CN104113868A - 利用众包维护的室内位置指纹库建立方法及*** - Google Patents

Abstract

本发明公开了一种利用众包维护的室内位置指纹库建立方法，包括以下步骤：利用智能移动终端采集室内参考点的位置指纹，形成位置指纹库；在待定位点执行定位算法，进行定位；用户对定位结果进行评价和更正，如果对定位结果满意，定位结果作为一条新的位置指纹存入位置指纹库；如果对定位结果不满意，对用户的更正进行检测：检测通过，则更正作为一条新的位置指纹存入位置指纹库，否则丢弃更正。本发明还公开了一种实施该方法的***。利用本发明的方法及***，解决了由专业人员维护位置指纹库耗费巨大人力成本的问题，使得定位***可以在较长时间内保持较高的定位性能。

Description

利用众包维护的室内位置指纹库建立方法及***

技术领域

本发明属于无线室内定位领域，尤其涉及利用众包维护的室内位置指纹库建立方法及***。

背景技术

随着大体量建筑的开发数量日益增多以及智能移动终端的普及，人们对室内位置服务的需求正迅速增加。而公共安全、应急救援、大型场馆管理、特殊人群监护、物联网和智慧城市建设等领域都需要准确的室内位置信息。传统的卫星定位技术，如GPS和北斗，只能提供室外定位服务，在室内环境，由于卫星信号受到阻隔加之室内地图的缺失，无法为用户提供精准的位置信息。为此，国内外许多公司、高校和科研机构都围绕室内定位展开了研究。现有的室内定位技术种类繁多，有无线局域网(Wi-Fi)、射频标签(RFID)、紫蜂(ZigBee)、蓝牙(Bluetooth)、超宽带无线电(UltraWideBand，UWB)、地磁场强、超声波定位、LED定位、计算机视觉定位等。从技术成熟与大规模应用的现实角度考虑，Wi-Fi定位成为当前主流、也是未来最具发展潜力的室内定位方法。

目前Wi-Fi室内定位方法中应用最普遍的是位置指纹定位法，该方法分为离线训练和在线定位两个阶段。离线训练阶段在待定位区域选定一系列参考点，在这些参考点处采集来自不同无线接入点(Access Point，AP)的信号强度(Received Signal Strength，RSS)值，将参考点坐标和对应AP的RSS信息存储在数据库中，建立位置指纹数据库；在线定位阶段则依据一定的匹配算法将待定位点上收到的相应AP的RSS信息与数据库中的已有信息进行比较，估计用户当前的位置。该方法的准确度很大程度上取决于位置指纹库的质量。然而，室内环境下射频信号传播非常复杂，墙壁、门窗和桌椅等设施以及人员走动会引发射频信号传播的多径和阴影效应，导致在室内固定位置处接收到各个AP的RSS时变性很强；此外，部署的AP也可能发生故障或位置的变更。这些都意味着离线阶段建立的位置指纹库并不能一劳永逸，需要经常维护更新，否则会使得定位结果不准确。如果由专业人员定期维护更新位置指纹库，非常耗费人力。

公开号为103347278A的专利文献提供了一种无线定位中指纹数据库的更新方法及装置。该方法通过对定位请求消息中所包含的指纹特征和/或根据所述定位请求消息所进行的基于指纹匹配的无线定位的定位结果进行质量验证，使得能够若通过所述质量验证，根据所述第一指纹特征和所述定位结果，生成指纹数据，并将所述指纹数据添加到指纹数据库中，由于定位平台利用通过质量验证的指纹特征和/或定位结果生成新的指纹数据，来更新指纹数据库，因此，能够避免现有技术中由于无线接入设备的可移动性而导致的定位平台仍然向终端提供无线接入设备移动之前的地理位置信息，或者无法向终端提供无线接入设备的地理位置信息的问题，从而提高了定位的可靠性。

但是在长期的使用过程中，位置指纹库中会由于环境发生改变或其他因素而存在无效的位置指纹，从而使定位结果的准确性以及定位效率下降。如何定期或不定期根据用户需要来维护位置指纹库，提高定位效率以及定位结果的准确性，成为亟需解决的问题。

发明内容

为解决位置指纹库的维护问题，本发明提出了利用众包维护的室内位置指纹库建立方法以及***。

一种利用众包维护的室内位置指纹库建立方法，包括如下步骤：

S1，在室内各个参考点采集位置指纹，利用采集到的所有位置指纹形成位置指纹库；

S2，采集待定位点所扫描到的AP的MAC地址以及对应的RSS值，利用位置指纹运行定位算法得到待定位点的定位结果；

S3，接收用户对定位结果的评价，并进行相应处理：评价满意，则将定位结果作为新的位置指纹存入位置指纹库；否则，对来自用户的更正进行检测：检测通过，则将更正作为新的位置指纹存入位置指纹库；丢弃更正，并拒绝将定位结果作为新的位置指纹。

众包是一种分布式的问题解决和生产模式，利用众包可以让每个用户在进行定位并享受定位结果的同时参与对位置指纹库的维护更新，保证位置指纹库的质量不随时间推移而下降，可以使得Wi-Fi室内定位***低成本、长时间运行成为可能。

而通过对用户更正的检测，可以避免位置指纹库被错误指纹污染。从而使位置指纹库中的指纹具有更高的有效性。其中，位置指纹是指利用移动终端采集到的室内参考点的Wi-Fi位置指纹。

在步骤S1中，位置指纹包括：参考点的位置坐标、在参考点扫描到的AP的MAC地址、对应MAC地址的RSS值以及采集时间。

参考点均匀分布于室内环境的各个房间、走廊、楼梯等，位置指纹库为所有参考点的Wi-Fi位置指纹的集合。在位置指纹库中进行位置指纹的有效性判断时，位置指纹的采集时间将作为一种判断依据。

其中所述位置指纹库根据位置指纹的采集时间，定期删除过期的位置指纹，其中位置指纹的保存时长根据位置指纹库的使用频率进行设置。

由于位置指纹会随时间推移下降，位置指纹库中的位置指纹会随着时间的推移而质量下降，尤其会由于室内环境发生改变而有所改变，对于时间过久的位置指纹，应作为过期的无效指纹进行删除，以提高位置指纹库的有效性。因此时间过久则位置指纹库中的位置指纹质量下降越明显，而时间太短则容易导致位置指纹库中的有效位置指纹也被误删除。同时有些位置指纹库由于用户的使用频率不高，如果长期不用可能存在被清空的情况，需要重新建立位置指纹库，因此根据用户的位置指纹库的使用频率来设定位置指纹的删除时间。其中，此处采集时间包括步骤S1中形成位置指纹库时各个位置指纹的形成时间，也包括用户进行定位时，作为位置指纹的定位结果的采集时间。

在步骤S1中，在室内各个参考点采集位置指纹的方式为，在参考点利用智能移动终端连续扫描3次，选取3次扫描中RSS值均超过-80dBm的AP，对于存入位置指纹库中的各个AP，其RSS值为其3次扫描所得RSS值的平均值。

AP的RSS值影响因素很多，人员走动、墙壁的阻挡、物体分布所导致的瑞利衰落和阴影衰落，都有可能造成RSS值不稳定，RSS值存在有时较强，有时较弱的情况。因此需要多次扫描选取RSS值比较稳定且足够高的AP作为参考点中存入位置指纹库的AP。扫描次数过多则计算量较大，扫描次数过少，则不足以得到稳定的AP，因此作为优选，进行3次扫描。在这3次扫描中，将每次扫描RSS值均超过-80dBm的AP认为是强度足够且稳定的AP。由于3次扫描中RSS值仍有可能发生变化，因此，在进行位置指纹的存储时，将该AP在3次扫描中得到的RSS值进行平均，所得到的平均值作为该AP对应的RSS值，以供后续比较。

在步骤S2中，定位算法的执行方式为：将待定位点所扫描到的AP的RSS值与当前位置指纹库中所有参考点的RSS值逐一进行相似度计算，相似度最高的参考点位置作为定位结果，在定位算法中，对于任意位置l₁和l₂，两者之间的相似度计算方式为：

$S_{l_1,l_2}=\frac{1}{\left|A\right|}\underset{\∀a\∈A}{\mathrm{\Σ}}\frac{\min \left(\right|f_1\left(a\right)|,|f_2\left(a\right)\left|\right)}{\max \left(\right|f_1\left(a\right)|,|f_2\left(a\right)\left|\right)}$

位置l₁扫描到的AP的集合为A₁，位置l₂扫描到的AP的集合为A₂，得到AP集合A＝A₁∪A₂，|A|表示位置l₁和l₂所扫描到的AP的总个数；f_i(a)表示对应位置l_i中AP a的RSS值，以dBm为单位，|f_i(a)|表示f_i(a)的绝对值，若在位置l_i不能扫描到AP a，则令f_i(a)＝0。

AP a是指集合A中任意的AP用a表示。将位置l₁和位置l₂中其中一者作为待定位点，另一者作为参考点，计算两者的相似度，相似度的取值范围为0到1，其中1表示参考点与待定位点所扫描到的AP完全匹配，0表示参考点与待定位点所扫描到的AP完全不同。通过将待定位点与位置指纹库中各个参考点的位置指纹逐一进行匹配，将与待定位点相似度最高的参考点作为待定位点的定位结果。

在步骤3中，用户超过预设时间未进行更正，则判断为对定位结果的评价满意。

在进行定位结果的评价过程中，用户可能未对定位结果进行满意度，因此通过预设时间，将超过预设时间未作更正的用户评价默认为满意，能够提高位置指纹的评价效率以及智能程度。

在步骤3中，对于更正结果的检测方式为聚类处理，通过判断定位结果与更正是否在同一簇类上来判断是否检测通过：是，则检测通过；否则检测不通过。

由于定位结果是与存于位置指纹库中的参考点进行比较，而参考点本身就较为稳定，因此通过判断用户的更正是否与定位结果存在于同一簇类，来防止用户恶意更正，避免用户的错误位置指纹污染位置指纹库。

在步骤3中，聚类处理的算法为基于密度的DBSCAN算法，其中邻域半径ε以及ε邻域内最少点个数MinPts根据室内环境进行设置。

基于密度的DBSCAN算法的思想为：对于某一聚类中的每个数据对象(即位置点)，在给定邻域半径ε的邻域内数据对象个数必须大于某个给定值，也就是说，邻域密度必须超过阈值MinPts。在处理空间数据时该聚类算法具有快速、有效处理噪声点和发现任意形状的聚类优点。其中关键参数邻域半径ε和ε邻域内最少点个数MinPts根据用户的需要进行设置。例如，将邻域半径ε设为室内环境中最小房间对角线长度的一半，ε邻域内最少点个数MinPts设为所有房间参考点数目的平均值。

为实现本发明的位置指纹库建立方法，本发明还提供了一种***，利用众包维护来建立室内位置指纹库。

一种利用众包维护的室内位置指纹库建立***，包括终端以及服务端，其特征在于，

所述终端包括：

指纹采集模块，用于采集室内各参考点的位置指纹，并通过终端通信模块发送给服务端；

用户交互界面，用于在进行待定位点的定位时显示定位结果并接收用户对定位结果的评价以及更正；

终端通信模块，用于向服务端传输位置指纹、待定位点各AP的MAC地址及其对应的RSS值，以及来自用户的评价和更正，并接收来自服务端的定位结果以及对更正的检测结果；

所述服务端包括：

位置指纹库，用于存储所有参考点的位置指纹以及用户评价满意的定位结果；

定位模块，用于在定位时根据位置指纹库中的位置指纹对待定位点执行定位算法，并将定位结果传递给服务端通信模块；

更正检测模块：用于检测用户对定位结果的更正并进行相应处理：检测通过，则将更正代替定位结果作为新的位置指纹存入位置指纹库；否则，丢弃更正，并拒绝将定位结果作为新的位置指纹；

服务端通信模块，用于将定位结果以及对更正的检测传输至终端通信模块，并接收来自终端的位置指纹、待定位点各AP的MAC地址及其对应的RSS值。

该***的终端为智能移动终端，通过位置采集模块进行位置指纹的采集，与服务端之间进行通信，将所采集到的位置指纹存入服务端的位置指纹库中。通过增加用户交互界面和更正检测模块，允许用户在进行定位时，参与到位置指纹库的维护中来，对不满意的定位结果进行更正，并通过检测来去除错误的更正，从而提高了位置指纹库的有效性。

所述更正检测模块采用聚类处理进行检测，其中聚类处理的算法为基于密度的DBSCAN算法，其中邻域半径ε以及ε邻域内最少点个数MinPts根据室内最小单元的空间尺寸进行设置。

聚类算法判断用户的更正与定位结果是否处于同一簇类中，来判断用户更正是否准确，防止用户的恶意更正，从而避免位置指纹库受到污染。室内最小单元包括：占地最小面积的房间、楼道。空间尺寸包括在地面上的对角线或直径。

本发明允许用户对定位结果进行评价和更正，使得用户在享受定位结果的同时参与到位置指纹库的维护更新中，特别针对用户可能错误的更正提出了基于聚类的更正检测方法，能有效避免位置指纹库被普通用户上传的错误指纹污染，解决了由专业人员维护位置指纹库耗费巨大人力成本的问题，使得定位***可以在较长时间内保持较高的定位性能。

附图说明

图1为本发明一个实施例的室内位置指纹库维护方法的流程图；

图2为本发明当前实施例维护室内位置指纹库的***结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1是本发明一个实施例提供的室内位置指纹库建立方法的实现流程图，如图1所示，本发明当前实施例中，方法包括以下步骤：

S1，在室内各个参考点采集Wi-Fi位置指纹，利用采集到的所有Wi-Fi位置指纹形成位置指纹库。

在最初建立位置指纹库时，利用智能移动终端(如智能手机、平板电脑等)采集室内参考点的Wi-Fi位置指纹。参考点事先在室内地图上选定，均匀分布于室内环境的各个房间、走廊、楼梯等。Wi-Fi位置指纹由参考点的位置坐标、能扫描到的AP的MAC地址及对应的RSS值、采集时间组成。终端在采集Wi-Fi位置指纹时，连续扫描3次，选取3次扫描中RSS值均超过-80dBm的AP，计算其RSS均值。所有参考点的Wi-Fi位置指纹的集合形成位置指纹库F。

其中，其中位置指纹的保存时长根据位置指纹库的使用频率进行设置。在当前实施例中，位置指纹库对于采集时间距离当前时间超过15天的Wi-Fi位置指纹从位置指纹库F中删除。

S2，采集待定位点所扫描到的AP的MAC地址以及对应的RSS值，利用RSS值运行定位算法得到待定位点的定位结果。

终端用户有定位要求时，采集待定位点能扫描到的AP的MAC地址及对应RSS值，将待定位点能扫描到的AP的RSS值与位置指纹库F中所有参考点的RSS值逐一进行相似度计算，两个位置的相似度计算方法如下：假设位置l₁和位置l₂能扫描到的AP的集合分别为A₁和A₂，令A＝A₁∪A₂，又假设在位置l_i能扫描到AP a的RSS值为f_i(a)，以dBm为单位，|f_i(a)|表示f_i(a)的绝对值。若在位置l_i不能扫描到AP a，则令f_i(a)＝0。定义位置l₁和位置l₂在信号空间的相似度为：

$S_{l_1,l_2}=\frac{1}{\left|A\right|}\underset{\∀a\∈A}{\mathrm{\Σ}}\frac{\min \left(\right|f_1\left(a\right)|,|f_2\left(a\right)\left|\right)}{\max \left(\right|f_1\left(a\right)|,|f_2\left(a\right)\left|\right)}$

为了更清楚地解释上述公式，举例说明如下：假设位置l₁和位置l₂扫描到得到AP的MAC地址及RSS值如表1和表2所示，那么位置l₁和位置l₂的相似度为：

$S_{l_1,l_2}=\frac{1}{4}(\frac{0}{80}+\frac{55}{75}+\frac{60}{75}+\frac{0}{85})\≈0.383$

表1

AP编号	MAC地址	RSS(dBm)
			1	14:e6:e4:d2:35:6a	-80
2	34:08:04:b9:0f:10	-75
			3	84:4b:f5:8c:f6:37	-75

表2

AP编号	MAC地址	RSS(dBm)
			2	34:08:04:b9:0f:10	-55
3	84:4b:f5:8c:f6:37	-60
			4	56:f0:6d:7c:57:80	-85

在将待定位点与各个参考点逐一进行相似度计算之后，最终定位结果为与待定位点相似度最高的参考点的位置。

S3，接收用户对定位结果的评价，并进行相应处理：评价满意，则将定位结果作为新的Wi-Fi位置指纹存入位置指纹库；否则，对来自用户的更正进行检测：检测通过，则将更正代替定位结果作为新的Wi-Fi位置指纹存入位置指纹库；否则，丢弃更正，并拒绝将定位结果作为新的Wi-Fi位置指纹。

用户对定位结果进行评价：若用户对定位结果满意，位置指纹库中新增Wi-Fi位置指纹具体为定位结果的位置坐标、采集到的AP的物理地址及对应RSS值、采集时间；若用户对定位结果不满意，给出更正结果，对更正结果和位置指纹库中的参考点进行基于密度的DBSCAN聚类处理，聚类处理具体如下：

考察包含更正结果和位置指纹库中参考点在内的任意一个点p，以p为圆心，半径为ε的圆被称为p的邻域，若p的邻域内包含的点数超过阈值(最少点个数)MinPts，则认为点p是一个核心对象，邻域中的点和p同属于一个簇类，这些邻域中的点将作为下一轮考察对象，分别以这些点为圆心做相同的判断，并通过不断对未访问过的点进行区域查询来扩展它们所在的簇类，直至找出所有能形成核心对象的点。算法中的两个关键参数邻域半径ε和ε邻域内的最少点个数MinPts分别设置为室内环境中最小房间对角线长度的一半和所有房间参考点数目的平均值。通过聚类算法处理后，所有的点形成k个簇类。判断更正结果与定位结果的位置点是否在同一簇类，如果在同一簇类，认为更正正确，位置指纹库新增Wi-Fi位置指纹具体为更正结果的位置坐标、采集到的AP的物理地址及对应RSS值、采集时间，否则认为更正有误，丢弃更正结果，同时也不将定位结果作为新的位置指纹存入位置指纹库中。

本发明当前实施例的方法利用图2所示的***进行实施。如图2所示，***包括终端1和服务端2。

终端1包含指纹采集模块11、通信模块12和提供用户交互界面13；服务端2包含位置指纹库21、定位模块22、通信模块23和更正检测模块24。

指纹采集模块11与通信模块12连接，用于采集能扫描到的AP的MAC地址及对应的RSS值、采集时间等。终端1在采集时，连续扫描3次，选取3次扫描中RSS值均超过-80dBm的AP，计算其RSS值均值，然后将采集到的Wi-Fi位置指纹信息通过通信模块12传输至服务端2；

通信模块12，与通信模块23和用户交互界面13连接，用于将终端1采集内容传输给服务端2，并接收服务端通信模块23返回的内容，传递给用户交互界面13显示；

用户交互界面13，与通信模块12连接，用于加载室内地图、标记参考点位置坐标、与指纹采集模块11采集的内容一起作为Wi-Fi位置指纹传递给通信模块12、显示由通信模块12返回的定位结果、使用户通过拖拽标记的方式更正定位结果，实现与用户的友好交互；

位置指纹库21，与定位模块22和更正检测模块24连接，用于存储所有参考点的Wi-Fi位置指纹信息，Wi-Fi位置指纹由参考点的位置坐标、能扫描到的AP的MAC地址及对应的RSS值、采集时间组成；在对待定位点进行定位时将位置指纹库中的Wi-Fi位置指纹输入定位模块22中计算定位结果；在对用户更正进行检测时将位置指纹库中的参考点输入更正检测模块24中进行聚类处理；

定位模块22，与位置指纹库21和通信模块23连接，在对待定位点进行定位时，用于将待定位点能采集到的AP的MAC地址及对应的RSS值与位置指纹库21的内容执行定位算法，将定位结果传递给通信模块23；若用户5秒内不对定位结果做出更正，认为用户对定位结果满意，自动将定位结果作为一条新的Wi-Fi位置指纹存入位置指纹库21；

服务端通信模块23，与通信模块12、位置指纹库21、定位模块22和更正检测模块24连接，用于将服务端计算得到的定位结果传输给终端通信模块12，并接收终端1的采集内容；在位置指纹库建立时将采集内容存入位置指纹库21；在对待定位点进行定位时将采集内容送入定位模块22；在对用户进行更正检测时将用户的更正位置传递给更正检测模块24。

服务端更正检测模块24，与位置指纹库21和通信模块23连接，用于接收由终端用户交互界面13传入的更正位置坐标，与位置指纹库21中的参考点一起执行更正检测算法，向终端用户交互界面13返回检测结果，若检测结果为正确，将更正作为一条新的Wi-Fi位置指纹存入位置指纹库21，否则丢弃更正，同时也不将定位结果存入位置指纹库21。

本发明允许用户对定位结果进行评价和更正，使得用户在享受定位结果的同时参与到位置指纹库的维护更新中，特别针对用户可能错误的更正提出了基于聚类的更正检测方法，能有效避免位置指纹库被普通用户上传的错误指纹污染。本发明解决了由专业人员维护位置指纹库耗费巨大人力成本的问题，使得定位***可以在较长时间内保持较高的定位性能。

Claims (10)

1.一种利用众包维护的室内位置指纹库建立方法，其特征在于，包括如下步骤：

S1，在室内各个参考点采集位置指纹，利用采集到的所有位置指纹形成位置指纹库；

S2，采集待定位点所扫描到的AP的MAC地址以及对应的RSS值，利用位置指纹运行定位算法得到待定位点的定位结果；

S3，接收用户对定位结果的评价，并进行相应处理：评价满意，则将定位结果作为新的位置指纹存入位置指纹库；否则，对来自用户的更正进行检测：检测通过，则将更正代替定位结果作为新的位置指纹存入位置指纹库；否则，丢弃更正，并拒绝将定位结果作为新的位置指纹。

2.如权利要求1所述利用众包维护的室内位置指纹库建立方法，其特征在于，在步骤S1中，每条位置指纹包括：参考点的位置坐标、在参考点扫描到的AP的MAC地址、对应MAC地址的RSS值以及采集的时间。

3.如权利要求1所述利用众包维护的室内位置指纹库建立方法，其特征在于，其中所述位置指纹库根据位置指纹的采集时间，定期删除过期的位置指纹，其中位置指纹的保存时长根据位置指纹库的使用频率进行设置。

4.如权利要求1或2所述利用众包维护的室内位置指纹库建立方法，其特征在于，在步骤S1中，在室内各个参考点采集位置指纹的方式为，在参考点利用智能移动终端连续扫描3次，选取3次扫描中RSS值均超过-80dBm的AP，对于存入位置指纹库中的各个AP，其RSS值为其3次扫描所得RSS值的平均值。

5.如权利要求1或2所述利用众包维护的室内位置指纹库建立方法，其特征在于，在步骤S2中，定位算法的执行方式为：将待定位点所扫描到的AP的RSS值与当前位置指纹库中所有参考点的RSS值逐一进行相似度计算，相似度最高的参考点位置作为定位结果，在定位算法中，对于任意位置l₁和l₂，两者之间的相似度计算方式为：

$S_{l_1,l_2}=\frac{1}{\left|A\right|}\underset{\∀a\∈A}{\mathrm{\Σ}}\frac{\min \left(\right|f_1\left(a\right)|,|f_2\left(a\right)\left|\right)}{\max \left(\right|f_1\left(a\right)|,|f_2\left(a\right)\left|\right)}$

位置l₁扫描到的AP的集合为A₁，位置l₂扫描到的AP的集合为A₂，得到AP集合A＝A₁∪A₂，|A|表示位置l₁和l₂所扫描到的AP的总个数；f_i(a)表示对应位置l_i中AP a的RSS值，以dBm为单位，|f_i(a)|表示f_i(a)的绝对值，若在位置l_i不能扫描到AP a，则令f_i(a)＝0。

6.如权利要求1所述利用众包维护的室内位置指纹库建立方法，其特征在于，在步骤3中，用户超过预设时间未进行更正，则判断为对定位结果的评价满意。

7.如权利要求1所述利用众包维护的室内位置指纹库建立方法，其特征在于，在步骤3中，对于更正结果的检测方式为聚类处理，通过判断定位结果与更正结果是否在同一簇类上来判断是否检测通过：是，则检测通过；否则检测不通过。

8.如权利要求7所述利用众包维护的室内位置指纹库建立方法，其特征在于，在步骤3中，聚类处理的算法为基于密度的DBSCAN算法，其中邻域半径ε以及ε邻域内最少点个数MinPts根据室内环境进行设置。

9.一种利用众包维护的室内位置指纹库建立***，包括终端以及服务端，其特征在于，

所述终端包括：

指纹采集模块，用于采集室内各参考点的位置指纹，并通过终端通信模块发送给服务端；

用户交互界面，用于在进行待定位点的定位时显示定位结果并接收用户对定位结果的评价以及更正；

终端通信模块，用于向服务端传输位置指纹、待定位点各AP的MAC地址及其对应的RSS值，以及来自用户的评价和更正，并接收来自服务端的定位结果以及对更正的检测结果；

所述服务端包括：

位置指纹库，用于存储所有参考点的位置指纹以及用户评价满意的定位结果；

定位模块，用于在定位时根据位置指纹库中的位置指纹对待定位点执行定位算法，并将定位结果传递给服务端通信模块；

更正检测模块：用于检测用户对定位结果的更正并进行相应处理：检测通过，则将更正代替定位结果作为新的位置指纹存入位置指纹库；否则，丢弃更正，并拒绝将定位结果作为新的位置指纹；

服务端通信模块，用于将定位结果以及对更正的检测传输至终端通信模块，并接收来自终端的位置指纹、待定位点各AP的MAC地址及其对应的RSS值。

10.如权利要求9所述利用众包维护的室内位置指纹库建立***，其特征在于，所述更正检测模块采用聚类处理进行检测，其中聚类处理的算法为基于密度的DBSCAN算法，其中邻域半径ε以及ε邻域内最少点个数MinPts根据室内最小单元的空间尺寸进行设置。