基于指紋匹配和衰減模型的車輛追蹤方法

王　云，薛瑞恒，胡引翠，盧光耀

(1. 河北省環境演變與生態建設實驗室，河北 石家莊 050016； 2. 河北師范大學，河北 石家莊 050024)

?

基于指紋匹配和衰減模型的車輛追蹤方法

王云1,2，薛瑞恒1，2，胡引翠1,2，盧光耀1,2

(1. 河北省環境演變與生態建設實驗室，河北 石家莊 050016； 2. 河北師范大學，河北 石家莊 050024)

Vehicle Tracking Method Using Fingerprint Matching and Attenuation Model

WANG Yun，XUE Ruiheng，HU Yincui，LU Guangyao

摘要：隨著社會發展的進步，手機和移動網絡應用越來越普遍，移動位置服務成為偵查工作的一種重要手段。本文提出了一種利用基站信息指紋數據庫匹配和信號傳播模型的車輛定位方法，實現了對車輛的追蹤，并通過實地測量數據進行驗證。該方法通過建立信號衰減理想模型，結合GIS中的疊置分析，用較少參數實現較為精準的定位。結果表明，這種方法能快速地縮小搜索范圍，精度達到150 m，為被盜車輛的追蹤提供了簡單、有效的方法。

關鍵詞：基站定位；指紋數據庫；信號衰減；車輛追蹤

隨著經濟發展，社會越來越趨于信息化、智能化。近些年，移動通信技術飛速發展，通信覆蓋范圍日益擴大。在車輛防盜定位追蹤應用中，無線定位系統成為防盜定位的一種有效途徑。盡管GPS定位技術已經非常成熟，但是受限于定位追蹤的應用場景，追蹤定位設備部件一般需要安裝在車輛隱蔽位置，而這些位置往往會對衛星信號造成遮擋而使GPS定位模塊失效。目前采用較為普遍的是無線定位系統，其定位方法主要有手機移動基站定位和基站與衛星定位系統的聯合定位兩種[1]。手機移動基站定位主要包括：蜂窩小區(COO)定位、信號到達角度(AOA)定位、信號到達時間(TOA)與到達時間差(TDOA)定位、信號強度指示(RSSI)定位。其中，COO定位精度與基站的密度和覆蓋半徑有關，精度較低[2]；AOA定位精度較高，對感知移動終端信號的硬件設備要求也較高；TOA和TDOA定位至少需要3個以上基站[3]；RSSI定位成本低，易于實現，但是信號強度的經驗模型和理論模型構建復雜[4]。

AOA、TOA和TDOA方法是通過檢測移動終端和多個基站之間信號到達時間、角度等特征參數實現定位的。當移動終端周邊的基站站點各方向布點不良時，將對定位產生很大影響。RSSI定位是根據信號強度，建立信號衰減模型來估計出基站與移動終端之間的距離。但在衰減模型中，信號強度除了受移動終端與基站距離的影響外，與周圍環境也密切相關，如地形起伏、建筑物高度和密度、植被、空氣濕度等，都會阻礙信號的傳播，從而造成信號能量的損耗[5]。各地環境不同，不確定因素較多，且環境變化太快，因此，根據各地情況建立當地精確的衰減模型，不僅構建復雜、運算量大，而且效率低、誤差大、實施性不強[6]。為解決以上問題，本文提出了指紋數據庫匹配和信號衰減理想模型相結合的方法。通過采集大量實地測量的基站及信號信息，建立不同位置上的指紋數據庫，將待定位點的基站信息與指紋數據庫中的基站信息進行匹配，根據匹配結果，初步得出待定位點的緩沖區域。并進一步建立信號衰減理想模型，利用地理信息系統中的疊置分析，計算出待定位點的精確位置。最終將這種方法應用于被盜車輛的追蹤，為警方找回被盜車輛提供了方向，快速縮小搜尋范圍，減少了搜尋時間，有效地保證了車輛安全，對警方監控、查詢移動目標有重要的意義。

一、移動位置服務

移動位置服務(location based service，LBS)，又叫手機基站定位，移動運營商是基礎，通過無線終端(如手機、PDA等)和電信移動運營商的網絡，采用不同的定位方法，獲取移動終端用戶的地理位置信息，經數據處理分析，將數據以圖的形式展示，結合地圖信息，為用戶提供與空間位置有關的更直觀的服務，是導航與移動通信相融合的產物[7]。

據統計，在日常生活中有80%的活動與空間地理位置有關。生活節奏的不斷加快使實時位置信息成為人們最關注的信息之一。1996年美國聯邦通信委員會(FCC)發布了E-911緊急救助規則，要求移動運營商為手機用戶提供位置信息，定位服務由此誕生[8]。此后，日本、歐洲等也開始制定相應的法律和標準，提出類似的需求，從而推動了移動位置服務的發展[9]。我國從2001年開始引入移動位置服務，2007—2008年得到迅速發展，2010年技術趨于成熟。隨著超大城市的出現和人們的頻繁移動，移動位置服務不斷應用于社會各個領域：緊急救援和求助、定位導航、個人問詢服務、物流監控和調度、軌跡跟蹤、社交、商業等。鑒于近期頻頻發生車輛被盜事件，且目前公安系統對目標的查詢或監控多是通過群眾等渠道實現，需花費大量的人力、物力和財力，因此本文提出指紋數據庫匹配與信號衰減理想模型結合的方法，為搜尋被盜車輛提供簡單、有效的方法。

二、數據來源及研究方法

1. 數據來源及試驗概況

試驗工作在2013年9月22日進行，測試點為河北師范大學，車輛搭載移動終端設備在校園內環繞一周，每6 s獲得一個指紋點的基站信號數據，剔除無效點后共145個指紋點。每個指紋點能同時接收周邊7個基站發射的信號，信號數據包括信息時刻、LAC(本地區域識別碼)、CID(當前基站的唯一標識碼)、ARFCN(絕對無線頻道編號)、BSIC(基站識別碼)、Rxlev(信號強度)。LAC是基站所處區域的識別碼；若某一采樣點在同一時刻獲得兩個或多個同一區域發射的信號，可通過CID來區別信號來源于哪個基站；若信號來源于同一個基站，BSIC可以區別來源于基站的哪個扇區。

2. 研究方法

(1) 位置指紋定位

位置指紋定位是根據表征目標點特征的指紋數據庫進行的，主要分為訓練階段和定位階段。訓練階段是建立位置指紋數據庫的過程。在目標所在范圍選取合理的參考點，記錄下各參考點來自不同基站的信號強度值，將所有參考點的位置、基站信息和信號強度值錄入數據庫[10]，見表1。

定位階段將目標點與數據庫中各參考點的基站信息和信號強度值進行比較，通過一定的匹配算法計算出目標點的位置，主要有最近鄰法、K近鄰法、K加權近鄰法、概率算法和神經網法等[11]。本文使用最近鄰法。根據時間先后順序，對參考點進行編號。試驗中被盜車輛搭載的移動終端的回傳信息，包括被盜車輛接收信號的本地區域識別碼、基站的唯一標識碼和基站識別碼。由于存在多徑效應，基站發出的信號會發生散射。與被盜車輛距離越近，接收的基站信號情況越相近，即有共同的本地區域識別碼、當前基站的唯一標識碼和和基站識別碼。

表1　基站信號指紋數據庫

(2) 信號衰減理想模型

在建立信號衰減理想模型時，只考慮距離遠近導致信號衰減，不考慮天線高度、天線方向和障礙物阻擋對信號傳播的影響。基站信號的理想覆蓋范圍是一個圓，發射范圍為360°，每120°分為一個扇區。移動終端只要處于開機工作或待機狀態，一旦進入到基站信號的發射范圍內，就會接收到基站發射的無線信號，相近時間內，接收到基站信號的移動終端在以基站為中心的圓內[12]。根據基站的位置和移動終端與基站的對應關系，可以對移動終端的位置進行分析。

指紋點與移動終端都接收到基站A、基站B和基站C的信號。分別以基站A、B、C為中心，以基站到指紋點的距離為半徑做圓。若移動終端接收到基站A的信號強度比指紋點大，則移動終端與指紋點相比，距離基站A較近，即移動終端處于圓A內；若比指紋點的信號強度小，則在圓A外。同理比較指紋點與移動終端接收到基站B和基站C的信號強度，由此得到3個空間范圍，這3個空間范圍共同覆蓋的區域，如陰影區所示，即移動終端所在位置，如圖1所示。

圖1　信號衰減理想模型方法示意圖

(3) 疊置分析

多邊形疊置是GIS最常用的空間分析方法之一，在同一空間參考系統下，將兩個或多個多邊形圖層進行疊加，產生一個新的多邊形圖層[13]，以解決地理變量的多準則分析、區域多重屬性模擬分析、地理特征動態變化分析及區域信息提取等。在信號衰減理想模型中，兩個或多個指紋點的衰減模型相交，可以得到移動終端的所在區域，將多組這樣的區域范圍進行疊加，可獲取移動終端更精確的位置。

三、結果與分析

1. 指紋數據庫匹配應用

按采樣時間順序對指紋點進行排序，指紋點序號從1到145，假設104號點為被盜車輛當前所在位置。被盜車輛接收到信號的7個基站中，由于2個基站地理坐標未知，因此用5個基站的信息進行定位分析。這5個基站處于一個小區內，即LAC相同，它們的基站唯一標識碼、絕對無線頻道編號和基站識別碼分別為A164-004E-25、A165-54-0C、34F3-207-2C、34F4-214-2E、DF25-216-21。將被盜車輛接收到的基站信號與指紋數據庫中各指紋點的基站信息進行匹配，找出信號最為相近的記錄，即為被盜車輛的所在位置，如圖2所示。

圖2

圖2(a)是指紋信號的熱度圖，表示各指紋點與被盜車輛中移動終端接收到的信號的相似程度，紅色區域相似程度最高，黃色次之，藍色最低。由圖可知，紅色區域即被盜車輛可能的所在范圍，集中在校園北側，尤其是東北角和西北角。從圖2(b)指紋信號分布圖可以看出，距離被盜車輛最近的指紋點與被盜車輛中移動終端接收的信號匹配不是最好的，這是因為各指紋點的移動終端同時接收到多個基站的信號，受到信號實際傳播因素、移動終端數量及基站切換策略的影響[14]。與被盜車輛中移動終端接收信號匹配最好的指紋點集中在92—108號點位。其中98—103號指紋點接收到信號的基站中，有3個與被盜車輛的基站唯一標識碼、絕對無線頻道編號和基站識別碼均相同，105—108號指紋點有4個均相同，這表明被盜車輛可能在這些點位附近。

2. 信號衰減理想模型應用

通過信號匹配，可以得到被盜車輛所處的區域范圍，但是范圍較大，精度不高，因此通過信號衰減理想模型，進一步精確定位。

試驗中，被盜車輛上搭載的92—108號點位的指紋與接收信號的基站最相近，根據信號衰減的理想模型，分別將各指紋點的信號強度與被盜車輛反饋的信號強度進行對比分析，采用最近鄰法確定被盜車輛當前所在范圍。圖3(a)為與105—108點位的指紋匹配確定的被盜車輛所在范圍，從圖中可以看出，這些點位指紋匹配確定的定位范圍形狀一致，且從108號點到105號點，圈定的定位范圍依次縮小。

同理匹配101—103號指紋點的信號強度，確定定位范圍如圖3(b)所示。與被盜車輛反饋的信號強度相比，101—103號點的指紋信號強度都較大，因此被盜車輛與101—103號指紋點相比，距離同源基站較近。

圖3

上述試驗中，被盜車輛所處范圍的確定都是來源于同一方向上的指紋點進行匹配。為了提高精度，選取兩側的指紋點，采用交會法，進一步確定被盜車輛所在位置，如圖4所示。

圖4

3. 疊置分析應用

利用從4個方向多個指紋點位匹配獲得的被盜車輛所在范圍數據，通過疊置分析，對定位范圍數據進行綜合評價，疊置分析及結果如圖5所示，將車輛所在范圍縮小到150m左右。由此可見，該方法大大提升了警方鎖定被盜車輛的準確性，為縮小被盜車輛重點搜尋范圍提供科學依據，有效地提高了搜尋效率。

圖5

四、結論與討論

RSSI定位精度不高的主要原因之一是無法根據各地的實際情況建立精確的信號強度衰減模型[14]。針對這一問題， 本文對移動位置服務定位方

法進行比較，真實模擬車輛搜尋過程，采集信號強度實測數據，提取有用信息，分析了信號強度變化特征，提出了位置指紋定位和信號衰減理想模型結合的方法，避免了信號衰減模型的構建復雜性，通過GIS中的疊置分析，對實測數據對該方法應用檢驗。結果表明，該方法能較快鎖定目標范圍，在一定程度上提高了定位精度，精度可控制在150m范圍內，搜尋范圍大大縮小，為追蹤被盜車輛提供了有效的方法，提高了偵查工作的效率和可靠性。

參考文獻：

[1]劉成.LBS定位技術研究與發展現狀[J].導航定位學報，2013，1(1)：78-83.

[2]李霖，王偉，譚永濱，等.導航與LBS關鍵技術標準化研究進展[J].測繪通報，2014(5)：95-98.

[3]姚金杰.基于地面基站目標定位技術研究[D].太原：中北大學，2011.

[4]王君培.IEEE802.11無線網絡給予信號強度定位方法的研究[D].天津：天津大學，2010.

[5]朱江，威正偉.基于信號衰減和孤立點檢測的移動定位算法[J].計算機工程，2010，36(3)：280-283.

[6]陳嶺，許曉龍，楊清，等.基于三次樣條插值的無線信號強度衰減模型[J].浙江大學學報，2011，45(9)：1521-1538.

[7]徐辛超，徐愛功，蘇麗娟.基于影像服務的LBS應用研究[J].測繪通報，2012(1)：29-32.

[8]胡加艷，陳秀萬，吳雨航，等.移動位置服務在應急救援中的應用[J].理論探索，2008(5)：20-22.

[9]韓鵬鵬，李華娟，朱博.LBS的關鍵技術及在車輛監控中的應用[J].硅谷，2011(18)：31-32.

[10]盧恒惠，劉興川，張超，等.基于三角形與位置指紋識別算法的WiFi定位比較[J].移動通信，2010(10)：72-76.

[11]李昊.位置指紋定位技術[J].山西電子技術，2007(5):84-87.

[12]王德廣，張旭.利用手機信息精確定位偽基站的方法研究[J].微型電腦應用，2014，30(11)：25-27.

[13]李斌，關玲芝.疊置分析方法在城鎮規劃中的應用——以廣東省新興縣東成鎮為例[J].北京農學院學報，2013，28(1)：36-38.

[14]萬家歡，萬瑋，陳秀萬，等.一種適用于手機基站定位的地圖匹配方法[J].測繪科學，2014，39(1)：114-116.

[15]劉廣怡，于宏毅，皮興宇，等.一種基于RSSI的無線傳感器網絡定位法[J].通信技術，2010，43(3)：93-95.

中圖分類號：P208

文獻標識碼：B

文章編號：0494-0911(2016)04-0099-04

通信作者：胡引翠

作者簡介：王云(1990—)，女，碩士生，主要從事遙感地學分析的研究。E-mail：Sunny110541@163.com

基金項目：河北省自然科學基金(D2013205077)；河北省高校重點學科建設項目

收稿日期：2015-06-23

引文格式： 王云，薛瑞恒，胡引翠，等. 基于指紋匹配和衰減模型的車輛追蹤方法[J].測繪通報，2016(4)：99-102.DOI:10.13474/j.cnki.11-2246.2016.0132.