一种基于室内位置网络模型的轨迹纠偏方法技术

本发明专利技术属于室内定位技术领域，具体涉及一种基于室内位置网络模型的轨迹纠偏方法。该方法首先获取室内定位轨迹数据；然后利用室内平面图数据，构建室内位置网络模型；最后采用地图匹配方法，将室内定位轨迹数据中的轨迹定位点匹配到室内位置网络模型上，以实现对室内定位轨迹数据的纠偏。本发明专利技术提高了室内定位轨迹数据的位置精度，为室内定位数据分析及应用提供更加可靠的定位数据。供更加可靠的定位数据。供更加可靠的定位数据。

【技术实现步骤摘要】
一种基于室内位置网络模型的轨迹纠偏方法


[0001]本专利技术属于室内定位
，具体涉及一种基于室内位置网络模型的轨迹纠偏方法。

技术介绍

[0002]人员活动(聚集地点、移动路线等)是一类重要的地理空间情报信息。随着全球卫星定 位技术的发展，人员的户外活动位置信息可准确获取并用于生成活动情报，而在室内、隧道、 地下工事等场所，全球卫星定位系统的信号衰减导致无法进行准确定位，无法提供有效的人 员位置信息。在这类GNSS信号受阻环境下，人员活动位置常采用WiFi、蓝牙、UWB等技 术进行获取，但这些位置信息定位精度较低，难以在复杂室内环境下支撑活动情报的挖掘与 分析。
[0003]而掌握室内人群的活动情况，如人群的分布、密度及移动轨迹等信息，则有助于公共灾 害防护、公共设施优化及商业服务等，具有重要的民用价值。据统计，现代社会人们有接近 80％的活动是在室内进行，室内位置信息服务(Indoor Location
‑
Based Services,Indoor LBS) 已经在许多特殊的室内场景中发挥出重要作用，如仓库物流流转、灾后人员救援、商场门店 推荐等等，并逐渐成为互联网、物联网及人工智能应用、智慧物流、智慧城市等建设的基础。
[0004]众所周知，在众多室内定位方法和系统中，使用WiFi指纹定位的室内定位技术在硬件成 本、实时性、获取速率、定位覆盖范围及可拓展性上有较强的优势，同时现今智能移动设备 普及率较高，在学校、商场、车站等公共场所可轻松获取WiFi信号，借助现有公共资源便能 达到定位需求。但室内环境中信号多径、反射折射现象严重，并且WiFi定位技术又容易受到 信号强度波动的影响，往往使得WiFi定位精度不足，难以支撑室内人员活动情况分析及应用， 提高WiFi定位精度具有重要的实际应用意义。
[0005]与基于卫星定位、通讯基站定位的室外定位相似，室内定位也主要采用无线定位技术， 并在实际应用中广泛采用基于WiFi、蓝牙、UWB等信号源的无线定位系统。这些无线定位 系统通过估计目标和信号源之间的信号行程时间，或匹配识别目标位置信号特征，实现对目 标空间位置的估计，并记录目标的设备标识、定位时间等信息，为研究个体空间行为提供了 重要数据源。但是，复杂的室内信道环境给室内无线定位带来很大挑战。无线定位精度往往 依赖于信号覆盖范围，同时受到设备状态(如手机开机、待机状态)、人流密度、建筑结构以 及其他电磁信号干扰因素影响，在实际应用中通常难以达到理想条件下测定的精度。因此， 提高定位数据精度并提供精度分析是下游数据分析任务的基础。
[0006]在提高室内定位数据精度的众多研究中，如何有效利用地图作为空间约束提升(定位或 纠偏)模型性能始终是学者们寻求改进的重要方向。这类地图约束方法根据地图约束的使用 方式可分成三种：
①
贝叶斯估计法。该方法利用室内地图的几何、拓扑信息减少位置估计的 候选位置，在WiFi轨迹中传递确信度高的位置估计，通过求解最优估计提高WiFi轨迹位置 精度。该种可有效处理WiFi定位数据中的非高斯噪声，但存在依赖内置传感
器、鲁棒性差的 问题。
②
射线跟踪法。该方法针对室内空间布局造成的信号反射、穿透现象，基于地图几何 轮廓信息计算非视距传播的信号衰减，以修正基于信号强度的距离估计。但实际应用中，信 号强度影响因素多且不确定性大，难以建立准确的信号衰减模型。
③
地图匹配法。该方法将 室内可移动范围抽象为离散位置构成的拓扑网络，采用最近邻、拓扑分析方法，将WiFi轨迹 映射为网络中最相似的位置节点序列。该方法降低了室内位置表达精度，只保留了用于室内 导航应用的通达关系。对于大规模历史WiFi定位数据的位置纠偏而言，地图匹配法更适合历 史数据“后处理”这一应用场景。
[0007]综上所述，目前针对室内外定位数据等时空信息分析处理的相关研究众多，但着眼于地 图辅助下的室内WiFi定位数据精度评估与纠偏的相关工作较少。总之，当前尚未存在完整的 室内地图辅助下的WiFi数据纠偏与精度分析解决方案。

技术实现思路

[0008]本专利技术提供了一种基于室内位置网络模型的轨迹纠偏方法，用以解决室内定位轨迹精度 低的问题。
[0009]为解决上述技术问题，本专利技术所包括的技术方案以及技术方案对应的有益效果如下：
[0010]本专利技术的一种基于室内位置网络模型的轨迹纠偏方法，包括如下步骤：1)获取室内定位 轨迹数据；2)利用室内平面图数据，构建室内位置网络模型；3)采用地图匹配方法，将室 内定位轨迹数据中的轨迹定位点匹配到室内位置网络模型上，以实现对室内定位轨迹数据的 纠偏。
[0011]上述技术方案的有益效果为：本专利技术面向海量室内定位轨迹数据的后处理应用需求，基 于室内平面图数据提取室内环境的结构信息，以构建得到室内位置网络模型，进而将室内位 置网络模型作为空间约束，结合地图匹配方法以很好地对室内定位轨迹数据进行纠偏，提高 室内定位轨迹数据的位置精度，为室内定位数据分析及应用提供更加可靠的定位数据。
[0012]进一步的，为了构建出准确室内位置网络模型，步骤2)中构建室内位置网络模型的方 法包括：2.1)提取室内建筑物的边界范围，并从中提取室内建筑物的影响空间结构的节点； 2.2)根据提取出的节点，利用Delaunay三角网法构建Delaunay三角网；2.3)根据Delaunay 三角网中的三角基元与邻近三角形的关系，对三角基元进行分类，根据分类结果采用相应的 规则提取室内建筑物的Voronoi路网骨架线；2.4)利用提取的Voronoi路网骨架线，构建室 内位置网络模型。
[0013]进一步的，为了满足Delaunay三角形的构网条件以正确表达多边形建筑物间的邻近关系， 还包括对提取出的节点进行节点加密处理的步骤，且进行节点加密处理的方法包括如下步骤：
[0014]提取室内建筑物的轮廓线，而后提取轮廓线上的节点；对于两个节点{P
i
}和{P
i+1
}，当两 个节点之间的长度满足|P
i
P
i+1
|>W时在两个节点之间设置加密点，且加密点{Q
k
}满足：
[0015][0016]其中，(X
i
，Y
i
)为节点{P
i
}的坐标；(X
i+1
，Y
i+1
)为节点{P
i+1
}的坐标；(X
k
，Y
k
)为加密点 {P
k
}的坐标；系数λ
k
为W为设置宽度值。
[0017]进一步的，还包括对提取的Voronoi路网骨架线进行平滑处理的步骤，采用的平滑处理 算法为Douglas
‑
Peucker算法；所述Douglas
‑
Peucker算法的阈值选择为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于室内位置网络模型的轨迹纠偏方法，其特征在于，包括如下步骤：1)获取室内定位轨迹数据；2)利用室内平面图数据，构建室内位置网络模型；3)采用地图匹配方法，将室内定位轨迹数据中的轨迹定位点匹配到室内位置网络模型上，以实现对室内定位轨迹数据的纠偏。2.根据权利要求1所述的基于室内位置网络模型的轨迹纠偏方法，其特征在于，步骤2)中构建室内位置网络模型的方法包括：2.1)提取室内建筑物的边界范围，并从中提取室内建筑物的影响空间结构的节点；2.2)根据提取出的节点，利用Delaunay三角网法构建Delaunay三角网；2.3)根据Delaunay三角网中的三角基元与邻近三角形的关系，对三角基元进行分类，根据分类结果采用相应的规则提取室内建筑物的Voronoi路网骨架线；2.4)利用提取的Voronoi路网骨架线，构建室内位置网络模型。3.根据权利要求2所述的基于室内位置网络模型的轨迹纠偏方法，其特征在于，还包括对提取出的节点进行节点加密处理的步骤，且进行节点加密处理的方法包括如下步骤：提取室内建筑物的轮廓线，而后提取轮廓线上的节点；对于两个节点{P
i
}和{P
i+1
}，当两个节点之间的长度满足|P
i
P
i+1
|>W时在两个节点之间设置加密点，且加密点{Q
k
}满足：其中，(X
i
，Y
i
)为节点{P
i
}的坐标；(X
i+1
，Y
i+1
)为节点{P
i+1
}的坐标；(X
k
，Y
k
)为加密点{P
k
}的坐标；系数λ
k
为W为设置宽度值。4.根据权利要求3所述的基于室内位置网络模型的轨迹纠偏方法，其特征在于，还包括对提取的Voronoi路网骨架线进行平滑处理的步骤，采用的平滑处理算法为Douglas
‑
Peucker算法；所述Douglas
‑
Peucker算法的阈值选择为1/2加密步长，所述加密步长为所述节点加密处理的加密步长。5.根据权利要求2所述的基于室内位置网络模型的轨迹纠偏方法，其特征在于，步骤2.3)后，还包括对Voronoi路网中的开阔区域进行路网加密处理的步骤，且进行路网加密处理的方法包括如下步骤：以设定采样阈值为参数对Voronoi路网骨架线建立二级缓冲区，并以所述设定采样阈值的间隔进行均匀点采样；剪裁掉不在研究范围内的采样点后的采样作为路网加密点进行路网加密处理；相应的，步骤2.4)中构建室内位置网络模型的方法为：对所有的加密点建立全连接，并和最邻近的主网节点建立连接，形成室内位置网络模型的边，以构建室内位置网络模型。6.根据权利要求1所述的基于室内位置网络模型的轨迹纠偏方法，其特征在于，步骤3)中所采用的地图匹配方法为基于隐马尔可夫模型的地图匹配方法。7.根据权利要求6所述的基于室内位置网络模型的轨迹纠偏方法，其特征在于，构建所述隐马尔可夫模型时，需要确定隐马尔可夫模型中的观测概率和状态转移概率；
采用正态分布对观测概率进行描述，且t时刻隐状态为r
i
...

【专利技术属性】
技术研发人员：杨剑，焦磊鑫，游雄，贾奋励，谢潇，拜金泓，
申请(专利权)人：中国科学院沈阳应用生态研究所，
类型：发明
国别省市：