[发明专利]一种基于众包的室内定位方法

权利要求书

1.一种基于众包的室内定位方法，其特征在于包括如下步骤：

1)采集位置点的信号强度RSS，用户在室内走动，通过所携带的移动设备每隔ΔT自动采集用户当前位置点的RSS，第X位置点的RSS记为：S_X＝{S_X,1,S_X,2,...,S_X,j,...,S_X,g}，其中，S_X,j表示第X位置点接收到的第j个WiFi接入点AP的RSS；

2)构建RSS序列及RSS序列集，通过路径上各位置点的RSS，构建该路径所对应的RSS序列，记为R_i＝{S₁,S₂,...,S_X,...,S_N}，其中，R_i表示第i条RSS序列，S_X表示R_i序列中第X位置点的RSS，N表示RSS序列中点的个数；通过RSS序列构建RSS序列集R_before，记为{R₁,R₂,...R_i,...R_M}，其中，M表示RSS序列集R_before中RSS序列个数；

3)利用K-Means聚类的方法，依次对RSS序列集R_before中的每一条RSS序列R_i进行序列内聚类，生成聚类后的RSS序列集R_after＝{L₁,L₂,...L_i,...L_M}，其中L_i是R_i聚类后的RSS序列，记为{S₁,S₂,...,S_K}，i表示第i条RSS序列，S_x(1≤x≤K)表示第i条RSS序列中的第x个位置点的RSS值；

对一条RSS序列R_i进行序列内聚类包括如下步骤：

3.1)初始化聚类簇数K(1≤K≤N)；

3.2)从RSS序列R_i中随机挑选K个点作为初始均值向量U_i＝{T₁,T₂,...,T_K}，其中T_q＝{t_q,1,t_q,2,...,t_q,g}(1≤q≤K)表示第q个均值向量的WiFi RSS测量值；

3.3)为初始均值向量U_i＝{T₁,T₂,...,T_K}的元素T_q创建一个聚簇中心集合C_q,并令

3.4)令循环变量p＝1，标志变量r＝0；

3.5)计算RSS序列R_i＝{S₁,S₂,...,S_X,...,S_N}中的第X个样本S_X和初始均值向量U_i＝{T₁,T₂,...,T_K}的元素T_q的差值选择距离最近的均值向量确定S_X的簇标记：λ_i,X＝argmin_{q∈{1,2,...,K}}d_X,q，λ_i,X∈{1,2,...,K}表示样本S_X的簇标记，即将样本S_X划入相应的聚簇集合

3.6)令X＝X+1,重复步骤3.5)，直到X＝N；

3.7)依次对第q个簇集合(1≤q≤K)，计算新均值向量其中且表示在第q个簇集合中的位置点接收到第p个AP的WiFiRSS均值；如果T_q≠T′_q，则r＝1，并将当前的均值向量T_q更新为T′_q，否则保持均值向量T_q不变；

3.8)若r＝1，则重复步骤3.4)到步骤3.7)，否则U_i＝L_i，即得到聚类后的第i条序列L_i＝{S₁,S₂,...,S_K}；

3.9)令i＝i+1,重复步骤3.1)到步骤3.8)，直到i＝M,得到聚类后的序列集R_after＝{L₁,L₂,...L_i,...L_M}；

4)利用AP的表征能力分析和打分矩阵对序列集R_after＝{L₁,L₂,...L_i,...L_M}中的序列进行序列间聚类，生成聚类后的一条序列L₁＝L₁∪L₂,...,∪L_M；

序列间聚类包括如下步骤：

4.1)分析表征能力，不同的WiFi AP对不同的位置具有各不相同的表征能力，则选择表征能力强的AP，其对应的WiFi RSS测量值更加准确，方法如下：

4.1.1)分别对序列L₁＝{S₁,S₂,...,S_K}中的位置点S_m＝{S_m,1,S_m,2,...,S_m,g}(1≤m≤K)和序列L_j＝{S₁,S₂,...,S_K}(2≤j≤M)中的位置点S_n＝{S_n,1,S_n,2,...,S_n,g}(1≤n≤K)的WiFiRSS测量值进行排序，并选择前d个最大WiFi RSS测量值，其中S_m表示RSS序列L₁中的第m个位置点，S_n表示RSS序列L_j中的第n个位置点；

4.1.2)若位置点S_m的前d个最大WiFi RSS测量值所对应的d个APs与位置点S_n的前d个最大WiFi RSS测量值所对应的d个APs相同并且则S_m＝S_n，否则S_m≠S_n；其中δ表示位置点相似性的阈值,S_m,k和S_n,k分别表示在第k个AP在位置点S_m和位置点S_n处的WiFi RSS测量值；

4.2)建立加分规则

当S_m＝S_n(1≤m≤K+num,1≤n≤K)，则score(S_m＝S_n)＝+2；

当S_m≠S_n(1≤m≤K+num,1≤n≤K)，则score(S_m≠S_n)＝-1；

当S_m＝”_”或S_n＝”_”(1≤m≤K+num,1≤n≤K)，则gap＝-1；

其中num表示用户采集的位置点存在于序列L_j却不存在与序列L₁的个数，第一次序列间聚类时，num＝0；

4.3)设计矩阵

RSS序列L₁＝{S₁,S₂,...,S_K+num}和RSS序列L_j＝{S₁,S₂,...,S_K}所组成的矩阵中，矩阵中的每一个元素F(m,n)满足如下公式：

F(m,0)＝0,0≤m≤K+num

F(0,n)＝0,0≤n≤K

4.4)回溯，回溯方法如下：

4.5)计算两条RSS序列中匹配的位置点，方法如下：

若F(m,n)→F(m-1,n-1)，则表示S_m-1＝S_n-1；

若F(m,n)→F(m-1,n)，则表示S_n-1＝”_”；

若F(m,n)→F(m,n-1)，则表示S_m-1＝”_”；

从最高分回溯到F(0,0)，根据回溯，实现不同序列间相同区域的位置点匹配，如果S_m-1＝”_”，则L₁＝L₁∪S_n-1；

4.6)执行步骤4.1到4.5，直到RSS序列L₁和第M条RSS序列匹配结束；

4.7)令G_e＝G_e∪L₁，执行步骤3到步骤4，直到第w个用户所收集的WiFi RSS序列合并到G_e中，其中G_e是包含第e层楼中每个用户生成的RSS序列的集合，记G_e＝{P₁,P₂,...,P_v,...,P_w}，初始化其中P_v表示第v个用户采集的所有位置点的集合，记P_v＝{P_v,1,P_v,2,...,P_v,z}，z表示P_v集合中第z个位置点；

5)设置地标；所述地标包括软地标和硬地标，将步骤4)中被多次记录的位置点设置为软地标；将楼梯口、墙角处设置为硬地标；

6)合并多用户的序列形成室内逻辑平面图；

7)匹配逻辑图与物理图，利用步骤5和步骤6将楼层的逻辑平面图与该楼层的物理图进行匹配，将真实的室内平面图转化为物理平面图；

8)叠加逻辑图与物理图；

9)基于位置指纹的用户室内定位，在指纹库中，找到在指纹库中与RSS观测值的欧氏距离最近的指纹，然后将它所对应的位置坐标作为用户当前的位置。