CN104537875A - 基于最近邻居的室内停车场定位寻车方法 - Google Patents

Abstract

本发明提供了一种基于最近邻居的室内停车场定位寻车方法，构建一个LANDMARC架构的定位系统，所有阅读器进行一次循环扫描，当某一待定位标签被三个阅读器检测到时，记下阅读器对应的二进制串矩阵和读取参考标签的情况，进而选取最近邻居，利用最近邻居的坐标计算待定位标签的位置坐标。本发明使得构建定位系统的硬件开支大大减少，适应室内环境中由于墙体或物体遮挡、阅读器失效等变化所带来的动态不确定性；在读写器数量较多的时候，可以有效减少计算量，提高定位的精度。

Description

基于最近邻居的室内停车场定位寻车方法

技术领域

本发明属于智能交通系统电子技术领域，涉及基于RFID的实时智能区域定位方法。

背景技术

目前，智能交通系统(ITS,Intelligent Transport System)架构的33种客户服务中有20多种都涉及到车辆的实时定位。因此，研究准确、高效的车辆实时定位技术成为近来智能交通领域的一个热点。智能停车管理系统中解决车主离场时寻车难的问题便属于这一研究的具体应用。

实现室内停车场的快速寻车，其核心是高效准确的定位算法。当前，常见的室内定位主要是利用红外、无线局域网、超声波、超宽带以及射频识别等技术，依据不同的定位算法来实现。

射频识别技术(RFID)是20世纪90年代开始兴起的自动识别技术的一种，即利用无线射频方式进行非接触双向数据通信，无需人工干预即可完成信息输入和处理并实现对目标加以识别。RFID技术能耗低，在各种恶劣环境下均可应用，能够广泛应用于生产、物流、医疗、交通、运输、跟踪、防伪、设备和资产管理等需要收集和处理数据的领域，被业界公认为是本世纪最有前途的应用技术之一。

当前，对基于RFID的定位方法研究如火如荼，而相关算法也是多种多样，主要有TOA算法、TDOA算法、RSSI算法以及AOA算法等。以上描述的四种常用算法中，TOA和TDOA定位要求阅读器与标签在时间上严格保持一致，使用AOA算法则需要给阅读器安装上昂贵的接收天线阵列，这三种方法硬件成本都比较高。

基于RSSI算法的LANDMARC系统通过参考标签进行辅助定位，依据参考标签同待定位标签之间的信号强度差异选择“最近邻居”，然后通过加权计算得到待定位标签的位置信息，该方法在不增加阅读器等硬件设备成本的情况下提高了系统的定位精度，而且LANDMARC定位系统中由于参考标签与待定位标签处在相同的环境之下，即环境的动态变化对两者的影响是等同的，因此，该方法可以很好的适应环境的动态变化，是目前研究广泛且优势比较突出的室内定位算法。但是LANDMARC定位算法在求解“最近邻居”时存在两大不足：(1)所有参考标签作为“最近邻居”的候选标签参与计算，带来计算量的大幅增加；(2)由现有路径损耗公式引起的“当标签离阅读器距离越远时，信号损耗越快，误差越大”。

发明内容

为了克服现有技术的不足，本发明提供一种基于最近邻居的室内停车场定位寻车方法，以实现智能停车场内车辆实时定位，帮助车主快速寻车离场，有效提高停车场利用效率。

本发明解决其技术问题所采用的技术方案包括以下步骤：

(1)构建一个LANDMARC架构的定位系统，系统中有均匀布置的阅读器M个，M≥3，位置坐标已知的参考标签N个，阅读器能级分为1-8级；

(2)定义待定位标签和每一个参考标签为一个8位二进制串，初始化每一位为0；

(3)每隔30s，所有阅读器从1到8能级进行一次循环扫描，当某一待定位标签被阅读器j在功率等级r时读到，r∈(1,8)，停止加大该阅读器的功率，并将其相应的二进制串的第r位置1；当该目标标签同时被3个阅读器检测到时，记下此时的阅读器Reader_a、Reader_b和Reader_c对应的二进制串矩阵T_p＝[T_pa T_pb T_pc]；

(4)记录此时Reader_a、Reader_b和Reader_c读取参考标签的情况，对应的矩阵记 $R=\left[\begin{array}{ccc}{R}_{1a}& R_{1b}& R_{1c}\\ R_{2a}& R_{2b}& R_{2c}\\ .& .& .\\ .& .& .\\ .& .& .\\ R_{\mathrm{xa}}& R_{\mathrm{xb}}& R_{\mathrm{xc}}\end{array}\right],$ 其中，x表示读取的参考标签个数，R_ij表示第i个参考标签与第j个阅读器对应的8位二进制串，i∈(1,x),j＝a,b,c；

(5)将矩阵T_p和R中的对应元素进行按位与运算，其结果矩阵为

(6)计算TR每行1的个数，按照每行1的个数从大到小取前k行代表的参考标签作为最近邻居，k≥4；

(7)利用最近邻居的坐标(x_i,y_i)计算待定位标签的位置坐标其中，w_i为第i行中1的个数占选定的k行中1的个数的百分比。

本发明的有益效果是：克服了传统算法中通过阅读器读取标签信号强度值，计算出待定位标签的位置坐标的不足，采用了更多低廉的参考标签代替了昂贵的阅读器，使得构建定位系统的硬件开支大大减少，还可以较好地适应室内环境中由于墙体或物体遮挡、阅读器失效等变化所带来的动态不确定性；此外，改进后的算法考虑到“距离阅读器越远的参考标签的参考价值越小，如果将这类参考标签考虑进去会最终影响整个系统的定位精度”的事实，基于“无论待定位标签处于何位置，都会处在它周围三个阅读器构成的三角形区域内，而该待定位标签的‘最近邻居’参考标签的选取也必然出自这三个阅读器的读写范围”，在进行定位时，将距离待定位标签最近的三个阅读器读写范围内选取最近邻居标签，这样的处理方式在读写器数量较多的时候，可以有效减少计算量，并且由于消除了远距离“不良”参考标签对定位精度的影响，在一定程度上还可以提高定位的精度。

该方法能很好的满足停车场室内定位系统的要求。将该方法应用于现代智能停车场管理系统当中，可以完善停车管理系统的功能，实现车主离开时快速寻车，提高服务质量使其更具人性化，在一定程度上还能提高停车位利用率。

附图说明

图1是本发明方法的执行流程图；

图2是标签与阅读器分布示意图；

图3是两种算法的误差累计分布图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

假设一个LANDMARC架构的定位系统，系统中有均匀布置的阅读器(Reader)M个(一般情况下M≥3)，参考标签(rf_Tag)N个。阅读器能量等级分为1-8级；参考标签位置坐标已知，用来辅助定位以提高目标标签，即待定位标签(Tag)的定位精度。此时，本发明提出方法的描述如下：

(1)定义每一个标签(包括Tag和rf_Tag)为一个8位二进制串，初始化其每一位均为“0”。

(2)每隔30s，所有阅读器(Reader)从1到8能级进行一次循环扫描。当某一待定位的目标标签Tag_p被阅读器j在功率等级r时读到(r∈(1,8))，停止加大该Reader的功率，并将其相应的二进制串的第r位置1。当该目标标签同时被3个Reader检测到时，记下此时的阅读器(记为Reader_a、Reader_b和Reader_c)对应的二进制串矩阵

T_p＝[T_pa T_pb T_pc]     (1)

其中，T_pa，T_pb，T_pc分别表示待定位标签Tag_p与Reader_a、Reader_b和Reader_c对应的二进制串。

(3)与待定位标签一样，记录此时Reader_a、Reader_b和Reader_c读取参考标签的情况，将其对应的矩阵记为(假设有x个被读取，1≤x≤N)

$R=\left[\begin{array}{ccc}{R}_{1a}& R_{1b}& R_{1c}\\ R_{2a}& R_{2b}& R_{2c}\\ .& .& .\\ .& .& .\\ .& .& .\\ R_{\mathrm{xa}}& R_{\mathrm{xb}}& R_{\mathrm{xc}}\end{array}\right]---\left(2\right)$

其中，R_ij(i∈(1,x),j＝a,b,c)表示第i个rf_Tag与第j个Reader对应的8位二进制串。

(4)将矩阵T_p和R中的对应元素进行按位“与”运算，其结果矩阵为

在运算结果中含有“1”越多说明这两种标签同时被读到的次数越多。

(5)选定k值(一般k≥4)，计算TR每行1的个数，按照每行1的个数从大到小取前k行代表的参考标签作为“最近邻居”。

这里，若k取值为1，取前三个信号强度最大的参考标签，求出它们的质心坐标，然后计算该质心同信号强度最大的参考标签之间的中点坐标，以此作为待定位标签的最终位置；当k取值为2时，以选定的信号强度最大的两个参考标签的中点坐标作为待定位标签的最终位置。

(6)利用“最近邻居”参考标签坐标，计算待定位标签的位置坐标

$(x,y)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{w}_i(x_i,y_i)---\left(4\right)$

这里w_i为参考标所占的权重。离待定位标签距离越近则所占权重越大(即TR中每行1的个数越多则该行对应的参考标签权重越大)。本发明采用相较于LANDMARC定位算法更简便的计算方式，即w_i为第i行中1的个数占选定的k行中1的个数的百分比。

本实施例搭建一个16m*16m的室内仿真环境，阅读器及参考标签的布局如图2所示。从左向右，从下到上，阅读器编号依次为1-9。

利用matlab R2012a版仿真软件对本发明方法和LANDMARC方法，进行待定位标签定位效果对比仿真。这里令k＝4，随机生成2000个待定位标签，分别对其进行定位。仿真步骤如下：

1)定义并初始化每一个标签为一个8位全“0”的二进制串；

2)每隔30s，所有阅读器(Reader)从1到8能级进行一次循环扫描。对每一个具体的待定位标签Tag_p，若被阅读器j在功率等级r时读到(r∈(1,8))，停止加大该Reader的功率，并将其相应的二进制串的第r位置1。当其同时被3个Reader检测到时，记下此时的阅读器对应的二进制串矩阵T_p；

3)记录此时三个Reader读取参考标签的情况，生成对应的矩阵记为R；

4)将矩阵T_p和R中的对应元素进行按位“与”运算，得到矩阵TR；

5)计算TR每行1的个数，按照每行1的个数从大到小取前4行代表的参考标签作为“最近邻居”；

6)利用“最近邻居”参考标签坐标，根据公式(4)计算该待定位标签的位置坐标。

重复以上2)～6)步，分别计算所有2000个待定标签的位置坐标，并计算定位误差及综合评价误差累积分布。

同样可以利用LANDMARC方法，计算所有2000个待定标签的位置坐标及其定位误差和误差累积分布。

定位误差即为所求坐标与Tag实际坐标的差值，即为

$e=\sqrt{{(x-x_0)}^2+{(y-y_0)}^2}---\left(5\right)$

其中，(x₀,y₀)为Tag的实际坐标；(x,y)为通过本发明方法或LANDMARC方法计算得到的坐标。两种算法的误差累积分布如图3所示。

图3中横坐标x为误差值，纵坐标F(x)则表示误差x下的误差累计分布。由图2可以看出，本发明提出的方法与原LANDMARC算法相比，不仅有效减小了最大定位误差，而且提高了系统整体定位精度。

Claims (1)

1.一种基于最近邻居的室内停车场定位寻车方法，其特征在于包括下述步骤：

(1)构建一个LANDMARC架构的定位系统，系统中有均匀布置的阅读器M个，M≥3，位置坐标已知的参考标签N个，阅读器能级分为1-8级；

(2)定义待定位标签和每一个参考标签为一个8位二进制串，初始化每一位为0；

(3)每隔30s，所有阅读器从1到8能级进行一次循环扫描，当某一待定位标签被阅读器j在功率等级r时读到，r∈(1,8)，停止加大该阅读器的功率，并将其相应的二进制串的第r位置1；当该目标标签同时被3个阅读器检测到时，记下此时的阅读器Reader_a、Reader_b和Reader_c对应的二进制串矩阵T_p＝[T_pa T_pb T_pc]；

(4)记录此时Reader_a、Reader_b和Reader_c读取参考标签的情况，对应的矩阵记 $R=\left[\begin{array}{ccc}{R}_{1a}& R_{1b}& R_{1c}\\ R_{2a}& R_{2b}& R_{2c}\\ .& .& .\\ .& .& .\\ .& .& .\\ R_{\mathrm{xa}}& R_{\mathrm{xb}}& R_{\mathrm{xc}}\end{array}\right],$ 其中，x表示读取的参考标签个数，R_ij表示第i个参考标签与第j个阅读器对应的8位二进制串，i∈(1,x),j＝a,b,c；

(5)将矩阵T_p和R中的对应元素进行按位与运算，其结果矩阵为

(6)计算TR每行1的个数，按照每行1的个数从大到小取前k行代表的参考标签作为最近邻居，k≥4；

(7)利用最近邻居的坐标(x_i,y_i)计算待定位标签的位置坐标其中，w_i为第i行中1的个数占选定的k行中1的个数的百分比。