一、講座信息

主題：基于實(shí)時(shí)WIFI-藍(lán)牙檢測數(shù)據(jù)的交通目標(biāo)定位及出行模式甄別技術(shù)

主講人：華南理工大學(xué)黃紫林(研三，畢業(yè)讀博)

直播回放地址：暫不提供直播回放

PPT下載地址：https://github.com/JinleiZhangBJTU/Transportation_with_Machine_Learning

或公眾號(hào)后臺(tái)回復(fù) “GitHub”

二、提綱

黃紫林同學(xué)的研究方向是基于WIFI的定位技術(shù)，近幾年主要關(guān)注以下任務(wù)：

基于WIFI-藍(lán)牙背景下的接受信號(hào)降噪以及測距、行人車輛定位、交通出行模式甄別。根據(jù)實(shí)際交通場景的不同，本次講座主要涉及到三種基于WIFI- 藍(lán)牙檢測數(shù)據(jù)的技術(shù)：

(1)基于接收信號(hào)強(qiáng)度指示(RSSI)的信號(hào)降噪及測距技術(shù)；

(2)復(fù)雜城市道路環(huán)境下融合多傳感器數(shù)據(jù)的行人/車輛定位技術(shù)；

(3)基于路側(cè)實(shí)時(shí)WIFI-藍(lán)牙檢測數(shù)據(jù)的交通出行模式甄別技術(shù)。

三、背景

車路協(xié)同系統(tǒng)是目前智慧城市/智慧交通很熱門的一個(gè)方向，其本質(zhì)是將車載設(shè)備無法精準(zhǔn)感知及獲取的信息通過路側(cè)感知獲取，其核心是智慧公路。智慧公路通過道路上廣布各式具有通信的物聯(lián)網(wǎng)傳感器、結(jié)合重點(diǎn)區(qū)域部署視頻攝像頭及車載設(shè)備，實(shí)現(xiàn)路、車、人的實(shí)時(shí)感知和通信。

現(xiàn)如今通訊波檢測技術(shù)已經(jīng)有了相當(dāng)?shù)膽?yīng)用場景：長安大學(xué), 趙祥模、徐志剛教授課題組的泛在無線技術(shù)在智能公路的應(yīng)用；Kurkcu, A.等利用WIF-藍(lán)牙技術(shù)計(jì)算公交車站到站時(shí)間和人群密度；P. Ho 等提出的基于WIFI的人車避障技術(shù)；Wang, J.等利用WIFI檢測熱點(diǎn)區(qū)域識(shí)別，檢測人群的移動(dòng)，對行人軌跡進(jìn)行識(shí)別；Hidayat, A.等根據(jù)WIFI檢測信號(hào)對上下車人數(shù)進(jìn)行識(shí)別以及Lesani, A根據(jù)WIFI-藍(lán)牙檢測對行人計(jì)數(shù)和行人模式分類。

目前智能車路協(xié)同無線通信網(wǎng)絡(luò)主要分為3類：4G/WIFI/DSRC，后兩者都是基于IEEEE 802.11通信協(xié)議，本次講座主要討論WIFI的定位技術(shù)，每個(gè)智能電子設(shè)備都有一個(gè)獨(dú)特的硬件代碼，稱為MAC地址(12個(gè)字符的十六進(jìn)制數(shù)字)。根據(jù)ieee802.11白皮書，支持WIFI的智能電子設(shè)備將嘗試通過定期廣播探測請求來連接到附近的WLAN。即使在不使用設(shè)備時(shí)，啟用了WIFI的設(shè)備也會(huì)廣播探測信號(hào)。此外，每個(gè)啟用WIFI的智能電子設(shè)備的探測請求幀都可以被WIFI探測器捕獲和存儲(chǔ)。當(dāng)在一個(gè)監(jiān)控區(qū)域內(nèi)布置多個(gè)檢測器時(shí)，就可以利用多檢測器捕捉到的信號(hào)強(qiáng)度信息及本身位置信息，進(jìn)行協(xié)同定位。

其中基于通訊波信息數(shù)據(jù)進(jìn)行室外復(fù)雜交通環(huán)境下的數(shù)據(jù)深度挖掘時(shí)，仍存以下技術(shù)難點(diǎn)：

①通訊波信號(hào)強(qiáng)度指示(RSSI)在傳播過程中容易受到周邊環(huán)境的影響，存在較大的波動(dòng)噪聲；

②復(fù)雜城市道路環(huán)境下難以提取準(zhǔn)確的距離信息，導(dǎo)致較大的測距誤差；

③融合多檢測器檢測信號(hào)數(shù)據(jù)，從中提煉移動(dòng)目標(biāo)的空間位置信息難度較大；

④從交通目標(biāo)的動(dòng)靜態(tài)軌跡中，甄別移動(dòng)目標(biāo)交通出行方式的方法還不成熟。

四、主體內(nèi)容

⑴基于接收信號(hào)強(qiáng)度指示(RSSI)的信號(hào)降噪及測距技術(shù)

RSSI信號(hào)的衰減與距離存在一定的耦合關(guān)系，如果通過卡爾曼濾波算法進(jìn)行降噪會(huì)造成數(shù)據(jù)序列中初始位置的RSSI值存在較大誤差，因此考慮到交通環(huán)境中，行人或汽車運(yùn)動(dòng)存在特定規(guī)律，參考之前學(xué)者們提出的constant-velocity, constant-acceleration, singer acceleration model, mean-adaptive acceleration model等建模方法，設(shè)計(jì)了一種Constant ?Velocity-Kalman Filtering (CVKF) 融合算法對RSSI信號(hào)進(jìn)行降噪。

CVKF算法的實(shí)現(xiàn)基于兩個(gè)基本假設(shè)：1. 行人在實(shí)驗(yàn)區(qū)域內(nèi)的運(yùn)動(dòng)不是隨意的，而是有方向性的；2. 行人的移動(dòng)速度是一個(gè)常量參數(shù)。其本質(zhì)核心是在卡爾曼濾波算法中嵌入了一個(gè)速度常量算法，以解決傳統(tǒng)卡爾曼濾波初始值敏感的問題。首先是將原始RSSI減去一個(gè)預(yù)測值，得到的差乘以一個(gè)參數(shù)，再加上原來的預(yù)測值，作為平滑后的RSSI值。

傳統(tǒng)測距模型中對數(shù)距離路徑損耗模型(Propagation Model)利用在幾個(gè)觀測點(diǎn)上獲得的一些信號(hào)樣本，可以對PM系數(shù)進(jìn)行校準(zhǔn)。一般來說，PM具有理想的傳播效果，可以在室外寬敞的環(huán)境中在視線(LOS)場景中很好地工作。但是這個(gè)模型過于簡單，在擁擠的城市道路環(huán)境中，由于摩天大樓、隧道、車輛、混凝土墻等建筑材料的信號(hào)反射、陰影和多路徑過渡，無法獲得準(zhǔn)確的距離。近年，研究者提出了一些改進(jìn)的方法：回歸神經(jīng)網(wǎng)絡(luò)(GRNN)、多項(xiàng)式回歸(PRM)、曲線擬合(CF)、分割擬合(SF).

本文提出的PPRM(分段多項(xiàng)式)，基于PRM通過分段來降低由于時(shí)間長序列造成的誤差，與已有的PM和PRM相比，假設(shè)RSSI-distance關(guān)系可以在不同的RSSI分段上表示為不同的n 階多項(xiàng)式，并利用訓(xùn)練數(shù)據(jù)集對多項(xiàng)式系數(shù)進(jìn)行校準(zhǔn)。此外，PPRM可以自動(dòng)將RSSI劃分為不同的水平，從而校準(zhǔn)一系列多項(xiàng)式回歸函數(shù)。?

⑵復(fù)雜城市道路環(huán)境下融合多傳感器數(shù)據(jù)的行人/車輛定位技術(shù)

基于RSSI技術(shù)定位方法分為兩種：①基于RSSI的小型區(qū)域內(nèi)動(dòng)靜態(tài)目標(biāo)指紋定位技術(shù)(Fingerprinting Localization) ，其主要研究從多個(gè)WIFI掃描器接收到的移動(dòng)設(shè)備指紋與參考點(diǎn)(PRs) 的差異，或者同一位置出現(xiàn)的概率。這些方法的性能取決于單位面積采用的 參考點(diǎn)數(shù)量，即參考點(diǎn)密度。②基于RSSI的大中型區(qū)域內(nèi)動(dòng)靜態(tài)目標(biāo)復(fù)雜定位技術(shù)(Range-based Methods) 。基于距離的方法分為兩個(gè)子問題:一個(gè)是使用RSS測量估計(jì)盲錨距離的測距階段,另一個(gè)是根據(jù)距離估計(jì)計(jì)算盲節(jié)點(diǎn)位置的定位階段。

在行人定位技術(shù)方面，文章[12]提出LS-TSE+UKF法，該方法基本原理是通過改進(jìn)原來的三邊定位方法，用最小二乘法進(jìn)行泰勒級(jí)數(shù)展開，發(fā)現(xiàn)其性能優(yōu)于單獨(dú)使用三邊定位或者最小二乘模型以及LS-TSE方案。

⑶基于路測實(shí)時(shí)WIFI-藍(lán)牙檢測數(shù)據(jù)的交通出行模型甄別技術(shù)

文章根據(jù)不同的交通方式產(chǎn)生不同的RSSI信號(hào)的原理。考慮到信號(hào)的振動(dòng)可能是由旅行速度、道路和旅行時(shí)間引起的。假設(shè)當(dāng)步行者和騎自行車的人移動(dòng)時(shí)，WIFI探測器足夠敏感，可以捕捉到這些動(dòng)態(tài)特征以及特征提取和模式分類技術(shù)可以將混合非機(jī)動(dòng)車交通網(wǎng)絡(luò)的MAC地址分為步行和騎自行車兩類。基于以上建立了WiPedestrian結(jié)構(gòu)系統(tǒng)。WiPedestrian系統(tǒng)由數(shù)據(jù)采集、數(shù)據(jù)處理、特征提取和模式分類四部分組成。數(shù)據(jù)收集模塊捕獲覆蓋區(qū)域內(nèi)啟用WIFI的設(shè)備廣播的探測請求，并記錄諸如MAC地址、RSSI、時(shí)間戳等數(shù)據(jù)包。數(shù)據(jù)處理模塊具有三個(gè)關(guān)鍵功能:去除機(jī)動(dòng)車產(chǎn)生的不準(zhǔn)確數(shù)據(jù)，恢復(fù)丟包丟失的數(shù)據(jù)，降低RSSI信號(hào)噪聲。特征提取模塊進(jìn)一步提取無線傳播模型的參數(shù)和相關(guān)特征，如旅行速度、連接數(shù)量和RSSI信號(hào)的一階導(dǎo)數(shù)。模式分類模塊由LSTM訓(xùn)練和LSTM預(yù)測兩部分組成。在前一部分中，該模塊基于相關(guān)特征訓(xùn)練LSTM模型;在第二部分，基于訓(xùn)練好的LSTM模型，將MAC地址分為步行和騎自行車兩種不同的非機(jī)動(dòng)車交通模式。

五、下期預(yù)告

主題：待定

主講人：香港理工大學(xué)馬瑋

時(shí)間：2020年7月25號(hào)晚7點(diǎn)，具體時(shí)間請關(guān)注公眾號(hào)后續(xù)通知。

總結(jié)

以上是生活随笔為你收集整理的wifi rssi 计算 距离_PPT|交通未来第3期 基于实时WIFI蓝牙检测数据的交通目标定位及出行模式甄别技术...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。