Модель сервиса позиционирования в метро, основанная на правилах и нечетких множествах второго типа

За последние несколько лет возник значительный интерес к мобильным приложениям, ориентированным на построение маршрутов пользователей гаджетов; в таких приложениях наряду с важной функцией навигации также возможно отправление своевременных оповещений о прибытии к заданному месту назначения. Несмотря на большой объем имеющейся информации о специфике навигационных сервисов, актуальным остается вопрос относительно точности позиционирования. В данной статье рассматривается возможный подход к решению проблемы сравнения, связанного с определением близости пользователя к конечной станции его маршрута в метро. Такая близость определяется путем подсчета разницы в координатах между текущей позицией пассажира и фиксированной точкой. С целью создания Системы Рекомендаций Маршрутов (СРМ) была применен аппарат нечеткой логики, который использует лингвистические переменные для выражения имеющейся нечеткости (неопределенности) в понимании/восприятии вербального понятия «близость к …». В работе подробно объясняется каждая переменная, используемая в системе нечеткого вывода (англ. FIS), а также представляется набор нечетких правил ЕСЛИ-ТО модели. Для проверки стабильности модели (пока имеет смысл говорить о прототипе модели как первом шаге на пути дальнейшей ее проработки и изменения), основанной на схеме логического вывода Мамдани, рассматриваются несколько тестовых экспериментов с моделью, описываются получаемые результаты. В дальнейшем, планируется разработка мобильного Android-приложения, нацеленного на построение маршрутов городского общественного транспорта с возможностью использования представленной модели при реализации функции по отправлению своевременных оповещений о приближении к пункту назначения. Следует отметить, что акцент делается на использовании в модели интервальных нечетких множеств второго типа (англ. IT2FS), которые привлекают значительное внимание исследователей в настоящее время. Значимость задачи разработки подобных моделей определяется, в первую очередь, необходимостью адекватного учета тех факторов, которые по своей сути являются нечеткими (неопределенными). Данная работа, по мнению авторов, может помочь в продолжении и развитии исследований, связанных с этой же или подобными темами.

сервис для позиционирования, мобильные приложения, нечеткое моделирование, GPS, WiFi, мобильные сети, общественный транспорт, интервальные нечеткие множества второго типа, система нечеткого вывода, нечеткость, неточность

1. Chen C-Y., Yang J.-P., Tseng G.-J., Wu Y.-H. and Hwang R.-C. An Indoor Positioning Technique Based on Fuzzy Logic, in Proc. International Multi Conference of Engineers and Computer Scientists (IMECS), 2010, pp. 854-857.

2. Teuber A. and Eissfeller B. WLAN Indoor Positioning Based on Euclidean Distances and Fuzzy Logic, in Proc. Workshop on Positioning, Navigation and Communication (WPNC), 2006, pp. 159-168.

3. Yasunobu S., Miyamoto S. and Ihara H. A Fuzzy Control for Train Automatic Stop Control. Transactions of the Society of Instrument and Control Engineers, 2002, vol. E-2(1), pp. 1-9.

4. Klir G.J. and Wierman M. Uncertainty Formalizations. In: Uncertainty-Based Information. Elements of Generalized Information Theory, ser. Studies in Fuzziness and Soft Computing (#15), 2nd ed., Physica Verlag, Germany, 1999, 168 p.

5. Arigela L., Veerendra P., Anvesh S. and Hanuman K. Mobile Phone Tracking & Positioning Techniques. Int. Journal of Innovative Research in Science, Engineering and Technology, 2012, vol.2, pp. 906-913.

6. Gps.gov, “Official U.S. Government Information About the GPS and Related Topics, GPS Accuracy”, 2017. http://www.gps.gov/systems/gps/performance/accuracy/ [Дата обращения 27.02.2017].

7. Zeimpekis V., Kourouthanassis P. E. and Giaglis G. M., Mobile and Wireless Positioning Technologies, in UNESCO Encyclopedia of Life Support Systems (EOLSS), vol. 6.108, EOLSS Publishers, France, 2007, [http://www.eolss.net].

8. Mosmetro.ru, “Метрополитен в цифрах”, 2017. http://mosmetro.ru/press/metropoliten-v-tsifrakh/ [Дата обращения 28.01.2017] (in Russian).

9. Nashemetro.ru, “Метро в цифрах”, 2017. http://nashemetro.ru/facts.shtml [Дата обращения 13.01.2017] (in Russian).

10. Mendel J.M., Hagras H., Tan W.-W., et al. Introduction to Type-2 Fuzzy Logic Control. Theory and Applications (IEEE Press Series on Computational Intelligence), Wiley-IEEE Press, Piscataway, 2014, 376 p.

11. En.wikipedia.org, “Moscow Metro”, 2017. https://en.wikipedia.org/wiki/Moscow_Metro [Дата обращения 25.01.2017].

12. Mendel J.M. Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New Directions, Prentice Hall PTR, Englewood Cliffs, 2001, 576 p.

13. Karnik N.N., Mendel J.M. Type-2 Fuzzy Logic Systems: Type-Reduction, in Proc. IEEE Int. Conference on Systems, Man, and Cybernetics, 1998, pp. 2046-2051.

14. Mendel J.M. Interval Type-2 Fuzzy Logic Systems and Perceptual Computers: Their Similarities and Differences. In: Sadeghian A., Mendel J., Tahayori H. (eds) Advances in Type-2 Fuzzy Sets and Systems. Studies in Fuzziness and Soft Computing, vol. 301. Springer, New York, 2013, pp. 3-18, doi: 10.1007/978-1-4614-6666-6_1.