Wi-Fi fingerprinting has been studied extensively due to the widespread deployment of Wi-Fi infrastructure. However, extensive calibration efforts are required to collect as many fingerprints as needed to construct radio maps, which is time-consuming and labor-intensive. Although many studies have been conducted to reduce the calibration efforts, it can only be used in limited circumstances because it requires some location labels for the learning models or continuous sensor use. This research introduces a practical crowdsourcing-based radio map construction method for localization in multi-story buildings. The method estimates the vertical transportation means used for vertical movement and user traces based on Wi-Fi, pressure data, and inertial sensor data. The estimated location and Wi-Fi similarity are used to construct an initial model of the radio map, which is then optimized using unlabeled data. The extensive experiments carried out in three large multi-story buildings demonstrate that the method successfully builds accurate radio maps without any explicit effort to collect location references.
Wi-Fi 핑거프린팅은 기 구축된 Wi-Fi 인프라를 활용할 수 있다는 점에서 널리 사용되는 실내 측위 기법이다. 그러나 라디오맵을 구성하는 데 필요한 만큼의 신호 지문을 수집하려면 많은 보정 노력이 필요하다. 보정 노력을 줄이기 위한 기존 연구들은 지속적인 센서 활용을 필요로 하거나, 일부 위치 정보를 필요로하여 그 활용이 제한적이다. 본 연구에서는 다층 건물의 측위를 위한 실용적 크라우드소싱 기반 전파지도 구축 방법을 소개한다. 이 방법은 Wi-Fi와 기압 데이터, 관성 센서 정보를 바탕으로 층간 이동 시점과 및 사용된 수직 운송 수단을 추정하고, 이를 바탕으로 사용자 경로를 추정한다. 일부 위치 추정 가능한 데이터의 위치 정보와 Wi-Fi 유사도는 라디오맵의 초기 모델을 구성하는 데 사용되며, 위치 정보가 지정되지 않은 나머지 데이터를 사용하여 이를 최적화한다. 세 개의 대형 다층 건물에서 수행된 실험은 제안된 방법이 위치 참조를 수집하기 위한 명시적인 노력 없이 정확한 전파 지도를 성공적으로 구축하는 것을 보여준다.
