code that runs the final eval

TeX update

tex/chapters/conclusion.tex

@@ -1,22 +1,57 @@
-\section{Conclusion}
+\section{Conclusion and Future Work}
 
-	beide ansaetze sind in unserem szenario/gebaeude OK:
-	bekannte AP-pos + empirische parameter
-	komplette optimierung über fingerprints
+	\todo{ueberleitung?}
 
-	100 prozent optimierung ist nicht moeglich, es gibt
-	immer stellen, die, zugunsten von anderen, schlechter werden.
-	es haengt auch stark davon ab, was man optimiert, das modell,
-	die uebereinstimmung, welche fingerprints [schlechte vs. gute stellen]
+	As denoted within the previous evaluations and discussions, the accuracy of 
+	indoor localization systems based on \docWIFI{} depends on a manifold
+	of parameters and even minor adjustments can yield huge improvements.
+	Depending on required accuracy and acceptable setup- and maintenance times,
+	several approaches are conceivable:
 
-	zudem ist das modell fuer unser gebaeude nicht gut ggeeignet.
-	zu viele verschiedene materialien und trennwaende, APs immer in raeumen,
-	nie auf dem flur. viele hindernisse, wenige freie raeume.
-	andere modelle koennten hier helfen, erfordern dann aber zur
-	laufzeit mehr berechnung, oder muessten vorab auf einem grid berechnet
-	werden \todo{cite auf competition}
+	If the use-case does not require utmost accuracy and the locations of permanently
+	installed transmitters is already well known, just using empiric model parameters
+	is a viable choice for many situations.
+	
+	However, when combined with (particle) filtering, a heavily constrained 
+	movement model might be a potential issue, as it might get stuck when
+	sensor observations or model predictions are too erroneous.
+	
+	Using a small number of reference measurements will already suffice
+	to improve such errors. Furthermore it also removes the need for prior knowledge
+	like transmitter locations, as those parameters can be estimated via optimization.
+	
+	For the best accuracy, more complex signal strength propagation models
+	are required which, in turn, demand for more reference measurements.
+	%
+	However, while using a several instances of a simple propagation model
+	for different regions within a building is able to decrease the estimation 
+	error, this approach might require prior guessing of where to place those regions
+	and is still unable to approximate all signal strength variations within the building.
+	
+	More complex models that include information about walls and other obstacles should 
+	be able to improve the situation at the cost of additional computation.
+	Special data-structures for pre-computation combined with online interpolation might
+	be a viable choice for utmost accuracy while still being able to run on
+	a commodity smartphone in realtime.
+	
+	While we were able to improve the performance of the \docWIFI{} sensor component,
+	the filtering process should be more robust against erroneous observations.
+	Getting stuck should be prevented, independent of minor changes in quality for
+	the signal strength prediction model \cite{todo-toni}.
+	
+	
+	%100 prozent optimierung ist nicht moeglich, es gibt
+	%immer stellen, die, zugunsten von anderen, schlechter werden.
+	%es haengt auch stark davon ab, was man optimiert, das modell,
+	%die uebereinstimmung, welche fingerprints [schlechte vs. gute stellen]
 
-\section{Future Work}
+	%zudem ist das modell fuer unser gebaeude nicht gut ggeeignet.
+	%zu viele verschiedene materialien und trennwaende, APs immer in raeumen,
+	%nie auf dem flur. viele hindernisse, wenige freie raeume.
+	%andere modelle koennten hier helfen, erfordern dann aber zur
+	%aufzeit mehr berechnung, oder muessten vorab auf einem grid berechnet
+	%werden \todo{cite auf competition}
+
+
+	%besseres modell mit (leichter) interpolation zwischen den randbereichen?
 
-	Komplexere Modelle die vorab berechnet werden und dann einfach in einer
-	Datenstruktur abgelegt sind, die z.B. interpolation erlaubt etc.