Une comparaison exhaustive et reproductible des règles de clustering et d'optimisation dans le fingerprinting Wi-Fi

Le fingerprinting Wi-Fi est une technique bien connue utilisée pour le positionnement intérieur. Elle repose sur une méthode de reconnaissance de motifs qui compare l'empreinte opérationnelle capturée avec un ensemble d'échantillons de référence collectés auparavant (carte radio) en utilisant une fonction de similarité. Les algorithmes de correspondance souffrent d'un problème d'évolutivité dans les grandes déploiements avec une grande densité d'empreintes, où le nombre d'échantillons de référence dans la carte radio est prohibitivement grand. Cet article présente une étude comparative complète des méthodes existantes pour réduire la complexité et la taille de la carte radio utilisée à l'étape opérationnelle. Nos résultats empiriques montrent que la plupart des méthodes réduisent la charge computationnelle au prix d'une précision dégradée. Parmi les méthodes étudiées, seules k-means, la propagation par affinité et les règles basées sur le point d'accès le plus fort équilibrent correctement la précision de positionnement et le temps de calcul. En plus des résultats comparatifs, cet article introduit également un nouveau cadre d'évaluation avec plusieurs ensembles de données, visant à obtenir des résultats plus généraux et à contribuer à une meilleure reproductibilité des nouvelles solutions proposées à l'avenir.