城市建筑室內外無縫應急救援定位技術

李增科， 王潛心， 邵克凡， 劉振彬， 郭 強

(1. 中國礦業大學環境與測繪學院, 江蘇 徐州 221116；2. 江蘇省資源環境信息工程重點實驗室, 江蘇 徐州 221116)

0 引言

應急定位是面對地震、火災、坍塌等突發事件時實施應急管理與救援的必要環節。突發事件對人民的生命和財產安全造成了極大的威脅,僅2021年全國消防救援隊伍共接報火災74.8萬起，死亡1987人，受傷2225人，直接財產損失67.5億元[1]。“十四五”規劃綱要在“完善國家應急管理體系”中強調提高防災減災救災能力、增強全災種救援能力。抗災救災和應急保障對于精確位置的獲取有強烈的需求，應急定位在公共安全管理中具有不可替代的作用。

在城市中，以城市峽谷為代表的室外全球衛星導航系統(Global Navigation Satellite System， GNSS)信號被遮擋，室內不規則結構的分布使得無線定位非視距(Non-Line of Sight， NLOS)現象嚴重。復雜建筑環境定位面臨更嚴苛的信號接收環境，多徑效應、NLOS現象頻發，絕對定位如超寬帶(Ultra Wide Band， UWB)、藍牙等需要考慮精度與成本的平衡，自主定位如慣性導航(Inertial Navigation)則面臨誤差累積且得不到校正的問題。單一定位源難以滿足城市復雜建筑環境定位連續性和可靠性的要求，往往需要多源傳感器實現融合定位，如何實現廣域、低成本、高精度及高可靠的無縫定位也是室內外定位的研究熱點之一。

應急事件可能導致提前布設的無線定位基站失效，應急救援定位系統的可用性受到挑戰。在應急場景下構建類GNSS性質的定位信息，確保定位結果的連續性和長時間精確性是高可靠應急定位的關鍵。完整的應急救援定位系統應包含坐標基準、知識圖譜、多源融合以及智能控制四項關鍵技術。坐標基準為應急場景提供統一的時空基準，知識圖譜綜合環境感知和權威信息輔助多源融合和智能控制，多源融合實現傳感器無縫切換和故障隔離，智能控制承擔設備與人員調度及其協同定位。

本文從城市復雜建筑環境室內外無縫應急定位的需求以及存在的問題出發，對該領域所涉及的相關技術和方法進行了總結。第1章分析了應急定位的特點，并和普適定位進行了對比；第2章對定位技術進行了綜述，圍繞GNSS、視覺、激光雷達、無線定位所涉及技術進行了闡述；第3章分析了應急救援定位系統所涉及的關鍵技術及發展趨勢，并舉例了一種應急定位系統的搭建方案；第4章進行了總結。希望通過對最新應急定位技術的闡述，推動災害場景下應急救援定位技術發展。

1 災害場景定位需求

應急救援定位系統的部署速度、精度與可靠性直接影響應急人員與受害人員的生命安全，因此，應急定位應具有以下特征：部署速度快、定位精度高、實時處理以及救援區域全覆蓋，如圖1所示。圖2所示為城市建筑物應急定位場景示例，以GNSS信號能否應用于定位可分為遮蔽區域、非遮蔽區域以及過渡區域，常見于體育館、博物館等大型建筑，火苗代表應急情況所在位置。應急情況發生時，應急人員需要從室外出發，進入室內進行救援。下文圍繞此類應急定位場景進行展開。

圖1 應急定位特點

圖2 應急定位示意圖

1.1 部署速度快

應急事件發生時，預先安裝的定位、通信設備可能發生位移，甚至由于斷電、跌落、損毀等原因，需要重新部署設備服務應急定位，如圖2中的無線定位基站。應急救援定位系統布設得越快，展開人員搜救越快，也越有利于保護受害人員的安全。一般來說，應急救援定位系統的整體布設時間應優于30min。

1.2 定位精度高

相較于普適定位，應急定位更關注三維位置精度，尤其對于高層大型建筑。《住宅設計規范》中明確指出,局部凈高不應低于2.10m[2]。為了區分室內住宅樓層，垂直定位絕對精度應優于1m，整體定位絕對精度3～5m。當大型建筑物層高增加時，垂直定位精度可適當減小，整體定位絕對精度仍應維持在3～5m。此外，定位系統應提供連續可用的定位結果，可用性要求優于99.73%。

1.3 實時處理

在應急事件處理過程中,由于通信限制問題，一般不能采用上傳服務器等后處理方式進行定位。應急定位對于時間響應要求較高，要求定位系統做到實時或準實時處理。為了更好地保障相關人員的生命安全，應急救援定位系統時間連續性應優于10ms。

1.4 救援區域全覆蓋

在應急事件中，提前布設的室內外統一坐標基準可能遭到破壞，無法滿足三維定位絕對精度的要求。在設備部署的同時建構由室外到室內、救援區域全覆蓋的統一坐標基準，是實現災害區域全域絕對定位和高精度定位的基礎。

此外，由于救援人員可能需要進入火災現場等進行搜救，救援人員所配戴的應急定位裝備還應具有防火防爆的能力。考慮到救援人員可能需要長時間工作，應急定位設備連續運行時間應達到30min以上，并且攜帶救援設備的質量和體積也不應影響救援人員的運動能力。

2 應急救援定位技術

目前定位技術眾多，包括GNSS、慣性傳感器、無線保真(Wireless Fidelity，WiFi)、藍牙、超聲波、UWB、視覺、激光雷達和人工磁場，表1中對上述定位技術的主要特征進行了對比。由于目前尚未統一規范化室內地圖的生產，加之地圖匹配多作為輔助信息，所以本文并未單獨分析地圖匹配方法。由于WiFi、超聲波定位容易受到多徑效應以及NLOS的影響，因此其難以在應急場景下進行連續、可靠定位。本文主要圍繞GNSS、視覺、激光雷達和無線定位展開綜述，其中無線定位包含藍牙、UWB和人工磁場定位。其中，人工磁場定位精度高且信號具有穿透性，但是其覆蓋范圍小，僅適合應急定位等特殊應用場景。高精度慣性器件成本高昂，應急救援系統多采用相對低成本的慣性器件，但誤差隨時間累積。慣性器件在應急場景中多融合使用，且不可或缺，將在以下章節中穿插慣性定位及其融合的綜述。

表1 定位技術特征對比

2.1 GNSS

GNSS服務于室外合作環境，提供高精度、高可靠、全天候的位置服務，并且作為室內室外絕對時空基準統一的主流技術，在應急定位系統中具有不可或缺的作用。合作環境主要指能夠連續接收多顆衛星信號，且不存在NLOS或較強的多徑使得定位結果偏移的環境。GNSS包括實時動態(Real-Time Kinematic，RTK)、網絡RTK、精密單點定位(Precise Point Positioning，PPP)以及PPP-RTK等多種高精度定位技術。祝會忠等[3]提出了針對災害應急環境下的基于智能終端的長距離北斗增強定位方法，集成北斗導航系統與通信網絡獲取空間位置，實現高精度以及高實時性定位。

GNSS在面對建筑物遮擋時，難以獨立完成坐標基準構建的任務。Jiang W.等[4]提出了GNSS/UWB融合定位，增強了觀測結構的幾何強度，有利于室內外坐標基準的統一。E.Foxlin[5]利用零速修正算法，將腳底觸地時慣導解算的速度作為速度誤差，進行狀態誤差反饋校正，在室內救援中得到應用。Zhu N.等[6]利用足綁式慣導和零速修正與GNSS進行松組合，構建了不需要額外設備的室內外無縫定位系統，適用于車內、室外以及室內三種場景，對應于救援人員從救援車輛內出發，經過室外到達室內。Wei J.等[7]為保證救援車輛在各種場景中的無縫定位，融合GNSS/INS/里程計/地圖匹配，通過里程計融合地圖匹配修正INS誤差，緩解車輛通過峽谷、隧道時衛星信號長時間中斷導致定位精度不可靠的問題。圖3中總結了常見的組合方法，并分析了GNSS在應急定位系統中的應用。

圖3 應急定位GNSS精度增強方法及其應用

2.2 視覺

視覺定位通過圖像指紋庫和視覺里程計(Visual Odometry，VO)進行定位。指紋庫方法不存在累積誤差，但需要進行大量的建庫工作，在災害環境下較難發揮優勢[8-9]。VO通過求解相鄰幀圖像的本質矩陣或基礎矩陣估計位姿變換進行相對定位，但存在累積誤差。為了抑制累積誤差，采用了回環模塊，實現同步定位與構圖(Simultaneous Localization and Mapping，SLAM)。VO也可以理解為視覺SLAM(Visual SLAM， VSLAM)的前端模塊。VO與VSLAM均可以在室外借助GNSS信號將相對定位轉換為絕對定位。由于視覺在應急定位時不需要布設額外設備，應用靈活度高，布設速度快，可以實時構建應急場景地圖。

但是VSLAM對環境紋理等信息依賴性過強，可以利用慣性測量單元(Inertial Measurement Unit，IMU)輔助VSLAM，根據有無回環檢測分為VISLAM(Visual Inertial SLAM)或者VIO(Visual Inertial Odometry)。視覺與IMU融合方式有濾波與圖優化兩種，由于VISLAM是一個高度非線性的系統，同等算力情況下圖優化比濾波能取得更好的精度，因此基于圖優化的框架開源了一大批SLAM方案，以OKVIS、VINS-Mono及VINS-Fusion為代表。限于篇幅，表2總結了當前具有代表性的一些VO、VIO及VSLAM方案，并列舉了采用的傳感器及其特點，圖4總結了成熟方案ORB-SLAM2的流程。

圖4 ORB-SLAM2流程圖

表2 VO、VIO、VSLAM方案代表

受到應急場景下煙霧、灰塵及光線的影響，極易使視覺定位精度下降，在具有上述特征的應急場景下，不宜利用視覺進行定位。但是，視覺傳感器可以進行環境感知和地圖構建，如何減小上述不利因素對視覺定位的影響，將是視覺定位廣泛應用于應急定位的關鍵問題。

2.3 激光雷達

激光雷達在應急定位中的應用與VSLAM類似，不同之處在于通過相同點點云匹配的方式獲取平移和旋轉矩陣構建SLAM，彌補了視覺定位受光線影響的問題。激光探測與測距(Light Detection and Ranging，LiDAR)的SLAM方案相較于視覺傳感器更為魯棒。

由于連續地接收距離測量，通過移動激光雷達進行運動估計存在運動退化問題，因此LiDAR傳感器常與IMU或者視覺傳感器融合使用。V-LOAM是視覺與激光融合的代表，該方案采用高頻到低頻的定位過程，根據視覺匹配得到初始位姿，LiDAR根據初始位姿進行幀到局部地圖的匹配，得到高精度的位姿結果。IMU傳感器不受環境影響，R3LIVE融合了IMU、視覺和LiDAR，實現了魯棒的狀態估計。R3LIVE包含2個子系統，即激光雷達-慣性里程計(LiDAR Inertial Odometry，LIO)和VIO。LIO利用LiDAR和慣性傳感器的測量結果構建全局地圖的幾何結構，并通過最小化點到平面的殘差來估計系統的狀態。VIO利用視覺、慣性數據渲染地圖紋理，用輸入圖像渲染每個點的RGB顏色，通過最小化幀到幀PnP方法重投影誤差和幀到地圖光度誤差來更新系統狀態。

本文在表3中總結了當前與LiDAR有關的SLAM代表性方案，圖5描述了基礎方法LOAM的算法框架。激光SLAM的出現在一定程度上緩解了對于無線定位設備的依賴，同時也促進了無人救援設備和特種救援設備的開發與應用。

表3 激光SLAM方案代表

圖5 LOAM算法框架

2.4 無線定位

無線定位技術眾多，藍牙以其低成本、易搭建的特點，適用于快速響應的無線應急定位。劉奔等[32]預先擬合距離與藍牙信號強度的回歸模型，由實時信號強度反演距離，以貝葉斯概率求取位置，平均定位誤差達1.04m。劉盼[33]提出了梯度下降的相位差優化法提高天線測角精度，運用擴展卡爾曼濾波降噪，仿真實驗精度0.26m。上述方法均為幾何定位，定位精度依賴于信號質量，指紋庫定位對信號質量要求較低，定位精度5～10m。當指紋庫維度較高時，遍歷指紋庫較難實現實時定位。徐超藍等[34]根據藍牙信號強度與距離模型提出了改進K-means算法聚類指紋庫，有效提高了定位效率。此外，畢京學等[35]考慮指紋點空間分布，分析所選指紋點共線、構成鈍角等幾何關系，有效解決了特殊幾何關系對常規定位方法的影響。指紋庫定位方法受限于指紋庫構建的時間和人力消耗，應急場景下能否快速構建信號指紋庫對該方法的應用至關重要。

自1989年美國國防部提出UWB的概念后，UWB以其厘米級的定位精度[36]被大量應用于室內定位中[37]。B.Alavi等[38]對典型多路徑情景下的信號進行分析，并優化了距離測量模型。在室內復雜多變環境下，UWB信號容易受到NLOS的影響，在應急定位環境中，NLOS現象會更加顯著。Cui Z.等[39]提出了基于Morlet波變換與卷積神經網絡的視距(Line of Sight，LOS)/NLOS識別方法，在頻域內識別兩種信號，仿真結果表明準確程度達到95%以上。王川陽等[40]與楊燈等[41]從UWB基站布設的角度對定位精度進行了分析與研究，通過合理布設UWB定位基站，優化定位布網的幾何構型，在提高定位精度的同時為應急環境UWB基站的部署提供了指導。

室內應急場景定位面臨強遮蔽和多徑影響，利用藍牙、UWB等射頻信號進行定位時，NLOS現象時有發生，嚴重時甚至無法定位。人工磁場遵循法拉第電磁感應定律，利用電生磁的現象發射磁信號。受益于低頻磁場長波特性，低頻磁場可以在短距離NLOS情況下實現定位，并且低頻磁信號對人體沒有傷害，已經應用于醫學介入式診療裝置研究[42]。因此，人工磁場特別適用于多徑效應和遮蔽現象嚴重的應急定位等特殊領域，但是受限于其成本和覆蓋范圍，人工磁場不適合普適性定位。E.Prigge等[43]率先研究了低頻人工磁場，并指出其良好穿透障礙物的特性，采用碼分多址的方法在4m2的環境中取得了厘米級的定位精度。J.Blankenbach等[44]分析了人工磁場的信號、測距以及信噪比，直徑50cm的單個線圈可覆蓋18m的范圍，即使在困難環境下定位精度仍優于1m。同時，低頻磁場具有低功耗的特性[45]。齊小康設計并通過實驗驗證了低頻交流磁場的室內定位系統，在數瓦特的功耗下實現了小范圍內的精確定位[46]。R. Kusche等[47]利用兩節電池為直流電機供電，借助亞克力轉盤和銣磁鐵構建了交流磁場錨節點，同時測量磁場信號的幅度和相位,確定目標用戶在人工磁場中所處的方向和位置。

綜上所述，圖6總結了無線定位技術的優點、面臨問題以及在應急定位中的應用。藍牙、UWB及人工磁場在應急場景下的定位各有優缺點，根據應急定位系統搭建時間增加的順序，本文按照如下順序推薦使用：藍牙、UWB以及人工磁場。人工磁場由于需要在災害場景實地估計模型參數，布設速度最慢。在災害場景定位過程中，還可以根據成本、精度、穿透性等要求選用傳感器。

圖6 無線定位技術總結

3 應急定位系統

第2章詳細分析了不同傳感器的優缺點，有助于應急救援定位系統的傳感器選擇。應急定位系統也需要綜合考慮救援人員與無人設備，例如在極度危險的災害情況下，可以利用無人設備進行輔助救援。隨著智能化程度顯著提升，無人設備可以進入應急場所收集環境信息，上傳至服務器端輔助決策，也可以實現協同定位等功能。完整的應急定位系統主要包含：坐標基準、知識圖譜、多源融合和智能控制四大關鍵技術，如圖7所示。下文將具體描述關鍵技術的作用、相關研究與發展趨勢，并在3.5節總結應急定位系統的布設流程。

3.1 坐標基準

應急事件發生后，室內布設傳感器可能被損毀而無法使用，室內外統一坐標基準隨之破壞。坐標基準的構建，是為搶險救災和災后重建提供及時、可靠的絕對位置的基礎。應急坐標基準包括室外坐標基準和室內坐標基準，室外開闊環境常采用PPP或連續運行參考站系統確定坐標基準[48]，其中前者定位精度較高，后者定位速度較快，可靈活選用。

構建GNSS信號過渡區域以及室內外統一的坐標基準，可以使用藍牙、超寬帶和人工磁場等技術。Liu Q.等[49]融合了GNSS、慣性器件和低功耗藍牙，基于智能手機觀測值進行環境感知，在實現室內外無縫定位的同時統一了室內外坐標基準。E.Mendelson[50]通過在緊急情況下使用智能手機的無線協議作為信標,構建室內定位基準，協助救援人員快速定位。楊燈等[51]提出了一種基于多維定標定位算法的集中式動態組網坐標基準構建技術，具備“一次組網，統一解算，完成構建”的特點，其實驗結果表明該方法定位誤差小于0.1m，可以滿足應急定位的需要。

在應急定位過程中，坐標基準往往由室外引入到室內，或由合作環境引入到非合作環境，需要與系統布設同時完成，定位精度至少應達到分米級[52]。目前，合作環境可以采用GNSS統一基準，技術已經成熟。由合作環境向非合作環境過渡時,大多采用距離或角度前方交會的方法，使用平差方法準確估計基站位置。因此，坐標基準統一轉化為精確測距或精確測角問題。此外，SLAM 方法還可以獲取無線傳感器位置，增加了邊角網平差中的約束條件。

3.2 知識圖譜

知識圖譜于2012年5月17日由Google提出[53]，本質上是一個描述實體、事件及其之間關系的知識庫。應急定位過程中需要對應急管理方案、多源傳感器融合、設備和人員調度等復雜問題進行處理，知識圖譜綜合處理海量的多源異構數據[54]，構建動態的應急疏散和救援方案，例如路徑規劃、危險區域標記和傳感器選擇等。

知識圖譜構建過程中，知識建模為最重要的階段，包括信息抽取、知識融合等階段[55]。信息抽取從異構數據中自動化抽取包括實體、關系和屬性等結構信息[56]。杜志強等[57]提出了“自頂向下構建模式層，自底向上構建數據層”，兼顧結構化數據和海量復雜數據，提高了信息提取能力。應急定位領域抽取信息時,應當以權威信息為主，輔以其他信息。閆家偉等[58]指出，針對社區火災防控能力不足的現象，將消防規范、技術標準及火災案例轉化為知識圖譜，用于查閱案例和構建風險防控方案。知識融合過程中，收集的相關信息伴隨著冗余和錯誤信息。李澤荃等[59]對于抽取的實體、屬性和關系，與已構建的知識圖譜進行比對，確定最優的概念匹配和關系匹配以實現信息融合。

由于應急定位領域對于可靠性有非常高的要求，需要大量專業人士或專業知識參與建模，尚未實現高度的自動化抽取。隨著互聯網的發展，海量的多源異構信息不僅對數據庫的存儲和讀寫提出了更高的要求，也為數據融合分析帶來了更高的分辨和選擇要求。應急定位中，各種突發情況頗多，常常具有不同的時空布局，如何根據不同的場景擴展已有知識圖譜的普適性能力，有待進一步研究。

3.3 多源協同

單一定位源難以滿足高精度、高可靠的定位需求，多源協同是應急定位的必然選擇。在時間響應緊急的場景中，自主定位的重要性大大提升，但往往面臨誤差累積的問題，需要充分融合自主定位設備。Sun M.等[60]提出了一種遺傳算法優化的粒子濾波方法，實現了非合作區域下的地磁/行人航位推算的自主定位。趙雨楠等[61]利用圖優化的方法，融合了INS、運動約束、地磁匹配以及激光點云匹配，實現自主定位。自主定位多為相對定位，可以借助GNSS定位結果將相對位置轉換為絕對位置信息。A.Abosekeen等[62]提出了一種磁力計/INS/GNSS組合導航系統，該系統利用三軸磁力計為方位角提供測量值。

在可布設無線定位設備的場景中，應充分考慮不同傳感器的優點和環境信息，完善傳感器選用、多傳感器無縫切換、自適應隨機模型構建和多源傳感器的故障隔離等技術。針對室內應急定位中的節點部署與容錯定位問題，M.Jadliwala等[63]提出了一種新穎而簡單的定位系統ASFALT，并探究了傳感器部分破壞時的定位性能。Li N.等[64]開發了一種基于射頻的室內定位框架，具有較強的穩健性，在傳感器遭到破壞時仍能保持70%的精度需求。P.Zabalegui等[65]基于殘差構建了全局檢驗指標和局部檢驗指標,探測UWB錨節點的故障情況并及時隔離故障錨節點，在室內和火車站等復雜環境下驗證了故障檢測和排除算法。

目前,非合作環境下的應急定位對于慣性導航系統有很強的依賴性，合作環境下的應急定位則依賴于GNSS，隨著非合作區域的定位環境復雜性和定位條件惡劣性的加劇，如何提高多源協同增強能力同時完成數據輕量化的工作,以滿足應急定位的快速需求是面臨的一大難題。

3.4 智能控制

面對城市建筑物應急場景的復雜系統，難以建立有效的數學模型或應用常規的控制理論去定量計算與分析。因此，將智能控制理論應用到應急定位中是十分必要的，其中智能決策、智能調度及智能協同會大大提高救援成功率。

應急定位時，絕大多數面對的場景都是陌生場景，先驗信息缺失，要求導航與定位系統提供邊探索、邊記憶的特性[66-67]，將深度學習應用于多源數據的語義提取，使救援人員具備與環境邊交互、邊學習的更優解導航能力。柳景斌等[68]提出了從運動場景及行為識別、數據增強和誤差估計建模等三方面與深度學習相結合，提供未來室內高精度智能定位技術。朱慶等[69]優化應急測繪無人機資源調度，提出了以蟻群算法為核心，以任務需求、優先級、地理環境與測繪資源能力等為約束，以高完成率和風險最小化為目標的智能應急資源調度模型。Lin N.等[70]利用無人機提供救災區域地面節點的緊急覆蓋，考慮最優覆蓋范圍和通信功率，采用視距通信概率和構建虛擬障礙物方法，迭代實現無人機的最優分布。為了實現應急環境下的智能控制，還需將分析預測、信息獲取、應急定位和保障能力進行協調統一，構建應急智能定位服務系統。

一套完整的智能控制應急定位系統需要將專家知識、場景信息與設備算法相結合，以達到面對復雜救援情況實現最優解的能力。決策端包含絕大部分智能控制理論，但是需要專家知識或先驗信息進行引導，如何將環境感知、自主決策以及知識自學習融合，是未來智能控制的研究重點之一。

3.5 應急定位系統布設流程

在城市建筑內發生緊急情況時，應急人員和應急設備需要從室外進入室內，定位過程中需要建立統一的室內外坐標基準。在室外，首先利用GNSS獲取無線基站位置，利用室外基站對室內基站采用距離或角度的前方交會，并利用慣性傳感器、SLAM等自主定位技術增加角度與距離約束，采用邊角網平差方法獲取室內基站位置，即構建了室內外統一的坐標基準。在室內，由于無線定位傳感器有效距離的限制，傳感器需要邊行走、邊布設，室內坐標基準傳遞與室外基準向室內傳遞過程一致。

進入到室內后，利用視覺、LiDAR等技術進行環境感知和受災情況特征提取，融合公開的災害數據等權威信息和救援人員等一手信息，構建或更新知識圖譜。知識圖譜可輔助傳感器選用、傳感器無縫切換，對室內重點搜索區域和危險區域進行標記，規劃疏散路線和救援路線，實現救援人員和救援設備之間的智能調度。在獲取受災環境信息后，采用慣導、LiDAR融合定位方式跟蹤救援人員和救援設備，實時判斷是否增加視覺定位或無線定位方式以提高魯棒性。在遮蔽嚴重的場景，救援人員可布設人工磁場等無線基站輔助定位，也可以與無人設備集成的基站實現救援人員和救援設備之間的協同定位。

4 結論

通過第1章的對比，現有的普適定位系統難以滿足突發事件下的定位需求，而應急定位系統很好地彌補了這一空白。面對災害等復雜場景時，為了使應急定位系統充分保障救援人員的生命安全，要求其具備部署速度快、定位精度高、實時處理及救援區域全覆蓋的特點。應急定位系統的構建主要包括坐標基準、知識圖譜、多源協同及智能控制四大關鍵技術。但是目前傳感器選取、隨機模型構建以及決策階段主要依賴專家知識，難以做到環境數據自分析和智決策，如何做到無人為干預或輕量人為干預的“環境-人-機”系統布設將是應急定位系統的未來發展趨勢。