之间的距离在哪里高,12米和67米。此外,静态数据收集与间隔45厘米,10秒花在每个位置。训练样本数据库包括350(大约)5特性,包括位置并在三轴磁强计值。然而,信息收集的数据以及它们的大小没有描述。他们最近的邻国相比,粒子滤波,他们提出的修饰符粒子滤波。他们的系统提供了最好的准确性和他们获得的平均误差为0.95 m。

在[22),作者证明了地磁定位执行相当不错的三个组件磁场-- - - - - -,- - - - - -,轴是考虑。他们测试在三个不同的环境定位系统:一个郊区的房子,一个城市中心的公寓,和大学实验室。数据收集的磁通密度在1米间距。此外,他们还进行了磁指纹测试米²的卧室。然而,他们并未详细样本的数量。他们的实验报道全球平均精度为1.4 m的三个分量磁力仪的使用;这个错误减少到0.9米的知道用户所在的房间。

在[23),作者选择了一个多层建筑的走廊评估利用地磁场信息定位的性能与四个不同的设备。走廊的长度是36米,宽2米。在三个不同位置采集标本沿着走廊:()为中心的位置,()60厘米左走廊中心,()60厘米的走廊中心。共20分是用于测试目的。环境是狭窄的和现实的,因为三个不同的并行路径2米宽的走廊组成。他们获得的,在某些情况下,错误0.6。

室内定位系统基于可穿戴设备成功地介绍了(24]。测试系统在两种截然不同的环境中,187走廊循环环境(310年37200个训练样本和测试数据点)和心房环境(408年40800个训练样本和测试数据点)。他们还调查了指纹区别层使用一个数据集从每层以60分。他们使用一种特殊装置与四个磁力计传感器采样磁指纹,所以向量由12元素。他们报告说,他们的系统是4.7米的准确性,中位数为0.71 m,第90百分位是1.64米。他们还表示,他们可以达到0.45米精度通过结合磁场和无线接收信号强度(RSS)方法(即。指纹识别)。

吉普赛人,定位系统提供了一个平均误差为2.1 m,介绍了在25]。该系统的主要特点是磁值转换为让他们独立使用重力值取向。测试是在一个地板Bahen信息技术中心(加拿大多伦多大学)。虽然单个路径约170多次映射在不同条件下,数据没有提供细节。

表1总结了前面的审查工作中使用的数据库(19,21- - - - - -25]。我们已经确定了三种不同类型的数据库(组1、2和3表中)根据采集标本:()连续样本嫡系的环境中(如走廊),()离散样本在直系的环境中,和()在一个二维空间离散样本。请注意,一个单一的连续样本对应于一个连续的序列离散样本在直系的环境中。我们还包括连续和离散的数据对我们的数据库版本。

结果和结论的可靠性提出了所有的这些贡献高,但使用的数据库没有完全详细和他们的访问是受限制的(不公开)在所有研究案例。例如,如何存储位置信息并不总是提供。这些信息中所描述的一些作品(如[21省略),但它在大多数的贡献(如在19,22- - - - - -25])。表示,这些信息没有提供,我们使用疯狂的在表1。

虽然在实验中使用的连续样本数量似乎低,5 (19)和3 (23),向量的长度是足够高的执行实验。然而,我们的比他们的数据库包含更多的信息,它包括270连续样本离散样本(35779)培训和11个复杂连续样本(4380离散样本)进行测试。不仅在我们的例子中,我们考虑的走廊也组合两个连接走廊(将改变走廊)。在一些作品中,收集的信息数据没有描述(25]。

2.2。以前的基于无线定位工作

有许多论文在文献中基于无线室内定位方法处理问题。综述了其中一些在本节26- - - - - -30.]。类似于节2.1,我们专注于数据集用于测试该算法和我们国家是否公开。

实验中引入[26]介绍了雷达,先锋wi - fi基于RSS的室内定位系统。一些重要的分析(26的影响:数据点的数量和样本的数量,用户导向的重要性,和跟踪移动用户的问题,等等。实验测试床是位于二楼豪华坟墓依山而建。虽然这环境占地980米²(43.5米×22.5米),包括50多个房间,只在走廊进行了实验。实验依赖一个轨道的拓扑结构,3基站(wap)部署。移动主机是一个笔记本电脑。至少20个不同的指纹被70参考点使用四个不同用户的方向。作者得出结论,2和3 m之间的平均误差与这个技术是可行的。

作者提出了实验的27]介绍了EZ,基于遗传算法用于执行室内定位,避免显式预部署工作。进行了四个实验在两个不同的环境中,一个小一(27×18米、486米²)和一个大(140×90米、12600米²)。创造轻松的参考数据和两个著名的室内定位系统(雷达(29日)和何露斯(31日),他们收集指纹在网格的位置与1.5分离小环境和3 m分离大的环境。他们聚集在大约5分钟10.000测量位置。EZ系统的介绍,在48聚集数据+ 3分(小环境)和101 + 15分(大型环境)。用户走过环境,站在每个位置大约3秒钟。他们报告说,他们的系统给了2 m的值错误,小环境,7米的大的环境。雷达提供了更好的结果值错误1.3米和5米的测试环境。

作者提出了实验的28)进行了Tietotalo坦佩雷大学建筑技术(10000米²约)。参考数据是在96年收集的参考点和30 RSS测量。消除衰落效应,他们计算的均值30 IPS的测量。206发现了wap在培训阶段,在诺基亚N900是设备用于收集数据。在操作阶段,数据收集与诺基亚N900和43个测试点,两周后,一台笔记本电脑。再次30 RSS与诺基亚N900,测量和20个RSS与笔记本电脑进行测量。他们的系统报道平均误差为4米。

在进行实验的29日)认为multibuilding和multifloor定位。实验进行了两米尼奥大学的三层建筑,葡萄牙。校准和运营阶段的数据收集使用笔记本电脑配备三个网络接口;所以每个观察收集多个指纹在三个不同的高度。训练阶段,三个参考点被选为每一个房间。因此,总共有392个校准点成立于9358年整个环境和校准样品。出于测试目的,选择472个均匀分布和3样本收集。系统报道平均误差为3.35 m,检出率为74.1%,房间地板检出率为99.5%,检出率为100%。

所做的实验的作者(30.)是综合开发的基准方法EVARILOS项目(16,17]。他们为本地化和部署自定义wap使用MacBook Pro笔记本作为客户的设备。他们在四个不同的实验环境中进行:一个小办公室,一个中等实验室,一个大办公室,一个大的开放空间。在实验中,每个训练点由40 RSSI扫描。的小办公室收集参考指纹在41个地点,和20个指纹进行检测的算法。媒体实验室,他们收集了56个参考和20个测试指纹。大尺寸的办公室,他们收集了123参考和60测试指纹。在过去的开放空间,他们在100个地点收集参考指纹和测试指纹在27个均匀分布的位置。他们报告了一个错误的约2米的小办公室,媒体实验室,和大尺寸的办公室,而一个错误报道约7米的挑战性大的开放空间。

表2总结了前面的审查工作中使用的数据库(26- - - - - -30.]。此外,UJIIndoorLoc数据库(10),用于2015年EvAAL-ETRI竞争(15]在IPIN会议上,也包括在表中2。我们已经确定了两个主要的组根据基础设施用于定位:轨道(他们部署自定义元素来支持定位)和infrastructure-less(支持定位,他们已经部署的天线用于连接)。我们也显示wap部署的数量/用于定位、覆盖区域,参照点的数量,每个参考点和指纹的数量,我们也确定是否multibuilding和/或multifloor环境。

虽然结果和结论的可靠性提出了这些贡献也很高,使用的数据库并没有完全详细的在所有的情况下和环境是完全不同的。为了公平比较不同算法,提出必须实现和测试在新环境是在27]。特别是,作者的27雷达(相比)26)和何露斯(31日在相同的室内面积,结果显示使用一个共同的数据库比较系统的重要性。例如,雷达提供了一个平均误差约1.3米(小环境)和5米(大型环境中)。解决雷达系统中值为2到3米的范围内(26]。

3所示。问题的分析和数据集的设计

本节()提出了环境选择执行这两种技术的比较,()显示一些基本的测试,以确定使用磁场的可行性,()提出了室内定位使用手机的wi - fi信号选择的环境和数据集的设计,和(介绍了两个数据库的设计。

3.1。环境

所有的实验都在进行地理空间技术研究小组的办公室。它位于Espaitec-2大楼的五楼大学Jaume我大学校园。这个主办公室约260²它有21个书架和18桌面如图1和2。

3.2。是可行的使用磁场的位置提出了环境?

一个实验已经完成的可行性研究使用磁场,测量由谷歌Nexus 4手机,走廊里的实验室提供室内定位。两个简单的轨迹在实验室(见图1)被选中。第一个包含两个部分;用户进入实验室和直接,直到到达顶部一侧窗户然后右转,直接到右侧窗口。第二个是一个简单的轨迹,用户直接通过一个走廊。记录值的实验由磁力仪提供的手机,同时走两个轨迹。这是重复5次在不同的日子和时间槽;最后重复了16天,6小时后第一个不同的因素,包括入住率分布,被认为是。磁力仪的采样频率设置为10 Hz平衡计算成本和能源消耗与时间序列分辨率。

磁力仪提供了一个向量对应于磁场的强度和方向。这个向量是相对于移动设备如图3和价值观是以microteslas (μT)向量的例子显示在图3意味着有一个磁场为46.669μT力量在45度的方向设在和设在的设备。

图4显示了磁强计值通过记录轨迹,离开情节((a)、(b)和(c))对应磁强计(测量值- - - - - -,- - - - - -,设在resp。)第一块轨迹(两个走廊)和右((d)、(e)和(f))对应于第二个轨迹(单通道)。请注意,水平和垂直尺度是不同的轨迹。

它可以观察到磁强计值相似的五分根据情节的轨迹。尽管在第二轨道磁值并不完全相同的在第五轨迹运行,分歧很低,约5μt在这两种情况下,曲线的形式是非常相似的五分,有小幅度的变化测量在每个位置。

从这个测试的结果,可以得出结论,同一位置的磁场测量仍然几乎不变,因此,室内定位方法可以开发基于这个事实。

3.3。使用wi - fi是可行的RSSI值位置提出了环境?

遵循同样的目标,一个新的实验已经完成为了知道使用wi - fi RSSI值的可行性被使用手机提供室内定位提出了环境。

在这个实验中,三星Galaxy S4智能手机被设定为一个固定的位置在一个小办公室(见图1)和一个wi - fi收集器应用程序是运行在实验记录指纹。应用程序收集每分钟4指纹,一天24小时,总共8(8)连续几天。所以,34000指纹采集指纹(4·60分钟/小时/分钟/天24小时··8天)。应用程序商店所有原始指纹不施加任何限制,因此所有探测到wap无线扫描注册,甚至那些与天线外的实验室。尽管我们发现近40种不同wap在这个实验中,我们主要集中在六个天线发出的信号位于我们的实验室(见图1),因为遥远的天线的稳定性和鲁棒性是太低了,我们没有完成他们的位置信息,使用,和可用性。

图5显示了意味着RSSI值每隔五分钟从0:00 23:55在两个不同的日子,周六(非职业天)和周一工作日(完全)4 wap目前在实验室用于网络连接。数据5(一个)和5 (b)对应于两个无线路由器放在办公室(红星位于图的顶端1和黄色钻石位于图的底部1)。数据5 (c)和5 (d)对应于一个独特的企业WAP,发出2网络在2.4 GHz的乐队和2网络5 GHz乐队(蓝色恒星图1)。

根据这个实验,wi - fi信号稳定时的人数很低(周六)或者当信号发出5 GHz的乐队。虽然在2.4 GHz无线发射带的存在影响人32)和木元素,指纹为提出环境似乎是有效的,因为接收信号强度指示(RSSI)白天值往往是相似的,在不同的日子。这种行为也是类似的其他检测到wap在办公室。

3.4。数据库设计

开发一个室内定位系统(IPS)有一个关键的步骤,生成好的训练数据。根据文献,现有的方法可以提供更好的结果和/或更糟糕的结果比原来提供的参考根据环境和战略后收集参考数据(见雷达结果(26,27])。自生成好的训练数据是至关重要的,已经建立了一个协议来生成一个训练数据集(或引用)和验证数据集的两个完全不同的技术:磁场和wi - fi指纹。特别是,训练数据应该收集八走廊组成GEOTEC实验室(见部分3所示。1在两个方向)。这个捕获过程应该重复5次。这两个数据集还应该包括时间信息,这可能是用于进一步进行时空分析。

关于磁数据库,数据从磁强计、加速度计、和方向传感器包括在数据库中有更好的环境和知识背景。因此,入侵防御可以确定用户的速度,用户的结果,和其他常见的情况下,当用户通过室内导航设施。收集的数据应该在所有走廊直系段在两个方向上。一般来说,这是很自然的人们走路的方式。此外,数据之间的十字路口走廊也应该为了收集用户的信息。大多数的情况下,可能发生在一个室内环境(例如,人在走廊里和其他障碍的存在)时应考虑映射。结果,包括L-Turns和转弯,应该映射到一个完整的参考数据库,因为IPS的准确性可能取决于情况记录在参考数据库。

关于无线网络数据库为基础,在每个参考点连续几个指纹。如图5,RSSI值并不总是恒定的。事实上,两个连续的(时间)RSSI读数可以稍微有所不同,即使是阅读一秒分开。有一个更好的参考数据集和考虑RSSI波动,连续5为训练数据集收集指纹多样性添加到数据库中。几个连续的指纹也应该在每个位置的验证数据集。所以,单一指纹实时和离线multiple-fingerprint方法可以评估我们的数据库。一些入侵防御发现文献中计算一组指纹的平均值来估计用户的位置。因此,该数据集应该包括这个问题。

4所示。材料和方法

本节介绍了材料(数据库)和方法(基线评估数据集)的适用性。

4.1。数据库基于磁场定位

磁场的数据库是基于测量的变化磁场产生的结构元素出现在一个特定的环境中。磁指纹被当用户走过提出环境(见部分3所示。1)。允许这个连续映射,主要路线通过GEOTEC实验室分为8个主要走廊(见图6)。

正如前面所讨论的那样3所示。4,数据库包含映射示例与8走廊组成环境和两个走廊(参见图之间的十字路口7)。映射“十字路口”可以使一个更健壮的参考数据库,因此,传感器值也记录在用户转向改变他/她走过的走廊。8通道和19个十字路口被映射在两个不同的方向与谷歌Nexus 4运行Android 5.0.1。因此,有54个不同的可选路径。抽样对每条路径重复5次,所以数据库设计用于培训目的是由270个不同的连续样本。八个走廊的样本收集4月23日,2014年,而19路口大多是收集样本9月26日至29日,2014年,为了有时间数据库中的多样性。5个重复的连续。

映射过程捕获来自三个不同的传感器的数据来源:磁强计、加速度计、旋转传感器。第一个源提供了原始数据的传感器的三轴磁强计(,,]。第二来源从原始数据获得的三轴加速度计也减去重力。最后一个方向表示为三个轴旋转的角度。获取数据时,用户从一个起点一个终点,并收集数据在每0.1 s。所以连续磁场指纹存储。每个连续的样本包含初始和结束点的坐标和坐标的转折点时捕获的交叉点上。此外,它包含离散了,每一个9以上特性加上时间戳。初始/转/结束位置和时间戳,可以计算离散的位置捕获用户限制以来走在恒定速度的同时捕获的磁场值。

映射过程执行与一个Android应用程序直接访问传感器的数据。用户的角色的应用程序显示区域数据捕获过程将被执行。最初,应用程序显示一个地图集中在该环境。然后,用户吸引他/她想要遵循的轨迹捕获数据(见图7(一))。这个轨迹的路径可以包含一个走廊或在几个的。用户需要被放置在路线的起点,然后,点击“开始录音”按钮后,程序开始收集数据,直到用户到达终点并单击“点击结束”按钮(见图7 (c))。在multicorridor路径的情况下,用户必须按“敲打”按钮表明他们被放置十字路口(见图7 (b))。

出于测试目的,复杂路线(见图98)实验室被映射。这些路线是从不同的走廊和执行不同的轨迹。九个轨迹绘制了上述谷歌Nexus 4智能手机。他们两个,路线2和7,也映射了LG G3智能手机与Android 5.0和存储为10和11日测试样本(文件TT10和TT11, resp)。所以,总共11复杂的连续样本用于测试目的。请注意,11个测试轨迹是复杂的,在超过一个走廊。虽然8日和9日轨迹被放置在一个走廊环境中,他们也可能被视为multicorridor自转变(180°)。

数据存储在每个样本成正比的时间需要完成一个既定路径,由于采样周期为0.1秒。加速度计提供的数据,磁强计和方向传感器设备的存储每秒10倍。例如,如果用户需要12秒地图一条走廊,相应的连续样本将有1200个值(12。离散捕捉××10 10特性)。

所有路径、十字路口、切屑与很高的映射精度;因为知道一个人在正常情况下可以覆盖的距离1.39米每秒,数据捕获大约每0.139米。用户走过单走廊和multicorridor轨迹没有任何障碍。虽然研究小组成员在办公室和研究人员在场,没有人站在走廊里。

以下4.4.1。数据库文件的描述

数据库包括281连续样本;270年培训和11人进行测试。走廊已确定根据他们的编号(见图6)和取向。垂直通道的取向是“正常的”当用户正从下到上(图中)和“反向”走路时从上到下。同样,水平走廊的取向是“正常”,当用户从左至右,走“反向”走路时从右到左。样品已经被存储为文本文件。培训文件分为两大类“线”和“曲线”:(我)“行”组80个文件,他们代表一个走廊。文件名的格式是“lX_Z.txt”,l代表的是小写的l(线),X代表走廊的数量和方向(n或r),Z代表重复。例如,l3r_04.txt代表第三走廊的样本与正常取向和第四个重复。(2)“曲线”集团有190个文件,他们代表了所有可能的轨迹只考虑两个连接走廊。该集团的文件名的格式是“cXXYY_ZZ.txt”,c代表的是小写的c(曲线),XX和YY站的走廊和方向第一和第二两个走廊的轨迹,走廊ZZ代表重复。例如,c5n1r_06.txt代表第五走廊的样本与正常取向和第一走廊与反向取向和第六重复。(3)测试文件的文件名格式”ttPP.txt”,页代表了复杂的测试数量(参见图轨迹8),例如,tt03.txt。

在每个文件中,数据存储如下:

ts1	mx1	我的1	mz1	斧头1	唉1	阿兹1	牛1	oy1	盎司1
⋮
tsn	mxn	我的n	mzn	斧头n	唉n	阿兹n	牛n	oyn	盎司n
< m >
纬度1	朗1	纬度2	朗2	FS1	LS1
⋮
纬度米	朗米	纬度m + 1	朗m + 1	FS米	LS米

在这里,n是样本中收集的数量在0.1秒的频率和轨迹吗米段的数量(走廊)的轨迹。每个样本包含时间戳,ts,从磁强计值、加速度计和方向传感器的三轴,用mx,我的,mz,斧头,唉,阿兹,牛,哦和盎司。最后,纬度_我和朗_我对应的坐标,经纬度,最初的,中间(十字路口),和最后一个点。代表坐标,WGS84标准与十进制度表示被选中。一个轨迹米走廊里有m + 1点。FS_我和LS_我站的th轨迹的第一个和最后一个样本,分别在样本收集的全部序列轨迹映射。

根据前面的结构、文本文件由两个分化良好型的部分分开的行显示轨迹段的数量:(期间)的离散序列样本轨迹映射和()的配置数据。

第一部分包含时间戳(UNIX时间格式,以毫秒为单位)和磁强计的矢量数据(Android的TYPE_MAGNETIC_FIELD)、加速度计(TYPE_LINEAR_ACCELERATION),和方向传感器(TYPE_ORIENTATION)。加速度计的值不包括重力的力量更好地表示用户的真实运动。连续两个样本(垂直)表示从6日测试轨迹如下:

ts24	1417178330528	ts25	1417178330629
mx24	24.899292	mx25	24.719238
我的24	-10.319519	我的25	-11.219788
mz24	-49.55902	mz25	-49.319458
斧头24	-0.12917818	斧头25	-0.15856716
唉24	0.52311563	唉25	0.68318987
阿兹24	-0.19135952	阿兹25	-0.15023136
牛24	-64.537674	牛25	-62.273254
oy24	-21.03711	oy25	-21.420563
盎司24	0.15363675	盎司25	0.5122262

第二部分包含了初始的位置信息,中间,和终点此外,样品可以关联到走廊部分,此外,还提供了切屑的信息在所有样本。

例如,第六部分的配置测试轨迹如下:

纬度开始	朗开始	纬度开始	朗开始	样本开始	样本结束
39.99389	-0.07375	39.99393	-0.07384	0	71年
39.99393	-0.07384	39.99386	-0.07389	72年	159年
39.99386	-0.07389	39.99388	-0.07394	160年	223年

纬度和经度坐标被截断,在本文档中,5小数表示的目的。三个部分组成这个例子,所以中间点的数量(十字路口)4。映射的第一和第二段的长度是相似的,而第三段的长度略小。

4.2。数据库基于无线定位

wi - fi指纹识别的数据库是根据接收到的信号强度的无线访问点。因为这是一个异步任务在Android设备及其频率取决于设备,无线指纹被抓获的用户在一个已知的静态位置在实验室。允许这种离散映射,有些参考点确定培训(见图9(一个)(见图)和测试9 (b)8)主要走廊GEOTEC实验室。

在磁场的基础数据库,基于wi - fi的数据库还包含映射样本与8走廊组成GEOTEC主要实验室。我们认为4和5之间的映射参考分走廊就足够了由于短长度的走廊。8通道映射在两个不同的方向与三星S3(安卓4.3)和LG精神4 g LTE (Android 5.0.1)。抽样在每个参考点是重复连续5次,所以,数据库设计用于培训目的是由共有680个不同的离散样本。同样,8通道再次映射在不同参考点生成验证集,它由460个不同的离散样本。

映射过程包括扫描无线网络环境和记录这些信息,预先制定的指纹,引用点位于实验室。任何无线指纹包含的RSSI值中的所有探测到wap无线扫描。此外,任何指纹还包含参考点的坐标和信息用户和设备,最后,一个时间戳。尽管我们的环境已经5 wi - fi路由器和一个特殊企业WAP发出四个网络(两个2.4 GHz的乐队和两个5 GHz乐队),发现了几个外部WAP在实验室。值得一提的是,我们没有应用任何限制的RSSI值记录时,所以属于外部wap的RSSI值也被存储。

执行映射过程与Android应用程序直接访问传感器的数据。用户在应用程序中扮演的角色是指示区域的数据捕获将被执行。最初的应用程序显示一个地图提出了环境。然后,用户利用其当前位置在地图上和应用开始收集连续5 wi - fi指纹(见图10)。

4.2.1。准备数据库文件的描述

数据库包括1140无线指纹;培训680人,460人进行测试。处理所有个人指纹后,共有97个不同的wap(其中9位于环境和休息,88年以外)被检测到。由于隐私问题,每个WAP的MAC地址匿名,所以数据库使用虚拟标识符WAPXX而不是MAC地址。

数据库包括RSSI值9已知WAP(五个路由器+四个网络提供的特殊企业WAP)和88年“未知”WAP安装在实验室之外,这可能主要是位于附近的设施。之间的对应关系已知的wap(见图1)和虚拟标识如下:(我)WAP67:绿星位于图像的左上的。(2)WAP68:绿星位于图像的右下角。(3)WAP70 WAP80:蓝色恒星发出的两个网络5.2 GHz的乐队。(iv)WAP74 WAP84:蓝色恒星发出的两个网络2.4 GHz的乐队。(v)desktop-zone WAP95:红星位于中心。(vi)WAP96:红星位于desktop-zone底部。(七)WAP97:红星位于desktop-zone顶部。

指纹被存储为两个独立的文本文件,每一行包含以下数据:

RSSIWAP01

RSSIWAP02

⋯

RSSIWAP97

朗

纬度

Phone_ID

时间戳

在这里RSSI_WAPXX是匿名的WAP的RSSI值标识符是什么WAPXX,纬度和朗坐标(WGS84十进制度格式),Phone_ID标识该设备用于映射(三星Galaxy S3 1;2 LG精神4 g LTE),时间戳是时间戳。nonrealistic的RSSI值+ 100用来表示,WAP中没有检测到无线扫描,因为它是关闭的信号太弱或智能手机去检测它。例如,第一个训练样本具有以下数据(没有左标题):

RSSIWAP01对RSSIWAP10	100100100100100100100、-88100100、
RSSIWAP11对RSSIWAP20	-92100100100100100100、-77100100、
RSSIWAP21对RSSIWAP30	100100100100100100100100100100年,
RSSIWAP31对RSSIWAP40	100100100100100100100100100100年,
RSSIWAP41对RSSIWAP50	100100100100100100100100100100年,
RSSIWAP51对RSSIWAP60	100100100100100、-89100100100100、
RSSIWAP61对RSSIWAP70	100100100,-73,-87,-81,-66,-67100,-54,
RSSIWAP71对RSSIWAP80	-83100100、-47、-60100100100100、-55、
RSSIWAP81对RSSIWAP90	-80100、-77、-45、-61100100100100100、
RSSIWAP91对RSSIWAP97	100100100,-87,-49,-57,-53,
经度和纬度	-0.07384642645414766,39.99384618213595,
用户,电话和ts	2、1、1450452282

在这个例子中指纹,三星Galaxy S3发现22 wap在第一个培训参考点(左下侧循环图9(一个))。WAP84提供的最强烈的信号,这对应于WAP的特殊企业。它可以观察到所提供的RSSI WAP74 WAP84是不一样的,即使他们提供相同的设备。这是相同的WAP70 WAP80。一些外部wap报告strong-moderate信号强度:WAP67 WAP68 WAP75, WAP85。我们考虑到室内的所有信号可能是重要的位置,因此,我们没有删除或过滤任何值。

4.3。比较两个数据库

两个独立的数据库聚集在走廊GEOTEC实验室的介绍本文的基于磁场定位,另一个用于无线指纹。收集的样本时的用户走磁场基础数据库,而用户必须保持一些秒wi - fi的参考点建立数据库。

一般文献中,我们为每个技术应用不同的映射策略。磁强计的茶点更新频率要高得多比wi - fi芯片组。当用户走可以分配任何中间位置的磁场强度。然而,无线指纹不能分配给一个特定的位置,除非用户参考点是静态的。如果用户走wi - fi执行扫描时,指纹只能分配给一个长路径段(而不是一个特定的参考点)因为wi - fi扫描过程持续4至6秒。

尽管使用不同的映射策略,数据库有一些共同的特征:)收集的样本相同的走廊,(这两个数据集包括计时信息,有单独的训练和测试数据集,)采集标本5次位置(走廊在磁场和基于参考点的wi - fi),和()我们有相同的坐标系统在两种数据集(WGS84十进制度格式)使用自己的制图(http://smart.uji.es)(http://indoorloc.uji.es)。

关于每个离散捕获功能的数量,每个磁的离散元素数据库包括9有意义的值从3个不同的传感器,而从97年wap无线数据库包括RSSI值。事实上,计算了平均19.03 wap指纹数据库记录。其中包括97 RSSI值并不意味着97 wap已经检测到所有的指纹;这意味着至少一次发现了97种不同的wap在数据库中。为了更清楚地解释这种效应,图11显示之间的关系数量的指纹(横轴)和数量的wap(垂直轴)。情节表明58 wap(60%)已发现在不到30指纹。此外,74年wap(76.25%)检测到不到三分之一的指纹包含在数据库中,所以我们考虑到大量的97 wap数据库中有一个小的存在。总共8 wap是检测到至少1026指纹(总数的90%),只有4 wap检测到所有的指纹。那些在实验室4 wap是所有:WAP74, WAP84 WAP95, WAP97。

4.4。一个现实的基线基于磁场定位

两个非常简单的基准方法已经开发和测试提供一个起点,任何更复杂的室内定位算法应该能够克服。第一种方法使用一个离散的方法获得离散测试点的位置从连续获得测试样本。在这种情况下,实验试图获得一个回答以下问题:有可能获得精确的位置只使用获得的数据从一个离散点的磁强计吗?

第二个基线法是一个连续法,获得用户的位置考虑几秒的数据,而不是单一的离散样本。在第二种情况下,可以制定研究问题回答如下:它需要考虑几个连续捕捉获得准确的位置吗?

在这两种情况下,训练样本的方法只有使用的8通道和磁强计。

4.1.1。离散方法

对于每一个连续的样本,每个离散捕获的位置可以很容易地估计自初始和最终的坐标是已知点的路径,时间戳记录,用户的速度几乎是恒定的。

所有离散捕捉从连续训练样本中提取的走廊作为训练数据集,其中每个元素包含5特性:捕捉拍摄的位置(纬度、经度)和磁强计测量得到的这个位置。执行同样的程序来提取离散捕捉从测试路径。总的来说,4380年有8943个样本进行训练和测试。

1-NN算法(33)被用来估计每个测试样本的位置,所以测试当前位置对应于最相似的训练样本。的位置最相似的样本训练集是分配给测试样品。虽然其他的距离或相似度量可能已经使用34,35),两个样品之间的距离,和,对应于欧几里得距离,据估计如下: 在这种情况下,错误定位为每个测试路径的估计之间的平均距离实际位置,并预测位置沿路径所有测试截图。这两个点之间的距离并不对应于它们之间的欧几里得距离自点对应的经度和纬度(lat)(朗)坐标十进制度;他们没有被表达在线性米。所以,半正矢公式(2)。平均数标准误差也表所示: 在哪里R是地球的半径,大约6373公里,然后呢

10/24/11。连续法

连续的情况下,每个连续训练样本分为几个次级样本,每5秒。例如,如果一个样本10秒长,有100个离散样本,然后它分为6个连续的次级样本,[1-50],[11-60],…,[51 - 100]。每个重叠的子样品包括初始和最终的位置信息的子路径50捕获的磁场测量的三个组件。

所有的次级样本从训练样本中提取的走廊作为训练数据集。测试样品也分为次级样本5秒。所有的次级样本提取测试路径作为测试数据集。总共有540次级样本训练和231进行测试。为每个测试子样品,NN-based方法(类似于一个离散情况介绍)执行寻找最相似的子样品进行培训。

两个连续的次级样本之间的距离和也是基于欧几里得距离,它是由以下方程: 在哪里是th元素的向量,对应于欧几里得距离(见(1)),是离散捕捉每个连续子样品的数量。在我们的例子中,因为每个连续的子样品包含50个离散了。

4.5。基于现实的wi - fi基线定位

的“磁场”数据库,一个基线方法使用wi - fi数据库开发和测试。在这种情况下,指纹的RSSI值是负值,表达dBm的信号强度。人工值+ 100是用来表示那些没有检测到wap指纹扫描。方程(5)已经被用来修改数据并将其存储在一个更方便的格式计算:

一直积极的值减去最低的可能值(97−dBm在这种特殊情况下),所以最弱的信号值对应于1和0表示那些wap没有检测到。

1-NN算法(33)是应用于基线估计每个测试的位置指纹,所以测试当前位置对应于最相似的训练样本。的位置最相似的样本训练集是分配给测试样品。尽管其他距离或相似指标可能已经使用34,35),两个指纹对应于欧几里得距离之间的距离和估计 在哪里代表了WAP RSSI值th指纹,在数据库中是现有wap的数量。

除了正常配置训练集的位置作为参考数据集和IPS评价(测试)是完成了验证集,我们也实现一些有趣的基线的变化:(我)的连续配置:原始训练集包括指纹在不同的参考点,34在这种情况下。程序已经应用到训练集来模拟连续映射以及所有走廊类似磁场基础数据库。所以,新的中间参考点生成两个原始和连续训练参考点,每一个新的点定期最初的两个点之间的距离。特别是,2的替代品,完整的和简单的,已测试。根据使用的替代,25(完成)或5(简单的)新的人工指纹被创建为每个新中间点线性插值。所以,这个过程增加训练集的大小取决于数量的人工点创造了连续两个真实的参考点和所使用的插值。(2)的平均配置:共有5个指纹被捕获在每个参考点。平均5个指纹已经完成测试,如果这个过程可以产生更多的代表指纹,为训练和验证,一些作者所做的文献中(例如,28])。这个过程可以降低指纹的5倍的数目。(3)的阈值配置:根据生成的数据集,RSSI值范围(98−dBm,…,−28 dBm)。一些以前的工作状态,RSSI值低于一个阈值,90−dBm (30.85年],−dBm (36),或80−dBm (30.),应该作为nondetected wap计算。阈值过程已被应用于数据集测试阈值提高了精度是否在我们的数据库中。(iv)的已知的苹果电脑配置:一些只能使用wap的位置是已知的(27)或部署的wap (30.]。的准确性降低1-NN分类器的版本已经测试使用6的wi - fi天线[WAP67、WAP68 WAP70、WAP74 WAP80, WAP84, WAP95, WAP96,和WAP97)部署在GEOTEC实验室用于连接(见图1)。

5。结果与讨论

本节解释结果为基线使用磁场和无线基础数据库和讨论结果。

5.1。基线基于磁场定位的结果

表3显示了离散的基线结果(见部分4.1.1)和连续方法(见部分10/24/11)。使用离散方法的平均定位误差m。均值计算考虑了这个一般误差导致11测试路径。在连续情况下,平均定位误差(考虑到11个不同的测试路径)m。结果显示,连续方法提供了更精确的结果,从而提高精度的离散方法,超过1米。

关于第一个研究问题:”有可能获得精确的位置只使用原始数据来自一个离散点的磁强计?”根据获得的结果似乎只使用的三个测量磁场)在每个点指纹提供准确定位是不够的。只有三个功能的使用指纹减少的概率独特的指纹在不同的位置。

关于第二个研究问题:”是需要考虑几个连续的样本来获得准确的位置吗?”根据结果的使用数据捕获在几秒钟在我们的实验(5)提高了准确性,但有几个因素,应更详细地研究了获得更准确的结果。

因此,4个实验已经进行改善连续基准的准确性。前两个处理这个问题显示在图4。这个数字表明,并不是所有的训练样本相同的路径都有相同的值。曲线的形式相似,但绝对值在同一位置不同于一些样品。连续的两种变体的方法探索来处理这个问题。第一个(称为E₁)实行规范化过程,从每个训练样本的均值减去5训练样本相同的走廊和方向。第二个(称为E₂)使用样本均值作为独特的训练样本的走廊和取向。为了获得5的训练样本的均值相同的走廊和取向,已修剪长样本以便所有训练样本具有相同的长度。

第二和第三列的表4显示两个不同的结果。第二个,E₁通过减少平均误差,得到最好的结果在11半米的测试路径的原始连续基线。第二个变化并不是提高精度虽然从磁场测量值相当类似的在相同的位置,在两个不同的时间时刻允许估计用户的位置,有小的变化,因此似乎有一些训练样本增加多样性培训数据库,这可以帮助分类器当寻找最接近的样品。换句话说,同一个类的样本(位置在这种情况下)在特征空间落在不同的地方。

因为连续样本的长度取决于用户获取数据的速度行走,一个新的实验(称为E₃)已经完成研究如果用户的速度影响连续方法的准确性。在这个实验中,应用标准化过程在实验后E₁已经被修改,所有的训练样本来获得新的用户仿佛走在相同的速度。为此,首先,用户在所有训练样本的平均速度已经估计使用加速度计数据捕获。然后,每个训练样本重新取样使用使用插值估计的平均速度。对于测试样本,首先,数量可变的捕获是取决于用户获得样品的速度如果用户已经走在前面获得的平均速度。第二,样品已经重新取样通过插值获得样本长度为50。第四列的表4显示了结果。在这种情况下,没有得到改善,因为数据库的数据捕获的用户试图走,总是用同样的速度。这个事实可以确认,因为每个训练样本的速度估计的方差很小。

过去连续基线的变化(称为E₄)由包括训练集的样本,可以提取两个通道之间的十字路口也包含在数据库中,并不包括在训练集在前面的实验。标准化过程中提供实验E₁也表现为训练样本。表的最后一列4显示了结果。在这种情况下,最好的结果是获得11个测试路径和平均误差是3.77米,超过2米比原始连续基线。这个实验证实了结论之前提取实验E₂,有更多的训练样本多样性增加培训数据库,提高准确性。

5.2。基线基于无线定位的结果

表5显示的结果正常配置基线(见部分4.5)。这个配置,不需要任何进一步的参数,精度为4.73 m和所需的时间来计算一个指纹大约是10 ms (NN在Matlab中实现和运行在一个2 nd-generation英特尔i7 @ 3400 GHz和8 gb RAM)。这次作为基线比较计算成本的其他配置。

表6显示的结果连续的配置。在完整的配置,25个新的人工指纹已经生成的每一个新的中间点。在简单的配置5新人工指纹生成的每一个新的中间点。4.45米,最好的结果是提供的连续完整的配置3新连续两个培训参考点之间的中间点。这个实验表明,使用一个可以提高定位精度连续的配置训练样本的训练集12倍的费用比原来的大。

表7显示的结果平均配置。平均5个连续的指纹已经申请了三个案例:训练集,只有验证集,和两个,训练集和验证集。得到最好的结果,4.49米,平均时验证集,但训练集保持不变。虽然过程所需的时间指纹不改变(关于正常配置),平均只应用于验证集,该算法仍然需要有连续五个指纹。这个实验表明,可以提高定位精度,当用户是静态平均计算指纹的验证集。然而,并不是提高准确率平均后的训练集应用时,在磁场的情况下实验(E₂),在训练集的多样性有利于定位任务。

表8显示的结果阈值配置。四个不同的阈值检测,得到最好的结果(4.46米)的RSSI值低于80−dBm移除。同时,每个指纹的计算成本是一样的,对于正常的配置。这个实验表明,有一些噪音环境中,这是通过应用从数据集中删除遥远的wap阈值技术。

表9显示的结果已知的mac电脑配置。只有GEOTEC实验室内部的wap接近或被认为是,其余的删除。虽然每个指纹的计算成本的正常配置稍低,准确性也稍差。这个实验表明,必须支持wi - fi指纹不仅由wap在环境,也通过附近的人因为他们的存在提高了定位精度(见表5)。

表6- - - - - -9显示的结果不同的想法在室内定位技术提高准确性。一般来说,除了已知的mac电脑配置,所有这些想法分别提高了定位精度对正常的配置(表5)。在基线结果和访问数据库,可以结合不同的方法在一个单一的方法。作为一个例子,表10显示了一个高级配置的结果相结合的“连续”(完整的和简单的),“平均”(只在验证集),和“阈值“配置(过滤RSSI值低于80−dBm)获得更好的结果比任何独立的解决方案如表所示5- - - - - -9。

5.3。讨论

磁场和wi - fi技术是完全不同的。磁场定位依赖于扰动磁场的环境而基于无线定位使用从多个无线接入点接收到的信号强度指示器先前部署的网络连接在一个特定的环境。WAP标识符是独一无二的所以wi - fi指纹是高度依附于他们。相比之下,两个遥远的地方可能有类似的磁场力量当只使用磁力仪提供的三个值在一个特定的位置指纹。

映射过程是不同的两种技术。基于磁场数据库收集用户移动时,由于磁场强度可以用10赫兹的频率采样使用智能手机。相比之下,参考点是静态采样wi - fi的基础数据库,因为从环境获得的RSSI值大约持续3秒钟三星与LG电子设备和5秒装置。因此,映射整个环境更快的磁场基础数据库。虽然存在差异,但样品在两个数据集已经拍摄使用相同的协议,导致数据捕获在同一实验室的走廊。

关于基于磁场的室内定位基准,使用连续样本而不是离散的提高了精度。此外,连续训练样本和正常化加入训练集的数据捕获在十字路口至关重要的才能获得良好的效果,获得最好的结果的误差3.77米。

在基于无线室内定位的情况下,一些独立的实验(基线配置)显示,有不同的方法来提高定位精度:添加人工指纹数据库增加训练密度,应用指纹平均运算阶段当用户是静态的,在指纹和删除吵了遥远的wap应用阈值。平均定位误差减少到大约4.4米通过应用这些独立配置。当所有的配置是在同一算法,错误减少到4.26米。这表明,结合不同的方法,可以提高定位精度。

室内定位技术的优点和缺点。有些是总结表11。一般来说,基于磁场技术的主要优点如下:(没有基础设施需要安装,)可以达到良好的精度水平,和()的可能性高采样频率允许连续映射。因此,映射过程可以非常快。相比之下,主要缺点如下:(),每个离散样本只有三个特性,()用户速度的依赖,()对设备的依赖取向。wi - fi基于指纹识别方法的主要优点包括以下几点:()每个指纹的高数量的特性和()良好的精度甚至使用简单和快速算法,如神经网络。然而,它有一些缺点,如()更新频率和低()的RSSI值可以影响环境中的人的存在。

6。结论

对室内定位的研究需要大量的努力在发展中所需的软件和生成数据集,通常可以用有限的预算挑战所有的潜在的投资。研究人员倾向于使用附近的设施作为一个测试床来评估新的室内定位系统,结果发表在《文学使用私有数据库不能直接比较。

本文介绍了两个数据库对于室内定位,一个是基于磁场和其他无线指纹数据库,在同一室内区域。描述、过程、策略和应用程序用于生成数据库已经被完全描述。介绍了几种基线使用该数据库,以显示该数据库的可行性并鼓励研究人员使用他们为了比较不同的室内定位方法。

我们进一步的工作将集中在收集和发布新的数据库使用不同的技术,即使是混合的。此外,我们的目的是提供一些工具的可视化表示的数据和视觉分析不同的室内定位技术和系统。

相互竞争的利益

作者宣称,格兰特,奖学金,和/或融资中提到确认不会导致任何利益冲突。此外,作者声明没有利益冲突有关的出版。

确认

作者欣然承认通过GEO-C获得欧盟资助项目(h2020 - msca itn - 2014,没有授予协议。642332年,http://www.geo-c.eu/)。作者也欣然承认资助西班牙经济和竞争力通过“Metodologias avanzadas对位el diseno desarrollo, evaluacion e integracion de algoritmos de localizacion在室内”项目(我+ D Excelencia四面八方,脏污tin2015 - 70202 p)和“红y de Posicionamiento Navegacion en内部网络(红色de Excelencia脏污tec2015 - 71426 redt)。作者要感谢所有当前和过去的成员地理空间技术研究小组和Ubik S.L.地理空间解决方案在创建他们的有价值的帮助SmartUJI平台,为我们提供配套服务,允许集成现有的GIS服务开发的应用程序来创建两个数据库。