Ýç mekan konumlandýrma sistemleri, kapalý ortamlarda kiþinin veya bir nesnenin yerini belirleme olanaðý sunmaktadýr. Havalimanlarý, alýþveriþ merkezleri, hastaneler ve üniversiteler gibi kapalý ortamlarda kiþilerin veya bir nesnenin konumunun bulunabilmesi günümüzde birçok alanda gerek duyulmaktadýr. Dýþ ortamlarda küresel uydu sistemleri aracýlýðý ile konum belirleme yaygýn bir þekilde kullanýlmaktadýr. Ancak iç mekanlarda önemli bir etken olan doðruluk parametresi, sinyallerin rastgele dalgalanmalarýndan ve gürültülerden önemli derecede etkilendiðinden dolayý küresel uydu sistemleri iç ortamlarda baþarýlý olamamaktadýr. Bu durum kapalý alanlarda baþarýlý olacak alternatif sistemlerin gerekliliðini ortaya çýkarmaktadýr. Günlük hayatta mevcut olan sinyal kaynaklarýný ek bir donanýma gerek kalmadan kullanan ve birçok kapalý alanda bulunan Wi-Fi eriþim noktalarý kapalý alan konum tahmininde yaygýn olarak kullanýlmaktadýr. Bu çalýþmada, derin öðrenme metotlarýndan biri olan yýðýnlanmýþ özdevinimli kodlayýcý (Stacked AutoEncoder, SAE) kullanýlarak bina ve kat sýnýflandýrmak üzere yeni bir model tasarlanmýþtýr. Özdevinimli kodlayýcý doðru ve hassas bir sýnýflandýrma elde etmek için özellik alanýný verimli bir þekilde azaltarak iþlem yapmaktadýr. Deneysel çalýþmalar çok katlý binalardan oluþan literatürde bulunan en kapsamlý UJIIndoorLoc veri seti ile gerçekleþtirilmiþtir. Veri seti %70 eðitim %30 test olacak þekilde bölünerek deneysel çalýþmada kullanýlmýþtýr. Tasarlanan modele veri ön iþleme adýmý uygulanarak, sýnýflandýrma baþarýmýna olan etkisi incelenmiþtir. UJIIndoorLoc veri seti üzerinden elde edilen deneysel sonuçlar, önerilen SAE modelinin baþarýlý sonuç verdiðini göstermektedir.
Anahtar Kelimeler: Ýç mekân konumlandýrma, derin sinir aðlarý, yýðýnlanmýþ özdevinimli kodlayýcý, Wi-Fi
|
