一种基于iBeacon和Wi-Fi的位置空间模型定位方法

孔勇平，钟致民，杨广龙，张玉良

（中国电信股份有限公司广州研究院，广东 广州 510630）

1 引言

随着物联网的飞速发展，位置信息已成为物联网业务的重要需求，位置是物联网的基础信息和核心，基于位置的服务成为各种物联网业务应用的标准服务，如何获取或感知终端用户的位置是物联网业务应用亟需解决的技术难题。

目前，GPS（Global Positoning System，全球定位系统）芯片已经逐步成为智能移动终端的标准配置，物联网应用通过GPS可以很方便地获取终端用户位置信息，而且GPS的定位服务免费，定位精度较高。但是，GPS定位技术存在以下一些缺陷，在一定程度上限制了其应用范围：首先是GPS耗电量较大，普通终端连续打开GPS 之后，电量只能续航几个小时；其次是GPS对定位环境的要求较高，在高楼林立和室内等卫星被遮蔽的情况下无法实现定位，不具备对环境的普适性。为了克服GPS定位的缺点，业界研究了基于无线网络信号和传感器等新型定位技术，即通过无线网络信号和传感器特征确定终端用户的位置信息。移动网络信号定位技术的基本原理是通过与终端接收的Wi-Fi、iBeacon等信号的终端设备位置计算用户的具体位置信息，其定位误差和信号源设备的分布相关，一般为5m～150m。

各种物联网业务应用中，位置信息的需求和目标是有区别的，位置信息不单单是一个具有高精度的物理位置坐标，在某些场景，位置信息与用户的行为、目标和所在环境的关系尤为紧密。例如：在商场、展馆、机场等大型室内空间，由于iBeacon和Wi-Fi的分布比较稀疏，在某些位置只有1个服务信号源覆盖，不具备三角定位的3个以上信号源的条件，因此定位精度通常较低，只能确定用户所在大概位置，用户体验性较差。因此，本文提出了一种适合物联网业务应用的基于iBeacon传感器的空间模型定位方法。

2 位置空间模型索引

2.1 物联网应用对位置的需求

在物联网领域的各种业务应用中，用户对位置信息的需求和目标是有区别的。例如“翼周边”应用，终端用户的需求是能够查找目标位置周围的展馆、商场、景点等POI信息，对位置信息的精度性能要求不是很高，往往位置信息误差在几百米范围内均可满足用户的目标需求；而在用户“步行导航”应用，尤其是室内路径导航，则对位置信息的精度要求较高，往往要求获取准确的起点、终点和路径导航过程中的精准位置，通过精准的位置信息计算“步行导航”路径和实现精确导航，因此在步行导航的应用场景中，对位置信息的精度要求高。鉴于用户在不同的物联网应用中对位置信息精度的要求有较大差异，因此要根据不同的应用场景，在不同的定位应用服务中提出不同的定位精度要求。

物联网应用采用的定位技术，主要通过终端接收到的iBeacon和Wi-Fi等无线信号进行定位运算，但是这些信号的传播容易受周边环境的影响，因为无线信号传播过程中会发生反射、折射、多路径传输等信号衰减现象，使得无线信号源信息具有较大的不确定性，导致定位结果存在较大偏差。有些场景中，在iBeacon和Wi-Fi信号覆盖的重复交叉区域会产生明显的区域信号“跳跃”现象，终端接收到的iBeacon或Wi-Fi信号产生频繁切换，无线信号源处于不断变化的状态，反映在物互联网应用的表现是位置的“跳跃”。当用户处于连续定位的场景，即使其真实位置并无太大的变动，但是受无线信号源参数已经发生了较大变化的影响，也将导致位置信息较大改变，导致定位结果产生“跳跃”的现象。因此，由于这两种情况的影响，位置计算需要对“小区域”位置计算采取多种位置空间索引描述，位置空间索引不但可满足各种应用对定位精度的要求，而且可保证在部分参数因环境因素影响发生随机变化的情况下，借助各参数之间的关联性，运算得出比较精准的定位结果，避免发生较大的“跳跃”现象。鉴于这种原理，物联网应用亟需寻找相对合理、可靠、稳定的定位计算方法，以保证定位结果尽可能稳定可靠，避免产生较大的“跳跃”现象。

2.2 物联网应用中位置的定义

狭义上讲，位置（Location）是指在地理上的一个物理坐标或一片区域，通常利用经纬度坐标（Longitude，Latitude）表示信息。在物联网中，通过无线信号的定位方法主要是利用iBeacon、Wi-Fi等无线信号源信息计算得出定位结果。由于iBeacon、Wi-Fi等无线网络信号具有区域覆盖的特点，往往不是准确的一个点，因此在定位运算结果中，经常通过iBeacon、Wi-Fi的中心点坐标和无线网络信号覆盖半径表示相应的位置信息，本文采用P（X,Y,R）表示，其中，X为经度；Y为纬度；R为无线网路的信号覆盖半径。

通常情况下，用户的真实位置信息与所处环境是密切相关的，因此用户所处的环境对用户的真实位置信息有很大的关联约束性。例如，在大型建筑物内部，用户出现在走廊、店铺等活动区域的概率较大，而出现在展示区域的概率较小。在城市中，用户出现在商业中心、写字楼、道路、和生活小区等活动区域较大，而出现在河道、绿地和湖面等区域的概率往往较小。iBeacon信号的覆盖范围在几米到几十米之间，Wi-Fi信号的覆盖范围在400m以内。通过iBeacon和Wi-Fi信号源的位置来计算位置信息，很难达到用户定位结果合理性的要求，往往要结合用户所处环境的位置空间和POI（Point of Interesting，兴趣点）等信息对定位结果进行纠正，有效提高定位结果的精准度和合理性。

基于上述对物联网应用的位置定义分析，本文通过iBeacon、Wi-Fi、位置空间和POI等信息作为综合位置空间索引来计算用户的合理位置，本文通过四元组来表示位置信息：

公式中：I表示iBeacon信号源；W表示Wi-Fi信号源；R表示位置空间；P表示POI。

2.3 位置空间模型索引

本文通过四元组表示具体的位置信息，但是此位置信息并不是最终地理坐标位置，而是一个位置区域的位置空间模型索引。在四元组中，对应的每个参数都表示一个数据对象，I代表iBeacon网络信号数据对象，W代表Wi-Fi网络信号数据对象，R代表位置空间数据对象，P代表POI数据对象。而且每个数据对象也包含多种定义，其详细如下：

I：iBeacon地址（IID）、区域半径（R）；

W：Wi-Fi地址（MAC）、区域半径（R）；

R：位置空间编号（RID）、建筑物码、图形空间、等级和路径（X1,Y1; X2,Y2; ... ; Xn,Yn）；

P：POI编号（PID）、名称、坐标（X,Y）、城市区位码和类型。

在以上四元组中位置索引数据对象，其中任何一种数据对象都会对应精确的地理坐标，一般都能确定具体的地理位置，但是各种数据对象在定位结果运算过程中的作用是有较大差异的。iBeacon信号和Wi-Fi信号是终端能够直接取得的无线信号参数，通过无线信号的交互，既可以作为与环境交互的媒介，也可以直接计算获得移动终端的理论位置信息；位置空间和POI作为对周边环境的描述，可以更合理地表示出终端用户真实的位置信息。

综上所述，iBeacon、Wi-Fi、位置空间及POI是对用户周边位置区域置的综合性描述，通过四元组的相对关系来推算终端用户的详细位置信息。因此，可根据iBeacon、Wi-Fi、位置空间和POI构成的位置空间模型索引四元组来对基础的位置信息进行重构。

3 综合位置运算

3.1 综合位置运算策略

在物联网应用中，用户对定位的目标是合理的位置信息，而不是高精度的位置信息。所谓合理的位置信息是指计算的结果与终端所处的周边环境息息相关，并能与终端用户的正常行为的周边环境相一致。如某购物广场市内图（图1）所示，A标识的是用户所在的真实地理位置；B点标识的是通过定位运算方法计算的定位结果；C点是通过位置空间模型索引的综合位置计算方法得出的定位结果。从对应的室内地图定位结果来看，通过定位运算方法计算的B点距离A点更近，因此单纯从两点之间的距离对比则表示B点的位置比C点的位置更准确。但是从真实位置空间角度来看，C点与用户的真实环境的感知体验相同，更符合用户的需求，与用户的期望基本感觉不到偏差，反之B点的位置信息会感觉到比较大的差异。所以，C点的位置信息比B点的位置信息更符合用户的需求。

图1 室内地图位置合理性示意图

本文采用的位置空间模型索引的综合位置计算方法主要采用以下两种定位运算方法：

（1）定位计算精度由底向高逐步求精的方法。在位置空间模型索引四元组中的标识，Wi-Fi信号的覆盖范围往往比iBeacon信号的覆盖范围大，但是由于信号覆盖范围越大，则定位结果的精度越差，因此Wi-Fi定位的误差往往比iBeacon定位误差要大。在定位计算过程中，往往可以先通过Wi-Fi定位先确定用户的位置，然后再通过iBeacon定位进一步对用户位置进行修正求精。

（2）定位结果合理性方法。终端用户所处的周边环境往往与位置空间和POI等信息相关联，而且不同的位置空间和POI之间的比重登记并不相同，这些属性的权重都不同程度反映了用户位置的合理性。所以在用户位置计算过程中，需要通过设置对应的权重反映位置的合理性。

综合位置计算策略流程如图2所示：

图2 综合位置计算策略流程图

3.2 综合位置元组权重

综合位置元组权重主要是为了对位置空间和POI信息进行调整。在大部分情况下，位置空间和POI信息的权重设置更能反映位置结果信息的合理性。本文主要采用静态权重和动态权重两部分进行调整。位置空间和POI信息具有相对的静态属性，稳定性较好，例如室内空间结构，路径和POI信息具有相对稳定的静态属性，如室内空间的形状、等级以及POI属性的类型、性质等，通过位置空间和POI属性都会对用户的合理性产生较大的影响，所以一般把此类相对稳定的静态属性作为静态权重设置；通过Wi-Fi、iBeacon等信号信息获取的终端位置（X,Y）与周边位置空间和POI之间的相对距离，在不同的环境和时间，用户出现在位置空间和POI内的概率会有较大差异，因此与环境、时间等随机性较大的元素称为动态权重。

静态权重：位置空间和POI信息按类型和等级可以分为两个不同的权重进行设置；

动态权重：位置空间和POI按照定位运算得出的距离来设置权重，一般通过二次函数来计算距离的权重，如公式（2）所示：

其中，a、c是可调节的因子。

3.3 位置计算方法流程设计

通过无线信号网络进行定位运算的技术，一般有两个计算步骤。第一步是通过Wi-Fi和iBeacon信号初步计算出终端的位置信息；第二步是通过初步的位置信息与周边的位置空间模型和POI信息进行对比运算，最终得出用户的合理位置信息。综合位置定位流程如图3所示。

（1）步骤a的坐标计算方法：如果能获取Wi-Fi信号源参数，通过Wi-Fi定位算法获取终端位置坐标，如果有多个Wi-Fi参数，则用户位置坐标计算如公式（3）和公式（4）所示：

其中：Wnx表示Wi-Fi物理地址的经度坐标；Wny表示Wi-Fi物理地址的纬度坐标。

（2）步骤b的位置计算方法：通过步骤a获取的坐标（X,Y）检索周边位置空间模型和POI数据，对每种位置空间模型参数和POI信息数据根据权重比例设置其对应的比重，综合分最高的结果可作为终端最合理的位置信息。

图3 综合位置定位流程示意图

4 结果

本文实验环境采用配置了蓝牙和Wi-Fi模块的智能终端，在不同室内空间采集Wi-Fi和iBeacon信号数据，并同时记录下当前信号源的位置坐标，位置数据格式：。下一步通过本文提出的定位计算模型和方法，使用收集的iBeacon和Wi-Fi信号源参数进行定位计算，从而得到定位结果与位置空间坐标之间的距离作为实际定位误差，并与单纯的Wi-Fi和iBeacon定位结果相比较。本文试验在不同的室内空间共采集了测试数据20 000条，实验结果如图4所示，从图中可看出80%以上的定位结果误差小于10m。

从实验结果可明显看出，通过本文的定位运算模型和算法不仅提增强定位结果的合理性，而且也提高了定位精度。

5 结束语

图4 定位结果数据分析

文章提出了一种基于iBeacon和Wi-Fi的位置空间小于定位误差的定位总次数/千条模型定位方法，通过对目前定位技术的对比分析，本文首先阐述了位置信息合理性的概念，并提出了基于位置信息合理性设计的位置计算方法和策略。实验结果表明，通过本文提出的定位方法更能满足用户的定位需求，并得到了较好的位置信息。另外，本文将作为空间索引数据元素的iBeacon、Wi-Fi、位置空间和POI信息等数据元素进行适当的简化，如Wi-Fi和iBeacon信号源的信号强度等，并且采用经验模型对位置空间模型和POI信息的权重进行设置。为了进一步提高定位的合理性和用户体验，未来将研究采用机器学习等智能化大数据处理方法对定位结果进行修正。

[1] BAHL P, PADMANABHAN V N. RADAR: An in-building RF-based user location and tracking system[A]. Proceedings of 2000 Annual Joint Conference of the IEEE Computer and Communications Societies(INFOCOM, 2000)[C]. Tel Aviv, Israel: IEEE Computer Society, 2000.

[2] HARTER A, HOPPER A. A distributed location system for the active office[J]. IEEE Network, 1994,8(2): 62-70.

[3] HARTER A, HOPPER A, STEGGLES P, et a1. The anatomy of a context—aware application[A]. Proceedings of the 5th Annual International Conference on Mobile Computing and Network[C]. New York: ACM Press, 1999.

[4] 边肇祺,张学工. 模式识别[M]. 北京: 清华大学出版社, 2004.

[5] Guanling Chen, David Kotz. A Survey of Context-Aware Mobile Computing Research[A]. Dartmouth Computer Science Technical Report[C]. Dept of Computer Science Dartmouth College, 1970: 125-126.

[6] 斯托林斯. 无线通信与网络[M]. 何军,译. 北京: 清华大学出版社, 2005: 82-85.

[7] Y Gwon, R Jain. Error characteristic and calibrationfree techniques for wireless LAN-based location estimation[A]. in Proc Mobi-Wac’04, Philadelphia[C]. PA, 2004: 2-9.

[8] Waqas ur Rehman, Eyal de Lara, Stefan Saroiu. CILoS: A CDMA Indoor Localization System[A]. Department of Computer Science, University of Toronto, UbiComp’08[C]. Seoul, 2008.

[9] A Haeberlen, E Flannery, A M Ladd, et al. Practical robust localization over large-scale 802.11 wireless networks[A]. in Proc 10th ACM Int Conf Mobile Comput Netw[C]. Philadelphia, 2004: 70-84.

[10] Y T Chan, K C Ho. A simple and efficient estimator for hyperbolic location[J]. IEEE, 1994,42(8): 1905-1915. ★