JP7446642B2 - Signal map construction method, device, equipment and readable storage medium - Google Patents
Signal map construction method, device, equipment and readable storage medium Download PDFInfo
- Publication number
- JP7446642B2 JP7446642B2 JP2022563236A JP2022563236A JP7446642B2 JP 7446642 B2 JP7446642 B2 JP 7446642B2 JP 2022563236 A JP2022563236 A JP 2022563236A JP 2022563236 A JP2022563236 A JP 2022563236A JP 7446642 B2 JP7446642 B2 JP 7446642B2
- Authority
- JP
- Japan
- Prior art keywords
- fingerprint
- original
- signal map
- cluster
- road network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims description 35
- 238000005070 sampling Methods 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Description
本願は、測位の技術分野に関し、特に、信号マップの構築方法、装置、機器及び読み取り可能な記憶媒体に関する。 TECHNICAL FIELD The present application relates to the technical field of positioning, and in particular to a signal map construction method, apparatus, device, and readable storage medium.
リアルタイム測位技術は、交通、商業、物流、個性的なサービスなど、多くのハイレベルなアプリケーションの基礎技術となっている。全地球航法衛星システムは、長期的な発展を経て、室外環境では、優れた測位サービスを提供できるようになっている。 Real-time positioning technology has become the fundamental technology for many high-level applications such as transportation, commerce, logistics, and personalized services. Through long-term development, global navigation satellite systems have become capable of providing excellent positioning services in outdoor environments.
一方、室内環境では、衛星信号が地上に到達したときに弱くなり、建物を透過できないこと、マルチパス効果などの問題により、全地球測位システムは信頼性の高いサービスを提供できない。そのため、近年、室内測位技術はナビゲーション分野の注目されている研究方向になっている。室内Wi-Fi信号マップを利用した室内測位は、測位精度が高く、配備が容易で、移植性が高いなどの特徴から、最も広く応用されている室内測位技術の1つとなっている。 On the other hand, in indoor environments, the Global Positioning System cannot provide reliable service due to problems such as satellite signals being weak when they reach the ground, not being able to penetrate buildings, and multipath effects. Therefore, in recent years, indoor positioning technology has become a hot research direction in the navigation field. Indoor positioning using indoor Wi-Fi signal maps has become one of the most widely applied indoor positioning technologies due to its high positioning accuracy, easy deployment, and high portability.
室内Wi-Fi信号マップを利用した室内測位を行うには、Wi-Fi信号マップを構築しなければならない。Wi-Fi信号マップにおけるWi-Fi指紋がまばらすぎると、測位精度が低下し、一方、Wi-Fi指紋が密すぎると、信号マップのデータ量が大きくなり、データキャッシュや算出オーバーヘッドが増加し、また、Wi-Fi指紋間の信号特性の相違が弱まり、測位精度に悪影響を与える。 In order to perform indoor positioning using an indoor Wi-Fi signal map, a Wi-Fi signal map must be constructed. If the Wi-Fi fingerprints in the Wi-Fi signal map are too sparse, the positioning accuracy will decrease, while if the Wi-Fi fingerprints are too dense, the amount of data in the signal map will increase, data cache and calculation overhead will increase, Additionally, differences in signal characteristics between Wi-Fi fingerprints are weakened, which adversely affects positioning accuracy.
以上のように、Wi-Fi信号マップ構築などの問題をどのように解決するかは、現在当業者が早急に解決すべき技術的課題である。 As described above, how to solve the problem of constructing a Wi-Fi signal map is currently a technical issue that those skilled in the art should solve as soon as possible.
本願の目的は、オリジナルWi-Fi指紋をクラスタリングし、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋を用いて新たなWi-Fi指紋を再構築した後、新たなWi-Fi指紋に基づいて、規模が小さく且つ信号特性の相違がより大きなWi-Fi信号マップを構築することができる信号マップの構築方法、装置、機器及び読み取り可能な記憶媒体を提供する。 The purpose of this application is to cluster the original Wi-Fi fingerprints, reconstruct a new Wi-Fi fingerprint using the original Wi-Fi fingerprints in the Wi-Fi fingerprint cluster, and then, based on the new Wi-Fi fingerprints, Provided are a signal map construction method, device, device, and readable storage medium that can construct a Wi-Fi signal map that is small in scale and has larger differences in signal characteristics.
上記の技術的課題を解决するために、本願は以下の技術的解決策を提案する。
信号マップの構築方法であって、
オリジナルWi-Fi指紋を取得するステップと、
前記オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得るステップと、
前記Wi-Fi指紋クラスタにおける前記オリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得るステップと、
前記新たなWi-Fi指紋を利用してWi-Fi信号マップを構築するステップと、を含む。
In order to solve the above technical problem, this application proposes the following technical solution.
A method for constructing a signal map, the method comprising:
obtaining an original Wi-Fi fingerprint;
clustering the original Wi-Fi fingerprints to obtain Wi-Fi fingerprint clusters;
obtaining a new Wi-Fi fingerprint using the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster;
constructing a Wi-Fi signal map using the new Wi-Fi fingerprint.
好ましくは、Wi-Fi指紋クラスタにおける前記オリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得る前記ステップは、
前記Wi-Fi指紋クラスタのクラスタ中心に対応する地理座標を取得するステップと、
前記Wi-Fi指紋クラスタにおける全ての前記オリジナルWi-Fi指紋に現れた全てのWi-Fiアクセスポイントについて、前記Wi-Fiアクセスポイントの受信信号強度の平均値及び受信信号強度の分散値を算出するステップと、
前記地理座標、各前記Wi-Fiアクセスポイントの前記受信信号強度の平均値及び前記受信信号強度の分散値を利用して、前記新たなWi-Fi指紋を構築するステップと、を含む。
Preferably, the step of obtaining a new Wi-Fi fingerprint using the original Wi-Fi fingerprint in a Wi-Fi fingerprint cluster comprises:
obtaining geographic coordinates corresponding to a cluster center of the Wi-Fi fingerprint cluster;
For all the Wi-Fi access points appearing in all the original Wi-Fi fingerprints in the Wi-Fi fingerprint cluster, calculate the average value of the received signal strength and the variance value of the received signal strength of the Wi-Fi access points. step and
constructing the new Wi-Fi fingerprint using the geographic coordinates, the average received signal strength and the variance of the received signal strength of each Wi-Fi access point.
好ましくは、オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得る前記ステップは、
前記オリジナルWi-Fi指紋のそれぞれから道路網ノードのそれぞれまでの水平距離を算出するステップと、
前記水平距離を利用して前記オリジナルWi-Fi指紋をクラスタリングして、前記Wi-Fi指紋クラスタを得るステップと、を含む。
Preferably, said step of clustering original Wi-Fi fingerprints to obtain Wi-Fi fingerprint clusters comprises:
calculating a horizontal distance from each of the original Wi-Fi fingerprints to each of the road network nodes;
clustering the original Wi-Fi fingerprints using the horizontal distance to obtain the Wi-Fi fingerprint clusters.
好ましくは、オリジナルWi-Fi指紋を取得する前記ステップは、
室内デジタルマップと、道路網ノードを有するサンプルパスを含む道路網を取得するステップと、
前記室内デジタルマップを利用して前記道路網ノードの地理座標を決定するステップと、
前記サンプルパスを利用して、所定の周波数でWi-Fi走査をトリガーし、Wi-Fiデータを記録するステップと、
前記Wi-Fiデータと前記道路網ノードの地理座標を利用して、前記オリジナルWi-Fi指紋を算出するステップと、を含む。
Preferably, said step of obtaining an original Wi-Fi fingerprint comprises:
obtaining an indoor digital map and a road network including a sample path with road network nodes;
determining geographic coordinates of the road network node using the indoor digital map;
triggering a Wi-Fi scan at a predetermined frequency to record Wi-Fi data using the sample path;
calculating the original Wi-Fi fingerprint using the Wi-Fi data and the geographic coordinates of the road network node.
好ましくは、Wi-Fiデータと前記道路網ノードの地理座標を利用して、前記オリジナルWi-Fi指紋を算出する前記ステップは、
サンプルパスのサンプリング開始・終了時間を取得するステップと、
前記サンプリング開始・終了時間を利用して前記道路網ノードのタイムスタンプを決定するステップと、
前記道路網ノードのタイムスタンプを利用して、前記Wi-Fiデータの地理座標を算出するステップと、
前記Wi-Fiデータと該Wi-Fiデータの地理座標を利用して、前記オリジナルWi-Fi指紋を構築するステップと、を含む。
Preferably, the step of calculating the original Wi-Fi fingerprint using Wi-Fi data and the geographical coordinates of the road network node comprises:
a step of obtaining sampling start and end times of the sample path;
determining a timestamp of the road network node using the sampling start and end times;
calculating geographic coordinates of the Wi-Fi data using time stamps of the road network nodes;
constructing the original Wi-Fi fingerprint using the Wi-Fi data and geographic coordinates of the Wi-Fi data.
好ましくは、サンプリング開始・終了時間を利用して前記道路網ノードのタイムスタンプを決定する前記ステップは、
前記サンプリング開始・終了時間を利用して前記サンプルパスの合計サンプリング時間を決定するステップと、
前記合計サンプリング時間を利用して、前記道路網ノードの前記サンプルパスでの相対位置と組み合わせて、サンプリングするときに前記道路網ノードを通過するタイムスタンプを算出するステップと、
前記道路網ノードに前記タイムスタンプをマークするステップと、を含む。
Preferably, the step of determining timestamps of the road network nodes using sampling start and end times comprises:
determining a total sampling time of the sample path using the sampling start and end times;
utilizing the total sampling time and in combination with the relative position of the road network node on the sample path to calculate a timestamp of passing through the road network node when sampling;
marking the road network node with the timestamp.
好ましくは、新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する前記ステップの後に、
マップ更新要求を受信して解析し、目標Wi-Fi指紋を得るステップと、
前記Wi-Fi信号マップにおいて前記目標Wi-Fi指紋との水平距離が最も短い目標Wi-Fi指紋クラスタを決定するステップと、
前記目標Wi-Fi指紋クラスタに前記目標Wi-Fi指紋を追加するステップと、
前記目標Wi-Fi指紋クラスタにおける全てのWi-Fi指紋を利用して、前記目標Wi-Fi指紋クラスタの新たなWi-Fi指紋を改めて算出するステップと、
改めて算出した新たなWi-Fi指紋を利用して、前記Wi-Fi信号マップを更新するステップと、をさらに含む。
Preferably, after said step of constructing a Wi-Fi signal map using the new Wi-Fi fingerprint,
receiving and parsing the map update request to obtain a target Wi-Fi fingerprint;
determining a target Wi-Fi fingerprint cluster having the shortest horizontal distance to the target Wi-Fi fingerprint in the Wi-Fi signal map;
adding the target Wi-Fi fingerprint to the target Wi-Fi fingerprint cluster;
recalculating a new Wi-Fi fingerprint of the target Wi-Fi fingerprint cluster using all Wi-Fi fingerprints in the target Wi-Fi fingerprint cluster;
The method further includes the step of updating the Wi-Fi signal map using the newly calculated Wi-Fi fingerprint.
Wi-Fi信号マップ構築装置であって、
オリジナルWi-Fi指紋を取得するオリジナルWi-Fi指紋取得モジュールと、
前記オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得るクラスタリングモジュールと、
前記Wi-Fi指紋クラスタにおける前記オリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得るWi-Fi指紋融合モジュールと、
前記新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する信号マップ構築モジュールと、を含む。
信号マップ構築機器であって、
コンピュータプログラムを記憶するメモリと、
前記コンピュータプログラムを実行すると、上記の信号マップの構築方法のステップを実現するプロセッサと、を含む。
A Wi-Fi signal map construction device, comprising:
an original Wi-Fi fingerprint acquisition module that acquires an original Wi-Fi fingerprint;
a clustering module that clusters the original Wi-Fi fingerprints to obtain Wi-Fi fingerprint clusters;
a Wi-Fi fingerprint fusion module that uses the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster to obtain a new Wi-Fi fingerprint;
a signal map construction module that constructs a Wi-Fi signal map using the new Wi-Fi fingerprint.
A signal map construction device,
memory for storing computer programs;
a processor that, when executed, implements the steps of the signal map construction method described above.
読み取り可能な記憶媒体であって、コンピュータプログラムが記憶されている、プロセッサによって実行されると上記の信号マップの構築方法のステップを実現する。 A readable storage medium having a computer program stored thereon, which when executed by a processor implements the steps of the signal map construction method described above.
本願の実施例による方法を用いると、オリジナルWi-Fi指紋を取得し、オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得て、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得て、新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する。 Using the method according to the embodiments of the present application, an original Wi-Fi fingerprint is obtained, the original Wi-Fi fingerprint is clustered to obtain a Wi-Fi fingerprint cluster, and the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster is The Wi-Fi fingerprint is used to obtain a new Wi-Fi fingerprint, and the new Wi-Fi fingerprint is used to construct a Wi-Fi signal map.
オリジナルWi-Fi指紋を取得した後、Wi-Fi信号マップのデータ量を削減するために、まず、オリジナルWi-Fi指紋をクラスタリングして、オリジナルWi-Fi指紋よりもデータが少ないWi-Fi指紋クラスタを得る。Wi-Fi指紋の信号特性の相違を向上させるために、オリジナルWi-Fi指紋の代わりに、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋に基づいて、新たなWi-Fi指紋を取得する。次に、Wi-Fi指紋クラスタに対応する新たなWi-Fi指紋のそれぞれに基づいて、Wi-Fi信号マップを構築することができる。クラスタリング及び新たなWi-Fi指紋取得によって、構築されたWi-Fi信号マップのデータ量を大幅に削減し、データキャッシュを削減させて算出オーバーヘッドを減少させることができる一方、Wi-Fi指紋間の信号特性の相違を増強し、測位精度を高めることができる。 After obtaining the original Wi-Fi fingerprint, in order to reduce the amount of data in the Wi-Fi signal map, we first cluster the original Wi-Fi fingerprint to find Wi-Fi fingerprints with less data than the original Wi-Fi fingerprint. Get a cluster. In order to improve the signal characteristic difference of Wi-Fi fingerprints, a new Wi-Fi fingerprint is obtained based on the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster instead of the original Wi-Fi fingerprint. A Wi-Fi signal map can then be constructed based on each new Wi-Fi fingerprint that corresponds to the Wi-Fi fingerprint cluster. Clustering and new Wi-Fi fingerprint acquisition can significantly reduce the data amount of the constructed Wi-Fi signal map, reduce data cache and reduce calculation overhead, while It is possible to enhance the difference in signal characteristics and improve positioning accuracy.
それに応じて、本願の実施例はまた、信号マップの構築方法に対応する装置、機器及び読み取り可能な記憶媒体を提供し、これらは上記の技術的効果を有するので、ここでは詳しく説明しない。 Accordingly, embodiments of the present application also provide devices, equipment and readable storage media corresponding to the method of constructing a signal map, which have the above technical effect and will not be described in detail here.
本願の実施例又は従来技術の技術的解決策をより明確に説明するために、以下、実施例又は従来技術の説明に必要な図面を簡単に説明するが、当業者であれば、創造的な努力を必要とせずに、これらの図面に基づいて他の図面を得ることができる。
当業者が本願の解決手段をよりよく理解できるように、以下、図面及び具体的な実施形態を参照して本願についてさらに詳細に説明する。当業者が本願の実施例に基づいて創造的な努力を必要とせずに得る他の全ての実施例は本願の特許範囲に属する。 In order that those skilled in the art can better understand the solution of the present application, the present application will be explained in more detail below with reference to the drawings and specific embodiments. All other embodiments that a person skilled in the art may obtain based on the embodiments of the present application without any creative effort are within the scope of the patent of the present application.
なお、本願の実施例による信号マップの構築方法は、建物の単一の階を基本単位としてWi-Fi信号マップを構築する。したがって、特定の建物内のWi-Fi信号特性は複数の単一の階の信号マップで記述される。 Note that in the signal map construction method according to the embodiment of the present application, a Wi-Fi signal map is constructed using a single floor of a building as a basic unit. Therefore, the Wi-Fi signal characteristics within a particular building are described by multiple single floor signal maps.
理解を容易にするために、以下、本願の実施例の一部の用語を解釈して説明する。
Wi-Fiアクセスポイント(Wi-Fi Access Point(Wi-Fi AP)):無線信号を介してインターネットへの移動機器のアクセスを可能とするハードウェア機器であって、多くの場合は無線ルータ、移動ホットスポットなどを意味する。
In order to facilitate understanding, some terms in the embodiments of the present application will be interpreted and explained below.
Wi-Fi Access Point (Wi-Fi AP): A hardware device that enables mobile devices to access the Internet via wireless signals, often connected to a wireless router, mobile It means hot spot etc.
Wi-Fi指紋(Wi-Fi fingerprint):空間内の特定の位置で、走査された複数のWi-Fiアクセスポイント及びその信号強度によって形成され、別の位置での走査結果と別のデータ集合と、当該位置の所定の座標系の下での現在の座標値(例えば、経度と緯度の地理座標)とから構成される<信号、位置>データ対である。 Wi-Fi fingerprint: formed by multiple scanned Wi-Fi access points and their signal strength at a particular location in space, and combined with the scan results at another location and another data set. , the current coordinate value of the location under a predetermined coordinate system (for example, geographic coordinates of longitude and latitude).
MACアドレス:Wi-Fiアクセスポイントの物理アドレス又はハードウェアアドレスであって、Wi-Fiアクセスポイントを区別する一意なアドレスである。 MAC address: A physical address or hardware address of a Wi-Fi access point, which is a unique address that distinguishes the Wi-Fi access point.
SSID(Service Set Identifier):サービスセット識別子。本明細書では、Wi-Fiアクセスポイントによりブロードキャストされる無線ローカルエリアネットワークの名称であり、ローカルエリアネットワーク所有者によりカスタマイズされ、一意ではない。 SSID (Service Set Identifier): Service set identifier. As used herein, the name of a wireless local area network broadcast by a Wi-Fi access point, customized by the local area network owner and not unique.
RSSI(Received Signal Strength Indicator):本明細書では、Wi-Fiアクセスポイントから送信され、移動側機器で受信された無線ネットワーク信号の強度インジケータである。 RSSI (Received Signal Strength Indicator): As used herein, is the strength indicator of a wireless network signal transmitted from a Wi-Fi access point and received by a mobile device.
室内デジタルマップ:所定の座標系の下で、建物の内部構造、配置などの地上要素に、座標及び属性を付与、決定し、コンピュータにより認識可能で、記憶媒体に要約可能であり、順序付けられたデータ集合である。 Indoor digital map: Under a predetermined coordinate system, coordinates and attributes are assigned and determined to ground elements such as the internal structure and layout of a building, and the map can be recognized by a computer, summarized in a storage medium, and ordered. It is a data set.
室内Wi-Fi信号マップ:室内デジタルマップの座標系に基づいて、Wi-Fi指紋の地理座標位置を室内デジタルマップにマークすることによって形成される順序付けられたデータ集合であって、室内の測位計算のための比較用Wi-Fiデータ及び参照位置を提供する。 Indoor Wi-Fi signal map: An ordered data set formed by marking the geographical coordinate position of the Wi-Fi fingerprint on the indoor digital map based on the coordinate system of the indoor digital map, which is used for indoor positioning calculations. Provides comparative Wi-Fi data and reference locations for.
道路網(road network):室内デジタルマップにおいて室内の歩行可能な通路や領域を線分でマークした地理座標付きのネットワーク構造である。 Road network: A network structure with geographic coordinates in which indoor walkable paths and areas are marked with line segments on an indoor digital map.
道路網ノード:道路網における線分同士の交差点、接続点、及び所定の間隔で線分に挿入された地理座標付きの点であれば、道路網ノードとして定義される。 Road network node: An intersection or connection point between line segments in a road network, or a point with geographic coordinates inserted into line segments at a predetermined interval is defined as a road network node.
図1に示すように、図1は本願の実施例における信号マップの構築方法のフローチャートであり、該方法は、ステップS101~S104を含む。
S101、オリジナルWi-Fi指紋を取得する。
As shown in FIG. 1, FIG. 1 is a flowchart of a method for constructing a signal map in an embodiment of the present application, and the method includes steps S101 to S104.
S101: Obtain an original Wi-Fi fingerprint.
ここで、オリジナルWi-Fi指紋は、<信号、位置>データ対の信号及び位置のいずれも処理されていないWi-Fi指紋であり、即ち、サンプリングされたオリジナル状態のものである。 Here, the original Wi-Fi fingerprint is a Wi-Fi fingerprint in which neither the signal nor the position of the <signal, location> data pair has been processed, that is, it is in the sampled original state.
本実施例では、Wi-Fi指紋は、比較的密なWi-Fi信号マップからオリジナルWi-Fi指紋を直接取得してもよいし、読み取り可能な記憶媒体から予め記憶されたオリジナルWi-Fi指紋を直接読み取ってもよいし、静的サンプリング(P2P:Point-to-Point)又は歩行サンプリング(walk survey)の方式によって直接サンプリングし、オリジナルWi-Fi指紋を得てもよい。 In this embodiment, the Wi-Fi fingerprint may be obtained by directly acquiring an original Wi-Fi fingerprint from a relatively dense Wi-Fi signal map, or by obtaining an original Wi-Fi fingerprint stored in advance from a readable storage medium. The original Wi-Fi fingerprint may be obtained by directly reading the Wi-Fi fingerprint, or by directly sampling it using static sampling (P2P: Point-to-Point) or walk sampling.
これらのうち、静的サンプリングでは、空間座標の特定のサンプリングポイントに数秒~数分間滞在してこの期間内で走査されたWi-Fiアクセスポイント及び信号強度を記録し、即ち、信号と位置の2つの要素を取得して1つのWi-Fi指紋を構成することが必要である。収集過程では、サンプリングポイントが測位を必要とする建物の空間全体をカバーするまで、1つのサンプリングポイントから別のサンプリングポイントへ操作を繰り返す。 Among these, static sampling involves staying at a specific sampling point in spatial coordinates from a few seconds to a few minutes and recording the scanned Wi-Fi access points and signal strength within this period, i.e., the combination of signal and location. It is necessary to obtain two elements to construct one Wi-Fi fingerprint. The acquisition process repeats the operation from one sampling point to another until the sampling points cover the entire building space that requires positioning.
歩行サンプリングは収集と計算の2つの段階に分けられる。収集段階では、歩行軌跡におけるキーポイント(例えば、開始ポイント、ターニングポイント、終了ポイント)と途中走査されたWi-Fiアクセスポイント及び信号強度を記録する。計算段階では、各キーポイントの座標値や歩行中に記録されたタイムスタンプなどのデータを利用し、経路上に補間してWi-Fiデータの位置を得て、<信号、位置>データ対、即ちWi-Fi指紋を構築する。 Gait sampling is divided into two stages: collection and calculation. In the collection stage, key points in the walking trajectory (eg, starting point, turning point, ending point), Wi-Fi access points scanned along the way, and signal strength are recorded. In the calculation stage, data such as the coordinate values of each key point and time stamps recorded during walking are used, interpolated on the route to obtain the position of Wi-Fi data, and the <signal, position> data pair, That is, a Wi-Fi fingerprint is constructed.
S102、オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得る。 S102, clustering the original Wi-Fi fingerprint to obtain a Wi-Fi fingerprint cluster.
Wi-Fi指紋の数を減少し、Wi-Fi指紋間の信号の違いを向上させるために、オリジナルWi-Fi指紋を取得した後、オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得るようにしてもよい。 In order to reduce the number of Wi-Fi fingerprints and improve the signal difference between Wi-Fi fingerprints, after obtaining the original Wi-Fi fingerprints, cluster the original Wi-Fi fingerprints to create Wi-Fi fingerprint clusters. You may also obtain
1つのWi-Fi指紋クラスタは少なくとも1つのオリジナルWi-Fi指紋を含み、しかも、Wi-Fi指紋クラスタの数が少ないほど、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋が多くなる。 One Wi-Fi fingerprint cluster includes at least one original Wi-Fi fingerprint, and the fewer the number of Wi-Fi fingerprint clusters, the more original Wi-Fi fingerprints in the Wi-Fi fingerprint cluster.
クラスタリングにおいては、オリジナルWi-Fi指紋の位置同士の相対関係によってクラスタリングし、地理的な位置が近いオリジナルWi-Fi指紋を集めて1つのWi-Fi指紋クラスタとしてもよい。クラスタリングを行う際には、クラスタの数(又は各固定クラスタ中心の位置)を予め設定し、クラスタリングにより得られた最終的なWi-Fi指紋クラスタの数を制限してもよく、クラスタの数を制限せずに(クラスタ中心位置も制限せずに)、位置が近いオリジナルWi-Fi指紋をできる限り同一のWi-Fi指紋クラスタに集めてもよい。 In clustering, clustering may be performed based on the relative relationship between the positions of original Wi-Fi fingerprints, and original Wi-Fi fingerprints with close geographical locations may be collected to form one Wi-Fi fingerprint cluster. When performing clustering, the number of clusters (or the position of each fixed cluster center) may be set in advance to limit the number of final Wi-Fi fingerprint clusters obtained by clustering. Without any restriction (without restricting the cluster center position), original Wi-Fi fingerprints with close positions may be collected into the same Wi-Fi fingerprint cluster as much as possible.
好ましくは、実際に適用する場合、オリジナルWi-Fi指紋を収集するときに、実際の適用環境でユーザが歩行する経路を考慮するので、クラスタリングを行う際には、道路網ノードをクラスタ中心としてクラスタリングを行い、Wi-Fi指紋クラスタの中心が歩行経路上にあるようにし、これにより、測位精度を高めることができる。クラスタリング過程は、具体的には、ステップ1とステップ2を含む。
ステップ1、オリジナルWi-Fi指紋のそれぞれから道路網ノードのそれぞれまでの水平距離を算出する。
ステップ2、水平距離を利用してオリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得る。
Preferably, in actual application, when collecting original Wi-Fi fingerprints, the route walked by the user in the actual application environment is considered, so when clustering is performed, clustering is performed with road network nodes as cluster centers. is performed so that the center of the Wi-Fi fingerprint cluster is on the walking route, thereby increasing the positioning accuracy. Specifically, the clustering process includes Step 1 and Step 2.
Step 1. Calculate the horizontal distance from each of the original Wi-Fi fingerprints to each of the road network nodes.
Step 2. Cluster the original Wi-Fi fingerprints using horizontal distance to obtain Wi-Fi fingerprint clusters.
説明の便宜上、以下、上記の2つのステップを組み合わせて説明する。 For convenience of explanation, the above two steps will be described below in combination.
つまり、クラスタリングにおいては、道路網ノードをクラスタの中心、オリジナルWi-Fi指紋と道路網ノードとの水平距離を基準にして、オリジナルWi-Fi指紋を、オリジナルWi-Fi指紋との水平距離が最も短い道路網ノードに組み込み、各道路網ノードで1つのWi-Fi指紋クラスタを形成する。 In other words, in clustering, the road network node is the center of the cluster, and the horizontal distance between the original Wi-Fi fingerprint and the road network node is the standard, and the original Wi-Fi fingerprint is into short road network nodes and form one Wi-Fi fingerprint cluster at each road network node.
S103、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得る。 S103: Obtain a new Wi-Fi fingerprint using the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster.
本願の実施例では、Wi-Fi指紋の数を少なくし、Wi-Fi指紋間の信号特性の違いを増大するために、Wi-Fi指紋クラスタごとに、Wi-Fi指紋を改めて再構築してもよい。つまり、新たなWi-Fi指紋は元のWi-Fi指紋クラスタの全てのオリジナルWi-Fi指紋を置換する。 In the embodiment of the present application, in order to reduce the number of Wi-Fi fingerprints and increase the difference in signal characteristics between Wi-Fi fingerprints, the Wi-Fi fingerprints are newly reconstructed for each Wi-Fi fingerprint cluster. Good too. That is, the new Wi-Fi fingerprint replaces all original Wi-Fi fingerprints in the original Wi-Fi fingerprint cluster.
具体的には、新たなWi-Fi指紋の取得過程はステップ1~ステップ3を含む。
ステップ1、Wi-Fi指紋クラスタのクラスタ中心に対応する地理座標を取得する。
ステップ2、Wi-Fi指紋クラスタにおける全てのオリジナルWi-Fi指紋に現れたWi-Fiアクセスポイントについて、それぞれのアクセスポイントの受信信号強度の平均値及び受信信号強度の分散値を算出する。
ステップ3、地理座標、各Wi-Fiアクセスポイントの受信信号強度の平均値及び受信信号強度の分散値を利用して、新たなWi-Fi指紋を構築する。
Specifically, the process of acquiring a new Wi-Fi fingerprint includes steps 1 to 3.
Step 1. Obtain the geographic coordinates corresponding to the cluster center of the Wi-Fi fingerprint cluster.
Step 2: For the Wi-Fi access points appearing in all the original Wi-Fi fingerprints in the Wi-Fi fingerprint cluster, calculate the average value of the received signal strength and the variance value of the received signal strength of each access point.
Step 3: Construct a new Wi-Fi fingerprint using the geographic coordinates, the average value of the received signal strength and the variance value of the received signal strength of each Wi-Fi access point.
説明の便宜上、以下、上記3つのステップを組み合わせて説明する。 For convenience of explanation, the above three steps will be described below in combination.
クラスタリングを行う際には、クラスタ中心は、指定されたものであってもよく、クラスタリングアルゴリズムによりクラスタリングした後に決定されてもよい。このため、本実施例では、クラスタ中心が指定されたものである場合、指定されたクラスタ中心の地理座標を直接取得することができる。クラスタ中心が指定されていない場合、Wi-Fi指紋クラスタにおける全てのオリジナルWi-Fi指紋の地理的な位置の幾何学的中心をクラスタ中心の地理座標として算出することができる。 When performing clustering, the cluster center may be specified or may be determined after clustering by a clustering algorithm. Therefore, in this embodiment, if the cluster center is specified, the geographic coordinates of the specified cluster center can be directly acquired. If the cluster center is not specified, the geometric center of the geographic locations of all original Wi-Fi fingerprints in the Wi-Fi fingerprint cluster can be calculated as the geographic coordinates of the cluster center.
ここで、Wi-Fiアクセスポイントの受信信号強度の平均値は、Wi-FiアクセスポイントのRSSI平均値であり、受信信号強度の分散値はWi-FiアクセスポイントのRSSI分散値である。 Here, the average value of the received signal strength of the Wi-Fi access point is the RSSI average value of the Wi-Fi access point, and the variance value of the received signal strength is the RSSI variance value of the Wi-Fi access point.
新たなWi-Fi指紋における位置は、Wi-Fi指紋クラスタのクラスタ中心に対応する地理座標であり、具体的には、経度と緯度の形態で表され、新たなWi-Fi指紋における信号はクラスタにおけるオリジナルWi-Fi指紋に含まれる全てのWi-Fiアクセスポイント及び各アクセスポイントのRSSI平均値とRSSI分散値である。もちろん、本願の別の実施例では、Wi-Fi指紋における信号は他の表現形式としてもよい。 The position in the new Wi-Fi fingerprint is the geographical coordinate corresponding to the cluster center of the Wi-Fi fingerprint cluster, specifically expressed in the form of longitude and latitude, and the signal in the new Wi-Fi fingerprint is the geographical coordinate corresponding to the cluster center of the Wi-Fi fingerprint cluster. These are all the Wi-Fi access points included in the original Wi-Fi fingerprint, and the RSSI average value and RSSI variance value of each access point. Of course, in other embodiments of the present application, the signals in the Wi-Fi fingerprint may have other representations.
明らかに、同一建物内では、Wi-Fi指紋クラスタに基づく新たなWi-Fi指紋の数は、オリジナルWi-Fi指紋の数よりもはるかに少ない。さらに、あるノードの周辺の範囲内で、あるWi-Fiアクセスポイントのこの範囲内の信号特性はWi-Fi指紋クラスタにおけるRSSI統計値で表され、アクセスポイントが複数のオリジナルWi-Fi指紋に繰り返して現れることによる情報の冗長性を回避する。 Obviously, within the same building, the number of new Wi-Fi fingerprints based on Wi-Fi fingerprint clusters is much less than the number of original Wi-Fi fingerprints. Furthermore, within a certain node's surroundings, the signal characteristics of a certain Wi-Fi access point within this range are represented by the RSSI statistics in a Wi-Fi fingerprint cluster, such that the access point repeats over multiple original Wi-Fi fingerprints. Avoid information redundancy due to the appearance of
S104、新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する。 S104: Build a Wi-Fi signal map using the new Wi-Fi fingerprint.
オリジナルWi-Fi指紋の数よりも少なく且つWi-Fi指紋間の信号の違いがより明らかな新たなWi-Fi指紋を得た後、新たなWi-Fi指紋に基づいてWi-Fi信号マップを構築することができる。 After obtaining new Wi-Fi fingerprints that are smaller in number than the original Wi-Fi fingerprints and with more obvious signal differences between Wi-Fi fingerprints, a Wi-Fi signal map is created based on the new Wi-Fi fingerprints. Can be built.
Wi-Fi信号マップを構築した後、Wi-Fi信号マップに基づいて測位を行うことができる。該Wi-Fi信号マップのデータ量が少なく、且つWi-Fi指紋の信号特性間の違いがより明らかであるので、測位を行うときに、計算を減少させ、測位精度を高めることができる。 After constructing the Wi-Fi signal map, positioning can be performed based on the Wi-Fi signal map. Since the data amount of the Wi-Fi signal map is small and the differences between the signal characteristics of Wi-Fi fingerprints are more obvious, calculations can be reduced and the positioning accuracy can be increased when performing positioning.
本願の実施例による方法を用いると、オリジナルWi-Fi指紋を取得し、オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得て、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得て、新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する。 Using the method according to the embodiments of the present application, an original Wi-Fi fingerprint is obtained, the original Wi-Fi fingerprint is clustered to obtain a Wi-Fi fingerprint cluster, and the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster is The Wi-Fi fingerprint is used to obtain a new Wi-Fi fingerprint, and the new Wi-Fi fingerprint is used to construct a Wi-Fi signal map.
オリジナルWi-Fi指紋を取得した後、Wi-Fi信号マップのデータ量を削減するために、まず、オリジナルWi-Fi指紋をクラスタリングして、オリジナルWi-Fi指紋よりもデータが少ないWi-Fi指紋クラスタを得る。Wi-Fi指紋の信号特性の相違を向上させるために、オリジナルWi-Fi指紋の代わりに、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋に基づいて、新たなWi-Fi指紋を取得する。次に、Wi-Fi指紋クラスタに対応する新たなWi-Fi指紋のそれぞれに基づいて、Wi-Fi信号マップを構築することができる。クラスタリング及び新たなWi-Fi指紋取得によって、構築されたWi-Fi信号マップのデータ量を大幅に削減し、データキャッシュを削減させて算出オーバーヘッドを減少させることができる一方、Wi-Fi指紋間の信号特性の相違を増強し、測位精度を高めることができる。 After obtaining the original Wi-Fi fingerprint, in order to reduce the amount of data in the Wi-Fi signal map, we first cluster the original Wi-Fi fingerprint to find Wi-Fi fingerprints with less data than the original Wi-Fi fingerprint. Get a cluster. In order to improve the signal characteristic difference of Wi-Fi fingerprints, a new Wi-Fi fingerprint is obtained based on the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster instead of the original Wi-Fi fingerprint. A Wi-Fi signal map can then be constructed based on each new Wi-Fi fingerprint that corresponds to the Wi-Fi fingerprint cluster. Clustering and new Wi-Fi fingerprint acquisition can significantly reduce the data amount of the constructed Wi-Fi signal map, reduce data cache and reduce calculation overhead, while It is possible to enhance the difference in signal characteristics and improve positioning accuracy.
なお、上記実施例に基づいて、本願の実施例はまた、対応する改良形態を提供する。好ましい/改善された実施例においては、上記実施例と同じステップ又は対応するステップは互いに参照することができ、対応する有益な効果も互いに参照することができ、本明細書の好ましい/改善された実施例においては一々詳細には説明しない。 Note that, based on the above embodiments, the embodiments of the present application also provide corresponding improvements. In preferred/improved embodiments, the same steps or corresponding steps in the above embodiments can be referred to with each other, and corresponding beneficial effects can also be referred to with each other; In the embodiments, detailed explanations will not be given.
好ましくは、オリジナルWi-Fi指紋のサンプリング効率を高めるために、具体的には、以下のステップを実行することにより、オリジナルWi-Fi指紋を取得してもよい。
ステップ1、室内デジタルマップと、道路網ノードを有するサンプルパスを含む道路網を取得する。
ステップ2、室内デジタルマップを利用して道路網ノードの地理座標を決定する。
ステップ3、サンプルパスを利用して、所定の周波数でWi-Fi走査をトリガーし、Wi-Fiデータを記録する。
ステップ4、Wi-Fiデータと道路網ノードの地理座標を利用して、オリジナルWi-Fi指紋を算出する。
Preferably, in order to increase the sampling efficiency of the original Wi-Fi fingerprint, the original Wi-Fi fingerprint may be obtained by specifically performing the following steps.
Step 1. Obtain an indoor digital map and a road network including sample paths with road network nodes.
Step 2: Determine the geographical coordinates of the road network nodes using the indoor digital map.
Step 3. Utilize the sample path to trigger Wi-Fi scanning at a predetermined frequency and record Wi-Fi data.
Step 4: Calculate the original Wi-Fi fingerprint using the Wi-Fi data and the geographical coordinates of the road network nodes.
説明の便宜上、以下、上記4つのステップを組み合わせて詳細に説明する。 For convenience of explanation, the above four steps will be described in detail below in combination.
具体的には、マップ作成工具を用いてフロアのデジタルマップを作成してもよい。該デジタルマップは廊下、部屋、階段の吹き抜け、エレベーター室及び歩行経路を明らかに変える固定された地上要素(例えば、カーテンウォール、大きな範囲内で配置された椅子や机など)を含むが、これらに限定されるものではない。道路網生成プログラムを用いてデジタルマップ上に点-線構造で歩行可能領域をマークしてもよい。次に、建物の構造上の特徴に応じて道路網ノードの間隔パラメータを設定し、隣り合うノードの間隔がほぼ一致し、地理的な経度と緯度を有する道路網を生成する。例えば、図2に示すように、図2は本願の実施例における道路網の概略図であり、ここで、白抜き黒点は道路網ノードである。 Specifically, a digital map of the floor may be created using a map creation tool. The digital map includes hallways, rooms, stairwells, elevator rooms, and fixed ground elements that clearly change the walking path (e.g. curtain walls, chairs and desks placed within a large area, etc.); It is not limited. A road network generation program may be used to mark walkable areas in a dot-line structure on the digital map. Next, the spacing parameters of road network nodes are set according to the structural characteristics of the building, and a road network is generated in which the spacing between adjacent nodes is approximately the same and has geographic longitude and latitude. For example, as shown in FIG. 2, FIG. 2 is a schematic diagram of a road network according to an embodiment of the present application, where the white black dots are road network nodes.
好ましくは、構築されたWi-Fi信号マップによる測位をより正確にするために、道路網ノードのタイムスタンプを優先的に算出し、次に、セグメントごとにWi-Fiデータの地理座標を算出することができる。即ち、ステップ4は、具体的には、ステップ4.1~ステップ4.4を含んでもよい。
ステップ4.1、前記サンプルパスのサンプリング開始・終了時間を取得する。
ステップ4.2、前記サンプリング開始・終了時間を利用して前記道路網ノードのタイムスタンプを決定する。
ステップ4.3、道路網ノードのタイムスタンプを利用して、Wi-Fiデータの地理座標を算出する。
ステップ4.4、Wi-Fiデータ、及び該Wi-Fiデータの地理座標を利用して、オリジナルWi-Fi指紋を構築する。
Preferably, to make the positioning by the constructed Wi-Fi signal map more accurate, time stamps of road network nodes are preferentially calculated, and then geographical coordinates of the Wi-Fi data are calculated for each segment. be able to. That is, step 4 may specifically include steps 4.1 to 4.4.
Step 4.1: Obtain sampling start and end times of the sample path.
Step 4.2: Determine a timestamp of the road network node using the sampling start and end times.
Step 4.3. Calculate the geographical coordinates of the Wi-Fi data using the timestamps of the road network nodes.
Step 4.4. Construct an original Wi-Fi fingerprint using the Wi-Fi data and the geographic coordinates of the Wi-Fi data.
具体的には、ステップ4.2は、具体的には、ステップ4.2.1~ステップ4.2.3を含んでもよい。
ステップ4.2.1、前記サンプリング開始・終了時間を利用して前記サンプルパスの合計サンプリング時間を決定する。
ステップ4.2.2、合計サンプリング時間を利用して、道路網ノードのサンプルパスでの相対位置と組み合わせて、サンプリングするときに道路網ノードを通過するタイムスタンプを算出する。
ステップ4.2.3、道路網ノードにタイムスタンプをマークする。
In particular, step 4.2 may specifically include steps 4.2.1 to 4.2.3.
Step 4.2.1: Determine the total sampling time of the sample path using the sampling start and end times.
Step 4.2.2. Utilizing the total sampling time, in combination with the relative position of the road network node in the sample path, calculate the timestamp of passing through the road network node when sampling.
Step 4.2.3 Mark road network nodes with timestamps.
実際の適用では、サンプリングプログラムを利用して、サンプリング対象のフロアの室内デジタルマップをロードし、明らかな点線の形態で道路網分布を示してもよい。サンプラーはサンプリングプログラムを使用して、道路網の接続ノードを開始点とし、少なくとも4つの経路ノード(開始点を含んでもよい)を含むサンプルパスを計画する。経路を決定した後、サンプリングプログラムは経路が通過する全ての経路ノード及びこれらの地理的な経度と緯度を記録する。 In practical applications, the sampling program may be utilized to load an indoor digital map of the floor to be sampled, showing the road network distribution in the form of obvious dotted lines. The sampler uses a sampling program to plan a sample path starting at a connecting node of the road network and including at least four route nodes (which may include the starting point). After determining the route, the sampling program records all route nodes through which the route passes and their geographic longitudes and latitudes.
サンプラー(知能ロボットやサンプリング操作者)はサンプリングプログラムにおいて歩行開始を確認し、計画した経路に沿って等速で歩行し、経路終点に到達すると、歩行を終了する。具体的には、サンプラーは、サンプリング過程のトリガー及び終了を手動で行い、また、対応するサンプリング開始・終了時間を記録し、サンプリングにおいては、所定の周波数でWi-Fi走査をトリガーし、走査毎のタイムスタンプ(物理測位位置に1対1で対応する)、走査された各Wi-FiアクセスポイントのSSID、MACアドレス及びRSSI値を記録する。ここで、所定の周波数はマップに必要な精度に応じて設定されてもよく、要求される測位精度が高い場合、所定の周波数は高く設定され、要求される測位精度が低い場合、所定の周波数は低く設定される。 The sampler (intelligent robot or sampling operator) confirms the start of walking in the sampling program, walks at a constant speed along the planned route, and ends the walk when it reaches the end point of the route. Specifically, the sampler manually triggers and ends the sampling process, and also records the corresponding sampling start and end times, and during sampling, triggers the Wi-Fi scan at a predetermined frequency, and (one-to-one correspondence to the physical positioning location), the SSID, MAC address, and RSSI value of each scanned Wi-Fi access point. Here, the predetermined frequency may be set according to the accuracy required for the map; if the required positioning accuracy is high, the predetermined frequency is set high; if the required positioning accuracy is low, the predetermined frequency is set high. is set low.
得られたサンプルパスの各道路網ノードの地理的な経度と緯度、歩行サンプリングの開始・終了時間、サンプリングにおいて記録された複数回のWi-Fiデータにより1つのサンプリング記録が構成される。一般に、それぞれのフロアに対するサンプリングは複数のサンプルパスに分けて実行されてもよい。サンプラーはサンプルパスごとに歩行サンプリングを行い、サンプルパスが当該フロアの全ての道路網をカバーすると、サンプリングは終了する。 One sampling record is composed of the geographical longitude and latitude of each road network node of the obtained sample path, the start and end times of walking sampling, and the Wi-Fi data recorded multiple times during sampling. Generally, sampling for each floor may be performed in multiple sample passes. The sampler performs walking sampling for each sample path, and the sampling ends when the sample path covers all the road networks on the floor.
オリジナルWi-Fi指紋の取得は2つのステップに分けられる。第1ステップでは、サンプルパスの道路網ノードにタイムスタンプをマークする。サンプラーは等速で歩行するので、歩行開始からあるノードを通過するまでの時間は該ノードと開始点との間の経路長さに比例し、経路の各ノードの地理的な経度と緯度が既知であれば、隣り合うノード間の直線の経路長さ及びサンプルパスの合計長さが算出され得る。サンプルパスのサンプリング開始・終了時間が既知であれば、合計歩行時間が得られる。このように、経路上の任意のノードに対応するタイムスタンプは補間により得られる。第2ステップでは、道路網ノードに対応するタイムスタンプに基づいてWi-Fiデータの位置の地理座標を算出し、まず、Wi-Fiデータのタイムスタンプによって、該データが隣り合うある2つの道路網ノードにより決定される直線経路上にあると決定し、同様に、等速歩行の条件に基づいて、現在の部分の開始点のタイムスタンプからWi-Fiデータタイムスタンプまでの時間は当該部分の開始点からWi-Fiデータの位置までの経路長さに比例し、当該部分の開始点と終了点の経度と緯度の座標とタイムスタンプ、Wi-Fiデータタイムスタンプが既知である場合、Wi-Fiデータに対応する位置の経度と緯度の値が補間により得られ、さらに<信号、位置>データ対、即ちオリジナルWi-Fi指紋が得られる。 Obtaining the original Wi-Fi fingerprint can be divided into two steps. The first step is to mark the road network nodes of the sample path with timestamps. Since the sampler walks at a constant speed, the time from the start of walking until passing a certain node is proportional to the length of the path between that node and the starting point, and the geographical longitude and latitude of each node on the path is known. If so, the straight path length between adjacent nodes and the total length of the sample path can be calculated. If the sampling start and end times of the sample path are known, the total walking time can be obtained. In this way, the timestamp corresponding to any node on the route can be obtained by interpolation. In the second step, the geographical coordinates of the location of the Wi-Fi data are calculated based on the timestamps corresponding to the road network nodes. Similarly, based on the condition of uniform walking, the time from the timestamp of the start point of the current part to the Wi-Fi data timestamp is determined to be on the straight path determined by the node. Wi-Fi The longitude and latitude values of the location corresponding to the data are obtained by interpolation, and the <signal, location> data pair, ie, the original Wi-Fi fingerprint, is obtained.
好ましくは、実際の適用環境では、Wi-Fiの数及び位置に変動が生じることがあることを考慮して、測位の正確さを向上させるために、Wi-Fi信号マップを更新してもよい。Wi-Fi指紋を直接追加する場合に比べて、本願の実施例による信号マップの構築方法に基づいて、Wi-Fi信号マップに既存するWi-Fi指紋を更新することで、マップの低容量及び信号間の特徴の違いを保持することを提案している。具体的には、新たなWi-Fi指紋を利用してWi-Fi信号マップを構築した後、以下のステップを実行することによって、Wi-Fi信号マップを更新してもよい。
ステップ1、マップ更新要求を受信して解析し、目標Wi-Fi指紋を得る。
ステップ2、Wi-Fi信号マップにおいて目標Wi-Fi指紋との水平距離が最も短い目標Wi-Fi指紋クラスタを決定する。
ステップ3、目標Wi-Fi指紋クラスタに目標Wi-Fi指紋を追加する。
ステップ4、目標Wi-Fi指紋クラスタにおける全てのWi-Fi指紋を利用して、目標Wi-Fi指紋クラスタの新たなWi-Fi指紋を改めて算出する。
ステップ5、改めて算出した新たなWi-Fi指紋を利用して、Wi-Fi信号マップを更新する。
Preferably, the Wi-Fi signal map may be updated to improve positioning accuracy, taking into account that in a real application environment, variations may occur in the number and location of Wi-Fi. . Compared to adding Wi-Fi fingerprints directly, updating the existing Wi-Fi fingerprints in the Wi-Fi signal map based on the signal map construction method according to the embodiment of the present application can reduce the map's low capacity and It is proposed to preserve the feature differences between signals. Specifically, after constructing the Wi-Fi signal map using the new Wi-Fi fingerprint, the Wi-Fi signal map may be updated by performing the following steps.
Step 1: Receive and parse the map update request to obtain the target Wi-Fi fingerprint.
Step 2: Determine the target Wi-Fi fingerprint cluster with the shortest horizontal distance to the target Wi-Fi fingerprint in the Wi-Fi signal map.
Step 3. Add the target Wi-Fi fingerprint to the target Wi-Fi fingerprint cluster.
Step 4: Recalculate a new Wi-Fi fingerprint of the target Wi-Fi fingerprint cluster using all the Wi-Fi fingerprints in the target Wi-Fi fingerprint cluster.
Step 5: Update the Wi-Fi signal map using the newly calculated Wi-Fi fingerprint.
ここで、目標Wi-Fi指紋は、新たに収集されて修正の重点となる位置のWi-Fi指紋である。 Here, the target Wi-Fi fingerprint is a newly collected Wi-Fi fingerprint at a position that is the focus of correction.
目標Wi-Fi指紋を得た後、この目標Wi-Fi指紋がどのWi-Fi指紋クラスタに属するかを決定する。具体的な分類方式としては、この目標Wi-Fi指紋はWi-Fi指紋クラスタとの水平距離が最も短いWi-Fi指紋クラスタに属する。 After obtaining the target Wi-Fi fingerprint, it is determined which Wi-Fi fingerprint cluster this target Wi-Fi fingerprint belongs to. As a specific classification method, this target Wi-Fi fingerprint belongs to the Wi-Fi fingerprint cluster having the shortest horizontal distance to the Wi-Fi fingerprint cluster.
次に、該目標Wi-Fi指紋クラスタに対応する新たなWi-Fi指紋を改めて構築する。新たなWi-Fi指紋を改めて算出すると、Wi-Fi信号マップ中の対応するWi-Fi指紋だけを置換すればよい。 Next, a new Wi-Fi fingerprint corresponding to the target Wi-Fi fingerprint cluster is constructed again. When a new Wi-Fi fingerprint is calculated again, only the corresponding Wi-Fi fingerprint in the Wi-Fi signal map needs to be replaced.
以上より、更新終了後、Wi-Fi信号マップにおけるWi-Fi指紋の数は変わらず、しかも、更新後のWi-Fi信号マップには目標Wi-Fi指紋の信号特性が記憶されている。即ち、Wi-Fi信号マップの低容量化を保持しつつ、Wi-Fi指紋間の信号特性の相違を確保する。 As described above, after the update is completed, the number of Wi-Fi fingerprints in the Wi-Fi signal map does not change, and moreover, the signal characteristics of the target Wi-Fi fingerprint are stored in the updated Wi-Fi signal map. That is, while maintaining a low capacity Wi-Fi signal map, differences in signal characteristics between Wi-Fi fingerprints are ensured.
上記の方法実施例に対応して、本願の実施例はまた、信号マップ構築装置を提供し、下記の信号マップ構築装置は上記の信号マップの構築方法とは互いに対応して参照してもよい。 Corresponding to the above method embodiments, embodiments of the present application also provide a signal map construction apparatus, and the following signal map construction apparatus may be referred to as corresponding to the above signal map construction method. .
図3に示すように、該装置は、
オリジナルWi-Fi指紋を取得するオリジナルWi-Fi指紋取得モジュール101と、
オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得るクラスタリングモジュール102と、
Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得るWi-Fi指紋融合モジュール103と、
新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する信号マップ構築モジュール104と、を含む。
As shown in FIG. 3, the device:
an original Wi-Fi fingerprint acquisition module 101 that acquires an original Wi-Fi fingerprint;
a clustering module 102 that clusters original Wi-Fi fingerprints to obtain Wi-Fi fingerprint clusters;
a Wi-Fi fingerprint fusion module 103 that obtains a new Wi-Fi fingerprint using the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster;
a signal map construction module 104 that constructs a Wi-Fi signal map using the new Wi-Fi fingerprint.
本願の実施例による装置を用いると、オリジナルWi-Fi指紋を取得し、オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得て、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得て、新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する。 Using an apparatus according to an embodiment of the present application, an original Wi-Fi fingerprint is obtained, the original Wi-Fi fingerprint is clustered to obtain a Wi-Fi fingerprint cluster, and the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster is The Wi-Fi fingerprint is used to obtain a new Wi-Fi fingerprint, and the new Wi-Fi fingerprint is used to construct a Wi-Fi signal map.
オリジナルWi-Fi指紋を取得した後、Wi-Fi信号マップのデータ量を削減するために、まず、オリジナルWi-Fi指紋をクラスタリングして、オリジナルWi-Fi指紋よりもデータが少ないWi-Fi指紋クラスタを得る。Wi-Fi指紋の信号特性の相違を向上させるために、オリジナルWi-Fi指紋の代わりに、Wi-Fi指紋クラスタにおけるオリジナルWi-Fi指紋に基づいて、新たなWi-Fi指紋を取得する。次に、Wi-Fi指紋クラスタに対応する新たなWi-Fi指紋のそれぞれに基づいて、Wi-Fi信号マップを構築することができる。クラスタリング及び新たなWi-Fi指紋取得によって、構築されたWi-Fi信号マップのデータ量を大幅に削減し、データキャッシュを削減させて算出オーバーヘッドを減少させることができる一方、Wi-Fi指紋間の信号特性の相違を増強し、測位精度を高めることができる。 After obtaining the original Wi-Fi fingerprint, in order to reduce the amount of data in the Wi-Fi signal map, we first cluster the original Wi-Fi fingerprint to find Wi-Fi fingerprints with less data than the original Wi-Fi fingerprint. Get a cluster. In order to improve the signal characteristic difference of Wi-Fi fingerprints, a new Wi-Fi fingerprint is obtained based on the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster instead of the original Wi-Fi fingerprint. A Wi-Fi signal map can then be constructed based on each new Wi-Fi fingerprint that corresponds to the Wi-Fi fingerprint cluster. Clustering and new Wi-Fi fingerprint acquisition can significantly reduce the data amount of the constructed Wi-Fi signal map, reduce data cache and reduce calculation overhead, while It is possible to enhance the difference in signal characteristics and improve positioning accuracy.
本願の1つの具体的な実施形態では、Wi-Fi指紋融合モジュール103は、具体的には、Wi-Fi指紋クラスタのクラスタ中心に対応する地理座標を取得し、Wi-Fi指紋クラスタにおける全てのオリジナルWi-Fi指紋に現れたWi-Fiアクセスポイントについて、前記Wi-Fiアクセスポイントの受信信号強度の平均値及び受信信号強度の分散値を算出し、地理座標を利用して、各Wi-Fiアクセスポイントの受信信号強度の平均値と受信信号強度の分散値、新たなWi-Fi指紋を構築する。 In one specific embodiment of the present application, the Wi-Fi fingerprint fusion module 103 specifically obtains the geographic coordinates corresponding to the cluster center of the Wi-Fi fingerprint cluster and For the Wi-Fi access points that appear in the original Wi-Fi fingerprint, calculate the average value of the received signal strength and the variance value of the received signal strength of the Wi-Fi access points, and use the geographic coordinates to determine the location of each Wi-Fi access point. A new Wi-Fi fingerprint is constructed using the average value of the received signal strength of the access point and the variance value of the received signal strength.
本願の1つの具体的な実施形態では、クラスタリングモジュール102は、具体的には、オリジナルWi-Fi指紋のそれぞれから道路網ノードのそれぞれまでの水平距離を算出し、水平距離を利用してオリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得る。 In one specific embodiment of the present application, the clustering module 102 specifically calculates the horizontal distance from each of the original Wi-Fi fingerprints to each of the road network nodes and utilizes the horizontal distance to - Cluster the Fi fingerprints to obtain Wi-Fi fingerprint clusters.
本願の1つの具体的な実施形態では、オリジナルWi-Fi指紋取得モジュール101は、
室内デジタルマップと、道路網ノードを有するサンプルパスを含む道路網を取得する道路網取得ユニットと、
室内デジタルマップを利用して道路網ノードの地理座標を決定する地理座標算出ユニットと、
サンプルパスを利用して、所定の周波数でWi-Fi走査をトリガーし、Wi-Fiデータを記録するサンプリングユニットと、
Wi-Fiデータと道路網ノードの地理座標を利用して、オリジナルWi-Fi指紋を算出する指紋算出ユニットと、を含む。
In one specific embodiment of the present application, the original Wi-Fi fingerprint acquisition module 101 includes:
a road network acquisition unit that acquires an indoor digital map and a road network including a sample path having road network nodes;
a geographic coordinate calculation unit that determines geographic coordinates of road network nodes using an indoor digital map;
a sampling unit that utilizes the sample path to trigger a Wi-Fi scan at a predetermined frequency and record Wi-Fi data;
a fingerprint calculation unit that calculates an original Wi-Fi fingerprint using Wi-Fi data and geographical coordinates of road network nodes.
本願の1つの具体的な実施形態では、指紋算出ユニットは、具体的には、前記サンプルパスのサンプリング開始・終了時間を取得し、前記サンプリング開始・終了時間を利用して前記道路網ノードのタイムスタンプを決定し、道路網ノードのタイムスタンプを利用して、Wi-Fiデータの地理座標を算出し、Wi-Fiデータ、及び該Wi-Fiデータの地理座標を利用して、オリジナルWi-Fi指紋を構築する。 In one specific embodiment of the present application, the fingerprint calculation unit specifically obtains the sampling start and end times of the sample path, and uses the sampling start and end times to calculate the time of the road network node. determine the stamp, use the timestamp of the road network node to calculate the geographic coordinates of the Wi-Fi data, and use the Wi-Fi data and the geographic coordinates of the Wi-Fi data to calculate the original Wi-Fi Build a fingerprint.
本願の1つの具体的な実施形態では、指紋算出ユニットは、具体的には、前記サンプリング開始・終了時間を利用して前記サンプルパスの合計サンプリング時間を決定し、合計サンプリング時間を利用して、道路網ノードのサンプルパスでの相対位置と組み合わせて、サンプリングするときに道路網ノードを通過するタイムスタンプを算出し、道路網ノードにタイムスタンプをマークする。 In one specific embodiment of the present application, the fingerprint calculation unit specifically determines the total sampling time of the sample path using the sampling start and end times, and using the total sampling time, In combination with the relative position of the road network node in the sample path, calculate the timestamp of passing through the road network node when sampling, and mark the road network node with the timestamp.
本願の1つの具体的な実施形態では、
新たなWi-Fi指紋を利用してWi-Fi信号マップを構築した後、マップ更新要求を受信して解析し、目標Wi-Fi指紋を得て、
Wi-Fi信号マップにおいて目標Wi-Fi指紋との水平距離が最も短い目標Wi-Fi指紋クラスタを決定し、
目標Wi-Fi指紋クラスタに目標Wi-Fi指紋を追加し、
目標Wi-Fi指紋クラスタにおける全てのWi-Fi指紋を利用し、目標Wi-Fi指紋クラスタの新たなWi-Fi指紋を改めて算出し、
改めて算出した新たなWi-Fi指紋を利用して、Wi-Fi信号マップを更新するマップ更新モジュールをさらに含む。
In one specific embodiment of the present application,
After constructing a Wi-Fi signal map using the new Wi-Fi fingerprint, receive and analyze the map update request to obtain the target Wi-Fi fingerprint,
determining a target Wi-Fi fingerprint cluster with the shortest horizontal distance to the target Wi-Fi fingerprint in the Wi-Fi signal map;
Add the target Wi-Fi fingerprint to the target Wi-Fi fingerprint cluster,
Using all the Wi-Fi fingerprints in the target Wi-Fi fingerprint cluster, recalculate a new Wi-Fi fingerprint in the target Wi-Fi fingerprint cluster,
The method further includes a map update module that updates the Wi-Fi signal map using the newly calculated Wi-Fi fingerprint.
上記の方法実施例に対応して、本願の実施例はまた、信号マップ構築機器を提供し、下記の信号マップ構築機器は上記の信号マップの構築方法とは互いに対応して参照してもよい。 Corresponding to the above method embodiments, the embodiments of the present application also provide a signal map construction apparatus, and the following signal map construction apparatus may be referred to in correspondence with the above signal map construction method. .
図4に示すように、該信号マップ構築機器は、
コンピュータプログラムを記憶するメモリ332と、
コンピュータプログラムを実行すると上記方法実施例に記載の信号マップの構築方法のステップを実現するプロセッサ322と、を含む。
As shown in FIG. 4, the signal map construction equipment includes:
a memory 332 for storing computer programs;
and a processor 322 that, when executed, implements the steps of the signal map construction method described in the method embodiments above.
具体的には、図5には、本実施例による信号マップ構築機器の具体的な構造概略図が示されており、該信号マップ構築機器は、構成又は性能によって大きく異なり、1つ又は2つ以上のプロセッサ(CPU:central processing units)322(例えば、1つ又は2つ以上のプロセッサ)と、メモリ332と、を含んでもよく、該メモリ332には、1つ又は2つ以上のコンピュータのアプリケーションプログラム342やデータ344が記憶されている。メモリ332は一時記憶又は永続記憶であってもよい。メモリ332に記憶されたプログラムは1つ又は2つ以上のモジュール(図示せず)を含んでもよく、それぞれのモジュールはデータ処理機器における一連の指令操作を含んでもよい。さらに、中央処理ユニット322はメモリ332と通信可能に構成されてもよく、信号マップ構築機器301において記憶媒体330の一連の指令操作が実行される。 Specifically, FIG. 5 shows a specific structural schematic diagram of the signal map construction device according to the present embodiment, and the signal map construction device differs greatly depending on the configuration or performance, and may have one or two types. The above processor (CPU: central processing units) 322 (e.g., one or more processors) and a memory 332 may be included, and the memory 332 may include one or more computer applications. Programs 342 and data 344 are stored. Memory 332 may be temporary or permanent storage. The programs stored in memory 332 may include one or more modules (not shown), and each module may include a series of command operations on data processing equipment. Additionally, central processing unit 322 may be configured to communicate with memory 332 to perform a series of command operations on storage medium 330 in signal map construction device 301 .
信号マップ構築機器301は1つ又は2つ以上の電源326をさらに含んでもよく、1つ又は2つ以上の有線又は無線ネットワークインターフェース350、1つ又は2つ以上の入出力インターフェース358、及び/又は、1つ又は2つ以上のオペレーティングシステム341を含んでもよい。 Signal map construction device 301 may further include one or more power supplies 326, one or more wired or wireless network interfaces 350, one or more input/output interfaces 358, and/or , one or more operating systems 341.
上記した信号マップの構築方法のステップは信号マップ構築機器の構造によって実現され得る。 The steps of the signal map construction method described above may be implemented by the structure of the signal map construction equipment.
上記の方法実施例に対応して、本願の実施例はまた、読み取り可能な記憶媒体を提供し、下記の読み取り可能な記憶媒体は上記の信号マップの構築方法とは互いに対応して参照してもよい。 Corresponding to the method embodiments described above, embodiments of the present application also provide a readable storage medium, the following readable storage medium being referred to in correspondence with the method of constructing a signal map described above. Good too.
読み取り可能な記憶媒体であって、プロセッサによって実行されると上記方法実施例に記載の信号マップの構築方法のステップを実現するコンピュータプログラムが記憶されている。 A readable storage medium having stored thereon a computer program that, when executed by a processor, implements the steps of the signal map construction method described in the method embodiments above.
該読み取り可能な記憶媒体は、具体的には、USBメモリ、移動ハードディスク、読み取り専用メモリ(ROM:Read-Only Memory)、ランダムアクセスメモリ(RAM:Random Access Memory)、磁気ディスク又はコンパクトディスクなど、プログラムコードを記憶し得る各種の読み取り可能な記憶媒体を含んでもよい。 Specifically, the readable storage medium includes a USB memory, a mobile hard disk, a read-only memory (ROM), a random access memory (RAM), a magnetic disk, or a compact disk. It may include a variety of readable storage media that may store codes.
当業者により理解できるように、本明細書で開示された実施例に記載の各例のユニット及びアルゴリズムのステップは、電子ハードウェア、コンピュータソフトウェア又は両方の組み合わせとして実装されてもよく、ハードウェアとソフトウェアの交換性をより明確に説明するために、上記説明においては、各例の構成及びステップは機能によって一般に説明されている。これらの機能がハードウェアで実行されるかソフトウェアの形態で実行されるかは、技術的解決策の特定の用途や設計の制限条件によるものである。当業者であれば、それぞれの特定の用途に応じて、異なる方法を用いて記載の機能を実現してもよいが、このような実現は本願の範囲を超えるものとしてみなすべきではない。
+
As can be understood by those skilled in the art, each example unit and algorithmic step described in the embodiments disclosed herein may be implemented as electronic hardware, computer software, or a combination of both; In the above description, the configurations and steps of each example have been generally described in terms of function to more clearly illustrate the interchangeability of the software. Whether these functions are implemented in hardware or in the form of software depends on the specific application and design limitations of the technical solution. Those skilled in the art may use different methods to implement the described functionality, depending on their particular application, but such implementation should not be considered as going beyond the scope of the present application.
+
Claims (9)
オリジナルWi-Fi指紋を取得するステップと、
前記オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得るステップと、
前記Wi-Fi指紋クラスタにおける前記オリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得るステップと、
前記新たなWi-Fi指紋を利用してWi-Fi信号マップを構築するステップと、を含み、
オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得る前記ステップは、
前記オリジナルWi-Fi指紋のそれぞれから道路網ノードのそれぞれまでの水平距離を算出するステップと、
前記水平距離を利用して前記オリジナルWi-Fi指紋をクラスタリングして、前記Wi-Fi指紋クラスタを得るステップと、を含むことを特徴とする信号マップの構築方法。 A method for constructing a signal map, the method comprising:
obtaining an original Wi-Fi fingerprint;
clustering the original Wi-Fi fingerprints to obtain Wi-Fi fingerprint clusters;
obtaining a new Wi-Fi fingerprint using the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster;
constructing a Wi-Fi signal map using the new Wi-Fi fingerprint ;
The step of clustering original Wi-Fi fingerprints to obtain Wi-Fi fingerprint clusters includes:
calculating a horizontal distance from each of the original Wi-Fi fingerprints to each of the road network nodes;
A method for constructing a signal map , comprising the step of clustering the original Wi-Fi fingerprints using the horizontal distance to obtain the Wi-Fi fingerprint clusters .
前記Wi-Fi指紋クラスタのクラスタ中心に対応する地理座標を取得するステップと、
前記Wi-Fi指紋クラスタにおける全ての前記オリジナルWi-Fi指紋に現れたWi-Fiアクセスポイントについて、前記Wi-Fiアクセスポイントの受信信号強度の平均値及び受信信号強度の分散値を算出するステップと、
前記地理座標、各前記Wi-Fiアクセスポイントの前記受信信号強度の平均値及び前記受信信号強度の分散値を利用して、前記新たなWi-Fi指紋を構築するステップと、を含むことを特徴とする請求項1に記載の信号マップの構築方法。 The step of obtaining a new Wi-Fi fingerprint using the original Wi-Fi fingerprint in a Wi-Fi fingerprint cluster comprises:
obtaining geographic coordinates corresponding to a cluster center of the Wi-Fi fingerprint cluster;
calculating an average received signal strength value and a received signal strength variance value of the Wi-Fi access points for the Wi-Fi access points appearing in all the original Wi-Fi fingerprints in the Wi-Fi fingerprint cluster; ,
constructing the new Wi-Fi fingerprint using the geographic coordinates, the average value of the received signal strength of each of the Wi-Fi access points, and the variance value of the received signal strength. The method of constructing a signal map according to claim 1.
室内デジタルマップと、道路網ノードを有するサンプルパスを含む道路網を取得するステップと、
前記室内デジタルマップを利用して前記道路網ノードの地理座標を決定するステップと、
前記サンプルパスを利用して、所定の周波数でWi-Fi走査をトリガーし、Wi-Fiデータを記録するステップと、
前記Wi-Fiデータと前記道路網ノードの地理座標を利用して、前記オリジナルWi-Fi指紋を算出するステップと、を含むことを特徴とする請求項1に記載の信号マップの構築方法。 The step of obtaining the original Wi-Fi fingerprint includes:
obtaining an indoor digital map and a road network including a sample path with road network nodes;
determining geographic coordinates of the road network node using the indoor digital map;
triggering a Wi-Fi scan at a predetermined frequency to record Wi-Fi data using the sample path;
The method of constructing a signal map according to claim 1, further comprising the step of calculating the original Wi-Fi fingerprint using the Wi-Fi data and the geographical coordinates of the road network node.
前記サンプルパスのサンプリング開始・終了時間を取得するステップと、
前記サンプリング開始・終了時間を利用して前記道路網ノードのタイムスタンプを決定するステップと、
前記道路網ノードのタイムスタンプを利用して、前記Wi-Fiデータの地理座標を算出するステップと、
前記Wi-Fiデータと該Wi-Fiデータの地理座標を利用して、前記オリジナルWi-Fi指紋を構築するステップと、を含むことを特徴とする請求項3に記載の信号マップの構築方法。 The step of calculating the original Wi-Fi fingerprint using Wi-Fi data and the geographical coordinates of the road network node comprises:
obtaining sampling start and end times of the sample path;
determining a timestamp of the road network node using the sampling start and end times;
calculating geographic coordinates of the Wi-Fi data using time stamps of the road network nodes;
The method of constructing a signal map according to claim 3 , further comprising the step of constructing the original Wi-Fi fingerprint using the Wi-Fi data and geographic coordinates of the Wi-Fi data.
前記サンプリング開始・終了時間を利用して前記サンプルパスの合計サンプリング時間を決定するステップと、
前記合計サンプリング時間を利用して、前記道路網ノードの前記サンプルパスでの相対位置と組み合わせて、サンプリングするときに前記道路網ノードを通過するタイムスタンプを算出するステップと、
前記道路網ノードに前記タイムスタンプをマークするステップと、を含むことを特徴とする請求項4に記載の信号マップの構築方法。 The step of determining a timestamp of the road network node using sampling start and end times includes:
determining a total sampling time of the sample path using the sampling start and end times;
utilizing the total sampling time and in combination with the relative position of the road network node on the sample path to calculate a timestamp of passing through the road network node when sampling;
5. The method of claim 4 , further comprising the step of marking the road network nodes with the time stamps.
マップ更新要求を受信して解析し、目標Wi-Fi指紋を得るステップと、
前記Wi-Fi信号マップにおいて前記目標Wi-Fi指紋との水平距離が最も短い目標Wi-Fi指紋クラスタを決定するステップと、
前記目標Wi-Fi指紋クラスタに前記目標Wi-Fi指紋を追加するステップと、
前記目標Wi-Fi指紋クラスタにおける全てのWi-Fi指紋を利用して、前記目標Wi-Fi指紋クラスタの新たなWi-Fi指紋を改めて算出するステップと、
改めて算出した新たなWi-Fi指紋を利用して、前記Wi-Fi信号マップを更新するステップと、をさらに含むことを特徴とする請求項1~5のいずれか1項に記載の信号マップの構築方法。 After the step of constructing a Wi-Fi signal map using the new Wi-Fi fingerprint,
receiving and parsing the map update request to obtain a target Wi-Fi fingerprint;
determining a target Wi-Fi fingerprint cluster having the shortest horizontal distance to the target Wi-Fi fingerprint in the Wi-Fi signal map;
adding the target Wi-Fi fingerprint to the target Wi-Fi fingerprint cluster;
recalculating a new Wi-Fi fingerprint of the target Wi-Fi fingerprint cluster using all Wi-Fi fingerprints in the target Wi-Fi fingerprint cluster;
The signal map according to any one of claims 1 to 5 , further comprising the step of updating the Wi-Fi signal map using a newly calculated Wi-Fi fingerprint. Construction method.
オリジナルWi-Fi指紋を取得するオリジナルWi-Fi指紋取得モジュールと、
前記オリジナルWi-Fi指紋をクラスタリングして、Wi-Fi指紋クラスタを得るクラスタリングモジュールと、
前記Wi-Fi指紋クラスタにおける前記オリジナルWi-Fi指紋を利用して、新たなWi-Fi指紋を得るWi-Fi指紋融合モジュールと、
前記新たなWi-Fi指紋を利用してWi-Fi信号マップを構築する信号マップ構築モジュールと、を含み、
前記クラスタリングモジュールは、
前記オリジナルWi-Fi指紋のそれぞれから道路網ノードのそれぞれまでの水平距離を算出し、
前記水平距離を利用して前記オリジナルWi-Fi指紋をクラスタリングして、前記Wi-Fi指紋クラスタを得ることを特徴とするWi-Fi信号マップ構築装置。 A Wi-Fi signal map construction device, comprising:
an original Wi-Fi fingerprint acquisition module that acquires an original Wi-Fi fingerprint;
a clustering module that clusters the original Wi-Fi fingerprints to obtain Wi-Fi fingerprint clusters;
a Wi-Fi fingerprint fusion module that uses the original Wi-Fi fingerprint in the Wi-Fi fingerprint cluster to obtain a new Wi-Fi fingerprint;
a signal map construction module that constructs a Wi-Fi signal map using the new Wi-Fi fingerprint ;
The clustering module includes:
calculating the horizontal distance from each of the original Wi-Fi fingerprints to each of the road network nodes;
A Wi-Fi signal map construction device , characterized in that the original Wi-Fi fingerprint is clustered using the horizontal distance to obtain the Wi-Fi fingerprint cluster .
前記コンピュータプログラムを実行すると、請求項1~6のいずれか1項に記載の信号マップの構築方法のステップを実現するプロセッサと、を含むことを特徴とする信号マップ構築機器。 memory for storing computer programs;
A signal map construction device comprising: a processor that, when executing the computer program, implements the steps of the signal map construction method according to any one of claims 1 to 6 .
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/093681 WO2021243504A1 (en) | 2020-06-01 | 2020-06-01 | Signal map building method and apparatus, device, and readable storage medium |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023522900A JP2023522900A (en) | 2023-06-01 |
JP7446642B2 true JP7446642B2 (en) | 2024-03-11 |
Family
ID=78831464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022563236A Active JP7446642B2 (en) | 2020-06-01 | 2020-06-01 | Signal map construction method, device, equipment and readable storage medium |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7446642B2 (en) |
CN (1) | CN114424635A (en) |
WO (1) | WO2021243504A1 (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015064232A (en) | 2013-09-24 | 2015-04-09 | Kddi株式会社 | Determination device, network node, determination method, and program |
JP2015531053A (en) | 2012-06-26 | 2015-10-29 | ザ ガヴァーニング カウンシル オブ ザ ユニヴァーシティ オブ トロント | System, method, and computer program for dynamically creating a radio map |
CN105242239A (en) | 2015-10-19 | 2016-01-13 | 华中科技大学 | Indoor subarea positioning method based on crowdsourcing fingerprint clustering and matching |
US20170134899A1 (en) | 2014-06-06 | 2017-05-11 | The Hong Kong University Of Science And Technology | Mitigating signal noise for fingerprint-based indoor localization |
US20190159159A1 (en) | 2017-11-21 | 2019-05-23 | International Business Machines Corporation | Fingerprint data pre-process method for improving localization model |
CN110049549A (en) | 2019-01-29 | 2019-07-23 | 上海无线通信研究中心 | More fusion indoor orientation methods and its system based on WiFi fingerprint |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012011624A1 (en) * | 2010-07-21 | 2012-01-26 | (주)브이아이소프트 | System and method for indoor navigation based on a wi-fi radio map and utilizing user mobility in location estimation |
CN105208651A (en) * | 2015-08-17 | 2015-12-30 | 上海交通大学 | Wi-Fi position fingerprint non-monitoring training method based on map structure |
US9706366B2 (en) * | 2015-11-06 | 2017-07-11 | International Business Machines Corporation | WiFi-fingerprint based indoor localization map |
CN106093852A (en) * | 2016-05-27 | 2016-11-09 | 东华大学 | A kind of method improving WiFi fingerprint location precision and efficiency |
CN105916202A (en) * | 2016-06-20 | 2016-08-31 | 天津大学 | Probabilistic WiFi indoor positioning fingerprint database construction method |
GB201704216D0 (en) * | 2017-03-16 | 2017-05-03 | Ranplan Wireless Network Design Ltd | WIFI multi-band fingerprint-based indoor positioning |
CN107087256A (en) * | 2017-03-17 | 2017-08-22 | 上海斐讯数据通信技术有限公司 | A kind of fingerprint cluster method and device based on WiFi indoor positionings |
CN109286900B (en) * | 2018-08-29 | 2020-07-17 | 桂林电子科技大学 | Wi-Fi sample data optimization method |
CN109856596B (en) * | 2019-02-21 | 2021-05-07 | 上海迹寻科技有限公司 | Method for collecting wireless node signal position fingerprint in high-speed moving state, computer readable storage medium and equipment thereof |
CN110602651B (en) * | 2019-09-20 | 2022-02-01 | 北京智芯微电子科技有限公司 | Positioning method based on WIFI position fingerprint and positioning system of robot |
CN110933631B (en) * | 2019-12-03 | 2021-03-16 | 浙江科技学院 | Indoor positioning method based on WIFI position fingerprint |
CN111179634B (en) * | 2019-12-04 | 2021-04-27 | 浙江科技学院 | Indoor parking system based on Wi-Fi position fingerprint |
-
2020
- 2020-06-01 JP JP2022563236A patent/JP7446642B2/en active Active
- 2020-06-01 WO PCT/CN2020/093681 patent/WO2021243504A1/en active Application Filing
- 2020-06-01 CN CN202080027035.8A patent/CN114424635A/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015531053A (en) | 2012-06-26 | 2015-10-29 | ザ ガヴァーニング カウンシル オブ ザ ユニヴァーシティ オブ トロント | System, method, and computer program for dynamically creating a radio map |
JP2015064232A (en) | 2013-09-24 | 2015-04-09 | Kddi株式会社 | Determination device, network node, determination method, and program |
US20170134899A1 (en) | 2014-06-06 | 2017-05-11 | The Hong Kong University Of Science And Technology | Mitigating signal noise for fingerprint-based indoor localization |
CN105242239A (en) | 2015-10-19 | 2016-01-13 | 华中科技大学 | Indoor subarea positioning method based on crowdsourcing fingerprint clustering and matching |
US20190159159A1 (en) | 2017-11-21 | 2019-05-23 | International Business Machines Corporation | Fingerprint data pre-process method for improving localization model |
CN110049549A (en) | 2019-01-29 | 2019-07-23 | 上海无线通信研究中心 | More fusion indoor orientation methods and its system based on WiFi fingerprint |
Also Published As
Publication number | Publication date |
---|---|
JP2023522900A (en) | 2023-06-01 |
WO2021243504A1 (en) | 2021-12-09 |
CN114424635A (en) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9888345B2 (en) | Techniques for caching Wi-Fi access point data on a mobile client device using tiles | |
JP5722408B2 (en) | Management of location database of positioning system based on network | |
JP6025790B2 (en) | Determining the location of a mobile device using a location database | |
Wirola et al. | Mass-market requirements for indoor positioning and indoor navigation | |
US9426044B2 (en) | Radio access network geographic information system with multiple format | |
CN108709557B (en) | Indoor map generation method based on multi-user track fitting | |
US20050143909A1 (en) | Technique for collecting and using information about the geographic position of a mobile object on the earth's surface | |
CN105373559A (en) | Geographic information acquisition method and geographic information acquisition system | |
KR100723842B1 (en) | System for providing user-generated LBS and method thereof | |
CN107110652B (en) | Processing spatial features | |
Balzano et al. | WiFACT--Wireless Fingerprinting Automated Continuous Training | |
Balzano et al. | SNOT-WiFi: sensor network-optimized training for wireless fingerprinting | |
Wang et al. | Energy efficiency on location based applications in mobile cloud computing: a survey | |
KR102153932B1 (en) | Apparatus for updating of positioning infrastructure database automatically and method using the same | |
Gong et al. | A usability-enhanced smartphone indoor positioning solution using compressive sensing | |
CN117528710B (en) | Terminal NTN cell selection method, device, equipment and medium based on management platform | |
CN108990148B (en) | Reference point selection method for indoor cooperative positioning | |
CN102014456B (en) | Method and system for searching node | |
JP7446642B2 (en) | Signal map construction method, device, equipment and readable storage medium | |
CN110967013A (en) | Indoor area positioning system based on indoor geomagnetic field information and smart phone | |
CN113074735B (en) | Processing method of map data structure | |
Lemic et al. | Toward standardized localization service | |
KR20230096523A (en) | Indoor positioning method and apparatus | |
CN111328013B (en) | Mobile terminal positioning method and system | |
Pendharkar et al. | Virtual coordinate systems and coordinate-based operations for IoT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221018 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231117 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7446642 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |