ADRESIMI VERTIKAL DINAMIK NËPËRMJET NDËRTHURJES SË TË DHËNAVE

TË SENSORËVE TË NJË SMARTPHONE-IT

Punoi: AURELA ZYBERAJ

Albanian University
Pranoi: Dr. Ing. GENTA REXHA
Albanian University

ABSTRAKT

Në këtë punim, paraqitet qasja e adresimit vertikal dinamik të hartave e ndërtesave. Për arritjen e
kësaj, përdoret sensori barometrik i telefonave ‘inteligjentë’ për të vlerësuar dallimet në lartësi
dhe momentin e tranzicionit nga jashtë për në brendësi duke nxjerrë presionin e referencës.

Është identifikuar tranzicioni jashtë-brenda (OITransition) nëpërmjet bashkimit të katër llojeve të

ndryshme të sensore. Qasja është vlerësuar gjerësisht gjatë një periudhe prej 6 muajsh në kushte
të ndryshme si lagështia, temperatura dhe situatat e mbulimit të reve, si dhe gjatë orëve të
ndryshme të ditës,dhe është gjetur se gjithmonë mund të parashikohet numri i saktë i kateve,
ndërsa mund të përafrohet lartësia me një gabim mesatar prej 0.5 m.

Fjalët kyçe: harta e brendshme, tranzicion në ambiente të jashtme, CityGML,adresim dinamik

vertikal,planifikim.

HYRJE

Adresimi në ambientet e brëndshme është kthyer në një nevojë në robotikë, teknologjitë e

bazuara në kompozime, shërbimet e bazuara në vendndodhje, rrjetat mobile dhe ad hoc, si dhe në
misionet e kerkimit dhe shpëtimit [1].

Kërkimet e shumta kanë rezultuar deri në gjenerimin e adresimit dinamik 2D në ambientet e

brendshme me një saktësi deri 6 metra në lokalizimin horizontal [2,3,4], por asnjëra prej tyre nuk
ofron adresim vertical, sepse informacioni i disponueshëm është i limituar , p.sh. mungesa e
treguesve precizë për cdo kat në hartat ekzistuese të ndërtesave.

Ky punim ka si qëllim:

● Krijimin e një sensori për adresim vertikal dinamik në ndërtesa duke përdorur sensorët
pjesë e smartphone-ve të disponueshëm prej gjithësecilit prej nesh.
● Kombinimi i sensorëve të ndryshëm për të percaktuar tranzicionet jashte-brenda (OIT).
● Parashikimi i numri të saktë të kateve në kushte të ndryshme lagështie, temperature dhe
orë të ndryshme të ditës në kushte klimaterike të ndryshme.
 ● Automatizimi i procesit të adresimit vertikal në ambientet e brendshme ndërkohë që
pasurohen hartat ekzistuese me informacion për ambientet e brendshme.

Fig.1 Arkitektura e sistemit[1,6]

Figura 1 përshkruan arkitekturën e sistemit të përdorur për realizimin ee kontrollit vertikal.

Sensorët e përdorur janë:

● Sensori barometrik,
● Sensori i dritës,
● Sensori i afërsisë,
● GPS,
● Sensori magnetic.

Sic shihet në figurën e mëparshme nevojiten disa module per të realizuar sistemin pas
përcaktimit të tranzicionit OIT.

Mbledhësi i të dhënave nga sensori, grumbullon të dhënat e marra nga sensori i presionit, dritës,
GPS, sensori i afërsisë dhe ai magnetik nga përdoruesit e smartphone-it duke identifikuar të
dhënat e secilit përdorues nëpërmjet një aplikacioni të realizuar për këtë qëllim.

Filtruesi i sinjalit, pasi është grumbulluar informacioni nga sensori i presionit të telefonit filtrohet
zhurma nëpërmjet filtrit Savitzky-Golay[7]. Savitzky-Golay është një filtër mesatarizues i
lëvizshëm, i cili zbaton regresionin lokal në një nëngrup të të gjithë grupit të të dhënave. Më
specifikisht, ai zbut të dhënat duke zëvendësuar çdo pikë të të dhënave me mesataren e pikave të
të dhënave fqinjë brenda një hapësire të përcaktuar.
Përcaktimi i presionit reference, filtron të dhënat e ambjenteve të jashtme dhe identifikon
ambientet ku mund të përcaktohet presioni referencë. Presioni i referencës është thelbësor për
vlerësimin e dallimeve të lartësisë në bazë të barometrit duke përdorur të dhënat e presionit.
Presioni i referencës nxirret nga zonat që përmbushin këto parakushte: (1) janë të zakonshme për
të gjitha të dhënat e përdoruesve të çdo ndërtese, (2) janë të vendosura brenda dhe (3) luhatjet e
presionit janë të ulëta. Një zonë e tillë është ajo që ndjek OIT-tranzicionin, si të gjithë të ishin
jashtë në një ambient cfarëdo ndërkohë që janë brënda në një zone ku interferencat e presionit
janë të ulëta.

Shkallët e lëvizshme-përjashtohen duke përdorur presionin referencë tranzicionet e ndërmjetme

si shkallët e lëvizshme apo ashensorët nëpërmjet devijimit standart të dritares së lëvizshme ,pasi
ato nuk u përkasin tranzicioneve vertikale.

Vlerësimi i lartësisë, informacioni i mbetur në lidhje me presionin referencë përdoret në

formulën barometrike.

eq. 1[1]

Grumbullimi i të dhënave bëhet kombinimi i të dhënave të marra nga përdorues të shumtë.

Grumbullimi i të dhënave është thelbësor për identifikimin e të gjitha kateve brenda një ndërtese,
pasi jo të gjithë përdoruesit pritet të vizitojnë të gjitha katet. Në modulin e grumbullimit të të
dhënave, të dhënat e shumëfishta të regjistruara janë shkrirë. Grupuar nga koordinatat GPS dhe
të kombinuara me skemën e ndërtimit, të nxjerra nga OpenStreetMap, është siguruar që të dhënat
gjithmonë të korrespondojnë me të njëjtën ndërtesë.

Vlerësimi i kateve- identifikohet numri i kateve dhe vlerësohet lartësia e secilit kat. Për shkak se
numri i kateve, si dhe etiketa e çdo kati (lartësia korresponduese) janë të panjohura, për
klasifikim, është përdorur një klasifikues i aftë për të përballuar të dhënat e pa-shënuara.
Klasifikuesi K[8] u përzgjodh për shkak të thjeshtësisë dhe kërkesës relativisht të ulët të
përpunimit. Për të llogaritur K, u përzgjodh metoda e ‘bërrylit’ (elbow method). Procesi i
klasifikimit ndahet në dy hapa kryesorë.Hapi i parë është identifikimi i K, i cili korrespondon me
numrin e vërtetë të kateve. Në të dytin, qendra e secilit grup është e njohur dhe korrespondon me
lartësinë e çdo kati.

Gjeneratori CityGML gjeneron në mënyrë dinamike një model 3D në bazë të standarteve të

përcaktuara nga City Geography Markup Language (CityGML )[5] ndërkohë që propozohet dhe
një permirsim i modeleve standarte në mënyrë që të disponohet informacion për katet dhe për
lartësitë në cdo moment.
Për të përcaktuar tranzicionet OI përdoret një sensor fusion i përbërë nga sensori i afërsisë, i
dritës, magnetik dhe GPS.Ky sensor funksionon sipas tabelës së mëposhtme logjike.

Tabela 1 Tabela logjike e sensorit fusion[1]

Figurat e mëposhtme japin rezultatet e arritura nga provat e shumta dhe janë gjeneruar në
mëenyrë dinamike ,pa ndërhyrjen e përdoruesit.

Fig. 3 Ndërtesa e parë[1,9,10]

 Fig. 4 Ndërtesa e dytë[1,9,10]

Fig. 5 Ndërtesa e tretë[1,9,10]

PËRFUNDIME

Ky punim përshkruan hartimin dinamik të karakteristikave vertikale të një ndërtese. Metoda e

propozuar bën përdorimin e një sensori të ri në dispozicion të smartphone-ve më të fundit (e
fundit nga 2017), dhe sensori barometrik, i cili tregon presionin dhe menaxhimin e ambientit,të
dhënave të pasigurta të sensorëve të grumbulluara nga croëdsourcing. Metoda vlerëson lartësinë
nëpërmjet të dhënaveme përdorimin e formulës barometrike. Për arritjen e kësaj, u prezantua një
metodë për nxjerrjen e presionit referues në OITransition të përdoruesit, i cili është identifikuar
përmes një sensor fusion. Paqartësia GPS, shqetësimet magnetike dhe drita e ambientit janë
marrë në konsideratë për identifikimin e tranzicionit, ndërkohë që përdoret edhe sensori i afërsisë
si një sensor mbështetës. U ballafaqua një problem klasifikimi pa mbikëqyrje, në të cilin numri i
kateve - ose numri i grupimeve - si dhe lartësia - ose etiketa e secilës klasë - për çdo kat ishin të
panjohur. Për të zgjidhur këtë problem,u përdor një teknikë e analizës së grumbullimit e quajtur
metoda e bërrylit dhe u përdor algoritmi popullor K-means clustering. Së fundmi, u propozua një
mënyrë për të bashkuar këto karakteristikat duke rritur standardet e CityGML, duke bërë të
mundur që ajo të mbajë informacion në lidhje mekarakteristikat vertikale të një ndërtese .
Megjithëse në letër është demonstruar se mund të funksionojë me çdo sensor presioni,pasi
kompensimi ndërmjet sensorëve të ndryshëm barometrik është i qëndrueshëm, puna ka qenë e
vlerësuar gjerësisht vetëm për Samsung Galaxy S6.[1,11]

Përveç kësaj, është vërejtur se kur një vonesë e konsiderueshme ndjek OIT-in dhe paraprin duke
u ngjitur në katetë ndryshme, rritet gabimi i lokalizimit vertikal. Kjo është për shkak të
paqëndrueshmërisë afatgjatë të presionit të ajrit të ambientit. E njëjta gjë ndodh kur ka mungesë
të të dhënave në një kat. Është shumë e mundshme që të dhëna të tilla nuk do të merren parasysh
në analizën e grupimeve dhe në fund në fazën e grumbullimit. Kjo do të rezultojë në një kat të
zhdukur në modelin përfundimtar.

REFERENCA

1. https://www.mdpi.com/1424-8220/18/2/480/pdf
2. Grzonka, S.; Dijoux, F.; Karwath, A.; Burgard, W. Mapping indoor environments based
on human activity. In Proceedings of the 2010 IEEE International Conference on
Robotics and Automation (ICRA), Anchorage, AK, USA , 3–7 May 2010; pp. 476–481.
3. Wireless E911 Location Accuracy Requirements. Available online:
https://www.fcc.gov/document/ wireless-e911-location-accuracy-requirements-3
(accessed on 1 February 2018).
4. European Commission—Press Release—Commission Pushes for Rapid Deployment of
Location Enhanced 112 Emergency Services. Available online:
http://europa.eu/rapid/press-release_IP-03-1122_en.htm? locale=en (accessed on 1
February 2018).
5. Boeters, R.; Ohori, K.A.; Biljecki, F.; Zlatanova, S. Automatically enhancing CityGML
LOD2 models with a corresponding indoor geometry. Int. J. Geog. Inf. Sci. 2015, 29,
2248–2268.
6. Pipelidis, G.; Rad, O.R.M.; Iwaszczuk, D.; Hugentobler, U. A Novel Approach for
Dynamic Vertical Indoor Mapping through Crowd-sourced Smartphone Sensor Data.
In Proceedings of the International Conference on Indoor Positioning and Indoor
Navigation (IPIN 2017), Sapporo, Japan, 18–21 September 2017
7. Savitzky, A.; Golay, M.J.E. Smoothing and Differentiation of Data by Simplified Least
Squares Procedures.
Anal. Chem. 1964, 36, 1627–1639.
8. Ketchen, D.J., Jr.; Shook, C.L. The application of cluster analysis in strategic
management research: An analysis and critique. Strateg. Manag. J. 1996, 17, 441–458.
9. Raifer, M. Overpass Turbo—OpenStreetMap Wiki. Available online:
http://wiki.openstreetmap.org/wiki/ Overpass_turbo (accessed on 1 February 2018).
10. Omidreza, M. Open Sourced Datasets, Algorithms and Models. Available online:
https://github.com/ omidrad2017/Crowdsourced-Vertical-indoor-Mapping (accessed on 1
February 2018).
11. Samsung. Samsung Galaxy S6 Edge. Available online:
http://www.samsung.com/global/galaxy/galaxys6-edge-plus/ (accessed on 1 February
2018).