本發(fā)明涉及交通信息技術(shù)領(lǐng)域，具體涉及一種基于雙重匹配指紋定位技術(shù)的定位方法。

背景技術(shù)：

現(xiàn)有的Wi-Fi移動設(shè)備無需附加任何傳感器就可直接進(jìn)行定位，因此Wi-Fi定位法廣為采用。然而，這種定位法基于無線信號場強(qiáng)值的RSSI獲取，其準(zhǔn)確性常受噪音，反射，及障礙物的影響。

具體的是在復(fù)雜的室內(nèi)環(huán)境中，無線信號傳播特性主要包含，路徑損耗、陰影衰落和多徑效應(yīng)，其中路徑損耗是基于RSSI定位的核心依據(jù)，即信號強(qiáng)度與距離有一定的對應(yīng)關(guān)系；陰影衰落主要由發(fā)射機(jī)和接收機(jī)之間的障礙物造成的，這些障礙物通過吸收、反射、散射和繞射等方式衰落信號功率，嚴(yán)重時甚至?xí)钄嘈盘?；多徑效?yīng)即接收機(jī)所接收到的信號是通過不同的直射、反射、折射等路徑到達(dá)接收機(jī)，由于電波通過各個路徑的距離不同，因而各條路徑中發(fā)射波的到達(dá)時間、相位都不相同，不同相位的多個信號在接收端疊加，如果同相疊加則會使信號幅度增強(qiáng)，而反相疊加則會削弱信號幅度。這樣，接收信號的幅度將會發(fā)生急劇變化。因此室內(nèi)環(huán)境中RSSI值表現(xiàn)出高度的不確定性和非線性特性，使得RSSI與物理位置并非一一映射的關(guān)系，嚴(yán)重影響WLAN指紋定位技術(shù)的定位精度。

而且現(xiàn)有的算法，沒有與服務(wù)器進(jìn)行較好的交互，每一次都需要重新的進(jìn)行運(yùn)算得出坐標(biāo)。然而在大型停車場中，由于AP的數(shù)量較多，并且采樣點(diǎn)的數(shù)量也很多。并且在停車場中的用戶流量大時，實時更新數(shù)據(jù)的效果較差，更新出來的數(shù)據(jù)就會有一定的滯后性，從而產(chǎn)生更大的誤差。

技術(shù)實現(xiàn)要素：

為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明提出一種采用雙重指紋匹配定位減小時間復(fù)雜度，從而減小位置數(shù)據(jù)誤差的一種基于雙重匹配指紋定位技術(shù)的定位方法。

為了實現(xiàn)以上目的，本發(fā)明所采用的技術(shù)方案為：包括以下步驟：

1)在室內(nèi)環(huán)境中采用無線AP建立WiFi網(wǎng)絡(luò)，以及設(shè)置帶有離線數(shù)據(jù)庫和在線數(shù)據(jù)庫的定位服務(wù)器；

2)離線采樣：在WiFi網(wǎng)絡(luò)中采集各個位置坐標(biāo)的無線AP信號的RSSI值，并將位置坐標(biāo)及位置坐標(biāo)的無線AP信號的RSSI值發(fā)送至定位服務(wù)器存儲至離線數(shù)據(jù)庫；

3)對離線數(shù)據(jù)庫中位置坐標(biāo)的RSSI值進(jìn)行過濾處理；

4)在線實時定位：待定位移動終端進(jìn)入室內(nèi)停車場連接上WiFi網(wǎng)絡(luò)，采集無線AP信號的RSSI值并發(fā)送至定位服務(wù)器，在在線數(shù)據(jù)庫中對該RSSI值進(jìn)行匹配，在線數(shù)據(jù)庫中存儲有用戶移動終端定位成功的位置坐標(biāo)及位置坐標(biāo)的無線AP信號的RSSI值；

若匹配成功，則在線數(shù)據(jù)庫中匹配的位置坐標(biāo)為待定位移動終端的位置坐標(biāo)，完成定位；

若匹配失敗，則定位服務(wù)器將緩存的RSSI值作為待匹配識別的特征，在離線數(shù)據(jù)庫中選取k個權(quán)值最小的點(diǎn)，并讀取離線數(shù)據(jù)庫中對應(yīng)位置坐標(biāo)，使用k近鄰加權(quán)算法，利用優(yōu)先隊列取出k個坐標(biāo)，對k個坐標(biāo)加權(quán)平均得出的坐標(biāo)作為待定位移動終端的位置坐標(biāo)，并存儲至在線數(shù)據(jù)庫中，完成定位。

所述步驟2)中根據(jù)測量得到室內(nèi)停車場的車位路線圖，將車位路線圖繪制在坐標(biāo)系中坐標(biāo)化后存儲至離線數(shù)據(jù)庫。

所述步驟4)中對得到的待定位移動終端的位置坐標(biāo)的RSSI值與離線數(shù)據(jù)庫中的室內(nèi)停車場的車位路線圖坐標(biāo)的RSSI值進(jìn)行匹配，找出最小的權(quán)值所對應(yīng)的坐標(biāo)，即為待定位移動終端的實時位置坐標(biāo)。

所述步驟3)中過濾處理為：對離線數(shù)據(jù)庫中位置坐標(biāo)的RSSI值求取平均值，過濾掉與平均值差的絕對值大于5個單位的RSSI值，對剩余的RSSI值重新計算平均值，該平均值作為標(biāo)記向量。

所述步驟4)中權(quán)值的計算公式為：

其中，D_i表示移動終端的RSSI矢量S與第i個參考節(jié)點(diǎn)的RSSI矢量之間的距離，N和L分別表示AP和參考節(jié)點(diǎn)的個數(shù)，S_j和f_ij分別表示移動終端和第i個參考節(jié)點(diǎn)接收到的來自第j個AP的信號強(qiáng)度。

所述步驟4)中k近鄰加權(quán)計算公式為：

其中，表示移動終端位置坐標(biāo)的估計值，(x_i,y_i)表示第i個參考節(jié)點(diǎn)的坐標(biāo)，ε為防止除數(shù)等于0的正常數(shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明通過離線采樣將WiFi網(wǎng)絡(luò)中的位置坐標(biāo)及位置坐標(biāo)的無線AP信號的RSSI值存儲在離線數(shù)據(jù)庫中，并對離線數(shù)據(jù)庫中位置坐標(biāo)的RSSI值進(jìn)行過濾處理，減少離線數(shù)據(jù)庫的復(fù)雜程度，在線數(shù)據(jù)庫中存儲有用戶移動終端定位成功的位置坐標(biāo)及位置坐標(biāo)的無線AP信號的RSSI值，在定位時，待定位移動終端采集的無線AP信號的RSSI值發(fā)送至定位服務(wù)器，能夠通過在線數(shù)據(jù)庫中存儲的位置坐標(biāo)的無線AP信號的RSSI值對采集的RSSI值進(jìn)行匹配，匹配成功則在線數(shù)據(jù)庫中匹配的位置坐標(biāo)為待定位移動終端的位置坐標(biāo)，直接得到待定位移動終端的位置坐標(biāo)，匹配不成功則通過在離線數(shù)據(jù)庫中選取k個權(quán)值最小的點(diǎn)，并讀取離線數(shù)據(jù)庫中對應(yīng)位置坐標(biāo)，使用k近鄰加權(quán)算法，利用優(yōu)先隊列取出k個坐標(biāo)，對k個坐標(biāo)加權(quán)平均得出的坐標(biāo)作為待定位移動終端的位置坐標(biāo)，并將該位置坐標(biāo)存儲在在線數(shù)據(jù)庫中，實現(xiàn)在線數(shù)據(jù)庫的實時更新，便于下次定位時通過記憶化搜索來減小時間復(fù)雜度，本發(fā)明采用雙重數(shù)據(jù)庫的指紋匹配定位，降低了時間復(fù)雜度，從而減少了時間誤差，提高了定位時位置數(shù)據(jù)的精度，用戶流量大時，實現(xiàn)了對在線數(shù)據(jù)庫的實時更新，實時更新效果好。

進(jìn)一步，由于實際上用戶在室內(nèi)停車場的汽車只能處在停車位或者路線上，因此通過測量得到室內(nèi)停車場的車位路線圖，并將車位路線圖繪制在坐標(biāo)系中坐標(biāo)化后存儲至離線數(shù)據(jù)庫，將實時定位所得到的位置坐標(biāo)的RSSI值與離線數(shù)據(jù)庫中車位路線圖的坐標(biāo)點(diǎn)進(jìn)行匹配，找出最小的權(quán)值所對應(yīng)的坐標(biāo)作為最終的位置坐標(biāo)，進(jìn)一步提高了本發(fā)明定位的精準(zhǔn)度，避免了定位超出停車位或者路線的問題。

附圖說明

圖1為本發(fā)明的方法流程圖；

圖2為本發(fā)明初始階段配置信息圖；

圖3為現(xiàn)有的室內(nèi)定位方法流程圖。

具體實施方式

下面結(jié)合具體的實施例和說明書附圖對本發(fā)明作進(jìn)一步的解釋說明。

參見圖1，本發(fā)明包括以下步驟：

1)在室內(nèi)環(huán)境中采用無線AP建立WiFi網(wǎng)絡(luò)，以及設(shè)置帶有離線數(shù)據(jù)庫和在線數(shù)據(jù)庫的定位服務(wù)器；

2)離線采樣：在WiFi網(wǎng)絡(luò)中采集各個位置坐標(biāo)的無線AP信號的RSSI值，并將位置坐標(biāo)及位置坐標(biāo)的無線AP信號的RSSI值發(fā)送至定位服務(wù)器存儲至離線數(shù)據(jù)庫；同時根據(jù)測量得到室內(nèi)停車場的車位路線圖，將車位路線圖繪制在坐標(biāo)系中坐標(biāo)化后存儲至離線數(shù)據(jù)庫；

3)對離線數(shù)據(jù)庫中位置坐標(biāo)的RSSI值進(jìn)行過濾處理：對離線數(shù)據(jù)庫中位置坐標(biāo)的RSSI值求取平均值，過濾掉與平均值差的絕對值大于5個單位的RSSI值，對剩余的RSSI值重新計算平均值，該平均值作為標(biāo)記向量；

4)在線實時定位：待定位移動終端進(jìn)入室內(nèi)停車場連接上WiFi網(wǎng)絡(luò)，采集無線AP信號的RSSI值并發(fā)送至定位服務(wù)器，在在線數(shù)據(jù)庫中對該RSSI值進(jìn)行匹配，在線數(shù)據(jù)庫中存儲有用戶移動終端定位成功的位置坐標(biāo)及位置坐標(biāo)的無線AP信號的RSSI值；

若匹配成功，則在線數(shù)據(jù)庫中匹配的位置坐標(biāo)為待定位移動終端的位置坐標(biāo)；

若匹配失敗，則定位服務(wù)器將緩存的RSSI值作為待匹配識別的特征，在離線數(shù)據(jù)庫中選取k個權(quán)值最小的點(diǎn)，并讀取離線數(shù)據(jù)庫中對應(yīng)位置坐標(biāo)，使用k近鄰加權(quán)算法，利用優(yōu)先隊列取出k個坐標(biāo)，對k個坐標(biāo)加權(quán)平均得出的坐標(biāo)作為待定位移動終端的位置坐標(biāo)，并存儲至在線數(shù)據(jù)庫中；

對得到的待定位移動終端的位置坐標(biāo)的RSSI值與離線數(shù)據(jù)庫中的室內(nèi)停車場的車位路線圖坐標(biāo)的RSSI值進(jìn)行匹配，找出最小的權(quán)值所對應(yīng)的坐標(biāo)，即為待定位移動終端的實時位置坐標(biāo)，完成定位。

權(quán)值的計算公式為：

其中，D_i表示移動終端的RSSI矢量S與第i個參考節(jié)點(diǎn)的RSSI矢量之間的距離，N和L分別表示AP和參考節(jié)點(diǎn)的個數(shù)，S_j和f_ij分別表示移動終端和第i個參考節(jié)點(diǎn)接收到的來自第j個AP的信號強(qiáng)度。

k近鄰加權(quán)計算公式為：

其中，表示移動終端位置坐標(biāo)的估計值，(x_i,y_i)表示第i個參考節(jié)點(diǎn)的坐標(biāo)，ε為防止除數(shù)等于0的正常數(shù)。

本發(fā)明定位方法，參見圖1，包括初始配置階段、離線采樣階段和在線實時定位階段：

一、在初始配置階段，預(yù)先配置如下信息：

繪制wifi部署地圖，在地圖上標(biāo)記出無線AP的安裝位置，具體配置信息參見圖2；

二、在離線采樣階段、步驟如下：

1.在部署有WiFi網(wǎng)絡(luò)的環(huán)境中，手持不同型號的移動終端到達(dá)特定位置，停止20-60s，以收集該位置的WiFi指紋特征，收集的指紋為：移動終端通過安裝采樣APP調(diào)用系統(tǒng)API來收集周邊部署的信號強(qiáng)度RSSI信息發(fā)送到定位服務(wù)器，并將以上數(shù)據(jù)存儲至離線數(shù)據(jù)庫。

2.實際測量得到停車場車位路線圖，將路線圖繪制在坐標(biāo)系中，將車位路線坐標(biāo)化后的值儲存至離線數(shù)據(jù)庫；

三、過濾算法階段：通過過濾算法，過濾掉離線數(shù)據(jù)庫中的無用信息：

1.首先將獲得的坐標(biāo)求取平均值；

2.通過大量的實驗發(fā)現(xiàn)RSSI基本波動在5個單位左右，因此篩去與上述平均值差的絕對值大于5個單位的RSSI值；

3.將剩余的值重新計算平均值，作為該點(diǎn)處的標(biāo)記向量；

四、在線實時定位階段：對于任意待定位終端，進(jìn)入該無線部署區(qū)域，并連接上WiFi，

安裝定位APP，具體步驟如下：

1.移動終端進(jìn)入該無線部署區(qū)域后，定位APP采集周邊的無線AP的信號強(qiáng)度RSSI值，將其發(fā)送到定位服務(wù)器；

2.在在線數(shù)據(jù)庫中進(jìn)行匹配，若匹配成功，即已經(jīng)計算過該點(diǎn)，則直接進(jìn)行第五步對應(yīng)格點(diǎn)算法處理階段；若匹配不成功，則進(jìn)行以下步驟：

a.定位服務(wù)器程序?qū)?-5s緩存的RSSI，作為待匹配識別的特征；

b.選取k個權(quán)值最小的點(diǎn)，并讀取離線指紋庫條目中對應(yīng)位置坐標(biāo)；

權(quán)值公式為：

c.使用k近鄰加權(quán)算法，利用優(yōu)先隊列取出k個坐標(biāo)，對k個坐標(biāo)加權(quán)平均得出的坐標(biāo)作為終端的估計位置；

坐標(biāo)加權(quán)公式為：

d.將所得到的位置坐標(biāo)儲存至在線數(shù)據(jù)庫進(jìn)行下一次的記憶化搜索。

五、對應(yīng)格點(diǎn)算法處理階段：

1.由于實際上用戶所在的汽車只能處在停車位或者路線上，因此將上步中所得到的點(diǎn)的RSSI值與離線數(shù)據(jù)庫中坐標(biāo)點(diǎn)進(jìn)行匹配，找出最小的權(quán)值所對應(yīng)的坐標(biāo)；

2.將得到的坐標(biāo)作為實時更新的坐標(biāo)，完成定位。

參見圖3，現(xiàn)有的室內(nèi)定位方法首先建立離線數(shù)據(jù)庫，然后在線測量RSSI值，計算在線測量值與離線數(shù)據(jù)庫各個指紋的距離，最后取距離較小的K個指紋坐標(biāo)，求K個坐標(biāo)平均值得到位置坐標(biāo)，現(xiàn)有方法沒有與服務(wù)器進(jìn)行較好的交互，每一次都需要重新的進(jìn)行運(yùn)算得出坐標(biāo)，在大型停車場中，由于AP的數(shù)量較多，并且采樣點(diǎn)的數(shù)量也很多，在停車場中的用戶流量大時，實時更新數(shù)據(jù)的效果較差，更新出來的數(shù)據(jù)就會有一定的滯后性，從而產(chǎn)生很大的誤差。

在大型停車場內(nèi)，客流量大，原有算法很難做到實時更新，本發(fā)明采用雙重數(shù)據(jù)庫，將每次的計算結(jié)果儲存在在線數(shù)據(jù)庫內(nèi)，若當(dāng)前RSSI值與之前所計算的RSSI值結(jié)果相差不大，則直接利用上一次的計算結(jié)果，本發(fā)明采用雙重數(shù)據(jù)庫的指紋匹配定位，降低了時間復(fù)雜度，從而減少了時間誤差，提高了定位時位置數(shù)據(jù)的精度，用戶流量大時，實現(xiàn)了對在線數(shù)據(jù)庫的實時更新，實時更新效果好；實際情況中，所計算出的坐標(biāo)只可能出現(xiàn)在停車位和道路上，因此本發(fā)明采用格點(diǎn)對應(yīng)，將停車位和道路進(jìn)行坐標(biāo)化，計算后的坐標(biāo)匹配最近的格點(diǎn)，作為實時的坐標(biāo)點(diǎn)。