屋内測位システム

現在のIPSのほとんどは物体の位置を検出できますが、その精度が非常に低いため、物体の向きや方向を検出することはできません。 ^{[ 34 ]}

十分な運用適合性を確保するための方法の一つは「追跡」です。これは、決定された一連の位置が、最初の位置から最新の位置までの軌跡を形成するかどうかを判定するものです。統計的手法は、対象物が移動する際の物理的な能力に類似した軌跡で決定された位置を平滑化するために用いられます。この平滑化は、対象物が移動する場合だけでなく、定常的な対象物に対しても、不規則な測定値を補正するために適用する必要があります。そうしないと、単一の定常位置、あるいは追跡された軌跡は、ジャンプの連続した移動の連続となってしまいます。

ほとんどのアプリケーションでは、ターゲットの数は1つだけではありません。そのため、IPSは観測された各ターゲットに対して適切な固有識別情報を提供し、グループ内のターゲットを個別に分離できる必要があります。IPSは、「重要でない」隣接オブジェクトが存在する場合でも、追跡対象のエンティティを識別できなければなりません。設計によっては、センサーネットワークがどのタグから情報を受信したかを把握する必要がある場合と、位置特定デバイスがターゲットを直接識別できる必要がある場合があります。

GPSが不十分な場合、Wi-Fi測位システム（WPS）が使用されます。無線アクセスポイントによる測位に使用される位置特定技術は、受信信号の強度（英語では受信信号強度RSS）の測定と「フィンガープリンティング」法に基づいています。^{[ 35 ] [ 36 ] [ 37 ] [ 38 ]}フィンガープリンティング法の精度を高めるために、統計的後処理技術（ガウス過程理論など）を適用して、離散的な「フィンガープリント」のセットを、場所全体にわたる各アクセスポイントのRSSIの連続分布に変換することができます。^{[ 39 ] [ 40 ] [ 41 ]} Wi-Fiホットスポットまたは無線アクセスポイントの地理的位置特定に役立つ典型的なパラメータには、 SSIDとアクセスポイントのMACアドレスが含まれます。精度は、データベースに入力された位置の数に依存します。発生する可能性のある信号の変動は、ユーザーの経路におけるエラーと不正確さを増加させる可能性があります。^{[ 42 ] [ 43 ]}

元々、Bluetooth は正確な位置ではなく、近接性に関心がありました。^{[ 44 ]} Bluetooth は GPS のようにピン留めされた位置を提供するようには設計されていませんでしたが、ジオフェンスまたはマイクロフェンス ソリューションとして知られており、屋内測位ソリューションではなく、屋内近接ソリューションとなっています。

マイクロマッピングと屋内マッピング^{[ 45 ]はBluetooth [ 46 ]}およびApple Inc.が推進するBluetooth LEベースのiBeaconと関連付けられています。iBeaconに基づく大規模な屋内測位システムが実装され、実際に適用されています。^{[ 47 ] [ 48 ]}

Bluetoothスピーカーの設置場所やホームネットワークは、大まかな参考として利用できます。

2021年、AppleはBluetoothとUWB技術を組み合わせたAirTagを発売し、 Find Myネットワーク内でAppleデバイスを追跡できるようになったことで、追跡技術の人気が急上昇した。

タグ付きオブジェクトの位置インデックスと存在報告の単純な概念は、既知のセンサー識別のみを使用します。^{[ 16 ]}これは通常、単一タグまたはタグの束の信号強度とさまざまな距離を報告せず、センサーの既知の位置座標またはタグの現在位置を更新しない受動無線周波数識別（RFID）/ NFCシステムの場合です。このようなアプローチの動作には、範囲外を通過しないようにするための狭い通路が必要です。

長距離測定の代わりに、観測対象空間全体に、例えば経済性を考慮して格子状に配置された、短距離受信機の密なネットワークを用いることができる。短距離であるため、タグ付き物体は、ネットワークに接続された少数の近距離受信機によってのみ識別される。識別されたタグは、識別リーダーの通信範囲内にある必要があり、これによりタグの位置を大まかに推定することができる。高度なシステムでは、カメラグリッドによる視覚的なカバレッジと、おおよその位置を特定するための無線カバレッジを組み合わせている。

ほとんどのシステムは、角度と距離、または距離のみといった連続的な物理測定値と識別データを1つの複合信号として使用します。これらのセンサーの到達範囲は、通常、フロア全体、通路、または単一の部屋をカバーします。到達範囲が狭い場合は、複数のセンサーを使用し、到達範囲を重複させることで対応します。

到来角（AoA）とは、信号が受信機に到達する角度のことです。AoAは通常、センサーアレイ内の複数のアンテナ間の到着時間差（TDOA）を測定することによって求められます。他の受信機では、指向性の高いセンサーアレイによって決定され、どのセンサーが信号を受信したかによって角度が特定されます。AoAは通常、三角測量と既知のベースラインと組み合わせて、2つのアンカー送信機に対する位置を特定するために使用されます。

到着時間（ToA、または飛行時間）とは、信号が送信機から受信機まで伝搬するのにかかる時間のことです。信号の伝搬速度は一定で既知であるため（媒体の違いは無視）、信号の伝搬時間を使用して距離を直接計算できます。複数の測定値を三辺測量や多辺測量と組み合わせることで位置を特定できます。これは、GPSや超広帯域システムで使用されている技術です。ToAを使用するシステムは、一般的にセンサーの信頼できる時間ソースを維持するために複雑な同期メカニズムを必要とします（ただし、慎重に設計されたシステムでは、リピーターを使用して結合を確立することでこれを回避できます^{[ 17 ]}）。

TOAベースの手法の精度は、屋内測位における大規模なマルチパス条件によってしばしば低下します。これは、環境内の物体（例えば、内壁、ドア、家具）からのRF信号の反射と回折によって引き起こされます。しかし、時間的または空間的なスパース性に基づく技術を適用することで、マルチパスの影響を軽減することが可能です。^{[ 49 ] [ 50 ]}

角度と到着時刻の同時推定は、ユーザーの位置を推定するもう 1 つの方法です。実際、複数のアクセス ポイントや三角測量、三辺測量などの技術を必要とする代わりに、単一のアクセス ポイントで角度と到着時刻を組み合わせてユーザーの位置を特定できます。^{[ 51 ]}さらに、空間と時間の両方の次元を活用する技術は、システム全体の自由度を高め、サブスペース アプローチを介してより多くのソースを解決するための仮想リソースをさらに作成することができます。^{[ 52 ]}

受信信号強度表示(RSSI) は、センサーが受信する電力レベルの測定値です。電波は逆二乗法則に従って伝搬するため、送信信号強度と受信信号強度の関係に基づいて距離を近似できます (送信強度は使用する機器に基づいて一定^{です) 。ただし、他の誤差が結果の誤りにつながることはありません}。建物の内部は自由空間ではないため、壁からの反射と吸収によって精度が大きく影響を受けます。ドア、家具、人などの非静止物体は、信号強度に動的で予測不可能な影響を与える可能性があるため、さらに大きな問題となる可能性があります。

多くのシステムは、位置情報を提供するために拡張されたWi-Fiインフラストラクチャを使用しています。 ^{[ 12 ] [ 14 ] [ 15 ]}これらのシステムはいずれも、現状のインフラストラクチャでは適切に動作しません。残念ながら、Wi-Fi信号強度の測定値は非常にノイズが多いため、より正確なシステムを作るための研究が継続的に行われています。

• 無線周波数識別^{[ 16 ]}（RFID）：パッシブタグは非常にコスト効率が良いが、指標をサポートしていない
• 超広帯域^{[ 17 ] [ 54 ]} (UWB): 他のデバイスとの干渉が低減されます。Litum の RTLS システムなどの商用 UWB ベースの屋内測位プラットフォームは、医療施設や産業施設でサブメートル精度の資産および人員追跡に使用されます。^{[ 55 ]}
• 赤外線（IR）：以前はほとんどのモバイルデバイスに搭載されていた
• Gen2IR（第2世代赤外線）
• 可視光通信^{[ 10 ] [ 56 ]}（VLC）、Li-Fiなど：既存の照明システムを利用できる
• 超音波：^{[ 18 ]}波は非常にゆっくりと移動するため、精度がはるかに高くなります

磁気測位は、スマートフォンを持つ歩行者に、測位のための追加の無線インフラストラクチャを使用せずに、90%の信頼度で1～2メートルの屋内精度を提供できます。磁気測位は、建物内の鉄が地球の磁場に局所的な変化を生み出すことに基づいています。スマートフォン内の最適化されていないコンパスチップは、これらの磁気変化を感知して記録し、屋内の位置をマッピングできます。^{[ 57 ]}

歩行者の推測航法やその他の歩行者位置特定手法では、歩行者が歩数を間接的に測定する（歩数カウント）か、足に装着する方式で慣性計測ユニットを携帯することを提案している^{[ 58 ]}。慣性航法で発生する固有のセンサードリフトを抑制するために、地図やその他の追加センサーを参照することもある。MEMS慣性センサーは内部ノイズの影響を受け、時間とともに位置誤差が3乗的に増加する。このようなデバイスの誤差増加を低減するために、カルマンフィルタリングに基づくアプローチがよく用いられる^{[ 59 ] [ 60 ] [ 61 ] [ 62 ]} 。 しかし、地図自体を構築できるようにするには、SLAMアルゴリズムフレームワーク^{[ 63 ]}を使用する^{[ 64 ] [ 65 ] [ 66 ] 。}

慣性計測は一般的に運動の微分をカバーするため、位置は積分によって決定され、結果を得るには積分定数が必要になります。^{[ 67 ] [ 68 ]}実際の位置推定は、関係するすべてのセンサーのノイズモデルと壁や家具によって課される制約を考慮して各ステップで再計算される 2 次元確率分布の最大値として見つけることができます。^{[ 69 ]} IPS は、動きとユーザーの歩行行動に基づいて、機械学習アルゴリズムによってユーザーの位置を推定することができます。^{[ 70 ]}

視覚測位システムは、視覚マーカーから位置座標をデコードすることで、カメラ搭載モバイルデバイスの位置を特定できます。このようなシステムでは、会場全体にマーカーが配置され、各マーカーはその場所の座標（緯度、経度、床からの高さ）をエンコードします。デバイスからマーカーへの視角を測定することで、デバイスはマーカーを基準とした自身の位置座標を推定できます。座標には、緯度、経度、レベル、床からの高さが含まれます。^{[ 71 ] [ 72 ]}視覚マーカーは通常対称ではないため、ユーザーの向きも特定できます。^{[ 73 ]}

モバイルデバイスのカメラで連続的に撮影した一連の画像から、会場内の位置推定に適した画像データベースを構築できます。データベースが構築されたら、会場内を移動するモバイルデバイスで撮影した画像を会場のデータベースに補間することで、位置座標を取得できます。これらの座標は、他の位置特定技術と組み合わせて使用​​することで、より高い精度を実現できます。なお、これはセンサーフュージョンの特殊なケースであり、カメラが別のセンサーの役割を果たすことになります。

位置を特定する一つの方法は、 k近傍法などのアルゴリズムを用いて、未知の場所のデータを既知の場所の大規模なデータセットと照合することです。この手法は包括的な現地調査を必要とし、環境に大きな変化（人の移動や物体の移動など）があると精度が低下します。

位置は、信号伝搬を近似し、角度や距離を求めることで数学的に計算されます。その後、逆三角法を用いて位置を特定します。

• 三辺測量（アンカーからの距離）
• 三角測量（アンカーに対する角度）

高度なシステムは、より精度の高い物理モデルと統計的手法を組み合わせている。

• ベイズ統計分析（確率モデル）^{[ 74 ]}
• カルマンフィルタリング^{[ 14 ]}（ノイズ条件下で適切な値の流れを推定するため）。
• 逐次モンテカルロ法（ベイズ統計モデルを近似するため）。^{[ 75 ]}