İç Mekan Konumlandırma Sistemleri

Turan E., Urhan O.

International Marmara Sciences Congress (IMASCON 2023 – Autumn), Kocaeli, Türkiye, 15 - 16 Aralık 2023, ss.189-195

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Kocaeli
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.189-195
  • Kocaeli Üniversitesi Adresli: Evet

Özet

Son yıllarda teknolojinin gelişmesi ile birlikte konum tabanlı sistemlere yönelik çalışmalar artmıştır.

Uydulardan gelen verileri kullanan GNNS (Global Navigation Satellite System) teknolojisi temelli

yöntemler günümüzde birçok dış mekan konum belirleme uygulamasında aktif olarak kullanılmaktadır.

Bununla birlikte kapalı alanlarda iç konumlandırma sistemlerinde alternatif yöntemler kullanılmaktadır.

Literatürde kurulum kolaylığı nedeniyle halihazırda var olan Wi-Fi, Bluetooth gibi teknolojiler

kullanılarak iç konumlandırma sistemleri için çalışmalar gerçekleştirilmiştir. Bu bildiride güncel iç

mekan konumlandırma sistemlerinde kullanılan yöntemler, makine öğrenmesi yöntemlerinin iç

konumlandırma teknolojisine uygulanması ve iç mekan konumlandırmanın önemi ele alınmıştır.

Yapılan deneysel çalışmada 30 m2’lik bir alanda Bluetooth teknolojisi kullanılarak trilaterasyon ve MLP

(Multi Layer Perceptron) yöntemlerinin performansı karşılaştırılmıştır. Yapılan deneysel çalışma

çerçevesinde ortalama mutlak pozisyon hatası trilaterasyon yöntemi için 1,93 m, MLP yöntemi için ise

1,23 m olarak hesaplanmıştır. Sonuç olarak makine öğrenmesi algoritmasının geleneksel trilaterasyon

yöntemine göre iç konumlandırma sistemlerinde daha başarılı olduğu gözlemlenmiştir.

Upon the advancement of technological developments, studies on location-based systems have

increased. Methods based on GNNS (Global Navigation Satellite System) technology, which use data

from satellites, are actively used in many outdoor positioning applications today. However, alternative

methods are used in indoor positioning systems in indoor areas. In the literature, studies have been

carried out for indoor applications using wireless technologies such as Wi-Fi and Bluetooth. In this

paper, the methods used in current indoor positioning systems, the application of machine learning

methods to indoor positioning technology and the importance of indoor positioning are discussed. In the

experimental study, the performance of trilateration and MLP (Multi-Layer Perceptron) methods was

compared using Bluetooth technology in an area of 30 m2. Within the framework of the experimental

study, the average absolute position error was calculated as 1.93 m for the trilateration method and 1.23

m for the MLP method. As a result, it has been observed that the machine learning algorithm is more

successful in indoor positioning systems than the traditional trilateration method.