基于iBeacon的藍牙定位技術目前主要有兩種方式,一是基于三角定位模型通過對接收信號強度的分析獲得位置坐標,二是結合地圖采集藍牙信號場的無線信號指紋特征,定位時通過對指紋的比對獲得位置坐標。勁點的子午快線藍牙定位平臺要了采用三角定位方法(Triangle Position Method, TPM)與增量式機器學習方法(Incremental Machine Learning Method)融合的定位算法。
其中,三角定位方法基于移動終端的信號強度計算終端與每個基站設備間的距離,并利用距離進行位置測算。終端與基站設備的位置計算滿足方程 ,其中 代表距發(fā)射機(基站設備)距離為 處的移動終端信號接收強度指示(Received Signal Strength Indication, RSSI); 代表在距發(fā)射機(基站設備)距離為 處的信號接收強度,通常 取1米; 為路徑損耗指數(shù); 代表標準差為 的陰影噪聲。增量式機器學習方法在機器學習方法的基礎上對模型進行迭代修正,形成針對當前特定問題的機器學習方法。該方法分為4個主要部分:數(shù)據(jù)采集、特征提取、模型訓練與增量修正。
一、藍牙終端側定位
藍牙終端側定位一般是依托智能手機進行的室內定位導航應用,其展現(xiàn)形式主要兩類:
一類是基于手機APP的室內定位導航與位置服務應用,如通過手機APP或者借助微信公眾號實現(xiàn)的商場室內導航以及反向尋車等。這類應用又可以分為依托手機進行原生定位的方式,即把定位SDK嵌入到手機APP中借助手機的運算能力實時定位和展示,另一種方式雖然還是APP的展現(xiàn)形式,不過定位解算是在后臺服務器完成,前臺APP上只是一個H5的交互界面。前者的優(yōu)點是對網(wǎng)絡的依賴小,可以在無網(wǎng)絡的條件下進行離線應用,其缺點是定位程序與APP深度耦合,不利于后期的更新維護。后者的優(yōu)點是因為地圖服務和定位服務都在后臺服務器,APP的程序可以較小,由于后臺與前臺是通過H5交互,對于APP的開發(fā)來說難度大大降低,但其缺點是定位過程中必須實時連接網(wǎng)絡。
另一類藍牙終端側定位是結合智能穿戴設備的定位應用,其主要應用場景為機器人在室內的輔助定位,高精度要求的室內人員監(jiān)控定位等。其工作方式是手表或者手環(huán)里內嵌的藍牙模塊主動掃描環(huán)境中的Beacon設備信號,將信號采集后通過WiFi/4G等網(wǎng)絡傳輸?shù)胶笈_服務器,后臺服務器通過對信號的解析計算出每臺設備所處的實時位置。在網(wǎng)絡狀況不佳的情況下,穿戴設備也可以借助自身的存儲卡本地存儲在室內移動中所實時收集的Beacon信號,在網(wǎng)絡連接后傳到后臺進行歷史軌跡追溯。
二、藍牙網(wǎng)絡側定位
藍牙網(wǎng)絡側定位通常也被成為藍牙反向定位,是通過在環(huán)境中部署可以接收Beacon設備信號的藍牙網(wǎng)關,多個藍牙網(wǎng)關同時收到某一個Beacon設備的信號后利用已知的藍牙網(wǎng)關位置,在后臺服務器端結算出當前Beacon設備所處的位置。子午快線藍牙網(wǎng)絡側定位引擎在實際應用中不僅采用了藍牙三角定位技術還融合了藍牙指紋定位技術,使得定位的精度和可靠性大幅提升。
藍牙網(wǎng)絡側定位通常是作為醫(yī)院、廠區(qū)里對工作人員以及資產的位置追蹤管理使用,這種模式的特點是佩戴在人員或者粘貼在物品上的Beacon設備體積非常小,支持半年以上乃至2年多的持續(xù)工作時長。目前也開始在會展行業(yè)以及大企業(yè)的訪客管理中采用。