@article{SahinPelz2018,
  author    = {Sahin, Ali and Pelz, Jakob},
  title     = {Einsatz von Decision Tree Learning zur Positionsbestimmung durch Beacons},
  url       = {https://nbn-resolving.org/urn:nbn:de:bsz:753-opus4-6561},
  pages     = {1 -- 8},
  year      = {2018},
  abstract  = {Location-Aware-Systeme in {\"o}ffentlichen Einrichtungen k{\"o}nnen die Orientierung und User Experience von Besuchern drastisch verbessern. Um dies zu gew{\"a}hrleisten muss eine zuverl{\"a}ssige Positionsbestimmung innerhalb von Geb{\"a}uden eingesetzt werden. Da das weit verbreitete Global Positioning System (GPS) im Geb{\"a}ude nur unzureichend zur Verf{\"u}gung steht, wird auf die Technologie der Beacons zur{\"u}ckgegriffen, die auf dem Bluetooth Low Energy (BLE) Standard aufbaut. Diese wissenschaftliche Arbeit besch{\"a}ftigt sich mit dem Ansatz, mithilfe der Beacons eine m{\"o}glichst genaue Positionsbestimmung in R{\"a}umen zu erreichen, unter der Ber{\"u}cksichtigung, dass der eingesetzte Algorithmus auf mobilen Endger{\"a}ten performant einsetzbar ist. Hierzu wird erstmal die Zuverl{\"a}ssigkeit der Beacon-Signale in einem Messversuch untersucht. Unter anderem wird gezeigt, dass Signalerkennungen und RSSI-Ermittlung hardwareabh{\"a}ngig sind, bei gr{\"o}ßeren Entfernungen die Signale st{\"a}rker schwanken und fehleranf{\"a}lliger werden. Anschließend wird unter der Verwendung von Decision Tree und Fingerprinting ein neues Konzept der Positionsbestimmung vorgestellt. Durch die Unzuverl{\"a}ssigkeit der Beacon-Signale sinkt die Genauigkeit des Entscheidungsbaumes und es kommt zu Fehlern der Positionsbestimmung. Ferner kann mithilfe des vorgestellten Prototyps gezeigt werden, dass die Genauigkeit der Positionsbestimmung durch die Anzahl der Beacon-Signale abh{\"a}ngig ist.},
  language  = {de}
}