一種基于眾包慣性傳感器數(shù)據(jù)和質(zhì)量評估標(biāo)準(zhǔn)的定位數(shù)據(jù)庫建立方法

本文提出了一個(gè)定量框架來評估基于智能手機(jī)的慣性傳感器數(shù)據(jù)的質(zhì)量挖息。傳感器數(shù)據(jù)的質(zhì)量，無需用戶干預(yù)系宜。通過 這個(gè)框架骑丸，每個(gè)慣性傳感器數(shù)據(jù)的可靠性可以被評估和排序」。可以被評估和分類泰偿。多人和多部智能手機(jī)的測試 在一個(gè)公共辦公大樓和一個(gè)購物中心用多人和多部智能手機(jī)進(jìn)行的測試 說明所提出的方法可以提供一個(gè)WiFi指紋數(shù)據(jù)庫，其準(zhǔn)確性與由監(jiān)督地圖輔助數(shù)據(jù)庫生成的數(shù)據(jù)庫相似蜈垮。有監(jiān)督的地圖輔助的數(shù)據(jù)庫生成方法耗跛。因此。所提出的方法和框架可以指導(dǎo)推廣 在大數(shù)據(jù)背景下推廣基于眾包的物聯(lián)網(wǎng)應(yīng)用攒发。

I. INTRODUCTION

A. Wireless Positioning Techniques

作為最廣泛使用的室內(nèi)定位技術(shù)调塌。有各種類型的無線定位技術(shù)，如射頻識別[4]惠猿、無線局域網(wǎng)（WiFi）羔砾、藍(lán)牙低能量（BLE）和ZigBee。由于其不同的特點(diǎn)偶妖，這些技術(shù)已被應(yīng)用于不同的領(lǐng)域姜凄。

由于WiFi熱點(diǎn)和接收芯片的普及 接收器芯片，WiFi定位得到了廣泛的關(guān)注趾访。常用的WiFi定位方法包括指紋定位[5]态秧、多徑定位[6]以及它們的組合[7]。推廣WiFi定位的障礙包括：對WiFi信號的可用性和幾何分布的依賴性[8]扼鞋；波動(dòng)[9]申鱼，接收信號強(qiáng)度（RSS）的衰減和多徑效應(yīng)[10]；消費(fèi)產(chǎn)品中WiFi芯片的低更新率云头，以及WiFi接收機(jī)上存在的設(shè)備多樣性[11]捐友。由于這些因素，WiFi的結(jié)果可能容易出現(xiàn) "不匹配 "或 "假定位"盘寡，從而導(dǎo)致重大（可能是幾十米）的定位誤差楚殿。此外，需要經(jīng)常更新和維護(hù)數(shù)據(jù)庫也是限制使用WiFi定位的一個(gè)重要因素[12]。

B. Inertial Sensor-Based Dead-Reckoning

微機(jī)電系統(tǒng)（MEMS）傳感器（例如：陀螺儀脆粥、加速度計(jì)和磁力計(jì)）顯示出低成本砌溺、小尺寸、重量輕变隔、低功耗和高可靠性的優(yōu)勢规伐。陀螺儀、加速度計(jì)和磁力計(jì)）已經(jīng)顯示出低成本匣缘、小尺寸猖闪、重量輕、低功耗和高可靠性的優(yōu)勢[13]肌厨。這樣的優(yōu)勢使得MEMS傳感器在消費(fèi)類電子產(chǎn)品中得到廣泛的應(yīng)用培慌。行人測距（PDR）可以利用陀螺儀和加速度計(jì)的信息連續(xù)計(jì)算用戶的位置，不需要任何外部設(shè)備柑爸，因此不容易受到環(huán)境的干擾[14], [15]吵护。然而，PDR技術(shù)只能提供短期的高精度表鳍，而由于傳感器誤差的存在和在定位算法中使用積分計(jì)算馅而，長期定位精度迅速降低[16]。同時(shí)譬圣，在沒有外部約束的情況下瓮恭，航向姿態(tài)角是無法觀察到的[17]。通過使用磁力計(jì)厘熟，可以通過測量地磁場來確定設(shè)備的方向[18]屯蹦。然而，在室內(nèi)盯漂，環(huán)境磁場可能受到人工設(shè)施的干擾颇玷，不再是地磁場[19]。因此就缆，即使磁強(qiáng)計(jì)測量出精確的磁北方向，也很難得出可靠的真北方向谒亦。此外竭宰，使用低成本的慣性傳感器進(jìn)行室內(nèi)行人定位也有一個(gè)挑戰(zhàn)，那就是設(shè)備和人體之間不同的錯(cuò)位角度份招。這個(gè)問題還沒有得到很好的解決切揭，因此在許多應(yīng)用中一直限制著只用傳感器的解決方案的使用。

C. Matching-Based Positioning Techniques

有各種類型的匹配技術(shù)锁摔。如使用室內(nèi)地圖來約束定位結(jié)果[20]廓旬，使用路標(biāo)來提供定點(diǎn)位置更新[21]，[22]谐腰，使用照片和樓層數(shù)據(jù)庫匹配[23]孕豹，使用用戶活動(dòng)如樓梯或轉(zhuǎn)彎來提供地標(biāo)[24]涩盾，磁力匹配[25]，[26]励背，和光匹配[27]春霍。盡管這些匹配技術(shù)可以提高定位精度，但其性能取決于應(yīng)用環(huán)境中的特征叶眉。在磁匹配的情況下址儒，前提是室內(nèi)磁場在時(shí)間上是穩(wěn)定的，在空間上是變化的衅疙×ぃ考慮到磁場指紋最多只有三個(gè)維度，通常采用輪廓匹配方法進(jìn)行匹配饱溢。也就是說妖爷，一段連續(xù)的定位信息被存儲起來，并與數(shù)據(jù)庫中的候選輪廓進(jìn)行比較[19]理朋。然而絮识，在室內(nèi)行人定位中使用輪廓匹配仍然是一個(gè)挑戰(zhàn)。消費(fèi)類電子產(chǎn)品中的慣性傳感器可能有很大的誤差嗽上，不能總是提供準(zhǔn)確的位移測量次舌；此外，行人的動(dòng)態(tài)是靈活的兽愤，難以建模（除非設(shè)備是固定的彼念，如安裝在腳上或腰上）。因此浅萧，目前的室內(nèi)磁力匹配或慣性輔助磁力匹配技術(shù)可能存在不匹配的問題逐沙。

D.Integrated Positioning Techniques?綜合定位技術(shù)

由于每種室內(nèi)定位技術(shù)都有其優(yōu)勢和局限性[28]，研究人員結(jié)合各種技術(shù)洼畅，在室內(nèi)行人定位中發(fā)揮各自的優(yōu)勢吩案。此類工作的例子有研究[24]、[29]-[36]和公司[37]-[42]帝簇。一些工作致力于利用慣性傳感器和磁力計(jì)的優(yōu)勢徘郭。例如，Ladetto等人[43]利用陀螺儀提供的旋轉(zhuǎn)來檢測嚴(yán)重的磁干擾丧肴，以提高磁力計(jì)航向的可靠性残揉；來自[44]的工作用準(zhǔn)靜態(tài)磁力計(jì)測量來校準(zhǔn)陀螺儀。這些方法可以有效地提高室內(nèi)磁強(qiáng)計(jì)的可靠性芋浮，但仍受制于固有的死記性問題--定位誤差的積累抱环。為了提供長期的室內(nèi)行人定位精度，最常見的方法是結(jié)合WiFi和MEMS傳感器。常用的組合方法包括卡爾曼濾波镇草、粒子濾波[45]等眶痰。大多數(shù)文獻(xiàn)通過松散耦合的集成使用來自WiFi和MEMS傳感器的數(shù)據(jù)[46]，而少數(shù)文獻(xiàn)通過緊密耦合將無線信號和慣性數(shù)據(jù)結(jié)合起來[47]陶夜。與基于WiFi和MEMS的定位相比凛驮，磁匹配起步較晚，主要集中在磁匹配本身或其與PDR的結(jié)合上[48]条辟。PDR黔夭、WiFi和磁場匹配的整合相對較少，對此羽嫡，[49]-[51]代表了最新的研究成果本姥。前者使用卡爾曼濾波器融合來自不同傳感器的數(shù)據(jù)，進(jìn)行同步定位和測繪（SLAM）杭棵。對于SLAM方法婚惫，沉重的計(jì)算能力仍然是一個(gè)挑戰(zhàn)，因此很難在消費(fèi)電子中使用[52] 魂爪。

基于上述審查結(jié)果先舷，我們可以做一個(gè)總結(jié)。WiFi/BLE定位滓侍、基于MEMS傳感器的PDR和磁網(wǎng)匹配是最常用的消費(fèi)電子產(chǎn)品室內(nèi)定位技術(shù)蒋川。一方面，這些技術(shù)已經(jīng)顯示出它們有可能提供一個(gè)無處不在的定位解決方案撩笆。盡管每種技術(shù)都有其局限性（例如捺球，無線信號的波動(dòng)和障礙，死區(qū)定位解決方案的漂移夕冲，以及磁力匹配的不匹配）氮兵，但自近二十年前微軟的RADAR系統(tǒng)[53]被提出用于室內(nèi)定位以來，有許多工作都是為了解決這些問題歹鱼，并提高每種模擬技術(shù)的性能以及它們的整合泣栈。

在目前的室內(nèi)定位技術(shù)中，如果在特定區(qū)域進(jìn)行足夠的數(shù)據(jù)庫訓(xùn)練醉冤，已經(jīng)可以通過WiFi秩霍、BLE或磁力匹配獲得精確的定位解決方案（可能精確到一米以下）。有可能通過WiFi蚁阳、BLE或磁性匹配獲得精確的定位解決方案（可能精確到一米以下），如果在特定區(qū)域有足夠的數(shù)據(jù)庫訓(xùn)練工作的話鸽照。然而螺捐，即使有這么多的研究和工作，仍然很難找到一個(gè)可用于物聯(lián)網(wǎng)應(yīng)用的普遍的定位解決方案。由于這一現(xiàn)象定血，本文并不關(guān)注 如何提高定位技術(shù)的性能赔癌。相反，從作者的角度來看澜沟，有一個(gè)關(guān)鍵因素限制了低成本室內(nèi)定位應(yīng)用的擴(kuò)展性灾票，那就是數(shù)據(jù)庫的可靠性。無論是無線定位技術(shù)茫虽，如WiFi 或BLE等無線定位技術(shù)刊苍，還是磁力匹配等室內(nèi)匹配技術(shù)，可靠的數(shù)據(jù)庫都是提供可信賴的定位解決方案的關(guān)鍵濒析。特別是隨著物聯(lián)網(wǎng)應(yīng)用的迅速推廣正什，定位應(yīng)用不再局限于一個(gè)房間或一棟建筑。相反号杏，它成為一個(gè)無處不在的定位問題婴氮。

對于物聯(lián)網(wǎng)應(yīng)用來說，從眾多的傳感器網(wǎng)絡(luò)和消費(fèi)者設(shè)備中收集大量的 從眾多傳感器網(wǎng)絡(luò)和消費(fèi)者設(shè)備中收集定位信號的大數(shù)據(jù)盾致。這樣的大數(shù)據(jù)可用于各種目的主经，如眾包數(shù)據(jù)庫的定位數(shù)據(jù)（例如，來自慣性傳感器庭惜、WiFi罩驻、BLE和磁力計(jì)的數(shù)據(jù)）。然而，從大數(shù)據(jù)的角度來看儡陨，主要的挑戰(zhàn)之一是如何選擇最有價(jià)值的數(shù)據(jù)烙博，并過濾掉不可靠的數(shù)據(jù)。這項(xiàng)任務(wù)的挑戰(zhàn)是缺乏對定位數(shù)據(jù)評估的參考爽哎。也就是說，很難通過調(diào)查數(shù)據(jù)本身來判斷一個(gè)定位數(shù)據(jù)是否可靠器一。由于基于慣性傳感器的航位推算是一種自主定位技術(shù)课锌，本文重點(diǎn)討論了利用慣性傳感器進(jìn)行定位數(shù)據(jù)庫的眾包。本文的目的是為以下問題提供一個(gè)答案祈秕。

1）如何提高日常生活中慣性傳感器數(shù)據(jù)的質(zhì)量渺贤，以增加可靠數(shù)據(jù)的比例？

2) 如何定量評估基于眾包的慣性傳感器數(shù)據(jù)的質(zhì)量请毛，特別是判斷其是否可靠志鞍，以用于更新。

第一個(gè)問題是與定位精度有關(guān)方仿。許多研究人員已經(jīng)研究過這個(gè)問題固棚。對于許多物聯(lián)網(wǎng)應(yīng)用统翩，第二個(gè)問題甚至比第一個(gè)問題更重要。這一事實(shí)背后的原理是：如果不知道數(shù)據(jù)質(zhì)量此洲，將其用于工程應(yīng)用是不可靠的厂汗，因?yàn)椴恢浪鼞?yīng)該有多少權(quán)重。另一方面呜师，當(dāng)數(shù)據(jù)質(zhì)量已知時(shí)娶桦，使用該數(shù)據(jù)或?qū)⑵渑c其他數(shù)據(jù)融合就變得簡單而可靠。此外汁汗，在大數(shù)據(jù)時(shí)代衷畦，只選擇最可靠的數(shù)據(jù)集是至關(guān)重要的。為了給上述問題提供一個(gè)可行的答案碰酝，本文的貢獻(xiàn)可以概括為 本文的貢獻(xiàn)可以概括為以下幾點(diǎn)霎匈。

1）本文提出了一種基于錨點(diǎn)（即坐標(biāo)已經(jīng)確定的點(diǎn)）的前向-后向平滑方法，適用于室內(nèi)行人定位送爸。該方法可以有效控制基于低成本傳感器的死回溯方案的漂移铛嘱，可以進(jìn)一步用于生成基于眾包的數(shù)據(jù)庫。

2）本文提出了一個(gè)用于評估眾包慣性傳感器數(shù)據(jù)的定量質(zhì)量評估框架袭厂。通過使用這個(gè)框架墨吓，可以在沒有人工干預(yù)的情況下自動(dòng)評估日常生活中的慣性傳感器數(shù)據(jù)的質(zhì)量，并選擇最可信賴的數(shù)據(jù)纹磺。因此帖烘，該框架特別適用于物聯(lián)網(wǎng)應(yīng)用中的大量慣性傳感器數(shù)據(jù)的過濾。

II. METHODS FOR GENERATING LOCALIZATION DATABASE

IV. QUANTITATIVE QUALITY ASSESSMENT OF CROWDSOURCING SENSOR DATA

本節(jié)提供了一個(gè)評估眾包慣性傳感器數(shù)據(jù)的定量框架橄杨。通過使用這個(gè)框架秘症，可以在沒有任何人工干預(yù)的情況下自動(dòng)評估每個(gè)日常生活中的慣性傳感器數(shù)據(jù)的質(zhì)量，并選擇最可信賴的數(shù)據(jù)式矫。因此乡摹，該框架特別適用于物聯(lián)網(wǎng)應(yīng)用中的大量慣性傳感器數(shù)據(jù)的過濾。

A. General Framework for Quality Assessment

提出的質(zhì)量評估框架的主要思想是 框架的原理如下采转。

1) 我們需要找出能夠影響或決定基于慣性傳感器的步行軌跡質(zhì)量的因素（即聪廉，關(guān)鍵因素）。此外故慈，我們需要為每個(gè)關(guān)鍵因素計(jì)算一個(gè)分?jǐn)?shù)板熊，以量化其貢獻(xiàn)。

2）由于所有的關(guān)鍵因素都可能影響定位軌跡的性能察绷，我們需要一個(gè)框架來全面考慮它們的貢獻(xiàn)干签。可觀察性分析[81]方法提供了一種理論方法來分析系統(tǒng)中每個(gè)狀態(tài)的影響拆撼。然而筒严，它只能提供定性的指導(dǎo)丹泉，而不是定量的結(jié)果情萤。因此鸭蛙，需要一種新的定量方法。

基于上述想法筋岛，本文提出了一個(gè)框架 如下面的方程式娶视，來評估每條步行軌道的質(zhì)量。

c1, c2, ..., cN分別是可能影響慣性傳感器數(shù)據(jù)質(zhì)量的N個(gè)因素的權(quán)重睁宰。T1, T2, ..., TN是分別對應(yīng)于N個(gè)因素的分?jǐn)?shù)肪获。通過使用這個(gè)函數(shù)，每個(gè)行走軌跡可以被轉(zhuǎn)換為一個(gè)標(biāo)量柒傻。相應(yīng)地孝赫，多組行走軌跡可以轉(zhuǎn)換為一組數(shù)字，然后可以進(jìn)行排序和過濾红符。獲得最低分?jǐn)?shù)的軌跡是吃了最可靠的軌跡青柄。

B. Key Factors

有許多因素對日常生活中的慣性傳感器數(shù)據(jù)的質(zhì)量有影響。日常生活中的慣性傳感器數(shù)據(jù)的質(zhì)量预侯，例如致开，傳感器的誤差，設(shè)備的運(yùn)動(dòng)模式萎馅，用戶的行為習(xí)慣双戳，等等。要對所有這些因素進(jìn)行建模是很困難的糜芳。在本文中飒货，我們根據(jù)對數(shù)百個(gè)數(shù)據(jù)集的分析，選擇了其中三個(gè)最重要的因素峭竣，并將這些因素作為關(guān)鍵因素塘辅。由于對這個(gè)質(zhì)量評估框架的研究還處于早期階段，可能還有更多的關(guān)鍵因素在本文中沒有考慮邪驮。但是莫辨，本文的觀點(diǎn)應(yīng)該有利于指導(dǎo)這一領(lǐng)域的研究。選定的關(guān)鍵因素包括毅访。
1）行人運(yùn)動(dòng)模式沮榜；
2）慣性傳感器誤差；
3）兩個(gè)錨點(diǎn)之間的定位時(shí)間段喻粹。這些因素的影響分別進(jìn)行了分析蟆融。

1）行人運(yùn)動(dòng)模式。室內(nèi)行人定位的困難之一是設(shè)備運(yùn)動(dòng)模式的多樣性和不可控性守呜。室內(nèi)行人定位的困難之一是設(shè)備運(yùn)動(dòng)模式的多樣性和不可控性型酥。設(shè)備可能經(jīng)歷不同的手勢山憨、角速度和線速度。雖然INS的機(jī)械化取決于運(yùn)動(dòng)模式弥喉，但消費(fèi)類設(shè)備的不同運(yùn)動(dòng)模式可能導(dǎo)致不同的定位性能郁竟。一個(gè)主要的原因是，對于許多物聯(lián)網(wǎng)應(yīng)用由境，傳感器的數(shù)據(jù)速率（例如棚亩，低于10赫茲）通常低于傳統(tǒng)的基于車輛的定位應(yīng)用。另外虏杰，用于室內(nèi)行人定位的PDR算法包含一個(gè)加速度計(jì)的調(diào)平過程讥蟆，它可能會(huì)受到設(shè)備運(yùn)動(dòng)模式的影響。圖1(a)-(d)顯示了四種典型運(yùn)動(dòng)模式下的陀螺儀和加速度計(jì)信號纺阔，包括水平手持瘸彤、呼叫、擺手和口袋笛钝。在行人的動(dòng)態(tài)運(yùn)動(dòng)中存在著周期性模式质况。例如，在手持或呼叫的情況下婆翔，三軸陀螺儀信號在直線行駛時(shí)并不顯著拯杠，而在轉(zhuǎn)彎時(shí)在垂直方向上有一個(gè)顯著的角速度。另一方面啃奴，在擺動(dòng)或口袋模式中潭陪，有一個(gè)顯著的角速度，可能超過200度/秒最蕾。在擺動(dòng)模式中依溯，周圍的角速度出現(xiàn)在Z軸方向，而在口袋模式中瘟则，角速度出現(xiàn)在X軸方向（在實(shí)踐中黎炉，口袋模式中的角速度軸與口袋中的手機(jī)姿態(tài)有關(guān)）。

傳感器偏差：傳感器誤差是降低定位性能的主要因素之一醋拧。盡管在實(shí)驗(yàn)室里校準(zhǔn)傳感器是很簡單的慷嗜，但對于制造商來說，校準(zhǔn)或模擬低成本MEMS傳感器的誤差是無法承受的丹壕。此外庆械，由于低成本MEMS慣性傳感器的誤差可能隨環(huán)境變化而變化，因此很難消除消費(fèi)類便攜式設(shè)備中的誤差菌赖。根據(jù)低成本MEMS慣性傳感器的特點(diǎn)缭乘，偏置的影響比比例系數(shù)誤差和不對中誤差的影響更為顯著。因此琉用，本文重點(diǎn)討論了傳感器的偏差問題堕绩。為了簡化分析策幼，假設(shè)用戶是直接移動(dòng)的，殘留的加速度計(jì)偏差可能導(dǎo)致與時(shí)間成正比的速度誤差奴紧，以及與時(shí)間平方成正比的位置誤差特姐，給定為

C. Influencing Factors of Mass Database

基于以上對錯(cuò)誤源的分析，本節(jié)給出了一個(gè)整體評估軟件包質(zhì)量的一般框架绰寞。量化軌跡質(zhì)量的具體公式是

其中到逊，T是行走軌跡的總分，分值越低滤钱，對應(yīng)的數(shù)據(jù)越可靠。TM脑题、TB和TT分別是設(shè)備運(yùn)動(dòng)件缸、陀螺儀偏差和定位時(shí)間的得分，CM叔遂、CB和CT是三個(gè)因素之間的相對權(quán)重他炊。

由于關(guān)鍵因素的權(quán)重在不同的應(yīng)用環(huán)境中可能會(huì)發(fā)生變化，因此最好根據(jù)用戶的運(yùn)動(dòng)情況自適應(yīng)地設(shè)置權(quán)重已艰。然而痊末，為多個(gè)測試場景設(shè)置一個(gè)穩(wěn)健的自適應(yīng)參數(shù)設(shè)置機(jī)制是具有挑戰(zhàn)性的。在本文中哩掺，我們使用固定的參數(shù)值凿叠，即CM = 0.2，CB = 0.3嚼吞，CT = 0.5盒件。

這個(gè)設(shè)置很可能不是最優(yōu)的，但是已經(jīng)提供了有希望的結(jié)果（如測試部分所示）舱禽。實(shí)際上炒刁，使用一組不確定的相對權(quán)重是一個(gè)常見的測試案例，因?yàn)楝F(xiàn)實(shí)世界的環(huán)境是不可預(yù)測的誊稚，人們不可能總是找到最佳設(shè)置翔始。一旦CM、CB和CT的值固定下來里伯，該模型就可以用于自動(dòng)處理城瞎，個(gè)別的分?jǐn)?shù)TM、TB和TT可以從用戶數(shù)據(jù)中自動(dòng)計(jì)算出來俏脊。本文提供了一個(gè)計(jì)算這些參數(shù)的可行方法全谤。方程為