پديد آورندگان :
سعادت زاده، اسماعيل دانشگاه تهران - پرديس دانشكده هاي فني - دانشكده مهندسي نقشه برداري و اطلاعات مكاني , علي‌عباسپور، رحيم دانشگاه تهران - پرديس دانشكده هاي فني - دانشكده مهندسي نقشه برداري و اطلاعات مكاني , چهرقان، عليرضا دانشگاه صنعتي سهند - دانشكده مهندسي معدن
كليدواژه :
تعيين موقعيت داخل ساختمان , تشخيص حالت حركتي كاربر , Pedestrian Dead Reckoning , حسگرهاي گوشي همراه هوشمند
چكيده فارسي :
هدف از اين مقاله ارزيابي و بهبود دقت تعيين موقعيت داخلي با استفاده از حسگرهاي گوشي هوشمند مبتني بر روش Pedestrian Dead Reckoning (PDR) است. در بعضي شرايط خاص مانند آتش‌سوزي يا قطع برق كه باعث ناتواني روش‌هاي تعيين موقعيت مبتني بر زيرساخت مي‌شوند، بكارگيري روش PDR مبتني بر حسگرهاي گوشي هوشمند كه تعيين موقعيت را به صورت پيوسته انجام مي‌دهد يك راه‌حل مناسب است. در اين مقاله به ارزيابي مؤلفه هاي مؤثر روش تعيين موقعيت داخلي بر اساس تشخيص نوع حركت كاربر پرداخته ميشود. ابتدا نمونه‌هاي حركتي با استفاده از بردارهاي ويژگي حاصل از داده‌هاي حس گرها و سه الگوريتم طبقه‌بندي درخت تصميم‌گيري، ماشين بردار پشتيبان و K نزديك‌ترين همسايه ارزيابي مي‌شوند. بردارهاي ويژگي پيشنهادي به طور قابل توجهي در مقايسه با ويژگي‌هاي تحقيقات پيشين در سه الگوريتم طبقه‌بندي بهبود حاصل مي‌كنند. از منظر الگوريتم طبقه‌بندي، ماشين بردار پشتيبان با صرف بيشترين زمان پردازش بهترين عملكرد را با دقت 3/99% ارائه مي‌دهد. در مرحله‌ي دوم به منظور محلي‌سازي، تشخيص گام بر اساس تعريف دو حدآستانه‌ي بالا و پايين و حدآستانه‌ي زماني بر مقادير نٌرم شتاب انجام ميشود. مولفه جهت نيز از تركيب داده‌هاي شتاب‌سنج، مغناطيس‌سنج و ژيروسكوپ بدست مي‌آيد. آزمايشات محلي‌سازي در حالي كه كاربر گوشي را روبه‌روي خود نگه داشته براي دو حالت پياده‌روي و دويدن در سه مسير (مربع، دايره، مستطيل) انجام مي‌شوند. ميانگين دقت نهايي حاصل از پياده‌روي براي سه مسير به ترتيب برابر با 55/1، 82/1 و 34/2 بدست آمدند. دقت نهايي براي دويدن نيز براي سه مسير به ترتيب برابر با 7/2، 6/2 و 53/3 حاصل شد.
چكيده لاتين :
The purpose of this paper is to evaluate and improve the accuracy of indoor positioning using smartphone sensors based on Pedestrian Dead Reckoning (PDR) method. In some specific situations, such as fires or power outages that disable infrastructure-based positioning techniques, using PDR method based on smartphone sensors that perform positioning continuously is a good solution.This paper focuses on determination of the user’s movement type to evaluate effective components of indoor positioning method. First, movement samples are evaluated with the feature-vectors of data from sensors and three classification algorithms (Decision Trees (DT), Support Vector Machine (SVM), and K-Nearest Neighbor (K-NN)). From the perspective of feature-vectors, the proposed features significantly improve the performance of three classification algorithms compared to previous research features. From the perspective of classification algorithm also Support Vector Machine had best performance with %99.3 accuracy, while spending the most time. In the second phase, step detection is performed for norm acceleration values based on the definition of the upper and lower threshold and the time threshold. The directional component is also obtained by combining accelerometers, magnetometer and gyroscope sensors. Localization tests were performed while the user holding the phone in front of him with two states (normal walking, running) in three paths of different geometry (squares, circles and rectangles). The final accuracy obtained from normal walking test for three paths of square, circular and rectangular shapes was %4.8, %3.6, and %2, respectively. The final accuracy of the running mode was also obtained for three paths of square, circular and rectangular shapes equal to %8.4, %5.7, and %4, respectively.
