室内定位是环境智能（AmI）研究界的一个关键课题。在这种情况下，最近可穿戴技术的进步，特别是内置传感器的智能手表和个人设备，如智能手机，被认为是使设想的智能环境（SE）范式具体化的突破口。

特别是，致力于室内定位的场景代表了一个需要解决的关键挑战。许多工作试图解决室内定位问题，但缺乏一个共同的数据集或框架来比较和评估解决方案，这在该领域是一个需要克服的巨大障碍。公共数据集的不可用性和不确定性阻碍了比较不同室内定位算法的可能性。这就构成了本文所述的拟议数据集的主要动机。

我们收集了Wi-Fi和地磁的ï¬ngerprints，以及在同一环境中进行的两次活动的惯性传感器数据。从用户佩戴的智能手表和智能手机中检索同步的数据，以创建和展示一个公开可用的数据集，是这项工作的目标。

Attribute Information:

Pointsmapping.ods。

一个三列电子表格（ID,X,Y），以当地坐标进行点映射。

每个ID代表地图上一个独特的地方。X-Y坐标代表当地的坐标。对于每一个措施。

measure1(2)_timestamp_id.csv。

到达placeID的时间戳（Unixtime），离开placeID的时间戳（Unixtime），place ID标识符（0-324）。

measure1(2)_smartphone_sens.csv。根据measure1(2)_timestamp_id.csv，这个csv包含由智能手机检索的数据传感器。时间戳、加速度X、加速度Y、加速度Z、磁场X、磁场Y、磁场Z、Z-轴角度（方位角）、X-轴角度（俯仰）、Y-轴角度（滚动）、陀螺仪X、陀螺仪Y、陀螺仪Zmeasure1(2)_smartwatch_sens.csv。根据measure1(2)_timestamp_id.csv，这个csv包含智能手表检索到的数据传感器。时间戳、加速度X、加速度Y、加速度Z、磁场X、磁场Y、磁场Z、Z-轴角（方位角）、X-轴角（俯仰角）、Y-轴角（滚动角）、陀螺X、陀螺Y、陀螺Zmeasure1(2)_smartphone_wifi.csv。每行包含PlaceId（升序）和127列，其中有每个不同的RSSI级别。活动期间检索到的WAPs。并非所有的WAP都在每次扫描中被检测到。对于这些WAPs来说，实际的RSSI值是-100（dbm）。

Citation Request:

Barsocchi, P., Crivello, A., La Rosa, D., & Palumbo, F. (2016, October). A multisource and multivariate dataset for indoor localization methods based on WLAN and geo-magnetic field fingerprinting. In Indoor Positioning and Indoor Navigation (IPIN), 2016 International Conference on (pp. 1-8). IEEE.