王建偉， 上官偉， 蔡慧敏， 芮 濤， 馮瑞霞

(1.北京首都國際機(jī)場股份有限公司 信息科技部，北京 100621； 2.北京交通大學(xué) 電子信息工程學(xué)院，北京 100044)

目前，國內(nèi)外機(jī)場在信息化與智慧化建設(shè)方面進(jìn)入了快速發(fā)展階段，人們生活水平不斷提高，對出行方式的選擇和出行效率的要求也越來越多，為了更加高效，越來越多的旅客選擇飛機(jī)這種出行方式，從而推進(jìn)了我國航空業(yè)飛速發(fā)展。國內(nèi)各地機(jī)場正在進(jìn)行擴(kuò)建，航站樓內(nèi)往往建筑面積巨大并且結(jié)構(gòu)復(fù)雜，隨著航站樓的不斷擴(kuò)大，航站樓內(nèi)建筑、商鋪和登機(jī)口也越來越多，對于一個對機(jī)場不熟悉的旅客而言，能夠在機(jī)場航站樓內(nèi)快速準(zhǔn)確地辦理好登機(jī)手續(xù)并按時登機(jī)是十分重要的，因此旅客對機(jī)場航站樓內(nèi)的位置服務(wù)的需求越來迫切，近年來學(xué)術(shù)界和工業(yè)界的科研人員都在廣泛關(guān)注。

在機(jī)場環(huán)境下，無線信號的傳播會受到多種元素的影響，尤其是周圍環(huán)境因素的影響，如溫度、障礙物、人體走動等因素。目前藍(lán)牙信號在機(jī)場航站樓內(nèi)的復(fù)雜環(huán)境中受到影響較大的是多徑效應(yīng)、障礙物、長距離傳輸和周圍的人員走動等。多徑效應(yīng)是指無線信號在航站樓內(nèi)傳播的過程中，由于航站樓內(nèi)障礙物的存在，會出現(xiàn)吸收、反射、衍射、散射等現(xiàn)象[1]。除了多徑效應(yīng)對無線信號的傳播的會產(chǎn)生影響外，周圍人員的走動也會對其有影響，通過對前人學(xué)者的研究內(nèi)容進(jìn)行學(xué)習(xí)可知，當(dāng)輻射頻率與人體[2]的固有頻率諧振時，吸收能力最強(qiáng)，即諧振吸收，在接收信號的時候，旅客手持移動端的角度、方向都會影響到藍(lán)牙信號的接收。由于旅客背對著基站，接收到的藍(lán)牙信號會經(jīng)過人體后會出現(xiàn)削弱的情況，使得接收端接收的信號數(shù)據(jù)有所衰減。

目前在國內(nèi)，多數(shù)的研究人員利用機(jī)場航站樓內(nèi)部署的無線設(shè)備對基于無線網(wǎng)絡(luò)的定位技術(shù)[3]進(jìn)行研究，并進(jìn)行驗(yàn)證。有人提出針對航站樓內(nèi)特定的環(huán)境來進(jìn)行人員的定位，主要是利用無線網(wǎng)絡(luò)，通過研究目前的空中無線信號傳播模型[4]，在此基礎(chǔ)上為其設(shè)計了一種基于RSSI測距的定位方法，在RRSI測距的基礎(chǔ)上利用PS0算法進(jìn)行優(yōu)化，以可以實(shí)現(xiàn)在不增加無線網(wǎng)絡(luò)硬件的基礎(chǔ)上進(jìn)一步增加定位的范圍和適時提高定位精度；王忠明[5]針對機(jī)場候機(jī)樓室內(nèi)的環(huán)境對無線網(wǎng)絡(luò)技術(shù)做進(jìn)一步的研究，為了可以較好地解決機(jī)場候機(jī)廳內(nèi)AP部署的位置高這一原因而導(dǎo)致的最后定位精度低的問題，提出了一種改進(jìn)方法，該方法主要利用最小二乘算法來對空間中無線信號傳播模型中參數(shù)的進(jìn)行求解，然后再采用最小均方差法來實(shí)現(xiàn)三維定位；還有人通過對無線局域網(wǎng)和信號強(qiáng)度的定位技術(shù)的深入研究[6]，為了可以降低在候機(jī)大廳中旅客走動對定位結(jié)果的影響，提出一種集合和加權(quán)徑向基函數(shù)相融合的定位方法。

但是到目前為止，雖然針對機(jī)場航站樓內(nèi)這一特殊環(huán)境下的定位技術(shù)已經(jīng)有不少學(xué)者進(jìn)行了研究，并且提出了許多的室內(nèi)位置估計方法并得到了驗(yàn)證，目前智能服務(wù)設(shè)備也部署在機(jī)場航站樓內(nèi)，但大多數(shù)為固定智能服務(wù)終端[7]，智能移動終端的服務(wù)設(shè)備還沒有真正的在機(jī)場內(nèi)得到應(yīng)用，更多的是處于研究階段。航站樓內(nèi)的藍(lán)牙信號在傳播過程中會受周圍障礙物影響，并且存在人員流動的情況，因此針對航站樓這種特定環(huán)境的特點(diǎn)進(jìn)行分析，設(shè)計了航站樓內(nèi)低成本連續(xù)定位優(yōu)化算法，開發(fā)航站樓內(nèi)定位軟件并對提出的定位優(yōu)化算法進(jìn)行實(shí)驗(yàn)驗(yàn)證和結(jié)果分析。

1 方法框架

1.1 iBeacon在航站樓內(nèi)定位特性分析

iBeacon最開始是發(fā)布在移動設(shè)備OS上配備的新功能，它的工作方式是配備低功耗藍(lán)牙4.0(BLE)通信功能的設(shè)備[1]，可以使用BLE技術(shù)向周圍發(fā)送自己特有的ID，接收到該ID的應(yīng)用軟件會進(jìn)行下一步行動。iBeacon采用的是BLE技術(shù)，只要是支持該技術(shù)的設(shè)備都可以接收到，Bluetooth設(shè)備工作在全球通用的2.4 GHz的ISM(Industrial，Science and Medicine)頻段。每一個iBeacon基站都有自己的信號傳輸范圍，藍(lán)牙信號的傳輸范圍可達(dá)50 m，當(dāng)移動端進(jìn)入到iBeacon基站的藍(lán)牙信號覆蓋范圍時，在移動端可以接收到iBeacon基站相關(guān)信息，根據(jù)藍(lán)牙信號強(qiáng)度進(jìn)行處理。雖然藍(lán)牙有效的傳輸距離一般是幾m到幾十m[8]，但是在實(shí)際應(yīng)用中，在采集到藍(lán)牙信號后對數(shù)據(jù)進(jìn)行處理時，需要考慮多種因素。在處理過程中，要在確定遠(yuǎn)距離連接的藍(lán)牙信號穩(wěn)定時，才能確定接收到的藍(lán)牙信號數(shù)據(jù)可用。

藍(lán)牙信號會因航站樓內(nèi)的障礙物而產(chǎn)生反射、折射等現(xiàn)象，使得信號衰減，因此隨著RSSI信號強(qiáng)度數(shù)據(jù)采集設(shè)備與基站之間距離的不斷增加，采集到的RSSI數(shù)據(jù)的誤差也隨之越來越大。通過設(shè)置藍(lán)牙基站，并分別在距離藍(lán)牙基站1 m，2 m，…，10 m的地方放置采集移動端，在同一位置采集20次后求其均值，得到表1中的結(jié)果。

表1 RSSI采集值

由表1可知，移動端和藍(lán)牙基站標(biāo)之間的距離越短，采集到的藍(lán)牙信號強(qiáng)度則越高，在后續(xù)的定位應(yīng)用中得到的結(jié)果越精準(zhǔn)，但是在部署好藍(lán)牙基站后，由于藍(lán)牙基站之間會有一定的距離，在實(shí)際應(yīng)用時，藍(lán)牙基站之間的距離并不能保證是較近的，可以采集較強(qiáng)的藍(lán)牙信號強(qiáng)度來進(jìn)行定位，存在所處位置距離周圍的藍(lán)牙基站的位置都較遠(yuǎn)的情況。當(dāng)還未進(jìn)入iBeacon基站覆蓋范圍時，采集到的藍(lán)牙信號強(qiáng)度數(shù)據(jù)就比較弱甚至數(shù)量不足以支持通過基于RSSI測距模型來實(shí)現(xiàn)定位。以上的場景被視為弱場環(huán)境。

1.2 航站樓內(nèi)低成本連續(xù)定位方案

作為我國的樞紐機(jī)場，機(jī)場航站樓環(huán)境復(fù)雜，無線信號在傳播過程中會由于周圍障礙物的存在和人員的影響產(chǎn)生多徑效應(yīng)，另外存在其他無線信號、電磁波的干擾，另一方面由于樞紐機(jī)場的旅客吞吐量大、機(jī)場航站樓內(nèi)多出現(xiàn)人員流動的情況，無線信號在傳播過程中會受到干擾，使得旅客接收端接收到的無線信號與實(shí)際的無線信號值差距較大。因此在基于機(jī)場航站樓內(nèi)已部署的iBeacon基站中，由于產(chǎn)生的多徑效應(yīng)，多數(shù)情況下會出現(xiàn)斷點(diǎn)的情況，在進(jìn)行靜態(tài)定位時可以達(dá)到較為精確的效果，但是在旅客行走過程中進(jìn)行動態(tài)定位時則會出現(xiàn)各種情況。由于藍(lán)牙信號自身的特性和智能移動端采集信號需要一定時長的影響，會出現(xiàn)斷點(diǎn)弱場的情況，使得在進(jìn)行定位時得到的位置經(jīng)常是不連續(xù)的，并存在一定的誤差，與實(shí)際位置相差較大，因此基于樞紐機(jī)場航站樓內(nèi)斷點(diǎn)弱場環(huán)境下采用的是基于EKF(Extended Kalman Filter)的融合定位算法。由于機(jī)場航站樓內(nèi)多出現(xiàn)人員流動的情況，在基于EKF的融合定位算法的基礎(chǔ)上進(jìn)行地圖匹配算法進(jìn)行融合，進(jìn)一步改善機(jī)場航站樓內(nèi)人員走動對旅客定位結(jié)果的影響，其定位方案如圖1所示。

圖1 航站樓內(nèi)定位方案

在機(jī)場環(huán)境下，基于航站樓內(nèi)復(fù)雜的環(huán)境，利用智能移動端內(nèi)部傳感器來實(shí)現(xiàn)PDR(Pedestrian Dead Reckoning)定位，以增強(qiáng)旅客在航站樓內(nèi)連續(xù)定位性能，在航站樓內(nèi)信號強(qiáng)度較弱的情況下，可以采用基于EKF的連續(xù)融合定位技術(shù)來彌補(bǔ)弱場環(huán)境下的定位，進(jìn)一步提高航站樓內(nèi)定位的連續(xù)性，通過地圖匹配融合算法進(jìn)一步提高定位精度。首先采集相關(guān)數(shù)據(jù)，利用智能移動端采集藍(lán)牙信號強(qiáng)度、加速度等相關(guān)數(shù)據(jù)，通過濾波處理后，由基于EKF的連續(xù)融合定位算法得到定位結(jié)果，減少定位中因?yàn)樾盘枏?qiáng)度弱而引起的誤差。通過這種融合定位方法，可以增強(qiáng)旅客室內(nèi)連續(xù)定位性能。將得到的定位結(jié)果進(jìn)行進(jìn)一步處理，和數(shù)據(jù)庫中存儲的數(shù)據(jù)化的地圖信息進(jìn)行匹配，進(jìn)一步提高定位精度。最后調(diào)用地圖服務(wù)器進(jìn)行旅客的位置顯示。

2 基于EKF和地圖匹配的精準(zhǔn)定位方法

2.1 基于EKF的連續(xù)融合定位算法

為了解決前述由于藍(lán)牙覆蓋范圍使得定位越來越不連續(xù)的情況，采用基于擴(kuò)展卡爾曼濾波的融合定位算法。PDR定位技術(shù)得到的旅客定位結(jié)果是連續(xù)的，得到的旅客位置信息不會出現(xiàn)突變的情況，但是誤差會隨著時間的累積而增大?；趇Beacon定位技術(shù)得到的位置坐標(biāo)的精確度較高，但是由于采集到的藍(lán)牙信號強(qiáng)度會出現(xiàn)跳變的情況，得到的結(jié)果是不連續(xù)的，定位不穩(wěn)定，因此基于以上兩種定位算法進(jìn)行初步定位，其具體的融合定位方法流程圖如圖2所示，通過利用位移、方向約束來優(yōu)化旅客位置，主要是利用iBeacon測距定位算法求得移動端的位置作為初始坐標(biāo)，然后將位置坐標(biāo)和PDR算法中的航向角作為擴(kuò)展卡爾曼濾波的觀測量得到更新后的狀態(tài)。

圖2 航站樓內(nèi)融合定位流程圖

① 首先采集相關(guān)數(shù)據(jù)信息，包括藍(lán)牙信號強(qiáng)度、藍(lán)牙的名稱和加速度傳感器的相應(yīng)數(shù)據(jù)，輸出藍(lán)牙列表并將所用的相關(guān)信息存儲到SQLite數(shù)據(jù)庫[9]中。

② 在利用iBeacon進(jìn)行定位時，因?yàn)樗{(lán)牙RSSI信息在采集時會出現(xiàn)不穩(wěn)定的情況，在進(jìn)行實(shí)驗(yàn)時移動端越靠近iBeacon信標(biāo)時，采集的信號強(qiáng)度越高，通過高斯濾波器將藍(lán)牙信號強(qiáng)度進(jìn)行預(yù)處理，使用最小二乘法對數(shù)據(jù)進(jìn)行傳播模型擬合。

③ 對藍(lán)牙數(shù)據(jù)信息進(jìn)行預(yù)處理以后，利用三邊測距定位算法計算出移動端當(dāng)前的位置坐標(biāo)，并傳遞給PDR算法作為初始坐標(biāo)。

④ 由于在進(jìn)行實(shí)驗(yàn)時藍(lán)牙信號強(qiáng)度有高低之分，因此需要對該時的場景進(jìn)行判斷，通過RSSI信號強(qiáng)度閾值來進(jìn)行判斷，在非弱場環(huán)境下即iBeacon的信號強(qiáng)度比較高的時候，采用iBeacon技術(shù)來實(shí)現(xiàn)定位功能；在弱場環(huán)境下即iBeacon信號強(qiáng)度較低的環(huán)境下或沒有iBeacon信號的場景下，采用PDR融合定位技術(shù)，基于目前場速度位置信息、旅客的行進(jìn)速度、時間和步長的歷史信息，與iBeacon技術(shù)相融合進(jìn)行定位。

⑤ 得到坐標(biāo)后，更新目前的位置信息，并進(jìn)行顯示。

PDR技術(shù)可以通過移動端采集到比較準(zhǔn)確的位移和航向角，可以提供相對的位置，實(shí)現(xiàn)優(yōu)勢互補(bǔ)。

系統(tǒng)的狀態(tài)方程為

(1)

觀測方程為

(2)

式中，wk，vk為相互獨(dú)立的系統(tǒng)狀態(tài)噪聲和觀測噪聲，噪聲的協(xié)方差為Q和R。在狀態(tài)方程(1)中，xk，yk為第k時刻的位置坐標(biāo)；φk為預(yù)測的航向角；xk-1，yk-1為第k-1時刻的融合定位坐標(biāo)；Sk為第k-1時刻的步長和航向角的預(yù)測值；Δφk為估計得到航線角的增量。在預(yù)測方程(2)中，xk，yk分別為第k時刻通過iBeacon得到的位置坐標(biāo)。

系統(tǒng)的先驗(yàn)估計為

xk=Φkxk-1

(3)

(4)

得到的卡爾曼增益為

(5)

更新系統(tǒng)的狀態(tài)方程和協(xié)方差矩陣：

xk=xk+Kk(zk-Hkxk)

(6)

Pk=(I-KkHk)Pk

(7)

2.2 基于粒子濾波的地圖匹配定位算法

地圖匹配是指將旅客的走行軌跡和機(jī)場航站樓內(nèi)數(shù)字地圖進(jìn)行匹配的過程，主要是應(yīng)用在已知路徑信息且路徑比較簡單的情況下，利用多傳感器定位技術(shù)計算出的旅客位置，然后與地圖信息中的路徑、關(guān)鍵點(diǎn)、標(biāo)注點(diǎn)等相匹配，進(jìn)行位置糾正。本次采用基于粒子濾波的地圖匹配算法。

粒子濾波[10]是結(jié)合抽樣理論和貝葉斯估計的一種近似算法。主要是通過尋找一組在線狀態(tài)空間傳播的隨機(jī)樣本對概率密度函數(shù)進(jìn)行近似，以樣本均值代替積分運(yùn)算，從而獲得狀態(tài)最小方差分布的過程，常用于解決非線性和非高斯性的問題。

該算法是以貝葉斯理論為基礎(chǔ)，貝葉斯定理主要是通過觀測信息來建立后驗(yàn)概率密度函數(shù)，并且由密度函數(shù)來對系統(tǒng)做出決策。主要是通過已知的先驗(yàn)概率利用貝葉斯公式來求解后驗(yàn)概率，最后進(jìn)行決策。

貝葉斯公式如下：

(8)

式中，P(B)為事件B發(fā)生的概率；P(A)為事件A發(fā)生的概率；P(B|A)為事件B在已知事件A發(fā)生情況下的概率；P(A|B)為事件A在已知事件B發(fā)生情況下的概率。將P(A)稱為先驗(yàn)概率，P(A|B)則是通過轉(zhuǎn)化為的后驗(yàn)概率。通過貝葉斯理論可以實(shí)現(xiàn)機(jī)場航站樓內(nèi)的位置跟蹤，利用粒子濾波原理進(jìn)行分析，其系統(tǒng)方程為

xk=f(xk-1,vk-1)

(9)

zk=h(xk,wk)

(10)

式中，xk為在第k時刻的系統(tǒng)狀態(tài)，在本節(jié)表示的是第k時刻的位置信息；zk為第k時刻地圖信息的觀測值；vk-1為系統(tǒng)噪聲；wk為觀測噪聲；f()，h()分別為狀態(tài)轉(zhuǎn)移函數(shù)和系統(tǒng)觀測函數(shù)。它的初始概率密度為

p(x0|z0)=p(x0)

(11)

狀態(tài)預(yù)測方程為

(12)

狀態(tài)更新方程為

(13)

基于粒子濾波的地圖匹配算法是將網(wǎng)絡(luò)化的地圖數(shù)據(jù)存入到SQLite數(shù)據(jù)庫中，然后在定位的過程中，將航站樓內(nèi)低成本的連續(xù)融合定位算法得到的位置坐標(biāo)與SQLite數(shù)據(jù)庫中的地圖數(shù)據(jù)信息進(jìn)行匹配，從而完成位置糾正。其具體的地圖匹配算法如圖3所示。

圖3 基于粒子濾波的地圖匹配算法

3 方法驗(yàn)證

3.1 航站樓內(nèi)定位軟件驗(yàn)證環(huán)境搭建

在航站樓內(nèi)旅客定位軟件中，最為關(guān)鍵的是旅客位置的確定，本設(shè)計中，其定位功能的整體框架結(jié)構(gòu)如圖4所示，主要由三部分構(gòu)成：智能移動前端、后臺運(yùn)算和數(shù)據(jù)庫。智能移動前端主要負(fù)責(zé)數(shù)據(jù)采集，接收到的iBeacon基站發(fā)射的藍(lán)牙信號相關(guān)數(shù)據(jù)以及多傳感器中的相關(guān)數(shù)據(jù)采集，通過后臺的濾波算法將采集到的數(shù)據(jù)進(jìn)行預(yù)處理及相關(guān)模型構(gòu)建，將處理好的數(shù)據(jù)存儲到SQLite數(shù)據(jù)庫中，通過第3節(jié)所述的針對機(jī)場航站樓環(huán)境下的定位算法解算出旅客的位置信息，最后由智能移動端將位置坐標(biāo)進(jìn)行顯示。

圖4 定位功能的系統(tǒng)結(jié)構(gòu)

在基于iBeacon的室內(nèi)定位中，其基本原理是部署iBeacon設(shè)備在固定的位置，固定的iBeacon信標(biāo)作為基站，發(fā)射藍(lán)牙信號，而移動端在移動的過程中，通過接受到藍(lán)牙信號，根據(jù)移動端距離iBeacon設(shè)備越遠(yuǎn)信號強(qiáng)度不斷衰減[11]的特性，根據(jù)采集到的信號強(qiáng)度數(shù)據(jù)確定移動端距離iBeacon設(shè)備的距離，進(jìn)而計算出移動端的位置信息，使用的硬件介紹如下。

移動設(shè)備：榮耀平板Android 9.0，內(nèi)置加速度傳感器、方向傳感器、地磁傳感器等本次實(shí)驗(yàn)所用的傳感器，并且配置有支持藍(lán)牙 BLE4.0芯片。

iBeacon基站：采用的是智石科技的ibeacon Smart藍(lán)牙4.0基站，其主要參數(shù)如下

① 藍(lán)牙模塊：Nordic51822AA。

② 通信方式：BLE4.0。

③ 廣播功率：-30～4 dBm。

④ 廣播頻率：100～10000 ms，默認(rèn)800 ms。

⑤ 傳輸距離：3～100 m(半徑)可調(diào)。

⑥ 支持設(shè)備：IOS7.0以上，Android4.3以上。

本次實(shí)驗(yàn)環(huán)境的選取應(yīng)為可視的室內(nèi)環(huán)境。以某機(jī)場T3航站樓內(nèi)的一個走廊作為實(shí)驗(yàn)仿真環(huán)境原型，選取一個長為47.5 m，寬為35.8 m的仿真環(huán)境。在此環(huán)境中，部署10個藍(lán)牙信標(biāo)作為參考節(jié)點(diǎn)，分別為AP1～AP10，當(dāng)設(shè)置藍(lán)牙信標(biāo)參數(shù)發(fā)射功率調(diào)到-4 dBm、發(fā)射間隔為417.5 ms時，藍(lán)牙信標(biāo)之間的間隔為6～10 m為最佳定位距離，因此在部署時保持相鄰的藍(lán)牙信標(biāo)之間的距離約為6～9 m，本次在部署藍(lán)牙信標(biāo)具時，在拐點(diǎn)、交叉點(diǎn)的位置部署較為密集，在直線路徑上較為稀疏，其具體部署情況如圖5所示，其坐標(biāo)如表2所示。

圖5 某航站樓內(nèi)部分藍(lán)牙布置圖

表2 藍(lán)牙信標(biāo)的相對位位置

3.2 單點(diǎn)定位結(jié)果分析

在實(shí)際應(yīng)用的場景中，定位結(jié)果通常會受到周圍環(huán)境的影響，例如環(huán)境中的障礙物、空氣溫度等物理因素，還會存在人員因素。人員走動對旅客定位精度有較大的影響。為了驗(yàn)證機(jī)場航站樓內(nèi)周圍人員走動對定位結(jié)果的影響，進(jìn)一步對實(shí)際應(yīng)用環(huán)境進(jìn)行模擬實(shí)驗(yàn)，加入應(yīng)用環(huán)境中可能出現(xiàn)的場景，進(jìn)行定位誤差結(jié)果分析。在實(shí)驗(yàn)地點(diǎn)選取兩處分別進(jìn)行多次實(shí)驗(yàn)，針對相同的物理環(huán)境下，有無人員走動對最后的定位結(jié)果進(jìn)行分析。

在實(shí)驗(yàn)路段選取直線路徑上交叉口較少的位置作為測試點(diǎn)1，在該測量點(diǎn)利用智能移動端測取多組數(shù)據(jù)進(jìn)行分析得到圖6。

圖6 測量點(diǎn)1處行人定位誤差對比圖

由圖6可以看出，在周圍環(huán)境因素相同的情況下，有無人員走動這一因素對最后行人的定位精度影響較大，在有人員走動時相較于無人員走動的定位精度普遍相對較低。在無人員走動時，得到的定位誤差在0.5～1.3 m之間，定位誤差均在1.5 m以下，約80%的定位精度是在1 m以內(nèi)，定位精度較高，而在有人員走動時，得到的定位誤差在1～3 m之間，在一定程度上人員走動對得到的行人定位結(jié)果的影響較大。

在實(shí)驗(yàn)路段選取拐點(diǎn)、交叉口較多的位置作為測試點(diǎn)2，在該測量點(diǎn)利用智能移動端測取多組數(shù)據(jù)進(jìn)行分析得到圖7。

由圖7可以看出，同圖6情況基本一致，在周圍環(huán)境因素相同的情況下，在有人員走動時相較于無人員走動的定位精度普遍相對較低。在無人員走動時，得到的定位誤差在0.5～1.5 m之間，定位誤差均在1.5 m以下，約60%的定位精度是在1 m以內(nèi)，定位精度相對較高，而在有人員走動時得到的定位誤差在1～3 m之間，在一定程度上人員走動對得到的行人定位結(jié)果的影響較大。

對比圖6、圖7可以看出，不管是在直線路線點(diǎn)處還是拐點(diǎn)處，人員的走動均對最后行人的定位結(jié)果存在的較大的影響，在實(shí)驗(yàn)地點(diǎn)是直線路徑上交叉口較少的位置時得到的定位結(jié)果較于拐點(diǎn)、交叉口較多的位置定位精度較高。

3.3 走行過程中定位結(jié)果分析

本節(jié)對仿真的結(jié)果進(jìn)行了展示和分析，主要包括定位結(jié)果誤差分析和多種算法定位結(jié)果的分析。本次是在實(shí)驗(yàn)環(huán)境中進(jìn)行仿真實(shí)驗(yàn)，部署10個藍(lán)牙信標(biāo)并選取32個測試點(diǎn)來進(jìn)行實(shí)驗(yàn)測試。通過對最后的定位結(jié)果來進(jìn)行比較和分析可以看出，提出的航站樓內(nèi)低成本融合定位算法和地圖匹配算法結(jié)合對航站樓內(nèi)的最后定位結(jié)果的精度有所改善。

通過智能移動端采集選取32個點(diǎn)作為測量點(diǎn)，在每個測量點(diǎn)測量30組數(shù)據(jù)，得到的定位結(jié)果誤差數(shù)據(jù)表和定位算法誤差對比圖如表3和圖8所示。

表3 定位結(jié)果誤差數(shù)據(jù)表

圖8 多種算法定位誤差對比圖

由表3可知，地圖匹配融合算法最大定位誤差為1.5 m，平均誤差為0.86 m，相較于單一的iBeacon定位算法、PDR算法、航站樓內(nèi)連續(xù)融合定位算法在定位精度上都有顯著的提高，較單一的iBeacon定位算法的平均誤差減少了0.68 m，較單一的PD定位算法的平均誤差減少了0.47 m，比航站樓內(nèi)連續(xù)融合定位算法的平均誤差減少了0.25 m。

由圖 8可以看出，相交于單一的定位技術(shù)，設(shè)計的基于EKF的連續(xù)定位算法和地圖匹配融合定位算法得到的定位精度較高。

為了可以更加直觀地體現(xiàn)出在機(jī)場航站樓內(nèi)地圖匹配融合定位算法相對于前面介紹的航站樓內(nèi)的定位算法的優(yōu)越性，分別針對iBeacon測距定位、航站樓內(nèi)連續(xù)定位和地圖匹配融合定位進(jìn)行了仿真，通過智能移動端采集相關(guān)數(shù)據(jù)并通過高斯-卡爾曼濾波進(jìn)行濾波處理，利用不同定位方式得到旅客走軌跡的仿真結(jié)果如圖 9所示，接下來對得到的定位結(jié)果進(jìn)行分析。

由圖9可以看出，地圖匹配融合算法較航站樓內(nèi)連續(xù)融合定位算法更加接近真實(shí)的軌跡，由于在航站樓內(nèi)藍(lán)牙信號的傳播距離有限，距離藍(lán)牙信標(biāo)越遠(yuǎn)的地方信號衰減越厲害，定位精度和效果越偏離原來的軌跡，由于航站樓內(nèi)各種環(huán)境的因素的影響，以及藍(lán)牙覆蓋范圍有限的原因， 在距離藍(lán)牙信標(biāo)距離較遠(yuǎn)的地方，藍(lán)牙RSSI值會比較小且由于采集數(shù)據(jù)需要一定時間，容易出現(xiàn)斷點(diǎn)弱場的情況，此時利用智能移動端中的多傳感器來對iBeacon測距算法進(jìn)行位置校正，即在航站樓內(nèi)使用連續(xù)融合定位算法對航站樓內(nèi)的斷點(diǎn)弱場環(huán)境進(jìn)行改善。作為我國的樞紐機(jī)場，其旅客吞吐量大、機(jī)場航站樓內(nèi)多出現(xiàn)人員流動的情況，因此采用地圖匹配融合算法來進(jìn)一步提高旅客在走行過程中的定位精度，減小人員流動對定位結(jié)果的影響。由圖9可以看出，在實(shí)驗(yàn)人員走行過程中，在大部分測量點(diǎn)處，通過地圖匹配融合算法可以有效地改善在航站樓內(nèi)的定位誤差。

圖9 多種定位算法走行軌跡圖

4 結(jié)束語

針對樞紐機(jī)場環(huán)境下對旅航站樓內(nèi)的旅客位置服務(wù)進(jìn)行研究，主要是通過部署在機(jī)場航站樓內(nèi)的iBeacon基站結(jié)合智能移動設(shè)備中的多傳感器，在機(jī)場航站樓內(nèi)的斷點(diǎn)弱場和密集人流環(huán)境下面向行人設(shè)計航站樓內(nèi)低成本的連續(xù)定位算法，進(jìn)一步提高定位精度，隨著現(xiàn)在移動通信網(wǎng)絡(luò)的發(fā)展，如何將所用的定位技術(shù)與蜂窩定位技術(shù)進(jìn)行有效融合也需要進(jìn)行進(jìn)一步研究。