CN108401224B - 一种智能构建poi连接关系的方法 - Google Patents

Abstract

本发明涉及无线通信领域，主要涉及一种智能构建POI连接关系的方法。主要包括S1：实时采集POI数据以及无线信号数据，建立和更新POI数据库以及无线指纹数据库，所述POI数据库与所述无线指纹数据库相对应；S2：对所述无线指纹数据库中相似的无线信号数据进行拼接，形成完整无线信号数据；S3：对步骤S2中的完整无线信号数据进行定位；S4：统计步骤S3中的无线信号数据之间的连接关系，构建POI连接关系图。解决了现有技术中需要采集员自行搜集建筑CAD图和POI信息，以及手动构建POI之间的连接关系的问题，减少了人力成本。

Description

一种智能构建POI连接关系的方法

技术领域

本发明涉及无线通信领域，主要涉及一种智能构建POI连接关系的方法。

背景技术

地图是基于位置服务(Location Base Service，LBS)的核心，位置信息只有显示在地图上，与实际的POI(Point Of Information，信息点，即为信息中枢机构确定的信息联系单位，信息中枢通过它获得信息)对应起来才有实际意义。对于室外地图，POI可代表建筑、道路、景点等特征点，对于室内地图，POI可表示为房间、道路、电梯、扶梯等特征点。由于航天技术的发展，航空摄影和卫星遥感影像等技术已经十分成熟，已经将室外地图制作的非常详细和精准。室内是一个空间相对封闭、环境相对复杂的一块区域，同时室内存在物品、墙壁等干扰源，对室内定位存在一定影响。因此这些技术无法全面应用于室内。建筑运营商有建筑的CAD图，但一般不对外开放，且与真实的室内位置信息存在一定的误差。部分公共建筑会有导览图，但不够精准，POI信息会变化，需要后期维护更新。

在基于室内定位的应用中，单纯的位置信息对于用户来说意义并不大，用户更多的是关注当前所处位置的POI信息及其附近的POI信息。WIFI以其技术成熟、覆盖范围广等优点已成为很多建筑的基础设施，且目前的智能手机、平板、手环等智能设备都集成了WIFI模块。因此，WIFI定位在室内定位应用中占据着重要的位置。WIFI定位的主要方法是指纹法，即事先建立位置和WIFI信号强度一一对应的数据库，定位阶段将定位WIFI数据与数据库进行匹配。指纹库数据越多，位置间隔越小，定位精度则越高，但需要更多的人力物力来建立和维护指纹库。

发明内容

本发明目的在于提供一种智能构建POI连接关系的方法，无需采集员搜集建筑CAD图纸和POI信息，自行构建POI之间的连接关系，减少了人力物力成本，无需采集员后期维护POI信息。

为了解决上述问题，本发明的技术方案如下：

S1：实时采集POI数据以及无线信号数据，建立和更新POI数据库以及无线指纹数据库，POI数据库与无线指纹数据库相对应；

S2：对无线指纹数据库中相似的无线信号数据进行拼接，形成完整无线信号数据；

S3：对步骤S2中的完整无线信号数据进行定位；

S4：统计步骤S3中的无线信号数据之间的连接关系，构建POI连接关系图。

采用上述方法，首先实时采集POI数据以及无线指纹数据，分别建立POI数据库以及无线指纹数据库，采集的POI数据库与无线指纹数据库相对应，即POI数据库中POI之间连接后形成的线路与无线信号数据库中数据分析、连接后的线路相同，保证了用于构建连接关系图数据的准确性。随后对无线指纹库中相似的无线信号数据进行拼接，形成完整无线信号数据，避免了数据片段对数据准确性的干扰，形成的完整无线信号数据更加有利于数据的分析。对完整无线信号数据进行定位，验证无线信号数据的准确性，避免错误数据对定位的干扰，使得构建的连接关系图更加准确。统计无线信号数据之间的连接关系，绘制连接关系图，避免了人为的绘制连接关系图，减少了人力资源的投入。全程实时采集无线信号数据，数据实时更新，在POI信息变化时，能快速完成更新，解决POI信息更新滞后的问题。简化了绘制POI连接关系图的工作流程，使得操作变得更加便捷。

进一步，步骤S2还包括以下步骤：

S2.1剔除步骤S1中无线信号数据个数小于r的无线信号数据，r为比较参数；

S2.2计算步骤S2.1中所有无线信号数据之间的距离；

S2.3依次比较步骤S2.2中无线信号数据之间的距离，距离小于Dis_the，合并数据，Dis_the为比较参数，取值范围为[0,1]。

采用上述技术方案：定位步骤S1中的无线信号数据，确定该无线信号数据在有效的数据范围内，保证后续逻辑关系的准确性。为了保证后续分析结果的准确性，剔除步骤S2.1中的无线信号数据个数小于r的无线信号数据，减少小数据对分析结果的干扰。计算各个无线信号数据之间的距离，量化可操作的数据，保证了后续逻辑关系的准确性以及提高了定位的精度。

进一步，步骤S4还包括以下步骤：

S4.1清洗步骤S3中的无线信号数据；

S4.2统计步骤4.1中数据的连接关系以及所有无线信号数据之间的权重。

S4.3对步骤S4.2中的连接关系进行清洗。

采用上述技术方案：步骤S3中定位基于WIFI的POI指纹库，由于用户移动速度有限，会出现连续几组WIFI数据的POI定位结果可能是同一POI，将重复定位于同一POI的无线信号数据予以删除，保证逻辑关系的精炼以及准确。计算无线信号数据之间的权重，避免出现误判断的几率，从而保证了生成POI连接的可靠性。

进一步，步骤S2.2还包括以下步骤：

S2.2.1依次提取步骤S2.1中的无线信号数据中连续r个数据，建立子集，以子集第一位数据为索引；

S2.2.2计算S2.2.1中每个子集之间的距离；

S2.2.3比较步骤S2.2.2中各子集之间的距离，最小值为正向匹配数据；

S2.2.4将步骤S2.2.1无线信号依次反向提取连续r个数据，建立子集，以子集第一位数据为索引；

S2.2.5计算S2.2.4中每个子集之间的距离；

S2.2.6比较步骤S2.2.5子集之间的距离，最小值为反向匹配数据。

采用上述技术方案：依次提取无线信号数据，建立子集，以子集的第一个数据为索引，保证在完成筛选后的所有数据均能参与数据的运算，避免因为漏算而导致数据不精确的问题。道路有双向，在完成单方向的数据统计以及计算后，将数据进行反向统计计算，多维度计算数据，进一步保证数据的准确性。获得计算结果相比，选择最小值作为匹配距离，使最终结果更加精准。

进一步，S2.3还包括以下步骤：

S2.3.1合并的无线信号数据为：

D_ab＝f(D_a，D_b)＝{RSSI_i}

其中i表示无线信号数据对应的序号，a和b表示不同数据组，k表示一组无线数据中无线信号的总数；D_ab表示合并后的无线信号数据；

S2.3.2利用步骤S2.3.1合并索引分别为(ind₁、ind₁+r-1)和(ind₂、ind₂+r-1)的数据，表示为：

idx＝max(ind₁，ind₂)；

其中idx表示较大数据索引，r为调节参数，r大于1；

S2.3.3利用步骤S2.3.1的方法合并索引分别为(1、ind₁-1)和(1、ind₂-1)的数据，表示为：

S2.3.4利用步骤S2.3.1的方法合并索引分别为(ind₁+r、n1)和(ind₂+r、n2)的数据，公式表示为：

index＝max(n1-(ind₁+r-1)，n2-(ind₂+r-1))

采用上述技术方案：将多个用户多个时刻在同一位置的WIFI数据合并，增强了该位置WIFI数据的稳定性，对无线信号数据取均数，在用户数据较多时，数据稳定性就更好，适应性更强，同时有利于增大数据的广度。

进一步，步骤S3还包括建立POI数据库与完整的信号数据之间的对应关系。

采用上述技术方案：将POI数据与拼接后完整无线信号数据进行对应，方便建立POI之间的连接关系，确保POI与拼接后数据之间的准确对应。

附图说明

图1为本发明智能构建POI连接关系的方法流程图。

图2为POI之间的连接关系和权重。

图3为处理后的POI连接关系和权重。

图4为某广场人工测绘布局图。

图5为使用本发明智能构建的图4的POI连接关系图。

图6为图4与图5的结合图。

图7为某区域的人工测绘布局图。

图8是使用本发明智能构建的图7的POI连接关系图。

图9为图7与图8的结合图。

图10为另一区域的人工测绘布局图。

图11是使用本发明智能构建的图10的POI连接关系图。

图12是图10与图11的结合图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细的描述。基于本发明中的实施例，本领域技术人员在没有创作性劳动的前提下所获得的所有的其他实施例，都属于本发明的保护范围。如图1所示为本发明一种智能构建POI逻辑关系的方法流程图，从图中我们可以看出本发明包含以下四个步骤：

1、采集无线信号数据，建立POI无线信号数据库；

本发明首先实时采集POI数据以及无线信号数据，建立POI数据库以及无线指纹数据库，建立的POI数据库与无线信号数据库之间相互对应，即POI数据库中POI之间连接后形成的线路与无线信号数据库中数据分析、连接后的线路相同。无线指纹数据库的表现形式为{p_p,(Rssi₁，Rssi₂,…,Rssi_k)_p},P表示POI，可包括名称、功能、位置、附近信息等一切有意义的信息,下标p表示有p个POI。RSSI表示WIFI信号强度，k表示WIFI的个数，收集无线信号的方法包括：1)、通过人工采集的方式对现场参数及情况进行记录，然后带回总控室由工程师来进行分析；2)、将现场各个采样点通过通信线连成网络，有线网络远程采集；3)、手持设备无线网络远程采集等等。

完成数据的采集以及更新后，从无线指纹数据库中获取相关的无线信号数据，由于定位系统收集的用户WIFI只能持续一段时间，因此无线指纹数据库中的数据以数据段的形式存在，通过WIFI信号衰减模型可知，WIFI的无线信号强度和位置存在一定的关系，从而可以对收集的无线信号数据进行分析。

2、多用户多片式数据分析

(1)、完成对数据的提取后，依次获取每个数据段中的数据，设置数据的匹配长度r，数据段中小组的数据总数小于r，则删除相关的小组数据，r的经验值取10。即当某一数据段的数据数量小于10时将会被剔除，不参与多片段的数据分析。完成数据的筛选后，计算任意两段数据之间的距离，具体的操作步骤为：依次正向提取所有数据段中的所有小组连续的r个数据，分别建立相应的子集，每个子集的数据个数为r，计算不同数据段中相关子集之间的距离。获取不同数据段中相关子集之间的距离最小值为正向匹配距离。将需要计算距离的两组数据中的任意一组依次反向提取小组中连续的r个数据，分别建立相应的子集，计算不同数据段中相关子集之间的无线信号距离，获取不同数据段中相关子集之间的距离最小值为反向匹配距离。比较正向匹配距离以及反向匹配距离的大小，确定最小值为被计算的两组数据之间的匹配距离。

(2)、现以采集的一个用户为例：

a、D表示多组WIFI信息，多条片段式数据表示为{D₁，D₂，D₃，...,D_n}，每组WIFI信息是扫描装置附近WIFI收集的信号强度RSSI{WIFI₁，WIFI₂，.,WIFI_m}。一般扫描的时间为2-3秒，D1＝{A1,A2,...,A20},D2＝{B1,B2,...,B30},设定数据长度为10，根据数据长度r＝10,将D1分割成Dsub1{{A1，A2，...,A10},{A2，A3，...,A11},...,{A11，A12，...,A20}}共计11个小组。其索引依次为：1,2,...11；将D2分割成子集合Dsub2{{B1，B2，...,B10},{B2，B3，...,B11},...,{B21，A22，...,A30}}共计21个小组，其索引依次为：1,2,...21。

b、Dsub1和Dsub2中的每个子集合长度都是10，计算Dsub1中所有子集合和Dsub2中所有子集合的距离Dist(a,b)以及相应的索引a，b；即D1中{A_a，A_a+1，...，A_a+9}，与D2中的{B_b，B_b+1，...,B_b+9}，他们的距离为Dist(a,b)。

c、找到(b)中距离最小值为正向匹配距离，及对应的索引。

d、由于道路有两个方向，所以将D1或者D2数据前后颠倒，计算其反向匹配距离。如D2颠倒后＝{B30,B29,...,B1}。

e、比较正向匹配距离以及反向匹配距离之间的大小，选取最小值为D1和D2的匹配距离。

(3)现以采集的多个用户，以第一条数据段和第二条数据段为例：

1)、定位系统采集到m条段式数据，数据表现形式为：{D_1-1，D_1-2，…,D_1-n1},{D_2-1，D_2-2，…,D_2-n2},…,{D_m-1，D_m-2，…,D_m-nm}，其中nm表示第m条数据的数据个数，D_m-nm代表第m条数据的第nm组WIFI信号强度的集合{RSSI₁，RSSI₂，…,RSSI_k}。

2)、分别提取第一条和第二条中所有的连续的r个数据，得到各自的子集Dsub1和Dsub2，其中Dsub1包含(n1-r+1)条数据，Dsub2包含(n2-r+1)条数据，每条数据个数为r。计算Dsub1中每条数据和Dsub2中每条数据的距离为D₁₂＝(a,b),a和b分别代表Dsub1和Dsub2的数据索引，i表示每条数据段的第i组WIFI数据集合。计算公式如下：

r表述分组数据长度，k表示无线信号强度个数。

3)、比较步骤2)中的所有距离Dis₁₂(a,b)，记录其最小值为第一组数据和第二组数据的正向匹配距离Dis_{12_f}，距离越小，WIFI数据越相似，匹配度越高。

4)、将第二组数据按前后顺序颠倒{D_2-n2，…，D_2-2,D_2-1}，然后再按步骤1)-3)计算第一组数据和第二组数据的反向匹配距离DIS_{12_b}。

5)、比较步骤3)的正向匹配距离Dis_{12_f}和步骤4)的反向匹配距离Dis_{12_b}，记录其最小值为第一组数据和第二组数据的匹配距离Dis₁₂，并记录该距离在D1和D2中所对应的数据索引(ind₁、ind₁+r-1)和(ind₂、ind₂+r-1)；若反向匹配距离最小，则D2索引为(ind₂+r-1、ind₂)，即D1的第ind₁到第(ind₁+r-1)组数据组成的子集合，与D2的第ind₂到第(ind₂+r-1)组数据组成的子集合，两者的匹配距离最小。

(4)比较步骤(2)S条数据中所有任意两条数据的匹配距离，找出匹配距离最小的两条数据，当匹配距离小于阈值Dis_the时，则合并该两条数据，进入步骤(5)；否则匹配数据结束,多用户多片段式数据分析完成。

(5)由于归一化，RSSI取值为[0,1]，所以匹配距离Dis范围为[0,1]，则Dis_the取值范围为[0,1],根据实测数据，取值0.4效果较好。Dis_the还可根据实际情况计算：原始未合并的多用户多片段式数据，由于每条数据是连续采集，相邻数据的实际物理位置接近，其WIFI

信号强度也相似，因此可计算相邻数据的WIFI信号强度距离。如第t条数据{Dt-1，Dt-2，…,Dt-nt}:公式如下：

对每段计算的距离进行平均，公式为：

匹配距离小于阈值Dis_the时，即确定为最佳匹配，确定数据以及数据索引。

(6)合并两组数据，以两条数据段为例：

D1{D_1-1，D_1-2，…,D_1-n1}和D2{D_2-1，D_2-2，…,D_2-n2}，其数据索引为(ind₁、ind₁+r-1)和(ind₂、ind₂+r-1)。

(一)、两组WIFI数据D_a{RSSI_a-1，RSSI_a-2,…,RSSI_a-k}和D_b{RSSI_b-1，RSSI_b-2,…,RSSI_b-k}合并后的新WIFI数据D_ab为：

D_ab＝f(D_a，D_b)＝{RSSI_i}

i表示WIFI数据的位置。

(二)、按照步骤(一)合并D1和D2中索引分别为(ind₁、ind₁+r-1)和(ind₂、ind₂+r-1)的数据，公式表示为：

idx＝max(ind₁，ind₂)

idx表示D1和D2中最大索引。

(三)、按照步骤(一)合并D1和D2中索引分别为(1、ind₁-1)和(1、ind₂-1)的数据，公式表示为：

(四)、按照步骤(一)合并D1和D2中索引分别为(ind₁+r、n1)和(ind₂+r、n2)的数据，公式如下：

index＝max(n1-(ind₁+r-1)，n2-(ind₂+r-1))

在步骤(五)合并数据后，若剩余片段式数据的个数大于一条，则重复步骤数据分析以及数据合并多用户多片段式数据分析完成。

3、POI定位

在完成了多用户多片段的数据分析后，合并相似的数据片段。对完成数据分析后的多片段式WIFI数据进行POI定位，并获取POI数据库中数据与合并后的WIFI数据进行对应。由于用户的移动速度有限，因此会出现几组WIFI数据的POI定位结果可能会是同一个POI，因此需要对类似的结果进行标注，记录结果如下：{(P1)q1,(P2)q2,…}。P表示信息点，下标q1、q2表示重复次数。

4、构建逻辑关系

完成POI与拼接后的无线信号数据对应后，构建POI之间的逻辑关系，完成信息点之间的连接。

步骤如下：

4.1、对POI定位结果去重，删除步骤3中重复出现的结果。定位结果从{(P1)q1,(P2)q2,…}变为{P1，P2，…}。

4.2、统计步骤4.1中各个POI的连接关系，如{P1,(P2),(P3),…}，表示P1分别与P2和P3连接，即存在道路连通；

4.3、将步骤3的多片段式WIFI数据定位结果按照步骤4.1和4.2进行分析和统计，得到所有POI的连接关系和权重，如{P1,(P2，q₁₂),(P3,q₁₃),…)},q₁₂表示P1和P2的连接次数，如图2所述。通过图2可详细了解任意POI附近其他的POI信息和道路连接关系；

4.4、由于环境、用户智能设备差异等因素影响，POI定位结果会存在一定的误差，比如在镂空区域，由于环境空旷，会定位到实际POI对面的POI，这两个POI虽然邻近，但是没有道路连接关系，因此需要进行优化和处理。如图3中P1和P3、P2和P4之间为镂空区域，不存在道路连接。通过POI之间的连接权重来剔除权重较小的POI连接关系。图3为处理后的POI连接关系和权重。具体处理步骤如下：

4.4.1、统计所有POI之间连接权重的均值q_mean，q_mean表示权重个数，公式表示为：

4.4.2、设置连接权重的阈值q_mean，参数根据经验设定：

q_the＝q_mean·β，β∈[0，1]

4.4.3、剔除连接权重小于q_mean的POI连接关系。

比较例1：

下表为人工绘制图4连接关系图和采用本方法绘制图4连接关系图的相关参数比较。

实际的绘制效果如图4和图5所示，图6为图4与图5的结合图，能直观的反应出利用本方法完成的连接关系图与实际连接关系图之间的关系。通过比较例1的表格可知，在获得相同连接关系的情况下，采用本方法绘制POI连接关系图，时间短，精度高，在POI发生变化时，能自动完成POI的更新，更新效率高，且不需要后期维护，减少了后期维护的成本。

比较例2：

下表为人工绘制图7连接关系图和采用本方法绘制图7连接关系图的相关参数比较。

实际的绘制效果如图7和图8所示，图9为图7与图8的结合图，能直观的反应出利用本方法完成的连接关系图与实际连接关系图之间的关系。通过比较例2的表格可知，在获得相同连接关系的情况下，采用本方法绘制POI连接关系图，所需时间较之人工要少很多，同时完成的精度高达97％，完全能满足日常民用需求，且不需要人工维护，在出现POI变动时，完成一次POI更新的时间要少很多，节约了大量的资源。

比较例3：

下表为人工绘制图10连接关系图和采用本方法绘制图10连接关系图的相关参数比较。

实际的绘制效果如图10和图11所示，图12为上述图10与图11的结合图，能直观的反应出利用本方法完成的连接关系图与实际连接关系图之间的关系。通过比较例3的表格可知，在获得相同连接关系的情况下，采用本方法绘制POI连接关系图，绘制时间依旧大大的小于人工绘制所需的时间，绘制精度高达95％，且不需要人工维护，全程自动采集数据以及更新，不需要人工干预。完成一次POI更新的时间也大大小于人工更新的时间。

综上所述：采用本方法完成的POI连接关系图相对于人工测绘完成的POI连接图，耗费的时间少，绘制精度平均达到94.33％完全能达到日常的民用需求，且不需要人工进行维护，全程自动采集数据，无需人工干预。在POI出现变化时，能在极端的时间内完成数据更新，满足了人们对信息准确性的要求。

以上所述仅为本发明的较佳的实施例而已，并不限制本发明，凡在发明的精神和原则之内，所作的任何改变，等同替换、改进等，均在本发明的保护范围之内。

Claims (6)

1.一种智能构建POI连接关系的方法，其特征在于，包括以下步骤：

S1：实时采集POI数据以及无线信号数据，建立和更新POI数据库以及无线指纹数据库，所述POI数据库与所述无线指纹数据库相对应；

S2：对所述无线指纹数据库中相似的无线信号数据进行拼接，形成完整无线信号数据；

S3：对步骤S2中所述的完整无线信号数据进行定位；

S4：统计步骤S3中的无线信号数据之间的连接关系，构建POI连接关系图。

2.根据权利要求1所述的智能构建POI连接关系的方法，其特征在于：所述步骤S2还包括以下步骤：

S2.1剔除步骤S1中无线信号数据个数小于r的无线信号数据，r为比较参数；

S2.2计算步骤S2.1中所有无线信号数据之间的距离；

S2.3依次比较步骤S2.2中无线信号数据之间的距离，所述距离小于Dis_the，合并数据，Dis_the为比较参数，取值范围为[0,1]。

3.根据权利要求1所述的智能构建POI连接关系的方法，其特征在于：所述步骤S4还包括以下步骤：

S4.1清洗步骤S3中的无线信号数据；

S4.2统计步骤4.1中数据的连接关系以及所有无线信号数据之间的权重；

S4.3对步骤S4.2中的连接关系进行清洗。

4.根据权利要求2所述的智能构建POI连接关系的方法，其特征在于：所述步骤S2.2还包括以下步骤：

S2.2.1依次提取步骤S2.1中的无线信号数据中连续r个数据，建立子集，以子集第一位数据为索引；

S2.2.2计算S2.2.1中每个子集之间的距离；

S2.2.3比较步骤S2.2.2中各子集之间的距离，最小值为正向匹配数据；

S2.2.4将步骤S2.2.1无线信号依次反向提取连续r个数据，建立子集，以子集第一位数据为索引；

S2.2.5计算S2.2.4中每个子集之间的距离；

S2.2.6比较步骤S2.2.5子集之间的距离，最小值为反向匹配数据。

5.根据权利要求2所述的智能构建POI连接关系的方法，其特征在于：所述步骤S2.3还包括以下步骤：

S2.3.1合并的无线信号数据为：

D_ab＝f(D_a，D_b)＝{RSSI_i}

其中i表示无线信号数据对应的序号，a和b表示不同数据组，k表示一组无线数据中无线信号的总数；D_ab表示合并后的无线信号数据；

S2.3.2利用步骤S2.3.1合并索引分别为(ind₁、ind₁+r-1)和(ind₂、ind₂+r-1)的数据，表示为：

idx＝max(ind₁，ind₂)

其中idx表示较大数据索引，r为调节参数，r大于1；

S2.3.3利用步骤S2.3.1的方法合并索引分别为(1、ind₁-1)和(1、ind₂-1)的数据，表示为：

S2.3.4利用步骤S2.3.1的方法合并索引分别为(ind₁+r、n1)和(ind₂+r、n2)的数据，公式表示为：

index＝max(n1-(ind₁+r-1)，n2-(ind₂+r-1))

6.根据权利要求1所述的智能构建POI连接关系的方法，其特征在于：所述步骤S3还包括建立所述POI数据库与所述完整的信号数据之间的对应关系。

Images