RESUMEN: El objetivo principal de este trabajo es analizar una solución al problema de posicionamiento en interiores propuesta en el Trabajo de Fin de Master de Javier Gómez Ortiz, titulado: “Estudio de la aplicación de machine learning a técnicas de posicionamiento en interiores”. El trabajo parte del modelo de aprendizaje supervisado diseñado en el TFM mencionado, y aborda el problema de la localización en interiores, definiendo un sistema de balizamiento mediante módulos Bluetooth. Estos módulos emiten señales o “beacons” que son recibidos por un terminal móvil que captura y almacena para posteriormente ser procesado y obtener la posición relativa del dispositivo en función de cada conjunto de medidas obtenidas. A su vez, se hace un segundo enfoque al problema, esta vez usando la infraestructura Wi-Fi que se encuentra en los pasillos de la planta -2 del edificio I+D+i de la Universidad de Cantabria y se procede a hacer un estudio en conjunto, enlazando Wi-Fi y Bluetooth. El análisis de los resultados obtenidos mediante machine learning permiten asegurar una mejora en las estimaciones de posición con respecto a los obtenidos con técnicas clásicas de trilateración.
ABSTRACT: The main objective of this work is to analyze a solution to the problem of indoors positioning proposed in the Master’s Project of Javier Gómez Ortiz, titled: "Study of the application of Machine Learning to indoor positioning techniques". The work starts from the supervised learning model designed in the aforementioned Project, and addresses the problem of indoor location, defining a beacon system using Bluetooth modules. These modules emit signals or "beacons" that are received by a mobile terminal that captures and stores them for later processing and to obtain the relative position of the device based on each set of measurements obtained. At the same time, a second approach is made, this time using the Wi-Fi infrastructure found in the corridors of the -2 floor of the I+D+i building of the University of Cantabria and proceeds to do a study together, linking Wi-Fi and Bluetooth. The analysis of the results obtained by machine learning allow us to ensure an improvement in the position estimates with respect to those obtained with classical trilateration techniques.
