El principal inconveniente del GPS son las señales de GPS bloqueadas completamente o demasiado débil para ser recibido en interiores ambientes [2]. Para superar estas limitaciones, se han propuesto y evaluado diversas tecnologías, como las tecnologías basadas en ultrasonidos, infrarrojos, visión por computadora y radiofrecuencia (RF), incluidas RFID (identificación por radiofrecuencia), LAN inalámbricas.
LOCALIZACIÓN A TRAVÉS DE RFID
El ambiente interior influye en la señal RSSI con varios factores, como el espacio libre factor de pérdida, reflejo de trayectos múltiples y efectos de interferencia . La utilización de la señal RSSI para la estimación de la distancia se puede lograr mediante el uso de uno de los siguientes procedimientos:
1) caracterizar los parámetros de la etiqueta antes de localizar el objeto etiquetado que se llama técnicas indirectas
2) usar uno de los algoritmos probabilísticos o de aprendizaje automático directamente en la señal recibida basada en la base de datos de huellas digitales que se llama técnica directa.Mugahid Omer (2019).
ALGORITMO DE CLASIFICACIÓN BASADO EN LA BASE DE DATOS DE HUELLAS DIGITALES RSSI
La técnica de huella digital estima la ubicación al referirla a puntos de observación. Este término se usa comúnmente para explicar cómo identificar la ubicación del objeto objetivo a partir de las señales RSS detectadas y registrar toda la información en un sistema de almacenamiento basado en computadora.
La técnica basada en la ubicación de la huella dactilar se compone de dos etapas de procesamiento, primero construyendo un conjunto de datos de entrenamiento y luego probando para identificar la posición objetivo. En la primera etapa del proceso, un mapa de radio de la señal RSSI detectada, que se mide desde diferentes ubicaciones, se graba y guarda en el servidor. Luego, para el proceso de estimación de posición, la intensidad de la señal recibida del dispositivo monitoreado se compara con el mapa de radio grabado usando cualquiera de las técnicas de coincidencia de proximidad, como el vecino más cercano k (K-NN), para predecir
la ubicación del dispositivo actual .
Existen varios métodos para la estimación de distancia que se combinan con la técnica de huella digital, pero presentan complicaciones como requerir de alto procesamiento o necesitar una distribución de etiquetas de referencia de alta densidad como un mapa histórico. Es por ello que usaremos la técnica LANDMARCK, esta técnica depende del algoritmo de clasificación KNN para encontrar la etiqueta de referencia mas cercana.
VECTOR DESPLAZAMIENTO
Mediante el método de localización por frecuencia de respuesta, haciendo uso de tres lectores RFID(A,B,C), se procede a identificar la posición inicial de la etiqueta para un tiempo(t=1), con ello se tiene las distancias entre la etiqueta y los lectores(dA1,dB1,dC1).. Luego para un tiempo (t=2) la etiqueta se encuentra en una posición E2, con ello, se observa una distancia nueva con respecto a los lectores ABC que según la figura 1 son dA2,dB2 y dC2. Dicho esto, podemos
identificar un vector dirección u12 del punto E1 al punto E2, Para un tiempo(t=3) se observa que un nuevo lector D reconoce la señal de la etiqueta en su posición E3, entonces la nueva terna de lectores sería B,C,D, es decir, A quedaría fuera ya que su distancia es superior a los tres, entonces el nuevo
vector dirección sería u23.
Por lo tanto, haciendo uso de un agente y data histórica se podría proponer el vector dirección para un tiempo(t=n). Los atributos a tomar en cuenta para nuestra investigación son:
- ID o código identificador del lector RFID
- ID o código identificador de la etiqueta RFID
- La fecha y hora del evento
- El ángulo del vector x,y,z
- El vector x,y,z
- La magnitud del vector (a partir de un cálculo previo realizado al RSSI)
Después de haber localizado la ubicación de la etiqueta objetivo en un tiempo t=1, volveremos a localizar su ubicación en un tiempo t=2, para generar un vector de dirección
U12 en el tiempo t=1, así sucesivamente. De esta manera generaremos un data set de vectores de dirección dentro de un espacio para un periodo determinado.
El modelo de pronóstico del vector de desplazamiento será creado con ayuda del programa Rapid Miner, el cual facilita la creación de modelos de forma intuitiva y rápida. Primero, se carga el dataset con los valores requeridos y se establece el formato para cada uno de los atributos (se puede visualizar los atributos en la Fig.2)
Luego de tener el dataset preparado para ser usado, se procede con la generación del modelo.
de la etiqueta, se utilizarán la fecha y hora de cada lectura de la etiqueta y se procederá a ordenar de forma temporal las lecturas. Es debido a ello que se puede ordenar en tiempos de t=0, t=1, ..., t=t’ para determinar la secuencialidad y con una data más amplia, se podría predecir el vector posición del objeto que se está desplazando.
APLICACIÓN DEL MÉTODO KNN PARA RECONOCER EL VECTOR DESPLAZAMIENTO
Para un tiempo determinado (t=t’) se ingresa una nueva etiqueta al espacio de análisis, por RF y haciendo uso de la ecuación 3, se conoce su ubicación(x,y).Haciendo uso del método KNN se evalúa cual es la etiqueta de referencia más próxima, Una vez identificado su vecino más próximo, se infiere que la etiqueta objetivo toma el vector desplazamiento de la etiqueta de referencia escogida.
CONCLUSIONES
En el paper actual, la técnica de huella digital se aplica a la señal RSSI, que se recibe del sistema RFID. El método del KNN se aplica para una etiqueta objetivo RFID para distintos instantes de tiempo. La distancia entre el lector-etiqueta y la intensidad de frecuencia son factores que influyen en la estimación de la localización.
Utilizando la IA en un sistema RFID, podríamos direccionar a las personas a su correcto lugar destino, sin la necesidad de consultar a otra persona