摘 要： 隨著移動(dòng)互聯(lián)網(wǎng)的迅猛發(fā)展和智能終端的普及，人們對(duì)基于位置服務(wù)尤其是室內(nèi)定位的需求日益增長(zhǎng)。通過研究無線WiFi信號(hào)的特性，利用Android智能手機(jī)，結(jié)合計(jì)算機(jī)網(wǎng)絡(luò)編程和ArcGIS MAP等技術(shù)設(shè)計(jì)并實(shí)現(xiàn)了一套基于位置指紋定位算法的室內(nèi)定位系統(tǒng)。通過對(duì)某實(shí)驗(yàn)樓一個(gè)樓層的室內(nèi)定位實(shí)驗(yàn)表明，該系統(tǒng)使用靈活、簡(jiǎn)單、界面友好，具有良好的定位精度。

　　關(guān)鍵詞： 室內(nèi)定位；WiFi；Android平臺(tái)；ArcGIS

0 引言

　　隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來，定位服務(wù)需求量迅速增長(zhǎng)[1]，例如大型商場(chǎng)或候機(jī)廳快速找到出口、家長(zhǎng)跟蹤小孩的位置、房屋根據(jù)人員位置開關(guān)電燈、商店根據(jù)用戶位置向用戶推送關(guān)于商品的介紹等。如今室外定位技術(shù)已經(jīng)發(fā)展十分成熟，然而在室內(nèi)環(huán)境中，經(jīng)常會(huì)出現(xiàn)“都市峽谷”(Urban Canyon)效應(yīng)[2]，GPS系統(tǒng)無法精確定位。隨著無線網(wǎng)絡(luò)的覆蓋范圍越來越廣，基于WiFi的無線定位技術(shù)可以彌補(bǔ)衛(wèi)星定位在建筑密集區(qū)和室內(nèi)應(yīng)用的限制，擴(kuò)大定位服務(wù)的應(yīng)用行業(yè)和范圍，已經(jīng)成為室內(nèi)定位的普遍選擇[3]。

　　本文針對(duì)室內(nèi)定位的需求，設(shè)計(jì)并實(shí)現(xiàn)了基于WiFi的室內(nèi)定位系統(tǒng)。該系統(tǒng)由客戶端應(yīng)用和后臺(tái)定位服務(wù)構(gòu)成，用戶可以通過智能終端進(jìn)行定位，并在終端的地圖上顯示定位位置，同時(shí)服務(wù)器端記錄用戶定位時(shí)間、AP名稱及RSSI(接收的信號(hào)強(qiáng)度指示)等定位信息。系統(tǒng)客戶端使用Java ME開發(fā)，地圖信息采集與發(fā)布采用ArcGIS，定位算法采用位置指紋算法，服務(wù)端架構(gòu)采用REST技術(shù)[4]。系統(tǒng)測(cè)試表明，該系統(tǒng)定位精度較好，響應(yīng)時(shí)間較快，具有良好的應(yīng)用前景。

1 系統(tǒng)設(shè)計(jì)

　　1.1 系統(tǒng)工作原理

　　系統(tǒng)工作原理和基本模型如圖1所示。

　　系統(tǒng)客戶端的操作平臺(tái)使用Android。Android系統(tǒng)設(shè)計(jì)之初就表現(xiàn)出其強(qiáng)大的開源性和可擴(kuò)展性，這為Android不斷完善及應(yīng)用帶來了極大的用戶群。據(jù)國(guó)際數(shù)據(jù)公司(IDC)公布的新數(shù)據(jù)[5]，在2013年Android系統(tǒng)的市場(chǎng)占有率已經(jīng)達(dá)到75%。而在中國(guó)，中投顧問發(fā)布報(bào)告[6]顯示，2013年Android手機(jī)占同期智能手機(jī)出貨量的94.0%。本系統(tǒng)基于Android系統(tǒng)開發(fā)，可以滿足大部分移動(dòng)用戶的定位需求。

　　服務(wù)器端包括定位服務(wù)、地圖服務(wù)和指紋庫(kù)數(shù)據(jù)管理。定位服務(wù)基于Java SE開發(fā)，并使用Tomcat平臺(tái)發(fā)布。地圖服務(wù)使用ArcGIS Server來發(fā)布室內(nèi)地圖并返回定位信息。數(shù)據(jù)庫(kù)管理采用Mysql。服務(wù)器端與客戶端之間通過Http通信，完成數(shù)據(jù)的交互。

　　1.2 系統(tǒng)框架

　　本系統(tǒng)基于客戶端/服務(wù)器架構(gòu)。客戶端由RSSI信號(hào)采集模塊、通信模塊、地圖操作模塊組成；服務(wù)器端由定位模塊、地圖模塊、通信模塊組成。系統(tǒng)框架如圖2所示。

　　系統(tǒng)的交互流程如下：

　　(1)Android客戶端程序啟動(dòng)，程序請(qǐng)求ArcGIS地圖服務(wù)；

　　(2)地圖服務(wù)器利用ArcGIS for Server響應(yīng)地圖服務(wù)，向客戶端發(fā)布在線地圖；

　　(3)用戶請(qǐng)求定位功能，客戶端調(diào)用WiFiManager掃描周圍AP的信息，包括AP的信號(hào)強(qiáng)度值、IP地址、MAC地址，然后將此位置信息通過Http發(fā)送給服務(wù)器端；

　　(4)服務(wù)端將收到的位置信息與數(shù)據(jù)庫(kù)進(jìn)行匹配并結(jié)合位置指紋算法，得到位置坐標(biāo)，通過Http回傳給客戶端；

　　(5)客戶端接收到位置坐標(biāo)，并顯示于地圖上。

2 系統(tǒng)實(shí)現(xiàn)

　　系統(tǒng)的實(shí)現(xiàn)分為客戶端的設(shè)計(jì)、服務(wù)器端的設(shè)計(jì)及定位算法的設(shè)計(jì)。

　　2.1 客戶端設(shè)計(jì)

　　Android客戶端的主要功能是掃描周圍的WiFi信號(hào)，發(fā)送定位請(qǐng)求，接收位置信息，同時(shí)與服務(wù)器端進(jìn)行通信。Android內(nèi)置的WiFiManager提供了管理所有WiFi 連接的API：WiFiInfo、WiFiConfiguration、ScanResult。利用WiFiManager可獲取周圍所有WiFi的MAC地址、信號(hào)強(qiáng)度值。地圖部分利用Esri提供的移動(dòng)應(yīng)用開發(fā)包ArcGIS Runtime SDK for Android[7]開發(fā)，該插件通過ArcGIS Server REST方式獲取地圖數(shù)據(jù)和服務(wù)資源。

　　2.2 服務(wù)器端設(shè)計(jì)

　　服務(wù)器端分為定位服務(wù)器、地圖服務(wù)器和指紋庫(kù)數(shù)據(jù)管理3大部分，如圖3所示。定位服務(wù)負(fù)責(zé)接收、存儲(chǔ)客戶端傳來的位置信息，調(diào)用定位算法進(jìn)行信號(hào)的匹配計(jì)算，返回用戶位置信息。地圖服務(wù)負(fù)責(zé)地圖的加載和用戶位置的顯示。指紋數(shù)據(jù)庫(kù)建有用戶表和AP信息表，用戶表存儲(chǔ)用戶個(gè)人信息，記錄用戶定位位置和訪問時(shí)間；AP信息表存儲(chǔ)所有AP的MAC地址與平均信號(hào)強(qiáng)度值。

　　用戶可以選擇向服務(wù)器提交位置指紋數(shù)據(jù)或向服務(wù)器請(qǐng)求定位信息。當(dāng)用戶向服務(wù)器提交位置指紋數(shù)據(jù)時(shí)，服務(wù)器端將強(qiáng)度和MAC地址等信息存入到數(shù)據(jù)庫(kù)AP信息表中；當(dāng)用戶請(qǐng)求定位時(shí)，服務(wù)器讀取用戶上傳的無線信號(hào)強(qiáng)度信息，與數(shù)據(jù)庫(kù)中指紋信息進(jìn)行分析匹配，同時(shí)調(diào)用定位算法，得到用戶所在位置的墨卡托坐標(biāo)值，作為用戶位置反饋給客戶端。

　　地圖服務(wù)器選擇ArcGIS Server 10.1作為GIS服務(wù)平臺(tái)。該服務(wù)器主要功能：(1)利用ArcGIS Sever Manager發(fā)布在ArcMap中繪制的地圖，本文發(fā)布了兩套地圖：某實(shí)驗(yàn)樓一個(gè)樓層的矢量地圖和切片地圖(9級(jí))，用戶根據(jù)當(dāng)前所處網(wǎng)絡(luò)環(huán)境來選擇；(2)在圖層上標(biāo)注用戶位置。

　　2.3 定位算法

　　2.3.1 WiFi信號(hào)特點(diǎn)和算法選取

　　基于WiFi的定位通常使用RSSI。定位方法主要有兩類：三角算法和位置指紋識(shí)別算法[8]。三角算法利用待測(cè)目標(biāo)到至少3個(gè)已知參考點(diǎn)的距離信息或角度信息估計(jì)目標(biāo)位置，參考文獻(xiàn)[9-10]給出了WiFi信號(hào)傳播模型；位置指紋識(shí)別算法通過采集到的信號(hào)特征與數(shù)據(jù)庫(kù)中儲(chǔ)存的信號(hào)特征進(jìn)行對(duì)比實(shí)現(xiàn)定位。

　　射頻信號(hào)的多徑傳播和由于定位節(jié)點(diǎn)或周圍散射體的運(yùn)動(dòng)所引入的非線性時(shí)變特性是移動(dòng)通信信道的主要特征,這些特征是造成無線定位誤差的主要因素[11]?；诖耍疚南韧ㄟ^在實(shí)際應(yīng)用環(huán)境中采集大量的無線信號(hào)來分析WiFi信號(hào)的傳播特性：WiFi無線信號(hào)在傳播時(shí)信號(hào)強(qiáng)度與距離間的關(guān)系及RSSI的概率分布特征。實(shí)驗(yàn)環(huán)境：校園內(nèi)某籃球場(chǎng)，AP固定在2.5 m高處。在正對(duì)AP 40 m內(nèi)，以0.5 m為間隔劃分80個(gè)測(cè)量點(diǎn)。實(shí)驗(yàn)設(shè)備：AP：騰達(dá)Tenda W301A；電腦1：聯(lián)想天逸F41A；電腦2：宏基4560G；手機(jī)：小米1 s。

　　(1)無線信號(hào)強(qiáng)度的空間變化

　　觀察距離與信號(hào)強(qiáng)度的關(guān)系，從距AP 0 m開始，逐漸向外移動(dòng)手機(jī)，在每個(gè)測(cè)量點(diǎn)上統(tǒng)計(jì)信號(hào)的強(qiáng)度平均值，如圖4、圖5所示。

　　實(shí)驗(yàn)表明，收發(fā)端之間的距離越小，接收到的信號(hào)強(qiáng)度越大；信號(hào)強(qiáng)度越弱，數(shù)據(jù)可靠性越低[11]。正是由于存在這種關(guān)系，導(dǎo)致了每個(gè)位置檢測(cè)到的無線信號(hào)具有獨(dú)特性，這也是能夠區(qū)分每個(gè)位置指紋之間差異性的原因[12]。

　　(2)無線信號(hào)強(qiáng)度的時(shí)間變化(RSSI的概率分布)

　　影響無線信號(hào)強(qiáng)度的原因很多，如多徑、散射、衍射等，這些相互獨(dú)立的影響因素具有極大的隨機(jī)性。這些隨機(jī)的影響因素共同作用構(gòu)成了對(duì)無線信號(hào)強(qiáng)度的隨機(jī)不確定干擾[12]。為了探究這種不確定干擾對(duì)無線信號(hào)的影響效果，用手機(jī)分別在各個(gè)測(cè)量點(diǎn)上采集了位置指紋數(shù)據(jù)。

　　圖6、圖7分別為6.5 m處(均值=-48.15 dbm，標(biāo)準(zhǔn)差=1.226)和18 m處(均值=-50.85 dbm，標(biāo)準(zhǔn)差=2.477)的200個(gè)采樣值的處理結(jié)果。結(jié)果表明，在位置固定的情況下，AP的信號(hào)強(qiáng)度在一定范圍內(nèi)波動(dòng)，長(zhǎng)時(shí)間對(duì)無線信號(hào)強(qiáng)度進(jìn)行采樣時(shí)，WiFi信號(hào)強(qiáng)度的分布符合類正太分布[12]。

　　通過第二組實(shí)驗(yàn)可以看出，無線信號(hào)波動(dòng)分布可視為正態(tài)分布，因此本文在采集數(shù)據(jù)庫(kù)時(shí)，首先去除偏離均值較大的值，然后以該點(diǎn)處的信號(hào)強(qiáng)度平均值來代表該位置的無線信號(hào)特征。第一組實(shí)驗(yàn)中電腦和手機(jī)端都表明同一現(xiàn)象，即只有在短距離內(nèi)WiFi信號(hào)衰減規(guī)律是明顯的，超過4 m這一規(guī)律不再適用。這意味著如果要使用三角算法必須將定位范圍限制在4 m之內(nèi)，這無疑將極大地限制系統(tǒng)的使用范圍，而且不同環(huán)境下的信號(hào)傳輸損耗模型大不相同，建立一個(gè)精確的、適合實(shí)際應(yīng)用的損耗模型存在著很大的困難[8]。除此之外，根據(jù)參考文獻(xiàn)[8]中通過實(shí)驗(yàn)得出的重要結(jié)論：基于位置指紋算法能夠在一定程度上減少多徑效應(yīng)的影響，其定位精度遠(yuǎn)遠(yuǎn)高于基于三角形算法的定位精度。所以不管在具體實(shí)施上還是定位性能上，其較之于三角形算法的定位都具有較大的優(yōu)越性?；谝陨显颍疚倪x擇基于位置指紋的定位算法。

　　2.3.2 位置指紋算法

　　所謂位置指紋識(shí)別算法是利用存有實(shí)際場(chǎng)地的地理位置所對(duì)應(yīng)的RSSI信號(hào)強(qiáng)度的數(shù)據(jù)庫(kù)，進(jìn)行對(duì)比分析識(shí)別的一種WiFi定位算法。其定位過程分為兩個(gè)階段[8]：

　?、烹x線采樣階段：其目標(biāo)在于建立一個(gè)位置指紋識(shí)別數(shù)據(jù)庫(kù)。首先，選擇合理的參考點(diǎn)分布，確保能為定位階段的準(zhǔn)確位置估計(jì)提供足夠的信息。然后依次在各個(gè)參考點(diǎn)上測(cè)量來自不同AP的RSSI值，將相應(yīng)的MAC地址與參考點(diǎn)的位置信息記錄在數(shù)據(jù)庫(kù)中，直至遍歷區(qū)域內(nèi)所有的參考點(diǎn)。

　?、圃诰€定位階段：給定數(shù)據(jù)庫(kù)后，依據(jù)一定的匹配算法將待測(cè)點(diǎn)上接收的AP RSSI與數(shù)據(jù)庫(kù)中已有數(shù)據(jù)進(jìn)行比較，計(jì)算位置估計(jì)值。常用的匹配算法有NN法、KNN法、神經(jīng)網(wǎng)絡(luò)等，本文采用簡(jiǎn)單的NN算法。假定待測(cè)點(diǎn)接收的RSSI觀測(cè)值為s =[ss1,ss2,…,ssn]，數(shù)據(jù)庫(kù)中的已有記錄為Si =[SS1,SS2,…,SSNi]，其中n代表待測(cè)點(diǎn)上檢測(cè)到的不同AP數(shù)；i∈[1,NT]，NT為數(shù)據(jù)庫(kù)中的記錄數(shù)；Ni代表第i條記錄中存儲(chǔ)的不同AP數(shù)。則NN算法可以表示成下述形式：L=argmin||s-Si||，i∈[1,NT ]，其中||s-Si||代表s與Si之間的歐式距離。

3 系統(tǒng)測(cè)試與結(jié)果分析

　　3.1 離線采樣階段

　　在某實(shí)驗(yàn)樓五樓(環(huán)境布局如圖8所示)內(nèi)，利用樓道內(nèi)運(yùn)營(yíng)商已布置好的WiFi環(huán)境，部署了6個(gè)采樣點(diǎn)(全部為教室)，每個(gè)區(qū)域范圍為1 m2，以自定義坐標(biāo)形式記錄測(cè)試點(diǎn)的位置。所有AP的高度均為3.2 m，位于兩墻中間位置，兩AP間距為7 m。測(cè)試設(shè)備：AP為騰達(dá)Tenda W301A；服務(wù)器為華碩A43s筆記本；訓(xùn)練設(shè)備為小米1s手機(jī)。在每個(gè)采樣點(diǎn)上傳200次指定AP的MAC地址和信號(hào)強(qiáng)度，去除偏離較大值后將均值記錄在數(shù)據(jù)庫(kù)中，單點(diǎn)采集時(shí)間約為3 min，完成所有位置的信號(hào)采集時(shí)間為20 min左右。

　　3.2 在線定位階段

　　實(shí)驗(yàn)共采集了6個(gè)點(diǎn)的位置信息，在每個(gè)測(cè)試點(diǎn)，以該點(diǎn)所處的墨卡托坐標(biāo)標(biāo)記該位置，使用小米1s手機(jī)采集10組RSSI數(shù)據(jù)后發(fā)起定位請(qǐng)求，服務(wù)器將數(shù)據(jù)進(jìn)行定位計(jì)算。記錄服務(wù)器反饋的位置信息，并記錄所用時(shí)間，如表1所示。每個(gè)位置重復(fù)定位試驗(yàn)200次，統(tǒng)計(jì)定位誤差結(jié)果如表2所示。

　　3.3 實(shí)驗(yàn)結(jié)果分析

　　實(shí)驗(yàn)結(jié)果表明，最大定位誤差在3.4 m，平均誤差在 2.9 m之內(nèi)；從請(qǐng)求定位到返回位置信息均在200 ms內(nèi)完成。由于考慮到實(shí)時(shí)性要求，客戶端定位時(shí)只采集了10組數(shù)據(jù)，不足以客觀反映該點(diǎn)AP信號(hào)的特征；以及劃分的指紋區(qū)域不夠精細(xì)造成定位精度不是很理想。此外教室411和415周圍沒有人員走動(dòng)，并且周圍電腦、打印機(jī)等電子設(shè)備較少，所以平均誤差較小，同時(shí)誤差標(biāo)準(zhǔn)差小，說明定位的穩(wěn)定性高；教室409和404內(nèi)有很多教學(xué)儀器，干擾較大；教室407和庫(kù)房在樓梯處，周圍人員走動(dòng)多，且教室內(nèi)有多臺(tái)電腦，干擾最大，誤差的標(biāo)準(zhǔn)差較大，定位結(jié)果不穩(wěn)定。

4 結(jié)束語

　　本文主要實(shí)現(xiàn)了一個(gè)基于WiFi的室內(nèi)定位系統(tǒng)，為了更好地實(shí)現(xiàn)定位，對(duì)WiFi信號(hào)具有的特性進(jìn)行了探究，得出了WiFi信號(hào)概率分布特點(diǎn)、隨距離衰減特點(diǎn)。在此基礎(chǔ)上，采用位置指紋算法，劃分1 m2的最小區(qū)域，以一個(gè)點(diǎn)的信號(hào)強(qiáng)度平均值作為該點(diǎn)的信號(hào)特征。該系統(tǒng)的定位結(jié)果表明，利用運(yùn)營(yíng)商已布置好的AP，最大定位誤差在3.4 m，定位速度較快，且該系統(tǒng)成本低、使用方便，是一種具有可行性的室內(nèi)定位方法。

　　室內(nèi)定位技術(shù)一直處于不斷完善的過程中，在今后的工作中，將致力于增加實(shí)驗(yàn)數(shù)據(jù)的預(yù)處理功能，從而更好地提高定位精度；加入更為豐富的功能，例如導(dǎo)航；研究基于IOS和Windows Phone平臺(tái)的移動(dòng)GIS開發(fā)等。

參考文獻(xiàn)

　　[1] 秦泗明. 基于位置指紋的WiFi室內(nèi)定位技術(shù)研究[D]. 成都:電子科技大學(xué), 2013.

　　[2] 何文濤,徐建華,葉甜春. 互相關(guān)干擾下的GNSS 弱信號(hào)檢測(cè)算法[J]. 電子學(xué)報(bào), 2011,39(2):471-475.

　　[3] 潘立波. 基于WiFi技術(shù)的無線定位算法研究與實(shí)現(xiàn)[D]. 杭州:浙江大學(xué), 2013.

　　[4] 李久剛,唐新明,汪匯兵,等. REST架構(gòu)的WebGIS技術(shù)研究與實(shí)現(xiàn)[J]. 測(cè)繪科學(xué), 2011,336(3):85-87.

　　[5] IDC.IDC Worldwide Mobile Phone Tracker[R].FRAMINGHAM, Mass:IDC, November 12, 2013.

　　[6] 中投顧問. 2014-2018年中國(guó)智能手機(jī)行業(yè)投資分析及前景預(yù)測(cè)報(bào)告[R]. 深圳:深圳市中投咨詢顧問有限公司, 2014.

　　[7] Esri.ArcGIS Resources[EB/OL].[2014-06-01].http://resources.arcgis.com/en/home/.

　　[8] 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,2010,34(10):72-76.

　　[9] Serrano O,Canas J M,Matellan V,et al.Robot localization using WiFi signal without intensity map[D]. Spain:University of Girona,2004.

　　[10] Roberts B,Pahlavan K.Site-specific RSS signature Modeling for WiFi localization[A].Global Telecommunications Conference,2009,GLOBECOM 2009.IEEE, 2009:1-6.

　　[11] 丁濤. NLOS環(huán)境下基于DTV信號(hào)的定位算法研究[D]. 南京:東南大學(xué), 2010.

　　[12] 雷家毅. Android平臺(tái)基于WiFi的定位算法與系統(tǒng)設(shè)計(jì)[D].上海:華東理工大學(xué), 2012.