Positioning accuracy of smartphones in crowdsourcing context
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2023-05-15
Department
Major/Subject
Geoinformatics
Mcode
Degree programme
Master's Programme in Geoinformatics (GIS)
Language
en
Pages
57 + 6
Series
Abstract
Smartphones have become an important aspect of our daily lives and are equipped with a wide range of features. One of the features is the ability to collect positioning data. The devices are mass-produced and widely used, which is why many organizations are interested in their positioning applications. Many of the studies have focused on examining a few smartphones. The main objective of this thesis was to study the positioning accuracies of smartphones using real-time and post-processing positioning techniques. In this case, the processes have not been optimized to produce the best positioning results. The interest lay more in determining positioning accuracy in crowdsourcing context. The field measurements were conducted all over Finland, where the environment varied from rural to urban areas. Real-time measurements were taken during the field sessions. Post-processing was done using two different software, which were RTKLIB and SSRPOST. Python scripts were developed to mass-process and analyse the large dataset. Positioning accuracy of individual measurements differed quite significanty depending on the used positioning technique. Real-time results were roughly at 10 metres, which is considered inaccurate. Post-processing produced more accurate results, where SSRPOST had the best accuracy at 3,92 metres. To improve the accuracy, centre points of smartphone measurements were determined and used in positioning calculations. Real-time accuracies improved roughly to 6 metres. From post-processing, SSRPOST produced the most accurate results at 1,46 metres. In addition, positioning accuracy change when the number of measurements increases was determined. The biggest improvement in positioning accuracy happened between measurements two and three. The positioning accuracies stabilised when around 10 measurements were used. Despite the positioning accuracies being less accurate than what was found in the literature, the developed processes have their applications. Using post-processing and centre points of measurements improved the positioning accuracies significantly. This process works best for applications that can collect thousands of measurements and an accuracy of couple of metres is enough.Älypuhelimet ovat tulleet osaksi päivittäistä elämäämme ja ovat varustettu monilla eri ominaisuuksilla. Eräs näistä ominaisuuksista on kyky kerätä paikannustietoa. Eri organisaatiot ovat kiinnostuneita laitteiden paikannusominaisuuksista, koska laitteet ovat hyvin laajassa käytössä ja massatuotettuja. Suurin osa tutkimuksista ovat keskittyneet parin älypuhelimen paikannuksen tutkimiseen ja optimoimiseen. Tämän diplomityön tarkoitus oli tutkia älypuhelimien paikannuksen tarkkuuksia reaaliaikaisten mittauksien ja jälkilaskennan kautta. Kiinnostuksen kohteena oli selvittää paikannuksen tarkkuus joukkoistamisen yhteydessä käyttäen yleisiä älypuhelin malleja. Paikannusprosesseja ei optimoitu tuottamaan parhaimpia tuloksia. Maastomittaukset tehtiin ympäri suomea hyvin erilaisissa olosuhteissa, jotka vaihtelivat maaseudusta kaupunkiympäristöön. Reaaliaikaiset mittaukset tehtiin kentällä. Jälkilaskennassa hyödynnettiin kahta ohjelmistoa, jotka ovat RTKLIB ja SSRPOST. Python-skriptejä käytettiin aineiston massaprosessoinnissa ja analysoinnissa hyödyksi. Yksittäisten mittauksien paikannuksen tarkkuus riippui vahvasti käytetystä paikannustekniikasta. Reaaliaikaisten mittauksien tarkkuus oli noin 10 metriä, jota ei voi kutsua tarkaksi. Jälkilaskennassa SSRPOST tuotti parhaimman tuloksen, joka oli 3,92 metriä. Paikannuksen parantamista varten laskettiin erikseen mittauksien keskipisteet ja niiden tarkkuus. Reaaliaikaisten mittauksien tarkkuus parani noin 6 metriin. Jälkilaskennassa SSRPOST mittauksien tarkkuus parani 1,46 metriin, joka on tutkimuksen paras tulos. Näiden lisäksi tutkittiin paikannuksen tarkkuuden muutosta toistomittausmäärän kasvaessa. Suurin paraneminen tarkkuudessa tapahtui kahdella tai kolmella mittauksella. Paikannustarkkuuden muuttuminen vakiintui 10 mittauksen kohdalla, jonka jälkeen muutos oli hyvin pientä. Tämän työn paikannuksen tarkkuudet eivät yllä samoihin lukemiin, joita kirjallisuudessa esiintyy. Tästä huolimatta menetelmillä on omat käyttökohteensa. Jälkilaskennan ja mittauksien keskipisteiden käyttö paransi paikannuksen tarkkuuksia huomattavasti. Tämä menetelmä toimii parhaiten sovelluksissa, joihin tarvitaan tuhansia mittauksia ja tarkkuudeksi riittää pari metriä.Description
Supervisor
Nordman, MaariaThesis advisor
Kettunen, PyryKeywords
smartphone positioning, real-time positioning techniques, post-processing positioning techniques, mass processing, data analysis, crowdsourcing