一种基于众包数据的细粒度WiFi指纹地图实时构建方法技术

本发明专利技术公开了一种基于众包数据的细粒度WiFi指纹地图实时构建方法。该方法基于众包移动设备收集的稀疏、带噪声的位置信息以及扫描得到的WiFi列表的样本信息，经过数据采集、数据清洗、WiFi指纹地图对生成、细粒度WiFi指纹地图生成网络构建及训练，最终得到细粒度高精度WiFi指纹地图，可以充分利用包含位置噪声的众包数据，用以进一步的定位等实际应用工作。本方法相较于传统指纹地图构建方法，首先减少了人工成本，本方法可以在有一定的数据积累后构建实时更新的细粒度WiFi指纹地图，同时相比于传统众包建图的方法，充分利用包含噪声的数据，大大提升数据利用效率解决了众包数据使用时的一大难点，可以保证足够的精度进行后续的定位等应用。

【技术实现步骤摘要】
一种基于众包数据的细粒度WiFi指纹地图实时构建方法
本专利技术涉及WiFi定位技术，尤其涉及一种基于众包数据的细粒度WiFi指纹地图实时构建方法。
技术介绍
目前主流的定位系统是GPS定位系统，但GPS在使用上有诸多限制，例如在室外林荫道下或室内环境中，信号受到遮挡，影响定位精度。因此，引入WiFi定位系统作为GPS定位系统的补充，可以在室外与室内实现更好的定位效果。但是WiFi指纹定位遇到的最重要的难题就是指纹地图的构建和迭代更新，往往需要投入很大的人力成本去维护地图，不断地采集新的数据。这使得这一定位方法在实际使用过程中遇到了很多阻碍。所以需要寻找一种节约成本并可以做到地图实时更新，并符合精度要求的方法，使得WiFi定位可以更好地得到应用。如今众包是个热门的话题，但是众包的数据往往伴随着不精准，通过众包来进行WiFi指纹地图的更新以往也有人研究过，但是对于其本身的噪声并没有很好的处理办法，使得大部分数据被抛弃导致效果不佳，本专利技术通过一种基于深度学习的结合历史时空信息的细粒度WiFi指纹地图生成网络，有效解决了这一问题，可以充分提取高噪声众包数据中包含的信息，高精度地倍增WiFi指纹地图的网格密度，更好地提高WiFi定位的精度。
技术实现思路
为了克服人工测量标定WiFi指纹地图以及众包方法包含高噪声的问题，本专利技术提供一种基于众包数据的细粒度WiFi指纹地图实时构建方法，从数量、噪声不可控的众包数据中构建原始WiFi指纹地图并结合深度学习和历史数据中包含的时空特征进行特征提取，实时构建细粒度高精度WiFi指纹地图，可以在后续定位应用中提高定位精度。本专利技术的目的是通过以下技术方案实现的：一种基于众包数据的细粒度WiFi指纹地图实时构建方法，包括以下步骤：(1)数据采集与清洗：获取目标区域内的众包移动设备数据，包括数据记录产生时的位置、对WiFi热点的接收信号强度、时间戳及定位精度；对定位精度不满足设定定位精度阈值ao的数据进行过滤，对AP进行清洗，删除移动AP，将清洗后剩余的N个AP数据进行存储。(2)生成WiFi指纹地图对：对于N个AP的区域，将该区域的WiFi指纹地图类比成一张N通道r*c像素图片M。根据步骤(1)设定的定位精度阈值ao，对目标区域进行网格化，并对经过步骤(1)清洗后的全部数据按一定时间间隔做切分，在时间切片内对每一个网格中同一AP的强度值取平均，得到各个时间切片的原始指纹地图Mo。同时从步骤(1)清洗后的数据中挑选高精度的数据来获取对应时间切片内的细粒度高精度指纹地图Mf，将Mf作为标签，与原始指纹地图Mo共同构成WiFi指纹地图对。Mo和Mf共同作为训练数据，在每个时间切片内产生一对地图，Mo为r*c像素图片，Mf一般为2r*2c、3r*3c或4r*4c像素图片，即高精度af一般设定为ao的1/4～1/2倍。(3)构建及训练细粒度WiFi指纹地图生成网络：构建细粒度WiFi指纹地图生成网络，该网络包括三维卷积层、残差特征提取模块和像素重组模块；将T个时间切片的原始指纹地图Mo输入三维卷积层，得到低层特征图并输入残差特征提取模块，经残差特征提取模块提取时空特征后，输入像素重组模块；所述像素重组模块包括依次连接的池化层、卷积层、BN层、Pixelshuffle层，数据经池化层融合T个时间切片的特征后，经卷积层、BN层、Pixelshuffle层，得到和Mf同像素维度(2r*2c、3r*3c或4r*4c)的特征图，经过ReLU激活后，最终通过卷积层输出，记为将步骤(2)得到的包含当前时间切片t及近T-1个历史时间切片的原始指纹地图Mo和当前时间切片t的细粒度高精度指纹地图Mf作为训练数据，对细粒度WiFi指纹地图生成网络进行训练，训练过程中，考虑到Mf在大量网格存在数据缺失，引入一个遮掩矩阵Am用来标注Mf的某一网格中是否存在某一AP的原始数据，如果存在则标注为1，否则标注为0；该网络的loss定义为：(4)生成细粒度高精度WiFi指纹地图：将步骤(2)得到的包含当前时间切片t及近T-1个历史时间切片的原始指纹地图Mo输入到步骤(3)训练好的细粒度WiFi指纹地图生成网络，得到完整高精度精细化WiFi指纹地图。进一步地，所述数据采集具体为：在一定时间段内，获取目标区域内的众包移动设备数据，包括位置数据以及WiFi扫描数据，以各WiFi热点的唯一Mac地址为区分，对总计N′个被扫描到的WiFi热点，构造WiFi热点数据集W＝{W1,W2,…,WN′}，其中单个WiFi热点数据Wi对应的WiFi热点为wi，由所有扫描到wi的总计k条的移动设备记录构成，Wi＝{mi1,mi2,…,mik}，其中每条记录mij＝(lij,aij,sij,tij)，lij＝(xij,yij)为该条移动设备数据记录产生时的位置，aij为该条移动设备数据记录的定位精度，sij为该条移动设备数据记录产生时对wi的接收信号强度，tij为产生记录时的时间戳。进一步地，所述数据采集步骤中，若为室外场景，xij表示经度，yij表示纬度，aij为该条移动设备数据记录的GPS定位精度；若为室内场景，xij、yij表示某建筑物某一层的位置坐标，aij为由用户设定的定位精度。进一步地，所述步骤(1)中通过DBSCAN算法对AP进行清洗，删除移动AP，将清洗后剩余的N个AP数据存储到数据库中。进一步地，所述步骤(2)中图片M表示为：其中pij表示该位置的N个AP信号强度特征向量[rss1,rss2,…,rssN]。进一步地，所述步骤(2)中，在时间切片内对每一个网格中同一AP的强度值取平均，对数据缺失的网格用最小信号强度值代替，得到各个时间切片的原始指纹地图Mo。进一步地，结合高精度精细化WiFi指纹地图和WiFi指纹定位算法，实现移动设备定位。本专利技术的技术效果和优点：本专利技术利用包含较大噪声的众包数据来构建实时的WiFi指纹地图，并解决了其噪声过大的影响，通过原始的大量数据构建粗糙的原始WiFi指纹地图，并结合少量精准数据训练深度学习网络，学习原始数据中的时空关联，得到高分辨率的精准WiFi指纹地图，解决了WiFi指纹随着时间推移准确度下降的问题，且大大节省了离线采集的时间与精力，同时建图时不需要额外的传感器辅助，为提升WiFi定位应用场景提供帮助。附图说明图1为本专利技术实施例提供的基于众包数据的细粒度WiFi指纹地图实时构建方法示意图；图2为本专利技术实施例提供的细粒度WiFi指纹地图生成网络结构框图；图3为本专利技术实施例提供的细粒度WiFi指纹地图生成网络中的残差特征提取模块示意图；图4为本专利技术实施例提供的像素重组方法示意图；图5为本专利技术实施例提供的累计原始数据、原始WiFi指纹图以及处理后的高精度精细化指纹图。具体实施方式下面结合附图和具体实施例对本专利技术的技术方案做进一步的详细说明。如图1所示，本专利技术实施例提供的本文档来自技高网...

【技术保护点】
1.一种基于众包数据的细粒度WiFi指纹地图实时构建方法，其特征在于，包括以下步骤：/n(1)数据采集与清洗：获取目标区域内的众包移动设备数据，包括数据记录产生时的位置、对WiFi热点的接收信号强度、时间戳及定位精度；对定位精度不满足设定定位精度阈值a

【技术特征摘要】
1.一种基于众包数据的细粒度WiFi指纹地图实时构建方法，其特征在于，包括以下步骤：
(1)数据采集与清洗：获取目标区域内的众包移动设备数据，包括数据记录产生时的位置、对WiFi热点的接收信号强度、时间戳及定位精度；对定位精度不满足设定定位精度阈值ao的数据进行过滤，对AP进行清洗，删除移动AP，将清洗后剩余的N个AP数据进行存储。
(2)生成WiFi指纹地图对：
对于N个AP的区域，将该区域的WiFi指纹地图类比成一张N通道r*c像素图片M。根据定位精度阈值ao对目标区域进行网格化，并对清洗后的全部数据按一定时间间隔做切分，在时间切片内对每一网格中同一AP的强度值取平均，得到各个时间切片的原始指纹地图Mo。
从清洗后的数据中挑选高精度的数据来获取对应时间切片内的细粒度高精度指纹地图Mf，将Mf作为标签，与原始指纹地图Mo共同构成WiFi指纹地图对。
(3)构建及训练细粒度WiFi指纹地图生成网络：
构建细粒度WiFi指纹地图生成网络，该网络包括三维卷积层、残差特征提取模块和像素重组模块；将T个时间切片的原始指纹地图Mo输入三维卷积层，得到低层特征图并输入残差特征提取模块，经残差特征提取模块提取时空特征后，输入像素重组模块；所述像素重组模块包括依次连接的池化层、卷积层、BN层、Pixelshuffle层，数据经池化层融合T个时间切片的特征后，经卷积层、BN层、Pixelshuffle层，得到和Mf同像素维度的特征图，经过ReLU激活后，最终通过卷积层输出，记为
将步骤(2)得到的包含当前时间切片t及近T-1个历史时间切片的原始指纹地图Mo和当前时间切片t的细粒度高精度指纹地图Mf作为训练数据，对细粒度WiFi指纹地图生成网络进行训练，训练过程中，引入遮掩矩阵Am用来标注Mf的某一网格中是否存在某一AP的原始数据，如果存在则标注为1，否则标注为0；该网络的loss定义为：



(4)生成细粒度高精度WiFi指纹地图：将步骤(2)得到的包含当前时间切片t及近T-1个历史时间切片的原始指纹地图Mo输入到步骤(3)训练好的细粒度WiFi指纹地图生成网络，得到完整高精度精细化WiFi指纹地图。


2.根据权利要求1所述的一种基于众包数据的细粒度WiFi指纹地图实时构建方法，其特征在于，所述数据采集具体为：在一定时间段内，获取目标区域内的...

【专利技术属性】
技术研发人员：李超，沈张翀，陈积明，贺诗波，方毅，汤克林，李静，胡炜，
申请(专利权)人：浙江云合数据科技有限责任公司，
类型：发明
国别省市：浙江;33