En escenarios de emergencia, como un ataque terrorista o un edificio en llamas, es deseable rastrear a los primeros respondedores para coordinar la operación. Los métodos de seguimiento de peatones basados únicamente en unidades de medida inerciales en entornos interiores son candidatos para tales operaciones, ya que no dependen de infraestructura preinstalada. Un método de navegación interior muy poderoso representa la localización y mapeo simultáneos colaborativos (SLAM colaborativo), donde los mapas aprendidos de varios usuarios pueden combinarse para ayudar en la posicionamiento interior. En este documento, los mapas se estiman a partir de varias trayectorias similares (múltiples usuarios) o un usuario que lleva múltiples sensores. Se combinan sucesivamente para obtener un mapa y una posición precisos. Para reducir la complejidad, las trayectorias se dividen en pequeñas porciones (técnica de ventana deslizante) y se aplican parcialmente de manera sucesiva al algoritmo SLAM colaborativo. Investigamos combinaciones sucesivas de las porciones del mapa de varios peatones y analizamos la precisión de la posición resultante. Los resultados dependen de varios parámetros, por ejemplo, el número de usuarios o sensores, las desviaciones de los sensores, la cantidad de área revisitada, el número de iteraciones y el tamaño de las ventanas. Proporcionamos una discusión sobre la elección de los parámetros. Los resultados muestran que el error medio de posición puede reducirse a ~0.5 m al aplicar SLAM colaborativo parcialmente sucesivo.