基于RFID与贝叶斯滤波技术的室内空间查询处理
人工智能
2022-05-27 v2
摘要
人们在日常生活中于室内空间（如办公楼、地铁系统等）度过大量时间。因此，开发高效的室内空间查询算法以支持各种基于位置的应用十分重要。然而，室内空间不同于室外空间，因为用户必须遵循室内平面图进行移动。此外，室内环境中的定位主要基于感知设备（如RFID读写器）而非GPS设备。因此，我们无法将现有为室外环境设计的空间查询处理方法应用于这一新挑战。由于贝叶斯滤波技术可利用对系统的一系列含噪测量来估计随时间变化的系统状态，在本研究中，我们提出基于贝叶斯滤波的位置推断方法，作为利用含噪RFID原始数据评估室内空间查询的基础。此外，我们创建了室内行走图模型与锚点索引模型两个新模型，用于在室内环境中追踪物体位置。基于该推断方法与追踪模型，我们开发了创新的室内范围查询与k近邻（kNN）查询算法。我们通过合成数据与真实世界数据验证了我们的方案。实验结果表明所提算法能高效且有效地评估室内空间查询。我们在 https://github.com/DataScienceLab18/IndoorToolKit 开源了代码、数据与平面图。
引用
@article{arxiv.2204.00747,
title = {RFID-Based Indoor Spatial Query Evaluation with Bayesian Filtering Techniques},
author = {Bo Hui and Wenlu Wang and Jiao Yu and Zhitao Gong and Wei-Shinn Ku and Min-Te Sun and Hua Lu},
journal= {arXiv preprint arXiv:2204.00747},
year = {2022}
}