一種基于行為和航跡特征的室內(nèi)定位方法研究

李寶林 馬東群 李 都 江 艷

(西華師范大學(xué)計(jì)算機(jī)學(xué)院 四川 南充 637000)

?

一種基于行為和航跡特征的室內(nèi)定位方法研究

李寶林 馬東群 李 都 江 艷

(西華師范大學(xué)計(jì)算機(jī)學(xué)院 四川 南充 637000)

對(duì)基于Wi-Fi的指紋定位算法進(jìn)行了深入研究和分析，并以LBS的應(yīng)用為研究背景，解決指紋定位算法在離線(xiàn)階段和實(shí)時(shí)定位階段所存在的問(wèn)題及提高室內(nèi)定位的可靠性和有效性為研究目標(biāo)。在對(duì)被定位目標(biāo)在整個(gè)過(guò)程中所表現(xiàn)的行為特征研究的基礎(chǔ)上提出一種基于行人航跡和行為特征的定位算法。該算法在有少量AP的情況下，充分利用行人的行走、轉(zhuǎn)向以及軌跡連續(xù)性等特征來(lái)輔助定位，同時(shí)收集定位過(guò)程中行人產(chǎn)生的大量定位數(shù)據(jù)，形成歷史參考信息來(lái)實(shí)現(xiàn)定位。在保證系統(tǒng)定位精度的前提下，極大縮減了系統(tǒng)的定位成本并在一定程度上提升了系統(tǒng)的定位精度。實(shí)驗(yàn)表明，在不同AP數(shù)量的情況下，該算法在定位精度上明顯優(yōu)于WiFi-FP等算法。

行為和航跡特征 指紋定位算法 行為檢測(cè) 航跡檢測(cè)

0 引 言

早在20世紀(jì)70年代初，GPS的出現(xiàn)使定位技術(shù)的發(fā)展實(shí)現(xiàn)了質(zhì)的飛躍，一時(shí)間定位技術(shù)在人們的日常生活、軍事、資源、交通、農(nóng)牧業(yè)、環(huán)境、繪測(cè)等領(lǐng)域得到了前所未有的應(yīng)用。1992年Roy等人就研發(fā)出了一種基于紅外線(xiàn)的室內(nèi)定位系統(tǒng)The Active Badge[6]。因?yàn)樵撓到y(tǒng)需要部署大量額外的硬件設(shè)備，缺乏良好的擴(kuò)展性。所以?xún)H局限用于對(duì)商場(chǎng)，學(xué)校等公共室內(nèi)區(qū)域的定位。2000年微軟公司提出了Radio Detection and Ranging，該方法是基于信號(hào)強(qiáng)度指示特征的室內(nèi)定位實(shí)驗(yàn)系統(tǒng)[8]，系統(tǒng)由指紋建庫(kù)和位置解算兩個(gè)階段組成。在第一個(gè)階段首先通過(guò)事先部署在待定位區(qū)域內(nèi)的信號(hào)采集終端對(duì)該區(qū)域內(nèi)各個(gè)AP的RSSI值進(jìn)行采集。然后將采集到的RSSI值與其對(duì)應(yīng)的位置坐標(biāo)作為一條指紋數(shù)據(jù)錄入指紋數(shù)據(jù)庫(kù)中。第二個(gè)階段為位置解算階段，該階段分為兩步：第一步是記錄被定位目標(biāo)手持的移動(dòng)智能終端所接收到的RSSI值；第二步是通過(guò)一定的位置解算算法將當(dāng)前所采集的RSSI與指紋數(shù)據(jù)庫(kù)中的指紋進(jìn)行匹配，從而估算出被定位目標(biāo)的大概位置。2005年Google公司提出了Google map系統(tǒng)，系統(tǒng)通過(guò)手機(jī)基站、WiFi信號(hào)、GPS以及提前收集到的無(wú)線(xiàn)信號(hào)覆蓋盲點(diǎn)的位置信息進(jìn)行定位。Google map系統(tǒng)主要對(duì)兩個(gè)方面的問(wèn)題進(jìn)行了重點(diǎn)研究：(1) 提出“眾包”思想鼓勵(lì)用戶(hù)按照特定格式上傳建筑物的平面圖到谷歌服務(wù)器以解決數(shù)據(jù)源的問(wèn)題；(2) 發(fā)布Google Maps Floor Plan Marker鼓勵(lì)用戶(hù)按照相應(yīng)的步驟生成室內(nèi)地圖為提高室內(nèi)導(dǎo)航的精度服務(wù)。北京航空航天大學(xué)提出了Weyes定位系統(tǒng)，該系統(tǒng)是基于WLAN的定位系統(tǒng)[6]，系統(tǒng)通過(guò)將接收信號(hào)強(qiáng)度指示的值進(jìn)行采樣并利用差值模型對(duì)樣本進(jìn)行處理形成差值，然后將此差值存入無(wú)線(xiàn)電地圖RM(Radio Map)中。實(shí)際操作中將接收到的信號(hào)與差值進(jìn)行匹配達(dá)到對(duì)待定位區(qū)域中的待定位目標(biāo)進(jìn)行定位的目的。在該系統(tǒng)中差值模型的引入意在消除因不同設(shè)備在測(cè)量RSSI值的過(guò)程中而引入的測(cè)量誤差，以達(dá)到無(wú)論使用何種測(cè)量設(shè)備都不會(huì)影響RM建立的目的。

而基于WiFi的室內(nèi)定位技術(shù)是諸多室內(nèi)定位技術(shù)中的一種，它不僅解決了室內(nèi)環(huán)境無(wú)法使用室外定位技術(shù)實(shí)現(xiàn)精準(zhǔn)定位的問(wèn)題，而且為實(shí)現(xiàn)室內(nèi)精準(zhǔn)定位提供了技術(shù)支持。此外，相較于諸如RFID、Zigbee、藍(lán)牙、紅外線(xiàn)等技術(shù)它無(wú)需部署專(zhuān)屬的定位網(wǎng)絡(luò)系統(tǒng)，建設(shè)成本相對(duì)較低，具有便捷價(jià)廉的優(yōu)點(diǎn)。盡管該項(xiàng)技術(shù)在安裝方面、成本方面以及信號(hào)傳播方面具有明顯優(yōu)勢(shì)，已成為當(dāng)前室內(nèi)定位系統(tǒng)中的首選技術(shù)[1]。但事實(shí)上，該技術(shù)依然存在很多不成熟的地方，很多關(guān)鍵技術(shù)急需解決。

本文以定位技術(shù)在國(guó)內(nèi)、國(guó)外的研究現(xiàn)狀為著手點(diǎn)，對(duì)現(xiàn)有的定位技術(shù)作了詳細(xì)分析，并建立了基于Wi-Fi的室內(nèi)定位算法模型。本文在模型的基礎(chǔ)上添加了一個(gè)軌跡搜集模塊，并采取基于行為特征的指紋定位算法來(lái)進(jìn)行室內(nèi)定位。使用結(jié)果表明，該算法在定位精度上和能耗上明顯優(yōu)于類(lèi)似相關(guān)算法。

1 相關(guān)工作

1.1 定位方法概述

當(dāng)前，按與距離參數(shù)的相關(guān)性可將基于WLAN的定位方法分為與距離相關(guān)以及與距離無(wú)關(guān)的定位方法兩大類(lèi)[7]。其中與距離參數(shù)相關(guān)的定位方法主要有基于TOA(信號(hào)到達(dá)的時(shí)間)、TDOA(不同信號(hào)到達(dá)的時(shí)間差)和AOA(到達(dá)角度的測(cè)距)或RSSI(接收的信號(hào)強(qiáng)度)的三角定位等技術(shù)；而與距離參數(shù)無(wú)關(guān)的定位主要涉及基于信號(hào)強(qiáng)度(SS)的定位，其中基于信號(hào)傳播模型和SS指紋定位是SS定位技術(shù)的兩個(gè)主流的核心技術(shù)。但依照定位原理又可將其劃分成基于幾何測(cè)量、近似感知以及場(chǎng)景分析的定位方法[1]。

基于幾何測(cè)量的定位又分為三邊測(cè)量、極大似然估計(jì)、三角測(cè)量等。其原理是以測(cè)量設(shè)備與待定位目標(biāo)之間的位置距離或角度為基準(zhǔn)來(lái)計(jì)算待定位目標(biāo)的大概位置。三邊測(cè)量即以待定位目標(biāo)到其他不在同一直線(xiàn)上的三個(gè)參考點(diǎn)的距離來(lái)推算自身的位置。極大似然法估算原理是隨機(jī)選取若干個(gè)參考點(diǎn)去進(jìn)行估算。假如在隨機(jī)進(jìn)行的實(shí)驗(yàn)中參考點(diǎn)A出現(xiàn)的概率最大則認(rèn)為A是參與估計(jì)最有利的位置，利用該方法可以避免因使用三邊測(cè)量而帶來(lái)的誤差。

基于近似感知的定位方法是通過(guò)參考點(diǎn)的位置信息來(lái)推算待定位目標(biāo)的位置信息。該方法優(yōu)點(diǎn)就是便于理解，但與場(chǎng)景分析法和幾何法相比其定位精度相對(duì)較差。此外，該方法要求必須事先部署好待定位區(qū)域內(nèi)的傳感網(wǎng)絡(luò)因此系統(tǒng)的可擴(kuò)展性較差，其過(guò)程是在待定位區(qū)域內(nèi)系統(tǒng)先布置好天線(xiàn)，當(dāng)被定位目標(biāo)靠近已知天線(xiàn)位置上時(shí)，已知天線(xiàn)將可接收到待定位目標(biāo)所攜帶的標(biāo)簽信號(hào)發(fā)送出去從而計(jì)算出目標(biāo)用戶(hù)的位置。

1.2 室內(nèi)定位概述

一系列的室內(nèi)外定位算法、系統(tǒng)相繼被提出，看似千差萬(wàn)別但其底層定位原理卻基本相似，都包含信號(hào)采集、預(yù)估位置、性能優(yōu)化等三個(gè)階段[1]。具體如圖1所示。雖其底層定位原理相似但在具體定位的過(guò)程中考慮到定位效果、應(yīng)用場(chǎng)景的差異分別引入了不同的技術(shù)方案。將各個(gè)定位算法、系統(tǒng)以參考點(diǎn)的坐標(biāo)系、系統(tǒng)架構(gòu)、網(wǎng)絡(luò)類(lèi)型、用戶(hù)的運(yùn)動(dòng)狀態(tài)、測(cè)量信號(hào)的媒介以及定位方法等劃分成了不同的類(lèi)別。

圖1 定位算法或系統(tǒng)原理

GPS定位技術(shù)在室外定位方面發(fā)展較早技術(shù)也相對(duì)成熟，能夠?qū)κ彝猸h(huán)境提供快速準(zhǔn)確的定位。由于在室外定位的突出表現(xiàn)，后被移植到室內(nèi)為室內(nèi)環(huán)境提供定位服務(wù)。但是室內(nèi)環(huán)境由于建筑墻體以及室內(nèi)裝飾的阻隔使信號(hào)強(qiáng)度因受干擾而被削弱。因此只能依靠延長(zhǎng)每個(gè)延遲碼的停留時(shí)間來(lái)提高信號(hào)的靈敏度。與室外環(huán)境不同的是，在室內(nèi)環(huán)境中不能直接從廣播中獲取定位數(shù)據(jù)[1]。為解決這個(gè)技術(shù)難題，A-GPS應(yīng)運(yùn)而生。A-GPS定位原理如圖2所示。

圖2 A-GPS定位原理

另外還有基于藍(lán)牙的室內(nèi)定位技術(shù)、基于紅外線(xiàn)的室內(nèi)定位技術(shù)、基于超寬帶的室內(nèi)定位技術(shù)、基于超聲波的室內(nèi)定位技術(shù)、基于ZigBee的室內(nèi)定位技術(shù)、基于射頻識(shí)別的室內(nèi)定位技術(shù)以及基于無(wú)線(xiàn)局域網(wǎng)的室內(nèi)定位技術(shù)[6]。這些技術(shù)都有各自的優(yōu)勢(shì)和劣勢(shì)以及特定的應(yīng)用場(chǎng)景。如表1所示，是對(duì)各種技術(shù)的定位原理、定位精度、算法效率、受干擾強(qiáng)度以及各自的優(yōu)缺點(diǎn)的詳細(xì)比較。

表1 主要室內(nèi)定位技術(shù)的比較

續(xù)表1

2 問(wèn)題描述及模型建立

指紋定位算法是一種與距離無(wú)關(guān)的定位方法，它充分利用了WiFi信號(hào)在傳播過(guò)程中信號(hào)強(qiáng)度與距離的衰減特征。通過(guò)建立被定位區(qū)域內(nèi)不同位置的坐標(biāo)信息與各個(gè)AP信號(hào)強(qiáng)度的映射關(guān)系來(lái)實(shí)現(xiàn)定位。該種定位算法由如下兩個(gè)階段組成：離線(xiàn)數(shù)據(jù)指紋庫(kù)建立階段和實(shí)時(shí)指紋比對(duì)即定位階段，詳情見(jiàn)圖3。

圖3 位置指紋定位原理圖

離線(xiàn)數(shù)據(jù)指紋庫(kù)建立階段又名訓(xùn)練階段，該階段的主要工作是采集數(shù)據(jù)并建立指紋數(shù)據(jù)庫(kù)。也就是說(shuō)在建庫(kù)階段，系統(tǒng)需事先在待定位的區(qū)域內(nèi)按一定的距離間隔部署好參考點(diǎn)。然后再依次采集各個(gè)參考點(diǎn)上的無(wú)線(xiàn)信號(hào)，再次將參考點(diǎn)上的信息按照RSSI值、位置坐標(biāo)、MAC地址的順序封裝成一條完整的信息保存起來(lái)并進(jìn)行編號(hào)。最后，將已編號(hào)的信號(hào)一一存入一個(gè)本地?cái)?shù)據(jù)庫(kù)，并稱(chēng)該數(shù)據(jù)庫(kù)為Position Fingerprint Database(位置指紋數(shù)據(jù)庫(kù))或Radio Map(無(wú)線(xiàn)電地圖)。指紋實(shí)時(shí)比對(duì)階段就是在具體定位的過(guò)程中將被定位目標(biāo)手持移動(dòng)智能終端所接收到的RSSI值與Radio Map中的RSSI值進(jìn)行匹配，將比對(duì)結(jié)果中相似度最高的指紋的物理坐標(biāo)認(rèn)定為該智能移動(dòng)終端的位置坐標(biāo)。

本文基于WiFi的室內(nèi)定位算法優(yōu)勢(shì)和不足，提出了以航跡特性和行人行為特征量為室內(nèi)定位技術(shù)。該方法在不依賴(lài)額外硬件設(shè)備的前提下，很大程度上提高了定位算法的定位精度，具有一定的穩(wěn)定性和擴(kuò)展性。

2.1 問(wèn)題描述

基于行人航跡特征的定位是指利用人在特定的活動(dòng)場(chǎng)所的活動(dòng)軌跡在一段時(shí)間內(nèi)具有一定的延續(xù)性和不變性來(lái)輔助定位算法做出定位判斷的一種技術(shù)方法。充分利用了人的行為特征，對(duì)系統(tǒng)的定位精度進(jìn)行優(yōu)化。

如圖4所示，橫縱坐標(biāo)表示定位目標(biāo)所處平面位置，在某一時(shí)刻定位目標(biāo)在p(xn-1,yn-1)處，朝著圖示的方向運(yùn)動(dòng)一定的時(shí)間后到達(dá)p(xn,yn)。然后改變方向，以一定的速度運(yùn)動(dòng)到p(xn+1,yn+1)，定位目標(biāo)從p(xn-1,yn-1)到p(xn+1,yn+1)，可以看出是兩段連續(xù)的動(dòng)作，即從p(xn-1,yn-1)到p(xn,yn)和p(xn,yn)到p(xn+1,yn+1)。

圖4 目標(biāo)運(yùn)動(dòng)軌跡圖

所謂動(dòng)作的連續(xù)性是指目標(biāo)從初始位置到達(dá)目標(biāo)位置，運(yùn)動(dòng)的軌跡是連續(xù)的，每一個(gè)時(shí)刻對(duì)應(yīng)軌跡上的一個(gè)具體的位置點(diǎn)。在室內(nèi)定位的場(chǎng)景中，人基本上是勻速步行，那么從初始位置到達(dá)目標(biāo)位置這段距離可以看成是方向和速度不變的直線(xiàn)運(yùn)動(dòng)。那么從初始位置到目標(biāo)位置的過(guò)程中，只要知道上一時(shí)刻的具體坐標(biāo)，那么目標(biāo)對(duì)象下一刻的位置是可以預(yù)測(cè)的。因?yàn)榉较蚝退俣仁且欢ǖ模鶕?jù)前一時(shí)刻確定的位置可以推算出目標(biāo)位置現(xiàn)在的具體位置。

根據(jù)圖5可知，節(jié)點(diǎn)在場(chǎng)景中移動(dòng)，定位目標(biāo)節(jié)點(diǎn)從(xt1,yt1)位置運(yùn)動(dòng)到(xt2,yt2)位置。 根據(jù)文獻(xiàn)[1-5]中介紹的定位算法可得到各個(gè)參考AP位置的權(quán)值信息，在計(jì)算最終的定位位置坐標(biāo)時(shí)，根據(jù)運(yùn)動(dòng)目標(biāo)行為連續(xù)性特征，引入概率系數(shù)去修正最終定位目標(biāo)的位置，公式如下：

(1)

其中pi是根據(jù)目標(biāo)前一時(shí)刻的運(yùn)動(dòng)方向和速率等行為特征得出的概率值。該方法充分利用了人在運(yùn)動(dòng)過(guò)程中的行為特征，一定程度上減少系統(tǒng)受外界環(huán)境干擾產(chǎn)生誤差，在提高系統(tǒng)穩(wěn)定性的同時(shí)，進(jìn)一步提升了算法的定位精度。

圖5 定位階段權(quán)值修正

2.2 行人行為特征檢測(cè)

人體在行走過(guò)程中產(chǎn)生的軌跡有一定的連續(xù)性，同時(shí)人在行走過(guò)程中動(dòng)作和步態(tài)也呈現(xiàn)一定的規(guī)律性。這些有規(guī)律的數(shù)據(jù)可以被集成在智能手機(jī)中的傳感器(如：加速度傳感器、電子羅盤(pán)、陀螺儀以及氣壓計(jì)等)所捕獲到，經(jīng)過(guò)雙行程雙搜索算法、峰值值識(shí)別算法等處理之后能被用來(lái)實(shí)現(xiàn)人的實(shí)時(shí)定位。

行人的步行一般包含如下四種特征和規(guī)律：(1)整個(gè)行走過(guò)程中都由幾個(gè)基本動(dòng)作周期性的重復(fù)。(2)一般正常成人步行的頻率在95～125次每分鐘，每一步的長(zhǎng)度一般在50～80 cm，這兩個(gè)參數(shù)一般跟人的身高，行走習(xí)慣以及當(dāng)時(shí)的環(huán)境有一定關(guān)系，因人而異。(3)一般情況下，一個(gè)人的步行特征在一段時(shí)間內(nèi)不會(huì)存在很大變化，即步長(zhǎng)和步子頻率維持在一個(gè)很小的變化范圍內(nèi)。(4)人在行走時(shí)的規(guī)律特征可以被人所攜帶的智能設(shè)備檢查到，且加速度傳感器檢查到的數(shù)據(jù)也呈現(xiàn)周期性的波動(dòng)。因此，可以借助手機(jī)上的加速度傳感器對(duì)步行時(shí)的加速度值進(jìn)行采集，來(lái)估算行人的行走進(jìn)程。因?yàn)楫?dāng)行走者腳跟離地時(shí)坐標(biāo)軸上的加速度計(jì)的振幅最大，所以本系統(tǒng)通過(guò)加速度計(jì)的讀數(shù)來(lái)識(shí)別用戶(hù)的步幅。為此系統(tǒng)設(shè)計(jì)了一個(gè)峰值識(shí)別算法。只有考慮坐標(biāo)軸上加速度讀數(shù)的大小(具體如式(2)所示)才能確保步幅檢測(cè)不受智能終端方位的影響。

(2)

在進(jìn)行預(yù)處理時(shí)信號(hào)首先會(huì)通過(guò)一個(gè)平滑的過(guò)濾器。但是為了更好地提取低波段步幅組件的數(shù)據(jù)，通常會(huì)利用一個(gè)過(guò)濾器來(lái)過(guò)濾因手機(jī)隨機(jī)運(yùn)動(dòng)而產(chǎn)生的高頻加速度值。如式(3)是低頻組件上加速度大小的計(jì)算公式：

(3)

2.3 行人轉(zhuǎn)向檢測(cè)

行人在室外可以通過(guò)電子指南針來(lái)判斷是否該轉(zhuǎn)向，但是室內(nèi)環(huán)境受鐵磁建筑物的影響較大無(wú)法像在室外那樣利用電子指南針判斷方向。并且在路程較短的情況下通過(guò)陀螺儀的讀數(shù)可以判斷被導(dǎo)航者的角度信息，而在長(zhǎng)途旅行中加速度計(jì)可以用與判斷被導(dǎo)航者的狀態(tài)。因此，在室內(nèi)環(huán)境中可以通過(guò)加速度計(jì)和陀螺儀的讀數(shù)來(lái)判斷是否應(yīng)該轉(zhuǎn)向。

在進(jìn)行轉(zhuǎn)向檢測(cè)時(shí)，通過(guò)一個(gè)旋轉(zhuǎn)矩陣并依據(jù)其相對(duì)Z軸垂直或水平的框架和本身的骨架描述了智能終端的方向。需要注意的是，由于缺乏值得信賴(lài)的指南針讀數(shù)使得智能終端的狀態(tài)局限于一個(gè)在相對(duì)Z軸垂直或水平的框架內(nèi)的錐形面上而不能被唯一標(biāo)識(shí)。但是即便無(wú)法獲知偏轉(zhuǎn)角度依然能夠檢測(cè)轉(zhuǎn)向，因?yàn)樵谌S空間內(nèi)旋轉(zhuǎn)總是在發(fā)生的。此外，為了避免被鎖定的問(wèn)題，需要警惕三個(gè)坐標(biāo)軸的旋轉(zhuǎn)順序。當(dāng)檢測(cè)到轉(zhuǎn)向不發(fā)生在Z軸并且X軸的重力加速度值大于Y軸的重力加速度值，此時(shí)就應(yīng)該交換X軸和Y軸。只要掌握智能終端的狀態(tài)，就可以變換角速度并計(jì)算出通過(guò)集成的旋轉(zhuǎn)數(shù)量。

2.4 行人高度檢測(cè)

由于氣壓計(jì)能耗低且準(zhǔn)確性較高，因此在對(duì)高度更改進(jìn)行檢測(cè)時(shí)可以通過(guò)記錄氣壓計(jì)的讀數(shù)來(lái)檢測(cè)水平高度的改變。為了實(shí)現(xiàn)對(duì)水平高度更改的檢測(cè)，論文采用了一種雙行程雙搜索的算法。該算法通過(guò)在前四秒內(nèi)取所有樣本氣壓的平均值來(lái)避免使用每一個(gè)氣壓值Pn。隨后算法又會(huì)倒過(guò)去,去尋找Pn與樣本在最后秒T0的不同的最大值。如果差距|Pm-Pn|大于閾值Ptr就可以推斷出存在水平高度的變化。此外還可以向前搜索確定水平高度變化的具體時(shí)間。其輸出值為R，若R的值為-1代表上樓，值為1代表下樓，值為0說(shuō)明在同一水平面行走。但是當(dāng)檢測(cè)到水平高度發(fā)生更改并且軌跡記錄者的步數(shù)很少時(shí)，系統(tǒng)默認(rèn)該目標(biāo)是乘坐電梯導(dǎo)致的高度改變。

3 實(shí)驗(yàn)結(jié)果

被定位目標(biāo)每進(jìn)行一次移動(dòng)軌跡搜集模塊都會(huì)被激活，隨即在被定位目標(biāo)運(yùn)動(dòng)的過(guò)程中此模塊會(huì)通過(guò)磁強(qiáng)計(jì)、加速度計(jì)、陀螺儀和氣壓計(jì)等移動(dòng)智能終端內(nèi)嵌的傳感器記錄軌跡數(shù)據(jù)。當(dāng)然在使用傳感器獲取數(shù)據(jù)時(shí)，并不只是簡(jiǎn)單地從每個(gè)傳感器中依次提取數(shù)據(jù)，在必要的時(shí)候可以適當(dāng)?shù)貙⒁恍﹤鞲衅鬟M(jìn)行組合。比如，通過(guò)將氣壓計(jì)和加速度計(jì)傳感器組成一個(gè)組件然后提取組件的數(shù)據(jù)就可以檢測(cè)出被定位目標(biāo)是否在上樓。然后再通過(guò)一定的預(yù)處理程序?qū)⒉杉臄?shù)據(jù)進(jìn)行處理形成軌跡數(shù)據(jù)表。下文將對(duì)所采集數(shù)據(jù)的格式進(jìn)行分析，詳情見(jiàn)表2。

表2 搜集軌跡數(shù)據(jù)格式

表2所羅列的是參考軌跡的數(shù)據(jù)記錄格式。從表2可看出，地磁數(shù)據(jù)由時(shí)間戳和三維空間內(nèi)各個(gè)軸上的磁強(qiáng)計(jì)讀數(shù)組成，步數(shù)由時(shí)間戳和對(duì)應(yīng)時(shí)間內(nèi)所走步數(shù)Si組成，轉(zhuǎn)彎數(shù)據(jù)則由轉(zhuǎn)彎時(shí)間和轉(zhuǎn)彎角度組成，高度改變數(shù)據(jù)則由時(shí)間戳和高度改變值即上樓或下樓組成。

值得注意的是，用戶(hù)在使用本模塊搜集被定位目標(biāo)軌跡數(shù)據(jù)的過(guò)程中可能會(huì)存在某些延遲。比如說(shuō)，峰值檢測(cè)算法可能會(huì)導(dǎo)致步幅檢測(cè)延遲，也就是說(shuō)當(dāng)用戶(hù)已經(jīng)轉(zhuǎn)彎了有可能才檢測(cè)到需要轉(zhuǎn)彎。此外，對(duì)高度是否發(fā)生改變的檢測(cè)其響應(yīng)時(shí)間容易受用戶(hù)爬樓梯速度的影響。由于階梯和轉(zhuǎn)彎持續(xù)的時(shí)間很短，且水平高度更改檢測(cè)只在記錄被定位目標(biāo)的行走軌跡的過(guò)程中起作用，因此這些延遲對(duì)定位性能的影響是無(wú)關(guān)緊要的。

為了提高定位精度，在具體定位的過(guò)程中一般會(huì)通過(guò)如下三步對(duì)被定位目標(biāo)的位置進(jìn)行估算：(1) 利用定位算法，將被定位目標(biāo)所攜帶的移動(dòng)智能終端采集到的WiFi信號(hào)強(qiáng)度與離線(xiàn)階段采集的指紋數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行匹配，確定一個(gè)位置范圍；(2) 根據(jù)被定位目標(biāo)的航跡特征預(yù)估被定位目標(biāo)當(dāng)前的位置坐標(biāo)；(3) 結(jié)合上述兩個(gè)步驟以及軌跡搜集模塊采集的數(shù)據(jù)縮小定位范圍，確定被定位目標(biāo)。

假設(shè)被定位目標(biāo)在一個(gè)十字路口附近，通過(guò)將其攜帶的智能手機(jī)采集的WiFi信號(hào)強(qiáng)度值與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，發(fā)現(xiàn)被定位目標(biāo)可能分布在十字路口的四個(gè)方位上。那么此時(shí)單純地利用指紋數(shù)據(jù)庫(kù)的方法是很難準(zhǔn)確定被定位目標(biāo)的位置的。若此時(shí)結(jié)合軌跡搜集模塊采集的數(shù)據(jù)，即可通過(guò)轉(zhuǎn)向檢測(cè)確定當(dāng)被定位目標(biāo)走到該十字路口時(shí)是往哪個(gè)方向進(jìn)行了轉(zhuǎn)彎。這樣就可以確定被定位目標(biāo)的大致方位。然后再根據(jù)被定位目標(biāo)的航跡特征計(jì)算出它的位置坐標(biāo)，實(shí)現(xiàn)精準(zhǔn)定位，詳情見(jiàn)圖6。

圖6 航跡行為算法定位示意圖

用戶(hù)在定位過(guò)程中手持的智能終端設(shè)備采集了用戶(hù)在室內(nèi)行走過(guò)程中的步態(tài)、轉(zhuǎn)向以及高度信息。這些信息可以通過(guò)智能終端設(shè)備傳回到定位服務(wù)器，組成了從起點(diǎn)到目的地的一個(gè)動(dòng)作序列，這些序列可以用來(lái)實(shí)現(xiàn)對(duì)目標(biāo)對(duì)象的定位。定位服務(wù)器存儲(chǔ)的信息如下：

S(xi,yi),D(xj,yj),,…,,…,

(4)

式中S(xi,yi)和D(xj,yj)分別是被定位和導(dǎo)航區(qū)域的起始點(diǎn)和目的地的坐標(biāo)位置，后面的序列表示用戶(hù)從起始點(diǎn)到目的地所經(jīng)過(guò)的一系列行為動(dòng)作的序列。這些行為信息收集到定位服務(wù)器后可以經(jīng)過(guò)處理得到一個(gè)起始點(diǎn)集合到目的地集合的行為序列，當(dāng)下一個(gè)被定位目標(biāo)出現(xiàn)時(shí)，與定位服務(wù)器交互，同時(shí)收集自己的行為特征數(shù)據(jù)，可以快速而準(zhǔn)確得出從當(dāng)前起始點(diǎn)到目的地的導(dǎo)航提示。

圖7展示的是如何利用歷史的行為軌跡進(jìn)行行人的導(dǎo)航。假如a花費(fèi)t1秒到達(dá)位置B，并且在搜集痕跡時(shí)候出現(xiàn)了一個(gè)左轉(zhuǎn)彎。那么在導(dǎo)航階段，根據(jù)相似的地磁觀察，導(dǎo)航模塊會(huì)推斷b會(huì)在花費(fèi)t1′時(shí)間后到達(dá)位置B并指示b該向左轉(zhuǎn)了。

論文根據(jù)某殘校實(shí)際試用環(huán)境作為測(cè)試環(huán)境，具體試用環(huán)境如圖8所示。在實(shí)驗(yàn)場(chǎng)景范圍內(nèi)部署5～15個(gè)AP，在離線(xiàn)階段均勻部署50個(gè)指紋采集點(diǎn)，采集的數(shù)據(jù)作為指紋數(shù)據(jù)庫(kù)的參考點(diǎn)。在每個(gè)參考點(diǎn)上采集30個(gè)有效的樣本值，在實(shí)驗(yàn)場(chǎng)地范圍內(nèi)隨機(jī)選取15個(gè)測(cè)試點(diǎn)，每個(gè)測(cè)試點(diǎn)采集5～20個(gè)實(shí)時(shí)的定位樣本數(shù)據(jù)。在實(shí)驗(yàn)階段，為了模擬現(xiàn)實(shí)應(yīng)用的真實(shí)性，定位時(shí)手持終端設(shè)備朝各個(gè)方向獲取信號(hào)進(jìn)行定位，記錄這些大量的從服務(wù)器傳回來(lái)的定位的具體位置。最后計(jì)算每一次的定位誤差，并統(tǒng)計(jì)出這個(gè)在這個(gè)測(cè)試點(diǎn)的誤差累計(jì)概率分布，并將這些數(shù)據(jù)可視化，可得出相應(yīng)的路徑圖，在不同定位技術(shù)在各個(gè)場(chǎng)景下的累計(jì)誤差概率分布情況。

該系統(tǒng)試用于某殘校管理系統(tǒng)中，本文將目前較為通用的基于WiFi的指紋定位算法(WiFi-FP算法)與本文提出的基于行人航跡和行為特征的定位算(behave-based算法)進(jìn)行了比較。利用這兩種定位算法進(jìn)行定位時(shí)，指紋數(shù)據(jù)建立階段以及測(cè)試定位階段所采集的數(shù)據(jù)樣本和采樣時(shí)段等條件保持一致，這樣能體現(xiàn)兩種定位算法在同等條件下的差異性。

圖9-圖11分別是在實(shí)驗(yàn)環(huán)境所部署的AP數(shù)量分別是5、10、15時(shí)兩種定位技術(shù)在不同定位誤差的概率累計(jì)分布。從圖中可以看出在AP數(shù)量分布為5、10、15的情況下，本文提出的基于行人航跡和行為特征的定位技術(shù)要好于現(xiàn)有的基于WiFi的指紋定位算法，同時(shí)也表現(xiàn)出了良好的穩(wěn)定性。當(dāng)AP的數(shù)量為5時(shí)，基于WiFi的指紋定位算法的定位精度表現(xiàn)得相對(duì)較差，定位誤差在4 m以?xún)?nèi)的概率不到60%，而本文提出的定位技術(shù)的精度達(dá)到了80%以上。這主要是因?yàn)榛赪iFi的指紋定位技術(shù)不管是在離線(xiàn)階段還是實(shí)時(shí)定位階段，很大程度上依賴(lài)于WiFi節(jié)點(diǎn)的信號(hào)和穩(wěn)定性，而本文提出的基于行人行為特征的定位算法在部分依賴(lài)WiFi信號(hào)的同時(shí)，也利用了手機(jī)自帶傳感器收集行人的運(yùn)動(dòng)特征來(lái)定位。所以當(dāng)WiFi數(shù)量較少時(shí)，依然能實(shí)現(xiàn)較高的定位精度。從性能曲線(xiàn)上可以看出本文提出的定位技術(shù)波動(dòng)較少，較基于WiFi的指紋定位算法就有良好的穩(wěn)定性。當(dāng)AP=15時(shí)基于行人行為特征的定位技術(shù)的定位誤差在4 m以?xún)?nèi)的概率在90%以上，這一定位效果基本上能滿(mǎn)足在大型商場(chǎng)和醫(yī)院等室內(nèi)的時(shí)間需求。

圖9 AP數(shù)量為5時(shí)的定位誤差概率累計(jì)分布圖

圖10 AP數(shù)量為10時(shí)的定位誤差概率累計(jì)分布圖

圖11 AP數(shù)量為15時(shí)的定位誤差概率累計(jì)分布圖

4 結(jié) 語(yǔ)

本文提出了一種基于行人航跡和行為特征的定位技術(shù)，然后從航跡特征和行人行為特征兩個(gè)方面分別對(duì)該技術(shù)的定位原理進(jìn)行闡述。其中航跡特征主要是利用人在特定的活動(dòng)場(chǎng)所的活動(dòng)軌跡在一段時(shí)間內(nèi)具有一定的延續(xù)性和不變性來(lái)輔助定位算法做出定位判斷的一種技術(shù)方法；而行為特征主要是通過(guò)步態(tài)檢測(cè)、轉(zhuǎn)向檢測(cè)、高度更改檢測(cè)對(duì)被定位目標(biāo)的軌跡進(jìn)行記錄來(lái)輔助定位算法進(jìn)行定位。

試用結(jié)果表明，本文提出的基于行為和航跡特征的定位技術(shù)解決了指紋數(shù)據(jù)庫(kù)算法在特定情況下可能存在定位不精準(zhǔn)的問(wèn)題。系統(tǒng)將指紋樣本數(shù)據(jù)與行為特征數(shù)據(jù)相結(jié)合，一方面使系統(tǒng)的定位效率和精度得到了較大提升；另一方面提高了系統(tǒng)的穩(wěn)定性的同時(shí)，減少了定位之前的指紋數(shù)據(jù)庫(kù)的準(zhǔn)備工作。實(shí)驗(yàn)表明，當(dāng)AP=15時(shí)基于行人行為特征的定位技術(shù)的定位誤差在4 m以?xún)?nèi)的概率在90%以上。

本文在現(xiàn)有的基于WiFi的指紋定位算法的基礎(chǔ)上提出了一種基于行人行為和航跡特征的定位技術(shù)。相比現(xiàn)有的室內(nèi)定位技術(shù)提高了定位精度和系統(tǒng)穩(wěn)定性，減少了一定的硬件成本和部署實(shí)施成本，但定位技術(shù)在很多方面可以有改進(jìn)的空間。比如定位技術(shù)在定位過(guò)程如何避免硬件差異帶來(lái)的系統(tǒng)誤差等問(wèn)題。

[1] 王青.WIFI室內(nèi)定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京交通大學(xué),2014.

[2] 陳麗娜.WLAN位置指紋室內(nèi)定位關(guān)鍵技術(shù)研究[D].華東師范大學(xué),2014.

[3] 陳淼.基于信號(hào)強(qiáng)度的WLAN室內(nèi)定位跟蹤系統(tǒng)研究[D].武漢大學(xué),2012.

[4] 陳永光,李修和.基于信號(hào)強(qiáng)度的室內(nèi)定位技術(shù)[J].電子學(xué)報(bào),2004,32(9):1456-1458.

[5] 劉軍發(fā),陳益強(qiáng),趙中堂,等.基于WiFi的室內(nèi)定位方法及系統(tǒng)[J].信息技術(shù)快報(bào),2010,8(5).

[6] 杜海濤,全春來(lái),周翔.基于無(wú)線(xiàn)傳感器和視頻融合的室內(nèi)定位技術(shù)研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2011,32(1):347-350.

[7] Bahl P,Padmanabhan V N.RADAR:an in-building RF-based user location and tracking system[C]//INFOCOM 2000.Nineteenth Joint Conference of the IEEE Computer and Communications Societies. Proceedings.IEEE.IEEE Xplore,2000:775-784.

[8] 梁韻基,周興社,於志文,等.普適環(huán)境室內(nèi)定位系統(tǒng)研究[J].計(jì)算機(jī)科學(xué),2010(3):112-116.

[9] Jiayou Luo,Xingqun Zhan.Characterization of Smart Phone Received Signal Strength Indication for WLAN Indoor Positioning Accuracy Improvement[J].Journal of Networks,2014,9:739-746.

[10] Luoh L.ZigBee-based intelligent indoor positioning system soft computing[J].Soft Computing,2014,18(3):443-456.

[11] Liu H,Darabi H,Banerjee P,et al.Survey of wireless indoor positioning techniques and systems[J].Systems,Man,and Cybernetics,Part C:Applications and Reviews,IEEE Transactions on,2007,37(6):1067-1080.

[12] Niculescu D,Nath B.Ad hoc positioning system (APS) using AOA[C]//Joint Conference of the IEEE Computer and Communications.IEEE Societies.IEEE,2003,3:1734-1743.

ASTUDYONINDOORLOCATIONMETHODBASEDONBEHAVIORANDTRACKCHARACTERISTICS

Li Baolin Ma Dongqun Li Du Jiang Yan
(SchoolofComputer,ChinaWestNormalUniversity,Nanchong637000,Sichuan,China)

In this paper, we studied and analyzed the fingerprint localization algorithm based on Wi-Fi. And based on the application of LBS, we need to solve the problems of the fingerprinting localization algorithms in the offline stage and the real-time positioning stage and improve the reliability and effectiveness of the indoor positioning. Based on the study on the behavior characteristics of the target in the whole process, we propose a localization algorithm based on pedestrian track and behavior characteristics. In the case of a small amount of AP, the algorithm makes full use of pedestrian walking, turning and track continuity and other characteristics to assist in positioning. At the same time the algorithm collects a large number of positioning data generated by the pedestrian in the positioning process, and forms the historical reference information to realize the positioning. Under the premise of ensuring the positioning accuracy of the system, it greatly reduces the positioning cost of the system and to a certain extent, enhances the positioning accuracy of the system. Experiments show that the algorithm is superior to WiFi-FP algorithm in positioning accuracy in the case of different AP number.

Behavior and track characteristics Fingerprint location algorithm Behavior detection Track detection

2016-10-08。四川省科技廳支撐項(xiàng)目(2013SZ0056)；四川省科技廳支撐項(xiàng)目(2014SZ0104)。李寶林，副教授，主研領(lǐng)域：網(wǎng)絡(luò)應(yīng)用技術(shù)。馬東群，碩士生。李都，碩士生。江艷，工程師。

TP311

A

10.3969/j.issn.1000-386x.2017.08.021