-
应急定位是地震、火灾、矿难等重大突发事件应急处置与救援必须的关键技术之一。美国国家火灾保护协会调查表明,导致消防员受害的主要原因是消防员迷路,以及被搜救人员的位置无法确定。基于位置的应急救援解决方案可有效减少人员伤亡,降低经济损失。但由于应急场景多样、救援环境复杂、灾害态势演变难以预测,并且往往伴随断电、断水、通信中断等情况,应急定位困难[1-2]。
随着北斗定位[3-4]、惯性定位、室内定位的快速发展,导航芯片、微惯性器件、超宽带(ultra wide band, UWB)定位芯片成本不断降低,应急定位技术及关键装备研发得到了飞速发展,在“5·12”汶川地震的堰塞湖无人机监测[5]、滑坡灾害监测与预警、城市内涝、人质解救等领域得到进一步应用。但是,目前应急定位理论与技术研究仍欠系统化,应急定位无缝基准快速构建及协同定位算法不够稳健,定位终端装备欠缺。对应急定位技术进行系统研究,构建多源融合的应急定位解决方案,研制典型灾害场景的应急定位关键技术与装备是目前亟需解决的问题。
应急定位面向火灾、地震等复杂灾害现场,需要保证最大限度减少事故造成的人员伤亡和经济损失,因此在定位速度、无缝定位、定位终端等方面有着更高的要求,但是定位精度较普适定位可以适当放宽。
表 1列出了应急定位区别于普适定位的若干指标。
表 1 定位性能指标对比
Table 1. Positioning Performance Index Comparison
定位性能指标 应急定位 普适定位 定位精度 3~5 m以上 1 m以内 部署速度 30 min以内 无要求 定位基准 由室外向室内传递覆盖主要区域 基站信号全覆盖,位置事先测定 环境适应性 防水、防震、抗高温等 常态环境应用 硬件装备 便携性、轻小型、低功耗、操作简易性 形态多样 定位监控 实时显示人员位置 无特殊要求 -
面向火灾、地震、水灾应急救援等场景,目前常用的应急定位技术方式主要为全球导航卫星系统(global navigation satellite system, GNSS)定位、自主定位和局域电磁波定位等。在不同的应用场景下,所采用的定位技术也会有所差异。
-
GNSS针对应急场景可以全天候提供单点定位、实时动态(real time kinematic, RTK)、网络RTK等多种导航定位服务。但是GNSS信号难以穿透建筑物,无法提供室内定位服务;且可用卫星数量少于4颗时,城市峡谷、桥梁等GNSS信号遮挡区域无法有效定位。然而,随着精密单点定位(precise point positioning, PPP)技术的发展,尤其是第3代北斗卫星导航系统(BeiDou navigation satellite system-3, BDS-3)新增的PPP定位功能,为应急定位终端提供了更为便捷的解决方案。另外,通过快速建立临时的应急连续运行参考站(continuously operating reference stations, CORS)服务网络,可以提供高精度定位服务;或者通过融合惯性导航系统(inertial navigation system, INS)、UWB、磁力计等其他定位方式,建立数据融合模型,进一步提高定位的精度与可得性[6]。GNSS融合航位推测法(dead reckoning system, DRS)及道路等信息在消防救援车辆导航、火警调度中已取得了成功应用[7]。针对火灾现场建筑物遮挡严重的情况,有学者提出采用多全球卫星定位系统(global positioning system, GPS)接收机联合解算,准实时确定救援车的位置,为火灾现场救援定位提供绝对基准,再通过伪卫星或者UWB网络进行消防人员定位[8]。呼和浩特机场应用GPS定位导航等技术搭建应急救援图文系统,实现了应急救援车辆的指挥调度、实时监控、行驶路径规划等功能,确保参与应急救援的保障人员按照导航终端路线指引和提示, 快速准确地到达目的地[9]。
-
自主定位技术是应急定位的主体技术,主要包括惯性定位、磁场定位、视觉定位和重力定位等。由于误差累计等因素的影响,通常自主定位不能单独完成应急定位的任务,需要多种方式融合达到提高定位精度的目的。本文重点介绍前3种自主定位技术。
-
惯性测量单元(inertial measurement unit, IMU)由加速度计、陀螺器件组成,可以实现自主定位,是应急定位的首选方式。惯性应急定位有两种基本模式:零速修正(zero velocity update- IMU, ZUPT-IMU)和行人航迹推算(pedestrian dead reckoning, PDR)。
ZUPT-IMU利用牛顿运动定律进行两次积分得到行人的相对位置,行走过程中脚底着地时刻的速度为零,零速修正技术将其作为观测值来进行零速更新, 采用卡尔曼滤波算法将解算出的系统状态误差反馈给惯性计算模块进行校正,以此来消除计算过程中观测值残差引起的累积误差,实现实时较高精度的室内自主导航定位[10-11]。文献[12]开发了基于鞋绑式零速修正辅助的惯性导航系统,其样本造价较低,程序开源,短距离导航精度高,采用一个基于步进式惯性导航和步进式航位推算的局部分布式系统框架[13],适用于应急定位应用和扩展研究。
而PDR算法通过观察惯性测量元件的信号波形来进行计步算法的设计,并根据特定情况建立特定步长模型[13],避免了加速度积分环节,减少了系统运算量。所以单从算法的角度来看,PDR算法较为简单,但是建立较为精确的步长、步态检测模型比较困难,容易漏检、误检,且以步态周期为定位更新频率,需要大量的数据统计实验。另外,PDR算法仅能实现二维平面的位置追踪。双足之间的距离可约束惯性器件的航向角偏移,大幅提高PDR定位的精度。实验结果表明,在没有其他外界传感器辅助的情况下,持续4 h,定位精度仍可以达到米级[14]。
通过布设IMU阵列,可进一步提高自主定位的可靠性与精度,文献[15]开发了IMU定位实验平台。随着传感器成本的降低,采用多IMU在少量增加成本的基础上可进一步提高定位精度[16]。
惯性应急定位能够提供室内环境自主定位,是应急定位的基本手段,但定位误差不断累积导致IMU的两种定位模式都不能单独完成室内外无缝定位任务[17],必须融合其他定位方式。文献[18]提出了一种基于鞋绑式惯性传感器的位置估计框架,结合即时定位与地图构建(simultaneous localization and mapping, SLAM)算法构建足部SLAM行人定位技术,发展潜力巨大。
-
磁场定位技术是利用磁传感器实时测量磁场特征量数据,与存储在载体计算机中的数字基准图进行匹配以获得位置信息。磁场定位通过建立足够精确的地球磁场模型(包括稳定场与变化场、地球总磁场与区域磁场),利用磁图与测量数据的精准匹配来确定位置信息。通过磁场匹配进行定位导航的算法包括互相关算法、相关系数法、平均绝对差算法与均方差算法,文献[19]采用这一技术进行了地磁匹配导航实验,取得了较好的效果。应急情况下,磁场受到的干扰比较大,精确的区域磁场获取成为制约定位精度的主要因素,仅依靠磁场很难满足应急定位的要求。通过融合其他定位传感系统,有望解决室内定位绝对基准问题。如文献[20]提出的基于射频识别(radio frequency identification, RFID)、惯性传感器、磁场特征的室内定位技术,平均定位精度可达1.96 m,比单独的RFID指纹定位方法和磁场匹配方法分别提高了175%和82.6%。
-
视觉传感器作为一种流媒体技术,不仅可以获取丰富的环境信息,而且可以实时传输,在定位中被广泛应用,如中国的嫦娥三号月球车[21]和美国机遇号火星探测器[22]等。目前,主流的视觉定位技术方法有SLAM、视觉里程计(visual odometry, VO)、基于图像指纹的方法、结合外部辅助信息定位方法等。SLAM和VO在没有外部信息辅助的情况下实现相对定位,相对位置误差在0.1%~2%之间[23-24]。文献[25]通过智能手机采集惯性传感器数据和视频数据,快速构建室内位置指纹数据库,位置标注结果平均误差为0.53 m,位置指纹数据库可直接用于室内定位。另外,基于人工特征的视觉定位方法也被广泛研究,可以实现高精度的绝对定位,如文献[26]提出的一种编码图形和单目视觉传感器相结合的室内移动载体位置测量方法。然而,视觉定位方法的定位存在一些挑战,如快速运动可能会使摄像机可见的场景变得模糊,纹理稀疏或者光线太亮(暗)都会导致视觉定位失败[27-28]。但是,通过与其他传感器融合,不仅可以实现绝对视觉定位,而且可以通过紧组合算法辅助视觉定位,减少上述因素造成定位失败的影响。随着视觉传感器以及应急通信技术的快速发展,通过视频传感器可以获取4k像素分辨率的影像,既可以实现实时定位,又可以实时获取应急区域的实景影像信息和三维模型等,可以在应急救援过程中发挥较大的作用。
-
由于应急场景突发性强,不能预装室内基站等设备,局域电磁波定位技术更多是采用应急组网技术临时布设室外基站,通过融合自主定位技术达到应急场景无缝定位的覆盖。因此,WiFi、UWB、紫蜂(ZigBee)、伪卫星、RFID等定位技术在应急场景下只能部分发挥作用,不能够解决快速室内外无缝定位问题。
-
WiFi室内定位常用的方法有近似法[29]、三角测量法和指纹匹配法[30]等。近似定位方法利用设备接收的信号强度指示值(received signal strength indication, RSSI)与访问接入点(access point, AP)位置在短时间内对应关系较好的特性,将AP点的位置直接近似为物体的位置,但该方法定位精度较低。三角测量法利用信号的传播衰减规律,将所接收到的信号强度按照特定的传播模型转换成相应的距离值,根据已知无线接入点的位置信息和三角测量原理计算终端用户的所在位置。指纹匹配法包括离线采样和实时匹配定位两个阶段。离线采样阶段是在目标区域选取若干参考点进行WiFi信号信息采样,包括参考点位置信息、信号强度值和接入点的地址信息等数据,通过分析各参考点上各个AP的信号强度分布构建目标环境区域的指纹数据库。在实时匹配阶段,当用户目标设备接收到实时WiFi信号数据后,将该数据与指纹数据库进行匹配计算,然后利用已知的参考点位置估算出目标用户的当前位置[31]。常用的指纹定位方法有K最近邻(K-nearest neighbor, KNN)方法、Horus方法等。文献[32]针对室内环境基于RSSI定位不稳定问题, 提出了以几何信息改进基于指纹库的KNN定位算法,有效地提高了室内定位精度。
-
蓝牙(Bluetooth)是基于无线个人局域网通信技术(wireless personal area network, WPAN)[33] IEEE 802.15.1协议的短射频信号,该信号具有低功耗和支持短距离通信的特性。其工作频率为2.4 GHz,传输距离一般为10 m左右,最近新发布的蓝牙5.0最大传输距离可以达到300 m。蓝牙技术是现代通信技术中的一项主要技术,是短距离无线通信的主流技术,可以实现短距离的无线连接,在小范围内有效代替有线连接,将固定设备与移动信息设备组成个人局域网,成本低、效率高,具有极大的运用价值。苹果公司早期推出的iBeacon定位系统[34]基于接收信号强度指示的测距方式,定位精度可达到2~3 m。芬兰Quuppa公司推出的蓝牙天线阵列系统,其定位精度可达厘米级,但该天线的可覆盖范围较小,安装成本高。蓝牙定位也可以采用指纹匹配方式实现,武汉大学遥感信息工程国家重点实验室研发了基于指纹匹配的定位系统,其定位精度约为4 m[35]。
-
1989年,美国国防部提出了UWB的概念,用于室内定位时可以获得厘米级的定位精度[36]。UWB定位研究包括基本定位方法与算法、非视距传播误差、抗多径干扰算法、定位系统研发、数据融合等方面。信号传播受到障碍物的阻挡,引起信号发生反射、折射、衍射现象,发射信号经过多条路径以不同的时间到达接收端,将导致多径传播和非视距效应,影响UWB定位的精度与可靠性。
应急环境下,多径误差及非视距误差更为显著,必须建立合适的模型加以抑制。文献[37-38]采用广义似然比检验方法辅助UWB脉冲信息的获取,指出在传感器节点受遮挡时,第一个UWB脉冲信号到达时刻与真实到达时刻不符(time of arrival, TOA),从而产生非视距误差。文献[39]对典型多径环境下传输到达用户的信号进行分析,并提出了一个有效的距离测量模型。文献[40]设计并实现了5.6 GHz的UWB定位系统,并实现了厘米级的室内定位。基于实时信号处理的UWB定位平台研究表明,在2 GHz采样频率的情况下,UWB在三维空间的定位精度可到达2 cm[41]。在室内环境下,文献[42]发现UWB通过人体或者靠近人体时,传输特征出现明显变化,并对使用的指数进行研究,给出了具体的参数,为提高UWB室内定位精度提供了理论依据。通过融合其他传感器和改进定位模型,可进一步提高UWB室内定位的精度。文献[43]集成UWB与微机电系统(micro-electro-mechanical system, MEMS)提升复杂室内环境下的导航定位精度。文献[44]采用稳定状态卡尔曼滤波模型融合UWB和惯性数据, 提高了室内定位精度。文献[45]利用模糊自适应卡尔曼滤波算法进行INS与UWB的信息融合,获得优于单一系统的定位结果。文献[46]提出了一种UWB/MEMS互补的卡尔曼滤波算法,在一定程度上解决UWB非视距环境下测距精度下降的问题。文献[47]开发了应急基站定位模型用于应急定位。UWB的应急定位应用主要通过融合其他定位传感器实现,目前研究刚起步。
近年来,全球4大卫星导航系统已经全部投入运营,室内导航与位置服务技术、方法以及软硬件装备研制取得较大进展,对室内外无缝定位技术发展产生了较大的推动作用。然而,针对城市火灾、地震等应急救援等情况,现阶段仍然存在应急定位理论与技术研究欠系统化、应急定位无缝基准快速构建及协同定位算法不够稳健,以及定位终端装备欠缺等问题。因此,本文提出了一种适用于应急情况下的无缝定位解决方案,包括应急定位基准构建、定位方法研究以及软硬件装备研制等内容。
-
面向火灾、地震等救援应急定位需求,本文提出了一种室内外一体化的应急无缝定位解决方案,采用应急定位软硬件装备,解决应急定位基准构建、灾害现场室外应急定位、室内外过渡区域应急定位、室内应急定位以及应急定位监控等问题(见图 1)。
-
应急基准构建包括构建区域定位基准、现场定位基准和室内定位基准。区域定位基准采用PPP定位或者CORS系统,构建覆盖应急救援区域30 km范围内的空间定位基准。为了提高时效性,可优先选择CORS系统,如果不能满足要求可以快速补充PPP设备。区域定位基准为救援现场及其周边的救援人员、车辆等提供定位基准。现场定位基准通过GNSS/UWB融合定位技术实现,在区域定位基准的支撑下利用差分定位技术和GNSS/UWB装备,可提供厘米级精度的现场定位基准,并通过UWB传递技术将室外定位基准过渡到室内区域。在室内,采用UWB定位技术和测边网平差技术快速构建室内定位网络,为室内救援人员提供定位基准。
-
室外定位主要解决车辆、人员和无人机等装备的定位问题。针对车辆定位,本文采用文献[48]提出的一种基于GNSS/INS/里程计的紧组合定位解决方案,在高楼林立街道、树洞街道、立交桥和隧道等城市复杂环境下,可以提供0.1 m左右的实时定位精度,以及在GNSS失锁2 min情况下,依然可以实现优于2 m的定位精度。
针对行人,本文提出了基于GNSS/北斗短报文/移动通信技术的人员定位技术和UWB/PDR组合的定位技术,并研制了UWB/PDR定位模组和北斗应急定位终端,如图 2所示。前者采用GNSS定位,利用北斗短报文、移动通信技术将定位信息实时发送到指挥平台。尤其是在通信基站分布不均的区域,采用短报文技术可以实现很好的定位结果传输效果。而UWB/PDR组合的定位技术,采用PDR技术弥补UWB在非视觉环境下定位效果差的不足,而且可以减少UWB的基站数量实现救援现场的定位[49]。
-
室内定位网络构建主要解决过渡区域和室内定位基准自动构建问题。过渡区域定位主要解决室外定位基准向室内传递问题。首先,在大楼等应急监测现场,通过在建筑物的应急通道或者窗户外布设GNSS/UWB基站构建现场定位基准,将GNSS的观测信息通过应急通信网络传输至应急定位与位置服务系统(简称服务系统)。其次,在与室内外通视的过渡区域布设UWB设备,UWB设备测量自身到2个GNSS/UWB基站的距离并传输至服务系统,服务系统通过边长交会算法确定UWB所在位置的坐标。依此类推,自动获得2个以上过渡区域的UWB点位坐标(UWB点位又叫做锚点、基站)。在构建室内定位基准时,首先,按照一定的规则将这些设备放在走廊和房间里;然后,第一个锚点位置上的UWB设备测量自身与过渡区域的至少2个锚点的距离,并输给服务系统,计算出近似坐标;最后,通过测边网平差方法对室内UWB网络进行平差处理,提高网络精度[50-51]。过程如图 3所示。
图 3 基于测边网平差方法的UWB定位组网临时基准构建示意图
Figure 3. Diagram of Temporary Datum Construction of UWB Positioning Network Based on Edge Measurement Network Adjustment Method
图 3中,A、B、C和A1、B1为GNSS/UWB定位基准点,坐标采用差分全球导航卫星系统(differential global navigation satellite system, DGNSS)模式获取,精度为厘米级。在构建室内定位网络时,利用UWB设备测量到A和B两点间的距离,根据前方交会方法计算出E点的坐标;同理,利用B和C点坐标以及F点到这两点的距离,计算出F点坐标;利用H点到E和F点的距离,计算出H点坐标;依此类推,逐渐构建UWB基站网络,并计算基站坐标。同时,在房间的另一侧也可以用此方法逐渐获取坐标。把各点坐标和各个边长当作初值,用测边网平差方法进行平差,进一步提高点位精度。实验结果表明,在一个50 m长度的走廊和两间教室内构建的UWB基站网络实现了0.35 m量级的UWB基站定位精度[50]。
-
基于§2.1.3建立的临时基准,采用UWB和PDR融合的形式解决室内定位问题。室内定位示意图如图 4所示,UWB锚点作为定位基准,不需要在室内区域全部覆盖,仅需要在走廊等主要公共区域布设,在室内采用PDR进行定位。穿戴UWB-PDR设备的行人在定位过程中,UWB可作为定位的绝对空间参考,PDR设备可用于定位数据加密和UWB盲区域定位信息推算,实验结果表明室内定位精度可达到0.15 m量级[49]。
-
作为应急定位的核心部分,应急定位装备在定位过程中发挥着重要作用。但是受市场需求和专业技能影响,专用于应急情况下无缝定位的硬件装备不完善,如缺少室内外过渡区域的定位基准传递装备。本文结合当前主流的硬件装备制造技术,攻克了应急定位终端制造低功耗、信息同步采集和嵌入式固件高效计算等关键技术,研制了图 5所示的GNSS/UWB基站,用于解决室内外定位基准的传递问题。
该装备的核心器件是GNSS主板、UWB主板、4G主板、STM32处理主板、通信接口及相关天线等。主要工作原理是首先通过DGNSS实现厘米级定位,然后通过4G或者电台传输至服务系统,通过系统实现GNSS与UWB数据的关联以及时间同步,并用于后续UWB标签的位置解算。
-
GNSS/UWB基站室外作业存在长时间使用供电受限、设备发热引起运算效率降低等问题,因此降低设备功耗尤为必要。本文在研制GNSS/UWB基站时,通过高集成度外围器件、多核中央处理器(central processing unit, CPU)系统、互补金属氧化物半导体(complementary metal oxide semiconductor, CMOS)集成电路工艺等,以及采用优化总线架构、分区/分时供电、动态电压调频等技术,既满足了设备封装和可靠性的设计,又有效降低了硬件系统的功耗和成本,使得模组运行效率和安全性大幅提升。
-
针对GNSS/UWB基站GPS和UWB模块因采样周期和时间基准不一致、网络通信传输延迟等原因引起的测量数据不匹配问题,本文采用反馈式时间同步机制、传感器节点时间同步协议/参考广播同步(timing-sync protocol for sensor networks/reference broadcast synchronization, TPSN/RBS)融合算法、以GPS的1 s脉冲(pulse per second, PPS)为基准进行插值拟合等方法进行了修正,建立了多源传感器时间同步误差估计和补偿模型,构建融合时间补偿参数的状态方程,提高了GNSS/UWB时钟精确匹配的稳健性,匹配精度优于1 ms。
-
为解决GNSS/UWB基站数据源信息冗杂、解算任务机制不明朗的问题,从精简数据源、硬件运行效率入手,对嵌入式系统并行计算架构、多任务调度策略、硬件多线程处理器等方面开展了大量研究,在实时性要求较高、硬件资源较少的应急定位终端系统设计中,采用ARM(advanced RISC machines)+数字信号处理(digital signal process,DSP)多核处理器架构,顾及用户级和内核级的多线程机制,优化了线程调度算法,创建了序贯更新与时间分片的并行高效处理技术,有效降低了嵌入式平台的资源消耗,计算效率提高30%以上。
-
针对应急组网、人员定位及现场调度等灾害环境下的需求,遵循数据感知、系统开发、实际应用3个层次,本文提出了感知层、接口层、业务层和应用层的逻辑架构设计(见图 6),开发了应急定位与位置服务系统。
感知层作为逻辑架构设计的最底层,通过研制的应急定位终端实时采集数据提供给定位解算。感知层是逻辑架构设计的基础,为整体架构提供了数据支撑。灾害环境下,通过基站与移动站上的多源传感器,如GNSS接收机、UWB定位系统、IMU系统等,为应急组网与定位提供必要的数据源。
接口层的主要目标是实现多源传感器数据的同步与数据接口协议的统一,是维持应急定位组网系统正常运行,提供其他系统数据共享的平台基础。感知层输入的数据类型不同,并且各传感器硬件延迟不同,诸如GNSS、UWB、IMU等不同数据的时间信息不同步。接口层主要任务是实现不同数据在时间上的同步,对外播发一致,传输协议统一。
业务层是逻辑架构设计的中间层,目的是提供最终的组网优化、定位结果,提供定位需要的各种算法库。通过接收接口层对外播发的数据,针对不同灾害场景,融合GNSS、UWB、IMU等多源数据,进行PPP、GNSS RTK、GNSS RTK/INS、UWB等终端定位解算,进行救援车辆、人员、物资的实时定位。
应用层针对具体应用提供直观的定位信息服务。其主要功能包含定位结果的质量监控、数据存储管理、救援人员与应急基站的现场调度、救援人员的路线规划以及灾害现场的实时三维显示等,以满足灾害现场指挥对位置信息的需求为目的。系统基于Java主流SSM框架,采用Spring框架负责系统业务层、Spring MVC框架负责系统表现层,研发应急基站UWB定位系统。
-
针对城市区域应急无缝定位信号体制和系统构建,本文提出了应急导航与位置服务系统的电文传输协议,重点制定了数据传输模式、终端设备时间同步、电文更新率、电文帧结构、电文类型、电文内容等协议以及数据类型说明、数据域定义等内容。
在电文内容部分规定了位置坐标电文、GPS基准站观测数据电文、GLONASS(global navigation satellite system)基准站观测数据电文、Galileo卫星的观测数据电文、北斗基准站观测数据电文、固定天线参考点信息电文、天线描述电文、系统参数电文、GPS/GLONASS/Galileo/北斗卫星星历电文、伪卫星(Pseudolite)的观测数据电文、位置坐标电文、移动基站电文、时分码分正交频分复用(time code division-orthogonal frequency division multiplexing, TC-OFDM)移动数据通信网电文、WiFi电文、Bluetooth电文、UWB电文、RFID电文、ZigBee电文、终端传感器数据电文以及其他声光定位数据电文,共计23项。表 2以UWB电文为例进行了说明。
表 2 UWB电文内容
Table 2. UWB Message Content
数据域 域编号 数据类型 位 电文序号 DF002 uint12 12 终端设备ID-mac地址 DF400 Bit(48) 48 终端设备其他信息 DF401 char8(10) 80 发射端ID-mac地址 DF402 Bit(48) 48 发射端其他信息 DF403 char8(10) 80 终端基准时间 DF404 uint30 30 终端电文同步标志 DF405 Bit(1) 1 传输UWB定位相关数据 DF470 char8(79) 632 总计 931 从表 2中可以看出,UWB传输内容包括数据域、数据域编号、数据类型和数据大小等内容。数据域涵盖了用于定位的相关信息。
室内外无缝导航电文的定义为各硬件设备数据采集、软件设备解算提供了基础,在应急情况下,按照此格式定义,基本可以做到即插即用,在一定程度上扩大了应急定位软硬件系统的使用范围。随着相关技术的进一步完善,应急定位导航电文的制定将有助于推动应急救援装备标准化发展。
-
本文总结了现有应急定位关键技术,基于GNSS/UWB/PDR等技术提出了适用于应急条件下的室内外无缝定位解决方案,并以GNSS/UWB基站为例介绍了应急定位终端制造关键技术,构建了基于云平台的应急定位与位置服务系统,定义了室内外无缝定位导航电文,实现了应急定位实时在线解算、在线监控和指挥调度等功能,为满足灾害应急场景下大区域、局部及室内环境的定位与需求提供可行的解决方案。
-
摘要: 应急定位是重大突发事件应急管理与救援效率提高的关键技术之一。首先,回顾了导航定位的研究历史;其次,按照全球导航卫星系统定位、自主定位、局域电磁波定位3种常用的应急定位技术模式阐述了国内外研究现状;然后,基于应急连续运行参考站组网、超宽带组网等技术,构建了多种灾害通用的应急无缝定位解决方案,并研制了卫星/惯性导航系统紧组合终端、超宽带组网定位终端、步行航迹推算定位终端、北斗短报文定位终端等应急定位终端;最后,设计并开发了应急定位与位置服务系统,定义室内外无缝定位导航电文。通过研究关键技术,旨在打造面向应急情况的室内无缝定位技术体系,革新现有应急定位技术方法。Abstract:
Objectives Emergency location is one of the key technologies for emergency rescue of major emergencies such as earthquake, fire, mine accident and so on. However, at the present stage, the research on the theory and technology of emergency location is still not systematized, the rapid construction method of seamless benchmark and collaborative location model for emergency location are not robust enough, and the lack of positioning terminals has become an urgent problem to be solved. Methods Firstly, we expound the research status at home and abroad according to the three commonly used emergency positioning modes of GNSS(global navigation satellite system), autonomous positioning and local area network electromagnetic wave positioning.Secondly, based on the technologies of emergency CORS(continuously operating reference stations) and UWB(ultra wide band) networking, a general emergency seamless positioning solution for many kinds of disasters is constructed. Then, the key technologies such as low power consumption of emergency positioning terminal manufacturing, synchronous information acquisition and efficient calculation of embedded firmware are overcome, and hardware equipment such as GNSS/UWB base station is developed. And, the emergency location service system is designed and developed, which solves the problems of emergency position networking, personnel location and on-site scheduling. Finally, the message transmission protocol of emergency navigation and location service system is proposed, which promotes the development of emergency rescue equipment standardization. Results Through the research on the key technologies such as the manufacture of emergency location terminals such as GNSS/UWB base station, the development of emergency location and location service system based on cloud platform, and the formulation of message transmission protocol of emergency navigation and location service system, we put forward a seamless positioning solution for indoor and outdoor under emergency conditions, which solves the problems of rapid construction of indoor and outdoor seamless positioning datum, personnel positioning and command scheduling in emergency. Conclusions The purpose is to create an emergency-oriented indoor seamless positioning technology system and innovate the existing emergency positioning technology methods. -
表 1 定位性能指标对比
Table 1. Positioning Performance Index Comparison
定位性能指标 应急定位 普适定位 定位精度 3~5 m以上 1 m以内 部署速度 30 min以内 无要求 定位基准 由室外向室内传递覆盖主要区域 基站信号全覆盖,位置事先测定 环境适应性 防水、防震、抗高温等 常态环境应用 硬件装备 便携性、轻小型、低功耗、操作简易性 形态多样 定位监控 实时显示人员位置 无特殊要求 表 2 UWB电文内容
Table 2. UWB Message Content
数据域 域编号 数据类型 位 电文序号 DF002 uint12 12 终端设备ID-mac地址 DF400 Bit(48) 48 终端设备其他信息 DF401 char8(10) 80 发射端ID-mac地址 DF402 Bit(48) 48 发射端其他信息 DF403 char8(10) 80 终端基准时间 DF404 uint30 30 终端电文同步标志 DF405 Bit(1) 1 传输UWB定位相关数据 DF470 char8(79) 632 总计 931 -
[1] Ferreira A F G, Fernandes D M A, Cataring A P, et al. Localization and Positioning Systems for Emergency Responders: A Survey [J]. IEEE Communications Surveys and Tutorials, 2017, 19(4): 2 836-2 870 https://ieeexplore.ieee.org/document/7927385 [2] Ferreira A G, Fernandes D, Cararino A P, et al. A Loose-Coupled Fusion of Inertial and UWB Assisted by a Decision Making Algorithm for Localization of Emergency Responders [J]. Electronics, 2019, 8(12): 1-21 http://repositorium.sdum.uminho.pt/bitstream/1822/63467/1/electronics-08-01463-v2.pdf [3] Yang Y, Li J, Wang A, et al. Preliminary Assessment of the Navigation and Positioning Performance of BeiDou Regional Navigation Satellite System [J]. Science China Earth Sciences, 2014, 57(1): 144-152 doi: 10.1007/s11430-013-4769-0 [4] Yang Y, Xu Y, Li J, et al. Progress and Performance Evaluation of BeiDou Global Navigation Satellite System: Data Analysis Based on BDS-3 Demonstration System [J]. Science China Earth Sciences, 2018, 61(5): 614-624 doi: 10.1007/s11430-017-9186-9 [5] 朱庆, 曹振宇, 林珲, 等.应急测绘保障体系若干关键问题研究[J].武汉大学学报·信息科学版, 2014, 39(5): 551-555 doi: 10.13203/j.whugis20130351 Zhu Qing, Cao Zhenyu, Lin Hui. Key Technologies of Emergency Surveying and Mapping Service System [J]. Geomatics and Information Science of Wuhan University, 2014, 39(5): 551-555 doi: 10.13203/j.whugis20130351 [6] 刘兴川, 吴振锋, 林孝康.基于自适应加权算法的WLAN/MARG/GPS组合定位系统[J].清华大学学报(自然科学版), 2013, 53(7): 955-960 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=qhdxxb201307007 Liu Xingchuan, Wu Zhenfeng, Lin Xiaokang. WLAN/MARG/GPS Integrated Positioning System Based on a Self-adaptive Weighted Algorithm [J]. Journal of Tsinghua University(Science and Technology), 2013, 53(7): 955-960 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=qhdxxb201307007 [7] 吕宁.基于GPS/DRS的消防车辆实时定位系统的研究与实现[D].济南: 山东大学, 2006 Lü Ning.Research and Implementation of Real- Time Positioning System for Fire Engines [D]. Ji'nan: Shandong University, 2006 [8] Li Binghao, Wang Jian, Meng Xiaolin, et al.Preliminary Study on Multi-station GPS RTK Positioning to Support Emergency Service Operations in Indoor Areas[C]. IGNSS Symposium, Sydney, Australia, 2011 [9] 赵亮, 樊瑞民. GPS定位导航技术在机场应急救援中的应用[J].民航管理, 2016(6):47-49 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=669485764 Zhao Liang, Pan Ruimin. The Application of GPS in Airport Emergency Rescue[J]. Civil Aviation Management, 2016(6):47-49 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=669485764 [10] Park S K, Suh Y S. A Zero Velocity Detection Algorithm Using Inertial Sensors for Pedestrian Navigation Systems[J].Sensors, 2010, 10: 9 163-9 178 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=MDPI000000142522 [11] Foxlin E. Pedestrian Tracking with Shoe-Mounted Inertial Sensors [J]. IEEE Computer Graphics Applications, 2005, 25(6): 38-46 https://ieeexplore.ieee.org/document/1528431/ [12] Nilsson J O, Skog I, Händel P, et al.Foot-Mounted INS for Everybody: An Open-Source Embedded Implementation [C]. IEEE/ION Position, Location and Navigation Symposium, South Carolina, USA, 2012 [13] Ojeda L, Borenstein J. Personal Dead-Reckoning System for GPS-Denied Environment[C]. IEEE International Workshop on Safety, Security and Rescue Robotics, Rome, Italy, 2007 [14] Laverne M, George M, Lord D, et al. Experimental Validation of Foot to Foot Range Measurements in Pedestrian Tracking[C]. ION GNSS, Portland, USA, 2011 [15] Skog I, Nilsson J O, Händel P. An Open-Source Multi-inertial Measurement Unit (MIMU) Platform [C]. International Symposium on Inertial Sensors and Systems, Laguna Beach, CA, 2014 [16] Bancroft J B, Lachapelle G. Data Fusion Algorithms for Multiple Inertial Measurement Units [J]. Sensors, 2011, 11(7): 6 771-6 798 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=MDPI000000147588 [17] Tanenhaus M, Carhoun D, Geis T, et al. Miniature IMU/INS with Optimally Fused Low Drift MEMS Gyro and Accelerometers for Applications in GPS-denied Environments [C]. IEEE/ION Position, Location and Navigation Symposium, Myrtle Beach, USA, 2012 [18] Krach B, Robertson P. Integration of Foot-Mounted Inertial Sensors into a Bayesian Location Estimation Framework[C]. The 5th Workshop on Positioning, Navigation and Communication, Hannover, Germany, 2008 [19] 刘飞, 周贤高, 杨晔, 等.相关地磁匹配定位技术[J].中国惯性技术学报, 2007, 15(1): 59-62 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zggxjsxb200701016 Liu Fei, Zhou Xiangao, Yang Ye. Geomagnetic Matching Location Using Correlative Method[J]. Journal of Chinese Inertial Technology, 2007, 15(1): 59-62 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zggxjsxb200701016 [20] 毋杰.基于RFID、惯性传感器、磁场特征的室内定位关键技术研究[D].上海: 华东师范大学, 2019 Wu Jie. Research on Major Technologies of Indoor Positioning Based on RFID, Inertial Sensors and Magnetic Features[D]. Shanghai: East China Normal University, 2019 [21] Wang B, Zhou J, Tang G, et al.Research on Visual Localization Method of Lunar Rover[J]. Scientia Sinica Informationis, 2014, 44(4): 452-460 doi: 10.1360/N112013-00226?slug=abstract [22] 邸凯昌.勇气号和机遇号火星车定位方法评述[J].航天器工程, 2009, 18(5):1-5 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=htqgc200905001 Di Kaichang. A Review of Spirit and Opportunity Rover Localization Methods [J]. Spacecraft Engineering, 2009, 18(5):1-5 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=htqgc200905001 [23] Scaramuzza D, Fraundorfer F. Visual Odometry Part I: The First 30 Years and Fundamentals [J]. IEEE Robotics Automation Magazine, 2011, 18(4): 80-92 [24] Fraundorfer F, Scaramuzza D. Visual Odometry: Part Ⅱ: Matching, Robustness, Optimization, and Applications [J]. IEEE Robotics Automation Magazine, 2012, 19(2): 78-90 [25] 刘涛, 李清泉, 方志祥, 等.一种室内位置指纹数据库构建方法[J].测绘科学, 2020, DOI: 10.16251/j.cnki.1009-2307.2020.04.021 Liu Tao, Li Qingquan, Fang Zhixiang, et al.A Method of Constructing Indoor Fingerprinting Database for Pedestrian Navigation[J]. Science of Surveying and Mapping, 2020, DOI: 10.16251/j.cnki.1009-2307.2020.04.021 [26] 刘飞, 张继贤, 王坚, 等.单目视觉Tukey权因子模型室内位置测量[J].遥感学报, 2020, 24(1): 76-84 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ygxb202001007 Liu Fei, Zhang Jixian, Wang Jian, et al. A Monocular Indoor Vision Position Measurement Method Based on the Tukey Model[J]. Journal of Remote Sensing, 2020, 24(1): 76-84 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ygxb202001007 [27] Do T, Carrilloarce L C, Roumeliotis S I. High-Speed Autonomous Quadrotor Navigation Through Visual and Inertial Paths [J]. The International Journal of Robotics Research, 2018, 38(4):486-504 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=10.1177/0278364918786575 [28] Zhu C, He M, Yang S, et al. Survey of Monocular Visual Odometry [J]. Computer Engineering Applications, 2018, 54(7): 20-28 [29] 田家英, 张志华.基于近邻法的WIFI室内定位改进算法研究[J].测绘工程, 2018, 27(12): 31-36 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=chgc201812007 Tian Jiaying, Zhang Zhihua. Improved Algorithm of WiFi Indoor Location Based on Nearest Neighbor Method [J]. Engineering of Surveying and Mapping, 2018, 27(12): 31-36 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=chgc201812007 [30] 焦鹏.基于指纹库的室内定位算法研究[D].成都: 电子科技大学, 2019 Jiao Peng. Research on Indoor Location Algorithm Based on Fingerprint Library[D].Chengdu: University of Electronic Science and Technology of China, 2019 [31] Wang J, Hu A, Liu C, et al. A Floor-Map-Aided WiFi/Pseudo-Odometry Integration Algorithm for an Indoor Positioning System [J]. Sensors, 2015, 15(4): 7 096-7 124 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=MDPI000000144957 [32] 刘春燕, 王坚.基于几何聚类指纹库的约束KNN室内定位模型[J].武汉大学学报·信息科学版, 2014, 39(11): 1 287-1 292 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=whchkjdxxb201411005 Liu Chunyan, Wang Jian. A Constrained KNN Indoor Positioning Model Based on a Geometric Clustering Fingerprinting Technique[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11): 1 287-1 292 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=whchkjdxxb201411005 [33] Tseng H W, Huang Y K, Pang A C. Performance Analysis for IEEE 802.15.4 Wireless Personal Area Networks [M].New York: John Wiley and Sons, 2008 [34] Developer A. Getting Started with iBeacon [J]. Retrieved May, 2014, 10:2 018 [35] Chen L, Kuusniemi H, Chen Y, et al. Constraint Kalman Filter for Indoor Bluetooth Localization[C]. The 23rd European Signal Processing Conference, Nice, France, 2015 [36] Fowler C, Entzminger J, Corum J. Assessment of Ultra-Wideband(UWB) Technology [J]. IEEE Aerospace and Electronic Systems Magazine, 1990, 5(11): 45-49 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=d8032d5248303ad6dcbca199d8cfb887 [37] Tian Z, Giannakiis G B. A GLRT Approach to Data-Aided Timing Acquisition in UWB Radios-Part I: Algorithms [J]. IEEE Transactions on Wireless Communications, 2005, 4(6): 2 956-2 967 http://www.ece.mtu.edu/faculty/ztian/papers/uwb_MLtimingI.pdf [38] Tian Z, Giannakis G B. A GLRT Approach to Data-Aided Timing Acquisition in UWB Radios-Part II: Training Sequence Design [J]. IEEE Transactions on Wireless Communications, 2005, 4(6): 2 994-3 004 https://www.dtc.umn.edu/s/resources/twc05dec2.pdf [39] Alavi B, Pahlavan K. Bandwidth Effect on Distance Error Modeling for Indoor Geolocation [C]. The 14th IEEE Proceedings on Personal, Indoor and Mobile Radio Communications, Beijing, China, 2003 [40] Cazzorla A, de Angelis G, Moschitta A, et al.A 5.6- GHz UWB Position Measurement System[J]. IEEE Transactions on Instrumentation and Measurement, 2012, 62(3): 675-683 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=4d77ee917fa4887f450e3f1c6b14a04c [41] Karbownik P, Krukar G, Eidloth A, et al. Ultra-Wideband Technology-Based Localization Platform with Real-Time Signal Processing [C]. IEEE International Conference on Indoor Positioning and Indoor Navigation, Guimaraes, Portugal, 2011 [42] Zhang Y, Bin L, Qi C. Characterization of On-Human-Body UWB Radio Propagation Channel [J]. Microwave and Optical Technology Letters, 2007, 49(6): 1 365-1 371 [43] Pittet S, Renaudin V, Merminod B, et al. UWB and MEMS Based Indoor Navigation [J]. The Journal of Navigation, 2008, 61(3): 369-384 [44] Savioli A, Goldoni E, Savazzi P, et al. Low Complexity Indoor Localization in Wireless Sensor Networks by UWB and Inertial Data Fusion [J]. Computer Science, 2013, 52: 723-732 [45] Fan Q, Wu Y, Hui J, et al. Integrated Navigation Fusion Strategy of INS/UWB for Indoor Carrier Attitude Angle and Position Synchronous Tracking [J]. The Scientific World Journal, 2014(1):1-13 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=Doaj000003726435 [46] Liu F, Li X, Wang J, et al. An Adaptive UWB/MEMS-IMU Complementary Kalman Filter for Indoor Location in NLOS Environment [J]. Remote Sensing, 2019, 11(22):1-21 https://www.researchgate.net/publication/337189011_An_Adaptive_UWBMEMS-IMU_Complementary_Kalman_Filter_for_Indoor_Location_in_NLOS_Environment [47] Renaudin V, Yalak O, Tomé P, et al.Indoor Navigation of Emergency Agents [J]. European Journal of Navigation, 2007, 5: 36-45 https://www.academia.edu/1209009/Indoor_navigation_of_emergency_agents [48] Han Houzeng, Wang Jian, Wu Jinling, et al. Performance Analysis on Carrier Phase-based Tightly-Coupled GPS/BDS/INS Integration in GNSS Degraded and Denied Environments [J]. Sensors, 2015, 15(4): 8 685-8 711 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=sensors-15-08685 [49] Liu F, Wang J, Zhang J, et al. An Indoor Localization Method for Pedestrians Base on Combined UWB/PDR/Floor Map[J].Sensors, 2019, 19(11): 1-19 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6603537/ [50] 杨燈, 王坚, 韩厚增, 等.地下综采面超宽带自组网人员定位系统[J].测绘科学, 2020, 45(1): 11-18 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=chkx202001003 Yang Deng, Wang Jian, Han Houzeng, et al.UWB Ad Hoc Network Personnel Positioning System for Underground Comprehensive Coal Mining Face[J]. Science of Surveying and Mapping, 2020, 45(1): 11-18 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=chkx202001003 [51] Han H, Wang J, Liu F, et al. An Emergency Seamless Positioning Technique Based on Ad Hoc UWB Networking Using Robust EKF[J]. Sensors, 2019, 19(14):1-18 https://www.mdpi.com/1424-8220/19/14/3135/pdf-vor -