WO2022070548A1 - 位置推定システム、固定無線装置、および移動無線装置 - Google Patents

位置推定システム、固定無線装置、および移動無線装置 Download PDF

Info

Publication number
WO2022070548A1
WO2022070548A1 PCT/JP2021/026007 JP2021026007W WO2022070548A1 WO 2022070548 A1 WO2022070548 A1 WO 2022070548A1 JP 2021026007 W JP2021026007 W JP 2021026007W WO 2022070548 A1 WO2022070548 A1 WO 2022070548A1
Authority
WO
WIPO (PCT)
Prior art keywords
wireless terminal
proximity
fingerprint
position estimation
wireless
Prior art date
Application number
PCT/JP2021/026007
Other languages
English (en)
French (fr)
Inventor
芽生 岡本
亨宗 白方
智洋 村田
洋 高橋
陽平 森下
Original Assignee
パナソニックＩｐマネジメント株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to CN202180066311.6A priority Critical patent/CN116235067A/zh
Publication of WO2022070548A1 publication Critical patent/WO2022070548A1/ja
Priority to US18/189,535 priority patent/US20230231635A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G01S5/02521—Radio frequency fingerprinting using a radio-map
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G01S5/02521—Radio frequency fingerprinting using a radio-map
    • G01S5/02524—Creating or updating the radio-map
    • G01S5/02525—Gathering the radio frequency fingerprints
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations

Definitions

  • the present disclosure relates to location estimation systems, fixed radios, and mobile radios.
  • Patent Document 1 proposes a system that estimates the position of a terminal using the received electromagnetic wave information of the electromagnetic wave acquired from the terminal that has received the electromagnetic wave and the object recognition information acquired by using a camera.
  • Patent Document 1 requires a camera for acquiring object recognition information, and the cost is high.
  • the non-limiting examples of the present disclosure contribute to the provision of a position estimation system, a mobile radio device, and a fixed radio device capable of estimating the position of a mobile radio device at low cost.
  • the position estimation system includes a mobile radio device and a plurality of fixed radio devices equipped with a learning model, and the mobile radio device receives radio signals in the plurality of fixed radio devices.
  • a fingerprint showing the intensity distribution is transmitted to the plurality of fixed radio devices, each of the plurality of fixed radio devices inputs the fingerprint into the learning model, and the mobile radio device output from the learning model.
  • the proximity of the mobile radio device is transmitted to another fixed radio device, and based on the first proximity output from the learning model and the second proximity received from the other fixed radio device. Determine the position.
  • the fixed radio device includes a communication circuit that receives a fingerprint indicating the reception intensity distribution of the radio signal of the fixed radio device and the radio signal of another fixed radio device from the mobile radio device, and the above. It has a control circuit for inputting a fingerprint into a learning model and acquiring a first proximity of the mobile radio device to the fixed radio device, and the communication circuit is such that the other fixed radio device is used as a learning model.
  • the control circuit Upon receiving the second proximity of the mobile radio device input and acquired to the other fixed radio device, the control circuit receives the first proximity and the second proximity based on the first proximity and the second proximity. The position of the mobile radio device is determined.
  • the mobile radio device transmits a fingerprint indicating a reception intensity distribution of radio signals of a plurality of fixed radio devices to the plurality of fixed radio devices, and the plurality of fixed radio devices transmit the fingerprint.
  • the proximity of the mobile wireless device to the plurality of fixed wireless devices obtained by inputting the above into the learning model is received from the plurality of fixed wireless devices by the communication circuit and the mobile wireless device based on the proximity. It has a control circuit for determining a position.
  • the position of the mobile wireless device can be estimated at low cost.
  • the figure which showed the configuration example of the position estimation system which concerns on embodiment A diagram showing an example of a fingerprint The figure explaining the schematic operation example of the position estimation of the position estimation system.
  • the figure which showed the block composition example of a wireless terminal The figure which showed the block composition example of the control part
  • the figure which showed the configuration example of BC packet Flow chart showing the overall operation example of the position estimation system Flowchart showing an operation example of data acquisition processing
  • a flowchart showing a schematic operation example of the position estimation process Flowchart showing a schematic operation example of model update processing
  • Flowchart showing an operation example of position estimation processing Sequence diagram showing an operation example of the position estimation system Flowchart showing an example of updating the position estimation model
  • FIG. 1 is a diagram showing a configuration example of the position estimation system 1 according to the embodiment.
  • the position estimation system 1 has wireless terminals 101 to 105.
  • the dotted line shown in FIG. 1 indicates the connection of the wireless link between the wireless terminals 101 to 105.
  • the wireless terminals 101 to 105 form a mesh network.
  • the position estimation system 1 includes three processes of data acquisition process, position estimation process, and model update process.
  • the wireless terminals 101 to 104 are wireless terminals fixed in a place such as a work place.
  • the wireless terminal 105 is, for example, a mobile wireless terminal carried by a user.
  • the movable wireless terminal 105 is a wireless terminal that is the target of position estimation.
  • the wireless terminals 101 to 105 may be referred to as a node or a wireless device. Further, the wireless terminals 101 to 104 fixed at the installation location may be referred to as an anchor node or a fixed wireless device.
  • the mobile radio terminal 105 may be referred to as a mobile node, target, or mobile radio device.
  • the position estimation system 1 is applied to a work site such as a factory, for example.
  • the wireless terminals 101 to 104 of the anchor node are fixed to workbenches installed in each process of the factory.
  • the wireless terminal 105 of the mobile node moves in each process and is carried by a worker (user) who works on the workbench of each process.
  • the position estimation system 1 estimates when and which anchor node's wireless terminal 105 was located in the vicinity of the anchor node's wireless terminals 101 to 104 using artificial intelligence such as machine learning. Thereby, the position estimation system 1 can track, for example, when and in which process the worker performed the work. The estimation may be paraphrased as a judgment.
  • the wireless terminals 101 to 105 may transmit the estimated position of the wireless terminal 105 to, for example, a production control server (not shown).
  • the production control server may analyze the movement route of the received wireless terminal 105. That is, the production control server may analyze the behavior of the worker carrying the wireless terminal 105 and calculate the process for improving the work efficiency of the worker.
  • the configuration of the position estimation system 1 is not limited to the example shown in FIG.
  • the anchor node may be 1 or more.
  • the number of mobile nodes may be two or more.
  • FIG. 2 is a diagram showing an example of a fingerprint in the wireless terminal 105.
  • the fingerprint shows the reception intensity distribution of the radio signals of the other radio terminals 101 to 104 in the radio terminal 105.
  • the reception intensity of the reception intensity distribution may be indicated by, for example, RSSI (Receive Signal Strength Indicator).
  • RSSI Receiveive Signal Strength Indicator
  • the fingerprint may be referred to as a fingerprint vector.
  • Each of the wireless terminals 101 to 104 transmits a BC (BroadCast) packet.
  • the wireless terminal 105 that has received the BC packet measures the RSSI of the BC packet.
  • the wireless terminal 105 stores the source address of the source node included in the BC packet in association with the measured RSSI.
  • the wireless terminal 105 measures the RSSI of the BC packet transmitted from each of the wireless terminals 101 to 104. As shown in the fingerprint of FIG. 2, the wireless terminal 105 stores the source addresses of the wireless terminals 101 to 104 in association with each other and the measured RSSI.
  • Each of the wireless terminals 101 to 104 transmits BC packets at a predetermined cycle.
  • the fingerprint stored in the wireless terminal 105 changes as the wireless terminal 105 moves. For example, when the wireless terminal 105 approaches the wireless terminal 101 of the anchor node as shown in FIG. 1, the RSSI corresponding to the wireless terminal 101 becomes larger than the RSSI of the other wireless terminals 102 to 104. Therefore, the position of the wireless terminal 105 of the mobile node can be estimated from the fingerprint pattern of the wireless terminal 105.
  • the predetermined cycle may be arbitrarily changed.
  • the wireless terminal 105 also transmits a BC packet in the same manner as the wireless terminals 101 to 104. Similar to the wireless terminal 105, the wireless terminals 101 to 104 also receive the BC packets of the other wireless terminals 101 to 105 and store the fingerprint.
  • a learning model such as machine learning is mounted on the wireless terminals 101 to 104 of the anchor node.
  • the learning model mounted on the wireless terminals 101 to 104 inputs a fingerprint broadcast from the wireless terminal 105, and calculates a proximity probability indicating the proximity of the wireless terminal 105.
  • the proximity probability is, for example, a value from 0 to 1, and the closer it is to 1, the closer the wireless terminal 105 of the mobile node is to the wireless terminals 101 to 104 of the anchor node.
  • the learning model may be referred to as a position estimation model.
  • FIG. 3 is a diagram illustrating a schematic operation example of position estimation of the position estimation system 1.
  • [M1] shown in FIG. 3 shows a position estimation model mounted on the wireless terminal 101.
  • [M2] indicates a position estimation model mounted on the wireless terminal 102.
  • [M3] indicates a position estimation model mounted on the wireless terminal 103.
  • [M4] indicates a position estimation model mounted on the wireless terminal 104.
  • [FP5] shown in FIG. 3 shows the fingerprint of the wireless terminal 105.
  • the FP5 shown on the left side of [M1] to [M4] in FIG. 3 indicates the fingerprint FP5 input to the position estimation models M1 to M4.
  • the numbers shown on the right side of [M1] to [M4] indicate the proximity probabilities calculated by the position estimation models M1 to M4.
  • the position estimation model M1 mounted on the wireless terminal 101 is a learning model in which the fingerprint FP5 of the wireless terminal 105 is learned as teacher data when the wireless terminal 105 approaches the wireless terminal 101. Therefore, when the wireless terminal 105 approaches the wireless terminal 101, the proximity probability output from the position estimation model M1 approaches 1. When the wireless terminal 105 is separated from the wireless terminal 101, the proximity probability output from the position estimation model M1 approaches 0.
  • the position estimation model M2 mounted on the wireless terminal 102 is a learning model in which the fingerprint FP5 of the wireless terminal 105 is learned as teacher data when the wireless terminal 105 approaches the wireless terminal 102. Therefore, when the wireless terminal 105 approaches the wireless terminal 102, the proximity probability output from the position estimation model M2 approaches 1. When the wireless terminal 105 is separated from the wireless terminal 102, the proximity probability output from the position estimation model M2 approaches 0.
  • the position estimation model M3 mounted on the wireless terminal 103 is a learning model in which the fingerprint FP5 of the wireless terminal 105 is learned as teacher data when the wireless terminal 105 approaches the wireless terminal 103. Therefore, when the wireless terminal 105 approaches the wireless terminal 103, the proximity probability output from the position estimation model M3 approaches 1. When the wireless terminal 105 is separated from the wireless terminal 103, the proximity probability output from the position estimation model M3 approaches 0.
  • the position estimation model M4 mounted on the wireless terminal 104 is a learning model in which the fingerprint FP5 of the wireless terminal 105 is learned as teacher data when the wireless terminal 105 approaches the wireless terminal 104. Therefore, when the wireless terminal 105 approaches the wireless terminal 104, the proximity probability output from the position estimation model M4 approaches 1. When the wireless terminal 105 is separated from the wireless terminal 104, the proximity probability output from the position estimation model M4 approaches 0.
  • the wireless terminal 105 of the mobile node broadcasts the fingerprint FP5 as shown by the arrow A1 in FIG.
  • the wireless terminal 105 broadcasts the fingerprint FP5 at a predetermined cycle.
  • the wireless terminal 101 of the anchor node inputs the fingerprint FP5 broadcast from the wireless terminal 105 of the mobile node into the position estimation model M1 and calculates the proximity probability of the wireless terminal 105 to the wireless terminal 101.
  • the position estimation model M1 calculates 0.36.
  • the wireless terminal 102 of the anchor node inputs the fingerprint FP5 broadcast from the wireless terminal 105 of the mobile node into the position estimation model M2, and calculates the proximity probability of the wireless terminal 105 with respect to the wireless terminal 102.
  • the position estimation model M2 calculates 0.93.
  • the wireless terminal 103 of the anchor node inputs the fingerprint FP5 broadcast from the wireless terminal 105 of the mobile node into the position estimation model M3, and calculates the proximity probability of the wireless terminal 105 with respect to the wireless terminal 103.
  • the position estimation model M3 calculates 0.18.
  • the wireless terminal 104 of the anchor node inputs the fingerprint FP5 broadcast from the wireless terminal 105 of the mobile node into the position estimation model M4, and calculates the proximity probability of the wireless terminal 105 to the wireless terminal 104.
  • the position estimation model M4 calculates 0.30.
  • the wireless terminal 105 of the mobile node is closest to the wireless terminal 102 of the anchor node. Therefore, the proximity probability (0.93) output from the position estimation model M2 is the largest.
  • each of the wireless terminals 101 to 104 of the anchor node broadcasts the calculated proximity probabilities as shown by arrows A2a to A2d in FIG.
  • each of the wireless terminals 101 to 105 acquires (shares) the proximity probability calculated by each of the wireless terminals 101 to 104.
  • the wireless terminal 101 acquires the proximity probability calculated by the wireless terminals 102 to 104.
  • the wireless terminal 102 acquires the proximity probability calculated by the wireless terminals 101, 103, 104.
  • the wireless terminal 103 acquires the proximity probability calculated by the wireless terminals 101, 102, 104.
  • the wireless terminal 104 acquires the proximity probability calculated by the wireless terminals 101 to 103.
  • the wireless terminal 105 acquires the proximity probability calculated by the wireless terminals 101 to 104.
  • Each of the wireless terminals 101 to 105 estimates the position of the wireless terminal 105 based on the acquired proximity probability. For example, in each of the wireless terminals 101 to 105, it is estimated that the wireless terminal 105 of the mobile node is located in the vicinity of the wireless terminals 101 to 104 of the anchor node for which the highest proximity probability is calculated.
  • the proximity probability (0.93) calculated by the wireless terminal 102 is the largest. Therefore, in each of the wireless terminals 101 to 105, it is estimated that the wireless terminal 105 of the mobile node is located in the vicinity of the wireless terminal 102.
  • the position estimation system 1 executes the above process at a predetermined cycle, and estimates the position of the wireless terminal 105 of the mobile node at any time.
  • the position estimation system 1 may estimate the position of the wireless terminal 105 of the mobile node, and may further update the position estimation model. That is, the position estimation system 1 may update the position estimation model after the start of operation. As a result, the position estimation system 1 can construct a position estimation model suitable for the operation, such as the installation status of the position estimation system 1.
  • the wireless terminals 101 to 105 for which the maximum proximity probability is calculated may, for example, update the weights (also referred to as parameters) of the position estimation models M1 to M4 when a certain condition is met.
  • the wireless terminal 102 calculates the largest proximity probability. Therefore, in the case of the example of FIG. 3, the wireless terminal 102 updates the position estimation model M2 when a certain condition is met.
  • the maximum proximity probability calculated by the wireless terminal 102 is equal to or greater than the first specified value, and the proximity probability calculated by the other wireless terminals 101, 103, 104 is less than the second specified value. If there is, the fingerprint FP5 input to the position estimation model M2 is stored as teacher data.
  • the wireless terminal 102 when the proximity probability calculated by the wireless terminal 102 is 0.8 or more and the proximity probability calculated by the other wireless terminals 101, 103, 104 is less than 0.4, the wireless terminal 102 has a proximity probability of 0.8 or more.
  • the fingerprint FP5 input to M2 is stored as teacher data. Then, the wireless terminal 102 updates the position estimation model M2 using the stored teacher data.
  • the radio of the mobile node It may be considered that the terminal 105 is located within a predetermined distance from the wireless terminal 102 and is separated from the wireless terminals 101, 103, 104 by a predetermined distance or more.
  • the fingerprint FP5 input to the position estimation model M2 of the wireless terminal 102 has high reliability as a fingerprint indicating that the wireless terminal 105 of the mobile node is located near the wireless terminal 102 (for example, reliability). It can be regarded as degree 1).
  • the mobile node when the proximity probability calculated by the wireless terminal 102 is not equal to or more than the first specified value, or when the proximity probability calculated by the other wireless terminals 101, 103, 104 is not less than the second specified value, the mobile node It may be considered that the wireless terminal 105 of the above is not located within a predetermined distance from the wireless terminal 102, or is not separated from the wireless terminals 101, 103, 104 by a predetermined distance or more.
  • the fingerprint FP5 input to the position estimation model M2 of the wireless terminal 102 has low reliability as a fingerprint indicating that the wireless terminal 105 of the mobile node is located near the wireless terminal 102 (for example, reliability). It can be regarded as 0).
  • the wireless terminal 102 may update the position estimation model M2 using the highly reliable fingerprint FP5 (for example, the fingerprint FP5 having a reliability of 1) as teacher data.
  • the highly reliable fingerprint FP5 for example, the fingerprint FP5 having a reliability of 1
  • FIG. 4 is a diagram showing a block configuration example of the wireless terminal 101. Since the wireless terminals 101 to 105 have the same block configuration, FIG. 4 describes the block configuration of the wireless terminal 101.
  • the wireless terminal 101 has a wireless communication unit 11, a control unit 12, an input / output unit 13, and a storage unit 14.
  • the wireless communication unit 11 wirelessly communicates with other wireless terminals 102 to 105.
  • the wireless communication unit 11 outputs the received radio signal data to the control unit 12.
  • the wireless communication unit 11 may communicate with a production control server (not shown).
  • the wireless communication unit 11 is, for example, specified low power communication using the 920 MHz band, Zigbee (IEEE802.154) using the 2.4 GHz band, Bluetooth (registered trademark), wireless LAN (IEEE802.11b / g / n), and the like.
  • Wireless communication may be performed based on a wireless LAN using a 5 GHz band (IEEE802.11a / ac), DSRC, a wireless LAN using a 60 GHz band (IEEE802.11ad), a premises PHS, LTE, or 5G.
  • IEEE is an abbreviation for Institute of Electrical and Electronics Engineers.
  • LAN is an abbreviation for Local Area Network.
  • DSRC is an abbreviation for Dedicated Short Range Communications.
  • PHS is an abbreviation for Personal Handy-hone System.
  • LTE is an abbreviation for Long Term Evolution.
  • 5G is an abbreviation for 5th Generation.
  • the control unit 12 controls the entire wireless terminal 101.
  • the control unit 12 may be configured by, for example, a CPU (Central Processing Unit).
  • the control unit 12 controls, for example, the transmission and reception of packets.
  • the control unit 12 measures the RSSI of the BC packet transmitted from the other wireless terminals 102 to 105, and stores the fingerprint in the storage unit 14.
  • the control unit 12 updates the position estimation model using the stored fingerprint (teacher data).
  • the control unit 12 calculates the proximity probability of the wireless terminal 105 of the mobile node using the position estimation model.
  • the control unit 12 compares the calculated proximity probability of the radio terminal 105 with the proximity probability transmitted from the radio terminals 102 to 104 of the other anchor node, and estimates the position of the radio terminal 105.
  • the control unit 12 may transmit the estimated position information of the wireless terminal 105 to, for example, an external production control server.
  • the control unit 12 determines the largest proximity probability among the proximity probabilities calculated by the wireless terminals 101 to 104, and if a certain condition (condition described with reference to FIG. 3) is met, the control unit 12 receives the data from the wireless terminal 105 of the mobile node.
  • the fingerprint is stored (added) in the storage unit 14 as teacher data.
  • the control unit 12 updates the position estimation model using the fingerprint stored in the storage unit 14.
  • the input / output unit 13 is an input device such as a switch or a key device. Further, the input / output unit 13 is a sensor device such as an acceleration sensor or a motion sensor. Further, the input / output unit 13 is an output device such as an LED (Light Emitting Diode), a display, or a speaker.
  • a sensor device such as an acceleration sensor or a motion sensor.
  • the input / output unit 13 is an output device such as an LED (Light Emitting Diode), a display, or a speaker.
  • the storage unit 14 stores a program for operating the control unit 12. Further, the storage unit 14 stores data for the control unit 12 to perform calculation processing, data for the control unit 12 to control each unit, and the like. For example, the storage unit 14 stores data such as a node list, fingerprints, teacher data, and a position estimation model.
  • FIG. 5 is a diagram showing a block configuration example of the control unit 12. Since the wireless terminals 101 to 105 have the same control unit, FIG. 5 describes a block configuration of the control unit 12 of the wireless terminal 101.
  • the control unit 12 controls the wireless communication unit 11, the input / output unit 13, and the storage unit 14 shown in FIG. 4, for example, data acquisition processing, position estimation processing, and model update processing. Realize two functions.
  • the control unit 12 includes a data acquisition unit 21 that realizes a data acquisition processing function, a position estimation unit 22 that realizes a position estimation processing function, and a model update unit 23 that realizes a model update processing.
  • the data acquisition unit 21 receives the fingerprint transmitted from the wireless terminal 105 of the mobile node at a predetermined cycle via the wireless communication unit 11. Further, the data acquisition unit 21 receives the proximity probability calculated by the other wireless terminals 102 to 104 via the wireless communication unit 11.
  • the position estimation unit 22 has a proximity probability calculation unit 22a and a position determination unit 22b.
  • the proximity probability calculation unit 22a inputs the fingerprint of the wireless terminal 105 of the mobile node received by the data acquisition unit 21 into the position estimation model stored in the storage unit 14, and calculates the proximity probability of the wireless terminal 105 to the wireless terminal 101. calculate.
  • the position determination unit 22b compares the proximity probability calculated by the proximity probability calculation unit 22a with the proximity probability of the other wireless terminals 102 to 104 received by the data acquisition unit 21. Based on the comparison result, the position determination unit 22b determines which anchor node's wireless terminal 105 is near the anchor node's wireless terminal 101 to 104 at the time when the fingerprint is received.
  • the model update unit 23 has a reliability determination unit 23a, a teacher data generation unit 23b, and a model learning unit 23c.
  • the reliability determination unit 23a determines the reliability of the fingerprint input to the position estimation model by using the proximity probability calculated by the position estimation unit 22.
  • the reliability of the fingerprint may be regarded as the reliability of the proximity probability output by the position estimation model or the reliability of the estimated position.
  • the teacher data generation unit 23b generates the fingerprint input to the position estimation model as teacher data based on the determination result of the reliability determination unit 23a.
  • the teacher data generation unit 23b stores (adds) the generated teacher data in the storage unit 14.
  • the model learning unit 23c relearns using the teacher data stored in the storage unit 14 and updates the position estimation model.
  • the model learning unit 23c acquires teacher data after installing the position estimation system 1 in the factory and before the operation of the position estimation of the wireless terminal 105 of the mobile node is started, and obtains the position.
  • An estimation model may be generated.
  • FIG. 6 is a diagram showing a configuration example of the BC packet 500.
  • the wireless terminals 101 to 105 broadcast, for example, the BC packet 500 shown in FIG.
  • the BC packet 500 has a destination address 501, a source address 502, a node type 503, a sequence number 504, a query field 505, and a response field 506.
  • the destination address 501 stores the address of the wireless terminal at the destination of the BC packet 500.
  • the destination address 501 stores a broadcast address (for example, all 1).
  • the source address 502 stores the address of the wireless terminal at the source of the BC packet 500.
  • the address of the wireless terminal may be, for example, a MAC (MediaAccessControl) address.
  • the node type 503 stores node type information indicating whether the wireless terminal that is the source of the BC packet 500 is an anchor node or a mobile node. For example, when the wireless terminals 101 to 104 transmit the BC packet 500, the node type 503 stores the node type information indicating the anchor node. When the wireless terminal 105 transmits the BC packet 500, the node type information indicating the mobile node is stored in the node type 503.
  • the node type information may be set by the user, for example, at the time of initial setting via an input / output unit such as a key device to which a function is assigned or a keyboard.
  • the set node type information is stored in the storage unit of the wireless terminal.
  • the node type information may be set in the wireless terminal based on a signal from an input / output unit such as an acceleration sensor. For example, the control unit of the wireless terminal determines whether it is an anchor node or a mobile node based on the signal of the acceleration sensor. When the control unit of the wireless terminal determines that it is an anchor node, it stores node type information indicating the anchor node in the storage unit. When the control unit of the wireless terminal determines that it is a mobile node, it stores node type information indicating the mobile node in the storage unit.
  • the sequence number 504 stores a sequence number indicating the order (or ID) of the packets.
  • the inquiry field 505 stores data (inquiry information) related to inquiries to other wireless terminals.
  • the wireless terminal 105 of the mobile node to be the target of position estimation stores the fingerprint in the wireless terminal 105 in the inquiry field 505 and broadcasts it to the other wireless terminals 101 to 104 (for example, the arrow A1 in FIG. 3). reference).
  • the response field 506 stores data (response information) related to the response to an inquiry from another wireless terminal.
  • the fingerprint stored in the query field 505 is input to the position estimation model. Then, the proximity probability of the wireless terminal 105 is calculated (for example, 0.36, 0.93, 0.18, 0.30 shown in FIG. 3).
  • the wireless terminal 101 of the anchor node stores the calculated proximity probability (0.36) in the response field 506 and broadcasts the BC packet 500 (see, for example, the arrow A2a in FIG. 3).
  • the wireless terminal 102 of the anchor node stores the calculated proximity probability (0.93) in the response field 506 and broadcasts the BC packet 500 (see, for example, arrow A2b in FIG. 3).
  • the wireless terminal 103 of the anchor node stores the calculated proximity probability (0.18) in the response field 506 and broadcasts the BC packet 500 (see, for example, arrow A2c in FIG. 3).
  • the radio terminal 104 of the anchor node stores the calculated proximity probability (0.30) in the response field 506 and broadcasts the BC packet 500 (see, for example, arrow A2d in FIG. 3).
  • the wireless terminals 101 to 104 of the anchor node store the source address (that is, the address of the wireless terminal 105) of the BC packet 500 including the fingerprint in the inquiry field 505 and the sequence number in the response field 506. Thereby, each of the wireless terminals 101 to 105 can distinguish which proximity probability received is the proximity probability calculated for which fingerprint of which mobile node.
  • FIG. 7 is a flowchart showing an overall operation example of the position estimation system 1.
  • the operation of the position estimation system 1 may be divided into three, a data acquisition process, a position estimation process, and a model update process.
  • each of the wireless terminals 101 to 105 transmits a BC packet for RSSI measurement.
  • the BC packet the BC packet 500 shown in FIG. 6 may be used.
  • the inquiry field 505 may contain information indicating that the packet is for RSSI measurement.
  • Each of the wireless terminals 101 to 105 receives the BC packet for RSSI measurement and generates a fingerprint.
  • the wireless terminals 101 to 105 store the generated fingerprint in the storage unit.
  • each of the wireless terminals 101 to 105 when a save command is input by an operation of a user (for example, an installer of the position estimation system 1) for an input / output unit such as a switch.
  • the generated fingerprint is stored in the storage unit as teacher data.
  • each of the wireless terminals 101 to 104 of the anchor node determines whether or not to start the position estimation process. For example, each of the wireless terminals 101 to 104 determines whether or not to start the position estimation process based on whether or not a BC packet including the fingerprint of the wireless terminal 105 is received from the wireless terminal 105 of the mobile node. do.
  • the process proceeds to step S1001.
  • the process proceeds to step S1003.
  • each of the wireless terminals 101 to 104 of the anchor node inputs the fingerprint included in the BC packet into the position estimation model, and calculates the proximity probability of the wireless terminal 105 of the mobile node.
  • Each of the wireless terminals 101 to 104 of the anchor node broadcasts the calculated proximity probability, and acquires (shares) the proximity probability of the wireless terminals 101 to 104 of the other anchor node.
  • the wireless terminals 101 to 104 of the anchor node compare the proximity probabilities of each wireless terminal, and position estimate which wireless terminal 101 to 104 the wireless terminal 105 of the mobile node is closest to.
  • each of the wireless terminals 101 to 104 of the anchor node determines whether or not to start the model update process after performing position estimation in S1003. For example, each of the wireless terminals 101 to 104 of the anchor node determines whether or not to start the model update process based on whether or not the maximum proximity probability is calculated.
  • the process shifts to step S1001.
  • the process shifts to step S1005.
  • step S1005 the wireless terminals 101 to 104 of the anchor node that have determined the start of the model update process perform the model update process.
  • the wireless terminals 101 to 104 that update the model calculate the reliability of the estimated position by using the proximity probability shared in step S1003.
  • the wireless terminals 101 to 104 store the fingerprint input to the position estimation model in the storage unit as teacher data, and update the position estimation model.
  • step S1006 when the wireless terminals 101 to 105 terminate the communication, the processing of the flowchart shown in FIG. 7 is terminated. If the wireless terminals 101 to 105 do not end the communication, the process proceeds to step S1001 to continue the data acquisition process.
  • FIG. 8 is a flowchart showing an operation example of the data acquisition process.
  • the processing of the flowchart shown in FIG. 8 corresponds to, for example, S1001 of the flowchart shown in FIG. 7.
  • S1001 of the flowchart shown in FIG. 7.
  • an operation example of the wireless terminal 101 will be described, but the wireless terminals 102 to 105 also perform the same operation.
  • step S201 the wireless terminal 101 transmits a BC packet for RSSI measurement at a predetermined cycle.
  • step S202 the wireless terminal 101 measures the RSSI of the BC packet received from the other wireless terminals 101 to 104.
  • the wireless terminal 101 generates a fingerprint in which the measured RSSI and the source address included in the BC packet are combined, and stores the fingerprint in the storage unit 14.
  • step S203 the wireless terminal 101 determines whether or not the save command has been input by the operation of the user (for example, the installer of the position estimation system 1) for the input / output unit 13 such as the switch.
  • the wireless terminal 101 shifts the process to step S201.
  • the wireless terminal 101 shifts the process to step S204.
  • step S204 the wireless terminal 101 stores the fingerprint stored in the storage unit 14 in step S202 as teacher data in the storage unit 14.
  • the wireless terminal 101 generates a position estimation model using the teacher data stored in the storage unit 14.
  • a user for example, an installer of the position estimation system 1 possesses the wireless terminal 105 after installing the position estimation system 1 in the factory and before starting the operation of the position estimation of the wireless terminal 105 of the mobile node.
  • the user operates the input / output unit 13 of the wireless terminal 101 and inputs a save command.
  • the wireless terminal 101 stores the fingerprint stored in step S202 as teacher data in the storage unit 14 in response to the input of the save command.
  • the wireless terminal 101 stores a highly reliable fingerprint (fingerprint when the wireless terminal 105 is close to the wireless terminal 101) as teacher data in the storage unit 14, and generates a position estimation model.
  • the user moves to the wireless terminals 102 to 104 of the other anchor node, inputs a save command, and stores the highly reliable fingerprint as the teacher data in the storage unit of the wireless terminals 102 to 104.
  • the wireless terminals 102 to 104 generate a position estimation model using the teacher data stored in the storage unit.
  • step S205 when the wireless terminal 101 ends the communication, the process of the flowchart shown in FIG. 8 ends. If the communication is not terminated, the wireless terminal 101 proceeds to step S201 and transmits a BC packet for RSSI measurement at a predetermined cycle.
  • the position estimation model in step S204 may be generated every time the teacher data is stored in the storage unit 14 (every time a save command is input). Further, the generation of the position estimation model in step S204 may be performed when a predetermined number of teacher data are stored in the storage unit 14.
  • the transmission order of the BC packets in step S201 may be a predetermined order or a random order.
  • FIG. 9 is a flowchart showing a schematic operation example of the position estimation process.
  • the processing of the flowchart shown in FIG. 9 corresponds to, for example, S1002 and S1003 of the flowchart shown in FIG. 7.
  • S1002 and S1003 of the flowchart shown in FIG. 7.
  • an operation example of the wireless terminal 101 will be described, but the wireless terminals 102 to 104 also perform the same operation.
  • step S301 the wireless terminal 101 determines whether or not the fingerprint of the wireless terminal 105 has been received from the wireless terminal 105 of the mobile node. For example, the wireless terminal 101 determines whether or not the BC packet 500 in which the fingerprint is stored is received in the inquiry field 505 of the BC packet 500 described with reference to FIG.
  • step S302 the wireless terminal 101 inputs the received fingerprint into the position estimation model and calculates the proximity probability.
  • the wireless terminal 101 includes the proximity probability calculated in step S302 in the BC packet and transmits it.
  • the wireless terminal 101 has the proximity probability calculated in step S302 and the source address of the fingerprint received in step S301 (address of the wireless terminal 105) in the response field 506 of the BC packet described with reference to FIG. ,
  • the sequence number of the BC packet received in step S301 is included and transmitted.
  • step S304 the wireless terminal 101 receives a BC packet including the proximity probability from the wireless terminals 102 to 104 of the other anchor node.
  • the wireless terminal 101 receives the BC packet 500 including the proximity probability in the response field 506 of the BC packet 500 described with reference to FIG. That is, the wireless terminal 101 acquires the proximity probability calculated by the wireless terminals 102 to 104 of the other anchor node.
  • step S305 the wireless terminal 101 determines the position of the wireless terminal 105 of the mobile node based on the proximity probability calculated in step S302 and the proximity probability of the wireless terminals 102 to 104 of the other anchor nodes acquired in S304. To estimate. For example, the wireless terminal 101 estimates that the wireless terminal 105 of the mobile node is located near the wireless terminal of the anchor node for which the maximum proximity probability is calculated. After estimating the position of the wireless terminal 105, the wireless terminal 101 ends the processing of the flowchart of FIG.
  • Each of the wireless terminals 101 to 104 of the anchor node executes the position estimation process when the fingerprint is received from the wireless terminal 105 of the mobile node. Further, the wireless terminal 105 of the mobile node also receives the proximity probability from the wireless terminals 101 to 104 of the anchor node and estimates the position of the wireless terminal 105. That is, the position estimation system 1 estimates the position of the wireless terminal 105 of the mobile node by a plurality of nodes.
  • any wireless terminal 101 to 105 transmits the position estimation result to another system such as a production control server or a user's terminal. Can be done.
  • a user such as a factory work manager operates a tablet terminal and inquires of the nearest anchor node about the position of the wireless terminal 105 of the mobile node. As a result, the user can acquire the position of the wireless terminal 105.
  • the wireless terminal 101 compares the reception intensities of a plurality of anchor nodes until a predetermined number of teacher data is stored in the storage unit 14, and the mobile node positions the anchor node in which the largest reception intensity is measured in the vicinity. It may be determined as a node to be used.
  • a plurality of position estimation models in which predetermined parameters are changed may be mounted on the wireless terminals 101 to 104 of the anchor node.
  • the parameters of multiple position estimation models are, for example, if the position estimation model is a machine learning model using a method such as K-nearest neighbor method or random forest, the number of data to be referenced, the number and depth of decision trees, or random numbers.
  • the seed value may change.
  • the proximity probability used for calculating the reliability includes, for example, a plurality of proximity probabilities calculated using a plurality of position estimation models. An average or majority voted value may be used.
  • FIG. 10 is a flowchart showing a schematic operation example of the model update process.
  • the processing of the flowchart shown in FIG. 10 corresponds to, for example, S1004 and S1005 of the flowchart shown in FIG. 7.
  • S1004 and S1005 of the flowchart shown in FIG. 7.
  • an operation example of the wireless terminal 101 will be described, but the wireless terminals 102 to 104 also perform the same operation.
  • the wireless terminal 101 is a wireless terminal estimated in step S305 of FIG. 9 using the proximity probability calculated by the wireless terminal 101 and the proximity probability received from the wireless terminals 102 to 104 of other anchor nodes. The reliability for the estimated position of 105 is calculated.
  • step S402 the wireless terminal 101 determines whether or not the reliability calculated in step S401 is equal to or higher than the specified value.
  • step S401 When the reliability calculated in step S401 is not equal to or higher than the specified value (“No” in S402), the wireless terminal 101 ends the processing of the flowchart of FIG. When the reliability calculated in step S401 is equal to or higher than the specified value (“Yes” in S402), the wireless terminal 101 shifts the process to step S403.
  • step S403 the wireless terminal 101 stores the fingerprint that is the basis for calculating the proximity probability in the storage unit 14 as teacher data when the wireless terminal 105 of the mobile node is at the estimated position.
  • step S404 the wireless terminal 101 relearns the position estimation model based on the new teacher data stored in step S403 and the past teacher data stored in the storage unit 14. After re-learning the position estimation model, the wireless terminal 101 ends the processing of the flowchart of FIG.
  • Each of the wireless terminals 101 to 104 of the anchor node executes the processing of the flowchart shown in FIG. 10, and stores the fingerprint that is the calculation source of the highly reliable estimated position of the target as the teacher data. As a result, each of the wireless terminals 101 to 104 can independently update the accurate position estimation model.
  • FIG. 11 is a flowchart showing an operation example of the position estimation process.
  • the processing of the flowchart shown in FIG. 11 corresponds to, for example, S301 to S305 of the flowchart shown in FIG.
  • the flowchart shown in FIG. 9 shows an operation example of the wireless terminals 101 to 104 of the anchor node, but the flowchart of FIG. 11 also includes an operation example of the wireless terminal 105 of the mobile node.
  • the wireless terminals 101 to 105 are not distinguished, they are referred to as wireless terminals.
  • step S3001 it is determined whether or not the wireless terminal is a target node (mobile node) for position estimation. If the wireless terminal is not a node to be positioned-estimated (if it is an anchor node), the process proceeds to step S3003. If the wireless terminal is a mobile node, the process proceeds to step S3002.
  • step S3002 the wireless terminal (wireless terminal of the mobile node) that is the target of position estimation stores the latest fingerprint in the inquiry field of the BC packet to be transmitted next and transmits it.
  • step S3003 the wireless terminal receives the BC packet transmitted by the other wireless terminal.
  • step S3004 the wireless terminal determines whether or not the fingerprint is stored in the inquiry field of the BC packet received in step S3003. When the fingerprint is not stored in the inquiry field of the received BC packet (“No” in S3004), the wireless terminal shifts the process to step S3007. When the fingerprint is stored in the inquiry field of the received BC packet (“Yes” in S3004), the wireless terminal shifts the process to step S3005.
  • step S3005 the wireless terminal of the anchor node inputs the fingerprint stored in the inquiry field of the received BC packet into the position estimation model, and calculates the proximity probability of the wireless terminal of the mobile node.
  • step S3006 the wireless terminal of the anchor node has the proximity probability calculated in step S3005, the sequence number and the source address of the BC packet including the fingerprint received in step S3003 (the address of the wireless terminal of the mobile node). Is stored in the response field of the BC packet to be transmitted next and transmitted.
  • step S3007 the wireless terminal determines whether or not the proximity probability, the sequence number, and the address of the mobile node are stored in the response field of the BC packet received in step S3003.
  • the wireless terminal processes the flowchart of FIG. 11. finish.
  • the wireless terminal shifts the process to step S3008. do.
  • step S3008 the wireless terminal of the anchor node obtains the proximity probability calculated in step S3005 and the proximity probability received in the BC packet including the same sequence number and mobile node address as the proximity probability calculated in step S3005. Compare. The wireless terminal of the anchor node determines that the mobile node is located near the anchor node for which the highest proximity probability has been calculated. The wireless terminal of the anchor node determines the position of the wireless terminal of the mobile node, and then ends the process of the flowchart of FIG.
  • FIG. 12 is a sequence diagram showing an operation example of the position estimation system 1.
  • the processing of the sequence shown in FIG. 12 corresponds to, for example, S3001 to S3008 in the flowchart shown in FIG.
  • the wireless terminal 105 of the mobile node is located in the vicinity of the wireless terminal 104 of the anchor node.
  • the wireless terminal 105 of the mobile node transmits a BC packet.
  • the destination address of the BC packet includes a broadcast address.
  • the source address of the BC packet includes the address of the wireless terminal 105 of the mobile node.
  • the node type of the BC packet includes information indicating a mobile node.
  • the sequence number of the BC packet includes, for example, 10.
  • the query field of the BC packet contains the latest fingerprint of the wireless terminal 105.
  • step S5012a the wireless terminal 101 of the anchor node confirms that the fingerprint is stored in the inquiry field of the BC packet transmitted in step S5011.
  • the wireless terminal 101 After confirming the storage of the fingerprint, the wireless terminal 101 inputs the fingerprint into the position estimation model stored in the storage unit 14 of the wireless terminal 101, and calculates the proximity probability of the wireless terminal 105 to the wireless terminal 101. .. Here, the wireless terminal 101 calculates, for example, the proximity probability “0.2”. The wireless terminal 101 stores the calculated proximity probability, the sequence number (10) of the BC packet from which the proximity probability is calculated, and the address of the wireless terminal 105 (for example, 105) as a set in the storage unit 14. ..
  • the wireless terminals 102 to 104 of the anchor node calculate the proximity probability of the wireless terminal 105 of the mobile node and store it in the storage unit in the same manner as in step S5012a.
  • the wireless terminal 102 calculates, for example, the proximity probability "0.5”.
  • the wireless terminal 103 calculates, for example, the proximity probability “0.4”.
  • the wireless terminal 104 calculates, for example, the proximity probability “0.8”.
  • sequence number of the BC packet received in step S5011 is used, for example, to identify which fingerprint the proximity probability calculated multiple times is calculated based on.
  • the address of the mobile node may be, for example, the source address of the received BC packet, or may be information for identifying the mobile node separately stored in the broadcast packet.
  • the wireless terminal 101 of the anchor node transmits a BC packet.
  • the source address of the BC packet includes the address of the wireless terminal 101 (for example, 101).
  • the response field of the BC packet includes the proximity probability (0.2), the sequence number (10), and the address (105) of the mobile node stored in the storage unit in step S5012a.
  • the wireless terminals 102 to 105 receive the BC packet transmitted by the wireless terminal 101.
  • the wireless terminals 102 to 105 that have received the BC packet store the source address (101) of the received BC packet and various information included in the response field as a set in the storage unit.
  • the wireless terminal 102 of the anchor node transmits a BC packet.
  • the source address of the BC packet includes the address of the wireless terminal 102 (for example, 102).
  • the response field of the BC packet includes the proximity probability (0.5), the sequence number (10), and the address (105) of the mobile node stored in the storage unit in step S5012b.
  • the wireless terminals 101, 103 to 105 receive the BC packet transmitted by the wireless terminal 102.
  • the wireless terminals 101, 103 to 105 that have received the BC packet store the received BC packet source address (102) and various information included in the response field as a set in the storage unit.
  • the wireless terminal 103 of the anchor node transmits a BC packet.
  • the source address of the BC packet includes the address of the wireless terminal 103 (for example, 103).
  • the response field of the BC packet includes the proximity probability (0.4), the sequence number (10), and the address (105) of the mobile node stored in the storage unit in step S5012c.
  • the wireless terminals 101, 102, 104, 105 receive the BC packet transmitted by the wireless terminal 103.
  • the wireless terminals 101, 102, 104, 105 that have received the BC packet store the source address (103) of the received BC packet and various information included in the response field as a set in the storage unit.
  • the wireless terminal 104 of the anchor node transmits a BC packet.
  • the source address of the BC packet includes the address of the wireless terminal 104 (for example, 104).
  • the response field of the BC packet includes the proximity probability (0.8), the sequence number (10), and the address (105) of the mobile node stored in the storage unit in step S5012d.
  • the wireless terminals 101 to 103 and 105 receive the BC packet transmitted by the wireless terminal 104.
  • the wireless terminals 101 to 103, 105 that have received the BC packet store the received BC packet source address (104) and various information included in the response field as a set in the storage unit.
  • the wireless terminals 101 to 105 share the proximity probability calculated by the wireless terminals 101 to 104 of the anchor node.
  • step S5017a the wireless terminal 101 has the same sequence number (10) as the BC packet received in S5011 among the information in the response field stored in the storage unit 14, and has the same source address (105). Get the proximity probability in. In other words, the wireless terminal 101 acquires the proximity probability calculated based on the same fingerprint of the same mobile node (fingerprint of the BC packet of S5011).
  • the wireless terminal 101 compares the acquired proximity probabilities. For example, the wireless terminal 101 has a proximity probability "0.2" calculated by the wireless terminal 101, a proximity probability "0.5” calculated by the wireless terminal 102, and a proximity probability "0.4” calculated by the wireless terminal 103. And the proximity probability "0.8" calculated by the wireless terminal 104 are compared. The wireless terminal 101 determines that the wireless terminal 105 of the mobile node is located in the vicinity of the wireless terminal 104 for which the maximum proximity probability "0.8" is calculated.
  • the wireless terminals 102 to 105 determine the position of the wireless terminal 105 of the mobile node in the same manner as in step S5017a. Since the wireless terminals 102 to 105 have acquired the same proximity probability as the wireless terminal 101, the same determination result as that of the wireless terminal 101 is obtained.
  • the timing at which the wireless terminals 101 to 105 compare the proximity probabilities may be when the number of stored proximity probabilities reaches a predetermined number or may be a predetermined cycle.
  • the timing for comparing the proximity probabilities by the wireless terminals 101 to 105 is performed every time a BC packet containing the proximity probability, the sequence number, and the target node address is received in the response field, and the response including the larger proximity probability is included.
  • the information may be stored in the response field of the next BC packet to be transmitted.
  • the node address of the wireless terminal for which the larger proximity probability is calculated may be included in the response information.
  • the wireless terminal 101 receives a BC packet from the wireless terminal 102 in step S5014, and then proceeds to step S5017a.
  • the wireless terminal 101 compares the proximity probability 0.5 included in the received BC packet with the proximity probability 0.2 calculated by the wireless terminal 101, determines the position of the wireless terminal 105 at this point, and performs model update processing. conduct. Further, the wireless terminal 101 stores the response information including the larger proximity probability 0.5 and the node address of the wireless terminal 102 calculated thereof in the response field of the BC packet to be transmitted next, and transmits the response information.
  • the wireless terminals 101 to 105 receive a plurality of proximity probabilities from the same anchor node within a predetermined time, the average value or the maximum value may be extracted and compared with the proximity probabilities of other anchor nodes. ..
  • the wireless terminal 101 when the wireless terminal 101 receives an inquiry by BC packet again from the wireless terminal 105 at the time between step S5012a and step S5017a, the average value of the proximity probability calculated again and the proximity probability calculated in step S5012a.
  • the maximum value may be used for comparison with the proximity probability calculated by another anchor node.
  • the timing of transmitting the BC packet in which the proximity probability is stored in the response field may be the timing of receiving the proximity probability from another node and comparing them. Further, the timing of transmitting the BC packet in which the proximity probability is stored in the response field may be the timing when the transmission order comes around according to a predetermined order.
  • the wireless terminals 101 to 105 use the fingerprint of the estimation target and the fingerprint stored in the inquiry field of the BC packet received at the previous time as the input of the position estimation model. You may.
  • the wireless terminal 101 that has received the BC packet transmitted in step S5011 has the BC transmitted from the wireless terminal 105 in addition to the fingerprint stored in the inquiry field of the BC packet of the received sequence number “10”.
  • the fingerprint stored in the query field of one or more BC packets whose sequence number is not "10" may be input to the position estimation model to calculate the proximity probability.
  • FIG. 13 is a flowchart showing an example of updating the position estimation model.
  • the processing of the flowchart shown in FIG. 13 corresponds to, for example, S401 to S404 of the flowchart shown in FIG.
  • wireless terminals 101 to 104 are not distinguished, they are referred to as wireless terminals.
  • step S4001 the wireless terminal of the anchor node has the same sequence number and mobile as the sequence number and mobile node address of the fingerprint used for calculating its own proximity probability among the proximity probabilities of other wireless terminals stored in the storage unit. Get the proximity probability of the node address. The wireless terminal of the anchor node compares the proximity probability calculated by itself with the acquired proximity probability.
  • step S4002 in the wireless terminal of the anchor node, among the proximity probabilities compared in step S4001, the value of the largest proximity probability is the specified value th or more, and the other proximity probability values are less than the specified value th. Determine if it exists.
  • step S4001 when the value of the largest proximity probability is not equal to or more than the specified value th, or when the value of other proximity probabilities is not less than the specified value th (S4002). "No"), the process proceeds to step S4004.
  • the value of the largest proximity probability is the specified value th or more, and the value of the other proximity probabilities is less than the specified value th ( "Yes" in S4002), the process proceeds to step S4003.
  • step S4003 the wireless terminal of the anchor node sets the reliability of the estimated position to "1" and shifts the processing to step S4005.
  • step S4004 the wireless terminal of the anchor node sets the reliability of the estimated position to "0" and ends the processing of the flowchart of FIG.
  • step S4005 the anchor node that calculated the largest proximity probability stores the fingerprint (input to the position estimation model) that is the calculation source of the proximity probability in the storage unit as teacher data.
  • step S4006 the wireless terminal of the anchor node relearns and updates the position estimation model using the teacher data stored in the storage unit.
  • the specified value th to be compared with the largest proximity probability and the specified value th to be compared with other proximity probabilities may be different values or may be the same value.
  • step S4005 when the wireless terminal of the anchor node calculates the largest proximity probability of another anchor node, the fingerprint of the calculation source of the proximity probability is not in the vicinity of the wireless terminal of the mobile node. It may be saved in the storage as the teacher data of the case.
  • the wireless terminal of the anchor node calculates the reliability R_t for the estimated position of the target at a certain time t, the estimated position of the target at a time (t ⁇ t) before the time t, or the estimated position thereof.
  • the reliability R_ (t ⁇ t) for the estimated position may be used. ⁇ t is any time that is relatively short.
  • the wireless terminal of the anchor node is used to estimate the position of the target at a time (t ⁇ t) before the time t.
  • the proximity probability calculated by the wireless terminal may be used.
  • the wireless terminal of the anchor node sets the reliability value to 0 or 1 based on the result of inputting a plurality of proximity probabilities into, for example, a classification model of machine learning using a random forest. It may be classified into.
  • the wireless terminal of the anchor node calculates the reliability as a value in the range of 0 to 1 based on the result of inputting a plurality of proximity probability values into a regression model of machine learning using logistic regression, for example. You may.
  • the wireless terminal of the anchor node may store the fingerprint as teacher data in the storage unit.
  • the wireless terminal of the anchor node refers to the fixed installation location information of all anchor nodes, and if the estimated position of the immediately preceding target is close to its own position, it is weighted to the proximity probability calculated by itself. The reliability may be determined.
  • the wireless terminal of the anchor node may store the installation location information of all or other anchor nodes installed near itself in the storage unit, or store its own installation position information in a BC packet. It may be transmitted periodically.
  • the position estimation system 1 has a mobile node wireless terminal 105 and anchor node wireless terminals 101 to 104 equipped with a learning model.
  • the wireless terminal 105 of the mobile node broadcasts a fingerprint showing the reception intensity distribution of the wireless signal of the wireless terminals 101 to 104 to the wireless terminals 101 to 104.
  • the wireless terminals 101 to 104 of the anchor node input the fingerprint into the learning model, calculate the proximity probability of the wireless terminal 105 with respect to the wireless terminals 101 to 104, and broadcast to the wireless terminals 101 to 105.
  • the radio terminals 101 to 105 estimate the position of the radio terminal 105 using the broadcast proximity probability.
  • the position estimation system 1 can estimate the position of the wireless terminal 105 of the mobile node at low cost without using another device such as a camera. Further, the position estimation system 1 can estimate the position of the wireless terminal 105 with high accuracy by using the learning model.
  • the wireless terminals 101 to 104 store the fingerprint as teacher data in the storage unit in response to the operation of the save command for the user's input / output unit, but the present invention is not limited to this.
  • the wireless terminals 101 to 104 may detect that the user carrying the wireless terminal 105 is located in the vicinity by the motion sensor, and store the fingerprint as teacher data in the storage unit.
  • the input / output unit of the wireless terminal 105 may accept an operation for storing the fingerprint as teacher data from the user.
  • the wireless terminal 105 transmits a fingerprint storage command to the wireless terminals 101 to 104 when the input / output unit receives an operation from the user.
  • the wireless terminals 101 to 104 store the teacher data in the storage unit in response to the fingerprint storage command transmitted from the wireless terminal 105.
  • the wireless terminal 105 may output a predetermined signal having a short communication distance (communication area) such that the communication distance (communication area) is 1 m to 2 m, for example.
  • the wireless terminals 101 to 104 receive a predetermined signal from the wireless terminal 105, the fingerprint may be stored in the storage unit as teacher data.
  • the wireless terminal 105 of the mobile node may store the fingerprint of the teacher data in the storage unit.
  • the wireless terminal 105 may store the addresses of the wireless terminals 101 to 104 of the anchor node located in the vicinity of the wireless terminal 105 in association with each other.
  • an option area may be provided in the fingerprint data format (see, for example, FIG. 2), and the addresses of the wireless terminals 101 to 104 of the anchor node may be stored in the option area.
  • the wireless terminal 105 stores the teacher data stored in the vicinity of the wireless terminals 101 to 104 for each wireless terminal 101 to 104. Whether or not it is in the vicinity of the wireless terminals 101 to 104 may be determined by the same method as in the first modification.
  • the addresses of the wireless terminals 101 to 104 may be notified by transmitting a packet from the wireless terminals 101 to 104 that issued the fingerprint storage command to the wireless terminal 105.
  • the addresses of the wireless terminals 101 to 104 may be given from the input / output unit of the wireless terminal 105 as a parameter of the fingerprint storage command.
  • the wireless terminals 101 to 104 store the fingerprint when the wireless terminal 105 is located in the vicinity as teacher data when the fingerprint save command is issued. On the other hand, the wireless terminal 105 stores the teacher data stored in the vicinity of the wireless terminals 101 to 104 in each of the wireless terminals 101 to 104.
  • the wireless terminal 105 of the mobile node may generate a position estimation model for calculating the proximity probability for each of the wireless terminals 101 to 104 by storing the teacher data for each of the wireless terminals 101 to 104 of the anchor node in the storage unit. .. Thereby, the wireless terminal 105 of the mobile node can estimate which anchor node is located in the vicinity based on the teacher data stored in the storage unit.
  • the wireless terminal having the highest proximity probability among the proximity probabilities calculated by the wireless terminal 105 in the position estimation process and the proximity probability calculated by the wireless terminals 101 to 104 in the position estimation process have the largest proximity probability. If there is a match with the wireless terminal, the proximity probability may be weighted.
  • the wireless terminal 105 may update the position estimation model. For example, the wireless terminal 105 has the highest proximity when the maximum proximity is equal to or higher than the first specified value and all of the other proximity (proximity excluding the highest proximity) is less than the second specified value.
  • the position estimation model corresponding to the wireless terminal of the anchor node for which the proximity is calculated may be updated with the fingerprint as the teacher data.
  • the wireless terminals 101 to 105 may overwrite the newly measured RSSI at any time if the source address paired with the RSSI to be added is already included in the fingerprint. Further, when updating the fingerprint, the wireless terminals 101 to 105 overwrite the newly measured RSSI at any time when the source address and the destination address paired with the RSSI to be added are already included in the fingerprint. You may. Further, the wireless terminals 101 to 105 may store two or more fingerprints using the sequence number stored in the BC packet as an identifier.
  • the wireless terminals 101 to 105 may receive a fingerprint containing an RSSI older than the RSSI of the fingerprint stored at that time.
  • the wireless terminals 101 to 105 may store the sequence number in addition to the source address and RSSI.
  • the wireless terminals 101 to 105 compare the sequence number of the fingerprint stored in the storage unit with the sequence number of the newly received fingerprint, and use the newly measured RSSI to use the newly measured RSSI. You may update the fingerprint.
  • the wireless terminals 101 to 105 calculate the average value of a plurality of RSSIs for the save commands of a plurality of fingerprints, and store the average value of the RSSIs as teacher data in the storage unit. You may.
  • the wireless terminals 101 to 104 may receive the fingerprint save command and store the current fingerprint in the teacher data option instead of the nearest node.
  • the wireless terminals 101 to 104 that are not the nearest neighbors of the wireless terminal 105 may store the address of the nearest wireless terminal in the teacher data option.
  • the fingerprint stored as the teacher data is the teacher data stored when the wireless terminal 105 is in the nearest vicinity of which wireless terminal 101 to 104, based on the nearest node address stored in the option. Can be identified.
  • Modification 6 In the storage of teacher data, how old the old one is stored may be set to a predetermined time for each node, or the user may input it as a parameter at any time.
  • the notation "... part” used for each component is “... circuitry”, “... assembly”, “... device”, “". It may be replaced with other notations such as "unit” or "... module”.
  • the teacher data described above may be referred to as correct data or correct value.
  • the position estimation model may be referred to as an AI model or an AI prediction model. Of course, the names of the teacher data and the position estimation model are not limited to these.
  • Each functional block used in the description of the above embodiment is partially or wholly realized as an LSI which is an integrated circuit, and each process described in the above embodiment is partially or wholly. It may be controlled by one LSI or a combination of LSIs.
  • the LSI may be composed of individual chips, or may be composed of one chip so as to include a part or all of functional blocks.
  • the LSI may include data input and output.
  • LSIs may be referred to as ICs, system LSIs, super LSIs, and ultra LSIs depending on the degree of integration.
  • the method of making an integrated circuit is not limited to LSI, and may be realized by a dedicated circuit, a general-purpose processor, or a dedicated processor. Further, an FPGA (Field Programmable Gate Array) that can be programmed after the LSI is manufactured, or a reconfigurable processor that can reconfigure the connection and settings of the circuit cells inside the LSI may be used.
  • FPGA Field Programmable Gate Array
  • the present disclosure may be realized as digital processing or analog processing.
  • the communication device may include a wireless transceiver and a processing / control circuit.
  • the wireless transceiver may include a receiver and a transmitter, or them as a function.
  • the radio transceiver (transmitter, receiver) may include an RF (Radio Frequency) module and one or more antennas.
  • the RF module may include an amplifier, an RF modulator / demodulator, or the like.
  • Non-limiting examples of communication devices include telephones (mobile phones, smartphones, etc.), tablets, personal computers (PCs) (laptops, desktops, notebooks, etc.), cameras (digital stills / video cameras, etc.).
  • Digital players digital audio / video players, etc.
  • wearable devices wearable cameras, smart watches, tracking devices, etc.
  • game consoles digital book readers
  • telehealth telemedicines remote health Care / medicine prescription
  • vehicles with communication functions or mobile transportation automobiles, planes, ships, etc.
  • combinations of the above-mentioned various devices can be mentioned.
  • Communication devices are not limited to those that are portable or mobile, but are all types of devices, devices, systems that are non-portable or fixed, such as smart home devices (home appliances, lighting equipment, smart meters or Includes measuring instruments, control panels, etc.), vending machines, and any other "Things” that can exist on the IoT (Internet of Things) network.
  • smart home devices home appliances, lighting equipment, smart meters or Includes measuring instruments, control panels, etc.
  • vending machines and any other “Things” that can exist on the IoT (Internet of Things) network.
  • Communication includes data communication by a combination of these, in addition to data communication by a cellular system, a wireless LAN system, a communication satellite system, etc.
  • the communication device also includes devices such as controllers and sensors that are connected or connected to communication devices that perform the communication functions described in the present disclosure.
  • devices such as controllers and sensors that are connected or connected to communication devices that perform the communication functions described in the present disclosure.
  • controllers and sensors that generate control and data signals used by communication devices that perform the communication functions of the communication device.
  • Communication devices also include infrastructure equipment that communicates with or controls these non-limiting devices, such as base stations, access points, and any other device, device, or system. ..
  • the position estimation system includes a mobile radio device and a plurality of fixed radio devices equipped with a learning model, and the mobile radio device shows a reception intensity distribution of radio signals in the plurality of fixed radio devices.
  • the fingerprint is transmitted to the plurality of fixed radio devices, each of the plurality of fixed radio devices inputs the fingerprint into the learning model, and sets the proximity of the mobile radio device output from the learning model to the other.
  • the position of the mobile radio device is determined based on the first proximity transmitted from the learning model and the second proximity received from the other fixed radio device. ..
  • the first fixed radio device having the highest proximity uses the fingerprint as teacher data and updates the learning model.
  • the fixed radio device having the highest first proximity is based on the proximity output from the learning model and the proximity transmitted from the other fixed radio devices.
  • the reliability of the determination position of the mobile radio device is calculated, and the fingerprint is used as the teacher data based on the reliability, and the learning model is updated.
  • the fixed wireless device having the highest first proximity has the first proximity of the first specified value or more, and any of the second proximity is the second. If it is less than the specified value, the fingerprint is used as the teacher data.
  • the mobile radio device receives the first proximity and the second proximity, and determines the position of the mobile radio device.
  • the mobile wireless device is equipped with a learning model that outputs the proximity to each of the plurality of fixed wireless devices.
  • the mobile radio device updates the learning model of the fixed radio device having the highest proximity with the fingerprint as teacher data.
  • the fixed radio device learns a communication circuit that receives a fingerprint indicating the reception intensity distribution of the radio signal of the fixed radio device and the radio signal of another fixed radio device from the mobile radio device, and the fingerprint. It has a control circuit that inputs to a model and acquires a first proximity of the mobile radio device to the fixed radio device, and the communication circuit is input to the learning model by the other fixed radio device and acquired. Upon receiving the second proximity of the mobile radio device to the other fixed radio device, the control circuit receives the mobile radio device based on the first proximity and the second proximity. Determine the position of.
  • the mobile radio device transmits a fingerprint indicating the reception intensity distribution of the radio signal of the plurality of fixed radio devices to the plurality of fixed radio devices, and the plurality of fixed radio devices use the fingerprint as a learning model.
  • the position of the mobile radio device is determined based on the communication circuit receiving from the plurality of fixed radio devices and the proximity of the mobile radio device input and acquired with respect to the plurality of fixed radio devices. It has a control circuit.
  • This disclosure can be applied to a position estimation system using a fingerprint of wireless communication.
  • Position estimation system 11
  • Wireless communication unit 12
  • Control unit 13
  • Input / output unit 14
  • Storage unit 21
  • Data acquisition unit 22
  • Position estimation unit 22a
  • Proximity probability calculation unit 22b
  • Position determination unit 23
  • Model update unit 23a
  • Reliability determination unit 23b
  • Teacher data generation unit 23c

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

移動無線装置は、複数の固定無線装置における無線信号の受信強度分布を示すフィンガープリントを複数の固定無線装置に送信する。学習モデルを搭載した複数の固定無線装置の各々は、フィンガープリントを学習モデルに入力し、学習モデルから出力された移動無線装置の近接度を他の固定無線装置に送信し、学習モデルから出力された第１の近接度と、他の固定無線装置から受信した第２の近接度とに基づいて、移動無線装置の位置を判定する。

Description

位置推定システム、固定無線装置、および移動無線装置
　本開示は、位置推定システム、固定無線装置、および移動無線装置に関する。
　近年、無線通信技術の発展および無線端末の普及に伴い、無線通信技術を応用した無線端末の位置推定が行われている。無線通信により取得される受信強度情報は、周辺環境の影響を受けて変動するため、環境変化に対して汎用性の高い位置推定方法の需要が高まっている。
　例えば、特許文献１では、電磁波を受信した端末から取得した電磁波の受信電磁波情報と、カメラを用いて取得した物体認識情報とを用いて端末の位置を推定するシステムが提案されている。
特開２０１９－１７４１６４号公報
　しかしながら、特許文献１のシステムでは、物体認識情報を取得するためのカメラを要し、コストが高くなる。
　本開示の非限定的な実施例は、低コストで移動無線装置の位置を推定できる位置推定システム、移動無線装置、および固定無線装置の提供に資する。
　本開示の一実施例に係る位置推定システムは、移動無線装置と、学習モデルを搭載した複数の固定無線装置と、を備え、前記移動無線装置は、前記複数の固定無線装置における無線信号の受信強度分布を示すフィンガープリントを前記複数の固定無線装置に送信し、前記複数の固定無線装置の各々は、前記フィンガープリントを前記学習モデルに入力し、前記学習モデルから出力された前記移動無線装置の近接度を他の固定無線装置に送信し、前記学習モデルから出力された第１の近接度と、前記他の固定無線装置から受信した第２の近接度とに基づいて、前記移動無線装置の位置を判定する。
　本開示の一実施例に係る固定無線装置は、当該固定無線装置の無線信号および他の固定無線装置の無線信号の受信強度分布を示すフィンガープリントを、移動無線装置から受信する通信回路と、前記フィンガープリントを学習モデルに入力し、前記移動無線装置の当該固定無線装置に対する第１の近接度を取得する制御回路と、を有し、前記通信回路は、前記他の固定無線装置が学習モデルに入力して取得した前記移動無線装置の前記他の固定無線装置に対する第２の近接度を受信し、前記制御回路は、前記第１の近接度と、前記第２の近接度とに基づいて、前記移動無線装置の位置を判定する。
　本開示の一実施例に係る移動無線装置は、複数の固定無線装置の無線信号の受信強度分布を示すフィンガープリントを前記複数の固定無線装置に送信し、前記複数の固定無線装置が前記フィンガープリントを学習モデルに入力して取得した当該移動無線装置の前記複数の固定無線装置に対する近接度を、前記複数の固定無線装置から受信する通信回路と、前記近接度に基づいて、当該移動無線装置の位置を判定する制御回路と、を有する。
　なお、これらの包括的または具体的な態様は、システム、装置、方法、集積回路、コンピュータープログラム、または、記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータープログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
　本開示の一実施例によれば、低コストで移動無線装置の位置を推定できる。
　本開示の一実施例における更なる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施形態並びに明細書および図面に記載された特徴によってそれぞれ提供されるが、１つまたはそれ以上の同一の特徴を得るために必ずしも全てが提供される必要はない。
実施の形態に係る位置推定システムの構成例を示した図 フィンガープリントの一例を示した図 位置推定システムの位置推定の概略動作例を説明する図 無線端末のブロック構成例を示した図 制御部のブロック構成例を示した図 ＢＣパケットの構成例を示した図 位置推定システムの全体の動作例を示したフローチャート データ取得処理の動作例を示したフローチャート 位置推定処理の概略動作例を示したフローチャート モデル更新処理の概略動作例を示したフローチャート 位置推定処理の動作例を示したフローチャート 位置推定システムの動作例を示したシーケンス図 位置推定モデルの更新動作例を示したフローチャート
　以下、図面を適宜参照して、本開示の実施の形態について、詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。
　なお、添付図面および以下の説明は、当業者が本開示を十分に理解するために、提供されるのであって、これらにより特許請求の範囲に記載の主題を限定することは意図されていない。
　図１は、実施の形態に係る位置推定システム１の構成例を示した図である。図１に示すように、位置推定システム１は、無線端末１０１～１０５を有する。図１に示す点線は、無線端末１０１～１０５間における無線リンクの接続を示す。無線端末１０１～１０５は、メッシュネットワークを形成する。なお、位置推定システム１は、データ取得処理、位置推定処理、モデル更新処理の３つの処理を含む。
　無線端末１０１～１０５のうち、無線端末１０１～１０４は、作業場といった場所に固定される無線端末である。一方、無線端末１０５は、例えば、ユーザーによって携帯される、移動可能な無線端末である。移動可能な無線端末１０５は、位置推定の対象となる無線端末である。
　無線端末１０１～１０５は、ノードまたは無線装置と称されてもよい。また、設置場所に固定される無線端末１０１～１０４は、アンカーノードまたは固定無線装置と称されてもよい。移動可能な無線端末１０５は、モバイルノード、ターゲット、または移動無線装置と称されてもよい。
　位置推定システム１は、例えば、工場などの作業現場に適用される。例えば、アンカーノードの無線端末１０１～１０４は、工場の各工程に設置された作業台に固定される。モバイルノードの無線端末１０５は、各工程を移動し、各工程の作業台で作業を行う作業者（ユーザー）に携帯される。
　位置推定システム１は、モバイルノードの無線端末１０５が、いつ、どのアンカーノードの無線端末１０１～１０４の近傍に位置していたかを、機械学習といった人工知能を用いて推定する。これにより、位置推定システム１は、例えば、作業者が、いつ、どの工程の作業を行ったかを追跡できる。推定は、判定と言い換えられてもよい。
　無線端末１０１～１０５は、推定した無線端末１０５の位置を、例えば、生産管理サーバー（図示せず）に送信してもよい。
　生産管理サーバーは、受信した無線端末１０５の移動経路を解析してもよい。すなわち、生産管理サーバーは、無線端末１０５を携帯した作業者の行動を解析し、作業者の作業効率を向上するための工程を算出してもよい。
　位置推定システム１の構成は、図１の例に限られない。例えば、アンカーノードは、１以上であればよい。モバイルノードは、２以上であってもよい。
　位置推定システム１のデータ取得処理の概略動作について説明する。図２は、無線端末１０５におけるフィンガープリントの一例を示した図である。フィンガープリントは、無線端末１０５における、他の無線端末１０１～１０４の無線信号の受信強度分布を示す。受信強度分布の受信強度は、例えば、ＲＳＳＩ（Receive Signal Strength Indicator）によって示されてもよい。フィンガープリントは、フィンガープリントベクトルと称されてもよい。
　無線端末１０１～１０４の各々は、ＢＣ（BroadCast）パケットを送信する。ＢＣパケットを受信した無線端末１０５は、ＢＣパケットのＲＳＳＩを測定する。無線端末１０５は、ＢＣパケットに含まれる送信元ノードの送信元アドレスと、測定したＲＳＳＩとを対応付けて記憶する。
　例えば、無線端末１０５は、無線端末１０１～１０４の各々から送信されたＢＣパケットのＲＳＳＩを測定する。無線端末１０５は、図２のフィンガープリントに示すように、無線端末１０１～１０４の送信元アドレスと、測定したＲＳＳＩとを対応付けて記憶する。
　無線端末１０１～１０４の各々は、所定の周期にてＢＣパケットを送信する。無線端末１０５に記憶されるフィンガープリントは、無線端末１０５の移動に伴って変化する。例えば、無線端末１０５が、図１に示すように、アンカーノードの無線端末１０１に近づいた場合、無線端末１０１に対応するＲＳＳＩは、他の無線端末１０２～１０４のＲＳＳＩより大きくなる。従って、モバイルノードの無線端末１０５の位置は、無線端末１０５のフィンガープリントのパターンから推定できる。なお、所定の周期は、周期を任意に変更してもよい。
　なお、無線端末１０５も無線端末１０１～１０４と同様に、ＢＣパケットを送信する。無線端末１０１～１０４も無線端末１０５と同様に、他の無線端末１０１～１０５のＢＣパケットを受信し、フィンガープリントを記憶する。
　位置推定システム１の位置推定処理の概略動作について説明する。アンカーノードの無線端末１０１～１０４には、例えば、機械学習といった学習モデルが搭載される。無線端末１０１～１０４に搭載される学習モデルは、無線端末１０５からブロードキャストされるフィンガープリントを入力し、無線端末１０５の近接度を示す近接確率を算出する。
　近接確率は、例えば、０から１の値とし、１に近い程、モバイルノードの無線端末１０５が、アンカーノードの無線端末１０１～１０４に近いことを示す。以下では、学習モデルを位置推定モデルと称する場合がある。
　図３は、位置推定システム１の位置推定の概略動作例を説明する図である。図３に示す［Ｍ１］は、無線端末１０１に搭載される位置推定モデルを示す。［Ｍ２］は、無線端末１０２に搭載される位置推定モデルを示す。［Ｍ３］は、無線端末１０３に搭載される位置推定モデルを示す。［Ｍ４］は、無線端末１０４に搭載される位置推定モデルを示す。図３に示す［ＦＰ５］は、無線端末１０５のフィンガープリントを示す。
　図３の［Ｍ１］～［Ｍ４］の左側に示すＦＰ５は、位置推定モデルＭ１～Ｍ４に入力されるフィンガープリントＦＰ５を示す。［Ｍ１］～［Ｍ４］の右側に示す数字は、位置推定モデルＭ１～Ｍ４が算出した近接確率を示す。
　無線端末１０１に搭載される位置推定モデルＭ１は、無線端末１０５が無線端末１０１に近づいた場合における無線端末１０５のフィンガープリントＦＰ５を教師データとして学習した学習モデルである。従って、無線端末１０５が無線端末１０１に近づいた場合、位置推定モデルＭ１から出力される近接確率は、１に近づく。無線端末１０５が無線端末１０１から離れた場合、位置推定モデルＭ１から出力される近接確率は、０に近づく。
　無線端末１０２に搭載される位置推定モデルＭ２は、無線端末１０５が無線端末１０２に近づいた場合における無線端末１０５のフィンガープリントＦＰ５を教師データとして学習した学習モデルである。従って、無線端末１０５が無線端末１０２に近づいた場合、位置推定モデルＭ２から出力される近接確率は、１に近づく。無線端末１０５が無線端末１０２から離れた場合、位置推定モデルＭ２から出力される近接確率は、０に近づく。
　無線端末１０３に搭載される位置推定モデルＭ３は、無線端末１０５が無線端末１０３に近づいた場合における無線端末１０５のフィンガープリントＦＰ５を教師データとして学習した学習モデルである。従って、無線端末１０５が無線端末１０３に近づいた場合、位置推定モデルＭ３から出力される近接確率は、１に近づく。無線端末１０５が無線端末１０３から離れた場合、位置推定モデルＭ３から出力される近接確率は、０に近づく。
　無線端末１０４に搭載される位置推定モデルＭ４は、無線端末１０５が無線端末１０４に近づいた場合における無線端末１０５のフィンガープリントＦＰ５を教師データとして学習した学習モデルである。従って、無線端末１０５が無線端末１０４に近づいた場合、位置推定モデルＭ４から出力される近接確率は、１に近づく。無線端末１０５が無線端末１０４から離れた場合、位置推定モデルＭ４から出力される近接確率は、０に近づく。
　図３の概略動作について説明する。モバイルノードの無線端末１０５は、図３の矢印Ａ１に示すように、フィンガープリントＦＰ５をブロードキャストする。無線端末１０５は、所定の周期にて、フィンガープリントＦＰ５をブロードキャストする。
　アンカーノードの無線端末１０１は、モバイルノードの無線端末１０５からブロードキャストされたフィンガープリントＦＰ５を位置推定モデルＭ１に入力し、無線端末１０５の無線端末１０１に対する近接確率を算出する。図３の例では、位置推定モデルＭ１は、０．３６を算出する。
　アンカーノードの無線端末１０２は、モバイルノードの無線端末１０５からブロードキャストされたフィンガープリントＦＰ５を位置推定モデルＭ２に入力し、無線端末１０５の無線端末１０２に対する近接確率を算出する。図３の例では、位置推定モデルＭ２は、０．９３を算出する。
　アンカーノードの無線端末１０３は、モバイルノードの無線端末１０５からブロードキャストされたフィンガープリントＦＰ５を位置推定モデルＭ３に入力し、無線端末１０５の無線端末１０３に対する近接確率を算出する。図３の例では、位置推定モデルＭ３は、０．１８を算出する。
　アンカーノードの無線端末１０４は、モバイルノードの無線端末１０５からブロードキャストされたフィンガープリントＦＰ５を位置推定モデルＭ４に入力し、無線端末１０５の無線端末１０４に対する近接確率を算出する。図３の例では、位置推定モデルＭ４は、０．３０を算出する。
　なお、図３の例では、モバイルノードの無線端末１０５は、アンカーノードの無線端末１０２に最も近接している。従って、位置推定モデルＭ２から出力される近接確率（０．９３）が最も大きくなっている。
　アンカーノードの無線端末１０１～１０４の各々は、近接確率を算出した場合、図３の矢印Ａ２ａ～Ａ２ｄに示すように、算出した近接確率をブロードキャストする。これにより、無線端末１０１～１０５の各々は、無線端末１０１～１０４の各々が算出した近接確率を取得（共有）する。
　例えば、無線端末１０１は、無線端末１０２～１０４が算出した近接確率を取得する。無線端末１０２は、無線端末１０１，１０３，１０４が算出した近接確率を取得する。無線端末１０３は、無線端末１０１，１０２，１０４が算出した近接確率を取得する。無線端末１０４は、無線端末１０１～１０３が算出した近接確率を取得する。無線端末１０５は、無線端末１０１～１０４が算出した近接確率を取得する。
　無線端末１０１～１０５の各々は、取得した近接確率に基づいて、無線端末１０５の位置を推定する。例えば、無線端末１０１～１０５の各々は、最も高い近接確率を算出したアンカーノードの無線端末１０１～１０４の近傍に、モバイルノードの無線端末１０５が位置していると推定する。
　図３の例では、無線端末１０２が算出した近接確率（０．９３）が最も大きい。従って、無線端末１０１～１０５の各々は、無線端末１０２の近傍に、モバイルノードの無線端末１０５が位置していると推定する。
　位置推定システム１は、所定の周期にて上記処理を実行し、モバイルノードの無線端末１０５の位置を随時推定する。
　位置推定システム１のモデル更新処理の概略動作について説明する。位置推定システム１は、モバイルノードの無線端末１０５の位置を推定し、さらに、位置推定モデルを更新してもよい。すなわち、位置推定システム１は、運用開始後、位置推定モデルを更新してもよい。これにより、位置推定システム１は、例えば、位置推定システム１の設置状況といった、運用に合った位置推定モデルを構築できる。
　最も大きい近接確率を算出した無線端末１０１～１０５は、例えば、或る条件に合致した場合に、位置推定モデルＭ１～Ｍ４のウェイト（パラメータとも称される）を更新してもよい。
　図３の例の場合、無線端末１０２が最も大きい近接確率を算出する。従って、図３の例の場合、無線端末１０２は、或る条件に合致した場合、位置推定モデルＭ２を更新する。
　例えば、無線端末１０２は、無線端末１０２が算出した最も大きい近接確率が第１の規定値以上であって、他の無線端末１０１，１０３，１０４が算出した近接確率が第２の規定値未満である場合、位置推定モデルＭ２に入力されたフィンガープリントＦＰ５を教師データとして記憶する。
　具体的には、無線端末１０２は、無線端末１０２が算出した近接確率が０．８以上であって、他の無線端末１０１，１０３，１０４が算出した近接確率が０．４未満である場合、Ｍ２に入力されたフィンガープリントＦＰ５を教師データとして記憶する。そして、無線端末１０２は、記憶した教師データを用いて、位置推定モデルＭ２を更新する。
　無線端末１０２が算出した近接確率が第１の規定値以上であって、他の無線端末１０１，１０３，１０４が算出した近接確率が第２の規定値未満である場合とは、モバイルノードの無線端末１０５が、無線端末１０２に対して所定距離内に位置し、無線端末１０１，１０３，１０４に対して所定距離以上離れていると捉えてよい。
　このため、無線端末１０２の位置推定モデルＭ２に入力されたフィンガープリントＦＰ５は、モバイルノードの無線端末１０５が無線端末１０２の近くに位置することを示すフィンガープリントとして、信頼度が高い（例えば、信頼度１）と捉えてよい。
　一方、無線端末１０２が算出した近接確率が第１の規定値以上でない場合、または、他の無線端末１０１，１０３，１０４が算出した近接確率が第２の規定値未満でない場合とは、モバイルノードの無線端末１０５が、無線端末１０２に対して所定距離内に位置していない、または、無線端末１０１，１０３，１０４に対して所定距離以上離れていないと捉えてよい。
　このため、無線端末１０２の位置推定モデルＭ２に入力されたフィンガープリントＦＰ５は、モバイルノードの無線端末１０５が無線端末１０２の近くに位置することを示すフィンガープリントとして、信頼度が低い（例えば、信頼度０）と捉えてよい。
　無線端末１０２は、信頼度が高いフィンガープリントＦＰ５（例えば、信頼度１のフィンガープリントＦＰ５）を教師データとし、位置推定モデルＭ２を更新してよい。
　図４は、無線端末１０１のブロック構成例を示した図である。無線端末１０１～１０５は、同じブロック構成を有するため、図４では、無線端末１０１のブロック構成について説明する。
　図４に示すように、無線端末１０１は、無線通信部１１と、制御部１２と、入出力部１３と、記憶部１４と、を有する。
　無線通信部１１は、他の無線端末１０２～１０５と無線通信を行う。無線通信部１１は、受信した無線信号のデータを制御部１２に出力する。なお、無線通信部１１は、生産管理サーバー（図示せず）と通信してもよい。
　無線通信部１１は、例えば、９２０ＭＨｚ帯を用いる特定小電力通信、２．４ＧＨｚ帯を用いるＺｉｇｂｅｅ（ＩＥＥＥ８０２．１５．４）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（ＩＥＥＥ８０２．１１ｂ／ｇ／ｎ）、５ＧＨｚ帯を用いる無線ＬＡＮ（ＩＥＥＥ８０２．１１ａ／ａｃ）、ＤＳＲＣ、６０ＧＨｚ帯を用いる無線ＬＡＮ（ＩＥＥＥ８０２．１１ａｄ）、構内ＰＨＳ、ＬＴＥ、または５Ｇに基づいて無線通信を行ってもよい。
　なお、ＩＥＥＥは、Institute of Electrical and Electronics Engineersの略である。ＬＡＮは、Local Area Networkの略である。ＤＳＲＣは、Dedicated Short Range Communicationsの略である。ＰＨＳは、Personal Handy-hone Systemの略である。ＬＴＥは、Long Term Evolutionの略である。５Ｇは、5th Generationの略である。
　制御部１２は、無線端末１０１全体を制御する。制御部１２は、例えば、ＣＰＵ（Central Processing Unit）によって構成されてもよい。
　制御部１２は、例えば、パケットの送受信を制御する。制御部１２は、他の無線端末１０２～１０５から送信されたＢＣパケットのＲＳＳＩを測定し、フィンガープリントを記憶部１４に記憶する。制御部１２は、記憶したフィンガープリント（教師データ）を用いて、位置推定モデルを更新する。
　制御部１２は、位置推定モデルを用いて、モバイルノードの無線端末１０５の近接確率を算出する。制御部１２は、算出した無線端末１０５の近接確率と、他のアンカーノードの無線端末１０２～１０４から送信された近接確率とを比較し、無線端末１０５の位置を推定する。制御部１２は、推定した無線端末１０５の位置情報を、例えば、外部の生産管理サーバーに送信してもよい。
　制御部１２は、無線端末１０１～１０４が算出した近接確率のうち、最も大きい近接確率を判定し、或る条件（図３で説明した条件）に合致した場合、モバイルノードの無線端末１０５から受信したフィンガープリントを教師データとして記憶部１４に記憶（追加）する。制御部１２は、記憶部１４に記憶したフィンガープリントを用いて、位置推定モデルを更新する。
　入出力部１３は、例えば、スイッチ、キー装置といった入力デバイスである。また、入出力部１３は、例えば、加速度センサ、人感センサといったセンサデバイスである。また、入出力部１３は、例えば、ＬＥＤ（Light Emitting Diode）、ディスプレイ、スピーカといった出力デバイスである。
　記憶部１４には、制御部１２が動作するためのプログラムが記憶される。また、記憶部１４には、制御部１２が計算処理を行うためのデータ、または、制御部１２が各部を制御するためのデータ等が記憶される。例えば、記憶部１４には、ノードリスト、フィンガープリント、教師データ、および位置推定モデルといったデータが記憶される。
　図５は、制御部１２のブロック構成例を示した図である。無線端末１０１～１０５は、同じ制御部を有するため、図５では、無線端末１０１の制御部１２のブロック構成について説明する。
　制御部１２は、図４に示した無線通信部１１と、入出力部１３と、記憶部１４と、を制御し、例えば、データ取得処理と、位置推定処理と、モデル更新処理と、の３つの機能を実現する。制御部１２は、データ取得処理の機能を実現するデータ取得部２１と、位置推定処理の機能を実現する位置推定部２２と、モデル更新処理を実現するモデル更新部２３と、を有する。
　データ取得部２１は、無線通信部１１を介して、モバイルノードの無線端末１０５から所定の周期にて送信されるフィンガープリントを受信する。また、データ取得部２１は、無線通信部１１を介して、他の無線端末１０２～１０４が算出した近接確率を受信する。
　位置推定部２２は、近接確率算出部２２ａと、位置判定部２２ｂと、を有する。
　近接確率算出部２２ａは、データ取得部２１が受信したモバイルノードの無線端末１０５のフィンガープリントを、記憶部１４に記憶された位置推定モデルに入力し、無線端末１０５の無線端末１０１に対する近接確率を算出する。
　位置判定部２２ｂは、近接確率算出部２２ａにおいて算出した近接確率と、データ取得部２１が受信した他の無線端末１０２～１０４における近接確率とを比較する。位置判定部２２ｂは、比較結果に基づき、フィンガープリントを受信した時刻において、モバイルノードの無線端末１０５がどのアンカーノードの無線端末１０１～１０４の近くにいたかを判定する。
　モデル更新部２３は、信頼度判定部２３ａと、教師データ生成部２３ｂと、モデル学習部２３ｃと、を有する。
　信頼度判定部２３ａは、位置推定部２２が算出した近接確率を用いて、位置推定モデルに入力されたフィンガープリントの信頼度を判定する。フィンガープリントの信頼度は、位置推定モデルが出力した近接確率の信頼度、または、推定位置の信頼度と捉えてもよい。
　教師データ生成部２３ｂは、信頼度判定部２３ａの判定結果に基づいて、位置推定モデルに入力されたフィンガープリントを教師データとして生成する。教師データ生成部２３ｂは、生成した教師データを記憶部１４に記憶（追加）する。
　モデル学習部２３ｃは、記憶部１４に記憶されている教師データを用いて再学習し、位置推定モデルを更新する。
　なお、後述するが、モデル学習部２３ｃは、例えば、位置推定システム１を工場に設置した後、モバイルノードの無線端末１０５の位置推定の運用が開始される前に、教師データを取得し、位置推定モデルを生成してもよい。
　図６は、ＢＣパケット５００の構成例を示した図である。無線端末１０１～１０５は、例えば、図５に示すＢＣパケット５００をブロードキャストする。
　図６に示すように、ＢＣパケット５００は、宛先アドレス５０１と、送信元アドレス５０２と、ノード種別５０３と、シーケンス番号５０４と、問合せフィールド５０５と、応答フィールド５０６と、の領域を有する。
　宛先アドレス５０１には、ＢＣパケット５００の送信先における無線端末のアドレスが格納される。例えば、宛先アドレス５０１には、ブロードキャストアドレス（例えば、オール１）が格納される。
　送信元アドレス５０２には、ＢＣパケット５００の送信元における無線端末のアドレスが格納される。無線端末のアドレスは、例えば、ＭＡＣ（Media Access Control）アドレスであってもよい。
　ノード種別５０３には、ＢＣパケット５００の送信元である無線端末が、アンカーノードであるか、または、モバイルノードであるかを示すノード種別情報が格納される。例えば、無線端末１０１～１０４がＢＣパケット５００を送信する場合、ノード種別５０３には、アンカーノードを示すノード種別情報が格納される。無線端末１０５がＢＣパケット５００を送信する場合、ノード種別５０３には、モバイルノードを示すノード種別情報が格納される。
　ノード種別情報は、例えば初期設定時に、機能を割り当てたキー装置、キーボードといった入出力部を介して、ユーザーにより設定されてもよい。設定されたノード種別情報は、無線端末の記憶部に記憶される。
　また、ノード種別情報は、例えば、加速度センサといった入出力部からの信号に基づいて、無線端末に設定されてもよい。例えば、無線端末の制御部は、加速度センサの信号に基づいて、アンカーノードであるか、または、モバイルノードであるか否かを判定する。無線端末の制御部は、アンカーノードであると判定した場合、アンカーノードを示すノード種別情報を記憶部に記憶する。無線端末の制御部は、モバイルノードであると判定した場合、モバイルノードを示すノード種別情報を記憶部に記憶する。
　シーケンス番号５０４には、パケットの順番（またはＩＤ）を示すシーケンス番号が格納される。
　問合せフィールド５０５には、他の無線端末に対する問合せに関するデータ（問合せ情報）が格納される。
　例えば、位置推定の対象となるモバイルノードの無線端末１０５は、問合せフィールド５０５に、無線端末１０５におけるフィンガープリントを格納し、他の無線端末１０１～１０４にブロードキャストする（例えば、図３の矢印Ａ１を参照）。
　応答フィールド５０６には、他の無線端末からの問合せに対する、応答に関するデータ（応答情報）が格納される。
　例えば、アンカーノードの無線端末１０１～１０４の各々は、問合せフィールド５０５に、モバイルノードの無線端末１０５のフィンガープリントが格納されていた場合、問合せフィールド５０５に格納されたフィンガープリントを位置推定モデルに入力し、無線端末１０５の近接確率を算出する（例えば、図３に示す０．３６、０．９３、０．１８、０．３０）。
　アンカーノードの無線端末１０１は、算出した近接確率（０．３６）を応答フィールド５０６に格納し、ＢＣパケット５００をブロードキャストする（例えば、図３の矢印Ａ２ａを参照）。アンカーノードの無線端末１０２は、算出した近接確率（０．９３）を応答フィールド５０６に格納し、ＢＣパケット５００をブロードキャストする（例えば、図３の矢印Ａ２ｂを参照）。アンカーノードの無線端末１０３は、算出した近接確率（０．１８）を応答フィールド５０６に格納し、ＢＣパケット５００をブロードキャストする（例えば、図３の矢印Ａ２ｃを参照）。アンカーノードの無線端末１０４は、算出した近接確率（０．３０）を応答フィールド５０６に格納し、ＢＣパケット５００をブロードキャストする（例えば、図３の矢印Ａ２ｄを参照）。
　なお、アンカーノードの無線端末１０１～１０４は、問合せフィールド５０５にフィンガープリントを含むＢＣパケット５００の送信元アドレス（すなわち、無線端末１０５のアドレス）と、シーケンス番号とを応答フィールド５０６に格納する。これにより、無線端末１０１～１０５の各々は、受信した近接確率が、どのモバイルノードのどのフィンガープリントに対して算出された近接確率であるかを区別できる。
　図７は、位置推定システム１の全体の動作例を示したフローチャートである。位置推定システム１の動作は、データ取得処理、位置推定処理、およびモデル更新処理の３つに分けられてもよい。
　ステップＳ１００１において、無線端末１０１～１０５各々は、ＲＳＳＩ測定用のＢＣパケットを送信する。ＢＣパケットには、図６に示したＢＣパケット５００が用いられてもよい。問合せフィールド５０５には、ＲＳＳＩ測定用のパケットであることを示す情報が含まれてもよい。
　無線端末１０１～１０５各々は、ＲＳＳＩ測定用のＢＣパケットを受信し、フィンガープリントを生成する。無線端末１０１～１０５は、生成したフィンガープリントを記憶部に記憶する。
　なお、図８で説明するが、無線端末１０１～１０５の各々は、例えば、スイッチといった入出力部に対するユーザー（例えば、位置推定システム１の設置業者）の操作によって、保存コマンドが入力された場合、生成したフィンガープリントを教師データとして記憶部に記憶する。
　ステップＳ１００２において、アンカーノードの無線端末１０１～１０４の各々は、位置推定処理を開始するか否かを判定する。例えば、無線端末１０１～１０４の各々は、モバイルノードの無線端末１０５から、無線端末１０５のフィンガープリントを含むＢＣパケットを受信したか否かに基づいて、位置推定処理を開始するか否かを判定する。無線端末１０１～１０４の各々は、位置推定処理を開始しない場合（Ｓ１００２の「Ｎｏ」）、処理をステップＳ１００１に移行する。無線端末１０１～１０４の各々は、位置推定処理を開始する場合（Ｓ１００２の「Ｙｅｓ」）、処理をステップＳ１００３に移行する。
　ステップＳ１００３において、アンカーノードの無線端末１０１～１０４の各々は、ＢＣパケットに含まれるフィンガープリントを位置推定モデルに入力し、モバイルノードの無線端末１０５の近接確率を算出する。アンカーノードの無線端末１０１～１０４の各々は、算出した近接確率をブロードキャストし、他のアンカーノードの無線端末１０１～１０４の近接確率を取得（共有）する。アンカーノードの無線端末１０１～１０４は、各無線端末の近接確率を比較し、モバイルノードの無線端末１０５がどの無線端末１０１～１０４に最も近いか位置推定する。
　ステップＳ１００４において、アンカーノードの無線端末１０１～１０４の各々は、Ｓ１００３にて位置推定を行った後、モデル更新処理を開始するか否かを判定する。例えば、アンカーノードの無線端末１０１～１０４の各々は、最も大きい近接確率を算出したか否かに基づいて、モデル更新処理を開始するか否かを判定する。無線端末１０１～１０４の各々は、モデル更新処理を開始しない場合（Ｓ１００４の「Ｎｏ」）、処理をステップＳ１００１に移行する。無線端末１０１～１０４の各々は、モデル更新処理を開始する場合（Ｓ１００４の「Ｙｅｓ」）、処理をステップＳ１００５に移行する。
　ステップＳ１００５において、モデル更新処理の開始を判定したアンカーノードの無線端末１０１～１０４は、モデル更新処理を行う。モデル更新を行う無線端末１０１～１０４は、ステップＳ１００３にて共有した近接確率を用いて、推定位置の信頼度を算出する。無線端末１０１～１０４は、算出した信頼度が高い場合、位置推定モデルに入力されたフィンガープリントを教師データとして記憶部に記憶し、位置推定モデルを更新する。
　ステップＳ１００６において、無線端末１０１～１０５は、通信を終了する場合、図７に示すフローチャートの処理を終了する。無線端末１０１～１０５は、通信を終了しない場合、ステップＳ１００１に移行してデータ取得処理を継続する。
　図８は、データ取得処理の動作例を示したフローチャートである。図８に示すフローチャートの処理は、例えば、図７に示したフローチャートのＳ１００１に相当する。以下では無線端末１０１の動作例について説明するが、無線端末１０２～１０５も同様の動作を行う。
　ステップＳ２０１において、無線端末１０１は、ＲＳＳＩ測定用のＢＣパケットを、所定の周期にて送信する。
　ステップＳ２０２において、無線端末１０１は、他の無線端末１０１～１０４から受信したＢＣパケットのＲＳＳＩを測定する。無線端末１０１は、測定したＲＳＳＩと、ＢＣパケットに含まれる送信元アドレスとを組みにしたフィンガープリントを生成し、記憶部１４に記憶する。
　ステップＳ２０３において、無線端末１０１は、スイッチといった入出力部１３に対するユーザー（例えば、位置推定システム１の設置業者）の操作によって、保存コマンドが入力されたか否かを判定する。無線端末１０１は、保存コマンドが入力されていない場合（Ｓ２０３の「Ｎｏ」）、処理をステップＳ２０１に移行する。無線端末１０１は、保存コマンドが入力された場合（Ｓ２０３の「Ｙｅｓ」）、処理をステップＳ２０４に移行する。
　ステップＳ２０４において、無線端末１０１は、ステップＳ２０２にて記憶部１４に記憶したフィンガープリントを教師データとして記憶部１４に記憶する。無線端末１０１は、記憶部１４に記憶した教師データを用いて位置推定モデルを生成する。
　例えば、ユーザー（例えば、位置推定システム１の設置業者）は、位置推定システム１を工場に設置した後、モバイルノードの無線端末１０５の位置推定の運用を開始する前に、無線端末１０５を所持し、アンカーノードの無線端末１０１の近くに移動する。ユーザーは、無線端末１０１の入出力部１３を操作し、保存コマンドを入力する。無線端末１０１は、保存コマンドの入力に応じて、ステップＳ２０２にて記憶したフィンガープリントを教師データとして記憶部１４に記憶する。
　すなわち、無線端末１０１は、信頼度の高いフィンガープリント（無線端末１０５が無線端末１０１に近接した場合のフィンガープリント）を教師データとして記憶部１４に記憶し、位置推定モデルを生成する。
　同様に、ユーザーは、他のアンカーノードの無線端末１０２～１０４に移動して、保存コマンドを入力し、信頼度の高いフィンガープリントを教師データとして、無線端末１０２～１０４の記憶部に記憶する。無線端末１０２～１０４は、記憶部に記憶した教師データを用いて、位置推定モデルを生成する。
　ステップＳ２０５において、無線端末１０１は、通信を終了する場合、図８に示すフローチャートの処理を終了する。無線端末１０１は、通信を終了しない場合、ステップＳ２０１に移行してＲＳＳＩ測定用のＢＣパケットを、所定の周期にて送信する。
　なお、ステップＳ２０４の位置推定モデルの生成は、教師データが記憶部１４に記憶される度に（保存コマンドが入力される度に）行われてもよい。また、ステップＳ２０４の位置推定モデルの生成は、教師データが所定数、記憶部１４に記憶された場合に行われてもよい。
　また、ステップＳ２０１のＢＣパケットの送信順序（無線端末１０１～１０５の送信順序）は、所定順序でもよいし、ランダムな順序でもよい。
　図９は、位置推定処理の概略動作例を示したフローチャートである。図９に示すフローチャートの処理は、例えば、図７に示したフローチャートのＳ１００２，Ｓ１００３に相当する。以下では無線端末１０１の動作例について説明するが、無線端末１０２～１０４も同様の動作を行う。
　ステップＳ３０１において、無線端末１０１は、モバイルノードの無線端末１０５から、無線端末１０５のフィンガープリントを受信したか否かを判定する。例えば、無線端末１０１は、図６で説明したＢＣパケット５００の問合せフィールド５０５に、フィンガープリントが格納されたＢＣパケット５００を受信したか否かを判定する。
　無線端末１０１は、フィンガープリントを受信していない場合（Ｓ３０１の「Ｎｏ」）、図９のフローチャートの処理を終了する。無線端末１０１は、フィンガープリントを受信している場合（Ｓ３０１の「Ｙｅｓ」）、処理をステップＳ３０２に移行する。
　ステップＳ３０２において、無線端末１０１は、受信したフィンガープリントを位置推定モデルに入力し、近接確率を算出する。
　ステップＳ３０３において、無線端末１０１は、ステップＳ３０２にて算出した近接確率を、ＢＣパケットに含めて送信する。例えば、無線端末１０１は、図６で説明したＢＣパケットの応答フィールド５０６に、ステップＳ３０２にて算出した近接確率と、ステップＳ３０１にて受信したフィンガープリントの送信元アドレス（無線端末１０５のアドレス）と、ステップＳ３０１にて受信したＢＣパケットのシーケンス番号とを、含めて送信する。
　ステップＳ３０４において、無線端末１０１は、他のアンカーノードの無線端末１０２～１０４から、近接確率を含むＢＣパケットを受信する。例えば、無線端末１０１は、図６で説明したＢＣパケット５００の応答フィールド５０６に、近接確率を含むＢＣパケット５００を受信する。すなわち、無線端末１０１は、他のアンカーノードの無線端末１０２～１０４が算出した近接確率を取得する。
　ステップＳ３０５において、無線端末１０１は、ステップＳ３０２にて算出した近接確率と、Ｓ３０４にて取得した他のアンカーノードの無線端末１０２～１０４の近接確率とに基づいて、モバイルノードの無線端末１０５の位置を推定する。例えば、無線端末１０１は、最も大きい近接確率を算出したアンカーノードの無線端末の近くに、モバイルノードの無線端末１０５が位置していると推定する。無線端末１０１は、無線端末１０５の位置を推定した後、図９のフローチャートの処理を終了する。
　なお、アンカーノードの無線端末１０１～１０４の各々は、モバイルノードの無線端末１０５からフィンガープリントを受信した場合に位置推定の処理を実行する。また、モバイルノードの無線端末１０５も、アンカーノードの無線端末１０１～１０４から近接確率を受信し、無線端末１０５の位置を推定する。すなわち、位置推定システム１は、モバイルノードの無線端末１０５の位置推定を、複数のノードで行う。
　また、位置推定は、無線端末１０１～１０５の各々において実行されるため、任意の無線端末１０１～１０５が、位置推定結果を、例えば、生産管理サーバーといった他のシステムまたはユーザーの端末に送信することができる。
　例えば、工場の作業責任者といったユーザーは、タブレット端末を操作し、最も近いアンカーノードに対してモバイルノードの無線端末１０５の位置を問い合わせる。これにより、ユーザーは、無線端末１０５の位置を取得できる。
　また、無線端末１０１は、所定数の教師データが記憶部１４に記憶されるまで、複数のアンカーノードの受信強度を比較し、最も大きい受信強度を計測したアンカーノードを、モバイルノードが近傍に位置するノードとして判定してもよい。
　また、アンカーノードの無線端末１０１～１０４には、所定のパラメータを変更した複数の位置推定モデルが実装されてもよい。複数の位置推定モデルのパラメータは、例えば、位置推定モデルが、Ｋ近傍法またはランダムフォレストといった手法を用いた機械学習モデルである場合、参照するデータ数、決定木の数や深さ、または乱数のシードの値が変更されてもよい。
　また、アンカーノードの無線端末１０１～１０４に複数の位置推定モデルが実装される場合、信頼度の算出に用いる近接確率には、例えば、複数の位置推定モデルを用いて算出した複数の近接確率の平均または多数決を取った値が用いられてもよい。
　図１０は、モデル更新処理の概略動作例を示したフローチャートである。図１０に示すフローチャートの処理は、例えば、図７に示したフローチャートのＳ１００４，Ｓ１００５に相当する。以下では無線端末１０１の動作例について説明するが、無線端末１０２～１０４も同様の動作を行う。
　ステップＳ４０１において、無線端末１０１は、無線端末１０１が算出した近接確率と、他のアンカーノードの無線端末１０２～１０４から受信した近接確率とを用いて、図９のステップＳ３０５にて推定した無線端末１０５の推定位置についての信頼度を算出する。
　ステップＳ４０２において、無線端末１０１は、ステップＳ４０１にて算出した信頼度が規定値以上であるか否かを判定する。
　無線端末１０１は、ステップＳ４０１にて算出した信頼度が規定値以上でない場合（Ｓ４０２の「Ｎｏ」）、図１０のフローチャートの処理を終了する。無線端末１０１は、ステップＳ４０１にて算出した信頼度が規定値以上である場合（Ｓ４０２の「Ｙｅｓ」）、処理をステップＳ４０３に移行する。
　ステップＳ４０３において、無線端末１０１は、近接確率の算出の元となったフィンガープリントを、モバイルノードの無線端末１０５が推定位置にいた場合の教師データとして記憶部１４に記憶する。
　ステップＳ４０４において、無線端末１０１は、ステップＳ４０３にて記憶した新しい教師データと、記憶部１４に記憶されている過去の教師データとに基づいて、位置推定モデルを再学習する。無線端末１０１は、位置推定モデルを再学習した後、図１０のフローチャートの処理を終了する。
　なお、アンカーノードの無線端末１０１～１０４の各々が、図１０に示すフローチャートの処理を実行し、ターゲットの信頼度の高い推定位置の算出元となったフィンガープリントを教師データとして記憶する。これにより、無線端末１０１～１０４の各々は、独立して、精度のよい位置推定モデルを更新できる。
　図１１は、位置推定処理の動作例を示したフローチャートである。図１１に示すフローチャートの処理は、例えば、図９に示したフローチャートのＳ３０１～Ｓ３０５に相当する。図９に示したフローチャートは、アンカーノードの無線端末１０１～１０４の動作例を示したが、図１１のフローチャートでは、モバイルノードの無線端末１０５の動作例も含む。以下では、無線端末１０１～１０５を区別しない場合、無線端末と記載する。
　ステップＳ３００１において、無線端末は、位置推定対象のターゲットとなるノード（モバイルノード）であるか否かを判定する。無線端末は、位置推定対象のノードでない場合（アンカーノードである場合）、処理をステップＳ３００３に移行する。無線端末は、モバイルノードである場合、処理をステップＳ３００２に移行する。
　ステップＳ３００２において、位置推定のターゲットとなる無線端末（モバイルノードの無線端末）は、最新のフィンガープリントを、次に送信するＢＣパケットの問合せフィールドに格納して送信する。
　ステップＳ３００３において、無線端末は、他の無線端末が送信したＢＣパケットを受信する。
　ステップＳ３００４において、無線端末は、ステップＳ３００３にて受信したＢＣパケットの問合せフィールドに、フィンガープリントが格納されているか否かを判定する。無線端末は、受信したＢＣパケットの問合せフィールドに、フィンガープリントが格納されていない場合（Ｓ３００４の「Ｎｏ」）、処理をステップＳ３００７に移行する。無線端末は、受信したＢＣパケットの問合せフィールドに、フィンガープリントが格納されている場合（Ｓ３００４の「Ｙｅｓ」）、処理をステップＳ３００５に移行する。
　ステップＳ３００５において、アンカーノードの無線端末は、受信したＢＣパケットの問合せフィールドに格納されたフィンガープリントを位置推定モデルに入力し、モバイルノードの無線端末の近接確率を算出する。
　ステップＳ３００６において、アンカーノードの無線端末は、ステップＳ３００５にて算出した近接確率と、ステップＳ３００３にて受信した、フィンガープリントを含むＢＣパケットのシーケンス番号および送信元アドレス（モバイルノードの無線端末のアドレス）とを、次に送信するＢＣパケットの応答フィールドに格納して送信する。
　ステップＳ３００７において、無線端末は、ステップＳ３００３にて受信したＢＣパケットの応答フィールドに、近接確率と、シーケンス番号と、モバイルノードのアドレスとが格納されているか否かを判定する。無線端末は、ステップＳ３００３にて受信したＢＣパケットの応答フィールドに、近接確率と、シーケンス番号と、モバイルノードのアドレスとが格納されていない場合（Ｓ３００７「Ｎｏ」）、図１１のフローチャートの処理を終了する。無線端末は、ステップＳ３００３にて受信したＢＣパケットの応答フィールドに、近接確率と、シーケンス番号と、モバイルノードのアドレスとが格納されている場合（Ｓ３００７の「Ｙｅｓ」）、処理をステップＳ３００８に移行する。
　ステップＳ３００８において、アンカーノードの無線端末は、ステップＳ３００５にて算出した近接確率と、ステップＳ３００５にて算出した近接確率と同じシーケンス番号およびモバイルノードアドレスとを含むＢＣパケットにて受信した近接確率とを比較する。アンカーノードの無線端末は、最も大きい近接確率を算出したアンカーノードの近くに、モバイルノードが位置していると判定する。アンカーノードの無線端末は、モバイルノードの無線端末の位置を判定した後、図１１のフローチャートの処理を終了する。
　図１２は、位置推定システム１の動作例を示したシーケンス図である。図１２に示すシーケンスの処理は、例えば、図１１に示したフローチャートのＳ３００１～Ｓ３００８に相当する。図１２のシーケンス例では、モバイルノードの無線端末１０５は、アンカーノードの無線端末１０４の近傍に位置する。
　ステップＳ５０１１において、モバイルノードの無線端末１０５は、ＢＣパケットを送信する。ＢＣパケットの宛先アドレスには、ブロードキャストアドレスが含まれる。ＢＣパケットの送信元アドレスには、モバイルノードの無線端末１０５のアドレスが含まれる。ＢＣパケットのノード種別には、モバイルノードを示す情報が含まれる。ＢＣパケットのシーケンス番号には、例えば、１０が含まれる。ＢＣパケットの問合せフィールドには、無線端末１０５の最新のフィンガープリントが含まれる。
　ステップＳ５０１２ａにおいて、アンカーノードの無線端末１０１は、ステップＳ５０１１にて送信されたＢＣパケットの問合せフィールドに、フィンガープリントが格納されていることを確認する。
　無線端末１０１は、フィンガープリントの格納を確認した後、無線端末１０１の記憶部１４に記憶されている位置推定モデルに、フィンガープリントを入力し、無線端末１０１に対する無線端末１０５の近接確率を算出する。ここで、無線端末１０１は、例えば、近接確率「０．２」を算出する。無線端末１０１は、算出した近接確率と、近接確率の算出元となったＢＣパケットのシーケンス番号（１０）と、無線端末１０５のアドレス（例えば１０５）と、をセットにして記憶部１４に記憶する。
　ステップＳ５０１２ｂ～Ｓ５０１２ｄにおいて、アンカーノードの無線端末１０２～１０４は、ステップＳ５０１２ａと同様に、モバイルノードの無線端末１０５の近接確率を算出し、記憶部に記憶する。
　なお、無線端末１０２は、例えば、近接確率「０．５」を算出する。無線端末１０３は、例えば、近接確率「０．４」を算出する。無線端末１０４は、例えば、近接確率「０．８」を算出する。
　また、ステップＳ５０１１にて受信したＢＣパケットのシーケンス番号は、例えば、複数回算出された近接確率が、どのフィンガープリントに基づいて算出されたのかを識別するために使用される。
　また、モバイルノードのアドレスは、例えば、受信したＢＣパケットの送信元アドレスであってよいし、ブロードキャストパケットに別途格納されたモバイルノードを識別する情報であってもよい。
　ステップＳ５０１３において、アンカーノードの無線端末１０１は、ＢＣパケットを送信する。ＢＣパケットの送信元アドレスには、無線端末１０１のアドレス（例えば、１０１）が含まれる。また、ＢＣパケットの応答フィールドには、ステップＳ５０１２ａにて記憶部に記憶した近接確率（０．２）、シーケンス番号（１０）、およびモバイルノードのアドレス（１０５）が含まれる。
　無線端末１０２～１０５は、無線端末１０１が送信したＢＣパケットを受信する。ＢＣパケットを受信した無線端末１０２～１０５は、受信したＢＣパケットの送信元アドレス（１０１）と、応答フィールドに含まれる各種情報とをセットにして記憶部に記憶する。
　ステップＳ５０１４において、アンカーノードの無線端末１０２は、ＢＣパケットを送信する。ＢＣパケットの送信元アドレスには、無線端末１０２のアドレス（例えば、１０２）が含まれる。また、ＢＣパケットの応答フィールドには、ステップＳ５０１２ｂにて記憶部に記憶した近接確率（０．５）、シーケンス番号（１０）、およびモバイルノードのアドレス（１０５）が含まれる。
　無線端末１０１，１０３～１０５は、無線端末１０２が送信したＢＣパケットを受信する。ＢＣパケットを受信した無線端末１０１，１０３～１０５は、受信したＢＣパケットの送信元アドレス（１０２）と、応答フィールドに含まれる各種情報とをセットにして記憶部に記憶する。
　ステップＳ５０１５において、アンカーノードの無線端末１０３は、ＢＣパケットを送信する。ＢＣパケットの送信元アドレスには、無線端末１０３のアドレス（例えば、１０３）が含まれる。また、ＢＣパケットの応答フィールドには、ステップＳ５０１２ｃにて記憶部に記憶した近接確率（０．４）、シーケンス番号（１０）、およびモバイルノードのアドレス（１０５）が含まれる。
　無線端末１０１，１０２，１０４，１０５は、無線端末１０３が送信したＢＣパケットを受信する。ＢＣパケットを受信した無線端末１０１，１０２，１０４，１０５は、受信したＢＣパケットの送信元アドレス（１０３）と、応答フィールドに含まれる各種情報とをセットにして記憶部に記憶する。
　ステップＳ５０１６において、アンカーノードの無線端末１０４は、ＢＣパケットを送信する。ＢＣパケットの送信元アドレスには、無線端末１０４のアドレス（例えば、１０４）が含まれる。また、ＢＣパケットの応答フィールドには、ステップＳ５０１２ｄにて記憶部に記憶した近接確率（０．８）、シーケンス番号（１０）、およびモバイルノードのアドレス（１０５）が含まれる。
　無線端末１０１～１０３，１０５は、無線端末１０４が送信したＢＣパケットを受信する。ＢＣパケットを受信した無線端末１０１～１０３，１０５は、受信したＢＣパケットの送信元アドレス（１０４）と、応答フィールドに含まれる各種情報とをセットにして記憶部に記憶する。
　ステップＳ５０１３～Ｓ５０１６のＢＣパケットの送信処理によって、無線端末１０１～１０５は、アンカーノードの無線端末１０１～１０４が算出した近接確率を共有する。
　ステップＳ５０１７ａおいて、無線端末１０１は、記憶部１４に記憶した応答フィールドの情報のうち、Ｓ５０１１にて受信したＢＣパケットと同じシーケンス番号（１０）であって、かつ、同じ送信元アドレス（１０５）における近接確率を取得する。別言すれば、無線端末１０１は、同じモバイルノードの同じフィンガープリント（Ｓ５０１１のＢＣパケットのフィンガープリント）に基づいて算出された近接確率を取得する。
　無線端末１０１は、取得した近接確率を比較する。例えば、無線端末１０１は、無線端末１０１が算出した近接確率「０．２」と、無線端末１０２が算出した近接確率「０．５」と、無線端末１０３が算出した近接確率「０．４」と、無線端末１０４が算出した近接確率「０．８」と、を比較する。無線端末１０１は、最も大きい近接確率「０．８」を算出した無線端末１０４の近傍に、モバイルノードの無線端末１０５が位置していると判定する。
　ステップＳ５０１７ｂ～Ｓ５０１７ｅにおいて、無線端末１０２～１０５は、ステップＳ５０１７ａと同様に、モバイルノードの無線端末１０５の位置を判定する。無線端末１０２～１０５は、無線端末１０１と同じ近接確率を取得しているので、無線端末１０１と同じ判定結果を得る。
　なお、無線端末１０１～１０５が近接確率を比較するタイミングは、記憶した近接確率の数が所定数に達した場合でもよいし、所定の周期でもよい。
　また、無線端末１０１～１０５が近接確率を比較するタイミングは、応答フィールドに近接確率とシーケンス番号とターゲットのノードアドレスとを格納したＢＣパケットを受信する度に行い、より大きい近接確率が含まれる応答情報を次に送信するＢＣパケットの応答フィールドに格納してもよい。このとき、より大きい近接確率を算出した無線端末のノードアドレスを応答情報に含めてもよい。
　例えば、図１２において、無線端末１０１は、ステップＳ５０１４で無線端末１０２からＢＣパケットを受信した後、ステップＳ５０１７ａに移行する。無線端末１０１は、受信したＢＣパケットに含まれる近接確率０．５を、無線端末１０１が算出した近接確率０．２と比較し、この時点での無線端末１０５の位置の判定およびモデル更新処理を行う。更に、無線端末１０１は、より大きい近接確率０．５を含む応答情報とそれを算出した無線端末１０２のノードアドレスを、次に送信するＢＣパケットの応答フィールドに格納して送信する。
　これにより、無線端末それぞれは全ての無線端末から近接確率を取得するのを待たずに自身の位置推定モデルを更新することができる。
　また、無線端末１０１～１０５は、所定時間内に同じアンカーノードから複数の近接確率を受信した場合、その平均値または最大値を抽出して、他のアンカーノードの近接確率と比較してもよい。
　例えば、無線端末１０１が、ステップＳ５０１２ａとステップＳ５０１７ａの間の時刻において、無線端末１０５から再びＢＣパケットによる問い合わせを受けた場合、再度算出する近接確率と、ステップＳ５０１２ａにおいて算出した近接確率との平均値または最大値を、他のアンカーノードが算出した近接確率との比較に用いてもよい。
　これにより、近接確率の算出時刻（算出タイミング）によるばらつきを抑えた上でモバイルノードの位置を判定することができる。
　また、応答フィールドに近接確率を格納したＢＣパケットを送信するタイミングは、他のノードから近接確率を受信し、比較するタイミングであってもよい。また、応答フィールドに近接確率を格納したＢＣパケットを送信するタイミングは、所定の順序に従い、送信順が回ってきたタイミングであってもよい。
　また、無線端末１０１～１０５は、近接確率を算出する場合、推定対象のフィンガープリントと共に、前の時刻に受信したＢＣパケットの問合せフィールドに格納されていたフィンガープリントを、位置推定モデルの入力に用いてもよい。
　例えば、ステップＳ５０１１にて送信されたＢＣパケットを受信した無線端末１０１は、受信したシーケンス番号「１０」のＢＣパケットの問合せフィールドに格納されたフィンガープリントの他に、無線端末１０５から送信されたＢＣパケットのうち、シーケンス番号が「１０」ではない１以上のＢＣパケットの問合せフィールドに格納されていたフィンガープリントを、位置推定モデルに入力して近接確率を算出してもよい。
　図１３は、位置推定モデルの更新動作例を示したフローチャートである。図１３に示すフローチャートの処理は、例えば、図１０に示したフローチャートのＳ４０１～Ｓ４０４に相当する。以下では、無線端末１０１～１０４を区別しない場合、無線端末と記載する。
　ステップＳ４００１において、アンカーノードの無線端末は、記憶部に記憶した他の無線端末の近接確率のうち、自身の近接確率の算出に用いたフィンガープリントのシーケンス番号およびモバイルノードアドレスと同じシーケンス番号およびモバイルノードアドレスの近接確率を取得する。アンカーノードの無線端末は、自身が算出した近接確率と、取得した近接確率とを比較する。
　ステップＳ４００２において、アンカーノードの無線端末は、ステップＳ４００１にて比較した近接確率のうち、最も大きい近接確率の値が規定値ｔｈ以上であって、それ以外の近接確率の値が規定値ｔｈ未満であるか否か判定する。
　アンカーノードの無線端末は、ステップＳ４００１にて比較した近接確率のうち、最も大きい近接確率の値が規定値ｔｈ以上でない場合、または、それ以外の近接確率の値が規定値ｔｈ未満でない場合（Ｓ４００２の「Ｎｏ」）、処理をステップＳ４００４に移行する。アンカーノードの無線端末は、ステップＳ４００１にて比較した近接確率のうち、最も大きい近接確率の値が規定値ｔｈ以上であり、かつ、それ以外の近接確率の値が規定値ｔｈ未満である場合（Ｓ４００２の「Ｙｅｓ」）、処理をステップＳ４００３に移行する。
　ステップＳ４００３において、アンカーノードの無線端末は、推定位置の信頼度を「１」とし、処理をステップＳ４００５に移行する。
　ステップＳ４００４において、アンカーノードの無線端末は、推定位置の信頼度を「０」とし、図１３のフローチャートの処理を終了する。
　ステップＳ４００５において、最も大きい近接確率を算出したアンカーノードは、近接確率の算出元となった（位置推定モデルに入力された）フィンガープリントを、教師データとして記憶部に記憶する。
　ステップＳ４００６において、アンカーノードの無線端末は、記憶部に記憶されている教師データを用いて位置推定モデルを再学習し、更新する。
　なお、ステップＳ４００２において、最も大きい近接確率と比較する規定値ｔｈと、それ以外の近接確率と比較する規定値ｔｈとは、異なる値でもよいし、同じ値であってもよい。
　また、ステップＳ４００５において、アンカーノードの無線端末は、最も大きい近接確率を算出したのが他のアンカーノードの場合、近接確率の算出元となったフィンガープリントを、モバイルノードの無線端末が近傍にいない場合の教師データとして記憶部に保存してもよい。
　また、アンカーノードの無線端末は、ある時刻ｔにおけるターゲットの推定位置について、信頼度Ｒ_ｔを算出する場合、時刻ｔより前の時刻である時刻（ｔ－Δｔ）におけるターゲットの推定位置、または、その推定位置についての信頼度Ｒ_（ｔ－Δｔ）を用いてもよい。Δｔは、比較的短い任意の時間である。
　また、アンカーノードの無線端末は、ある時刻ｔにおけるターゲットの推定位置について、信頼度Ｒ_ｔを算出する場合、時刻ｔより前の時刻である時刻（ｔ－Δｔ）におけるターゲットの位置推定のために各無線端末が算出した近接確率を用いてもよい。
　また、アンカーノードの無線端末は、信頼度を判定する場合、複数の近接確率を、例えば、ランダムフォレストを用いた機械学習の分類モデルに入力した結果に基づいて、信頼度の値を０か１に分類してもよい。
　また、アンカーノードの無線端末は、複数の近接確率の値を、例えば、ロジスティック回帰を用いた機械学習の回帰モデルに入力した結果に基づいて、信頼度を０から１の範囲の値として算出してもよい。アンカーノードの無線端末は、信頼度が所定の値以上の場合、フィンガープリントを教師データとして記憶部に記憶してもよい。
　また、アンカーノードの無線端末は、全てのアンカーノードの固定された設置場所情報を参照し、直前のターゲットの推定位置が自身の位置に近い場合は、自身が算出した近接確率に重みづけして信頼度の判定を行ってもよい。アンカーノードの無線端末は、全て、または、自身の近くに設置された他のアンカーノードの設置場所情報を記憶部に記憶していてもよいし、ＢＣパケットに自身の設置位置情報を格納して周期的に送信してもよい。
　以上説明したように、位置推定システム１は、モバイルノードの無線端末１０５と、学習モデルを搭載したアンカーノードの無線端末１０１～１０４と、を有する。モバイルノードの無線端末１０５は、無線端末１０１～１０４の無線信号の受信強度分布を示すフィンガープリントを、無線端末１０１～１０４にブロードキャストする。アンカーノードの無線端末１０１～１０４は、フィンガープリントを学習モデルに入力して、無線端末１０５の無線端末１０１～１０４に対する近接確率を算出し、無線端末１０１～１０５にブロードキャストする。無線端末１０１～１０５は、ブロードキャストされた近接確率を用いて、無線端末１０５の位置を推定する。
　これにより、位置推定システム１は、例えば、カメラといった他の装置を用いずに、モバイルノードの無線端末１０５の位置を低コストで推定できる。また、位置推定システム１は、学習モデルを用いることにより、無線端末１０５の位置を高精度に推定できる。
　（変形例１）
　無線端末１０１～１０４は、ユーザーの入出力部に対する保存コマンドの操作に応じて、フィンガープリントを教師データとして記憶部に記憶したが、これに限られない。
　例えば、無線端末１０１～１０４は、人感センサによって、無線端末１０５を携帯したユーザーが近傍に位置していることを検知し、フィンガープリントを教師データとして記憶部に記憶してもよい。
　また、無線端末１０５の入出力部が、フィンガープリントを教師データとして記憶するための操作をユーザーから受付けてもよい。例えば、無線端末１０５は、入出力部がユーザーから操作を受付けた場合、フィンガープリント保存コマンドを無線端末１０１～１０４に送信する。無線端末１０１～１０４は、無線端末１０５から送信されたフィンガープリント保存コマンドに応じて、教師データを記憶部に記憶する。
　また、無線端末１０５は、例えば、通信距離（通信エリア）が１ｍ～２ｍといった通信距離（通信エリア）の短い所定の信号を出力してもよい。無線端末１０１～１０４は、無線端末１０５から所定の信号を受信した場合、フィンガープリントを教師データとして記憶部に記憶してもよい。
　（変形例２）
　モバイルノードの無線端末１０５は、記憶部に教師データのフィンガープリントを記憶してもよい。無線端末１０５は、記憶部に教師データのフィンガープリントを記憶する場合、無線端末１０５の近傍に位置しているアンカーノードの無線端末１０１～１０４のアドレスを紐づけて記憶してもよい。例えば、フィンガープリントのデータフォーマット（例えば、図２を参照）にオプション領域を設け、オプション領域にアンカーノードの無線端末１０１～１０４のアドレスを格納してもよい。
　これにより、無線端末１０５は、無線端末１０１～１０４の近傍にいる場合に記憶された教師データを、無線端末１０１～１０４ごとに記憶する。なお、無線端末１０１～１０４の近傍にいるか否かは、変形例１と同じ方法で判断してもよい。
　なお、無線端末１０１～１０４のアドレスは、フィンガープリントの保存コマンドを発行した無線端末１０１～１０４から、無線端末１０５にパケットを送信して通知してもよい。
　また、無線端末１０１～１０４のアドレスは、フィンガープリントの保存コマンドのパラメータとして、無線端末１０５の入出力部から与えられても良い。
　無線端末１０１～１０４は、フィンガープリントの保存コマンドが発行された場合、無線端末１０５が近傍に位置している場合のフィンガープリントを教師データとして記憶する。一方、無線端末１０５は、無線端末１０１～１０４の近傍にいる場合に記憶された教師データを、無線端末１０１～１０４ごとにおいて記憶する。
　モバイルノードの無線端末１０５は、アンカーノードの無線端末１０１～１０４ごとにおける教師データを記憶部に保存することで、無線端末１０１～１０４ごとにおける近接確率を算出する位置推定モデルを生成してもよい。これにより、モバイルノードの無線端末１０５は、記憶部に保存された教師データに基づいて、どのアンカーノードの近傍に位置しているかを推定することができる。
　なお、無線端末１０５が位置推定処理において算出した近接確率のうち、最も大きい近接確率であった無線端末と、無線端末１０１～１０４が位置推定処理において算出した近接確率のうち、最も大きい近接確率であった無線端末とが一致する場合、その近接確率には、重み付けがされてもよい。
　また、無線端末１０５は、位置推定モデルを更新してもよい。例えば、無線端末１０５は、最も大きい近接度が第１の規定値以上であり、その他の近接度（最も大きい近接度を除く近接度）のいずれも第２の規定値未満である場合、最も大きい近接度を算出したアンカーノードの無線端末に対応する位置推定モデルを、フィンガープリントを教師データとし更新してもよい。
　（変形例３）
　無線端末１０１～１０５は、フィンガープリントを更新する際、追加するＲＳＳＩと組になっている送信元アドレスが、既にフィンガープリントに含まれている場合、新しく計測したＲＳＳＩで随時上書きしてもよい。また、無線端末１０１～１０５は、フィンガープリントを更新する際、追加するＲＳＳＩと組になっている送信元アドレスおよび宛先アドレスが、既にフィンガープリントに含まれている場合、新しく計測したＲＳＳＩで随時上書きしてもよい。また、無線端末１０１～１０５は、ＢＣパケットに格納されているシーケンス番号を識別子として、２個以上のフィンガープリントを記憶してもよい。
　（変形例４）
　無線端末１０１～１０５は、フィンガープリントを更新する場合、その時点で記憶しているフィンガープリントのＲＳＳＩよりも古いＲＳＳＩを含むフィンガープリントを受信する可能性もある。
　そこで、無線端末１０１～１０５は、送信元アドレスとＲＳＳＩとの他に、シーケンス番号を記憶してもよい。無線端末１０１～１０５は、フィンガープリントを更新する場合、記憶部に記憶しているフィンガープリントのシーケンス番号と、新しく受信したフィンガープリントのシーケンス番号とを比較し、新しく計測されたＲＳＳＩを用いて、フィンガープリントを更新してもよい。
　（変形例５）
　無線端末１０１～１０５は、複数のフィンガープリントの保存コマンドが発行された場合、複数のフィンガープリントの保存コマンドに対する複数のＲＳＳＩの平均値を算出し、ＲＳＳＩの平均値を教師データとして記憶部に記憶してもよい。
　なお、無線端末１０５の最近傍でない無線端末１０１～１０４が、フィンガープリントの保存コマンドを受信して、教師データのオプションに、最近傍ノードの代わりに現在のフィンガープリントを記憶してもよい。
　この場合、無線端末１０５の最近傍でない無線端末１０１～１０４は、教師データのオプションに、最近傍の無線端末のアドレスを格納してもよい。これにより、教師データとして記憶されたフィンガープリントは、無線端末１０５がどの無線端末１０１～１０４の最近傍にいた場合に記憶された教師データであるかを、オプションに格納された最近傍ノードアドレスにより識別されることができる。
　（変形例６）
　教師データの記憶において、どこまで古いものを記憶しておくかは、各ノードに所定の時間を設定してもよいし、ユーザーがパラメータとして随時入力してもよい。
　上述の実施の形態においては、各構成要素に用いる「・・・部」という表記は、「・・・回路（circuitry）」、「・・・アッセンブリ」「・・・デバイス」、「・・・ユニット」、又は、「・・・モジュール」といった他の表記に置換されてもよい。上記で説明した教師データは、正解データまたは正解値と称されてもよい。位置推定モデルは、ＡＩモデルまたはＡＩ予測モデルと称されてもよい。もちろん、教師データおよび位置推定モデルの称呼は、これらに限られない。
　以上、図面を参照しながら実施の形態について説明したが、本開示はかかる例に限定されない。当業者であれば、特許請求の範囲に記載された範疇において、各種の変更例または修正例に想到し得ることは明らかである。そのような変更例または修正例についても、本開示の技術的範囲に属するものと了解される。また、本開示の趣旨を逸脱しない範囲において、実施の形態における各構成要素は任意に組み合わされてよい。
　本開示はソフトウェア、ハードウェア、又は、ハードウェアと連携したソフトウェアで実現することが可能である。上記実施の形態の説明に用いた各機能ブロックは、部分的に又は全体的に、集積回路であるＬＳＩとして実現され、上記実施の形態で説明した各プロセスは、部分的に又は全体的に、一つのＬＳＩ又はＬＳＩの組み合わせによって制御されてもよい。ＬＳＩは個々のチップから構成されてもよいし、機能ブロックの一部または全てを含むように一つのチップから構成されてもよい。ＬＳＩはデータの入力と出力を備えてもよい。ＬＳＩは、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
　集積回路化の手法はＬＳＩに限るものではなく、専用回路、汎用プロセッサ又は専用プロセッサで実現してもよい。また、ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。本開示は、デジタル処理又はアナログ処理として実現されてもよい。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適用等が可能性としてありえる。
　本開示は、通信機能を持つあらゆる種類の装置、デバイス、システム（通信装置と総称）において実施可能である。通信装置は無線送受信機（トランシーバー）と処理／制御回路を含んでもよい。無線送受信機は受信部と送信部、またはそれらを機能として、含んでもよい。無線送受信機（送信部、受信部）は、ＲＦ（Ｒａｄｉｏ　Ｆｒｅｑｕｅｎｃｙ）モジュールと１または複数のアンテナを含んでもよい。ＲＦモジュールは、増幅器、ＲＦ変調器／復調器、またはそれらに類するものを含んでもよい。通信装置の、非限定的な例としては、電話機（携帯電話、スマートフォン等）、タブレット、パーソナル・コンピューター（ＰＣ）（ラップトップ、デスクトップ、ノートブック等）、カメラ（デジタル・スチル／ビデオ・カメラ等）、デジタル・プレーヤー（デジタル・オーディオ／ビデオ・プレーヤー等）、着用可能なデバイス（ウェアラブル・カメラ、スマートウオッチ、トラッキングデバイス等）、ゲーム・コンソール、デジタル・ブック・リーダー、テレヘルス・テレメディシン（遠隔ヘルスケア・メディシン処方）デバイス、通信機能付きの乗り物又は移動輸送機関（自動車、飛行機、船等）、及び上述の各種装置の組み合わせがあげられる。
　通信装置は、持ち運び可能又は移動可能なものに限定されず、持ち運びできない又は固定されている、あらゆる種類の装置、デバイス、システム、例えば、スマート・ホーム・デバイス（家電機器、照明機器、スマートメーター又は計測機器、コントロール・パネル等）、自動販売機、その他ＩｏＴ（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ）ネットワーク上に存在し得るあらゆる「モノ（Things）」をも含む。
　通信には、セルラーシステム、無線ＬＡＮシステム、通信衛星システム等によるデータ通信に加え、これらの組み合わせによるデータ通信も含まれる。
　また、通信装置には、本開示に記載される通信機能を実行する通信デバイスに接続又は連結される、コントローラやセンサ等のデバイスも含まれる。例えば、通信装置の通信機能を実行する通信デバイスが使用する制御信号やデータ信号を生成するような、コントローラやセンサが含まれる。
　また、通信装置には、上記の非限定的な各種装置と通信を行う、あるいはこれら各種装置を制御する、インフラストラクチャ設備、例えば、基地局、アクセスポイント、その他あらゆる装置、デバイス、システムが含まれる。
　（本開示のまとめ）
　本開示に係る位置推定システムは、移動無線装置と、学習モデルを搭載した複数の固定無線装置と、を備え、前記移動無線装置は、前記複数の固定無線装置における無線信号の受信強度分布を示すフィンガープリントを前記複数の固定無線装置に送信し、前記複数の固定無線装置の各々は、前記フィンガープリントを前記学習モデルに入力し、前記学習モデルから出力された前記移動無線装置の近接度を他の固定無線装置に送信し、前記学習モデルから出力された第１の近接度と、前記他の固定無線装置から受信した第２の近接度とに基づいて、前記移動無線装置の位置を判定する。
　本開示に係る通信システムにおいて、前記第１の近接度が最も大きい固定無線装置は、前記フィンガープリントを教師データとし、前記学習モデルを更新する。
　本開示に係る通信システムにおいて、前記第１の近接度が最も大きい固定無線装置は、前記学習モデルから出力された近接度と、前記他の固定無線装置から送信された近接度とに基づいて、前記移動無線装置の判定位置の信頼度を算出し、前記信頼度に基づいて、前記フィンガープリントを教師データとし、前記学習モデルを更新する。
　本開示に係る通信システムにおいて、前記第１の近接度が最も大きい固定無線装置は、前記第１の近接度が第１の規定値以上であり、前記第２の近接度のいずれも第２の規定値未満である場合、前記フィンガープリントを教師データとする。
　本開示に係る通信システムにおいて、前記移動無線装置は、前記第１の近接度と前記第２の近接度とを受信し、前記移動無線装置の位置を判定する。
　本開示に係る通信システムにおいて、前記移動無線装置は、前記複数の固定無線装置の各々に対する近接度を出力する学習モデルを搭載する。
　本開示に係る通信システムにおいて、前記移動無線装置は、近接度が最も大きい固定無線装置における学習モデルを、前記フィンガープリントを教師データとし更新する。
　本開示に係る固定無線装置は、当該固定無線装置の無線信号および他の固定無線装置の無線信号の受信強度分布を示すフィンガープリントを、移動無線装置から受信する通信回路と、前記フィンガープリントを学習モデルに入力し、前記移動無線装置の当該固定無線装置に対する第１の近接度を取得する制御回路と、を有し、前記通信回路は、前記他の固定無線装置が学習モデルに入力して取得した前記移動無線装置の前記他の固定無線装置に対する第２の近接度を受信し、前記制御回路は、前記第１の近接度と、前記第２の近接度とに基づいて、前記移動無線装置の位置を判定する。
　本開示に係る移動無線装置は、複数の固定無線装置の無線信号の受信強度分布を示すフィンガープリントを前記複数の固定無線装置に送信し、前記複数の固定無線装置が前記フィンガープリントを学習モデルに入力して取得した当該移動無線装置の前記複数の固定無線装置に対する近接度を、前記複数の固定無線装置から受信する通信回路と、前記近接度に基づいて、当該移動無線装置の位置を判定する制御回路と、を有する。
　２０２０年９月２９日出願の特願２０２０－１６３２４４の日本出願に含まれる明細書、図面および要約書の開示内容は、すべて本願に援用される。
　本開示は、無線通信のフィンガープリントを用いた位置推定システムに適用できる。
　１　位置推定システム
　１１　無線通信部
　１２　制御部
　１３　入出力部
　１４　記憶部
　２１　データ取得部
　２２　位置推定部
　２２ａ　近接確率算出部
　２２ｂ　位置判定部
　２３　モデル更新部
　２３ａ　信頼度判定部
　２３ｂ　教師データ生成部
　２３ｃ　モデル学習部
　１０１～１０５　無線端末

Claims (9)

  1. 　移動無線装置と、
    　学習モデルを搭載した複数の固定無線装置と、
    　を備え、
    　前記移動無線装置は、
    　前記複数の固定無線装置における無線信号の受信強度分布を示すフィンガープリントを前記複数の固定無線装置に送信し、
    　前記複数の固定無線装置の各々は、
    　前記フィンガープリントを前記学習モデルに入力し、前記学習モデルから出力された前記移動無線装置の近接度を他の固定無線装置に送信し、
    　前記学習モデルから出力された第１の近接度と、前記他の固定無線装置から受信した第２の近接度とに基づいて、前記移動無線装置の位置を判定する、
    　位置推定システム。
  2. 　前記第１の近接度が最も大きい固定無線装置は、前記フィンガープリントを教師データとし、前記学習モデルを更新する、
    　請求項１に記載の位置推定システム。
  3. 　前記第１の近接度が最も大きい固定無線装置は、前記学習モデルから出力された近接度と、前記他の固定無線装置から送信された近接度とに基づいて、前記移動無線装置の判定位置の信頼度を算出し、前記信頼度に基づいて、前記フィンガープリントを教師データとし、前記学習モデルを更新する、
    　請求項２に記載の位置推定システム。
  4. 　前記第１の近接度が最も大きい固定無線装置は、前記第１の近接度が第１の規定値以上であり、前記第２の近接度のいずれも第２の規定値未満である場合、前記フィンガープリントを教師データとする、
    　請求項２に記載の位置推定システム。
  5. 　前記移動無線装置は、前記第１の近接度と前記第２の近接度とを受信し、前記移動無線装置の位置を判定する、
    　請求項１に記載の位置推定システム。
  6. 　前記移動無線装置は、前記複数の固定無線装置の各々に対する近接度を出力する学習モデルを搭載する、
    　請求項１に記載の位置推定システム。
  7. 　前記移動無線装置は、近接度が最も大きい固定無線装置における学習モデルを、前記フィンガープリントを教師データとし更新する、
    　請求項６に記載の位置推定システム。
  8. 　固定無線装置であって、
    　当該固定無線装置の無線信号および他の固定無線装置の無線信号の受信強度分布を示すフィンガープリントを、移動無線装置から受信する通信回路と、
    　前記フィンガープリントを学習モデルに入力し、前記移動無線装置の当該固定無線装置に対する第１の近接度を取得する制御回路と、
    　を有し、
    　前記通信回路は、前記他の固定無線装置が学習モデルに入力して取得した前記移動無線装置の前記他の固定無線装置に対する第２の近接度を受信し、
    　前記制御回路は、前記第１の近接度と、前記第２の近接度とに基づいて、前記移動無線装置の位置を判定する、
    　固定無線装置。
  9. 　移動無線装置であって、
    　複数の固定無線装置の無線信号の受信強度分布を示すフィンガープリントを前記複数の固定無線装置に送信し、前記複数の固定無線装置が前記フィンガープリントを学習モデルに入力して取得した当該移動無線装置の前記複数の固定無線装置に対する近接度を、前記複数の固定無線装置から受信する通信回路と、
    　前記近接度に基づいて、当該移動無線装置の位置を判定する制御回路と、
    　を有する移動無線装置。
PCT/JP2021/026007 2020-09-29 2021-07-09 位置推定システム、固定無線装置、および移動無線装置 WO2022070548A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202180066311.6A CN116235067A (zh) 2020-09-29 2021-07-09 位置推断系统、固定无线装置及移动无线装置
US18/189,535 US20230231635A1 (en) 2020-09-29 2023-03-24 Position estimation system, fixed radio apparatus, and mobile radio apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-163244 2020-09-29
JP2020163244A JP7429878B2 (ja) 2020-09-29 2020-09-29 位置推定システム、固定無線装置、および移動無線装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/189,535 Continuation US20230231635A1 (en) 2020-09-29 2023-03-24 Position estimation system, fixed radio apparatus, and mobile radio apparatus

Publications (1)

Publication Number Publication Date
WO2022070548A1 true WO2022070548A1 (ja) 2022-04-07

Family

ID=80949816

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/026007 WO2022070548A1 (ja) 2020-09-29 2021-07-09 位置推定システム、固定無線装置、および移動無線装置

Country Status (4)

Country Link
US (1) US20230231635A1 (ja)
JP (1) JP7429878B2 (ja)
CN (1) CN116235067A (ja)
WO (1) WO2022070548A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013232805A (ja) * 2012-04-27 2013-11-14 Fujitsu Ltd エリア判別装置、エリア判別方法及びエリア判別プログラム
JP2019174164A (ja) * 2018-03-27 2019-10-10 Kddi株式会社 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法
WO2021124740A1 (ja) * 2019-12-18 2021-06-24 パナソニックＩｐマネジメント株式会社 位置推定方法、位置推定プログラム、固定無線装置、および移動無線装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013232805A (ja) * 2012-04-27 2013-11-14 Fujitsu Ltd エリア判別装置、エリア判別方法及びエリア判別プログラム
JP2019174164A (ja) * 2018-03-27 2019-10-10 Kddi株式会社 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法
WO2021124740A1 (ja) * 2019-12-18 2021-06-24 パナソニックＩｐマネジメント株式会社 位置推定方法、位置推定プログラム、固定無線装置、および移動無線装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Evaluation of coordinated room position estimation method for Iot devices by using GPS signal information and bluetooth radio wave information", GPS BLUETOOTH IOT (MBL) 2020-MBL-096, 22 September 2020 (2020-09-22), pages 1 - 8, Retrieved from the Internet <URL:http://id.nii.ac.jp/1001/00207143> *

Also Published As

Publication number Publication date
US20230231635A1 (en) 2023-07-20
JP2022055683A (ja) 2022-04-08
CN116235067A (zh) 2023-06-06
JP7429878B2 (ja) 2024-02-09

Similar Documents

Publication Publication Date Title
US8514131B2 (en) Methods and apparatus for increasing the reliability of signal reference maps for use in position determination
US11424844B2 (en) Frequency spectrum management device, system, method and computer readable storage medium
Rizk et al. Device-independent cellular-based indoor location tracking using deep learning
WO2018035267A1 (en) System and method to discover device context and location using cellular signal information
US9389600B2 (en) Central control system and method for setting control point thereof
CN101960317A (zh) 电磁干扰传感器设备和方法及计算机程序
CN109151839B (zh) 一种lpwa网络的网络规划方法
US20230164033A1 (en) Edge computing system and method
US20220337986A1 (en) Method of ultra-wideband communication based on account information and electronic device therefor
CN108495284B (zh) 传感器连接方法、装置及计算机可读存储介质
WO2017196883A1 (en) System and method for beacon fleet management
US20220294489A1 (en) Electronic device and method for controlling communication in electronic device supporting heterogeneous communication technologies sharing a frequency band
CN109889975B (zh) 一种基于NB-IoT的终端指纹定位方法
KR101597272B1 (ko) 비콘장치의 자동 관리 방법 및 장치
US20230300197A1 (en) Hub device of iot environment, and method for processing event based on local network
WO2022070548A1 (ja) 位置推定システム、固定無線装置、および移動無線装置
WO2021124740A1 (ja) 位置推定方法、位置推定プログラム、固定無線装置、および移動無線装置
WO2019216046A1 (ja) 情報処理装置
US20220360940A1 (en) Electronic device and operation method of electronic device determining location of electronic device
Maneerat et al. Robust floor determination algorithm for indoor wireless localization systems under reference node failure
KR20230110941A (ko) 전자 장치 및 전자 장치에서 uwb 신호를 이용하여 위치를 판단하는 방법
KR20220140326A (ko) 전자 장치 및 전자 장치의 위치 정보 제공 방법
Pipelidis et al. Cross-device radio map generation via crowdsourcing
JP2009135689A (ja) 測位システムおよび測位方法
Lyu et al. Deep Learning‐Based Bluetooth Low‐Energy 5.1 Multianchor Indoor Positioning with Attentional Data Filtering

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21874852

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21874852

Country of ref document: EP

Kind code of ref document: A1