Kapalı alanlarda Beacon tabanlı konum belirleme yöntemlerinin doğruluk ve kullanılabilirlik yönünden incelenmesi

Kapalı alanlarda konumlandırma için birçok teknoloji geliştirilmekte ve kullanılmaktadır. Bu teknolojilerden biri de BLE (Bluetooth Low Energy) alt yapısına sahip Beacon teknolojisidir. Bu tez çalışma kapsamında Beacon teknolojisinin, GNSS (Küresel Konum Belirleme Sistemi) teknolojisinin yetersiz kaldığı kapalı alanlarda konumlandırma performansı incelenmiştir. Kapalı alanlarda konumlandırmayla ilgili yapılacak çalışmalarda kullanılacak donanımla birlikte konumlandırma yönteminin seçimi, uygulanması ve konumlandırma performansı oldukça önemlidir. Bu tez çalışması kapsamında kapalı alanlarda kullanılabilen konumlandırma yöntemlerinden yakınlık, üçgenleme ve parmak izi yöntemi Beacon teknolojisiyle birlikte yakından incelenmiştir. Çalışma kapsamında tek katlı kapalı bir alanda Beacon tabanlı basit navigasyon uygulaması ve bu uygulamanın geliştirilmiş hali olan çok katlı kapalı alanlarda Beacon tabanlı navigasyon uygulaması tasarlanmış ve test edilmiştir. Testler sonucunda, çok katlı kapalı alanlarda Beacon tabanlı navigasyon uygulaması için belirlenen hedefe ulaşma durumu dikkate alındığında %95 başarı sağlanmıştır. Kapalı alanlarda kullanılan konumlandırma yöntemlerinden yakınlık yöntemi için Beacon'lardan otomatik olarak elde edilen mesafe değerleriyle ortam şartlarına göre hesaplanıp elde edilen mesafe değerleri bu tez çalışması kapsamında karşılaştırılmıştır. Ortam şartlarına göre hesaplanıp elde edilen mesafe değeri için polinom enterpolasyonu ve YSA (Yapay Sinir Ağları) ile Beacon sinyallerindeki gürültüyü elemine etmek için Kalman filtresi kullanılmıştır. Yapılan testler sonucunda Beacon ile kullanıcı arasındaki mesafe değerlerinin ortalaması 6. dereceden polinom enterpolasyonu kullanılarak ortalama 0.95 m doğrulukla hesaplanmıştır. Bu işlem sonucunda elde edilen veriler Kalman filtresiyle değerlendirildiğinde Beacon ile kullanıcı arasındaki mesafe değerlerinin ortalaması 0.82 m doğrulukla hesaplanmıştır. Aynı mesafe değerleri, Beacon'lardan otomatik olarak elde edilen mesafe değeri kullanılarak 1.73 m doğrulukla hesaplanmıştır. Kapalı alanlarda kullanılan konumlandırma yöntemlerinden üçgenleme yöntemi için iki farklı kapalı alanda testler gerçekleştirilmiştir. İlk kapalı alanda gerçekleştirilen testlerde Beacon dizilimleri dikkate alınıp altı farklı konumlandırma taslağına göre konum hesaplanmıştır. Bu hesaplamalarda klasik üçgenleme yöntemi (en güçlü üç Beacon sinyalinin kullanıldığı) ve EKK (En Küçük Kareler) ile üçgenleme yöntemi (Beacon sinyal sayısı üçün üzerinde olduğunda) kullanılmıştır. Testlerde üçgenleme yönteminde, Beacon'lardan otomatik olarak elde edilen mesafe değeriyle ortam şartlarına göre hesaplanıp elde edilen mesafe değeri kullanılarak konum hesaplanmıştır. Çalışma sonucunda 3x3 m ve 4x4 m olan kare taslaklarda, karenin içerisinde kalan test noktaları için en fazla 1.01 m hata ile konum hesaplanmıştır. İkinci kapalı alanda ve 4x6 m bir alanda üçgenleme yöntemi için gerçekleştirilen testlerde; klasik üçgenleme yöntemi, EKK ile üçgenleme yöntemi, Kalman filtresi kullanılarak üçgenleme yöntemi ve Beacon'la kullanıcı arasındaki mesafenin elde edilme yöntemleri de dahil olmak üzere sekiz farklı kombinasyonla konum hesaplanmıştır. En iyi konum doğruluğunu Kalman filtresiyle birlikte Beacon'la kullanıcı arasındaki mesafe için A ve n değerinin (ortam koşullarına göre hesaplanan mesafe değeri için kullanılan parametreler) hesaplanıp kullanıldığı üçgenleme yöntemi 1.98 m ortalama konum hatasıyla vermiştir. Kapalı alanlarda kullanılan konumlandırma yöntemlerinden parmak izi yöntemi için birçok durum göz önünde bulundurularak konum hesaplanmıştır. Bu durumlar kapalı alanın büyüklüğüne göre parmak izi yöntemi için kullanılacak Beacon sayısı, veri toplama yönü, veri toplama aralıkları, veri toplama yükseklikleri, veri toplama noktalarının sayısı, kullanılacak sınıflandırma yöntemleri, Beacon sinyallerindeki gürültüyü elemine etmek için Kalman filtresinin kullanımı gibi faktörlerden oluşmaktadır. Parmak izi yöntemi için yapılan çalışmalarda sınıflandırma yöntemi olarak NN (En Yakın Komşu), KNN (K-En Yakın Komşu), WKNN (Ağırlıklandırılmış K-En Yakın Komşu) ve YSA kullanılmıştır. Parmak izi yöntemi için yapılan testlerde, konum doğruluklarının ortalamaları baz alındığında en iyi performansı Kalman filtresi kullanılarak 1.77 m konum hatasıyla YSA yöntemi vermiştir.