自动WLAN射电图构建方法和系统技术方案

提供一种自动WLAN射电图构建方法和系统。所述自动WLAN射电图构建方法，包括：收集由室内空间中的移动装置获得的WLAN指纹，对基于室内地图的划分区域由位置状态表示的状态图所产生的学习模型进行机器学习，将收集的WLAN指纹布置在相应位置状态中，并存储布置的结果。因此，在没有诸如GPS信号的参考位置信息的情况下在多个非特定智能电话中收集的WLAN指纹的收集位置能够被自动地标记。

【技术实现步骤摘要】
本申请要求于2014年11月25日提交到韩国知识产权局的被分配序列号10-2014-0165022的韩国专利申请的权益，所述韩国专利申请的全部公开通过引用包含于此。
本公开总体上涉及室内位置信息识别技术。更具体地，本公开涉及一种用于自动构建室内位置识别所必需的无线局域网(WLAN)射电图(radiomap)的方法和系统。
技术介绍
随着在近年广泛地使用智能电话并且越来越多地安装接入点(AP)(WLAN中继器)，对室内位置识别服务的需求日益增加。事实上，能够由室内位置识别系统预期的潜在效用已经在过去数年得到公认，并且已经进行各种尝试来实现具有广泛可用性和高精度的室内定位系统(IPS)。具体地，基于WLAN指纹的技术因其高精度而被广泛使用。然而，该技术需要构建射电图，射电图是包含收集的WLAN信号和关于收集相应信号的位置的信息的DB。在射电图被构建的室内空间中，位置识别系统安装在射电图中，并且能够容易地提供具有与其连接的无线信号接收器的移动装置的位置信息。安装在射电图中的位置识别系统通常从射电图找到一些与由移动装置收集的WLAN指纹最相似的WLAN指纹，并且基于找到的WLAN指纹被收集的位置的信息来估计位置。因此，在开发室内位置识别系统中最重要的工作是：通过收集全世界的室内空间中的WLAN指纹连同关于收集位置的信息来构建射电图。然而，构建室内空间中的射电图需要很多的成本和很多的努力。因此，需要改进的自动射电图构建技术以极大地节省成本和时间。已经进行各种尝试来降低成本。存在一种用于通过驾驶具有安装在车辆中的装置的车辆来构建射电图的方法，所述装置用于同时收集GPS信号和WLAN信号并标记收集到的WLAN信号的收集点。另外，存在一种用于使用在用户的移动装置中与GPS信号一起获得的WLAN信号来构建射电图的方法。然而，使用GPS信号作为参考位置的方法具有无法利用在室内空间中收集的WLAN信号的缺点。这是因为GPS信号没有到达室内空间。已经进行尝试通过使用由各种传感器获得的信号信息与WLAN信号一起自动地标记收集点来构建射电图。然而，该技术也在构建射电图时需要额外成本并且仍然在可用性和精度方面具有限制。
技术实现思路
为了解决现有技术的上述缺点，本公开的主要方面在于提供一种作为降低构建WLAN射电图所需的成本的解的用于在没有使用诸如GPS信号的参考位置信息的情况下自动地标记WLAN指纹的收集位置的方法和系统，所述WLAN指纹在没有室内空间中的收集位置信息的情况下被收集。根据本公开的一个方面，一种自动WLAN射电图构建方法包括：基于室内地图的划分区域由位置状态表示的有限状态自动机(FSA)来产生学习模型；通过基于学习模型的机器学习来进行学习以将收集的WLAN指纹布置在相应位置状态中。所述自动WLAN射电图构建方法还可包括：收集由室内空间中的移动装置获得的WLAN指纹，并且进行学习的步骤可包括：将收集的WLAN指纹布置在相应位置状态中。由移动装置获得的WLAN指纹可不包括位置信息和运动信息。所述自动WLAN射电图构建方法还可包括：存储布置的结果。进行学习的步骤可包括：设置针对位置状态的代表WLAN指纹；参考代表WLAN指纹将收集的WLAN指纹布置在相应位置状态中。设置的步骤和布置的步骤可被重复预定次数。设置的步骤可包括：基于布置的结果改变针对位置状态的代表WLAN指纹。设置的步骤可包括：参考布置的所有WLAN指纹来改变针对位置状态的代表WLAN指纹。可使用以下项中的至少一项通过学习来执行设置的步骤：A*算法、爬山算法、遗传算法和文化基因算法。可使用以下项中的至少一项通过学习来执行布置的步骤：期望最大化(EM)算法和分段K均值算法。设置的步骤可包括：参考AP被布置的位置状态以及WLAN信号传播模型来设置针对位置状态的初始代表WLAN指纹。包括在初始值中的AP的数量可以可变。包括在初始值中的AP的数量可通过增加AP的数量直到满足以下条件而被动态地确定：通过三边测量所确定的位置范围不分散并且被确定为小于或等于预定大小的单个范围，并且包括在初始值中的AP的顺序可参考信息增益(IG)被确定。WLAN指纹中的一些可被提供有位置信息，并且布置的步骤可包括：针对被提供有位置信息的WLAN指纹，参考位置信息确定用于进行布置的位置状态。位置信息可通过以下项中的至少一项被提供：GPS信息、安装位置已知的标签信息、运动信息。学习模型可以是WLAN指纹被布置在FSA中的模型，并且该模型具有位置状态之间的转移概率以及WLAN指纹被作为参数观察的概率。根据本公开的另一方面，一种自动WLAN射电图构建系统包括：收集服务器，被配置为收集WLAN指纹；学习服务器，被配置为基于室内地图的划分区域由位置状态表示的FSA来产生学习模型，并通过基于学习模型的机器学习将由收集服务器收集的WLAN指纹布置在相应位置状态中。收集服务器可被配置为收集由室内空间中的移动装置获得的WLAN指纹。由移动装置获得的WLAN指纹可不包括位置信息和运动信息。学习服务器可被配置为设置针对位置状态的代表WLAN指纹，并参考代表WLAN指纹将收集的WLAN指纹布置在相应位置状态中。学习服务器可被配置为基于布置的结果改变针对位置状态的代表WLAN指纹。学习服务器可被配置为参考布置的所有WLAN指纹来改变针对位置状态的代表WLAN指纹。学习服务器可被配置为参考AP被布置的位置状态以及WLAN信号传播模型来设置针对位置状态的初始代表WLAN指纹。根据如上所述本公开的示例性实施例，在没有诸如GPS信号的参考位置信息的情况下在多个非特定智能电话中收集的WLAN指纹的收集位置能够被自动地标记。当在每个建筑物内收集到许多WLAN指纹时，用于提供用于识别相应建筑物内的位置的基本信息的射电图可无需手动操作而被自动地构建，因此，成本能够被大大地降低。此外，根据本公开的示例性实施例，当射电图被构建并且许多人在提供位置识别服务的区域中使用位置识别服务时，射电图能够被自动地更新，因此，能够有效地响应WLAN环境的变化。从以下结合附图进行的公开了本专利技术的示例性实施例的详细描述，本发明的其它方面、优点和显著特征将对本领域技术人员变得清楚。在进行下面的具体实施方式之前，阐述贯穿本专利文档使用的特定词语和短语的定义会是有利的：术语“包括”和“本文档来自技高网...

【技术保护点】
一种自动WLAN射电图构建方法，包括：基于室内地图的划分区域由位置状态表示的有限状态自动机FSA来产生学习模型；通过基于学习模型的机器学习来进行学习以将收集的WLAN指纹布置在相应位置状态中。

【技术特征摘要】
2014.11.25 KR 10-2014-01650221.一种自动WLAN射电图构建方法，包括：
基于室内地图的划分区域由位置状态表示的有限状态自动机FSA来产生
学习模型；
通过基于学习模型的机器学习来进行学习以将收集的WLAN指纹布置在
相应位置状态中。
2.如权利要求1所述的自动WLAN射电图构建方法，还包括：收集由室
内空间中的移动装置获得的WLAN指纹，
其中，进行学习的步骤包括：将收集的WLAN指纹布置在相应位置状态中。
3.如权利要求2所述的自动WLAN射电图构建方法，其中，由移动装置
获得的WLAN指纹不包括位置信息和运动信息。
4.如权利要求1所述的自动WLAN射电图构建方法，还包括：存储布置
的结果。
5.如权利要求1所述的自动WLAN射电图构建方法，其中，进行学习的
步骤包括：
设置针对位置状态的代表WLAN指纹；
参考代表WLAN指纹将收集的WLAN指纹布置在相应位置状态中。
6.如权利要求5所述的自动WLAN射电图构建方法，其中，设置的步骤
和布置的步骤被重复预定次数。
7.如权利要求5所述的自动WLAN射电图构建方法，其中，设置的步骤
包括：基于布置的结果改变针对位置状态的代表WLAN指纹。
8.如权利要求7所述的自动WLAN射电图构建方法，其中，设置的步骤
包括：参考布置的所有WLAN指纹来改变针对位置状态的代表WLAN指纹。
9.如权利要求5所述的自动WLAN射电图构建方法，其中，使用以下算
法中的至少一项通过学习来执行设置的步骤：A*算法、爬山算法、遗传算法
和文化基因算法。
10.如权利要求5所述的自动WLAN射电图构建方法，其中，使用以下算
法中的至少一项通过学习来执行布置的步骤：期望最大化(EM)算法和分段
K均值算法。
11.如权利要求5所述的自动WLAN射电图构建方法，其中，设置的步骤

\t包括：参考AP被布置的位置状态以及WLAN信号传播模型来设置针对位置状
态的初始代表WLAN指纹。
12.如权利要求11所述的自动WLAN射电图构建方法，其中，包括在初
始值中的AP的数量可变。
13.如权利要求12所述的自动WLAN射电图构建方法，其中，包括在初...

【专利技术属性】
技术研发人员：韩东洙，郑晳薰，
申请(专利权)人：韩国科学技术院，
类型：发明
国别省市：韩国;KR