Files
agentic-studio/projektit/projekti1.md
Jaakko Vanhala 2f140c8a15 uusi projekti
2026-04-12 10:28:57 +03:00

84 lines
3.4 KiB
Markdown

---
title: UWB-paikannus sisätiloihin (2024)
tags: project
slideOptions:
text-align: left,
transition: slide,
theme: white,
hideAddressBar: true,
touch: true,
slideNumber: true,
controls: true,
controlsLayout: 'bottom-right'
spotlight:
enabled: true
---
# UWB-paikannus sisätiloihin (2026)
---
![](https://gitlab.dclabra.fi/wiki/uploads/upload_dbe5eca9539b590febdb95942eaa16a7.jpg)
----
Ennakkotietona annettakoon pisteiden kohdistaminen yllä olevaan kuvatiedostoon:
- y=0 yläreunan seinän sisäpinta, x=0 kassakoneiden keskilinja
- y=5220 alareunan seinän sisäpinta, x=10406 oikealla seinän sisäpinta
Paikassa n. 100, 2500 on yksi latausasema kärryille, siinä on sisäänkäynti kauppaan (turvaportit)
Paikassa n. 900, 3600 on varsinainen latausasema joka on alakerrassa. Sieltä on liukuportaat vasemmalle kuvassa. Siellä ei ole kunnollista paikannusta joka aiheuttaa paikan hyppimistä. Nämä latausasemat eivät ole kiinnostavia tietoja.
Eli yhden yksikön muutos koordinaateissa vastaa noin yhden senttimetrin muutosta "kartalla"?
---
# Dataformaatti
Datan formaatti on esitetty alla. Data itsessään on taltioituna csv-tiedostoihin. CSV-tiedostoja on paljon ja niissä on miljoonia rivejä, joten raakadatan käsittely voi olla raskasta.
![](https://gitlab.dclabra.fi/wiki/uploads/upload_b7a59c88b50fda806ec103ad2bbeeb6b.png)
Varsinaisen ETL-/ELT-prosessin jälkeen data pitäisi olla esikäsitelty ja siivottu. Tämä prosessi on kuitenkin syytä tehdä heti alkuun, jotta myöhemmät dataan liittyvät operaatiot olisivat nopeampia.
---
Tehtävälistaa:
- Data platform
- MariaDB-tietokantakontti
- Jupyterlab-kontti ETL-prosessia ja data-analyysia varten
- Visualisointi historiadatan perusteella
- Kärryjen liikkeet kaupan layoutissa
- Outlierit pois datasta (x,y-pisteet, jotka ylittävät rajat)
- Läpimenoaika, "kuumat alueet" (eli missä on vietetty aikaa)
- Tilastoja
- Datan ajallinen täsmällisyys (näytevälin dt keskiarvo ja keskihajonta)
- Datan paikannustäsmällisyys (outlayreiden esiintymistaajuus, paikannuksen kohina eli x,y-koordinaatin heittelehtiminen luonnottomasti)
- Raportteja päivä-, viikko-, kuukausitason "liikennöinnistä"
- Läpimenoaikojen tilastointi (eri aukioloajan tunteina, eri päivinä, ruuhkahuippujen / hiljaisimpien aikojen löytäminen)
- Kuinka monta kassaa on käytössä eri aukioloajan tunteina, eri päivinä
- Kassajonojen kertyminen (kuinka monta asiakasta jonottaa kuinka monessa jonossa)
- (x,y)-koordinaattien skaalaus mittayksikköön [m]
- Keskimääräinen kärryjen kulkema matka
- Kärryjen nopeus [km/h], nopeuden liukuva keskiarvoistus (valon nopeudella / mach-nopeuksilla tapahtuvien liikkeiden karsiminen pois)
- Ostoskärryjen tasainen kierto, onko kärryjä, jotka ovat erittäin paljon/vähän käytössä
- Visualisointeja ja tilastoja
- kuumat alueet visualisoituna pohjakuvaan
- eri aikaväleinä: 9.00-11.00; 11.00-13.00; 13.00-15.00; 15.00-17.00; 17.00-19.00; 19.00-21.00
- eri viikonpäivinä
- Tilastot ja kuvaajat yllä mainitusta (esim histogrammit)
- Useamman datalähteen yhdistäminen
- Esim. avoimen säätietohistorian yhdistäminen eri tuntien kävijämääriin
- Jotain muuta, asiakkaalle mahdollisesti lisäarvoa tuottavaa - keksikää jotain jännää!
---