Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/77563
Título: | Self-healing radio maps of wireless networks for indoor positioning |
Autor(es): | Silva, Ivo Miguel Menezes |
Orientador(es): | Moreira, Adriano Pendão, Cristiano Gonçalves |
Palavras-chave: | Fusão Sensorial Indústria 4.0 Mapas de Rádio Posicionamento Indoor Veículos Industriais Indoor Positioning Industry 4.0 Industrial Vehicles Radio Maps Sensor Fusion |
Data: | 29-Abr-2022 |
Resumo(s): | A Indústria 4.0 está a impulsionar a mudança para novas formas de produção e otimização em tempo real
nos espaços industriais que beneficiam das capacidades da Internet of Things (IoT) nomeadamente,
a localização de veículos para monitorização e optimização de processos. Normalmente os espaços industriais
possuem uma infraestrutura Wi-Fi que pode ser usada para localizar pessoas, bens ou veículos,
sendo uma oportunidade para aumentar a produtividade. Os mapas de rádio são importantes para os
sistemas de posicionamento baseados em Wi-Fi, porque representam o ambiente de rádio e são usados
para estimar uma posição. Os mapas de rádio são constituídos por amostras Wi-Fi recolhidas em posições
conhecidas e degradam-se ao longo do tempo devido a vários fatores, por exemplo, efeitos de propagação,
adição/remoção de APs, entre outros. O processo de construção do mapa de rádio costuma ser exigente
em termos de tempo e recursos humanos, constituindo um desafio considerável. Os veículos, que operam
em ambientes industriais podem ser explorados para auxiliar na construção de mapas de rádio, desde que
seja possível localizá-los e rastreá-los. O objetivo principal desta tese é desenvolver um sistema de posicionamento
para veículos industriais com mapas de rádio auto-regenerativos (capaz de manter os mapas
de rádio atualizados). Os veículos são localizados através da fusão sensorial de Wi-Fi com sensores de
movimento, que permitem anotar novas amostras Wi-Fi para o mapa de rádio auto-regenerativo. São propostas
duas abordagens de fusão sensorial, baseadas em Loose Coupling e Tight Coupling, para a
localização dos veículos. A abordagem Tight Coupling inclui uma métrica de confiança para determinar
quando é que as amostras de Wi-Fi devem ser anotadas. Deste modo, esta solução não requer calibração
nem esforço humano para a construção e manutenção do mapa de rádio. Os resultados obtidos em experiências
sugerem que esta solução tem potencial para a IoT e a Indústria 4.0, especialmente em serviços
de localização, mas também na monitorização, suporte à navegação autónoma, e interconectividade. Industry 4.0 is driving change for new forms of production and real-time optimization in factories, which benefit from the Industrial Internet of Things (IoT) capabilities to locate industrial vehicles for monitoring, improving safety, and operations. Most industrial environments have a Wi-Fi infrastructure that can be exploited to locate people, assets, or vehicles, providing an opportunity for enhancing productivity and interconnectivity. Radio maps are important for Wi-Fi-based Indoor Position Systems (IPSs) since they represent the radio environment and are used to estimate a position. Radio maps comprise a set of Wi- Fi samples collected at known positions, and degrade over time due to several aspects, e.g., propagation effects, addition/removal of Access Points (APs), among others, hence they should be periodically updated to maintain the IPS performance. The process to build and maintain radio maps is usually time-consuming and demanding in terms of human resources, thus being challenging to perform. Vehicles, commonly present in industrial environments, can be explored to help build and maintain radio maps, as long as it is possible to locate and track them. The main objective of this thesis is to develop an IPS for industrial vehicles with self-healing radio maps (capable of keeping radio maps up to date). Vehicles are tracked using sensor fusion of Wi-Fi with motion sensors, which allows to annotate new Wi-Fi samples to build the self-healing radio maps. Two sensor fusion approaches based on Loose Coupling and Tight Coupling are proposed to track vehicles. The Tight Coupling approach includes a reliability metric to determine when Wi-Fi samples should be annotated. As a result, this solution does not depend on any calibration or human effort to build and maintain the radio map. Results obtained in real-world experiments suggest that this solution has potential for IoT and Industry 4.0, especially in location services, but also in monitoring and analytics, supporting autonomous navigation, and interconnectivity between devices. |
Tipo: | Tese de doutoramento |
Descrição: | Programa Doutoral em Telecomunicações MAP-tele das Universidades do Minho, Aveiro e Porto |
URI: | https://hdl.handle.net/1822/77563 |
Acesso: | Acesso aberto |
Aparece nas coleções: |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Ivo Miguel Menezes Silva.pdf | Tese de doutoramento | 9,81 MB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons