# 背景 このデータセットは、WLANフィンガープリント位置決め技術と方法論（WiFiフィンガープリントとも呼ばれる）に焦点を当てています。これは、IPIN2015競技会で使用された公式データベースです。 多くの実世界のアプリケーションでは、サービスを提供するためにユーザーの位置を把握する必要があります。そのため、自動ユーザー位置特定はここ数年、熱門の研究トピックとなっています。自動ユーザー位置特定とは、通常は携帯電話などの電子機器を使用して、ユーザーの位置（緯度、経度、高度）を推定することです。屋外の位置特定問題は、携帯機器にGPSセンサーが搭載されているおかげで、非常に正確に解決することができます。しかし、屋内の位置特定は、主に屋内環境でのGPS信号の喪失のため、依然として未解決の問題です。屋内位置特定技術や方法論はいくつか存在しますが、このデータベースはWLANフィンガープリントベースのもの（WiFiフィンガープリントとも呼ばれる）に焦点を当てています。 文献には、WLANフィンガープリントベースの方法を用いて屋内位置特定問題を解決しようとする多くの論文がありますが、この分野には比較目的のための共通データベースが不足しているという重要な欠点が依然として存在します。そこで、UJIIndoorLocデータベースがこのギャップを埋めるために提案されました。 UJIIndoorLocデータベースは、ユニバルシテット・ハウメ1（[http://www.uji.es][1]）の3棟の建物をカバーしており、4階以上で約11万平方メートルです。分類（実際の建物と階層の識別など）や回帰（実際の経度と緯度の推定など）に使用することができます。このデータベースは、2013年に20人以上の異なるユーザーと25台のAndroid端末を使って作成されました。データベースは、19937件の学習/参照レコード（trainingData.csvファイル）と1111件の検証/テストレコード（validationData.csvファイル）で構成されています。 529個の属性には、WiFiフィンガープリント、それが取得された座標、およびその他の有用な情報が含まれています。 各WiFiフィンガープリントは、検出された無線アクセスポイント（WAP）と対応する受信信号強度（RSSI）によって特徴付けることができます。強度値は、-104dBm（非常に弱い信号）から0dBmまでの負の整数値で表されます。WAPが検出されなかった場合は、正の値100が使用されます。データベース作成中に、520個の異なるWAPが検出されました。したがって、WiFiフィンガープリントは520個の強度値で構成されています。 次に、座標（緯度、経度、階層）と建物IDが予測対象の属性として提供されます。 キャプチャが行われた特定の空間（オフィス、実験室など）と相対位置（空間の内/外）が記録されています。外とは、空間のドアの前でキャプチャが行われたことを意味します。 WiFiキャプチャが誰（ユーザー）によって、どのように（Android端末とバージョン）、いつ（タイムスタンプ）行われたかに関する情報も記録されています。 # 内容 - 属性001から520（WAP001 - WAP520）：WAP001の強度値。 -104から0までの負の整数値および+100。WAP001が検出されなかった場合は正の値100が使用されます。 - 属性521（経度）：経度。-7695.9387549299299000から-7299.786516730871000までの負の実数値。 - 属性522（緯度）：緯度。4864745.7450159714から4865017.3646842018までの正の実数値。 - 属性523（階層）：建物内の階層の高度。0から4までの整数値。 - 属性524（建物ID）：建物を識別するためのID。測定は3つの異なる建物で行われました。0から2までのカテゴリ整数値。 - 属性525（空間ID）：キャプチャが行われた空間（オフィス、廊下、教室）を識別するための内部ID番号。カテゴリ整数値。 - 属性526（相対位置）：空間に対する相対位置（1 - 内部、2 - ドアの前の外部）。カテゴリ整数値。 - 属性527（ユーザーID）：ユーザー識別子（以下を参照）。カテゴリ整数値。 - 属性528（端末ID）：Android端末識別子（以下を参照）。カテゴリ整数値。 - 属性529（タイムスタンプ）：キャプチャが行われたUNIX時間。整数値。 # 関連論文 この論文に詳細情報が記載されています： Joaquín Torres - Sospedra, Raúl Montoliu, Adolfo Martínez - Usó, Tomar J. Arnau, Joan P. Avariento, Mauri Benedito - Bordonau, Joaquín Huerta. UJIIndoorLoc: A New Multi - building and Multi - floor Database for WLAN Fingerprint - based Indoor Localization Problems. In Proceedings of the Fifth International Conference on Indoor Positioning and Indoor Navigation, 2014. 入手先：[http://www.ipin2014.org/wp/pdf/4A - 3.pdf][2] このデータセットを研究で使用する場合は、この論文を引用してください。 # 謝辞 このデータセットは以下の方々によって作成されました： Joaquín Torres - Sospedra, Raul Montoliu, Adolfo Martínez - Usó, Tomar J. Arnau, Joan P. Avariento, Mauri Benedito - Bordonau, Joaquín Huerta, Yasmina Andreu, óscar Belmonte, Vicent Castelló, Irene Garcia - Martí, Diego Gargallo, Carlos Gonzalez, Nadal Francisco, Josep López, Ruben Martínez, Roberto Mediero, Javier Ortells, Nacho Piqueras, Ianisse Quizán, David Rambla, Luis E. Rodríguez, Eva Salvador Balaguer, Ana Sanchís, Carlos Serra, and Sergi Trilles. # 着想 目的は、検証セットに含まれる1111個のサンプルの建物、階層、座標（緯度と経度）を推定することです。建物、階層、座標の実際の値も含まれているため、位置特定誤差を求めることができます。 IPIN2015競技会で使用された公式は、各サンプルの位置特定誤差の平均でした。各サンプルの位置特定誤差は以下のように推定することができます： 誤差 = 建物ペナルティ * 建物誤差 + 階層ペナルティ * 階層誤差 + 座標誤差 ここで： - 建物誤差は、推定された建物が実際の建物と等しくない場合は1、それ以外の場合は0です。 - 階層誤差は、推定された階層が実際の階層と等しくない場合は1、それ以外の場合は0です。 - 座標誤差は、sqrt( (推定緯度 - 実際の緯度)^2 + (推定経度 - 実際の経度)^2)です。 IPIN2015競技会では、建物ペナルティと階層ペナルティはそれぞれ50メートルと4メートルに設定されました。 [1]: http://www.uji.es [2]: http://www.ipin2014.org/wp/pdf/4A - 3.pdf