王　云，薛瑞恒，胡引翠，盧光耀

(1. 河北省環(huán)境演變與生態(tài)建設(shè)實(shí)驗(yàn)室，河北 石家莊 050016； 2. 河北師范大學(xué)，河北 石家莊 050024)

?

基于指紋匹配和衰減模型的車輛追蹤方法

王云1,2，薛瑞恒1，2，胡引翠1,2，盧光耀1,2

(1. 河北省環(huán)境演變與生態(tài)建設(shè)實(shí)驗(yàn)室，河北 石家莊 050016； 2. 河北師范大學(xué)，河北 石家莊 050024)

Vehicle Tracking Method Using Fingerprint Matching and Attenuation Model

WANG Yun，XUE Ruiheng，HU Yincui，LU Guangyao

摘要：隨著社會(huì)發(fā)展的進(jìn)步，手機(jī)和移動(dòng)網(wǎng)絡(luò)應(yīng)用越來(lái)越普遍，移動(dòng)位置服務(wù)成為偵查工作的一種重要手段。本文提出了一種利用基站信息指紋數(shù)據(jù)庫(kù)匹配和信號(hào)傳播模型的車輛定位方法，實(shí)現(xiàn)了對(duì)車輛的追蹤，并通過(guò)實(shí)地測(cè)量數(shù)據(jù)進(jìn)行驗(yàn)證。該方法通過(guò)建立信號(hào)衰減理想模型，結(jié)合GIS中的疊置分析，用較少參數(shù)實(shí)現(xiàn)較為精準(zhǔn)的定位。結(jié)果表明，這種方法能快速地縮小搜索范圍，精度達(dá)到150 m，為被盜車輛的追蹤提供了簡(jiǎn)單、有效的方法。

關(guān)鍵詞：基站定位；指紋數(shù)據(jù)庫(kù)；信號(hào)衰減；車輛追蹤

隨著經(jīng)濟(jì)發(fā)展，社會(huì)越來(lái)越趨于信息化、智能化。近些年，移動(dòng)通信技術(shù)飛速發(fā)展，通信覆蓋范圍日益擴(kuò)大。在車輛防盜定位追蹤應(yīng)用中，無(wú)線定位系統(tǒng)成為防盜定位的一種有效途徑。盡管GPS定位技術(shù)已經(jīng)非常成熟，但是受限于定位追蹤的應(yīng)用場(chǎng)景，追蹤定位設(shè)備部件一般需要安裝在車輛隱蔽位置，而這些位置往往會(huì)對(duì)衛(wèi)星信號(hào)造成遮擋而使GPS定位模塊失效。目前采用較為普遍的是無(wú)線定位系統(tǒng)，其定位方法主要有手機(jī)移動(dòng)基站定位和基站與衛(wèi)星定位系統(tǒng)的聯(lián)合定位兩種[1]。手機(jī)移動(dòng)基站定位主要包括：蜂窩小區(qū)(COO)定位、信號(hào)到達(dá)角度(AOA)定位、信號(hào)到達(dá)時(shí)間(TOA)與到達(dá)時(shí)間差(TDOA)定位、信號(hào)強(qiáng)度指示(RSSI)定位。其中，COO定位精度與基站的密度和覆蓋半徑有關(guān)，精度較低[2]；AOA定位精度較高，對(duì)感知移動(dòng)終端信號(hào)的硬件設(shè)備要求也較高；TOA和TDOA定位至少需要3個(gè)以上基站[3]；RSSI定位成本低，易于實(shí)現(xiàn)，但是信號(hào)強(qiáng)度的經(jīng)驗(yàn)?zāi)Ｐ秃屠碚撃Ｐ蜆?gòu)建復(fù)雜[4]。

AOA、TOA和TDOA方法是通過(guò)檢測(cè)移動(dòng)終端和多個(gè)基站之間信號(hào)到達(dá)時(shí)間、角度等特征參數(shù)實(shí)現(xiàn)定位的。當(dāng)移動(dòng)終端周邊的基站站點(diǎn)各方向布點(diǎn)不良時(shí)，將對(duì)定位產(chǎn)生很大影響。RSSI定位是根據(jù)信號(hào)強(qiáng)度，建立信號(hào)衰減模型來(lái)估計(jì)出基站與移動(dòng)終端之間的距離。但在衰減模型中，信號(hào)強(qiáng)度除了受移動(dòng)終端與基站距離的影響外，與周圍環(huán)境也密切相關(guān)，如地形起伏、建筑物高度和密度、植被、空氣濕度等，都會(huì)阻礙信號(hào)的傳播，從而造成信號(hào)能量的損耗[5]。各地環(huán)境不同，不確定因素較多，且環(huán)境變化太快，因此，根據(jù)各地情況建立當(dāng)?shù)鼐_的衰減模型，不僅構(gòu)建復(fù)雜、運(yùn)算量大，而且效率低、誤差大、實(shí)施性不強(qiáng)[6]。為解決以上問(wèn)題，本文提出了指紋數(shù)據(jù)庫(kù)匹配和信號(hào)衰減理想模型相結(jié)合的方法。通過(guò)采集大量實(shí)地測(cè)量的基站及信號(hào)信息，建立不同位置上的指紋數(shù)據(jù)庫(kù)，將待定位點(diǎn)的基站信息與指紋數(shù)據(jù)庫(kù)中的基站信息進(jìn)行匹配，根據(jù)匹配結(jié)果，初步得出待定位點(diǎn)的緩沖區(qū)域。并進(jìn)一步建立信號(hào)衰減理想模型，利用地理信息系統(tǒng)中的疊置分析，計(jì)算出待定位點(diǎn)的精確位置。最終將這種方法應(yīng)用于被盜車輛的追蹤，為警方找回被盜車輛提供了方向，快速縮小搜尋范圍，減少了搜尋時(shí)間，有效地保證了車輛安全，對(duì)警方監(jiān)控、查詢移動(dòng)目標(biāo)有重要的意義。

一、移動(dòng)位置服務(wù)

移動(dòng)位置服務(wù)(location based service，LBS)，又叫手機(jī)基站定位，移動(dòng)運(yùn)營(yíng)商是基礎(chǔ)，通過(guò)無(wú)線終端(如手機(jī)、PDA等)和電信移動(dòng)運(yùn)營(yíng)商的網(wǎng)絡(luò)，采用不同的定位方法，獲取移動(dòng)終端用戶的地理位置信息，經(jīng)數(shù)據(jù)處理分析，將數(shù)據(jù)以圖的形式展示，結(jié)合地圖信息，為用戶提供與空間位置有關(guān)的更直觀的服務(wù)，是導(dǎo)航與移動(dòng)通信相融合的產(chǎn)物[7]。

據(jù)統(tǒng)計(jì)，在日常生活中有80%的活動(dòng)與空間地理位置有關(guān)。生活節(jié)奏的不斷加快使實(shí)時(shí)位置信息成為人們最關(guān)注的信息之一。1996年美國(guó)聯(lián)邦通信委員會(huì)(FCC)發(fā)布了E-911緊急救助規(guī)則，要求移動(dòng)運(yùn)營(yíng)商為手機(jī)用戶提供位置信息，定位服務(wù)由此誕生[8]。此后，日本、歐洲等也開(kāi)始制定相應(yīng)的法律和標(biāo)準(zhǔn)，提出類似的需求，從而推動(dòng)了移動(dòng)位置服務(wù)的發(fā)展[9]。我國(guó)從2001年開(kāi)始引入移動(dòng)位置服務(wù)，2007—2008年得到迅速發(fā)展，2010年技術(shù)趨于成熟。隨著超大城市的出現(xiàn)和人們的頻繁移動(dòng)，移動(dòng)位置服務(wù)不斷應(yīng)用于社會(huì)各個(gè)領(lǐng)域：緊急救援和求助、定位導(dǎo)航、個(gè)人問(wèn)詢服務(wù)、物流監(jiān)控和調(diào)度、軌跡跟蹤、社交、商業(yè)等。鑒于近期頻頻發(fā)生車輛被盜事件，且目前公安系統(tǒng)對(duì)目標(biāo)的查詢或監(jiān)控多是通過(guò)群眾等渠道實(shí)現(xiàn)，需花費(fèi)大量的人力、物力和財(cái)力，因此本文提出指紋數(shù)據(jù)庫(kù)匹配與信號(hào)衰減理想模型結(jié)合的方法，為搜尋被盜車輛提供簡(jiǎn)單、有效的方法。

二、數(shù)據(jù)來(lái)源及研究方法

1. 數(shù)據(jù)來(lái)源及試驗(yàn)概況

試驗(yàn)工作在2013年9月22日進(jìn)行，測(cè)試點(diǎn)為河北師范大學(xué)，車輛搭載移動(dòng)終端設(shè)備在校園內(nèi)環(huán)繞一周，每6 s獲得一個(gè)指紋點(diǎn)的基站信號(hào)數(shù)據(jù)，剔除無(wú)效點(diǎn)后共145個(gè)指紋點(diǎn)。每個(gè)指紋點(diǎn)能同時(shí)接收周邊7個(gè)基站發(fā)射的信號(hào)，信號(hào)數(shù)據(jù)包括信息時(shí)刻、LAC(本地區(qū)域識(shí)別碼)、CID(當(dāng)前基站的唯一標(biāo)識(shí)碼)、ARFCN(絕對(duì)無(wú)線頻道編號(hào))、BSIC(基站識(shí)別碼)、Rxlev(信號(hào)強(qiáng)度)。LAC是基站所處區(qū)域的識(shí)別碼；若某一采樣點(diǎn)在同一時(shí)刻獲得兩個(gè)或多個(gè)同一區(qū)域發(fā)射的信號(hào)，可通過(guò)CID來(lái)區(qū)別信號(hào)來(lái)源于哪個(gè)基站；若信號(hào)來(lái)源于同一個(gè)基站，BSIC可以區(qū)別來(lái)源于基站的哪個(gè)扇區(qū)。

2. 研究方法

(1) 位置指紋定位

位置指紋定位是根據(jù)表征目標(biāo)點(diǎn)特征的指紋數(shù)據(jù)庫(kù)進(jìn)行的，主要分為訓(xùn)練階段和定位階段。訓(xùn)練階段是建立位置指紋數(shù)據(jù)庫(kù)的過(guò)程。在目標(biāo)所在范圍選取合理的參考點(diǎn)，記錄下各參考點(diǎn)來(lái)自不同基站的信號(hào)強(qiáng)度值，將所有參考點(diǎn)的位置、基站信息和信號(hào)強(qiáng)度值錄入數(shù)據(jù)庫(kù)[10]，見(jiàn)表1。

定位階段將目標(biāo)點(diǎn)與數(shù)據(jù)庫(kù)中各參考點(diǎn)的基站信息和信號(hào)強(qiáng)度值進(jìn)行比較，通過(guò)一定的匹配算法計(jì)算出目標(biāo)點(diǎn)的位置，主要有最近鄰法、K近鄰法、K加權(quán)近鄰法、概率算法和神經(jīng)網(wǎng)法等[11]。本文使用最近鄰法。根據(jù)時(shí)間先后順序，對(duì)參考點(diǎn)進(jìn)行編號(hào)。試驗(yàn)中被盜車輛搭載的移動(dòng)終端的回傳信息，包括被盜車輛接收信號(hào)的本地區(qū)域識(shí)別碼、基站的唯一標(biāo)識(shí)碼和基站識(shí)別碼。由于存在多徑效應(yīng)，基站發(fā)出的信號(hào)會(huì)發(fā)生散射。與被盜車輛距離越近，接收的基站信號(hào)情況越相近，即有共同的本地區(qū)域識(shí)別碼、當(dāng)前基站的唯一標(biāo)識(shí)碼和和基站識(shí)別碼。

表1　基站信號(hào)指紋數(shù)據(jù)庫(kù)

(2) 信號(hào)衰減理想模型

在建立信號(hào)衰減理想模型時(shí)，只考慮距離遠(yuǎn)近導(dǎo)致信號(hào)衰減，不考慮天線高度、天線方向和障礙物阻擋對(duì)信號(hào)傳播的影響?；拘盘?hào)的理想覆蓋范圍是一個(gè)圓，發(fā)射范圍為360°，每120°分為一個(gè)扇區(qū)。移動(dòng)終端只要處于開(kāi)機(jī)工作或待機(jī)狀態(tài)，一旦進(jìn)入到基站信號(hào)的發(fā)射范圍內(nèi)，就會(huì)接收到基站發(fā)射的無(wú)線信號(hào)，相近時(shí)間內(nèi)，接收到基站信號(hào)的移動(dòng)終端在以基站為中心的圓內(nèi)[12]。根據(jù)基站的位置和移動(dòng)終端與基站的對(duì)應(yīng)關(guān)系，可以對(duì)移動(dòng)終端的位置進(jìn)行分析。

指紋點(diǎn)與移動(dòng)終端都接收到基站A、基站B和基站C的信號(hào)。分別以基站A、B、C為中心，以基站到指紋點(diǎn)的距離為半徑做圓。若移動(dòng)終端接收到基站A的信號(hào)強(qiáng)度比指紋點(diǎn)大，則移動(dòng)終端與指紋點(diǎn)相比，距離基站A較近，即移動(dòng)終端處于圓A內(nèi)；若比指紋點(diǎn)的信號(hào)強(qiáng)度小，則在圓A外。同理比較指紋點(diǎn)與移動(dòng)終端接收到基站B和基站C的信號(hào)強(qiáng)度，由此得到3個(gè)空間范圍，這3個(gè)空間范圍共同覆蓋的區(qū)域，如陰影區(qū)所示，即移動(dòng)終端所在位置，如圖1所示。

圖1　信號(hào)衰減理想模型方法示意圖

(3) 疊置分析

多邊形疊置是GIS最常用的空間分析方法之一，在同一空間參考系統(tǒng)下，將兩個(gè)或多個(gè)多邊形圖層進(jìn)行疊加，產(chǎn)生一個(gè)新的多邊形圖層[13]，以解決地理變量的多準(zhǔn)則分析、區(qū)域多重屬性模擬分析、地理特征動(dòng)態(tài)變化分析及區(qū)域信息提取等。在信號(hào)衰減理想模型中，兩個(gè)或多個(gè)指紋點(diǎn)的衰減模型相交，可以得到移動(dòng)終端的所在區(qū)域，將多組這樣的區(qū)域范圍進(jìn)行疊加，可獲取移動(dòng)終端更精確的位置。

三、結(jié)果與分析

1. 指紋數(shù)據(jù)庫(kù)匹配應(yīng)用

按采樣時(shí)間順序?qū)χ讣y點(diǎn)進(jìn)行排序，指紋點(diǎn)序號(hào)從1到145，假設(shè)104號(hào)點(diǎn)為被盜車輛當(dāng)前所在位置。被盜車輛接收到信號(hào)的7個(gè)基站中，由于2個(gè)基站地理坐標(biāo)未知，因此用5個(gè)基站的信息進(jìn)行定位分析。這5個(gè)基站處于一個(gè)小區(qū)內(nèi)，即LAC相同，它們的基站唯一標(biāo)識(shí)碼、絕對(duì)無(wú)線頻道編號(hào)和基站識(shí)別碼分別為A164-004E-25、A165-54-0C、34F3-207-2C、34F4-214-2E、DF25-216-21。將被盜車輛接收到的基站信號(hào)與指紋數(shù)據(jù)庫(kù)中各指紋點(diǎn)的基站信息進(jìn)行匹配，找出信號(hào)最為相近的記錄，即為被盜車輛的所在位置，如圖2所示。

圖2

圖2(a)是指紋信號(hào)的熱度圖，表示各指紋點(diǎn)與被盜車輛中移動(dòng)終端接收到的信號(hào)的相似程度，紅色區(qū)域相似程度最高，黃色次之，藍(lán)色最低。由圖可知，紅色區(qū)域即被盜車輛可能的所在范圍，集中在校園北側(cè)，尤其是東北角和西北角。從圖2(b)指紋信號(hào)分布圖可以看出，距離被盜車輛最近的指紋點(diǎn)與被盜車輛中移動(dòng)終端接收的信號(hào)匹配不是最好的，這是因?yàn)楦髦讣y點(diǎn)的移動(dòng)終端同時(shí)接收到多個(gè)基站的信號(hào)，受到信號(hào)實(shí)際傳播因素、移動(dòng)終端數(shù)量及基站切換策略的影響[14]。與被盜車輛中移動(dòng)終端接收信號(hào)匹配最好的指紋點(diǎn)集中在92—108號(hào)點(diǎn)位。其中98—103號(hào)指紋點(diǎn)接收到信號(hào)的基站中，有3個(gè)與被盜車輛的基站唯一標(biāo)識(shí)碼、絕對(duì)無(wú)線頻道編號(hào)和基站識(shí)別碼均相同，105—108號(hào)指紋點(diǎn)有4個(gè)均相同，這表明被盜車輛可能在這些點(diǎn)位附近。

2. 信號(hào)衰減理想模型應(yīng)用

通過(guò)信號(hào)匹配，可以得到被盜車輛所處的區(qū)域范圍，但是范圍較大，精度不高，因此通過(guò)信號(hào)衰減理想模型，進(jìn)一步精確定位。

試驗(yàn)中，被盜車輛上搭載的92—108號(hào)點(diǎn)位的指紋與接收信號(hào)的基站最相近，根據(jù)信號(hào)衰減的理想模型，分別將各指紋點(diǎn)的信號(hào)強(qiáng)度與被盜車輛反饋的信號(hào)強(qiáng)度進(jìn)行對(duì)比分析，采用最近鄰法確定被盜車輛當(dāng)前所在范圍。圖3(a)為與105—108點(diǎn)位的指紋匹配確定的被盜車輛所在范圍，從圖中可以看出，這些點(diǎn)位指紋匹配確定的定位范圍形狀一致，且從108號(hào)點(diǎn)到105號(hào)點(diǎn)，圈定的定位范圍依次縮小。

同理匹配101—103號(hào)指紋點(diǎn)的信號(hào)強(qiáng)度，確定定位范圍如圖3(b)所示。與被盜車輛反饋的信號(hào)強(qiáng)度相比，101—103號(hào)點(diǎn)的指紋信號(hào)強(qiáng)度都較大，因此被盜車輛與101—103號(hào)指紋點(diǎn)相比，距離同源基站較近。

圖3

上述試驗(yàn)中，被盜車輛所處范圍的確定都是來(lái)源于同一方向上的指紋點(diǎn)進(jìn)行匹配。為了提高精度，選取兩側(cè)的指紋點(diǎn)，采用交會(huì)法，進(jìn)一步確定被盜車輛所在位置，如圖4所示。

圖4

3. 疊置分析應(yīng)用

利用從4個(gè)方向多個(gè)指紋點(diǎn)位匹配獲得的被盜車輛所在范圍數(shù)據(jù)，通過(guò)疊置分析，對(duì)定位范圍數(shù)據(jù)進(jìn)行綜合評(píng)價(jià)，疊置分析及結(jié)果如圖5所示，將車輛所在范圍縮小到150m左右。由此可見(jiàn)，該方法大大提升了警方鎖定被盜車輛的準(zhǔn)確性，為縮小被盜車輛重點(diǎn)搜尋范圍提供科學(xué)依據(jù)，有效地提高了搜尋效率。

圖5

四、結(jié)論與討論

RSSI定位精度不高的主要原因之一是無(wú)法根據(jù)各地的實(shí)際情況建立精確的信號(hào)強(qiáng)度衰減模型[14]。針對(duì)這一問(wèn)題， 本文對(duì)移動(dòng)位置服務(wù)定位方

法進(jìn)行比較，真實(shí)模擬車輛搜尋過(guò)程，采集信號(hào)強(qiáng)度實(shí)測(cè)數(shù)據(jù)，提取有用信息，分析了信號(hào)強(qiáng)度變化特征，提出了位置指紋定位和信號(hào)衰減理想模型結(jié)合的方法，避免了信號(hào)衰減模型的構(gòu)建復(fù)雜性，通過(guò)GIS中的疊置分析，對(duì)實(shí)測(cè)數(shù)據(jù)對(duì)該方法應(yīng)用檢驗(yàn)。結(jié)果表明，該方法能較快鎖定目標(biāo)范圍，在一定程度上提高了定位精度，精度可控制在150m范圍內(nèi)，搜尋范圍大大縮小，為追蹤被盜車輛提供了有效的方法，提高了偵查工作的效率和可靠性。

參考文獻(xiàn)：

[1]劉成.LBS定位技術(shù)研究與發(fā)展現(xiàn)狀[J].導(dǎo)航定位學(xué)報(bào)，2013，1(1)：78-83.

[2]李霖，王偉，譚永濱，等.導(dǎo)航與LBS關(guān)鍵技術(shù)標(biāo)準(zhǔn)化研究進(jìn)展[J].測(cè)繪通報(bào)，2014(5)：95-98.

[3]姚金杰.基于地面基站目標(biāo)定位技術(shù)研究[D].太原：中北大學(xué)，2011.

[4]王君培.IEEE802.11無(wú)線網(wǎng)絡(luò)給予信號(hào)強(qiáng)度定位方法的研究[D].天津：天津大學(xué)，2010.

[5]朱江，威正偉.基于信號(hào)衰減和孤立點(diǎn)檢測(cè)的移動(dòng)定位算法[J].計(jì)算機(jī)工程，2010，36(3)：280-283.

[6]陳嶺，許曉龍，楊清，等.基于三次樣條插值的無(wú)線信號(hào)強(qiáng)度衰減模型[J].浙江大學(xué)學(xué)報(bào)，2011，45(9)：1521-1538.

[7]徐辛超，徐愛(ài)功，蘇麗娟.基于影像服務(wù)的LBS應(yīng)用研究[J].測(cè)繪通報(bào)，2012(1)：29-32.

[8]胡加艷，陳秀萬(wàn)，吳雨航，等.移動(dòng)位置服務(wù)在應(yīng)急救援中的應(yīng)用[J].理論探索，2008(5)：20-22.

[9]韓鵬鵬，李華娟，朱博.LBS的關(guān)鍵技術(shù)及在車輛監(jiān)控中的應(yīng)用[J].硅谷，2011(18)：31-32.

[10]盧恒惠，劉興川，張超，等.基于三角形與位置指紋識(shí)別算法的WiFi定位比較[J].移動(dòng)通信，2010(10)：72-76.

[11]李昊.位置指紋定位技術(shù)[J].山西電子技術(shù)，2007(5):84-87.

[12]王德廣，張旭.利用手機(jī)信息精確定位偽基站的方法研究[J].微型電腦應(yīng)用，2014，30(11)：25-27.

[13]李斌，關(guān)玲芝.疊置分析方法在城鎮(zhèn)規(guī)劃中的應(yīng)用——以廣東省新興縣東成鎮(zhèn)為例[J].北京農(nóng)學(xué)院學(xué)報(bào)，2013，28(1)：36-38.

[14]萬(wàn)家歡，萬(wàn)瑋，陳秀萬(wàn)，等.一種適用于手機(jī)基站定位的地圖匹配方法[J].測(cè)繪科學(xué)，2014，39(1)：114-116.

[15]劉廣怡，于宏毅，皮興宇，等.一種基于RSSI的無(wú)線傳感器網(wǎng)絡(luò)定位法[J].通信技術(shù)，2010，43(3)：93-95.

中圖分類號(hào)：P208

文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：0494-0911(2016)04-0099-04

通信作者：胡引翠

作者簡(jiǎn)介：王云(1990—)，女，碩士生，主要從事遙感地學(xué)分析的研究。E-mail：Sunny110541@163.com

基金項(xiàng)目：河北省自然科學(xué)基金(D2013205077)；河北省高校重點(diǎn)學(xué)科建設(shè)項(xiàng)目

收稿日期：2015-06-23

引文格式： 王云，薛瑞恒，胡引翠，等. 基于指紋匹配和衰減模型的車輛追蹤方法[J].測(cè)繪通報(bào)，2016(4)：99-102.DOI:10.13474/j.cnki.11-2246.2016.0132.