CN105516251B

CN105516251B - 一种定位校准方法及其位置服务推送系统

Info

Publication number: CN105516251B
Application number: CN201510837648.9A
Authority: CN
Inventors: 马洪江; 周相兵; 刘全飞
Original assignee: ABA Teachers University
Current assignee: ABA Teachers University
Priority date: 2015-11-26
Filing date: 2015-11-26
Publication date: 2020-04-10
Anticipated expiration: 2035-11-26
Also published as: CN105516251A

Abstract

本发明涉及一种定位校准方法及使用该方法的位置服务推送系统。所述的定位校准方法采用云计算模式来支撑校准坐标系统，利用卫星信号和WIFI信号，通过构建信号向量组、信号优选、信号放大、校准坐标系、信号修正、信号选择、误差分析、回归信号校准、精确定位信息确定等步骤，实现为不同的用户提供满足精度阈值的定位服务。本发明还提供使用该方法的位置服务推送系统，有益效果体现在：1、本发明通过信号校准、纠正和误差控制三个阶段来实现一种精度的定位方法，提高定准精确度；2、本发明所建立的定位校准方法具有处理实时性强、数据量大等特点；3、以精确定位为基础，为用户提供便捷、有效的位置服务主动推送方法。

Description

一种定位校准方法及其位置服务推送系统

技术领域

本发明属于定位技术领域，具体涉及一种定位校准方法及使用该方法的位置服务推送系统。

背景技术

随着移动终端的普及和定位技术的发展，基于位置信息向用户推送服务越来越得到深入到大众的生活中，如打车、商户推荐、附近交友等。位置服务(Location BasedService，简称LBS)，是在地图技术、通信技术、网络技术等背景下实现定位来获取位置信息，并以该位置信息为基础来提供满足用户需求的服务，其中定位是实现位置服务的关键，即定位越准确，其基于位置信息推送的服务就越精确。目前主流的定位方法有GPS/北斗(卫星定位)、WIFI、RFID、蓝牙、感知、超宽带等。但免费的卫星定位，定位精度普通不高，且对于同一区域的定位卫星信号容易受到供应商、障碍物、空间物体而失去定位效能；WIFI定位由于容易受到干扰、反射、信号不兼容等制约，并且也易受到WIFI定位算法选择等的影响，使其定位精度也不高，难以达到民用精度要求。虽然《成都日报》在2013年3月20日的报道《国内首个高精度立体室内定位技术产品昨日在蓉发布》中公布由成都天际锐思科技有限责任公司主导，联合中国科学院计算技术研究所、四川长虹电器股份有限公司共同开发的高精度立体室内定位技术及相关应用产品正式发布称，其精度甚至可以达到1米。但对民用来讲，定位精度通常在30-50米左右，若要提供高精度的定位服务，需要昂贵的费用，该针对室内定位的高精度技术成本高、难以快速普及以满足普通民众的需求。因此怎样合理利用低成本的定位技术来为用户校准位置信息和提供位置服务就面临着巨大的挑战。

目前，云计算已在各行各业中得到了有效的部署与应用，对推动新型信息产业快速发展起到具有重要的作用，为改变当前信息化建设的结构模式起到了重要指导作用；它是继传统分布式计算、网格计算、服务计算的进一步扩展的一种新型分布式计算模式，是一种基于Internet的分布式计算模式，以虚拟化技术为基础，以服务计算为计算内容，通过IaaS或PaaS或SaaS等来表达云计算应用，以伸缩计算方法、云存储和负载均衡等为主要研究内容；从而为用户提供高性能的计算、海量数据实时处理、存储和集中式管理的新型分布式计算模式，并为不同类型、区域、用户群体等提供按需、实时、可伸缩的服务。同时，云计算的出现有效提高了网络中的资源利用率，提高了计算的效率，使人们可以在随时随地只要连接Internet网络，用网络中的服务来满足自己的定制需求已成为现实，也为企事业带来信息化建设的革命，使他们能快速的适应业务需求的变化和日益增长的海量数据实现处理带来的挑战，并为新型大数据处理提供了基本技术支撑。在这种背景要求下，在云计算条件下设计一种精度更高的低成本的定位校准方法，以便为位置服务提供更精确的位置信息具有一定的现实意义。

发明内容

本发明目的是针对现有技术的不足，提供一种适于民用需求的低成本、高精度的定位校准方法，并以此方法提供一种实现位置服务推送的系统。

为实现上述目的，本发明提供的定位校准方法的步骤为：

S1、构建信号向量组

开启定位，对周边的卫星信号、WIFI信号搜索识别，在时间t内根据卫星信号和WIFI信号强度构建两个向量组：卫星信号强度SAV1、WIFI信号强度WRV1；

S2、信号优选

分别从WS(SAV1，WRV1)向量组中优选满足信号强度的阈值信号向量组RTV，得到优选后的信号强度向量组RA(SAV2、WRV2)；将稀疏的WS、RA压缩重组成优选的向量组CRV；

S3、信号放大

对向量组CRV中不满足阈值的信号形成新的向量组GWV，采用信号放大器对GWV信号放大；将GWV通过概率分布与CRV进行交叉，交叉后的信号进行概率分布估算，形成均衡分布向量组EDV；

S4、校准坐标系

校准坐标系定义为CS(CRV，GWV，EDV)，将CRV作为X轴、GWV作为Y轴、EDV作为Z轴，形成空间校准坐标系；

S5、信号修正

在校准坐标系中，以Z轴的任意一点向相应的X、Y轴作平行线，得到三角形的信号修正面，以此构建多个信号修正面，信号修正面的外心为修正的信号，形成一个SCV信号修正向量组；

S6、信号选择

根据定位要求在SCV中选择强度高且分布均衡的信号；在选择时间T内，以SCV、EDV为连续变化量建立修正信号选择的微分系统；依据该微分系统判断信号稳定性，并选择稳定信号形成信号选择向量SSV；

S7、误差分析

设置定位精度的范围向量DV作为误差分析的灵敏度参数，根据阈值设置误差估计向量EX，采用最小二乘法对信号修正向量组SSV的误差分析；输出信号估计量精度向量DDV；

S8、回归信号校准

根据DDV、误差估计向量EX和服从N个测量的正态分布以回归模型的最小二乘的误差分析方法表达信号校准拟合结果，最终获得定位的精度和信号校准的变化模型；

S9、精确定位信息确定

根据S8的回归模型确定定位信号与定位精度间的关系，对于回归参数满秩的为最终校准的位置信号。

优化的，所述卫星信号包括GPS信号和北斗信号。

具体的，步骤S2将稀疏的WS、RA压缩重组成优选向量组CRV采用粒子群算法，具体步骤为：

S21、将信号强度WS(SAV1，WRV1)向量组作为初始化粒子群；

S22、满足信号强度的阈值信号向量组为RTV，根据RTV向量组计算信号强度适应值；

S23、调整WS、RA压缩过程的速度位置；

S24、在时间t优选到信号强度与精度，若满足阈值向量则将稀疏的WS、RA压缩重组成优选的向量组CRV；若不满足，则转入S22。

具体的，步骤S8将测量的正态分布以回归模型的最小二乘的误差分析方法表达信号校准拟合的具体步骤如下：S81、建立回归模型Y＝Xβ+ε；Y表示模型值量，X表示模型的变量，β表示最小二乘估计，ε表示N维随机向量；

S82、b为β的最小二乘估计，b使观测值与回归值的残差平方和最小；通过计算获得正规方程矩阵形式((X^TX)b＝X^TY)；

S83、设C＝A^-1为A的逆矩阵，则b＝CB＝A^-1B＝(X^TX)^-1X^TY；

A表示正规方程对称矩阵，B表示表示正规方程的常数项矩阵，C是A的逆矩阵；

S84、计算求解X、A、C、B和回归系数b＝CB，得到回归参数；

若A满秩，则得到信号校准；若A不满秩，则继续S82。

优化的，步骤S2的信号强度由用户根据环境的定位信号强弱自行设置，如默认值设为0.98。步骤S7的定位精度范围为0.5m～1.0m。

本发明还提供基于以上所述定位校准方法的位置服务推送系统，由云计算架构、定位信号采集模块、精确定位模块、领域数据集模块、主动推送模块组成；所述定位校准方法的算法置于精确定位模块中；所述定位信号采集模块、精确定位模块、领域数据集模块、主动推送模块以芯片的形式装载于用户的定位终端设备内。所述云计算架构满足IaaS或PaaS或SaaS的要求和空间信息传输要求。

本发明采用云计算模式来支撑校准坐标系统，为不同的用户提供满足一定精度的定位服务，并为此主动推送与用户需求相关的位置服务。本发明所提供的定位校准方法及使用该方法的位置服务推送系统的有益效果体现在：1、本发明通过信号校准、纠正和误差控制三个阶段来实现一种精度的定位方法，提高定准精确度，降低定位误差，在不同应用环境下，实现更为精确的定位；2、本发明所建立的定位校准方法具有处理实时性强、数据量大等特点；3、以精确定位为基础，为用户提供便捷、有效的位置服务主动推送方法。

附图说明

图1为本发明所述定位校准方法及位置服务推送系统的流程图。

图2为本发明中步骤S2基于粒子群算法优化的信号优选。

图3为本发明中步骤S3定位信号放大的流程图。

图4为本发明中步骤S4校准坐标系的流程图。

图5为本发明中步骤S5信号修正的流程图。

图6为本发明中步骤S6面向微分系统的信号选择的流程图。

图7为本发明中步骤S7基于最小二乘法的误差分析的流程图。

图8为本发明中步骤S8信号与定位精度之间回归模型校准的流程图。

图9为利用本发明定位校准方法实现精确定位的流程图。

图10为利用本发明所述定位校准方法的位置服务推送系统的组成图。

图11为利用本发明所述定位校准方法的位置服务推送系统的领域数据集模块的数据处理流程图。

图12为利用本发明所述定位校准方法的位置服务推送流程图。

具体实施方式

以下结合附图对本发明及实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

图1为本发明所述定位校准方法及位置服务推送系统的流程图，显示了卫星定位信号、WIFI定位信号从判断未精确定位开始，采用本定位校准方法确定定位信息的过程，首先S1构建信号向量组，经过S2信号优选、S3信号放大、S4校准坐标系、S5信号修正、S6信号选择、S7误差分析、S8回归信号校准、S9精确定位信息确定实现基于位置服务的推送服务的全过程。其中，本发明所采集的卫星定位信号包含GPS信号和北斗信号。具体每步的操作过程见对图2～图9所示。

图2为本发明中步骤S2基于粒子群算法优化的信号优选。分别从WS(SAV1，WRV1)向量组中优选到满足信号强度(RSS)的阈值信号向量组RTV(是指在时间t下满足定位要求的信号强度)，最后得到优选后的信号强度向量组RA(SAV2、WRV2)。其实整个优选过程就是对信号重新压缩过程，即将稀疏的WS、RA压缩重组成优选向量组CRV采用粒子群算法，具体步骤为：

S21、将信号强度WS(SAV1，WRV1)向量组作为初始化粒子群；

S23、调整WS、RA压缩过程的速度位置；

在此步骤中，信号强度的阈值由用户根据环境的定位信号强弱自行设置，如默认值设为0.98。

图3为本发明中步骤S3定位信号放大的流程图。对没有达到阈值要求的定位信号进行放大，以补充被压缩重组后的信号的分布不均衡性的问题；并将放大的信号均匀的充实在实压缩重组的信号中，以确保整个环境的定位信号稳定。具体过程为对向量组CRV中不满足阈值的信号形成新的向量组GWV，采用信号放大器对GWV信号放大；将GWV通过概率分布与CRV进行交叉，交叉后的信号进行概率分布估算，形成均衡分布向量组EDV。

图4为本发明中步骤S4校准坐标系的流程图。校准坐标系统是描述一组数值在不同维空间的位置，如全球坐标系统和二维、三维坐标系统。其位置实质是将整个地表或某一部分投影到平面后，从而在地图上实现准确的定位。因此，本发明将校准坐标系定义为CS(CRV，GWV，EDV)，将CRV作为X轴、GWV作为Y轴、EDV作为Z轴。即由压缩优选、不满足阈值和均衡分布三个向量构成校准三维坐标系，当卫星、WIFI信号进入校准坐标系后，由唯一的三维坐标确定定位信号状态，实现卫星定位坐标系通过信号向校准坐标系转换，WIFI信号物理位置向校准坐标系映射，即就将定位信号转换到了自建的校准坐标系中了。

图5为本发明中步骤S5信号修正的流程图。在校准坐标系中，以Z轴的任意一点向相应的X、Y轴作平行线，总会得到一个诸如ABC的平面，本发明将该平台定义为信号修正面；但需要确保三角平面不交叉，表明信号也不交叉、重叠。构建多个类似ABC的信号修正面，信号修正面的外心为修正的信号，即分别从信号修正面ABC的每条边上做垂线，三条垂线的交点为修正的信号，已修正的信号形成一个SCV信号修正向量组。

图6为本发明中步骤S6面向微分系统的信号选择的流程图。信号选择是一个动态过程，而且也会受到选择时间T的制约；信号选择的标的是SCV，在SCV中选择强度高且分布均衡的信号。因此，本发明在选择时间T内，以SCV、EDV为连续变化量建立修正信号选择的微分系统，以确保不同修正信号被选择过程中的动力性和稳定性。满足动力性和稳定性则完成信号选择，形成信号选择向量SSV。

图7为本发明中步骤S7基于最小二乘法的误差分析的流程图。定位误差就是指对精度的控制和估计，本发明采用最小二乘法来实现对SSV的误差分析，以提高信号定位精度，提高定位灵敏度处理能力。这就需要预先设置定位精度的范围向量DV作为误差分析的灵敏度参数，根据阈值设置误差估计向量为EX。然后具体过程为根据X、SSV与DV建立正规方程、计算正规方程标准差组，继而获得协方差矩阵、判断灵敏度分析；本步采用最小二乘法对信号修正向量组SSV的误差分析，输出信号估计量精度向量DDV。其中设置定位精度范围为0.5m～1.0m。

图8为本发明中步骤S8信号与定位精度之间回归模型校准的流程图。信号校准就是根据DDV信号估计量精度向量，对定位信号进一步校准；测量与数据处理的目的是需要找到两个或多变量之间的内在关系，用线性回归模型来表达信号校准拟合结果，最终获得信号校准的通用模型。本步骤S8将测量的正态分布以回归模型的最小二乘的误差分析方法表达信号校准拟合的具体步骤如下：S81、建立回归模型Y＝Xβ+ε；Y表示模型值量，X表示模型的变量，β表示最小二乘估计，ε表示N维随机向量；

S82、b为β的最小二乘估计，b使观测值与回归值的残差平方和最小；

通过计算获得正规方程矩阵形式((X^TX)b＝X^TY)；

S83、设C＝A^-1为A的逆矩阵，则b＝CB＝A^-1B＝(X^TX)^-1X^TY；A表示正规方程对称矩阵，B表示表示正规方程的常数项矩阵，C是A的逆矩阵；

S84、计算求解X、A、C、B和回归系数b＝CB，得到回归参数；若A满秩，则得到信号校准；若A不满秩，则继续S82。

图9为本发明中步骤S9精确定位的流程图。与图1类似，图9说明按顺序完成以上流程后，就可以实现精确定位了，即根据S8的回归模型确定定位信号与定位精度间的关系，对于回归参数满秩的为最终校准的位置信号。也就是通过基于最小二乘法的误差分析和回归模型分析，确保了定位的精度和信号校准的变化模型；同时也通过回归模型确立了定位信号与定位精度之间的关系以及根据定位情况处置突发情况，发出及时精准的预警信息，确保了定位信号强度均衡分布。

图10为利用本发明所述定位校准方法的位置服务推送系统的组成图。所述位置服务推送系统由云计算架构、定位信号采集模块、精确定位模块、领域数据集模块、主动推送模块组成；所述定位校准方法的算法置于精确定位模块中；所述定位信号采集模块、精确定位模块、领域数据集模块、主动推送模块以芯片的形式装载于用户的定位终端设备内，如图10所示的手机、平板电脑等，该芯片通过定位信号采集模块收集卫星定位信号和WIFI信号，与云计算环境融合，以精确定位模块按照本发明所述的定位校准方法，得到校准后的定位信息，再通过云计算将定位信息返回至位置服务提供商的云服务平台，然后云服务平台分析出用户需求特征，并调用领域数据集，以基于Hadoop的大数据分析出用户所需的服务，最后由主动推送模块向用户终端主动推送服务。各模块具体的作用分别如下：

1、云计算架构

所述云计算架构根据校准坐标系统要求搭建，能够满足空间计算，用来实现精确定位时推送计算，要满足云计算的分布性、可伸缩性、并发性等基本特征。因此，所述云计算架构满足IaaS或PaaS或SaaS的要求和空间信息传输要求。同时还支持对领域数据集的特征分析，该分析基础设施是以云计算为基础，构建一种基于Hadoop的大数据分析环境来实现，具体是根据数据领域类型设置分析要素，然后通过诸如MapReduce或Spark或Stom程序来实现。

2、定位信号采集模块

定位信号采集模块采集空间信息，反映地理实体空间分布特征的信息。在本发明的具体实施过程中，定位信号采集模块用来收集卫星定位信号和WIFI信号，以实现与云计算环境融合，而且该装置满足云计算的基本特征。

3、精确定位模块

基于位置的服务(LBS)与定位技术、地图技术、空间信息技术等密切相关。定位精度越高，所推送服务就越精确，而且也更易于用户主动找到服务所处的位置。依据本发明所述的定位校准方法获得最终校准的位置信号。

4、领域数据集模块

所谓领域数据集是指某一方面的数据集合(如旅游领域)。域数据集模块能支撑基于Hadoop的大数据分析要求，为主动推送提供基础数据。领域数据集模块对数据处理的流程包括数据采集、数据分析、数据存储和数据展示四部分。

5、主动推送模块

根据本发明定位校准方法获得较为精确定位后，通过云计算将定位信息返回至位置服务提供商的云服务平台，然后云服务平台根据定位信息、用户注册信息及特征进行分析出用户需求，最后根据所分析出的需求向用户终端主动推送服务以及根据突发情况发出预警。当完成服务推送后，用户还可以对所推送服务进行评价或拒绝或要求重新推送。

图11为利用本发明所述定位校准方法的位置服务推送系统的领域数据集模块的数据处理流程图。在图中，由数据采集、数据分析、数据存储和数据展示四部分流程：(1)数据采集用于获取需要分析的领域数据集，这些数据来自Mysql、HBase等数据存储系统中；(2)数据分析对所获取的数据在云计算中通过Hadoop进行分析，以得到该数据的行为特征及兴趣偏好；(3)数据存储将所分析结果数据集存储到指定的存储系统中，也可称该存储系统为数据中心；(4)数据展示通过主动推送方法按用户的位置进行推送服务且进行展示。

图12为利用本发明所述定位校准方法的位置服务推送流程图。一方面获得用户位置信息，设定定位精度阈值，采用本发明的校准定位方法精确定位，另一方面云计算环境下基于Hadoop领域数据集分析，获得行为特征信息及偏好信息。将此定位信息、用户特征信息同时返回至服务提供商的云服务提供平台，计算出可推荐服务，实现服务主动推送至用户终端；进一步可收集用户对所推荐服务反馈。当不同用户在不同地方打开定位时，主要是获取周边的住宿、线路、餐饮、票务、停车位、旅游商品、旅行社等。对于不同用户，用户行为特征信息和偏好信息包含如用户所在的城市、职业、爱好、消费习惯等等，根据在云计算环境中可以实现根据用户以往对服务的评价推送相似度高、其他类似用户同时选择的服务。

实施例

结合实施例，说明本发明基于本发明定位校准方法的位置服务推送系统的使用过程。

当依据图10所述的本发明的云计算架构搭建完成，位置服务推送系统的其他模块制作成一个传感定位芯片，将本发明的定位算法写入该芯片中，然后安装在终端设备中。用户可以按如下步骤来实现基于位置的服务推送：

1、用户打开基于地图的定位设置后，即启动本发明中的定位方法实现对定位信号处理，以获得较为精确定位结果。

2、用户操作定位，要求用户登陆或注册登记，注册信息发送至提供云服务的平台，该平台提供隐私保护。

3、云服务操作平台根据接收的信息特征分析，分析出用户的基本需求，然后通过Hadoop在各云服务提供商处找到满足需求的服务。这时若有大量用户在同时请求，采用传统的计算模式就很难解决并发性、实时性的要求，采用云计算模式就很容易满足这种计算要求。

5、将找到的服务推送到用户终端设备上，并进行显示。若能满足用户的需求，用户就可以通过终端进行在线支付，若不能满足用户需求，用户可以根据推送页面进行重要调整，并将结果返回至云服务器。如此下去，直接满足用户需求为止。

6、完成应用，并进行评价。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种定位校准方法，其特征在于：所述定位校准方法的步骤为：

S1、构建信号向量组

S2、信号优选

S3、信号放大

S4、校准坐标系

S5、信号修正

S6、信号选择

根据定位要求在SCV中选择强度高且分布均衡的信号；在选择时间T内，以SCV、EDV为连续变化量建立修正信号选择的微分系统；

依据该微分系统判断信号稳定性，并选择稳定信号形成信号选择向量SSV；

S7、误差分析

S8、回归信号校准

S9、精确定位信息确定

2.根据权利要求1所述的定位校准方法，其特征在于：所述卫星信号包括GPS信号和北斗信号。

3.根据权利要求1、2任一项所述的定位校准方法，其特征在于：所述步骤S2将稀疏的WS、RA压缩重组成优选向量组CRV采用粒子群算法，具体步骤为：

S21、将信号强度WS(SAV1，WRV1)向量组作为初始化粒子群；

S23、调整WS、RA压缩过程的速度位置；

4.根据权利要求1、2任一项所述的定位校准方法，其特征在于：所述步骤S8将测量的正态分布以回归模型的最小二乘的误差分析方法表达信号校准拟合的具体步骤如下：S81、建立回归模型Y＝Xβ+ε；Y表示模型值量，X表示模型的变量，β表示最小二乘估计，ε表示N维随机向量；

5.根据权利要求3所述的定位校准方法，其特征在于：所述步骤S2的信号强度的阈值由用户根据环境的定位信号强弱自行设置，默认值设为0.98。

6.根据权利要求1、2、5任一项所述的定位校准方法，其特征在于：所述步骤S7的定位精度范围为0.5m～1.0m。

7.利用权利要求1所述的定位校准方法的位置服务推送系统，其特征在于：所述位置服务推送系统由云计算架构、定位信号采集模块、精确定位模块、领域数据集模块、主动推送模块组成；所述定位校准方法的算法置于精确定位模块中；所述定位信号采集模块、精确定位模块、领域数据集模块、主动推送模块以芯片的形式装载于用户的定位终端设备内。

8.根据权利要求7所述的位置服务推送系统，其特征在于：所述云计算架构满足IaaS或PaaS或SaaS的要求和空间信息传输要求。