技术详情
1)具有自学习功能的定位模型更新机制。采用众包数据收集思路,在用户使用过程中,采集用户提交的定位数据,作为非标定训练数据,融入半监督学习模型,获得最新的定位引擎模型实现长生命期自我持续更新的模型更新机制。
2)专用WiFi指纹定位算法,对采集到的大面积室内WiFi数据进行指纹鲁棒的特征提取,采用模式识别方法进行位置预测。目前在一般购物广场可以达到3米左右的定位误差。采用了指纹定位与运动传感器。
3)支持多类型WiFi硬件模块的特征提取方法。针对市面智能手机采用不同WiFi模块,导致采集的信号发生差异的现象,研究了特征迁移方法,尽量减少了因设备差异带来的定位误差。
4)WiFi无线信号数据采集和处理方法。针对数据采集的困难,设计和实现了方便可用的数据采集方法,在不减少数据有效信息的前提下,尽量压缩了数据的采集密度,同时通过行走的方式代替了定点采集方式,极大提高了数据采集的效率对WiFi信号克服信道干扰的本质属性特征的提取、无线接入点(AP)的部署方案、专用无干扰定位AP的研发等方面也开展了系列研究工作。
产品优势也十分明显：
1)成本低。几乎人流密集区域均已或将全面WiFi覆盖,完全可以自然使用,用于WiFi定位相比蓝牙(iBeacon)等其它定位方式,不需要对基础设施进行深度改造。
2)用户体验好。用户手机的WiFi开启率在70%以上,对于大部分用户,不需要增加主动
打开WiFi设置这一环节。而蓝牙等方式的开启率则低很多定位精确度高。实际测试显示,蓝牙等方式更易受环境的干扰,定位稳定性与精确度均有所欠缺。而WiFi模式相比更胜一筹。
案例描述
通过本项目的实施,技术来源于十一五国家863计划和多项自然科学基金项目支持,在基于WiFi的定位技术核心技术研发以及实用研发方面均已获得国内甚至国际领先成果。项目团队来自中科院计算所感知计算课题组,理论基础较好,是国内最早开展WiFi定位研究的团队之一。团队参与成员包括一名研究员、三名副研究员、两位工程师以及十多位博士、硕士研究生。
成果方面,近十年的研究过程中,针对WiFi定位在实际应用中的系列问题开展了深入研究。包括对环境和行人的抗干扰方法、增量式自学习模型更新、环境AP的瞬时增减变化、AP最优布设方案、与终端无关的模型迁移等多方面的深入研究。研究团队累计发表WiFi定位方面的相关学术论文100余篇,申请和获授权发明专利共10余项,软件著作权登记3项。核心定位方法在2007年获得国际WiFi定位竞赛第二名。
目前,定位核心技术和产品的已成熟实用,积极推向产业应用井获得订单。基于阿里云的定位引擎平台相继为业内企业与应用提供定位服务,第三方合作伙伴基于SDK套件即可在其应用中迅速实现定位功能。产品在万达广场、华联商场、中坤广场、中国智慧城市博览会、成都移动互联网创业大厦等商场、写字楼、会场多种环境中验证、正式使用；已经和四维图新、高德地图等主流地图服务公司开展了实质性合作;和百联集团、居然之家等商超、零售企业联手,助力布局O20业务;同时和国内知名企业合作积极开展智慧城市、智慧旅游、智慧家居、智慧物流、智慧博览会、智慧盲用信息播报系统等应用。
