.png){kind=icon}
返回
Edge process mining for indoor positioning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.iot.2026.102072.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
室内定位是辅助生活和智能家居应用的关键要求，其中日常活动的持续监控必须准确、无干扰且注重隐私。然而，大多数室内定位系统产生低级传感器数据流，难以转化为适合流程挖掘的结构化事件日志。这限制了它们支持简单位置跟踪之外的可解释行为分析的能力。本文提出PositIoT，一个整合了执行室内定位流程发现和行为模式检测所需全部组件的综合性解决方案。该基于边缘的框架将来自蓝牙低功耗（BLE）信标和ESP32接收器的接收信号强度指示器（RSSI）测量值转化为面向流程的行为事件日志。通过这种方式，PositIoT将低成本室内定位与边缘流程挖掘相结合，使日常活动得以分析，而无需依赖敏感位置轨迹的云处理。该框架通过一项涉及单个用户在真实住宅辅助生活环境的为期六天的初步可行性研究进行了评估。实验结果表明，PositIoT在房间级分类上达到99.75%的准确率，在位置级分类上达到96.49%的准确率。此外，该系统实时检测到配置的行为规则违规，并生成XES日志，从中使用流程挖掘技术发现了日常活动模型。这些结果表明，低成本边缘基础设施可以支持智能家居环境中的准确室内定位和面向流程的行为分析。
Keyword:
Edge process mining
Indoor positioning
IoT
Machine learning
Smart homes
