室内定位 突破LBS“最后一公里”

张兰兰

随着更多新型移动设备比如手机、平板电脑、可穿戴设备等物联网设备的性能飞速增长和基于位置感知的应用的激增，基于位置服务（LBS）发挥了越来越重要的作用。在室内和室外的环境下，连续地可靠地提供位置信息可以为用户带来更好的用户体验。

墨轨迹是一家提供室内位置服务的云服务平台商，以室内定位为切入口，在综合使用现有各类室内定位算法的基础上，创新地加入人工智能、机器学习和数据挖掘算法，提供高质量、高稳定性、高精度、低成本的室内定位整套服务，并通过云服务的方式交付给客户。

室内定位的刚需和挑战

首先，室内定位其实就是最后一公里的解决方案，对室外定位的延伸，使得我们可以在室内GPS等现有定位方案受到强烈干扰的条件下依然可以享受定位的服务。

室内定位在很早以前就已开始进行研究，包括诸如基于AGPS的室内位置增强，LED改进光定位（LiFi），AP服务端的逆向三角定位，信号指纹及其延伸定位，UWB，信号干扰及干涉分析定位，RFID，ZigBee，还有神秘的诸如超声波技术、红外线技术等。

为什么需要室内定位。室内位置感知可以支持许多应用场景，并且正在改变移动设备的传统使用模式。举一些应用的例子，用户可以寻找特定的餐馆或在商店里寻找某个商品，从附近商场里的商户得到优惠信息，在办公室里找到同事，在机场或火车站找登机口/站台或其它设施，在博物馆里更有效地了解展品信息和观看展览，医院确定医护人员或医疗设备的位置，消防员在起火大厦里的定位等。想像这样的场景，当我们到会议室开会，手机会自动开启静音模式，我们逛商场看到一件感兴趣的商品还在犹豫时，拍下照片并自动给照片打上位置标签，当再次逛街决定要买时手机帮我们导航到该商品的位置。这些都会给我们日常的生活和工作，以及在紧急情况下带来方便。再比如商务展览，多数展览仅提供平面化的区域呈现服务，参会者需要准备大量的商务名片，通过询问或者宣传册来查找对口的展区，费时费力。墨轨迹可以提供展览馆室内展区定位导航服务、展区商务智能名片互换服务、室内安全逃生路线导航服务、订阅发布商务宣传信息（比如订阅、宣传、红包提醒等）、游览路线规划服务等。通过这样的多功能与智能化的应用，最大化体现展览效果，增进供给需求匹配度。

室内定位面临很多独特的挑战，比如说室内的环境动态性很强，可以说是多种多样，不同的大厦会有不同的室内布局；室内的环境更加精细，由此也需要更高的精度来分辨不同的特征。我们室内环境的这些独特特征使得现有的很多解决方案是对特定的环境和应用有针对性的解决方案，如果移植到其他环境和应用会受到不同的局限。我们那么实用的室内定位解决方案都需要满足那些要求呢？主要包括精度、覆盖范围、可靠性、成本、功耗、可扩展性和响应时间。首先，精度和可靠性，现有的单一定位技术很难满足不同的精度和环境动态特性所带来的可靠性要求。其次，从提高覆盖的角度，现有的技术基本上都依赖定位数据库，而数据库的产生大多依赖人工的现场勘测，这样带来的布局和维护成本很高。最后一点，从用户体验的角度，要求所采用的定位技术功耗低，不增加额外成本。

墨轨迹的专业部署

室内定位如何发展？很简单，一个是硬件部署方案，另一个是软件方案。硬件部署精准度和稳定性较好，软件方案则需要通过算法和机制调节。据了解，墨轨迹在初创时期由于资金限制，无法依赖硬件发展，所以做了一套可以兼容市面上各种信号的算法，整合了可观测的无线信号。其实各家都能获取这些数据源，关键是能不能利用好。现在做室内定位，要获得室内的信息位置，需要有一个人做信息采集。传统的方式是推一个信息采集车，而墨轨迹则把这个过程简单化到京东的配送员拿着手机在商场里面散步就可以了。这样做首先节约了设备，其次商场不会排斥这样的方式，再次这样的采集方式用两三个小时即可完成，而原来则需要三到五天。

墨轨迹的优势在于形成定位能力的速度快，这依赖于强大的信息提取能力。墨轨迹的信息采集速度快，通过概率网络进行计算。在进行定位的过程中，墨轨迹采用神经网络算法，完成从提取的信息层到给商场提供位置的能力。在获得了大量用户位置后，对用户位置进行梳理和分析，把线上与线下位置关联起来。既有行动轨迹的热图，也有在每家店的停留时间，最终转变形成用户画像的能力，可以描述用户的喜好，甚至猜测年龄、性别等。

墨轨迹联合创始人沈晓龙介绍说，由于是做技术出身，最开始想做一整套的解决方案，但是后来发现室内场景有不同区分，商场是一类、医院是一类，而商场里的购物区和停车场也不一样，于是就不断把更多现成的方案引入进来。比如停车场定位，已经有二维码、蓝牙、Wi-Fi等解决方案，墨轨迹在补足自己技术能力的同时，拥抱了多种现在市面上的解决方案，形成了一个均衡的解决方案。之前的室内定位公司，有的比较偏重信号处理能力，还有的侧重对室内场景的理解，而墨轨迹更偏重用机器学习的方式实现室内定位，这需要非常强的学科交叉能力。沈晓龙介绍说，墨轨迹不像之前很多传统室内定位方式，通过一个一个信息点去查找，而是通过建模复原所有的Wi-Fi信号，而且也不只做单一信号源，而是利用Wi-Fi、蓝牙、电磁场、GPS甚至手机指南针的六轴传感器等多种信号源。对于机器学习来说，需要尽可能增加数据的来源，所以墨轨迹尽可能用手机上所有信号源，从而保证墨轨迹服务的持续、稳定、高精度。

墨轨迹的部署成本低，这也就意味着可以覆盖到全国更多的地方，有能力在更大范围内跟踪消费者的轨迹。平均测下来，墨轨迹的室内导航精度85%以上在误差五米之内。至于盲区的处理，墨轨迹则在没有信号的地方布上Beacon，弥补了室内信号的不足。沈晓龙说：“现在，我们在中国大陆地区总共覆盖了749座建筑，包括购物中心、工业园区、高校、写字楼等。17000个测试点，测试数据大概是3.7m，我们用更低的成本达到了这个需求。通过众包更新系统，使得它的维护周期从三到四个月变成了一年两个月，我们只有一年两个月的数据，它现在还在优雅地工作着。”