دراسة تحسين دقة تحديد المواقع الداخلية عبر Wi-Fi RSSI باستخدام تقنيات معالجة البيانات وخوارزميات التعلم الآلي: دراسة تجريبية لبيئة تعليمية بكلية العلوم التقنية - مصراتة CTSM
Keywords:
خوارزمية KNN, وارزمية WKNN, RSSI, تطبيع z-score, المسافة الاقليديةAbstract
تكتسب أنظمة تحديد المواقع الداخلية (IPS) أهمية متزايدة في التطبيقات التي تتطلب تتبعا دقيقا داخل المباني. تعتمد العديد من هذه الأنظمة على تقنية بصمة قوة إشارة Wi-Fi المستقبلة RSSI Wi-Fi Received Signal Strength Indicator لقدرتها على الاستفادة من البنية التحتية اللاسلكية الموجودة. تعد خوارزمية K-Nearest Neighbors (KNN) شائعة الاستخدام. لكن دقتها تتأثر بتقلبات RSSI . تهدف هذه الدراسة إلى تحسين أداء تحديد المواقع الداخلية في الطابق الأول لمبنى كلية العلوم التقنية – مصراتة بمساحة تبلغ (43.24 متر * 66.71 متر) باستخدام 13 نقطة وصول بمواقعها الأصلية. تم تطبيق تطبيع Z-score على بيانات RSSI باستخدام نموذج التظليل اللوغاريتمي للمسافة. تمت مقارنة أداء خوارزمية KNN التقليدية مع نسخة محسنة تعتمد على الترجيح (Weighted KNN - WKNN) عبر قيم مختلفة للمعامل K ( عدد الجيران الأقرب ). أظهرت النتائج أن القيمة المثلى K=9 تحقق أفضل متوسط خطأ في المسافة (MDE) لكلا الخوارزميتين بعد التطبيع. حققت WKNN تحسنا طفيفا مقارنة بـ KNN حيث بلغ MDE حوالي 3.28 متر لـ WKNN مقابل 3.31متر لـ KNN عند K=9 . كما أظهرت WKNN دقة أعلى بشكل طفيف ضمن هوامش خطأ مختلفة ( مثل 56% مقابل 55% ضمن 3 أمتار ، و 83% مقابل 82% ضمن 5 أمتار ). يساهم العمل في تقييم و تطبيق أنظمة تحديد مواقع داخلية أكثر كفاءة و موثوقية في البيئات التعليمية.
