位置服務在大型場館數字化建設中的構建與賦能

李 柯

中通服咨詢設計研究院有限公司

0 引言

隨著移動智能設備和無線通信技術的不斷發展，用戶對獲取自身位置信息的訴求不斷增強，位置服務（location-based Service，LBS）已經逐漸成為了人們生產生活中不可或缺的一項基礎服務需求[1][2]。目前基于GPS、北斗、GLONASS、GALILEO 這些全球衛星定位導航系統（GNSS）的室外定位技術已經相當成熟，基本解決了在室外空間進行精確定位的問題，并且在日常的生產生活中也得到了廣泛的應用[3]。由于在室內受到信號遮蔽、復雜建筑環境和多徑效應等因素的影響[4]，GNSS 定位的精度急劇下降，無法滿足室內LBS 的需要。因此高精度、高可靠性的室內定位技術已經成為工業界和學術界的研究熱點。

本研究以基于Wi-Fi 的室內定位導航技術出發，從發展現狀、室內定位技術概述、系統設計等方面闡述了該技術在大型場館中的應用，并提出了一種快速構建位置服務的方法，通過信息化手段為大型場館數字化建設提供強有力的支撐。

1 研究現狀與發展趨勢

隨著無線網絡和通信技術的快速發展與普及，物聯網也迅速發展起來，引領傳統的互聯網行業進入到一個新的發展階段。在這個技術爆炸的時代，智能設備與互聯網（移動APP、小程序等）相結合，發展出了室內定位導航系統。作為該系統核心的定位技術也是層出疊見，不同定位技術的精度也各有差異，精度范圍大致在幾米到幾十米。目前室內定位產品中常用到的技術主要有Wi-Fi 定位技術、低功耗藍牙定位技術、RFID 定位技術、UWB 定位技術和ZigBee 定位技術等，下面將簡單介紹這幾種定位技術及應用場景，同時比較他們的優缺點。

（1）Wi-Fi 定位技術

如今，Wi-Fi 技術發展迅速，在手機、筆記本以及各類智能設備上都有Wi-Fi 芯片，而且Wi-Fi 熱點在室內使用廣泛，城市中的公共場所如醫院、大型超市商場、學校、市政機構等都廣泛覆蓋了Wi-Fi。所以Wi-Fi 成為室內定位的一個選擇，它有著基礎設施建設完備的優勢，在進行室內定位系統建設時，可以利用已有的Wi-Fi 熱點設備，從而降低建設成本、提高設備利用率。目前基于Wi-Fi 的室內定位技術已經出現了許多充滿代表性的研究成果，比如Nibble 系統、Weyes 系統等[5]。Wi-Fi 室內定位是目前比較流行的定位技術，定位成本低，適用性強，信號收發的范圍廣，定位精度能達到米級，具有較強的推廣性。

（2）低功耗藍牙定位技術

藍牙定位主要通過使用低功耗藍牙（Bluetooth Low Energy，簡稱BLE）技術，實現近距離的數據互換。iBeacon是蘋果公司制定的一種專用于藍牙定位的協議[6]，定位精度在2-3 米。藍牙室內定位主要通過測量移動設備與藍牙基站之間的信號強度，采用多點定位或者指紋定位算法來實現位置的計算。目前很多智能設備都集成了藍牙模塊，并且藍牙定位技術具備功耗低、成本低、工作時間長、設備體積小、易于部署等優勢，從而使得藍牙技術成為了室內定位的一個很自然的選擇。

（3）RFID 定位技術

射頻識別（Radio Frequency Identification，RFID）技術是一種非接觸式的數據交換技術，主要利用無線射頻信號進行雙向通信，通過雙方數據的交換來達到識別和終端定位的目的。RFID 的硬件主要由電子標簽和讀取器組成，讀取器接收來自RFID 電子標簽的信號，通過計算接收的信號強度推導出位置。目前，具有代表性的RFID 系統有微軟公司的RADAR 系統[7]、華盛頓大學的SpotON 系統、MIT 的Cricket 系統等。RFID 技術具有傳輸范圍廣、安裝成本低、硬件體積小、定位精度可達到厘米級的優點，但它的作用距離很短，而且僅靠射頻識別技術是不能進行室內定位的，必須與其他輔助技術相結合才能實現。

（4）UWB 定位技術

超寬帶（Ultra Wide Band，UWB）是一種不使用載波來傳輸信號[8]，而是利用非正弦波窄脈沖的無線通信技術。它通過發送納秒級頻率極低的超窄脈沖來傳輸數據，可以獲得極大的數據帶寬，具有良好的抗多徑效應能力。UWB 常用的定位方法主要有：信號到達時間（TOA）定位、信號到達方向（AOA）定位、信號到達時間差（TDOA）定位等。與其他無線定位技術相比，UWB 的定位精度可以達到10-30cm，但它實現大范圍的場景覆蓋比較困難，建設成本又很高，這都限制了UWB的應用。

（5）ZigBee 定位技術

ZigBee，也稱紫蜂，是一種低功耗、低速率、短距離的無線傳輸技術[9]。主要特點有低速、低耗電、安全可靠等?；赯igBee 技術的室內定位原理和藍牙類似，定位方法采用多邊定位、鄰近信息法等，定位精度在5m 以內，缺點是穩定性差且容易受到環境因素的影響。該技術主要為低功耗且不需要大數據量吞吐的應用而設計，主要應用于智能家居等領域。

2 室內定位技術概述

2.1 基于測距的定位方法

基于距離測量的定位方法，是利用無線電波的某種特性與距離的關系，計算出距離實現定位。關于待測目標到參考點之間的距離有基于信號到達時間（Time Of Arrival，TOA）、信號到達時間差（Time Difference Of Arrival，TDOA）、信號強度（RSSI）、到達角測量法（Arrival Of Angle，AOA）等測量方法。

2.1.1 信號到達時間法TOA

信號到達時間定位方法，是根據AP 發出信號的時間和移動終端接收到AP 信號的時間，利用這段信號傳播時間計算出AP 到移動終端之間的距離。電磁波的傳播速率為30 萬千米/秒，因此TOA 方法對于時間的測量精度要求非常高，極其微小的時間誤差都會造成巨大的距離誤差，因此需要非常準確地測量AP 到移動終端之間的信號傳播時間[10]。同時也要求AP 和移動終端之間實現嚴格的時間同步，對時間精度的超高要求也導致了設備成本的提升，在實際場景中很難應用。

2.1.2 信號到達時間差法TDOA

信號到達時間差法是對TOA 方法的改進，它利用移動終端發送信號到兩個AP 的時間差來測量待測點的位置，它不需要知道AP 發射信號的時間和移動終端接收信號的時間，極大地減少了對于時間精度、AP 和移動終端時間同步的要求[11]。TDOA 方法通過向多個AP 發送信號來獲取信號到達AP 的時間差，根據時間差來計算出移動終端到AP 的距離差。根據幾何特性，平面上兩定點距離之差為定值點的軌跡，是圖形雙曲線的一支，雙曲線的頂點即為無線AP 的位置，移動終端則位于雙曲線的交點上，從而得到移動終端的位置。

2.1.3 基于信號強度測量法RSSI

基于信號強度測量法通過測量待測目標與其他多個參考點之間的距離來計算待測目標的位置。在二維平面中，已知待測目標與三個不共線的參考點之間的距離就可以計算出待測目標的位置。關于待測目標到參考點之間的距離采用基于信號強度（RSSI）的方法，基本原理是隨著待測目標與基站之間距離的增加，信號強度會逐漸衰減，根據RSSI 值衰減程度的不同，就能測量出距離。目前，RSSI的測量廣泛采用公式（1）。

其中，d0是參考距離1 米，RSSI0是1 米時的信號強度。d1是待測的實際距離，RSSI1是實際測試的信號強度，n 是無線信號衰減因子，ε 是一個高斯參數[12]。

2.1.4 到達角測量法AOA

到達角測量法是根據測量待測目標與參考點之間的角度來實現定位。該方法要求AP 具有測角度的能力，至少需要兩個不同的AP 才能實現定位，如圖1 所示[13]。在二維平面中，已知參考點AP1、AP2 的坐標（x1，y1）、（x2，y2），參考點與移動終端之間的偏轉角度分別為θ1、θ2，根據參考點的坐標和角度關系可以推出待測點的坐標（x，y）。

圖1 到達角測量法示意圖

該方法在室內環境復雜、障礙物較多的情況下測量不準確，因為上述情況下會存在信號折射和繞射的現象，會導致角度測量存在誤差。而且在真實環境中，Wi-Fi 信號眾多，相互之間的信道干擾會影響角度的測量，一旦信號受到影響，其定位的準確性就會大打折扣。所以到達角測量法不適用于復雜的室內環境中，通常都是該方法結合其他定位方法來實現融合定位，從而提高定位的準確性。

2.2 無關距離的定位方法

2.2.1 加權質心法

加權質心法的算法核心是以AP 到待測點之間的距離為依據，計算每個AP 的權重值，利用不同AP 的權重值來體現其對待測點位置的影響[14]。質心算法假設權重值w=1/dg，該權重值是AP到待測點的距離函數，其中d是AP到待測點的距離，g 是修正因子。當g 值越來越大時，從權重值的計算中可以看到距離近的AP 的影響力越來越大，距離遠的AP 的影響力越來越小，最終導致估算的位置在距離近的AP 附近，定位誤差增大。所以我們需要找到一個最佳的g 值，來使得加權質心法的定位誤差最小。

2.2.2 場景分析法

場景分析法一般又稱為指紋匹配法，它的原理是根據在不同的室內場景中，移動終端接收到的信號特征值具有差異性這個特點[15]，在定位之前，事先采集不同位置上的信號特征，將這些信號特征作為該場景位置上的指紋存入數據庫。在定位時，將當前的信號特征與指紋庫中的進行比對，利用匹配算法來確定待測目標的位置。指紋匹配法的優點是定位精度高；缺點是前期建立指紋庫的工作量大，且不適合環境變化大的室內場景，每次環境變化之后，各個位置的信號特征值都會發生變化，若想使算法繼續保持高精度，則需要更新指紋庫。常用的匹配算法有最鄰近法（Neareast Neighborhood，NN）、K 鄰近算法（K Nearest Neighborhood，KNN）、加權K 鄰近算法（Weighed K Nearest Neighborhood，WKNN）等。使用指紋匹配算法，雖然定位精度得到了提高，但算法的計算量很大，而且在構建指紋數據庫時會耗費相當大的人力物力，但是相較于基于幾何特征的定位算法而言，指紋匹配算法的優點就是不需要事先知道Wi-Fi 設備的位置信息。

3 上層應用賦能

3.1 室內外一體化導航

室內外一體化導航是目前研究的一個熱點，室內導航解決了室內地圖的“最后一公里”問題，但在實際應用中，由于種種原因，室外導航和室內導航往往并不是連貫的，用戶需要借助不同的應用工具分別實現，工具切換、重復搜索規劃，給用戶帶來了諸多不便。當用戶到了一些大型室內場館，地圖無法精準定位，又沒有詳細的地圖，在場館內時常會找不到某個想去的展位。因此，為響應用戶需求，位置服務平臺實現了室內外一體化導航，從室外到室內，均可通過同一入口進行實現。一站式解決了用戶“當前室外位置-展館-展位”的導航需求，真正實現了室內外一體化導航，無論是從室外到室內，還是室內到室外，無需額外的手動操作，一鍵即達。

3.2 客流安全監測

大型場館在開展期間的安全問題是每一個主辦方都重視的問題，單純增加安保人員的數量無法滿足高效管理的要求，也是一種粗放的安全管理方式。利用位置服務平臺，通過先進的室內定位技術，針對場館公共安全管理中非常規群體性突發事件的主動感知和大型活動安保等問題，分析和預測客流的運動趨勢，為安保人員處置突發事件和大型活動安全管理提供理論依據和應用實踐指導。

該平臺通過構建多源數據融合模型和算法，可以實時計算重點區域的風險值并根據風險等級進行預警，可以定時從歷史數據中分析挖掘預警閾值、各類數據權重、算法的參數指標。隨著數據量的不斷積累和數據源種類的不斷增加，該平臺還能夠通過深度學習來不斷提升密集場所人群分析的準確性，及時發現重大的客流安全隱患，在客流高峰時期建議安保人員采取適當的措施，正確引導客流，防患于未然，避免事故的發生。

3.3 位置大數據

位置服務平臺會記錄所有移動終端的位置信息，在這個數據為王的信息爆炸時代，基于位置的大數據分析能夠帶來巨大的收益。比如精準的人流分析可以快速、直觀地了解人流的分布特征。對這些人流位置信息進行大數據分析，針對人流變化的趨勢、自定義時段人流分布等進行綜合分析比對，可以為大型展會帶來一系列收益。例如在開展期間可以根據人流的分布情況為展位租金定價提供數據支撐、優化展位的布局、優化廣告位的布設、提供高效可靠的安保人員調度等，為一系列決策提供最真實、最可靠的數據支持。

4 系統設計

4.1 總體設計

位置服務平臺是一個具有移動端、Web 端的多終端系統，系統分為三個模塊實現，分別是數據采集、數據處理、數據接口，系統功能設計上高內聚、低耦合，各個模塊之間相互配合，共同完成待測點位的位置定位?？傮w由數據采集層、數據預處理層、數據中臺層、業務中臺層、接口服務層、應用層，以及運營管理及安全服務兩大平臺構成，如圖2 所示。該系統實現了對移動終端、基準設備、基準設備坐標、場景位置等數據的全面集成、協議轉換及加工處理，還構建了基于位置數據的數據中臺、業務中臺，通過各類數據模型的分析處理，統一對外提供各種中臺北向服務能力，如地圖服務、定位服務、導航服務、鷹眼服務、分析服務等，并可支撐各類移動終端應用。

圖2 平臺業務規劃

4.2 定位節點布設

要實現大型場館的室內定位，需提前在場館內部署信標節點，這種方案的優點是前期時間充裕，后期無AP 信標節點的部署工作量。缺點是設備的一次性投入成本高。展會現場安裝節點時為達到較好的定位效果，需遵循以下幾點：

（1）AP 信標節點的間距保持8-10 米，均勻部署；走道和房間分別部署。

（2）AP 信標距離地面高度應保持在3-5 米之間；所有設備盡量保持在同一高度。

（3）部署AP 信標節點時，需避開遮擋、通風口等位置，保證信號可以充分輻射出去。位置應避免金屬材質，以免影響信號；部署位置應保證設備安裝牢固不易掉落。

（4）AP 信標節點在場館內的布局盡量均勻分布，以便形成較好的定位精度。

（5）節點在部署完成后，需通過軟件將節點位置繪制到地圖上，并進行檢查確認位置是否正確。

4.3 地圖生成

地圖是平臺的重要組成部分，也是提供位置服務的基礎，如何高效、準確地生成場館室內地圖是平臺要解決的重要問題。我們通過長期的實驗和現場部署工作，總結了一套快速構建場館室內地圖的方法。地圖生成的主要步驟是原始數據準備、基礎數據處理、繪制及建庫和現場核對與修改四個部分，詳細流程如下：

（1）原始數據準備

業主方提供繪制的CAD 圖，在CAD 圖上繪制已部署的AP 信標節點位置；

（2）基礎數據處理

利用ArcGIS 等地圖軟件，根據原始數據進行地圖配準與坐標轉換，并將地圖矢量化；

（3）繪制及建庫

將矢量地圖構建拓撲，手動去除軟件自動生成地圖的拓撲錯誤，并建立地圖數據庫；

（4）現場核對與修改

將生成的地圖與CAD 圖和現場實際情況核對，對地圖出錯的地方進行重繪。

5 系統實現

5.1 數據采集平臺

數據采集平臺設計了主動定位和被動定位兩種數據采集方式，如圖3 所示。主動定位數據采集是由移動端主動發起，通過移動設備自帶的硬件來主動掃描周圍AP，獲取不同AP的信號強度作為數據源。為了降低單次采集帶來的誤差，主動定位時移動設備會在1 秒內進行10 次掃描，并記錄每次掃描的數據結果，存儲到緩存中供數據處理平臺進行位置計算。被動定位數據采集則是使用AP 作為Wi-Fi 探針，AP 會掃描周圍打開了Wi-Fi 的設備，獲取這些設備的Mac 地址、RSSI信號強度，并將這些信息發送給數據處理服務器，報文類型為普通的UDP 報文（IP 頭+UDP 頭+Payload）。由于AP 不會存儲這些數據，因此無需擔心AP 被有惡意的人盜取并獲得AP 收集到的信息的問題。

圖3 數據采集平臺實現

5.2 數據處理平臺

數據處理平臺包括了數據接收、位置計算兩部分。當接收到數據采集平臺發送來的數據包之后，按照原始格式對數據進行解析，并將解析后的數據對象保存到Redis 中。在Redis中保存時，使用的是Hash 數據結構，其中Key 是AP 的Mac地址，Value 包含了移動設備Mac、RSSI、時間戳等信息，如圖4 所示。在數據處理平臺中，我們開啟多個線程并行處理采集到的數據，將數據從Redis 中取出后會釋放緩存，提高處理效率。

圖4 Value 數據對象

依據不同的數據采集方式選擇不同的定位算法。針對被動定位大數據量計算的問題，被動定位主要用于客流熱力的監測，對于定位精度要求不是特別高，因此采用了基于信號強度的加權質心算法，可以在滿足定位精度的要求下極大提高數據計算的效率。當進行主動定位計算時，我們采用了基于信號強度的三邊測量算法，前期準備工作只需要根據實際場景修正信號強度與距離關系的函數，能很好地應對大量數據情況下位置計算的問題，減少了計算量和計算時間，而且不必面對指紋定位方法中指紋數據庫的采集、訓練和維護等問題，降低了前期工作量，沒有指紋數據的存儲，也降低了存儲壓力。

5.3 數據接口平臺

數據接口平臺由主動推送、API 調用兩部分組成，對于大數據量的被動定位數據我們采用Kafka 消息隊列推送的方式，主動將計算完成的位置數據推送到第三方應用服務器上，供第三方應用使用。Kafka 方式可以快速處理海量的定位數據，避免了API 調用方式給服務器造成的壓力。對于數據量少的情況，同時也提供了基于Https 方式的API 接口調用，主要包括了單場館客流定位數據接口、根據Mac 地址查詢位置接口、客流軌跡查詢接口等。

6 結束語

物聯網時代下，位置服務是一個很普遍的需求。數百億臺的設備，數十億臺的智能手機和穿戴設備，形成“人與人”、“人與物”、“物與物”連接入網，而位置信息將是這個時代里支撐性的核心基礎信息。本文構建的位置服務系統通過智能傳感器的鏈接實現整個場景的可視化，幫助觀眾在場館內獲得動態連續的位置指引服務。獲得更加精準的位置服務也是場館和觀眾在數字化和智能化大環境下的共同訴求。

位置服務作為大型場館的“動態感知神經和樞紐”，不僅為主辦方、參展商、參展觀眾提供專業化LBS 服務，還為超大型會展中心停車、餐飲服務點、綜合安防等需求提供實時、準確的位置大數據支撐，是超大公共建筑實現承載能力、服務能力的數字化底座。該服務促進了“運營高效、資源統籌、數據共享、業務協同”的數字場館生態建設，注重與場館經營業態的多元融合，為參展商及觀眾等提供極致的參展體驗，有助于推動產業及城市的快速發展，幫助客戶快速實現商業價值。