基于指纹匹配和衰减模型的车辆追踪方法

王　云，薛瑞恒，胡引翠，卢光耀

(1. 河北省环境演变与生态建设实验室，河北 石家庄 050016； 2. 河北师范大学，河北 石家庄 050024)



基于指纹匹配和衰减模型的车辆追踪方法

王云1,2，薛瑞恒1，2，胡引翠1,2，卢光耀1,2

(1. 河北省环境演变与生态建设实验室，河北 石家庄 050016； 2. 河北师范大学，河北 石家庄 050024)

Vehicle Tracking Method Using Fingerprint Matching and Attenuation Model

WANG Yun，XUE Ruiheng，HU Yincui，LU Guangyao

摘要：随着社会发展的进步，手机和移动网络应用越来越普遍，移动位置服务成为侦查工作的一种重要手段。本文提出了一种利用基站信息指纹数据库匹配和信号传播模型的车辆定位方法，实现了对车辆的追踪，并通过实地测量数据进行验证。该方法通过建立信号衰减理想模型，结合GIS中的叠置分析，用较少参数实现较为精准的定位。结果表明，这种方法能快速地缩小搜索范围，精度达到150 m，为被盗车辆的追踪提供了简单、有效的方法。

关键词：基站定位；指纹数据库；信号衰减；车辆追踪

随着经济发展，社会越来越趋于信息化、智能化。近些年，移动通信技术飞速发展，通信覆盖范围日益扩大。在车辆防盗定位追踪应用中，无线定位系统成为防盗定位的一种有效途径。尽管GPS定位技术已经非常成熟，但是受限于定位追踪的应用场景，追踪定位设备部件一般需要安装在车辆隐蔽位置，而这些位置往往会对卫星信号造成遮挡而使GPS定位模块失效。目前采用较为普遍的是无线定位系统，其定位方法主要有手机移动基站定位和基站与卫星定位系统的联合定位两种[1]。手机移动基站定位主要包括：蜂窝小区(COO)定位、信号到达角度(AOA)定位、信号到达时间(TOA)与到达时间差(TDOA)定位、信号强度指示(RSSI)定位。其中，COO定位精度与基站的密度和覆盖半径有关，精度较低[2]；AOA定位精度较高，对感知移动终端信号的硬件设备要求也较高；TOA和TDOA定位至少需要3个以上基站[3]；RSSI定位成本低，易于实现，但是信号强度的经验模型和理论模型构建复杂[4]。

AOA、TOA和TDOA方法是通过检测移动终端和多个基站之间信号到达时间、角度等特征参数实现定位的。当移动终端周边的基站站点各方向布点不良时，将对定位产生很大影响。RSSI定位是根据信号强度，建立信号衰减模型来估计出基站与移动终端之间的距离。但在衰减模型中，信号强度除了受移动终端与基站距离的影响外，与周围环境也密切相关，如地形起伏、建筑物高度和密度、植被、空气湿度等，都会阻碍信号的传播，从而造成信号能量的损耗[5]。各地环境不同，不确定因素较多，且环境变化太快，因此，根据各地情况建立当地精确的衰减模型，不仅构建复杂、运算量大，而且效率低、误差大、实施性不强[6]。为解决以上问题，本文提出了指纹数据库匹配和信号衰减理想模型相结合的方法。通过采集大量实地测量的基站及信号信息，建立不同位置上的指纹数据库，将待定位点的基站信息与指纹数据库中的基站信息进行匹配，根据匹配结果，初步得出待定位点的缓冲区域。并进一步建立信号衰减理想模型，利用地理信息系统中的叠置分析，计算出待定位点的精确位置。最终将这种方法应用于被盗车辆的追踪，为警方找回被盗车辆提供了方向，快速缩小搜寻范围，减少了搜寻时间，有效地保证了车辆安全，对警方监控、查询移动目标有重要的意义。

一、移动位置服务

移动位置服务(location based service，LBS)，又叫手机基站定位，移动运营商是基础，通过无线终端(如手机、PDA等)和电信移动运营商的网络，采用不同的定位方法，获取移动终端用户的地理位置信息，经数据处理分析，将数据以图的形式展示，结合地图信息，为用户提供与空间位置有关的更直观的服务，是导航与移动通信相融合的产物[7]。

据统计，在日常生活中有80%的活动与空间地理位置有关。生活节奏的不断加快使实时位置信息成为人们最关注的信息之一。1996年美国联邦通信委员会(FCC)发布了E-911紧急救助规则，要求移动运营商为手机用户提供位置信息，定位服务由此诞生[8]。此后，日本、欧洲等也开始制定相应的法律和标准，提出类似的需求，从而推动了移动位置服务的发展[9]。我国从2001年开始引入移动位置服务，2007—2008年得到迅速发展，2010年技术趋于成熟。随着超大城市的出现和人们的频繁移动，移动位置服务不断应用于社会各个领域：紧急救援和求助、定位导航、个人问询服务、物流监控和调度、轨迹跟踪、社交、商业等。鉴于近期频频发生车辆被盗事件，且目前公安系统对目标的查询或监控多是通过群众等渠道实现，需花费大量的人力、物力和财力，因此本文提出指纹数据库匹配与信号衰减理想模型结合的方法，为搜寻被盗车辆提供简单、有效的方法。

二、数据来源及研究方法

1. 数据来源及试验概况

试验工作在2013年9月22日进行，测试点为河北师范大学，车辆搭载移动终端设备在校园内环绕一周，每6 s获得一个指纹点的基站信号数据，剔除无效点后共145个指纹点。每个指纹点能同时接收周边7个基站发射的信号，信号数据包括信息时刻、LAC(本地区域识别码)、CID(当前基站的唯一标识码)、ARFCN(绝对无线频道编号)、BSIC(基站识别码)、Rxlev(信号强度)。LAC是基站所处区域的识别码；若某一采样点在同一时刻获得两个或多个同一区域发射的信号，可通过CID来区别信号来源于哪个基站；若信号来源于同一个基站，BSIC可以区别来源于基站的哪个扇区。

2. 研究方法

(1) 位置指纹定位

位置指纹定位是根据表征目标点特征的指纹数据库进行的，主要分为训练阶段和定位阶段。训练阶段是建立位置指纹数据库的过程。在目标所在范围选取合理的参考点，记录下各参考点来自不同基站的信号强度值，将所有参考点的位置、基站信息和信号强度值录入数据库[10]，见表1。

定位阶段将目标点与数据库中各参考点的基站信息和信号强度值进行比较，通过一定的匹配算法计算出目标点的位置，主要有最近邻法、K近邻法、K加权近邻法、概率算法和神经网法等[11]。本文使用最近邻法。根据时间先后顺序，对参考点进行编号。试验中被盗车辆搭载的移动终端的回传信息，包括被盗车辆接收信号的本地区域识别码、基站的唯一标识码和基站识别码。由于存在多径效应，基站发出的信号会发生散射。与被盗车辆距离越近，接收的基站信号情况越相近，即有共同的本地区域识别码、当前基站的唯一标识码和和基站识别码。

表1　基站信号指纹数据库

(2) 信号衰减理想模型

在建立信号衰减理想模型时，只考虑距离远近导致信号衰减，不考虑天线高度、天线方向和障碍物阻挡对信号传播的影响。基站信号的理想覆盖范围是一个圆，发射范围为360°，每120°分为一个扇区。移动终端只要处于开机工作或待机状态，一旦进入到基站信号的发射范围内，就会接收到基站发射的无线信号，相近时间内，接收到基站信号的移动终端在以基站为中心的圆内[12]。根据基站的位置和移动终端与基站的对应关系，可以对移动终端的位置进行分析。

指纹点与移动终端都接收到基站A、基站B和基站C的信号。分别以基站A、B、C为中心，以基站到指纹点的距离为半径做圆。若移动终端接收到基站A的信号强度比指纹点大，则移动终端与指纹点相比，距离基站A较近，即移动终端处于圆A内；若比指纹点的信号强度小，则在圆A外。同理比较指纹点与移动终端接收到基站B和基站C的信号强度，由此得到3个空间范围，这3个空间范围共同覆盖的区域，如阴影区所示，即移动终端所在位置，如图1所示。

图1　信号衰减理想模型方法示意图

(3) 叠置分析

多边形叠置是GIS最常用的空间分析方法之一，在同一空间参考系统下，将两个或多个多边形图层进行叠加，产生一个新的多边形图层[13]，以解决地理变量的多准则分析、区域多重属性模拟分析、地理特征动态变化分析及区域信息提取等。在信号衰减理想模型中，两个或多个指纹点的衰减模型相交，可以得到移动终端的所在区域，将多组这样的区域范围进行叠加，可获取移动终端更精确的位置。

三、结果与分析

1. 指纹数据库匹配应用

按采样时间顺序对指纹点进行排序，指纹点序号从1到145，假设104号点为被盗车辆当前所在位置。被盗车辆接收到信号的7个基站中，由于2个基站地理坐标未知，因此用5个基站的信息进行定位分析。这5个基站处于一个小区内，即LAC相同，它们的基站唯一标识码、绝对无线频道编号和基站识别码分别为A164-004E-25、A165-54-0C、34F3-207-2C、34F4-214-2E、DF25-216-21。将被盗车辆接收到的基站信号与指纹数据库中各指纹点的基站信息进行匹配，找出信号最为相近的记录，即为被盗车辆的所在位置，如图2所示。

图2

图2(a)是指纹信号的热度图，表示各指纹点与被盗车辆中移动终端接收到的信号的相似程度，红色区域相似程度最高，黄色次之，蓝色最低。由图可知，红色区域即被盗车辆可能的所在范围，集中在校园北侧，尤其是东北角和西北角。从图2(b)指纹信号分布图可以看出，距离被盗车辆最近的指纹点与被盗车辆中移动终端接收的信号匹配不是最好的，这是因为各指纹点的移动终端同时接收到多个基站的信号，受到信号实际传播因素、移动终端数量及基站切换策略的影响[14]。与被盗车辆中移动终端接收信号匹配最好的指纹点集中在92—108号点位。其中98—103号指纹点接收到信号的基站中，有3个与被盗车辆的基站唯一标识码、绝对无线频道编号和基站识别码均相同，105—108号指纹点有4个均相同，这表明被盗车辆可能在这些点位附近。

2. 信号衰减理想模型应用

通过信号匹配，可以得到被盗车辆所处的区域范围，但是范围较大，精度不高，因此通过信号衰减理想模型，进一步精确定位。

试验中，被盗车辆上搭载的92—108号点位的指纹与接收信号的基站最相近，根据信号衰减的理想模型，分别将各指纹点的信号强度与被盗车辆反馈的信号强度进行对比分析，采用最近邻法确定被盗车辆当前所在范围。图3(a)为与105—108点位的指纹匹配确定的被盗车辆所在范围，从图中可以看出，这些点位指纹匹配确定的定位范围形状一致，且从108号点到105号点，圈定的定位范围依次缩小。

同理匹配101—103号指纹点的信号强度，确定定位范围如图3(b)所示。与被盗车辆反馈的信号强度相比，101—103号点的指纹信号强度都较大，因此被盗车辆与101—103号指纹点相比，距离同源基站较近。

图3

上述试验中，被盗车辆所处范围的确定都是来源于同一方向上的指纹点进行匹配。为了提高精度，选取两侧的指纹点，采用交会法，进一步确定被盗车辆所在位置，如图4所示。

图4

3. 叠置分析应用

利用从4个方向多个指纹点位匹配获得的被盗车辆所在范围数据，通过叠置分析，对定位范围数据进行综合评价，叠置分析及结果如图5所示，将车辆所在范围缩小到150m左右。由此可见，该方法大大提升了警方锁定被盗车辆的准确性，为缩小被盗车辆重点搜寻范围提供科学依据，有效地提高了搜寻效率。

图5

四、结论与讨论

RSSI定位精度不高的主要原因之一是无法根据各地的实际情况建立精确的信号强度衰减模型[14]。针对这一问题， 本文对移动位置服务定位方

法进行比较，真实模拟车辆搜寻过程，采集信号强度实测数据，提取有用信息，分析了信号强度变化特征，提出了位置指纹定位和信号衰减理想模型结合的方法，避免了信号衰减模型的构建复杂性，通过GIS中的叠置分析，对实测数据对该方法应用检验。结果表明，该方法能较快锁定目标范围，在一定程度上提高了定位精度，精度可控制在150m范围内，搜寻范围大大缩小，为追踪被盗车辆提供了有效的方法，提高了侦查工作的效率和可靠性。

参考文献：

[1]刘成.LBS定位技术研究与发展现状[J].导航定位学报，2013，1(1)：78-83.

[2]李霖，王伟，谭永滨，等.导航与LBS关键技术标准化研究进展[J].测绘通报，2014(5)：95-98.

[3]姚金杰.基于地面基站目标定位技术研究[D].太原：中北大学，2011.

[4]王君培.IEEE802.11无线网络给予信号强度定位方法的研究[D].天津：天津大学，2010.

[5]朱江，威正伟.基于信号衰减和孤立点检测的移动定位算法[J].计算机工程，2010，36(3)：280-283.

[6]陈岭，许晓龙，杨清，等.基于三次样条插值的无线信号强度衰减模型[J].浙江大学学报，2011，45(9)：1521-1538.

[7]徐辛超，徐爱功，苏丽娟.基于影像服务的LBS应用研究[J].测绘通报，2012(1)：29-32.

[8]胡加艳，陈秀万，吴雨航，等.移动位置服务在应急救援中的应用[J].理论探索，2008(5)：20-22.

[9]韩鹏鹏，李华娟，朱博.LBS的关键技术及在车辆监控中的应用[J].硅谷，2011(18)：31-32.

[10]卢恒惠，刘兴川，张超，等.基于三角形与位置指纹识别算法的WiFi定位比较[J].移动通信，2010(10)：72-76.

[11]李昊.位置指纹定位技术[J].山西电子技术，2007(5):84-87.

[12]王德广，张旭.利用手机信息精确定位伪基站的方法研究[J].微型电脑应用，2014，30(11)：25-27.

[13]李斌，关玲芝.叠置分析方法在城镇规划中的应用——以广东省新兴县东成镇为例[J].北京农学院学报，2013，28(1)：36-38.

[14]万家欢，万玮，陈秀万，等.一种适用于手机基站定位的地图匹配方法[J].测绘科学，2014，39(1)：114-116.

[15]刘广怡，于宏毅，皮兴宇，等.一种基于RSSI的无线传感器网络定位法[J].通信技术，2010，43(3)：93-95.

中图分类号：P208

文献标识码：B

文章编号：0494-0911(2016)04-0099-04

通信作者：胡引翠

作者简介：王云(1990—)，女，硕士生，主要从事遥感地学分析的研究。E-mail：Sunny110541@163.com

基金项目：河北省自然科学基金(D2013205077)；河北省高校重点学科建设项目

收稿日期：2015-06-23

引文格式： 王云，薛瑞恒，胡引翠，等. 基于指纹匹配和衰减模型的车辆追踪方法[J].测绘通报，2016(4)：99-102.DOI:10.13474/j.cnki.11-2246.2016.0132.