Volltext-Downloads (blau) und Frontdoor-Views (grau)
  • search hit 1 of 0
Back to Result List

Einsatz von Decision Tree Learning zur Positionsbestimmung durch Beacons

  • Location-Aware-Systeme in öffentlichen Einrichtungen können die Orientierung und User Experience von Besuchern drastisch verbessern. Um dies zu gewährleisten muss eine zuverlässige Positionsbestimmung innerhalb von Gebäuden eingesetzt werden. Da das weit verbreitete Global Positioning System (GPS) im Gebäude nur unzureichend zur Verfügung steht, wird auf die Technologie der Beacons zurückgegriffen, die auf dem Bluetooth Low Energy (BLE) Standard aufbaut. Diese wissenschaftliche Arbeit beschäftigt sich mit dem Ansatz, mithilfe der Beacons eine möglichst genaue Positionsbestimmung in Räumen zu erreichen, unter der Berücksichtigung, dass der eingesetzte Algorithmus auf mobilen Endgeräten performant einsetzbar ist. Hierzu wird erstmal die Zuverlässigkeit der Beacon-Signale in einem Messversuch untersucht. Unter anderem wird gezeigt, dass Signalerkennungen und RSSI-Ermittlung hardwareabhängig sind, bei größeren Entfernungen die Signale stärker schwanken und fehleranfälliger werden. Anschließend wird unter der Verwendung von Decision Tree und Fingerprinting ein neues Konzept der Positionsbestimmung vorgestellt. Durch die Unzuverlässigkeit 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 abhängig ist.

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Ali Sahin, Jakob Pelz
URN:urn:nbn:de:bsz:753-opus4-6561
Document Type:Article
Language:German
Year of Completion:2018
Release Date:2018/08/10
Tag:Beacon; Decision Tree; Indoor Navigation; LAS; Machine Learning
First Page:1
Last Page:8
Open Access?:frei verfügbar
Licence (German):License LogoVeröffentlichungsvertrag ohne Print-on-Demand