Localização Indoor por Meio de Aprendizagem de Máquina Apoiada por Beacons Virtuais

Abstract

Este artigo apresenta uma solução ao problema de localização indoor por meio de aprendizagem de máquina com o apoio de um novo conceito denominado beacon virtual. Esse conceito mostrou consideráveis ganhos em desempenho em modelos onde a representatividade dos dados é crucial na precisão das predições do modelo. Beacons virtuais também podem ser úteis em ambientes onde a instalação de beacons de referência em determinados pontos poderiam gerar transtornos à movimentação de pessoas e objetos em geral. A título de comparação de desempenho, a solução foi implementada considerando quatro algoritmos diferentes de aprendizagem de máquina, sendo dois deles lineares e os outros dois não lineares. Validações com dados reais apontaram o modelo baseado em Multilayer Perceptron (MLP) como o modelo de melhor desempenho entre os quatro modelos considerados no que diz respeito ao menor erro entre a posição predita e a real, sendo que a aplicação do conceito de beacon virtual fora determinante para tal resultado.