位置服务在大型场馆数字化建设中的构建与赋能

李 柯

中通服咨询设计研究院有限公司

0 引言

随着移动智能设备和无线通信技术的不断发展，用户对获取自身位置信息的诉求不断增强，位置服务（location-based Service，LBS）已经逐渐成为了人们生产生活中不可或缺的一项基础服务需求[1][2]。目前基于GPS、北斗、GLONASS、GALILEO 这些全球卫星定位导航系统（GNSS）的室外定位技术已经相当成熟，基本解决了在室外空间进行精确定位的问题，并且在日常的生产生活中也得到了广泛的应用[3]。由于在室内受到信号遮蔽、复杂建筑环境和多径效应等因素的影响[4]，GNSS 定位的精度急剧下降，无法满足室内LBS 的需要。因此高精度、高可靠性的室内定位技术已经成为工业界和学术界的研究热点。

本研究以基于Wi-Fi 的室内定位导航技术出发，从发展现状、室内定位技术概述、系统设计等方面阐述了该技术在大型场馆中的应用，并提出了一种快速构建位置服务的方法，通过信息化手段为大型场馆数字化建设提供强有力的支撑。

1 研究现状与发展趋势

随着无线网络和通信技术的快速发展与普及，物联网也迅速发展起来，引领传统的互联网行业进入到一个新的发展阶段。在这个技术爆炸的时代，智能设备与互联网（移动APP、小程序等）相结合，发展出了室内定位导航系统。作为该系统核心的定位技术也是层出叠见，不同定位技术的精度也各有差异，精度范围大致在几米到几十米。目前室内定位产品中常用到的技术主要有Wi-Fi 定位技术、低功耗蓝牙定位技术、RFID 定位技术、UWB 定位技术和ZigBee 定位技术等，下面将简单介绍这几种定位技术及应用场景，同时比较他们的优缺点。

（1）Wi-Fi 定位技术

如今，Wi-Fi 技术发展迅速，在手机、笔记本以及各类智能设备上都有Wi-Fi 芯片，而且Wi-Fi 热点在室内使用广泛，城市中的公共场所如医院、大型超市商场、学校、市政机构等都广泛覆盖了Wi-Fi。所以Wi-Fi 成为室内定位的一个选择，它有着基础设施建设完备的优势，在进行室内定位系统建设时，可以利用已有的Wi-Fi 热点设备，从而降低建设成本、提高设备利用率。目前基于Wi-Fi 的室内定位技术已经出现了许多充满代表性的研究成果，比如Nibble 系统、Weyes 系统等[5]。Wi-Fi 室内定位是目前比较流行的定位技术，定位成本低，适用性强，信号收发的范围广，定位精度能达到米级，具有较强的推广性。

（2）低功耗蓝牙定位技术

蓝牙定位主要通过使用低功耗蓝牙（Bluetooth Low Energy，简称BLE）技术，实现近距离的数据互换。iBeacon是苹果公司制定的一种专用于蓝牙定位的协议[6]，定位精度在2-3 米。蓝牙室内定位主要通过测量移动设备与蓝牙基站之间的信号强度，采用多点定位或者指纹定位算法来实现位置的计算。目前很多智能设备都集成了蓝牙模块，并且蓝牙定位技术具备功耗低、成本低、工作时间长、设备体积小、易于部署等优势，从而使得蓝牙技术成为了室内定位的一个很自然的选择。

（3）RFID 定位技术

射频识别（Radio Frequency Identification，RFID）技术是一种非接触式的数据交换技术，主要利用无线射频信号进行双向通信，通过双方数据的交换来达到识别和终端定位的目的。RFID 的硬件主要由电子标签和读取器组成，读取器接收来自RFID 电子标签的信号，通过计算接收的信号强度推导出位置。目前，具有代表性的RFID 系统有微软公司的RADAR 系统[7]、华盛顿大学的SpotON 系统、MIT 的Cricket 系统等。RFID 技术具有传输范围广、安装成本低、硬件体积小、定位精度可达到厘米级的优点，但它的作用距离很短，而且仅靠射频识别技术是不能进行室内定位的，必须与其他辅助技术相结合才能实现。

（4）UWB 定位技术

超宽带（Ultra Wide Band，UWB）是一种不使用载波来传输信号[8]，而是利用非正弦波窄脉冲的无线通信技术。它通过发送纳秒级频率极低的超窄脉冲来传输数据，可以获得极大的数据带宽，具有良好的抗多径效应能力。UWB 常用的定位方法主要有：信号到达时间（TOA）定位、信号到达方向（AOA）定位、信号到达时间差（TDOA）定位等。与其他无线定位技术相比，UWB 的定位精度可以达到10-30cm，但它实现大范围的场景覆盖比较困难，建设成本又很高，这都限制了UWB的应用。

（5）ZigBee 定位技术

ZigBee，也称紫蜂，是一种低功耗、低速率、短距离的无线传输技术[9]。主要特点有低速、低耗电、安全可靠等。基于ZigBee 技术的室内定位原理和蓝牙类似，定位方法采用多边定位、邻近信息法等，定位精度在5m 以内，缺点是稳定性差且容易受到环境因素的影响。该技术主要为低功耗且不需要大数据量吞吐的应用而设计，主要应用于智能家居等领域。

2 室内定位技术概述

2.1 基于测距的定位方法

基于距离测量的定位方法，是利用无线电波的某种特性与距离的关系，计算出距离实现定位。关于待测目标到参考点之间的距离有基于信号到达时间（Time Of Arrival，TOA）、信号到达时间差（Time Difference Of Arrival，TDOA）、信号强度（RSSI）、到达角测量法（Arrival Of Angle，AOA）等测量方法。

2.1.1 信号到达时间法TOA

信号到达时间定位方法，是根据AP 发出信号的时间和移动终端接收到AP 信号的时间，利用这段信号传播时间计算出AP 到移动终端之间的距离。电磁波的传播速率为30 万千米/秒，因此TOA 方法对于时间的测量精度要求非常高，极其微小的时间误差都会造成巨大的距离误差，因此需要非常准确地测量AP 到移动终端之间的信号传播时间[10]。同时也要求AP 和移动终端之间实现严格的时间同步，对时间精度的超高要求也导致了设备成本的提升，在实际场景中很难应用。

2.1.2 信号到达时间差法TDOA

信号到达时间差法是对TOA 方法的改进，它利用移动终端发送信号到两个AP 的时间差来测量待测点的位置，它不需要知道AP 发射信号的时间和移动终端接收信号的时间，极大地减少了对于时间精度、AP 和移动终端时间同步的要求[11]。TDOA 方法通过向多个AP 发送信号来获取信号到达AP 的时间差，根据时间差来计算出移动终端到AP 的距离差。根据几何特性，平面上两定点距离之差为定值点的轨迹，是图形双曲线的一支，双曲线的顶点即为无线AP 的位置，移动终端则位于双曲线的交点上，从而得到移动终端的位置。

2.1.3 基于信号强度测量法RSSI

基于信号强度测量法通过测量待测目标与其他多个参考点之间的距离来计算待测目标的位置。在二维平面中，已知待测目标与三个不共线的参考点之间的距离就可以计算出待测目标的位置。关于待测目标到参考点之间的距离采用基于信号强度（RSSI）的方法，基本原理是随着待测目标与基站之间距离的增加，信号强度会逐渐衰减，根据RSSI 值衰减程度的不同，就能测量出距离。目前，RSSI的测量广泛采用公式（1）。

其中，d0是参考距离1 米，RSSI0是1 米时的信号强度。d1是待测的实际距离，RSSI1是实际测试的信号强度，n 是无线信号衰减因子，ε 是一个高斯参数[12]。

2.1.4 到达角测量法AOA

到达角测量法是根据测量待测目标与参考点之间的角度来实现定位。该方法要求AP 具有测角度的能力，至少需要两个不同的AP 才能实现定位，如图1 所示[13]。在二维平面中，已知参考点AP1、AP2 的坐标（x1，y1）、（x2，y2），参考点与移动终端之间的偏转角度分别为θ1、θ2，根据参考点的坐标和角度关系可以推出待测点的坐标（x，y）。

图1 到达角测量法示意图

该方法在室内环境复杂、障碍物较多的情况下测量不准确，因为上述情况下会存在信号折射和绕射的现象，会导致角度测量存在误差。而且在真实环境中，Wi-Fi 信号众多，相互之间的信道干扰会影响角度的测量，一旦信号受到影响，其定位的准确性就会大打折扣。所以到达角测量法不适用于复杂的室内环境中，通常都是该方法结合其他定位方法来实现融合定位，从而提高定位的准确性。

2.2 无关距离的定位方法

2.2.1 加权质心法

加权质心法的算法核心是以AP 到待测点之间的距离为依据，计算每个AP 的权重值，利用不同AP 的权重值来体现其对待测点位置的影响[14]。质心算法假设权重值w=1/dg，该权重值是AP到待测点的距离函数，其中d是AP到待测点的距离，g 是修正因子。当g 值越来越大时，从权重值的计算中可以看到距离近的AP 的影响力越来越大，距离远的AP 的影响力越来越小，最终导致估算的位置在距离近的AP 附近，定位误差增大。所以我们需要找到一个最佳的g 值，来使得加权质心法的定位误差最小。

2.2.2 场景分析法

场景分析法一般又称为指纹匹配法，它的原理是根据在不同的室内场景中，移动终端接收到的信号特征值具有差异性这个特点[15]，在定位之前，事先采集不同位置上的信号特征，将这些信号特征作为该场景位置上的指纹存入数据库。在定位时，将当前的信号特征与指纹库中的进行比对，利用匹配算法来确定待测目标的位置。指纹匹配法的优点是定位精度高；缺点是前期建立指纹库的工作量大，且不适合环境变化大的室内场景，每次环境变化之后，各个位置的信号特征值都会发生变化，若想使算法继续保持高精度，则需要更新指纹库。常用的匹配算法有最邻近法（Neareast Neighborhood，NN）、K 邻近算法（K Nearest Neighborhood，KNN）、加权K 邻近算法（Weighed K Nearest Neighborhood，WKNN）等。使用指纹匹配算法，虽然定位精度得到了提高，但算法的计算量很大，而且在构建指纹数据库时会耗费相当大的人力物力，但是相较于基于几何特征的定位算法而言，指纹匹配算法的优点就是不需要事先知道Wi-Fi 设备的位置信息。

3 上层应用赋能

3.1 室内外一体化导航

室内外一体化导航是目前研究的一个热点，室内导航解决了室内地图的“最后一公里”问题，但在实际应用中，由于种种原因，室外导航和室内导航往往并不是连贯的，用户需要借助不同的应用工具分别实现，工具切换、重复搜索规划，给用户带来了诸多不便。当用户到了一些大型室内场馆，地图无法精准定位，又没有详细的地图，在场馆内时常会找不到某个想去的展位。因此，为响应用户需求，位置服务平台实现了室内外一体化导航，从室外到室内，均可通过同一入口进行实现。一站式解决了用户“当前室外位置-展馆-展位”的导航需求，真正实现了室内外一体化导航，无论是从室外到室内，还是室内到室外，无需额外的手动操作，一键即达。

3.2 客流安全监测

大型场馆在开展期间的安全问题是每一个主办方都重视的问题，单纯增加安保人员的数量无法满足高效管理的要求，也是一种粗放的安全管理方式。利用位置服务平台，通过先进的室内定位技术，针对场馆公共安全管理中非常规群体性突发事件的主动感知和大型活动安保等问题，分析和预测客流的运动趋势，为安保人员处置突发事件和大型活动安全管理提供理论依据和应用实践指导。

该平台通过构建多源数据融合模型和算法，可以实时计算重点区域的风险值并根据风险等级进行预警，可以定时从历史数据中分析挖掘预警阈值、各类数据权重、算法的参数指标。随着数据量的不断积累和数据源种类的不断增加，该平台还能够通过深度学习来不断提升密集场所人群分析的准确性，及时发现重大的客流安全隐患，在客流高峰时期建议安保人员采取适当的措施，正确引导客流，防患于未然，避免事故的发生。

3.3 位置大数据

位置服务平台会记录所有移动终端的位置信息，在这个数据为王的信息爆炸时代，基于位置的大数据分析能够带来巨大的收益。比如精准的人流分析可以快速、直观地了解人流的分布特征。对这些人流位置信息进行大数据分析，针对人流变化的趋势、自定义时段人流分布等进行综合分析比对，可以为大型展会带来一系列收益。例如在开展期间可以根据人流的分布情况为展位租金定价提供数据支撑、优化展位的布局、优化广告位的布设、提供高效可靠的安保人员调度等，为一系列决策提供最真实、最可靠的数据支持。

4 系统设计

4.1 总体设计

位置服务平台是一个具有移动端、Web 端的多终端系统，系统分为三个模块实现，分别是数据采集、数据处理、数据接口，系统功能设计上高内聚、低耦合，各个模块之间相互配合，共同完成待测点位的位置定位。总体由数据采集层、数据预处理层、数据中台层、业务中台层、接口服务层、应用层，以及运营管理及安全服务两大平台构成，如图2 所示。该系统实现了对移动终端、基准设备、基准设备坐标、场景位置等数据的全面集成、协议转换及加工处理，还构建了基于位置数据的数据中台、业务中台，通过各类数据模型的分析处理，统一对外提供各种中台北向服务能力，如地图服务、定位服务、导航服务、鹰眼服务、分析服务等，并可支撑各类移动终端应用。

图2 平台业务规划

4.2 定位节点布设

要实现大型场馆的室内定位，需提前在场馆内部署信标节点，这种方案的优点是前期时间充裕，后期无AP 信标节点的部署工作量。缺点是设备的一次性投入成本高。展会现场安装节点时为达到较好的定位效果，需遵循以下几点：

（1）AP 信标节点的间距保持8-10 米，均匀部署；走道和房间分别部署。

（2）AP 信标距离地面高度应保持在3-5 米之间；所有设备尽量保持在同一高度。

（3）部署AP 信标节点时，需避开遮挡、通风口等位置，保证信号可以充分辐射出去。位置应避免金属材质，以免影响信号；部署位置应保证设备安装牢固不易掉落。

（4）AP 信标节点在场馆内的布局尽量均匀分布，以便形成较好的定位精度。

（5）节点在部署完成后，需通过软件将节点位置绘制到地图上，并进行检查确认位置是否正确。

4.3 地图生成

地图是平台的重要组成部分，也是提供位置服务的基础，如何高效、准确地生成场馆室内地图是平台要解决的重要问题。我们通过长期的实验和现场部署工作，总结了一套快速构建场馆室内地图的方法。地图生成的主要步骤是原始数据准备、基础数据处理、绘制及建库和现场核对与修改四个部分，详细流程如下：

（1）原始数据准备

业主方提供绘制的CAD 图，在CAD 图上绘制已部署的AP 信标节点位置；

（2）基础数据处理

利用ArcGIS 等地图软件，根据原始数据进行地图配准与坐标转换，并将地图矢量化；

（3）绘制及建库

将矢量地图构建拓扑，手动去除软件自动生成地图的拓扑错误，并建立地图数据库；

（4）现场核对与修改

将生成的地图与CAD 图和现场实际情况核对，对地图出错的地方进行重绘。

5 系统实现

5.1 数据采集平台

数据采集平台设计了主动定位和被动定位两种数据采集方式，如图3 所示。主动定位数据采集是由移动端主动发起，通过移动设备自带的硬件来主动扫描周围AP，获取不同AP的信号强度作为数据源。为了降低单次采集带来的误差，主动定位时移动设备会在1 秒内进行10 次扫描，并记录每次扫描的数据结果，存储到缓存中供数据处理平台进行位置计算。被动定位数据采集则是使用AP 作为Wi-Fi 探针，AP 会扫描周围打开了Wi-Fi 的设备，获取这些设备的Mac 地址、RSSI信号强度，并将这些信息发送给数据处理服务器，报文类型为普通的UDP 报文（IP 头+UDP 头+Payload）。由于AP 不会存储这些数据，因此无需担心AP 被有恶意的人盗取并获得AP 收集到的信息的问题。

图3 数据采集平台实现

5.2 数据处理平台

数据处理平台包括了数据接收、位置计算两部分。当接收到数据采集平台发送来的数据包之后，按照原始格式对数据进行解析，并将解析后的数据对象保存到Redis 中。在Redis中保存时，使用的是Hash 数据结构，其中Key 是AP 的Mac地址，Value 包含了移动设备Mac、RSSI、时间戳等信息，如图4 所示。在数据处理平台中，我们开启多个线程并行处理采集到的数据，将数据从Redis 中取出后会释放缓存，提高处理效率。

图4 Value 数据对象

依据不同的数据采集方式选择不同的定位算法。针对被动定位大数据量计算的问题，被动定位主要用于客流热力的监测，对于定位精度要求不是特别高，因此采用了基于信号强度的加权质心算法，可以在满足定位精度的要求下极大提高数据计算的效率。当进行主动定位计算时，我们采用了基于信号强度的三边测量算法，前期准备工作只需要根据实际场景修正信号强度与距离关系的函数，能很好地应对大量数据情况下位置计算的问题，减少了计算量和计算时间，而且不必面对指纹定位方法中指纹数据库的采集、训练和维护等问题，降低了前期工作量，没有指纹数据的存储，也降低了存储压力。

5.3 数据接口平台

数据接口平台由主动推送、API 调用两部分组成，对于大数据量的被动定位数据我们采用Kafka 消息队列推送的方式，主动将计算完成的位置数据推送到第三方应用服务器上，供第三方应用使用。Kafka 方式可以快速处理海量的定位数据，避免了API 调用方式给服务器造成的压力。对于数据量少的情况，同时也提供了基于Https 方式的API 接口调用，主要包括了单场馆客流定位数据接口、根据Mac 地址查询位置接口、客流轨迹查询接口等。

6 结束语

物联网时代下，位置服务是一个很普遍的需求。数百亿台的设备，数十亿台的智能手机和穿戴设备，形成“人与人”、“人与物”、“物与物”连接入网，而位置信息将是这个时代里支撑性的核心基础信息。本文构建的位置服务系统通过智能传感器的链接实现整个场景的可视化，帮助观众在场馆内获得动态连续的位置指引服务。获得更加精准的位置服务也是场馆和观众在数字化和智能化大环境下的共同诉求。

位置服务作为大型场馆的“动态感知神经和枢纽”，不仅为主办方、参展商、参展观众提供专业化LBS 服务，还为超大型会展中心停车、餐饮服务点、综合安防等需求提供实时、准确的位置大数据支撑，是超大公共建筑实现承载能力、服务能力的数字化底座。该服务促进了“运营高效、资源统筹、数据共享、业务协同”的数字场馆生态建设，注重与场馆经营业态的多元融合，为参展商及观众等提供极致的参展体验，有助于推动产业及城市的快速发展，帮助客户快速实现商业价值。