Técnicas para la localización en interiores basado en Bluetooth-Fingerprinting mediante algoritmos de inteligencia artificial

• Autor: Lovón Melgarejo, Jesús Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2018
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/15999
• Enlace del recurso: http://hdl.handle.net/20.500.14076/15999
• Nivel de acceso: acceso abierto
• Materia: Tecnología Bluetooth; Localización; Algoritmos de inteligencia artificial; https://purl.org/pe-repo/ocde/ford#1.02.01

En la actualidad, la geolocalización permite brindar mejores servicios de forma personalizada a cada usuario, principalmente mediante el uso de tecnologías ubicuas como Global Positioning System (GPS). Sin embargo, esta se ve limitada cuando no se encuentra en la línea de visión de los satélites, perdiendo precisión y utilidad, encontrándose inútil en problemas tales como determinar la ubicación de un usuario en un edificio de múltiples pisos. Debido a la utilización masiva de Smartphones en la sociedad actual, los cuales incorporan varios periféricos como la tecnología Bluetooth, en la presente Tesis se estudia en profundidad el problema de localización en interiores; analizando sus características, dificultades y variables. Para ello se utiliza la tecnología Bluetooth Low Energy 4.0 (BLE4.0), la cual es un protocolo más ligero y de ahorro de energía al Bluetooth convencional; se determina la posición utilizando como fuente el Received Signal Strength Indication (RSSI), el cual es emitido por dispositivos conocidos como Beacons. Se aplican técnicas de trilateración bajo un modelo de radiopropagación, basado en la ecuación de Rappaport; y fingerprinting, usando algoritmos de Machine Learning para realizar clasificación: Support Vector Machine (SVM) y k-Nearest Neighbors (k-NN). Estas técnicas se aplicaron y analizaron en distintos espacios físicos de experimentación, reconociendo los criterios que juegan un rol importante al realizar un despliegue y configuración del entorno para localización. Por último se propone un método novedoso para reconocer la mejor configuración del entorno a utilizar con el fin de mejorar la precisión de esta técnica.