Uma metodologia de localização Indoor para smartphones em ambientes de Cidades Inteligentes

• Hilário José Silveira Castro UFRN
• Ivanovitch Medeiros Dantas da Silva UFRN
• Silvio Costa Sampaio UFRN

DOI: https://doi.org/10.5753/wbci.2018.3224

Resumo

Sistemas de localização em ambientes internos (indoor) têm atraído interesses das mais variadas áreas, permitindo a otimização e o surgimento de novos serviços. Com a expansão de cenários instrumentados com dispositivos IoT (do inglês Internet of Things), os sistemas de localização ganham uma importância ainda maior, proporcionando referências para uma localização baseada nos transmissores do ambiente. Neste trabalho, apresentamos uma metodologia para um sistema de localização indoor para smartphones, capaz de rastrear a movimentação de um usuário e definir a sua localização de forma mais precisa, através da fusão de dados de diferentes fontes e Filtro de Kalman, tais como sensores inerciais, redes sem fio Wi-Fi e BLE instalados no ambiente.

Referências

Al-Fuqaha, A., Guizani, M., Mohammadi, M., Aledhari, M., and Ayyash, M. (2015). Internet of things: A survey on enabling technologies, protocols, and applications. IEEE Communications Surveys Tutorials, 17(4):2347–2376.

Anton, H. and Busby, R. (2011). Álgebra Linear Contemporânea. Bookman.

Chen, Z., Zhu, Q., and Soh, Y. C. (2016). Smartphone inertial sensor-based indoor localization and tracking with ibeacon corrections. IEEE Transactions on Industrial Informatics, 12(4):1540–1549.

Chen, Z., Zou, H., Jiang, H., Zhu, Q., Soh, Y. C., and Xie, L. (2015). Fusion of wifi, smartphone sensors and landmarks using the kalman filter for indoor localization. Sensors, 15(1):715–732.

Correa, A., Barcelo, M., Morell, A., and Vicario, J. L. (2017). A review of pedestrian indoor positioning systems for mass market applications. Sensors.

Gomes, R., Alencar, M., Fonseca, I., and Lima Filho, A. (2013). Desafios de redes de sensores sem fio industriais. 4:16–27.

Jin, Y., Toh, H.-S., Soh, W. S., and Wong, W.-C. (2011). A robust dead-reckoning pedestrian tracking system with low cost sensors. pages 222–230.

Junsheng, H. (2017). Wireless industrial indoor localization and its application. Master’s thesis, The Artitic University of Norway.

Kent, L. T. (2017). Distância média do passo de corrida. [link].

Khalajmehrabadi, A., Gatsis, N., and Akopian, D. (2017). Modern wlan fingerprinting indoor positioning methods and deployment challenges. IEEE comumunications Surveys & Tutorials, 19o:1974–2002.

Koo, B., Lee, S., Kim, S., and Sin, C. (2014). Integrated pdr/fingerprinting indoor location tracking with outdated radio map. pages 1–5.

Liu, J., Chen, R., Pei, L., Guinness, R., and Kuusniemi, H. (2012). A hybrid smartphone indoor positioning solution for mobile lbs. Sensors, 12(12):17208–17233.

Makki, A., Siddig, A., Saad, M., and Bleakley, C. (2015). Survey of wifi positioning using time-based techniques. Computer Networks, 88:218 – 233.

Milette, G. and Stroud, A. (2012). Professional Android Sensor Programmiing. Wrox.

Ojeda, L. and Borenstein, J. (2007). Personal dead-reckoning system for gps-denied environments. pages 1–6.

Radu, V. and Marina, M. K. (2013). Himloc: Indoor smartphone localization via activity aware pedestrian dead reckoning with selective crowdsourced wifi fingerprinting. pages 1–10.

Rappaport, T. S. (2001). Wireless Communications: Principles and Practice. Upper Saddle River, NJ, USA, Prentice Hall PTR, 2nd edition.