基于XGBoost的多建筑WiFi位置指纹室内定位方法

• 作者: 卢威 晏雄锋 艾廷华 郑建滨
• 来源期刊: 测绘地理信息
• 学科: 地球科学
• 关键词: 室内定位 多建筑 位置指纹 XGBoost 机器学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 技术研究
• 页码范围: 65-68
• 页数: 4页
• 分类号: P228|P208
• 语种: 中文
• DOI: 10.14188/j.2095-6045.2018247

摘要

针对当前基于WiFi位置指纹的室内定位在规模化应用中多栋建筑的定位模型互相独立不易维护等问题,提出了一种基于机器学习的室内定位方法.该方法引入XG-Boost算法进行位置指纹匹配,并将观测点"匹配至哪个参考点"的多分类问题转化为判断"是否在某个参考点"的二分类问题以实现多建筑的模型统一.实验结果表明,对于通过移动支付行为所采集的众源WiFi数据集,传统K最近邻(K-nearest neighbor,KNN)方法的准确率达到80.74％,而本方法定位准确率可以提高至90.88％,且在算法稳定性和定位时长等方面表现好于KNN方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾廷华	武汉大学资源与环境科学学院	115	2252	25.0	44.0
2	卢威	武汉大学资源与环境科学学院	12	28	2.0	5.0
3	晏雄锋	武汉大学资源与环境科学学院	7	25	3.0	5.0
4	郑建滨	武汉大学资源与环境科学学院	1	0	0.0	0.0