面向地图匹配的室内位置-语义模型设计

罗帅伟 黄艳华 李超 陈迅

摘  要：传统的室内空间信息模型或者过于复杂导致操作性较差，或者没有充分表达地图匹配所需的空间要素信息，阻碍地图匹配方法的高效实施。该研究将以构建能够有效支撑地图匹配的室内空间信息模型作为研究目标，此模型应明确室内空间要素的表达内容，并应确定具体的表达方法。模型的构建应以地图匹配方法的机理为基础，以室内地图匹配的实际需要为导向，以表达支撑室内地图匹配的空间信息为目的，分别对室内空间要素的位置及属性，室内空间要素之间的拓扑关系进行表达。该研究构建面向地图匹配的室内位置-语义模型。实验表明此模型较为简洁且信息完备，可在保证地图匹配实际需要的同时提高运行效率。

关键词：室内；地图匹配；位置；语义模型；空间信息模型

中图分类号：P283.7      文献标志码：A          文章编号：2095-2945（2024）14-0108-04

Abstract： The traditional indoor spatial information model is either too complex to operate poorly， or does not fully express the spatial element information needed for map matching， which hinders the efficient implementation of the map matching method. This study will take the construction of an indoor spatial information model which can effectively support map matching as the research goal. This model should clarify the expression content of indoor space elements and determine the specific expression methods. The construction of the model should be based on the mechanism of map matching method， guided by the actual needs of indoor map matching， and for the purpose of expressing the spatial information supporting indoor map matching， respectively on the location and attributes of indoor space elements. The topological relationship between indoor space elements should be expressed separately. In this study， an indoor location-semantic model for map matching is constructed. The experimental results show that the model is simple and complete， which can ensure the actual needs of map matching and improve the operation efficiency at the same time.

Keywords： indoor; map matching; location; semantic model; spatial information model

地图匹配技术最早应用于室外的卫星定位领域，其将存在较大误差的初始定位结果匹配至最可能的正确位置，从而提高定位精度，而地图匹配结果的精度受到初始定位精度、地图精度、定位信号采集频率的综合影响[1]。地图匹配作为提高定位精度的重要手段，近年来已经成为室内定位领域研究的热点之一。室内地图作为室内空间的有效表达，在地图匹配中起着重要的作用。室内地图主要表达室内空间中的墙、门、窗等室内空间要素的位置分布，以上要素在地图匹配中起着对室内移动目标较强的约束作用，地图匹配通过室内空间要素将不可能存在的初始定位结果进行纠正，从而达到降低定位误差的目的。

室外的全球导航卫星系统（Global Navigation Satellite System，GNSS）领域将地图匹配分为几何匹配方法、拓扑关系方法、概率统计方法和先进匹配方法等，其中几何匹配方法和拓扑关系方法的定位原理相对简单但精度相对较低，概率统计方法和先进匹配方法的原理复杂但精度相对较高[2]。本研究在对室内地图匹配的研究成果进行综合分析的基础上，结合其需要的室内空间特征要素，将室内地图匹配方法分为3类：基于贝叶斯的匹配、路径匹配和点到点匹配。

传统的可以表示室内空间信息的空间信息模型，如室内地理标记语言（Indoor Geography Markup Language，IndoorGML）、城市地理标记语言（City Geography Markup Language，CityGML）、室内开放地图（Indoor Open Street Map，IndoorOSM）和工业基础类（Industry Foundation Classes，IFC），提供的數据没有较好地满足地图匹配的需要，且以上室内空间信息模型构成较为复杂且要求较高，导致其实际操作性较差，同时也较大幅度地降低了室内空间数据的计算效率[3-4]。室内地图匹配的方法较为繁多，其需要的室内空间信息的种类也会有所不同[5]。因此，如何从室内地图匹配的需要出发考虑，探索得出面向室内定位地图匹配的室内空间信息模型显得尤为重要。

1  室内地图匹配机理

室内地图匹配的运行机理主要分为3个步骤（图1）。

①利用各种传感器获取进行初始定位所需的“声、光、电、场”信号；②使用K最邻近（K-NearestNeighbor，KNN）、位置指纹、步行者航位推算（Pedestrian Dead Reckoning，PDR）等方法对步骤①采集到的信号数据进行初始位置解算；③使用粒子滤波、隐马尔可夫模型、条件随机场等多种方法计算步骤②计算得出的初始位置被纠正到各个候选位置的概率，选取概率最大的纠正位置作为最终定位结果。

2  地图匹配所需的空间约束

2.1  点到点匹配

点到点匹配原理简单，效率较高，但其精度有限。地标匹配方法和几何方法是最为常见的点到点匹配方法。

在室内空间中，地标是最为经常使用的定位工具，地标在传统的概念中主要指具有唯一性和易辨别性的固定物体，如室内雕塑、门牌号、门店招牌等。近年来随着研究的不断深入，地标的概念也在不断地衍生，如地标可以是在某个地点某个固定时间发生的某种事件，如在每天的固定时间某个地点会有大量的车辆经过，每个经过某个固定地点的人会做一种固定动作等。使用地标进行室内定位较为简单有效，但定位对地标的唯一性和易辨别性有着较高的要求，若目标没能有效地识别地标，则会导致较大的累计误差，即使地标被有效识别，相邻地标之间的累计误差也难免会对定位产生影响。

几何方法的实施较为依赖室内路网，其依靠室内路网对初始定位结果的约束，达到增强定位精度的目的。几何方法通过目标的方向权重wo、距离权重wd和邻接权重wa来确定匹配后的定位结果，其中方向權重wo由目标朝向与室内道路方向得出，两者重合度越高，此权重越大；距离权重wd由目标此时刻的初始定位位置与其在路网上投影后的位置得出，初始定位位置与投影点的欧指距离越小，此权重越大；邻接权重wa由此时刻初始定位结果在路网上投影的位置与上一时刻匹配后的位置得出，两位置之间的距离越合理，此权重越大。最后将以上3项权重相加得出总权重，总权重最大的相应位置为匹配后的定位结果。

点到点匹配所依靠的空间约束主要是室内空间中的地标和路网。室内路网的生成主要依靠室内的空间分布，而室内空间分布的构成主要靠墙体和门、窗等室内地物要素分隔产生，因此室内空间中墙、门和窗的位置直接决定着点到点匹配所需的空间约束。针对墙体，应着重表达其端点及拐点坐标；针对门和窗，应对其两侧的角点及高度进行详细表达。

2.2  路径匹配

路径匹配的原理相对复杂，精度相对于点到点匹配也较高。路径匹配将初始定位获取的目标运动轨迹与室内路网中的若干个相邻路段进行匹配，将与初始定位结果距离最近的候选路段作为最终定位结果。

路径匹配所依赖的空间约束是室内路网，如前所述，室内路网主要依靠墙体、门、窗生成。

2.3  基于贝叶斯的匹配

相对于前述的2种地图匹配方法，基于贝叶斯的匹配原理相对复杂，但精度相对较高。基于贝叶斯的匹配将地图上所反映的显性和隐性的空间信息与贝叶斯统计的相关原理相结合，最终求得概率最大的位置作为定位结果。目前最常见的基于贝叶斯的定位方法主要有粒子滤波和隐马尔可夫模型等。

粒子滤波利用一组具有相关权重的粒子近似得出室内定位中含噪声随机过程的后验分布。在粒子滤波中，大量的粒子随着目标的位移按照预设的模型同时进行位移。在位移的过程中，与障碍物发生碰撞的粒子的权重被设为0（因为目标不可能穿过障碍物），同时可在目标位移的过程中设定电子地标，与电子地标距离越近的粒子的权重将越大，反之越小。目标每走完一步，需要进行重采样，粒子滤波会根据粒子的权重对例子进行复制，权重越大的粒子，复制的个数会越多。最终，粒子滤波会根据每个粒子的坐标和权重确定定位结果。粒子滤波方法的运行需要设定大量的粒子，在一定的限度内设定的粒子数越多，定位结果会越精确，但计算量会越大。

隐马尔可夫模型需在获取转移概率A、发散概率B和初始概率π分布的基础上利用维特比算法求得目标最可能的位置。其中，目标在室内空间中的转移概率可以表示为

aij=，

式中：aij为从参考点i到参考点j的转移概率，Dij为从参考点i到参考点j的距离，Dik为从参考点i到参考点k的距离，k为参考点从参考点i出发能到达的所有参考点的数量。目标在室内空间中的发散概率可表示为

bj（k）=p（ok│sj），k=1，2，…，M；j=1，2，…，N，

式中：bj（k）表示观测值为ok但实际位置为sj的概率。

综上所述，在基于贝叶斯的匹配中，粒子滤波算法主要是根据室内空间中的可通行性进行工作，因此室内空间中的墙、门、窗等障碍物的准确位置就尤为重要。隐马尔可夫模型利用的路径距离主要依赖室内路网得到，如前所述，室内路网的生成也依赖室内空间中的墙、门、窗等障碍物的准确位置，而获取室内初始定位结果经常需要室内Wi-Fi指纹库，室内Wi-Fi指纹库中的指纹点位置信息依赖于室内格网。

3  面向地图匹配的室内位置-语义模型

如前所述，室内空间所蕴含的室内空间要素（如墙、门、窗等）对地图匹配起着重要的作用。但传统的室内空间信息模型（如CityGML、IndoorGML、IFC等）或对室内空间信息的表达过于简单导致难以满足地图匹配的需要，或对时间空间信息的表达过于复杂难以实现，同时造成计算效率较低，因此有必要构建面向室内地图匹配的空间信息模型。基于室内地图匹配所需，本研究构建的室内空间信息模型需表达室内空间要素的位置和语义信息，以约束室内初始定位结果，提高定位精度，以下称其为室内位置-语义模型。

3.1  位置信息表达

基于地图匹配所需，室内位置-语义模型需对构成室内空间要素形状的点位坐标进行重点表达，构成室内空间要素形状的点位主要有墙体的端点及拐角、门和窗的角点、室内单元空间边界的拐点、地标的中心或边界拐点等。室内位置-语义模型将以坐标的形式顺时针表达空间元素的边界及角点。

如图2所示，每个室内单元空间都由多个室内元素的位置决定，如s1的位置信息表示为s1={w1，w2，i1，i2，w3，w4，d1，d2}，其中墙体拐角点为w，窗户角点为i，门角点为d。每个室内要素的特征点的属性均包括其对应的坐标信息，如w1（216.312 m，386.510 m，212.300 m），i1（213.312 m，396.510 m，212.300 m），…，d2（216.212 m，386.510 m，212.300 m）。

3.2  语义信息表达

除了位置信息，室内地图匹配还需要大量的语义信息，主要包括空间元素的拓扑关系、空间元素的名称、空间元素的外观描述等多种属性信息。室内位置-语义模型所表达的拓扑关系主要包括要素之间的拓扑邻近、拓扑包含和拓扑连通。本研究在传统的表达语义的层次模型和图模型的基础上，构建了地图匹配所需的层次-图模型用于语义信息的表达。如图 3 所示，节点表示室内空间要素，虚线表示要素间的拓扑包含关系，实线表示拓扑邻接关系，拓扑连通关系则需要依据室内的路网进行表达。

4  空间要素的表达规则

前述内容已经确定了对室内空间要素的表达框架，下面将主要说明具体的表达方法。由于论文的篇幅受限，在这里只对墙、门、窗、地标和单元空间的表达规则进行说明。

4.1  单元空间

单元空间是室内总体空间的基本组成单元，单元空间通常具有较为独立的使用功能，如办公室、會议室、走廊分区和卫生间等，单元空间通常包括墙体和门，很多情况下也包括窗户和室内设施。在室内地图匹配中，单元空间起着重要的作用，在很多情况下，需要的室内定位结果并不是准确的坐标，而是所处的单元空间的名称或编号，即使需要室内定位的准确坐标，获取较为准确的语义信息也有利于坐标精度的提高，在通常情况下，会通过声音、光源、红外信标或射频标签进行单元空间语义信息的获取。因此，本模型需重点表达单元空间的角点坐标等位置信息，和单元空间之间的拓扑关系、编号、功能等语义信息。

4.2  墙

建筑物内部的整体空间和单元空间均由墙体围建而成，墙体的位置决定着室内单元空间的形状，墙体是室内空间表达中的基础性要素，墙体具有的无法通过性也成为进行室内定位约束最有效的元素。常见的是室内自上而下贯通的墙体，但仅仅这样狭义地定义墙体无法满足地图匹配的需要，因此室内位置-语义模型将不具有通过性的固定性障碍都认定为墙体（如栏杆、不具有通过性的门等），这样的认定有利于室内空间的表达，也有利于地图匹配工作的开展。针对室内地图匹配所需，室内位置-语义模型应重点表达墙体的拐点坐标等位置信息（按顺时针方向表达），和高度、厚度、材质等语义信息。

4.3  门

门是单元空间的出入口，起着元素之间拓扑连接的重要作用，决定着室内路网的生成，同时门的位置也直接决定着室内空间中的路径距离。门的位置信息主要包括门两侧的角点坐标，语义信息主要包括门的编号、高度、类型等。

4.4  窗

在通常情况下窗户不具有通过性，因此其在地图匹配中起着与墙同样的作用，但其在紧急情况下也可以具有通过性（如在发生火灾、地震时），应对其做出必要的说明。窗的位置属性主要包括四角坐标，语义属性主要包括窗的编号、高度、类型等。

4.5  地标

如前所述，地标在室内地图匹配中经常起着重要的作用。地标被定义为人们在物理和虚拟的室内和室外环境的认知地图中的突出特征，在人们与陌生环境的互动中，特别是在陌生区域寻找道路时起着非常重要的作用[6]。地标可以是室内固定不动的雕塑，可以是室内商铺的招牌，也可以是门牌号，甚至可以是室内固定地点固定时间发生的一种事情，这些都可以作为地标，因此，应对地标的位置和语义做出较为具体的说明，地标的位置属性主要包括地标所在点的坐标，语义属性主要包括地标的外观描述、高度等信息。

5  结束语

面向地图匹配的室内位置-语义模型以室内定位中地图匹配的需要为驱动，不仅表达了室内空间要素的位置信息，同时也表达了其拓扑关系、外观属性等语义信息，同时也针对地图匹配的需要对室内路网进行了表达。相对于传统的室内空间信息模型，室内位置-语义模型不仅更为轻量，而且也涵盖了传统室内空间信息模型没有表达的地图匹配所需要的重要信息。实验结果表明，此模型在应用于室内地图匹配的实践过程中，在充分满足地图匹配需要的基础上降低了数据处理量，使地图匹配的效率得到了有效增强。地图匹配已经成为室内定位领域研究的热点之一，随着地图匹配方法的不断创新，其所需要的信息也会更加丰富，因此面向地图匹配的室内位置-语义模型应具备更强的动态调整机制，以适应技术的发展与进步。

参考文献：

[1] 尚建嘎.室内空间信息支持下的行人导航定位方法[M].北京：科学出版社，2016.

[2] 高文超，李国良，塔娜.路网匹配算法综述[J].软件学报，2018，29（2）：225-250.

[3] 张建平，曹铭，张洋.基于IFC标准和工程信息模型的建筑施工4D管理系统[J].工程力学，2005（S1）：220-227.

[4] 吴怡洁.基于平面图识别的室内自动制图与建模[D].武汉：中国地质大学，2019.

[5] 罗帅伟.室内地图匹配空间信息建模及其对定位精度的影响评价[D].武汉：中国地质大学，2022.

[6] HU X， DING L， SHANG J， et al. Data-driven approach to learning salience models of indoor landmarks by using genetic programming[J]. International journal of digital earth， 2020，13（11）：1230-1257.