Una Arquitectura De Posicionamiento Sólido Para La Construcción De Recursos De Localización Mediante Redes De Sensores Inalámbricos

Paper # 316 Autores:
   s 1. INTRODUCCIÓN Localización emergente y tecnologías de rastreo permiten la adquisición de datos automatizada de procesos y control de proyectos de ingeniería de la construcción (Jang y Skibniewski 2009). La gestión eficaz de los recursos de construcción, incluyendo mano de obra, equipo y materiales, es fundamental para el éxito del proyecto. Finalización de las tareas del proyecto en la fecha prevista, de forma segura y dentro del presupuesto previsto requiere un esfuerzo coordinado de planificación que asigna una disponibilidad adecuada de los recursos del proyecto (Teizer 2008). Los proyectos exitosos de construcción son a menudo determinados por el nivel de conciencia de la situación del recurso o el desempeño del proyecto. Así, la información oportuna de estos factores puede ayudar en la toma de decisiones rápida y segura en tiempo real. En los últimos años, la necesidad de localización en interiores también ha ido en aumento en las obras de construcción (Khoury y Kamat 2009), que presenta grandes oportunidades para la investigación en esta área. Tareas de construcción, incluyendo inspección y monitoreo del progreso, deben tener un máximo al día el acceso a la información del proyecto en ambientes interiores o sitios cubiertos parcialmente, por ejemplo, el seguimiento de los componentes de acero en talleres de fabricación para el control de la productividad de los trabajadores o de localización en la construcción de túneles subterráneos para el propósito de gestión de la seguridad. Mientras que las técnicas de localización al aire libre se han desarrollado y desplegado, métodos interiores siguen siendo un reto para la investigación. El Sistema de Posicionamiento Global (GPS) es una opción atractiva para ambientes al aire libre, pero no es adecuado para aplicaciones de interiores. Además, debido a la complejidad de los ambientes interiores, a diferencia de ambientes al aire libre, el desarrollo de una técnica de localización de interior siempre está impedido por un conjunto de desafíos, incluido el efecto multitrayecto denso, sin línea de vista, la interferencia de Meimanat Soleimanifar Ming Lu, universidad de Alberta – CANADA. Loanis Nikolaidis, universidad de Alberta – CANADA. SangHyun Lee, Universidad de Michigan, USA.

ruido y los efectos de propagación de material de construcción dependientes (Zhang et al. 2010). Entornos de construcción agregar la complejidad adicional de los frecuentes cambios en el medio ambiente, como materiales, trabajadores, y el equipo se presentó de forma dinámica y se trasladó a un sitio. Debido a las limitaciones de los enfoques propuestos anteriormente, la investigación reciente construcción también ha investigado el uso de Radio Frecuencia (RF) tecnologías que miden la fuerza de la señal recibida (Luo et al. 2010). Aunque el uso de señales de RF no es la única opción para el seguimiento de la ubicación de interior, RF basado en tecnología tiene la ventaja de la simplicidad y bajo coste, en particular, con el advenimiento de bajo coste redes de sensores inalámbricos, basados en RF soluciones en tiempo real de posicionamiento puede ser fácilmente implementado en el entorno aplicación (Haque et al. 2009). Este artículo presenta una arquitectura de colocación de redes de sensores inalámbricos que pueden facilitar la localización de los recursos de la construcción, tanto en entornos interiores como exteriores. La arquitectura introducido tiene el potencial de reducir el coste de instalación de los sensores múltiples unidades de posicionamiento / que necesitan ser instalado. Se realizaron varios experimentos con el fin de examinar el rendimiento de posicionamiento, precisión y robustez. Se intentó evaluar el resultado de la localización en un entorno dinámico mediante la cuantificación de los efectos de impredecibles obstáculos temporales y permanentes que pudieran aparecer en sitios de trabajo. La arquitectura del sistema propuesto se describe brevemente y resultados de los experimentos se presentan a continuación en interiores.

2. ANTECEDENTES

En las últimas décadas, las industrias de la construcción han mostrado un interés creciente en los sistemas de localización y servicios (Kim et al. 2010). La información permite a los administradores de la construcción para tener en cuenta el estado actual de los recursos de construcción. Durante muchos años, los sistemas de RFID y el GPS han sido una opción atractiva para el rastreo automático y de seguimiento de activos de construcción. Para el posicionamiento de recursos, control y recogida de datos automatizado en la construcción, no hay duda de que estas tecnologías maduras son más atractivas que las tecnologías anteriores, tales como el código de barras. Sin embargo, varias limitaciones se han detectado en aplicaciones de construcción. RFID no cumplía los requisitos para las condiciones de construcción duras como resultado del posicionamiento incorrecto basado en la proximidad (Pradhan et al. 2009), inflexible y limitadas capacidades de redes, y el alto costo de los lectores de RFID (Skibniewski y Jang 2009). Por otra parte, la distancia de comunicación entre las etiquetas RFID y lectores disminuye significativamente con la presencia de metales, hormigón y la humedad en su proximidad, que es común en un sitio de construcción (Lu et al. 2007).

El rendimiento del sistema de localización GPS puede ser severamente debilitado debido al bloqueo de la señal de satélite y el efecto de trayectos múltiples, la cual es causada por deflexión y distorsión de las señales de satélite en áreas de alta densidad y estructuras temporales o instalaciones como el andamio y encofrado en una obra de construcción ( Lu et al. 2007). Debido a las limitaciones de las tecnologías discutidas previamente, el uso de WSN se ha expandido en los últimos esfuerzos de construcción de investigación. Un WSN es una red selforganizing compuesta de un gran número de nodos de sensores, estrecha interacción con el mundo físico. Cuenta con bajo coste nodos, ex-tensa capacidad de red que permite el despliegue de grandes cantidades de nodos a fin de aumentar la cobertura de la red, la estabilidad y la fiabilidad en la comunicación inalámbrica. Además, el bajo consumo de energía faci-lita operación y mantenimiento del sistema (Shen et al. 2008). Por otra parte, la red ad-hoc arquitectura facilita la implementación y adecuación de la red flexible. Una arquitectura de seguimiento nuevo llevó a cabo utilizando módulos de sensores inalámbricos mediante la combinación de las señales de radiofrecuencia y ultrasonido, los resultados mostraron estimaciones precisas de posición con una mayor red la flexibilidad (Skibniewski y Jang 2009). Sin embargo, el posicionamiento de ultrasonidos tradicional tiene algunas ventajas dis-incluyendo la transmisión de la línea de visión, la trayectoria múltiple, el alto costo y el consumo de potencia que puedeobstaculizar las posibles aplicaciones en ambientes de construcción complicadas (Shen et al. 2008). De acuerdo a las funciones tecnológicas, la economía y los objetivos de gestión, varias combinaciones de RFID y redes basadas en Zigbee sensores también se han aplicado para el seguimiento de los materiales y de la cadena de suministro de gestión (Shin et al 2011;.. Cho et al 2011). Las etiquetas RFID se utiliza para identificar varios tipos de materiales de construcción, y la tecnología de comunicación ZigBee se utilizó para transferencia inalámbrica de esta información. Estos estudios confirmaron que WSN puede mejorar la flexibilidad de comunicación inalámbrica y la red, pero su uso principal era sólo la transmisión de datos, y no el posicionamiento. Teniendo en cuenta las características de las obras de construcción y las características de los ambientes interiores, un marco nuevo WSN rentable y energéticamente eficientes posicionamiento basado Se propone que efectivamente puede identificar y rastrear una amplia gama de recursos de construcción. Este marco se espera que aumente la fiabilidad y robustez, que son difíciles de lograr con las tecnologías actuales.

3. Arquitectura Del Sistema Y Algoritmo De Posicionamiento

En términos de estimación de localización de redes inalámbricas, cuatro principios de medición diferentes se aplican generalmente: indicador de señal recibida (RSSI), ángulo de llegada (AOA), el tiempo de llegada (TOA), y la diferencia de tiempo de llegada (TDOA) (Shen et al. 2008). Métodos AOA, TOA, y TDOA exigir la comunicación de línea de vista y requieren una infraestructura costosa. También sufren de la presencia de diferentes materiales, equipos y estructuras de construcción en

las obras. Como indicador tal, intensidad de señal recibida (RSSI) se considera que es más adecuado para aplicaciones de localización en la construcción de construcción sitios. La mayoría de los sistemas de posicionamiento emplean el método de RSSI debido al hecho de que la capacidad de medición de RSSI está disponible en la mayoría de dispositivos de radio de comunicación inalámbrica de señales (Lymberopou-los et al. 2006). Métodos de localización pueden clasificarse como: 1) amplia basada, basándose en estimaciones de la distancia o el ángulo entre el transmisor y el receptor 2) camperas, que se define exclusivamente por la conexión percibida entre una etiqueta de orugas y sus vecinos, y 3) RSSI perfilado por el que las percibidas características de las señales de la etiqueta orugas se comparan con las muestras pre-recogidas de lugares conocidos. En comparación, GPS realiza la triangulación basada en rangos de al menos cuatro satélites conocidos con el fin de fijar las coordenadas del receptor, y calibrar la desviación de reloj del receptor (Niculescu y Nath 2001). Sistemas de GPS requieren electrónicos caros y que consumen energía para sincronizar con precisión el reloj del receptor con los relojes del satélite. Con las limitaciones del hardware y de las restricciones de energía de los dispositivos de red de sensores, el método subyacente GPS y otras tecnologías de gama alta basada en una barrera de costos para localización por WSN. Así, las soluciones en serie libre de localización se identifican como una alternativa más económica a los enfoques basados en rango para grandes redes de sensores (He et al. 2003). Con la gama libre de enfoque, el problema de la localización es fácil de resolver, pero las localizaciones estimadas tienden a ser crudo. Así, utilizando el método de perfiles RSSI ayudará a compensar el efecto del ambiente en la fiabilidad de la localización estimada que se obtiene de señales de RF percibidas (Haque et al. 2009). Durante la etapa de perfilado, la red recopila y almacena en una base de datos (mantenido en un servidor central) muestras adquiridas de las etiquetas situadas en puntos conocidos dentro de la zona vigilada. La logística de la recogida de tales muestras puede implicar una persona que se mueve alrededor de la zona con una variante especial del nodo de etiqueta, por ejemplo, equipada con un mapa interactivo. Nuestra arquitectura de localización propuesta se adoptó el sistema de localización basado en RF llamado LIMÓN propuesto por Haque et al. (2009). Este enfoque se basa en los puntos fuertes de detección de señales de RF recibidas y es una combinación de un método de intervalo libre de RSSI y perfiles a fin de tener las ventajas de ambos. Este arquitectura es más simple y más exacto que otros métodos y la uniformidad y bajo costo de los dispositivos hace LIMÓN una solución altamente viable y muy práctico para la construcción. Los nodos de infraestructura de limón son de bajo costo y baja potencia los dispositivos inalámbricos [EMSPCC11 por Olsonet Comunicaciones (Communications Corp Olsonet 2011)]. El nodo hace uso del módulo de RF CC1100 de Texas Instruments que operan en la banda de 916MHz. Desde un punto de vista operativo, el nodo se denomina PEG cuando captura intensidad de la señal. Ubicaciones Clavijas 'son fijos (nodos estacionarios) y sus ubicaciones precisas no necesitan ser conocidas. Un dispositivo supervisado, es decir, uno cuya ubicación es necesario estimar, es un nodo del mismo tipo como un gancho, y se llama una etiqueta

La tarea de estimación de posición en limón se compone de dos fases: la localización de perfiles y real. En general, durante el funcionamiento en dos fases, una etiqueta de orugas emite periódicamente paquetes de RF. En la etapa de perfilado, las etiquetas están situadas en ubicaciones predeterminadas conocidas llamados puntos de referencia. LEMON mantiene en un repositorio central, una base de datos de las lecturas de intensidad de señal de las etiquetas en relación con todas las clavijas. En esta fase, todas las clavijas que pueden escuchar los paquetes de RF emitidas por la etiqueta, enviará los datos de información de la RSSI medido con el servidor central. La base de datos consta de las muestras que se almacenan como tuplas en la que C representa las coordenadas conocidas del punto muestreado , representa el

conjunto asociación (que comprende PEG ID y el valor de RSSI recibido por dicho PEG), y , simboliza la clase de muestra, la identificación de los parámetros de RF del transmisor (por ejemplo, potencia de transmisión, tasa de bits, y el número de canal). La tarea de la localización real de la etiqueta de orugas es exactamente la misma que la etapa de perfilado. La única diferencia entre la fase de perfiles y la localización real es que, en la etapa de perfilado, el conjunto de informes de perfiles de asociación de etiquetas también incluyen las coordenadas conocidas del punto de muestreo, pero en la etapa de localización real, la ubicación de las etiquetas de orugas es desconocida y necesita ser estimada en base a la ubicación de los puntos muestreados. En la etapa de localización, el servidor compara la percepción de RSSI de la etiqueta se realiza el seguimiento de la medida por todas las clavijas en el área monitorizada contra el perfil de RSSI de cada punto de referencia perfilada y evalúa la diferencia entre la etiqueta y todos los puntos de perfiles. Si y la distancia entre estos conjuntos: , se supone que hay dos conjuntos de asociación,

Donde N es el número total de las clavijas de la red y se define como , si el par , se produce en , y 0 en caso contrario. Por lo tanto, el servidor evalúa la distancia de cada muestra preseleccionada (su conjunto de asociaciones) de conjunto de asociaciones de la etiqueta que representa la percepción combinada momentánea de RSSI de la etiqueta por todas las clavijas que se puede oír. Luego se selecciona un número arbitrario de k muestras perfiladas con la distancia más pequeña (en términos de la métrica D) de la etiqueta de orugas, que se llama un mejor conjunto combinado de puntos perfiladas. Posteriormente, las coordenadas de las muestras seleccionadas se promedian para producir las coordenadas estimadas de la etiqueta. El promedio de los sesgos fórmula contribuir las muestras de tal manera que los que tienen una distancia más pequeña (y, por lo tanto, se supone que probablemente más cerca de la etiqueta que se está localizada) con un peso proporcionalmente mayor. Dejar ser la distancia máxima entre las

muestras mejores k seleccionados y las variables se calcula como:

la suma de todas esas distancias. Las coordenadas de

Donde son las coordenadas asociadas con la muestra i. Tenga en cuenta que en este enfoque, RSSI se utiliza solamente como un atributo numérico de una muestra de perfil, cuyo valor debe ser cercana al valor percibido. No intento directo para asociar un valor RSSI con la distancia euclidiana se hace.

4. SISTEMA DE IMPLEMENTACIÓN Y RESULTADOS
Las obras de construcción son ambientes dinámicos que están expuestos al movimiento de equipos, materiales y trabajadores. Para confirmar la viabilidad y las limitaciones de la solución propuesta y evaluar la variación medio ambiente debido a la presencia de un obstáculo, un prototipo de sistema LEMON se evaluó en un estacionamiento subterráneo en el campus de la Universidad de Alberta que se asemeja a una zona interior. La ausencia de elementos decorativos de la zona hace que sea una aproximación razonablemente de una buena estructura en construcción. Es decir, el espacio de suelo de cemento consiste techo, pilares y vigas metálicas para soportar la carga de la estructura. Por lo tanto, el aparcamiento podría imitar los retos y las características complejas que se encuentran en la obra con el movimiento aleatorio y continuo de vehículos y personas. En la fase de recogida de datos, el nodo central está conectado a través de un dispositivo USB a un ordenador portátil, en el que todos los datos recogidos por la red se almacenan y procesan. Durante la recogida de datos, algunas de las lecturas recogidas se guardan en la base de datos del perfil del LEMON, cuando algunos otros se almacenan y se utiliza como datos de seguimiento de método de verificación. El experimento se inició mediante la implementación de un número de nodos dentro de la zona vigilada. La figura 1 muestra una distribución de la muestra de nodos para el experimento. La rejilla era 12 x 8m (que consta de 24 (2 x 2 m) cuadrados), en el que 10 cuadrados sólidos (todo alrededor de la rejilla) fueron PEG, mientras que los 25 cruces marcados con asteriscos, proporcionaron muestras de perfil cuyas ubicaciones predefinidas se conocen. Los círculos actúan como etiquetas cuyas ubicaciones están por determinada.

Las etiquetas fueron colocadas en los centros de los cuadrados de rejilla, para comparar sus lugares exactos con los estimados con el fin de evaluar la precisión del sistema.

El objetivo de esta prueba era comprobar el rendimiento de LEMON bajo un flujo de tráfico controlado por la configuración incluyendo cuatro casos diferentes: sin coche, coche en el lado derecho de la zona vigilada, en el medio, y en el lado izquierdo. Todos los puntos de perfiles o ubicaciones de etiqueta, incluso en aquellas obstruidas por un coche, se consideraron. En los cuatro escenarios de "aparcamiento" se localizaron etiquetas utilizando los datos del perfil, que se recogieron en los puntos de referencia únicamente a partir de la configuración original (sin ningún coche aparcado en la red) con el fin de identificar los cambios en el medio ambiente.

Figura 1: Diseño Experimental

En este experimento, la magnitud del error de localización es la distancia euclidiana entre las localizaciones estimadas y reales de un punto. La magnitud media de error dado k diferente (número de mejores muestras apareadas) y su intervalo de 95% nivel de confianza de la ubicación de todos los puntos en cada caso se investigó con el fin de encontrar la mejor k (Figura 2). k=6 es seleccionado como el resultado en el error promedio más pequeño localizado. Una vez que un k apropiado se decidió y se aplica en todos los experimentos posteriores, dirigimos nuestra atención a la cuestión de cómo un obstáculo, que era un automóvil de tamaño medio, en este caso, podría degradar la precisión de localización. La inclusión de un automóvil (o cualquier otra instalación metálico-móvil) se utiliza para imitar las situaciones encontradas comúnmente en los sitios de construcción.

Figura 2: Promedio de errores de localización y su intervalo de confianza del 95% para k diferente (sin coche)

Hemos tratado de determinar cómo la localización ha cambiado cualitativamente y cuantitativamente. Para este fin, se utilizan vectores de localización de error para expresar el error de localización. Observamos que tales vectores de error son también posibles de representar en el caso cuando no hay obstáculo presente, pero no obstante, tratar de comprender si la inclusión del obstáculo tiene una tendencia a distorsionar la localización en ciertas localizaciones (relevante para el obstáculo) y en qué dirección y en qué magnitud.

a) Sin ningún obstáculo

b) Coche en el lado derecho

c) Coche en el lado medio

d) Coche en el lado izquierdo

Figura 3. Localización vector de error para diferentes posiciones del coche en la red para k = 6.

Los resultados se representan en la Figura 3, y confirman nuestras expectativas para ver más discrepancias cerca del obstáculo, aunque no de una manera sistemática. En la Figura 3, por el bien de la presentación, las flechas se escalan para la mitad de sus magnitudes reales, las etiquetas cuya ubicación vectores de error han cambiado considerablemente ya sea en magnitud de error (más de 1 m) o en términos de ángulo (mayor de 90 º), están marcados, respectivamente, por un punto azul y un anillo circular (algunos puntos pueden presentar ambas características). Diferencias notables en la magnitud y el ángulo de localización de error se muestran con iconos diferentes. Los resultados de los experimentos (Figura 4) indican que el sistema es capaz de localizar todas las etiquetas con la magnitud del error entre aproximadamente 0,8 m y 1,9 m (con la desviación estándar aproximado de 1 metro para el caso de los coches en el medio de la rejilla y 0,5 metros para los otros tres). También demuestra que un obstáculo metálico puede cambiar el entorno y generalmente aumenta el error de localización.

La precisión deseada necesaria para localizar los trabajadores móviles en las obras de construcción es de 1,5 a 4 metros (Khoury y Kamat 2009; Torrent y Caldas 2009). Por lo tanto, para el sistema prototipo, una precisión de localización de menos de 2 m es aceptable y el error de localización se observó en la presencia de un obstáculo simple se mantuvo ligeramente alrededor del error de localización inicial determinada en ausencia del obstáculo. La naturaleza robusta de esta técnica de localización implica así su potencial para el despliegue en el mundo real los sitios de construcción dinámicos, que son propensos a cambios constantes, como resultado de la introducción de los obstáculos permanentes y temporales. Es de notar que los límites de la precisión de posicionamiento pueden mejorarse aún más mediante la aplicación de una

configuración de malla más fina en los perfiles de RSSI o la aplicación en tiempo real los algoritmos de corrección de errores. La segunda alternativa es más rentable y atractiva para aplicaciones en la construcción, y que continuarán en el futuro.

Figura 4. Magnitud del error medio utilizando nuevos datos de perfiles para diferentes ubicaciones de coches en la red para k = 6

5. CALIBRACION UTILIZANDO RSSI COMPLETAS Y PARCIALES nuevo perfil El entorno de construcción cambia de forma dinámica, lo que significa que los resultados de localización pueden no ser exactos en el medio ambiente (continuamente) modificado. Para abordar este problema, dos enfoques correctivos se pueden tomar; (a) una caracterización analítica de las distorsiones creadas por modificaciones de localización, y / o, (b) un medio para llevar a cabo un nuevo perfil, suponiendo que se necesita, para crear localización más precisa resultados. Tomamos nota de que la opción (a), además de ser una tarea exigente que implica algún tipo de modelado inalámbrica característica propagación, todavía no sería suficiente, ya que tendríamos que, en primer lugar, identificar que el ambiente ha cambiado de hecho antes de aplicar cualquier analítico / localización computacional modelo de corrección. Si ello es necesario medir reintensidades de señal (de vez en cuando), entonces se lleva a efectivamente una forma de opción (b). Por lo tanto la opción (b) es un paso inevitable, incluso si no implica la volver a medir/ re muestreó de todos los puntos en el espacio de interés. Re-perfilado tiene el mérito de anular los efectos de los cambios en el medio ambiente. Se realizó el siguiente experimento: en cada banco de pruebas, cada vez que un automóvil se introdujo en cualquiera de los tres lugares, nuevas mediciones de punto de referencia se recogieron y se utilizaron para localizar las etiquetas. La

Figura 4 muestra la localización en los ambientes modificados mediante el uso de los datos de perfil anteriores, mientras que la Figura 5 muestra la precisión de localización utilizando los datos de perfil nuevos. Ambos son capaces de dar lugar a la exactitud similar (Figura 4). Las desviaciones estándar son 0.47m para coche en el 0.71m derecha, para coches en el. Medio y 0,66 M para el coche en la parte izquierda de la zona vigilada

Figura 5. Magnitud del error medio en coche diferente ubicación en la red para k = 6 Por supuesto, la sugerencia para volver a perfilar un área entera es bastante exigente. Para ello, nos gustaría "montar" la tarea de re-perfilado en dos etapas: (i) para entender qué observaciones podrían desencadenar el reperfilado innecesario por lo que no re-perfilado se realiza y (ii) para determinar un posible subconjunto pequeño de ubicaciones que, al ser re-perfilado, resultar en localización mejorada. En otras palabras, implica un proceso semiautomático el cual la tarea (i) se realiza automáticamente y, a continuación un conjunto de puntos a-ser- re perfilado Se prepara (de nuevo automáticamente) y proporcionadas a los operadores humanos para llevar a cabo la tarea (ii) o, incluso, con un operador en el bucle, las opciones para que los puntos de reperfil se dan y actuar en consecuencia. Si las clavijas de localización son parte de un fijo (o casi nunca cambia) la infraestructura, entonces podría darse preferencia a utilizarlos como puntos de perfil también (vamos a explorar esta idea siguiente), con la ventaja de que el nuevo perfil de las correspondientes materias puede llevarse a cabo sin la intervención humana en el sitio (en oposición para volver a perfiles de puntos en un área de construcción). Para abordar el punto (i), como se ha visto anteriormente, un aumento significativo de cambio de magnitud y ángulo en los resultados de error de localización de la introducción de un nuevo obstáculo para el medio ambiente. En este caso, si va más allá de un cierto umbral (en nuestros

experimentos los umbrales fueron 1m y º 90), reestructuración puede ser necesario. Para llevar a cabo la tarea (ii) de una manera automática, tratamos las clavijas como puntos perfiladas (se conoce su ubicación exacta). Se identificó la paridad uno que mostraba el error de localización más importante cuando se descubrió (de acuerdo con el criterio (i)) después de un obstáculo se introdujo. Esta operación es capturada en la Figura 6. Tenga en cuenta que no hemos terminado en este punto porque la ubicación de la clavija, que se identificó como "el más distorsionado" localización se basa en k mediciones que podrían ser en todo el área de interés. En ese punto, se envió a un operador humano para reconfigurar los puntos k involucrado. También se compararon los resultados de este nuevo perfil parcial con los resultados de una revisión completa de perfiles.

Figura 6. Selección de co-localizados etiquetas necesario remodelar La Tabla 1 muestra que la magnitud de error medio de localización utilizando un número de puntos de referencia parcialmente re-perfilados (6) daría lugar a la mejora mismo que el de completa reperfilado. Estos resultados empíricos indican que el método propuesto se puede utilizar para controlar componentes de ingeniería y de los recursos construcción en un sitio de trabajo dinámico típico con el cambio de localización de los obstáculos. Con menos esfuerzo en la realización de un nuevo perfil parcialmente, el efecto de los obstáculos en los sitios de trabajo puede ser controlado y la exactitud se puede mantener en un cierto nivel.

Tabla 1: Localización de media magnitud del error utilizando algunas muestras originales de perfiles) en ausencia de obstáculos b) parcialmente y volver a completar perfilados puntos de referencia Utilización de puntos de referencia originales 1.13 1.12 1.46 Uso de re-perfiladas puntos de referencia Parcial (6) Completa (25) 1.08 1.09 1.4 1.09 1.35 1.35

Posición del Carro Carro a la derecha Carro a la izquierda Coches en Medio

promedio

1.24

1.19

1.18

6. CONCLUSIÓN

El estudio presentado introduce un nuevo marco para la automatización de la identificación y localización de los recursos en las obras de construcción en interiores o cubiertos parcialmente. En este enfoque de una metodología de posicionamiento asociado con las redes de sensores inalámbricos se utilizó para facilitar la recolección de datos y el reconocimiento de patrones. Experimentos interiores evaluaron la viabilidad de esta metodología potencialmente automatizado en un entorno de construcción realista. El enfoque de localización dio lugar a buenos lugares estimados con precisión, desde 1m a 2m. Además, la precisión de localización en la presencia de obstáculos sigue siendo comparable a la alcanzada antes de la introducción de obstáculos. Además, se encontró que con menos esfuerzo en la realización de parte del re perfilado, el efecto de los obstáculos en los sitios de trabajo puede ser controlada y la exactitud se puede mantener en un cierto nivel ... En comparación con las otras tecnologías utilizadas para el seguimiento de recursos en ambientes de construcción en interiores o cubiertos parcialmente, el sistema propuesto tiene las ventajas en términos de flexibilidad de red, la facilidad de implementación y de ampliación, el bajo coste y la capacidad para operar eficientemente bajo condiciones dinámicas y duras. La naturaleza robusta de esta técnica de localización implica así su potencial para el despliegue en un sitio de construcción dinámica mundo real. Estos valores de configuración por naturaleza son propensos a los cambios constantes como resultado de la introducción de la permanente, así como de los obstáculos temporales. Es de notar que los límites de la precisión de posicionamiento pueden mejorarse aún más mediante la aplicación de una configuración de malla más fina en los perfiles de RSSI o la aplicación en tiempo real los algoritmos de corrección de errores. La segunda alternativa es más rentable y atractiva para aplicaciones en la construcción, y que continuarán en el futuro.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.