徐 捷 ，王中友 ，吳哲夫

(1．浙江商業(yè)職業(yè)技術(shù)學(xué)院，實(shí)訓(xùn)處，浙江杭州310053;2．浙江省通信產(chǎn)業(yè)服務(wù)有限公司，浙江杭州310050;3．浙江工業(yè)大學(xué)信息工程學(xué)院，浙江杭州310023)

0 引 言

在鐵路行李托運(yùn)過(guò)程中，由于托運(yùn)物品數(shù)量多和工作人員有限，難免會(huì)發(fā)生行李物品錯(cuò)拿或丟失情況，如何降低行李失竊和誤領(lǐng)風(fēng)險(xiǎn)是具有實(shí)際意義的研究課題。為了在從客運(yùn)站托運(yùn)處到列車車廂的搬運(yùn)過(guò)程中方便管理每一件托運(yùn)物品，需要在客運(yùn)站內(nèi)建立相應(yīng)定位系統(tǒng)動(dòng)態(tài)獲取托運(yùn)物品的位置信息，并通過(guò)網(wǎng)絡(luò)傳輸至管理中心實(shí)現(xiàn)物品監(jiān)控。目前，用于室內(nèi)定位和物品定位的技術(shù)主要有紅外線定位、Wi-Fi 定位［1-2］、Zigbee 定位［3-4］和RFID 定位［5-7］技術(shù)等。其中關(guān)于Zigbee 定位的文獻(xiàn)采用了基于Zigbee 網(wǎng)絡(luò)的車站行李定位技術(shù)，由于必須將Zigbee 接收節(jié)點(diǎn)固定于行李上才能實(shí)現(xiàn)基于RSSI 值定位，該方案的實(shí)際應(yīng)用成本較高。

本研究所采用的基于RFID 定位方案具有非視距傳播范圍大、讀寫(xiě)速度快、安全性高等優(yōu)點(diǎn)，并且由于RFID 標(biāo)簽價(jià)格便宜，系統(tǒng)性價(jià)比較高，相比其他技術(shù)更適合應(yīng)用于客運(yùn)站。

1 基于RFID 的LANDMARC 定位技術(shù)

射頻識(shí)別RFID 是一種利用射頻信號(hào)的非接觸式自動(dòng)識(shí)別技術(shù)，可同時(shí)自動(dòng)識(shí)別多個(gè)物體，并且系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，具有廣泛的應(yīng)用。

LANDMARC 系統(tǒng)［8-9］是一種改進(jìn)的RFID 定位技術(shù)，通過(guò)引入位置固定的參考標(biāo)簽來(lái)輔助定位，從而增加室內(nèi)系統(tǒng)定位精確性而不增加閱讀器數(shù)量。定位環(huán)境由輔助定位的傳感網(wǎng)絡(luò)和移動(dòng)設(shè)備組成，其中包括4 個(gè)RF 閱讀器、若干個(gè)參考標(biāo)簽和一個(gè)待定位標(biāo)簽。

系統(tǒng)中當(dāng)某個(gè)待定位標(biāo)簽與參考標(biāo)簽的空間距離相近時(shí)，它們對(duì)于同一個(gè)RFID 閱讀器的信號(hào)強(qiáng)度值也應(yīng)該是相近的。LANDMARC 的具體求解過(guò)程如下:

假設(shè)有一個(gè)n 個(gè)閱讀器，m 個(gè)參考標(biāo)簽以及u 個(gè)跟蹤標(biāo)簽組成的定位系統(tǒng)，那么跟蹤標(biāo)簽p 和參考標(biāo)簽q 的歐幾里得距離(D)計(jì)算公式為:

其中:參數(shù)wi由下式給出:

2 改進(jìn)的LANDMARC 系統(tǒng)

2．1 改進(jìn)的LANDMARC 系統(tǒng)算法

改進(jìn)的LANDMARC 算法將區(qū)域分為若干個(gè)小的定位子區(qū)域，算法布局圖如圖1 所示。每個(gè)子區(qū)域由1 個(gè)主參考標(biāo)簽和8 個(gè)相鄰的次參考標(biāo)簽組成。主參考標(biāo)簽屬于第一層參考標(biāo)簽，間距在2 m 左右;而次參考標(biāo)簽屬于第二層參考標(biāo)簽，間距在1 m 左右，由此可將整個(gè)定位區(qū)域分為三層定位結(jié)構(gòu)。當(dāng)算法應(yīng)用于列車客運(yùn)站行李托運(yùn)系統(tǒng)時(shí)，實(shí)際分層結(jié)構(gòu)可以根據(jù)行李數(shù)量作具體調(diào)整。在標(biāo)簽數(shù)量較大時(shí)，可以通過(guò)增加分層結(jié)構(gòu)來(lái)減少數(shù)據(jù)負(fù)載，從而提高定位效率。

圖1 改進(jìn)LANDMARC 算法布局

具體定位過(guò)程可以分為4 個(gè)步驟:

(1)確定跟蹤標(biāo)簽所在的定位子區(qū)域。定位子區(qū)域和主參考標(biāo)簽一一對(duì)應(yīng)，只要找出最近的主參考標(biāo)簽，就能確定其所在的子定位區(qū)域。假設(shè)有n 個(gè)RF讀取器，p 個(gè)主參考標(biāo)簽，u 個(gè)跟蹤標(biāo)簽。本研究利用式(1，2)計(jì)算跟蹤標(biāo)簽和主參考標(biāo)簽之間的歐氏距離，得到距離矢量，對(duì)距離矢量中各分量排序，選出最小的歐氏距離，對(duì)應(yīng)的主參考標(biāo)簽所在區(qū)域即為所求的定位子區(qū)域。

(2)每一個(gè)定位子區(qū)域可以進(jìn)一步分成4 個(gè)定位區(qū)域。假設(shè)在(1)中確定的主參考標(biāo)簽為PTk，選取PTk周圍相鄰的8 個(gè)次參考標(biāo)簽，計(jì)算8 個(gè)次參考標(biāo)簽和跟蹤標(biāo)簽之間的歐氏距離，選出距離跟蹤標(biāo)簽最近的次參考標(biāo)簽ST1。接下來(lái)，本研究在剩余的7 個(gè)次參考標(biāo)簽中選出與跟蹤標(biāo)簽次近的次參考標(biāo)簽，同時(shí)這個(gè)標(biāo)簽必須是ST1的兩個(gè)相鄰標(biāo)簽之一。這樣確定了1 個(gè)主參考標(biāo)簽和2 個(gè)相鄰的次參考標(biāo)簽，也就確定了跟蹤標(biāo)簽所在的矩形區(qū)域。由上述定位步驟可知，這個(gè)矩形區(qū)域由1 個(gè)主參考標(biāo)簽PTk和3 個(gè)相鄰的次參考標(biāo)簽(ST1ST2ST3)組成。

(3)與LANDMARC 系統(tǒng)相同，改進(jìn)算法采用k－最近鄰算法和加權(quán)算法計(jì)算跟蹤標(biāo)簽的位置。這里式(3)中k=4，得:

改進(jìn)算法把參考標(biāo)簽分為主參考標(biāo)簽和次參考標(biāo)簽這兩層，逐層搜索跟蹤標(biāo)簽的最近鄰居來(lái)實(shí)現(xiàn)快速定位。當(dāng)參考標(biāo)簽數(shù)量很多時(shí)，可以將參考標(biāo)簽分為3 層或者更多層，最終將跟蹤標(biāo)簽定位在由4 個(gè)參考標(biāo)簽組成的矩形區(qū)域內(nèi)。

(4)為進(jìn)一步提高定位精度，該算法引入修正誤差向量的概念。通常情況下，跟蹤標(biāo)簽和最近鄰居距離不超過(guò)1 m，因此可以近似認(rèn)為兩者定位誤差向量相同，可由此修正式(5)計(jì)算得到的跟蹤標(biāo)簽坐標(biāo)。

為了計(jì)算修正誤差，首先需要確定距離跟蹤標(biāo)簽最近的參考標(biāo)簽，即關(guān)鍵參考標(biāo)簽(key reference tag，KT)。本研究比較主參考標(biāo)簽PTk和3 個(gè)相鄰的次參考標(biāo)簽(ST1ST2ST3)到跟蹤標(biāo)簽的歐式距離，選出關(guān)鍵參考標(biāo)簽。通過(guò)利用式(2～4)計(jì)算得到KT 的計(jì)算坐標(biāo)(p'，q')，已知KT 的真實(shí)坐標(biāo)為(p，q)，因此可以得到KT 的定位誤差向量:。假設(shè)跟蹤標(biāo)簽真實(shí)坐標(biāo)為(x，y)，由式(5)計(jì)算得到的跟蹤標(biāo)簽的計(jì)算坐標(biāo)為(x'，y')，則有:

由式(6)變換得到修正后的跟蹤標(biāo)簽計(jì)算坐標(biāo):

2．2 改進(jìn)的LANDMARC 系統(tǒng)硬件

實(shí)驗(yàn)選用了RF Code 公司的M100 標(biāo)簽和M250閱讀器。M100 是有源標(biāo)簽，對(duì)每個(gè)標(biāo)簽預(yù)編譯7 個(gè)字符的ID 號(hào)，采用ASK 調(diào)制編碼，典型傳輸范圍為90 m。M100 標(biāo)簽可以通過(guò)編碼設(shè)置成兩種信標(biāo)率，在低速狀態(tài)下其壽命可達(dá)5年。

實(shí)驗(yàn)采用的M250 閱讀器工作在308 MHz，工作范圍為45 m，提供8 個(gè)遞增的閱讀范圍。通過(guò)組態(tài)軟件和應(yīng)用接口，閱讀器可在7．5 s 內(nèi)讀取500 個(gè)標(biāo)簽的數(shù)據(jù)，可同時(shí)監(jiān)視1 400 個(gè)信標(biāo)速率為10 s 的標(biāo)簽。

3 改進(jìn)的客運(yùn)站行李托運(yùn)管理系統(tǒng)

3．1 系統(tǒng)構(gòu)建

基于改進(jìn)LANDMARC 算法的行李托運(yùn)管理系統(tǒng)由固定在行李上的RFID 標(biāo)簽、托運(yùn)處布置的參考標(biāo)簽、少量閱讀器和數(shù)據(jù)管理系統(tǒng)組成，參考標(biāo)簽和閱讀器位置如圖2 所示。

圖2 閱讀器和參考標(biāo)簽位置

當(dāng)行李在列車站托運(yùn)處時(shí)，行李上的標(biāo)簽處于靜止?fàn)顟B(tài)，以低信標(biāo)率發(fā)送自身ID 號(hào)和狀態(tài)信息。當(dāng)行李從托運(yùn)處轉(zhuǎn)移到列車上時(shí)，其中動(dòng)作傳感器被激活，標(biāo)簽以高信標(biāo)率發(fā)送信息給閱讀器。閱讀器將實(shí)時(shí)收集到的射頻信號(hào)強(qiáng)度信息通過(guò)TCP/IP 協(xié)議轉(zhuǎn)發(fā)給后臺(tái)系統(tǒng)。對(duì)于M250 閱讀器，信息可以通過(guò)兩種途徑傳遞:一種為有線方式，即使用RJ45 端口以太網(wǎng);另一種為無(wú)線方式，即通過(guò)802．11 b/g 標(biāo)準(zhǔn)傳輸。后臺(tái)數(shù)據(jù)處理系統(tǒng)使用改進(jìn)后的LANDMARC 算法計(jì)算托運(yùn)行李的位置并在控制臺(tái)上顯示相應(yīng)坐標(biāo)。行李出站之前如果其RF 標(biāo)簽發(fā)生故障或者被人為破壞，則內(nèi)置的纂改開(kāi)關(guān)自動(dòng)開(kāi)啟，發(fā)出警報(bào)信號(hào)，從而有效降低行李丟失和誤拿概率。

3．2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)測(cè)試了不同配置和位置條件影響下的改進(jìn)算法的性能，并與原算法進(jìn)行了比較。

3．2．1 閱讀器位置對(duì)定位精度的影響

實(shí)驗(yàn)先對(duì)閱讀器不同擺放位置下的兩種算法定位誤差進(jìn)行了比較，其結(jié)果如圖3 所示。原算法在位置1和位置2 的平均定位誤差分別為0．227 m 和0．184 m，而改進(jìn)算法則是0．154 m 和0．152 m，結(jié)果表明4 個(gè)閱讀器如位置2 擺放時(shí)較位置1 能有效提高LANDMARC 算法的標(biāo)簽定位精度，因此以下實(shí)驗(yàn)都將閱讀器放在位置2。

圖3 閱讀器不同位置的定位誤差比較

3．2．2 參考標(biāo)簽間距對(duì)定位精度的影響

實(shí)驗(yàn)還選取和測(cè)試了參考標(biāo)簽的不同間距對(duì)改進(jìn)前后兩種算法的定位誤差影響。結(jié)果發(fā)現(xiàn)，當(dāng)標(biāo)簽間距離逐漸增大時(shí)，其定位誤差也逐漸增大:當(dāng)標(biāo)簽間距d=0．5 m 至d=1．25 m 時(shí)誤差增速較緩，而后至d=5 m過(guò)程中則迅速增大。直觀上，參考標(biāo)簽密度越大使得確定的定位區(qū)域越小，因而定位誤差也越小。但實(shí)際應(yīng)用中，隨著標(biāo)簽密度增大，其標(biāo)簽間的電磁干擾也隨之增大，從而導(dǎo)致定位精度反而下降。綜合考慮各種因素，實(shí)驗(yàn)選定的標(biāo)簽間距為1 m。

3．2．3 不同參考標(biāo)簽數(shù)量下的算法耗時(shí)比較

兩種算法的定位速度與參考標(biāo)簽數(shù)量之間關(guān)系的比較如圖4 所示。當(dāng)標(biāo)簽數(shù)量較少時(shí)(標(biāo)簽數(shù)量n =121 時(shí))，原始算法耗時(shí)0．092 s，改進(jìn)算法耗時(shí)0．09 s，減少了2%的計(jì)算時(shí)間，改進(jìn)的效果并不明顯。隨著標(biāo)簽數(shù)量增大，兩種算法的計(jì)算負(fù)載差距越來(lái)越大，當(dāng)n=260 1 時(shí)，原始算法耗時(shí)2．084 s;改進(jìn)算法僅耗時(shí)1．394 s，減少了33%的計(jì)算時(shí)間。可見(jiàn)隨著參考標(biāo)簽數(shù)量增加，改進(jìn)算法避免了大量冗余計(jì)算，因而節(jié)約了計(jì)算時(shí)間，可以滿足實(shí)時(shí)定位如動(dòng)態(tài)跟蹤的需求。

圖4 算法定位速度比較

考慮到單次實(shí)驗(yàn)誤差的偶然性，1 000 次實(shí)驗(yàn)結(jié)果比較如圖5 所示。原始算法和改進(jìn)算法的平均誤差分別為0．19 m 和0．15 m，定位精度平均提高18%。改進(jìn)算法利用參考誤差修正跟蹤標(biāo)簽的計(jì)算坐標(biāo)，抵消了部分環(huán)境因素對(duì)定位精度產(chǎn)生的干擾，使得改進(jìn)算法的定位精度優(yōu)于原始算法。

圖5 算法的平均定位誤差比較

4 結(jié)束語(yǔ)

本研究在討論RFID 技術(shù)和改進(jìn)LANDMARC 定位算法的基礎(chǔ)上，結(jié)合火車客運(yùn)站內(nèi)行李物品定位的實(shí)際需要，提出了基于參考標(biāo)簽的分層結(jié)構(gòu)用于改進(jìn)原LANDMARC 算法。實(shí)驗(yàn)平臺(tái)通過(guò)比較閱讀器位置、參考標(biāo)簽間距和標(biāo)簽個(gè)數(shù)等參數(shù)比較了改進(jìn)算法與原算法的定位效果，同時(shí)給出了在實(shí)驗(yàn)條件下的較佳配置參數(shù)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法具有更快的定位速度和更高的定位精度，具有一定的應(yīng)用價(jià)值。

在改進(jìn)算法的實(shí)際應(yīng)用中還需考慮到人員走動(dòng)、手機(jī)設(shè)備以及環(huán)境變化等干擾因素的存在，研究者在定位算法處理前必須對(duì)數(shù)據(jù)進(jìn)行合理性判斷，如通過(guò)指紋庫(kù)模型和統(tǒng)計(jì)檢驗(yàn)剔除異常數(shù)據(jù)，從而滿足客運(yùn)站應(yīng)用場(chǎng)景下的實(shí)際物品定位要求。

［1］孫善武，王 楠，陳 堅(jiān)． 一種改進(jìn)的基于信號(hào)強(qiáng)度的WLAN 定位方法［J］．計(jì)算機(jī)科學(xué)，2014，41(6):99-103．

［2］王殿君，一種基于WLAN 的RSSI 值獲取方法［J］． 機(jī)床與液壓，2013，41(17):41-43．

［3］張積洪，劉天浩．基于ZigBee 和GPRS 技術(shù)的行李定位系統(tǒng)［J］．單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2013，13(11):60-62．

［4］劉小康，郭 杭．基于Zigbee 室內(nèi)定位系統(tǒng)的指紋庫(kù)優(yōu)化算法［J］．計(jì)算機(jī)工程，2014，40(2):193-198．

［5］MA Yong-tao，ZHOU Liu-ji，LIU Kai-hua，et al． Iterative phase reconstruction and weighted localization algorithm for indoor RFID-based localization in NLOS environment［J］．IEEE Sensors Journal，2014，14(2):597-611．

［6］戴光麟，梁學(xué)利，肖致友，等．低溫食品運(yùn)輸過(guò)程環(huán)境監(jiān)測(cè)系統(tǒng)研究［J］．機(jī)電工程，2014，31(2):191-194．

［7］藺宏良，黃曉鵬． 車聯(lián)網(wǎng)技術(shù)研究綜述［J］． 機(jī)電工程，2014，31(9):1235-1238．

［8］汪 冬，葛萬(wàn)成，莫國(guó)民，等．基于參考標(biāo)簽可信度和偏差自校正的RFID 室內(nèi)定位算法［J］．計(jì)算機(jī)應(yīng)用，2014，34(11):3170-3172．

［9］BASHERR M R，JAGANNATHAN S． Localization of RFID tags using stochastic tunneling［J］． IEEE Transactions on Mobile Computing，2013，12(6):1225-1235．

［10］李軍懷，張果謀，于 蕾，等．具有環(huán)境自適應(yīng)性的虛擬參考標(biāo)簽定位方法［J］． 應(yīng)用科學(xué)學(xué)報(bào)，2013，31(4):402-410．

［11］鄒學(xué)玉，韓付偉． 基于LANDMARC 的最近鄰居改進(jìn)算法［J］．武漢大學(xué)學(xué)報(bào):理學(xué)版，2013，59(3):112-116．

［12］KUCUKTUNC O， FERHATOSMANOGLI H． λ-diverse nearest neighbors browsing for multidimensional data［J］．IEEE Transactions on Knowledge and Data Engineering，2013，25(3):481-493．