Redes neuronales recurrentes aplicadas a sistemas de localización indoor en redes WLAN

Abstract

En los últimos años se ha disparado la cantidad de aplicaciones que aprovechan la ubicación de dispositivos móviles con distintos fines, ya sean comerciales, educativos, o de entretenimiento. La fuente más utilizada para localizar los dispositivos es el GPS (Global Positioning System), pero el mismo presenta dificultades para conseguir buena precisión dentro de entornos cerrados. Este trabajo tiene como foco estudiar el problema de localización de dispositivos móviles en interiores, en una aplicación concreta. Se continúa con lo presentado en el proyecto de grado "Localización Indoor Basada en Wi-Fi" (mayo 2019) en el que se utilizó un sistema basado en WiFi que proponía una solución efectiva para el problema en cuestión. El sistema contó con una aplicación para brindar una solución al Museo Nacional de Artes Visuales, proporcionando contenido audiovisual en función de la posición del usuario. En este proyecto se estudian e implementan alternativas a la solución previamente mencionada, buscando mejorar la precisión y estabilidad del sistema de localización a través de la utilización de Redes Neuronales Recurrentes. Se hace foco especialmente en técnicas de aprendizaje automático que se nutran de la información temporal de la trayectoria del usuario. Por otro lado, se estudian técnicas de crowdsourcing y crowdsensing que alimenten al sistema con la información alternativa recopilada activa o pasivamente por los usuarios del sistema. En particular, se implementa una solución de crowdsourcing que se encuentra adecuada al contexto de trabajo. Se realizan diversas evaluaciones dentro de un espacio cerrado disponible en Facultad de Ingeniería, UdelaR. Se elige trabajar en este lugar debido a que la situación sanitaria del país imposibilita trabajar en centros culturales como el Museo Nacional de Artes Visuales. Las evaluaciones realizadas nos llevaron a concluir que se puede alcanzar un error menor a 2 m en la localización del usuario, contando únicamente con la infraestructura WiFi ya existente en Facultad. Además, se realizan estudios comparativos entre el desempeño del sistema diseñado en el proyecto anterior y las soluciones aquí presentadas. Bajo las mismas condiciones, se logró mejorar la precisión en un 30 %.