特大型城市室內定位信息系統及應用

劉 源，趙樂軍

(1.中國電信上海公司，上海 200120；2.華東理工大學，上海 200237)

1 引言

隨著社會經濟高速的發展以及北斗系統的逐步建成，導航與位置服務應用正在成為國家中長期發展重點關注及建設的產業。針對特大型城市室內外無縫高精度定位的迫切需求，國家科技部主導制定了羲和計劃，開展高精度室內外無縫定位技術研究，并在2012年和2013年分兩期設立863重大項目開展“導航與位置服務系統關鍵技術與應用示范”研究。一期項目重點突破室外高精度定位技術，二期重點突破室內高精度定位技術。本文圍繞室內高精度定位技術及在特大型城市應用，討論了室內無線保真(wireless fidelity，WiFi)、藍牙(bluetooth，BT)等定位關鍵技術，研究了室內外海量定位數據采集和并行處理技術，研發了城市室內定位數據云計算解算中心，構建了特大城市室內外定位服務能力開放及運營支撐平臺系統。

目前基于無線電信號的室內定位技術主要有WiFi，超寬帶(ultra wideband，UWB)，紅外，藍牙，超聲波，射頻識別(radio frequency identification，RFID)和小區識別碼(cell identity，Cell-ID)等，但由于無線電信號定位技術在室內的多徑及非視線(non line of sight，NLOS)環境中信號衰減嚴重，使其定位精度受到很大挑戰。基于微慣導芯片、三軸加速度計等終端集成定位傳感器的室內導航定位技術研究正在得到越來越多的關注。國外有關的室內位置服務系統解決方案主要有蘋果公司基于藍牙4.0的iBeacon解決方案，高通公司的Gimbal方案，采用Bluetooth Smart藍牙定位技術等。國內百度等公司也在研發基于WiFi的室內定位產品。針對特大城市的室內定位及服務系統還沒有看到，但在商業領域興起的智慧商業中對室內定位技術及應用的需求極為迫切，需要加快相關的研究與探索。

2 室內高精度定位技術

在室內定位中，不同的環境和不同的定位要求使得定位系統所采用的定位技術不同。總體上室內定位技術大致可分為聲、光、電、磁以及多傳感融合等類別。考慮到特大城市的大規模應用，目前業界普遍認為最為成熟的技術是WiFi和藍牙及配合一些傳感器的融合技術。

2.1 藍牙技術

藍牙技術應用于室內定位時，首先面臨的是信號刷新周期太長的問題。信號刷新周期太長不僅會影響定位的實時性，同時也會影響定位的精度[1]。雖然經修改后的協議可以從一定程度上解決該問題，使定位結果可令人接受，但該類做法并不具有普遍意義。

藍牙4.0技術規范的發布，從根本上改變了早期藍牙技術規范的薄弱環節，使其在電池續航時間、節能和設備種類上得到了極大的改善。尤其是新規范中對信號刷新周期大幅提高，使得該技術在定位領域中顯出的極大的潛力。最新的研究文獻和成果表明[2]，藍牙技術比現行的無線局域網絡(wireless local area networks，WLAN)中的技術更適用于室內定位[3]。

2.2 無線保真

在幾種無線信號定位技術中，利用WiFi信號進行室內定位的研究最為深入，應用最為廣泛。現有的商業定位系統中，多數方案均為使用WiFi信號進行定位[4]。

2.3 多傳感融合

現代移動終端設備上已配有多種傳感器，如加速度、陀螺、方向和磁力等。移動終端設備操作系統也提供了10種以上各類傳感器的接口。因此如何利用這些內部傳感器進行室內定位也成為了研究的焦點。在以往的研究中，傳感器均多作為無線信號定位的輔助，如跟蹤中的方向判別、信號采集中的靜止/運動判別等[5]。UnLoc方法[6]給出了多傳感融合定位范例地磁室內定位可看成多傳感融合定位的另一成功案例。

2.4 定位算法

在無線局域網絡或無線傳感網絡定位中，可使用在室外、衛星定位中廣泛應用的是三角定位方法，也可使用基于無線信號強度的定位方法。在無線信號強度的定位方法中包括信號強度指紋/信號傳播模型定位兩類方法。

WLAN環境中可使用信號到達時間(time of arrival，TOA)，信號到達時間差(time difference of arrival，TDOA)，信號到達角(angle of arrival，AOA)以及信號發射角(angle of departure，AOD)定位。然而，與室外環境不同，在WLAN低功率無線設備組成的高密度網中，由于各設備之間的同步很難實現，利用TDOA估計距離也很難實現；而在通過測量TOA來估計距離時，由于室內環境中用戶之間的距離較短并存在較嚴重的衍射和繞射等非直線傳播情況，且同一用戶信號的各條多徑分量在時間上相當接近，所以，精確的TOA或者TDOA估計難以實現。另一方面，墻壁、人體等影響信號傳播的障礙物很多，無線信號存在反射和散射現象，不同路徑分量的幅度、相位、到達時間和入射角各不相同，這使接收到的復合信號在幅度和相位上都產生了嚴重的失真。因此，AOA(或AOD)在非視距的環境下也不適用于室內定位。

雖然AOA(或AOD)在非視距的環境下不適于室內定位，但角度估計受環境的影響遠小于信號強度估計受環境的影響，尤其是AOA可以僅用二個接收源就可給出目標的三維估計以及不需要設備之間的同步的優點使該方法始終受到研究者的關注。近年來，隨著WLAN環境中多輸入多輸出(multiple input multiple output，MIMO)設備的應用，使得AOA方法重新得到了重視并取得了一些新的成果[7]。在信號到達角和信號到達方向估計中，多采用多重信號分類或旋轉不變估計算法[8]。

信號指紋定位實質上是信號強度匹配定位技術。它將待定位區域按照一定的規則劃分成若干已知位置的采樣點，并將每個采樣點處測得的全部可見AP的MAC地址及其信號強度連同該采樣點的位置等信息一同作為一條記錄保存到數據庫。這些位置采樣點對應的數據庫記錄信息被稱為位置指紋或射頻信號圖。定位時它直接使用實時采集的信號強度與訓練階段采集的指紋進行模式匹配，從而實現目標定位。本質上該方法屬于模式識別和機器學習的方法。由于射頻信號圖能比較準確地反映信號采集位置的環境特征，有較高的定位精度和各種無線網絡信號的適用性以及可適用于兩種形式定位方式(基于基礎設施端和基于用戶端)。因此，該方法自問世以來就成為了研究熱點并取得了大量的研究成果。

根據位置指紋記錄在數據庫中的保存形式，指紋定位又可以分為確定性和概率分布兩大類方法。這兩類方法的典型代表分別為RADAR系統[9]和Horus系統[10]。

傳播模型方法是通過對無線信號在室內范圍的傳播衰減模型進行研究，進而用距離估計的方法得出各參與信號采集端點與目標間的距離并結合三角測量原理計算得到目標的位置。傳播模型方法又可以分為物理模型法和實驗模型法，其中物理模型由信號傳播損耗的物理特性得到而實驗模型則由大量實驗數據回歸擬合獲取。實驗模型法得到的傳播模型更適合待定位的具體環境，但普遍性、靈活性不足。

由于信號傳播模型定位僅需要預知信號采集端點的標識及其位置信息，相對位置指紋技術所需的大量位置指紋采集和后期的指紋維護工作，信號傳播模型方法較指紋法步驟簡捷。信號傳播模型方法的定位精度受信號采集端點位置精度和路徑傳播損耗模型精度的影響，加之由于室內信號強度的各向異性特性，這些因素都使得該方法的定位精度遠低于指紋法。這類方法的典型代表為ActiveCampus系統[11]。

在典型定位系統和基本算法成型后，研究工作主要集中在如何提高定位系統的精度和準確度、系統的可擴充性、算法的魯棒性以及如何降低系統的先期建立成本和后期維護成本等方面。

由于概率分布的方法實質上歸結在如何求取似然函數，所以，如何準確地描述概率分布曲線成為了提高定位精度和準確性的主要方向。研究者對正態分布、多維正態分布、混合高斯分布、直方圖描述、核方法等數學方法的應用進行了深入研究并取得了大量成果[12]。

由于指紋方法實質上屬于模式識別和機器學習的方法。因此，為了能更準確的分類，研究者對模式識別和機器學習中的分類方法如 樸素Beyes、Beyes網絡、隨機森林、支持向量機等方法在定位中的應用也進行了深入研究[13]。為了能對室內移動目標進行跟蹤，隱馬爾可夫模型及各種Beyes濾波器，如卡爾曼濾波、擴展卡爾曼濾波、粒子濾波以單獨或與其它方法結合的方式在定位中大量應用[14-16]。

傳播模型定位方法中提高精度的關鍵為距離估計。動態自適應距離估計成為了傳播模型定位方法提高精度的關鍵[17]。將指紋定位與動態自適應距離估計結合，使精度和系統建立步驟簡捷折中也是一種改善方法[18]。

指紋定位方法的魯棒性主要體現在不同環境的適用性和不同設備間的適用型。在方法的魯棒性方面，指紋定位方法中不同設備間的適用性顯得非常重要，這是始終困擾指紋定位法的問題之一。因為建立指紋不可能遍歷所有種類的設備，在定位與指紋建立間始終存在設備異構的問題。對于設備異構性的研究比較典型的解決方案有：線性映射、學習映射、設備分類映射、非標號數據映射、遷移學習、差異信號分類等。但到目前為止，似乎還沒有一個較為統一的結論。

指紋定位法實用化所面臨的最大問題是指紋建立和維護所需的時間和經濟成本。隨著對定位的深入認識和定位需求的不同要求，研究人員在追求定位精度的同時也開始關注另一種定位方式即粗粒度定位。粗粒度可以是房間級別，也可以是區域級別甚至是樓層級別。由于粗粒度可以使得指紋數量大量減少，同時可以使用眾包技術、自動指紋形成技術、傳感器融合技術以及可以大幅度地降低設備異構帶來的問題，因此，該方法開始逐漸成為一個新的熱點。

粗粒度定位的早期典型代表為RWL系統[19]和加入融合技術的COMPASS系統[20]及Mol′e系統[21]，但最具代表意義的為Redpin系統[22]、ARIEL系統[23]和UnLoc系統。這些方法反映了眾包技術、指紋自動形成技術和多傳感融合技術在定位中的應用，同時也反映了室內定位的發展趨勢。另外，其他一些系統(如文獻[24])所提出的方法和觀點也非常值得借鑒。

粗粒度定位和多傳感器融合定位可以很好地應用于大數據挖掘、個人軌跡跟蹤、位置感知等新興領域。

綜合上述，精確定位和粗粒度定位結合，傳統定位方法與多傳感器定位結合代表著室內定位技術的發展方向，將具有更強的實用性和更廣的適用范圍。

3 基于云計算的定位數據解算架構

定位數據解算中心需要采集室內外海量定位數據，數據存儲規模高達TB級別，還需要為數百萬用戶提供定位服務。如何實現海量數據的存儲，及時響應數百萬用戶的并發定位服務請求，是定位數據解算系統的技術挑戰。

3.1 基于Hadoop云計算的定位數據解算中心

Hadoop云計算平臺作為一種新型的存儲方案，利用HDFS/MR核心技術，保證海量數據的處理效率，全PC架構/無需磁陣可以極大的降低系統的建設成本，可以堪稱高性能/低成本的最佳解決方案。

1)海量數據挑戰

.需要采集室內外海量定位數據，數據規模高達TB級別。

.需要提供數百萬級別用戶的并發定位服務。

2)傳統方案失效

.面對海量數據，傳統的小型機+磁陣方案無法勝任；

.傳統數據庫可處理數千萬條，無法處理數十億記錄；

.傳統數據庫SQL查詢響應慢，無法及時響應用戶定位服務需求。

3)建設成本對比

.傳統方案要配置高性能的小型機和磁盤陣列，云方案利用低成本的PC設備組成服務集群，節省了大量設備投資；

.傳統數據庫Oracle/TeraData收費，云數據倉庫HIVE/HBASE免費；

3.2 定位數據解算中心架構

圖1 WiFi定位結算中心架構

其中接入服務層采用專業級的流量均衡設備，可以將數百萬的并發用戶定位請求，平均分布到各個定位節點服務器。

定位服務節點服務器利用云平臺的MapReduce云計算架構，實現高并發的定位解算服務。定位解算服務過程中，將訪問云存儲的指紋庫數據，并將其中經常使用的部分加載到內存中，完成定位計算后，輸出定位結果返回給手機終端。

手機終端根據定位結果，利用導航協議訪問地圖服務器，獲得地圖瓦片以及POI信息，最終采用地圖定位的方式，在終端上顯示當前位置和相關信息。

4 能力開放及運營支撐平臺

滿足位置和應用聚合要求的業務運營管理和業務能力支撐的統一平臺即由室內外定位平臺、室內外定位門戶、能力開放接口、手機客戶端SDK等組成。平臺可提供終端的位置、軌跡、停留時間、終端設備號及號碼、累積終端數等信息；可提供短信、彩信、數據等通道服務；可提供云計算、云存儲等軟硬件資源服務；可提供室內外電子地圖數據服務；可提供基于位置的信息推送、信息交互服務；可提供SDK開發工具，滿足百萬用戶的接入處理能力；成為開放、功能齊全、處理能力強大、穩定、可靠的位置服務平臺。

可提供第三方應用系統接入和第三方托管應用等模式，平臺具備相關的管理功能，如：終端管理，用戶管理，運維管理，日志管理，統計分析，計費管理等。

4.1 位置服務能力開放及運營支撐平臺系統架構

圖2 位置服務能力開放及運營支撐平臺

位置服務平臺提供的定位服務和設備，主要結合移動通訊技術(包括SMS、CDMA、EVDO、WiFi等)、全球定位系統(global positioning system，GPS)、室內定位解算系統(WiFi定位)、地理信息系統(geographic information system，GIS)和互聯網技術，搭建一個基于互聯網的公共定位能力服務平臺，使室內外定位服務商用化、大眾化、公共化，讓每個有這種需求的公司、企業、團體和個人都能以最低的成本運用定位技術及網絡平臺技術對車輛、人員、物資進行定位跟蹤管理，并對定位信息資源進行管理。

4.2 平臺業務處理流程

4.3 平臺主要功能圖解

4.3.1 用戶管理

圖3 位置服務能力開放及運營支撐平臺用戶管理

4.3.2 監控對象操作

圖4 位置服務能力開放及運營支撐平臺監控對象操作

4.3.3地圖操作

圖5 位置服務能力開放及運營支撐平臺地圖操作

4.3.4 數據庫查詢

圖6 位置服務能力開放及運營支撐平臺數據庫查詢

5 室內高精度定位在智慧商圈中的應用

今年上海市政府確定智慧城市建設任務之一是大力開展智慧商圈建設。上海曾經是國內最繁華的商業城市，有著名的南京路、淮海路、四川北路、徐家匯等商業街。但近些年，這些傳統的商圈受到電商的沖擊，銷售收入急劇下滑。隨著移動互聯網的發展，以線下線上(020)相結合的、精確位置服務的、大數據應用及移動支付為特征的智慧商圈開始嶄露頭角。智慧商圈為傳統商圈的發展帶來機遇，為振興上海傳統商業指明了方向。

精確位置服務需要高精度的室內外定位技術，基于位置的智能化、個性化廣告推送能力，可視化的多維商場導購呈現。

商家：能按不同的人群、終端甚至用戶所處的位置來推送不一樣的內容，做到最為精準的營銷，最終提高營業額。

消費者：可以隨時找到自己所關心的商場、商鋪所在位置，并提供行走路徑的指引。還可實現停車場尋車引導等功能。

基于高精度位置的大數據分析可以實時觀察客流的動態變化，客流的興趣愛好。集中管理平臺會對所有收集的原始數據進行分析，并形成有效報表，進行精準營銷。圖7是某商業樓宇的客流高精度位置分析圖。

圖7 客流高精度位置分析圖

6 結束語

針對特大型城市室內高精度定位的迫切需求，本文重點討論了室內WiFi、藍牙等定位關鍵技術，和室內定位數據云計算解算中心建設方式，以及構建特大城市室內外定位服務能力開放及運營支撐平臺系統的關注點，最后介紹了室內高精度定位是智慧商圈建設的重要內容。

[1] MADHAVAPEDDY A，ALASTAIR T.A Study of Bluetooth Propagation Using Accurate Indoor Location Mapping[EB/OL].[2014-08-02].http：//www.cl.cam.ac.uk/research/dtg/www/publications/public/acnt2/ubicomp2005-bluetooth.pdf.

[2] DEVANSHI S A，SINGH S.Indoor Localization Based on Bluetooth Technology：A Brief Review[J].International Journal of Computer Applications，2014，97(8)：31-33.

[3] ZhAO Xiao-jie，XIAO Zhuo-ling，MARKHAM A，et al.Does BTLE Measure up Against WiFi? A Comparison of Indoor Location Performance[C]//Proceedings of the 20th European Wireless Conference(European Wireless 2014).Barcelona，Spain：VDE，2014：263-268.

[4] GU Yan-ying，LO A，NIEMEGEERS I.A Survey of Indoor Positioning Systems for Wireless Personal Networks[J].IEEE Communications Surveys & Tutorials，2009，11(1)：13-32.

[5] LIU Yang，DASHTI M，ABD RAHMAN M A，et al.Indoor Localization Using Smartphone Inertial Sensors[C]//Proceedings of the 11th Workshop on Positioning，Navigation and Communication(WPNC 2014).Dresden：IEEE，2014：1-6.

[6] WANG He，SEN S，ELGOHARY A，et al.No Need to War-drive：Unsupervised Indoor Localization[C]//Proceedings of the 10th International Conference on Mobile Systems，Applications，and Services(MobiSys '12).New York：ACM，2012：197-210.

[7] BELLONI F，RANKI V，KAINULAINEN A，et al.Angle-based Indoor Positioning System for Open Indoor Environments[C]//Proceedings of the 6th Workshop on Positioning，Navigation and Communication(WPNC 2009).Hannover：IEEE，2009：261-265.

[8] ABDALLA M M，ABUITBEL M B.Performance Evaluation of Direction of Arrival Estimation Using MUSIC and ESPRIT Algorithms for Mobile Communication Systems[C]//Proceedings of the 6th Joint IFIP(Wireless and Mobile Networking Conference(WMNC 2013).Dubai：IEEE，2013：1-7.

[9] BAHL P，PADMANABHAN V N.RADAR：An In-building RF-based User Location and Tracking System[EB/OL].[2014-08-02].http：//research.microsoft.com/en-us/people/padmanab/infocom2000.pdf.

[10] YOUSSEF M，AGRAWALA A.The Horus Location Determination System[J].Wireless Networks，2008，14(3)357-374.

[11] GRISWOLD W G，SHANAHAN P，BROWN S W，et al.Active Campus：Experiments in Community-oriented Ubiquitous Computing[J].Computer，2004，37(10)：73-81.

[12] HONKAVIRTA V，PERLT，ALI-L?YTTY S，et al.A Comparative Survey of WLAN Location Fingerprinting Methods [C]//Proceedings of the 6th Workshop on Positioning，Navigation and Communication(WPNC 2009).Hannover：IEEE，2009：243-251.

[13] BALAGUER B，ERINC G，CARPIN S.Combining Classification and Regression for WiFi Localization of Heterogeneous Robot Teams in Unknown Environments[C]//Proceedings of the 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS).Vilamoura：IEEE，2012：3496-3503.

[14] ANDREW M L，KOSTAS E B，RUDYS A，et al.Robotics-based Location Sensing Using Wireless[C]//Proceedings of the 8th Annual International Conference on Mobile Computing and Networking(MobiCom '02).New York：ACM，2002：227-238.

[15] LEE K C，OKA A，POLLAKIS E，et al.A Comparison between Unscented Kalman Filtering and Particle Filtering for RSSI-based Tracking[C]//Proceedings of the 7th Workshop on Positioning，Navigation and Communication(WPNC 2010).Dresden：IEEE，2010：157-163.

[16] YIM J G，KIM J S，LEE G Y，et al.Kalman Filter vs.Particle Filter in Improving K-NN Indoor Positioning[C]//Proceedings of the 15th International Conference on Knowledge-based and Intelligent Information and Engineering Systems(KES'11)：Volume Part II.Berlin：Springer-Verlag Berlin，Heidelberg，2011：203-213.

[17] LIM H，KUNG L C，HOU J C，et al.Zero-configuration Robust Indoor Localization Theory and Experimentation[J].Wireless Networks，2005，16(2)：405-420.

[18] DE MORAES L F M，NUNES B A A .Calibration Free LAN Location System Based on Dynamic Mapping of Signal Strength[C]//Proceedings of the 4th ACM International Workshop on Mobility Management and Wireless Access(MobiWac '06).New York：ACM，2006：92-99.

[19] HAEBERLEN A，FLANNERY E，LADD A M，et al.Practical Robust Localization over Large-Scale 802.11 Wireless Networks[C]//Proceedings of the 10th Annual International Conference on Mobile Computing and Networking(MobiCom '04).New York：ACM，2004：70-84.

[20] KING T，KOPF S，HAENSELMANN T，et al.COMPASS：A Probabilistic Indoor Positioning System Based on 802.11 and Digital Compasses[EB/OL].[2014-08-02].http：//pi4.informatik.uni-mannheim.de/～kopf/publications/2006/King_2006c.pdf.

[21] LEDLIE J，PARK J G，CURTIS D，et al.Mole：A Scalable，User-generated WiFi Positioning Engine[EB/OL].[2014-08-02].http：//people.csail.mit.edu/ledlie/papers/Mole-IPIN11.pdf.

[22] BOLLIGER P.Redpin：Adaptive，Zero-Configuration Indoor Localization through User Collaboration[EB/OL].[2014-08-02].http：//www.vs.inf.ethz.ch/publ/papers/bolligph-redpin2008.pdf.

[23] JIANG Yi-fei，LI Kun，QIN Lv，et al.ARIEL：Automatic Wi-Fi based Room Fingerprinting for Indoor Localization[C]//Proceedings of the 2012 ACM Conference on Ubiquitous Computing.New York：ACM，2012：441-450.

[24] YANG S W ，DESSAI P，VERMA M，et al.FreeLoc：Calibration Free Crowdsourced Indoor Localization[EB/OL].[2014-08-02].http：//www.deepdyve.com/lp/institute-of-electrical-and-electronics-engineers/freeloc-calibration-free-crowdsourced-indoor-localization-WaeIHKedTI.