趙安印 吳家豪 帥小應(yīng) 陳茂國(guó)

摘? 要：為了實(shí)現(xiàn)大學(xué)生間自發(fā)、實(shí)時(shí)、便捷、安全的互幫互助，開(kāi)發(fā)基于移動(dòng)位置服務(wù)的幫助服務(wù)平臺(tái)，本平臺(tái)采用位置指紋識(shí)別算法、深層混合（VGG-LSTM）模型和多參數(shù)融合Help算法實(shí)現(xiàn)求助任務(wù)的發(fā)布、查詢(xún)、認(rèn)領(lǐng)等功能。通過(guò)用戶(hù)真實(shí)行為完成任務(wù)，可實(shí)現(xiàn)資源共享、增進(jìn)大學(xué)生間的友誼和形成校園內(nèi)“人人為我、我為人人”的良好氛圍。

關(guān)鍵詞：位置指紋;深層混合模型;Help算法;位置服務(wù)

中圖分類(lèi)號(hào)：TP311? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

Design of the Help Service Platform Based on Real-Time Location Technology

ZHAO Anyin，WU Jiahao，SHUAI Xiaoying，CHEN Maoguo

（Taizhou University，Taizhou 225300，China）

Abstract：To realize the spontaneous，real-time，convenient and safe mutual help among college students，a help service platform is designed and developed based on mobile location-based service，through location fingerprint recognition algorithm，deep hybrid （VGG-LSTM） model and Help algorithm.Help-seeking information is released，inquired，and claimed online and actions are taken offline to complete the mission.The platform helps promote resource sharing and enhance friendship，creating the good atmosphere of? "all for one，one for all" on campus.

Keywords：location fingerprint;deep hybrid model;Help algorithm;location-based service

1? ?引言（Introduction）

現(xiàn)代大學(xué)生追求高效，而逐一解決瑣碎小事卻略顯低效，所以一個(gè)支付少量費(fèi)用或不支付費(fèi)用就可以解決小事的平臺(tái)就有了需要。

目前，市場(chǎng)上也曾經(jīng)出現(xiàn)過(guò)一些同類(lèi)的小眾的校園軟件，如Uni。而這些軟件都沒(méi)有被普及使用。根據(jù)調(diào)查和分析，發(fā)現(xiàn)這類(lèi)校園軟件都存在一個(gè)普遍的問(wèn)題，缺乏室內(nèi)精準(zhǔn)的定位系統(tǒng)，雖然這并不妨礙線上問(wèn)題的解決，但在大學(xué)生活中，有很多實(shí)際的問(wèn)題和線上的請(qǐng)求更需要通過(guò)線下的方式來(lái)解決。

在將目光放在定位技術(shù)上面之后，可以注意到，當(dāng)下，隨著社會(huì)對(duì)位置服務(wù)（Location Based Service，LBS）的強(qiáng)烈需求[1，2]，室內(nèi)定位技術(shù)也得到了越來(lái)越多的關(guān)注，其中最具代表性的有UWB[3]、藍(lán)牙[4]、RFID[5]和Zigbee[6]室內(nèi)定位方法，而它們有的需部署額外設(shè)備，有的定位范圍過(guò)小和不穩(wěn)定，皆不適合本平臺(tái)的應(yīng)用場(chǎng)景。而校園內(nèi)WiFi覆蓋范圍廣，給WiFi室內(nèi)定位[7，8]提供了硬件條件，該技術(shù)又具有部署簡(jiǎn)單，功率低，定位精度高，并且非視距[9]（Not of Sight，NLOS）對(duì)WiFi本身影響較弱等優(yōu)點(diǎn)，因此本平臺(tái)使用WiFi室內(nèi)定位技術(shù)。并在用戶(hù)離線的時(shí)候，通過(guò)結(jié)合采用運(yùn)動(dòng)傳感器的人體運(yùn)動(dòng)識(shí)別模型[10]來(lái)計(jì)算出運(yùn)動(dòng)狀態(tài)，實(shí)現(xiàn)用戶(hù)在室內(nèi)在線和離線狀態(tài)的無(wú)縫定位，方便幫助者更快找到求助者，實(shí)現(xiàn)面對(duì)面、實(shí)時(shí)性的幫助。

利用移動(dòng)位置服務(wù)尋找近鄰，通過(guò)“舉手之勞”幫助自己解決一些生活中可代勞的小事，例如快遞代拿、學(xué)習(xí)的線上與線下互助、租車(chē)、閑置物品共享等。本平臺(tái)旨在倡導(dǎo)大學(xué)生間的互助精神，提供一個(gè)傳遞善意的工具，通過(guò)人與人之間真實(shí)的互助行為，增進(jìn)友誼，拉近人與人之間的距離，營(yíng)造快樂(lè)友好的大學(xué)生活環(huán)境。而大學(xué)生作為一個(gè)社會(huì)消費(fèi)群體存在著分布集中和需求量大這兩個(gè)基本特點(diǎn)，這兩個(gè)特點(diǎn)也使得這樣的求助性服務(wù)平臺(tái)能在大學(xué)生群體中更好的推廣。

2? ?系統(tǒng)架構(gòu)（System architecture）

2.1? ?系統(tǒng)結(jié)構(gòu)

整個(gè)Help App系統(tǒng)分為兩部分：客戶(hù)端+云服務(wù)器。

客戶(hù)端的功能是提供友好的用戶(hù)界面供用戶(hù)實(shí)現(xiàn)任務(wù)的發(fā)布、查詢(xún)與認(rèn)領(lǐng)，和離線狀態(tài)下的定位導(dǎo)航來(lái)方便用戶(hù)完成任務(wù)。云服務(wù)器的功能是接收和處理客戶(hù)端的數(shù)據(jù)，并將重要的數(shù)據(jù)存儲(chǔ)在云數(shù)據(jù)庫(kù)中，再將用戶(hù)需要的數(shù)據(jù)通過(guò)傳輸網(wǎng)絡(luò)傳送到用戶(hù)的客戶(hù)端。如圖1所示。

考慮到本軟件會(huì)存在多用戶(hù)同時(shí)使用的高并發(fā)情況，為了提高平臺(tái)性能，在硬件方面，我們將采用CDN加速技術(shù)[11]，該技術(shù)主要從高速緩存和專(zhuān)線兩個(gè)方面入手。

高速緩存，成本較低，適用于靜態(tài)內(nèi)容。研究表明80%的用戶(hù)在使用App時(shí)利用的是20%的內(nèi)容，在這個(gè)規(guī)律下，緩存服務(wù)器可以處理大部分客戶(hù)的靜態(tài)請(qǐng)求，而原始的服務(wù)器只需處理約20%左右的非緩存請(qǐng)求和動(dòng)態(tài)請(qǐng)求，所以這一措施將會(huì)大大加快平臺(tái)對(duì)客戶(hù)請(qǐng)求的響應(yīng)時(shí)間，同時(shí)降低了原始服務(wù)器的負(fù)載。CDN服務(wù)一般會(huì)在全國(guó)范圍內(nèi)的關(guān)鍵節(jié)點(diǎn)上放置緩存服務(wù)器。如圖2所示。

專(zhuān)線，讓用戶(hù)直接訪問(wèn)數(shù)據(jù)源，可以實(shí)現(xiàn)數(shù)據(jù)的動(dòng)態(tài)同步。

2.2? ?功能設(shè)計(jì)

而本平臺(tái)在客戶(hù)端又針對(duì)性地分為八個(gè)功能模塊：互幫互助、二手市場(chǎng)、有借有還、失物招領(lǐng)、代買(mǎi)代拿、學(xué)霸指導(dǎo)、勤工儉學(xué)和我的客服。如圖3所示。便捷大學(xué)生尋找近鄰實(shí)時(shí)地幫助自己解決一些生活中可代勞的小事和遇到的困難。

在App中的界面設(shè)計(jì)如圖4和圖5所示。

下面簡(jiǎn)述幾個(gè)重點(diǎn)模塊的功能設(shè)計(jì)。

互幫互助：求助者在客戶(hù)端可以將自己待解決的問(wèn)題作為任務(wù)發(fā)布，系統(tǒng)將任務(wù)數(shù)據(jù)記錄到Bmob云中，幫助者可以通過(guò)客戶(hù)端領(lǐng)取任務(wù)幫助他人解決問(wèn)題。一旦任務(wù)解決，Bmob云會(huì)自動(dòng)刪除任務(wù)，同時(shí)客戶(hù)端不再顯示任務(wù)。通過(guò)互幫互助模塊，用戶(hù)可以輕松解決瑣碎小事，提高辦事效率，加快生活節(jié)奏，達(dá)到互利共贏的優(yōu)質(zhì)生活。

二手市場(chǎng)：平臺(tái)在Bmob云端自動(dòng)為注冊(cè)的各大高校分配存儲(chǔ)塊，學(xué)生用戶(hù)可以將自己要賣(mài)出的商品實(shí)物拍照發(fā)布到服務(wù)器端，服務(wù)器端自動(dòng)存儲(chǔ)，并在客戶(hù)端進(jìn)行顯示。其他同城或同校學(xué)生用戶(hù)可以根據(jù)信息進(jìn)行購(gòu)買(mǎi)。而該模塊主要是在線下通過(guò)面對(duì)面的方式來(lái)交易商品。

失物招領(lǐng)：失物招領(lǐng)是一個(gè)替大學(xué)生們尋回丟失物品和解決撿拾物品無(wú)法歸還的問(wèn)題的模塊。學(xué)生用戶(hù)可以將丟失物品的信息發(fā)往服務(wù)器，服務(wù)器整理失物信息生成表單并發(fā)往客戶(hù)端，撿到物品的用戶(hù)可以根據(jù)信息聯(lián)系失主。當(dāng)任務(wù)解決后，Bmob云自動(dòng)將表單刪除，同時(shí)客戶(hù)端將不再顯示任務(wù)。失物招領(lǐng)模塊將給用戶(hù)的生活帶來(lái)極大的方便。

學(xué)霸指導(dǎo)：學(xué)霸指導(dǎo)模塊的設(shè)立主要是為了解決大學(xué)生在學(xué)習(xí)困難方面的問(wèn)題。遇到學(xué)習(xí)困難的同學(xué)可以通過(guò)客戶(hù)端將尋找學(xué)習(xí)輔導(dǎo)的信息發(fā)往服務(wù)器，服務(wù)器接收后自動(dòng)發(fā)往客戶(hù)端進(jìn)行顯示，同校學(xué)霸便可根據(jù)需求提供有償服務(wù)。模塊的最大特色在于可以讓學(xué)生得到即時(shí)的講解與輔導(dǎo)，以便更加輕松高效的解決學(xué)習(xí)問(wèn)題。另一方面，用戶(hù)在使用模塊指導(dǎo)他人的同時(shí)，也能復(fù)習(xí)和鞏固知識(shí)，甚至收獲一份互助學(xué)習(xí)的友誼，緩解枯燥單一的學(xué)習(xí)生活。

我的客服：我的客服模塊設(shè)立的目的主要是幫助用戶(hù)解決軟件使用過(guò)程中出現(xiàn)的各種問(wèn)題，包括交易糾紛、用戶(hù)追蹤、責(zé)任歸屬等。通過(guò)人工服務(wù)和機(jī)器程序判定相結(jié)合實(shí)現(xiàn)精準(zhǔn)人性化服務(wù)。我們首先將軟件使用過(guò)程中的一些常見(jiàn)問(wèn)題的解決方案存儲(chǔ)在Bmob云服務(wù)器中，當(dāng)用戶(hù)在使用過(guò)程中遇到困難，只要輸入問(wèn)題，系統(tǒng)將自動(dòng)給出答案。當(dāng)用戶(hù)遇到糾紛時(shí)，可以首先將數(shù)據(jù)和圖片等證據(jù)上傳，Bmob云服務(wù)器將自動(dòng)啟動(dòng)程序判定責(zé)任歸屬，當(dāng)通過(guò)機(jī)器程序無(wú)法判斷責(zé)任歸屬或者用戶(hù)對(duì)機(jī)器判斷的結(jié)果不滿意時(shí)，可以通過(guò)撥打客服電話的方式解決問(wèn)題。通過(guò)以上兩種方式，可以大大減低軟件的運(yùn)營(yíng)成本，同時(shí)也可以提高用戶(hù)的滿意度。

3? ?核心技術(shù)（Core technology）

3.1? ?室內(nèi)導(dǎo)航技術(shù)

使用GPS[12，13]實(shí)現(xiàn)室外定位導(dǎo)航，使用改進(jìn)的WiFi室內(nèi)定位技術(shù)和采用運(yùn)動(dòng)傳感器的人體運(yùn)動(dòng)識(shí)別模型實(shí)現(xiàn)室內(nèi)定位導(dǎo)航。

GPS定位技術(shù)是在被定位的設(shè)備上提前安裝GPS裝置，通過(guò)24顆覆蓋全球的衛(wèi)星去獲取GPS裝置的位置信息，然后將位置信息傳遞給控制端的一個(gè)過(guò)程，并計(jì)算出接收機(jī)的三維位置三維方向，以及運(yùn)動(dòng)速度和時(shí)間信息。WiFi的室內(nèi)定位技術(shù)絕大多數(shù)都是利用RSS（Received Signal Strength）[14]。目前的室內(nèi)定位技術(shù)主要分兩種：一種是三角形算法。另一種則是位置指紋識(shí)別算法[15-20]（Finger printing）。三角形算法首先通過(guò)待測(cè)移動(dòng)設(shè)備和至少三個(gè)AP（Wireless Access Point）的無(wú)線信號(hào)強(qiáng)度得到距離信息，再估計(jì)目標(biāo)位置，而位置指紋識(shí)別算法則通過(guò)比較定位所需的信號(hào)特征即指紋信息來(lái)獲取目標(biāo)位置。

位置指紋識(shí)別算法的WiFi定位技術(shù)在可用性和定位精度方面具有較大優(yōu)勢(shì)[21]，并且也更適用于校園環(huán)境。因此我們采用了指紋定位。

指紋定位中的“指紋”指的就是移動(dòng)終端發(fā)射的無(wú)線信號(hào)經(jīng)過(guò)反射和折射，產(chǎn)生于周?chē)h(huán)境密切相關(guān)的特定模式和多徑信號(hào)。在定位過(guò)程中，一般分為兩個(gè)階段，離線階段和定位階段[22]。離線階段：首先使用Bmob云建立位置指紋識(shí)別數(shù)據(jù)庫(kù)，選擇合適的參考點(diǎn)，每一個(gè)參考點(diǎn)都應(yīng)能提供足夠的信息來(lái)進(jìn)行后續(xù)定位階段的位置估計(jì)。依次在參考點(diǎn)上測(cè)量不同AP的RSS值，將相應(yīng)的物理地址與參考點(diǎn)的位置信息存儲(chǔ)在Bmob云數(shù)據(jù)庫(kù)中。在測(cè)量時(shí)，通常會(huì)受環(huán)境影響而導(dǎo)致無(wú)線信號(hào)強(qiáng)度的不穩(wěn)定，為了克服RSS的不穩(wěn)定性對(duì)定位的影響，去掉一個(gè)最大值和最小值來(lái)取平均值作為其RSS值。建立完數(shù)據(jù)庫(kù)后，進(jìn)入定位階段：首先使用離線階段存儲(chǔ)的AP信號(hào)強(qiáng)度值方差來(lái)剔除信號(hào)強(qiáng)度值方差較大的AP數(shù)據(jù)[23]，將篩選過(guò)的AP數(shù)據(jù)與Bmob云數(shù)據(jù)庫(kù)進(jìn)行匹配，計(jì)算位置估計(jì)值。具體流程如圖6所示。

典型的匹配算法有平均KNN算法，加權(quán)KNN算法和貝葉斯算法，本文使用的是加權(quán)KNN算法，具體如下：

平均KNN定位算法是利用用戶(hù)在在線階段接收到的信號(hào)強(qiáng)度（RSS）與離線階段采集的Bmob云指紋庫(kù)進(jìn)行匹配，通過(guò)計(jì)算得到RSS的歐氏距離，根據(jù)RSS的歐氏距離大小選擇鄰近的K個(gè)參考點(diǎn)，來(lái)估計(jì)目標(biāo)用戶(hù)的位置。

假設(shè)總的參考點(diǎn)數(shù)為M個(gè)，定位區(qū)域內(nèi)共有H個(gè)AP，在線階段終端可視AP集合與指紋庫(kù)中第i個(gè)參考點(diǎn)可視AP集合的交集為S，則待測(cè)點(diǎn)到指紋庫(kù)中第i個(gè)參考點(diǎn)的信號(hào)強(qiáng)度歐氏距離[24]為：

（1）

其中，Rssj為在線階段用戶(hù)接收到的Si集合中第J個(gè)AP的Rss值;Rssij為Bmob指紋庫(kù)中第i個(gè)參考點(diǎn)用戶(hù)接收到的S集合中第J個(gè)AP的Rss值;N為Si集合的元素個(gè)數(shù)。

由于有M個(gè)鄰近參考點(diǎn)，通過(guò)式（1）可以得到M個(gè)歐氏距離，比較這M個(gè)歐氏距離，選取歐氏距離較小的K個(gè)鄰近參考點(diǎn)，根據(jù)這K個(gè)鄰近參考點(diǎn)得到用戶(hù)坐標(biāo)位置為：

（2）

其中，表示第個(gè)鄰近參考點(diǎn)的橫坐標(biāo);表示第個(gè)鄰近參考點(diǎn)的縱坐標(biāo)。

而加權(quán)KNN算法則是建立在平均KNN算法的基礎(chǔ)上，根據(jù)參考點(diǎn)的RSS的歐氏距離得到每個(gè)鄰近參考點(diǎn)的加權(quán)系數(shù)，用這個(gè)加權(quán)系數(shù)來(lái)替換掉式（2）中的，計(jì)算得到用戶(hù)的位置估計(jì)。用這種加權(quán)KNN算法得到的位置估計(jì)結(jié)果比起傳統(tǒng)的KNN算法更精確。

然而盡管在校園內(nèi)部，WiFi覆蓋范圍已經(jīng)十分廣闊，可仍然存在一些沒(méi)有被覆蓋到或者信號(hào)薄弱的地方，面對(duì)這種情況，可以利用移動(dòng)終端的加速度、陀螺儀等運(yùn)動(dòng)傳感器[25]獲取目標(biāo)人物相關(guān)數(shù)據(jù)，使用一種改進(jìn)的卷積網(wǎng)絡(luò)與雙層長(zhǎng)短期記憶網(wǎng)絡(luò)的深層混合（VGG-LSTM）模型以實(shí)現(xiàn)特征自提取并進(jìn)行運(yùn)動(dòng)識(shí)別。如圖7所示。

該模型結(jié)合傳感器數(shù)據(jù)層狀、時(shí)序的結(jié)構(gòu)特點(diǎn)，將多維傳感器數(shù)據(jù)類(lèi)比于圖像的RGB矩陣進(jìn)行適應(yīng)性處理;由一維串聯(lián)卷積網(wǎng)絡(luò)與雙層長(zhǎng)短期記憶網(wǎng)絡(luò)復(fù)合而成[10]。

再根據(jù)初始位置信息推算其位置，完成離線狀態(tài)下的導(dǎo)航，實(shí)現(xiàn)室內(nèi)定位導(dǎo)航。

具體流程如圖8所示。

3.2? “Help”算法

針對(duì)有可能存在的多人同時(shí)接單和平臺(tái)推送求助信息的問(wèn)題，使用多參數(shù)融合的Help算法。綜合考慮用戶(hù)與發(fā)布者的距離和用戶(hù)的誠(chéng)信值兩個(gè)因素，得到具體的綜合評(píng)價(jià)指數(shù)，再根據(jù)綜合評(píng)價(jià)指數(shù)選擇接單者。該計(jì)算方式優(yōu)先考慮用戶(hù)的距離，其次考慮用戶(hù)的誠(chéng)信值。距離最短（以發(fā)布任務(wù)的用戶(hù)為圓心畫(huà)出N個(gè)同心圓，半徑相差5米視為與發(fā)布者距離相同），誠(chéng)信值最高的用戶(hù)優(yōu)先接單，同時(shí)平臺(tái)也會(huì)優(yōu)先選擇綜合評(píng)價(jià)指數(shù)最高的前五名進(jìn)行剛發(fā)布的求助信息的推送，通過(guò)這樣的方式就解決了多用戶(hù)同時(shí)接單的問(wèn)題，同時(shí)也提高了平臺(tái)解決用戶(hù)求助任務(wù)的時(shí)間效率，如圖9所示。

4? ?結(jié)論（Conclusion）

本文設(shè)計(jì)基于移動(dòng)位置服務(wù)的Help服務(wù)平臺(tái)，采用位置指紋識(shí)別算法、深層混合（VGG-LSTM）模型和Help算法來(lái)實(shí)現(xiàn)線上求助任務(wù)的發(fā)布、查詢(xún)、認(rèn)領(lǐng)和線下用戶(hù)真實(shí)行為完成任務(wù)。本平臺(tái)的意義是不僅僅是為了方便大學(xué)生解決身邊的瑣碎小事并提高辦事效率，更是為了倡導(dǎo)大學(xué)生間的互助精神，提供一個(gè)傳遞善意的工具，通過(guò)人與人之間真實(shí)的互助行為，增進(jìn)友誼，拉近人與人之間的距離，營(yíng)造快樂(lè)、友好、幸福、和諧的大學(xué)生活環(huán)境，并且渴望在未來(lái)實(shí)現(xiàn)不僅僅是在校園，而是在世界每一個(gè)角落，陌生人之間都可以主動(dòng)的互相幫助。而本平臺(tái)的室內(nèi)定位導(dǎo)航技術(shù)在信號(hào)強(qiáng)度弱和手機(jī)運(yùn)動(dòng)傳感器受損的情況下也存在著一定范圍的誤差。但隨著硬件技術(shù)的改進(jìn)的社會(huì)趨勢(shì)，室內(nèi)定位技術(shù)只會(huì)越來(lái)越精確，我們平臺(tái)的室內(nèi)導(dǎo)航也會(huì)更加精確，實(shí)時(shí)性也會(huì)越來(lái)越強(qiáng)。

參考文獻(xiàn)（References）

[1] Zhiquan LIU，Jianfeng MA，Zhongyuan JIANG，et al.FCT：a fully-distributed context-aware trust model for location based service recommendation[J].Science China（Information Sciences），2017，60（08）：101-116.

[2] Haiqin WU，Liangmin WANG，Tao JIANG.Secure and efficient k-nearest neighbor query for location-based services in outsourced environments[J].Science China（Information Sciences），2018，61（03）：231-233.

[3] DU Qiang，SONG Yaoliang，JI Chenhe，et al.High-resolution digital beamforming of UWB signals based on Carathéodory representation for delay compensation and array extrapolation[J].Journal of Systems Engineering and Electronics，2018（05）：918-926.

[4] 陳國(guó)平，馬耀輝，張百珂.基于指紋技術(shù)的藍(lán)牙室內(nèi)定位系統(tǒng)[J].電子技術(shù)應(yīng)用，2013，39（3）：104-107.

[5] 劉曉葉，徐玉斌.基于自適應(yīng)射頻指紋地圖的 WSN 室內(nèi)定位算法研究[J].傳感技術(shù)學(xué)報(bào)，2015，28（8）：1215-1220.

[6] ROY U K.Modified source-routing for large-scale pseudo-linear Zig Bee networks[C].IEEE International Conference on Research in Computational Intelligence and Communication Networks.Kolkata：IEEE，2016：85-89.

[7] Hong Feng，Zhang Yongtuo，Zhang Zhao，et al WaP：Indoor Localization and Tracking Using Wifi-Assisted Particle Filter[C].IEEE 39th Conference on Local Computer Networks（LCN）.IEEE，2014：210-217.

[8] 陳銳志，葉鋒.基于Wi-Fi信道狀態(tài)信息的室內(nèi)定位技術(shù)現(xiàn)狀綜述[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2018（12）：1-7.

[9] 陳錫劍，程良倫.基于RSSI的功率匹配定位算法的研究與實(shí)現(xiàn)[J].傳感技術(shù)學(xué)報(bào)，2013（5）：709-714.

[10] 滕千禮，A.ESMAEILI KELISHOMI，蔡忠閩.采用運(yùn)動(dòng)傳感器的人體運(yùn)動(dòng)識(shí)別深度模型[J].西安交通大學(xué)學(xué)報(bào)，2018（8）：60-66.

[11] 李穎，亞太地區(qū)CDN市場(chǎng)分析[J].通訊世界，2018（6）：253-524.

[12] 羅程.北斗衛(wèi)星導(dǎo)航系統(tǒng)偽距差分定位技術(shù)的分析[J].科技創(chuàng)新與應(yīng)用，2018（8）：156-157.

[13] LI X，GE M，DAI X，et al.Accuracy and reliability ofmulti-GNSS real-time precise positioning：GPS，GLONASS，Bei Dou，and Galileo[J].Journal of geodesy，2015，89（6）：607-635.

[14] 李石榮，李飛騰.基于RSSI概率統(tǒng)計(jì)分布的室內(nèi)定位方法[J].計(jì)算機(jī)工程與應(yīng)用，2016，52（11）：119-124.

[15] Salvatore Cavalieri.WLAN-based outdoor localization using pattern matching algorithm [J].InternationalJournal of Wireless Information Networks，2007，14（4）：265-279.

[16] 李旭.基于移動(dòng)設(shè)備的室內(nèi)定位系統(tǒng)的研究與實(shí)現(xiàn)[D].杭州：浙江理工大學(xué)，2013.

[17] Zhang Minghua，Zhang Shensheng，Cao Jian.Probability-based clustering and its application to WLAN location estimation[J].Journal of Shanghai Jiaotong University（Science），2008（5）：547-552.

[18] Mengual L，Marbán O，Eibe S.Clustering-based location in wireless networks[J].Expert Systems with Applications，2010，37（9）：6165-6175.

[19] Kaemarungsi K，Krishnamurthy P.Properties of indoor received signal strength for WLAN location fingerprinting[C].Proc of first annual international conference on mobile and u-biquitous systems：networking and services[s.l.]：IEEE，2004：14-23.

[20] 秦國(guó)威，孫新柱，陳孟元.基于Wi-Fi指紋的改進(jìn)型室內(nèi)定位算法研究[J].陜西理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2018（6）：28-34.

[21] 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.

[22] Youssef M，Agrawala A.Continuous space estimation for WLAN location determination system[C].Proceedings of 13thinternational conference on computer communications and networks[s.l.]：IEEE，2004：161-166.

[23] 程金晶，魏東巖，唐陽(yáng)陽(yáng).WLAN指紋定位中AP選擇策略研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2015（3）：1-5.

[24] 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：武漢大學(xué)，2012.

[25] WANG A，CHEN G，YANG J，et al.A comparative study on human activity recognition using inertial sensors in a smartphon[J].IEEE Sensors Journal，2016，16（11）：4556-4578.