Localização Indoor com Optimização Multicritério

Dissertação de Mestrado em Matemática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.Esta tese aborda o problema de localização Indoor que consiste na localização de objectos ou pessoas no interior de edifícios. Utiliza a informação de dispositivos WiFi, onde os sistemas de localização Outdoor, como o GPS, são ineficazes devido à atenuação ou ausência de sinal nestas infraestruturas. Este é um problema actual no qual muitos recursos se têm investido com vista o seu progresso e desenvolvimento, devido à sua variedade de aplicações, principalmente em cuidados de saúde ou fins militares. Neste sentido surgiu um projecto de investigação QREN no 34080 - ADINLOC, em co-promoção com a empresa OnCaring, para desenvolver uma solução de localização Indoor dirigida para cuidados de saúde em lares de idosos e hospitais. Esta dissertação enquadra-se no plano de trabalhos deste projecto, que possibilitou uma interacção entre a investigação e a empresa. As estratégias de localização desenvolvidas ao longo do texto admitem que leituras de sinal recolhidas em posições próximas entre si têm valores próximos. Com base nessa ideia requerem a construção de um mapa de cobertura de sinal que contém a informação geográfica de leituras recolhidas no edifício. A utilização de métodos de optimização multicritério permite determinar as soluções do mapa de cobertura de sinal com leituras mais próximas à que foi realizada na localização que se pretende estimar. Adicionalmente, analisou-se um algoritmo da literatura baseado também nas leituras do mapa de cobertura de sinal, o algoritmo dos k vizinhos mais próximos, para comparar com as estratégias aqui desenvolvidas. Este calcula os k elementos do mapa mais próximos da leitura em termos de sinal segundo uma função utilidade. Por fim, analisou-se o erro da localização obtida computacionalmente pelas várias estratégias relativo a 569 leituras. Esses dados indicaram que o erro médio variou entre 5:2 e 5:81 metros. Esta margem de erro permite indicar a divisão em que se encontra o objecto em cerca de 80% dos casos. Deste modo, conclui-se que este algoritmo proporciona uma boa localização grosseira, fornecendo uma boa aproximação inicial para que outros algoritmos possam realizar o seu refinamento.This thesis approaches the indoor location problem, which consists on estimating the position of objects or individuals inside buildings through WiFi devices, where outdoor location systems such as GPS fail due to signal attenuation or its absence inside closed infrastructures. A lot of resources have been invested nowadays for research and development of this problem given its wide range of applications, for instance on healthcare within nursing facilities or on the army. In this sense, an investigation project QREN n. 34080 - ADINLOC in partnership with the company OnCaring emerged with the goal of developing an indoor location based solution for healthcare on seniors home and hospitals. This dissertation belongs to the work plan of that project which made possible the interaction between research and the company. The developed strategies to locate are based on the assumption that readings collected near one another have close values as well. Bearing that in mind, they require to set up an indoor location map during an offline phase. The application of multi-criteria optimization methods finds the solutions on the signal map closer to the reading measured over the position for localisation. In addition, a known algorithm from the literature based as well on the readings from the signal map, the k nearest neighbours algorithm, was analysed in order to compare it with the algorithms developed in this thesis. It computes the k nearest elements of the signal map to the received reading according to an utility function. At last, the error of the location given by the several strategies concerning 569 signal readings was analysed. The average error computed through that data had a range between 5:2 and 5:81 meters, a margin well adjusted to identify a division on 80% of the cases. Consequently, we can admit these strategies fit for computing a good rough location, and hence they are suitable to provide an initial approximation for other algorithms to improve