Graph-Based Floor Separation Using Node Embeddings and Clustering of WiFi Trajectories

要約

屋内ポジショニングシステム（IPS）は、複雑なマルチストア環境でのロケーションベースのサービスにとってますます不可欠です。
この研究では、Wi-Fi指紋軌跡を使用した床分離のための新しいグラフベースのアプローチを提案し、屋内設定における垂直局在の課題に対処します。
ノードがWi-Fiフィンガープリントを表し、エッジが信号の類似性とコンテキスト遷移によって重み付けされるグラフを作成します。
node2vecは、低次元の埋め込みを生成するために採用されており、その後、K-meansを使用してクラスター化され、異なる床を識別します。
Huawei University Challenge 2021データセットで評価されたこの方法は、従来のコミュニティ検出アルゴリズムを上回り、68.97 \％の精度、61.99 \％のF1スコア、および57.19％の調整されたRANDインデックスを達成します。
前処理されたデータセットと実装コードを公開することにより、この作業は屋内ポジショニングでの研究の進歩に貢献します。
提案されたアプローチは、ノイズとアーキテクチャの複雑さを信号する堅牢性を示し、床レベルのローカリゼーションのためのスケーラブルなソリューションを提供します。

要約(オリジナル)

Indoor positioning systems (IPSs) are increasingly vital for location-based services in complex multi-storey environments. This study proposes a novel graph-based approach for floor separation using Wi-Fi fingerprint trajectories, addressing the challenge of vertical localization in indoor settings. We construct a graph where nodes represent Wi-Fi fingerprints, and edges are weighted by signal similarity and contextual transitions. Node2Vec is employed to generate low-dimensional embeddings, which are subsequently clustered using K-means to identify distinct floors. Evaluated on the Huawei University Challenge 2021 dataset, our method outperforms traditional community detection algorithms, achieving an accuracy of 68.97\%, an F1-score of 61.99\%, and an Adjusted Rand Index of 57.19\%. By publicly releasing the preprocessed dataset and implementation code, this work contributes to advancing research in indoor positioning. The proposed approach demonstrates robustness to signal noise and architectural complexities, offering a scalable solution for floor-level localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google