0
在現代化的機場候機樓、醫院大樓、辦公樓、運動場、大學校園和零售商店中，方便易用的室內導航應用程序的市場日益擴大。根據 MarketWatch （道瓊斯旗下的新聞網站）的一份報告，預計到2022年，這一需求可望以 30% 的速度增長。而智能手機中磁力計、加速計和陀螺儀等先進傳感器的出現將加速這一需求。為了滿足這一需求，IBM 愛爾蘭研究院建立了一個可用于生產環境的室內定位系統，它比現有的應用于不同智能手機上的商業解決方案精確度更高。
這一自學習、自適應平臺通過部署最少量的低功耗藍牙（BLE,Bluetooth low energy）信標來推斷用戶的行程，進行學習，并最終為特定室內區域的每個智能手機型號建立定制的磁力地圖（magnetic map）。新系統提供了強大的定位精度，而且與用于記錄特征指紋1和定位的手機型號無關。在研究團隊最近發布的論文中，通過實驗證明這一工具與基于磁場定位的商業解決方案相比，精度顯著提高。
圖1:系統架構
最新的室內定位系統利用了現代室內環境中經常出現的信號，如 WiFi 和低功耗藍牙信標。因為使用 GPS 信號的外部定位方法不夠精確，無法有效地進行室內導航。室內定位系統應該能夠探測用戶在建筑物內的位置，并指示用戶如何在建筑物內導航。這些系統用于各種各樣的場景當中。它們的設計和實現能夠滿足特定的用戶需求。例如，在2017年，IBM 東京研究院為視障人士打造了一套實驗性的高精度室內外語音導航系統。
磁場法是一種低成本的方法，正越來越受歡迎，因為它不需要專門的傳感器安裝或維護，而是通過智能手機中已有的傳感器來實現。然而，不同型號智能手機傳感器讀數的差異嚴重影響了室內定位精度。
對于現有的基于磁場方法來說，在最終用戶能夠使用這一系統之前需要一個室內空間特征指紋識別階段。在此過程中，服務提供者需要使用智能手機收集所有行人可達區域的磁場讀數，并創建室內空間的帶標注的靜態地圖。在現實世界中，終端用戶的手機型號可能與用于這個階段的特征指紋識別的智能手機型號不同。在工作中，研究人員會將室內定位系統的精度損失量化。
這個系統是自適應的，并不斷重復訓練，從而保證不同用戶和不同的智能手機型號都具有高精確度。其方法是分析終端用戶的定位會話，從而增強系統的知識庫，以便為不同型號的智能手機讀取磁場數據。一旦用戶退出智能手機室內定位應用程序，系統將在云基礎結構中處理記錄的傳感器讀數，并嘗試重構用戶的路徑。這種新的技術稱為“路徑推理”，它基于粒子濾波和形狀匹配。它允許研究人員在該區域的磁圖上添加新的信息層。因此，同一款智能手機的后續定位會話具有更高的準確率。
圖2:路徑推理和學習
與基于磁場定位的主流商業解決方案相比，對該工具的實驗評估顯示出了顯著的精度改進。具體來說，與商業替代品相比，它平均提高了大約15米的精確度。這些發現發表在最近的國際室內定位和室內導航會議（IPIN 2018）上。
圖3:實驗結果顯示精度提高了15米
對于那些不需要系統再訓練的設備所有者，這種自學習的人工智能工具提供一個低成本的解決方案。設備所有者和操作人員可以通過使用該工具迅速受益，從而做出更好的規劃決策，并為最終用戶提供無縫體驗。
通過這個工具，可以更快，更容易，更精確地使用智能手機尋找會議室或公共辦公桌，服務于機場登機門，在大學校園中尋找演講廳，在醫院里訪問一個病人或參加一個預約，甚至在零售商店定位產品。
原論文見：Yiannis Gkoufas, Kostas Katrinis. Copernicus: A Robust AI-Centric Indoor Positioning System. Indoor Positioning and Indoor Navigation (IPIN) Conference, 2018.
1：譯者注：由于信號在傳輸過程中產生的反射，折射和衰減等現象，導致在每個特定位置形成了獨一無二的物理信號特征，這個特征稱為指紋。
via IBM，雷鋒網 AI 科技評論編譯雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
