摘要：本文首先介紹現有定位技術情況，然后闡述基于Wi-Fi定位算法的核心算法，最后介紹了樓層分層的應用效果。

　　[關鍵詞]Wi-Fi指紋與軟采信令關聯 樓宇分層定位

　　推薦閱讀：《電子科技文摘》堅持為社會主義服務的方向，堅持以馬克思列寧主義、毛澤東思想和鄧小平理論為指導，貫徹“百花齊放、百家爭鳴”和“古為今用、洋為中用”的方針，堅持實事求是。

　　1引言

　　隨著廣州LTE用戶數和業務量迅速發展，現網LTE深度覆蓋不足問題對客戶感知的影響日益顯現。室內場所一般難以定期深入遍歷測試，導致局部弱覆蓋、室分系統支路故障等網絡問題難以在用戶投訴之前被發現和解決。城中村、封閉住宅小區、黨政軍機關等，難以頻繁進行遍歷測試的樓宇。針對這個網絡工作難題，為了使用創新技術手段更加準確和及時地發現LTE網絡深度覆蓋不足的問題

　　當下主流地圖服務商均擁有了成熟的定位技術。根據室外、室內、精度和電量要求等不同應用場景，可以選擇GPS、基站和Wi-Fi等多種定位方式，只能定位到路面上的樓宇，無法準確定位到樓層及樓層中的無線MR覆蓋情況。

　　2分層定位基本原理

　　在互聯網應用提供的各種APP中，提取用戶的，上行解碼中上報的Wi-Fi信息，同時安排測試人員對樓宇建筑進行實測建立樓層Wi-Fi指紋庫。使用硬采中手機上行解碼的MAC地址和Wi-Fi信號強度來進行Wi-Fi庫匹配，獲取樓層高度，最終得到用戶的精確的樓層位置信息。

　　3基于Wi-Fi分層定位方法介紹

　　3.1Wi-Fi指紋庫建立

　　首先對各個樓宇的樓層進行輪廓地圖繪制，利用Wi-Fi指紋采集工具，現場測試采集信息包括小區信息(CID)，樓宇樓層信息，經緯度信息(Latitude、Longitude)，Wi-Fi信息(SSID、BSSID、CAPABILITIES、LEVEL)。將樓宇各層的測試數據入庫處理形成Wi-Fi信息指紋庫。

　　3.2用戶硬采信令與指紋庫關聯(24小時采集)

　　硬采XDR上報信息，包括用戶IMEI號、MAC地址、小區CGI，使用硬采中手機上行解碼的MAC地址和Wi-Fi信號強度來與指紋庫中Wi-Fi信息進行匹配，得到“用戶/時間+樓宇/樓層/位置”

　　具體算法說明：

　　(1)調用Wi-Fi指紋庫以樓層位置名稱和APMAC地址分組，對信號強度求均值。得到樓層位置的Wi-Fi指紋庫。

　　(2)獲取用戶的AP信息。

　　(3)以用戶的AP信息的BSSID名，查找在Wi-Fi指紋庫中出現的所有記錄，得到查找結果表。

　　(4)將查找結果表中每個樓層位置按行表示，將AP名轉換成列。

　　(5)將出現的NULL值替換成-85，因為AP的信號強度為NULL可近似理解為信號非常弱，即-85表示”查找_AP_轉置_替換”。

　　(6)將提交用戶的AP信息轉置成行;再求該行與“查找_AP_轉置_替換”中每一行的歐式距離。

　　距離公式

　　3.3MR關聯(24小時采集)

　　MR測量報告中主要有小區ID，RSRP，RSRQ等測量報告，MRO和信令關聯主要是利用時間和MMEUES1APID信息，輸出時間、用戶IMEI號、小區ID、RSRP、RSRQ等統計信息。

　　再與有樓宇分層的硬采數據進行關聯，就能得到每個用戶所在樓層位置的實際用戶感知。得到“用戶/時間+樓宇/樓層/經緯度位置+RSPR/采樣點/覆蓋率統計”。

　　3.4Wi-Fi指紋庫維護：

　　現網公共Wi-Fi的失效與新增，通過“Wi-Fi自動更新程序”進行自動識別維護，確保指紋有效性。

　　新增Wi-Fi指紋判定：輸入用戶上報的指紋信息：時間、緯度、經度、小區CGI、MAC地址、信號強度。利用有監督機器學習算法，對用戶上報的指紋信息進行計算，通過測量不同特征值之間的距離進行分類，能較為準確的將新增的MAC地址、信號強度加入到指定的室內位置。

　　失效Wi-Fi指紋檢測迭代算法：定時檢測Wi-Fi指紋數據庫中的指紋，通過RFM模型對Wi-Fi指紋進行評分，把分值低于既定閾值的Wi-Fi指紋判定為失效指紋，用于刪除手機熱點等臨時Wi-Fi或已經過時的Wi-Fi指紋。4樓宇分層數據驗證

　　樓宇分層準確性驗證，是對樓宇分層輸出結果與現場實際位置的驗證。需要準備一個可以在后臺進行信令跟蹤的測試號碼。

　　第一步：萬菱匯、佳兆業廣場兩棟商業中心進行百度外賣定位驗證，并記錄測試實際位置。

　　第二步：根據測試號碼，后臺抓取測試號碼的硬采XDR數據。

　　第三步：根據抓取硬采XDR數據，與Wi-Fi指紋指紋庫進行，硬采關聯結果分別，輸出在樓宇分層定位。

　　第四步：對系統輸出的定位結果與現場測試實際位置進行比對。

　　5樓宇Wi-Fi分層定位應用

　　評估發現：廣州市第一人民醫院磐松樓3號樓整體樓宇覆蓋率24%，平均RSRP約-115dBm;其中F1存在部分區域弱覆蓋，樓層覆蓋率8%，平均RSRP約-118dBm。

　　問題分析：現場測試發現1層弱覆蓋區域，與系統平臺輸出的問題點一致，據現場測試情況了解了，1層門診科室房間，室內分布系統故障，導致深度覆蓋不足，由室外宏站覆蓋，查詢該樓宇室分站點廣州越秀區廣州市第一人民醫院E-ZLW于2018.1031開始已出現斷電告警，優化室派發維護工單進行處理，11月12號告警恢復后，室內信號恢復正常。

　　6總結

　　通過Wi-Fi分層定位方法，可以計算出室內場所的4G網絡覆蓋情況，能比較準確地分層定位室內弱覆蓋位置，為覆蓋優化提升工作提供量化技術支持，可以用于投訴定位問題，先于用戶發現室內故障問題。

　　參考文獻

　　[1]David M. J. Tax; Robert Duin; DickDe Ridder (2004). Classification，Parameter Est imat ion and StateEstimation： An Engineering ApproachUsing MATLAB. John Wiley and Sons.ISBN 0-470-09013-8.

　　[2]錢梁.大數據下MR和信令數據的聯合分析方法[J].電信技術，2015(09)：29-