MétaCan
Menu
Retour à la cohorte
Enregistrement W280876632 · doi:10.22260/isarc2013/0068

Indoor Localization of RFID-Equipped Movable Assets Using Mobile Reader Based on Reference Tags Clustering

2013· article· en· W280876632 sur OpenAlexaboutno aff
Ali Motamedi, Mohammad Mostafa Soltani, Amin Hammad

Notice bibliographique

RevueProceedings of the ... ISARC · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRadio-frequency identificationCluster analysisContext (archaeology)Asset managementMatching (statistics)Asset (computer security)Real-time locating systemDownloadReal-time computingDatabaseWorld Wide WebComputer securityArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Indoor Localization of RFID-Equipped Movable Assets Using Mobile Reader Based on Reference Tags Clustering A. Motamedi, M. M. Soltani, A. Hammad Pages 626-634 (2013 Proceedings of the 30th ISARC, Montréal, Canada, ISBN 978-1-62993-294-1, ISSN 2413-5844) Abstract: Indoor localization has gained importance as it has the potential to improve various processes related to the lifecycle management of facilities and to deliver personalized and location-based services. Radio Frequency Identification (RFID) based systems, on the other hand, have been widely used in different applications in construction and maintenance. This paper investigates the usage of RFID technology for indoor localization of RFID equipped movable assets during the operation phase of facilities. The location-related data on RFID tags attached to fixed assets are extracted from a Building Information Model (BIM) and can provide context-aware information inside the building which can improve Facilities Management (FM) processes. The paper proposes a new approach to use received signals from available reference tags in the building attached to fixed assets to locate movable assets. The approach uses signal pattern matching and clustering algorithms for localization. As a result, a user equipped with an RFID reader is able to estimate the location of target assets, without having access to any Real-Time Location System (RTLS) infrastructure. A case study is performed to demonstrate the feasibility of proposed methods. Keywords: Asset localization, RFID, Location-based services, Pattern matching, Clustering DOI: https://doi.org/10.22260/ISARC2013/0068 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... ISARCMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207