19644

۱۹۶۴۴

بهبود يك روش موقعيت يابي درون ساختمان هاي مشتمل بر طبقات متعدد

كارشناسي ارشد

مهندسي فناوري اطلاعات - شبكه هاي كامپيوتري

۱۳۹۷

۱۳۹۷/۸/۲۳

دكتر احمد اكبري ازيراني

دكتر مجتبي مازوچي

كامپيوتر

داده‌هاي مكاني يكي از داده‌هاي زمينه‌اي بسيار مهم در اينترنت اشيا است. ازآنجاكه سامانه موقعيت‌ياب جهاني در داخل ساختمان‌ها عملكرد مناسبي ندارد، سامانه‌هاي موقعيت‌يابي درون ساختمان جهت ارائه خدمات مكان‌مبنا در اين محيط‌ها ارائه شده است. يكي از روش‌هاي متداول پياده‌سازي اين سامانه‌ها استفاده از امواج راديويي ازجمله واي‌فاي است. اما پيچيدگي‌هاي انتشار امواج در فضاهاي داخلي و درنتيجه نوسان‌هاي سيگنال‌هاي دريافتي، نياز به روش‌هايي براي كاهش خطاي اين سامانه‌ها را به وجود آورده است. در اين پژوهش، روش‌هايي با هدف افزايش دقت و صحت و همچنين كاهش پيچيدگي محاسباتي سامانه‌هاي موقعيت‌يابي درون ساختمان‌هاي مشتمل بر طبقات متعدد ارائه شدند. اين روش‌ها كه تحت طرح گروه‌بندي اثرانگشت‌ها ارائه‌شده‌اند، فضاي جست‌و‌جوي نقاط مرجع انگشت‌نگاري را محدود مي‌كنند يا ضرايب آن‌ها را تغيير مي‌دهند. اين طرح به سه زيرطرح تقسيم شده است. در زيرطرح نخست نقاط مرجع را بر اساس مجاورت نقاط دسترسي (يعني نقطه دسترسي با قدرت سيگنال بيشتر از يك آستانه‌ي مشخص) خوشه‌بندي مي‌كنيم. در فاز برخط نيز با گرفتن بردار قدرت سيگنال به‌سرعت مي‌توان خوشه‌ي مربوطه را مشخص نمود و در همان خوشه موقعيت‌يابي را انجام داد. در زيرطرح دوم فضاي جست‌و‌جو را بر مبناي موقعيت محاسبه‌شده‌ي قبلي كاهش مي‌دهيم. در زيرطرح سوم نيز از نقشه‌ي محيط به‌صورت يك گراف استفاده مي‌شود تا محدوديت‌هاي رفت‌وآمد در ساختمان، به‌خصوص در تغيير طبقات را در موقعيت‌يابي دخالت داده و صحت آن را افزايش ‌دهد. روش‌هاي ارائه‌شده با آزمايش ميداني در محيط واقعي ارزيابي‌شده‌اند. زيرطرح نخست ميانگين خطا را حدود 5درصد كاهش داده است. زيرطرح دوم نيز خطاي موقعيت‌يابي در يك طبقه را به‌صورت ميانگين 1 متر كاهش داد و زيرطرح سوم نيز خطاي طبقات را به حداقل رسانده و از اين طريق خطاي ميانگين را حدود 2.4 متر كاهش داده است. درزمينه‌ي زمان اجرا نيز روش‌هاي ارائه شده، از 1.5 تا 10 برابر كاهش حاصل نموده‌اند.

1397/08/27

Improving an Indoor Positioning Technique for Multifloor Buildings

11/18/2018 12:00:00 AM

Location data is one of the most important context data in the Internet of Things. Since the global positioning system doesn’t work properly inside buildings, indoor positioning systems are developed to provide location-based services in these environments. One of the common ways to implement these systems is to use radio waves, like Wi-Fi. However, the complexity of the propagation of waves indoors and, as a result, the fluctuations of received signals, made the development of error reduction methods a necessary action. In this thesis, methods have been developed to increase the accuracy and reduce the computational complexity of indoor positioning systems within multi-floor buildings. These methods, which are presented under the fingerprint grouping scheme, limit the search space of fingerprint reference points or change their factors. The plan is divided into three sub-schemes. In the first sub-scheme, we cluster the reference points based on the vicinity of the access points (i.e., the access point with a signal stronger than a determined threshold). In the online phase, by taking the signal strength vector, it is possible to quickly identify the cluster(s) and perform the positioning in the same cluster(s). In the second sub-scheme, we reduce the search space based on the last calculated position. In the third sub-scheme, we also use the environment map as a graph to use walking constraints in the building, especially in changing floors. The presented methods are evaluated using field tests. The first sub-scheme reduced the average error by about 5%. The second sub-scheme also reduced the positioning error in one floor about 1 meter, and the third sub-scheme reduced floor recognition and resulted in reducing the mean error by 2.4 m. Also in the evaluation of execution time, reductions from 1.5 to 10 times have been reported.