一种Wi-Fi RTT/数据驱动惯性导航行人室内定位方法

为了研究基于智能手机的行人室内定位方法,并提高其精度,本文提出了一种基于Wi-Fi往返时间(RTT)、惯性测量单元(IMU)的定位系统。该方法主要包括3部分:(1)使用扩展卡尔曼滤波融合测距信息的Wi-Fi RTT室内定位方法;(2)适用于多手机使用模式的航位推算方法,该方法基于长短时记忆模型(LSTM)建立神经网络模型,预测行人运动速度及航向;(3)基于误差状态卡尔曼滤波的Wi-Fi RTT/数据驱动惯性导航融合定位方法,进一步提高定位精度。试验结果表明,与单一的基于Wi-Fi RTT方法和数据驱动惯性导航方法相比,本文方法的平均定位精度提升了10%~20%。

环境语义信息辅助的室内停车场车辆定位方法

针对室内停车场环境下GNSS信号受限,无法进行车辆定位的问题,本文提出了一种环境语义信息辅助的室内停车场定位方法。该方法基于智能手机,首先在使用机器学习识别室内停车场中环境语义信息(减速带、转弯)的基础上,建立了室内停车场路网的拓扑结构,然后利用粒子滤波算法对传统车辆航位推算定位数据进行了融合。试验结果表明,该方法有效消除了车辆航位推算的累积误差,平均定位精度达3 m以内,并通过语义信息匹配减少了传统粒子滤波方法的运算时间。

GIS辅助的室内定位技术研究进展

室内定位技术是目前基于位置服务领域的研究热点之一,已引起政府部门、产业界和学术界的重视。室内GIS包含了丰富的先验知识,可用于辅助室内定位。本文对GIS辅助的室内定位技术需求、发展现状及面临的挑战进行了较系统梳理。首先介绍其发展现状,包括基于地图约束的室内定位、基于拓扑地图匹配的室内定位、基于语义感知的室内定位以及基于视觉感知的室内定位。随后,介绍了其面临的挑战,主要包括统一时空基准下的室内GIS数据模型、室内GIS数据更新以及智能手机有限的计算资源。最后,展望了其发展趋势,在GIS辅助的室内定位方面,将从基于语义感知的室内定位发展到基于空间认知的室内定位;在室内GIS数据的获取方面,将从目前的基于机器采集发展到人机交互式数据采集。

基于互补滤波融合WiFi和PDR的行人室内定位

提出了一种基于互补滤波融合Wi Fi和PDR的行人室内定位方法。首先改善Wi Fi位置指纹定位的KNN算法,通过阈值的设定,排除相似度高但实际上不可能的点,获取动态K值;然后通过行人航位推算(PDR)初始化算法,动态轨迹概率计算,确定PDR初始位置;最后在改进的Wi Fi和PDR的定位基础上,基于互补滤波原理,根据Wi Fi和PDR定位的不同特性,利用各自的定位优点,使用Wi Fi定位修正PDR的定位结果,通过相应权重参数的调整,输出最终融合定位结果。试验过程中,选取3种不同的室内环境区域,试验结果证明了该算法可大大提高室内定位的精度和稳定性。

虚拟AP支持的室内非线性约束区域定位

在具有线性约束的室内区域,如走廊或狭窄通道,使用行为地标和室内地图辅助的方法,可以提供较为精确的位置信息。但在非线性约束的室内区域,如办公室、商铺和机场大厅等空间范围较大的室内空间,人为活动轨迹难以进行线性约束,很难使用行为地标和室内地图辅助的方法进行定位。虚拟无线信号接入点(access point,AP)是利用无线信号衰减的简化公式计算出的AP的“虚拟位置”。基于此,本文提出一种基于虚拟AP坐标的指纹点聚类算法,完成离线阶段对指纹点的聚类分割;提出一种基于八阵图的AP选取算法,减少在线定位阶段使用的AP的数量,降低用户定位的计算量。最后,在典型的室内场景,对所提出算法进行试验验证,显著提高了室内非线性约束区域定位的精度。

基于RSS相关性的位置指纹室内定位方法

解决设备差异性造成的Wi-Fi信号强度不确定问题是位置指纹室内定位应用与推广的关键。一种基于设备间接收信号强度(Received Signal Strength,RSS)相关性的位置指纹室内定位方法被提出。以智能手机为用户终端,离线阶段,通过智能手机扫描的Wi-Fi信号强度信息,经过数据处理,筛选稳定的接入点(Access Point,AP),构建离线指纹数据库;在线定位阶段,对于实时获取的Wi-Fi信号强度信息,进行筛选处理后,挑选与离线指纹共同拥有的AP,并根据该AP集合,形成新的离线指纹和在线指纹。对离线指纹按RSS的大小降序排序;在线指纹,则以同一次序对RSS排序,然后利用皮尔逊相关系数和杰卡德相似系数,计算指纹相似度并排序,通过K最近邻(K-Nearest Neighbor,KNN)算法实现用户定位。实验表明该方法可有效解决设备差异性问题,并实现精确定位,平均定位误差达到1.7 m。

基于轻量化车载设备的道路病害检测方法

针对传统道路检测方法成本高、检测周期长,无法满足城市道路大规模、短周期检测需求的问题,本文设计了一种轻量化车载道路病害数据获取设备,并提出了基于轻量化车载设备的道路病害检测方法。该设备质量小、成本低,可简易、快速地安装在小汽车、公共汽车等城市常见车辆上,能够同步收集惯性数据、图像、GPS定位信息等数据。基于轻量化车载设备在城市道路上采集道路图片数据并构建数据集,然后建立深度学习模型对其进行训练和评估,检测和识别道路病害,正确率达82.54%,能够满足城市道路日常巡检的要求。

基于激光点云灰度图像的隧道渗水病害检测

地铁盾构隧道渗水检测是隧道维护的基础。针对传统的检测手段难以在隧道内部光线昏暗条件下获得高质量病害图片的问题,本文使用了激光雷达对隧道进行内部渗水检测。首先,基于激光点云灰度图中的渗水病害特征,建立了激光点云灰度图像渗水病害数据集;然后,以Mask R-CNN(Region-CNN)模型为基准框架,采用Swin transformer网络作为底层特征提取网络,实现了对隧道渗水病害的快速检测;最后,利用铁道移动测量系统在武汉采集的数据进行试验验证。试验结果表明,本文提出的改进Mask R-CNN模型的渗水病害检测精度比原算法提升了12%以上,在地铁隧道渗水病害检测中有较好的性能表现。

基于众源数据的室内外一体化行人路网构建

行人路网的完整性和准确性是保障步行导航服务的关键。当前的行人路网大多是基于室外道路设施构建的,缺乏室内可步行路径的数据支持,无法在导航应用中提供准确、真实的最优路径规划服务。鉴于此,本文提出了一种基于众源数据的室内外一体化行人路网构建方法,采用智能手机定位传感器与惯性传感器记录的众源轨迹,首先对缺失或者漂移的室内步行数据进行筛选,然后使用改进的行人航位推算(PDR)方法推算出准确的室内轨迹,进而采用莫尔斯理论生成涵盖室内外行人路径的完整行人路网。试验分析中对搜集到的260条步行轨迹数据进行行人路网构建,并使用高精度测量设备采集真实路网数据进行对比分析,结合OSM数据对试验结果进行综合评价。试验结果表明,本文方法能够准确、完整地生成室内外一体化行人路网。

多智能体协同高精地图构建关键技术研究

自动驾驶车辆的自动化驾驶程度越高,对高精地图的要求越高。智能化的高精地图能够为L5级别自动驾驶车辆提供所需地图数据,是未来高精地图发展的重要方向。基于目前高精地图的构建方法,本文首先提出多智能体协同高精地图构建的定义,分析其构建框架。然后,对多智能体数据采集路径规划、多源异构一体化数据融合与表达、道路场景认知、智能高精地图融合、智能高精地图更新等关键技术进行了研究,提出了可行的技术方案。最后,分析了其未来构建过程中存在的挑战。

公路列车的体系框架与关键技术

环保、安全是交通运输领域备受关注的两大重要问题,智能交通系统(ITS)是解决这两大问题的一种有效方法。公路列车(Road Train)系统作为车用自组织网络(VANETs)在ITS领域的一个特殊应用,通过车车协同,整个公路列车队中,除头车由驾驶员驾驶,其他车辆都受头车发送的控制数据控制其自动驾驶。该系统集成了微电子技术、网络通信技术、多传感器集成技术以及车辆自动控制技术,旨在提高交通运输的安全性以及减少其所带来的环境污染,同时增加驾驶舒适性,其核心思想是通过车车通信的方式实现车辆之间的列队协同列队行驶。首先介绍了公路列车系统的概念,分析了公路列车系统的优点,提出了公路列车系统的体系框架结构,深入讨论了公路列车系统中所包含的关键技术,最后对公路列车系统进行了总结。

城市场景车用自组织网络有效路由

为了提高城市场景车用自组织网络通信的高效性,提出了基于道路网络连通性和交叉路口的路由协议。通过分析城市场景车用自组织网络的特征,构建基于道路交通网络连通概率模型,并根据该模型选择连续道路交叉路口构成最优路径;数据包沿这条最优路径传输,道路段内采用优化的地理转发策略传输数据包;为了应对无线信号在交叉路口拐角处急剧衰减引起的链路突然断裂,选择最佳的队列头负责交叉路口拐角处数据包的有效转发。仿真结果表明,该路由协议能够有效增强网络的稳定性,提高网络性能,并减小路由断裂事件。

城市环境车用自组织网络多路径路由

为应对无线网络通信路径耦合性和相互干扰的问题,提高无线网络通信性能,提出应用于城市环境车用自组织网络的多路径通信路由协议。根据城市环境道路网络特点,建立车用自组织网络多路径通信干扰模型;在此基础上提出基于交叉路口优化多路径通信路由,交叉路口附近的数据包基于多路径策略转发。实验结果表明,该多路径路由机制减少了数据冗余,有效避免数据碰撞,较大程度提高网络的数据包投递率并降低端到端延迟。

基于众源轨迹数据的行人路网提取

目前,导航位置服务应用提供的路线大多基于机动车道路网数据,难以满足行人导航的需求,有无完备的行人道路网络成为制约行人导航应用的重要因素,因此,本文提出了一种基于莫尔斯理论的行人路网提取方法。首先对轨迹进行预处理,清除轨迹数据中的冗余和噪声,并对原始轨迹进行合理分割,形成清晰的轨迹集合;然后利用莫尔斯理论,对步行轨迹密度图中的"山脊线"进行提取,并重构步行道路网。试验分析时采用深圳大学校园步行GPS轨迹数据进行行人路网提取,通过将提取的行人路网结果与OpenStreetMap(OSM)数据进行定性和定量比较,验证本文方法的有效性;同时通过与当前典型的路网提取方法进行对比分析发现,本文方法能提取出高质量的行人路网。

用户行为感知辅助的室内行人定位

提出了一种用户行为感知辅助的室内行人定位方法。该方法采用行为感知技术,通过智能手机内置的传感器获取行人经过室内特殊位置(如电梯、转角等)的连续多个位置相关的行为状态,结合室内路网的拓扑结构,将行人的位置匹配到相应的特殊位置,以消除行人航位推算(PDR)的累积误差,同时可以在起始点未知的情况下实现行人的自主定位。试验验证了该方法的有效性。

多尺度与注意力聚合的隧道点云语义分割方法

针对在低照度和弱纹理复杂的隧道环境中,采用三维激光扫描技术采集点云数据,点云语义分割精度难以保障的问题,提出一种基于点云动态图卷积网络改进的隧道点云语义分割网络(TDGCNN)。该网络采用多尺度策略改进边缘卷积层,扩展邻域范围,以增强对边缘特征的获取能力;同时,引入两种注意力机制,对特征进行聚合和学习,去除冗余特征。实验结果表明,TDGCNN在隧道点云数据集上的总体精度(OA)达到98.78%,平均交并比(mIoU)为84.95%,表现优于DGCNN、PointNet、PointNet++及GeoSegNet。在WHU-TLS数据集上的验证了TDGCNN对不同隧道场景的鲁棒性,通过消融实验则证实了网络中加入的两种策略的有效性,表明了TDGCNN能有效利用不同层次的特征,提升隧道点云语义分割精度。

一种基于CSI的加权K邻近室内定位方法

针对基于接收信号强度定位(received signal strength indication,RSSI)技术的无线保真(wireless fidelity,WiFi)室内定位技术,存在由于WiFi信号强度受多径效应和噪声的影响导致定位精度低和性能不稳定等的问题。与RSSI相比,信道状态信息(channel status information,CSI)能有效避免多径效应给定位结果带来的不良影响,因此,采用CSI的值作为定位的特征值,建立Radio Map的位置指纹数据库,通过加权邻近算法匹配k组最近的指纹库数据估测出定位点位置。实验结果表明,与RSSI相比WiFi指纹定位采用CSI作为特征值提高了定位精度和稳定性。

城市环境中车用自组网链路动态性研究

基于Manhattan模型,分析了城市环境中影响车用自组网车辆节点运动的因素,包括交通灯和驾驶员的驾驶行为,推导了计算城市环境中VANETs链路生存时间期望的数学表达式,分析了交通灯和驾驶员驾驶行为对链路生存时间期望的影响,并通过仿真实验验证了理论计算的正确性。

一种基于智能手机的道路质量检测方法

目前,道路质量检测主要通过专业的道路质量检测车完成,精度高,但成本昂贵、检测周期长、普适性差。智能手机内置了大量传感器,能够收集用户及其周围的数据信息,具有成本低廉、普适性好等优点,在许多道路检测研究中被广泛应用。因此,提出了一种基于智能手机的道路质量检测方法。首先,以道路质量检测车为承载平台,利用智能手机采集路面的加速度和角速度等数据,利用检测车采集路面质量的真值数据;然后,提取手机加速度和角速度等数据的特征值并标注真值标签;最后,使用机器学习方法对道路质量进行分类并构建合适的模型。以湖北省武汉市和四川省达州市共计173 km的道路的数据为例,利用机器学习方法实现了道路质量的有效分类,其中,每隔10 m记录一次国际平整度指数(international roughness index,IRI)时,支持向量机模型对城市道路和高速公路数据的分类平均准确率分别达到89.4%和88.9%。结果表明,该方法在不同的道路类别下均能有效检测道路质量。

基于智能手机的个体室内时空行为分析

智慧城市近年来在全球范围内得到了广泛的重视,智慧城市的基础是对城市各要素的感知与理解。人是城市的主导因素,对个人的时空行为分析是城市感知的关键,对智慧城市的建设具有重要意义。个体时空行为分析一直受限于时空数据的获取手段,使得相关理论研究及应用受到了很大的限制。个体时空行为数据获取的挑战之一在于室内空间位置信息的获取。随着智能手机功能的日益强大和室内定位技术的发展,可以通过智能手机获取个体的室内位置信息;另外,智能手机内置的多种传感器使其具备强大的感知能力,可以检测用户的行为。因此,智能手机成为获取个体室内时空行为数据的理想终端。本文对基于智能手机的个体室内时空行为进行分析,首先介绍了室内定位的研究进展,然后给出基于智能手机进行个体室内时空行为分析的实例,最后对基于智能手机的个体室内时空行为分析对智慧城市建设的意义进行了讨论。通过智能手机获取的个体室内时空行为数据可以分析城市居民的实时空间分布及行为模式,对于智慧城市建设中的智慧交通、智慧安防以及智慧城管等应用提供数据支撑;基于大规模的历史个体室内时空行为数据,可以分析城市功能的时空变化特征,服务于智慧城市建设。