基于RSS的数据集，可用于用户室内运动预测

如[1]所述，该数据集代表了环境辅助生活应用领域的现实基准。 二元分类任务包括根据无线传感器网络（WSN）生成的时间序列预测现实办公环境中的用户移动模式。 输入数据包含无线传感器网络节点之间测量的无线电信号强度（RSS）的时间流，包括5个传感器：部署在环境中的4个锚和用户佩戴的1个遥控器。在用户移动期间以8 Hz的频率（每秒8个样本）收集数据。在提供的数据集中，RSS信号已被重新缩放到间隔[-1,1]，仅在从每个锚点收集的一组记录道上（如[1]）。 目标数据包含在一个类标签中，该类标签指示用户的轨迹是否会导致空间上下文的变化（即房间变化）。特别地，目标类+1与位置改变运动相关联，而目标类-1与位置保持运动相关联。 测量活动涉及3个不同的环境设置，每个环境设置包括两个房间（包含典型的办公家具），由走廊分隔。附图中提供了所考虑的常见设置的草图。在每个环境设置中，锚部署在靠近房间角落的固定位置（离地面1.5 m的高度），而移动设备则佩戴在用户的胸前。该图还显示了所考虑的用户轨迹类型的简化说明，直线路径导致空间上下文变化，曲线路径导致空间上下文保留。每条路径产生一条从轨迹开始到标记点（图中表示为M）的RSS测量轨迹。标记M对于所有运动都是相同的，因此不能仅根据在M处收集的RSS值来区分不同的路径。 提供的数据集中的每个输入文件都包含与输入RSS数据的一个时间序列有关的数据（每个文件1个用户轨迹）。数据集包含314个序列，总共13197个步骤。 Further information can be found at the webpage: [Web link]. 该数据集的完整描述见[1]，其中还提供了回声状态网络在相应分类任务中实现的性能的详细信息。 Attribute Information: Data is provided in comma separated value (csv) format. - Input data Input RSS streams are provided in files named MovementAAL_RSS_SEQID.csv, where IDSEQ is the progressive numeric sequence ID. In each file, each row corresponds to a time step measurement (in temporal order) and contains the following information: RSS_anchor1, RSS_anchor2, RSS_anchor3, RSS_anchor4 - Target data Target data is provided in the file MovementAAL_target.csv Each row in this file contains: sequence_ID, class_label - Dataset grouping Data is grouped in 3 sets, as described in [1]. File MovementAAL_DatasetGroup.csv, provides information about such data grouping. Each row in this file contains: sequence_ID, dataset_ID - Path grouping Users' movements are divided in 6 prototypical paths, as described in [1]. File MovementAAL_Paths.csv provides information about data grouping based on path type. Each row in this file contains: sequence_ID, path_ID Relevant Papers: [1] D. Bacciu, P. Barsocchi, S. Chessa, C. Gallicchio, and A. Micheli, 'An experimental characterization of reservoir computing in ambient assisted living applications', Neural Computing and Applications, Springer-Verlag, vol. 24 (6), pp. 1451-1464, [Web link], ISSN 0941-0643, 2014. [2] D. Bacciu, S. Chessa, C. Gallicchio, A. Micheli, P. Barsocchi, 'An Experimental evaluation of Reservoir Computation for Ambient Assisted Living', 22nd Italian Workshop on Neural Networks, Vietri sul Mare, Salerno, Italy, 17-19 May 2012, Neural Networks and Surroundings, Springer Smart Innovation, Systems and Technologies series, Volume 19, pag. 41-50, ISBN: 978-3-642-35466-3, 2013. [3] C. Gallicchio, A. Micheli, P. Barsocchi, S. Chessa, 'User Movements Forecasting by Reservoir Computing Using Signal Streams Produced by Mote-Class Sensors', Mobile Lightweight Wireless Systems (MOBILIGHT), Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, Volume 81, Part 3, pag. 151-168, ISBN 978-3-642-29478-5, 2012. [4] D. Bacciu, C. Gallicchio, A. Micheli, S. Chessa, P. Barsocchi, 'Predicting user movements in heterogeneous indoor environments by reservoir computing', M. Bhatt, H. W. Guesgen, and J. C. Augusto, editors, Proceedings of the IJCAI Workshop on Space, Time and Ambient Intelligence (STAMI), pag. 1-6, 2011. Citation Request: D. Bacciu, P. Barsocchi, S. Chessa, C. Gallicchio, and A. Micheli, 'An experimental characterization of reservoir computing in ambient assisted living applications', Neural Computing and Applications, Springer-Verlag, vol. 24 (6), pp. 1451-1464, [Web link], ISSN 0941-0643, 2014. Davide Bacciu (a), Paolo Barsocchi (b), Stefano Chessa (a), Claudio Gallicchio (a), Alessio Micheli (a) (a) Department of Computer Science, University of Pisa. Largo Bruno Pontecorvo 3, 56127 Pisa, Italy (b) Institute of Information Science and Technologies, Italian National Research Council. Via G. Moruzzi 1, 56124 Pisa, Italy For info about this dataset contact Paolo Barsocchi: paolo.barsocchi '@' isti.cnr.it Claudio Gallicchio: gallicch '@' di.unipi.it

如[1]所述，本数据集为环境辅助生活应用领域的现实基准数据集。其核心二元分类任务为：基于无线传感器网络（Wireless Sensor Network, WSN）生成的时间序列，预测真实办公环境中的用户移动模式。
输入数据为无线传感器网络节点间测量得到的无线电信号强度（Received Signal Strength, RSS）时间流，共包含5个传感器节点：部署于环境中的4个锚节点，以及用户佩戴的1个移动传感器节点。数据以8 Hz的频率（每秒8个样本）在用户移动过程中采集。本数据集已将各锚节点采集的RSS信号重新缩放至区间[-1, 1]，具体处理方式详见[1]。
目标数据以类别标签形式呈现，用于指示用户轨迹是否引发空间上下文变化（即房间切换）。其中，类别+1对应位置改变的移动行为，类别-1对应位置保持的移动行为。
本次数据采集涉及3种不同的环境设置，每种设置包含2个配备典型办公家具的房间，以走廊相隔。所考虑的典型环境设置草图已附于文档中。在每种环境设置中，锚节点均固定部署于房间角落附近（距地面1.5米高度），移动传感器节点则佩戴于用户胸前。该附图还简化展示了所研究的用户轨迹类型：直线路径会引发空间上下文变化，曲线路径则保持空间上下文不变。每条路径均会生成一条从轨迹起点至标记点M的RSS测量序列，且所有移动场景的标记点M均一致，因此无法仅通过M点的RSS值区分不同路径。
本数据集的每个输入文件对应一组输入RSS数据的时间序列（每个文件包含1条用户轨迹），共计314条序列，总样本步数为13197。
更多信息可访问以下网页：[网页链接]。本数据集的完整描述详见[1]，其中还包含储层计算（Reservoir Computing）在对应分类任务中的性能实现细节。

属性说明：数据以逗号分隔值（Comma Separated Value, CSV）格式提供。
- 输入数据：RSS输入流存储于名为MovementAAL_RSS_SEQID.csv的文件中，其中IDSEQ为递增的数字序列编号。每个文件中的每一行对应一个按时间顺序排列的时间步测量数据，包含以下字段：RSS_anchor1、RSS_anchor2、RSS_anchor3、RSS_anchor4。
- 目标数据：目标数据存储于MovementAAL_target.csv文件中，该文件的每一行包含：序列编号sequence_ID、类别标签class_label。
- 数据集分组：如[1]所述，数据集被划分为3个子集。文件MovementAAL_DatasetGroup.csv提供了该分组的相关信息，每一行包含：序列编号sequence_ID、数据集编号dataset_ID。
- 路径分组：如[1]所述，用户移动被划分为6种标准原型路径。文件MovementAAL_Paths.csv提供了基于路径类型的数据集分组信息，每一行包含：序列编号sequence_ID、路径编号path_ID。

相关文献：
[1] D. Bacciu、P. Barsocchi、S. Chessa、C. Gallicchio与A. Micheli，《储层计算在环境辅助生活应用中的实验表征》，《神经计算与应用》，Springer-Verlag，第24卷第6期，第1451-1464页，[网页链接]，ISSN 0941-0643，2014年。
[2] D. Bacciu、S. Chessa、C. Gallicchio、A. Micheli与P. Barsocchi，《储层计算在环境辅助生活场景中的实验评估》，第22届意大利神经网络研讨会，意大利萨勒诺省马雷湾维耶特里，2012年5月17-19日，《神经网络与相关领域》，Springer智能创新、系统与技术丛书，第19卷，第41-50页，ISBN: 978-3-642-35466-3，2013年。
[3] C. Gallicchio、A. Micheli、P. Barsocchi与S. Chessa，《基于 mote 级传感器信号流的储层计算实现用户移动预测》，《移动轻量无线系统（MOBILIGHT）》，计算机科学、社会信息学与电信工程研究所讲义丛书，第81卷第3分册，第151-168页，ISBN 978-3-642-29478-5，2012年。
[4] D. Bacciu、C. Gallicchio、A. Micheli、S. Chessa与P. Barsocchi，《基于储层计算的异构室内环境用户移动预测》，M. Bhatt、H. W. Guesgen与J. C. Augusto 编辑，IJCAI空间、时间与环境智能研讨会（STAMI）论文集，第1-6页，2011年。

引用要求：请引用以下文献：D. Bacciu、P. Barsocchi、S. Chessa、C. Gallicchio与A. Micheli，《储层计算在环境辅助生活应用中的实验表征》，《神经计算与应用》，Springer-Verlag，第24卷第6期，第1451-1464页，[网页链接]，ISSN 0941-0643，2014年。

作者信息：
Davide Bacciu(a)、Paolo Barsocchi(b)、Stefano Chessa(a)、Claudio Gallicchio(a)、Alessio Micheli(a)
(a) 比萨大学计算机科学系，意大利比萨，Largo Bruno Pontecorvo 3，56127
(b) 意大利国家研究委员会信息科学与技术研究所，意大利比萨，Via G. Moruzzi 1，56124
如需咨询该数据集相关信息，请联系：
Paolo Barsocchi：paolo.barsocchi '@' isti.cnr.it
Claudio Gallicchio：gallicch '@' di.unipi.it

搜集汇总

背景与挑战

背景概述

该数据集是一个用于环境辅助生活（AAL）应用的真实基准数据集，基于无线传感器网络（WSN）收集的无线电信号强度（RSS）时间序列，旨在通过二元分类任务预测用户在室内办公环境中的运动模式，即判断运动是否导致房间变化。数据集包含314个序列、共13197个时间步骤，数据以CSV格式提供，包括来自4个锚点和1个用户设备的RSS测量值，以及对应的类标签（+1表示位置改变，-1表示位置保持）。