Details

The importance of indoor localization has increased significantly, especially when it comes to navigation and locating businesses such as restaurants and stores in the airport. It is critical to understand how important indoor localization is for making navigation easier and identifying positions inside the building. The Global Positioning System (GPS) is primarily designed for outdoor location applications and may not be appropriate for indoor uses, it is not as good at meeting the complex needs of inside placement. The goal of this study is to detect an individual's exact location within a multi-story building. Using data from personal smartphone devices' Wi-Fi signal strength indicators in conjunction with machine learning algorithms is the suggested methodology. The k-nearest neighbor algorithm (KNN) and the support vector machine algorithm (SVM) are two different approaches that are used to classify the data. The comparative analysis of results seeks to pinpoint the most appropriate algorithm for predicting indoor locations in the context of this study. Additionally, the study incorporates the creation of unique fingerprint locations for each facility area, enabling real-time prediction of personal smartphone users' locations within buildings, irrespective of their positions on different floors.

Objective

ในปัจจุบันการระบุตำแหน่งภายในอาคารมีความสำคัญเพิ่มขึ้นอย่างมาก โดยเฉพาะอย่างยิ่งในเรื่องการนำทางและการระบุตำแหน่งภายในอาคารของธุรกิจและร้านค้า เช่น ร้านอาหารและร้านค้าในสนามบิน สิ่งสำคัญคือต้องเข้าใจว่าการระบุตำแหน่งภายในอาคารมีความสำคัญเพียงใดในการทำให้การนำทางง่ายขึ้นและระบุตำแหน่งภายในอาคาร ระบบการหาตำแหน่งทั่วโลก (GPS) ที่ได้รับการออกแบบมาเพื่อการใช้งานตำแหน่งกลางแจ้งเป็นหลัก และอาจไม่เหมาะสมสำหรับการใช้งานภายในอาคาร จึงไม่สามารถตอบสนองความต้องการที่ซับซ้อนของการระบุตำแหน่งภายในอาคารได้ 

นอกจากนี้ อินเทอร์เน็ตยังมีการใช้งานอย่างกว้างขวางไปทั่วโลก และโทรศัพท์มือถือก็เป็นสื่อกลางในการเข้าถึงอินเทอร์เน็ต ผู้จัดทำโครงงานจึงได้สร้างแอพพลิเคชันกับสมาร์ทโฟนในการระบุตำแน่งภายในอาคารโดยใช้ค่าความแรงของสัญญาณในการระบุตำแหน่ง

Project Members

กฤติมา เหลือล้ำ

KRITTIMA LUALUM

#นักศึกษา

Member

สมิตา สุนิมิตร

SAMITA SUNIMIT

#นักศึกษา

Member

ธันวา โชคพรทวีสุข

THANWA CHOKPORNTAVEESUK

#นักศึกษา

Member

ณภัทร ฉายแสง

NAPHAT CHAISANG

#นักศึกษา

Member

พนารัตน์ เชิญถนอมวงศ์

Panarat Cherntanomwong

#อาจารย์

Advisor

อักฤทธิ์ สังข์เพ็ชร

Akkarit Sangpetch

#อาจารย์

Co-advisor

Vote for this Innovation!