室內(nèi)定位技術與應用綜述

裴 凌，劉東輝,錢久超

(上海交通大學北斗導航與位置服務重點實驗室,上海200240)

室內(nèi)定位技術與應用綜述

裴 凌，劉東輝,錢久超

(上海交通大學北斗導航與位置服務重點實驗室,上海200240)

近年來,隨著基于位置服務日益增大的需求,以及基于衛(wèi)星定位的全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)無法在室內(nèi)定位的問題,針對復雜室內(nèi)場景的室內(nèi)定位技術發(fā)展迅速,逐步在各行各業(yè)中發(fā)揮作用,從各個方面影響著人們的日常生活。首先對目前主流的室內(nèi)定位技術分類體系、定位原理和方法進行了詳細介紹,然后對國內(nèi)外室內(nèi)定位技術的研究現(xiàn)狀進行了分析和對比,最后對室內(nèi)定位技術的應用和難點進行了總結。

基于位置服務；室內(nèi)定位；定位技術

0 引言

導航與定位關乎國家安全,是全球大國競爭的焦點。對于室外環(huán)境,全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System, GNSS)諸如美國的全球定位系統(tǒng)(Global Positioning System, GPS)、我國的北斗衛(wèi)星導航系統(tǒng)(BeiDou Navigation Satellite System, BDS)能夠為用戶提供較高精度的定位服務,基本滿足了用戶在室外場景中對基于位置服務的需求。然而,個人用戶、服務機器人、掃地機器人等有大量的定位需求發(fā)生在室內(nèi)場景；而室內(nèi)場景受到建筑物的遮擋,GNSS信號快速衰減,甚至完全拒止,無法滿足室內(nèi)場景中導航定位的需要。因此,室內(nèi)定位技術成為工業(yè)界與學術界研究的熱點。

相比于美國軍方于1964年正式投入使用的子午儀衛(wèi)星定位系統(tǒng)(Transit)[1]以及后來以此為前身于1994年全面建成的GPS[2],室內(nèi)定位技術起步較晚,美國聯(lián)邦通信委員會(Federal Communications Commission, FCC)在1996年制定了初衷用于應急救援的E-911定位標準[3],之后在各行業(yè)應用需求的推動下,室內(nèi)定位技術得到了快速的發(fā)展。目前,國內(nèi)外研究已提出了射頻識別(Radio Frequency Identification, RFID)、藍牙、無線局域網(wǎng)(Wireless Local Area Networks，WLAN)、超寬帶(Ultra-Wideband, UWB)等室內(nèi)定位技術及系統(tǒng),其中部分定位技術已經(jīng)商用。但是,由于室內(nèi)場景的復雜性和多樣性,不同的室內(nèi)定位技術也具有不同的缺點和局限性,尚未形成與GNSS類似的普適解決方案。

本文首先對目前主要的室內(nèi)定位技術的原理進行簡要介紹,然后對室內(nèi)定位技術的分類進行闡述,并針對目前主流的室內(nèi)定位技術進行詳細介紹。最后介紹室內(nèi)定位技術的應用場景和發(fā)展前景。

1 室內(nèi)定位技術

室內(nèi)定位是指在室內(nèi)環(huán)境中實現(xiàn)位置定位,主要采用無線通信、基站定位、慣導定位等多種技術集成，形成一套室內(nèi)位置定位體系,從而實現(xiàn)人員、物體等在室內(nèi)空間中的位置監(jiān)控。

隨著通信技術和電子制造工藝的不斷發(fā)展和普及,室內(nèi)定位技術層出不窮,定位精度從幾米到幾十米,并在一些行業(yè)中得到了應用。

1.1 室內(nèi)定位方法

目前室內(nèi)定位常用的定位方法,從原理上主要分為七種:鄰近探測法、質(zhì)心定位法、多邊定位法、三角定位法、極點法、指紋定位法和航位推算法[4]。

1)鄰近探測法(Proximity Detection)

鄰近探測法,又稱為CoO(Cell of Origin)法或Cell-ID(Cell Identification)法,通過一些有范圍限制的物理信號的接收,從而判斷移動設備是否出現(xiàn)在某一個發(fā)射點附近。該方法的定位精度取決于發(fā)射點的布設密度和信號覆蓋范圍。該方法雖然只能提供大概的定位信息,但其布設成本低、易于搭建,適合于一些對定位精度要求不高的應用,例如自動識別系統(tǒng)用于公司的員工簽到。

2)質(zhì)心定位法(Centroid Determination)

質(zhì)心定位法是根據(jù)移動設備可接收信號范圍內(nèi)所有已知的信標(beacon)位置,計算其質(zhì)心坐標作為移動設備的坐標。相應地,也可以根據(jù)接收信號強度指示(Received Signal Strength Indication, RSSI)設置對應的信標的權重,得到加權質(zhì)心作為移動設備的坐標。該方法易于理解,計算量小,定位精度取決于信標的布設密度。

3)多邊定位法(Multilateration)

該方法是通過測量待測目標到已知參考點之間的距離,從而確定待測目標的位置。基于多邊定位的定位系統(tǒng)可以采用多種距離估計方法,比較常見的距離估計法有基于信號到達時間(TimeOf Arrival, TOA)、基于信號到達時間差(Time Difference Of Arrival, TDOA)、基于增強觀測時間差(Enhanced Observed Time Difference, E-OTD)、基于往返時間(Round Trip Time, RTT),基于接收信號強度指示[5-6]。

4)三角定位法(Triangulation)

三角定位法,也可稱為到達角測量法(Arrival Of Angle, AOA)。該方法是在獲取待測目標相對2個已知參考點的角度后結合兩參考點間的距離信息可以確定唯一的三角形,即可確定待測目標的位置。到達角信息,亦即信號到達的角度,可以通過定向天線獲取。同時基于攝像頭的定位系統(tǒng)也可實現(xiàn)基于AOA的定位[7]。

5)極點法(Polar Point Method)

極點法通過測量相對某一已知參考點的距離和角度從而確定待測點的位置。該方法僅需已知一個參考點的位置坐標,因此使用非常方便,已經(jīng)在大地測量中得到廣泛應用,多個待測目標的位置可以僅從一個全站儀的簡單建立得到。

6)指紋定位法(Finger printing)

指紋定位采集的標準量是射頻信號,但指紋定位法也可采用聲音信號、光信號或其他無線信號實現(xiàn)。指紋定位通常包括2個階段:第一階段,離線校準階段,通過實際采集或計算分析建立指紋地圖。具體地,選擇室內(nèi)場景中的多個位置點采集多個基站發(fā)出的信號的強度并加入到指紋數(shù)據(jù)庫中。第二階段,定位階段,通過將實際實時接收到的信號與指紋數(shù)據(jù)庫中的信號特征參數(shù)進行對比找到最好的匹配參數(shù),其對應的位置坐標即認為是待測目標的位置坐標。指紋定位的優(yōu)勢是幾乎不需要參考測量點,定位精度相對較高,但缺點是前期離線建立指紋庫的工作量巨大,同時很難自適應于環(huán)境變化較大的場景。

7)航位推算法(Dead Reckoning)

航位推算法是在已知上一位置的基礎上,通過計算或已知的運動速度和時間計算得到當前的位置。該方法在導彈或火箭導航中廣泛應用,但該方法存在累積誤差,定位精度隨著時間增加而惡化。在室內(nèi)場景中針對行人的定位有對應的行人航位推算(Pedestrian Dead Reckoning, PDR),通過行人攜帶的傳感器計算行人行走的每一步的步長和方向,從而迭代地從上一位置計算得到當前位置[8]。

1.2 室內(nèi)定位觀測量

不同的室內(nèi)定位方法選擇不同的觀測量,通過不同的觀測量提取算法所需要的信息。下面對主要的觀測量進行簡要的介紹。

1.2.1 RSSI測量

RSSI測量是通過計算信號的傳播損耗,可以使用理論或者經(jīng)驗模型來將傳播損耗轉(zhuǎn)化為距離,也可以用于指紋定位建立指紋庫。

在自由空間中,距發(fā)射機d處的天線接收到的信號強度可由下式給出[4]

(1)

其中,PT表示發(fā)射功率；PR表示距離d處的接收功率；GT表示發(fā)射天線的增益；GR表示接收天線的增益；λ表示信號波長；L表示系統(tǒng)的損失(L>1) 。

1.2.2 TOA測量

TOA方法主要測量信號在基站和移動臺之間的單程傳播時間或來回傳播時間。前者要求基站與移動臺間的時鐘同步。

TOA測量的定位方法為多邊定位。若電磁波從移動臺到基站的傳播時間為t,電磁波的傳播速度為c,則移動臺位于以該基站為圓心,c×t為半徑的圓上。同理在第二個、第三個基站的圓上,故移動臺的位置坐標應為這3個圓的交點。如圖1所示,A、B、C為3個已知位置的基站,P為移動臺,R1、R2、R3分別為移動臺到基站A、B、C的距離。

圖1 基于TOA的定位原理[9]Fig.1 Positioning principle based on TOA

1.2.3 TDOA測量

該方法同樣是測量信號到達時間,但使用到達時間差進行定位計算,可利用雙曲線交點確定移動臺位置,故可以避免對基站和移動臺的精確同步。

通過TDOA測量,可以得到未知移動臺到2個基站的距離之差,即移動臺位于以2個基站為焦點的雙曲線上。引入第三個基站,可以得到2個以上雙曲線方程,則雙曲線的交點即為移動臺的位置。如圖2所示,A、B、C為3個已知位置的基站,P為移動臺,R1、R2、R3分別為移動臺到基站A、B、C的距離,其中R2-R1、R3-R1為定值。

圖2 基于TDOA的定位原理[9]Fig.2 Positioning principle based on TDOA

1.2.4 AOA測量

AOA方法是指接收機通過天線陣列測出電磁波的入射角度,包括測量基站信號到移動臺的角度或者移動臺信號到達基站的角度。每種方式均會產(chǎn)生從基站到移動臺的方向線。2個基站可以得到2條方向線,其交點即為移動臺位置。因此,AOA方法只需要2個基站即可確定移動臺位置。如圖3所示,θ1為移動臺P的信號到達基站A的角度,θ2為信號到達基站B的角度。

圖3 基于AOA的定位原理[9]Fig.3 Positioning principle based on AOA

AOA需要準確測量電磁波的入射角,對天線的要求非常高,如果每個基站均安裝天線陣列,將導致設備復雜度變高。而在室內(nèi)環(huán)境中多徑效應和環(huán)境變化均會嚴重影響方向判斷,干擾定位結果。

1.2.5 方向和距離

獲取方向和距離多用于航位推算定位,采用自包含傳感器記錄載體的物理信息,計算得到方向和距離,從而在已知上一位置的基礎上計算得到當前的位置。

1.3 室內(nèi)定位分類

室內(nèi)定位技術的分類對于室內(nèi)定位結構體系的構建具有重要的價值。華盛頓大學的J. Hightower和G. Borriello在2001年就提出了以定位位置類型、絕對/相對定位、主動/被動定位、精度、覆蓋范圍、所用信號等方面對定位技術進行分類,以方便研究人員和開發(fā)者更好地評估一個定位系統(tǒng)[10]。清華大學的劉長征等在2003年根據(jù)測量和計算的實體將定位技術分為基于網(wǎng)絡的定位技術和基于移動終端的定位技術[11]。北京理工大學的房秉毅在2006年根據(jù)應用精度將室內(nèi)定位技術大致分為目標發(fā)現(xiàn)類和智能空間類[12]。李泳按照通信手段和測量所采用的技術對室內(nèi)定位系統(tǒng)進行了分類[13]。

2009年,梁元誠提出了三種室內(nèi)定位技術的分類方法:基于位置感知技術,分為基于臨近關系、基于三角關系和基于場景分析的定位技術；基于信號測量技術,分為基于RSSI測量、基于TOA測量、基于TDOA測量、基于AOA測量、基于Cell-ID以及基于誤比特率(Bit Error Rate，BER)測量的定位；基于傳感器類型,可以分為基于RFID、紅外線、超聲波系統(tǒng)、藍牙、超寬帶系統(tǒng)、Zigbee、WLAN、GSM和GPS等[14]。

同年,F. Seco根據(jù)室內(nèi)定位中的定位算法,將定位技術分為四類:基于幾何的方法、基于成本最小化的方法、指紋定位和貝葉斯技術[15]。

2013年,北京郵電大學的鄧中亮提出按照定位原理可以分為識別(Identity)、幾何法和指紋定位；按照傳輸信號不同分為Wi-Fi、Zigbee、RFID、藍牙、超寬帶、偽衛(wèi)星、蜂窩網(wǎng)絡和激光等[16]。

同時,按照定位范圍分為廣域室內(nèi)定位和居于室內(nèi)定位[17]。其他常見的定位分類標準還有:基于距離和距離無關的定位技術、遞增式和并發(fā)式的定位技術、基于信標節(jié)點和無信標節(jié)點的定位技術以及集中式定位與分布式定位技術等[13]。

1.4 主流的室內(nèi)定位技術

根據(jù)前面介紹的定位方法,衍生出了多種室內(nèi)定位技術,下面將對主流的室內(nèi)定位技術進行簡要介紹。

1.4.1 視覺定位

視覺定位系統(tǒng)可以分為兩類,一類是通過移動的傳感器(如攝像頭)采集圖像確定該傳感器的位置,另一類是固定位置的傳感器確定圖像中待測目標的位置。根據(jù)參考點選擇不同又可以分為參考三維建筑模型、圖像、預部署目標、投影目標、參考其他傳感器和無參考[18]。參考3D建筑模型和圖像分別是以已有建筑結構數(shù)據(jù)庫和預先標定圖像進行比對。而為了提高魯棒性,參考預部署目標使用布置好的特定圖像標志(如二維碼)作為參考點；投影目標則是在參考預部署目標的基礎上在室內(nèi)環(huán)境投影參考點。參考其他傳感器則可以融合其他傳感器數(shù)據(jù)以提高精度、覆蓋范圍或魯棒性。

Hile和Borriello使用照相手機比對圖像和樓層平面圖,達到了30cm的定位精度[19]。Sj?使用一個低分辨率相機基于參考圖像實現(xiàn)同時定位與地圖創(chuàng)建(Simultaneous Localization And Mapping，SLAM)算法,達到了亞米級的定位精度[20]。Mulloni使用條形碼作為參考點標記,實現(xiàn)了厘米到分米級的定位精度[21]。Tilch和Mautz使用一個移動相機和激光儀作投影,定位精度可達到亞毫米級[22]。LiuT.使用1個6自由度慣性測量單元(Inertial Measurement Unit, IMU)和2個激光掃描器獲取位置,平均定位精度達到行走距離的1%[23]。

1.4.2 紅外線定位

紅外線是一種波長在無線電波和可見光波之間的電磁波。基于紅外線的定位系統(tǒng)主要可以分為兩類:有源信標、紅外成像[4]。

有源信標是在室內(nèi)放置若干紅外接收機,同時待測物攜帶一個裝有紅外發(fā)射機的電子標簽。該標簽周期發(fā)送該待測物的ID,接收機接收到信號后將數(shù)據(jù)發(fā)送到數(shù)據(jù)庫進行定位。該方法具有代表性的是AT&T實驗室和劍橋在1992年聯(lián)合發(fā)布的Active Badge系統(tǒng)。該系統(tǒng)可以達到6m的平均定位精度[24]。

紅外成像則是通過傳感器采集環(huán)境中自然紅外輻射生成圖像實現(xiàn)檢測行人或其他待測目標。2011年德國Ambiplex提供基于自然環(huán)境熱輻射的IR.Loc定位系統(tǒng),基于AOA確定熱源的位置,可實現(xiàn)10m范圍內(nèi)20～30cm的定位精度[25]。

1.4.3 極點定位(Polar Systems)

該系統(tǒng)通過儀器測量到達角或者到達時間進行定位,儀器通常有激光跟蹤儀、全站儀和經(jīng)緯儀。全站儀的可覆蓋范圍通常為2～10km,但其設備高成本、大體積以及對可視距的要求使其不適用于在室內(nèi)定位中推廣。

NikonMetrology在2011年發(fā)布的iGPS(indoor Global Positioning System)實現(xiàn)了基于激光的室內(nèi)工業(yè)級高精度三維定位。其原理與GPS不同,包括不少于2個固定位置的發(fā)射器發(fā)射扇形激光束和參考紅外脈沖,基于TDOA原理實現(xiàn)對接收機的定位。NikonMetrology宣稱該系統(tǒng)可實現(xiàn)在布設4～8個發(fā)射器的1200m2的典型測試環(huán)境中實現(xiàn)0.2mm的三維定位精度[26]。但其造價十分昂貴,可用于工業(yè)級定位需求,不適合于大眾市場研究和推廣。

1.4.4 超聲波定位

超聲波定位主要采用反射式測距法,通過多邊定位等方法確定物體位置,系統(tǒng)由一個主測距器和若干接收器組成,主測距儀可放置在待測目標上,接收器固定于室內(nèi)環(huán)境中。定位時,向接收器發(fā)射同頻率的信號,接收器接收后又反射傳輸給主測距器,根據(jù)回波和發(fā)射波的時間差計算出距離,從而確定位置[27]。

Ward于1997年建立的ActiveBat是超聲定位的先驅(qū),通過大量部署接收設備(720個標簽),達到3cm的定位精度[28]。超聲波定位整體定位精度較高,結構簡單,但超聲波受多徑效應和非視距傳播影響很大,且超聲波頻率受多普勒效應和溫度影響,同時也需要大量基礎硬件設施,成本較高。

1.4.5 WLAN定位

基于IEEE802.11b標準的無線局域網(wǎng)已在人們的生活場所大量部署,使用WLAN信號定位的優(yōu)勢在于不需要部署額外設備,定位成本低,信號覆蓋范圍大,適用性強,利于普及推廣[9]。

基于RSSI的指紋定位法是目前主流的WLAN定位方法[29],定位精度取決于校準點的密度,從2～10m不等。同時基于TOA測距的定位方法由于多徑效應和時鐘分辨率低定位效果較差[30],而基于RSSI測距的定位方法由于信號衰減與距離的關系在不同環(huán)境和設備條件下都有改變,定位結果也不理想。

1.4.6 RFID定位

RFID是一種操控簡易,適用于自動控制領域的技術,它利用電感和電磁耦合的傳輸特性,實現(xiàn)對被識別物體的自動識別。RFID定位系統(tǒng)通常由電子標簽、射頻讀寫器以及計算機數(shù)據(jù)庫構組成。最常應用的定位方法是鄰近檢測法。利用RSSI實現(xiàn)多邊定位算法也可一定程度上實現(xiàn)范圍估計。根據(jù)電子標簽是否有源可以分為有源RFID和無源RFID。

1)有源RFID

有源RFID的電子標簽包含電池,因此信號傳輸范圍相比于無源RFID更大,達到30m以上。同時可以實現(xiàn)基于RSSI測量的指紋定位[31]。Seco使用高斯過程描述RSSI在室內(nèi)的傳播結合指紋定位的方法,在1600m2的實驗環(huán)境中采用71個RFID標簽實現(xiàn)50%定位誤差1.5m[32]。

2)無源RFID

無源RFID系統(tǒng)只依賴電感耦合,因此沒有電池。相比有源RFID,體積更小,耐用性更高,成本更低。無源RFID定位系統(tǒng)多使用鄰近探測法實現(xiàn)定位。

1.4.7 超寬帶定位

超寬帶定位系統(tǒng)通常包括UWB接收器、參考標簽和其他標簽。超寬帶技術通過發(fā)送ns級及其以下的超窄脈沖來傳輸數(shù)據(jù),可以獲得GHz級的數(shù)據(jù)帶寬,發(fā)射功率較低,無載波[33]。因為其高帶寬,理論上基于TOA或TDOA方法可以實現(xiàn)cm級的定位。Ubisense是發(fā)布于2011年采用TDOA和AOA的室內(nèi)定位系統(tǒng),定位精度可達15cm,測距范圍達到50m[34]。但UWB系統(tǒng)較高的系統(tǒng)建設成本阻礙了其普及推廣。

1.4.8 慣性導航

慣性導航系統(tǒng)(Inertial Navigation System, INS)廣泛應用于制導武器、艦艇、火箭、飛機和車輛等的導航與跟蹤,其核心組件IMU,由3個正交的單軸加速度計和3個正交的陀螺儀組成。隨著微機電技術的發(fā)展,傳感器尺寸變小,成本降低,同時加入磁力計,被廣泛應用于行人導航[35]。

慣性導航基于航位推算方法實現(xiàn),因此隨著時間會產(chǎn)生累積誤差,其定位精度取決于傳感器質(zhì)量和傳感器安放位置[36]。綁在腳上的慣性導航可采用零速校正限制漂移實現(xiàn)定位誤差小于行走距離的1%,而安放在其他位置則定位誤差常常大于1%。隨著智能手機的普及和微機電器件的發(fā)展,基于智能手機的慣性導航成為研究熱點[37-40]。

1.4.9 地磁定位

現(xiàn)代建筑物基本都具有鋼筋混凝土結構,這些建筑物墻體內(nèi)部的金屬結構會對室內(nèi)的地磁場產(chǎn)生很大影響,而室內(nèi)的電氣設備也會對磁場產(chǎn)生影響。同時室內(nèi)磁場具有較強的穩(wěn)定性[41]。故室內(nèi)地磁場是一種可運用于室內(nèi)定位導航的有效信息源。地磁定位是指利用地磁場特征的特異性獲取位置信息的技術方案[42]。定位方法主要采用指紋定位的方法。由于原有磁場信息,故成本相比其他定位技術更低,但仍需要人工建立數(shù)據(jù)庫。IndoorAtlas的地磁定位方案是其中代表,定位精度已能達到1～2m[43]。

1.4.10 偽衛(wèi)星

偽衛(wèi)星是一種基于地面的能傳播類似GNSS信號的發(fā)生器,最簡單的組成是GNSS信號發(fā)生器和發(fā)射裝置[44]。采用與GNSS信號體制不同的偽衛(wèi)星,可避免對正常衛(wèi)星信號的干擾,可達到cm級定位精度,但設備復雜,成本很高。Locata在2010年發(fā)布的系統(tǒng)可實現(xiàn)50km2內(nèi)2cm的定位精度[45]。

1.4.11 藍牙和ZigBee定位

藍牙和ZigBee技術類似,有部分重合頻段,且兩者定位技術均基于短距離低功耗通信協(xié)議:ZigBee是基于IEEE802.15.4標準的低功耗局域網(wǎng)協(xié)議；目前藍牙定位主要使用藍牙4.0規(guī)范,基于低功耗藍牙技術(Bluetooth Low Energy, BLE)。兩者都具有近距離、低功耗、低成本的特點[46-47]。ZigBee(藍牙)的定位均通過在室內(nèi)環(huán)境中布置靜態(tài)參考點(藍牙beacon),可以實現(xiàn)基于鄰近探測法、質(zhì)心法[48]、多邊定位和指紋定位的定位系統(tǒng)[49-50]。定位精度主要取決于基礎設施的部署密度。2016年發(fā)布的藍牙5.0協(xié)議支持BLE Direction Finding的 Angle of Arrival(AoA)和Angle of Departure(AoD)參數(shù)估計,這些參數(shù)將為1m以內(nèi)的室內(nèi)定位提供技術支撐。

1.4.12 蜂窩網(wǎng)絡定位

蜂窩網(wǎng)絡技術是一種成熟的通信技術,主要用于對移動手機的定位。蜂窩網(wǎng)絡通過檢測移動臺和多個基站之間傳播信號的特征參數(shù)(RSSI、傳播時間或時間差、入射角等)[51],可采用鄰近探測法、AOA、TOA和觀測到達時間差(Observed Time Difference Of Arrival,OTDOA)[52]實現(xiàn)定位,可作為普適化的定位方案。目前Cell-ID加上RTT解決方案精度為20～60m。采用智能天線MIMO+TDOA/AOA技術,精度可以達到5～10m。未來的5G網(wǎng)絡具有大帶寬、多天線、密集組網(wǎng)等優(yōu)勢,可以實現(xiàn)1m以內(nèi)的定位精度。

1.4.13 融合定位

融合定位是指融合多種定位技術、多傳感器的信息進行綜合定位,以達到優(yōu)勢互補,提高定位精度、魯棒性,降低定位成本。定位技術的選擇則主要視場景需求而定,多為絕對定位技術與相對定位技術的結合,如浙江大學郭偉龍實現(xiàn)了地磁與慣導結合的室內(nèi)定位系統(tǒng)[41],平穩(wěn)步行時90%定位誤差小于4.5m；上海交通大學錢久超將慣導定位與地圖結合實現(xiàn)手機端的室內(nèi)定位,正常持握手機姿態(tài)下95%誤差為0.8m[36]；同時也有很多研究將WiFi與慣導結合[53-54]取得了較好的效果。針對行人復雜的運動行為[55-56],提出了運動識別輔助的行人定位方法,提高了室內(nèi)定位的魯棒性。

1.4.14 協(xié)同定位

協(xié)同定位是指在一個定位場景中存在已知節(jié)點和未知節(jié)點,未知節(jié)點之間可以進行信息交互,也可以相互之間進行測距、測向或鄰近探測,并且可以利用過去時刻的定位信息,從而實現(xiàn)對未知節(jié)點當前時刻的定位。協(xié)同定位的具體方式可根據(jù)具體定位技術調(diào)整,目標在于通過節(jié)點之間的協(xié)同合作提升單個節(jié)點及整個系統(tǒng)的定位性能[57]。協(xié)同定位在多機器人定位、無線網(wǎng)絡定位、水下自主航行器及衛(wèi)星定位等研究中正受到越來越多的關注。文獻[58]對無線傳感網(wǎng)絡關于協(xié)同定位的研究進行了綜述。意大利都靈理工大學的R. Garello團隊進行了協(xié)同定位對衛(wèi)星定位終端輔助捕獲的研究,并比較了幾種常見的定位算法的性能[59]。文獻[60]對水下自主航行器的協(xié)同定位進行了綜述。

1.4.15 群智感知 (Crowd sensing)

群智感知是將普通用戶的移動設備作為基本感知單元,通過網(wǎng)絡通信形成群智感知網(wǎng)絡,從而實現(xiàn)感知任務分發(fā)與感知數(shù)據(jù)收集,完成大規(guī)模、復雜的社會感知任務。在計算機科學領域,與群智感知相關的概念有:群體計算(Crowd computing)、社群感知(Social sensing)、眾包(Crowd sourcing)等。在室內(nèi)定位領域,群智感知也得到廣泛的研究和應用。文獻[61]分析了利用Crowd Sensing進行機會信號獲取,并應用于室內(nèi)定位方法。清華大學的吳陳沭利用移動群智感知機制,提出了無人工現(xiàn)場勘測的無線信號指紋地圖構建技術[62]。上海交通大學的張敏將用戶的運動信息與無線信號結合,通過無線虛擬地標和GraphSLAM圖優(yōu)化方法,利用群智感知建立無線定位指紋庫[63]。上海交通大學的高文政同樣基于群智感知,提出了指紋信號的衰減生命周期描述方法,實現(xiàn)了對無線定位網(wǎng)絡指紋庫的自適應更新[64]。

1.5 室內(nèi)定位技術對比分析

室內(nèi)定位技術對比分析如表1所示。

表1 室內(nèi)定位技術對比Tab.1 The comparison of different indoor positioning technologies

2 室內(nèi)定位技術的應用

室內(nèi)定位技術作為定位技術在室內(nèi)環(huán)境中的延續(xù),彌補了傳統(tǒng)定位技術的不足,目前已經(jīng)在特定的行業(yè)內(nèi)投入實際應用,并取得了一定的應用成果,具有良好的應用前景。

2.1 室內(nèi)位置服務

室內(nèi)位置服務在大型商超、機場、酒店、博物館、會展中心等大型室內(nèi)場景中得到了應用。在布局比較復雜的大型超市中,用戶能夠查找感興趣商品的所在位置；在大型購物商場,用戶也可以查找想要去的店鋪和娛樂場所,同時商家也可以針對性地進行廣告推送,提供個性化營銷；在博物館或會展中心,室內(nèi)定位也可以方便地提供定位導航服務。

2.2 公共安全

室內(nèi)定位對應急救援、消防、安全執(zhí)法等方面具有重要作用。當發(fā)生地震、火災等緊急事件時,救援的必要條件是快速確定人員位置。特別是當建筑物由于緊急事件布局發(fā)生變化時,憑借經(jīng)驗很難快速定位人員位置。室內(nèi)定位技術可以為救援提供強有力的技術支持,更好地保障救援人員和受困人員的安全,更快地開展有效救援。

2.3 人員物品管理

室內(nèi)定位可以為特殊人群如學生、病人、犯人等提供室內(nèi)的定位監(jiān)護服務。具體來說,為學生父母提供學生的到校情況；為公司員工提供簽到服務；為監(jiān)獄提供犯人活動情況匯報；為幼兒園設立電子圍欄提供實時監(jiān)護。

同時,室內(nèi)定位也可以為倉儲提供物品的定位服務,方便物品的防盜、整理、運輸,提供全程的位置記錄。

2.4 智能交通

室內(nèi)定位技術結合傳統(tǒng)定位技術可提供室內(nèi)外無縫定位導航服務,可為車輛提供從道路到停車場的全程導航服務,同時也解決了大型復雜地下停車場的尋車難題。

2.5 大數(shù)據(jù)分析

室內(nèi)定位可以記錄用戶的活動軌跡,對這些數(shù)據(jù)進行大數(shù)據(jù)分析,將用戶的位置與行為及其背后的興趣偏好聯(lián)系起來。因此,對室內(nèi)定位數(shù)據(jù)進行挖掘和分析具有極大的商業(yè)價值和應用前景。例如對某商場的消費者活動進行分析,可以分析出消費者對某個店鋪的光顧頻率和停留時間,從而得出消費者的興趣和偏好以及店鋪熱度,為商業(yè)分析提供有力幫助。

2.6 社交網(wǎng)絡

社交網(wǎng)絡在人們的生活中扮演著重要的角色,位置是社交網(wǎng)絡的核心,在占人們生活時間80%左右的室內(nèi)環(huán)境下,真實準確的位置能把朋友與活動關聯(lián)起來。

3 室內(nèi)定位的難點及發(fā)展趨勢

盡管室內(nèi)定位技術的精度不斷提高,但仍沒有在各行各業(yè)中得到普及推廣,主要存在以下難點:

1)環(huán)境復雜。室內(nèi)環(huán)境布局復雜多變,障礙物很多,包括家具、房間和行人等。同時室內(nèi)環(huán)境干擾源多,燈光、溫度、聲音等干擾源都會對定位造成一定影響。

2)未知環(huán)境定位困難。目前大部分室內(nèi)定位技術都是基于對室內(nèi)環(huán)境有先驗了解,一些定位技術還需要提前布設基站,但實際應用中可能得不到環(huán)境信息,或者定位基站受干擾、被破壞,如地震、火災現(xiàn)場。減少對環(huán)境的依賴性也是室內(nèi)定位的一個難點。

3)定位精度與成本難以兼顧。目前的高精度室內(nèi)定位技術均需要比較昂貴的額外輔助設備或前期大量的人工處理,這些都大大制約了技術的推廣普及。低成本的定位技術則在定位精度上需要提高。在提供高精度定位的基礎上降低成本也是室內(nèi)定位的一個方向。

隨著室內(nèi)定位技術的不斷發(fā)展,高精度、低成本、普適的室內(nèi)定位技術是未來研究的目標。綜合利用各種定位技術及信息的融合定位將是解決目前室內(nèi)定位難點的可行方案。快速發(fā)展的計算機視覺、5G移動通信網(wǎng)絡、NB-IOT物聯(lián)網(wǎng)等技術將為室內(nèi)定位技術提供更多的技術途徑。未來,像室外GNSS一樣大規(guī)模廣泛應用的室內(nèi)定位方案必然會出現(xiàn),結合室外定位技術實現(xiàn)全空間無縫定位。

4 結束語

室內(nèi)定位的需求已經(jīng)體現(xiàn)在人們生活的方方面面,如何實現(xiàn)高精度、低成本、普適的室內(nèi)定位是定位領域正在解決的問題。本文介紹了目前主要的室內(nèi)定位方法、定位技術、應用場景和發(fā)展難點。可供參考。

[1] Transit(satellite)[DB/OL].(2016-02-17).https://en.wikipedia.org/wiki/Transit_(satellite).

[2] Global Positioning System[DB/OL]. (2016-02-17). https://en.wikipedia.org/wiki/Global_Positioning_System.

[3] Wang S S, Green M, Malkawa M. E-911 location standards and location commercial services[C]//Emerging Technologies Symposium: Broadband, Wireless Internet Access. IEEE Xplore, 2000:5.

[4] Mautz R.Indoor positioning technologies[M].Südwestdeutscher verlag für hochschulschriften, 2012.

[5] Drane C R, Duffettsmith P, Hern S, et al. Mobile location without network-based synchronization or how to do E-OTD without LMUs[C]//Proceedings of SPIE - The international society for Optical Engineering, 2003, 5084:59-66.

[6] Dwiyasa F, Lim M H. A survey of problems and approaches in wireless-based indoor positioning[C]// International Conference on Indoor Positioning and Indoor Navigation, 2016:1-7.

[7] Kemppi P, Rautiainen T, Ranki V, et al. Hybrid positioning system combining angle-based localization, pedestrian dead reckoning and map filtering[C]// International Conference on Indoor Positioning and Indoor Navigation. IEEE, 2010:1-7.

[8] Qian J, Ma J, Xu L, et al. Investigating the use of MEMS based wrist-worn IMU for pedestrian navigation application[C]//Proceedings of the 26thInternational Technical Meeting of the ION Satellite Division, ION GNSS. 2013.

[9] 趙永翔. 基于無線局域網(wǎng)的室內(nèi)定位系統(tǒng)研究[D]. 武漢大學, 2010.

[10] Hightower J, Borriello G. Location systems for ubiquitous computing[J]. Computer, 2001, 34(8):57-66.

[11] 劉長征, 李緯, 丁辰,等. 多種定位技術融合構建LBS體系[J]. 地理信息世界, 2003, 1(3):24-27.

[12] 房秉毅. 基于超寬帶技術的室內(nèi)定位系統(tǒng)[J]. 電子技術應用, 2006, 32(7):124-127.

[13] 李泳. 基于ZigBee技術的室內(nèi)定位系統(tǒng)設計[D]. 上海師范大學, 2008.

[14] 梁元誠. 基于無線局域網(wǎng)的室內(nèi)定位技術研究與實現(xiàn)[D]. 電子科技大學, 2009.

[15] Seco F, Jimenez A R, Prieto C, et al. A survey of mathematical methods for indoor localization[C]// IEEE International Symposium on Intelligent Signal Processing. IEEE, 2009:9-14.

[16] 鄧中亮, 余彥培, 袁協(xié),等. 室內(nèi)定位現(xiàn)狀與發(fā)展趨勢研究[J]. 中國通信(英文版), 2013, 10(3):50-63.

[17] 劉祺, 朱秋月, 馮莎. 室內(nèi)定位技術的研究綜述[J]. 計算機時代, 2016(8):13-15.

[18] Mautz R, Tilch S. Survey of optical indoor positioning systems[C]// International Conference on Indoor Positioning and Indoor Navigation. 2011:1-7.

[19] Hile H, Borriello G. Positioning and orientation in indoor environments using camera phones[J]. IEEE Computer Graphics and Applications, 2008, 28(4):32-39.

[20] Kragic D. Object search and localization for an indoor mobile robot[J]. Journal of Computing & Information Technology, 2009, 17(1):67-80.

[21] Mulloni A, Wagner D, Barakonyi I, et al. Indoor positioning and navigation with camera phones[J]. IEEE Pervasive Computing, 2009, 8(2):22-31.

[22] Tilch S, Mautz R. Development of a new laser-based, optical indoor positioning system[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences Commission, 2010, 1501: 575-580.

[23] Liu T, Carlberg M, Chen G, et al. Indoor localization and visualization using a human-operated backpack system[C]//2010 International Conference on Indoor Positioning and Indoor Navigation (IPIN). IEEE, 2010: 1-10.

[24] Want R. The active badge location system[J]. ACM Transactions on Information Systems(TOIS), 1992, 10(1):91-102.

[25] Ambiplex[EB/OL].(2016-02-17). http://www.ambiplex.com/.

[26] iGPS. Nikon Metrology[EB/OL]. (2016-02-17). http://www.nikonmetrology.com/en_EU/Products/Large-Volume-Applications/iGPS/iGPS/(key_features).

[27] 吳雨航, 吳才聰, 陳秀萬,等. 幾種室內(nèi)無線定位技術簡介[J]. 中國測繪報, 2008(1):29.

[28] Ward A, Jones A, Hopper A. A new location technique for the active office[J]. IEEE Personal communications, 1997, 4(5): 42-47.

[29] Yuan Y, Pei L, Xu C, et al. Efficient WiFi fingerprint training using semi-supervised learning[C]//Ubiquitous Positioning Indoor Navigation and Location Based Service (UPINLBS), 2014. IEEE, 2014: 148-155.

[30] Reddy H, Chandra M G, Balamuralidhar P, et al. An improved time-of-arrival estimation for WLAN-based local positioning[C]// International Conference on Communication Systems Software and Middleware, 2007. COMSWARE. IEEE Xplore, 2007:1-5.

[31] Gikas V, Dimitratos A, Perakis H, et al. Full-scale testing and performance evaluation of an active RFID system for positioning and personal mobility[C]// International Conference on Indoor Positioning and Indoor Navigation.IEEE, 2016:1-8.

[32] Seco F, Plagemann C, Jimenez A R, et al. Improving RFID-based indoor positioning accuracy using Gaussian processes[C]// International Conference on Indoor Positioning and Indoor Navigation(IPIN). IEEE Xplore, 2010:1-8.

[33] 阮陵, 張翎, 許越,等. 室內(nèi)定位:分類、方法與應用綜述[J]. 地理信息世界, 2015(2):8-14.

[34] Ubisense[EB/OL].(2016-02-17).https://ubisense.net/en.

[35] 陳偉. 基于GPS和自包含傳感器的行人室內(nèi)外無縫定位算法研究[D]. 中國科學技術大學, 2010.

[36] Qian J, Pei L, Ma J, et al. Vector graph assisted pedestrian dead reckoning using an unconstrained smartphone[J]. Sensors, 2015, 15(3): 5032-5057.

[37] Qian J, Pei L, Ying R, et al. Continuous motion recognition for natural pedestrian dead reckoning using smartphone sensors[C]//Proceedings of the 27thInternational Technical Meeting of the ION Satellite Division, ION GNSS. 2014.

[38] Wang L, Dong Z, Pei L, et al. A robust context-based heading estimation algorithm for pedestrian using a smartphone[C]//Proceedings of the 28thinternational technical meeting of the satellite division of the institute of navigation (ION GNSS 2015). Tampa, FL USA, SEP. 2015: 14-18.

[39] Qian J, Pei L, Ying R, et al. Continuous motion recognition for natural pedestrian dead reckoning using smartphone sensors[C]//Proceedings of the 27thInternational Technical Meeting of the ION Satellite Division, ION GNSS. 2014.

[40] Liu D, Pei L, Qian J, et al. A novel heading estimation algorithm for pedestrian using a smartphone without attitude constraints[C]// 2016 4thInternational Conference on Ubiquitous Positioning, Indoor Navigation and Location Based Services (UPINLBS). IEEE, 2016: 29-37.

[41] 郭偉龍. 融合多源信息的室內(nèi)定位算法研究[D]. 浙江大學, 2016.

[42] Haverinen J, Kemppainen A. A geomagnetic field based positioning technique for underground mines[C]// IEEE International Symposium on Robotic and Sensors Environments(ROSE). IEEE, 2011:7-12.

[43] IndoorAtlas[EB/OL].(2016-02-17). http://www.indooratlas.com/how-it-works/.

[44] 黃聲享,劉賢三, 劉文建,等. 偽衛(wèi)星技術及其應用[J]. 測繪地理信息, 2006, 31(2):49-51.

[45] Locata[EB/OL].(2016-02-17). http://www.locata.com/.

[46] 汪苑, 林錦國. 幾種常用室內(nèi)定位技術的探討[J]. 中國儀器儀表, 2011(2):54-57.

[47] 劉明偉, 劉太君, 葉焱,等. 基于低功耗藍牙技術的室內(nèi)定位應用研究[J]. 無線通信技術, 2015, 24(3):19-23.

[48] Subedi S, Kwon G R, Shin S, et al. Beacon based indoor positioning system using weighted centroid localization approach[C]//2016 8thInternational Conference on Ubiquitous and Future Networks (ICUFN). IEEE, 2016: 1016-1019.

[49] Dahlgren E, Mahmood H. Evaluation of indoor positioning based on Bluetooth Smart technology[J]. Master'sThesis, Chalmers, 2014.

[50] Pei L, Chen R, Liu J, et al. Using inquiry-based Bluetooth RSSI probability distributions for indoor positioning[J]. Journal of Global Positioning Systems,2010, 9(2):122-130.

[51] 鄧平. 蜂窩網(wǎng)絡移動臺定位技術研究[D]. 西南交通大學, 2002.

[52] Wang C, Xu J. Enhanced OTDOA Technology in 3G Location Service[J]. Telecommunications Science, 2005,8:5.

[53] Chen G, Meng X, Wang Y, et al. Integrated WiFi/PDR/Smartphone using an unscented Kalman Filter algorithm for 3D indoor localization[J]. Sensors, 2015, 15(9):24595-24614.

[54] Liu J, Chen R, Pei L, et al. A hybrid smartphone indoor positioning solution for mobile LBS[J]. Sensors, 2012, 12(12):17208-17233.

[55] Pei L, Liu J, Guinness R, et al. Using LS-SVM based motion recognition for smartphone indoor wireless positioning[J]. Sensors, 2012, 12(12):6155-6175.

[56] Pei L, Guinness R, Chen R, et al. Human behavior cognition using smartphone sensors[J]. Sensors, 2013, 13(2):1402-1424.

[57] 田世偉, 戴衛(wèi)恒,李廣俠,等. 協(xié)同定位研究綜述[C]// 中國衛(wèi)星導航學術年會.2013.

[58] Patwari N, Ash J N, Kyperountas S, et al. Locating the nodes: cooperative localization in wireless sensor networks[J]. IEEE Signal Processing Magazine , 2005, 22(4):54-69.

[59] Garello R, Presti L L, Corazza G E, et al. Peer-to-peer cooperative positioning: part I: GNSS aided acquisition[J]. Inside GNSS, 2012:55-63.

[60] 張立川, 許少峰, 劉明雍,等. 多無人水下航行器協(xié)同導航定位研究進展[J]. 高技術通訊, 2016, 26(5):475-482.

[61] Pei L, Zhang M, Zou D, et al. A survey of crowd sensing opportunistic signals for indoor localization[J]. Mobile Information Systems, 2016, 2016(3):1-16.

[62] 吳陳沭. 基于群智感知的無線室內(nèi)定位[D]. 清華大學, 2015.

[63] Zhang M, Pei L, Deng X. GraphSLAM-based Crowdsourcing framework for indoor Wi-Fi fingerprinting[C]//4thInternational Conference on Ubiquitous Positioning, Indoor Navigation and Location Based Services(UPINLBS). IEEE,2016:61-67.

[64] Gao W, Pei L, Xu C, et al. Crowdsensing-based organic fingerprint for Wi-Fi localization[C]//4thInternational Conference on Ubiquitous Positioning, Indoor Navigation and Location Based Services(UPINLBS). IEEE,2016:79-88.

A Survey of Indoor Positioning Technology and Application

PEI Ling, LIU Dong-hui , QIAN Jiu-chao

(Shanghai Jiao Tong University, Key Laboratory of Navigation and Location-based Services, Shanghai 200240，China)

In recent years, with the increasing demand for location-based services and invalidity of satellite positioning based global navigation satellite system in indoor environment, indoor positioning technology has a rapid development, gradually plays an important role in various industries and thus influences people’s daily life in many aspects. This paper makes detailed introductions of the classification, positioning principle, method of the current mainstream indoor positioning technologies in the first place. Then the analysis and comparison of the research work of indoor positioning technology are introduced. Finally, this paper makes a brief description of the application and problems of indoor positioning technology.

Location-based services； Indoor positioning； Positioning technology

10.19306/j.cnki.2095-8110.2017.03.001

2017-03-08；

2017-04-01

上海市科委項目(15511105100)

裴凌(1977-)，男,博士,副教授,研究方向為室內(nèi)定位與融合導航。E-mail:ling.pei@sjtu.edu.cn

U666.12

A

2095-8110(2017)03-0001-10