课题组在增强室内定位系统可扩展性和鲁棒性的关键技术研究方面取得新进展

近期,由重庆大学计算机学院大数据与智慧计算(BDSC)课题组刘凯教授为通信作者、硕士研究生金飞宇为第一作者完成的论文《Toward Scalable and Robust Indoor Tracking: Design, Implementation and Evaluation》被计算机网络领域顶级学术期刊 IEEE Internet of Things Journal 录用(JCR一区,中科院一区)。该论文合作作者包括重庆大学计算机学院张浩博士、郭松涛教授,香港浸会大学Joseph K.Y. Ng教授、香港城市大学李仲诚博士,以及韩国大邱庆北技术科学院Son. H. Song教授。

室内定位作为基于位置服务(Location Based service, LBS)的基础技术,近年来受到了广泛关注。基于室内定位的位置信息服务能够为消费者提供智慧便利的生活,比如线下零售的个性化导购、博物馆或者会展的智能导览与讲解以及复杂停车场的寻车导航等。此外,室内定位技术还可以助力企业营销,提高运营效率。虽然室内定位技术有着广阔的商业前景和巨大的商业价值,但现有的技术方案部署成本高昂,因此无法在室内环境中大规模应用。在此背景下,该工作致力于在保证室内定位系统精度的同时,有效降低其部署成本,使得定位系统能够在不同室内环境中快速部署,为室内定位技术的落地提供有效支持。

具体地,针对当前基于WiFi指纹的主流室内定位技术需要在目标区域采集大量的WiFi指纹数据,缺乏可扩展性的问题。该工作提出了一种基于粒子滤波的室内轨迹追踪方法ZSSO (Zero Site-Survey Overhead)。该方法无需专门的离线数据采集阶段,能够自动完成WiFi指纹的采集并进行融合定位,极大的提高了系统的可扩展性。在此基础上,该工作提出了一个WiFi指纹的迭代更新策略IWU (Iterative Weight Update),用于进一步提高WiFi指纹在动态环境中的鲁棒性。

ZSSO中,首先设计了一个基于粒子滤波的追踪方法,该方法能够根据地图的限制信息和用户的运动信息估计用户当前的位置。在此基础上,设计了一个零成本WiFi指纹采集方法。该方法能够在用户使用本系统定位时自动扫描周围APRSSI值,并使用粒子滤波估计的结果进行标记,从而形成WiFi指纹并上传至数据库。通过这种方式,能够将繁重的WiFi指纹采集工作分散到每一个用户身上,从而自动的完成WiFi指纹库的构建,极大的增强了系统的可扩展性。最后,设计了一个改进的轨迹追踪方法。在基于粒子滤波的追踪方法基础上,该方法通过融合WiFi指纹定位,能够有效加快粒子的收敛速度,提高所追踪用户轨迹的完整性和准确性。

在IWU策略中,首先设计了一个基于聚类的WiFi指纹库处理方法来去除WiFi指纹库中的异常数据并根据聚类结果初始化WiFi指纹的权重,构建一个新形式的WiFi指纹库。针对新形式的指纹库,设计了一个加权KNN的定位算法,该算法能够根据WiFi指纹的权重有效的确定用户所在的子区域。接下来,设计了一种WiFi指纹权重的迭代更新方法,能够在无需用户介入的情况下,根据粒子滤波的反馈来评估WiFi指纹定位结果,并据此迭代更新WiFi指纹的权重,从而提高WiFi指纹定位的鲁棒性。

最后,搭建了一个室内轨迹追踪系统的原型并在重庆大学主教学楼6楼及5楼约2000平方米的室内环境中进行了详尽的实际测试。实验结果有效证明了所提出算法在增强系统可扩展性的同时,能够在不同的室内环境中都达到良好的定位精度并有效的追踪用户轨迹。

该研究成果有效的解决了室内定位系统部署成本高的问题,并进一步增强了定位系统的鲁棒性,为室内定位系统在不同环境中的快速部署提供了有效的解决方案,同时也为基于位置的服务在室内环境下的蓬勃发展打下了坚实的基础。

全文链接:https://ieeexplore.ieee.org/abstract/document/8897653/