基于众包数据的室内定位方法和平台

• 作者: 刘军发 胡春雨 蒋鑫龙 陈益强 黄正宇
• 来源期刊: 地球信息科学学报
• 关键词: 室内定位 增量学习 极速学习机 特征自适应 时效机制 众包数据
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: ACM SIGSPATIAL 2015中国分会特邀稿件
• 页码范围: 1476-1484
• 页数: 9页
• 字数: 7933字
• 语种: 中文

摘要

随着WLAN的普及,基于Wi-Fi的室内定位方法逐渐成为研究与应用的热点.虽然,其中基于位置指纹的定位算法研究相对广泛,应用效果较好,然而现有的指纹定位方法或系统仍存在以下3个问题:①离线阶段的数据标定和定位模型的训练需要耗费大量人力物力,以及时间消耗,使系统很难得到实际应用;②真实环境中WLAN信号波动呈现高动态性,采集的数据存在显著的时效性,无法提供长时间的有效定位保证;③实际环境中AP设备变动频繁,导致训练数据与定位数据特征维度不等长,造成模型失效.针对上述问题,本文提出了一种基于众包数据的模型更新方法,通过不断融合增量数据,使定位模型保持实时有效.该方法主要包括半监督极速学习机(SELM)、具有时效机制的增量式定位方法(TMELM)和特征自适应的在线极速学习机(FA-OSELM)3部分.基于上述方法,本文设计并实现了基于众包数据的室内定位平台系统.实际应用表明,本文提出的方法能够显著降低模型训练阶段的数据采集工作量,有效提升模型训练速度,并且长时间保持较高的定位精度.