Yeraltı madenciliği takip ve izleme sistemi otomasyonu

Abstract

Günümüzde dış ortamlarda kullanıcıyı yönlendirmek ve yer tespiti yapmak amacıyla geliştirilmiş konumlandırma sistemleri birçok alanda kullanılmaktadır. Dış ortamda, GPS gibi küresel navigasyon teknolojileri önemli bir yer teşkil ederken, iç mekânlarda uydu bağlantılarının yokluğundan bu teknoloji yeterli performansı gösterememektedir. Bu çalışmada iç mekânlarda kullanılan konum belirleme yöntemleri ve teknolojileri araştırılmıştır. Parmak izi yöntemi; hazırda kullanılan ağ sistemi ve mobil iletişim cihazlar aracılığıyla uygulanabildiği için diğer iç ortam konumlandırma yöntemlerine göre öne çıkmaktadır. K-en yakın komşuluk (KNN) algoritması gözetimli öğrenme algoritması olup veri sınıflandırma problemlerinin çözümünde uygulama kolaylığından sıklıkla kullanılmaktadır. Veri madenciliği konularında yaygın uygulamaları mevcut olup bu çalışmada iç ortam konum probleminin çözümünde kullanılmaktadır. Bu tez çalışmasının yeraltı madenlerinde kullanılan çeşitli personel takip ve haberleşme teknolojilerine dair bilgi sağlanması, sistemlerin değerlendirilebilmesi ve bu değerlendirmeler neticesinde yeraltı maden sahalarında kullanılması amacıyla mobil tabanlı personel takip sistemi otomasyonu geliştirilmiştir. Bu kapsamda yeraltı maden sahasına kablosuz ağ altyapısı kurulmuş ve parmak izi yöntemi kullanılarak mobil uygulama geliştirilmiştir. Yöntem seçiminde, sistemin kurulum kolaylığı, düşük maliyeti ve programlamaya uygun bir çözüm olması göz önünde bulundurulmuştur. Uygulama kapsamında parmak izi yönteminin, referans noktası sayısı ve erişim noktası sayısına ne şekilde bağımlı olduğu test edilmiştir. Parmak izi veri tabanı oluşturulurken çalışma sahası içindeki referans nokta sayısındaki değişikliğin konum tahminine etkisi araştırılmıştır. Deneysel çalışmada referans nokta sayısının ve referans noktalarının yerleşiminin konum bilgisi üzerine etkileri değerlendirilmiştir.

Nowadays, developed positioning systems are widely used in many areas to guide and guide users in external environments. While global navigation technologies such as GPS have an important place in the outdoor environment, this technology does not perform well due to the lack of satellite connections in the interior spaces. In this study, positioning methods and technologies used in interior spaces were investigated. Fingerprint method; Since it can be applied through the network system and mobile communication devices currently used, it stands out according to other indoor positioning methods. The K-nearest neighborhood (KNN) algorithm is a supervised learning algorithm and is frequently used for the solution of data classification problems due to its ease of application. It has widespread applications in data mining issues and is used in the solution of indoor location problem in this study. In order to provide information on the various personnel tracking and communication technologies used in underground mines, to evaluate the systems and to use them in underground mining areas, the automation of mobile based personnel tracking system has been developed. Wi-Fi infrastructure was installed in the underground mine site. The installed Wi-Fi infrastructure was utilized and the mobile application was developed using the fingerprint method. In the selection of these methods, ease of installation, low cost and suitable solution for programming are considered. Within the scope of the application, the method of fingerprint method is tested by the number of reference points and the number of access points. The effect of the change in the number of reference points in the study area on the location estimation was investigated during the creation of the fingerprint database. In experimental study, the effects of reference point number and placement of reference points on position information were evaluated.