Journals Books 2687-5527 doi.org/10.36287/setsci
Latest Issue Archive Future Issues About Us
Conference Proceedings

SETSCI - Volume 4 (6) (2019)
ISAS WINTER-2019 (ENS) - 4th International Symposium on Innovative Approaches in Engineering and Natural Sciences, Samsun, Turkey, Nov 22, 2019

İç Mekan Konumlandırma Yöntemleri
Hatice Arslantaş1, Selçuk Ökden2*
1Erzincan Binali Yıldırım University, Erzincan, Turkey
2Erciyes University , Kayseri, Turkey
* Corresponding author: okdem@erciyes.edu.tr
Published Date: 2019-12-22   |   Page (s): 441-443   |    264     14
https://doi.org/10.36287/setsci.4.6.116

ABSTRACT 21. yüzyıldan itibaren teknolojideki gelişmeler sayesinde konum tabanlı sistemler giderek yaygınlaşmaya başlamıştır. Uydu tabanlı konumlandırma sistemleri, uydulardan gelen sinyallerin zayıf şiddette olması sebebi ile bina içine nüfuz edemez. Bir iç ortam konumlandırma sisteminde, kullanılan sinyal tipi ve ölçüm çeşidi, performansı önemli oranda etkilemektedir. Bu sebeple iç ortamlarda küresel konumlandırma sistemleri yeterli performans gösterememekte ve bu durum yeni teknolojilerden faydalanan alternatif iç mekan konumlandırma sistemlerinin gerekliliğini ortaya çıkarmaktadır. İç mekan konumlandırma, kapalı alanlarda istenilen kişinin veya nesnelerin yerini belirleme ve takip etme olanağı sunmaktadır. Teknolojinin gelişmekte olduğu çağda iç mekan konumlandırmaya hemen hemen her alanda ihtiyaç duyulmaktadır. İç mekan konumlandırma; havaalanı, alışveriş merkezi, hastane, müze, üniversite gibi kapalı ortamlarda kullanıcıların konumlarının bilinmesi, bir mağazada aranan bir ürünün bulunabilmesi, bir otoparkta kullanıcının arabasını park ettiği yeri bulabilmesi, ev ortamında yeri unutulan bir eşyanın bulunabilmesi, görme engelli bir bireyin kapalı bir alanda otomatik yönlendirilmesi gibi günümüzde birçok alanda önem kazanmaktadır. Bu makalede, güncel iç mekan konumlandırmada kullanılan yöntemler ve iç mekan konumlandırmanın önemi vurgulanmaya çalışılmıştır. 
KEYWORDS İç mekan konumlandırma,Yapay zeka, Yapay sinir ağları
REFERENCES [1] C. Tunca, E. Toplan, I. Sinan, and C. Ersoy, “Yapay Sinir Ağları ile WiFi Tabanlı İç Mekan Konumlandırma WiFi Based Indoor Localization Using Artificial Neural Networks,” no. October, 2014.
[2] S. B. Keser, A. Yazici, and S. Gunal, “Aşırı Öǧrenme Makinesi ile Hibrid Parmakizi Tabanlı İç Ortam Konumlandırma,” 2017 25th Signal Process. Commun. Appl. Conf. SIU 2017, pp. 0–3, 2017.
[3] G. Félix, M. Siller, and E. N. Álvarez, “A fingerprinting indoor localization algorithm based deep learning,” Int. Conf. Ubiquitous Futur. Networks, ICUFN, vol. 2016-Augus, pp. 1006–1011, 2016.
[4] Y. Li et al., “Wireless fingerprinting uncertainty prediction based on machine learning,” Sensors (Switzerland), vol. 19, no. 2, pp. 1–18, 2019.
[5] A. B. Adege, H.-P. Lin, G. B. Tarekegn, Y. Y. Munaye, and L. Yen, “An Indoor and Outdoor Positioning Using a Hybrid of Support Vector Machine and Deep Neural Network Algorithms,” J. Sensors, pp. 1–12, 2018.
[6] J. Torres-Sospedra et al., “UJIIndoorLoc: A new multi-building and multi-floor database for WLAN fingerprint-based indoor localization problems,” IPIN 2014 - 2014 Int. Conf. Indoor Position. Indoor Navig., no. October, pp. 261–270, 2014.
[7] J. W. Jang and S. N. Hong, “Indoor Localization with WiFi Fingerprinting Using Convolutional Neural Network,” Int. Conf. Ubiquitous Futur. Networks, ICUFN, vol. 2018-July, pp. 753–758, 2018.
[8] M. Abbas, M. Elhamshary, H. Rizk, M. Torki, and M. Youssef, “WiDeep: WiFi-based accurate and robust indoor localization system using deep learning,” 2019 IEEE Int. Conf. Pervasive Comput. Commun. PerCom 2019, pp. 1–10, 2019.
[9] and T. T. H. Mehmood, N. K. Tripathi, “Indoor Positioning System Using Artificial Neural Network,” vol. 6, no. 10, pp. 1219–1225, 2010.
[10] B. Soro and C. Lee, “Performance Comparison of Indoor Fingerprinting Techniques Based on Artificial Neural Network,” IEEE Reg. 10 Annu. Int. Conf. Proceedings/TENCON, vol. 2018-Octob, no. October, pp. 56–61, 2019.
[11] M. Ibrahim, M. Torki, and M. Elnainay, “CNN based Indoor Localization using RSS Time-Series,” Proc. - IEEE Symp. Comput. Commun., pp. 1044–1049, 2018.


SET Technology - Turkey

eISSN  : 2687-5527    
DOI : doi.org/10.36287/setsci

E-mail : info@set-science.com
+90 533 2245325

Tokat Technology Development Zone Gaziosmanpaşa University Taşlıçiftlik Campus, 60240 TOKAT-TURKEY
©2018 SET Technology