MétaCan
Menu
Retour à la cohorte
Enregistrement W2249105759 · doi:10.1109/iisa.2015.7388030

Sensor placement for indoor multi-occupant tracking

2015· article· en· W2249105759 sur OpenAlexafffund
Masoud Vatanpour Azghandi, Ioanis Nikolaidis, Eleni Stroulia

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta Health Services
Mots-clésComputer scienceAmbiguityTrajectoryTracking (education)HeuristicReal-time computingMotion sensorsMotion (physics)Space (punctuation)Location trackingComputer visionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We consider the problem of localizing and tracking multiple occupants in an indoor space, where the occupants are tagged with RFID tags and the space is embedded with anonymous (Passive Infrared, PIR) motion sensors and identity (RFID reader) sensors. Our localization method uses the RFID readings to disambiguate the occupants' trajectories recognized by the motion sensors. Due to their high cost and generally cumbersome placement requirements, RFID readers must be judiciously placed; in this paper, we study the placement of the readers such that the occupants' trajectory ambiguity is reduced. We rely on a heatmap representing the frequency with which individuals visit locations as they move through the indoor space and on models of coverage for the PIR sensors and RFID readers and develop a heuristic for the RFID reader placement. We demonstrate the effectiveness of our method via simulations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,073
Tête enseignante GPT0,282
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207