RFID Indoor Location Identification for Construction Projects
Notice bibliographique
Résumé
Purpose The purpose of this paper is to present an indoor location identification methodology using low cost passive Radio Frequency Identification (RFID) for construction projects. Method Location-aware information at construction sites is an emerging area, concerned with automating the delivery of spatial information on the location of materials, workforce, and equipment. This spatial information can provide knowledge on construction project status. Most RFID localization literature focuses on deploying active RFID tags, which are expensive and aimed at indoor localization. It has been experimented with in operating buildings but not on construction jobsites and with a different time span. For this paper low cost passive RFID-tags were used. Using this methodology, a number of passive RFID tags are distributed onsite where work is progressing and the user, such as the field superintendent, carries a mobile RFID-reader. The indoor construction work-active area is divided into exclusive zones for tracking. Each passive RFID-tag is used as a reference point with known location (LANDMARK) within a predefined zone. The reference tag's known location is used to estimate the location of the user. The methodology uses Received Signal Strength Indicator (RSSI) as the main attribute for signal measurement to process the reader captured data. Two localization algorithms (Trilateration and Proximity) were used to identify the user location. After identifying the user's location, the user can take snapshots with a camera and write comments about onsite activities. The collected data will be then attached to the as-planned project schedule and related CAD drawings automatically at the identified location. This data is used to represent actual progress, which is then compared to as-planned baseline progress using earned value analysis. Results & Discussion An actual construction jobsite was used to build 5 test beds at different locations and different construction time spans. Experiments were conducted on the test beds to compare the results obtained from Trilateration and Proximity algorithms. The results shows mean error equals to 1m for Trilateration method with standard deviation of 0.4m and for Proximity method mean error equals to 1.76m with standard deviation of 0.5m. Indoor location identification could be utilized for tracking the project status.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».