屋内測位システム
携帯電話上の屋内位置追跡マップ

屋内測位システム（IPS ）は、高層ビル、空港、路地、駐車場、地下など、 GPSやその他の衛星技術の精度が低い、または完全に機能しない場所で、人や物体の位置を特定するために使用されるデバイスのネットワークです。 [ 1 ]

屋内測位には、スマートフォン、Wi-FiおよびBluetoothアンテナ、デジタル カメラ、時計などの既に導入されている再構成されたデバイスから、定義された空間全体に戦略的に配置されたリレーおよびビーコンを備えた専用設備まで、さまざまな技術とデバイスが使用されています。 照明、電波、磁場、音響信号、行動分析はすべて IPS ネットワークで使用されます。[ 2 ] [ 3 ] IPS は 2 cm の位置精度を実現でき、[ 4 ]これは屋外で 2 cm の精度を実現できるRTK対応 GNSS 受信機と同等です。 [ 5 ] IPS は、近くのアンカー ノード ( Wi-Fi / Li-Fiアクセス ポイント、Bluetooth ビーコン、超広帯域ビーコンなどの既知の固定位置を持つノード) までの距離測定、磁気測位、デッド レコニングなどのさまざまな技術を使用します。[ 6 [ 7 ] [ 8 ] [ 9 ] IPSの局所的な性質により設計が断片化され、システムは様々な光学、[ 10 ]無線、[ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ] [ 16 ] [ 17 ]さらには音響[ 18 ] [ 19 ] 技術を利用しています。

IPSは、商業、軍事、小売、在庫追跡などの業界で幅広く利用されています。市場には様々な商用システムが存在しますが、IPSシステムに関する標準規格は存在しません。そのため、設置は空間寸法、建築材料、精度要件、予算制約などに合わせてカスタマイズされます。

確率的（予測不可能な）誤差を補正するための平滑化には、誤差バジェットを大幅に削減する確実な方法が必要です。物理的な曖昧さに対処し、誤差補正を可能にするために、システムは他のシステムからの情報も取り込む可能性があります。デバイスの向き（スマートフォンの縦向きと区別するためにコンパス方向と呼ばれることが多い）の検出は、リアルタイムで撮影された画像内のランドマークを検出するか、ビーコンを用いた三辺測量によって実現できます。[ 20 ]また、建物内や鉄骨構造物のある場所、鉄鉱石鉱山などで磁気情報を検出する技術も存在します。[ 21 ]

適用性と精度

建築材料による信号減衰のため、衛星ベースの全地球測位システム（GPS）は屋内では大きな電力を失い、受信機に必要なカバレッジが少なくとも4つの衛星によって制限されます。さらに、表面での多重反射はマルチパス伝播を引き起こし、制御不能な誤差をもたらします。これらの影響は、屋内送信機から屋内受信機への電磁波を使用する、屋内位置特定のためのすべての既知のソリューションの性能を低下させています。これらの問題を補うために、一連の物理的および数学的手法が適用されます。慣性測定装置（IMU）、単眼カメラ同時自己位置推定およびマッピング（SLAM）、Wi-Fi SLAMなどの代替ナビゲーション情報源の使用により、有望な方向無線周波数測位誤差補正が可能になりました。異なる物理的原理を持つさまざまなナビゲーションシステムからのデータを統合することで、ソリューション全体の精度と堅牢性を向上させることができます。[ 22 ]

米国の全地球測位システム（GPS）やその他の類似の全地球航法衛星システム（GNSS）は、マイクロ波が屋根や壁などの物体によって減衰・散乱するため、一般的に屋内での位置特定には適していません。しかし、測位信号をユビキタス化するために、GPSと屋内測位を統合することが可能です。[ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ]

現在、GNSS受信機はマイクロチップの処理能力の向上により、ますます高感度化しています。高感度GNSS受信機は、ほとんどの屋内環境で衛星信号を受信でき、屋内での3D位置測定の試みは成功しています。[ 31 ]受信機の感度向上に加え、アルマナックなどの情報を携帯電話を介して転送する A-GPS技術も活用されています。

しかし、受信機の位置を特定するために必要な4つの衛星の適切なカバレッジが、屋内運用向けの現在のすべての設計（2008～2011年）では達成されていないという事実にもかかわらず、GPSエミュレーションはストックホルム地下鉄で正常に導入されています。[ 32 ] GPSカバレッジ拡張ソリューションは、スマートフォンで使用されているような標準的なGPSチップセットでアクセスできる、屋内でのゾーンベースの測位を提供できます。[ 32 ]

使用方法

位置特定

現在のIPSのほとんどは物体の位置を検出できますが、解像度が粗すぎるため、物体の向きや方向を検出することはできません。 [ 33 ]

位置特定と追跡

十分な運用適合性を実現するための方法の1つは「追跡」です。特定された一連の位置が、最初の位置から最も実際の位置までの軌跡を形成するかどうかを判断します。統計的手法は、物体の物理的な移動能力に似た軌跡で特定された位置を平滑化するために役立ちます。この平滑化は、ターゲットが移動する場合だけでなく、ターゲットが静止している場合にも、不規則な動きを補正するために適用する必要があります。そうでなければ、単一の静止位置、あるいは追跡された軌跡でさえ、移動を伴う一連のジャンプで構成されてしまいます

識別と分離

ほとんどのアプリケーションでは、ターゲットの集団は1つだけではありません。したがって、IPSは観測対象の各ターゲットに対して適切な固有の識別を提供し、グループ内のターゲットを個別に分離・隔離できる必要があります。IPSは、「興味のない」近隣のターゲットが存在するにもかかわらず、追跡対象のエンティティを識別できる必要があります。設計に応じて、センサーネットワークはどのタグから情報を受信したかを知る必要があるか、位置特定デバイスがターゲットを直接識別できる必要があります

無線技術

あらゆる無線技術を測位に利用できます。既存の無線インフラを屋内測位に活用するシステムは数多く存在します。ハードウェアとソフトウェアの構成には、ネットワークベース、端末ベース、端末アシストの3つの主要なシステムトポロジオプションがあります。無線インフラの機器と設備を犠牲にすることで、測位精度を向上させることができます。

Wi-Fiベースの測位システム（WPS）

Wi-Fi測位システム（WPS）は、 GPSが不十分な場合に使用されます。無線アクセスポイントを用いた測位に使用される位置特定技術は、受信信号強度（英語ではRSS）の測定と「フィンガープリンティング」法に基づいています。 [ 34 ] [ 35 ] [ 36 ] [ 37 ]フィンガープリンティング法の精度を高めるために、統計的後処理技術（ガウス過程理論など）を適用し、「フィンガープリント」の離散的な集合を、各アクセスポイントのRSSIの分布（場所全体）に変換することができます。[ 38 ] [ 39 ] [ 40 ] Wi-Fiホットスポットまたは無線アクセスポイントの位置特定に役立つ一般的なパラメータには、アクセスポイントのSSIDとMACアドレスがあります。精度は、データベースに入力された位置情報の数に依存します。発生する可能性のある信号変動により、ユーザーの移動経路における誤差や不正確さが増加する可能性があります。[ 41 ] [ 42 ]

Bluetooth

もともとBluetoothは正確な位置ではなく、近接性を重視していました。[ 43 ] BluetoothはGPSのように固定された位置を提供することを意図していませんでしたが、ジオフェンスまたはマイクロフェンスソリューションとして知られており、屋内測位ソリューションではなく、屋内近接ソリューションとなります

マイクロマッピングと屋内マッピング[ 44 ]は、Bluetooth [ 45 ]およびApple社が推進するBluetooth LEベースのiBeaconとリンクされています。iBeaconをベースにした大規模な屋内測位システムが実装され、実際に適用されています。[ 46 ] [ 47 ]

Bluetooth スピーカーの位置とホーム ネットワークは、大まかな参照として使用できます。

2021年にAppleは、 BluetoothとUWBテクノロジーを組み合わせてFind Myネットワーク内でAppleデバイスを追跡できるAirTagsをリリースし、追跡テクノロジーの人気が急上昇しました。

チョークポイントの概念

タグ付き物体の位置インデックスと存在報告というシンプルな概念は、既知のセンサー識別のみを使用します。[ 16 ]これは通常、パッシブ無線周波数識別（RFID）/ NFCシステムに当てはまります。これらのシステムは、単一のタグまたは複数のタグの信号強度と様々な距離を報告せず、センサーの既知の位置座標やタグの現在位置を更新しません。このようなアプローチを動作させるには、範囲外を通過するのを防ぐための狭い通路が必要です

グリッドコンセプト

長距離測定の代わりに、例えば経済性を重視してグリッドパターンで、観測対象空間全体に短距離受信機の密集したネットワークを配置することができます。距離が短いため、タグ付きの物体は、ネットワークに接続された少数の近くの受信機によってのみ識別されます。識別されたタグは識別リーダーの範囲内にある必要があり、タグのおおよその位置を特定できます。高度なシステムでは、カメラグリッドによる視覚的なカバレッジと、無線カバレッジを組み合わせて大まかな位置を特定します

長距離センサーのコンセプト

ほとんどのシステムは、連続的な物理測定値（角度と距離、または距離のみなど）と識別データを1つの信号に統合して使用します。これらのセンサーの到達範囲は、ほとんどの場合、フロア全体、通路、または1つの部屋のみをカバーします。短距離のソリューションでは、複数のセンサーを使用し、到達範囲を重複させます。

到着角度

到来角（AoA）とは、信号が受信機に到達する角度です。AoAは通常、センサーアレイ内の複数のアンテナ間の到着時間差（TDOA）を測定することで決定されます。他の受信機では、指向性の高いセンサーのアレイによって決定され、どのセンサーが信号を受信したかによって角度を決定できます。AoAは通常、三角測量と既知の基線と組み合わせて使用​​され、2つのアンカー送信機に対する相対的な位置を特定します

到着時刻

到着時間（ToA、飛行時間とも呼ばれる）とは、信号が送信機から受信機まで伝播するのにかかる時間です。信号の伝播速度は一定で既知であるため（媒体の違いを無視した場合）、信号の移動時間を用いて距離を直接計算することができます。複数の測定値を三辺測量や多辺測量と組み合わせることで、位置を特定することができます。これは、 GPSや超広帯域システムで使用されている技術です。ToAを使用するシステムでは、一般的に、センサーの信頼性の高い時刻源を維持するために複雑な同期メカニズムが必要です（ただし、慎重に設計されたシステムでは、中継器を使用して結合を確立することでこれを回避できます[ 17 ]）。

TOAベースの手法は、屋内位置推定において、環境内の物体（例えば、内壁、ドア、家具）によるRF信号の反射や回折によって引き起こされる大規模なマルチパス条件の影響を受けやすい。しかし、時間的または空間的なスパース性に基づく技術を適用することで、マルチパスの影響を軽減することが可能である。[ 48 ] [ 49 ]

関節角度と到達時間

角度と到着時刻の統合推定は、ユーザーの位置を推定するもう一つの方法です。複数のアクセスポイントと三角測量や三辺測量などの技術を必要とせず、単一のアクセスポイントで角度と到着時刻の組み合わせからユーザーの位置を特定できます。[ 50 ]さらに、空間次元と時間次元の両方を活用する技術は、システム全体の自由度を高め、部分空間アプローチを介してより多くの仮想リソースを作成し、より多くのソースを解像することができます。[ 51 ]

受信信号強度表示

受信信号強度表示（RSSI）は、センサーが受信した電力レベルの測定値です。電波は反二乗則に従って伝播するため、送信信号強度と受信信号強度の関係（送信強度は使用する機器によって変化する定数）に基づいて、他の誤差が誤測定結果に寄与しない限り、距離を概算することができます（通常、理想的な条件では1.5メートル以内、標準的な条件では2～4メートル[ 52 ]）。建物内は自由空間ではないため、壁による反射や吸収によって精度は大きく左右されます。ドア、家具、人などの非静止物体は、信号強度に動的かつ予測不可能な影響を与える可能性があるため、さらに大きな問題を引き起こす可能性があります。

多くのシステムは、位置情報を提供するために、強化されたWi-Fiインフラストラクチャを使用しています。 [ 12 ] [ 14 ] [ 15 ]これらのシステムはいずれも、現状のままではどのインフラストラクチャでも適切に動作しません。残念ながら、Wi-Fi信号強度の測定は非常にノイズが多いため、より正確なシステムの開発に焦点を当てた研究が進行中です。

その他の無線技術

その他の技術

既存の無線インフラを使用せずに、非無線技術を使用して測位を行うことができます。これにより、高価な機器や設備を犠牲にして、精度を向上させることができます

磁気測位

磁気測位は、追加の無線インフラを必要とせずに、スマートフォンを持つ歩行者に90%の信頼度で1～2メートルの屋内精度を提供できます。磁気測位は、建物内の鉄によって地球の磁場に局所的な変化が生じることに基づいています。スマートフォンに内蔵された最適化されていないコンパスチップは、これらの磁気変化を感知・記録し、屋内の位置を地図上に表示することができます。[ 55 ]

慣性測定

歩行者デッドレコニングや歩行者の位置特定のための他のアプローチでは、歩行者が携行する慣性計測ユニットを用いて間接的に歩数を計測する（歩数カウント）か、足に装着するアプローチが提案されている。 [ 56 ]慣性航法で発生する固有のセンサードリフトを抑制するために、地図やその他の追加センサーを参照することもある。MEMS慣性センサーは内部ノイズの影響を受け、位置誤差が時間とともに3乗的に増加する。このようなデバイスでの誤差増加を抑えるために、カルマンフィルタリングに基づくアプローチがよく用いられる。[ 57 ] [ 58 ] [ 59 ] [ 60 ] しかし、地図自体を構築できるようにするためには、SLAMアルゴリズムフレームワーク[ 61 ]が用いられる。[ 62 ] [ 63 ] [ 64 ]

慣性測定は一般に動きの微分をカバーするため、位置は積分によって決定され、結果を得るためには積分定数が必要となる。[ 65 ] [ 66 ]実際の位置推定は、関連するすべてのセンサーのノイズモデルと壁や家具による制約を考慮して各ステップで再計算される2次元確率分布の最大値として求められる。[ 67 ] 動きとユーザーの歩行行動に基づいて、IPSは機械学習アルゴリズムによってユーザーの位置を推定することができる。[ 68 ]

視覚マーカーに基づく位置決め

視覚測位システムは、視覚マーカーから位置座標をデコードすることで、カメラ付きモバイルデバイスの位置を特定できます。このようなシステムでは、会場内の特定の場所にマーカーが設置され、各マーカーにはその位置の座標（緯度、経度、床面からの高さ）がエンコードされています。デバイスからマーカーまでの視角を測定することで、デバイスはマーカーを基準とした自身の位置座標を推定できます。座標には、緯度、経度、床面からの高さ、床面からの高度が含まれます。[ 69 ] [ 70 ]視覚マーカーは通常対称ではないため、ユーザーの向きも特定できます。[ 71 ]

既知の視覚的特徴に基づく位置

モバイルデバイスのカメラから連続的に撮影されたスナップショットを収集することで、会場内の位置推定に適した画像データベースを構築できます。データベースが構築されると、会場内を移動するモバイルデバイスは、会場のデータベースに補間可能なスナップショットを撮影し、位置座標を算出できます。これらの座標は、他の位置推定技術と組み合わせて使用​​することで、より高い精度を実現できます。これは、カメラがさらに別のセンサーの役割を果たすセンサーフュージョンの特殊なケースであることに注意してください。

数学

センサーデータが収集されると、IPSは受信した信号が最も収集された可能性の高い場所を特定しようとします。単一のセンサーからのデータは一般的に曖昧であるため、複数のセンサー入力ストリームを組み合わせる一連の統計的手法によって解決する必要があります

経験的手法

位置を決定する1つの方法は、 k近傍法などのアルゴリズムを使用して、未知の場所のデータを多数の既知の場所と照合することです。この手法は包括的な現地調査を必要とし、環境に大きな変化（人や物体の移動による）がある場合は不正確になります

数学的モデリング

信号伝播を近似し、角度や距離を求めることで、数学的に位置を計算します。その後、逆三角法を用いて位置を特定します

高度なシステムでは、より正確な物理モデルと統計手順を組み合わせています。

用途

屋内測位の主な消費者メリットは、屋内での位置認識型モバイルコンピューティングの拡大です。モバイルデバイスが普及するにつれて、アプリケーションのコンテキスト認識は開発者にとって優先事項となっています。しかし、現在、ほとんどのアプリケーションはGPSに依存しており、屋内ではうまく機能しません。屋内位置情報の恩恵を受けるアプリケーションには、以下のものがあります

参照

参考資料

  1. ^ Magda Chelly, Nel Samama. 屋内測位のための新技術、決定論的手法と推定手法の融合. ENC-GNSS 2009: 欧州航法会議 - 全地球航法衛星システム, 2009年5月, ナポリ, イタリア. pp.1 - 12. ⟨hal-01367483⟩ [1]
  2. ^ Curran, Kevin; Furey, Eoghan; Lunney, Tom; Santos, Jose; Woods, Derek; McCaughey, Aiden (2011). 「屋内位置特定技術の評価」. Journal of Location Based Services . 5 (2): 61– 78. doi : 10.1080/17489725.2011.562927 . S2CID  6154778 .
  3. ^ベルモンテ・フェルナンデス、オー。モントリュー、R.トーレス・ソスペドラ、J.サンサノ・サンサノ、E.チア＝アギラール、D. (2018)。「屋内測位システムのキャリブレーションを回避するラジオシティベースの方法」。アプリケーションを備えたエキスパート システム。105 : 89–101 .土井: 10.1016/j.eswa.2018.03.054。hdl : 10234/175947。S2CID 46918367。 
  4. ^ 「屋内測位システムを用いた2cmの精度」VBOX Automotive . 2019年11月19日. 2021年1月21日時点のオリジナルよりアーカイブ。2019年11月19日閲覧。
  5. ^ 「RTKを使用した2cmの精度」 VBOX Automotive . 2019年11月19日. 2021年1月18日時点のオリジナルよりアーカイブ。 2019年11月19日閲覧。
  6. ^ Qiu, Chen; Mutka, Matt (2016). 「CRISP: スマートフォン間の連携による屋内位置情報の精度向上」.ワイヤレスネットワーク. 24 (3): 867– 884. doi : 10.1007/s11276-016-1373-1 . S2CID 3941741 . 
  7. ^フューリー、エオガン;カラン、ケビン。ポール・マッケビット (2012)。 「HABITS: 屋内追跡と位置情報に対するベイジアン フィルター アプローチ」。バイオインスピレーションコンピューティングの国際ジャーナル。4 (2): 79. CiteSeerX 10.1.1.459.8761。土井：10.1504/IJBIC.2012.047178。 
  8. ^ THES, 接続ネットワークにおける位置の伝播, Chelly, Magda Lilia; Samama, Nel; 2011, 2011TELE0018, [2]
  9. ^ Yasir, M.; Ho, S.; Vellambi, BN (2014). 「可視光と加速度計を用いた屋内測位システム」 . Journal of Lightwave Technology . 32 (19): 3306– 3316. Bibcode : 2014JLwT...32.3306Y . doi : 10.1109/jlt.2014.2344772 . S2CID 25188925 . 
  10. ^ a b Liu X, Makino H, Mase K. 2010. 9チャンネル受信機を用いた蛍光灯通信システムによる屋内位置推定の改良. IEICE Transactions on Communications E93-B(11):2936-44.
  11. ^ Farid, Z.; Nordin, R.; Ismail, M. (2013). 「ワイヤレス屋内位置推定技術とシステムの最近の進歩」 . Journal of Computer Networks and Communications . 2013 : 1–12 . doi : 10.1155/2013/185138 .
  12. ^ a b Chang, N; Rashidzadeh, R; Ahmadi, M (2010). 「差分Wi-Fiアクセスポイントを用いた堅牢な屋内測位」. IEEE Transactions on Consumer Electronics . 56 (3): 1860–7 . Bibcode : 2010ITCE...56.1860C . doi : 10.1109/tce.2010.5606338 . S2CID 37179475 . 
  13. ^ Atia, MM; Noureldin, A.; Korenberg, MJ (2013). 「無線ローカルエリアネットワークにおける屋内測位のための動的オンラインキャリブレーション無線マップ」 . IEEE Transactions on Mobile Computing . 12 (9): 1774– 1787. Bibcode : 2013ITMC...12.1774A . doi : 10.1109/tmc.2012.143 . S2CID 15669485 . 
  14. ^ a b c Chiou, Y; Wang, C; Yeh, S (2010). 「屋内WLAN向けトラッキングアルゴリズムを用いた適応型位置推定器」.ワイヤレスネットワーク. 16 (7): 1987– 2012. doi : 10.1007/s11276-010-0240-8 . S2CID 41494773 . 
  15. ^ a b Lim, H; Kung, L; Hou, JC; Haiyun, Luo (2010). 「IEEE 802.11無線インフラストラクチャにおけるゼロ設定屋内位置推定」.ワイヤレスネットワーク. 16 (2): 405–20 . doi : 10.1007/s11276-008-0140-3 . S2CID 17678327 . 
  16. ^ a b c Reza, AW; Geok, TK (2009). 「グリッドカバーアルゴリズムを用いたRFIDリーダーネットワークによる屋内位置検出の調査」.ワイヤレスパーソナルコミュニケーション. 49 (1): 67– 80. doi : 10.1007/s11277-008-9556-4 . S2CID 5562161 . 
  17. ^ a b c Zhou, Y; Law, CL; Guan, YL; Chin, F (2011). 「非同期UWB距離測定に基づく屋内楕円形位置推定」. IEEE Transactions on Instrumentation and Measurement . 60 (1): 248–57 . Bibcode : 2011ITIM...60..248Z . doi : 10.1109/tim.2010.2049185 . S2CID 12880695 . 
  18. ^ a b Schweinzer, H; Kaniak, G (2010). 「超音波デバイスの位置特定と無線センサーネットワークセキュリティへの可能性」.制御工学実践. 18 (8): 852–62 . doi : 10.1016/j.conengprac.2008.12.007 .
  19. ^ Qiu, Chen; Mutka, Matt (2017). 「サイレントホイッスル：スマートフォンの音響センサーを活用した効果的な屋内測位」2017 IEEE 第18回国際無線・モバイル・マルチメディアネットワークシンポジウム (WoWMoM) . pp.  1– 6. doi : 10.1109/WoWMoM.2017.7974312 . ISBN 978-1-5386-2723-5. S2CID  30783515 .
  20. ^画像処理を用いた位置決めと方向付けは、ワシントン大学による2007年の研究です。同様のアプローチがいくつか開発されており、現在（2017年）この技術を実装したスマートフォンアプリケーションが存在します
  21. ^スタートアップ企業がスマートフォンを使って屋内で人を追跡- Indoor Atlassについて（MIT Technology Reviewウェブサイト）
  22. ^ Vladimir MaximovとOleg Tabarovsky, LLC RTLS、モスクワ、ロシア (2013). 密結合型ToA/IMUパーソナル屋内ナビゲーションシステムの精度向上アプローチの調査。屋内測位および屋内ナビゲーションに関する国際会議議事録、2013年10月、フランス、モンベリアール。出版物はこちら。Wayback Machineに2014年12月5日アーカイブ。
  23. ^ Wan Mohd Yaakob Wan Bejuri、Mohd Murtadha Mohamad、Raja Zahilah (2015). オフラインビーコン選択ベースのRSSIフィンガープリンティングによる位置情報を活用したショッピングアシスタンス：予備的結果. New Trends in Intelligent Information and Database Systems, pp. 303-312,出版物はこちら
  24. ^ワン・モフド・ヤコブ・ワン・ベジュリ、モフド・ムルタダ・モハマド、ラジャ・ザヒラ (2015)。 GPS、無線 LAN、およびカメラを使用した緊急救助ローカリゼーション (ERL)」 International Journal of Software Engineering and Its Applications、Vol. 9、No. 9、pp. 217-232、 https://serscjournals.org/index.php/IJSEIA/vol9_no9_2015/19.pdf
  25. ^ Wan Mohd Yaakob Wan BejuriとMohd Murtadha Mohamad (2014). モバイル測位システムにおけるグレーワールドベース特徴検出およびマッチングの性能分析. Sensing and Imaging, Vol. 15, No. 1, pp. 1-24 [3]
  26. ^ Wan Mohd, Yaakob Wan Bejuri; Murtadha Mohamad, Mohd (2014). 「無線LAN/FMラジオベースの堅牢なモバイル屋内測位：初期成果」(PDF) . International Journal of Software Engineering and Its Applications . 8 (2): 313– 324. 2023年10月30日時点のオリジナル(PDF)からのアーカイブ。
  27. ^ Wan; Yaakob Wan Bejuri, Mohd; Murtadha Mohamad, Mohd; Sapri, Maimunah; Shafry Mohd Rahim, Mohd; Ahsenali Chaudry, Junaid (2014). 「自動車椅子ナビゲーションシステムにおける空間相関ベースの特徴検出およびマッチングの性能評価」International Journal of Intelligent Transportation Systems Research . 12 (1): 9– 19. doi : 10.1007/s13177-013-0064-x . S2CID 3478714 . 
  28. ^ワン・モフド・ヤコブ・ワン・ベジュリ、ワン・モフド・ナスリ、ワン・ムハマド・サイディン、モフド・ムルタダ・モハマド、マイムナ・サプリ、カー・セン・リム (2013)。ユビキタス測位: 車椅子ナビゲーション システム用の統合された GPS/無線 LAN 測位。インテリジェント情報およびデータベース システム、Vol. 7802、394-403 ページ、ここで出版物を参照
  29. ^ Wan Mohd Yaakob Wan Bejuri、Mohd Murtadha Mohamad、Maimunah Sapri、Mohd Adly Rosly (2012). 逆強度色度空間ベース特徴検出およびマッチングを用いたユビキタスWLAN/カメラ位置測定：予備的結果. 国際マンマシンシステム会議2012 (ICOMMS 2012).出版物はこちら
  30. ^ Z. Horvath, H. Horvath (2014): スマートフォンやタブレットに内蔵されたGPSの測定精度、国際電子通信技術ジャーナル、第1号、pp 17-19、 [4]
  31. ^ 「GNSS Indoors — Fighting The Fading, Part 1 - Inside GNSS」www.insidegnss.com 2008年3月12日. 2018年1月10日時点のオリジナルよりアーカイブ。 2009年10月18日閲覧。
  32. ^ a b「Syntonyは地下に潜ることで高みを目指す」 2016年11月。
  33. ^ Furey, Eoghan; Curran, Kevin; McKevitt, Paul (2012). 「緊急対応者を支援するための確率的屋内人間運動モデリング」 . Journal of Ambient Intelligence and Humanized Computing . 3 (5): 559– 569. doi : 10.1007/s12652-012-0112-4 . S2CID 16611408 . 
  34. ^ Violettas, GE; Theodorou, TL; Georgiadis, CK (2009年8月). 「Net Argus : SNMPモニターおよびWi-Fiポジショニング、3層アプリケーションスイート」. 2009年 第5回国際無線・モバイル通信会議. pp.  346– 351. doi : 10.1109/ICWMC.2009.64 . ISBN 978-1-4244-4679-7 . S2CID  23482772
  35. ^ P. Bahl と VN Padmanabhan、「 RADAR: 建物内 RF ベースのユーザー位置特定および追跡システム」、IEEE コンピューターおよび通信学会第 19 回年次合同会議 (INFOCOM '00) の議事録、第 2 巻、pp. 775–784、テルアビブ、イスラエル、2000 年 3 月。
  36. ^ Youssef, Moustafa; Agrawala, Ashok (2007-01-04). 「Horus位置測定システム」. Wireless Networks . 14 (3): 357– 374. doi : 10.1007/s11276-006-0725-7 . ISSN 1022-0038 . S2CID 62768948 .  
  37. ^ Y. Chen、H. Kobayashi、「信号強度に基づく屋内地理位置情報」、IEEE国際通信会議(ICC '02)会議論文集、第1巻、pp.436-439、ニューヨーク、ニューヨーク州、米国、2002年4月～5月。
  38. ^ Golovan AA et al. ガウス過程における異なる平均オフセットモデルを用いた効率的な位置推定 //2014 International Conference on Indoor Positioning and Indoor Navigation (IPIN). – IEEE, 2014. – С. 365-374. [5]
  39. ^ Hähnel BFD, Fox D. 信号強度に基づく位置推定のためのガウス過程 //Proceeding of robotics: science and systems. – 2006. [6]
  40. ^ Ferris B., Fox D., Lawrence ND Wifi-slam using gaussian process latent variable models //IJCAI. – 2007. – Т. 7. – №. 1. – С. 2480-2485. [7] 2022年12月24日Wayback Machineにアーカイブ
  41. ^ Lymberopoulos, Dimitrios; Liu, Jie; Yang, Xue; Roy Choudhury, Romit; Handziski, Vlado; Sen, Souvik (2015). 「屋内位置検出技術の現実的な評価と比較」.第14回国際センサーネットワーク情報処理会議論文集. pp.  178– 189. doi : 10.1145/2737095.2737726 . ISBN 9781450334754. S2CID  1028754 .
  42. ^ Laoudias, C.; Constantinou, G.; Constantinides, M.; Nicolaou, S.; Zeinalipour-Yazti, D.; Panayiotou, CG (2012). 「Androidスマートフォン向けAirplace屋内測位プラットフォーム」. 2012 IEEE 13th International Conference on Mobile Data Management . pp.  312– 315. doi : 10.1109/MDM.2012.68 . ISBN 978-1-4673-1796-2. S2CID  14903792 .（最優秀デモ賞）
  43. ^ 「ビーコンについて知っておくべきことすべて」 Bright Talk . 2014年6月12日閲覧。
  44. ^ 「Appleは、可能な限りすべての大規模建物の内部をマッピングする大規模なプロジェクトを開始」 Business Insider 2014年6月12日閲覧。
  45. ^ 「Apple Inc.のマイクロマッピング機能搭載iBeaconは小売業に革命を起こす」 ValueWalk、2014年1月。2014年6月12日閲覧。
  46. ^ 「ミュージック・シティ・センター、道案内アプリを発表」。2014年12月5日時点のオリジナルよりアーカイブ。2014年11月28日閲覧。
  47. ^ 「ミュージック・シティ・センターのアプリが来場者を案内」 The Tennessean . 2014年11月28日閲覧。
  48. ^ Pourhomayoun、Jin、Fowler (2012). 「医療支援システム向け無線センサーネットワークにおける空間スパース性に基づく屋内位置推定」(PDF) . Embc2012 .
  49. ^ CR Comsa他「スパース表現フレームワークにおける到着時間差を用いた音源定位」ICASSP、2011年。
  50. ^ Wen、Fuxi、Chen Liang。「複数のアンテナを備えた単一アクセスポイントを使用したきめ細かな屋内位置推定」IEEE Sensors Journal 15.3 (2014): 1538-1544。
  51. ^ Ahmad Bazzi、Dirk TM Slock、Lisa Meil​​hac。「単一スナップショットによる角度と到着時刻の同時推定：2Dマトリックスペンシルアプローチ」2016 IEEE国際通信会議（ICC）。IEEE、2016年。
  52. ^ Zhan Jie、Liu HongLi 、Tanjian（2010年12月）。「無線センサーネットワークのRSSIに基づく測距精度に関する研究」第2回国際情報科学工学会議。pp.  2338– 2341。doi ：10.1109/ICISE.2010.5691135。ISBN 978-1-4244-7616-9. S2CID  14465473 .
  53. ^ 「Racelogic、VBOX屋内測位システムを発表」 . 2018年9月24日
  54. ^ Lee, Yong Up; Kavehrad, Mohsen;「可視光通信と無線ネットワークによる長距離屋内ハイブリッド位置推定システムの設計」Photonics Society Summer Topical Meeting Series, 2012 IEEE, vol., no., pp.82-83, 2012年7月9日～11日出版物はこちら
  55. ^ 「Geospatial World 2014年8月号」(PDF) . Geospatial World .
  56. ^ Foxlin, Eric (2005年11月1日). 「靴に取り付けた慣性センサーによる歩行者追跡」. IEEE Computer Graphics and Applications . 25 (6): 38– 46. Bibcode : 2005ICGA...25f..38F . doi : 10.1109/MCG.2005.140 . PMID 16315476. S2CID 19038276 .  
  57. ^ Bose, Subhojyoti; Gupta, Amit K.; Handel, Peter (2017). 「靴に取り付けるマルチIMU慣性測位システムのノイズと電力性能について」. 2017 International Conference on Indoor Positioning and Indoor Navigation (IPIN) . pp.  1– 8. doi : 10.1109/IPIN.2017.8115944 . ISBN 978-1-5090-6299-7. S2CID  19055090 .
  58. ^ Gupta, Amit K.; Skog, Isaac; Handel, Peter (2015). 「足置き型歩行者ナビゲーションデバイスの長期性能評価」. 2015 Annual IEEE India Conference (INDICON) . pp.  1– 6. doi : 10.1109/INDICON.2015.7443478 . ISBN 978-1-4673-7399-9. S2CID  33398667 .
  59. ^ Nilsson, John-Olof; Gupta, Amit K.; Handel, Peter (2014). 「足踏み慣性航法を簡単に」2014年国際屋内測位・屋内ナビゲーション会議 (IPIN) . pp.  24– 29. doi : 10.1109/IPIN.2014.7275464 . ISBN 978-1-4673-8054-6. S2CID  898076 .
  60. ^ Zhang, Wenchao; Li, Xianghong; Wei, Dongyan; Ji, Xinchun; Yuan, Hong (2017). 「IMU/EKF+HMM+ZUPT+ZARU+HDR+コンパスアルゴリズムに基づく足置き型PDRシステム」. 2017年国際屋内測位・屋内ナビゲーション会議 (IPIN) . pp.  1– 5. doi : 10.1109/IPIN.2017.8115916 . ISBN 978-1-5090-6299-7. S2CID  19693291 .
  61. ^同時位置推定とマッピング
  62. ^ Wan Mohd Yaakob Wan Bejuri、Mohd Murtadha Mohamad、Raja Zahilah (2015). 慣性計測装置（IMU）に基づく歩行者同時位置推定・地図作成（SLAM）の最適化を用いた緊急救助位置推定（ERL）の提案. International Journal of Smart Home. 第9巻：第12号、9-22頁. https://serscjournals.org/index.php/IJSH/vol9_no12_2015/2.pdf
  63. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Raja Zahilah (2015). KLDリサンプリングを用いた緊急救助場所（ERL）の最適化：初期提案. 国際宇宙・電子サービス・科学技術ジャーナル. 第9巻第2号, pp: 249-262. https://serscjournals.org/index.php/IJUNESST/vol9_no2/25.pdf
  64. ^ Wan Mohd Yaakob Wan Bejuri、Mohd Murtadha Mohamad、Raja Zahilah (2015). SLAM (Activity Pedestrian Simultaneously Localization and Mapping) におけるRao-Blackwellized Particle Filterの最適化：初期提案. International Journal of Security and Its Applications. Vol 9: No.11, pp: 377-390. https://serscjournals.org/index.php/IJSIA/vol9_no11_2015/35.pdf
  65. ^ 「屋内ナビゲーションのためのセンサーフュージョンとマップ補助」 。2010年4月28日時点のオリジナルよりアーカイブ。
  66. ^ 「屋内環境における歩行者の位置特定」（PDF） 。 2017年7月5日時点のオリジナル（PDF）からアーカイブ。2012年6月25日閲覧。
  67. ^ Carboni, Davide; Manchinu, Andrea; Marotto, Valentina; Piras, Andrea; Serra, Alberto (2015). 「インフラストラクチャフリーの屋内ナビゲーション：ケーススタディ」. Journal of Location Based Services . 9 : 33– 54. doi : 10.1080/17489725.2015.1027751 . S2CID 34080648 . 
  68. ^ Qiu, Chen; Mutka, Matt (2017). 「スマートフォンにおける屋外移動のプロファイリングによる屋内位置推定の自己改善」. 2017 IEEE 第18回国際無線・モバイル・マルチメディアネットワークシンポジウム (WoWMoM) . pp.  1– 9. doi : 10.1109/WoWMoM.2017.7974311 . ISBN 978-1-5386-2723-5. S2CID  8560911.
  69. ^ ウェアラブル機器の改修」
  70. ^ Daniş, F. Serhan; Naskali, A. Teoman; Cemgil, A. Taylan; Ersoy, Cem (2022). 「高精度位置アノテーションを備えた屋内位置推定データセットとデータ収集フレームワーク」.パーベイシブ・アンド・モバイル・コンピューティング. 81 101554. arXiv : 2209.02270 . doi : 10.1016/j.pmcj.2022.101554 . S2CID 246887116 . 
  71. ^ウォルトマン、ヨハネス;ショイフレ、ベルント;クリップ、コンスタンチン。ラドゥシュ、イリヤ。ブラス、カタリーナ。ユング、トーマス (2024 年 10 月)。「モバイル屋内ナビゲーションのアクセシビリティの強化」。2024 年第 14 回屋内測位および屋内ナビゲーションに関する国際会議 (IPIN)。 pp.  1–6 . doi : 10.1109/IPIN62893.2024.10786147。ISBN 979-8-3503-6640-2。
  72. ^ Al-Ahmadi, Abdullah; Qasaymeh, Yazeed Mohammad; RP, Praveen; Alghamdi, Ali (2019). 「屋内波動伝搬モデリングのためのベイズ的アプローチ」 . Progress in Electromagnetics Research M. 83 : 41–50 . doi : 10.2528 /pierm19042804 . ISSN 1937-8726 
  73. ^ Daniş, F. Serhan; Cemgil, A. Taylan; Ersoy, Cem (2021). 「Bluetooth Low Energyビーコンを用いた屋内測位・追跡のための適応型シーケンシャルモンテカルロフィルタ」 . IEEE Access . 9 : 37022–37038 . Bibcode : 2021IEEEA...937022D . doi : 10.1109/ACCESS.2021.3062818 .
  74. ^ Bai, Y; Jia, W; Zhang, H; Mao, ZH; Sun, M (2014).視覚障害者のためのランドマークベースの屋内測位. 第12回国際信号処理会議 (ICSP). Vol. 2014. pp.  678– 681. doi : 10.1109/ICOSP.2014.7015087 . ISBN 978-1-4799-2186-7 . PMC  4512241 . PMID  26213718
  75. ^ Gaith Saqer (2010年3月). 「Junaio 2.0、SXSWで開発者API搭載の初の屋内ソーシャル拡張現実アプリを発表」オリジナルより2010年3月12日アーカイブ。
  76. ^ 「Fraunhofer IIS、Awilocの屋内測位技術を使用して美術館の来館者を案内」 2010年12月13日。
  77. ^ Qiu, C.; Mutka, MW (2015-10-01). 「AirLoc: モバイルロボットによる屋内位置推定支援」. 2015 IEEE 第12回国際モバイルアドホック・センサーシステム会議. pp.  407– 415. doi : 10.1109/MASS.2015.10 . ISBN 978-1-4673-9101-6. S2CID  13133026 .
「 https://en.wikipedia.org/w/index.php?title=Indoor_positioning_system&oldid=1326692756」より取得