Hello，everyone！
我是CS科研GO，一個熱衷於科研和軟開的胖子！
論文題目：Multi-destination Indoor Navigation using Path Planning and WiFi Fingerprint Localization
論文作者：Orachat Chitsobhuk, Kulwarun Warunsin, Sornchai Udomthanapong；
工作單位：KMITL，Ramkhamhaeng Unversity，Burapha University；
發表會議：International Conference on Computer and Communication Systems 2018。
基於路徑規劃和WiFi指紋定位的多目的地室內導航
1. Abstract
本文提出了一種基於路徑規劃和WiFi指紋定位的多目的地室內導航系統。此係統允許用戶指定多個目的地，並且可以隨時改變路線。路徑規劃將使用2-opt和A *算法自動更新路徑。修改後的路線將根據WiFi指紋定位提供的用戶當前位置進行分析。系統採用樸素貝葉斯分類以從存儲在數據庫中的RSS指紋先驗中學習。 通過大量實驗的性能評估結果表明，在結合概率先驗條件的基礎上，性能得到了顯着提高，並且具有更高的噪聲承受能力。 綜上，此係統支持根據定位實現自動路徑更新和導航優化，從而爲用戶提供室內導航服務。
2. Introduction
隨着移動設備和移動通信技術的廣泛應用，對導航系統的要求越來越高。導航系統的關鍵任務是定位和路徑規劃。在室外環境中，全球定位系統由於能夠提供可靠的定位，因此得到了廣泛的應用。然而，它的服務在室內環境非常有限。室內定位服務(IPS)是近年來一個具有挑戰性的問題。現有的室內定位系統基於多種技術，如RFID、藍牙、Zig bee、WiFi。在這些技術中，WiFi IPS是最具吸引力的研究之一，其原因在於在室內環境中通常有大量的WiFi接入點，且移動設備內置的WiFi接收模塊的便利性。
WiFi IPS利用環境中已有的信息，而無需對室內環境進行任何其他更改。WiFi IPS大多采用包含信號特性或特徵的WiFi指紋，尤其是基於接收信號強度（RSS）的指紋。即使信號強度會受到信號反射，散射和衍射的影響而受到多路徑衰落和陰影的影響，但每個位置的指紋都是不同的，並且可以作爲定位的良好來源。此係統包括兩個階段：訓練和定位。在訓練階段，通過收集從選定區域中每個參考點附近的AP獲得的RSS向量來構建指紋圖。在定位階段，確定目標位置是一項任務。該問題可以看作是多類分類。可以使用幾種技術來識別所需的位置，例如k最近鄰（KNN），加權k最近鄰（WKNN），統計高斯混合模型，樸素貝葉斯分類器和支持向量機（SVM）。
路徑規劃在導航服務中也很重要，它負責提供到達所有目的地的路線。 Dijkstra的算法和A* 算法通常用於最短路徑查找。 Dijkstra的算法保證找到一條從起點到目標的最短路徑，只要沒有一條邊的成本爲負。A* 算法是Dijkstra算法的一種修改，該算法能在啓發式不高估距離的情況下找到最優路徑。 由於它易於實現且效率很高，因此深受青睞。在路徑規劃過程中，用戶可能會突然改變計劃，繞行路線，甚至尋找多個目的地。 因此，高效的導航系統必須能夠提供合適的替代路線。
本文提出的系統使用2-opt和A*算法與WiFi指紋定位，允許自動更新路徑的多目的地導航。它將路徑規劃和定位相結合，以提供精確的預測和精確的導航解決方案。允許用戶指定多個目的地，並可以在任何時候繞行路線。WiFi IPS提供位置座標，顯示用戶的位置。在根據路線規劃方法，將所有目標組織成最短路徑。當用戶的位置超出預定的規劃路線時，將被重新激活，用於路線更新和導航優化。
3. The proposed algorithm
3.1 多目的地室內導航系統
系統架構由3個主要組件組成:室內定位服務(IPS)、多目的地路徑規劃和路徑更新，如圖1所示。首先，用戶向服務器輸入由多個目的地組成的路徑輪廓。然後，服務器執行多目的地路徑規劃，根據用戶的要求搜索包含所有目的地的路由，並將結果發送到用戶的移動設備。在參觀過程中，便攜式設備持續感知WiFi信號並從IPS中獲取用戶的位置。每當系統檢測到用戶偏離預定的路由時，便攜式設備就會自動向服務器報告請求新的路由。然後服務器執行路由更新，併爲用戶提供更新後的新路由。所述多目的地室內導航系統流程圖如圖3所示。
3.2 WiFi IPS定位
室內定位服務是基於WiFi RSS指紋估計用戶當前位置的模塊，分析給定位置的無線電信號與對應位置的無線電信號之間的關係。每個指紋都具有每個AP的RSS信息，並且與地圖中的所有指紋相比，來自給定位置的指紋具有唯一的組合。這個問題可以看作是多類分類。
目前的解決方案分爲兩類:確定性算法和概率算法。在確定性算法中，一般認爲數據庫中測量點與被測位置向量之間統計信號距離最小的RSS指紋是最佳的位置估計。以歐氏距離或曼哈頓距離的統計距離計算爲例，討論了最近鄰技術。在概率算法中，基於參考數據庫中的先驗條件概率分佈，利用概率推理來確定給定位置發生的可能性。這類方法的例子包括那些使用貝葉斯概率推論的方法。
本文選用樸素貝葉斯分類器，作爲基於概率的指紋分類。它是貝葉斯網絡分類器的最簡單形式，是一種基於隨機模型假設特徵獨立的監督學習算法。儘管它很簡單，但它對RSS的時間變化不敏感，易於構建，無需迭代參數估計，適用於大型數據集，並且優於更復雜的分類器。WiFi指紋定位過程分爲兩個階段：訓練階段和定位階段。訓練階段建立指紋數據庫和每個位置的後驗條件概率表，定位階段提供匹配位置，如圖2所示。
在訓練階段，在監測區域上定義了虛擬網格。 網格大小取決於設計的定位精度。 將每個採樣點的RSS指紋插入到具有網格座標和對應於N個接入點（AP）的RSS列表的RSS指紋數據庫中，如下所示
式中，f(j)爲第j個RSS採樣指紋，RSS-i爲該位置第i個AP接收到的信號強度。然後使用樸素貝葉斯分類器學習這些RSS指紋。類節點k表示位置，特徵節點RSS對應每個AP接收到的信號強度。其基本思想是利用貝葉斯概率術語計算第k個位置的後驗概率，公式可以描述爲
其中，P(k/RSS)爲給定RSS預測因子(feature)下目標類的後驗概率，P(k)爲給定RSS預測因子(feature)下目標類的先驗概率，P(RSS)爲給定RSS預測因子(feature)下目標類的似然概率，P(RSS)爲RSS特徵的先驗概率。在實現過程中，構造了一個頻率表，並將其轉換爲條件似然表。
在定位階段，測量目標的WiFi指紋。通過計算貝葉斯方程得到RSS預測器的後驗概率。利用最大後驗(MAP)進行了位置預測。概率最大的位置被認爲是最有可能的位置。
3.3 多目的地路徑規劃
多目的地路徑規劃是明確所有目的地併爲導航創建最短路徑的模塊。它類似於旅行推銷員問題(TSP)，可以看作是一個圖，其中位置是節點，而邊(或弧)表示節點之間的直接路徑。每條邊的權值是節點之間的距離。本文采用基於2-opt局部最優化和A*的啓發式搜索。
首先，系統對所有用戶指定的目的地構造一個初始路徑。然後使用2-opt算法對路線進行優化，基本上除去路線中的兩條邊，並將創建的兩條路徑重新連接起來。
利用A搜索算法建立兩點之間的所有可行路徑，並選擇最短路徑。A優先選擇那些看起來更接近目標的道路。如果可能的話，它通過實現啓發式函數來避免更高的成本。如果啓發式不高估從某一點到目標的距離，A*總是會找到最優路徑，如果存在的話。運行時間通常會更快。
3.4 室內導航地圖管理
導航系統介紹有關如何到達所有用戶定義的目的地的方式。使用地圖管理模塊在用戶的便攜式設備上說明了多目的地路徑規劃，導航路徑和更新。圖3示出了多目的地室內導航的流程圖。初始路線是根據用戶定義目的地創建的。 路徑規劃完成後，會將導航路線提交給地圖管理模塊，以在用戶的UI上顯示所選路線。將根據導航地圖指導用戶，並從WiFi IPS持續跟蹤用戶的位置。只要用戶在預定路線內移動，就不會在地圖上進行任何更改。但是，如果用戶突然更改或繞道而行，則將激活地圖管理，並將對更新後的路線的請求發送到路徑規劃模塊。路徑規劃算法將針對新的目的地進行精確導航。
4. Experiment and Data Anaylysis
作者在King Mongkut’s Institute of Technology Ladkrabang（約880平方米）的ECC大樓五樓進行實驗。平面圖如圖4所示。這是一幢9層的建築物，上面覆蓋着多個無線AP。 這些AP的所有物理位置和傳輸範圍的信息未知。整個樓層被建模爲1.5米和3.5米的正方形網格空間，分別具有115和50個參考位置。 每天上午10:00，下午1:00和3:00進行採樣，爲期三天。
爲了進行性能比較，研究了兩種RSS指紋定位算法:KNN算法和Naive Bayes算法。表I爲誤差參數平均值、標準差、最大誤差的性能比較，圖5爲兩種網格模型下KNN和Naive Bayes的累積分佈函數CDF。
可以看出，樸素貝葉斯算法優於k最近鄰算法。較大的誤差主要發生在電梯附近的目標位置。像KNN算法那樣的概率統計，將很難處理這種位置推測。KNN算法和Naive Bayes算法在3 m內的精度分別約爲31％和79％。可以得出結論，先驗統計可以極大地改善室內定位並具有更高的噪聲容忍度。
在這個實驗中，作者使用2-opt優化和A搜索的組合來檢驗多目標路徑規劃的性能。然後，路徑規劃進行最優搜索，並報告所選擇的導航路徑和搜索時間。圖6展示了路徑規劃的性能，以找到最優路徑通過隨機3-10個目標目的地。每種情況都要測試10次。箱線圖的目的是說明使用所提出的2-opt和A搜索算法進行尋路時的時間分佈。8、9、10個目標節點的平均路由時間分別爲717.2、848.2、851.1 ms。因此，當選擇更多的目標目的地時，效率就會更高。
5. Conclusion
本文提出了一種基於WiFi RSS指紋定位，結合2-opt和a *算法的室內導航系統。它集成了路徑規劃和定位，即使用戶突然偏離建議的路徑，也能靈活地引導用戶到達多個目的地。該系統提供自動生成最佳導航路徑和更新修改後的路徑，每當用戶移動超出範圍限制。實踐證明，該系統能夠滿足用戶對室內導航服務的需求，提高用戶的室內體驗，從而縮短用戶尋找目的地所需的時間。
內容靠得住，關注不迷路。
