基于Wi-Fi定位技术的建筑使用者动态信息研究

合理的能耗运营管理是建筑节能的有效途径。由于大型公共建筑内部人员动态信息收集难度大,目前大部分建筑节能策略采取约束室内人员行为的方法,其操作程序复杂、节能效率低下。因此,借助Wi-Fi定位技术提出一种精度高、经济性好的室内定位方法,实时收集建筑使用者的实际位置和行动,掌握使用者的基本行动规律,为开展更具科学性的能耗管理与优化奠定基础。

Wi-Fi定位技术在大学图书馆移动信息服务应用研究

随着高校数字化图书馆的建设和发展,无线网络之一的Wi-Fi定位技术在大学图书馆的建设和管理中的作用日益重要。本文简要介绍了Wi-Fi定位技术的工作原理,分析了面向智能终端的图书馆Wi-Fi定位平台的软硬件基础、架构框架、应用案例及创新发展前景。

基于Wi-Fi定位技术的航站楼旅客时空行为特征分析——以上海虹桥机场T2航站楼为例

机场航站楼中的旅客行为复杂多变,是环境行为领域的重要研究课题。Wi-Fi定位等室内定位技术的迅速发展,为研究航站楼内旅客行为提供了新的数据来源。通过66天收集的近6000万条Wi-Fi定位数据,对上海虹桥机场T2航站楼内旅客的到离时间、活动区域与航班信息等进行分析;进一步发现可能影响旅客提前到达航站楼的因素包括时间、航空公司和延误情况等,并建立对应的回归模型。研究展示的Wi-Fi定位数据在行为分析领域的潜力,能够为航站楼设计和运营提供建议,对大型公共建筑领域亦有借鉴意义。

基于Wi-Fi的三边定位算法的改进

随着室外定位技术的逐渐成熟,对定位的研究逐渐转向室内。鉴于室内环境复杂等因素,使用室外定位技术会产生较大误差,因此研究人员提出多种室内定位的技术和方法。Wi-Fi定位技术因为其成本低、使用方便、定位精度较高,使其成为使用较为广泛的一种定位技术。在使用Wi-Fi定位的过程中,三边定位方法是最简单、最基础的一种定位方法。但是传统的三边定位方法会产生较大误差,故对三边定位法进行改进,经验证在一定范围内缩小误差。

基于RNN的多传感器融合室内定位方法

针对室内空间内的人员定位困难问题进行了研究,提出了一种基于Wi-Fi指纹法和循环神经网络(recurrent neural network,RNN)的多传感器融合室内定位算法。该算法将智能手机接收到的路由器信号强度作为时间序列输入RNN,通过RNN获得对行人精度较高的定位,与此同时获取智能手机中惯性测量单元提供的位置信息。随后,通过粒子滤波算法对两种定位方式的定位结果进行融合。在实际场景下设计了多组实验进行对比。实验结果表明,该算法定位平均误差为0.9 m,优于加权K近邻等算法,可以为行人提供实时的定位。