基于Wi-Fi指纹对楼宇分层定位的应用

　　摘要：本文首先介绍现有定位技术情况，然后阐述基于Wi-Fi定位算法的核心算法，最后介绍了楼层分层的应用效果。

　　[关键词]Wi-Fi指纹与软采信令关联 楼宇分层定位

　　推荐阅读：《电子科技文摘》坚持为社会主义服务的方向，坚持以马克思列宁主义、毛泽东思想和邓小平理论为指导，贯彻“百花齐放、百家争鸣”和“古为今用、洋为中用”的方针，坚持实事求是。

　　1引言

　　随着广州LTE用户数和业务量迅速发展，现网LTE深度覆盖不足问题对客户感知的影响日益显现。室内场所一般难以定期深入遍历测试，导致局部弱覆盖、室分系统支路故障等网络问题难以在用户投诉之前被发现和解决。城中村、封闭住宅小区、党政军机关等，难以频繁进行遍历测试的楼宇。针对这个网络工作难题，为了使用创新技术手段更加准确和及时地发现LTE网络深度覆盖不足的问题

　　当下主流地图服务商均拥有了成熟的定位技术。根据室外、室内、精度和电量要求等不同应用场景，可以选择GPS、基站和Wi-Fi等多种定位方式，只能定位到路面上的楼宇，无法准确定位到楼层及楼层中的无线MR覆盖情况。

　　2分层定位基本原理

　　在互联网应用提供的各种APP中，提取用户的，上行解码中上报的Wi-Fi信息，同时安排测试人员对楼宇建筑进行实测建立楼层Wi-Fi指纹库。使用硬采中手机上行解码的MAC地址和Wi-Fi信号强度来进行Wi-Fi库匹配，获取楼层高度，最终得到用户的精确的楼层位置信息。

　　3基于Wi-Fi分层定位方法介绍

　　3.1Wi-Fi指纹库建立

　　首先对各个楼宇的楼层进行轮廓地图绘制，利用Wi-Fi指纹采集工具，现场测试采集信息包括小区信息(CID)，楼宇樓层信息，经纬度信息(Latitude、Longitude)，Wi-Fi信息(SSID、BSSID、CAPABILITIES、LEVEL)。将楼宇各层的测试数据入库处理形成Wi-Fi信息指纹库。

　　3.2用户硬采信令与指纹库关联(24小时采集)

　　硬采XDR上报信息，包括用户IMEI号、MAC地址、小区CGI，使用硬采中手机上行解码的MAC地址和Wi-Fi信号强度来与指纹库中Wi-Fi信息进行匹配，得到“用户/时间+楼宇/楼层/位置”

　　具体算法说明：

　　(1)调用Wi-Fi指纹库以楼层位置名称和APMAC地址分组，对信号强度求均值。得到楼层位置的Wi-Fi指纹库。

　　(2)获取用户的AP信息。

　　(3)以用户的AP信息的BSSID名，查找在Wi-Fi指纹库中出现的所有记录，得到查找结果表。

　　(4)将查找结果表中每个楼层位置按行表示，将AP名转换成列。

　　(5)将出现的NULL值替换成-85，因为AP的信号强度为NULL可近似理解为信号非常弱，即-85表示”查找_AP_转置_替换”。

　　(6)将提交用户的AP信息转置成行;再求该行与“查找_AP_转置_替换”中每一行的欧式距离。

　　距离公式

　　3.3MR关联(24小时采集)

　　MR测量报告中主要有小区ID，RSRP，RSRQ等测量报告，MRO和信令关联主要是利用时间和MMEUES1APID信息，输出时间、用户IMEI号、小区ID、RSRP、RSRQ等统计信息。

　　再与有楼宇分层的硬采数据进行关联，就能得到每个用户所在楼层位置的实际用户感知。得到“用户/时间+楼宇/楼层/经纬度位置+RSPR/采样点/覆盖率统计”。

　　3.4Wi-Fi指纹库维护：

　　现网公共Wi-Fi的失效与新增，通过“Wi-Fi自动更新程序”进行自动识别维护，确保指纹有效性。

　　新增Wi-Fi指纹判定：输入用户上报的指纹信息：时间、纬度、经度、小区CGI、MAC地址、信号强度。利用有监督机器学习算法，对用户上报的指纹信息进行计算，通过测量不同特征值之间的距离进行分类，能较为准确的将新增的MAC地址、信号强度加入到指定的室内位置。

　　失效Wi-Fi指纹检测迭代算法：定时检测Wi-Fi指纹数据库中的指纹，通过RFM模型对Wi-Fi指纹进行评分，把分值低于既定阈值的Wi-Fi指纹判定为失效指纹，用于删除手机热点等临时Wi-Fi或已经过时的Wi-Fi指纹。4楼宇分层数据验证

　　楼宇分层准确性验证，是对楼宇分层输出结果与现场实际位置的验证。需要准备一个可以在后台进行信令跟踪的测试号码。

　　第一步：万菱汇、佳兆业广场两栋商业中心进行百度外卖定位验证，并记录测试实际位置。

　　第二步：根据测试号码，后台抓取测试号码的硬采XDR数据。

　　第三步：根据抓取硬采XDR数据，与Wi-Fi指纹指纹库进行，硬采关联结果分别，输出在楼宇分层定位。

　　第四步：对系统输出的定位结果与现场测试实际位置进行比对。

　　5楼宇Wi-Fi分层定位应用

　　评估发现：广州市第一人民医院磐松楼3号楼整体楼宇覆盖率24%，平均RSRP约-115dBm;其中F1存在部分区域弱覆盖，楼层覆盖率8%，平均RSRP约-118dBm。

　　问题分析：现场测试发现1层弱覆盖区域，与系统平台输出的问题点一致，据现场测试情况了解了，1层门诊科室房间，室内分布系统故障，导致深度覆盖不足，由室外宏站覆盖，查询该楼宇室分站点广州越秀区广州市第一人民医院E-ZLW于2018.1031开始已出现断电告警，优化室派发维护工单进行处理，11月12号告警恢复后，室内信号恢复正常。

　　6总结

　　通过Wi-Fi分层定位方法，可以计算出室内场所的4G网络覆盖情况，能比较准确地分层定位室内弱覆盖位置，为覆盖优化提升工作提供量化技术支持，可以用于投诉定位问题，先于用户发现室内故障问题。

　　参考文献

　　[1]David M. J. Tax; Robert Duin; DickDe Ridder (2004). Classification，Parameter Est imat ion and StateEstimation： An Engineering ApproachUsing MATLAB. John Wiley and Sons.ISBN 0-470-09013-8.

　　[2]钱梁.大数据下MR和信令数据的联合分析方法[J].电信技术，2015(09)：29-

期刊VIP网，您身边的高端学术顾问

文章名称： 基于Wi-Fi指纹对楼宇分层定位的应用

文章地址： http://www.qikanvip.com/yingyongdianzijishu/49079.html