李寶林 馬東群 李 都 江 艷

(西華師范大學(xué)計算機學(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)計算機學(xué)院 四川 南充 637000)

對基于Wi-Fi的指紋定位算法進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階段和實時定位階段所存在的問題及提高室內(nèi)定位的可靠性和有效性為研究目標(biāo)。在對被定位目標(biāo)在整個過程中所表現(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)性等特征來輔助定位，同時收集定位過程中行人產(chǎn)生的大量定位數(shù)據(jù)，形成歷史參考信息來實現(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。實驗表明，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 航跡檢測

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)展實現(xiàn)了質(zhì)的飛躍，一時間定位技術(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的室內(nèi)定位系統(tǒng)The Active Badge[6]。因為該系統(tǒng)需要部署大量額外的硬件設(shè)備，缺乏良好的擴展性。所以僅局限用于對商場，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，該方法是基于信號強度指示特征的室內(nèi)定位實驗系統(tǒng)[8]，系統(tǒng)由指紋建庫和位置解算兩個階段組成。在第一個階段首先通過事先部署在待定位區(qū)域內(nèi)的信號采集終端對該區(qū)域內(nèi)各個AP的RSSI值進行采集。然后將采集到的RSSI值與其對應(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)庫中。第二個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)手持的移動智能終端所接收到的RSSI值；第二步是通過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)庫中的指紋進行匹配，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)通過手機基站、WiFi信號、GPS以及提前收集到的無線信號覆蓋盲點的位置信息進行定位。Google map系統(tǒng)主要對兩個方面的問題進行了重點研究：(1) 提出“眾包”思想鼓勵用戶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)源的問題；(2) 發(fā)布Google Maps Floor Plan Marker鼓勵用戶按照相應(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)通過將接收信號強度指示的值進行采樣并利用差值模型對樣本進行處理形成差值，然后將此差值存入無線電地圖RM(Radio Map)中。實際操作中將接收到的信號與差值進行匹配達到對待定位區(qū)域中的待定位目標(biāo)進行定位的目的。在該系統(tǒng)中差值模型的引入意在消除因不同設(shè)備在測量RSSI值的過程中而引入的測量誤差，以達到無論使用何種測量設(shè)備都不會影響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)境無法使用室外定位技術(shù)實現(xiàn)精準(zhǔn)定位的問題，而且為實現(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、藍牙、紅外線等技術(shù)它無需部署專屬的定位網(wǎng)絡(luò)系統(tǒng)，建設(shè)成本相對較低，具有便捷價廉的優(yōu)點。盡管該項技術(shù)在安裝方面、成本方面以及信號傳播方面具有明顯優(yōu)勢，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)在國內(nèi)、國外的研究現(xiàn)狀為著手點，對現(xiàn)有的定位技術(shù)作了詳細分析，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)上添加了一個軌跡搜集模塊，并采取基于行為特征的指紋定位算法來進行室內(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)以及與距離無關(guān)的定位方法兩大類[7]。其中與距離參數(shù)相關(guān)的定位方法主要有基于TOA(信號到達的時間)、TDOA(不同信號到達的時間差)和AOA(到達角度的測距)或RSSI(接收的信號強度)的三角定位等技術(shù)；而與距離參數(shù)無關(guān)的定位主要涉及基于信號強度(SS)的定位，其中基于信號傳播模型和SS指紋定位是SS定位技術(shù)的兩個主流的核心技術(shù)。但依照定位原理又可將其劃分成基于幾何測量、近似感知以及場景分析的定位方法[1]。

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

基于近似感知的定位方法是通過參考點的位置信息來推算待定位目標(biāo)的位置信息。該方法優(yōu)點就是便于理解，但與場景分析法和幾何法相比其定位精度相對較差。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)的可擴展性較差，其過程是在待定位區(qū)域內(nèi)系統(tǒng)先布置好天線，當(dāng)被定位目標(biāo)靠近已知天線位置上時，已知天線將可接收到待定位目標(biāo)所攜帶的標(biāo)簽信號發(fā)送出去從而計算出目標(biāo)用戶的位置。

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，看似千差萬別但其底層定位原理卻基本相似，都包含信號采集、預(yù)估位置、性能優(yōu)化等三個階段[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程中考慮到定位效果、應(yīng)用場景的差異分別引入了不同的技術(shù)方案。將各個定位算法、系統(tǒng)以參考點的坐標(biāo)系、系統(tǒng)架構(gòu)、網(wǎng)絡(luò)類型、用戶的運動狀態(tài)、測量信號的媒介以及定位方法等劃分成了不同的類別。

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)裝飾的阻隔使信號強度因受干擾而被削弱。因此只能依靠延長每個延遲碼的停留時間來提高信號的靈敏度。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]。為解決這個技術(shù)難題，A-GPS應(yīng)運而生。A-GPS定位原理如圖2所示。

圖2 A-GPS定位原理

另外還有基于藍牙的室內(nèi)定位技術(shù)、基于紅外線的室內(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)、基于射頻識別的室內(nèi)定位技術(shù)以及基于無線局域網(wǎng)的室內(nèi)定位技術(shù)[6]。這些技術(shù)都有各自的優(yōu)勢和劣勢以及特定的應(yīng)用場景。如表1所示，是對各種技術(shù)的定位原理、定位精度、算法效率、受干擾強度以及各自的優(yōu)缺點的詳細比較。

表1 主要室內(nèi)定位技術(shù)的比較

續(xù)表1

2 問題描述及模型建立

指紋定位算法是一種與距離無關(guān)的定位方法，它充分利用了WiFi信號在傳播過程中信號強度與距離的衰減特征。通過建立被定位區(qū)域內(nèi)不同位置的坐標(biāo)信息與各個AP信號強度的映射關(guān)系來實現(xiàn)定位。該種定位算法由如下兩個階段組成：離線數(shù)據(jù)指紋庫建立階段和實時指紋比對即定位階段，詳情見圖3。

圖3 位置指紋定位原理圖

離線數(shù)據(jù)指紋庫建立階段又名訓(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。也就是說在建庫階段，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。然后再依次采集各個參考點上的無線信號，再次將參考點上的信息按照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并進行編號。最后，將已編號的信號一一存入一個本地數(shù)據(jù)庫，并稱該數(shù)據(jù)庫為Position Fingerprint Database(位置指紋數(shù)據(jù)庫)或Radio Map(無線電地圖)。指紋實時比對階段就是在具體定位的過程中將被定位目標(biāo)手持移動智能終端所接收到的RSSI值與Radio Map中的RSSI值進行匹配，將比對結(jié)果中相似度最高的指紋的物理坐標(biāo)認定為該智能移動終端的位置坐標(biāo)。

本文基于WiFi的室內(nèi)定位算法優(yōu)勢和不足，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)定性和擴展性。

2.1 問題描述

基于行人航跡特征的定位是指利用人在特定的活動場所的活動軌跡在一段時間內(nèi)具有一定的延續(xù)性和不變性來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，對系統(tǒng)的定位精度進行優(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，在某一時刻定位目標(biāo)在p(xn-1,yn-1)處，朝著圖示的方向運動一定的時間后到達p(xn,yn)。然后改變方向，以一定的速度運動到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)運動軌跡圖

所謂動作的連續(xù)性是指目標(biāo)從初始位置到達目標(biāo)位置，運動的軌跡是連續(xù)的，每一個時刻對應(yīng)軌跡上的一個具體的位置點。在室內(nèi)定位的場景中，人基本上是勻速步行，那么從初始位置到達目標(biāo)位置這段距離可以看成是方向和速度不變的直線運動。那么從初始位置到目標(biāo)位置的過程中，只要知道上一時刻的具體坐標(biāo)，那么目標(biāo)對象下一刻的位置是可以預(yù)測的。因為方向和速度是一定的，根據(jù)前一時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)點在場景中移動，定位目標(biāo)節(jié)點從(xt1,yt1)位置運動到(xt2,yt2)位置。 根據(jù)文獻[1-5]中介紹的定位算法可得到各個參考AP位置的權(quán)值信息，在計算最終的定位位置坐標(biāo)時，根據(jù)運動目標(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)前一時刻的運動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動過程中的行為特征，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，進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

人體在行走過程中產(chǎn)生的軌跡有一定的連續(xù)性，同時人在行走過程中動作和步態(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中的傳感器(如：加速度傳感器、電子羅盤、陀螺儀以及氣壓計等)所捕獲到，經(jīng)過雙行程雙搜索算法、峰值值識別算法等處理之后能被用來實現(xiàn)人的實時定位。

行人的步行一般包含如下四種特征和規(guī)律：(1)整個行走過程中都由幾個基本動作周期性的重復(fù)。(2)一般正常成人步行的頻率在95～125次每分鐘，每一步的長度一般在50～80 cm，這兩個參數(shù)一般跟人的身高，行走習(xí)慣以及當(dāng)時的環(huán)境有一定關(guān)系，因人而異。(3)一般情況下，一個人的步行特征在一段時間內(nèi)不會存在很大變化，即步長和步子頻率維持在一個很小的變化范圍內(nèi)。(4)人在行走時的規(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。因此，可以借助手機上的加速度傳感器對步行時的加速度值進行采集，來估算行人的行走進程。因為當(dāng)行走者腳跟離地時坐標(biāo)軸上的加速度計的振幅最大，所以本系統(tǒng)通過加速度計的讀數(shù)來識別用戶的步幅。為此系統(tǒng)設(shè)計了一個峰值識別算法。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)才能確保步幅檢測不受智能終端方位的影響。

(2)

在進行預(yù)處理時信號首先會通過一個平滑的過濾器。但是為了更好地提取低波段步幅組件的數(shù)據(jù)，通常會利用一個過濾器來過濾因手機隨機運動而產(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算公式：

(3)

2.3 行人轉(zhuǎn)向檢測

行人在室外可以通過電子指南針來判斷是否該轉(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陀螺儀的讀數(shù)可以判斷被導(dǎo)航者的角度信息，而在長途旅行中加速度計可以用與判斷被導(dǎo)航者的狀態(tài)。因此，在室內(nèi)環(huán)境中可以通過加速度計和陀螺儀的讀數(shù)來判斷是否應(yīng)該轉(zhuǎn)向。

在進行轉(zhuǎn)向檢測時，通過一個旋轉(zhuǎn)矩陣并依據(jù)其相對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，由于缺乏值得信賴的指南針讀數(shù)使得智能終端的狀態(tài)局限于一個在相對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。但是即便無法獲知偏轉(zhuǎn)角度依然能夠檢測轉(zhuǎn)向，因為在三維空間內(nèi)旋轉(zhuǎn)總是在發(fā)生的。此外，為了避免被鎖定的問題，需要警惕三個坐標(biāo)軸的旋轉(zhuǎn)順序。當(dāng)檢測到轉(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算出通過集成的旋轉(zhuǎn)數(shù)量。

2.4 行人高度檢測

由于氣壓計能耗低且準(zhǔn)確性較高，因此在對高度更改進行檢測時可以通過記錄氣壓計的讀數(shù)來檢測水平高度的改變。為了實現(xiàn)對水平高度更改的檢測，論文采用了一種雙行程雙搜索的算法。該算法通過在前四秒內(nèi)取所有樣本氣壓的平均值來避免使用每一個氣壓值Pn。隨后算法又會倒過去,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說明在同一水平面行走。但是當(dāng)檢測到水平高度發(fā)生更改并且軌跡記錄者的步數(shù)很少時，系統(tǒng)默認該目標(biāo)是乘坐電梯導(dǎo)致的高度改變。

3 實驗結(jié)果

被定位目標(biāo)每進行一次移動軌跡搜集模塊都會被激活，隨即在被定位目標(biāo)運動的過程中此模塊會通過磁強計、加速度計、陀螺儀和氣壓計等移動智能終端內(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，并不只是簡單地從每個傳感器中依次提取數(shù)據(jù)，在必要的時候可以適當(dāng)?shù)貙⒁恍﹤鞲衅鬟M行組合。比如，通過將氣壓計和加速度計傳感器組成一個組件然后提取組件的數(shù)據(jù)就可以檢測出被定位目標(biāo)是否在上樓。然后再通過一定的預(yù)處理程序?qū)⒉杉臄?shù)據(jù)進行處理形成軌跡數(shù)據(jù)表。下文將對所采集數(shù)據(jù)的格式進行分析，詳情見表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)由時間戳和三維空間內(nèi)各個軸上的磁強計讀數(shù)組成，步數(shù)由時間戳和對應(yīng)時間內(nèi)所走步數(shù)Si組成，轉(zhuǎn)彎數(shù)據(jù)則由轉(zhuǎn)彎時間和轉(zhuǎn)彎角度組成，高度改變數(shù)據(jù)則由時間戳和高度改變值即上樓或下樓組成。

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

為了提高定位精度，在具體定位的過程中一般會通過如下三步對被定位目標(biāo)的位置進行估算：(1) 利用定位算法，將被定位目標(biāo)所攜帶的移動智能終端采集到的WiFi信號強度與離線階段采集的指紋數(shù)據(jù)庫中的數(shù)據(jù)進行匹配，確定一個位置范圍；(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)在一個十字路口附近，通過將其攜帶的智能手機采集的WiFi信號強度值與指紋數(shù)據(jù)庫進行匹配，發(fā)現(xiàn)被定位目標(biāo)可能分布在十字路口的四個方位上。那么此時單純地利用指紋數(shù)據(jù)庫的方法是很難準(zhǔn)確定被定位目標(biāo)的位置的。若此時結(jié)合軌跡搜集模塊采集的數(shù)據(jù)，即可通過轉(zhuǎn)向檢測確定當(dāng)被定位目標(biāo)走到該十字路口時是往哪個方向進行了轉(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)的航跡特征計算出它的位置坐標(biāo)，實現(xiàn)精準(zhǔn)定位，詳情見圖6。

圖6 航跡行為算法定位示意圖

用戶在定位過程中手持的智能終端設(shè)備采集了用戶在室內(nèi)行走過程中的步態(tài)、轉(zhuǎn)向以及高度信息。這些信息可以通過智能終端設(shè)備傳回到定位服務(wù)器，組成了從起點到目的地的一個動作序列，這些序列可以用來實現(xiàn)對目標(biāo)對象的定位。定位服務(wù)器存儲的信息如下：

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)域的起始點和目的地的坐標(biāo)位置，后面的序列表示用戶從起始點到目的地所經(jīng)過的一系列行為動作的序列。這些行為信息收集到定位服務(wù)器后可以經(jīng)過處理得到一個起始點集合到目的地集合的行為序列，當(dāng)下一個被定位目標(biāo)出現(xiàn)時，與定位服務(wù)器交互，同時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行行人的導(dǎo)航。假如a花費t1秒到達位置B，并且在搜集痕跡時候出現(xiàn)了一個左轉(zhuǎn)彎。那么在導(dǎo)航階段，根據(jù)相似的地磁觀察，導(dǎo)航模塊會推斷b會在花費t1′時間后到達位置B并指示b該向左轉(zhuǎn)了。

論文根據(jù)某殘校實際試用環(huán)境作為測試環(huán)境，具體試用環(huán)境如圖8所示。在實驗場景范圍內(nèi)部署5～15個AP，在離線階段均勻部署50個指紋采集點，采集的數(shù)據(jù)作為指紋數(shù)據(jù)庫的參考點。在每個參考點上采集30個有效的樣本值，在實驗場地范圍內(nèi)隨機選取15個測試點，每個測試點采集5～20個實時的定位樣本數(shù)據(jù)。在實驗階段，為了模擬現(xiàn)實應(yīng)用的真實性，定位時手持終端設(shè)備朝各個方向獲取信號進行定位，記錄這些大量的從服務(wù)器傳回來的定位的具體位置。最后計算每一次的定位誤差，并統(tǒng)計出這個在這個測試點的誤差累計概率分布，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)在各個場景下的累計誤差概率分布情況。

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)進行了比較。利用這兩種定位算法進行定位時，指紋數(shù)據(jù)建立階段以及測試定位階段所采集的數(shù)據(jù)樣本和采樣時段等條件保持一致，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分別是在實驗環(huán)境所部署的AP數(shù)量分別是5、10、15時兩種定位技術(shù)在不同定位誤差的概率累計分布。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，同時也表現(xiàn)出了良好的穩(wěn)定性。當(dāng)AP的數(shù)量為5時，基于WiFi的指紋定位算法的定位精度表現(xiàn)得相對較差，定位誤差在4 m以內(nèi)的概率不到60%，而本文提出的定位技術(shù)的精度達到了80%以上。這主要是因為基于WiFi的指紋定位技術(shù)不管是在離線階段還是實時定位階段，很大程度上依賴于WiFi節(jié)點的信號和穩(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WiFi信號的同時，也利用了手機自帶傳感器收集行人的運動特征來定位。所以當(dāng)WiFi數(shù)量較少時，依然能實現(xiàn)較高的定位精度。從性能曲線上可以看出本文提出的定位技術(shù)波動較少，較基于WiFi的指紋定位算法就有良好的穩(wěn)定性。當(dāng)AP=15時基于行人行為特征的定位技術(shù)的定位誤差在4 m以內(nèi)的概率在90%以上，這一定位效果基本上能滿足在大型商場和醫(yī)院等室內(nèi)的時間需求。

圖9 AP數(shù)量為5時的定位誤差概率累計分布圖

圖10 AP數(shù)量為10時的定位誤差概率累計分布圖

圖11 AP數(shù)量為15時的定位誤差概率累計分布圖

4 結(jié) 語

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方面分別對該技術(shù)的定位原理進行闡述。其中航跡特征主要是利用人在特定的活動場所的活動軌跡在一段時間內(nèi)具有一定的延續(xù)性和不變性來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步態(tài)檢測、轉(zhuǎn)向檢測、高度更改檢測對被定位目標(biāo)的軌跡進行記錄來輔助定位算法進行定位。

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)庫算法在特定情況下可能存在定位不精準(zhǔn)的問題。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，減少了定位之前的指紋數(shù)據(jù)庫的準(zhǔn)備工作。實驗表明，當(dāng)AP=15時基于行人行為特征的定位技術(shù)的定位誤差在4 m以內(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施成本，但定位技術(shù)在很多方面可以有改進的空間。比如定位技術(shù)在定位過程如何避免硬件差異帶來的系統(tǒng)誤差等問題。

[1] 王青.WIFI室內(nèi)定位系統(tǒng)的設(shè)計與實現(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.基于信號強度的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.基于信號強度的室內(nèi)定位技術(shù)[J].電子學(xué)報,2004,32(9):1456-1458.

[5] 劉軍發(fā),陳益強,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,2010,8(5).

[6] 杜海濤,全春來,周翔.基于無線傳感器和視頻融合的室內(nèi)定位技術(shù)研究[J].計算機工程與設(shè)計,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].計算機科學(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目(2013SZ0056)；四川省科技廳支撐項目(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