CN104270818A - 一种停车场中车辆的无线定位方法 - Google Patents
一种停车场中车辆的无线定位方法 Download PDFInfo
- Publication number
- CN104270818A CN104270818A CN201410549777.3A CN201410549777A CN104270818A CN 104270818 A CN104270818 A CN 104270818A CN 201410549777 A CN201410549777 A CN 201410549777A CN 104270818 A CN104270818 A CN 104270818A
- Authority
- CN
- China
- Prior art keywords
- reference point
- location
- signal
- wireless
- location reference
- 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.)
- Pending
Links
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
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明属于无线定位技术领域,公开了一种停车场中车辆无线定位方法,包括以下步骤:在停车场中设置无线局域网,基于停车场的车位与行车道选取并标记定位参考点;采用基于无线访问接入点AP信号强度的位置指纹定位技术采集定位参考点处的多个AP信号样本的信息,并建立RSSI指纹数据库;在执行定位操作的情况下,实时采集所在位置的AP信号强度;将实时采集的AP信号强度与RSSI指纹数据库中记录的定位参考点的AP信号样本信息进行匹配比对,确定位置信息。本发明有效减少了参考点的数量,大大减少了采集数据的工作量;充分挖掘利用了RSS的变化范围,建立新型指纹数据库,有效避免了非视距传输效应、多径传播效应和RSS衰减规律异常的情况下对定位精度的影响。
Description
技术领域
本发明涉及无线定位技术领域,公开了一种停车场中车辆的无线定位方法。
背景技术
随着经济的快速发展和人们生活水平的不断提高,私家车的拥有量倍增,对商业区,医院,学校和大型写字楼等场所的停车需求也越来越大,因此停车场建设规模也越来越大。
由于停车场楼层多,空间大,方向不易辨别,场景和标志物类似,许多车主发现在大型停车场内寻找自己的车辆和把车辆驶离停车场是件比较头疼的事情。目前的大型停车场都普遍缺乏对车辆反向查询,和提供车辆驶离停车场时定位服务的系统;无法定位车辆和判断驶离路线。
发明内容
本发明所要解决的技术问题是提供一种能够在大型停车场中实现车辆快速,准确无线定位的方法。
为解决上述技术问题,本发明提供了一种停车场中车辆的无线定位方法,包括以下步骤:
在停车场中设置无线局域网,基于停车场的车位与行车道选取并标记定位参考点;
采用基于无线访问接入点AP信号强度的位置指纹定位技术采集定位参考点处的多个AP信号样本的信息,并建立RSSI指纹数据库;
在执行定位操作的情况下,实时采集所在位置的AP信号强度;
将实时采集的AP信号强度与RSSI指纹数据库中记录的定位参考点的AP信号样本信息进行匹配比对,确定位置信息;
其中,RSSI数据库记载定位参考点的标记信息与此定位参考点的多个AP信号样本信息的映射关系;
AP信号样本信息包括:AP接入点的MAC地址、信号强度RSSI的均值、最大值以及最小值;
匹配比对的具体方式为:在实时采集的AP信号强度落在定位参考点的信号强度RSSI的最大值和最小值区间范围内的情况下,判断两者匹配;在实时采集到多个AP信号的情况下,以存储最多相匹配的AP信号样本的定位参考点为定位位置。
进一步地,在进行匹配比对前,采用莱以特准则剔除实时采集的AP信号强度参数RSSI中包涵粗大误差的异常数据。
进一步地,所述定位参考点分别设置在车位中心与车道中心线上。
进一步地,沿着所述车道移动过程中,在实时采集到某AP信号强度出现波峰的情况下,将此AP信号波峰强度值与所述指纹数据库进行匹配,确定一个距离此AP最近的定位参考点,为特殊参考点。
进一步地,匹配比对中,在有多个定位参考点均存储最多相匹配AP信号样本的情况下,则计算所述多个定位参考点覆盖的区域半径r;
以所述多个定位参考点所覆盖的区域中心为定位位置。
进一步地,在r≤8的情况下,以所述多个定位参考点所覆盖的区域中心为定位位置;
在r>8的情况下,采用线性回归分析模型,以上1s内的所有的位置点为终点,结合所述特殊参考点,用前10s内确定的定位参考点和当前定位参考点集合中的某个点做位置序列,在频谱中找这些定位参考点的对应的各个AP的信号强度RSSI值,计算拟合斜率;分别计算各个AP真实斜率与其拟合斜率的差的绝对值,称作距离,计算所有AP距离的和;输出距离和最小的位置点,作为定位位置点。
本发明提供的停车场中车辆的无线定位方法通过建立无线局域网络以及RSSI的指纹数据库,对采集数据进行预处理后,保存AP信号强度的平均值,最大值和最小值,有效降低了由于非视距传输效应,多径传播效应和人员车辆等不确定因素对定位过程中RSS不稳定变化的影响,从而提高定位精度;本发明采用最高匹配数量机制进行定位,充分匹配指纹数据库,降低异常AP的RSSI对定位结果的影响,实现跟高得能够为精度和效率。
附图说明
图1为本发明实施例提供的停车场定位参考点的铺设示意图;
图2为本发明实施例提供的RSSI指纹数据库的结构图。
具体实施方式
本发明实施例提供的一种停车场中车辆的无线定位方法,包括以下步骤:
在停车场中设置无线局域网,基于停车场的车位与行车道选取并标记定位参考点;
采用基于无线访问接入点AP信号强度的位置指纹定位技术采集定位参考点处的多个AP信号样本的信息,并建立RSSI指纹数据库;
在执行定位操作的情况下,实时采集所在位置的AP信号强度;
将实时采集的AP信号强度与RSSI指纹数据库中记录的定位参考点的AP信号样本信息进行匹配比对,确定位置信息;
其中,RSSI数据库记载定位参考点的标记信息与此定位参考点的多个AP信号样本信息的映射关系;
参见图2,本实施例提供一种可行的存储方式,AP信号样本信息包括:AP接入点的MAC地址、信号强度RSSI的均值、最大值以及最小值;其中,具体数值仅供举例使用。
匹配比对的具体方式为:在实时采集的AP信号强度落在定位参考点的信号强度RSSI的最大值和最小值区间范围内的情况下,判断两者匹配;在实时采集到多个AP信号的情况下,以存储最多相匹配的AP信号样本的定位参考点为定位位置。
参见图1,本实施例针对停车场的实际环境,选取定位参考点,定位参考点分别设置在车位中心与车道中心线上,一方面实现车辆的精确定位,另一方面,也能准确指示车辆的行驶路径,方面车辆移动。
采用基于无线访问接入点AP信号强度的位置指纹定位技术采集定位参考点处的多个AP信号样本的信息,并建立RSSI指纹数据库。
基于WLAN的室内定位方法,需要根据在不同定位参考点处采集的WLAN信号样本,建立位置参考点的ZP信号强度的指纹数据库,包含RSSI的均值,最大值和最小值,用以实现对待测未知信号样本的模式匹配和系统辨识功能。定位指纹数据库的数据结构反应了不同参考点的空间三维坐标与采集的信号样本统计特征之间的映射关系;其中,信号样本的统计特征包括接收到的来自不同AP接入点的RSSI的均值、最大值、最小值以及AP接入点的MAC地址。
定位指纹数据库是在离线阶段建立的,在离线阶段完成WLAN室内网络的布置、定位参考点位置的标记和不同参考点处的信号样本采集等步骤,最后建立WLAN定位指纹数据库。
在进行匹配比对前,采用莱以特准则剔除实时采集的AP信号强度参数RSSI中包涵粗大误差的异常数据。
本实施例给出一种具体设置方式,例如,对于参考点-008063025,正负代表地上和地下,008代表高度,063和025代表平面坐标系中的X、Y的值,参考点-008063025处即为地下8米处(B2地下停车场)的平面坐标系第一象限X、Y分别为063、025的位置处。假设对于参考点-008063025处的来自APk的n个信号样本(xi,i=1,…,n),共有m个不同的离散信号样本值(Sr,r=1,…, m),首先采用莱以特准则对采样信号强度作筛选。莱以特准则又称3σ准则,它是常用的、也是判别粗大误差最简单的准则。莱以特准则的基本原理是:对某对象进行n次等精度重复测量,得x1,x2,…,xn,若某一数据xk的残差vk,满足条件:
则认为xk含粗大误差,属异常数据,予以剔除。其中为x1,x2,…,xn的算术平均值,σ为测量值的标准差,即:
然后,剩余测量值的平均值、最大值和最小值。
在执行定位操作的情况下,实时采集所在位置的AP信号强度;将实时采集的AP信号强度与RSSI指纹数据库中记录的定位参考点的AP信号样本信息进行匹配比对,确定位置信息。
匹配比对的具体方式为:在实时采集的AP信号强度落在定位参考点的信号强度RSSI的最大值和最小值区间范围内的情况下,判断两者匹配;在实时采集到多个AP信号的情况下,以存储最多相匹配的AP信号样本的定位参考点为定位位置;即通过实际配比逐次计数,选择匹配AP信号样本最多的参考点。
具体可以采用采用投票方式匹配数据库进行定位:
RSSI指纹数据中信号强度为有效区间范围,因此在线定位阶段,采集到信号强度与数据库进行匹配,如果某个信号强度在区域中则该参考点的票数加1,依次类推,票数最多的参考点为定位结果。
也可能出现票数相同的情况,即票数最多的定位参考点有两个或者更多,匹配比对中,在有多个定位参考点均存储最多相匹配AP信号样本的情况下,则计算多个定位参考点覆盖的区域半径r;以多个定位参考点所覆盖 的区域中心为定位位置。
为了提升定位的精度,不能放任r无限制,因此,根据实际停车场的建造标准以及车辆的体形范围,优选的,在r≤8的情况下,以多个定位参考点所覆盖的区域中心为定位位置;定位精度和效率较高。
在r>8的情况下,采用线性回归分析模型实现定位计算,即:沿着车道移动过程中,在实时采集到某AP信号强度出现波峰的情况下,将此AP信号波峰强度值与所述指纹数据库进行匹配,确定一个距离此AP最近的定位参考点,为特殊参考点。以上1s内的所有的位置点为终点,结合所述特殊参考点,用前10s内确定的定位参考点和当前定位参考点集合中的某个点做位置序列,在频谱中找这些定位参考点的对应的各个AP的信号强度RSSI值,计算拟合斜率;分别计算各个AP真实斜率与其拟合斜率的差的绝对值,称作距离,计算所有AP距离的和;输出距离和最小的位置点,作为定位位置点。
通过如下计算过程说明:
假设10s内采样n次,每次采到m个AP,分别表示为AP1,AP2,…,APm。对于每个APi(0<i≤m),计算这n次采样(APi 1,APi 2,…,APi n)序列的最小二乘法的线性拟合斜率,记为计算公式为
其中,xt表示第t次采样,yt表示该AP在第t次采样测得的信号强度,其中0<i≤m,0<t≤n。假设第n次采样的值计算出候选位置集P1,P2,…,Pr,而前n-1次定位结果D1,D2,…,Dn-1是正确结果,分别计算每个APi(0<i≤m)在D1,D2,…,Dn-1,Ps(0<s≤r)组成的序列的最小二乘法所拟合出的线性函数的斜率,记为计算公式为
其中,xt表示第t次采样;当t<n时,yt表示该AP在Dt处频谱的信号 强度,当t=n时,yt表示该AP在Ps处频谱的信号强度,其中0<i≤m,0<t≤n。
对于候选集中的每个定位结果,计算其中0<s≤r.取最小的Ds对应的位置点Ps作为计算结果。
本发明提供的停车场中车辆的无线定位方法通过建立无线局域网络以及RSSI的指纹数据库,对采集数据进行预处理后,保存AP信号强度的平均值,最大值和最小值,有效降低了由于非视距传输效应,多径传播效应和人员车辆等不确定因素对定位过程中RSSI不稳定变化的影响,从而提高定位精度;本发明采用最高匹配数量机制进行定位,充分匹配指纹数据库,降低异常AP的RSSI对定位结果的影响,实现跟高得能够为精度和效率。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种停车场中车辆的无线定位方法,其特征在于,包括以下步骤:
在停车场中设置无线局域网,基于停车场的车位与行车道选取并标记定位参考点;
采用基于无线访问接入点AP信号强度的位置指纹定位技术采集定位参考点处的多个AP信号样本的信息,并建立RSSI指纹数据库;
在执行定位操作的情况下,实时采集所在位置的AP信号强度;
将实时采集的AP信号强度与RSSI指纹数据库中记录的定位参考点的AP信号样本信息进行匹配比对,确定位置信息;
其中,RSSI数据库记载定位参考点的标记信息与此定位参考点的多个AP信号样本信息的映射关系;
AP信号样本信息包括:AP接入点的MAC地址、信号强度RSSI的均值、最大值以及最小值;
匹配比对的具体方式为:在实时采集的AP信号强度落在定位参考点的信号强度RSSI的最大值和最小值区间范围内的情况下,判断两者匹配;在实时采集到多个AP信号的情况下,以存储最多相匹配的AP信号样本的定位参考点为定位位置。
2.如权利要求1所述的停车场中车辆的无线定位方法,其特征在于:在进行匹配比对前,采用莱以特准则剔除实时采集的AP信号强度参数RSSI中包涵粗大误差的异常数据。
3.如权利要求2所述的停车场中车辆的无线定位方法,其特征在于:所述定位参考点分别设置在车位中心与车道中心线上。
4.如权利要求3所述的停车场中车辆的无线定位方法,其特征在于:沿着所述车道移动过程中,在实时采集到某AP信号强度出现波峰的情况下,将此AP信号波峰强度值与所述指纹数据库进行匹配,确定一个距离此AP最近的定位参考点,为特殊参考点。
5.如权利要求4所述的停车场中车辆的无线定位方法,其特征在于:匹配比对中,在有多个定位参考点均存储最多相匹配AP信号样本的情况下,则计算所述多个定位参考点覆盖的区域半径r;
以所述多个定位参考点所覆盖的区域中心为定位位置。
6.如权利要求5所述的停车场中车辆的无线定位方法,其特征在于:
在r≤8的情况下,以所述多个定位参考点所覆盖的区域中心为定位位置;
在r>8的情况下,采用线性回归分析模型,以上1s内的所有的位置点为终点,结合所述特殊参考点,用前10s内确定的定位参考点和当前定位参考点集合中的某个点做位置序列,在频谱中找这些定位参考点的对应的各个AP的信号强度RSSI值,计算拟合斜率;分别计算各个AP真实斜率与其拟合斜率的差的绝对值,称作距离,计算所有AP距离的和;输出距离和最小的位置点,作为定位位置点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410549777.3A CN104270818A (zh) | 2014-10-16 | 2014-10-16 | 一种停车场中车辆的无线定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410549777.3A CN104270818A (zh) | 2014-10-16 | 2014-10-16 | 一种停车场中车辆的无线定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104270818A true CN104270818A (zh) | 2015-01-07 |
Family
ID=52162282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410549777.3A Pending CN104270818A (zh) | 2014-10-16 | 2014-10-16 | 一种停车场中车辆的无线定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104270818A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104918325A (zh) * | 2015-04-23 | 2015-09-16 | 小米科技有限责任公司 | 定位引导、停车引导方法及装置 |
CN105654766A (zh) * | 2016-03-22 | 2016-06-08 | 浙江大学城市学院 | 一种基于ZigBee指纹定位技术的地下停车场寻车系统及控制方法 |
CN105652235A (zh) * | 2015-12-29 | 2016-06-08 | 哈尔滨工业大学 | 基于线性回归算法的wlan室内定位多用户rss融合方法 |
CN106020182A (zh) * | 2015-03-27 | 2016-10-12 | 福特全球技术公司 | 车辆和车辆停车系统 |
CN106683470A (zh) * | 2016-11-17 | 2017-05-17 | 南昌大学 | 一种面向停车场的汽车定位方法 |
CN106793084A (zh) * | 2016-12-26 | 2017-05-31 | 成都麦杰康科技有限公司 | 定位方法及装置 |
CN106937308A (zh) * | 2016-12-28 | 2017-07-07 | 上海掌门科技有限公司 | 一种用于确定用户访问服务区域及活动信息的方法与设备 |
CN107407725A (zh) * | 2015-03-16 | 2017-11-28 | 赫尔环球有限公司 | 用于装置定位的引导几何结构提取 |
CN108668234A (zh) * | 2018-03-12 | 2018-10-16 | 重庆电子工程职业学院 | 一种基于wifi的停车场反向寻车方法 |
CN110611952A (zh) * | 2019-09-20 | 2019-12-24 | 北京眸星科技有限公司 | 指纹匹配定位方法 |
CN110839207A (zh) * | 2018-08-17 | 2020-02-25 | 广州汽车集团股份有限公司 | 导航方法、装置、系统、计算机设备和存储介质 |
CN110856255A (zh) * | 2019-11-25 | 2020-02-28 | 北京眸星科技有限公司 | 一种抗差位置指纹定位方法 |
CN112040438A (zh) * | 2020-07-22 | 2020-12-04 | 广州杰赛科技股份有限公司 | 一种智能网联车辆定位方法及装置 |
CN112863219A (zh) * | 2020-12-30 | 2021-05-28 | 深圳酷派技术有限公司 | 位置更新方法、装置、存储介质及电子设备 |
CN117119588A (zh) * | 2023-10-18 | 2023-11-24 | 湖南承希科技有限公司 | 一种基于Wi-Fi6技术实现车辆在轨道停车场内的定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572856A (zh) * | 2009-06-18 | 2009-11-04 | 杭州华三通信技术有限公司 | 无线局域网中的定位方法和装置 |
CN102883262A (zh) * | 2012-09-17 | 2013-01-16 | 北京大学 | 一种基于指纹匹配的Wi-Fi室内定位方法 |
CN103747519A (zh) * | 2013-12-11 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种室内定位指纹库的动态建立方法及系统 |
CN103957503A (zh) * | 2014-04-09 | 2014-07-30 | 北京工业大学 | 一种利用传感器计步提高WiFi指纹定位鲁棒性的方法 |
-
2014
- 2014-10-16 CN CN201410549777.3A patent/CN104270818A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572856A (zh) * | 2009-06-18 | 2009-11-04 | 杭州华三通信技术有限公司 | 无线局域网中的定位方法和装置 |
CN102883262A (zh) * | 2012-09-17 | 2013-01-16 | 北京大学 | 一种基于指纹匹配的Wi-Fi室内定位方法 |
CN103747519A (zh) * | 2013-12-11 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种室内定位指纹库的动态建立方法及系统 |
CN103957503A (zh) * | 2014-04-09 | 2014-07-30 | 北京工业大学 | 一种利用传感器计步提高WiFi指纹定位鲁棒性的方法 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107407725A (zh) * | 2015-03-16 | 2017-11-28 | 赫尔环球有限公司 | 用于装置定位的引导几何结构提取 |
CN107407725B (zh) * | 2015-03-16 | 2020-11-27 | 赫尔环球有限公司 | 用于装置定位的引导几何结构提取 |
CN106020182A (zh) * | 2015-03-27 | 2016-10-12 | 福特全球技术公司 | 车辆和车辆停车系统 |
CN106020182B (zh) * | 2015-03-27 | 2023-10-27 | 福特全球技术公司 | 车辆和车辆停车系统 |
CN104918325A (zh) * | 2015-04-23 | 2015-09-16 | 小米科技有限责任公司 | 定位引导、停车引导方法及装置 |
CN104918325B (zh) * | 2015-04-23 | 2020-04-14 | 小米科技有限责任公司 | 定位引导、停车引导方法及装置 |
CN105652235A (zh) * | 2015-12-29 | 2016-06-08 | 哈尔滨工业大学 | 基于线性回归算法的wlan室内定位多用户rss融合方法 |
CN105652235B (zh) * | 2015-12-29 | 2018-03-27 | 哈尔滨工业大学 | 基于线性回归算法的wlan室内定位多用户rss融合方法 |
CN105654766A (zh) * | 2016-03-22 | 2016-06-08 | 浙江大学城市学院 | 一种基于ZigBee指纹定位技术的地下停车场寻车系统及控制方法 |
CN106683470A (zh) * | 2016-11-17 | 2017-05-17 | 南昌大学 | 一种面向停车场的汽车定位方法 |
CN106683470B (zh) * | 2016-11-17 | 2019-11-01 | 南昌大学 | 一种面向停车场的汽车定位方法 |
CN106793084A (zh) * | 2016-12-26 | 2017-05-31 | 成都麦杰康科技有限公司 | 定位方法及装置 |
CN106937308A (zh) * | 2016-12-28 | 2017-07-07 | 上海掌门科技有限公司 | 一种用于确定用户访问服务区域及活动信息的方法与设备 |
CN108668234A (zh) * | 2018-03-12 | 2018-10-16 | 重庆电子工程职业学院 | 一种基于wifi的停车场反向寻车方法 |
CN108668234B (zh) * | 2018-03-12 | 2020-07-28 | 重庆电子工程职业学院 | 一种基于wifi的停车场反向寻车方法 |
CN110839207A (zh) * | 2018-08-17 | 2020-02-25 | 广州汽车集团股份有限公司 | 导航方法、装置、系统、计算机设备和存储介质 |
CN110839207B (zh) * | 2018-08-17 | 2021-03-19 | 广州汽车集团股份有限公司 | 导航方法、装置、系统、计算机设备和存储介质 |
CN110611952A (zh) * | 2019-09-20 | 2019-12-24 | 北京眸星科技有限公司 | 指纹匹配定位方法 |
CN110856255A (zh) * | 2019-11-25 | 2020-02-28 | 北京眸星科技有限公司 | 一种抗差位置指纹定位方法 |
CN110856255B (zh) * | 2019-11-25 | 2021-01-19 | 北京眸星科技有限公司 | 一种抗差位置指纹定位方法 |
CN112040438A (zh) * | 2020-07-22 | 2020-12-04 | 广州杰赛科技股份有限公司 | 一种智能网联车辆定位方法及装置 |
CN112863219A (zh) * | 2020-12-30 | 2021-05-28 | 深圳酷派技术有限公司 | 位置更新方法、装置、存储介质及电子设备 |
CN117119588A (zh) * | 2023-10-18 | 2023-11-24 | 湖南承希科技有限公司 | 一种基于Wi-Fi6技术实现车辆在轨道停车场内的定位方法 |
CN117119588B (zh) * | 2023-10-18 | 2024-01-12 | 湖南承希科技有限公司 | 一种基于Wi-Fi6技术实现车辆在轨道停车场内的定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104270818A (zh) | 一种停车场中车辆的无线定位方法 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN102332210B (zh) | 基于手机定位数据的实时城市道路交通流数据提取方法 | |
CN103476115B (zh) | 一种基于AP集相似度的Wi-Fi指纹定位方法 | |
CN105338498A (zh) | 一种WiFi室内定位系统中指纹库的构建方法 | |
CN102088769B (zh) | 直接估计和消除非视距误差的无线定位方法 | |
CN105206057B (zh) | 基于浮动车居民出行热点区域的检测方法及系统 | |
CN105241465B (zh) | 一种道路更新的方法 | |
CN107103392A (zh) | 一种基于时空地理加权回归的公交客流影响因素识别与预测方法 | |
CN107333276A (zh) | 基于加权卡方距离的WiFi位置指纹定位方法 | |
CN103068035A (zh) | 一种无线网络定位方法、装置及系统 | |
CN105792356A (zh) | 一种基于wifi的位置指纹定位方法 | |
CN103686999A (zh) | 基于WiFi信号的室内无线定位方法 | |
CN106060841B (zh) | 一种基于非自主部署ap的室内定位方法及装置 | |
CN105491661A (zh) | 基于改进的Kalman滤波算法的室内定位系统及方法 | |
CN104540221A (zh) | 基于半监督sde算法的wlan室内定位方法 | |
CN104066058A (zh) | 一种基于双套指纹叠加的wlan室内定位方法 | |
CN102253365B (zh) | 基于无线信号源参数估计的室内定位方法 | |
CN104282151A (zh) | 基于高频卫星定位数据的实时浮动车路径匹配方法 | |
CN103987118B (zh) | 基于接收信号强度信号ZCA白化的接入点k‑means聚类方法 | |
CN108060629B (zh) | 道基压实状况的采集方法/系统、监控系统、介质及终端 | |
CN104754735A (zh) | 位置指纹库的构建方法以及基于该位置指纹库的定位方法 | |
CN109840272B (zh) | 一种共享电动汽车站点用户需求预测方法 | |
CN105866732B (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 | |
CN104320789A (zh) | 一种基于博弈论的车联网rsu最优配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20190326 |